i

RINGKASAN TEORI SAMPLING DAN

ESTIMASI

NAMA : RIKI ARISANDI

NIM : A1B117164

KELAS : E MSDM

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS MATARAM 2019/2020

1
i

TEORI SAMPLING DAN ESTIMASI

A. TEORI SAMPLING
Untuk menginterpretasikan suatu persoalan terhadap suatu populasi, peneliti perlu
mendapat informasi secara lengkap dan jelas. Untuk kondisi jumlah elemen/anggota
populasi yang banyak, tingkat kesulitan dalam mendapat informasi secara lengkap
lebih disebabkan karena banyaknya faktor penghambat (tidak sempat dimintai
keterangan faktor waktu, tenaga, akurasi) dan masih banyak lagi kendala yang
dihadapi.
Sebagai langkah dalam mengambil keputusan cukup digunakan sampel (contoh),
untuk dijadikan sebagai bahan dalam melakukan interpretasi terhadap populasinya.

Table 1
Lambang Parameter dan Statistik
Besaran Lambing Parameter Lambang Statistik
(Populasi) (Sampel)
Rata-rata π x́
2
Varisa S2
Simpangan baku S
Jumlah Observasi H N
Proporsi P P

2
i

B. METODE SAMPLING
Metode sampling yaitu cara pengumpulan data yang hanya mengambil sebagian
populasi. Ada tiga macam metode sampling, yaitu :
1. Sampling tunggal, sampel yang diperlukan hanya satu sampel dari sebuah
populasi dan besarnya sampel harus memadai sehingga dapat mewakili
populasinya (representatif).
2. Sampling ganda, yaitu dari sebuah populasi dapat diambil satu, satu sampel
kedua, jika yang pertama dianggap belum cukup mewakili dalam pengambilan
keputusan. Kemudian digabungkan untuk dijadikan sebagai bahan analisis.
3. Sampling multiple (lebih dari dua), yaitu untuk memenuhi asumsi bahwa
pengambilan keputusan masih dirasa belum cukup hanya dari dua sampel saja.

Alasan-alasan dipilihnya metode sampling, yaitu :

1. Objek penelitian yang homogen
2. Objek penelitian yang mudah rusak
3. Penghematan biaya dan waktu
4. Masalah ketelitian
5. Ukuran populasi
6. Faktor ekonomis

Untuk menentukan anggota sampel dapat dilakukan dengan dua cara, yaitu sampling
random (acak) dan nonrandom.
1. Sampling Random (acak)
Sampling random yaitu sampel yang diambil dari populasi dan memiliki
kesempatan yang sama untuk dipilih. Disebut yang probabilitas, selain itu hasil
dari sampling random memiliki sifat yang objektif. Ada beberapa yang termasuk
sampling random, yaitu :
a) Sampling random sederhana
b) Sampling random sistematis
c) Sampling random berlapis (stratified)
d) Sampling random kelompok (cluster)

3
i

2. Sampling Nonrandom
Sampling nonrandom adalah cara pengambilan sampel yang semua objek atau
elemen populasinya tidak memiliki kesempatan yang sama untuk dipilih sebagai
sampel.
Hasil dari sampling nonrandom memiliki sifat subjektif, karena pada waktu
sampel diambil dari populasi, probabilitas tidak diikutsertakan, tapi berdasar
kebijaksanaan seseorang.
Yang termasuk sampling nonrandom, yaitu :
a) Sampling kuota
b) Sampling pertimbangan
c) Sampling seadanya

C. JENIS-JENIS DISTRIBUSI SAMPLING

1. Distribusi Sampling Rata-rata
Bila sampel berukuran n diambil dari populasi berukuran N, maka nilai
harapan dan standar diviasi distribusi sampling rata-rata adalah :
μ x́ =μx

σ N −n
σ x́ =
√
√ n N −1

Apabila N cukup besar dibandingkan n atau untuk populasi yang tak terbatas,
berlaku :
μ x́ =μx

σ
σ x́ =
√n

Bila n besar (secara empiris > 30) maka berlaku dalil limit pusat yaitu
distribusi peluang rata-rata akan mengikuti distribusi normal.

4
i

2. Distribusi Sampling Proporsi

Misalnya dalam populasi berukuran N terdapat peristiwa E sebanyak x, maka
proporsi (parameter) E adalah : P = X / N. bila diambil sampel berukuran n dari
populasi tersebut, maka statistik proporsi (p) akan mengikuti distribusi Binomial :
μ x/ n=P

p (1− p) N −n
σ x/ n=
√ n √ N −1

Bila n besar dan N cukup besar disbanding n, maka distribusi sampling p bias
didekati dengan distribusi Normal, yaitu dengan :
μ x/ n= p

p (1− p)
σ x/ n=
√ n

D. ESTIMASI (PENDUGAAN)
Estimasi (pendugaan/penaksiran) yaitu pengukuran terhadap nilai parameter
(populasi) yang diketahui berdasar informasi dari sampel.
Dengan penduga, dapat diketahui seberapa jauh suatu parameter populasi yang
tidak diketahui berada disekitar sampel. Sehingga perlu dilakukan pendugaan antara
hasil perhitungan sampel terhadap parameter populusinya.

Table 2
Parameter dan Pendugaannya
Parameter (θ) Penduga σ ¿
μ (rata-rata populasi) x́ atau ^μ
P (proporsi) ^p
σ 2 (varians) S2 atau ^S2
σ (simpangan baku) S atau ^S
r (koefisien korelasi) P atau r^
b (koefisien regresi) B atau b^

E. CIRI-CIRI PENDUGA YANG BAIK

1. Tidak Bias (Unbiased)

5
i

Suatu penduga dikatakan tidak bias kalau rata-rata penduga sampel akan
sama dengan nilai parameter yang diduganya.
2. Efisien (Efficient estimator)
Dikatakan efisien jika penduga memiliki varians yang lebih kecil
dibandingkan dengan penduga lainnya. Dua buah penduga dapat dibandingkan
efisiensinya dengan menggunakan efisien relative (relative efficiency).
3. Konsisten
Jika ukuran sampel cenderung bertambah maka penduga akan mendekati nilai
parameternya. Jika besarnya sampel menjadi tak hingga, maka penduga konsisten
harus dapat member suatu penduga titik yang sempurna terhadap parameternya.
^
∈ ( θ−θ ) → 0 jika n →

Jika ukuran sampel bertambah tak hingga, maka distribusi penduga akan
mengecil menjadi suatu garis tegak lurus diatas parameter yang sebenarnya
dengan probabilitas sama dengan 1.
4. Cukup (Sufficient estimator)
Dikatakan pendugaan yang cukup apabila mencakup seluruh informasi yang
terkandung di dalam sampel.

F. JENIS-JENIS PENDUGAAN
1. Berdasarkan Cara Penyajiannya
a) Pendugaan tunggal (point estimator)
Pendugaan tunggal adalah pendugaan yang terdiri dari satu nilai saja.
Pendugaan tunggal memberikan nilai yang kemungkinan besar berbeda dari
nilai parameter sebenarnya.
❑
∑ x2
S2− ❑
n( n−1)

b) Pendugaan interval
Pendugaan interval adalah pendugaan yang mempunyai dua nilai sebagai
pembatasan/daerah pembatasan. Dugaan dinyatakan dalam suatu daerah yang

6
i

dibatasi oleh dua nilai. Pada pendugaan ini digunakan tingkat keyakinan
(confidence) terhadap daerah yang nilai sebenarnya/parameternya akan berada.
X́ −Z α / z σ x́ < μ< x́ + Z α / z σ x́
2. Pendugaan Berdasar Jenis Parameternya
a) Pendugaan rata-rata
Yaitu untuk menentukan interval rata-rata sampel yang memuat parameter
rata-rata populasi.
b) Pendugaan proporsi
Yaitu untuk menentukan interval nilai proporsi sampel yang dapat memuat
parameter proporsi populasi atau belum diketahui.
c) Pendugaan varians
Yaitu pendugaan dari varians populasi yang tidak diketahui.
d) Pendugaan simpangan baku
Yaitu pendugaan dari simpangan baku populasi (parameter) yang tidak
diketahui.

G. PENDUGAAN INTERVAL UNTUK RATA-RATA

Untuk membuat pendugaan interval harus ditentukan dahulu besarnya
koefisien/tingkat keyakinan.
Ada tiga rumus pendugaan interval rata-rata
1. Untuk sampel besar (n > 30)
Dari populasi tak terbatas/populasi terbatas yang pengembalian sampel dilakukan
dengan pengembalian (with replacement).
σ α
x́ Z α / z < μ< x́|Z α / z
√n √n
2. Populasi terbatas, tanpa pengembalian (without replacement)
σ N −n σ H −n
x́−Z α / z
n √ N −1
< μ< x́ +Z α / z
√√ n H−1
3. Sampel kecil (n > 30) dari populasi o tidak diketahui, dengan pengembalian.
S S
x́ t α / z < μ< x́|t α / z
√n √n

7
i

H. PENDUGAAN INTERVAL UNTUK PROPORSI

Pendugaan proporsi sangat penting, missal untuk penelitian untuk mengetahui
berapa presentasinya.

x x x x
x
n
−Z α / z
√ n√n
1
n x
√
< p< <|Z α / z
n
n√n
1
n

UBINAN SEBAGAI CONTOH PENERAPAN TEORI SAMPLING

DAN ESTIMASI

Metode ubinan adalah cara memperkirakan berapa hasil panen nanti untuk tanaman
yang bersifat rumpun. Hal ini dilakukan agar dalam menghadapi pelaksanaan panen dan
pasca panen. Agar tidak mengalami permasalahan seperti kelengkapan peralatan panen,
rencana pengangkutan hasil panen, penanganan lepas panen, dan kemana serta berapa
banyak hasil produksi akan dipasarkan.
Misalnya untuk tanaman padi, bahwa tanaman padi adalah tanaman jenis rumpun
dengan jarak tanaman yang tidak dapat dipisahkan.
Langkah-langkah untuk melakukan taksasi berdasar ubinan :
1. Memastikan luas area yang akan dipanen.
2. Jumlah ubinan yang akan dipakai sebagai sampel, biasanya ukuran 2 x 2 m.
3. Jumlah ubinan bias diambil lebih dari satu ubin.
4. Panen sejumlah sampel yang berupa ubinan ditimbang berat produksi untuk setiap
sampel/ubin.

La
Th= × Hu
Lu
Th = Taksasi hasil
La = Luas area tanaman

8
i

Lu = Luas ubin
Hu = Hasil ubinan

PENERAPAN TEORI SAMPLING DAN ESTIMASI

Kita melakukan pengamatan di suatu daerah yang memiliki ± 100 KK yang bekerja
sebagai petani, dan akan diteliti mengenai pendataan petani di daerah tersebut. Kemudian
dipilih sampel sebanyak 50 KK dengan kategori petani padi dan petani lahan kering. Dari
hasil pengamatan didapatkan rata-rata pendapatan petani sebesar Rp 275.000/bulan dengan
kesalahan standar Rp 2.500.
Secara umum hasil tersebut dapat diartikan bahwa pendapatan petani paling rendah
sebesar Rp 275.000 – Rp 2.500 = Rp 272.500, dan pendapatan tertinggi sebesar Rp
275.000 + Rp 2.500 = Rp 277.500. Angka tersebut merupakan angka taksiran terhadap
nilai rata-rata populasinya.

Contoh Soal Jawab

1. Apa perbedaan antara sampel dan populasi ?
Jawab :
Sampel akan menghasilkan ukuran data yang disebut statistik atau unit sampel
( x́ , S2 , S , n , p). Populasi akan menghasilkan ukuran data yang disebut parameter
atau elemen populasi ( μ , σ 2 , o , N , P ) .
2. Pengamatan terhadap 36 petani di desa A, diperoleh standar deviasi petani palawija
adalah 12 petani. Tentukan kesalahan estimasi petani di desa A yang bertani
palawija pada tingkat konfidensi 95% ?
Jawab :
S 12
Sx= = =2
√ n √ 36
9
i

Z α /2 =1,96
E=± Z α . S x =1,96 ( 2 ) =±3 ,
2

= 4 orang
Contoh Latihan Soal

1. Misalkan sebuah sampel berukuran 25 dipilih secara acak dari populasi berukuran
500. Diperoleh rata-rata sampel sebesar 25,7 dan standar deviasi 7,8. Buatlah
pendugaan interval bagi rata-rata populasi dengan tingkat keyakinan 95% ?
2. Pedagang buah-buahan yang membeli jeruk dari petani, ingin mengetahui berapa
persen yang busuk. Untuk hal tersebut dipilih 100 buah jeruk yang dipilih secara
acak, ternyata ada 18 buah yang busuk. Buatlah pendugaan interval persentase
jeruk yang busuk, dengan tingkat keyakinan sebesar 90%.
3. Diketahui populasi dengan ukuran N = 4 sampel berukuran n = 2 diambil secara
acak dari populasi tersebut dengan cara pengambilan sampel dengan pengembalian.

EORI ESTIMASI

10
i

11
i

12
i

Teori estimasi memegang peran penting dalam statistika

inferensial karena teori estimasi bersama-sama dengan
pengujian hipotesis merupakan dasar statistika inferensial
yang dilandasi oleh teori peluang

13
i

14
i

Dalam metode statistika, teori estimasi digunakan untuk menaksir

banyaknya penderita penyakit tertentu dimasa yang akan
datang, menaksirkan jumlah pengunjung atau menaksir
prognosa suatu penyakit

Istilah-istilah dalam teori estimasi

Estimator= statistik sampel yang digunakan untuk menaksir
parameter populasi. Misal rata-rata sampel (ẋ untuk
menaksir µ)

15
i

16
i

Estimit = angka atau nilai yang digunakan untuk menaksit

parameter populais. Misal: hasil pengukuran tinggi badan
sampel adalah 163, dan angka ini digunakan untuk menaksit
tinggi badan populasi

KRITERIA ESTIMATOR YANG BAIK

17
i

18
i

Tidak bias

19
i

20
i

Suatu estimator dikatakan tidak bias bila nilai statistik

sampel mempunyai nilai yang sama dengan
parameter populasi

21
i

22
i

Efisien

23
i

24
i

Bila statistik sampel mempunyai kesalahan baku yang kecil. Bila kita
harus menentukan satu estimator dari dua statistik maka
statistik dengan kesalahan baku yang lebih kecil yang kita
ambil untuk lebih mendekati nilai parameternya

Konsisten

25
i

26
i

Bila jumlah sampel ditambah maka hampir dapat

dipastikan nilai statistik akan lebih mendekati nilai
parameter populasi

Estimasi Titik

27
i

28
i

29
i

30
i

31
i

32
i

DAFTAR PUSTAKA

Hasan, Ir.M.Iqbal. 2002. Statistik 2. Jakarta: Bumi Aksara.

Supangat, Drs.Andi. 2007. Statistika Dalam Kajian Deskriptif, Inferensia, dan

Nonparametrik. Jakarta: Kencana Prenada Media.

Supranto, J. 2001. Statistik Teori dan Aplikasi. Jakarta: Erlangga.

33
i

34