Sri Zakiyah - 2208152 - Teknik Sampling
Sri Zakiyah - 2208152 - 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)
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.
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 .
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
Dengan variansi:
2 2
2 σ1 σ 2
σ x −x = +
n1 n2
1 2
√
2 2
σ1 σ 2
+
n1 n2
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