Simple Random Sampling

Pertemuan Ke-3
PENARIKAN SAMPEL ACAK SEDERHANA
(Simple Random Sampling)
Definisi
Jika sebuah sampel berukuran 𝑛 diambil dari suatu populasi sedemikian rupa
sehingga setiap sampel berukuran 𝑛 yang mungkin memiliki peluang sama untuk
terambil, maka prosedur itu dinamakan penarikan contoh acak sederhana.
Definisi di atas berimplikasi bahwa setiap objek memiliki peluang yang sama untuk
terambil. Namum konsekuensi ini bukan definisi dari penarikan sampel acak
sederhana. untuk dapat menggunakan teknik penarikan sampel sederhana ini
sejumlah syarat perlu dipenuhi yakni: (i) tersedianya daftar kerangka sampel yang
cermat dan lengkap; (ii) Populasi data relatif seragam, dan (iii) Populasi tidak
terlalu terpencar-pencar dalam areal yang luas.
Kelebihan dan Kekurangan Simple Random Sampling (SRS)
SRS merupakan metode pengambilan sampel yang dianggap paling efisien
dibandingkan metode lainnya dan mempunyai beberapa keuntungan.
Kelebihan penggunaan SRS adalah:
a) Kerangka sampel yang dibutuhkan hanya daftar lengkap elemen populasi dan
informasi untuk dihubungi, tidak dibutuhkan informasi tambahan lain,
misalnya wilayah geografis, klasifikasi administrasi atau pengelompokan
elemen menurut kelas-kelas tertentu.
b) Rumus yang digunakan merupakan rumus yang paling mudah dibandingkan
dengan metode lainnya, karena SRS merupakan metode yang paling
sederhana.
c) Metode ini mudah diterapkan pada populasi yang kecil karena mudah
membuat kerangka sampel yang digunakan sebagai dasar pengambilan
sampelnya.
Namun di sisi lain ada juga beberapa kesulitan penerapan SRS dalam prakteknya,
yaitu:
a) Akan menjadi mahal dan tidak mungkin dilakukan pada populasi yang besar
karena semua elemen harus diidentifikasi sebelum dilakukan pengambilan
sampel.
b) Biaya akan menjadi mahal jika diterapkan pada populasi yang tersebar di area
yang luas karena kemungkinan sampelnya juga tersebar secara geografis.
SRS merupakan metode yang paling sering dibahas dalam sampling karena:
a) Sifat matematik yang sederhana
b) Kebanyakan teori dan metode statistik mengasumsikan pemilihan acak
sederhana dari unit pengamatan, yang biasanya diperoleh dari populasi tak

1
Simple Random Sampling

terhingga atau dari pengamatan sampel tidak ada restriksi dengan

menggunakan SRS-WR (with replacement).
c) Semua pemilihan sampel bisa dianggap sebagai restriksi terhadap SRS
menurut teori peluang dengan meniadakan beberapa kombinasi dari unit
populasi;
d) Penghitungan SRS sering digunakan untuk data yang diperoleh dari survei
dengan rancangan yang lebih kompleks.
e) Pendekatan ini hanya mungkin digunakan jika distribusi variabel di populasi
bisa dianggap random.
f) Penghitungan SRS dapat digunakan untuk rancangan sampel sesungguhnya
dengan memperhitungkan design effect.
Prosedur penarikan sampel
Pengambilan sampel acak sederhana terbagi atas dua yaitu dengan pengembalian
dan tanpa pengembalian. Pengambilan Sampel Acak Sederhana Tanpa
Pengembalian (PSAS-TP) (SRS-Without Replacement, SRS-WOR) adalah suatu
metode pengambilan 𝑛 unit dari 𝑁 secara sekaligus sedemikian rupa sehingga
setiap sampel dari semua kemungkinan 𝐶𝑛𝑁 sampel mempunyai peluang yang sama
untuk terpilih. Jadi, apabila 𝑁=4 dan 𝑛=2, maka terdapat 𝐶24 Semua Kemungkinan
Sampel (SKS), yaitu 6 SKS.
Secara praktiknya, pengambilan sampel di atas dilakukan dengan mengambil satu
persatu dari unit yang ada sampai sejumlah sampel yang diinginkan diperoleh.
Setiap proses pengambilan harus memberikan kesempatan bagi unit pengamatan
untuk terambil sebagai unit dalam sampel. Unit pengamatan yang sudah terambil
sebagai unit dalam sampel tidak boleh terambil lagi, dengan kata lain unit di dalam
sampel semuanya merupakan unit yang berbeda satu dengan yang lain.
Sebaliknya, dalam Pengambilan Sampel Acak Sederhana dengan Pengembalian
(PSAS-DP) (SRS With Replacement, SRS-WR), setiap unit pengamatan bisa
terambil sebagai sampel lebih dari satu kali. Dengan demikian, bisa saja sebuah
sampel mempunyai satu atau lebih unit pengamatan yang dianggap unit yang
berbeda di dalam sampel. Dalam metode ini maka banyaknya SKS adalah 𝑁 𝑛 . Jadi,
bila ada 𝑁 = 4, dan akan diambil sebuah sampel dengan ukuran 𝑛 = 2, maka akan
ada 42 = 16 SKS.
Penggunaan Bilangan Acak
 Beri nomor setiap objek: 1, 2, …, 𝑁
 Ambil bilangan acak dari tabel atau bangkitkan menggunakan komputer.
 Sekat-sekat bilangan acak sesuai dengan banyaknya digit 𝑁, dan buat aturan
sehingga setiap objek diwakili oleh bilangan yang sama banyak.
 Tentukan nomor objek yang terpilih
Misalkan populasi memiliki 4000 anggota, dan inggin diambil contoh
berukuran 10. Bilangan 4 digit digunakan untuk menentukan objek yang
terpilih.

2
Simple Random Sampling

0001 → objek nomor 1 4001 → objek nomor 1

0002 → objek nomor 2 4002 → objek nomor 2
… …
4000 → objek nomor 4000 8000 → objek nomor 4000
8001, 8002, …, 0000 tidak digunakan
Misalkan dari tabel bilangan acak (baris 26 kolom 2, Scheaffer et.al)
diperoleh:
72295048399642324878826516656614778767971478013300870747966695725
29676

7229 3229
5048 1048
3996 3996
878 4232 232
4878
1665 8265 …..
1665
3787 6614 2614
7787
1478 6767 2797
1478

Pendugaan Rataan Populasi (𝛍)

∑𝑛
𝑖=1 𝑦𝑖
Penduga bagi μ adalah 𝑦̅ = 𝑛

𝐸 (𝑦̅) = μ
𝜎2 𝑁−𝑛
𝑉(𝑦̅) = [ ]
𝑛 𝑁−1

𝑁 𝑠 2 𝑁−𝑛
Karena 𝐸 (𝑠 2 ) = 𝑁−1 𝜎 2 maka 𝑉̂ (𝑦̅) = [ ]
𝑛 𝑁
∑𝑛 ̅)2
𝑖=1(𝑦𝑖 −𝑦
dengan 𝑠 2 = 𝑛−1
𝑠 2
jika N >>> n, maka 𝑉̂ (𝑦̅) = 𝑛

Selang Kepercayaan Bagi 𝛍

𝑦̅ ± 𝑡⏟𝛼 √𝑉(𝑦̅)
2
Bound on the error estimation

Contoh 1
Contoh acak sebanyak 𝑛=9 catatan rekening pasien yang dimiliki rumah sakit AAA
diambil untuk menduga rata-rata jumlah uang dari 𝑁 =484 rekening yang ada.
Contoh-contoh yang terambil ada pada pada tebel berikut:

3
Simple Random Sampling

Objek Jumlah Uang

Y1 33.5
Y2 32.0
Y3 52.0
Y4 43.0
Y5 40.0
Y6 41.0
Y7 45.0
Y8 42.5
Y9 39.0
Dugaan μ, rata-rata jumlah uang dan hitung bound of error pada penduga tersebut.
Jawab
Dugaan μ
∑9𝑖=1 𝑦𝑖 368
𝑦̅ = = = 40.89
9 9
Untuk mencari bound of error dari penduganya, terlebih dahulu harus menghitung
𝑠2
∑9𝑖=1(𝑦𝑖 −𝑦̅)2
𝑠2 = 𝑛−1
9 2
(∑ 𝑦)
∑9𝑖=1 𝑦𝑖2 − 𝑖=1 𝑖
9
= 8
1 (368)2
= 8 [15.332,50 − ]
9

= 35.67
Bound of error pada penduga μ
𝑠 2 𝑁−𝑛
2√𝑉̂ (𝑦̅) = 2√ 𝑛 ( )
𝑁

35.67 484−9
= 2√ ( ) = 3.94
9 484

Pendugaan Total Populasi (𝝉)

𝜏 = 𝑁μ
∑𝑛𝑖=1 𝑦𝑖
𝜏̂ = 𝑁𝑦̅ = 𝑁
𝑛
𝑠2 𝑁 − 𝑛
𝑉̂ (𝜏̂ ) = 𝑉 (𝑁𝑦̅) = 𝑁 2
𝑛 𝑁

4
Simple Random Sampling

Contoh 2
Suatu perusahaan industri ingin mengetahui tentang berapa lama jam kerja non
efektif yang dihabiskan para pegawai dalam satu minggu. Diambil contoh acak
sebanyak 𝑛=50 pegawai, dan diperoleh rata-rata menghabiskan waktu kerja mereka
secara tidak efektif selama 10.31 jam dengan 𝑠 2 = 2.25 . Perusahaan tersebut
memiliki 𝑁=750 pegawai. Dugalah berapa total jam kerja yang tidak efektif dalam
satu minggu dan hitung bound of errornya.
Jawab
𝜏 = 𝑁μ
= 750 (10.31) = 7732.5
Jadi total jam kerja yang tidak efektif dalam satu minggu sebanyak 7732.5 jam
𝑠 2 𝑁−𝑛
2√𝑉̂ (𝜏̂ ) = 2√𝑁 2 𝑛 𝑁

2.25 750−50
= 2√(750)2 ( 50 ) ( )
750

= 307.4 jam
Kesalahan pendugaan kurang dari 307.4 jam.

Penentuan Ukuran Contoh

Tentukan dulu nilai bound on the error estimation, misalkan sebesar B
𝑁𝜎 2
𝑧𝛼 √𝑉̂ (𝑦̅) = 𝐵 → 𝑛 = 𝐵2
2 (𝑁−1) +𝜎2
𝑧2

Nilai 𝜎 2 ditentukan berdasarkan informasi awal, atau melakukan survei

pendahuluan terlebih dahulu

Contoh 3
Analog teladan 1, rata-rata jumlah uang μ pada rekening pasien di rumah sakit AAA
dapat diduga. Walaupun tidak ada data prior yang dapat digunakan untuk menduga
ragam populasinya, dari mayoritas rekening diperoleh range sebesar 100 dimana
ada sebanyak 𝑁 = 1000 rekening pasien. Hitunng jumlah sampel yang dibutuhkan
untuk menduga μ dengan boun of error dari penduganya sebesar B = 3.
Jawab
Sebelumnya kita harus menduga ragam populasi (𝜎 2 ) terlebih dahulu
𝑟𝑎𝑛𝑔𝑒
𝜎≈ ⁄4 = 100⁄25 = 25 dan

𝜎 2 = (25)2 = 625
𝑁𝜎2 1000(625)
𝑛= 𝐵2
= 32
= 217,56
(𝑁−1) 2 +𝜎2 (999) 2+625
𝑧 2

Jadi kita perlu mengambil sampel sebanyak 218 rekening.

5
Simple Random Sampling

Penduga Proporsi Populasi

banyaknya yang menjawab "Ya"
𝑝̂ =
ukuran contoh
Jika “Ya” dilambangkan 1, dan “tidak” dengan 0, maka
𝑝̂ = 𝑦̅

𝑝̂ (1 − 𝑝̂ ) 𝑁 − 𝑛
𝑉̂ (𝑝̂ ) =
𝑛−1 𝑁

Contoh 4
Contoh anak sebanyak n = 100 dari mahasiswa tingkat akhir diambil dari N = 300
mahasiswa untuk menduga berapa proporsi mahasiwa yang berencana melanjutkan
studi ke jenjang pascasarjana. Nilai 𝑦𝑖 = 1 berarti mahasiswa tersebut berencana
untuk melanjutkan studi. Dugalah proporsi mahasiswa tingkat akhir yang berencana
melanjutkan studi dan hitung bound of errornya.
Jawab
Mahasiswa Y
1 1
2 0
⋮ ⋮
100 1
Total 15
Proporsi mahasiswa tingkat akhir yang berencana melanjutkan studi
15
𝑝̂ = 𝑦̅ = = 0.15
100
Bound of error
𝑝̂ (1 − 𝑝̂ ) 𝑁 − 𝑛
2√𝑉̂ (𝑝̂ ) = 2√
𝑛−1 𝑁

0.15(0.85) 300−100
= 2√ = 0.059
99 300

6
Simple Random Sampling

TUGAS PERTEMUAN KE-3

1. Misalkan sampel acak berukuran 𝑛 yaitu 10 akan diambil dari sebuah populasi
berukuran 100 tuliskan sampel yang diperoleh menggunakan tabel bilangan
acak dan beri penjelasan terhadap tahapannya
2. Sebanyak 50 populasi telah diambil sampel berukuran 5 menggunakan sampel
acak sederhana tanpa pengembalian data disajikan sebagai berikut :
No Data Berat Badan
1 45 kg
2 50 kg
3 76 kg
4 63 kg
5 60 kg
Perkirakan total berat badan pada populasi dalam tingkat keyakinan 95%!
3. Jika diketahui rataan sampel sebesar 3,267, Variansi rataan sampel sebesar
1,067 dengan jumlah populasi 120, dan banyaknya sampel sebesar 15.
Perkirakan total populasi dengan alpa 5% dan data diasumsikan berdistribusi
normal
4. Lakukan proses penarikan sampel menggunakan metode sampel acak sederhana
dengan populasi mahasiswa yang ada dikelasmu kemudian (Minimal sampel
10)
a. Jelaskan ilustrasi pengambilan sampelnya
b. Sajikan sampel yang diperoleh dalam bentuk tabel
c. Tentukan perkiraan total populasinya