RANCANGAN PENARIKAN CONTOH

(Sampling Design)
Tidak mungkin untuk mengumpulkan
seluruh data
Menghemat waktu, biaya dan sumber
daya lainnya
Kadang lebih dipercaya sebab
peneliti tidak kelelahan
PROBABILITY SAMPLING
NON-PROBABILITY SAMPLING
Sebuah sampel harus dipilih sedemikian
rupa sehingga setiap satuan elementer
mempunyai kesempatan dan peluang
yang sama untuk dipilih.
Pengambilan sampel secara acak
(random) harus menggunakan metode
yang tepat yang sesuai dengan ciri-ciri
populasi dan tujuan penelitian.
Dapat menghasilkan gambaran yang dapat
dipercaya dari seluruh populasi yang
diteliti.
Dapat memberikan presisi (precision) dari
hasil penelitian dengan menentukan
penyimpangan baku (standar) dari taksiran
yang diperoleh.
Sederhana, sehingga mudah dilaksanakan.
Dapat memberikan keterangan yang
sebanyak mungkin dengan biaya serendah-
rendahnya.
Derajat keseragaman (degree of homogenity) dari
populasi.
Presisi yang dikehendaki dari penelitian.
- Sampel yang besar cenderung memberikan
penduga yang lebih mendekati nilai sesungguhnya
(true value).
- Semakin besar sampel yang diambil, semakin kecil
pula kesalahan (penyimpangan terhadap nilai
populasi; error) yang diperoleh.
Rencana analisis.
Tenaga, biaya dan waktu.
 POPULASI DAN SAMPEL
POPULASI: Keseluruhan pengamatan yg menjadi perhatian kita

SAMPEL : Suatu himpunan bagian dari populasi

populasi

sampel
 generalisasi
Penyajian Hasil
penelitian & analisis
kesimpulan data

populasi

interpretasi

dianalisis Pengujian
contoh Hipotesis

Teori
sampling/teknik
penarikan Penentuan teknik
contoh analisis
ESTIMASI
-ESTIMASI TUNGGAL
-ESTIMASI BERJARAK

Estimasi tunggal

RATAAN = 4
2 5 7
3 3 POPULASI
4
RATAAN= Χ ± t(α ;n-1) SE
= 4 ±1.87

= 2.12 – 5.87
Σ( Xi - X)2
SD = Estimasi berjarak
n -1
Asumsi:

Setiap kemungkinan kombinasi unit sampling

memiliki peluang yang sama dan independen
untuk dipilih.

Pemilihan unit tertentu untuk dijadikan sampel

tidak dipengaruhi oleh unit lain yang telah dipilih
atau akan dipilih.
Sampel yang diambil sedemikian rupa sehingga tiap unit penelitian
mempunyai kesempatan yang sama untuk dipilih sebagai sampel.
Metodenya:
- mengundi
- menggunakan tabel bilangan acak
- Menggunakan bilangan acak pada kalkulator

Syarat penggunaannya:
- harus tersedia daftar kerangka sampling
- sifat populasi harus homogen
- keadaan populasi tidak terlalu tersebar secara geografis
Design:
We use the familiar equations for estimating common statistics
for the population

Estimate the sampel x 

x   
mean:  n 

Estimate the variance of    xi  x  

2

individual values: s 
2 
 n  1 
 
s2
Compute the standard error: SE 
n
Estimate the population RATAAN= Χ ± t (α ;n-1) SE
mean:
Nilai t pd
Alpha 5%
df: 4
 Kurva Normal (Z)

Nilai Z pada alpha

5% (1-α)
Asumsi:
Suatu populasi dibagi menjadi subpopulasi dengan ukuran
yang diketahui.

Sebuah sampel acak sederhana dari setidaknya dua unit

diambil dari setiap subpopulasi.

Mengapa? Untuk mendapatkan perkiraan yang lebih tepat

dari rata-rata populasi. Jika variasi dalam suatu subpopulasi
kecil dalam kaitannya dengan varians populasi total,
perkiraan rata-rata populasi akan jauh lebih tepat daripada
sampel acak sederhana dengan ukuran sampel yang sama..

Mengapa? Untuk mendapatkan perkiraan sumber daya dalam

subpopulasi.
Populasi dibagi dalam lapisan yang seragam,
dan dari setiap lapisan dapat diambil sampel
secara acak.

Syarat penggunaannya:
- harus ada kriteria yang jelas sebagai dasar untuk
menstratifikasi populasi.
- populasi bersifat heterogen
Design:

Simple random
samples within
3 strata
Estimate the overall population mean

 n 
  Ni x i 
X   i 1 X 
 N 
 
 
Where:
i = number of strata
Ni= total number of units in strata i
N = total number of units in all strat
xi= observed mean for stratum i
Estimate the overall population standard error of the mean:

1 N i2  si2
2 
SEst  
( N i ) ni
 Stratified Random Sampling
Stratum (h) Stratum Size ac. (N) Stratum Mean
Example: Mean
1 20 43
2 40 80
3 70 27
4 60 56
5 50 63

(20  43)  (40  80)  (70  27)  (60  56)  (50  63)
y   51.9
(20  40  70  60  50)

x 
 Ni  xi 4

N
5
i
3 1
 Nilai-nilai yg perlu dicari sebelumnya

Stratum 1 stratum 2 stratum 3 dst

jumlah sampel n1 n2 n3 …..

Rata-rata x1 x2 x3 ….
Keragaman S12 S22 S32 …..
Total populasi N1 N2 N3 ….
 Stratified Random Sampling

Example: Standard Error

Stratum (h) Sample Size (n) Stratum Size ac. (N) Stratum Mean Stratum s2
1 10 20 43 285
2 25 40 80 472
3 30 70 27 295
4 30 60 56 304
5 25 50 63 387

1  202  285 402  472 702  295 602  304 502  387
S 2st  
2 
    
240  10 25 30 30 25 

SEst  2.86 1 N s 2 2

2 
SEst   i i
( N i ) ni
Asumsi:

Unit sampling pertama dipilih secara acak. Semua

unit sampel lainnya ditempatkan pada interval
yang seragam di seluruh area sampel.

Unit sampling mudah ditemukan

Unit sampling tampaknya lebih mewakili suatu

area.
Hanya unsur pertama saja dari sampel yang dipilih
secara acak, sedangkan unsur selanjutnya dipilih secara
sistematis menurut suatu pola tertentu.

Syarat penggunaannya:
- harus tersedia daftar kerangka sampling
- anggota populasi memencar secara merata (mempunyai
pola beraturan)
- populasi besar
sampling sistematis memberikan alternatif yg lbh baik dr
sampel acak sederhana:

-sampling sistematis lbh mudah dilakukan

-seringkali memberikan informasi yg lbh banyak per unit
cost dibanding acak sederhana
-sampling sistematis dpt diterapkan pd berbagai
tipe sebaran populasi (populasi acak; populasi tersusun;
populasi periodik)
Systematic Sampling

Design:
A Grid Scheme is most common
Titik penempatan kuadran di sepnjang transek line

Elemen Transek I Transek II Transek III dst

1 3 3 3 …
2 8 8 8 …
3 13 13 13 …
4 18 18 18 …
5 23 23 23 …
. . . . …
. . . . …
15 72 72 72 …
Data yang diperoleh di setiap kuadran (1 x 1 m2) di sepanjang transek line
Luas areal padang lamun 950 m2. Data kepadatan Archaster sp sbb:

Sampel transek I transek II transek III Jumlah xi

13 4 5 7 16 5,33
33 1 3 2 6 2
53 7 0 3 10 3,33
73 3 2 6 11 3,67
93 2 3 4 9 3
113 3 0 4 7 2,33
133 1 0 2 3 1
153 0 0 2 2 0,67
Total 21,33
 -menghitung rata-rata : ns
1
x 
ns
x
i 1
i

1
x  (5,33  2  3,33  3,67  3  2,33  1  0,67)  2,67ekor / m 2
8

-menghitung keragaman populasi:

2
N  n ) ns
( x  x ) 2 ns ns
1 ns
2
x (
SS2= ) i
  ( xi  x )   xi  ( xi ) 2
2
N i 1 ns ( ns  1) ns i 1
i 1 i 1

ns
21,332

i 1
 ( xi  x )  72,89 
2

8
 16

950  24) 16
S2  ( )  0,9747(0,2857)  0,2785
950 8(8  1)

ns
1
x 
ns
x
i 1
i
Elemen-elemen dalam populasi dibagi ke
dalam cluster atau kelompok.
Populasi terbagi dalam beberapa kelompok.
Homogen antara kelompok tapi heterogen
dalam kelompoknya. Teknik cluster sering
digunakan oleh para peneliti di lapangan
yang mungkin wilayahnya luas.
Sampling ini mudah dan murah, tapi tidak
efisien dalam hal ketepatan serta tidak umum
Accidental (Kebetulan)
Purposive sampling (Bertujuan)
Quota sampling (Jatah)
Getok Tular/Snowball Sampling
Cara pengambilan sampel pada
prinsipnya menggunakan pertimbangan
tertentu yang digunakan oleh peneliti.
Misalnya, jumlah responden terlalu kecil,
jumlah populasi tidak diketahui secara
pasti.
Bagi penelitian kuantitatif sebaiknya
menggunakan teknik probabilitas
untuk memilih anggota sampel.
Alasannya teknik probabilitas memiliki
prinsip random yang sangat kuat untuk
mendukung proses generalisasi hasil
penelitian yang diperlukan
Terima Kasih