DISTRIBUSI

PELUANG &
SAMPLING
Distribusi Peluang
•Titik-titik sampel di Ruang Sampel (S) dapat disajikan
dalam bentuk numerik/bilangan.

•Peubah Acak : Fungsi yang mendefinisikan titik sampel

dalam ruang sampel sehingga memiliki nilai berupa
bilangan nyata.

•Peubah acak = variabel acak/random variable/

stochastic variable.

•Notasi Peubah acak = X (X kapital), nilai dalam X

dinyatakan dengan x (huruf kecil x).
Distribusi Peluang
• Bila peubah acak X memiliki peluang untuk setiap
X=x dan jumlah peluang yang dihasilkan = 1, maka
dikatakan distribusi probabilitas/distribusi peluang
untuk peubah acak X telah terbentuk.

• Jadi distribusi peluang adalah himpunan pasangan

terurut antara peubah acak dan peluangnya.
Contoh
Pelemparan sebuah uang logam seimbang 3 Kali.
S = {GGG, GGA, GAG, AGG, GAA, AGA, AAG, AAA},
dimana G = GAMBAR dan A = ANGKA. Misalkan:
X = setiap satu sisi GAMBAR bernilai satu (G = 1)
S = {GGG, GGA, GAG, AGG, GAA, AGA, AAG, AAA}
3 2 2 2 1 1 1 0
Perhatikan X = { 0, 1, 2, 3}, x1 = 0, x2 = 1 x3 = 2, x4 = 3
Maka distribusi peluang untuk pelemparan uang logam
seimbang sebanyak 3 Kali dinyatakan dalam tabel berikut :
X P(X)
0 1/8
1 3/8
2 3/8
3 1/8
Jumlah 1
Distribusi Peluang
Peubah Acak Diskrit : nilainya selalu bilangan cacah/bilangan
bulat, dapat dihitung dan terhingga (untuk hal-hal yang dapat
dicacah).
Misal : Banyaknya produk yang rusak = 12 buah
Banyak pegawai yang di-PHK = 5 orang

Peubah Acak Kontinu : nilainya berupa selang bilangan, tidak

dapat dihitung dan tidak terhingga (bilangan bulat / bilangan
pecahan ) (untuk hal-hal yang diukur cth: jarak, waktu, berat,
volume)
Misal : Jarak Pabrik ke Pasar = 35,57 km
Waktu produksi per unit = 15,07 menit
Berat bersih produk = 210 gram
Volume kemasan = 100,00 cc
Distribusi Peluang Teoritis
Tabel atau Rumus yang mencantumkan semua
kemungkinan nilai peubah acak berikut peluangnya.

a. Distribusi Peluang Diskrit :

Seragam, Binomial, Hipergeometrik, Poisson

b. Distribusi Peluang Kontinu :

Normal, t , F, χ²(chi kuadrat)
   Mo  Me
Distribusi Normal
2
1  x μ 
1   
f(x)  e 2 σ 

σ 2π  x
  x   Simetris
μ = parameter (merupakan rata-rata distribusi)
σ = parameter (merupakan simpangan baku distribusi)
π= konstanta bernilai 3,1416
e = konstanta bernilai 2,7183
 Grafiknya selalu ada di atas sumbu datar x.
 Luas daerah grafik =nilai peluang peubah acak

dinyatakan dalam luas daerah di bawah kurva

berbentuk genta\lonceng (bell shaped curve).
 Keseluruhan luas kurva bernilai 1
 1  x μ 
2   0,  1
1   
f(x)  e 2 σ  Z=X
σ 2π xμ
  x   z
σ 1
1  z2
f(z)  e 2
2π
Distribusi Normal Baku  z  
Membaca Tabel Distribusi Normal Baku

0 2,85 -1,52 0

Luas daerah yang diarsir = .... Luas daerah yang diarsir = ....
Membaca Tabel Distribusi Normal Baku

0
-1,35 0 2,85 1,25 2,50 0 1,85

3. Luas daerah = .... 4. Luas daerah = ..... 5. Luas daerah = .....

0
1,85

6. Luas daerah = .....

Populasi VS Sampel
Populasi adalah keseluruhan
elemen atau unsur yang akan
kita teliti

Populasi
Sampel adalah sebagian dari populasi
Sampel
SAMPLING
• Proses menyeleksi sejumlah elemen dari populasi
sehingga dengan mempelajari sampel dan
memahami sifat-sifat subyek dalam sampel, maka
kita mampu mengeneralisir sifat-sifat tersebut ke
dalam elemen-elemen populasi
Kenapa
Populasi yang terlalu besar
Sampling
digunakan…??
Keterbatasan waktu
penelitian, biaya, dan SDM

Kadang, penelitian
terhadap sampel bisa lebih
reliabel daripada terhadap
populasi
SYARAT SAMPEL YANG BAIK
• Mewakili sebanyak mungkin karakteristik populasi
• Pengukuran harus valid  harus dapat mengukur
sesuatu yang seharusnya diukur.
• Sampel yang baik ditentukan oleh 2 pertimbangan :
1. Akurasi atau ketepatan yaitu tingkat ketidakadaan
“bias” (kekeliruan) dalam sample.
2. Presisi, sedekat mana estimasi kita dengan
karakteristik populasi. Presisi diukur oleh
simpangan baku (standard error).
UKURAN SAMPEL
• Banyak cara menentukan ukuran sampel dari suatu
populasi.
• Faktor-faktor yang mempengaruhi ukuran sampel
– tingkat presisi yang diinginkan (level of precisions)
– derajat keseragaman (degree of homogenity).
– Banyaknya variabel yang diteliti dan rancangan
analisis
– biaya, waktu, dan tenaga yang tersedia .
(Singarimbun dan Effendy, 1989).
Derajat Keseragaman & Presisi
• Derajat Keseragaman Populasi (degree of
homogenity). Semakin tinggi tingkat homogenitas
populasi semakin kecil ukuran sampel yang boleh
diambil begitupula sebaliknya.

• Tingkat Presisi yang diinginkan (level of precisions).

Semakin tinggi tingkat pesisi yang diinginkan
peneliti, semakin besar sampel yang harus diambil.
ROSCOE (1975)

• Sebaiknya ukuran sampel 30 s/d 500 elemen

• Jika sampel dipecah lagi ke dalam subsampel
(laki/perempuan, SD/SLTP/SMU), jumlah minimum
subsampel harus 30
• Pada penelitian multivariate (termasuk analisis
regresi multivariate) ukuran sampel harus beberapa
kali lebih besar (10 kali) dari jumlah variable yang
akan dianalisis.
• Untuk penelitian eksperimen sederhana, dengan
pengendalian yang ketat, ukuran sampel bisa antara
10 s/d 20 elemen.
TIPE DESAIN SAMPLING
• PROBABILITY SAMPLING
• Setiap elemen dalam populasi punya kesempatan
sama untuk diseleksi sebagai subyek dalam sampel.
Representatif ini penting untuk generalisasi

• NONPROBABILITY SAMPLING
• Setiap elemen dalam populasi belum tentu punya
kesempatan sama untuk diseleksi sebagai subyek
dalam sampel. Dalam hal ini waktu yang utama
 PROBABILITY SAMPLING
1. Random Sampling  tiap elemen punya kesempatan
sama untuk diambil sebagai subyek dalam sampel.
Jumlah populasi diketahui. Cara pengambilan sampel
bisa melalui undian. Memiliki bias terkecil dan
generalisasi tinggi
2. Stratified Random Sampling  Untuk mengurangi
pengaruh faktor heterogen dan melakukan pembagian
elemen-elemen populasi ke dalam strata. Masing-
masing strata dipilih sampelnya secara random sesuai
proporsinya. Digunakan untuk mempelajari
karakteristik yang berbeda, di sekolah ada kls I, kls II,
dan kls III. Atau dibedakan menurut jenis kelamin; laki-
laki & perempuan,
• Contoh Stratified Random Sampling:
Populasi 900 orang
Dibagi
tiga

Gr gol.II Gr gol. III Gr gol. IV

300 orang 300 orang 300 orang

Pilih secara acak Pilih secara acak Pilih secara acak

Untuk 90 orang Untuk 90 orang Untuk 90 orang
 PROBABILITY SAMPLING
3. Clustering Sampling
• Pengambilan sampel dari populasi seluruh guru SD di Kota
Bogor. Pengambilan sampelnya dengan cara membagi wilayah
Kota Bogor ke dalam enam wilayah, kemudian dari masing-
masing kecamatan diambil perwakilannya. Jumlah sampel tiap
kecamatan diambil secara proporsional.

A B
A B

C D C D

E F E F
PROBABILITY SAMPLING

4. Sistematics Sampling  Elemen pertama dari

populasi dipilih secara random lalu selanjutnya dipilih
sampelnya pada setiap jarak interval tertentu.
Jarak interval misalnya ditentukan angka pembagi 5,6
atau 10. Atau dapat menggunakan dasar urutan
abjad.
Syarat lain : adanya daftar semua anggota populasi
 NON PROBABILITY SAMPLING
• Tidak mengukur sejauh mana karakteristik sampel mendekati
parameter populasi induknya, sehingga peneliti tidak dapat
mengidentifikasikan populasi induk sama sekali.

• Sampel yang diambil tidak dapat digeneralisasikan pada

populasi tempat sampel tersebut diambil.

• Sampling Nonprobabilitas tidak dirancang untuk bisa

menyajikan fungsi inferensial

• Kelemahan:
– Tidak ada kontrol terhadap investigator bias dalam
pemilihan sampel
– Tidak bisa menghitung sampling error atau sample
precision.
TEKNIK NON PROBABILITY
SAMPLING

• Accidental (Kebetulan)
• Purposive sampling (Bertujuan)
• Quota sampling (Jatah)
• Snowball Sampling
TEKNIK ACCIDENTAL
• Teknik sampling berdasarkan faktor spontanitas.
Artinya siapa saja yang secara tidak sengaja bertemu
dengan peneliti maka orang tersebut dapat dijadikan
sampel

• Peneliti ingin mengetahui minat siswa untuk

mengunjungi perpustakaan. Untuk pengambilan
sampel, peneliti memberikan angket kepada para
pengunjung perpustakaan dan dijadikan sebagai
sampel
PURPOSIVE SAMPLING
Pemilihan sampel didasarkan pada karakteristik
tertentu yang dianggap mempunyai hubungan
dengan karakteristik populasi yang sudah
diketahui sebelumnya.

Memilih sampel berdasarkan kelompok, wilayah

atau sekelompok individu melalui pertimbangan
tertentu yang diyakini mewakili semua unit
analisis yang ada
QUOTA SAMPLING
• Teknik sampling dari populasi yang memiliki ciri-ciri
tertentu sampai jumlah (kuota) yang diinginkan
tercapai berdasarkan pertimbangan tertentu.

• Pengambilan sampel dari 1000 guru PNS. Jika kuota

sampel yang dibutuhkan adalah 100 guru, maka
pengambilan sampel dapat dilakukan dengan
memilih sampel secara bebas dengan karakteristik
yang telah ditentukan peneliti
SNOWBALL SAMPLING
• Teknik sampling yang semula berjumlah sedikit
kemudian anggota sampel (responden) menunjuk
temannnya untuk menjadi sampel sehingga
jumlahnya akan semakin banyak