● Sensus merupakan informasi statistik yang paling besar dikumpulkan secara periodik. Biasanya informasi berupa individu ( orang, rumah tangga, mahasiswa, perusahaan, dll) atau dari populasi objek yang ada. Maka dari itu biasanya sangat memerlukan biaya yang besar waktu yang lama untuk mengolah dan menyajikan informasi yang ada. ● Karena adanya persoalan dalam sensus maka sebagian pekerjaan statistika berdasarkan sampel. Proses pemilihan atau distribusi semua kemungkinan nilai statistik untuk ukuran sampel tertentu yang dipilih dari suatu populasi disebut dengan sampling. Biasanya sampel yang dipilih dari populasi digunakan untuk membuat kesimpulan mengenai karakteristik dari populasi. ● Kesimpulan dari sampel belum tentu benar karena sampel hanya sebagian kecil dari populasi. Kesalahan dari sampel disebut dengan kesalahan sampling (sampling error). Sehingga kita memerlukan tolak ukur yakni kepercayaan (reliability) estimasi berdasarkan sampel tentang karakteristik populasi. ● Selain kesalahan sampling terdapat kesalahan non sampling, yang mana kesalahan ini muncul selama proses pelaksanaan sensus atau survei sampel. ● Parameter populasi / karakteristik populasi ( varian, stdD, mean, median, mode, kemiringan, dan kemencengan. ● Metode Sampling 1. Metode sampling Acak Pemilihan sampel secara acak / random, agar semua sampel memiliki kesempatan untuk dipilih sehingga diharapkan mampu menghasilkan sampel yang tidak bias. ➔ Sampling Acak Sederhana Setiap bagian dari populasi memiliki kesempatan yang sama untuk dipilih sebagai sampel. ➔ Sampling Acak Sistematis memilih setiap k sampel ke-n dari populasi, di mana k adalah interval tetap yang diatur sebelumnya. ➔ Sampling Acak Terstratifikasi Populasi dibagi dalam beberapa kelompok yang memiliki sifat sama atau disebut strata, kemudian diambil secara acak untuk mendapatkan sampel. ➔ Sampling Kluster Metode ini berbeda dengan metode sampling terstratifikasi karena anggota di dalam klaster relatif lebih heterogen dibandingkan dengan seluruh populasi. ➔ Sampling Beberapa Tahap Digunakan ketika memiliki populasi yang sangat besar dan tersebar luas, dan metode sampling acak tdk dapat dilakukan. 2. Metode Sampling Tidak Acak ➔ Sampling Kuota Adanya pembatasan sampel yang diambil dari populasi. ➔ Sampel purposif peneliti mengambil sampel dari berbagai pertimbangan bahwa sampel yang dipilih paling bisa mewakili populasi yang sedang diteliti. ➔ Sampling Cara Mudah Pengambilan sampel dengan cara yang mudah dilakukan . ● Deviasi standar dari distribusi sampling dikenal dengan kesalahan standar statistik (Standard Error of Statistik). ● Rata Rata Distribusi Sampling : 1. Rata Rata Distribusi Sampling dengan populasi berdistribusi normal Jika semua kemungkinan sejumlah sampel n diambil secara acak dengan memiliki distribusi normal dengan mean μ dan deviasi standar σ maka rata rata distribusi sampling dan standar error juga akan didistribusikan secara normal 2. Rata Rata Distribusi Sampling dengan populasi berdistribusi tidak normal Pada kasus populasi tidak didistribusikan secara normal maka kita akan menggunakan teori central limit untuk menggambarkan sifat random dari rata-rata sampel untuk sampel besar tanpa mengetahui distribusi populasi. Jika nilai Sampel n lebih dari sama dengan 30 maka distribusi sampling rata-rata diasumsikan berdistribusi normal tanpa memandang bentuk distribusi populasi. Semakin besar jumlah Sampel maka semakin mendekati distribusi normal. ● Populasi dalam statistik inferensial merujuk kepada seluruh himpunan elemen atau individu yang menjadi objek penelitian atau analisis. ● Sampel adalah subset atau potongan yang lebih kecil dari populasi yang digunakan dalam penelitian atau analisis statistik. Tujuan dari penggunaan sampel adalah untuk mengambil kesimpulan atau membuat estimasi tentang populasi berdasarkan data yang diperoleh dari sampel. ● Sampling adalah proses pemilihan elemen-elemen yang akan menjadi bagian dari sampel dari populasi.Tujuan sampling adalah untuk memastikan bahwa sampel yang diambil adalah representatif dari populasi dan tidak memperkenalkan bias. ● Distribusi Populasi adalah distribusi nilai dari seluruh anggota ● Distribusi Sampel adalah distribusi nilai statistik dalam sampel acak yang diambil dari populasi ● Distribusi sampling adalah distribusi probabilitas semua kemungkinan nilai statistik dari semua kemungkinan sampel yang diambil dari populasi.
BAB 10 “ Uji Hipotesis 1 Sampel”
● Hipotesis adalah pernyataan tentang parameter populasi yang dikembangkan untuk tujuan pengujian. ● Uji hipotesis adalah suatu prosedur yang didasarkan pada sampel dan teori probabilitas untuk menentukan apakah hipotesis merupakan suatu yang masuk akal dan bisa dibuktikan kebenarannya. ● Uji hipotesis satu sampel merupakan pengujian dari satu populasi yang sama. ● Uji hipotesis satu sampel merupakan uji mencari kebenaran parameter populasi dari statistik sampel seperti uji rata-rata dan uji proporsi. ● Langkah Langkah Uji Hipotesis 1. Membuat Hipotesis Nol dan Hipotesis Alternatif - Hipotesis nol (the null hypothesis) H0 adalah hipotesis yang akan diuji kebenarannya. - Hipotesis alternatif (alternative hypothesis) Ha adalah suatu pernyataan yang akan kita simpulkan jika kita menolak hipotesis nol. Hipotesis alternatif disebut hipotesis penelitian (research hypothesis).Biasanya yang dipertanyakan di soal 2. Memilih Derajat Keyakinan - Derajat keyakinan adalah probabilitas menolak hipotesis nol jika itu benar. - Derajat keyakinan ditulis dengan simbol alpha karena derajat keyakinan merupakan risiko yang harus kita ambil, sehingga sering disebut dengan tingkat risiko (the level of risk). - Biasanya alpha =1%, alpha = 5% dan alpha =10%. - Semakin kecil derajat keyakinan semakin baik keputusan yang kita ambil. - Jika kita menolak H0 yang benar maka kita dikatakan membuat kesalahan tipe 1 (type error 1). Sedangkan gagal menolak H0 yang salah dikatakan membuat kesalahan tipe 2 (type error 2). probabilitas melakukan kesalahan tipe 2 diberi simbol ( beta ). 3. Memilih Uji Statistik - Ada beberapa uji statistik yang bisa digunakan untuk membuktikan hipotesis nol yaitu uji Z, t, F dan 2 (chi squares).
4. Membuat keputusan Gagal menolak atau Menolak Hipotesis nol
- Misalnya jika =5% atau 0,05 untuk uji satu sisi maka nilai kritis distribusi Z statistik (Zc ) adalah 1,65, ● Uji Signifikansi: - Uji satu sisi (one-tailed test) diberlakukan jika kita mempunyai informasi tentang arah (tanda) di dalam hipotesis alternatif. Contoh : Lampu Philips ingin menguji kebenaran bahwa bahwa rata-rata penggunaan lampu Philips lebih dari satu tahun (360 hari). H0 : Rata rata populasi kurang dari atau sama 360. Ha : >360 - Uji dua sisi (two tailed test)diberlakukan jika kita tidak mempunyai informasi arah atau tanda hipotesis alternatif. Contoh : Rata-rata rata-rata penghasilan lulusan sarjana ekonomi jurusan akuntansi pada saat mendapatkan pekerjaan pertama adalah Rp 4,5 juta. H0 : = 4.500.000 Ha : Tidak sama dengan 4.500.000.
● Jenis uji hipotesis
- Suatu sampel dikatakan besar jika jumlah sampelnya n > 30 ( uji z ) - Suatu sampel dikatakan kecil jika jumlah sampelnya n < 30 ( uji t ) ● Rata2 sampel > rata2 populasi : uji 1 sisi sebelah kanan ● rata2 sampel < rata2 populasi : sebelah kiri ● Nilai p value - Keputusan menolak atau gagal menolak H0 bisa dilakukan dengan membandingkan antara nilai p (p-value) dengan alpha - JIka p-value < alpha maka menolak hipotesis nol - Jika p-value > alpha maka gagal menolak hipotesis nol ● Jenis Uji t 1. Uji t dua sisi Berlaku jika tidak mempunyai informasi arah dalam Ha 2. Uji t satu sisi Berlaku jika ada informasi arah dalam Ha - Jika Ha > rata rata populasi maka menggunakan uji 1 sisi kanan - Jika Ha < rata rata populasi maka menggunakan uji 1 sisi kiri
BAB 11 “ UJI HIPOTESIS DUA SAMPEL”
● Uji hipotesis dua sampel uji untuk membandingkan parameter dua populasi ● Uji hipotesis dua sampel merupakan pengujian 2 populasi yang berbeda dengan tujuan untuk membandingkan. ● Ada 3 jenis uji hipotesis sampel 1. Uji Rata Rata 2. Uji Proporsi 3. Uji Varian ● Sampel Dependen Biasanya, dalam sampel dependen, dua sampel tersebut diambil dari subjek atau elemen yang sama, tetapi dalam dua waktu yang berbeda atau dalam dua kondisi yang berbeda. Sampel dependen digunakan ketika Anda ingin membandingkan pengaruh atau perbedaan yang disebabkan oleh perubahan dalam satu kelompok terhadap kelompok lain dalam kasus yang sama. Contohnya, Anda ingin mengukur efek latihan pada berat badan subjek sebelum dan sesudah latihan. ● Dalam sampel independen, dua sampel tersebut dapat diambil dari populasi yang berbeda atau dari elemen-elemen yang tidak berkaitan satu sama lain.