Populasi
N, μ, P,σ
Proses Sampel
Inferensial n, x, p, s
3
4
Why Sample?
Bisa makan waktu terlalu lama, tenaga yang besar
Perlu biaya yang besar, juga buat interviewer. Perlu
pelatihan yang efektif dan supervisi yang cukup ketika
pengambilan data.
mempelajari populasi malah bisa jadi hasilnya ngga akurat,
terutama populasinya besar.
Manajemen proyeknya lebih gampang dengan sampling:
bisa ada waktu tambahan untuk memperbaiki
interview/questionnaire design
prosedur mendapatkan responden-yang-sulit-ditemukan
Syarat Sampel yang Baik
Mewakili sebanyak mungkin karakteristik
populasi/representatif valid
Sampel valid ditentukan oleh dua pertimbangan.
1. Akurasi atau ketepatan tingkat ketidakadaan “bias”
(kekeliruan) dalam sample makin sedikit tingkat
kekeliruan yang ada dalam sampel, makin akurat sampel
tersebut.
2. Presisi Estimasi mengacu pada persoalan sedekat mana
estimasi kita dengan karakteristik populasi.
Metode Sampling
Cara memperoleh sampel :
1. Simple Random Sampling
2. Stratified Random Sampling
3. Cluster Random Sampling
4. Systematic Random Sampling
5. Non Random Sampling
6. Sistematic Sampling
7. Quota Sampling
8. Accidental Sampling
9. Purposive Sampling
7
Simple Random Sampling
teknik pengambilan sampel yang memberikan kesempatan
yang sama kepada populasi untuk dijadikan sampel.
Syarat untuk dapat dilakukan teknik simple random sampling
adalah:
Anggota populasi tidak memiliki strata sehingga relatif
homogen
Adanya kerangka sampel yaitu merupakan daftar elemen-
elemen populasi yang dijadikan dasar untuk pengambilan
sampel.
Populasi Sampel
Stratified random sampling
X X
1 : (Beda 2 rata-rata),
2
p p
1 2 : (Beda 2 proporsi),
16
Dalil Limit Pusat
(The Central Limit Theorem) :
populasi tdk terbatas x
n
X
Z
Sehingga : x
17
Distribusi Sampling Rata-rata
contoh
Membuat distribusi Sampling rata-rata sampel
dengan sampel berukuran n = 2 dari suatu populasi
berukuran N = 4 yaitu ( 3, 4, 6, 7)
Rata-rata dan deviasi standar populasi :
x 3 467 x
2
5 2,5
N 4 N
30
X 5
6
ternyata x =μ
20
X 2
n 100
Proporsi Populasi
K Proporsi Sampel
P
N
k
P
n
25
Distribusi Sampling Proporsi
Membuat distribusi Sampling proporsi sampel
dengan sampel berukuran n = 3 dari suatu populasi
berukuran N = 5 yaitu ( 1 2 3 4 5 ) dimana
anggota ke 1 , 3 dan 5 adalah anggota ‘sukses’
pq N n (0,6)(0,4) 53
P 0,2
n N 1 3 5 1
28
Contoh soal 2
P p 2% 0,02
pq 0,02 x0,98
P 0,007
n 400 0 1,43
P P 0,03 0,02
Z 1,43
P 0,007 P (Z>1,43) = 0,5 – 0,4236 = 0,0764
29
Distribusi Sampling Beda 2 Rata-rata
12 22
x1 x 2 1 2 dan x1 x 2
n1 n2
Shg :
Z
x 1
x 2 1 1
x1 x 2
30
Distribusi Sampling Beda 2 Proporsi
P P P P
1 2
Shg : Z 1 2
P1 P 2
31
Latihan Soal 1
Misalkan rata-rata pendapatan keluarga per
hari di daerah kota adalah 10.000 dengan
deviasi standar 3000 dan rata-rata
pendapatan di daerah pedesaan 4.000
dengan deviasi standar 500. jika diambil
sampel random keluarga kota sebanyak 50
dan keluarga pedesaan sebanyak 200,
berapa probabilitas beda antara pendapatan
keluarga per hari antara kota dan pedesaan
lebih dari 5.000 ?
32
Latihan soal 2
5% produksi shift pagi cacat dan 10%
produksi shift malam cacat. Bila diambil
sampel random sebanyak 200 barang dari
shift pagi dan 300 barang dari shift malam,
berapa probabilitas beda persentase barang
yang cacat pada shift malam lebih besar 2%
dari shift pagi?
33
Estimasi
Estimasi adalah keseluruhan proses yang menggunakan
sebuah estimator untuk menghasilkan sebuah estimate
dari suatu parameter.
34
Estimasi/Pendugaan Titik
Sebuah estimasi titik dari sebuah parameter adalah sesuatu
angka tunggal yang dapat dianggap sebagai nilai yang masuk
akal dari .
Nilai populasi (parameter) ditentukan hanya oleh satu nilai.
Nilai yang dipakai untuk menduga disebut “estimator”
Bila nilai parameter dari populasi hanya diduga dengan
memakai satu nilai statistik dari sampel yang diambil dari
populasi tersebut
X
X penduga titik untuk
n
S2
( X X ) 2
penduga titik untuk
n 1 2
X
p penduga titik untuk
n P
Estimasi Titik
Mean populasi: μ, dapat diduga dari
bermacam-macam nilai yang ada didalam
sampel seperti, x1, x2….xn, Mo, Md dan x
(mean)
Nilai mean ( x ) : estimator yang terbaik.
Jadi x μ
s σ
p π
Contoh
Seorang ahli sosial ekonomi ingin mengestimasi
rata-rata penghasilan buruh di suatu kota. Sebuah
sampel dikumpulkan menghasilkan rata-rata Rp
2.000.000,-.
39