Hasil Praktikum 4

PRAKTIKUM
TEKNIK SAMPLING DAN SURVEY

OLEH :
NAMA : NENENG JUNITA LANDE
NIM : F1A220017
KELOMPOK : I (SATU)

PROGRAM STUDI S1 STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS HALUOLEO
KENDARI
2022
Tujuan:
1) Mengenal Systematic random sampling
2) Membuat Systematic random sampling di R

Praktikum keempat membahas tentang Systematic random sampling.

Sys
n

y i
Y si = i =1

n
 N −nS
( )
2
V Y si =  
 N  n

( )
BG Y si = ta /2 n − 1S (Ysi2 )

• Penduga Total
n

y i
 si = NY si = N i =1

n
• Penentuan Ukuran Contoh:
N 22 
n=
( N − 1) G 2 + 22  2
1) Program 1
Contoh Kasus:
Seorang peneliti ingin mengetahui rata” penggunaan pulsa dalam suatu kota.
Dik: N = 1500. Peneliti menginginkan galat tidak lebih besar dari 5 pulsa
dengan taraf kepercayaan 95%, ragam pemakaian diperkirakan 225 atau
simpangan baku 15. Berapa ukuran contoh yang harus diambil agar spesifikasi
terpenuhi.
Manual:
Dik:
N = 1500
G= 5
Z=1.96
  2 = 225
N 22 
n=
( N − 1) G 2 + 22  2
1500. (1,96 ) .225
2

n=
(1500 − 1)( 5) (1,96 )
2 2
.225
n = 33,8
n = 34
Program:
> #Penarikan n untuk rata" populasi
> N=1500
> sig=15
> g=5
> alpha=0.05
> z=1.96
> n=(N*(z^2)*(sig^2))/(((N-1)*(g^2))+((z^2)*(sig^2)))
> #Maka selang penarikan contoh
> K=N/n
> K

Output:
> K
[1] 44.35578

Interpretasi:
Program diatas merupakan sebuah program penarikan sampel untuk rata-
rata populasi dan selang penarikan contohnya yang mana pada kasus diatas kita
sudah mengetahui nilai N, sig, g, alpha dan z dan untuk mencari ukuran
𝑁22 𝜎
sampelnya atau n kita menggunakan rumus 𝑛 = (𝑁−1)𝐺2+22𝜎2 , sehingga

didapatkan hasil yaitu k = 44.35578

2) Program 2
Kasus:
Peneliti ingin mengetahui proporsi pelanggan yang terkena denda tiap
bulan. Berdasarkan pengalaman setiap bulan diperkirakan sekitar 10% dari
pelanggan terkena denda dengan galat tidak lebih dari 2% dengan taraf
kepercayaan 90%. Tentukan n!
Manual
Dik:
N=1500
p=0,1
z=1,645
G=0,02
N 22 
n=
( N − 1) G 2 + 22  2
1500. (1,96 ) .225
2

n=
(1500 − 1)( 5) (1,96 )
2 2
.225
n = 33,8
n = 34
Program:
> #Pembuatan Fungsi Systematic
> systematic.sample= function(n,N){
+ k=floor(N/n)
+ ss=sample(k,1)
+ s=seq(length=n,from=ss, by=k)
+ return(s)
+ }

> #Penarikan sample sacara systematic

> sampel=systematic.sample(10,1000)
> #Buatkan data simulasi
> id=c(1:1000)
> x=abs(rnorm(1000))
> data=data.frame (id,x)
> data

> #Pembentukan Model Survei

> fpc.srs=rep(1000,100)
> des.srs=svydesign(id=~1,strata=NULL,data=ss,fpc=fpc.srs)
> ss.rows=systematic.sample(100,1000)
> ss.rows
> ss=data[ss.rows,]

> #Pendugaan Total

> svytotal(~x, design= des.srs)
> confint(svytotal(~x, design=des.srs))
> #Pendugaan rata-rata
> svymean (~x, design= des.srs)
> confint(svymean(~x, design= des.srs))
Output:
> data
id x
1 1 0.929823177
2 2 0.325978204
3 3 1.036347048
4 4 1.227184431
5 5 1.554188590
6 6 2.370460268
7 7 1.119947789
8 8 0.885832623
9 9 0.089587330
10 10 0.501630029
11 11 0.957227524
12 12 0.261802548
13 13 0.237590769
14 14 0.582616294
15 15 1.547064797
16 16 0.815416810
17 17 0.069518347
18 18 1.691732150
19 19 2.130378438
20 20 1.324285249
21 21 0.496142806
22 22 0.921192910
23 23 0.571790017
24 24 1.478072584
25 25 0.374252320
26 26 1.562929454
27 27 0.451596525
28 28 2.486333738
29 29 1.311040603
30 30 0.617286536
31 31 0.666388160
32 32 0.550434584
33 33 0.375259448
34 34 0.255200943
35 35 0.845422153
36 36 0.610165743
37 37 1.194390312
38 38 1.517303620
39 39 0.620351270
40 40 3.157243711
41 41 0.470703518
42 42 0.546390640
43 43 0.566328674
44 44 0.043346182
45 45 0.810060183
46 46 0.822288406
47 47 2.600537606
48 48 0.837395854
49 49 1.221118633
50 50 0.470223005
51 51 0.318031199
52 52 2.183372055
53 53 0.935187271
54 54 0.799070175
55 55 0.897783065
56 56 1.134934755
57 57 1.115336329
58 58 1.134834304
59 59 1.883684565
60 60 0.568094711
61 61 1.243792139
62 62 0.397059499
63 63 0.029336492
64 64 1.068740381
65 65 1.270894923
66 66 1.483912848
67 67 0.043057653
68 68 2.260834973
69 69 1.333554080
70 70 1.052530127
71 71 0.255180959
72 72 0.560349952
73 73 0.759696642
74 74 0.564438626
75 75 1.401272700
76 76 0.120632794
77 77 0.169029490
78 78 0.206164830
79 79 0.414625799
80 80 0.470181153
81 81 0.611599293
82 82 1.009946447
83 83 0.538339184
84 84 0.904587747
85 85 0.917852539
86 86 1.185201960
87 87 1.152448483
88 88 1.691079495
89 89 0.570223631
90 90 1.339089628
91 91 0.480540657
92 92 2.007924866
93 93 1.939063573
94 94 0.029295509
95 95 0.634918255
96 96 0.116321254
97 97 0.599455717
98 98 0.730243274
99 99 0.131552961
100 100 0.987120344
101 101 0.958523486
102 102 0.331728193
103 103 1.130523348
104 104 1.858330891
105 105 0.723872987
106 106 2.450328817
107 107 1.569531955
108 108 0.301782461
109 109 0.595332660
110 110 0.375463700
111 111 0.969647558
112 112 0.151290039
113 113 1.694432406
114 114 1.396198986
115 115 2.325342138
116 116 1.222885132
117 117 0.590655394
118 118 1.130523703
119 119 2.226955535
120 120 1.184856010
121 121 0.861706617
122 122 0.389396272
123 123 0.301400812
124 124 0.865300740
125 125 1.417867576
126 126 0.820808577
127 127 0.125966821
128 128 0.289447751
129 129 1.174276740
130 130 1.040703666
131 131 2.609232760
132 132 0.401846994
133 133 1.045112102
134 134 0.877645101
135 135 1.106337144
136 136 0.636850475
137 137 0.832985898
138 138 0.077202328
139 139 1.302117719
140 140 0.954026819
141 141 0.291178164
142 142 2.085487913
143 143 0.556358601
144 144 1.426602349
145 145 2.907236608
146 146 0.506948966
147 147 1.425283503
148 148 0.017164744
149 149 0.571098163
150 150 0.355316802
151 151 0.914151364
152 152 0.880689860
153 153 0.374975029
154 154 1.009606657
155 155 1.046196153
156 156 0.106008127
157 157 0.187572423
158 158 0.018316450
159 159 0.125884133
160 160 0.517449021
161 161 0.198145211
162 162 0.286591376
163 163 1.027334958
164 164 0.485210126
165 165 0.053882251
166 166 1.211767922
167 167 2.154481156
168 168 0.383763457
169 169 0.470207068
170 170 1.059828328
171 171 2.054958242
172 172 0.190487080
173 173 0.158661959
174 174 0.880276715
175 175 0.803746609
176 176 1.890418705
177 177 1.101694874
178 178 0.066430665
179 179 0.397947268
180 180 1.047724126
181 181 0.619355775
182 182 1.284019722
183 183 0.996152729
184 184 0.153779324
185 185 0.420385530
186 186 0.594041131
187 187 1.348050041
188 188 0.424737904
189 189 0.853901240
190 190 0.450004322
191 191 1.294198899
192 192 0.245398121
193 193 1.245925137
194 194 0.736486704
195 195 1.965427968
196 196 0.558075841
197 197 0.052188412
198 198 2.078793448
199 199 1.175445837
200 200 0.135627740
201 201 1.560520608
202 202 1.738820223
203 203 3.049471138
204 204 2.412855253
205 205 0.362152319
206 206 0.764770383
207 207 0.534577190
208 208 1.006544995
209 209 0.777412257
210 210 0.816803463
211 211 1.354284688
212 212 1.213322409
213 213 0.307260655
214 214 1.035931019
215 215 0.734911180
216 216 0.146376519
217 217 1.175976628
218 218 0.840001460
219 219 0.100283890
220 220 0.008836417
221 221 0.329853578
222 222 0.389395568
223 223 0.104793031
224 224 1.093524686
225 225 1.372920604
226 226 0.326198776
227 227 0.095048906
228 228 0.116255718
229 229 0.178452986
230 230 0.631279576
231 231 2.154916830
232 232 1.230418579
233 233 0.409019202
234 234 1.065987576
235 235 1.631539035
236 236 0.204311480
237 237 1.003172518
238 238 0.037693030
239 239 1.477885698
240 240 1.115025123
241 241 1.041796015
242 242 0.798901640
243 243 0.712647006
244 244 0.880697205
245 245 0.199779558
246 246 0.540333287
247 247 0.112721718
248 248 0.494240432
249 249 0.308452763
250 250 0.158801597
251 251 0.526772952
252 252 1.152404596
253 253 0.224604250
254 254 1.771441062
255 255 1.461743294
256 256 0.432425637
257 257 0.044189638
258 258 0.204917529
259 259 1.086829714
260 260 0.666895237
261 261 0.137462689
262 262 0.088727570
263 263 0.921313958
264 264 0.613184093
265 265 0.513080125
266 266 0.339175877
267 267 0.295341166
268 268 1.616726631
269 269 0.374707475
270 270 1.290119074
271 271 1.730071564
272 272 0.997204964
273 273 0.730894948
274 274 0.211520866
275 275 1.238574542
276 276 0.853569848
277 277 1.179569995
278 278 0.469083663
279 279 0.744182783
280 280 0.836429853
281 281 1.344428511
282 282 1.072242755
283 283 0.249044858
284 284 1.580556284
285 285 0.876227803
286 286 0.557127579
287 287 0.024611344
288 288 0.701205581
289 289 0.535765139
290 290 0.315846333
291 291 0.330611593
292 292 0.632843994
293 293 1.005688825
294 294 0.886290310
295 295 0.295136178
296 296 0.740694309
297 297 0.756397055
298 298 0.359105281
299 299 0.703973879
300 300 1.669734058
301 301 0.627719775
302 302 1.639721203
303 303 0.805874379
304 304 1.065649070
305 305 0.276091563
306 306 0.426871554
307 307 0.397017920
308 308 0.212073610
309 309 1.069881257
310 310 0.332569675
311 311 0.020062673
312 312 0.439271413
313 313 0.675844571
314 314 0.911025708
315 315 0.345352268
316 316 0.330211993
317 317 0.710962280
318 318 0.487679087
319 319 1.391478677
320 320 0.284259905
321 321 0.280912951
322 322 0.699351430
323 323 0.822138876
324 324 1.401606584
325 325 0.816823521
326 326 0.812571764
327 327 1.143181410
328 328 1.003877283
329 329 0.412761061
330 330 0.305052902
331 331 1.059433669
332 332 0.086669414
333 333 1.480695156
334 334 0.119532833
335 335 1.920256763
336 336 1.692838242
337 337 1.183951040
338 338 0.716033555
339 339 1.614104309
340 340 0.498860486
341 341 0.496728239
342 342 0.243454453
343 343 0.778716637
344 344 0.783215264
345 345 3.314590182
346 346 0.158203523
347 347 0.498409409
348 348 1.419090914
349 349 0.024274800
350 350 0.489187247
351 351 0.685444741
352 352 1.871522065
353 353 0.798697339
354 354 0.497508670
355 355 0.128220930
356 356 0.554173176
357 357 0.501472808
358 358 0.705365542
359 359 0.603752417
360 360 0.558478316
361 361 0.671352959
362 362 0.652410679
363 363 0.086342676
364 364 0.263391804
365 365 1.273225680
366 366 1.346144588
367 367 0.394446933
368 368 1.094830816
369 369 0.369698142
370 370 1.463351513
371 371 0.990784198
372 372 1.335933145
373 373 0.205865828
374 374 0.937375097
375 375 2.245303879
376 376 0.116305769
377 377 0.218874829
378 378 0.341220534
379 379 1.513824745
380 380 1.166511543
381 381 0.309741922
382 382 1.175979007
383 383 2.409493810
384 384 0.734618450
385 385 2.242327046
386 386 0.803924786
387 387 1.904501308
388 388 0.979152288
389 389 0.368329199
390 390 0.104221317
391 391 0.688866072
392 392 0.693022837
393 393 0.200398097
394 394 1.927409273
395 395 2.215276763
396 396 1.042310393
397 397 1.360957190
398 398 2.235511083
399 399 0.114956252
400 400 1.072201702
401 401 0.576641519
402 402 1.078432064
403 403 0.286323248
404 404 0.865310556
405 405 0.714769676
406 406 0.670876555
407 407 1.820645463
408 408 0.858193673
409 409 0.029674383
410 410 0.788417276
411 411 0.487714133
412 412 0.888599801
413 413 2.097394412
414 414 0.355871071
415 415 1.308616090
416 416 0.246203220
417 417 1.176088367
418 418 1.377562009
419 419 0.655566777
420 420 1.750068866
421 421 0.879085547
422 422 1.930735260
423 423 1.855566538
424 424 0.037171455
425 425 1.056191900
426 426 0.405513771
427 427 0.342690591
428 428 1.370104458
429 429 0.476559090
430 430 1.803212678
431 431 0.996450028
432 432 1.037486534
433 433 0.643827562
434 434 0.135788764
435 435 2.117887456
436 436 1.097228682
437 437 0.989703619
438 438 1.707716601
439 439 0.621266888
440 440 1.316502256
441 441 0.383120785
442 442 0.191145849
443 443 0.860383675
444 444 0.820671919
445 445 0.562486631
446 446 2.122695620
447 447 0.425208554
448 448 0.548736182
449 449 0.272553188
450 450 1.730097473
451 451 0.798200492
452 452 0.029306703
453 453 0.594837497
454 454 0.733700876
455 455 1.397732678
456 456 1.170043364
457 457 0.069421422
458 458 1.985173835
459 459 1.716260252
460 460 0.518373203
461 461 0.470770811
462 462 0.412790744
463 463 0.623439754
464 464 0.671802615
465 465 0.303049230
466 466 0.403988203
467 467 0.751033020
468 468 0.230433706
469 469 1.935282074
470 470 0.200319309
471 471 0.355053680
472 472 0.279322698
473 473 0.897295344
474 474 0.859195182
475 475 1.249630302
476 476 1.240518991
477 477 1.476815032
478 478 1.006800000
479 479 1.270853375
480 480 1.697705429
481 481 1.208886799
482 482 1.570782570
483 483 0.175368350
484 484 0.572128620
485 485 1.886219217
486 486 1.213965571
487 487 1.110032351
488 488 0.036511413
489 489 2.242972429
490 490 0.990280411
491 491 1.294069075
492 492 1.188126230
493 493 0.741321230
494 494 0.349514402
495 495 1.472150322
496 496 0.861049235
497 497 0.137098461
498 498 0.309257336
499 499 0.379603394
500 500 1.077701055
 [ reached 'max' / getOption("max.print") -- omitted 500 rows
]
> #Pembentukan Model Survei
> ss.rows
[1] 5 15 25 35 45 55 65 75 85 95 105 115 125 135
145 155 165 175 185
[20] 195 205 215 225 235 245 255 265 275 285 295 305 315 325
335 345 355 365 375
[39] 385 395 405 415 425 435 445 455 465 475 485 495 505 515
525 535 545 555 565
[58] 575 585 595 605 615 625 635 645 655 665 675 685 695 705
715 725 735 745 755
[77] 765 775 785 795 805 815 825 835 845 855 865 875 885 895
905 915 925 935 945
[96] 955 965 975 985 995
#Pendugaan Total
> svytotal(~x, design= des.srs)
total SE
x 811.95 57.234
> confint(svytotal(~x, design=des.srs))
2.5 % 97.5 %
x 699.7765 924.1292
#Pendugaan rata-rata
> svymean (~x, design= des.srs)
mean SE
x 0.81195 0.0572
> confint(svymean(~x, design= des.srs))
2.5 % 97.5 %
x 0.6997765 0.9241292

Interpretasi:
Program diatas merupakan sebuah program Pembuatan Fungsi
Systematic, Penarikan sample sacara systematic, Pembentukan Model Survei,
pendugaan total dan Pendugaan rata-rata. Yang mana pada kasus diatas kita
sudah mengetahui nilai N, galat, dan taraf kepercayaannya sebesar 90% dan
untuk mencari ukuran sampelnya atau n kita menggunakan rumus 𝑛 =
𝑁22 𝜎
(𝑁−1)𝐺 2 +22 𝜎 2
.