TUGAS 1

STATISTIK SOSIAL

Dosen Pengampu : Edi Nurwahyu Julianto, S.Sos,M.I.Kom

Nama : Arfik Setiawan

NIM : G.311.19.0110
PROGRAM STUDI S1 ILMU KOMUNIKASI
FAKULTAS TEKNOLOGI INFORMASI & KOMUNIKASI
Universitas Semarang 2019
1.Simple Radom Sampling
Contoh 1 :
misal seorang peneliti memiliki daftar 100 orang populasi dan ingin memilih 10 orang untuk
menjadi sampel. Pertama, semua orang dalam populasi ditandai dengan nomor 1-100. Nomor
tersebut lalu diacak. Pengacakan bisa meniru model arisan atau sekarang bisa menggunakan
aplikasi acak nomor. 10 individu yang nomornya keluar menjadi sampel penelitiannya. Teknik
ini biasanya digunakan pada populasi yang homogen. Misal seseorang ingin meneliti tentang
proses belajar di kelas dalam satu kelas. Total muridnya berjumlah 100 orang. Peneliti tersebut
bisa mewawancarai secara mendalam 10 orang sebagai sampel.

Contoh 2 :
pembiayaan pembangunan pendidikan Dasar di Jawa Barat”, sampelnya adalah seluruh SD dan
SMP yang ada di Jawa Barat. Terhadap seluruh SD dan SMP itu dilakukan pemilihan secara
random tanpa pengelompokan terlebih dahulu, dengan demikian peluang SD maupun SMP
untuk terpilih sebagai sampel sama.

Contoh 3 :

Sebuah populasi beranggotakan 4 elemen (e1, e2, e3, e4). Selanjutnya akan dipilih dua elemen
sebagai sampel, maka kemungkinan kombinasi 2 sampel itu adalah sebagai berikut:
Kemungkinan I : e1, e2
Kemungkinan II : e1, e3
Kemungkinan III : e1, e4
Kemungkinan IV : e2, e3
Kemungkinan V : e2, e4
Kemungkinan VI : e3, X4.

Contoh 4 :

Jumlah siswa disebuah kelas di SMA tertentu di Jakarta yang akan diberikan bantuan. Simple
random sampling ini bisa dilakukan melalui undian, tabel bilangan random atau dengan acak
sistematis.

Contoh 5:
Pemilihan 100 orang sampel dari populasi yang beranggotakan 200 orang,dengan teknik siple
random sampling maka setiap orang pada populasi tersebut memiliki peluang yang sama untuk
menjadi satu dari 100 sampel yang di pilih.
2. Stratified Random Sampling
Contoh 1 :
Misalnya, populasi karyawan PT. ABCD berjumlah 1000 orang yang berstrata berdasarkan
tingkat pendidikan SM,SMA,DIII,S1 dan S2.

Namun jumlahnya sangatlah tidak seimbang yaitu:

SMP : 100 orang

SMA : 700 orang

DIII : 180 orang

S1 : 10 orang

S2 : 10 orang

Jumlah karyawan yang berpendidikan S1 dan S2 ini sangatlah tidak seimbang (terlalu kecil
dibandingkan dengan strata yang lain) sehingga ke dua kelompok ini seluruhnya ditetapkan
sebagai sempel.

Contoh 2:
penelitian tentang pentingnya agama dikalangan mahasiswa Universitas Hayam Wuruk.
Peneliti membuat strata, mana mahasiswa baru, mana mahasiwa tahun kedua, mana
tahun ketiga, dan mana mahasiswa tahun akhir. Masing-masing strata atau tingkatan
diambil sampelnya secara proporsional menggunakan random sampling. Misalnya,
jumlah sampel mahasiswa baru 100 orang, jumlah sampel mahasiswa tingkat lainnya
sama atau mendekati 100 orang. Apabila hanya 1 mahasiswa tingkat akhir yang
dijadikan sampel, misalnya, maka sampling tidak proporsional

Contoh 3:
Dari 100 populasi pemilih pada pemilu akan di ambil 100 orang sebagai sample berdasarkan
usia pemilih secara propporsional.
Contoh 4:
Misalkan penelitian yang dilakukan adalah pengaruh kurikulum saat ini terdapat presentasi
siswa, maka dapat dilalukan dengan cara mengelompokan siswa kedalam tingkatan pandai,
sedang, tidak pandai dan kemudian dari masing-masing tingkatan tersebut diambil dalam
jumlah yang memadai.

Contoh 5:

Di mana:

= jumlahsampelmenurut stratum
= jumlahsampelseluruhnya
= jumlahpopulasimenurut stratum
= jumlahpopulasiseluruhnya
Contoh :
SuatupenelitianpadakegiatanUjianKompetensi Guru (UKG) di Kota Bandung,
tentangmanfaatdantindaklanjutdari UKG yang diikuti, sebagaiberikut:
GolonganIIa – IId = 500 orang
GolonganIIIa - IIId = 2000 orang
GolonganIVa - IVd = 5000 orang
Jumlah = 7500 orang
Jumlahpopulasi 7.500 orang, dengantingkatpresisi yang ditetapkansebesar = 5%.

n = Jumlahsampel
N = Jumlahpopulasi
d = Presisi yang
ditetapkan

(dibulatkan)

Makauntukmencarijumlahsampelsecarakeseluruhan yang harusditarik,

terlebihdahulugunakanrumus yang pertama
(pengambilansampelapabilapopulasisudahdiketahui), yakni:
n = 379 responden
Jadijumlahsampel yang harusditarik = 379 responden.
Kemudiandicaripengambilansampelberstratadenganrumus:
Setelah dilakukan perhitungan diperolehjumlahsampeltiap strata sebagaiberikut:
Gol.IIa – IId = 500 : 7.500 X 379 = 25,26 = 25
Gol.IIIa – IIId = 2000 : 7.500 X 379 = 101,06= 101
Gol.IVa – IVd = 5000 : 7.500 X 379 = 252,67= 253

Contoh 2 :
Disaproportional stratified random
- Misalnya populasi karyawan PT.XYZ berjumlah 1000 orang yang berstrata berdasarkan tingkat
pendidikan SMP SMA D3,S1,Dan S2.
Namun Jumlahnya Sangat Tidak Seimbang Yaitu:
-SMP : 100 Orang
-SMA : 700 Orang
-D3 :180 Orang
-S1 : 10 Orang
-S2: 10 Orang
Jumlah Karyawan yang berpendidikan S1 dan S2 ini sangat tidak seimbang ( Terlalu kecil
dibandingkan dengan strata yang lain) sehingga 2 kelompok ini seluruhnya ditetapkan sebagai
sample
contoh 3 :
- Dari 100 populasi pemilih pada pemilu akan diambil 100 orang sebagai sample berdasarkan
usia pemilih setara proporsional

3.Multistage random sampling

Contoh 1:
Berdasarkan data dari contoh soal 2.1, buat perkiraan rata-rata waktu kerusakan mesin dengan
menggunakan perkiraan rasio, dengan tingkat keyakinan 95% buat perkiraan intervalnya.
Misalnya M = banyaknya mesin dari seluruh pabrik tidak diketahui.

Hitung juga kesalahan sampling.

Pemecahan.
Oleh karena M tidak diketahui, kita harus menggunakan Uᵣ sebagai perkiraan untuk U.
==

Untuk memperkirakan varian ( kita harus menghitung

= [ 583.198,6721 – 2 (4,60) (126,530,870 + (4,6) ] (27,978) ]
= 1236,57
Perhatikan bahwa seperti pada contoh soal 2.1
Kita dapat memperkirakan M dengan menggunakan rata-rata banyaknya siswa per sekolah dalam
sampel.
Perkiraan varian ( ) adalah sebagai berikut :
Kesalahan Sampling = KS = 2
Nilai Batas Bawah =
Nilai Batas Atas =
Dengan tingkat keyakinan sebesar 95%, interval antara 4,16 jam sampai dengan 5,04 jam akan
memuat rata-rata waktu masalahpersiswa.

Contoh 2
Contoh 3
Berdasarkan data dari contoh soal 2.1, buat perkiraan interval jumlah (total)
waktu/lamanya siswa bermasalah. Hitung juga kesalahan samplingnya. Tingkat keyakinan 95%.
Pemecahan
=M=
= (2400,59) = 21.605,31
= (daricontohsoal 2.1)
= (4500)2 (0,37094)
KS = kesalahan sampling = 2
- 2 ≤ T ≤ + 25 2
Nilai Batas Bawah : - 2 = 21.605,31 – 2

= 21.605,31 – 1.733,4 = 19.871,91

Nilai Batas Atas = 21.605,31 + 1.733,4 = 23.338,71
Dengan tingkat keyakinan, jumlah waktu kerusakan mesin akan terletak antara 19.871,91 sampai
dengan 23.338,71 jam akan memuat jumlah kerusakan mesin

Contoh 4
Suatu daerah, mempunyai 90 sekolah yang terbaik, sekolah tersebut ingin mempunyai lulusan yang
berkualitas dan diterima di sekolah yang baik. Oleh karena sekolah letaknya berjauhan satu sama
lain secara geografis, maka diputuskan untuk menggunakan sekolah sebagai kelompok (cluster)
dan siswa sebagai elemennya. Oleh karena setiap sekolah terdapat banyak siswa, akan tidak
praktis kalau harus memeriksa catatan mengenai masalah setiap siswanya. Maka dari itu
diputuskan untuk menggunakan sampling dua tingkat, yaitu pertama memilih sampel sekolah,
kemudian kedua memilih sampel siswa dari sekolahyang telah terpilih. Untuk keperluan ini
dipilih sampel sebanyak n = 10 sekolah, kemudian dari setiap sekolah yang terpilih, dipilih
sampel siswa sebanyak .

Dengan menggunakan data dari tabel berikut, dibuatlah perkiraan rata-rata waktu siswa
dan hitung juga samplingnya. Pergunakan tingkat keyakinan 95%. Diketahui dari seluruh
sekolah terdapat 4.500 siswa.

No. Mi mi Lamanya (waktu Xi S2 i

masalah) dalam jam
1 50 10 5,7,9,11,2,8,4,3,5 5,40 11,38
2 65 13 4,3,7,2,11,9,1,9,4,3,2,1,5 4,00 10,67
3 45 9 5,6,4,11,12,0,1,8,4 5,67 16,75
4 48 10 6,4,0,1,0,9,8,4,6,10 4,80 13,29
5 52 10 11,4,3,1,0,2,8,6,5,3 4,30 11,12
6 58 12 12,11,3,4,2,0,0,1,4,3,2,4 3,83 14,88
7 42 8 3,7,6,7,8,4,3,2 5,00 5,14
8 66 13 3,6,4,3,2,2,8,4,0,4,5,6,3 3,85 4,31
9 40 8 6,4,7,3,9,1,4,5 4,88 6,13
10 56 11 6,7,5,10,11,2,1,4,0,5,4 5,00 11,80

Pemecahan
=
=
2

= 768,38
dan

=
= 0,037094.
rata-rata banyaknya siswa persekolah.
Kesalahan sampling = KS = B = 2 = 2

Nilai Batas Bawah U = Û – 2Sû = 4,80 – 0,38 = 4,42

Nilai Batas Atas U = Û – 2Sû = 4,80 + 0,38 = 5,18
 Jadi dengan tingkat keyakinan 95% diharapkan interval antara 4,42 jam sampai dengan
5,18 jam akan memuat rata-rata waktu masalah persiswa.
Seperti halnya dalam sampling acak sederhana, di mana jumlah perkiraan = T = XN,
maka dalam sampling dua tingkat, T = Û M, di mana U = rata-rata perkiraan per elemen (rata-
rata waktu masalah per siswa)
Perkiraan total.
=M= N
Perkiraan varian (T)
= M2 S2û
=[ ] S2b + [ ]

Contoh 5:

Sesuai dengan data dari contoh 1, pemerintah ingin memperkirakan proporsi sekolah
yang mengalami kerusakan sebulan yang lalu, sehingga memerlukan perbaikan dengan tingkat
keyakinan 95%. Untuk memperkirakan interval proporsi sekolah yang mengalami kerusakan
sebulan yang lalu. Hitung juga kesalahan samplingnya dan pergunakan data berikut:
No. Mi mi Pi
1 50 10 0,40
2 65 13 0,38
i = Proporsi siswa yang mengalami masalah.
3 45 9 0,22
4 48 10 0,30 Pemecahan
5 52 10 0,50 =
6 58 12 0,25 = = = 0,34
7 42 8 0,38 Buat perkiraan varian
8 66 13 0,31 =
9 40 8 0,25
=
10 56 11 0,36
= [ 3381,4688 – 2 (0,34) (9484,84) + (0,34)2 (27.978)]
= 18.4482.
= (50)2 [ + … + (56)2
=[
= 0,00081
KS = 2S = 2 = 0,056
Nilai Batas Bawah = 0,34 – 0,056 = 0,284 = 0,28
Nilai Batas Atas = 0,34 + 0,056 = 0,396 = 0,40
Dengan tingkat keyakinan 95%, interval antara 0,28 sampai dengan 0,40 akan memuat proporsi
mesin jahit yang rusak.
4.Cluster Random sampling
Contoh 1:
Kota Bekasi punya 12 kecamatan dan 56 kelurahan. Peneliti tentukan hendak mengambil
montir berdasarkan apa ? Kecamatan atau kelurahan? Disarankan kelurahan saja karena
lingkupnya lebih sempit. Dari 56 kelurahan, pilih secara acak 6 kelurahan. Misal kelurahan: 03,
15, 27, 31 ,40, 54.

Bagilah kelurahan yang sudah dipilih ke dalam RW. Tiap kelurahan terdiri dari 20 RW. Lalu pilih
secara acak 5 RW dari tiap kelurahan.
Contoh kelurahan 03 adalah Jatirahayu (sudah dipilih di langkah 1) yang punya 20 RW: maka
seperti ini:
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20

Dipilihlah RW 04, 10, 13, 17, dan 20. Dari tiap RW cari 10 montir buat mengisi kuesioner. Jadi,
dari kelurahan Jatirahayu dapat 40 montir. Lakukan berulang langkah 2 dan 3 hingga total
montir yang diperoleh adalah 240.

Contoh 2:

pemilihan sampel pegawai pada suatu departemen yang pegawainya tersebar pada berbagai
unit kerja yang juga tersebar secara geografis. Pada kasus ini, peneliti dapat menjadikan unit
kerja sebagai cluster dan selanjutnya secara random memilih beberapa unit kerja sebagai
sampel. Pada setiap Unit kerja yang terpilih tersebut kemudian seluruh pegawai dijadikan
sampel penelitian.

Contoh 3:

survei tentang tingkat kepercayaan warga NU dan Muhammadiyah tentang pernyataan bahwa
”Borobudur peninggalan Raja Sulaiman”. Daftar keseluruhan populasi warga NU dan
Muhammadiyah tidak tersedia. Tidak mungkin pula membuatnya. Maka, peneliti memilih
organisasi NU dan Muhamadiyah cabang mana yang akan dijadikan sampel. Setiap organisasi
diperoleh daftar anggota-anggotanya. Cluster sampling artinya memilih klaster yang tersedia
karena tidak ada data yang menunjukkan semua populasinya.

Contoh 4:
 Dinas Pendidikan kota Bandung ingin mengetahui berapa rata-rata indeks kepuasan siswa SMA/
SMK kota Bandung di tahun 2012. Diketahui bahwa SMA/ SMK Kota Bandung memiliki 4440
kelas dimana rata-rata indeks kepuasan siswa SMA/SMK relative homogen dengan simpangan
baku antara SMA/SMK hasil survey sebelumnya sebesar 20 dengan total siswa sebanyak
104.274 . Jika selisih taksiran yang diinginkan tidak lebih dari 1 dengan koefisien kekeliruan
sebesar 5% berapa kelas SMA/SMK yang harus diteliti ?

Jawaban :
N = 4440
M = 104.274
α = 0.05
Sb = 20
B=1
Z = 1.96

n0=[(NZ(α/2))/MB]^2=[(4440*1.96*20)/104274]^2=2.786

n=n0/(1+n0/N)=2.786/(1+2.786/4440)=2.784 ≈3

Contoh 5:

Misalkan suatu penelitian ingin mengetahui rata-rata pendapatan masyarakat dari

setiap desa di suatu kabupaten. Di kabupaten tersebut terdapat 100 desa, tetapi hanya ingin
diambil 50 desa saja. Secara administratif, seluruh desa dapat dikelompokkan ke dalam 15
kecamatan yang berbeda (dianggap sebagai kelompok/kluster/blok) dengan jumlah desa tiap
kecamatan mungkin berbeda pula. Maka dalam Sample random berkelompok :
– Peneliti cukup mengambil dari 15 kecamatan (N = 15) tersebut hanya 5 kecamatan saja
(sebagai kluster sampel), jadi n = 5.
– Pada kelima kluster sampel tersebut, dilakukan pengukuran dari seluruh desa sehingga
diperoleh total 50 desa sampel.

5. Sistematik Random Sampling

Contoh 1:
Kepala Dinas Pendidikan ingin mengetahui bagaimana Motivasi Kerja Kepala Sekolah di
Kabupaten Kuningan yang berjumlah 1000 orang dan akan mengambil sempel 100 orang Kepala
sekolah, kemudian Nama-nama Kepala Sekolah disusun secara alpabetis, lalu dipilih sampel per
sepuluh Kepala Sekolah, untuk itu disusun nomor dari 1 sampai 10, lalu diundi untuk memilih
satu angka, jika angka lima yang keluar, maka sampelnya adalah nomor 5, 15, 25, 35, dan
seterusnya sampai diperoleh jumlah sampel yang dikehendaki.

Contoh 2:
Misalkan terdapat N = 9 populasi yaitu 1, 2, 3, 4, 5, 6, 7, 8, 9 yang dipilih 3 sampel secara
sistematis. Kemudian kita mencari angka random pertama yang kurang dari atau sama dengan
9, katakan di dapat 7. Jadi sampel yang terpilih adalah 7, (7+k)-9=(7+3)-9=1 dan (7+2(3))-9=4.

Contoh 3:
seorang peneliti ingin meneliti pola konsumsi mahasiswa Fakultas Ekonomi di suatu universitas.
Jumlah total populasinya 1000 mahasiswa. Peneliti ingin melakukan survei pada 100 mahasiswa
saja. Teknik sampling yang dilakukan, pertama-tama peneliti merencanakan, misal sampel yang
diambil adalah daftar nomor urut ke 10 dan kelipatannya (20,30,40, dst sampai 1000), lalu
peneliti mengacak daftar 1000 nomor yang semula berurutan. Setelah diacak, dilihat kembali,
mereka yang namanya berada di urutan nomor 10 dan kelipatannya diambil sebagai sampel.

Contoh 4:
penggunaan systematic sampling untuk memilih 20 sampel dari populasi yang berisi 100
elemen, adalah sebagai berikut. Pertama, susun sampling frame. Kedua, tetapkan nilai k = 5.
Ketiga, tentukan sampel pertama secara random, misal diperoleh 6. Selanjutnya kita dapat
menetukan sampel berikutnya adalah 11, 16, 21, 26, 31, 36, 41, 46, 51, 56, 61, 66, 71, 76, 81,
86, 91, 96, dan 1.

Contoh 5:
Misalnya, Anda ingin sampel 8 rumah dari jalan 120 rumah 120 / 8 = 15, sehingga setiap rumah
15 dipilih setelah titik awal acak antara 1 dan 15. Jika titik awal acak adalah 11, maka rumah-
rumah yang dipilih adalah 11, 26, 41, 56, 71, 86, 101, dan 116. Jika ada 125 rumah, 125 / 8 =
15,625, jadi sebaiknya Anda mengambil setiap rumah setiap 15 atau 16 rumah. Jika Anda
mengambil setiap rumah 16, 8 * 16 = 128 sehingga ada risiko bahwa rumah terakhir yang dipilih
tidak ada. Untuk mengatasi ini titik awal acak harus antara 1 dan 10. Di sisi lain jika Anda
mengambil setiap rumah 15, 8 * 15 = 120 sehingga lima tahun terakhir rumah-rumah tidak akan
dipilih. Titik awal acak sekarang harus antara 1 dan 20 untuk memastikan bahwa setiap rumah
memiliki beberapa kesempatan untuk terpilih. Dalam sebuah sampel acak setiap anggota
populasi memiliki peluang yang sama untuk dipilih, yang jelas tidak terjadi di sini, tetapi dalam
praktek sampel sistematis hampir selalu diterima sebagai acak