METODE DAN DISTRIBUSI SAMPLING

(STATISTIK INDUKTIF)

1
OUTLINE

Bagian
Bagian I I Statistik
StatistikInduktif
Induktif
Metode dan Distribusi Sampling Pengertian Populasi dan Sampel
Metode dan Distribusi Sampling Pengertian Populasi dan Sampel

Teori Pendugaan Statistik Metode Penarikan Sampel

Teori Pendugaan Statistik Metode Penarikan Sampel

Pengujian Hipotesa Sampel Besar Kesalahan Penarikan Sampel

Pengujian Hipotesa Sampel Besar Kesalahan Penarikan Sampel

Pengujian Hipotesa Sampel Kecil Distribusi Sampel Rata-rata dan Proporsi

Pengujian Hipotesa Sampel Kecil Distribusi Sampel Rata-rata dan Proporsi

Analisis Regresi dan Korelasi Linear Distribusi Sampel Selisih Rata-rata dan Proporsi
Analisis Regresi dan Korelasi Linear Distribusi Sampel Selisih Rata-rata dan Proporsi

Analisis Regresi dan Korelasi Berganda Faktor Koreksi untuk Populasi Terbatas
Analisis Regresi dan Korelasi Berganda Faktor Koreksi untuk Populasi Terbatas

Fungsi, Variabel, dan Masalah dalam Analisis

Fungsi, Variabel, Regresi
dan Masalah dalam Analisis Dalil Batas Tengah
Dalil Batas Tengah
Regresi
2
POPULASI DAN SAMPEL
 Populasi adalah kumpulan seluruh
elemen/objek yang diteliti
 Sampel adalah bagian dari populasi

3
Metode dan Distribusi Sampling Bab 11

HUBUNGAN SAMPEL DAN POPULASI

Populasi RANDOM
Sampel
Simpangan Baku σ Banyak n jika Pengambilan sampel dengan
Rata-rata µ pengembalian = Nn

Jika Sampel tanpa pengembalian, maka

banyaknya sampel adalah NCn

4
ALASAN PENGGUNAAN SAMPEL
 Mendata dan menghubungi seluruh populasi
seringkali menghabiskan waktu
 Mahalnya biaya untuk mempelajari seluruh
unsur dalam populasi
 Tidak mungkin menguji secara fisik seluruh
unsur populasi
 Sifat pengujian yang destruktif

5
METODE PENARIKAN SAMPEL (METODE SAMPLING)

Metode Sampling adalah Cara pengumpulan

data yg hanya mengambil sebagian elemen
populasi
Alasan dipilihnya metode ini :
1. Objek penelitian yg homogen
2. Objek penelitian yg mudah rusak
3. Penghematan biaya dan waktu
4. Masalah ketelitian
5. Ukuran populasi
6. Faktor ekonomis

6
 METODE PENARIKAN SAMPEL

Metode Penarikan Sampel

Sampel Probabilitas Sampel Nonprobabilitas

(Probability Sampling) (Nonprobability Sampling)

1.Penarikan sampel acak sederhana (simple 1.Penarikan sampel sistematis (systematic

random sampling) sampling)
2. Penarikan sampel acak terstruktur (stratified 2. Penarikan sampel kuota (kuota sampling)
random sampling)
3. Penarikan sampel purposive (purposive
3. Penarikan sampel cluster (cluster sampling) sampling)

7
DEFINISI

 Sampel probabilitas
Merupakan suatu sampel yang dipilih sedemikian rupa dari populasi
sehingga masing-masing anggota populasi memiliki probabilitas atau
peluang yang sama untuk dijadikan sampel.

 Sampel nonprobabilitas
Merupakan suatu sampel yang dipilih sedemikian rupa dari populasi
sehingga setiap anggota tidak memiliki probabilitas atau peluang yang
sama untuk dijadikan sampel.

8
SAMPEL PROBABILITAS

9
 Simple random sampling adalah salah satu
teknik sampling yang paling umum
 Definisi dari penarikan simple random
sampling dan proses pemilihan sampelnya
bergantung pada apakah populasinya
terbatas (finite population) atau tak
terbatas (infinite population)

10
SIMPLE RANDOM SAMPLING

Dua cara sampel acak sederhana:

1. Sistem Kocokan
Sistem sampel acak sederhana dengan cara sama
sistem arisan.

2. Menggunakan tabel acak

Memilih sampel dengan menggunakan suatu tabel.
Dalam penggunaannya ditentukan terlebih dahulu
titik awal (starting point).

11
CONTOH MENCARI SAMPEL DENGAN
TABEL ACAK

 1.Menentukan titik awal(starting point)

 2. Memulai dari titik baris dan kolom
pertama dengan membandingkan
antara angka acak dan jumlah populasi.
Misal. N=59 dan n=6. maka angka acak
diambil <59.

12
STRATIFIED RANDOM SAMPLING

Penarikan sampel acak terstruktur:

Penarikan sampel acak terstruktur dilakukan dengan membagi anggota

populasi dalam beberapa sub kelompok yang disebut strata, lalu suatu
sampel dipilih dari masing-masing stratum.

13
PROSES STRATIFIKASI

Populasi tidak berstrata Populasi terstrata

14
 CONTOH MENENTUKAN JUMLAH SAMPEL
SETIAP STRATUM (PROPORSIONAL)

Stratum Kelompok Jumlah Persentase Jumlah sampel

anggota dari total per stratum

1 Bulat 5 21 (0,21 x 10) = 2

2 Kotak 7 29 (0,29 x 10) = 3
3 Segitiga 12 50 (0,50 x 10) = 5
Jumlah Total 24 100 10

15
 CONTOH MENENTUKAN JUMLAH SAMPEL
SETIAP STRATUM (TIDAK PROPORSIONAL)

Stratum Kelompok Jumlah Proporsi Jumlah sampel Per Stratum

anggota Proporsional Nonproporsional

1 Bulat 1 4 0,04 x 10 = 0 1
2 Kotak 4 17 0,17 x 10 = 2 2
3 Segitiga 19 79 0,79 x 10 = 8 7
Jumlah Total 24 100 10 10

16
EXERCISE

 N=2.000 yang terdiri dari 4 stratum:

N1=500, N2=1200, N3=200 DAN
N4=100. DENGAN UKURAN n=80.
 BERAPA BESAR SAMPEL YANG HARUS
DI ALOKASIKAN PADA MASING-
MASING STRATUM (METODE ALOKASI
PROPORSIONAL)?

17
JAWABAN
 ALOKASI PROPORSIONAL (ni= Ni/N.n)
 n1=500/2000.80=20
 n2=1.200/2000.80=48
 n3=200/2000.80=8
 n4=100/2000.80=4

18
CLUSTER SAMPLING

Populasi

Sampel Terstruktur Sampel Cluster

19
SAMPEL NON PROBABILITAS

20
SYSTEMATIC SAMPLING

Penarikan Sampel Sistematis

Penarikan dikatakan sampel sistematis apabila setiap unsur atau anggota

dalam populasi disusun dengan cara tertentu-Secara alfabetis, dari besar
kecil atau sebaliknya-kemudian dipilih titik awal secara acak lalu setiap
anggota ke K dari populasi dipilih sebagai sampel

21
QUOTE SAMPLING

Penarikan Sampel Kuota

Penarikan sampel kuota adalah pengambilan sampel dari populasi yang

mempunyai ciri-ciri tertentu sampai jumlah atau kuota yang diinginkan.

Tujuannya adalah untuk memperbaiki keterwakilan seuruh komponen

dalam populasi

22
 PURPOSIVE SAMPLING

Penarikan Sampel Purposive

Penarikan sampel purposive adalah penarikan sampel dengan

pertimbangan tertentu.

Pertimbangan tersebut didasarkan pada kepentingan atau tujuan penelitian.

Purposive sampling bisa dilakukan dengan 2 cara :

a.Convinience Sampling
b.Judgement Sampling

23
OUTLINE

Bagian
Bagian I I Statistik
StatistikInduktif
Induktif
Metode dan Distribusi Sampling Pengertian Populasi dan Sampel
Metode dan Distribusi Sampling Pengertian Populasi dan Sampel

Teori Pendugaan Statistik Metode Penarikan Sampel

Teori Pendugaan Statistik Metode Penarikan Sampel

Pengujian Hipotesa Sampel Besar Kesalahan Penarikan Sampel

Pengujian Hipotesa Sampel Besar Kesalahan Penarikan Sampel

Pengujian Hipotesa Sampel Kecil Distribusi Sampel Rata-rata dan Proporsi

Pengujian Hipotesa Sampel Kecil Distribusi Sampel Rata-rata dan Proporsi

Analisis Regresi dan Korelasi Linier Distribusi Sampel Selisih Rata-rata dan Proporsi
Analisis Regresi dan Korelasi Linier Distribusi Sampel Selisih Rata-rata dan Proporsi

Analisis Regresi dan Korelasi Berganda Faktor Koreksi untuk Populasi Terbatas
Analisis Regresi dan Korelasi Berganda Faktor Koreksi untuk Populasi Terbatas

Fungsi, Variabel, dan Masalah dalam Analisis

Fungsi, Variabel, Regresi
dan Masalah dalam Analisis Dalil Batas Tengah
Dalil Batas Tengah
Regresi
24
DEFINISI

Kesalahan penarikan sampel (sampling error)

Merupakan perbedaan antara nilai statistik sampel dengan

nilai parameter dari populasi.

25
PERBEDAAN PARAMETER
STATISTIK
POPULASI SAMPLE
SAMPLING1.DOC MENGGUNAKAN RUMUS
NCn = N! / n! (N-n)!

Setelah itu hitung:

1. Rata-rata (xbar) dari setiap

kombinasi dan rata-rata

hitung dari ppulasi (miu)
2. Menghitung sample errror

(X –Miu)

26
CONTOH
 Jika kita ingin melihat kinerja dari 5
buah Bank berdasarkan laba yang
diperoleh dalam suatu periode,
berapakah kemungkinan kesalahan
sampel yang dapat terjadi jika diambil
sampel hanya dari 2 bank saja?

27
Contoh: 5C2 =10
Bank Laba kombinas jumlah Rata-rata Sample
i (xbar) error (X-
miu)
Jabar 66 1.

Jatim 59 2.

Bpd 45 3.

Bpd jatim 37 4.

Bpd sumut 36 5.

7.

9.

10. 28
 DISTRIBUSI SAMPLING

Bagian
Bagian I I Statistik
StatistikInduktif
Induktif

Metode dan Distribusi Sampling

Metode dan Distribusi Sampling Distribusi Sampel Rata-rata dan Proporsi
Distribusi Sampel Rata-rata dan Proporsi

Prob rata-rata hitung sampel

Dari proporsi

29
KONSEP

Distribusi sampel:

Distribusi sampel merupakan distribusi teoritis (distribusi

kemungkinan) dari semua hasil sampel yang mungkin,
dengan ukuran sampel yang tetap n, pada statistik
(karakteristik sampel) yang digeneralisasikan ke populasi.

30
KONSEP
 Distribusi Sampling memungkinkan untuk
memperkirakan probabilitas hasil sampel tertentu
untuk statististik tersebut
  Merupakan jembatan, karena melalui distribusi
sampling dapat diketahui karakteristik populasi
 Berdasarkan ukurannya, maka sampel dibedakan
atas :
 Sampel besar, jika ukuran sampel (n) ≥30
 Sampel kecil, jika ukuran sampel (n) ≤30

31
JENIS-JENIS DISTRIBUSI SAMPEL
 Distribusi sampel Rata-rata
 Distribusi sampling proporsi
 Distribusi sampel selisih dua rata-rata
 Distribusi sampel selisih dua proporsi

32
Distribusi Sampel Rata-rata

Distribusi sampel dari rata-rata hitung sampel



adalah
 suatu distribusi probabilitas yang terdiri atas seluruh
kemungkinan rata-rata hitung sampel dari suatu ukuran
sampel tertentu yang dipilih dari populasi, dan
 probabilitas terjadinya dihubungkan dengan setiap rata-
rata hitung sampel

33
Distribusi sampel rata-rata

a. Pemilihan sampel dari populasi terbatas

1. Utk pengambilan sampel tanpa pengembalian atau
n/N > 5%
x  
 N n
x 
n N 1
2. Utk pengambilan sampel dgn pengembalian
atau n/N ≤ 5%   
x


x 
n
34
Distribusi Sampel 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) tentukan: (tanpa
Pengembalian)
a. Rata-rata sampel 2 unsur
b. Rata-rata dari rata-rata sampel
c. Simpangan baku dari rata sampel

35
Latihan
Bank ROA
Bank Lippo Tbk 2
Bank BRI Tbk 4
Maybank Indocorp Tbk 6
BPD Jawa Tengah 4
Bank BTPN 4
a. Hitunglah nilai rata2 populasi

b. Hitunglah Nilai rata-rata sampel dan nilai rata-rata dari rata-rata sampel apabila
diambil sampel 2 dari 5 bank
c. Buatlah distribusi sampel dari rata2 hitungdan buatlah diagram
poligonnya untuk populasi dan sampel

d. Hitunglah standar deviasi untuk populasi dan sampel

36
DISTRIBUSI SAMPEL RATA-RATA

 x 2  4  6  4  4 20
   4
N 5 5

N! 5! 5!
CnN     10
n!(N  n)! 2!(5  2)! 2!3!
Bab 11
Metode dan Distribusi Sampling
DISTRIBUSI SAMPEL RATA-RATA

No Kombinasi Kombinasi Rata-rata

. ROA Hitung
Lippo – BRI 2+4 (6/2 )= 3
Lippo – Maybank 2+6 (8/2 )= 4
Lippo – BPD Jateng 2+4 (6/2 )= 3
Lippo – BTPN 2+4 (6/2 )= 3
BRI – Maybank 4+6 (10/2 )= 5
BRI – BPD Jateng 4+4 (8/2 )= 4
BRI – BTPN 4+4 (8/2 )= 4
Maybank – BPD Jateng 6+4 (10/2 )= 5
Maybank – BTPN 6+4 (10/2 )= 5
BPD Jateng – BTPN 4+4 (8/2 )= 4
DISTRIBUSI SAMPEL RATA-RATA

1
X
CN
n
X

1
X 3  4  3  3  5  4  4  5  5  4  40/10  4
10
DISTRIBUSI SAMPEL RATA-RATA

Populasi Sampel

Nilai rata- Frekuensi Probabilitas Nilai rata- Frekuensi Probabilitas

rata rata
2 1 (1/5) = 0,20 3 3 (3/10) = 0,30

4 3 (3/5) = 0,60 4 4 (4/10) = 0,40

6 1 (1/5) = 0,20 5 3 (3/10) = 0,30

Jumlah 5 1,00 10 1,00

Bab 11
Metode dan Distribusi Sampling
 DISTRIBUSI SAMPEL RATA-RATA
Distribusi probabilitas dalam bentuk poligon

0,7 0,5
0,6
0,4
0,5
0,4 0,3

0,3
0,2
0,2
0,1
0,1
0 02
2 4 6 4 6

Bab 11
Metode dan Distribusi Sampling
DISTRIBUSI SAMPEL RATA-RATA

  x  
2


N

X Xx–  x – )2
(X
2 -2 4
4 0 0
6 2 4
4 0 0
4 0 0
X = 20   X  
2
 8,0

 = 20/5 = 4
  X  
2
 5  8 5  1,3
DISTRIBUSI SAMPEL RATA-RATA

 Nn
s
n N 1

X xX –  x
(X – )2
3 -1 1
4 0 0
3 -1 1
3 -1 1
5 1 1
4 0 0
4 0 0
5 1 1
5 1 1
  X X  6,0
2
X = 40
xX = 40/10 = 4 
1
CN
n
  X    6 10  0,77
x
2
DISTRIBUSI SAMPEL PROPORSI

 Distribusi sampling dari proporsi adalah

distribusi proporsi-proporsi dari seluruh
sampel acak berukuran n yang mungkin yang
dipilih dari sebuah populasi
 proporsi kesuksesan desa yang mendapat
bantuan program
 Perbedaan persepsi penduduk miskin dan
kaya terhadap pembangunan mall, dilihat dari
proporsi ketersetujuannya
44
 Distribusi Sampling Proporsi
 Proporsi Populasi
K Proporsi Sampel
P
N
k
P
n

= sukses

45
DISTRIBUSI SAMPLING PROPORSI

Nilai rata-rata proporsi

1
Pp 
C nN
Standar deviasi sampel proporsi

1
 
2
sp  p  Pp
CNn

Standar deviasi proporsi

P  1 P Nn
sp  
n N 1

46
 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’

 Dengan sampling without replacement, maka

banyaknya kemungkinan sampel yang terjadi adalah
sebanyak :

47
Ilustrasi
Distribusi Sampling Proporsi
Kemungkinan sampel terpilih

No. Sampel Proporsi P

yg terpilih sampel Distribusi Probabilita Proporsi,
1 1, 2 ,3 2/3 dg n = 3
2 1, 2, 4 1/3 P Frek Prob
3 1, 2, 5 2/3
4 1, 3, 4 2/3 1/3 3 0,3
5 1, 3, 5 3/3 2/3 6 0,6
6 1, 4, 5 2/3 3/3 1 0,1
7 2, 3, 4 1/3
8 2, 3, 5 2/3
10 1
9 2, 4, 5 1/3
10 3, 4, 5 2/3
48
 Ilustrasi
Distribusi Sampling Proporsi
 Berdasarkan tabel dist sampling proporsi
di atas :
 P  (1 / 3)(0,3)  (2 / 3)(0,6)  (3 / 3)(0,1)  0,6

Ternyata : P  P q=1-p

pq N n (0,6)(0,4) 53
P      0,2
n N 1 3 5 1

49
 LATIHAN
Perusahaan semen Harga Saham Per
Lembar
Indocement 3500
Semen Baturaja 1250
Holcim Indonesia 4200
Waskita Beton 2500
Semen Indonesia 850

a. Berapa proporsi saham perusahaan semen akan dibeli sahamnya? (P), apabila investor
akan membeli saham dengan harga diatas 2000?
b. Berapa nilai tengan distribusi sampling proporsi?
c. Berapakah standar deviasi dari sampel distribusi tersebut?

50
Distribusi Sampling Proprsi
k
 Bila P , dimana k menyatakan banyaknya
n
peristiwa sukses dari sampel yang berukuran n
yang besar, maka p akan menyebar normal dengan
:
pq
P  P dan P
n
Maka :
P  P P  P
Z  
P P

51
 Contoh soal
 Diketahui bahwa 2% barang kiriman
adalah cacat. Berapa probabilitas bahwa
suatu pengiriman sebanyak 400 barang
terdapat 3% atau lebih yg cacat ? P ( P ≥
0,03) = ?
 P  p  2%  0,02
pq 0,02 x0,98
P    0,007 0 1,43
n 400
P  P 0,03  0,02
Z   1,43 P (Z>1,43) = 0,5 – 0,4236 = 0,0764
P 0,007
52
OUTLINE

Bagian
Bagian I I Statistik
StatistikInduktif
Induktif

Distribusi Sampel Selisih Rata-rata dan

Metode dan Distribusi Sampling Distribusi Sampel Selisih Rata-rata dan
Proporsi
Metode dan Distribusi Sampling Proporsi

53
SKEMA SELISIH POPULASI ATAU SAMPEL

Sampel 1
Populasi 1 Sampel 1
Populasi 1 berukuran
1, 1 berukuran
1, 1 X 1, Sx1

Apakah
Apakah
X1 , X2  1 ,  2

Populasi 2 Sampel 2
Populasi 2 Sampel 2
2, 2 berukuran
2, 2 berukuran
X 2 , Sx2

54
OUTLINE

X x1 x2  X 1  X1   1   2

Distribusi selisih rata-rata

Pp1  p2  P p1  P p2  p1  p2

Distribusi selisih proporsi

55
 DISTRIBUSI SAMPEL SELISIH RATA-RATA

Nilai rata-rata distribusi sampel selisih rata-rata x1 – x2

x x1 x2  x1  x2  1  2
Nilai Standar deviasi distribusi sampel selisih rata-rata x1 – x2
s2x1 s2x2
s x1 x2  s 2
x1 s 2
x2  
n1 n2

Sedangkan nilai Z untuk distribusi sampel selisih rata-rata

Z
 X 1 
 X2   1   2 
s x1 x2
56
CONTOH SOAL
 Misalkan rata-rata pendapatan manajer dan
karyawan, Rp. 50.000,- dan Rp 12.000 dengan
simpangan baku Rp. 15.000,- dan 1.000,- Jika
diambil sampel random manajer sebanyak 40 orang
dan karyawan sebanyak 150 orang.
Tentukan:
a. Beda rata-rata pendapatan sampel

b. Simpangan baku rata-rata pendapatan sampel

c. Probabilitas beda rata-rata pendapatan manajer dan

karyawan biasa lebih dari 35.000,-

57
CONTOH SOAL

58
 DISTRIBUSI SELISIH PROPORSI

Nilai rata-rata distribusi sampel selisih proporsi Pp1  p 2

Pp1  p 2  Pp1  Pp2  p 1  p 2

Nilai Standar deviasi distribusi sampel selisih rata-rata  p1  p 2

P1 ( 1  P1 ) P2 ( 1  P2 )
Sp 1  p 2  Sp  Sp 
2
1
2
2 
n1 n2
Sedangkan nilai Z untuk distribusi sampel selisih rata-
rata
( p 1  p2 )  ( P1  P2 )
Z
Sp 1  p 2
59
KASUS
Empat persen barang di gudang A adalah cacat
dan sembilan persen barang di gudang B
adalah cacat. Jika diambil sampel random
sebanyak 150 barang dari gudang A dan 200
barang dari gudang B, tentukan :
a. rata-rata beda dua proporsi sampel tersebut
b. Simpangan baku beda dua proporsi sampel
tersebut
c. Probabilitas beda persentase barang yang
cacat dalam gudang A 3% lebih besar daripada
gudang B

60
LATIHAN
 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 ?

61
LATIHAN
 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?

62
ALHAMDULILLAH ....TERIMA KASIH

63