STATISTIKA INDUKTIF

EDISI 3

Algifari
STIE YKPN Yogyakarta
Sampling dan Distribusi
Sampling
Tujuan
Untuk menentukan sampel yang baik dalam suatu
penelitian
Pembahasan
1. Penentuan sampel dari suat populasi dan
menggunakan sampel tersebut untuk
menggambarkan karakteristik populasinya
2. Ketepatan suatu sampel untuk mewakili
populasinya
3. Konsep-konsep distribusi sampling
4. Trade-off antara biaya dan ukuran sampel
Alasan menggunakan sampel
1. Obyek yang akan diteliti memiliki anggota yang sangat banyak
jumlahnya (infinite), sehingga tidak mungkin melibatkan semua
anggota dari obyek tersebut dalam pengamatan.
2. Biaya yang harus dikeluarkan dalam suatu penelitian yang
menggunakan data populasi terlalu besar.
3. Penelitian yang menggunakan data populasi memerlukan banyak
tenaga peneliti yang handal. Padahal biasanya pada setiap
penelitian hanya terdapat sedikit tenaga peneliti yang handal.
4. Obyek yang diteliti mempunyai kemungkinan terdapat pada
kelompok-kelompok kecil dan menyebar di tempat yang
berjauhan antara kelompok satu dengan kelompok lainnya.
5. Perlu waktu yang lama dalam penelitian yang menggunakan data
populasi.
X

Statistik dan Parameter

• Statistik: ukuran-ukuran yang menceminkan suatu nilai dari sampel
• Parameter: ukuran-ukuran yang menggambarkan suatu nilai dari
populasi
• Perbedaan sampel dan populasi:

Populasi Sampel
Definisi Semua anggota obyek Sebagian dari anggota obyek

Karakteristik Parameter Statistik

Simbol Banyaknya anggota: N Banyaknya anggota: n
Rata-rata:  Rata-rata: X
Standar deviasi:  Standar deviasi: s
Varians: 2 Varians: s2
Proporsi:  Proporsi: p
Distribusi Normal
• Karakteristik data berdistribusi normal
Misalnya suatu data memiliki rata-rata µ dan standar
deviasi . Distribusi data tersebut akan membentuk
kurva normal jika:
▫ sekitar 68% data berada di dalam interval µ ± 1
▫ sekitar 95,5% data berada di dalam interval µ ± 2
▫ sekitar 99,7% data berada di dalam interval µ ± 3
• Rumus rata-rata (µ) dan standar deviasi ():
 8

Lanjutan …
• Bentuk Kurva Distribusi Normal

68%

96%

99,7%

 3  2 1  1  2  3

Lanjutan ...

50% 50%

µ
Sampling
• Random Sampling.
▫ Ciri: setiap anggota populasi mempunyai
kesempatan (chance) yang sama untuk terpilih
menjadi anggota sampel.
▫ Random sampling disebut juga dengan probability
sampling, karena dalam metode ini memberikan
kesempatan (probabilitas) yang sama kepada setiap
anggota populasi untuk terpilih menjadi anggota
sampel.
Lanjutan ...
• Beberapa metode pengambilan sampel
secara random:
▫ Sederhana (simple random sampling)
▫ Sistematis (systematic random sampling)
▫ Bertingkat (stratified random sampling)
▫ Berkelompok (cluster random sampling).
Lanjutan ...
• Sampel random sederhana (simple random sampling) memilih
sampel dengan cara mengundi semua anggota populasi untuk
dipilih sebagian sebagai anggota sampel. Metode ini biasanya
digunakan untuk jumlah anggota populasi yang relatif sedikit
• Ilustrasi tentang simple random sampling yang sering kita jumpai
adalah menentukan pemenang dalam suatu undian. Misalnya dalam
undian tersebut terdapat 10 peserta yang akan ditentukan seorang
peserta sebagai pemenang. Nama setiap peserta ditulis pada
sepotong kertas yang kemudian kertas tersebut dilinting dan
dimasukkan ke dalam tempat undian. Penentuan pemenang
dilakukan melalui proses undian. Nama yang terpilih (keluar dari
undian) dari proses undian tersebut merupakan pemenangnya.
Lanjutan ...

• Sampel random sistematis (systematic

random sampling) merupakan metode memilih
anggota sampel dari suatu populasi dengan
interval sama, biasanya diukur dengan ukuran
waktu, urutan (ranking), atau tempat.
Lanjutan ...
• Sampel random bertingkat (stratified random sampling)
merupakan metode memilih anggota sampel dengan cara
membagi populasi menjadi beberapa lapisan, disebut strata.
Pengelompokkan karyawan suatu perusahaan ke dalam
beberapa strata, misalnya pengelompokkan didasarkan tingkat
pendidikan, yaitu Sekolah Menengah Atas (SMU), Diploma 3
(D3), dan Perguruan Tinggi (PT). Setelah dikelompokkan,
kemudian setiap strata diambil sebagian sebagai anggota
sampel
Lanjutan ...
• Sampel random berkelompok (cluster random
sampling) memilih sampel dengan membuat populasi
menjadi beberapa kelompok. Setelah pembentukan kelompok
tersebut sudah selesai, baru dipilih beberapa anggota dari
setiap kelompok secara random untuk dijadikan sebagai
anggota sampel.
• Pengelompokkan anggota populasi ke dalam beberapa kluster
bersifat setara. Artinya kita tidak dapat mengatakan anggota
kluster satu lebih tinggi atau lebih baik dibandingkan dengan
anggota kluster yang lain
Lanjutan ...
• Nonrandom Sampling. Pemilihan sampel dari suatu
populasi tidak harus memberikan kesempatan yang sama
kepada semua anggota populasi untuk menjadi anggota
sampel. Pemilihan sampel dengan cara ini menggunakan
pengetahuan dan opini dari peneliti terhadap obyek yang akan
diteliti. Baik tidaknya sampel yang diperoleh dari pemilihan
sampel dengan metode non-random sampling ini sangat
tergantung dari pemampuan si peneliti.
• Teknik sampling yang sering digunakan dalam nonrendom
sampling adalah
▫ convenience sampling
▫ purposive sampling
▫ snowball sampling.
Lanjutan ...

• Convenience sampling adalah teknik pengambilan sampel yang

didasarkan pada pertimbangan kemudahan untuk memperoleh
sampel. Obyek yang akan digunakan sebagai sampel sudah
tersedia dan mudah diperoleh.
• Misalnya penelitian dilakukan untuk memperoleh informasi
respon konsumen terhadap suatu produk. Sampel yang
digunakan dalam penelitian tersebut adalah pengunjung di
suatu pusat perbelanjaan (mall).
Lanjutan ...
• Purposive sampling adalah teknik pengambilan sampel dengan menggunakan
pertimbangan tertentu dan dengan tujuan tertentu. Misalnya penelitian
dilakukan untuk memperoleh informasi pola penggunakan kartu kredit oleh
masyarakat kelompok menengah. Penelitian tersebut menggunakan dosen
sebagai sampel. Si peneliti berasumsi bahwa dosen dapat mencerminkan kelas
menengah di masyarakat.
• Purposive sampling memiliki dua macam bentuk, yaitu judgement sampling
dan quota sampling.
▫ Judgement sampling adalah teknik pengambilan sampel dengan tujuan tertentu
dan peneliti menganggap obyek yang dipilih dapat memberikan informasi yang
dibutuhkan. Misalnya untuk menentukan sampel pada penelitian terhadap dosen,
peneliti menggunakan dosen si A, si B, si C, dan seterusnya sebagai sampel.
▫ Quota sampling adalah teknik pengambilan sampel dengan membuat batasan
tertentu dalam pengambilan sampel Misalnya dosen yang berpendidikan strata 1
dan strata 2 untuk mewakili kelompok masyarakat tingkat menengah.
Lanjutan ...
• Snowball sampling merupakan teknik pengambilan sampel dengan
cara berantai, dimulai dari satu atau beberapa anggota obyek yang
diteliti sebagai anggota sampel.
• Misalnya penelitian yang populasinya adalah pemilik mobil Honda
jenis Wonder. Jika si peneliti kesulitan mencari responden, karena
tidak memiliki informasi komunitas pemilik Honda Wonder, maka
peneliti cukup menggunakan satu atau beberapa pemilik mobil
Honda Wonder yang ditemui terlebih dahulu. Kemudian dari
pemilik mobil Honda Wonder tadi akan diperoleh informasi yang
kemudian secara berantai pemilik mobil Honda Wonder yang lain
akan diperoleh untuk memenuhi jumlah (ukuran) sampel yang
dibutuhkan dalam penelitian. Pengumpulan anggotan sampel
dengan metode ini seperti bola salju yang semakin lama semakin
membesar.
Distribusi Sampling
• Distribusi sampling rata-rata
• Ada dua pendekatan mengenai distribusi sampling, yaitu
distribusi sampling teoritis (teoritical sampling
distribution) dan distribusi sampling eksperimen
(experimental sampling distribution).
▫ Distribusi sampling teoritis didasarkan atas teori matematis yang
relevan, sedangkan distribusi sampling eksperimen diperoleh
dari percobaan.
Lanjutan ...
• Berikut ini contoh untuk distribusi sampling teoritis rata-rata. Misalnya sebuah
populasi memiliki 5 anggota, yaitu 3, 5, 7, 9, 11. Dari populasi tersebut dipilih dua
anggota sebagai sampel secara random. Rata-rata () dan deviasi standar () populasi
adalah

• Cara I:

3 + 5 + 7 + 9 + 11 35
μ=  7
5 5

2
(X - μ ) 2 2 2 2
(3 - 7 ) + (5 - 7 ) + (7 - 7 ) + (9 - 7 ) + (11 - 7 )
2
σ= =  8
N 5

Varians populasinya adalah 2

σ =8
X

Lanjutan ...
Kemungkinan pasangan yang terambil Distribusi Sampling Rata-rata
Sampel Pasangan Rata-rata ( ) Probabilitas Rata-rata ( ) Probabilitas (p)
4 1/10
1 3;5 4 1/10
5 1/10
2 3;7 5 1/10
6 2/10
3 3; 9 6 1/10
7 2/10
4 3 ; 11 7 1/10
8 2/10
5 5; 7 6 1/10
9 1/10
6 5; 9 7 1/10
10 1/10
7 5 ; 11 8 1/10
8 7; 9 8 1/10
9 7 ; 11 9 1/10 Grafik Histogram Distribusi Probabilitas
10 9 ; 11 10 1/10 Rata-rata Sampel
0.25

0.20

0.15
P(x) 0.10

0.05

0.00
4 5 6 7 8 9 10 X
 Lanjutan ...
• Rata-rata dan standar deviasi:

p p.X
X
X X p p.(X  X) 2
4 1/10 0,4
5 1/10 0,5 4 7 1/10 0,9
6 2/10 1,2 5 7 1/10 0,4
7 2/10 1,4 6 7 2/10 0,2
8 2/10 1,6 7 7 2/10 0,0
9 1/10 0,9 8 7 2/10 0,2
10 1/10 1,0 + 9 7 1/10 0,4
7 10 7 1/10 0,9 +
3,0

Rata-rata distribusi sampling rata-rata :

30
X   pi X i  7 2 2
Varians rata-rata: σ x = pi  ( X i  X) = =3
10
Lanjutan ...
• Cara II

X X (X  X) ( X  X) 2
4 7 -3 9 2  (X  X) 2 30
σx   3
5 7 -2 4 n 10

6 7 -1 1
Populasi tidak terbatas (infinite):
6 7 -1 1 σ
7 7 0 0 σx =
n
7 7 0 0
Populasi terbatas (finite):
8 7 1 1
σ N-n
8 7 1 1 σx = .
n N -1
9 7 2 4
10 7 3 9 + 2
2= σ . N - n  8 . 5  2  3
30 σx
n N -1 2 5 1
Distribusi Sampling Proporsi
• Proporsi statistik sampel (p) dapat digunakan untuk mengestimasi
proporsi parameter populasi ().
• Misalnya sebuah sampel sebanyak 120 konsumen dan sebanyak 72
konsumen menyatakan lebih menyukai produk perusahaan Anda.
Proporsi sampel konsumen yang lebih menyukai produk perusahaan
Anda dapat ditentukan dengan menggunakan rumus proporsi
sampel adalah
X 72
p   0,6
n 120

π(1  π)
Kesalahan standar proporsi: σp 
n
Teorima Limit Tengah
• Teorima batas tengah penting untuk mengetahui kenormalan suatu
distribusi data. Teorima batas tengah menyatakan ukuran sampel
cukup besar (banyak), distribusi sampling rata-rata akan
terdistribusi mendekati normal.

Rumus untuk menentukan rata-rata sampel pada distribusi sampling

rata-rata adalah
X -μ
Z=
σ/ n

σ
Nilai tertinggi (upper value): X  μ  Z.
n
σ
Nilai terendah (lower value): X  μ  Z.
n