PEMA N T A UAN & PE NGENDALIAN LINGK U N G A N

Composite Sampling

oleh Putu Ayu Werdhianty

NIM 2113081030
Prodi KImia RPL
Overview 01.
Pengambilan sampel komposit melibatkan penggabungan fisik dan
homogenisasi sampel lingkungan atausubsampel untuk membentuk sampel
baru (yaitu, sampel komposit). Analisis kimia atau biologi daribunga
kemudian dilakukan pada (alikuot) sampel komposit.

Tidak mengacu pada statistik strategi berbasis untuk memilih sampel. Meskipun
pengambilan sampel komposit mungkin asumsikan bahwa sampel telah
dikumpulkan sesuai dengan desain seperti itu, pengomposisian menjadi
dilakukan sesuai dengan beberapa protokol (yaitu, protokol pengambilan sampel
komposit).
 Protokol Pengambilan Sampel 02

Mengidentifikasi bagaimana pengomposisian menjadi

dilakukan (misalnya, sampel mana yang digunakan untuk
membentuk setiap komposit) dan berapa banyak sampel
komposit yang akan terbentuk. Misalnya, Gambar 10-1
menunjukkan situasi di mana n=9 individu sampel dipilih
dan digunakan untuk bentuk m=3 komposit dari k=3
sampel setiap; maka hanya m=3 analisis, satu per
komposit, diperlukan.
 Composite Sampling 03
Kegunaan lain untuk pengambilan sampel komposit adalah dalam mengidentifikasi sifat
langka—yaitu, dalam mengklasifikasikan sampel memiliki atau tidak memiliki sifat. Dalam
hal ini, hanya alikuot dari masing-masing sampel yang digabungkan sehingga beberapa
sampel individu dapat diuji ulang, berdasarkan hasil analisis yang ditemukan untuk
komposit.

Jika setiap unit yang terdiri dari komposit memiliki sifat, maka komposit juga akan memiliki sifat tersebut. Karena
pengambilan sampel komposit dan pengujian ulang ditujukan untuk mengklasifikasikan setiap unit, bukan membuat
inferensi statistik tentang populasi yang diwakili oleh unit sampel, sampling komposit dalam hal ini konteks biasanya
akan digunakan ketika ada sejumlah unit terbatas yang perlu diklasifikasikan. Memperkirakan, misalnya, sampel air
telah dikumpulkan dari semua sumur air minum dalam beberapa wilayah, dan diduga bahwa sebagian kecil dari n
sumur ini terkontaminasi (dalam beberapa cara). Daripada menguji setiap sampel individu ( n tes), mungkin cukup
untuk mengelompokkan sampel ke dalam set delapan.
SAMPLING KOMPOSIT UNTUK
ESTIMASI RATA-RATA 04
1. Sampel individu yang terdiri dari komposit berukuran
sama (dalam volume atau massa) dan bentuk.
2. Jumlah sampel penyusun setiap komposit adalah sama.
3. Sebuah subsampel tunggal atau alikuot dipilih untuk
analisis.
4. Analisis tunggal dilakukan pada subsampel.
5. Sejumlah besar sampel komposit berpotensi terbentuk,
tetapi jumlahnya sebenarnya akan terbentuk relatif kecil
terhadap jumlah komposit potensial.
Aplikasi 05.
Tingkat yang diantisipasi untuk sebagian besar komposit akan melebihi batas deteksi sehingga
kesulitan estimasi rata-rata dengan adanya non-deteksi dihindari.
Pengomposisian tidak akan mempengaruhi integritas sampel.
Tidak ada tujuan lain yang bertentangan dengan pengertian compositing. Khususnya, informasi
mengenai tingkat sampel individu, lokasi spasial atau temporal mereka, dan variabilitas populasinya
tidak dianggap penting; informasi tentang asosiasi (misalnya, korelasi konsentrasi dua konstituen) juga
tidak dipertimbangkan penting.
Biaya analitis relatif tinggi terhadap biaya yang terkait dengan pengambilan sampel, akuisisi sampel,
penanganan sampel, dan pengomposan. Jika tidak, pengambilan sampel komposit tidak akan hemat
biaya.
Tidak ada kesulitan praktis yang menghambat pemilihan banyak sampel unit, di mana setiap sampel
dipilih sesuai dengan desain statistik yang diberikan (misalnya, sampel acak sederhana atau sampel
set peringkat).
Tidak ada kesulitan praktis dalam membentuk komposit yang sesuai (misalnya,
sampel individu dapat dihomogenkan secara memadai).
06.
Manfaat
Seseorang dapat mencapai kira-kira presisi yang sama dari perkiraan rata-rata dengan biaya lebih
sedikit atau, seseorang bisa mendapatkan lebih banyak cakupan (representasi yang lebih baik) dari
populasi dengan biaya yang sama

Analisis data biasanya mudah. Misalnya, jika sampling komposit digabungkan dengan sampling
acak sederhana atau sampling grid (di mana masing-masing komposit mewakili seluruh populasi),
dan sampel dengan volume yang sama digunakan untuk membentuk komposit, maka rata-rata
sederhana dari m sampel komposit memberikan perkiraan rata-rata populasi target.
07.
Keterbatasan
Pengambilan sampel komposit menghasilkan pengurangan jumlah informasi tentang variabilitas. jika
protokol sampling komposit memungkinkan setiap komposit untuk mewakili seluruh populasi target,
maka konsentrasi kontaminan yang terukur memberikan perkiraan konsentrasi rata-rata populasi,
dengan asumsi proses pengukuran tidak bias dan bahwa compositing telah dilakukan dengan benar.

Pengambilan sampel komposit juga kehilangan informasi tentang sampel individu, pola spasial
(atau temporal), dan asosiasi lainnya. Misalnya, jika pengomposisian dari waktu ke waktu, maka
informasi tentang kapan kontaminan memiliki konsentrasi tinggi hilang; sama untuk ruang.

Pengambilan sampel komposit mungkin sulit dilakukan tanpa menimbulkan kesalahan tambahan
yang besar (dalam penimbangan atau homogenisasi). Hal ini terutama berlaku untuk media padat
seperti tanah atau debu jika heterogen. Homogenitas dalam konteks ini mengacu pada
karakteristik media lingkungan yang mempengaruhi kemampuan seseorang untuk membentuk
komposit yang “baik”.
08.
Implementasi
Memberikan arahan untuk menerapkan
sampling komposit untuk memperkirakan
rata-rata dalam situasi yang paling
sederhana—yaitu, ketika volume yang sama
dan alokasi sampel atau alikuot yang sama
digunakan untuk membentuk komposit dan
di mana setiap komposit mewakili seluruh
populasi target (berdasarkan pengambilan
sampel acak, misalnya).
 09.
Implementasi
Mekanisme dasar untuk menentukan k dan
m adalah untuk mengembangkan model
biaya yang menyatakan biaya total dalam
hal per unit dan per analisisnya biaya dan
untuk mengembangkan model varians yang
mengungkapkan varians dari rata-rata yang
diperkirakan dalam hal:

Komponen varians:
Biaya Total = biaya set-up tetap + n(biaya pengumpulan/penanganan
sampel) + m(biaya analisis)
Varians (rata-rata) = Varians [jumlah m konsentrasi yang diamati/m]
= [variabilitas konsentrasi bawaan + k (variabilitas kesalahan)]/n

(dimana n = mk),
 Hubungan dengan Sampling Lainnya
Jika k strata dengan ukuran yang sama (volume
atau massa) dapat digunakan, maka satu sampel per
strata dapat diambil dan k sampel tersebut
digabungkan. Ini dapat menghindari sampel acak
yang dikelompokkan di subwilayah kecil dari area
target. Jika proses ini diulang m kali, maka rata-rata
sederhana dari hasil sampling komposit akan
memperkirakan mean populasi target, dan
variabilitas hasil sampling komposit dapat
digunakan untuk memperkirakan presisi mean.
Ketepatan rata-rata melalui pendekatan ini mungkin
lebih buruk daripada dari pengambilan sampel acak
sederhana, tetapi dapat dipastikan bahwa sampel
mencapai cakupan yang memadai dari populasi
target. Jika kriteria stratifikasi dikorelasikan dengan
variabel kepentingan (alasan untuk stratifikasi di
tempat pertama), maka ketepatan mean
10. meningkat.
 Hubungan dengan Sampling Lainnya
Jika pengomposisian dalam strata digunakan
daripada pengomposisian di seluruh situs atau
proses, maka ketepatan rata-rata yang diperkirakan
dapat ditingkatkan dari yang dicapai dengan
menggabungkan sampel komposit dengan sampel
acak sederhana atau sampel grid dari keseluruhan
populasi. Peningkatan ini harus diwujudkan jika
konsentrasi kontaminan lebih homogen dalam
strata daripada antar strata. Keuntungan utama dari
pendekatan ini adalah bahwa beberapa informasi
spasial atau temporal tercapai; juga, jika pengujian
ulang dapat dilakukan, maka informasi tentang unit
tertentu yang dipilih dapat diperoleh secara efisien.
Namun kekurangannya adalah sulitnya
mendapatkan estimasi presisi tema yang baik,
terutama jika variabilitas dalam strata yang berbeda
berbeda.
11.
Untuk menghasilkan perkiraan yang berarti dari rata-rata populasi, pengambilan sampel komposit
dikaitkan dengan beberapa jenis desain pengambilan sampel. Beberapa contoh berikut:

Simple Random Sampling

Dalam hal ini, m sampel acak sederhana dari k unit masing-masing dipilih dari seluruh lokasi/proses,
dan unit di setiap sampel digunakan untuk membentuk komposit. Dalam hal ini, perkiraan rata-rata
populasi sama dengan rata-rata sederhana dari m pengukuran sampel komposit, jika sampel atau
alikuot volume yang sama digunakan. Kesalahan standar rata-rata (dengan asumsi yang sama)
dihitung berdasarkan variabilitas di antara m komposit. Jika interval kepercayaan atau uji hipotesis
harus dilakukan (yang bergantung pada estimasi yang baik dari kesalahan standar, serta rata-rata),
maka harus ada m yang memadai untuk memperkirakan varians di antara komposit. Untuk mencapai
ini, beberapa pertukaran nilai m versus k mungkin diperlukan.

12.
Untuk menghasilkan perkiraan yang berarti dari rata-rata populasi, pengambilan sampel komposit
dikaitkan dengan beberapa jenis desain pengambilan sampel. Beberapa contoh berikut:

Grid Sampling
Pengambilan sampel komposit dalam hal ini akan melibatkan pembentukan m grid yang
memiliki nilai awal yang berbeda; setiap grid akan memiliki k poin, dan sampel dari titik-
titik tersebut akan digabungkan. Estimasi mean dan variansnya akan seperti itu untuk
sampel acak sederhana. Lihat contoh di Kotak 10-3.

Stratified random or stratified grid sample

Jika komposit terbentuk dari sampel dalam strata, maka rata-rata populasi target diperkirakan sebagai rata-rata tertimbang dari
rata-rata strata. Oleh karena itu, variabilitas rata-rata yang diperkirakan ini tergantung pada variasi dalam strata. Akibatnya,
kami mengharapkan presisi yang lebih baik daripada sampel acak berukuran sebanding, dengan asumsi bahwa konsentrasi
memiliki variasi yang lebih sedikit di dalam strata daripada di antara strata. Akan tetapi, sebagaimana dicatat dalam Bagian
10.2.5, mungkin lebih sulit untuk mendapatkan perkiraan varians (atau kesalahan standar) rata-rata dan biayanya mungkin lebih
tinggi karena lebih banyak komposit mungkin diperlukan untuk mendapatkan perkiraan yang tepat. Keuntungan utama dari

13.
pendekatan ini adalah bahwa ia menyimpan beberapa informasi tentang variasi spasial atau temporal.
Untuk menghasilkan perkiraan yang berarti dari rata-rata populasi, pengambilan sampel komposit
dikaitkan dengan beberapa jenis desain pengambilan sampel. Beberapa contoh berikut:

Two-stage sampling.
Ini adalah situasi yang cukup umum. Dalam hal ini, unit secara alami masuk ke dalam
kelompok (disebut "batch") atau dapat dikelompokkan ke dalam batch, dan h dari batch H
dipilih pada tahap pertama pengambilan sampel. Kemudian n sampel dipilih dalam setiap
batch dan m komposit terbentuk dari sampel ini. Jika h=H, maka batch ekuivalen dengan
strata dan kasus ini seperti yang sebelumnya. Tetapi jika h<H, maka ini dianggap sampling
dua tahap. Misalnya, dalam memantau aliran air limbah, batch bisa berhari-hari, dan
sampel yang dipilih secara acak dalam hari yang dipilih dapat digunakan untuk
membentuk komposit yang mewakili hari. Bagian 7.3 dari Gilbert (1987) juga membahas
kasus di mana beberapa subsampel dari setiap komposit diekstraksi dan beberapa analisis
per subsampel dilakukan.

14.
Untuk menghasilkan perkiraan yang berarti dari rata-rata populasi, pengambilan sampel komposit
dikaitkan dengan beberapa jenis desain pengambilan sampel. Beberapa contoh berikut:

Ranked set sampling

Sampling komposit dapat digunakan bersamaan dengan sampling ranked set. Biasanya ini
melibatkan pembentukan komposit dari unit yang memiliki peringkat yang sama. Dalam
hal ini, keuntungan dan kerugiannya mirip dengan pengambilan sampel bertingkat (lihat di
atas). Pengomposisian lintas peringkat juga dapat dipertimbangkan. Misalnya, misalkan
sembilan sampel akan dipilih secara acak dan dikelompokkan menjadi tiga kelompok yang
masing-masing terdiri dari tiga kelompok. Tiga sampel di setiap kelompok akan diberi
peringkat dengan inspeksi (diasumsikan berkorelasi dengan parameter yang diinginkan).
Sampel dengan peringkat 1 pada kelompok 1, sampel pada kelompok 2 dengan peringkat 2,
dan sampel pada kelompok 3 dengan peringkat 3 akan dikomposit dan dianalisis.
Kelompok awal yang terdiri dari sembilan sampel hanya menghasilkan satu sampel
komposit berukuran 3.
15.
Contoh.
Kotak 10.3 Grid Sampling

Pendekatan serupa akan berlaku jika sel-sel dalam contoh itu dianggap sebagai strata,
karena strata memiliki ukuran yang sama. Skema pengomposisian alternatif akan
melibatkan pengomposisian sampel dalam masing-masing dari 12 strata dan rata-rata
hasilnya untuk menghasilkan perkiraan rata-rata populasi target. Strategi ini akan sedikit
lebih mahal dan akan memberikan beberapa informasi tentang pola spasial tetapi tidak
akan mengizinkan seseorang untuk mendapatkan ukuran ketepatan rata-rata keseluruhan
(kecuali seluruh proses direplikasi). Bergantung pada tujuan sekunder yang mungkin
menarik, strategi pengambilan sampel komposit lainnya dapat digunakan yang akan
membentuk komposit di dalam baris dan di dalam kolom.
16.
 SAMPLING KOMPOSIT UNTUK
ESTIMASI PROPORSI POPULASI
Dalam keadaan tertentu, pengambilan sampel komposit menawarkan cara yang efisien
untuk memperkirakan proporsi populasi yang memiliki sifat tertentu. Tujuannya dalam
hal ini hanyalah untuk memperkirakan proporsi dengan sifat; tidak ada kepentingan unit
mana yang memiliki sifat tersebut. Ini mungkin berguna pada tahap awal penyelidikan
ketika seseorang ingin menentukan apakah pengujian lebih lanjut diperlukan. Misalnya,
jika kurang dari 5% drum di lapangan terkontaminasi, maka mungkin bermanfaat untuk
mengidentifikasinya (pada tahap selanjutnya) dan secara selektif membuang yang
terkontaminasi, tetapi jika lebih dari 15% drum terkontaminasi.

17.
 SAMPLING KOMPOSIT UNTUK
ESTIMASI PROPORSI POPULASI
Analisis setiap komposit dalam hal ini hanya menghasilkan hasil positif (yaitu, memiliki
sifat) atau negatif (yaitu, tidak memiliki sifat). Hasil negatif untuk komposit menyiratkan
bahwa semua sampel komponennya negatif (yaitu, tidak terkontaminasi), sedangkan
hasil positif menyiratkan bahwa satu atau lebih sampel komponen positif. Ketika
komposit dibentuk dari sampel acak, ada hubungan yang diketahui antara proporsi
sampel komposit yang diharapkan positif dan proporsi sampel individu yang diharapkan
positif; hubungan ini memungkinkan proporsi sampel individu dengan sifat yang akan
diperkirakan berdasarkan proporsi diamati sampel komposit positif.

18.
 Aplikasi. 19.
Penggunaan sampel komposit untuk memperkirakan proporsi populasi, meskipun bukan merupakan praktik yang
umum, dapat menjadi sangat hemat biaya jika kondisi penggunaannya sesuai. Semua kondisi berikut harus berlaku jika
pengambilan sampel komposit untuk tujuan ini akan digunakan:

Informasi tentang sampel individu dan/atau lokasi spasial atau temporalnya tidak dianggap penting.
Biaya analitis relatif tinggi terhadap biaya yang terkait dengan pengambilan sampel, akuisisi sampel, penanganan
sampel, dan pengomposisian. Jika tidak, pengambilan sampel komposit tidak hemat biaya.
Proporsi populasi yang memiliki sifat yang akan diperkirakan kecil. Jika tidak, pengambilan sampel komposit tidak
akan hemat biaya.
Tidak ada kesulitan praktis yang menghambat pemilihan unit sampel acak.
Tidak ada kesulitan praktis dalam membentuk komposit yang sesuai (misalnya, sampel individu dapat
dihomogenisasi secara memadai).
Pengomposisian tidak akan mempengaruhi integritas sampel.
Kemungkinan kesalahan klasifikasi sampel komposit dapat diabaikan. Jika sifat yang diinginkan didasarkan pada
apakah analit ada atau tidak, maka kondisi ini menyiratkan bahwa sampel individu harus memiliki level "tinggi" atau
(pada dasarnya) level nol. Artinya, pengambilan sampel komposit dalam konteks ini akan bekerja dengan baik bila
ada perbedaan yang jelas antara unit-unit dengan dan tanpa sifat tersebut.
Manfaat. 20.
Manfaat menggunakan compositing untuk memperkirakan proporsi populasi
adalah penghematan biaya yang dapat dicapai. Sebagai contoh, misalkan
40 sampel komposit yang masing-masing terdiri dari 20 unit yang dipilih
secara acak dapat digunakan. Jika biaya analisis adalah $100 dan biaya
pengumpulan dan pengomposisian sampel masing-masing adalah $5,
maka total biaya (tidak termasuk biaya tetap, set-up) akan menjadi $8000
(40x$100 + 40x20x$5). Jika proporsi (tidak diketahui) unit positif dalam
populasi adalah 0,05, maka desain di atas diharapkan menghasilkan
interval kepercayaan 95% dengan lebar ±0,021. Jika seseorang memilih
untuk tidak menggunakan pengomposisian, lebih dari 300 sampel dan
analisis individu akan diperlukan untuk mencapai presisi yang hampir sama,
tetapi biayanya akan jauh lebih tinggi—lebih dari $31.500 (300x$105).
Keterbatasan. 21.
Batasan utama adalah yang tersirat dalam Ketentuan (4) sampai (7) di
Bagian 10.3.2. Perhatian khusus adalah kondisi (7) ketika ada/tidaknya
analit adalah sifat yang menarik, karena probabilitas kesalahan klasifikasi
dapat menjadi tidak dapat diabaikan karena efek pengenceran. Masalah
potensial lainnya adalah bahwa jumlah optimal unit yang akan digabungkan
ke dalam setiap komposit, berdasarkan pertimbangan statistik (lihat Bagian
10.3.5), mungkin terlalu besar untuk praktis [yaitu, kondisi (5) gagal
dipertahankan].
 Implementasi 22.
Untuk sampai pada kombinasi yang tepat dari m dan k, seseorang perlu memiliki
beberapa gagasan tentang nilai p maksimal yang diharapkan; juga, kita perlu
menentukan presisi dengan p yang akan diestimasi. Tabel 10-4 memberikan panduan
dalam memilih m dan k untuk memenuhi tingkat presisi yang ditentukan. Perhatikan
bahwa peningkatan m, jumlah komposit, meningkatkan presisi. Tabel menunjukkan k
optimal, dari sudut pandang presisi estimasi statistik, untuk nilai m dan p yang berbeda.

Jika p kecil, maka nilai k yang ditunjukkan mungkin terlalu besar untuk praktis, baik
karena kesulitan homogenisasi atau karena kekhawatiran tentang efek pengenceran
yang akan meniadakan asumsi kesalahan klasifikasi yang minimal. Tabel tersebut juga
memberikan perkiraan lebar interval kepercayaan 95% yang dapat dicapai dengan k
optimum. Protokol pengambilan sampel komposit untuk memperkirakan p juga dapat
diturunkan yang memperhitungkan biaya relatif pengumpulan sampel, penanganan,
pengomposisian, dan pengujian.
 Hubungan dengan Sampling Lainnya

Sampel acak sederhana harus digunakan dalam situasi ini;

jika tidak, hubungan antara p dan p* mungkin tidak berlaku.

23.
 Contoh.
Penerapan pengambilan sampel komposit untuk memperkirakan proporsi
akan terlihat pada tahap awal penyelidikan skala besar yang mencakup
sejumlah besar lokasi di mana setiap lokasi memiliki serangkaian lokasi
pengambilan sampel yang ditentukan (misalnya, titik yang ditentukan
oleh ukuran tetap kisi). Tujuannya adalah untuk mengidentifikasi subset
situs dengan proporsi tertinggi dan terendah (di seluruh titik grid) di mana
pengujian lebih lanjut atau tindakan perbaikan akan dilakukan. Jika
sampel individu dapat diawetkan sehingga alikuot berikutnya dapat
dipilih, maka penggunaan lain dari pengambilan sampel komposit, seperti
yang dijelaskan dalam Bagian 11.1 dan 11.2, dapat digunakan. Aplikasi
serupa akan menjadi bidang drum dengan potensi kontaminasi di
beberapa - situasi lain di mana memperkirakan proporsi kontaminasi
melalui pengambilan sampel komposit akan menjadi langkah pertama
dalam studi berulang.
24.
 Contoh.

25.
Lampiran 10.A MODEL BIAYA DAN VARIANSI UNTUK SAMPLING KOMPOSIT
BERTUJUAN UNTUK ESTIMASI MEAN

26.
Lampiran 10.A MODEL BIAYA DAN VARIANSI UNTUK SAMPLING KOMPOSIT
BERTUJUAN UNTUK ESTIMASI MEAN

Informasi tentang biaya dan varians yang dihadapi ketika memperkirakan

mean baik ketika sampel acak sederhana digunakan sendiri atau ketika
sampel komposit digabungkan dengan sampel acak.
Beberapa baris pertama dari Tabel 10-5 mencantumkan komponen biaya
tipikal yang terjadi. Dalam kasus pertama (sampling acak sederhana),
diasumsikan bahwa n sampel dianalisis secara individual, sedangkan pada
kasus kedua, diasumsikan bahwa n = km sampel dipilih, di mana m
adalah jumlah komposit (masing-masing terdiri dari k sampel ) dianalisis.
Ada tiga komponen biaya yang dipertimbangkan, selain biaya set-up
tetap, dan total biaya ditentukan dengan menambahkan komponen-
komponen ini bersama-sama, dibobot dengan tepat dengan jumlah
sampel atau analisis. 27.
Lampiran 10.A MODEL BIAYA DAN VARIANSI UNTUK SAMPLING KOMPOSIT
BERTUJUAN UNTUK ESTIMASI MEAN

Bagian bawah Tabel 10-5 mendefinisikan komponen varians yang

bersangkutan dan menunjukkan bagaimana mereka bergabung untuk
menghasilkan varians dari rata-rata yang diperkirakan untuk sampling
acak sederhana dan sampling acak sederhana dengan kasus compositing.
Untuk kasus terakhir, komponen yang relevan adalah: (1) variabilitas
yang melekat pada lokasi atau proses, (2) variabilitas yang terkait dengan
pengumpulan dan penanganan sampel, (3) variabilitas yang terkait
dengan proses pengomposisian, dan (4) variabilitas yang terkait dengan
semua aspek proses pengukuran. Dalam kebanyakan keadaan, (1) dan
(2) tidak dapat diestimasi secara terpisah dan oleh karena itu
diperlakukan sebagai satu.
28.
Lampiran 10.A MODEL BIAYA DAN VARIANSI UNTUK SAMPLING KOMPOSIT
BERTUJUAN UNTUK ESTIMASI MEAN

Jika nilai k optimal terlalu besar untuk implementasi praktis, k praktis

maksimum biasanya akan digunakan. Selanjutnya, nilai k yang lebih kecil dapat
digunakan jika m yang cukup besar diperlukan untuk memperkirakan secara
memadai ketepatan rata-rata yang diperkirakan. Dengan k “optimal”, seseorang
akan mengharapkan untuk mendapatkan perkiraan yang lebih tepat tetapi
mungkin tidak dapat memperkirakan presisi dengan baik. Oleh karena itu dalam
kasus-kasus di mana perkiraan presisi yang baik juga diperlukan—misalnya, jika
perkiraan interval kepercayaan akan dibuat atau pengujian hipotesis harus
dilakukan (karena ini bergantung pada perkiraan rata-rata dan kesalahan
standarnya)— seseorang harus mempertimbangkan untuk menggunakan k yang
lebih kecil jika itu adalah satu-satunya cara untuk mencapai jumlah komposit
yang memadai, m, untuk memperkirakan kesalahan standar.
29.