Populasi dan sampel

– Populasi adalah wilayah generalisasi yang terdiri atas: obyek/subyek yang mempunyai
kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan
kemudian ditarik kesimpulannya.

– Jadi populasi bukan hanya orang, tetapi juga obyek dan benda-benda alam yang lain.
Populasi juga bukan sekedar jumlah yang ada pada obyek/subyek yang dipelajari, tetapi
meliputi seluruh karakteristik/sifat yang dimiliki oleh subyek atau obyek yang diteliti.

– Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi.

– Bila populasi besar, dan peneliti tidak mungkin mempelajari semua yang ada pada
populasi, misalnya karena keterbatasan dana, tenaga dan waktu, maka peneliti dapat
menggunakan sampel yang diambil dari populasi itu.

– Apa yang dipelajari dari sampel, kesimpulannya akan dapat diberlakukan untuk populasi.
 sampel yang diambil dari populasi harus betul-betul representatif (mewakili).

Teknik sampling

Probability Sampling

Probability sampling adalah teknik pengambilan sampel yang memberikan peluang yang sama bagi
setiap unsur (anggota) populasi untuk dipilih menjadi anggota sampel.

1. Simple random sampling

Dikatakan simple (sederhana) karena pengambilan anggota sampel dari populasi dilakukan
secara acak tanpa memperhatikan strata yang ada dalam populasi itu.  dilakukan apabila
anggota populasi dianggap homogen.

Populasi homogen / relatif homogen > Diambil secara random > Sampel yang refresentatif

2. Proportionate stratified random sampling

Teknik ini digunakan apabila populasi mempunyai anggota/unsur yang tidak homogen dan
berstrata secara proposional.

3. Dispropportionate stratified random sampling

Teknik ini digunakan untuk menentukan jumlah sampel, bila populasi berstrata tetapi
kurang proposional.

4. Area/Cluster sampling (sampling menurut daerah)

 Teknik sampling daerah digunakan untuk menentukan sampel bila obyek yang diteliti atau
sumber data sangat luas, misal penduduk dari suatu negara, propinsi atau kabupaten.

Untuk menentukan penduduk mana yang akan dijadikan sumber data, maka pengambilan
sampel ditetapkan secara bertahap dari wilayah yang luas (negara) sampai ke wilayah
terkecil (kabupaten). Setelah terpilih sampel terkecil, kemudian baru dipilih sampel secara
acak.

 Populasi daerah (diambil secara random) > tahap I: sampel daerah (diambil secara
random) > tahap II: sampel individu

Non-Probability Sampling

Non Probability sampling adalah teknik pengambilan sampel yang tidak memberi
peluang/kesempatan sama bagi setiap unsur atau anggota populasi untuk dipilih menjadi sampel.

1. Sampling sistematis

Sampling sistematis adalah teknik pengambilan sampel berdasarkan urutan dari anggota
populasi yang telah diberi nomor urut.

2. Sampling kuota

Sampling kuota adalah teknik untuk menentukan sampel dari populasi yang mempunyai
ciri-ciri tertentu sampai jumlah (kuota) yang diinginkan.

3. Sampling incidental

Sampling insidental adalah teknik penentuan sampel berdasarkan kebutuhan, yaitu siapa
saja yang secara kebetulan/insidental bertemu dengan peneliti dapat digunakan sebagai
sampel, bila dipandang orang yang kebetulan ditemui itu cocok sebagai sumber data.
 4. Purposive sampling

Purposive sampling adalah teknik penentuan sampel dengan pertimbangan tertentu.

Misalnya akan melakukan penelitian tentang kualitas makanan, maka sampel sumber
datanya adalah orang yang ahli makanan.  sampel ini cocok digunakan untuk penelitian
kualitatif, atau penelitian-penelitian yang tidak melakukan generalisasi.

5. Sampling jenuh

Sampling jenuh adalah teknik penentuan sampel bila semua anggota populasi digunakan
sebagai sampel.

6. Snowball sampling

Snowball sampling adalah teknik penentuan sampel yang mula-mula jumlahnya kecil,
kemudian membesar.

Tabel 1.1 Penentuan Jumalah Sampel dari Populasi Tertentu

Dengan Taraf Kesalahan 1%, 5%, dan 10%

Contoh menentukan ukuran sampel

– Akan dilakukan sebuah penelitian untuk mengetahui tanggapan kelompok masyarakat

terhadap pelayanan yang diberikan pemerintah daerah tertentu. Kelompok masyarakat itu
terdiri 1.000 orang, yang dikelompokkan berdasarkan jenjang pendidikan, yaitu lulusan S1
= 50, D3 = 300, SMA = 500, SMP = 100, SD = 50 (populasi berstrata).

– Dengan menggunakan tabel 1.1, bila jumlah populasi = 1.000, kesalahan = 5%, maka
jumlah sampelnya = 258.

Roscoe dalam bukunya Research Methods for Business (1982)

1. Ukuran sampel yang layak dalam penelitian adalah antara 30 sampai dengan 500

2. Bila sampel dibagi dalam kategori (misalnya: pria-wanita, PNS-swasta, dll) maka jumlah
anggota sampel setiap kategori minimal 30

3. Bila dalam penelitian akan melakukan analisis dengan multivariate (korelasi atau regresi
ganda), maka jumlah anggota sampel minimal 10 kali dari jumlah variabel yang diteliti.
 4. Untuk penelitian eksperimen yang sederhana, yang menggunakan kelompok eksperimen
dan kelompok kontrol, maka jumlah anggota sampel masing-masing kelompok antara 10
s/d 20

Rumus slovin

– Apabila jumlah populasi sudah diketahui besaran jumlahnya, penentuan besar sampel bisa
ditentukan dengan menggunakan rumus slovin.

N
n= 2
1+ N e

Dimana:

n = jumlah sampel

N = jumlah seluruh populasi

e = toleransi error

Hipotesis
Dalam statistik, hipotesis diartikan sebagai pernyataan statistik tentang parameter populasi.

Statistic adalah Ukuran yang dikenakan pada sampel (rata-rata, simpangan baku, varians, koefisien
korelasi)

Parameter adalah Ukuran yang dikenakan pada populasi (rata-rata, simpangan baku, varians,
koefisien korelasi)

Hipotesis adalah taksiran terhadap parameter populasi, melalaui data-data sampel.

• Dalam penelitian, hipotesis diartikan sebagai jawaban sementara terhadap rumusan

masalah penelitian,

• Rumusan masalah adalah Berupa pernyataan hubungan dua variabel atau lebih,
perbandingan (komparasi), atau variabel mandiri (deskripsi)

• Dalam statistik dan penelitian terdapat dua macam hipotesis, yaitu hipotesis nol dan
hipotesis alternatif.

• Pada statistik, hipotesis nol diartikan sebagai tidak adanya perbedaan antara parameter
dengan statistik, atau tidak adanya perbedaan antara ukuran populasi dan ukuran sampel.
Hipotesis nol (peneliti tidak mengharapkan adanya perbedaan data populasi dengan
sampel).
• Sedangkan hipotesis alternatif adalah lawannya hipotesis nol. Hipotesis alternatif (peneliti
mengharapkan adanya perbedaan data populasi dengan sampel)

• Secara ringkas hipotesis dalam statistik merupakan pernyataan statistik tentang parameter
populasi, sedangkan hipotesis dalam penelitian merupakan jawaban sementara terhadap
rumusan masalah pada suatu penelitian.

• Menurut tingkat eksplanasi hipotesis yang akan diuji, maka rumusan hipotesis dapat
dikelompokkan menjadi tiga macam, yaitu:

1. Hipotesis deskriptif
• Hipotesis deskriptif adalah dugaan tentang nilai suatu variabel mandiri, tidak membuat
perbandingan atau hubungan.
• Contoh:
 Rumusan masalah
1. Seberapa tinggi daya tahan lampu merk X?
2. Seberapa baik gaya kepemimpinan di lembaga X?
 Pernyataan hipotesis
1. Daya tahan lampu merk X = 800 jam
2. Gaya kepemimpinan di lembaga X telah mencapai 70% dari yang diharapkan
Dalam perumusan hipotesis statistik, antara hipotesis nol (H 0) dan hipotesis alternatif (Ha)
selalu berpasangan, bila salah satu ditolak, maka yang lain pasti diterima sehingga dapat
dibuat keputusan yang tegas, yaitu H 0 ditolak pasti Ha diterima.
Contoh 1:
Seorang peneliti menyatakan bahwa daya tahan lampu merk X = 800 jam. Maka hipotesis
statistiknya adalah:
H0 : 𝓊 = 800 jam
Ha : 𝓊 ≠ 800 jam
Contoh 2:
Seorang peneliti menyatakan bahwa daya tahan lampu merk A = 450 jam dan B = 600 jam.
Hipotesis statistiknya adalah:
Lampu A Lampu B
H0 : 𝓊 = 450 jam H0 : 𝓊 = 600 jam
Ha : 𝓊 ≠ 450 jam Ha : 𝓊 ≠ 600 jam
2. Hipotesis kompratif
• Hipotesis komparatif adalah pernyataan yang menunjukkan dugaan nilai dalam satu
variabel atau lebih pada sampel yang berbeda.
• Contoh:
 Rumusan masalah
 1. Apakah ada perbedaan daya tahan lampu merk A dan B?
 Hipotesis
H0 : 𝓊1 = 𝓊2  tidak terdapat perbedaan daya tahan lampu antara lampu merk A
dan B
H0 : 𝓊1 ≠ 𝓊2  terdapat perbedaan daya tahan lampu antara lampu merk A dan B

3. Hipotesis hubungan (asosiatif)

• Hipotesis asosiatif adalah suatu pernyataan yang menunjukkan dugaan tentang hubungan
antara dua variabel atau lebih.
• Contoh:
 Rumusan masalah
1. Apakah ada hubungan antara gaya kepemimpinan degan efektivitas kerja?
 Hipotesis
H0 : 𝓊1 = 𝓊2  tidak terdapat hubungan antara gaya kepemimpinan dengan
efektivitas kerja
H0 : 𝓊1 ≠ 𝓊2  terdapat hubungan antara gaya kepemimpinan dengan efektivitas
kerja

Pada dasarnya menguji hipotesis itu adalah menaksir parameter populasi berdasarkan data
sampel. Terdapat dua cara menaksir yaitu: a point estimate dan interval estimate atau
sering disebut confidence interval.

Interval estimate adalah Suatu taksiran parameter populasi berdasarkan nilai interval data
sampel.

A point estimate adalah Suatu taksiran parameter populasi berdasarkan satu nilai data
sampel.

Statistik parametris

• Statsitik parametris yang dapat digunakan untuk menguji hipotesis

deskriptif bila datanya interval atau rasio adalah t-test 1 sampel.

• Pada statistik parametris terdapat dua rumus yang dapat digunakan

untuk pengujian yaitu rumus t (apabila simpangan baku populasi tidak
diketahui) dan rumus z (apabila simpangan baku populasi dikehatui).
Simpangan baku sampel dapat dihitung berdasarkan data yang telah
terkumpul.
 • Karena pada dasarnya simpangan baku populasi jarang diketahui maka
rumus yang sering digunakan yaitu rumus t-test.

• Terdapat dua pengujian hipotesis deskriptif, yaitu dengan uji dua pihak
(two tail test) dan uji satu pihak (one tail test). Uji satu pihak ada dua
macam yaitu uji pihak kanan dan uji pihak kiri. Jenis uji mana yang akan
digunakan tergantung pada bunyi kalimat hipotesis.

• Rumus yang digunakan untuk menguji hipotesis deskriptif (satu

sampel) yang datanya interval atau rasio, sebagai berikut:
x−u0
• t= s
√n
• Dimana:

t = nilai yang dihitung, selanjutnya disebut t hitung

x = rata-rata xi

𝓊0 = nilai yang dihipotesiskan

s = simpangan baku

n = jumlah anggota sampel

Pengujian Hipotesis Deskriptif

• Langkah-langkah dalam pengujian hipotesis deskriptif:

1. Menghitung rata-rata data

2. Menghitung simpangan baku

3. Menghitung harga t

4. Melihat t tabel

5. Menggambar kurva

6. Meletakkan kedudukan t hitung dan t tabel dalam kurva yang telah dibuat
 7. Membuat keputusan pengujian hipotesis

Pengujian Hipotesis Komparatif

 Menguji hipotesis komparatif berarti menguji parameter populasi yang berbentuk
perbandingan melalui ukuran sampel yang juga berbentuk perbandingan.

Model komparasi: komparasi antar dua sampel, komparasi antar lebih dua sampel

Berkorelasi dan tidak berkolerasi

Sampel berkorelasi

 Biasanya dalam desain eksperimen.

 Contoh: dalam membuat perbandingan kemampuan kerja pegawai sebelum dilatih dengan
yang sudah dilatih.

Sampel independent

 Sampel yang tidak berkaitan satu sama lain.

 Contoh: membandingkan kemampuan kerja lulusan SMA dengan SMK.

Berbagai teknik untuk menguji hipotesis komparatif

Uji dua pihak (two tail)

  Pada uji dua pihak bila rumusan hipotesis nol dan alternatifnya berbunyi sebagai berikut:

H0 : Tidak terdapat perbedaan (ada kesamaan) produktivitas kerja antara pegawai yang mendapat
kendaraan dinas dengan yang tidak  (𝓊1 = 𝓊2)

Ha : Terdapat perbedaan produktivitas kerja antara pegawai yang mendapat kendaraan dinas
dengan yang tidak  (𝓊1 ≠ 𝓊2)

Uji pihak kiri (one tail)

 Uji pihak kiri digunakan apabila rumusan hipotesis nol dan alternatifnya adalah sebagai
berikut:

H0 : Prestasi belajar siswa SMA yang masuk sore hari lebih besar atau sama dengan yang masuk
pagi  (𝓊1 ≧ 𝓊2)

Ha : Prestasi belajar siswa SMA yang masuk sore hari lebih rendah dari yang masuk pagi hari (𝓊1
< 𝓊2)

Uji pihak kanan (one tail)

 Uji pihak kanan digunakan apabila rumusan hipotesis nol dan alternatifnya berbunyi
sebagai berikut:

H0 : Disiplin kerja pegawai swasta lebih kecil atau sama dengan pegawai negeri  (𝓊1 ≤ 𝓊2)

Ha : Disiplin kerja pegawai swasta lebih besar sari pegawai negeri  (𝓊1 > 𝓊2)

Sampel berkorelasi

 Statistik Parametris

 t-test

Statistik parametris yang digunakan untuk menguji hipotesis komapratif rata-rata dua sampel
bila datanya berbentuk interval atau rasio aadalah menggunakan t-test.

Rumus t-test:

x 1−x 2

√ ( )( √ )
2 2
t= s1 s2 s s2
+ −2r 1
n1 n 2 √ n1 n2

Dimana:

x 1 : rata-rata sampel 1
x 2 : rata-rata sampel 2

S1 : simpangan baku sampel 1

S2 : simpangan baku sampel 2

2
s1 : varians sampel 1
2
s2 : varians sampel 2

r : korelasi antara dua sampel

REGRESI

Perhatian utama regresi pada dasarnya adalah menjelaskan dan mengevaluasi hubungan antara suatu
variabel dependen dengan satu atau lebih variabel independen.

• Tujuannya untuk megestimasi dan/atau nilai rata-rata variabel dependen berdasarkan nilai veriabel
independen yang diketahui.

• Manfaat dari hasil analisis regresi adalah untuk membuat keputusan apakah naik dan menurunnya
variabel dependen dapat dilakukan melalui peningkatan variabel independen atau tidak.

Regresi dibagi menjadi dua yaitu regresi sederhana dan regresi berganda

Regresi Linier Sederhana

• Regresi linier sederhana didasarkan pada hubungan fungsional ataupun kausal satu variabel
independen dengan satu variabel dependen.

• Persamaan umum regresi linier sederhana adalah:

^ = a + bX
Y
Dimana:

^ : subyek dalam variabel dependen yang diprediksikan

Y
a : harga Y ketika harga X = 0 (harga konstanta)

b : angka arah atau koefisien regresi, yang menunjukkan angka peningkatan atau penurunan variabel
dependen yang didasarkan pada perubahan variabel independen. Bila (+) arah garis naik, dan bila (-) maka
arah garis turun.

X : subyek pada variabel independen yang mempunyai nilai tertentu.

• Harga a dan b dapat dicari dengan rumus sebagai berikut:

a = ¿¿

b=n ∑ X i Y i−¿ ¿ ¿
Contoh:

Pengaruh kualitas layanan terhadap penjualan

Tabel 1.1

Nilai Kualitas Layanan dan Nilai Rata-rata Penjualan

Barang

NTabel
Kualitas Layanan
Untuk(X) Penjualan Barang
Penolong Menghitung Regresi
o (Y)

1 10 23
No X Y XY X2 Y2
2 2 7
1 10 23 230 100 529
3 4 15
2 2 7 14 4 49
4 6 17
3 4 15 60 16 225
5 8 23
4 6 17 102 36 289
6 7 22
5 8 23 184 64 529
7 4 10
6 7 22 154 49 484
8 6 14
7 4 10 40 16 100
9 7 20
8 6 14 84 36 196
10 6 19
9 7 20 140 49 400

10 6 19 114 36 361

Jumlah 60 170 1122 406 3162

• a = ¿¿ b = n ∑ X i Y i−¿ ¿ ¿
( 170 )( 406 )−(60)(1122) 10 ( 1122 ) −(60)(170)
= =
10( 406)−(60)2 10 ( 406 )−(60)
2

69020−67320 11220−10200
= =
4060−3600 4060−3600
1700 1020
= =
460 460
= 3,70

= 2,22 • Y = 3,70 + 2,22 (10)

• Y = 3,70 + 2,22 X = 25,9

 Kesimpulan:

- Apabila X=0 maka nilai penjualan sebesar 3,70

 - Apabila ada penambahan 1 kualitas layanan, maka akan meningkatkan penjulan sebesar
2,22

- Nilai rata-rata penjulan barang sebesar 25,9

Regresi Berganda

Regresi linier berganda

• Analisis regresi berganda digunakan oleh peneliti, bila peneliti bermaksud meramalkan
bagaimana keadaan (naik turunnya)variabel dependen, bila dua atau lebih variabel
independen sebagai faktor prediktor dimanipulasi (dinaik turunkan nilainya). Jadi
analisis regresi ganda akan dilakukan bila jumlah variabel independennya minimal 2.

• Persamaan umum regresi berganda adalah:

^ = a + b1X1 + b2X2 + … + bnXn
Y
Dimana:
^ : subyek dalam variabel dependen yang diprediksikan
Y
a : harga Y ketika harga X = 0 (harga konstanta)

b : angka arah atau koefisien regresi, yang menunjukkan angka peningkatan atau penurunan
variabel dependen yang didasarkan pada perubahan variabel independen. Bila (+) arah garis
naik, dan bila (-) maka arah garis turun.

X1,2,..,n : subyek pada variabel independen yang mempunyai nilai tertentu.

• Untuk menghitung harga-harga a, b1, b2, dapat menggunakan persamaan berikut:

∑ Y =an+ b1 ∑ X 1+ b2 ∑ X 2
∑ X 1 Y =a ∑ X 1 +b 1 ∑ X 12 +b 2 ∑ X 1 X 2
∑ X 2 Y =a ∑ X 2 +b 1 ∑ X 1 X 2+b 2 ∑ X 22

Contoh:

Pengaruh kualitas layanan dan iklan terhadap penjualan

Tabel 1.1

Nilai Kualitas Layanan, Iklan dan Nilai Rata-rata Penjualan Barang

No Kualitas Layanan (X1) Iklan (X2) Penjualan Barang (Y)

1 10 7 23

2 2 3 7

3 4 2 15

4 6 4 17

5 8 6 23

6 7 5 22

7 4 3 10

8 6 3 14

9 7 4 20

10 6 3 19

Tabel 1.2

No X1 X2 Y X1Y X2Y X1X2 (X1)2 (X2)2 Y2

1 10 7 23 230 161 70 100 49 529

2 2 3 7 14 21 6 4 9 49

3 4 2 15 60 30 8 16 4 225

4 6 4 17 102 68 24 36 16 289

5 8 6 23 184 138 48 64 36 529

6 7 5 22 154 110 35 49 25 484

7 4 3 10 40 30 12 16 9 100

8 6 3 14 84 42 18 36 9 196

9 7 4 20 140 80 28 49 16 400

10 6 3 19 114 57 18 36 9 361

Jumlah 60 40 170 1122 737 267 406 182 3162

Bila harga-harga diatas dimasukan dalam persamaan, maka:

170 = 10 a + 60 b1 + 40 b2 …. (1)

1122 = 60 a + 406 b1 + 267 b2 … (2)

737 = 40 a + 267 b1 + 182 b2 … (3)

Agar a menjadi 0 pada persamaan 1 dan 2, maka persamaan (1) dikalikan 6, persamaan (2) dikaikan
1, hasilnya menjadi:

1020 = 60 a + 360 b1 + 240 b2

1122 = 60 a + 406 b1 + 267 b2

-102 = -46 b1 – 27 b2 … (4)

Agar perhitungan a menjadi 0 pada persamaan 1 dan 3, maka persamaan (1) dikalikan dengan 4,
persamaan (3) dikalikan dengan 1, hasilnya menjadi:

680 = 40 a + 240 b1 + 160 b2

737 = 40 a + 267 b1 + 182 b2

-57 = -27 b1 – 22 b2 … (5)

Persamaan (4) dikalikan dengan 27, persamaan (5) dikalikan dengan 46, hasilnya menjadi:

-2754 = -1242 b1 – 729 b2 … (4)

-2622 = -1242 b1 – 1012 b2 … (5)

-132 = 283 b2

b2 = -132/283 = -0,466

Harga b2 dimasukkan dalam salah satu persamaan (4) atau persamaan (5). Dalam hal ini dimasukkan
dalam persamaan (4), maka:

-102 = -46 b1 – 27 (-0,466)

-102 = -46 b1 + 12,582

46 b1 = 102 + 12,582

46 b1 = 114,582

b1 = 114,582/46 = 2,4909

Harga b1 dan b2 dimasukkan dalam persamaan (1), maka:

170 = 10 a + 60 (2,4909) + 40 (-0,466)

170 = 10 a + 149,454 – 18,640

10 a = 170 – 149,454 + 18,640

10 a = 39,186

a = 39,186/10 = 3,9186

• Maka dihasilkan:

a = 3,9186

b1 = 2,4909

b2 = -0,466

Y = 3,9186 + 2,4909 X1 – 0,466 X2

Y = 3,9186 + 2,4909 (10) – 0,466 (10) = 24,1676

Kesimpulan:

- Apabila tidak ada faktor variabel X yang mempengaruhi (X1,2 = 0) maka nilai penjualan sebesar
3,9186

- Apabila ada penambahan 1 kualitas layanan, maka akan meningkatkan penjulan sebesar
2,4909

- Apabila ada penambahan 1 iklan, maka akan menurunkan penjualan sebesar 0,466

- Nilai rata-rata penjulan barang sebesar 24,1676