Nama : Nur Aini

Nim : 2208115
Subject : Statistika Terapan
Lecturer : Dr. Achmad Samsudin, S.Pd., M.Pd

Resume Materi Teknik Sampling Dan Distribusi Sampling

1. Pengertian Populasi dan Sampel

Populasi
Populasi yaitu keseluruhan individu atau objek yang diteliti dan memiliki beberapa
karakteristik yang sama. Karakteristik dari populasi, diantaranya:
 Keseluruhan pengamatan yang diteliti.
 Ada 2 macam, populasi terbatas dan tak terbatas.
 Ukuran populasi : banyaknya pengamatan (N)
 Karakteristik : ciri atau sifat dari populasi
 Parameter : hasil pengukuran karakteristik (μ dan σ)
 Sensus : cara mengumpulkan data
 Populasi memiliki variasi/sebaran yang luas.
 Penelitian eksperimen membutuhkan populasi yang relatif homogen.
 Semakin homogen populasi semakin meningkatkan validitas eksperimental.
 Kelemahan Populasi: Memerlukan biaya yang sangat mahal, Memerlukan waktu yang
lama, memerlukan tenaga dalam jumlah yang besar, dan Data yang diperoleh tidak
akurat.

Sampel
Sampel adalah sebagian dari populasi. Syarat pengambilan sampel adalah yang
representatif populasinya. Penggunaan sampel dalam penelitian eksperimen menggunakan
prinsip efisiensi. Dengan meneliti sedikit subjek, hasilnya dapat digunakan untuk
menggambarkan seluruh populasi. Karakteristik dari sampel, diantaranya:
 Mengambil sebagian anggota dari populasi
 Sampel ada 2, sampel besar dan sampel kecil
 Fungsinya untuk menyimpulkan atau mengetahui karakteristik atau parameter
dari populasi (potret /gambaran dari populasi)
 Ukuran sampel : banyaknya pengamatan (n)
 Statistik : hasil pengukuran karakteristik (X dan S)
  Sampling : cara mengumpulkan dataPenelitian eksperimen membutuhkan
populasi yang relatif homogen.
 Keuntungan Sampel: Memerlukan biaya yang lebih murah, Memerlukan waktu
yang lebih singkat, tenaga yang diperlukan lebih sedikit, dan Data yang
diperoleh lebih akurat.

Sampel harus representatif dengan ciri-ciri harus Mempunyai ukuran tertentu yang
memakai syarat, Mempunyai kesalahan kecil dan Dipilih dengan prosedur yang benar
berdasarkan Teknik atau cara sampling tertentu.

2. Teknik Sampling
Teknik sampling adalah merupakan teknik pengambilan sampel. Untuk menentukan
sampel yang akan digunakan dalam penelitian, terdapat berbagai teknik sampling yang
digunakan. Macam-macam teknik sampling:
a. Probability Sampling (pengambilan sampel berdasarkan peluang)
Probabillity Sampling adalah teknik pengambilan sampel yang memberikan peluang
yang sama bagi setiap unsur (anggota) populasi untuk dipilih menjadi anggota sampel.
Teknik ini meliputi:
1. Simple Random Sampling (pengambilan sampel secara acak)
Dikatakan simple (sederhana) karena pengambilan anggota sampel dari populasi
dilakukan secara acak tanpa memperhatikan strata yang ada dalam populasi itu.
Prosedur pengambilan sampel dalam suatu survei biasanya dilakukan tanpa
pengembalian. Pengambilan sampel tanpa pengembalian seperti ini disebut simple
random sampling (Bailey, 1982).
2. Propotionate Stratified Random Sampling
 Teknik ini digunakan bila populasi mempunyai anggota atau unsur yang tidak
homogen dan berstrata secara proporsional.
3. Disproportionate Stratified Random Sampling
Teknik ini digunakan untuk menentukan jumlah sampel,bila populasi berstrata tetapi
kurang proporsional.
4. Cluster sampling (Area Sampling)
Digunakan untuk menentukan sampel bila obyek yang akan diteliti atau sumber data
sangat luas, misal penduduk dari suatu negara, provinsi atau kabupaten. Arti cluster
adalah tandan, rumpun, atau kelompok. Berbeda dengan teknik-teknik sampling
sebelumnya, dalam teknik sampling ini yang menjadi unit sampling dalam kerangka
sampling adalah rumpun-rumpun, bukan unsur-unsur sampling itu sendiri. Oleh
karena itu, dengan teknik sampling ini, akan dilakukan pengambilan sampel lebih dari
satu tahap yang disebut multi-stage random sampling. Pada tahap pertama, dipilih
beberapa rumpun dari semua rumpun yang ada. Pada tahap kedua, dapat dipilih
rumpun-rumpun yang lebih kecil daripada rumpun yang sudah terpilih, atau dapat
langsung dipilih unsur-unsurnya, bergantung kepada sifat populasinya.

b. Nonprobability sampling (pengambilan sampel tidak berdasarkan peluang)

Nonprobability sampling adalah teknik pengambilan sampel yang tidak memberi
peluang atau kesempatan sama bagi setiap unsur atau anggota populasi untuk dipilih menjadi
sampel. Dengan demikian, sampel yang diambil tidak dapat dikatakan sebagai sampel yang
representatif sehingga sukar untuk melakukan generalisasi di luar sampel yang diteliti.
Teknik sampling ini meliputi :
1. Teknik sistematis
Teknik sistematis dalah teknik pengambilan sampel berdasarkan urutan dari anggota
populasi yang telah diberi nomer urut. Sampling kuota adalah teknik untuk
menentukan sampel dari populasi yang memiliki ciri-ciri tertentu sampai jumlah yang
di inginkan. Teknik ini mirip teknik stratified random sampling, kecuali tanpa
menggunakan teknik acak. Setiap lapisan dalam populasi harus mewakili dengan
proporsi yang sama seperti proporsi dalam populasinya. Dengan proporsi tersebut
maka jumlah unsur atau kuota untuk setiap lapisan dapat ditentukan. Siapa yang akan
diambil sebagai anggota sampel dari setiap lapisan (stratum), diserahkan kepada
pengumpul data, asalkan ia termasuk dalam lapisan yang bersangkutan dan jumlahnya
sesuai dengan yang telah ditetapkan sebelumnya.
2. Accidental sampling (pengambilan sampel secara kebetulan)
 Accidental sampling dalah teknik penentuan sampel berdasarkan kebetulan, yaitu
siapa saja yang secara kebetulan bertemu dengan peneliti dapat digunakan sebagai
sampel, bila dipandang orang yang kebetulan ditemui itu cocok sebagai sumber data.
Teknik ini juga disebut incidental sampling atau convenience sampling. Seperti
ditunjukan oleh namanya, orang yang diambil sebagai anggota sampel adalah mereka
yang kebetulan ditemukan atau mereka yang mudah ditemui atau di jangkau.
3. Sampling purposive
Sampling purposive adalah teknik penentuan sampel dengan pertimbangan tertentu.
Dalam teknik ini, siapa yang akan diambil sebagai anggota sampel diserahkan pada
pertimbangan pengumpul data yang menurut dia sesuai dengan maksud dan tujuan
penelitian. Jadi, pengumpul data yang telah diberi penjelasan oleh penelitiakan
mengambil siapa saja yang menurut pertimbangannya sesuai dengan maksud dan
tujuan penelitian.
4. Sampling jenuh
Sampling jenuh adalah teknik penentuan sampel bila semua anggota populasi
digunakan sebagai sampel. Hal ini sering dilakukan bila populasi yang relative kecil,
kurang dari 30 orang, atau penelitian yang ingin membuat generalisasi dengan
kesalahan yang sangat kecil. Istilah lain sampel jenuh adalah sensus, dimana semua
anggota populasi dijadikan sampel.
5. Snowball sampling (pengambilan sampel seperi bola salju)
Snowball adalah teknik penentuan sampel yang mula-mula jumlahnya kecil,
kemudian membesar. Dalam teknik ini, penugumpulan data dimulai dari beberapa
orang yang memenuhi kriteria untuk dijadikan anggota sampel. Mereka kemudian
mejadi sumber informasi tentang orang-orang lain yang juga dapat dijadikan anggota
sampel dan selanjutnya diminta menunjukkan orang lain lagi yang memenuhi kriteria
menjadi anggota sampel. Demikian prosedur ini dilanjutkan sampai jumlah anggota
sampel yang diinginkan terpenuhi.

3. Distribusi Sampling
Distribusi sampel adalah distribusi dari rata-rata atau proporsi sampel yang diambil
secara berulang-ulang (n kali) dari populasi. Ada sebanyak n rata-rata atau n nilai proporsi
dan distribusi dari rata-rata atau proporsi tersebut yang disebut sebagai distribusi sampel
(sampling distribution). Distribusi sampling menunjukkan distribusi dari nilai – nilai yang
berbeda statistik sampel atau penduga dari banyak sampel yang berukuran sama. Sebuah
statistic sampel akan berbeda – beda nilainya dari satu sampel ke sampel yang lain karena
adanya perbedaan sampling acak atau kesalahan sampling.

Ada empat jenis distribusi sampling yang akan dibahas, diantaranya : distribusi
sampling rata-rata (distribusi mean), Distribusi sampling Proporsi dan Distribusi sampling
standard deviasi (beda 2 rata-rata dan beda 2 proporsi).
a. Distribusi Sampling Rata-rata (Distribusi Mean)
Distribusi sampling rata-rata adalah distribusi probabilitas yang berisi daftar semua
rata-rata sampel yang mungkin jika kita mengambil sejumlah sampel dari populasi,
beserta dengan probabilitas setiap rata-rata sampel.
 Pemilihan sampel dari populasi terbatas:
Apabila sampel – sampel random beranggota n individu masing – masing diambil
dari suatu populasi yang mempunyai mean = µ dan standar deviasi = σ, maka
distribusi sampling harga mean akan mempunyai mean (mean of means)
danstandar deviasi (standard error of the means):
- Pengembalian sampel dengan pengembalian
μ x=μ
Keterangan:
σ x : Distribus sampel rata-rata
σ x=
√n μ: Sampel rata-rata
σ : Simpangan Baku
- Pengembalian sampel tanpa pengembalian
N: Banyaknya Populasi
μ x=μ n: Banyaknya sampel

σ x=
√
σ N −n
√ n N−1
 Pemilihan sampel dari populasi tidak terbatas:
Tetapi bila N banyaknya tak terhingga, atau N besar sekali relatif terhadap n (n/N
σ
≤ 5%), maka selalu dianggap bahwa sifat μ x=μ dan σ x= berlaku:
√n
n
- Pengembalian sampel dengan pengembalian , ≤ 5 %, berlaku:
N
Keterangan:
Z: Variabel acak
x : Distribus sampel rata-rata
μ: Sampel rata-rata
σ : Simpangan Baku
N: Banyaknya Populasi
n: Banyaknya sampel
 x −μ
x −μ Z=
Z= dan σ
σx
√n
n
- Pengembalian sampel tanpa pengembalian, >5 % , berlaku:
N
x−μ
x −μ Z=

√
Z= dan σ N−n
σx
√n N−1
DALIL LIMIT PUSAT: Dalam pemilihan sampel acak sederhana dengan ukuran n dari
suatu populasi yang berasal dari distribusi apapun (binomial, poisson, dll), maka distribusi
rata – rata sampel dapat didekati dengan distribusi probabilitas normal untuk ukuran sampel
yang besar (n ≥ 30).
Pada umumnya, normalitas dari distribusi sampling rata-rata disebut teorema limit
sentral dan dinyatakan sbb:
1. Jika populasi cukup besar dan berdistribusi secara normal maka distribusi
samplingnya akan normal.
2. Jika populasi tidak normal maka distribusi sampling rata-ratanya akan mendekati
normal, apabila jumlah sampel cukup besar, biasanya 30 atau lebih (n ≥ 30).
3. Distribusi normal dari rata-rata sampel memiliki rata-rata yang sama dengan rata-rata
harapan E( x ) dan simpangan baku σ x .

Sampling Distributions of x for n=30

b. Distribusi Sampling Proporsi
Distribusi sampling proporsi adalah distribusi dari proporsi (presentase) yang diperoleh
dari semua sampel sama besar yang mungkin dari satu populasi.
X Keterangan:
Proporsi dari populasi : p=
N P: Proporsi populasi
p: Proporsi sampel
X: Sampel yang mungkin
N : banyaknya populasi
n: banyaknya sampel
 X
Proporsi dari sampel : p=
n

Dapat digunakan untuk mengetahui perbandingan antara dua hal yang berkomplemen
(binomial) seperti % perokok dan bukan perokok, % pemilih dan bukan pemilih dalam
pemilu dsb.
Pada distribusi sampling proporsi berlaku hal-hal sbb:
1. Untuk pengambilan sampel dengan pengembalian atau Jika ukuran populasi
besar, n/N ≤ 5%, berlaku: Keterangan:

√ √
P(1−P) PQ σ p: Simp.baku distribusi populasi
μ p= p σ p= = P: proporsi kejadian sukses
n n
Q: proporsi kejadian gagal (1 – P)
n: banyaknya sampel
N: banyaknya populasi

2. Untuk pengambilan sampel tanpa pengembalian atau Jika ukuran populasi kecil,
n/N >5%, berlaku:

μ p= p σ p=
√ √ PQ N −n
n N−1
3. Daftar distribusi normal untuk distribusi sampling proporsi dapat ditentukan sbb:
p−P Keterangan:
Nilai z adalah: Z= Z : Distribusi sampling proporsi
σp
p: Proporsi sampel
P: proporsi kejadian sukses
σ p: Simp.baku

c. Distribusi Sampling Standar Deviasi (Beda 2 Rata-rata)

Distribusi Sampling Standar Deviasi (Beda 2 Rata-rata) adalah distribusi dari
perbedaan dua besaran rata-rata yang muncul dari sampel – sampel dua populasi.
Diperoleh dua sampel berukuran cukup besar (n≥30) yang diambil dari dua buah
populasi yang memiliki variansi populasi σ12 dan σ22
Jika rata-rata sampel adalah x 1dan x 2 maka distribusi selisih rata-rata sampel akan
memiliki rata-rata:
μ x − x =μ1−μ2
1 2

Dengan variansi:
2 2
2 σ1 σ 2
σ x −x = +
1 2
n1 n2
Sehingga bisa dinyatakan bahwa variabel normal standard Z:
 x 1−x 2−(μ1 −μ 2)
z=

√ σ 12 σ 22
+
n1 n2

d. Distribusi Sampling Standar Deviasi (Beda 2 Proporsi)

Distribusi Sampling Standar Deviasi (Beda 2 Proporsi) adalah distribusi dari perbedaan
dua besaran proporsi yang muncul dari sampel – sampel dua populasi.
Misal, terdapat dua populasi N1 dan N2 (binomial), kemudian diambil sampel random,
yaitu n1 dan n2 dengan P1 dan P2 maka beda antara kedua sampel proporsi (p1 dan p2)
akan membentuk suatu distribusi, yaitu distribusi sampling beda proporsi.
Pada distribusi sampling beda dua proporsi berlaku hal-hal sbb:
 Rata-rata:
μ p − p =P1 −P 2
1 2

 Simpangan Baku:

σ p −p =
1 2
√ P1 ( 1−P1 ) P2 (1−P 2)
n1
+
n2
 Jika n1 dan n2 (n1, n2 ≥ 30) cukup besar, distribusi sampling proporsi akan
pengmendekati distribusi normal, dengan variabel random standar yang rumus
Z-nya:
( p1 −p 2)−(P1−P2 )
z=
σ p −p 1 2

ukuran untuk melihat apakah

suatu
data statistik terdistribusi
secara normal atau tidak
ukuran untuk melihat apakah
suatu
data statistik terdistribusi
secara normal atau tida