Teknik Pengumpulan

Data

LOGO
Powerpoint Templates
 LOGO
Membangkitkan Data

Pengumpulan Data:
1. Metode Percobaan
2. Metode Survai

Metode Survai:
Survai Lengkap (Sensus)
VS
Survai Sampel (Sampling)
Rancangan Percobaan

Statistics in Research
 Sebuah Ilustrasi

Oli mana yang

terbaik, merek A,
B, C atau D?

Seorang pemilik ANGKOT ingin

membandingkan 4 merek oli (merek A,
B, C, dan D) terhadap keragaan mesin
melalui uji jalan.
 Sebuah Ilustrasi
I. Dengan mobil baru kemudian merek oli diuji untuk setiap 4
jarak tempuh (setiap menggunakan oli baru, sisa oli sebelumnya
dikuras terlebih dahulu) dengan alokasi:
Uji Jalan (km) Oli
0 – 20000 A
20000 – 40000 B
40000 – 60000 C
60000 – 80000 D

• Hasilnya merek D adalah yang terburuk, tapi agen penjual oli

merek D menyatakan bahwa percobaan tersebut tidak adil !
 Sebuah Ilustrasi
• Kemudian percobaan dilakukan dengan 4 mobil baru dan uji
jalan dilakukan dengan jarak yang sama. Alokasi merek
oli dilakukan secara acak, ke dalam masing-masing jarak
uji jalan dan masing-masing mobil:
Mobil
Uji Jalan (km) 1 2 3 4 Ternyata hasilnya
0 – 20000 C D A B sama, oli merek D
20000 – 40000 D C B A
40000 – 60000 A B C D tetap yang terburuk!
60000 – 80000 B A D C

Tapi “Apakah dalam percobaan tersebut

digunakan pengemudi yang sama terampilnya?”
 Sebuah Ilustrasi
• Kemudian digunakan 4 pengemudi, yaitu P, Q, R, dan S.
Dan hasil pengalokasian acak dari taraf-taraf masing-masing
kelompok jarak uji jalan mobil dan pengemudi seperti berikut
: Mobil
Uji Jalan (km) 1 2 3 4
Hasilnya tetap
0 – 20000 C,P D,Q A,R B,S sama, oli D
20000 – 40000 D,Q C,P B,S A,R tetap yang
40000 – 60000 A,S B,R C,Q D,P
60000 – 80000 B,R A,S D,P C,Q
terburuk!
Meski kecewa, Agen oli D menerima hasil
percobaan itu!
Sebuah Ilustrasi

Ilustrasi di atas menggambarkan bagaimana

orang merancang suatu percobaan yang
sekiranya cukup memadai untuk mewadahi
faktor yang ditelaah dan faktor-faktor lain
yang layak diperhitungkan karena dapat
menimbulkan keragaman yang mengganggu
penampilan faktor yang diteliti.
Apa NAMA RANCANGAN menjadi
TIDAK PENTING lagi!
 Istilah Dasar dalam Percobaan
Perancangan Percobaan:
Perancangan percobaan dapat diartikan sebagai rangkaian
kegiatan berupa pemikiran dan tindakan yang dipersiapkan
secara kritis dan seksama mengenai berbagai aspek yang
dipertimbangkan dalam rangka untuk menemukan fakta baru,
untuk memperkuat atau menolak hasil-hasil percobaan
sebelumnya.
Bahan Percobaan:
Bahan percobaan diartikan sebagai obyek-obyek yang
dipergunakan untuk suatu percobaan. Obyek yang dipergunakan
mungkin berupa mahluk hidup, seperti tanaman, mikroorganisme,
binatang, ternak, manusia, atau lainnya.
 Istilah Dasar dalam Percobaan
Perlakuan:
• Perlakuan adalah prosedur atau keadaan tertentu yang dengan
sengaja diberikan kepada unit percobaan.
• Perlakuan dapat berupa jenis varietas, jenis pupuk, dosis pupuk, atau
kombinasi antara jenis varietas dan jenis pupuk.
• Berdasarkan nilai-nilai yang dicobakan, perlakuan bersifat:
a. Kuantitatif, mis. dosis pupuk N: 60, 90, 120 kg/ha
b. Kualitatif, mis. jenis varietas padi: C4, PB5, IR36
• Berdasarkan cara pemilihan, perlakuan bersifat:
a. Acak (Random): perlakuan yang dicobakan dipilih secara acak
dari populasi perlakuan
b. Tetap (Fixed) : perlakuan yang dicobakan ditetapkan peneliti
 Istilah Dasar dalam Percobaan
Unit Percobaan:
• Unit percobaan adalah unit terkecil dalam percobaan yang diberi
perlakuan atau obyek tempat dialokasikannya atau diterapkannya suatu
perlakuan
• Unit percobaan dapat berupa satu tanaman, serumpun padi, sepetak
tanaman, seekor sapi, sekandang sapi.
Satuan Amatan:
• Satuan amatan adalah himpunan bagian dari unit percobaan tempat
dimana respon perlakuan diukur.
• Misalnya percobaan pada jagung dengan unit percobaan petak
tanaman. Bila respon yang diamati adalah daya hasil, maka unit
percobaan sebagai satuan amatan. Tapi jika yang diukur tinggi
tanaman, maka satuan amatannya adalah satu tanaman.
 Istilah Dasar dalam Percobaan
Faktor:
• Faktor adalah variabel yang dicobakan dalam percobaan sebagai
struktur perlakuan.
• Misal:
a. Faktor varietas atau jenis pupuk (1 faktor)
b. Faktor kombinasi varietas dan jenis pupuk (2 faktor)
c. Faktor kombinasi jarak tanam, varietas, dan jenis pupuk
(3 faktor). dst.
Taraf:
• Taraf adalah nilai-nilai dari faktor yang dicobakan
• Misal faktor dosis pupuk N: 60, 90, 120 kg/ha
 Istilah Dasar dalam Percobaan

Galat Percobaan:
Variation between plots treated alike is always present

Modern experimental design should:

n provide a measure of experimental error variance
n reduce experimental error as much as possible
 Istilah Dasar dalam Percobaan
Galat Percobaan:
• Galat Percobaan (experimental error) adalah ukuran
keragaman di antara semua pengamatan yang
berasal dari satuan percobaan yang mendapat
Satuan
perlakuan sama. Percobaan RESPONS

PERLAKUAN

Perhatikan: ada keragaman dalam

respons, meski perlakuan sama
 Prosedur Percobaan
 Secara garis besar prosedur percobaan terdiri
atas 4 tahap:
1. Memilih bahan yang tepat untuk diuji
2. Menentukan sifat yang akan diukur
3. Memilih prosedur untuk mengukur sifat tersebut
4. Menentukan prosedur untuk memastikan apakah
pengukuran yang dibuat itu mendukung hipotesis
• Misal dalam masalah pemuliaan tanaman lada:
•Bahan yang diuji beberapa galur atau varietas baru.
•Sifat yang diukur infeksi penyakit dan daya hasil.
•Prosedur untuk mengukur mencakup bagaimana sifat
tersebut diukur untuk menguji hipotesis.
 Istilah Dasar dalam Percobaan

• Galat Percobaan menjadi dasar utama untuk memutuskan

apakah perbedaan karena perlakuan yang diamati bersifat nyata
atau karena kebetulan atau acak saja.
• Sehingga dalam perancangan percobaan masalah Pendugaan
dan Pengawasan atau Pengendalian Galat Percobaan
menjadi sangat penting dan berkaitan dengan Prinsip-Prinsip
atau Azas-Azas Perancangan Percobaan
Measurement and Control of
Experimental Error

Bull’s eye represents the true value

of the parameter you wish to estimate
Accuracy = without bias
 average is on the bull’s-eye
 achieved through randomization
Precision = repeatability
 measurements are close toge
ther
 achieved through replication

Both accuracy and precision are needed!

 Prinsip-Prinsip Rancob
 Asas-asas pokok perancangan percobaan:
1. Pengulangan (replication).
2. Pengacakan (randomization).
3. Pengendalian lokal (local control).
 Pengulangan:
• Bila suatu perlakuan diberikan kepada lebih dari
satu satuan percobaan secara terpisah, maka
perlakuan itu dikatakan diulang.
 Replication
The repetition of a treatment in an experiment

A B D A

C D B C
B A D C
 Prinsip-Prinsip Rancob
Pengulangan:
• Karena pengulangan suatu perlakuan pada satuan-
satuan percobaan berbeda bermakna sebagai
“peniruan” perlakuan itu untuk satuan-satuan yang
menerimanya, maka perlakuan yang diberikan itu
harus diusahakan bersifat konsisten.
• Ketidakkonsistenan suatu perlakuan akan
menimbulkan galat sistematis, yang akan berakibat
timbulnya bias percobaan.
 Prinsip-Prinsip Rancob
 Fungsi pengulangan dalam perancangan
percobaan:
1. Untuk memperoleh suatu dugaan bagi ragam
galat percobaan.
2. Menghasilkan suatu dugaan yang lebih tepat atau
cermat untuk ragam galat percobaan.
3. Memberikan dugaan yang lebih teliti untuk ragam
dari suatu rataan atau beda antara dua rataan.
4. Memperluas daya cakup kesimpulan percobaan.
 Prinsip-Prinsip Rancob
Pengacakan:
• Pengacakan satuan-satuan percobaan yang akan
menerima perlakuan adalah dimaksudkan agar
masing-masing satuan percobaan mempunyai
peluang yang sama untuk menerima suatu
perlakuan.
• Fungsi pengacakan adalah untuk memenuhi
keabsahan dalam menduga galat percobaan
atau untuk memperoleh nilai dugaan tak bias
bagi galat percobaan.
 Randomization
 To eliminate bias
 To ensure independence among observations
 Required for valid significance tests and interval estimates

Low High

Old New Old New Old New Old New

In each pair of plots, although replicated, the new variety is consisten

tly assigned to the plot with the higher fertility level.
 Prinsip-Prinsip Rancob
 Pengendalian lokal:
• Pengendalian lokal merupakan cara untuk
mendapatkan suatu percobaan dengan ketepatan
dan ketelitian tinggi. , dengan memberikan cukup
kesempatan untuk mengambil kesimpulan secara
umum.
• Pengendalian lokal dapat berupa pengelompokan
(blocking), penggolongan (grouping), dan stratifikasi
(stratification) dari satuan-satuan percobaan.
 Klasifikasi Rancangan Percobaan

 Rancangan Percobaan merupakan satu kesatuan

dari: Rancangan Perlakuan, Rancangan
Lingkungan, dan Rancangan Pengukuran
 Rancangan Perlakuan: Rancangan mengenai cara
memilih perlakuan-perlakuan yang akan dicobakan.
 Rancangan Lingkungan: Rancangan yang
berkaitan dengan bagaimana perlakuan-perlakuan
tersebut dialokasikan pada satuan atau unit percobaan.
 Rancangan Pengukuran: Rancangan yang
membicarakan tentang bagaimana respons percobaan
diambil dan diukur dari satuan percobaan.
 Klasifikasi Rancangan Percobaan
 Rancangan Perlakuan:
1. Satu Faktor
2. Dua Faktor: Faktorial, Split Plot, Split Blok
3. Tiga Faktor atau lebih: Faktorial, Split-Split Plot, Split-Split
Blok
 Rancangan Lingkungan:
1. Rancangan Acak Lengkap (RAL)
2. Rancangan Acak Kelompok Lengkap (RAKL)
3. Rancangan Bujur Sangkar Latin (RBSL)
4. Rancangan Lattice
 Rancangan Satu Faktor
 RAL: Struktur Rancangan

01 02 03 04 05 06
A, B, C, D, E, F

07 08 09 10 11 12

Struktur Perlakuan
(1 Faktor) 13 14 15 16 17 18

19 20 21 22 23 24
 Rancangan Satu Faktor
1C 2 D D
3 A 4

A B C D
6 7 D
5D C 8
B
Perlakuan

B B A
A 10 11 12
9
PENGACAKAN
B C C A
13 14 15 16
Kelinci sebagai Satuan atau Unit
Percobaan relatif homogen)
 Rancangan Satu Faktor
 RAKL:
 Bila Unit Percobaan tidak
homogen

BLOCKING
 Rancangan Dua Faktor
 Rancangan Faktorial:
• Rancangan faktorial dicirikan oleh perlakuan yang
merupakan komposisi dari semua kemungkinan
dari taraf-taraf dua faktor atau lebih perlakuan
• Misalnya dalam suatu percobaan ingin diberikan
kombinasi 2 faktor perlakuan. Misal faktor
Varietas terdiri atas 2 taraf (V1 dan V2) dan faktor
Pemupukan terdiri atas 2 taraf (P1 dan P2).
Sehingga, perlakuan yang dicobakan adalah:
V1 dan P1, V1 dan P2, V2 dan P1, V2 dan P2
(ada 4 perlakuan)
Rancangan Dasar
Sampling

Statistics in Research
MENGAPA SURVAI SAMPLING?
LOGO

1. Hampir tidak mungkin untuk

mengumpulkan seluruh data
• Umumnya survai berhadapan dengan
anggota populasi yang sangat besar dan
wilayah geografis yang sangat luas,
sehingga bila dilakukan survai lengkap
(sensus) diperlukan waktu yang sangat
lama, biaya yang sangat besar, dan
sumberdaya yang sangat besar!
• Sehingga sensus penduduk oleh BPS dan
negara lainnya dilakukan tiap 10 tahunan
 MENGAPA SURVAI SAMPLING?
LOGO

2. Menghemat waktu, biaya dan sumber

daya lainnya
• Dengan menggunakan sampling jelas akan
lebih menghemat waktu, biaya dan
sumberdaya lainnya bila dibandingkan
dengan mengukur atau mewawancarai
semua anggota populasi.
• Kecepatan sampling juga dapat
menghindari kesimpulan yang misleading
sebagai akibat perubahan kondisi populasi.
Mis. dalam survai opini publik.
 MENGAPA SURVAI SAMPLING?
LOGO

3. Kadang lebih dipercaya dari hasil

pengumpulan seluruh data
• Dengan mengukur atau mewawancarai
semua anggota populasi akan lebih
banyak kesalahan manusia yang muncul,
human error makin besar.
• Dengan Sampling seringkali lebih akurat,
karena human error dapat lebih
diperkecil.
• Dengan Sampling, survai bisa lebih fokus
dan mendalam.
 LOGO
Perkembangan Metode Sampling
a. Era Straw Vote
• Tahun 1900-an penelitian untuk keperluan penelitian opini
publik dan dikenal sebagai straw vote (perhitungan suara
tidak resmi)
• Suratkabar Harrisburg Pennsylvanian lembaga pertama yang
mamapu menyelenggarakan straw vote: dengan cara
mendatangi tempat-tempat umum utk mendapatkan responden
atau mencetak kertas suara dalam halaman suratkabar
• Kemudian secara rutin dan besar dilakukan surat kabar
Literary Digest mulai tahun 1916 (era Digest), khususnya
untuk memprediksi hasil pemilu di USA: dengan cara
mengirimkan kertas suara ke jutaan alamat di USA, yang
didapatkan dari buku tilpun atau daftar pemilik kendaraan.
• Mulanya teknik Digest selalu berhasil, sukses memprediksi
pada pemilu 1924, 1928, dan 1932. Tapi Gagal atau Salah
memprediksi pada tahun 1936!
 MENGAPA (PERLU) PRINSIP-PRINSIP LOGO

SAMPLING?

ILUSTRASI Literary Digest

Pada tahun 1936 Literary
Digest melakukan polling: Sebaliknya George
Gallup:
 10 juta kartu pos
 Hanya didasarkan
 Pelanggan majalah hanya 50,000
tersebut, responden
 buku telepon,  Meramalkan Roosevelt!
 daftar pemilik kendaraan.
 2,4 juta kuisioner yang
dikembalikan
 Meramal bahwa Alfred M.
Landon (Republik) akan
mengalahkan Franklin D.
Roosevelt (Demokrat)

Ternyata, ramalan Literary Digest meleset!!!

 MENGAPA (PERLU) PRINSIP-PRINSIP LOGO

SAMPLING?

Unbiased
Sample
Unbiased,
representative sample
Democrats Republicans drawn at random from
Population
the entire population.

Biased Biased,
People who have Sample
phones and/or cars unrepresentative
and/or are Digest
readers. sample drawn from
Democrats Republicans people who have cars
Population and/or telephones
and/or read the Digest.
 LOGO
Non Probability VS Probability Sampling

Non Probability: Probability (Random):

Beberapa Rancangan Dasar:
Rancangan: 1. Sampel Acak
1. Sampel Kuota Sederhana
2. Sampel 2. Sampel Acak
Hapazard Berstrata
3. Sampel 3. Sampel Acak
Purposive Sistematik
4. Sampel Acak
Gerombol
 LOGO
METODE SAMPEL ACAK SEDERHANA

Digunakan dalam Kondisi:

• Pengetahuan terhadap unsur-unsur populasi

terbatas.
• Belum diperoleh suatu metode penarikan
sampel yang lebih efisien.
• Secara geografis, populasi tidak terhampar
luas.
• Karakteristik populasi relatif homogen.
METODE SAMPEL ACAK LOGO

SEDERHANA
 Penduga Parameter untuk Metode
LOGO

Sampel Acak Sederhana

Penduga bagi Nilai Tengah  :
n

y i

ˆ y  i 1
n


n
( yi  y ) 2
ˆ s N n
2
s2  i 1
V ( y)  [ ]
n N n 1
100(1-)% Selang Kepercayaan bagi Nilai Tengah :

y  z( / 2) Vˆ ( y )
 LOGO
Komputasi dengan MINITAB

Pembayaran (dalam $):

33.50
32.00 N=484 dan n=9
52.00
43.00 MTB > let k1=mean(c1)
40.00 MTB > let k2= ((stdev(c1)**2)/9)*
41.00 ((484-9)/484)
45.00 MTB > print k1 k2
42.50 K1 40,8889 (dugaan bagi nilai tengah)
39.00 K2 3,89003 (dugaan ragam bagi dugaan nilai tengah)
95% SK bagi :
40,8889  1,96 3,89003
 Penduga Parameter Proporsi untuk LOGO

Metode Sampel Acak Sederhana

Penduga bagi Proporsi p : n

y i
ˆ  y 
p i 1

ˆ pˆ qˆ N  n
V ( pˆ )  [ ] ; qˆ  1  pˆ
n 1 N

100(1-)% Selang Kepercayaan bagi Nilai Tengah :

pˆ  z ( / 2) Vˆ ( pˆ )
 LOGO
$ample $ize for Proportion

Npq B2
n ;D  2
( N  1) D  pq Z
B  Z
2 2
 / 2V ( pst )
 Misalkan dari suatu populasi N=2000
ingin diketahui ukuran sampel yang
diperlukan bila diketahui p=0,5 dan
batas galat B = 0,05:

(0,05)2
D 2
 0,000625
(1,96)
Npq (2000)(0,5)(0,5)
n   333,56  334
( N  1) D  pq (1999)(0,000625)  (0,5)(0,5)
METODE SAMPEL ACAK LOGO

BERSTRATA
METODE SAMPEL ACAK BERSTRATA LOGO

Populasi Strata Sampel

 METODE SAMPEL ACAK LOGO

BERSTRATA

Jumlah Elemen
N1 N2 ………. NL pada Strata ke-L

Alokasi Sampel
n1 n2 nL pada Strata ke-L

N=N1+N2+…+NL
n=n1+n2+…+nL
 LOGO
Teladan Sampel Acak Berstrata
• Sebuah perusahaan periklanan tertarik untuk menentukan
waktu pemasangan iklan di suatu daerah, dan memutuskan
untuk melakukan survei untuk menduga rata-rata waktu
menonton TV per minggu (dalam jam) dari setiap Rumah
Tangga. Daerah tersebut terdiri atas 2 kota, kota A dan B, serta
area pinggiran (rural area). Kota A dibangun di sekitar industri.
Kota B merupakan daerah suburban yang penduduknya
umumnya berusia lanjut dengan sedikit anak-anak. Dan
terdapat 155 RT di kota A, 62 RT di kota B, dan 93 RT di area
pinggiran.
• Diskusikan mengapa metode sampling yang digunakan dalam
survei ini menggunakan metode Sampling Acak Berstrata!
 LOGO
Teladan Sampel Acak Berstrata
Waktu menonton TV per minggu (dalam jam):
Daerah A Daerah B Daerah Pinggiran
35 29 27 8
43 40 15 14
36 35 4 12
39 41 41 15 N1=155, N2=62, dan N3=93
28 37 49 30 n1=20, n2=8, dan n3=12.
28 31 25 32
29 45 10 21
25 34 30 20
38 34
27 7
26 11
32 24
 LOGO
Komputasi dengan MINITAB
Dugaan Nilai Tengah:
MTB > let k1=(1/310)*(155*(mean(c1))+
62*(mean(c2))+93*(mean(c3)))
MTB > print k1
K1 27.6750 (dugaan nilai tengah)
dan dugaan ragamnya:
MTB > let k2=(((155**2)*((155-20)/155)*
(((stdev(c1)**2)/20))))
MTB > let k3=(((62**2)*((62-8)/62)*
(((stdev(c2)**2)/8))))
MTB > let k4=(((93**2)*((93-12)/93)*
(((stdev(c3)**2)/12))))
MTB > let k5=(1/(310**2))*(k2+k3+k4)
MTB > print k5
K5 1.96952 (dugaan ragam bagi dugaan nilai tengah)
95% SK bagi :
27,6750  1,96 1,9695
 Penduga Parameter untuk Metode LOGO

Sampel Acak Berstrata

Penduga bagi Proporsi p:

1 L 1
pˆ st   Ni pˆ i  [ N1 pˆ1  N 2 pˆ 2  ...  N L pˆ L ]
N i 1 N

1 L
 Ni  ni  pˆ i qˆi 
ˆ
V ( pˆ st )  2  N 
2
 
 Ni  ni  1 
i
N i 1

100(1-)% Selang Kepercayaan bagi Proporsi p:

pˆ st  z( / 2) Vˆ ( pˆ st )
 Contoh Pendugaan Proporsi dalam LOGO

Sampel Acak Berstrata

Misalnya suatu daerah survei dibagi dalam 3 strata, yaitu

strata 1 (N1=155) , strata 2 (N2=62) dan strata 3
(N3=93). Teknik Stratified Random Sampling
digunakan untuk mengetahui proporsi RT yang nonton
TV dengan masing-masing ukuran sample n1= 20,
n2=8 dan n3 =12, data banyaknya RT yang nonton TV
diperoleh sebagai berikut:

Stratum Sample Size Jml yang nonton Dugaan Proporsi

1 n1=20 16 0,8
2 n2= 8 2 0,25
3 n3=12 6 0,5
 Contoh Pendugaan Proporsi LOGO
dalam Sampel Acak Berstrata

Dugaan Proporsi
pˆ st 
1
(155)(0,8)  (62)(0,25)  (93)(0,5)  0,60
(310)

ˆ  N1  n1  pˆ1qˆ1   155  20  (0,8)(0,2) 

V ( p1 )  
ˆ        0,007
 N1  n1  1   155  19 

 N  n  pˆ qˆ   62  8  (0,25)(0,75) 
Vˆ ( pˆ 2 )   2 2  2 2       0,024
 N 2  n2  1   62  7 

ˆ  N3  n3  pˆ 3qˆ3   93  12  (0,5)(0,5) 
V ( pˆ 3 )          0,020
 N3  n3  1   93  11 
 LOGO

Dugaan ragam bagi dugaan

proporsi:
ˆ
V ( pˆ st ) 
1
(310)
2
(155) 2
( 0,007 )  ( 62) 2
( 0,024)  (93) 2

(0,02)  0,0045

95 % SK Kepercayaan bagi
proporsi p:
0,60  1,96 0,0045
0,60  0,14
 METODE SAMPEL SISTEMATIK LOGO

Sampel sistematik VS Sampel Acak

Sederhana:
 Sampel sistematik lebih mudah
dikerjakan, sehingga kesalahan dapat
dikurangi.
 Sampel sistematik sering memberikan
keterangan yang lebih banyak
daripada sampel acak sederhana
 LOGO
METODE SAMPEL SISTEMATIK
 LOGO
PendugaParameter untuk Metode
Sampel Sistematik

Penduga bagi Nilai Tengah  :

n

y i

ˆ y  i 1
n n

s N n
2  ( yi  y ) 2
ˆ
V ( y)  [ ] s 
2 i 1

n N n 1
100(1-)% Selang Kepercayaan bagi Nilai Tengah :

y  z1(  / 2) Vˆ ( y )
 LOGO
Teladan Sampel Sistematik
Nomor Dokter Jumlah Kunjungan
Terpilih
3 1
8 0 N=25 dan n=5
13 6
18 0
23 0

Komputasi dengan MINITAB:

MTB > let k1=mean(c2)
MTB > let k2= ((stdev(c2)**2)/5)*((25-5)/25)
MTB > print k1 k2

K1 1.40000 (dugaan nilai tengah)

K2 1.08800 (dugaan ragam bagi dugaan nilai tengah)
 Teladan Sampel Sistematik LOGO

Komputasi dengan MINITAB:

N=79 dan n=16
MTB > let k1=mean(c1)
MTB > let k2= ((stdev(c1)**2)/16)*((79-16)/16)
MTB > print k1 k2
K1 3388.25 (dugaan nilai tengah)
K2 2322516 (dugaan ragam bagi dugaan nilai tengah)

95% Selang Kepercayaan bagi Nilai Tengah:

y  z0.975 2322516
y  2276065.68
 METODE SAMPEL ACAK LOGO
GEROMBOL

 Metode penarikan sampel di mana unsur-

unsur populasi dikelompokkan menurut
letak yang berdekatan. Kelompok yang
dibuat disebut gerombol (cluster).
 Umumnya digunakan pada situasi:
1. Karakteristik populasi bersifat heterogen
dan secara geografis unsur-unsurnya
menyebar secara luas.
2. Faktor biaya merupakan pembatas utama.
 Penduga Parameter untuk Metode LOGO
Sampel Acak Gerombol (Cluster)
Penduga bagi Nilai Tengah  :
n

y i
y  i 1
n

m
i 1
i
n

 N n  2  ( yi  ymi ) 2
ˆ
V (y )   2  r s 
2 i 1
s
 NnM  n 1
r

100(1-)% Selang Kepercayaan bagi Nilai Tengah :

y  z1(  / 2 ) Vˆ ( y )
 Teladan Sampel Acak Gerombol LOGO
Komputasi dengan MINITAB:
MTB > let k1=sum(yi)
MTB > let k2=sum(mi)
MTB > let k3=k1/k2
MTB > let k4=(sum(mi))/25
MTB > let k5=(sum(((yi)-(k3*(mi)))**2))/24
MTB > let k6=((415-25)/((415)*(25)*((mean(mi))**2)))*k5
MTB > print k1-k6

K1 1329000
K2 151.000
K3 8801.32 (dugaan bagi nilai tengah)
K4 6.04000
K5 634501213
K6 653785 (dugaan ragam bagi dugaan nilai tengah)

95% SK bagi :

8801,32  1,96 653785