Anda di halaman 1dari 11

Metode Statistika

Pertemuan VII
Pengantar Metode Penarikan Contoh

Mendapatkan data
Primer
Studi Kualitatif
Observasi

Percobaan
Survey
Survey lengkap (sensus) mengumpulkan
data dari keseluruhan populasi
Populasi : kumpulan objek yang menjadi perhatian riset

Survei Sampling mengumpulkan data dari


sebagian populasi
Sample : himpunan bagian dari populasi yang secara
aktual dipelajari

Mengapa harus
sampel
Sampling menghemat
? waktu & uang
Pengujian dapat bersifat merusak
Umumnya sampling lebih akurat manakala
uang dan waktu terbatas Lebih baik
menghabiskan uang dan waktu yang ada
untuk mendapatkan informasi terperinci
yang akurat pada beberapa individu (saja)
dibanding berusaha dengan cepat untuk
mendapatkan sedikit informasi dari banyak
individu

Sampel
harus
Sample yang baik: representatif mewakili
populasi
representatif

Jika sampelnya representatif, statistik yang


diperoleh dari analisis terhadap data sampel akan
mendekati apa yang didapat dari populasi
Jika suatu metode sampling cenderung memberi
sampel di mana beberapa karakteristik populasi
direpresentasikan berlebih atau kurang (over or
under-represented) maka metode sampling
tersebut ber-bias
Suatu metode sampling yang ber-bias punya
kecenderungan memberi sampel yang tidak
representatif

Representativen
ess
Individu (orang)
Karakteristik Demografi (umur,
pendidikan)
Karakteristik Psikografi

Place (urban vs. rural)


Time
Seasonality
Day of the week
Time of the day

Peranan Metode
Sampling?
Mendapatkan sampel yang mewakili
(representatif) populasi

Memilih metode yang tepat


Menentukan jumlah sampel yang memadai
sesuai dengan tingkat akurasi yang
diharapkan

Metode Sampling :
Probability vs Non Probability Sampling

Probability
Sampling
Metode Sampling yang berbasis pada kaidah peluang
(pemilihan secara acak) tingkat akurasi bisa
dihitung
Acak setiap unit memiliki peluang yang sama untuk
terpilih

Butuh kerangka contoh (daftar seluruh unit atau


anggota populasi)
Beberapa definisi:
N = banyaknya objek dalam kerangka contoh (sampling frame)
n = banyaknya objek dalam contoh

Beberapa Metode
Sampling
Penarikan Contoh Acak Sederhana
(Probability)
(Simple Random Sampling)
Penarikan Contoh Acak Berlapis
(Stratified Random Sampling)
Penarikan Contoh Sistematis
(Systematic Random Sampling)
Penarikan Contoh Gerombol
(Cluster Random Sampling)
Penarikan Contoh Bertahap
(Multi-Stage Sampling)
Error Sampling Error vs Non Sampling Error

Memilih Metode
Sampling
Kenali Populasi sasaran studi
Ukuran dan penyebaran geografis
Keragaman variabel

Tingkat ketelitian yang diinginkan


Sumberdaya yang tersedia (dana, sdm,
peralatan, dll)
Pentingnya mempunyai dugaan yang tepat
tentang sampling error

Ukuran contoh
optimum (n)

Simple random sampling

n = f(ragam, ukuran populasi, ketelitian yang diinginkan, biaya,


waktu, resiko)
Ukuran contoh yang diperlukan untuk menduga dengan batas
error pendugaan sebesar B adalah:
N 2
B2
n
, dengan D
( N 1) D 2
4

z 2 NV 2
n 2 2
z V ( N 1) 2
Z=1.96 dengan SK 95%, V=Std
relatif thd mean, =batas
kesalahan yang diinginkan (% thd
mean)

Ukuran contoh yang diperlukan untuk menduga P dengan batas


error pendugaan sebesar B adalah:
Np (1 p )
n
( N 1) D p (1 p )

z 2 Np (1 p )
n 2
z p (1 p ) ( N 1) 2 p 2

Non Probability Sampling

Pemilihan tidak dilakukan secara acak

Generalisasi terhadap populasi agak sulit dilakukan

Sering digunakan dalam penelitian sosial, marketing


research, dll., krn Probability Sampling tidak praktis
atau bahkan tidak dapat diterapkan

Accidental/Haphazard/Convenience vs Purposive

Purposive Model Instance Sampling, Expert


Sampling, Quota Sampling, Heterogenety Sampling,
Snowball Sampling