PENDAHULUAN Penentuan Ukuran Contoh (PCAS, PCASys, PCAB)

Sampling error Non sampling error Perbedaan kondisi PCAS, PCASys, dan PCAB adalah sebagai berikut:
PCAS PCASys PCAB
Disebabkan pengaatan hanya sebagian dari Human error
seluruh populasi Butuh kerangka sampel Tdk butuh kerangka sampel Tdk butuh kerangka sampel
Pengambilan sampel Pengambilan sampel dengan Pengambilan sampel secara
Perbedaan contoh yg terpilih dan uk contoh Sangat sulit diukur secara acak memperhatikan jarak/interval acak sederhana pd tiap strata
Pemilihan contoh tdk sesuai dg kondisi Seringkali menjadi masalah besar Cocok digunakan u/ Cocok digunakan u/ populasi Cocok digunakan u/
populasi dibandingkan dg SE populasi yang kecil yang luas populasi yg luas
Sampel kurang Sampel belum tentu Sampel representif
representatif representatif
Prob.sampling: mempertimbangkan peluang. Non prob. Sampling: tdk mempertimbangkan
peluang.
Penduga untuk 𝝁 Penduga untuk 𝝉 Penduga untuk 𝒑
Prob.sampling Non prob.sampling
S 𝑁𝜎 2 𝑁𝜎 2 𝑁 𝑝𝑞
Pelung sama u/ semua elemen Peluang beda u/ elemen yg berbeda 𝑛= 𝑛= 𝑛=
(N − 1)𝐷 + 𝜎 2 (𝑁 − 1)𝐷 + 𝜎 2 (𝑁 − 1)𝐷 + 𝑝𝑞
Sampling unit hanya memuat 1unit Sampling unit berupa cluster 𝐵2 𝐵2
𝐵2 𝐷= 𝐷=
Pemilihan tidak berstrata Memerlukan strata 𝐷= 4𝑁 2 4
4
Seleksi scr acak Seleksi tidak acak
Sys 𝑁𝜎 2 𝑁𝜎 2 𝑁𝑝𝑞
Penarikan contoh satu tahap Penarikan contoh dua/lebih tahap 𝑛= 𝑛= 𝑛=
(𝑁 − 1)𝐷 + 𝜎 2 (𝑁 − 1)𝐷 + 𝜎 2 (N − 1)D + 𝑝𝑞
PCA, PCASys, PCAB, Cluster, PPS Purposive, acccidental, quota, snowball 𝐵2 𝐵2 𝐵2
𝐷= 𝐷= 𝐷= , 𝑝=1−𝑞
sampling, multi-stage smapling 4 4𝑁 2 4

PCAS B ∑𝐿𝑖=1 𝑁𝑖2 𝜎𝑖2 /𝑎𝑖 ∑𝐿𝑖=1 𝑁𝑖2 𝜎𝑖2 /𝑎𝑖 ∑𝐿𝑖=1 𝑁𝑖2 𝑝𝑖 𝑞𝑖 /𝑎𝑖
𝑛= 𝑛= 𝑛=
Penaksir rata-rata Penaksir total Est. Var. Rata. Pop. 𝑁 2 𝐷 + ∑𝐿𝑖=1 𝑁𝑖 𝜎𝑖2 𝑁 2 𝐷 + ∑𝐿𝑖=1 𝑁𝑖 𝜎𝑖2 𝑁 2 𝐷 + ∑𝐿𝑖=1 𝑁𝑖 𝑝𝑖 𝑞𝑖
1 𝑥 ′ = 𝑁𝑥̅ 𝑁 − 𝑛 𝑠2
𝑥̅ = ∑ 𝑥𝑖 ̂ (𝑥̅ ) = (
𝑣𝑎𝑟 )( )
𝑛 𝑁 𝑛
Est. Var. Pop Est. Var. Tot. Pop. Est. Var. Prop. Pop Terapan Bidang
1 𝑁 − 𝑛 𝑠2 𝑁 − 𝑛 𝑝𝑦 𝑞𝑦 PCAS PCASys PCAB
𝜎̂𝑥2 = (𝑁 − ) 𝑆𝑥2 ̂ (𝑥 ′ ) = 𝑁 2 (
𝑣𝑎𝑟 )( ) 𝑣𝑎𝑟
̂ (𝑝𝑦 ) = ( )( )
𝑁 𝑁 𝑛 𝑁 𝑛−1 Politik: Survei Pra Pariwisata: Survei Sosial: Survei Kepuasan
Pemilihan Gubernur dan Pengembangan Ekowisata Konsumen oleh BS
Wagub Jabar di Daerah Bahari Berbasis Masyarakat
PCASys Pemilihan Kota Bogor di Desa Bahoi
Definisi: unsur pertama dipilih scr acak lalu selanjutnya dipilih scr sistematis menurut pola.
Sosial: Survei Kepuasan UsahaPangan: Survei Kesehatan: Survei untuk
Lebih mudah diterapkan dalam penelitian berjumlah besar.
Program Vaksinasi Penyelenggaraan Makanan Mengidentifikasi Makanan
Est. Rata. Pop. Est. Prop. Pop. Est. Tot. Pop. COVID-19 dan Kepuasan Konsumen di Tabu di Sulsel
∑ 𝑦𝑖 ∑ 𝑦𝑖 𝜏̂ = 𝑁𝑦̅𝑠𝑦 Kantin Lt 2 RS UNAIR
𝑝̂ = 𝑦̅𝑠𝑦 = 𝑝̂ = 𝑦̅𝑠𝑦 =
𝑛 𝑛
Est. Var. Rata. Pop. Est. Var. Prop. Pop. Est. Var. Tot. Pop. Rumus Slovin (untuk N diket) Rumus Chocran (untuk N tdk diket)
𝑛 𝑠2 𝑛 𝑣̂(𝜏̂ ) = 𝑁 2 𝑣̂(𝜇̂ ) 𝑁 𝑛0 𝑡 2 𝑝𝑞
𝑣̂(𝑦̅𝑠𝑦 ) = (1 − ) (1 − ) 𝑝̂𝑠𝑦 𝑞̂𝑠𝑦 𝑛=
𝑣̂(𝑝̂𝑠𝑦 ) = 𝑁 𝑛= , 𝑛0 =
𝑁 𝑛 𝑛 𝑠𝑦̅ 2 1 + 𝑁𝑒 2 (𝑛 − 1) 𝑑2
𝑛−1 = 𝑁 2 (1 − ) ( ) 1+ 0
𝑁
𝑁 𝑛𝑠

PCAB
Definisi: penarikan sampel berdasarkan kriteria tertentu dimana populasi yg berukuran N dibagi
menjadi strata yang masing2 terdiri dari N1,N2,N3,...,NL. Dari setiap stratum diambil sampel
sebesar n1,n2,n3,...,nL secara independen
Est. Rata. Pop. Est. Total. Pop. Est. Prop. Pop.
𝑁𝑖 𝑦̅𝑖 𝜏̂ 𝑠𝑡 = 𝑁𝑦̅𝑠𝑡 ∑ 𝑁𝑖 𝑝̂𝑖
𝑦̅𝑠𝑡 = ∑ 𝑝̂𝑠𝑡 =
𝑁 𝑁
Est. Var. Rata. Pop. Est. Var. Total. Pop. Est. Var. Prop. Pop.
𝑉̂ (𝑦̅𝑠𝑡 ) 𝑉̂ (𝜏̂ 𝑠𝑡 ) 𝑉̂ (𝑝̂𝑠𝑡 )
𝑠𝑖2 𝑠𝑖2 𝑝̂𝑖 𝑞̂𝑖
= ∑ 𝑤𝑖2 [(1 − 𝑓𝑖 ) ( )] = ∑ 𝑁𝑖 (𝑁𝑖 − 𝑛𝑖 ) ( ) = ∑ 𝑤𝑖2 [(1 − 𝑓𝑖 ) ( )]
𝑛𝑖 𝑛𝑖 𝑛𝑖 − 1

Alokasi Sampel (PCAB)

Skema alokasi sampel terbaik dipengaruhi oleh: jumlah total elemen di setiap strata, variabilitas
pengamatan dlm setiap strata, biaya untuk mendapatkan obs dari setiap strata.
JENIS ALOKASI KONDISI
Sama 𝑁𝑖 = 𝑏𝑒𝑑𝑎 𝑝𝑖 /𝜎𝑖2 = 𝑠𝑎𝑚𝑎 𝑐𝑖 = −
Optimum 𝑁𝑖 = 𝑏𝑒𝑑𝑎 𝑝𝑖 /𝜎𝑖2 = 𝑏𝑒𝑑𝑎 𝑐𝑖 = 𝑏𝑒𝑑𝑎
Neyman 𝑁𝑖 = 𝑏𝑒𝑑𝑎 𝑝𝑖 /𝜎𝑖2 = 𝑏𝑒𝑑𝑎 𝑐𝑖 = 𝑠𝑎𝑚𝑎
Sebanding 𝑁𝑖 = 𝑏𝑒𝑑𝑎 𝑝𝑖 /𝜎𝑖2 = 𝑠𝑎𝑚𝑎 𝑐𝑖 = 𝑠𝑎𝑚𝑎

Jenis Penduga Rata Pop. Penduga Prop. Pop.

Sama 𝑘 ∑ 𝑁𝑖2 𝜎𝑖2 𝑘 ∑ 𝑁𝑖2 𝑝𝑖 𝑞𝑖 𝐵2
𝑛= 2 𝑛= 2 , 𝐷=
𝑁 𝐷 + ∑ 𝑁𝑖 𝜎𝑖2 𝑁 𝐷 + ∑ 𝑁𝑖 𝑝𝑖 𝑞𝑖 4
𝑛
𝑛𝑖 =
𝑘
Optimum 𝑁𝑖 𝜎𝑖 𝑁𝑖 √𝑝𝑖 𝑞𝑖
(∑ ) (∑ 𝑁𝑖 𝜎𝑖 (√𝑐𝑖 )) (∑ ) (∑ 𝑁𝑖 √𝑝𝑖 𝑞𝑖 (√𝑐𝑖 ))
√𝑐𝑖 √𝑐𝑖
𝑛= 𝑛=
𝑁 𝐷 + ∑ 𝑁𝑖 𝜎𝑖2
2
𝑁 2 𝐷 + ∑ 𝑁𝑖 𝑝𝑖 𝑞𝑖
𝑁𝑖 𝜎𝑖 𝑁𝑖 √𝑝𝑖 𝑞𝑖
√𝑐𝑖 √𝑐𝑖
𝑛𝑖 = 𝑛 𝑛𝑖 = 𝑛
𝑁𝜎
∑ 𝑖 𝑖 𝑁𝑖 √𝑝𝑖 𝑞𝑖
√𝑐𝑖 ∑
( ) ( √𝑐𝑖 )
Neyman (∑ 𝑁𝑖 𝜎𝑖 )2 (∑ 𝑁𝑖 √𝑝𝑖 𝑞𝑖 )
2
𝑛= 2 𝑛= 2
𝑁 𝐷 + ∑ 𝑁𝑖 𝜎𝑖2 𝑁 𝐷 + ∑ 𝑁𝑖 𝑝𝑖 𝑞𝑖
𝑁𝑖 𝜎𝑖
𝑛𝑖 = 𝑛 ( ) 𝑁𝑖 √𝑝𝑖 𝑞𝑖
∑ 𝑁𝑖 𝜎𝑖 𝑛𝑖 = 𝑛 ( )
∑ 𝑁𝑖 √𝑝𝑖 𝑞𝑖
Sebanding 𝑁 ∑ 𝑁𝑖 𝜎𝑖2 𝑁 ∑ 𝑁𝑖 𝑝𝑖 𝑞𝑖
𝑛= 𝑛=
𝑁 2 𝐷 + ∑ 𝑁𝑖 𝜎𝑖2 𝑁 2 𝐷 + ∑ 𝑁𝑖 𝑝𝑖 𝑞𝑖
𝑛 𝑛
𝑛𝑖 = 𝑁𝑖 𝑛𝑖 = 𝑁𝑖
𝑁 𝑁