Pertemuan-1

Metode Penarikan
Contoh
Dosen:
Hari Wijayanto (08128094483)
Indahwati (08129392311)
 Rencana Perkuliahan:

 Review Beberapa Konsep Dasar Statistika & Survei

 Penarikan Contoh Acak Sederhana
 Penarikan Contoh Acak Berlapis
 Pendugaan Rasio, Regresi dan Beda
 Penarikan Contoh Sistematik
 Penarikan Contoh Gerombol
 Penarikan Contoh Gerombol Dua Tahap
 Pendugaan Ukuran Populasi
 Non-Probability Sampling
 Studi Kasus
 Penilaian
 Ujian Tengah Semester 35%
 Ujian Akhir Semester 35%
 Tugas-tugas, Keaktifan 30%

Pustaka:
Scheaffer RL, Mendenhall W, Ott RL. 2006. Elementary Survey
Sampling, 6th ed. Belmont: Duxbury Press.
Levy PS, Lemeshow S. 1999. Sampling of Population, Methods and
Application, 3rd ed. New York: John Wiley & Sons.
 Beberapa Istilah dalam Penarikan Contoh

1 2 Populasi (population)
Unsur (element)
A collection of elements about
An object on which a
which we wish to make an
measurement is taken
inference

3 4 Kerangka (frame)
Satuan penarikan contoh
(sampling units) A list of sampling units

Nonoverlapping collections of
element from the population that
cover entire population
5 Contoh (sample)
A collection of sampling units
drawn from a frame(s)
A subset of the population
 Populasi vs Contoh

populasi contoh

himpunan semua objek himpunan bagian dari

yang menjadi minat populasi
pengambilan kesimpulan

melakukan pengamatan terhadap seluruh

populasi seringkali tidak mungkin dilakukan
ketika akan membuat kesimpulan, mengapa?
 Mengapa harus dengan contoh?

sumber daya
1 terbatas 2
waktu yang
tersedia terbatas
pengamatan kadang
bersifat merusak
3 mustahil mengamati
4
seluruh anggota populasi

bagaimana caranya dengan menggunakan data contoh

kita dapat mengambil kesimpulan terhadap populasi?
 Teknik Pengumpulan Data

observasi
survei

percobaan
 Metode Pengumpulan Data

Metode Percobaan Metode Observasi Metode Survey

(pasif)
Memiliki keleluasaan Tidak memiliki kendali Sampel data diambil
untuk melakukan dalam pengumpulan dengan tehnik tertentu
pengawasaan data  menentukan dari populasi
terhadap sumber- faktor yang diamati
sumber keragaman dan memeriksa
data ketelitian data
Menciptakan jenis Perubahan pada Nilai dugaan populasi
perlakuan yang respon sulit diketahui dapat ditentukan
diinginkan dan penyebabnya dengan tingkat
mengamati perubahan kepercayaan tertentu
pada respon Cukup lemah
menggambarkan
hubungan sebab
akibat
 Kelebihan dan Kelemahan

Metode Percobaan Metode Observasi Metode Survey

Kelebihan Kelemahan Kelebihan Kelemahan Kelebihan Kelemahan
Kuat dalam Represen- Mudah, murah, Pengendalian Represen- Pengendalian
pengendalian tasi hasil mengamati keragaman tasi hasil keragaman
keragaman masalah dalam dan
kondisi yang representasi
sebenarnya hasil
 Choosing the Sampling Method

 Probability Sampling: Every member in the

population has a known, nonzero probability of
being selected.

 Nonprobability Sampling: Probability of any

particular member of the population being
chosen is unknown.
 Types of Sampling Methods

SAMPLING
SAMPLINGMETHODS
METHODS

Probability
ProbabilitySampling
Sampling Nonprobability
NonprobabilitySampling
Sampling

Simple
Simple Systematic Stratified Cluster Judgment Convenience Quota Snowball
Systematic Stratified Cluster Judgment Convenience Quota Snowball
random
random sampling sampling sampling sampling sampling sampling sampling
sampling sampling sampling sampling sampling sampling sampling
sampling
sampling
Sumber Kesalahan dalam Survei

Sampling Error: kesalahan yang ditimbulkan

karena kita hanya mengamati sebagian saja
(contoh), tidak semuanya (populasi).

Non-Sampling Error: kesalahan yang

ditimbulkan karena sebab lain pada proses
survei.
 Contoh-Contoh Sumber Error

Pergi!!! saya tidak

mau diganggu

Anak saya tidak ada Bias selection

di rumah, saya saja
yang mengisi
Non-Response kuesioner itu

Iya, saya tidak ahli

memasak

Inaccurate
response
Contoh-Contoh Sumber Error

Daripada capek cari

responden, aku berburu
saja. Nanti kuesioner
aku isi sendiri

Human error and

resources quality

Dishonest
Interviewer
Besarnya margin of error
dari survei ini 3.5%
Sumber kesalahan dalam survei
Hubungan Error dengan Ukuran Contoh

Error
Non sampling error

Sampling error

nopt
Ukuran contoh
Hubungan Error dengan Ukuran Contoh

Error
Non sampling error

Sampling error

nopt
Ukuran contoh
 Sebaran Penarikan Contoh

Pengambilan
Populasi dengan pemuliahan

6
3
X 9 n=2
2
8

µ = 5.6 dan ² = 7.44

 Sebaran Penarikan Contoh
Contoh Rataan Ragam
2 2 2.0 0.0
2 3 2.5 0.5
2 6 4.0 8.0
2 8 5.0 18.0
2 9 5.5 24.5
Pengambilan 3 2 2.5 0.5
Populasi dengan pemuliahan 3 3 3.0 0.0
3 6 4.5 4.5
3 8 5.5 12.5
6 3 9 6.0 18.0
3 6 2 4.0 8.0
X 9 6 3 4.5 4.5
n=2
6 6 6.0 0.0
2
8 6 8 7.0 2.0
6 9 7.5 4.5
8 2 5.0 18.0
µ = 5.6 dan ² = 7.44 8 3 5.5 12.5
8 6 7.0 2.0
8 8 8.0 0.0
8 9 8.5 0.5
9 2 5.5 24.5
9 3 6.0 18.0
9 6 7.5 4.5
9 8 8.5 0.5
9 9 9.0 0.0
Rataan 5.6
Var 3.72
 Sebaran Penarikan Contoh dari rata-rata contoh (1)
Contoh Rataan Ragam
2 2 2.0 0.0 Histogram of Rataan
Normal
2 3 2.5 0.5
5.6
2 6 4.0 8.0
5
2 8 5.0 18.0
2 9 5.5 24.5 4

3 2 2.5 0.5

Frequency
3
3 3 3.0 0.0
3 6 4.5 4.5 2
3 8 5.5 12.5
3 9 6.0 18.0 1

6 2 4.0 8.0
0
6 3 4.5 4.5 2 4 6 8 10
Rataan
6 6 6.0 0.0
6 8 7.0 2.0

x  5 .6  
6 9 7.5 4.5
8 2 5.0 18.0 E (x )  
8 3 5.5 12.5
8 6 7.0 2.0 x merupakan penduga tak bias bagi µ
8 8 8.0 0.0
8 9 8.5 0.5
9 2 5.5 24.5
 2 7.44
9
9
3
6
6.0
7.5
18.0
4.5 Var ( x )  3.72  
9 8 8.5 0.5 n 2
9 9 9.0 0.0
Rataan 5.6
Var 3.72
 Sebaran Penarikan Contoh dari rata-rata contoh (2)
Contoh Rataan Ragam
2 2 2.0 0.0
2 3 2.5 0.5
Populasi Pengambilan dengan
2 6 4.0 8.0
pemuliahan 2 8 5.0 18.0
2 9 5.5 24.5
6 3 2 2.5 0.5
3 3 3 3.0 0.0
X 9 3 6 4.5 4.5
n=2
3 8 5.5 12.5
2
8 3 9 6.0 18.0
6 2 4.0 8.0
6 3 4.5 4.5
µ = 5.6 dan ² = 7.44 6 6 6.0 0.0
6 8 7.0 2.0
6 9 7.5 4.5
8 2 5.0 18.0
X menyebar Normal  kombinasi linear dari X 8 3 5.5 12.5
juga menyebar Normal 8 6 7.0 2.0
8 8 8.0 0.0

 2 8 9 8.5 0.5

X ~ N ( , 2 )  x ~ N ( , )
9 2 5.5 24.5
9 3 6.0 18.0
7.44 n 9 6 7.5 4.5
9 8 8.5 0.5
9 9 9.0 0.0
5.6 3.72
Rataan 5.6
Var 3.72
 Sebaran Penarikan contoh

Pengambilan tanpa
pemuliahan
Populasi

6
3
X 9 n=2
2
8

µ = 5.6 dan ² = 7.44

 Sebaran Penarikan contoh
Contoh Rataan Ragam
2 3 2.5 0.5
2 6 4.0 8.0
Pengambilan tanpa 2 8 5.0 18.0
pemuliahan 2 9 5.5 24.5
Populasi 3 2 2.5 0.5
3 6 4.5 4.5
3 8 5.5 12.5
6 3 9 6.0 18.0
3 6 2 4.0 8.0
X 9 6 3 4.5 4.5
n=2
2 6 8 7.0 2.0
8 6 9 7.5 4.5
8 2 5.0 18.0
8 3 5.5 12.5
µ = 5.6 dan ² = 7.44 8 6 7.0 2.0
8 9 8.5 0.5
9 2 5.5 24.5
9 3 6.0 18.0
9 6 7.5 4.5
9 8 8.5 0.5
Rataan 5.6 9.30
Var 2.79
 Sebaran Penarikan Contoh dari rata-rata contoh (1)
Contoh Rataan Ragam Histogram of rataan
2 3 2.5 0.5 Normal

2 6 4.0 8.0 5
5.6

2 8 5.0 18.0
2 9 5.5 24.5 4
3 2 2.5 0.5
3 6 4.5 4.5

Frequency
3

3 8 5.5 12.5
2
3 9 6.0 18.0
6 2 4.0 8.0
1
6 3 4.5 4.5
6 8 7.0 2.0
0
6 9 7.5 4.5 2 3 4 5 6 7 8 9
rataan
8 2 5.0 18.0
8 3 5.5 12.5
8
8
6
9
7.0
8.5
2.0
0.5 x  5 .6  
9 2 5.5 24.5
9 3 6.0 18.0
9 6 7.5 4.5  2  N  n  7.44  5  2 
9 8 8.5 0.5 Var ( x )  2.79     
Rataan 5.6 9.30 n  N 1  2  5 1 
Var 2.79
 Sebaran contoh
Contoh Rataan Ragam
Populasi Pengambilan tanpa 2 3 2.5 0.5
pemuliahan
2 6 4.0 8.0
6 2 8 5.0 18.0
3 2 9 5.5 24.5
3 2 2.5 0.5
X 9 n=2 3 6 4.5 4.5
2 3 8 5.5 12.5
8 3 9 6.0 18.0
6 2 4.0 8.0
6 3 4.5 4.5
µ = 5.6 dan ² = 7.44 6 8 7.0 2.0
6 9 7.5 4.5
8 2 5.0 18.0
X menyebar Normal  kombinasi linear dari X 8 3 5.5 12.5
8 6 7.0 2.0
juga menyebar Normal 8 9 8.5 0.5


9 2 5.5 24.5
 N n
2
X ~ N ( , )  x ~ N ( ,
2 9 3 6.0 18.0
 ) 9 6 7.5 4.5
7.44 n  N 1  9 8 8.5 0.5
Rataan 5.6 9.30
5.6 Var 2.79
2.79
 Sebaran Penarikan Contoh dari Ragam contoh
Contoh Rataan Ragam
Histogram of ragam
2 2 2.0 0.0
9
2 3 2.5 0.5
2 6 4.0 8.0 8

2 8 5.0 18.0 7

2 9 5.5 24.5 6

Frequency
3 2 2.5 0.5 5
3 3 3.0 0.0 4
3 6 4.5 4.5 3
3 8 5.5 12.5 2
3 9 6.0 18.0
1
6 2 4.0 8.0
0
6 3 4.5 4.5 0 4 8 12 16 20 24
ragam
6 6 6.0 0.0
6 8 7.0 2.0
6 9 7.5 4.5
8 2 5.0 18.0

s  7.44  
2 2
8 3 5.5 12.5
8 6 7.0 2.0 Nilai harapan s 2 = 2
8 8 8.0 0.0
8 9 8.5 0.5 2
smerupakan penduga tak bias bagi 2
9 2 5.5 24.5
9 3 6.0 18.0
9 6 7.5 4.5
9 8 8.5 0.5
9 9 9.0 0.0 Pengambilan dengan pemulihan
Rataan 5.6 7.44
Dalil Limit Pusat

“Apapun sebaran populasi X, jika diambil sampel

secara acak berukuran n yang besar, maka x akan
menyebar mendekati sebaran Normal”
X μ
s/ n
Distribusi t
Jika n besar, maka rata-rata contoh
Dalil Limit Pusat akan mengikuti sebaran normal
dengan rata-rata  dan ragam 2/n

Sebaran t : 2 diduga diketahui

dengan s2.
X  μ ~ t-student db = n-1.
s/ n
Syarat:
sebaran t lebih bervariasi kondisi 2
Tidak
tergantung besarnya
derajat bebasnya. diketahui
 Sebaran Penarikan Contoh

x menyebar N(, 2/n)

x1, x2, …, xn dari populasi

yang menyebar N(, 2)

x
s menyebar t-studentdb=n-1
n
Sifat-sifat Penduga

Penduga bagi suatu parameter , dilambangkan ˆ

Sifat yang diinginkan dari suatu penduga parameter adalah:


1. Tak Bias (unbiased) E ˆ  

2. Ragam penduga, Var ˆ  , kecil

Sifat-sifat Penduga

Tak bias, Bias, ragam kecil

ragam kecil

Tak bias, ragam Bias, ragam besar

besar
Akurasi vs Presisi
Ketelitian?
Selang Kepercayaan

Menduga nilai parameter menggunakan kisaran nilai antara batas

bawah (LCL=lower confidence limit) dan batas atas (UCL=upper
confidence limit)

x1, x2, …, xn dari populasi Selang kepercayaan (1-)x100%

yang menyebar N(, 2) bagi  adalah

s
x  t 2 n 1
n
Terima
Kasih