Populasi, Sampel, dan

Teknik Sampling
Dewi Setianingsih
Intan Permata Dewi
Riddo Kurnessa
Zanetta Nourma Sya’bani
 POPULASI
O Seorang peneliti wajib mengetahui siapa, apa,
dimana, dan seberapa besar populasinya
O Popuasi adalah kumpulan semua individu atau
item yang dipertimbangkan dalam studi
statistic.
O populasi adalah sebuah elem (individu-
individu, objek, kejadian ataupun substansi
yang cocok dengan criteria inklusi sampel
dalam sebuah studi.
 Tipe Populasi
O The target population atau populasi target merupakan
kelompok yang luas di mana target populasi ini merupakan
tempat di mana hasil penelitian akan diaplikasikan.
O The source population atau populasi sumber merupakan
bagian dari target populasi di mana individu-individu yang
akan dijadikan sampel berada.
O The sample population atau populasi sampel merupakan
populasi di mana terdapat individu-individu yang akan
ditanyakan untuk berpartisipasi dalam penelitian, yang berasal
dari populasi sumber.
O The study population atau populasi penelitian merupakan
individu-individu yang memenuhi syarat yang berasal dari
sample population yang bersedia untuk berpartisipasi dalam
penelitian.
 Sample
O Sampel adalah bagian dari populasi yang
dipilih secara random maupun non- random
sekaligus dapat digunakan untuk
menggambarkan keadaan populasi.
 Metode Pengambilan Sampel
secara Random dan Non Random

1. Teknik Sampling
Cara untuk menentukan sampel yang
jumlahnya sesuai dengan ukuran sampel
yang akan dijadikan sumber data
sebenarnya, dengan memperhatikan sifat-
sifat dan penyebaran populasi agar diperoleh
sampel yang representatif.
O 2 teknik pengambilan sample
1. Sample Acak atau Random
2. Sample tidak Acak atau Non Random
 Sample Acak
O Cara pengambilan sampel yang memberikan
kesempatan yang sama untuk diambil kepada
setiap elemen populasi. Artinya jika elemen
populasinya ada 100 dan yang akan dijadikan
sampel adalah 25, maka setiap elemen tersebut
mempunyai kemungkinan 25/100 untuk bisa
dipilih menjadi sampel.
Probability/Random Sampling
O Simple Random Sampling atau Sampel Acak
Sederhana
O Stratified Random Sampling atau Sampel
Acak Distratifikasikan
O Cluster Sampling atau Sampel Gugus
Simple Random Sampling atau
Sampel Acak Sederhana
O Teknik untuk mendapatkan sampel yang
langsung dilakukan pada unit sampling. Setiap
unsur populasi harus mempunyai kesempatan
sama untuk bisa dipilih menjadi sampel.
Stratified Random Sampling atau
Sampel Acak Distratifikasikan
O Teknik ini biasa digunakan pada populasi yang
mempunyai susunan bertingkat atau berlapis-
lapis. Misalnya sekolah, terdapat beberapa
tingkatan kelas. Jika tingkatan dalam populasi
diperhatikan, mula-mula harus dipastikan
strata yang ada, kemudian tiap strata diwakili
sampel penelitian.
Cluster Sampling atau Sampel
Gugus
O Teknik ini digunakan jika populasi tidak
terdiri dari individu-individu, melainkan
terdiri dari kelompok atau cluster. Misalnya,
penelitian dilakukan terhadap populasi pelajar
SMU di suatu kota. Untuk itu random tidak
dilakukan secara langsung pada semua pelajar,
tetapi pada sekolah/kelas sebagai kelompok
atau cluster.
 Sampel Tidak Acak
O setiap elemen populasi tidak mempunyai
kemungkinan yang sama untuk dijadikan
sampel. Lima elemen populasi dipilih sebagai
sampel karena letaknya dekat dengan rumah
peneliti, sedangkan yang lainnya, karena jauh,
tidak dipilih; artinya kemungkinannya 0 (nol).
 Nonprobability/Nonrandom
Sampling atau Sampel Tidak Acak
O Convenience Sampling atau sampel yang
dipilih dengan pertimbangan kemudahan
O Purposive Sampling
O Quota Sampling
O Snowball Sampling – Sampel Bola Salju
O Systematic Sampling atau Sampel Sistematis
Convenience Sampling atau sampel yang
dipilih dengan pertimbangan kemudahan
O Ada beberapa penulis menggunakan istilah
accidental sampling – tidak disengaja – atau
juga captive sample (man-on-the-street). Jenis
sampel ini sangat baik jika dimanfaatkan untuk
penelitian penjajagan, yang kemudian diikuti
oleh penelitian lanjutan yang sampelnya diambil
secara acak (random). Beberapa kasus
penelitian yang menggunakan jenis sampel ini,
hasilnya ternyata kurang obyektif.
 Purposive Sampling
O Sampel dipilih berdasarkan penilaian peneliti
bahwa dia adalah pihak yang paling baik untuk
dijadikan sampel penelitiannya. Misalnya, untuk
memperoleh data tentang bagaimana keadaan
atau karakteristik suatu sekolah, maka kepala
sekolah merupakan orang yang terbaik untuk
bisa memberikan informasi. Jadi, judment
sampling umumnya memilih sesuatu atau
seseorang menjadi sampel karena mereka
mempunyai “information rich”.
 Quota Sampling
O Dalam teknik ini jumlah populasi tidak
diperhitungkan akan tetapi diklassifikasikan
dalam beberapa kelompok. Sampel diambil
dengan memberikan jatah atau quorum
tertentu pada setiap kelompok. Pengumpulan
data dilakukan langsung pada unit sampling.
Setelah jatah terpenuhi, pengumpulan data
dihentikan.
Snowball Sampling – Sampel Bola
Salju
O Teknik ini banyak dipakai ketika peneliti tidak
banyak tahu tentang populasi penelitiannya.
Dia hanya tahu satu atau dua orang yang
berdasarkan penilaiannya bisa dijadikan
sampel. Karena peneliti menginginkan lebih
banyak lagi, lalu dia minta kepada sampel
pertama untuk menunjukan orang lain yang
kira-kira bisa dijadikan sampel.
Systematic Sampling atau Sampel
Sistematis
O Jika peneliti dihadapkan pada ukuran populasi
yang banyak dan tidak memiliki alat
pengambil data secara random, cara
pengambilan sampel sistematis dapat
digunakan. Cara ini menuntut kepada peneliti
untuk memilih unsur populasi secara
sistematis, yaitu unsur populasi yang bisa
dijadikan sampel adalah yang “keberapa”.
DISTRIBUSI SAMPLING
 Distribusi Sampling
Distribusi sampling adalah distribusi dari mean-
mean yang diambil secara berulang kali dari
suatu populasi. Bila pada suatu populasi tak
terhingga dilakukan pengambilan sampel secara
acak berulang-ulang hingga semua sampel yang
mungkin dapat ditarik dari populasi tersebut.
Proses ini dilakukan berulang-ulang dalam
jumlah yang sangat banyak sehingga dihasilkan
sampel :
                       N!
Sebanyak                                buah sampel
                     n!(N-n)!
 Bila sampel-sampel yang dihasilkan dihitung rata-ratanya
maka akan menghasilkan nilai rata-rata yang berbeda 
hingga dapat disusun menjadi suatu distribusi yang disebut
distribusi rata-rata sampel.Bila dihitung deviasi standarnya
dinamakan deviasi standar distribusi rata-rata sampel atau
kesalahan baku rata-rata (standard error rata-rata).

 Distibusi sampel dihasilkan dari pengambilan sampel yang

dilakukan berulang-ulang. Oleh karena itu distribusi
sampel disebut distribusi teoritis atau distribusi
probabilitas.
 Distribusi Rata-Rata
Distribusi rata-rata diperoleh dengan
pengambilan sampel yang dilakukan berulang
hingga semua kemungkinan sampel yang dapat
diambil dari populasi tersebut terpenuhi.
Selanjutnya, rata-rata masing- masing sampel
dihitung.
Rata-rata
O   distribusi dari rata -rata sampel akan sama
dengan rata- rata populasi dan deviasi standar distribusi
rata-rata dinamakan kesalahan baku (standard eror) sama
dengan deviasi standar populasi dibagi dengan akar n.

Keterangan :
n : ukuran sampel N : ukuran populasi
x : rata-rata sampel μ : rata-rata populasi
s : standar deviasi sampel σ : standar deviasi populasi
μx: rata-rata antar semua sampel
σx : standar deviasi antar semua sampel = standard error = kesalahan
baku
Contoh
O   :
O Diberikan sebuah populasi dengan N=10 yang datanya :
98, 99, 97, 98, 99, 98, 97, 97, 98, 99. Jika dihitung,
populasi ini mempunyai µ = 98 dan σ = 0,78. Diambil
sampel berukuran n=2 . Semuanya ada  = 45 buah sampel.
Untuk setiap sampel kita hitung rata-ratanya. Data dalam
tiap sampel dan rata-rata tiap sampel diberikan dalam
daftar berikut ini.
Semua Sampel Berukuran n = 2
Rata-ratanya Diambil dari Populasi Berukuran N = 10
Sampel Rata-rata Sampel Rata-rata Sampel Rata-rata

(98,99) 98,5 (99,98) 98,5 (99,98) 98,5

(98,97) 97,5 (99,99) 99 (99,97) 98
(98,98) 98 (97,98) 97,5 (99,97) 98
(98,99) 98,5 (97,99) 98 (99,98) 98,5
(98,98) 98 (97,98) 97,5 (99,99) 99
(98,97) 97,5 (97,97) 97 (98,97) 97,5
(98,97) 97,5 (97,97) 97 (98,97) 97,5
(98,98) 98 (97,98) 97,5 (98,98) 98
(98,99) 98,5 (97,99) 98 (98,99) 98,5
(99,97) 98 (98,99) 98,5 (97,97) 97
(99,98) 98,5 (98,98) 98 (97,98) 97,5
(99,99) 99 (98,97) 97,5 (97,99) 98
(99,98) 98,5 (98,97) 97,5 (97,98) 97,5
(99,97) 98 (98,98) 98 (97,99) 98
(99,97) 98 (98,99) 98,5 (98,99) 98,5

Jumlah semua rata-rata = 4410

O  Jumlah ke-45 buah rata-rata = 4.410. maka rata-ratanya
untuk ke-45 rata-rata ini =. Jadi, .

O Simpangan baku ke-45 rata-rata di atas juga dapat dihitung.

Besarnya adalah

O Tetapi rata-rata populasi dan simpangan baku . Selanjutnya

kita hitung:
 Dalil Limit Pusat
O 
Data limit pusat ialah hubungan antara
bentuk distribusi populasi dengan bentuk
distribusi sampling rata-rata. Hubungan
tersebut adalah sebagai berikut.
1. Rata-rata dari distribusi rata-rata sampel sama dengan rata-
rata populasi dan tidak bergantung pada besarnya sampel dan
bentuk distribusi populasi

2. Dengan penambahan jumlah sampel maka distribusi rata-rata

sampel akan mendekati distribusi normal dan tidak
bergantung pada bentuk distribusi populasi.
Distribusi
O  normal yang didapat dari distribusi rata-rata
perlu distandarkan agar daftar distribusi noramal baku
dapat digunakan. Ini perlu untuk perhitungan-
perhitungan. Untuk ini digunakan transformasi.
Contoh :
Tinggi badan mahasiswa rata-rata mencapai 165 cm dan
simpangan baku 8,4 cm. Telah diambil sebuah sampel
acak terdiri atas 45 mahasiswa. Tentukan berapa peluang
tinggi rata-rata ke-45 mahasiswa tersebut : 
a. antara 160 cm dan 168 cm.
b. paling sedikit 166 cm.
Jika
O   ukuran populasi tidak dikatakan besarnya,
selalu dianggap cukup besar untuk berlakunya
teori. Ukuran sampel n= 45 tergolong sampel
besar sehingga dalil limit pusat berlaku. Jadi
rata-rata untuk tinggi mahasiswa akan
mendekati distribusi normal dengan :
O Rata-rata = 165 cm
O Simpangan baku = cm = 1,252 cm.
Contoh
O   :
O misalkan harga-harga dari sampel yang satu dengan
sampel yang lainnya diharapkan tidak lebih dari 1 cm.

Jika populasi cukup besar, maka :

yang menghasilkan

atau n ≥ 70,58.

Paling sedikit perlu diambil sampel terdiri atas 71

mahasiswa.
 Distribusi Proporsi
O Bila variable X terdapat pada populasi N maka
proporsi variable X terhadap populasi adalah
X/N = p. bila dari populasi tersebut diambil
sampel sebesar n maka akan terdapat variable
x dan proporsi variable tersebut adalah x/n = p
. Bila pengambilan sampel dilakukan berulang
dan masing- masing sampel dihitung
proporsinya makan akan diperoleh nilai
proporsi yang berbeda- beda.
O 

Rumus diatas berlaku bila fraksi sampel x/n

lebih kecil dari 5% atau bila populasi tak
terhingga dengan sampel yang relative kecil
dibandingkan populasi.
O  Bila fraksi sampel lebih besar dari 5% atau
populasi terbatas maka rumurs diatas harus
dilakukan dengan factor perkalian seperti
distribusi rata-rata hingga rmus kesalahan
baku proporsi menjadi sebagai berikut :
O x
O  Jika sampel kurang dari 30 maka kurva akan
mejauhi distribusi normal sehingga perlu
dilakukan perhitungan nilai z. nilai z dapat
diperoleh dengan transformasi sebagi berikut :
O Rumus
Contoh
O   :
O sebuah apotik menemukan bahwa pembelian dilakukan
oleh 20% dari pelanggan yang memasuki apotiknya.
Suatu pagi terdapat sampe acak sebanyak 180 orang
memasuki apotiknya. Berapa probilitas pelanggan yang
membeli kurang dari 15% ?
Jawab :
O dik : n 180
π : 20% = 0,2-
O dit : P (< 15% ) ?
O jawab : = 0,20
= = = - 1,68
 Z 0
O Lihat tabel z :

luas sebelah kiri 0 = 0,5000

luas antara z-0 = 0,4535-

luas sebelah kiri z = 0,0465

Kesimpulan
O Jadi, probabilita bahwa diantara 180 orang
yang masuk ke toko, pelanggan yang membeli
kurang dari 15% adalah sebesar 0,0465 atau
4,65%
Contoh 2 :
O Ada petunjuk kuat bahwa 10% anggota
masyarakat tergolong ke dalam golongan A.
Sebuah sampel acak terdiri atas 100 orang telah
diambil.
a) Tentukan peluangnya bahwa dari 100 orang itu akan
ada paling sedikit 15 orang dari golongan A.
b) Berapa orang harus diselidiki agar persentase
golongan A dari sampel yang satu dengan yang
lainnya diharapkan berbeda paling besar dengan 2%?
Jawab:
O  
a) Untuk ukuran sampel 100, diantaranya paling
sedikit 15 tergolong kategori A, maka paling
sedikit x/n = 0,15. Kekeliruan bakunya adalah :

O Bilangan z paling sedikit =

O Dari daftar normal baku, luasnya = 0,5 – 0,4525 =
0,0475.
O Peluang dalam sampel itu aka nada paling sedikit 15
kategori A adalah 0,0475.
b)   Dari rumus (8) dengan π = 0,1 dan 1 – π =
O
0,9 sedangkan d = 0,02, maka :
O yang menghasilkan n ≥ 225
O Paling sedikit sampel harus berukuran 225.
Distribusi simpangan Baku
O  Seperti biasa kita mempunyai populasi
berukuran N. Diambil sampel-sampel acak
berukuran n, lalu untuk tiap sampel dihitung
simpangan bakunya, yaitu s. Dari kumpulan
ini sekarang dapat dihitung rata-ratanya, diberi
simbol dan simpangan bakunya, diberi simbol.
O sangat mendekati distribusi normal dengan :

 
X(9) ………………
 

O dengan σ = simpangan baku populasi.

O Transformasi yang diperlukan untuk membuat
distribusi menjadi normal baku adalah:

X(10) ………………
  𝑠 −𝜎
𝑧=
𝜎𝑠
Contoh:
O  
O Varians sebuah populasi yang berdistribusi normal 6,25.
Diambil sampel berukuran 225. Tentukan peluang sampel
tersebut akan mempunyai simpangan bakulebih dari 3,5.
Jawab :
O Varians = 6,25 = 2,5. Ukuran sampel cukup besar, maka
distribusi simpangan baku mendekati distribusi normal
dengan rata-rata dan simpangan baku .
O Bilangan z untuk s = 3,5 adalah

O Praktis tidak menjadi sampel berukuran 225 dengan

simpangan baku lebih dari 3,5.
 Standar eror

Standar error adalah standar deviasi dari rata-rata. Mis 3

kelompok, maka akan ada 2 buah nilai rata- rata. Bila dihitung
nilai standar deviasi dari 3 buah rata- rata tersebut, maka nilai
standar deviasi dari nilai rata-rata tsb disebut nilai standar eror
(SE).
 RUMUS
O  Oµ =
O=
O SE =
O Ket :
N = Populasi n = Sampel
µ = Mean x = angka
= standar deviasi SE= standar eror
 Contoh
Terdapat
O   5 siswa dengan nilai 12,55,74,79,8,
Berapakah standar erornya ?
µ =  µ = 62 (Mean)
=
=
= ( standar deviasi)
SE = 
SE = 7,6
 Data Ukur
O Untuk
O   menghitung populasi yang banyak seperti semua
mahasiswa, semua dosen yaitu dengan menggunakan
stratified sampling.
O Stratifed sampling ialah cara mengambil sample dengan
memperhatikan starata atau tingkatan didalam populasi.
Data data tingkatan tersebut dikelompokkan berdasarkan
karakterisitik tertentu.
O Dengan cara tiap tiap tingkatan atau sample tersebut
dihitung rata-ratanya. (tiap rata-rata dari satu kelompok
sample disebut sample mean ( x̄ ). Lalu cari hasil
population mean.
µ=
Selanjutnya
O   ….
Akurasi sample terhadap populasi dapat di ukur dengan menghitung
Variability Sample tersebut terhadap Population Meannya.Semakin bervariasi
nilai sample mean jika sample-sample jauh nilainya dari item-item
sebenarnya di Populasi, semakin kecil variasnya atau nilainya semakin
mewakili.
selanjutnya menghitung variability antar sample yang disebut sampling
variation.

Di dalam populasi yang kecil biasanya dapat langsung menghitungnya

dengan Standard Deviation.
S
Namun di populasi yang sangat besar & kompleks dengan lebih dari satu
samples maka menghitung ‘Standard Deviation’ Population Mean terhadap
nilai Sample Mean yang ada dengan istilah Standard Error of the Mean (SE).
O Standard Error of the Mean (SE) dihitung dengan {Menjumlahkan
(selisih setiap Sampling Mean dengan Population Mean) yg
dikuadratkan untuk memperoleh nilai positif} dibagi banyaknya
kelompok samples kemudian diakar dua.

O Jika dalam populasi yang kecil (dimana setiap item data dapat
diukur) kita mengenal frequency distribution, maka dalam
populasi yang besar dengan lebih dari satu samples ini kita
menyebutnya Sampling Distribusi, yaitu grafik yang menunjukkan
berapa frequency (banyak sample) untuk tiap-tiap nilai Sample
Mean.
 DATA HITUNG
O Jika dalam populasi yang kecil (dimana setiap
item data dapat diukur) maka dapat
menggunakan frequency distribution, dalam
populasi yang besar dengan lebih dari satu
samples ini kita menyebutnya Sampling
Distribusi, yaitu grafik yang menunjukkan
berapa frequency (banyak sample) untuk tiap-
tiap nilai Sample Mean.