Session 8:

Sampling Methods and

the Central Limit Theorem
Kunto Wibisono, SE., M.Si.

Sumber: Douglas A. Lind, William G. Marchal, Samuel A. Wathen

 Tujuan Sesi 8
• Untuk menjelaskan mengapa sampel adalah satu-satunya cara
yang layak untuk mengamati dan mempelajari suatu populasi.
• Menjelaskan berbagai metode dasar untuk memilih sampel.
• Mendefinisikan dan membuat distribusi sampling dari mean
sampel.
• Menjelaskan teori batas pusat (central limit theorem).
• Menggunakan teori batas pusat untuk menemukan
probabilitas pemilihan kemungkinan sampel dari populasi
tertentu.
Kunto Wibisono, SE., M.Si.
 Mengapa Mengambil Sampel Dalam Populasi
• Untuk menghubungi seluruh populasi akan lebih
memakan waktu.
• Biaya mempelajari semua item dalam suatu populasi
menjadikan biaya penelitian menjadi lebih mahal.
• Ketidakmungkinan fisik memeriksa semua item dalam
populasi.
• Sifat destruktif dari beberapa tes.
• Hasil sampel dipadang sudah dapat memadai dan
mewakili populasi.
Kunto Wibisono, SE., M.Si.
Probability Sampling
Probability Sampling atau sampel probabilitas
adalah sampel yang dipilih dalam populasi
yang diteliti memiliki kemungkinan untuk
dimasukkan dalam sampel.

Kunto Wibisono, SE., M.Si.

 Metode Dalam Probability Sampling

• Simple Random Sampling

• Systematic Random Sampling
• Stratified Random Sampling
• Cluster Sampling

Kunto Wibisono, SE., M.Si.

 Simple Random Sampling

Sampel dipilih secara acak, dan setiap orang dalam

populasi mempunyai kesempatan yang sama untuk
dipilih.

Kunto Wibisono, SE., M.Si.

 Contoh Simple Random Sampling

Populasi penelitian adalah 845 karyawan Nitra Industries.

Sampel dari 52 karyawan harus dipilih dari populasi itu.
Nama setiap karyawan ditulis di selembar kertas kecil dan
menyimpan semua slip dalam sebuah kotak.
Setelah mereka benar-benar tercampur, seleksi pertama
dilakukan dengan melihat slip keluar dari kotak tanpa
melihatnya. Proses ini diulang sampai sampel 52 karyawan
dipilih.

Kunto Wibisono, SE., M.Si.

 Contoh Simple Random Sampling

Rumus
=RAND()
=INDEX($B$2:$B$31;
RANK(C2;$C$2:$C$31))

Kunto Wibisono, SE., M.Si.

 Systematic Random Sampling

Tentukan titik awal atau kriteria sampel acak, dan

kemudian setiap anggota populasi dipilih berdasarkan
kriteria tersebut.

Kunto Wibisono, SE., M.Si.

 Contoh Systematic Random Sampling
Populasi terdiri dari 845 karyawan Nitra Industries. Sampel
dari 52 karyawan harus dipilih dari populasi itu.
Pertama, k dihitung sebagai ukuran populasi dibagi dengan
ukuran sampel. Untuk Nitra Industries, kami akan memilih
setiap daftar karyawan ke-16 (diperoleh dari 845/52). Jika k
bukan bilangan bulat, maka bulatkan.
Pengambilan sampel acak digunakan dalam pemilihan nama
depan. Kemudian, pilih setiap nama ke-16 pada daftar
sesudahnya.

Kunto Wibisono, SE., M.Si.

 Stratified Random Sampling

Suatu populasi dibagi menjadi beberapa subkelompok,

yang disebut strata, dan sampel dipilih secara acak dari
setiap strata.

Kunto Wibisono, SE., M.Si.

 Contoh Stratified Random Sampling
Misalkan kita ingin mempelajari pengeluaran iklan untuk 352
perusahaan terbesar di Amerika Serikat untuk menentukan apakah
perusahaan dengan pengembalian ekuitas tinggi (ukuran profitabilitas)
menghabiskan lebih banyak dari setiap dolar penjualan untuk iklan
daripada perusahaan dengan pengembalian atau defisit rendah.

Untuk memastikan bahwa sampel adalah representasi yang adil dari

352 perusahaan, perusahaan dikelompokkan berdasarkan persentase
pengembalian atas ekuitas dan sampel yang proporsional dengan
ukuran relatif grup dipilih secara acak.

Kunto Wibisono, SE., M.Si.

 Contoh Stratified Random Sampling

Kunto Wibisono, SE., M.Si.

 Cluster Sampling

Suatu populasi dibagi menjadi beberapa kelompok

dengan menggunakan batas geografi yang terjadi
secara alami atau batas lainnya. Kemudian, cluster
dipilih secara acak dan sampel dikumpulkan dengan
memilih secara acak dari setiap cluster.

Kunto Wibisono, SE., M.Si.

 Contoh Cluster Sampling
Misalkan Anda ingin menentukan pendapat penduduk di Oregon
tentang kebijakan perlindungan lingkungan negara bagian dan federal.

Pengambilan sampel kluster dapat digunakan dengan membagi negara

menjadi unit-unit kecil, baik di tingkat kabupaten atau daerah. Pilih
secara acak, misalkan diambil 4 wilayah, lalu ambil sampel penduduk di
masing-masing daerah dan wawancarai mereka.

Perhatikan bahwa ini adalah kombinasi dari cluster sampling dan

simple random sampling.

Kunto Wibisono, SE., M.Si.

 Contoh Cluster Sampling

Kunto Wibisono, SE., M.Si.

 Stratified Sampling
vs
Cluster Sampling

Kunto Wibisono, SE., M.Si.

 Catatan Penting Probability Sampling

• Dalam sampel nonprobabilitas, pengambilan sampel

didasarkan pada penilaian orang yang memilih
sampel.

• Kesalahan pengambilan sampel (sampling error)

adalah perbedaan antara statistik sampel dan
parameter populasi yang sesuai.

Kunto Wibisono, SE., M.Si.

 Distribusi Sampel dan Rata-Rata Sampel

Distribusi sampling dari rata-rata sampel adalah

distribusi probabilitas yang terdiri dari semua
kemungkinan rata-rata sampel dari ukuran sampel
tertentu yang dipilih dari suatu populasi.

Kunto Wibisono, SE., M.Si.

 Contoh Distribusi Sampel dan Rata-Rata Sampel

Tartus Industries memiliki tujuh karyawan produksi (dianggap sebagai populasi).

Penghasilan setiap jam dari setiap karyawan diberikan dalam tabel di bawah ini.

Kunto Wibisono, SE., M.Si.

 Contoh Distribusi Sampel dan Rata-Rata Sampel

1. Berapa rata-rata populasinya (population mean)?

2. Berapa distribusi sample dari rata-rata sampel untuk
sampel yang berukuran 2?
3. Berapa nilai rata-rata distribusi sample-nya?

Kunto Wibisono, SE., M.Si.

 Contoh Distribusi Sampel dan Rata-Rata Sampel

Kunto Wibisono, SE., M.Si.

 Contoh Distribusi Sampel dan Rata-Rata Sampel

Kunto Wibisono, SE., M.Si.

 Contoh Distribusi Sampel dan Rata-Rata Sampel

Kunto Wibisono, SE., M.Si.

Central Limit Theorem

“Jika semua sampel dari ukuran tertentu dipilih dari

populasi, distribusi sampling dari rata-rata sampel
akan berdistribusi normal. Perkiraan ini akan semakin
meningkat dengan sampel yang lebih besar”.

Kunto Wibisono, SE., M.Si.

 Distribusi dan Rata-Rata Sampel (Sigma Known)

• Ketika sampel diambil dari populasi diketahui

mengikuti distribusi normal. Dalam hal ini, ukuran
sampel bukan merupakan faktor.
• Jika bentuk diketahui tidak normal, tetapi sampel
mengandung setidaknya 30 pengamatan, teorema
limit pusat menjamin distribusi sampling dari rata-
rata mengikuti distribusi normal.
Kunto Wibisono, SE., M.Si.
 Distribusi dan Rata-Rata Sampel (Sigma Known)

Kunto Wibisono, SE., M.Si.

 Contoh Soal Sigma Known

Kunto Wibisono, SE., M.Si.

Kunto Wibisono, SE., M.Si.
 Tabel
Statistik Z

Kunto Wibisono, SE., M.Si.

 Keyword Session 8

• …..
• …..
• …..
• …..
• …..

Kunto Wibisono, SE., M.Si.