BAB II

LANDASAN TEORI

Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

teknik pengambilan sampel yang tepat sesuai dengan keadaan populasi

tersebut. Sehingga sampel yang diperoleh adalah sampel yang dapat

mewakili populasi. Dengan sampel yang mewakili populasi, dapat diperoleh

taksiran parameter populasi yang akurat. Taksiran parameter populasi

dikatakan akurat, jika merupakan taksiran yang tak bias dan variansi

taksirannya paling kecil diantara taksiran yang tak bias lainnya.

Pada bab ini, akan dibahas dua teknik pengambilan sampel dari

probability sampling yang menjadi dasar dari metode pengambilan sampel

yang akan dibahas dalam tugas akhir ini. Dalam bab ini, akan dijelaskan

teknik pengambilan sampel dengan cara Simple Random Sampling (SRS),

yang merupakan bentuk dasar dari probability sampling yang lain dan

single systematic sampling. Selain itu, akan dibahas juga tentang taksiran

mean populasi beserta variansi dan taksiran variansinya pada kedua teknik

pengambilan sampel tersebut.

8
Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008
 9

2.1 SIMPLE RANDOM SAMPLING (SRS)

2.1.1 Pendahuluan

Simple Random Sampling (SRS) adalah suatu metode pengambilan

sampel dimana sampel berukuran n diambil dari populasi berukuran N ,

dengan cara sedemikian sehingga setiap sampel yang mungkin mempunyai

probabilitas yang sama untuk terpilih menjadi sampel.

Cara mengambil sampel dengan teknik Simple Random Sampling

(SRS) adalah sebagai berikut:

Menomori semua elemen dalam populasi.

Mengambil n bilangan acak diantara N nomor.

Elemen-elemen dengan nomor-nomor yang terpilih menjadi anggota sampel.

Dalam metode ini, pengambilan sampel dapat dilakukan dengan dua

cara, yaitu pengambilan sampel dengan pengembalian dan pengambilan

sampel tanpa pengembalian. Karena unit yang sama tidak memberikan

tambahan informasi, maka yang sering digunakan adalah pengambilan

Simple Random Sampling tanpa pengembalian, dimana unit sampel yang

terpilih pada suatu pengambilan tidak akan mungkin terpilih pada

pengambilan berikutnya.

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 10

Pada Simple Random Sampling, setiap unit memiliki probabilitas yang

sama untuk terpilih menjadi anggota sampel. Hal tersebut dapat dibuktikan

dalam teorema berikut ini.

Teorema 2.1.1

Dalam Simple Random Sampling, probabilitas suatu unit terpilih

n
menjadi anggota sampel adalah (sama).
N

Bukti:

Misalkan diketahui nilai-nilai dari populasi adalah = {u1,u2 ,....,uN } .

Didefinisikan:

pm = Pr ( u1 muncul pada pengambilan ke- m ) ; m = 1,2,...,n

Untuk m =1 , maka

p1 = Pr ( u1 muncul pada pengambilan ke-1)

1
p1 =
N

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 11

Untuk m = 2 , maka

p2 = Pr ( u1 muncul pada pengambilan ke-2)

p2 = Pr ( u1 tidak muncul pada pengambilan ke- 1 dan u1 muncul pada

pengambilan ke- 2 )

Karena kejadian u1 tidak muncul pada pengambilan ke-1 dan kejadian u1

muncul pada pengambilan ke-2, merupakan kejadian saling bebas, maka

diperoleh:

p2 = Pr ( u1 tidak muncul pada pengambilan ke-1). Pr ( u1 muncul pada

pengambilan ke-2)

1 1
p2 = 1- .
N N -1

N -1 1
p2 = .
N N -1

1
p2 =
N

Untuk m = n , maka

pn = Pr ( u1 muncul pada pengambilan ke- n )

pn = Pr ( u1 tidak muncul pada pengambilan ke-1 sampai pengambilan ke- n -1

dan u1 muncul pada pengambilan ke- n )

1 1 1 1 1
pn = 1- . 1- . 1- ..... 1- .
N N -1 N - 2 N - (n - 2) N - (n -1)

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 12

N -1 N - 2 N - 3 N - (n -1) 1
pn = . . ..... .
N N -1 N - 2 N - (n - 2) N - (n -1)

1
pn =
N

Sehingga dapat disimpulkan bahwa:

1
pm = ; untuk m =1,2,...,n (2.1.1.1)
N

Hal yang sama juga dapat dilakukan untuk setiap ui ; i =1,2,...,N .

Selanjutnya, misalkan:

i = Pr (ui terpilih dalam sampel) ; untuk suatu i , i =1,2,...,N

n
Akan dibuktikan i = :
N

Misalkan:

A m = kejadian ui muncul pada pengambilan ke- m ; m =1,2,...,n

Sehingga:

i = Pr ( A1 A 2 A 3 ... A n )

Karena A1,A 2 ,....,A n adalah kejadian saling lepas, maka diperoleh:

i = Pr ( A1 ) +Pr ( A 2 ) +.....+Pr ( A n )

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 13

1 1 1
i = + +.....+
N N N

n
i = (terbukti) (2.1.1.2)
N

n
Sehingga i = berlaku untuk setiap i ; i =1,2,...,N
N

Dengan demikian terbukti bahwa dalam Simple Random Sampling,

n
probabilitas suatu unit terpilih menjadi anggota sampel adalah (sama).
N

2.1.2 Taksiran Mean Populasi dan Variansinya

Misalkan {u1,u2 ,.....,uN } adalah nilai-nilai populasi dan adalah mean

populasi yang didefinisikan sebagai berikut:

1 N
= ui
N i=1

Misalkan S = {y1,y 2 ,.....,y n } adalah Simple Random Sample yang diambil dari

populasi {u1,u2 ,.....,uN } .

Pandang suatu statistik:

1 n
y= yi
n i=1

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 14

Maka dapat dibuktikan bahwa:

1 n
i) y = yi adalah taksiran yang tak bias untuk mean populasi ( ) .
n i=1

( u - )
2
2 i
N-n 2
ii) V(y) = , dimana =
i=1
.
n N -1 N

(y - y)
2
2 i
= s N - n dengan s2 =
iii) V(y) i=1
merupakan taksiran yang tak

n N n -1

bias untuk V [ y ] .

Pembuktian:

1 n
i) Untuk membuktikan bahwa y = yi adalah taksiran yang tak bias
n i=1

untuk mean populasi ( ) , yaitu dengan menunjukkan bahwa E ( y ) = :

Bukti:

Misalkan didefinisikan sebuah variabel random Z, dimana:

zi = 1 ; ui S ; i =1,2,....,N

zi = 0 ; ui S ; i =1,2,....,N (2.1.2.1)

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 15

Sehingga didapat:

1 n 1 N
y=
n i=1
yi = ui .zi
n i=1

Selanjutnya akan dicari nilai dari E ( y ) :

1 n
E ( y ) = E yi
n i=1

1 N
E ( y ) = E ui .zi
n i=1

1 N
E ( y ) = E ui .zi
n i=1

1 N
E ( y ) = ui .E ( zi ) (2.1.2.2)
n i=1

Nilai E ( zi ) dapat dicari sebagai berikut:

1
E ( zi ) = zi Pr ( zi )
zi =0

E( zi ) = 0.Pr( zi =0) + 1.Pr( zi =1)

E( zi ) = 1.Pr( zi =1)

Dari definisi (2.1.2.1), diperoleh:

E( zi ) = 1.Pr( ui S )

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 16

n
Berdasarkan teorema (2.1.1) diketahui bahwa Pr ( ui S ) adalah ,
N

sehingga diperoleh:

n
E( zi ) = 1.
N

n
E( zi ) = ; untuk i =1,2,....,N (2.1.2.3)
N

Substitusikan persamaan (2.1.2.3) ke dalam persamaan (2.1.2.2), sehingga

diperoleh nilai E ( y ) adalah:

1 N
E ( y ) = ui .E ( zi )
n i=1

1 N n
E ( y ) = ui .
n i=1 N

1 N 1
E ( y ) = n ui .
n i=1 N

N
1
E ( y ) = ui .
i=1 N

E(y) = (terbukti)

1 n
Karena telah diperoleh E ( y ) = , maka terbukti bahwa y = yi adalah
n i=1

taksiran tak bias untuk mean populasi ( ) .

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 17

2 N - n
ii) Selanjutnya akan dibuktikan bahwa V(y) = , dimana
n N -1

( u - )
2
i
2 = i=1
.
N

Bukti:

1 n
V ( y ) = V yi
n i=1

1 N
V ( y ) = V ui .zi
n i=1

1 N
V (y) = 2
V ui .zi
n i=1

1 N 2
N
2

V (y) = 2 E ui .zi - E ui .zi

n i=1 i=1

N
2
1 N
N
V (y) = 2 E ( ui .zi ) + uiuh .zi zh - E ( ui .zi )
2

n i=1 ih i=1

1 N 2 N N N

V (y) = ( i i ) i h i h ( i i ) E ( ui .zi ) .E ( uh .zh )
2
E u .z +E u u .z z - E u .z +
n2 i=1 ih i=1 i h

1 N 2
N
N N
V (y) = E ( ui .zi ) - E ( ui .zi ) + E ( uiuh .zi zh ) - E ( ui .zi ) .E ( uh .zh )
2

n2 i=1 i=1 i h ih

1N + E ( u z .u z ) - E ( u .z ) .E ( u .z )
N
V (y) = i i i i
( ) ( )
2 2
E u .z - E u .z h h
n2 i=1
i i h h i i
i h

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 18

1N 2 + u u E ( z z ) - u u E ( z ) .E ( z )
N
V (y) = ( ) ( )
2 2
u E z - u 2
i E z i
n2 i=1
i i
ih i h i h i h i h

1 N 2 + u u E ( z z ) - E ( z ) .E ( z )
N
V (y) = i ( ) ( )
2 2
u E z -
E z i i h h
n2 i=1
i i h i
i h

1N 2 N

2 i [ ]
V (y) = u V z i + uiuhCov [ zi ,zh ] (2.1.2.4)
n i=1 ih

Akan dicari nilai dari V [ zi ] , yaitu:

V ( zi ) = E ( zi ) - E ( zi )
2 2
(2.1.2.5)

Terlebih dahulu akan dicari nilai dari E ( zi ) , yaitu:

2

1
E ( zi ) = zi2 Pr ( zi )
2

zi =0

E ( zi ) = 02.Pr ( zi = 0 ) +12.Pr ( zi = 1)
2

E ( zi ) = 0.Pr ( zi = 0 ) +1.Pr ( zi = 1)
2

E ( zi ) = 1.Pr ( zi = 1)
2

E ( zi ) = E ( z i )
2
(2.1.2.6)

Substitusikan persamaan (2.1.2.6) ke dalam persamaan (2.1.2.5) , sehingga

diperoleh:

V ( zi ) = E ( zi ) - E ( zi )
2 2

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 19

V ( zi ) = E ( zi ) - E ( zi )
2

Dari persamaan (2.1.2.3), diperoleh:

2
n n
V ( zi ) = -
N N

n n
V ( zi ) = 1- ; untuk i = 1,2,....,N (2.1.2.7)
N N

Sementara itu nilai dari Cov [ zi ,zh ] adalah:

Cov [ zi ,zh ] = E ( zi zh ) - E ( zi ) .E ( zh ) (2.1.2.8)

Terlebih dahulu akan dicari nilai E ( zi zh ) , yaitu:

1
E ( zi zh ) =
zi ,zh =0
zi .zh Pr ( zi ,zh )

E ( zi zh ) = 0.0Pr ( zi = 0,zh = 0 ) + 0.1Pr ( zi = 0,zh = 1) +1.0Pr ( zi = 1,zh = 0 ) +1.1Pr ( zi = 1,zh = 1)

E ( zi zh ) = Pr ( zi = 1,zh =1)

Dari definisi (2.1.2.1), diperoleh:

E ( zi zh ) = Pr ( ui S,uh S )

E ( zi zh ) = Pr(ui dan uh masuk dalam sampel )

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 20

Karena ada (N - 2 ) unit lainnya yang tersedia untuk sisa sampel dan disisi lain

ada ( n - 2 ) untuk menempatkan dalam sampel dan karena terdapat N buah

elemen dalam populasi dan sampel berukuran n , maka probabilitas ui dan

uh masuk dalam sampel adalah:

E ( zi zh ) = Pr ( ui S,uh S )

N - 2

n-2
E ( zi z h ) =
N

n

(N - 2 ) !
E ( zi zh ) =
(N - n ) ! ( n - 2 )!
N!
(N - n )!n!

E ( zi zh ) =
(N - 2 )! . (N - n )!n!
(N - n )! ( n - 2 )! N!

E ( zi z h ) =
(N - 2 )! . n!
( n - 2 )! N!

E ( zi z h ) =
(N - 2 )! . n(n -1)(n - 2)!
( n - 2 )! N(N -1)(N - 2)!

n(n -1)
E ( zi zh ) = (2.1.2.9)
N(N -1)

Substitusikan persamaan (2.1.2.9) ke dalam persamaan (2.1.2.8), sehingga

diperoleh nilai dari Cov [ zi ,zh ] adalah:

Cov [ zi ,zh ] = E ( zi zh ) - E ( zi ) .E ( zh )

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 21

n(n -1)
Cov [ zi ,zh ] = - E ( zi ) .E ( zh )
N(N -1)

Dari persamaan (2.1.2.3), diperoleh:

n(n -1) n n
Cov [ zi ,zh ] = - .
N(N -1) N N

n n (n -1)
Cov [ zi ,zh ] = - -
N N (N -1)

n n (N -1) - N(n -1)

Cov [ zi ,zh ] = -
N N(N -1)

n nN - n - Nn +N
Cov [ zi ,zh ] = -
N N(N -1)

n N-n
Cov [ zi ,zh ] = -
N N(N -1)

n 1 N-n
Cov [ zi ,zh ] = -
N (N -1) N

n 1 n
Cov [ zi ,zh ] = - 1- (2.1.2.10)
N (N -1) N

; untuk i = 1,2,..,N dan h = 1,2,..,N , dimana i h

Substitusikan persamaan (2.1.2.7) dan (2.1.2.10) ke dalam persamaan

(2.1.2.4), sehingga diperoleh nilai V ( y ) adalah:

1N 2 N

V (y) = 2
n i=1
ui V [ z i ] +
ih
uiuhCov [ zi ,zh ]

1 N 2 n n N 1 n n
2 i 1- + uiuh -
V (y) = u 1-
n i=1 N N ih N -1N N

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 22

1 N 2 n n 1 n n N
2 i 1- uiuh
V (y) = u 1- + -
n i=1 N N N -1N N ih

N 2 n n 1 n n N N 2
2
1
V (y) = i u 1- +
- 1- i - ui
u
n2 N N N -1N N i=1 i=1
i=1

1 n n N 2 1 N N 2
2

V ( y ) = 2 1- ui + - ui - ui
n N N i=1
N -1 i=1 i=1

1 n N 2 1 N 2 1 N
2

V (y) = 1- i u + i N -1
u - ui
nN N i=1 N -1 i=1 i=1

1 n 1 N 2 1 N
2

V (y) = 1- 1+ ui - ui
nN N N -1 i=1 N -1 i=1

1 n N N 2 1 N
2

V (y) = 1- ui - ui
nN N N -1 i=1 N -1 i=1

1 n N N 2 1 N
2

V (y) = 1- i u - i
u
nN N N -1 i=1 N i=1

1 N-n N N 2 2
V (y) = ui - N
nN N N -1 i=1

1 N-n N 2 2
V (y) = ui - 2N +N
2

nN N -1 i=1

1 N-n 1 N 2 N N
2
V (y) = ui - 2 ui +
n N -1 N i=1 i=1 i=1

1 N-n 1 N 2 2
V (y) = ( ui - 2ui + )
n N -1 N i=1

1 N-n 1 N 2
V (y) = ( ui - )
n N -1 N i=1

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 23

1 N-n 2
V (y) =
n N -1

2 N - n
V (y) = (terbukti)
n N -1

( ui - )
2

2 N - n
Dengan demikian terbukti bahwa V ( y ) =
2
, dimana =
i=1
n N -1 N

2
iii) = s N - n dengan
Selanjutnya akan dibuktikan bahwa V(y)
n N

(y - y)
2
i
s2 = i=1
adalah taksiran yang tak bias untuk V ( y ) .
n -1

2
= s N - n adalah taksiran tak bias untuk
Untuk membuktikan V(y)
n N

2 N - n
V (y) = , yaitu dengan membuktikan bahwa E V ( y ) = V [ y ]


n N -1

Bukti:

(y - y)
2

s N - n
2 i
E V ( y ) = E ; dengan s2 = i=1
n -1
n N

N-n 1
E V ( y ) = E s2 (2.1.2.11)
N n

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 24

Terlebih dahulu akan dicari nilai E s2 , yaitu:

1 n 2
E s2 = E
n - 1 i=1
( yi - y )

1 n 2
E ( y i - ) - n ( y - )
2
E s2 =
n - 1 i=1

1 n 2
E ( yi - ) - nE ( y - )
2
E s2 =
n - 1 i=1

1 n
E s2 =
n -1 i=1
V(y) - nV(y)

1
E s2 = [nV(y) - nV(y)]
n -1

1
E s2 = n 2 - nV(y)
n -1

2 N - n
Karena V ( y ) = , maka diperoleh:
n N -1

1 2 2 N - n
E s2 = n - n
n -1 n n -1

2 N - n
2

E s = n-
n -1 N -1

2 n (N -1) - (N - n )
E s2 =
n -1 N -1

2 nN - n - N+ n
E s =
2

n -1 N -1

2 nN - N
E s2 =
n -1 N -1

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 25

2 N(n -1)
E s2 =
n -1 N -1

N 2
E s2 = (2.1.2.12)
N -1

Substitusikan persamaan (2.1.2.12) ke dalam persamaan (2.1.2.11),

sehingga diperoleh nilai E V ( y ) adalah:

N-n 1
E V ( y ) = E s2
N n

N-n 1 N 2
E V ( y ) =
N n N -1

2
N-n
E V ( y ) =
N -1 n

E V ( y ) = V [ y ]

Karena telah diperoleh E V ( y ) = V [ y ] , maka terbukti bahwa

(y - y)
2
2 i
= s N - n dengan s2 =
V(y) i=1
adalah taksiran tak bias untuk

n N n -1

( u - )
2
2 i
N-n
V (y) =
2
dengan =
i=1
.
n N -1 N

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 26

Selanjutnya diperoleh Standard Error (SE) dari taksiran mean populasi pada

Simple Random Sampling ( y ) adalah:

SE ( y ) = V ( y )

2.2 SINGLE SYSTEMATIC SAMPLING

2.2.1 Pendahuluan

Pengertian dari single systematic sampling adalah suatu cara

pengambilan sampel, dimana sampel diperoleh dengan cara memilih secara

random satu elemen dari k -elemen pertama pada frame, dan setiap elemen

ke- k berikutnya.

Cara mengambil sampel dengan teknik single systematic sampling

adalah sebagai berikut:

Pilih satu elemen dari k elemen pertama secara acak.

Pilih setiap elemen ke k setelahnya.

Single systematic sampling baik digunakan untuk populasi terurut,

yaitu populasi yang elemen-elemennya berurut menurut besaran yang diukur.

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 27

Selain itu, single systematic sampling juga baik digunakan jika frame

merupakan daftar yang panjang.

Supaya diperoleh ukuran sampel yang diinginkan, k harus dipilih lebih

N
kecil atau sama dengan , akan tetapi dalam tugas akhir ini pembahasan
n

dibatasi untuk N = nk .

2.2.2 Taksiran Mean Populasi dan Variansinya

Misalkan {u1,u2 ,.....,uN } adalah nilai-nilai populasi dan adalah mean

populasi yang didefinisikan sebagai berikut:

1 N
= ui
N i=1

Misalkan S = {y1,y 2 ,.....,y n } adalah single systematic sample yang

diambil dari populasi {u1,u2 ,.....,uN } .

Untuk menaksir mean populasi ( ) digunakan y sy , dimana dalam

penerapan single systematic sampling, y sy biasanya dihitung dengan

menggunakan formula, yang digunakan untuk menghitung taksiran mean

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 28

1 n
pada Simple Random Sampling, yaitu: y sy = yi serta taksiran variansinya
n i=1

(y - y)
2
2 i
s N-n 2
adalah V(y sy ) = dengan s =
i=1
.
n N n -1

Dapat dibuktikan bahwa dalam single systematic sampling dengan N=nk :

1 n
i) y sy = yi adalah taksiran yang tak bias untuk mean populasi ( ).
n i=1

2
ii) Dapat ditunjukkan bahwa V(y sy ) = 1+ ( n -1) , dimana
n
2
1 N
= ( yi - ) merupakan variansi dari populasi, dan adalah
2

N i=1

korelasi antara pasangan-pasangan elemen dalam systematic

sample yang sama.

( yi - y )
2

s2 N - n 2
iii) V(y sy ) = dengan s =
i=1
merupakan taksiran yang
n N n -1

bias untuk V y sy .

Pembuktian:

1 n
i) Untuk membuktikan bahwa y sy = yi adalah taksiran yang tak bias
n i=1

untuk , yaitu dengan menunjukkan bahwa E ( y sy ) = .

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 29

Bukti:

Misalkan didefinisikan sebuah variabel random Z, dimana:

zi = 1 ; ui S ; i = 1,2,....,N

zi = 0 ; ui S ; i = 1,2,....,N (2.2.2.1)

Sehingga didapat:

1 n 1 N
y sy = i n
n i=1
y =
i=1
ui .zi

Selanjutnya akan dicari nilai dari E ( y sy ) :

1 n
E ( y sy ) = E yi
n i=1

1 N
E ( y sy ) = E ui .zi
n i=1

1 N
E ( y sy ) = E ui .zi
n i=1

1 N
E ( y sy ) = ui .E ( zi ) (2.2.2.2)
n i=1

E ( zi ) dapat dicari sebagai berikut:

1
E ( zi ) = zi Pr ( zi )
zi =0

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 30

E( zi ) = 0.Pr( zi =0) + 1.Pr( zi =1)

E( zi ) = 1.Pr( zi =1)

Dari definisi (2.2.2.1), diperoleh:

E( zi ) = 1.Pr( ui S )

Karena pada single systematic sampling probabilitas suatu unit terpilih

1
menjadi anggota sampel adalah , maka diperoleh:
k

1
E( zi ) = 1.
k

1
E( zi ) = ; untuk i = 1,2,....,N (2.2.2.3)
k

Substitusikan persamaan (2.2.2.3) ke dalam persamaan (2.2.2.2), sehingga

diperoleh nilai E ( y sy ) adalah:

1 N
E ( y sy ) = ui .E ( zi )
n i=1

1 N 1
E ( y sy ) = ui .
n i=1 k

1 1 N
E ( y sy ) = ui
n k i=1

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 31

Karena N = nk , maka diperoleh:

1 N
E ( y sy ) = ui
nk i=1

1 N
E ( y sy ) = ui
N i=1

E ( y sy ) = (terbukti)

1 n
Karena telah diperoleh E ( y sy ) = , maka terbukti bahwa y sy = yi adalah
n i=1

taksiran tak bias untuk .

2
ii) Selanjutnya akan dibuktikan bahwa V(y sy ) =
n
(1+ [n -1] ) , dimana
N

( u - )
2
i
2 = i=1
.
N

Bukti:

Pandang suatu single systematic sampling berukuran n , yang diambil dari

populasi berukuran N dengan N = nk . Pada tabel berikut ditampilkan

sampel-sampel yang mungkin dari populasi tersebut:

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 32

Tabel 2.2.2.1 Kemungkinan sampel-sampel pada single systematic sampling

dengan N=nk

Sampel ke 1 2 n Mean

1 y11 y12 y1n y1

2 y 21 y 22 y 2n y2

k yk1 yk2 y kn yk

Misalkan y pj menyatakan anggota ke- j dari systematic sample ke- p

( p =1,2,...,k ; j =1,2,...,n ) dan y pu menyatakan anggota ke- u dari

systematic sample ke- p ( p =1,2,...,k ; u = 1,2,...,n ), dengan j < u .

adalah korelasi antara pasangan-pasangan elemen dalam systematic

sample yang sama, dimana rumusnya didefinisikan:

E ( ypj - ) ( ypu - )
=
E ( y pj - ) E ( ypu - )
2 2

E ( ypj - ) ( ypu - )
=
.

E ( ypj - ) ( ypu - )
= (2.2.2.4)
2

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 33

Selanjutnya akan dicari nilai dari E(ypj - )(ypu - ) :

k n
E(y pj - )(ypu - ) = (y pj - )(y pu - )P ( ypj , ypu ) (2.2.2.5)
p=1 j<u

P ( ypj ,ypu ) menyatakan probabilitas y j dan y u ada dalam systematic sample

ke- p ; p =1,2,...,k .

Nilai dari P ( y pj ,ypu ) dapat dicari sebagai berikut:

Karena banyaknya kombinasi ( y j ,yu ) dari sampel berukuran n adalah

n n! n(n -1)(n - 2)! n(n -1)

= = = ,
2 2!(n - 2)! 2!(n - 2)! 2

dan karena banyaknya systematic sample adalah k , maka

1 1
P ( y pj ,ypu ) = .
k n ( n -1)
2

1 2
P ( y pj ,ypu ) = .
k n ( n -1)

2
P ( y pj ,y pu ) = (2.2.2.6)
kn ( n -1)

Substitusikan (2.2.2.6) ke dalam persamaaan (2.2.2.5), sehingga diperoleh

nilai dari E(ypj - )(ypu - ) :

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 34

k n
E(y pj - )(ypu - ) = (y pj - )(y pu - )P ( ypj , ypu )
p=1 j<u

k n
2
E(ypj - )(ypu - ) = (ypj -)(ypu - )
p=1 j<u kn ( n -1)

2 k n
E(ypj - )(ypu - ) = (ypj - )(ypu - )
kn ( n -1) p=1 j<u
(2.2.2.7)

Substitusikan persamaan (2.2.2.7) ke dalam persamaan (2.2.2.4), sehingga

diperoleh nilai adalah:

E ( ypj - ) ( ypu - )
=
2

k n
2

kn ( n -1) p=1 j<u
(y pj - )(ypu - )
=
2

2 k n
=
kn ( n -1) 2
(y
p=1 j<u
pj - )(ypu - ) (2.2.2.8)

Selanjutnya, pandang:
k

(y - )
2
p
p=1
n2kV(y sy ) = n2k
k

k
n2kV(y sy ) = n2 ( yp - )
2

p=1

k
n2kV(y sy ) = ( n(yp - ) )
2

p=1

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 35

k
n2kV(y sy ) = ( nyp - n)
2

p=1

2
n
k pj
y
n2kV(y sy ) = n - n
j=1

p=1 n

2
k
n
n kV(y sy ) = y pj - n
2

p=1 j=1

( )
k
n2kV(y sy ) = ( y p1 + y p2 +.....+ ypn ) - (++.....+)
2

p=1

k
n kV(y sy ) = ( y p1 - ) + ( y p2 - ) +.....+ ( y pn - )
2
2

p=1

2
k
n
n kV(y sy ) = ( ypj - )
2

p=1 j=1

k n n
n2kV(y sy ) = ( y pj - ) + 2 ( y pj - ) ( y pu - )
2

p=1 j=1 j<u

k n k n
n2kV(y sy ) = ( ypj - ) + 2 ( y pj - ) ( ypu - )
2

p=1 j=1 p=1 j<u

k n
n2kV(y sy ) = N 2 + 2 ( ypj - ) ( ypu - ) (2.2.2.9)
p=1 j<u

Berdasarkan persamaan (2.2.2.8) dimana

k n
2
=
kn ( n -1) 2
( y
p=1 j<u
pj - ) ( ypu - ) , maka diperoleh:

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 36

k n
2 ( y pj - ) ( y pu - ) = kn(n -1) 2 (2.2.2.10)
p=1 j<u

Substitusikan persamaan (2.2.2.10) ke dalam persamaan (2.2.2.9), sehingga

diperoleh:

k n
n2kV(y sy ) = N 2 + 2 ( ypj - ) ( ypu - )
p=1 j<u

n2kV(y sy ) = N 2 + kn(n -1) 2

N 2 + kn(n -1) 2
V(y sy ) =
n2k

N 2 + kn(n -1) 2
V(y sy ) =
nnk

N 2 +N(n -1) 2
V(y sy ) =
nN

N 2 N(n -1) 2
V(y sy ) = +
nN nN

2 (n -1) 2
V(y sy ) = +
n n

2
V(y sy ) = [1+ (n -1)] (terbukti)
n

2
Dengan demikian terbukti bahwa V(y sy ) =
n
(1+ [n -1] ) .

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 37

s2 N - n
iii) Selanjutnya dapat ditunjukkan bahwa V(y sy ) = merupakan
n N

taksiran yang bias untuk V(y sy ) .

2
s N-n
Untuk membuktikan V(y sy ) = adalah taksiran yang bias dari
n N

2
V(y sy ) =
n
(1+ [n -1] ) , yaitu dengan menunjukkan bahwa E V(y

sy ) V(y sy )

Bukti:

s2 N - n
Terlebih dahulu akan dicari nilai E V(y ) , dimana V(y ) = :
sy sy
n N

s2 N - n
E V ( y sy ) = E

n N

N - n s2
E V ( y sy ) = E
N n

N-n 1
E V ( y sy ) = E s2 (2.2.2.11)
N n

N 2
Substitusikan E s2 = ke dalam persamaan (2.2.2.11), sehingga
N -1

diperoleh nilai E V(y
sy ) :

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 38

N-n 1 N 2
E V ( y sy ) =
N n N -1

N - n 2
E V ( y sy ) =
n N -1

2 N - n
E V ( y sy ) =
n N -1

2

Dengan demikian diperoleh nilai E V(y ) adalah E ( y ) = N - n .
V
n N -1
sy sy

Pada pembahasan sebelumnya telah dibuktikan bahwa bentuk dari

2
V(y sy ) adalah V(y sy ) = 1+ ( n -1) , maka selanjutnya akan ditunjukkan
n

2 N - n 2

bahwa E V(y sy ) = V(y sy ) = 1+ ( n -1) :
n N -1 n

Misalkan = 0 maka diperoleh nilai V(y sy ) , yaitu:

2
V(y sy ) = 1+ ( n -1) 0
n

2
V(y sy ) = [1]
n

2
V(y sy ) =
n

2 N - n 2
Sehingga jika = 0 diperoleh E V(y ) = V(y ) = .
n N -1
sy sy
n

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 39

Misalkan =1 maka diperoleh nilai V(y sy ) , yaitu:

2
V(y sy ) = 1+ ( n -1) 1
n

2
V(y sy ) = [1+ n -1]
n

2
V(y sy ) = [n]
n

V(y sy ) = 2

2 N - n
Sehingga jika =1 diperoleh E V(y sy ) = V(y sy ) = 2 .
n N -1

Karena untuk = 0 dan = 1 diperoleh E[ V(y sy ) ] V(y sy ) , maka terbukti

s2 N - n
bahwa V(y sy ) = adalah taksiran yang bias untuk
n N

2
V(y sy ) =
n
(1+ [n -1] ) .

Selanjutnya diperoleh Standard Error (SE) dari taksiran mean populasi pada

single systematic sampling ( y sy ) adalah:

SE ( y sy ) = V ( y sy )

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008

 40

Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008