Sampling Process and Sampling

Distribution
Inference : Point and Interval
Estimates

Pertemuan 2

1
CAKUPAN MATERI:

Pemahaman tentang Sampling

Sampel Acak Sederhana (Simple Random Sampling
– SRS)

Estimasi Titik (Point Estimation)

Distribusi Sampling untuk Rata-rata

Distribusi Sampling untuk Proporsi

Sifat Penaksir (estimator) Titik

Estimasi Interval (Interval Estimation)

Menguji ketepatan sampling

2
PENGANTAR

Populasi adalah seluruh obyek yang diteliti

Mengumpulkan informasi dari populasi
disebut sensus, dari sini diperoleh
parameter

Sampling  mengumpulkan informasi dari
sebagian unsur populasi diperoleh statistik

Sampling digunakan untuk menduga
karakteristik dari populasi

3
INFERENSIA STATISTIK

Tujuan dari inferensia statistik adalah untuk
memperoleh informasi tentang populasi
berdasarkan informasi sampel.

Hasil dari sampel adalah nilai estimasi dari
karakteristik populasi.

Dengan metode sampling yang sesuai/tepat,
sampel yang terpilih adakan menghasil
estimator yang “baik” mengenai karakteristik
populasi.
4
INFERENSIA STATISTIK (L)

Inferensi Statistik meliputi:
1. Estimasi Parameter, terdiri dari:

Estimasi Titik (Point Estimation), yaitu suatu
nilai dari sampel sebagai estimator parameter

Estimasi Interval (Interval Estimation), yaitu
suatu interval yang dengan tingkat
kepercayaan tertentu memuat nilai parameter.

2. Pengujian Hipotesis

5
PENGGUNAAN SAMPLING

Pengujian produk

Dalam proses pemeriksaan / audit :

Pemilihan unit yang akan diperiksa

Pemilihan transaksi yang akan diperiksa

Pemilihan karyawan yang akan diinterview dalam
pengujian internal kontrol

Pengujian perilaku konsumen

Penelitian teoritis, sampel digunakan untuk membuat
generalisasi

6
Metode Sampling

Metode yang digunakan untuk mengambil
sampel dari populasi yang ada dua yaitu :

random sampling / probability sampling

non random sampling / judgment sampling

Tidak ada cara yang terbaik

Cara yang cocok untuk pengambilan sampel
ditentukan oleh sifat-sifat populasi dan
ketrampilan peneliti

7
Random Sampel

Sampel random adalah sampel yang
probabilitas pemilihan masing-masing
unsur dalam populasi diketahui sebelum
pemilihan dan tidak sama dengan nol.

Simple random sampling

Systematic sampling

Stratified sampling

Cluster sampling
8
Simple Random Sampling

Suatu metode pemilihan sampel yang sedemikian rupa sehingga
:

Setiap unsur dalam populasi mempunyai kesempatan yagn sama
untuk dipilih

Setiap ukuran sample (n) mempunyai kesempatan yagn sama
untuk dipilih.

Merupakan dasar statiska inferensia adalah Simple Random
Sampling

Ilustrasi ada empat anak A, B, C, dan D. Jika diambil 2 anak
untuk pergi berlibur maka kombinasi yang mungkin AB, AC, AD,
BC, BD, CD.

Setiap kemungkinan memiliki probabilita yang sama

Masing-masing anak memiliki probabilita yagn sama untuk terpilih.

9
Stratified Random Sampling

Populasi dibagi ke dalam kelompok (strata)
yang relatif homogen dan sampel dibentuk
dari masing-masing kelompok.

Pengelompokan dimaksudkan untuk
memperbaiki pendugaan ciri populasi

Contoh Auditor melakukan audit atas piutang.

Piutang dikelompokkan berdasarkan nilainya atau
kolektibilitas

Masing-masing kelompok diambil sampel.

10
Cluster Random Sampling

Ada dua tahap dalam random cluster
sampling

Memilih secara random kelompok (cluster) dari
populasi

Semua elemen dari masing-masing kelompok
(atau hanya sebagian elemen dari masing-masing
kelompok) diikutsertakan dalam sample

Cluster random sampling akan memberikan
ketepatan yang tinggi jika variasi dalam
kelompok lebih besar dibanding variasi antar
kelompok

11
Systematic Sampling

Elemen dipilih dari populasi pada satu interval
waktu atau urutan.

Persamaan denan simple random sampling
setiap elemen memiliki kemungkinan yang
sama tetapi setiap ukuran sampel yang dipilih
tidak memiliki kesempatan yang sama untuk
dipilih.

Untuk menginterview pelanggan, dipilih dari
daftar nama pelanggan yang ke 10, 20 dst.
12
Non Random Sampling

Sampel yang didasarkan pada keahlian
seseorang tentang populasi.

Kualitas non random sample ditentukan ole
keahlian peneliti.

Tidak ditentukan berdasarkan teknik statistika

Sulit menduga secara obyektif karena
dipengaruhi oleh subyektifitas pengambil
sampel

13
SAMPEL ACAK SEDERHANA
(SIMPLE RANDOM SAMPLING – SRS)
1. Populasi Terbatas (Finite Population)

SRS untuk populasi terbatas berukuran N adalah
sampel yang dipilih sedemikian sehingga masing-
masing kemungkinan sampel berukuran n
memiliki peluang yang sama untuk terpilih.

Ada 2 (dua) tipe, yaitu:

Dengan Pengembalian (with replacement -
WR)

Tanpa Pengembalian (without replacement -
WOR)

14
SAMPEL ACAK SEDERHANA
(SIMPLE RANDOM SAMPLING – SRS)
2. Populasi Tak Terbatas (Infinite Population)

SRS dari populasi tak terbatas merupakan
sampel yang dipilih sedemikian sehingga kondisi
berikut terpenuhi:

Masing-masing elemen dipilih dari populasi
yang sama

Setiap elemen dipilih secara bebas
(independent)

15
Desain Penelitian

Perencanaan penelitian

Sampling hanya merupakan bagian dari keseluruhan desain
penelitian

Fase-Fase dalam Desain Penelitian

Menetapkan tujuan

Apa yang akan diukur untuk memenuhi tujuan yang
diinginkan

Seberapa besar ukuran sampel

Melaksanakan penelitian

Analisis data

Seberapa keyakinan kita terhadap hasil penelitian

Sesuatu dapat ditelliti dengan berbagai cara

16
Sampling Distribution

Sampel memiliki atribut statistik

Populasi memiliki atribut parameter

Masing-masing kombinasi sampel memiliki nilai
statistik

Statistik merupakan suatu variabel random yang
memiliki distribusi probabilitas atau statistic
stochastic variable

Distribusi sampling adalah distribusi probabilita
dengan statistik sampel sebagai variabel randomnya

Distribusi rata-rata sampel adalah semua
kemungkinan rata-rata dari sampel yang mungkin
dibentuk  sampling distribution of the mean

17
Sampling Distribution

Membentuk seluruh kombinasi sampel
kemudian menghitung rata-rata dan
standar deviasi  tidak mungkin,
melelahkan

Sampel digunakan untuk menduga
populasi

Seberapa kedekatan nilai statistik
sampel dengan parameter dari populasi

18
DISTRIBUSI SAMPLING
UNTUK X

Proses Inferensi Statistik

Population Sampel Acak sederhana

dg Rata-
Rata-rata berukuran n dipilih
m=? dari populasi.

Nilai x digunakan Data sampel

Untuk membuat menghasilkan nilai
inferensi tentang m. rata--rata sampel x .
rata

19
 DISTRIBUSI SAMPLING µ atau X

Distribusi sampling untuk x adalah distribusi

probabilita dari semua kemungkinan nilai rata-rata
sampel x .

Expected Value
E( x ) = µ atau µx = µ
dimana µ = rata-rata populasi

Simpangan baku dari x

Populasi Terbatas Populasi Tak terbatas
σ N−n σ
σx = ( ) σx =
n N −1 n
( N−n )

( N−1) merupakan faktor koreksi
20
 X
DISTRIBUSI SAMPLING

Dari rumus dapat disimpulkan :

σ x akan turun jika n bertambah

σ x lebih kecil dibandingkan dengan σ ,kecuali jika seluruh
unsur populasi nilainya sama besar sehingga σx =σ =0

Dapat digunakan Tabel distribusi normal untuk

menghitung probabilita dari nilai sampel.
x−µ
z =
σ

21
 X
DISTRIBUSI SAMPLING

Tabungan sebuah bank tersdistribusi secara normal
dengan rata-rata 2000 dan standar deviasi 600. Bank
tersebut mengambil sampel. Sebuah sampel 100
tabungan nasabah bank dibentuk. Berapa probabilita rata-
rata tabungan dari sampel tersebut antara 1900 dan 2050
600
σ =
100
1900 − 2000
z = = − 1, 67 → 0 , 4525
60
2050 − 2000
z = = 0 , 83 → 0 , 2967
60
p = 0 , 4525 + 0 , 2967 = 0 , 7492

22
The Central Limit Theorem

Distribusi populasi berarti distribusi probabilitas dari
suatu variabel random

Populasi infinite yang memiliki distribusi normal akan
memiliki distribusi sampling rata-rata yang normal
berapapun ukuran sampelnya.

Jika n bertambah mendekati tak terhingga maka
distribusi sampling rata-rata akan semakin kecil

Distribusi populasi tidak normal distribusi sampling
rata-rata akan mendekati normal jika ukuran sampel
cukup besar >30

23
The Central Limit Theorem

Rata-rata distribusi sampling rata-rata akan
sama dengan rata-rata populasi
Expected Value
E( x ) = µ atau µx = µ
dimana µ = rata-rata populasi

Standard error atau Simpangan baku dari

Populasi Terbatas Populasi Tak terbatas
σ N−n σ
σx = ( ) σx =
n N −1 n
24
STANDARD ERROR ATAU SAMPLING
ERROR

Sampling error merupakan perbedaan absolut antara
estimator tak bias (unbiased) dengan paramemter
populasi.

Contoh sampling error:
| x − µ | untuk rata-rata sampel
| s − σ | untuk simpangan baku sampel
| p̂ − p | untuk proportsi sampel

25
CONTOH 1

Suatu perusahaan ingin menduga penjualan per
bulan berdasar rata-rata sampel yang dilakukan
selama 100 bulan. Misalkan rata-rata per bulan
sebenarnya 5.650 dan standar deviasi 700

Berapa banyak bulan dari sampel tersebut akan
memiliki rata-rata sampel antara 5.550 dan 5.750

26
CONTOH 2

Dalam sampel yang terdiri 25 observasi dari populasi yagn
terdistribusi normal dengan rata-rata 98,6 dan standar deviasi
17,2.

Hitung probabilita rata-ratanya terletak antara 92 sampai
100

Bagaiman jika jumlah sampelnya 36?

Andi seorang kreditor di sebuah bank. Rata-rata tagihan kredit
nasabah per bulan 112 dan standar deviasi 56. Secara acak ia
memilih 50 tagihan, berapa probabilita dari sampel yang terpilih
rata-ratanya:

Dibawah 100

Antara 100 dan 130

27
CONTOH 3

Dari populasi 125 item dengan rata-rata 105 dan standar deviasi
17,64. Jika diambil sampel 64 ?

Berapakan standar error dari rata-rata?

Berapa probabilita rata-ratanya antara 107,5 dan 109

Intan melakukan penelitian konsumsi kopi dari rumah tangga
tiap tahun. Diketahui distribusi populasi kopi normal dengan
rata-rata tidak diketahui dan standar deviasi 1,25.

Jika diambil 36 rumah tangga sebagai sampel dan dhitung
komsumsi kopinya per tahun. Berapa probabilita rata-rata sampel
setengah pound dari rata-rata populasinya.

Seberapa besar sampel harus diambil untuk memastikan bahwa
98% rata-rata sampel berada pada setengah pound rata-rata
populasi.

28
PROPORSI

Rata-rata proporsi µp = p

Standar deviasi σp =
∑( p − µ p
) 2

n

Didekati dengan distribusi normal :
p − µ p ( p ± 1 / 2n ) − µ p
Z= =
σp σp

Koreksi dilakukan karena proporsi merupakan
variabel random diskret
29
BEDA RATA-RATA

Beda rata-rata µx −x = µx − µx = µ x − µx
1 2 1 2 1 2

σ 12 σ 22

Standar deviasi σ x − x = σ x12 − σ x 2 2 = +
1 2
n1 n2

Didekati dengan distribusi normal :

( x1 − x2 ) − ( µ1 − µ 2 )
Z=
σ x −x
1 2

30
BEDA PROPORSI

Beda rata-rata µ p − p = µ p − µ p = P1 − P2
1 2 1 2

P1 (1 − P1 ) P2 (1 − P2 )
Standar deviasi σ p − p = σ p1 − σ p 2 = +
2 2

1 2
n1 n2

Didekati dengan distribusi normal :

( p 1 − p 2 ) − ( P1 − P2 )
Z =
σ p1 − p 2

31
 LATIHAN

Carilah probabilita bahwa rata-rata suatu sampel
random sebanyak 25 unsur dari suatu populasi yang
didistribusikan normal dengan rata-rata 90 dan standar
deviasi lebih besar dari 100?

Lima persen barang dalam gudang Pekanbaru cacat,
sedangkan sepuluh persen dari gudang Dumai cacat.
Bila diambil sampel random sebanyak 200 dari gudang
Pekanbaru dan 300 dari gudang Dumai, berapa
probabilitas beda prosentase barang yang cacat dalam
gudang Dumai 2% lebih besar dibandingkan dengan
gudang Pekanbaru

Dengan menganggap probabilitas kelahiran bayi pria
dan wanita adalah sama. Carilah probabilitas bahwa 200
anak yang akan lahir kurang dari 40%nya adalah pria
32
ESTIMASI

Seberapa jauh parameter populasi yang tidak
diketahui berada di sekitar statistik sampel.

Estimasi merupakan suatu bagian statistik inferensia
yaitu pernyataan mengenai parameter populasi yagn
tidak diketahui berdasarkan informasi dari sampel
random sederhana yang diambil dari populasi
tersebut

33
SIFAT PENAKSIR (ESTIMATOR)

Sebelum menggunakan suatu nilai sampel sebagai
estimator titik, perlu diperiksa apakah nilai sampel
tersebut memenuhi sifat-sifat sebagai estimator yang
baik, yaitu:
a. Tak bias (Unbiased), yaitu jika nilai harapan dari
estimator sama dengan nilai parameter populasi
yang diestimasi.
b. Efisien (Efficient), yaitu jika estimator tersebut
memiliki standar error (varian) yang paling kecil
dibandingkan estimator tak bias yang lain.
c. Konsisten (Consistent)
34
SIFAT PENAKSIR (ESTIMATOR)
c. Konsisten (Consistent)
Suatu estimator dikatakan memiliki sifat
konsisten, apabila estimator tersebut cenderung
mendekati nilai parameter populasi jika ukuran
sampel ditingkatkan (semakin besar).
Jika ukuran sampel ditambah tanpa batas
distribusi sampling penduga akan menjadi satu
garis tegak lurus di atas paramater yang
sesungguhnya.

35
ESTIMASI TITIK
(POINT ESTIMATION)

Dalam estimasi titik kita menggunakan data sampel
untuk menghitung suatu nilai statistik sebagai estimasi
parameter populasi.

Contoh:

x sebagai estimator titik dari rata-rata populasi, µ.

s sebagai estimator titik dari simpangan baku
populasi, σ.

p̂ sebagai estimator titik dari proporsi populasi, P.

36
POINT ESTIMATION

Rata-rata x = ∑ x
n

Standar deviasi

s = 2 ∑ (x − x) 2

bias → s =
2 ∑ (x − x) 2

n n −1

37
CONTOH

Sebuah bank berusaha untuk menentukan berapa
jumlah teller yang tersedia pada saat istirahat di hari
Jumat. Untuk itu dilakukan pengamatan selama tiga
bulan pada tiap hari jumat. Berikut data yang
diperoleh :
242 275 289 306
342 385 279 245
269 305 294 328
Estimasizrata-rata
α 2 dan standar deviasi populasinya ?

38
ESTIMASI INTERVAL
(INTERVAL ESTIMATION)

Interval kepercayaan untuk rata-rata populasi normal.
Varian populasi diketahui.
Misalkan variabel acak n observasi/sampel dari suatu
populasi berdistribusi normal dengan rata-rata µ dan
varian σ2. Jika σ2 diketahui dan rata-rata sampel yang
diobservasi adalah x maka interval kepercayaan
100(1 – α)% untuk rata-rata populasi adalah:
zα 2 σ zα 2 σ
x− < µ < x+
n n
dimana zα 2 memenuhi
α
P( Z > zα 2 ) =
2
dan Z mempunyai distribusi normal baku.
39
ESTIMASI INTERVAL
(INTERVAL ESTIMATION) (L)

Interval kepercayaan untuk rata-rata populasi: sampel
dengan ukuran besar
Misalnya n observasi/sampel dari suatu populasi
dengan rata-rata µ. Maka jika n besar, interval
kepercayaan 100(1 – α)% untuk µ adalah:
zα 2 s zα 2 s
x− <µ <x+
n n
dimana s = simpangan baku sampel
Penafsiran ini secara khusus akan tetap sesuai
walaupun distribusi populasi bukan normal.
40
DISTRIBUSI t

Kurva dari distribusi t memiliki bentuk mirip dengan
kurva normal, namun lebih runcing.

Ciri khusus: distribusi t tergantung pada suatu
parameter yang disebut derajat bebas (degrees of
freedom).

Jika derajat bebas meningkat maka perbedaan
distribusi t dengan distribusi normal baku semakin
kecil.

Distribusi t dengan derajat bebas yang lebih besar
memiliki varian yang lebih kecil.

Rata-rata dari distribusi t = 0 (nol).

41
DISTRIBUSI t

Membaca Tabel Student’s t
Misalkan α = 0,05 dan n = 10, maka nilai tabel
tn-1,α/2 = t(10-1);0,025 = 2,262
Degrees Area in Upper Tail
of Freedom .10 .05 .025 .01 .005
. . . . . .
7 1.415 1.895 2.365 2.998 3.499
8 1.397 1.860 2.306 2.896 3.355
9 1.383 1.833 2.262 2.821 3.250
10 1.372 1.812 2.228 2.764 3.169
. . . . . .

42
UKURAN SAMPEL UNTUK ESTIMASI
INTERVAL RATA-RATA POPULASI

Misalkan E = nilai sampling error maksimum yang
ditentukan.

E sering disebut sebagai batas kesalahan (margin of
error).
σ
maka E = zα 2
n
sehingga
( zα 2 )2 σ 2
n=
E2
43
ESTIMASI INTERVAL
(INTERVAL ESTIMATION) (L)

Interval kepercayaan untuk rata-rata populasi normal:
varian populasi tidak diketahui
Misalnya n observasi dari variabel acak dari populasi
berdistribusi normal dengan rata-rata µ dan varian
tidak diketahui. Interval kepercayaan 100(1-α)%
untuk rata-rata populasi adalah
t n−1,α 2 s x t n−1,α 2 s x
x− < µ < x+
n n
dimana tn-1,α/2 memenuhi
P(tn-1 > tn-1,α/2 ) = α/2
Variabel acak tn-1 mempunyai distribusi student’s t
dengan derajat bebas (n–1).
44
 ESTIMASI INTERVAL
(INTERVAL ESTIMATION) (L)

Interval kepercayaan untuk proprosi populasi
(sampel besar)
Jika p̂ menotasikan proporsi “sukses” dalam sampel
acak dari n observasi suatu populasi dengan
proporsi sukses p. Maka, jika n besar, interval
kepercayaan 100(1 – α)% untuk proporsi populasi
adalah
p̂ x (1 − p̂ x ) p̂ x (1 − p̂ x )
p̂ − zα 2 < p < p̂ + zα 2
n n
dimana zα/2 memenuhi
P (Z > zα/2) = α/2
Z mempunyai distribusi normal baku.
45
UKURAN SAMPEL UNTUK
ESTIMASI INTERVAL PROPORSI
POPULASI

Misalkan E = nilai sampling error maksimum yang
ditentukan.

E sering disebut sebagai batas kesalahan (margin of
error).

p(1 − p)
maka E = zα 2
n

sehingga
( z α 2 )2 p(1 − p )
n=
E2
46
 CONTOH
ESTIMASI INTERVAL
1. Suatu proses memproduksi kantong-kantong gula.
Berat kantong-kantong diketahui berdistribusi normal
dengan simpangan baku 1,2 ons. Suatu sampel 25
kantong diambil dan memiliki rata-rata 19,8 ons.
Buatlah selang kepercayaan 95% untuk rata-rata
populasi berat kantong gula!
SOLUSI: α = 0,05 zα/2 = 1,96
zα 2 σ zα 2 σ
x− < µ < x+
n n
(1,96 )(1,2) (1,96 )(1,2)
19,8 − < µ < 19,8 +
25 25
19,33 < µ < 20,27

47
 CONTOH
ESTIMASI INTERVAL (L)
2. Sampel acak berukuran 172 mahasiswa akuntansi
ditanya pendapat mereka ttg pentingnya suatu
pekerjaan dengan skala 1 (tidak penting) s.d. 5
(sangat penting). Ternyata diperoleh rata-rata nilai
adalah 4,38 dengan standar deviasi 0,7. Buat selang
kepercayaan 99% untuk rata-rata populasi.
SOLUSI: α = 0,01 zα/2 = 2,575
zα 2 s zα 2 s
x− < µ < x+
n n
( 2,575 )(0,7 ) ( 2,575 )(0,7 )
4,38 − < µ < 4,38 +
172 172
4,24 < µ < 4,52

48
 CONTOH
ESTIMASI INTERVAL (L)
3. Sampel acak berukuran 6 mobil dari suatu model
tertentu memiliki konsumsi bahan bakar sbb (mil per
galon):
18,6 18,4 19,2 20,8 19,4 20,5
Buat selang kepercayaan 90% untuk rata-rata
konsumsi bahan bakar populasi.
SOLUSI: α = 0,10 tn-1,α/2 = t5;0,05 = 2,015
t n −1,α 2 s t n −1,α 2 s
x− < µ < x+
n n
( 2,015 )(0,98 ) ( 2,015 )(0,98 )
19,48 − < µ < 19,48 +
6 6
18,67 < µ < 20,29
49
 CONTOH
ESTIMASI INTERVAL (L)
4. Sampel acak berukuran 344 pemilik perusahaan ditanya
mengenai kebijakan perusahaan pada bagian pembelian
barang jika diberi hadiah oleh pemasok. Ternyata, 83
menyatakan tidak ada kebijakan apapun. Buat selang
kepercayaan 90% untuk proporsi populasi yg menyatakan
tidak ada kebijakan apapun berkenaan dg hal tersebut.
SOLUSI: α = 0,10 zα/2 = 1,645
p̂ x (1 − p̂ x ) p̂ x (1 − p̂ x )
p̂ − zα 2 < p < p̂ + zα 2
n n
(0,241)(0,759 ) (0,241)(0,759 )
0,241 − 1,645 < p < 0,241 + 1,645
344 344
0,203 < p < 0,279
50
CONTOH

Suatu sampel random sebanyak 100
mahasiswa menghasilkan rata-rata berat
badan 60 kg dan standar deviasi 10. Jika
populasi 250

Buatlah interval keyakinan rata-rata populasi kalau
digunakan tingkat keyakinan 90%

Berapa tingkat keyakinan digunakan agar rata-
rata populasi terletak dalam interval 58-62

51