DISTRIBUSI

SAMPLING
Here is where your presentation begins
 Di susun oleh :

1. Sayida Asih (2115012069)

2. Annisa Salsabila (2115012051)
3.Ica Azzahra Pebriyani (2115012019)
4. Luthfiyah Marwa Arminta Rasyid
Sukmana (2115012066)
5. Laily Nur Afifah (2115012038)
6. Anggun Waliya Salma Hani
[2115012056]
7. Berneta Rendiana D (2115012040)
8. Fajrah Saidah M (2115012043)
9. Monica Alda Sanjaya (2115012055)
10.Indah Wulansari (2115012045)
 DAFTAR ISI
01 DISTRIBUSI
SAMPLING 06 KORELASI
02 IMPLEMENTASI 07 PERGERAKAN
03 PROBABLITAS 08 TEORI DEVIASI STANDAR
04SAMPLE RATA-RATA 09 CARA/METODE
05 PROPORSI RATA-
RATA 10 IMPLEMENTASI KASUS
LAIN
 DISTRIBUSI SAMPLING

Sampling distribution adalah distribusi probabilitas dari suatu statistik.

Sampling distribution tergantung dari ukuran populasi, ukuran sampel,
metode memililih sampel. Distribusi sampling dari X dengan dengan
ukuran sampel n adalah suatu distribusi yang bila percobaan dilakukan
secara berulang (selalu dengan jumlah sampel n) akan menghasilkan
banyak nilai sampel dengan rata-rata X . Distribusi sampling ini
menggambarkan variabilitas (perubahan) rata-rata sampel terhadap rata-rata
populasi μ.
 TEORI DISTRIBUSI
SAMPLING
Definisi populasi :  keseluruhan objek/ pengamatan yang ingin kita teliti. Distribusi sampling : sampel diambil dan digunakan
untuk menghitung statistik yang dapat menyimpulkan
banyaknya pengamatan dalam populasi disebut ukuran populasi (N) parameter populasi.
populasi terbatas : objek pengamatannya diketahui jumlahnya
populasi tak terbatas : objek pengamatannya tidak diketahui jumlahnya distribusi probabilitas dari suatu statistik disebut distribusi
karakteristik populasi : sifat/ciri ciri yang diamati dalam suatu populasi sampling.
parameter populasi : hasil pengukuran karakteristik populasi

Definisi sampel : merupakan sebagian kecil dari populasi. dan harus memiliki
karakteristik yang sama dengan populasi.
ukuran sampel (n) : banyaknya pengamatan dalam sampel. jumlah sampel
boleh sama dengan populasi namun tidak boleh lebih.
sampel kecil : kurang dari 30
sampel besar : lebih dari/sama dengan 30
karakteristik sampel : sifat/ ciri ciri yang diamati dalam suatu sampel
statistik sampel : hasil pengukuran karakteristik sampel
 JENIS DISTRIBUSI SAMPLING

Sample Dua Beda Sample Dua Beda

Sample Rata- Rata Sample Proporsi Rata-Rata Proporsi

01 02 03 04

Distribusi Distribusi Distribusi Distribusi

 DISTRIBUSI RATA-RATA
 Distribusi sampling selisih rata-rata adalah distribusi dari perbedaan dari besaran
rata-rata yang muncul dari sampel-sampel dua populasi

Dengan : Untuk ukuran sampel n1 dan n2 yang cukup besar, distribusi

sampling selisih rata-rata ini perlu dilakukan pendekatan ke
  dalam bentuk normal strandar, yang dapat dirumuskan seperti
berikut:
A. Rata-rata (mean)
  𝑥1 − ´
(´ 𝑥 2) − 𝜇 ´𝑥 −´
𝑥2
𝑍= 1

𝜎 ´𝑥 1 −´
𝑥2

B. Simpangan baku (standard deviation)

 Contoh Soal

Pada suatu wilayah didapat rata-rata pendapatan manajer dan

karyawan per hari masing-masing sebesar Rp70.000,00 dan
Rp30.000,00 dengan simpangan baku Rp20.000,00 dan
Rp4.000,00. Jika dari wilayah tersebut diambil sampel manajer
sebanyak 42 orang dan karyawan sebanyak 135 orang. Tentukan
probabilitas bahwa pendapatan manajer Rp45.000,00 lebih
besar dari pendapatan karyawan pada wilayah tersebut? 
 Distribusi Sampling Selisih Proporsi
Keterangan
Adalah distribusi dari perbedaan dua besaran
proporsi yang muncul dari sampel dua Distribusi sampling selisih proporsi inipun akan
populasi mendekati distribusi normal bila ukuran-ukuran
sampel cukup besar (n1, n2  > 30), maka untuk
merubahnya menjadi bentuk normal standar
diperlukan rumus :
A. Rata-rata proporsi
  𝑥1 𝑥2 𝜋 𝑥1 𝑥2
 
𝑍=
( 𝑛1
−
𝑛2 ) −
𝑛1
−
𝑛2
𝜎 𝑥1 𝑥2
B. Simpangan baku proporsi 𝑛1
−
𝑛2
 Contoh Soal

Alya dan Deasy akan melakukan sebuah pertandingan

pelemparan sekeping uang logam, Deasy akan menang
bila memperoleh 8 sisi gambar lebih banyak dari pada
Alya, jika diasumsikan mereka diberi kesempatan masing-
masing melempar uang logam sebanyak 40 kali, berapa
peluang Deasy memenangkan pertandingan ini ? Berilah
saran apakah Deasy akan ikut dalam pertandingan atau
tidak, jika harapan kemenangannya harus sebesar 15%
atau lebih?

 
IMPLEMETASI
DISTRIBUSI
SAMPLING
Misalkan X adalah populasi dengan tinggi siswa di sekolah dengan distribusi normal, rata-
rata 170 cm dan standar deviasi adalah 10. Anda bertugas memilih 30 sampel dan
mengukur tinggi badan mereka. Berapa kemungkinan tingginya kurang dari 165 cm? 

Jawab:
IMPLEMETASI
DISTRIBUSI
SAMPLING
Pengertian Probabilitas 
PROBABILIT
Menurut DR. Boediono (2014), derajat atau tingkat kepastian ataukeyakinan dari munculnya hasil
percobaan statistik disebut probabilitas atau peluang. 
AS
Probabilitas pada dasarnya memberikan sebuah nilai atau besaran pada sebuah kejadian yang masih
dalam ruang lingkup pembicaraan. Dengan kata lain probabilitas adalah sebuah kemungkinan
terjadinya suatu event yang dinyatakan dalam sebuah nilai atau besaran. 

Teori probabilitas digunakan untuk mengevaluasi keandalan kesimpulan dan kesimpulan berdasarkan
data. Dengan demikian, teori probabilitas sangat penting untuk statistik matematika. Untuk kejadian
A dari ruang sampel S, probabilitas A dihitung dengan: 

 P(A)= N( A)/N(S ) 

di mana N( A) menunjukan jumlah elemen A dan N(S ) menunjukkan jumlah elemen dalam ruang
sampel S.  

Ukuran probabilitas dinyatakan antara 0 sampai 1 atau dalam persentasi 

 PENDEKATAN
1. Pendekatan klasik  
PROBABILITAS
Pendekatan klasik berdasarkan pada asumsi hasil dari suatu percobaan akan mempunyai kesempatan
yang sama.  

Probabilitas suatu peristiwa = jumlahkemungkinan hasil/ jumlah total kemungkinan hasil  

 Contoh : Percobaan ini mengamati sebuah dadu bersisi 6. Berapakah probabilitas sebuah sisi 2 akan
muncul di atas ?  

Pemecahan :  

Kemungkinan peristiwa adalah : P(1) = 1; P(2) = 1; P(3) = 1; P(4) = 1; P(5) = 1; P(6) = 1/6 

Probabilitas sisi 2 muncul berdasarkan rumus di atas adalah 1/6 atau 0,167
 PENDEKATAN
2. Pendekatan Relatif  
PROBABILITAS
Pendekatan relatif didasarkan pada frekuensi relatif. Dalam bentuk rumus dinyatakan : 

Probabilitas suatu peristiwa = jumlah peristiwa terjadi di masa lalu/ jumlah total pengamatan 

Contoh : Sebuah penelitian dilakukan pada 751 orng lulusan Fakultas Teknik Universitas Jaya. Penelitian ini adalah
sebuah percobaan Hasilnya menunjukkan sebanyak 383 dari 751 lulusan bekerja tidak sesuai dengan bidang ilmu
mereka. Berapakah probabilitas seorang lulusan Fakultas Teknik akan bekerja tidak sesuai dengan bidang studi yang
ditekuninya di univesitas ?  

Pemecahan : 

Probabilitas peristiwa akan terjadi = 383/751 = 0,51  

Jadi berdasarkan pengalaman masa lalu probabilitas bagi mahasiswa Universitas Jaya Fakultas Ekonomi yang tidak
bekerja sesuai dengan bidang ilmunya adalah 0,51. 
 PENDEKATAN
PROBABILITAS
3. Probabilitas Subyektif  

Probabilitas subyektif adalah kemungkinan suatu peristiwa akan terjadi ditentukan oleh
penilaian pribadi seseorang.  

Contoh :  

- Menduga kemungkinan Badu mendapat nilai A dalam mata kuliah Statistik  

- Menduga kemungkinan Chicago Bulls menjadi juara NBA tahun ini 

 SAMPLING
PROBABILITAS
Pada saat memilih unit sampling sangat diperhatikan besarnya peluang satuan sampling untuk terpilih ke dalam sampel,
dan peluang itu tidak boleh sama dengan nol.

 Simple Random Sampling: Satuan sampling dipilih secara acak. Peluang untuk terpilih harus
diketahui besarnya, dan untuk tiap satuan sampling besarnya harus sama. Misalnya ada sebuah
penelitian mengenai “Model Pembiayaan Pendidikan Dasar di Jawa Barat”, sampelnya adalah
seluruh SD dan SMP yang ada di Jawa Barat. Terhadap seluruh SD dan SMP tersebut dilakukan
pemilihan secara random tanpa melakukan pengelompokkan terlebih dahulu, dengan demikian
peluang masing-masing SD maupun SMP untuk terpilih sebagai sampel sama.

 Stratified Random Sampling : Populasi dibagi ke dalam sub populasi (strata), dengan tujuan membentuk
sub populasi yang didalamnya membentuk satuan-satuan sampling yang memiliki nilai variabel yang tidak
terlalu bervariasi (relatif homogen). Selanjutnya dari setiap stratum dipilih sampel melalui proses simple
random sampling. Misalnya dalam penelitian yang sama seperti di atas, semua sekolah baik SD maupun
SMP di Jawa Barat diklasifikasikan atau distratifikasi terlebih dahulu ke dalam sekolah yang berbiaya
mahal, sedang, dan murah. Kemudian dari masing-masing strata dipilih sekolah dengan teknik simple
random sampling.
 SAMPLING
PROBABILITAS
 Cluster Random Sampling. Populasi dibagi ke dalam satuansatuan sampling yang besar, disebut
Cluster. Berbeda dengan pembentukan strata, satuan sampling yang ada dalam tiap kluster harus
relatif heterogen. Pemilihan dilakukan beberapa tingkat: (1) Memilih kluster dengan carasimple
random sampling. (2) Memilih satuan sampling dalam kluster. Jika pemilihan dilakukan lebih dari
2 kali disebut Multi-stage Cluster Sampling. Misalnya dalam penelitian yang sama seperti di atas,
karena Jawa Barat sangat luas, dipilihlah kabupaten/kota tertentu sebagai sampel klaster ke-1
secara random. Dari tiap kabupaten terpilih dilakukan pemilihan lagi, yaitu kecamatan-kecamatan
tertentu dengan cara random sebagai sampel klaster ke-2. Selanjutnya dari masing-masing
kecamatan dilakukan pemilihan sekolah yang juga dilakukan secara random .

 Systematic Random Sampling : Individu dipilih secara berkala dari kerangka

sampling. Interval dipilih untuk memastikan ukuran sampel yang memadai. Jika
Anda membutuhkan ukuran sampel n dari populasi berukuran x, Anda harus
memilih setiap individu x/n untuk sampel. Misalnya, jika Anda menginginkan
ukuran sampel 100 dari populasi 1000, pilih setiap 1000/100 = 10 anggota kerangka
sampling.
 SAMPLING
PROBABILITAS
 Pengambilan sampel secara sistematis seringkali lebih nyaman daripada pengambilan
sampel acak sederhana, dan mudah dilakukan. Namun, hal itu juga dapat menyebabkan
bias, misalnya jika ada pola yang mendasari urutan individu dalam kerangka
pengambilan sampel, sehingga teknik pengambilan sampel bertepatan dengan
periodisitas pola yang mendasarinya. Sebagai contoh hipotetis, jika sekelompok siswa
dijadikan sampel untuk mendapatkan pendapat mereka tentang fasilitas perguruan
tinggi, tetapi daftar pusat Departemen Catatan Mahasiswa untuk semua siswa diatur
sedemikian rupa sehingga jenis kelamin siswa berganti-ganti antara pria dan wanita,
memilih interval yang genap (misalnya setiap siswa ke-20) akan menghasilkan sampel
semua laki-laki atau semua perempuan. Sementara dalam contoh ini biasnya jelas dan
harus dengan mudah dikoreksi, hal ini mungkin tidak selalu terjadi.
SAMPLE RATA-
RATA
Sampel mean adalah nilai rata-rata yang ditemukan dalam sampel. Sampel hanyalah sebagian
kecil dari keseluruhan. Nilai rata-rata adalah angka representasi atau biasa juga disebut
sebagai mean dari suatu kelompok data yang mewakili data secara keseluruhan.

Sampel berguna karena memungkinkan Anda untuk memperkirakan apa yang dilakukan
seluruh populasi, tanpa mensurvei semua orang. Katakanlah contoh sampel Anda untuk
contoh makanan adalah $ 2400 per tahun. Kemungkinannya, Anda akan mendapatkan angka
yang sangat mirip jika Anda mensurvei semua 300 juta orang. Jadi mean sampel adalah cara
menghemat banyak waktu dan uang.

Simbol rata-rata sampel atau sampel mean adalah

\bar{x},

diucapkan "x bar".

 KEGUNAAN NILAI RATA-
RATA
• Dapat digunakan untuk membandingkan kualitas suatu kelompok dengan
kelompok lain

• Mewakili kondisi suatu kelompok dengan 1 angka

• Mendeskripsikan suatu kelompok dengan singkat

CARA MENGHITUNG SAMPLE RATA-
RATA
1.  Menggunakan titik 2.  Menggunakan simpangan 3.  Menggunakan
tengah (cara biasa) rata-rata sementara pengkodean (coding)

Rumusnya:
 METODE SAMPLING
1.      Metode menentukan simple random sampling yaitu :
- Menentukan Populasi yang akan dipelajari
- Menentukan besarnya ukuran sampel
- Memilih sampel secara acak
- Mengambil data dari sampel
2.      Metode menentukan Sistematik random sampling yaitu
- Tentukan populasi yang akan digunakan -
- Memilih sampel dan mengambil data
- Menentukan ukuran sampel dan sampel interval
3.      Metode menentukan Stratifikasi random sampling
yaitu :
- Memilih karakteristik untuk stratifikasi
- Stratifikasi dengan karakteristik berbeda-beda
4.  Metode kluster random sampling yaitu :
- Menentukan populasi yang akan digunakan
- Membagi sampel menjadi kluster (kelompok)
- Memilih kluster secara acak untuk dijadikan
sampel
- Mengambil data dari sampel
5.  Metode melakukan non random sampling yaitu:
- Researcher harus mencoba meminimalisir bias
dalam sampel yang dipilih
- Researcher dapat mencoba keragaman yang
lebih banyak dalam sampel.
 TEORI DEVIASI STANDAR
Jika kita menelusuri data dan menghitung jumlah pengamatan yang berada dalam satu standar deviasi rata-rata,
yaitu antara 69,92−1,70=68,22 dan 69,92+1,70=71,62 inci, ada 69 di antaranya. Jika kita menghitung banyaknya
pengamatan yang berada dalam dua simpangan baku rata-rata, yaitu antara 69,92−2(1,70)=66,52 dan
69,92+2(1,70)=73,32 inci, ada 95 di antaranya. Semua pengukuran berada dalam tiga standar deviasi rata-rata, yaitu
antara 69,92−3(1,70)=64,822 dan 69,92+3(1,70)=75,02 inci. Penghitungan ini bukan kebetulan, tetapi sesuai
dengan hasil berikut yang terbukti dapat diterapkan secara luas.
 Pengertian Korelasi
KORELASI
korelasi adalah bentuk dan ukuran yang memiliki beberapa variabel dalam hubungan yang
memakai kata dari korelasi positif. Pada nantinya akan terjadi perubahan dengan meningkat
pada suatu benda.

Jenis-Jenis Korelasi

- Korelasi Sederhana ialah salah satu teknik statistik dengan mengukur kekuatan antara
hubungan variabel untuk mengetahui dari bentuk hubungan yang bersifat kuantitatif.
- Korelasi Parsial merupakan suatu metode untuk pengukuran tentang keeratan antara
hubungan variabel yang bebas dengan variabel yang tidak bebas sehingga dapat dengan mudah
untuk mengontrol dari salah satu variabel.
- Korelasi Ganda yakni sebuah bentuk yang dapat digunakan untuk dapat melihat dari
berbagai hubungan antara variabel dalam bentuk independen dan dependent sehingga dapat
berkaitan dengan interkorelasi dari variabel dependen.
 Bentuk Hubungan
1. Korelasi Linear Positif (+1) Korelasi
- Perubahan Nilai Variabel diikuti perubahan Nilai Variabel yang lainnya secara teratur dengan arah yang
sama. Jika Nilai Variabel X mengalami kenaikan, maka Variabel Y juga ikut naik. Jika Nilai Variabel X
mengalami penurunan, maka Variabel Y pun ikut turun.
- Jika Nilai Koefisien Korelasi mendekati +1 (positif Satu) berarti pasangan data Variabel X dan Y
mempunyai Korelasi Linear Positif yang kuat.

2. Korelasi Linear Negatif (-1)

- Perubahan Nilai Variabel diikuti perubahan Nilai Variabel yang lainnya secara teratur tetapi dengan arah yang
berlawanan. Jika Nilai Variabel X mengalami kenaikan, maka Variabel Y akan turun. Jika Nilai Variabel X turun,
maka Nilai Variabel Y mengalami kenaikan.
- Apabila Nilai Koefisien Korelasi mendekati -1 maka hal ini menunjukan pasangan data Variabel X dan
Variabel Y mempunyai Korelasi Linear Negatif yang kuat/erat.
 Bentuk Hubungan
3. Tidak Berkolerasi (0) Korelasi
- Kenaikan Nilai Variabel yang satunya terkadang diikuti dengan penurunan Variabel yang
lainnya atau terkadang diikuti dengan kenaikan Variable yang lainnya.Arah hubungannya tidak
teratur, searah, dan terkadang berlawanan.
- Apabila Nilai Koefisien Korelasi mendekati 0 (Nol) berarti pasangan data Variabel X dan Y
mempunyai korelasi yang sangat lemah atau berkemungkinan tidak berkolerasi.

Manfaat Korelasi

- Dapat mengukur beberapa hubungan variabel

- Dapat memotivasi kerja terhadap produktivitas variabel
- Dapat menemukan kualitas dengan layanan
- Dapat melakukan tingkatan inflasi pada variabel yang tertentu
Rumus Korelasi
n : Pasangan data X atau Y

Σx : Jumlah dari bentuk Variabel X

Σy : Jumlah dengan Variabel Y

Σx2 : Kuadrat dengan Jumlah pada Variabel X

Σy2 : Kuadrat dengan Jumlah pada Variabel Y

Σxy : Hasil dari Perkalian dan Jumlah

Bentuk Variabel X atau Variabel Y

 Contoh Soal
Seorang mahasiswa melakukan survai untuk meneliti apakah ada korelasi antara nilai statistik dengan nilai
ekonometrik, untuk kepentingan penelitian tersebut diambil 10 mahasiswa yang telah menempuh mata kuliah statistik
dan ekonometrik.
 Pemecahan
A. Judul Hubungan antara kemampuan mahasiwa dalam memahami ilmu statistika dan ilmu ekonometrika.
B. Pertanyaan Penelitian
Apakah terdapat korelasi positif antara kemampuan mahasiswa dalam memahami ilmu statistika dan ilmu
ekonometrika ?
C. Hipotesis
Terdapat korelasi positif kemampuan mahasiwa dalam memahami ilmu staistika dan ilmu ekonometrika
D. Kriteria pengujian
Ho : Tidak terdapat korelasi positif antara kemampuan mahasiswa dalam memahami ilmu statistika dan ilmu
ekonometrika.
Ha : Terdapat korelasi positif antara kemampuan mahasiswa dalam memahami ilmu statistika dan ilmu ekonometrika. Ho
diterima Jika ρhitung ≤ ρtabel(α, n-2) atau t hitung≤ ttabel (α, n-2) Ha diterima Jika ρhitung > ρtabel(α, n-2) atau thitung
> ttabel (α, n-2)
Data Yang dikumpulkan.
 Hasil perhitungan:

Kesimpulan

·        Karena ρhitung > dari ρtabel maka Ha diterima.

·        Karena t hitung> dari t tabelmaka Ha diterima.

Kesimpulan:

Terdapat korelasi positif antara kemampuan mahasiswa dalam memahami ilmu statistika dan ilmu ekonometrika.
 IMPLEMENTASI KASUS YANG LAIN
1. Implementasi
Korelasi
- Korelasi positif
Korelasi positif adalah hubungan antara 2
variabel dimana kenaikan satu variabel
menyebabkan penambahan nilai pada variabel
lainnya. Atau sebaliknya, semakin kecil nilai
suatu variabel, nilai variabel lainnya juga akan
ikut turun. Bisa dikatakan juga, korelasi ini
merupakan hubungan yang searah.
Contohnya : penambahan usia berbanding lurus
dengan penambahan tinggi badan, penambahan
waktu produksi akan berbanding lurus dengan
penambahan jumlah produksi.
- Korelasi negatif
Korelasi negatif adalah hubungan antara 2
variabel dimana kenaikan satu variabel
menyebakan penurunan nilai dari variabel
lainnya. Begitu juga sebaliknya, semakin kecil
nilai suatu variabel, semakin besar nilai variabel
lainnya. Hubungan antara kedua variabel dalam
kasus ini adalah berbalik arah.
Contohnya :semakin tinggi harga suatu produk,
semakin rendah daya beli masyarakat.
 IMPLEMENTASI KASUS YANG LAIN
Gambaran siswa yang menyukai/tidak menyukai mata pelajaran tersebut dapat dilihat melalui Diagram Venn berikut.

2. Implementasi probabilitas (Peluang)

Dari 42 siswa, 23 siswa manyukai IPA, 21 siswa menyukai Matematika dan 3 siswa tidak menyukai
keduanya. Berapakah jumlah siswa yang menyukai IPA dan Matematika?
Jawab:
Jumlah siswa yang menyukai salah satu mata pelajaran atau kedua mata pelajaran adalah 42 - 3 = 39
siswa (jumlah semua siswa dikurangi jumlah siswa yang tidak menyukai salah satu matapelajaran).
Dengan demikian, jumlah siswa yang menyukai IPA dan Matematika adalah (23 + 21) - 39 = 5 siswa.
 SUMBER REFERENSI

Soejoeti, Z. 2003. Sampling dan Distribusi Sampling. Metode Statistik I.

http://www.pustaka.ut.ac.id/lib/wp-content/uploads/pdfmk/SATS4420-M1.pdf. Diakses pada tanggal
3 November 2021.
Kustituanto, Bambang dan Rudy Badrudin. 1994. Statistika I (Deskriptif). Jakarta, Universitas
Gunadarma.
https://books.google.co.id/books?id=VdE5DwAAQBAJ&lpg=PP1&ots=Di5SxlURaV&dq=distribusi
%20sampling%20rata-rata%20dan%20sampling%20populasi&lr&pg=PA56#v=onepage&q=distribus
i%20sampling%20rata-rata%20dan%20sampling%20populasi&f=false
Diakses pada tanggal 3 November 2021
Setiawan, Nugroho. (2005). Teknik Sampling. Parung Bogor: Universitas Padjajaran.
https://pustaka.unpad.ac.id/wp-content/uploads/2009/03/teknik_sampling1.pdf
Barrat, Helen. & Shantikumar, Saran. (2018). Methods of Sampling from A Population.  
https://www.healthknowledge.org.uk/public-health-textbook/research-methods/1a-epidemiology/met
hods-of-sampling-population
Diakses pada 2 November 2021
Edward A. Panacek; Cheryl Bagley Thompson (2007). Sampling methods: Selecting your subjects. ,
https://sci.bban.top/pdf/10.1016/j.amj.2007.01.001.pdf#view=FitH
Bhandari, Pritha. (2021) an introduction to sampling to multistage sampling 
https://www.scribbr.com/methodology/multistage-sampling/
Taherdoost, Hamet. (2016) Sampling Methods in Research Methodology; How to Choose a Sampling
 TERIMA
KASIH
CREDITS: This presentation template was created by Slidesgo, including icons by Flaticon,
and infographics & images by Freepik
 MAYBE YOU NEED TO DIVIDE THE
CONTENT

MERCURY
Mercury is the closest planet to the
Sun and the smallest one in the
Solar System—it’s a bit larger than
the Moon
VENUS
Venus has a beautiful name and is
the second planet from the Sun. It’s
terribly hot—even hotter than
Mercury
THIS IS A MAP

Mercury is the closest

planet to the Sun

Despite being red, Mars is

a cold place

Neptune is the farthest

planet from the Sun
 SOMETIMES, REVIEWING CONCEPTS IS
A GOOD IDEA

MARS VENUS MERCURY

Despite being red, Mars is Venus has a beautiful name Mercury is the smallest
actually a cold place and is the second planet in the Solar System

JUPITER SATURN NEPTUNE

Jupiter is a gas giant and the Saturn is composed of Neptune is the fourth-largest
biggest planet of them all hydrogen and helium planet in the Solar System
 WHOA
!
It could be the part of the presentation
where you can introduce yourself, write
your email…
 01.THIS IS
A GREAT
HEADLINE
You could enter a subtitle here if you need it
 YOU COULD USE THREE COLUMNS,
WHY NOT?

MARS JUPITER MERCURY

Despite being red, Mars It’s a gas giant and also Mercury is the closest
is actually a cold place. the biggest planet in the planet to the Sun and
It’s full of iron oxide Solar System the smallest one
dust
 A PICTURE
ALWAYS
REINFORCES
THE CONCEPT
Images reveal large amounts of data,
so remember: use an image instead of
long texts. Your audience will
appreciate that
A
PICTURE
IS
WORTH
A
THOUSA
ND
AWESO
ME
WORD
S
 REINFORCE THE CONCEPT USING
INFOGRAPHICS!

SATURN
Saturn is MARS
composed of Despite being
hydrogen and red, Mars is
helium actually a cold
place
NEPTUNE
Neptune is the
farthest planet
from the Sun
 THIS IS A GRAPH!

To modify this graph, click on it, follow the link, change the data and paste the new graph here
 … AND THE SAME GOES FOR TABLES

MON TUE WED THU FRI SAT SUN

 HOW ABOUT THE PERCENTAGES?

55%
Mercury is the closest planet
to the Sun

15% 30%
Venus has a beautiful Neptune is the farthest
name, but it’s terribly hot planet from the Sun
 DO YOU PREFER THESE OTHER
PERCENTAGES?

MARS MERCURY
Despite being red, Mars Mercury is the closest
is actually a cold place planet to the Sun

VENUS NEPTUNE
Venus has a beautiful Neptune is the farthest
name, but it’s terribly planet from the Sun
hot
60% 30% 50% 99%
4,498,300,
000
Big numbers catch your audience’s attention
 earths is the Sun’s mass

24h 37m 23s

is Jupiter’s rotation period

386,000 km
is the distance between Earth and the Moon
 OUR SERVICES

$35 $60 $85

You can explain your You can explain your You can explain your
product or your product or your product or your
service service service

Characteristic Characteristic Characteristic

Characteristic Characteristic Characteristic

BASIC PRO PREMIUM

TABLE
T APP
Venus has a beautiful name and
is the second planet from the
Sun. It’s terribly hot—even
hotter than Mercury
 OUR TEAM

JENNA DOE,
JOHN DOE, MUSIC JOHN SMITH,
COUNSELOR TEACHER P.E. TEACHER
Here you could talk Here you could talk Here you could talk
a bit about this a bit about this a bit about this
person person person
SCHOOL HANDMADE ICONS
SCHOOL HANDMADE ICONS II
ALTERNATIVE RESOURCES
 RESOURCES
VECTORS:
● Back to school background in blackboard style
● Maths realistic chalkboard background
● Back to school background in chalkboard style
● Hand drawn map with travel elements
● Infographic elements set in blackboard style
● Good idea hand drawn illustration
● Hand drawn infographic steps template
● Hand drawn infographic steps template

ICONS:

● School handmade

PHOTOS:
● Blue school backpack with essential supplies
● Portrait of a schoolgirl with copyspace