Permasalahannya:
Ketika memilih sampel yang berbeda akan
menghasilkan pendugaan yang berbeda
juga, oleh karena itu munculah Kesalahan
penarikan sampel (Sampling Errors)
Kesalahan Penarikan Sampel
(Sampling Error)
Sampling error adalah perbedaan antara
nilai statistik sampel dengan nilai
parameter dari populasi
Pemilihan sampel yang berbeda akan
menghasilkan sampling error yang
berbeda
Nilai sampling
x error bisa bernilai positif
atau negatif ( bisa jadi lebih besar dari )
Nilai sampling error akan mengecil, jika
semakin besar jumlah sampel yang dipilih.
Kesalahan Penarikan Sampel
(Sampling Error)
Contoh:
Sampling error untuk Mean x=
x
x i
x i
n N
dengan:
= Mean Populasi
x Mean Sampel
=
xi = Data Populasi dan/atau sampel
N = Banyak Populasi
n = Banyak Sampel
Contoh
Misalkan sebuah
populasi:
Ukuran populasi N = 4
Variabel acak, x,
melambangkan umur
anggota populasi
Nilai x: 18, 20, 22, 24
(tahun)
Menghitung Distribusi Sampel
(lanjuta
n)
Hasil Pengukuran Distribusi Populasi,
jika berdistribusi seragam:
x i
18 20 22 24
21
N 4 Distribusi
P(x) 0.3 Seragam
ix 2 0.25
2,236 0.2
N 0.15
0.1
0.05
0
18 20 22 24 x
Menghitung Distribusi Sampel
(lanjuta
n)
Sekarang, Jadikan populasi tersebut
menjadi sampel yang berukuran 2 (n =
2)
2nd Observation 2nd Observation
1st 1st
Obs 18 20 22 24 Obs 18 20 22 24
x
x
i18 19 20 21 22 23 24
21
N 16
x
2
x i x
18 21 2
19 21 24 21
2 2
1,58
16
Perbandingan Perhitungan
Populasi dan Distribusi Sampling
Populasi Distribusi Sampling
N=4 nilai Rata-rata (mean)
n=2
= 21 = 2,236 x 21 x 1,58
P(x)
P(x) 0.3 0.3
0.25 0.25
0.2
0.2
0.15
0.15
0.1
0.1
0.05
0.05
0 x x
18 20 22 24 0
18 19 20 21 22 23 24
Jika Populasi Normal ...
z
x
n
dengan:
x = mean sampel
= mean populasi
= standar deviasi populasi
n = ukuran sampel
Faktor Koreksi
untuk Populasi Terbatas
Populasi Terbatas
Populasi memiliki batas atas
Contoh:
jumlah populasi mahasiswa STiMSI pada tahun
2014 adalah 174.
Chrysler-Jeep Corp. memproduksi 917 unit
mobil di Arkansas tahun lalu.
Ukuran sampel:n 5% N
Pengambilan Sampel tanpa pengembalian
Maka ... z
x
N n
n N 1
Sifat-sifat Distribusi Sampling
Distribusi
Normal suatu
Populasi
Distribusi
Semaki
Sampling
n besar
akan
ukuran
semakin
sampel
mendekati
(n)
normal
Jika Populasi tidak Normal ...
(lanjuta
Sifat Distribusi n)
Distribusi
Sampling Populasi
(Pengambilan
sampel dengan
x
Pengembalian):
Distribusi Sampling
x ( n >>> , semakin
mendekati normal)
n
Ukuran Sampel
Jawab:
n = 36 > 30 gunakan central limit theorem
Distribusi sampling mean mendekati normal
x 8
3 0,5
x
n 36
Contoh
(lanjuta
n)
7,8 8 x 8,2 8
P (7,8 x 8,2) P
3 3
36 n 36
P (0,4 z 0,4) 0,3108
Teori Pendugaan
Pendugaan Titik
Saya 95%
percaya, nilai
rata-rata ()
antara 40 &
60.
Bentuk Umum IK
Tingkat Keyakinan
Keyakinan kita bahwa dalam selang interval itu terdapat
parameter populasi yang diduga.
Bentuknya Persentase (< 100%)
Biasanya tingkat keyakinan 90%, 95% atau 99%
Contoh:
Misalkan Tingkat Keyakinan = 95%
Ditulis (1 ) = 0,95
Interpretasi: Sekitar 95% dari interval yang disusun akan
mengandung parameter yang sama dengan yang diduga.
Semakin besar interval keyakinan, maka akan semakin
yakin bahwa nilai parameter akan sama dengan nilai
dugaannya.
Tingkat Keyakinan
Interval Keyakinan
untuk Rata-rata Hitung ( diketahui)
Asumsi
Standar deviasi populasi () diketahui
Populasi terdistribusi normal
Jika populasi tidak normal, gunakan
ukuran sampel besar (Teori Limit
Tengah)
Pendugaan Interval Keyakinan
x Z
2
n
Menentukan Critical Value
1,96
Misalkan Interval Keyakinanz95%:
2
Tabel Z
Tingkat Keyakinan
Tabel t
Contoh
Jawab:
25
1. p 0,25
100
p (1 p ) 0,25(0,75)
2. s p 0,0433
n 100
Contoh
(lanjuta
3. 0,25 1,96(0,0433) n)
0,1651 p 0,3349
Contoh:
Jika ukuran sampel pada contoh sebelumnya
dijadikan dua kali lipat (200 sampel) dan
diketahui dari hasil penelitian bahwa orang
kidal berjumlah 50 orang, maka intervalnya
masih tetap dengan proporsi 0,25, tetapi
panjang interval menjadi lebih kecil.
Jawaban: 0,19 p 0,31
Menetukan Ukuran Sampel
untuk Proporsi Populasi
2
z
2 p(1 p)
n 2
e
p (1 p )
e z 2
n
Contoh