TEORI SAMPLING

ELEMENTER
Sample dan Distribusi Sampling
 Pengenalan

 Populasi : totalitas dari semua objek atau individu yang memiliki karakteristik
tertentu, jelas, dan lengkap yang akan diteliti. Dilambangkan dengan huruf N.

 Sampel : himpunan bagian dari populasi. Dilambangkan dengan huruf n.

 Sampling : cara pengumpulan data dengan mengambil sampel saja (unit elementer
dari populasi).
 Pengambilan sampel secara acak
(random sampling)

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.

Cara pengacakan sebagai berikut :

 Undian

 Tabel Bilangan Acak

 Program Komputer Tabel Bilangan Acak

DISTRIBUSI SAMPLING
DISTRIBUSI SAMPLING
CONTOH
Teori Distribusi Sampling

 Distribusi sampel dari rata-rata hitung sampel adalah suatu

distribusi probabilitas yang terdiri dari 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.
Teori Distribusi Sampling

 Sedangkan menurut Sudjana, Distribusi Sampling merupakan

kumpulan nilainilai statistika yang sejenis lalu disusun dalam
suatu daftar sehingga terdapat hubungan antara nilai statistik dan
frekuensi statistika. Distribusi Sampling terdiri dari:
o Distribusi Sampling Rata-rata
o Distribusi Sampling Proporsi
o Distribusi Sampling Selisih Rata-rata
o Distribusi Sampling Selisih Proporsi
Distribusi Sampling Rata-Rata

 Distribusi sampling rata-rata adalah kumpulan dari bilangan-

bilangan yang masing-masing merupakan rata-rata hitung dari
samplenya.
Distribusi Sampling Rata-Rata

  Notasi yang digunakan :

o n : Ukuran sample N : Ukuran populasi
o x̅ : Rata-rata sample : Rata-rata populasi
o s : Standar deviasi sample
o : Rata-rata pada distribusi sampling rata-rata
o : Standar deviasi pada distribusi sampling rata-
rata
o : Standar deviasi
 Distribusi Sampling Rata-Rata

  Populasi terbatas
 Populasi tidak
 Notasi yang digunakan : terbatas
o n : Ukuran sample N : Ukuran populasi
o x̅ : Rata-rata sample : Rata-rata populasi
o
Rata-rata s : Standar deviasi sample
o :  Rata-rata pada distribusi sampling rata-rata
o : Standar deviasi pada distribusi sampling rata-
Standar Deviasi
rata
o : Standar deviasi

Nilai Baku
Distribusi Sampling Proporsi

  
Distribusi sampling proporsi adalah kumpulan atau distribusi
semua perbandingan samplenya untuk suatu peristiwa.
 Notasi Dalam Distribusi Sampling Proporsi:
o : rata-rata pada distribusi sampling proporsi
o : standar deviasi pada distribusi sampling proporsi
 Distribusi Sampling Proporsi

   
Distribusi Populasi
sampling Tidak Terbatas
proporsi adalah kumpulanPopulasi Terbatas
atau distribusi
()
semua perbandingan samplenya ()
untuk suatu peristiwa.
 Notasi Dalam Distribusi Sampling Proporsi:
Rata-ratao : rata-rata pada distribusi sampling proporsi
  o : standar deviasi pada distribusi sampling proporsi
 
Standar Deviasi

Nilai Baku
Distribusi Sampling Selisih Rata-Rata

 Distribusi
  sampling selisih rata-rata adalah distribusi
probabilitas yang dapat terjadi dari selisih rata-rata dua
sampel yang berbeda berdasarkan pada dua sampel
tertentu dari ukuran parameter dua populasinya.
 Untuk ukuran sampel n1 dan n­2 yang cukup besar (n1, n2>
30), maka distribusi sampling selisih rata-rata sangat
mendekati distribusi normal, untuk mengubahnya ke dalam
bentuk normal standar maka diperlukan rumus :
Distribusi Sampling Selisih Rata-Rata

  Dimana :
 Rata-rata (Means)

 
 Simpangan Baku (Standar deviation)

Jika dan tidak diketahui, maka dapat menggunakan standar

deviasi dari sampel
Distribusi Sampling Selisih Proporsi

 Distribusi sampling selisih proporsi adalah distribusi

probabilitas yang dapat terjadi dari selisih proporsi dua
sampel yang berbeda berdasarkan pada dua sampel
tertentu dari ukuran parameter dua populasinya, adapun
rumus distribusi sampling selisih proporsi dinyatakan
dalam :
 Rata-rata Proporsi
Distribusi Sampling Selisih Proporsi

 Simpangan baku proporsi

Distribusi Sampling Selisih Proporsi

 Distribusi sampling selisih proporsi inipun akan mendekati

distribusi normal bila ukuran-ukuran sampel cukup besar
(n1 n2> 30), maka untuk merubahnya menjadi bentuk
normal standar diperlukan rumus :
Distribusi Sampling Selisih Proporsi

  Jika tidak diketahui dan dianggap sama maka nilai :

 Sehingga standar baku proporsinya menjadi :

DISTRIBUSI SAMPLING ASIMTOSIS
DISTRIBUSI SAMPLING ASIMTOSIS
 TEKNIK SAMPLING

 Sampling acak dengan statifikasi

Bagian populasi yang mempunyai sifat yang serupa terhadap karakteristik

yang diselidiki dan kemudian dalam setiap stratum dilakukan pengambilan
sampling sederhana. Dengan jalan ini akan diperoleh sampel yang lebih
representatif dengan besar sampel yang dapat direduksi
 TEKNIK SAMPLING

 Sampling Sistematis

Apabila unit populasi yang besarnya N, sudah diberi nomor 1 sampai dengan
N. Untuk mendapat sampel, harus diambil satu unit secara acak dari k unit yang
pertama dan kemudian mengambil setiap unit yang ke-k yang menyusul. Misalkan
k = 10 dan unit yang pertama yang terambil secara acak adalah unit bernomor 7,
maka unit lain dalam sampel adalah unit yang bernomor 17, 27, 37, dan seterusnya.
Jadi pengambilan unit yang pertama sudah menentukan seluruh sampel sistematis.
Salah satu keuntungan sampling sistematis ini ialah pelaksanaannya lebh mudah
daripada sampling acak sederhana.
 TEKNIK SAMPLING

 Sampling Dwitahap
Misalkan setiap unit populasi dapat dibagi lagi menjadi unit yang lebih kecil,
yang disebut elemen. Sebagai contoh satu kecamatan dibagi menjadi rukun warga
(RW) dan setiap RW dapat dibagi lagi menjadi rukun tetangga (RT). Jika elemen RT
daripada unit menghasilkan data yang serupa, tidak ekonomis jika semua elemen
RT diselidiki. Cukup beberapa elemen saja. Cara ini disebut sampling dwitahap,
karena sampel diambil dalam dua tahap. Pertama dipilih sampel unit secara acak,
yang disebut unit primer dan kemudian diambil sampel elemen setiap unit primer,
juga secara acak. Salah satu keunttungan sampling dwitahap ialah lebih flexibel
daripada sampling satu tahap. Sampling dwitahap dapat diperluas menjadi sampling
multitahap.