Menentukan n untuk menduga total populasi dengan kesalahan

pendugaan ≤ B

_ _
2 V (N y ) = B  2 N V (y ) = B

N  n σ2 B
=
N 1 n 2N

Nσ 2 B2
n= D=
( N  1) D  σ 2 4N 2
Proporsi populasi (P)

Proporsi populasi (P)

Ukuran contoh yang diperlukan untuk menduga P dengan

batas kesalahan pendugaan sebesar B adalah:

Np (1  p ) B2
n D
( N  1) D  p(1  p) 4

z 2 Np (1  p)
n 2 ? Sama ?
z p(1  p)  ( N  1) 2 p 2
Teladan
1. Tentukan ukuran contoh optimum untuk menduga rata-rata berat
ternak XX jika diketahui N=10000 dan range berat antara 10-20 kg,
dan batas kesalahan pendugaan yang diinginkan B=1 kg.

range 10 10000 * 2.52

   2.5 n 2
 24.94  25
1
4 4 (10000  1) *  2.52
4

2. Tentukan ukuran contoh optimum untuk menduga proporsi (p) mhs yg

rajin ke perpustakaan jika diketahui N=2000 dan diinginkan batas
error B=0.05. Asumsikan proporsi awal tidak diketahui.

Np (1  p ) 2000 * .5 * .5
n   333.47  334
( N  1) D  p (1  p) .05 2
(2000  1) *  .5 * .5
4
 4

Kuis
5
2. Stratified Random Sampling (Penarikan Contoh Acak Berlapis)

– Suatu teknik penarikan contoh dimana unit-unit

populasi dikelompokkan menjadi kelompok-kelompok
yang homogen, sehingga ragam dalam
kelompok/lapisan lebih kecil dp ragam antara lapisan

– Dilakukan jika populasinya tidak homogen dan populasi

dapat dibagi dalam beberapa lapisan/strata
Misal: Kelompok Kelas Ekonomi
I. Atas, pendapatan > 10 jt rupiah
II. Menengah, pendapatan 1 - 10 jt rupiah
III. Bawah, pendapatan < 1 jt rupiah
 Prinsip Pembentukan Berlapis:
a. Pembentukan lapisan dalam populasi tidak boleh
terjadi overlapping (tumpang tindih)
b. Setiap lapisan dalam populasi harus homogen

Populasi

CC BABAC
AA B C C B A C C B disekat menjadi
ABBCACBBC BA
C A B C AA C C B B
A B C
BCBBACB Strata I Strata II Strata III
- Kapan digunakan
- Struktur data
- Penduga bagi rata-2 populasi
- Penduga bagi total populasi
- Penduga ragam setiap lapisan
- Penduga ragam total populasi
- Selang kepercayaan
- Kesalahan pendugaan
- RSE
 _ _
y st Y
_ _ ^_ _
yh Yh Yh yh
^ _ ^ ^
Yh yh Y Yh
_ ^
^_ Yhat
y st y Yh
N

_ _
y st yh
_
yh
 ^
2. E ( ) Y= Y
^
= E(∑ )Y h
_
= E (∑Nh ) yh
_ _

= ∑ Nh E ( ) y=
h ∑ Nh =y hY
Atau : _
^ _
y st
E( ) Y= E (N )= N E( )y=
st Y

Teladan  Lap. 1 : 2 , 4 , 6
Lap. 2 : 8 , 12 , 16
Buktikan nomor_ 1 dan nomor 2 _
y
Benarkah E( ) =st 72/9 = 8 , =Y ∑ yij/6 = 48/6 =8
Bagaimana dengan ragamnya
_ _ _
y st = ∑ Nh y h /∑ Nh = ∑ Nh y h / N
_ _
V( y st ) = V (∑ Nh y h / N )

_
1
= 2 V( ∑ Nh y h )
N

lanjutkan

1 Nh - nh sh 2
N2 Nh nh

= ∑ N h2
Bandingkan ragam rata-rata dari PCAS dan PCAB

Lapisan 1 : 2 , 4 , 6 Pilih n=4

Lapisan 2 : 8 , 12 , 16 n1=2 , n2 =2

_
PCAS : V ( y ) = (N-n)/n . s2/n = 2.27 ...... cek

_
1 Nh - nh sh 2
PCAB : V ( y st ) = 2 ∑ Nh
N
2
= 1.94 ......... Cek
Nh nh
_ _

PCAS : y min = ¼ (2+4+6+8)= 5 ; y max = ¼(6+8+12+16) = 10.5

_ _
y y
PCAB : min = ¼(2+4+8+12)=6.5 ; max =1/4(4+6+12+16)= 9.5
Alokasi n

alokasi contoh pada setiap lapisan dipengaruhi oleh :

banyaknya unit/elemen, keragaman pengukuran dan biaya
penarikan contoh pada setiap lapisan.

Kriteria alokasi ukuran contoh yang baik :

- dapat meminimumkan biaya untuk keragaman tertentu atau

- meminimumkan ragam pada biaya tertentu

(biaya yang harus dikeluarkan mencakup
biaya perancangan contoh,
biaya untuk pembuatan kerangka penarikan contoh,
melatih petugas lapangan,
pengumpulan data di lapang dan
analisis data (tgt n dan biaya tetap),
biaya administrasi dan biaya-biaya lainnya. 
Alokasi Rumus Kondisi

Pada L lapisan sama; ragam lapisan

Sama n= dan biaya per unit penarikan contoh
L  n h2 S h2
tidak berbeda antar lapisan ; ragam
N 2d 2 atau biaya tidak diketahui lebih dulu
2
  N h S h2
z
dan
n
nh 
L
V( ) = .....cari rumus
_
y sama
 Satuan penarikan contoh antar
Sebanding / n= N  N h S h2 lapisan berbeda,
proporsional N 2d 2 ragam lapisan dan biaya berbeda
2
  N h S h2 tetapi tidak diketahui lebih dulu,
z
memudahkan perhitungan
----------------------------------------------------
Terdapat 500 mahasiswa di sebuah Fakultas, yang
Nh n dikelompokkan kedalam 3 lapisan yaitu
nh  .n  N h mahasiswa tahun I, tahun III dan semester akhir.
N N Jika ingin mengambil contoh berukuran 40
dengan alokasi sebanding ; ukuran masing -2
V( ) = ....... lapisan adalah berturut-turut 300,150 dan 50;
_ berapa n yang harus diambil pada masing-masing
lapisan (angkatan).
y prop Jawab :
 n1 = 24
n2 = 12
n3 = 4
Hitung ragam rata-rata contoh
 n= Ragam tiap lapisan tidak sama,
Neyman ( N h S h ) 2
biaya penarikan contoh tiap
lapisan sama
N 2d 2
z2
  h h
N S 2

dan
Nh Sh
nh  .n
 Nh Sh
V( ) = ..........
_
y Ney
 Ragam lapisan dan biaya
Optimum n =
( N S h h ch )( N h S h / ch penarikan contoh tiap lapisan
minimum atau ragam rata2
N d2
2
minimum pada biaya yang sama
z2
  hh
N S 2

dan N h S h / ch
nh  .n
N h Sh
 c
h
V( ) = ...............
_
y opt
Lihat teladan berikut
LapNh Sh Nh sh2 n ch
1 600 20 240 000 259 1
2 300 30 270 000 130 2
3 100 50 250 000 43 3
1000 760 000 432

Brp n dg alokasi proporsional, jika ditentukan d=2

n= = = 432
N  N h S h2 10 * 760000
N 2d 2 1000^ 2  760000
Nh 2  
 2
nh = N S
n1 = h h * 600 = 259 , n2 = 130 , n3 = 43
z
n 432
Brp n dg alokasi Neyman  tambahkan kolom Nh sh√ch dan Nh sh / √ch
N 1000
n = 403 ; n1 = 228 , n2 = 120 , n3 = 55  cek
Tugas 4  Klas B : no. urut 9,10,11
Klas C : no. urut 12, 13, 14, 15

PCAB  alokasi sembarang , alokasi proporsional

Tugas 5  Klas B : no. 12,13,14, 15

Klas C : no. 16, 17, 18, 19

PCAB  alokasi optimum , alokasi Neyman

Penarikan Contoh Acak Berlapis bagi Proporsi

1 ( N h2 Ph Qh)
Ragam proporsi PCAB  V (pst) = N ^2 nh

Proporsi populasi diduga dg proporsi contoh  P dan Q ganti dg penduganya

penduga bagi proporsi populasi  v (p st) = ......... + teladan

Berapa ukuran contoh untuk tiap lapisan  sesuai alokasi

nh(sama), nh(prop), nh(opt), nh(Ney)

Berapa total ukuran contoh n  prop , optimum, Neyman

Tugas 6  Kls B : no. 16,17,18
Kls C : no. 20, 21, 22

Menduga proporsi populasi

PCAB  alokasi sembarang , alokasi proporsional

alokasi optimum , alokasi Neyman

n di setiap lapisan
3. Systematic sampling (Penarikan contoh sistematis)
a. Linear Systematic Sampling

Prosedur:

1) Urutkan elemen populasi pada sampling frame 1,2,...N

2) Hitung interval (k) = N/n
3) Pilih angka acak pertama (dari Tabel Bilangan acak) yang lebih kecil
dari k ( namakan R1)
4) Contoh berikutnya :
R2 = R 1 + k
R3 = R 2 + k = R 1 + 2 k
dst
......
Rn = R1 + (n-1) k

Teladan : N =25 , n = 7  k = 25/7 , kira-2 = 4

Terpilih angka acak pertama 1 , 5 , 9 , 13 , 17 , 20 , 24
b. Circular Systematic Sampling

Prosedur:

1). Urutkan elemen populasi pada sampling frame

2). Hitung interval (k) = N/n
3). Pilih angka acak pertama (dari Tabel Bilangan Acak) dengan
nilai lebih kecil dari k  R1
4). Contoh berikutnya R2= R1 + k ....dst
5). Bila Rn > N, maka contoh yang dipilih no. urut tersebut
dikurangi N

Teladan : N =25 , n = 7  k = 25/7 , kira-2 = 4

Terpilih angka acak pertama 5 , 9 , 13 , 17 , 24 , 3 (dari 28-25) , 7
Metode pendugaan yang digunakan, adalah sama dengan p c acak
sederhana.
karena biasanya p c sistematik hanya untuk mempermudah
penarikan contoh

contoh lebih tersebar dalam populasi shg dpt dianggap lebih

mewakili populasi

Penduga bagi rata-rata populasi

n

y
j 1
j

y sys 
n adalah penduga tak bias bagi rata-rata populasi
Rata-rata dan ragam rata-rata contoh

 i sys
m

y ij
( y  y ) 2

y sys  i 1
Vˆ ( y sys )  v( y sys )  i 1
m m(m  1)

Tugas 7  A : no. 19, 20  systematic sampling

B : no. 23, 24, 25

Kapan P C A S lebih efisien dibandingkan P C sistematis ?

Cari penduga bagi Total populasi dan ragamnya
+ Teladan