PENGAMBILAN SAMPEL
RIFZI DEVI NURVITASARI, S.Tr.Keb., M.Keb.
Objektif :
POPULASI
AKSES
SAMPEL
Advantages and Disadvantages of
sample
Advantages : Disadvantages :
Obtaining result quickly Sampling error
Reduce sources demand Create discrimination
May lead to better feeling among population
accuracy Not recommended when
Precise allowance can be all data are legally
made required
Sampling bias and chance
Sampling bias
Error yang bersumber dari karakteristik sampel
Chance
Variasi dari sampel random yang dapat menimbulkan
kesalahan penafsiran terhadap populasi
Chance. A
Chance. C
bias Chance. B
Chance. D
True Sample
value value
SAMPLING METHODS
IDENTITAS SETIAP
ANGGOTA POPULASI SAMPLING FRAME
PILIH SAMPEL ( n ) :
-UNDIAN
-TABEL RANDOM
SAMPEL
(n)
Simple Random Sampling
Kelemahan :
• Kesulitan mendapatkan
Kelebihan :
sampling frame
• Anggota populasi memiliki
• Populasi besar → sulit
peluang sama sbg sampel.
• Jumlah sample banyak →
• Lebih objektif
perlu waktu lama.
• Mudah
• Kemungkinan untuk
terpilihnya sampel sedikit
pada wilayah yang jauh
(lokasi subjek), sehingga tidak
efektip dan efisien
SYSTEMATIC RANDOM
POPULASI ( N )
YANG DIMINATI
IDENTITAS SETIAP
ANGGOTA POPULASI SAMPLING FRAME
SAMPLING FRACTION
PILIH SAMPEL ( n )
SAMPEL
(n)
Systematic Random
Kelebihan :
• Seperti Simpel random Kelemahan :
• Lebih cepat dari simple • Seperti Simpel random
random
STRATIFIED RANDOM SAMPLING
POPULASI ( N )
YANG DIMINATI
IDENTITAS SETIAP
ANGGOTA POPULASI
STRATIFIKASI
STRATA
ANGGOTA POPULASI
PROPORTIONAL
Kelemahan :
Kelebihan :
- Sering tidak jelas batas antar
- masing strata dapat terwakili strata
sebagai sampel
- Sampling Frame sulit disusun
CLUSTER RANDOM
Susun
Sampling 1 2 3 4
frame
8 7 6 5
Kelebihan : Kelemahan :
- Efektifitas dan efisiensi - Pada wilayah populasi yang
- sangat representatip besar sulit membagi cluster
Multistage Random
n2 n3 SAMPEL
n1
Non Random sampling
PENDAHULUAN :
Tujuan :
▪ Mempelajari distirbusi sampling dari sebuah statistik
▪ Prinsip dasar distribusi sampling rata-rata
▪ Prinsip dasar distribusi sampling proporsi
∑(𝑥) ∑𝑥−𝜇 2
𝑀𝑒𝑎𝑛 = 𝜇 = 𝑆𝑡𝑎𝑛𝑑𝑎𝑟 𝑑𝑒𝑣𝑖𝑎𝑠𝑖 = 𝜎 =
𝑁 𝑁
Contoh 1
Populasi : 1 2 5
Sampel :
1 1 2 1 5 1
1 2 2 2 5 2
1 5 2 5 5 5
Perhitungan untuk populasi :
1+2+5
𝑀𝑒𝑎𝑛 = 𝜇 = = 2,7
3
Standar deviasi mengukur bagaimana nilai-nilai data tersebar. Bisa juga didefinisikan sebagai, rata-rata
jarak penyimpangan titik-titik data diukur dari nilai rata-rata data tersebut.
Perhitungan sampel, contoh untuk
sampel 1,1.
1 +1
𝑀𝑒𝑎𝑛 = =1
2
1 +1
𝑀𝑒𝑑𝑖𝑎𝑛 = =1
2
2
∑ 𝑥−𝜇 (1 − 1)2+(1 − 1)2
𝑉𝑎𝑟𝑖𝑎𝑛𝑠 = 𝜎2 = = =0
𝑁 2
∑ 𝑥−𝜇 2
𝑆𝑡𝑎𝑛𝑑𝑎𝑟 𝑑𝑒𝑣𝑖𝑎𝑠𝑖 = 𝜎 = = 0=0
𝑁
Perhitungan sampel diperoleh data berikut ini :
Rangkuman dari tabel sebelumnya :
Diberikan sebuah populasi dengan N = 3, yakni terdiri atas 1, 2, dan 5. Dua bilangan
tersebut adalah bilangan ganjil dan satu bilangan yang lain adalah bilangan genap.
Apabila diambil sampel dua bilangan, maka tentukan distribusi sampling proporsi
untuk bilangan ganjil! Tentukan mean dan bandingkan nilainya dengan parameter
populasinya.
Perhitungan untuk populasi :
Pada umumnya, normalitas dari distribusi sampling rata-rata disebut teorema limit
sentral dan dinyatakan sebagai berikut :
1. Jika populasi tidak terdistribusi secara normal, untuk sampel dengan jumlah n>30,
distribusi sampling dapat diasumsikan mendekati distribusi normal.
2. Jika populasi cukup besar dan berdistribusi secara normal maka distribusi
samplingnya akan normal.
Berlaku rumus berikut ini:
Mean : 𝜇𝑥− = 𝜇
𝜎
Standar deviasi : 𝜎𝑥− =
𝑛
Contoh 3
Jumlah angka (0-9) tidak terdistribusi secara normal, jumlah angka hampir sama dari
0-9.
Sedangkan, distribusi sampling rata-rata (x)
dari 50 sampel sebagai berikut :
Rata-rata angka dari sampel tersebut terdistribusi secara normal. Pada teori limit
sentral, n>30 dapat diasumsikan terdistribusi normal. Pada contoh 3 ini, dengan n =
4 memiliki distribusi normal.
Semakin besar ukuran sampel (n), distribusi sampling rata-rata mendekati
distribusi normal.
Aplikasi Teori Limit Sentral
𝑥 ̅−𝜇−
▪ When working with a mean for some sample (or group), 𝑧 = 𝜎−
Contoh 4
Sistem keamanan pada Gondola yaitu kapasitas maksimum 12 orang dan berat
maksimum 2400 lb. Kapasitas akan melebihi batasannya jika 12 orang tersebut
memiliki berat rata-rata melebihi 2400 lb/12 = 167 lb. Dikarenakan laki-laki memiliki
berat yang lebih besar dibandingkan perempuan, “kejadian buruk” jika 12 orang
tersebut semuanya laki-laki. Laki-laki memiliki berat yang terdistribusi normal dengan
rata-rata 172 lb dan standar deviasi 29 lb (National Health Survey).
a. Tentukan probabilitas satu orang laki-laki (naik Gondola) dan memiliki berat lebih
besar dari 167 lb
b. Tentukan probabilitas 12 orang laki-laki (naik Gondola) dan memiliki berat rata-
rata lebih besar dari 167 lb (sehingga berat total melebih barat maksimum
gondola)
a.
𝑥−𝜇
𝑧=
𝜎
167 − 172
𝑧= = −0,17
29
Berdasarkan Tabel A-2, z = -0,17 diperoleh nilai 0,4325 (slide berikutnya) dan grafik
berikut:
Sehingga, probabilitas laki-laki
(naik Gondola) memiliki berat
𝜇𝜎 = 𝜇29=
𝑥
−
𝜎 29
𝜎𝑥− = = = 8,31758
𝑛 12
Rata-rata temperatur badan suatu populasi sebesar 98,6°F. Standar deviasi populasi
0,62°F (University of Maryland). Jika ukuran sampel n = 106, tentukan probabilitas
rata-rata diperoleh 98,2°F atau kurang.
Ukuran sampel n sebesar 106, sehingga lebih dari
30 sehingga digunakan teori limit sentral.
𝜇𝑥− = 𝜇 = 98,6
𝜎 0,62
𝜎𝑥− = = = 0,0602197
𝑛 106
𝜎 𝑁−𝑛
𝜎𝑥− =
𝑛 𝑁−1
TERIMA KASIH