Anda di halaman 1dari 24

METODE SAMPLING


/2 /2

by
Nazaruddin Matondang
POPULASI
 wilayah generalisasi yang terdiri atas objek/subjek yang
ditetapkan oleh peneliti untuk dipelajari dan kemudian
ditarik kesimpulannya
 keseluruhan unsur yang akan diteliti yang ciri-cirinya akan
ditaksir (diestimasi). Ciri-ciri populasi disebut parameter.
 kumpulan objek penelitian, bisa berupa kumpulan orang
(individu, kelompok, komunitas, masyarakat, dll); benda
(jumlah gedung/bangunan, tempat, dll).
 Sekumpulan orang atau objek yang memiliki kesamaan
dalam satu atau beberapa hal dan yang membentuk
masalah pokok dalam suatu riset khusus. Populasi yang
akan diteliti harus didefinisikan dengan jelas sebelum
penelitian dilakukan.
SAMPEL

• Sampel: bagian dari populasi yang dapat


mewakili seluruh populasi
• Sampel: sebagian unsur populasi yang dijadikan
objek penelitian.
• Sampel: miniatur (mikrokosmos) populasi
• Sampel yang memiliki ciri karakteristik yang
sama atau relatif sama dengan ciri karakteristik
populasinya disebut sampel representatif.
• Ciri karakteristik sampel disebut statistik
S A M P E L
SAMPEL : Dipakai untuk mendapatkan informasi tentang populasi karena :
1. Lebih menghemat waktu dan dana.
2. Memungkinkan untuk mendapatkan informasi karena tidak
mungkin dilakukan pengambilan data untuk seluruh populasi.
- Minyak Goreng diambil sampelnya untuk mengukur kandungan
kolesterol (tidak mungkin minyak Goreng diambil semuanya,
Perusahaan bisa bangkrut).
- Darah diambil sampelnya untuk mengukur kandungan
kolesterol (tidak mungkin darah diambil semuanya, orang bisa
mati).
- Untuk menguji kekuatan suatu produk (misalnya daya tahan
mobil terhadap benturan, tidak mungkin semua dicoba).
3. Memungkinkan untuk mendapatkan informasi yang lebih detail.
Dengan mensurvei beberapa orang, wawancara dapat
dilakukan dengan lebih mendalam sehingga informasi dapat
terkumpul lebih detail.
TEKNIK SAMPLING

Probability Sampling Non-probability Sampling


(pemilihan sampel (pemilihan sampel
dari populasi acak) dari populasi tidak acak)

Menghasilkan sampel probabilitas Setiap elemen tdk memiliki kesempatan


yang sama (unequal chance)
Bersifat subjektif

1. Simple random sampling 1. Accidental sampling


2. Stratified random sampling 2. Purposive atau Judgement sampling
3. Cluster random sampling
3. Quota sampling
4. Systematic random sampling 4. Snowball sampling
Probability Random Sampling

1. SIMPLE RANDOM SAMPLING :


Suatu cara pengambilan sample sebanyak n yang dipilih dari populasi
dengan N elemen secara acak sedemikian
rupa sehingga setiap elemen populasi
mendapat kesempatan yang sama untuk
dipilih.

Keuntungan : bias kecil


Kerugian : biaya besar
2. STRATIFIED RANDOM SAMPLING :
Pengambilan sampel dari suatu populasi dimana populasinya dibagi-bagi
menjadi kelompok-kelompok yang relatif
homogen (stratum), kemudian dari masing-
masing kelompok (stratum) diambil sampel
secara acak

Memastikan bahwa setiap sub-grup dari populasi terwakili


Sangat cocok untuk menentukan rata-rata pendapatan penduduk
Dapat memberikan informasi yang lebih banyak dan lebih baik
3. SYSTEMATIC RANDOM SAMPLING :
Setiap anggota populasi di beri nomor urut, yang terpilih sebagai
sampel adalah setiap kelipatan
dari ‘K’ (bilangan) integer.

Every ‘K’ th Element


4. CLUSTER RANDOM SAMPLING :
Berdasarkan penentuan dan pemilihan lokasi/wilayah tertentu atau
menggunakan lokasi geografis sebagai
dasar.

Mengurangi Biaya dan Meringkan Pekerjaan Lapangan


1. ACCIDENTAL/CONVENIENCE SAMPLING :
Memilih sampel dari orang atau unit yang paling mudah dijumpai atau
di akses

Hai ! Kamu
percaya dgn
cinta pertama
?

Tanya kepada orang


lewat di jalan / mal.

Tanya kepada teman atau


saudara, karena hubungan baik.

Tidak representatif, bias tidak bisa digeneralisasi, mudah, murah, dan cepat
2. PURPOSSIVE/JUDGEMENT SAMPLING :
Memilih sampel didasarkan atas pertimbangan yang tak acak.

Bagimana
kenaikan
harga TDL ?

Tanya kepada orang


tertentu misalnya
anggota DPR saja.

Tidak semua elemen masyarakat mendapat kesempatan memberikan pendapat


mudah, murah, dan cepat, namun hasilnya tidak bisa digeneralisasi
3. QUOTA SAMPLING :
Memilih sampel yang mempunyai ciri-ciri tertentu dalam jumlah tertentu
(quota). Prosedur pencarian
berdasarkan accidential sampling.

Mudah, murah, cepat, tetapi hasilnya hanyalah kesan-kesan umum yang


masih “kasar” dan tidak dapat digeneralisir.

4. SNOWBALL SAMPLING
Sesuai untuk populasinya sangat spesifik.
Pengambilan dilakukan secara berantai, mulai dari ukuran sampel yang
kecil, makin lama makin besar.

Biaya kecil, tetapi


waktu cukup lama.
Wawancara melalui
telepon atau pos
UKURAN SAMPEL
Untuk menentukan ukuran sampel, banyak pendapat, diantaranya :
Gay; ukuran sampel minimum yg dapat diterima berdasarkan pada desain
penelitian yang digunakan :
a. Metode deskriptif, minimal 10 % populasi. Untuk populasi relatif kecil
min. 20 %.
b. Metode deskriptif – korelasi, min 30 subyek
c. Metode ex post facto, min 15 subyek per kelompok
d. Metode eksperimental, min 15 subyek per kelompok

Slovin; N
n=  asumsi populasi berdistribusi normal
1 + Ne2

Dimana : n = ukuran sampel


N = ukuran populasi
e = persentase kelonggaran ketidaktelitian karena kesalahan
pengambilan sampel yang masih dapat ditolerir, mis. 2%.
Untuk nonprobability sampling digunakan
persamaan Bernoulli

(Zα/2)2 p.q
n ≥
e2
Dimana : n = ukuran sampel
e = tingkat ketelitian (0,05)
Zα/2 = nilai distribusi normal pada tingkat kepercayaan 95% = 1,65
p = perkiraan proporsi populasi yang diterima
q = proporsi yang tidak sah/ditolak = 1 - p
Rumusan Krecjie. Krecjie menentukan jumlah sampel berdasarkan anggapan
bahwa distribusi populasi ialah normal (tingkat ketelitian 5 % dan taraf
kepercayaan 95%)
Penentuan Jumlah Sampel Krecjie
N S N S N S
10 10 220 140 1.200 291
15 14 230 143 1.300 297
20 19 240 147 1.400 302
25 24 250 151 1.500 306
30 28 260 155 1.600 310
35 32 270 159 1.700 313
40 36 280 162 1.800 317
45 40 290 165 1.900 320
50 44 300 169 2.000 322
55 48 320 175 2.200 327
60 52 340 181 2.400 331
65 56 360 187 2.600 335
70 59 380 191 2.800 338
75 63 400 196 3.000 341
80 66 420 201 3.500 346
85 70 440 205 4.000 351
90 73 460 210 4.500 354
95 76 480 214 5.000 357
100 80 500 217 6.000 361
110 86 550 226 7.000 364
120 92 600 234 8.000 367
130 97 650 242 9.000 368
140 103 700 248 10.000 370
150 108 750 254 15.000 375
160 113 800 260 20.000 377
170 118 850 265 30.000 379
180 123 900 269 40.000 380
190 127 950 274 50.000 381
200 132 1.000 278 75.000 382
210 136 1.100 285 100.000 384
DISTRIBUSI SAMPEL
Distribusi peluang dari “statistik” yang dihasilkan
ketika sampel acak berukuran ‘n’ diambil secara
berulang-ulang dari suatu populasi disebut
sebagai distribusi sampling dari statistik
tersebut.
Distribusi Sampel dari
rata-rata
Pada umumnya, rata-rata dari sampel berbeda dengan rata-rata populasi, hal
ini disebabkan oleh sampling error.

Sampling error :
• Perbedaan antara hasil yang diperoleh dari pengukuran sampel dan
pengukuran populasi karena sampel tidak mewakili secara sempurna
populasi.

Ketika seluruh sampel yang mungkin dengan ukuran tertentu dipilih dari
populasi, distribusi dari rata-rata sampel mempunyai 2 karakteristik:
1. Mean dari rata-rata sampel sama seperti mean dari populasi.

2. Simpangan baku dari rata-rata sampel akan lebih kecil daripada


simpangan baku populasi, dan sama dengan simpangan baku populasi di
bagi dengan akar dari ukuran sampel
Contoh :
Hasil ujian dari kelas dengan 4 mahasiswa adalah 2,
6, 4, dan 8.
Disini : 4 mahasiswa = populasi.

Rata-rata populasi =  = (2+6+4+8)/4 = 5


Simpangan baku =  = 2.236
Jika, seluruh sampel berukuran 2 di ambil dengan
pengembalian, akan diperoleh :

Sampel Mean Sampel Mean X f x.f


2,2 2 6,2 4
2 1 2
2,4 3 6,4 5
3 2 6
2,6 4 6,6 6
4 3 12
2,8 5 6,8 7 Distribusi
5 4 20
4,2 3 8,2 5 frekuensi 6 3 18
4,4 4 8,4 6
7 2 14
4,6 5 8,6 7
8 1 8
4,8 6 8,8 8
80 16 80
X  5
16
Simpangan baku sampel :

X 
2  52  3  52  4  52  ...  8  52  1.581
16

Simpangan baku sampel ini identik dengan : simpangan baku populasi


dibagi 2.
2.236
X   1.581
2
Secara umum, simpangan baku rata-rata sampel (disebut juga standard
error of the mean) :


X  = simpangan baku populasi
n n = ukuran sampel
The Central Limit Theorem
Dengan n (ukuran sampel) membesar, bentuk distribusi
sampel dari rata-rata yang diambil dari populasi dengan
mean  dan simpangan baku  akan mendekati distribusi
normal

Distribusi normal ini dengan mean  dan simpangan baku


/n

Nilai z untuk distribusi sampel adalah :

X 
z  / n
X  rata  rata dari sampel

Yang harus diperhatikan saat memakai teorema limit sentral :


1. Jika populasi berdistribusi normal, distribusi sampel dari rata-rata
juga berdistribusi normal, berapapun ukuran sampel.

2. Jika populasi tidak berdistribusi normal, ukuran sampel minimal 30


agar distribusi sampel dari rata-rata dapat didekati dengan
distribusi normal. Semakin besar ukuran sampel, semakin baik.
Bila ukuran populasi di ketahui dan
ukuran sampel lebih besar dari 5% ukuran populasi
maka nilai simpangan baku dari distribusi sampel
menjadi :


N n N  ukuran populasi
X  . n  ukuran sampel
n N 1

Nilai z untuk kasus ini :

X 
z
 N n
.
n N 1
Latihan soal :
1. Rata-rata berat badan wanita berumur 18 tahun adalah 162 pound, dan simpangan baku
15,7. Jika diambil sampel 25 orang wanita, carilah peluang bahwa rata-rata sampel
lebih besar dari 128,3 pound. Anggap data berdistribusi normal.

2. Rata-rata gaji karyawan cepat saji adalah $5,55/jam dengan simpangan baku $1,15.
Jika diambil sampel 50 karyawan, carilah peluang bahwa rata-rata dari sampel antara
$5,25 dsn $5,90.

3. Rata-rata gaji bulanan di Jakarta adalah $24.393 / bulan. Anggap data berdistribusi
normal dengan simpangan baku $4.362. Carilah peluangnya :
A. Jika seseorang dipilih secara acak, gajinya kurang dari $26.000.
B. Jika diambil sampel dari 25 orang, rata-rata gajinya kurang dari $26.000.

4. Pemilik kendaraan di Indonesia rata-rata mengeluarkan dana $617 / tahun


untuk asuransi kendaraan. Anggap data berdistribusi normal, dan simpangan
baku $52, carilah peluang jika dipilih seorang pemilik kendaraan yang
mengasuransikan kendaraannya, orang tersebut akan mengeluarkan :
a. Antar $600 - $700 per tahun
b. Kurang dari $575
c. Lebih dari $624.
5. Rata-rata berat koper yang dibawa penumpang pesawat udara 45 kg dengan
standar deviasi 2 kg. Jika 15% dari koper-koper kelebihan berat (overweight),
carilah berat maksimum yang diperbolehkan oleh perusahaan penerbangan.

6. Penelitian terhadap 800 pemilik rumah di suatu daerah menunjukkan


bahwa rata-rata harga rumah di daerah tersebut $82.000 dan simpangan
baku $5000. Jika 50 rumah akan dijual, carilah peluang bahwa harga rata-
rata dari rumah yang akan dijual tersebut adalah $83500.

7. Harga rata-rata dari dasi yang dijual di suatu toko X adalah $40 dengan
deviasi standar $5. Jika 8 dasi dari 20 buah dasi yang ada di toko tersebut
terjual, carilah peluang bahwa harga rata-ratanya lebih besar dari $43.

8. Rata-rata berat dari 100 paket yang dikirim adalah 48 kg dan simpangan
baku 7 kg. Jika 15% dari paket tersebut ditimbang, carilah peluang bahwa
rata-rata berat dari sampel antara 48 s/d 50 kg.
9. Rata-rata setiap orang memakan 218,4 kg beras setiap tahunnya.
Anggap berdistribusi normal dengan simpangan baku 25 kg. Carilah
peluang :
A. bila seseorang dipilih secara acak, konsumsi berasnya kurang
dari 224 kg / tahun.
B. Bila sampel berukuran 40 di ambil dari populasi 200 orang,
konsumsi berasnya kurang dari 224 kg / tahun.
C. Bila sampel berukuran 8 di ambil dari populasi 200 orang,
konsumsi berasnya kurang dari 224 kg / tahun.

10. Rata-rata pembelian 500 pelanggan toko X pada bulan Agustus


$12.50 dan simpangan baku $2.50. Carilah peluang bahwa rata-rata
pembelian dari 100 pelanggan pada bulan Agustus lebih dari $12.00.

Anda mungkin juga menyukai