RESUME TEKNIK SAMPLING

Diajukan untuk memenuhi salah satu tugas Mata Kuliah Statistika Terapan yang diampu oleh
Dosen: Dr. Achmad Samsudin, S.Pd., M.Pd.

Disusun oleh:
Sri Zakiyah (2208152)

PROGRAM STUDI MAGISTER PENDIDIKAN FISIKA

FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PENDIDIKAN INDONESIA
BANDUNG
2022
Tugas Statistika Terapan Pertemuan Ke-3
Nama : Sri Zakiyah
NIM : 2208152
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:
x −μ Z: Variabel acak
x −μ Z=
Z= dan σ x : Distribus sampel rata-rata
σx
√n μ: Sampel rata-rata
σ : Simpangan Baku
n
- Pengembalian sampel tanpa pengembalian, >5 % , berlaku:
N: Banyaknya Populasi
N
n: Banyaknya sampel
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
Proporsi dari sampel : p= X: Sampel yang mungkin
n N : banyaknya populasi
n: banyaknya sampel

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 = +
n1 n2
1 2

Sehingga bisa dinyatakan bahwa variabel normal standard Z:

x 1−x 2−(μ1 −μ 2)
z=

√
2 2
σ1 σ 2
+
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 (p 1 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 −p1 2