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
Populasi Sampel
Definisi Semua anggota obyek Sebagian dari anggota obyek
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 ...
• 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
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
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.
σ
Nilai tertinggi (upper value): X μ Z.
n
σ
Nilai terendah (lower value): X μ Z.
n