Sampel dan Populasi

• Sampel adalah bagian dari populasi, yang masih

memiliki karakteristik dari populasinya
• Apabila populasinya homogen, maka tidak perlu
banyak jumlah sampel yang harus diambil
• Semakin heterogen populasi maka semakin
banyak karakteristik yang harus terwakili di
dalam sampel
• Sampel yang baik harus diambil secara random
 Populasi

Hasil
analisisnya
digeneralisasi
Sampel kepada
Yang diteliti dan diuji datanya populasinya
adalah sampel.
 Sampel ke 1
X 1. dan   X 1

Sampel ke 2
X 2 , dan   X 2

Populasi
Sampel ke 3
(Indonesia)
X 3 , dan   X 3

µ
Rata-rata = Sampel ke 4

TB 159 X 4 , dan   X 4
Sampel ke . . . .
X ....
Sampel ke n
X n , dan   X n , tapi juga bisa
  Xn
 Contoh
• Jika browsing di Google tentang rata-rata
Tinggi Badan laki-laki dewasa Indonesia akan
diperoleh159 sedangkan perempuan adalah
152,8Cm (http://www.suara.com; 11 Juli
2017). SD laki-laki = 6, perempuan = 8,2
• Jika diambil sampel dari berbagai kota di
Indonesia, jarang sekali akan diperoleh TB
yang sama dg TB populasi tsb.
Apabila semua rata-rata sampel tersebut dikumpulkan, maka
akan membentuk sebuah distribusi, dan distribusinya disebut
distribusi rata-rata.

Distribusi yang terbentuk dari kumpulan rata-rata

MX 
Distribusi tersebut di atas juga dapat dicari SD nya.
SD yang diperoleh disebut SDM atau SM
 Distribusi skor
rata-rata dari Distribusi TB laki laki
berbagai sampel dewasa Indonesia

141 159 177

Distribusi skor rata-rata dari berbagai sampel,

apabila dicari standard deviasinya, maka
disebut sbg Standard error of Mean (SM)
Distribusi skor rata-rata dari berbagai sampel lebih sempit variabilitasnya daripada distribusi
populasinya.
Skor Rata-rata dari berbagai sampel yang diambil dari populasinya, berdasa disekitar rata-rata
populasi.
SDM tersebut dapat diestimasi berdasar 1 sampel
yang diperoleh dari suatu proses pengambilan
sampel, yaitu dengan formula :

S
SM 
N 1
Dimana :
S M adalah standard error of Mean
S adalah Standard Deviasi dari sampel yang ada
N  jml subjek sampel
Contoh :
Ada 10 orang
diukur Berat
badan (dianggap
sbg populasi),
hasilnya adalah
sbb :
A.60
B.54 Dari populasi tsb diambil sampel (setiap
C.52 sampel 2 orang) :
Dari populasi
D.48 tsb diperoleh
1.A dan B, dan rata-ratanya = 57
E.56 2.A dan C, dan rata-ratanya = 56
rata-rata = 3.A dan D, dan rata-ratanya = 54
F.46 53,40 4.A dan E, dan rata-ratanya = 58
G.50 dan S =4,427 5.A dan F, dan rata-ratanya = 53
Skor terrendah Rata-rata sampel
H.58 berada di sekitar
6.A dan G, dan rata-ratanya = 55
=46 7.A dan H, dan rata-ratanya = 59
I.56 rata-rata
8.A dan I, dan rata-ratanya = 58
J.54 Tertinggi = 60 populasinya
Perbedaan rata- 9.A dan J, dan rata-ratanya = 57
rata sampel dan 10.B dan C, dan rata-ratanya = 53
rata-rata populasi 11.B dan D, dan rata-ratanya = 51
disebabkan karena 12.B dan E, dan rata-ratanya = 55
kita mengambil
sampel. Ini
13.B dan F, dan rata-ratanya = 50
disebut sampling 14.B dan G, dan rata-ratanya = 52
error. 15.B dan H, dan rata-ratanya = 56
16.B dan I, dan rata-ratanya = 55 dst
dst
 Jenis Kelamin
TB Perempuan TB Laki-laki
165 165
153 173
160 168
164 160
163 166
155 160
160 169
154 170
155 167
161 169

S
SM 
N 1
5.752
Berdasar perhitungan SPSS dari 20 subjek (laki-laki SM   1.319
dan perempuan) diperoleh skor rata-rata = 162.85
20  1
dan S = 5.752
153 173

162,85
Rata-rata
Standard error of Mean
populasi (20
orang) (SM) = 1, 319

Standard deviasi
kelompok laki-laki
dan perempuan
jadi satu (n = 20)
= 5,572
 Rata-rata Populasi dan Rata-rata Sampel

• Rata-rata Populasi dapat di estimasi berdasar

rata-rata sampel dan standard deviasinya.
• Apabila rata-rata populasi telah diketahui,
maka dapat diuji apakah ada kesamaan dalam
taraf signifikansi tertentu antara rata-rata
sampel dan populasi.
• Formulanya sebagai berikut :
Untuk taraf kepercayaan 95 % adalah :

  X S  1,96S M 
Untuk taraf kepercayaan 99 % adalah :

  X S  2,58S M 
 Contoh
Dari sebuah toko diambil 10 botol Alkohol 90% 100
ml, dan diukur isi masing-masing botol, hasilnya
adalah sebagai berikut :
98 ml; 94 ml; 92 ml; 96 ml; 90 ml; 86 ml; 96 ml; 96
ml; 95 ml; dan 96 ml
Apakah Pernyataan pabrik yang menyatakan bahwa
isi bersih tiap botol adalah 100 ml dapat diterima ?
100 ml adalah rata-rata populasi
10 botol adalah sampel.
 Langkah-langkah
• Hitunglah Rata-rata dan Standard deviasi dari
sampel 10 botol tersebut
• Hitunglah Standard Error of Meannya (SM)
• Tentukan taraf kepercayaan yang
dipergunakan
• Data yang telah diketahui dimasukkan ke
dalam rumus.
 S
SM 
N 1
3,6
SM   1,2
9
Dengan taraf kepercayaan 95% maka :
Rata-rata sampel
  X S  1,96S M 
100  93,9  1,961,2 
100  93,9  2,352
 X S  93,9   100

  93,9  2,36  91,54   93,9  2,36  96,26

Berdasarkan sampel, rata-rata populasi diestimasi berada di antara
91,54 s/d 96,26. Ternyata tidak rata-rata populasi tidak berada di cakupan
skor tsb.!!!
Dengan demikian Pernyataan pabrik bahwa isi bersih = 100 ml tidak dapat
diterima, atau berbeda dengan estimasi dari sampel.. . . .
 Contoh Lain
• Produsen lampu Shinyoku menyatakan bahwa
lampu produksinya mampu berpijar lebih dari
4300 jam dengan pemakaian normal.
• Untuk mengujinya diambil 12 lampu dan
dicatat durasi penggunaannya, hasilnya
sebagai berikut :
4220; 4200; 4300; 4410; 4400; 4350
4250; 4280; 4330; 4300; 4390 dan 4325
Ujilah pernyataan pabrik tersebut.
 Dua Sampel
• Apa yang sudah dipelajari selama ini adalah
statistika yang berkaitan dengan satu sampel
saja
• Statistika yang selanjutnya adalah berkaitan
dengan dua sampel , tiga sampel atau lebih
 X A& B   A& B  b1
X A1 X B1
X A& B   A& B  b2
X A2 X B2

A X A& B   A& B  b3
B
X A3 X B3

. .................
X A& B   A& B  bn
X An X Bn

Populasi A  A  B Populasi B
 X A& B   A& B  b1
X A1 X B1
X A& B   A& B  b2
X A2 X B2

M X A& B   A& B  b3 M
X A3 X B3

. .................
X A& B   A& B  bn
X An X Bn

Populasi Laki-laki 159  152,8 beda 6,2 Populasi

Perempuan
• Apabila beda antara perbedaan rata-rata
sampel dengan perbedaan rata-rata populasi
tersebut di kumpulkan, maka menjadi
distribusi tersendiri
• Distribusi perbedaan rata-rata tersebut
disebut sebagai distribusi perbedaan rata-rata
• Distribusinya adalah sebagai berikut :
 Distribusi beda mean
antara sampel dan
populasi

–SbM3 –SbM2 M SbM2 SbM3

–SbM1 SbM1

Standard deviasi beda

mean/beda rata-rata
 Standard deviasi beda mean tersebut dapat
ditemukan dengan formula :

2 2
S bM  S M 1  S M 2
Sedangkan
(telah diketahui) :

S
SM 
N 1
 Student’s t (t-test)
• Student’s t-test dimaksudkan untuk
menguji apakah antara dua kelompok
terdapat perbedaan secara signifikan
(berarti atau bermakna) atau tidak
• Untuk mendapatkan hasil t-test maka t
value (to) harus dihitung, dengan rumus :
X1  X 2
tO 
S bM
2 2
S bM  S M 1  S M 2
 t - Test
• Between Subjects test
(Independent sample tests)
• Within subjects test (Repeated
Measures) Dari kali
pengukuran, diuji
apakah ada
perbedaan atau
tidak

2 kelompok subjek yang berbeda, diuji

ada perbedaan atau tidak (misalkan
antara laki-laki dan perempuan. 1 kelompok subjek, diukur 2 kali
 Hipotesis
• Hipotesis : Pernyataan atau kesimpulan yang
masih lemah. Mengapa lemah ? Karena
kesimpulan tersebut hanya merupakan
kesimpulan teoritis. Kesimpulan ini masih
lemah karena harus diuji kebenarannya secara
empiris, yaitu diuji berdasar data dari
lapangan/dari kancah.
• Sesuatu dinyatakan sebagai “benar” apabila
ada kesesuaian atau kecocokan antara teori
dan kenyataannya.
 Proses penelitian kuantitatif :
Deductive
Permasalahan Teori Hipotesis
& Pertanyaan
Inductive

Variabel

Rancangan
Hasil
Alat dan Metode

Analisis Data Subjek

Jika dilihat dari tujuannya, ada 2 macam
hipotesis, yaitu hipotesis komparasional dan
hipotesis korelasional.
•Hipotesis komparasional adalah hipotesis yang
bertujuan menyatakan perbedaan.
•Hipotesis korelasional adalah hipotesis yang
bertujuan menyatakan hubungan.
Jika dilihat dr bentuk pernyataannya, ada 2 macam hipotesis
yaitu Hipotesis Nihil (Ho) dan Hipotesis Alternatif (Ha).
•Hipotesis nihil adalah hipotesis yang menyatakan
“Tidak ada . . . . .”.
•Contoh Ho untuk komparasional “Tidak ada perbedaan
Tinggi badan antara laki-laki dan perempuan”.
•Contoh Ho untuk korelasional “Tidak hubungan antara
Tinggi Badan dan Berat Badan”
•Hipotesis alternatif adalah hipotesis yang menyatakan
“Ada . . . . .”
•Contoh Ha untuk komparasional : “Ada perbedaan Tinggi
Badan antara laki-laki dan Perempuan”
•Contoh Ha untuk korelasional : “ Ada hubungan antara
Tinggi Badan dan Berat Badan”
 ATURAN UJI SIGNIGFIKANSI
• Apabila to  t t(=0,01) , maka to dinyatakan Sangat
Signifikan, maka berarti Ho = ditolak dan Ha
diterima. (to = t hasil observasi/hitung)
• Apabila to  t t(=0,05) , maka to dinyatakan Signifikan,
maka berarti Ho = ditolak dan Ha diterima.
• Apabila to < t t(=0,05) , maka to dinyatakan Tidak
Signifikan, maka berarti Ho = diterima dan Ha
ditolak
• Df = n1 – 1 + n 2 - 1
 ATURAN UJI SIGNIGFIKANSI
berdasar hasil uji SPSS
• Apabila p ≤ dari 0,01, maka to dinyatakan Sangat
Signifikan, maka berarti Ho = ditolak dan Ha
diterima. (to = t hasil observasi/hitung)
• Apabila p > 0,01 namun p ≤ 0,05, maka t o
dinyatakan Signifikan, maka berarti Ho = ditolak
dan Ha diterima.
• Apabila p > 0,05, maka to dinyatakan Tidak
Signifikan, maka berarti Ho = diterima dan Ha
ditolak
Ha = Ada pernedaan Tinggi Badan antara Laki-laki dan perempuan
Ho = Tidak ada perbedaan Tinggi Badan antara laki-laki dan perempuan.

Jenis Kelamin
TB Perempuan TB Laki-laki
165 165
153 173
160 168
164 160
163 166
155 160
160 169
154 170
155 167
161 169

S
SM 
N 1

2 2
S bM  S M 1  S M 2
 4,165 4,422
SM 1   1,388 SM 2   1,474
9 9

2 2
SbM  1,388  1,474  2,024
166,7  159
tO   3,804
2,024
Df = (10 – 1) + (10-1) = 18

to = 3,804 > 18t t(α=0,01) = 2,8784

Dengan demikian to dinyatakan Sangat
Signifikan, maka Ho ditolak dan Ha diterima.
Dapat disimpilkan : Ada perbedaan Tinggi
Badan antara laki-laki dan perempuan.
Inputing Data menggunakan SPSS :

X = data jenis kelamin, dimana value

0 = perempuan dan value 1 = laki-
laki

Hipotesis :
Ho = Tidak ada perbedaan Tinggi Badan antara
laki-laki dan perempuan
Ha = Ada perbedaan Tinggi badan antara laki-
laki dan perempuan
Proses analisisnya SPSS : Analyze → Compare mean → Independent T - test→ klik
Hasil analisis : to = -3,520 dengan p = 0,003 (p < 0,01).
Dengan demikian to dinyatakan sangat
signifikan, maka Ho ditolak dan Ha =
diterima.
Kesimpulan : Ada perbedaan Tinggi
Badan antara laki-laki dan perempuan.
Laki-laki lebih tinggi daripada perempuan.
Analisis menggunakan JASP :

Setelah data dipanggil maka muncullah

tampilan spt berikut di sebelah kiri.
Untuk analisis :
T-Test, kemudian pilih Independent sample T
test

Hasilnya adalah sbb :

 Pindahkan variable Y (Tinggi Badan) ke
kotak variabels

Hasilnya :
Pindahkan variable X (jenis kelamin –
to = - 3,520 dengan p = 0,003 (<
Nominal) ke kotak Grouping variabel
0,01). Dengan demikian to dintakan
sangat signifikan, maka Ho ditolak
dan Ha diterima.
Kesimpulan : ada perbedaan Tinggi
badan antara laki-laki dan
perempuan.
 Dalam sebuah penelitian tentang perbedaan kesediaan berkurban
antara Mhsw Fak Teknik dan Psikologi diperoleh data sbb :
Fak Teknik : Fak Psikologi :
34 38 42 32 38 38 42 40

32 30 34 32 32 30 34 40

32 36 34 30 32 36 34 44

38 36 38 28 38 36 38 42

32 34 38 36 40 34 38 36

Ha = Ada perbedaan kesediaan berkurban antara FTeknik dan F Psikologi

Ho = Tidak ada perbedaan Kesediaan Berkurban antara F. Teknik dan F. Psikologi
Hipotesisnya :
Ho : “Tidak ada perbedaan kesediaan berkurban
antara mhsw Fak. Teknik dan Mhsw Fak Psikologi”.

Ha :”Ada perbedaan Kesediaan Berkurban antara

Mhsw Fak Teknik dan Mhsw Fak Psikologi”
Uji t untuk menghitung 2 variabel, 1 V.bebas (data
berbentuk 2 kategorik) dan 1 V.Tergantung (interval
atau rasio). Contoh tsb di atas VB = Disiplin ilmu
yang dipelajari (Teknik dan Psikologi); sedangkan
Var. Tergantung = kesediaan berkurban
 3,450 3,698
SM 1   0,791 SM 2   0,848
19 19

2 2
SbM  0,791  0,848  1,159
34,30  37,10
tO   2,415 Df = (20-1) + (20-1) = 38
1,159
to = 2,415 > 38t t(α=0,05) = 2,0244
Dengan demikian to dinyatakan Signifikan, maka Ho ditolak dan Ha diterima.
Dapat disimpilkan : Ada perbedaan Tinggi Badan antara laki-laki dan
perempuan.
Tanda minus, menunjukkan bahwa suku kedua (Fak.Psikologi) lebih besar
daripada suku pertama (Fak Teknik) dalam variable yg diperbandingkan.
F. Teknik F. Psikologi

3,45 3,698
SM   0,79 SM   0,848
19 19
2 2
S bM  SM1  SM 2

S bM  (0,79) 2  (0,848) 2  1,159

 X1  X 2 34,3  37,1
tO  tO   2,416
S bM 1,159

df = (n1-1)+(n2-1)

df = (20-1)+(20-1)= 38

to = ─ 2,416 > 38 t t(α = 0,05) = 2,024

Saat dibandingkan dengan nilai tabel, tanda negatif

diabaikan, karena yang pokok adalah koefisiennya.
Tanda negatif menunjukkan bahwa suku ke 2 (yg
mengurangi) lebih drpd suku ke 1 (yg dikurangi).

Dengan demikian to dinyatakan signifikan, maka Ho

ditolak dan Ha diterima, sehingga dapat disimpulkan
“Ada perbedaan kesediaan berkurban antara Mhsw
F.Teknik dan Mhsw F.Psikologi”.
Data dimasukkan melalui Data view.

X adalah variable pilihan bidang studi, yaitu 1

= Fak. Teknik dan
2 = Fak. Psikologi

Y adalah variable tergantung (yang

diperbandingkan), yaitu kesediaan Berkurban
Pilihan analisisnya :
Analyze → Compare means → Independent
Samples T test.
Klik,
 Muncullah kotak dialog.
Kesediaan Berkurban sbg variable
tergantung, dimasukkan ke box Test
Variabel

Pilihan bidang studi sebagai variable

bebas (variable yang dikelompokkan/
nominal) dimasukkan ke Grouping
Variabel.
Ada 2 tanda Tanya, harus dijawab !!
Dojawab dengan meng klik Defibe
Groups, yaitu dimasukkan skor-skor
yang digunakan untuk
pengelompokkan, yaitu skor 1 = Fak.
Teknik dan 2 untuk Fak.Psikologi,
kemudian klik Continue
Setelah perintah tsb,
maka tombol OK akan
muncul, dan di Klik.
Hasil analisis Independent Skor rata-rata, standard deviasi dan
samples t test : Standard error of mean.

to = - 2,476, dengan p = 0,018 (< dr 0,05).

Dengan demikian to dinyatakan Signifikan, maka Ho ditolak dan Ha diterima.
Dapat disimpilkan : Ada perbedaan Tinggi Badan antara laki-laki dan perempuan.
Tanda minus, menunjukkan bahwa suku kedua (Fak.Psikologi) lebih besar daripada
suku pertama (Fak Teknik) dalam variable yg diperbandingkan.
 Within Subjects t-Test
Formula yang digunakan adalah :
X 1  X 2   X1  X 2
t X1  X 2 
D
Oleh karena :
X 1X2
0
Maka formulanya
disederhanakan menjadi : t X1  X 2 
X 1 X2
D
 Dimana :
 (D  D ) 2

( n  1)
D 
n

Where :
D  differences between corresponding scores in the first and
second samples; that is difference scores.
D  the mean of difference scores.
n  the number of pairs of scores.
 Contoh Soal
• Seorang peneliti berusaha membandingkan 10
orang pemain sepakbola antara sebelum dan
setelah diberi suplemen yang diduga dapat
mempercepat waktu reaksi (Harapannya,
setelah minum suplemen waktu reaksi
menjadi lebih singkat/lebih reaktif).
• Hasilnya adalah sebagai berikut :
 Sbl Stlh D  ( D  D ) 2

3,4 2,8 0,6 ( n  1)

D 
2,8 3,2 -0,4 n
3,1 2,9 0,2
(0,6  0,27) 2  (0,4  0,27) 2  ...  (0,1  0,27) 2
3,0 3,2 - 0,2
 10  1
2,8 2,8 0 10
3,1 3,4 -0,3  0,17
3,6 2,6 1,0
3,1 2,0 1,1 t X1  X 2 
X 1  X2
3,0 2,4 0,6 D
2,5 2,4 0,1
X 1  3,04 X 2  2,77 D  0,27 
3,04  2,77   1,59
0,17
Hipotesis :
Ha: Ada perbedaan waktu reaksi antara sebelum dan setelah minum suplemen.
Setelah minum suplemen,waktu reaksi menjadi lebih cepat.
  ( D  D ) 2

( n  1)
D 
n
2,541
(10  1)
D 
10

 0,17
X 1  3,04 D  0,27

X 2  2,77

t X1  X 2 
 X 1 X2 3,04  2,77   1,59

D 0,17
 Untuk pengujian signifikansinya
• Digunakan Table of Critical value of t
• Df = n - 1 ; maka df = 9 (jumlah subjek = 10)
• 9t( = 0,05)= 2,262 (untuk two tail) dan 1,833 (untuk
one tail)
• t0 = 1,59  9t( = 0,05)= 1,833
• Dengan demikian to adalah tidak signifikan. Ho =
diterima; Ha = ditolak.
• Kesimpulan : Tidak ada perbedaan waktu reaksi
antara sbl dan stl minum suplemen
One tail : Hipotesis sudah mengarah, group mana yg lebih besar/tinggi.dari
group lain
setelah
sebelum

Two tail : Hipotesis belum mengarah, belum tahu manakah yang lebih besar/tinggi

Sebelum setelah
sebelum
• Digunakan Table of Critical
value of t
• Df = n - 1 ; maka df = 9
• 9t( = 0,05)= 2,262 (untuk two tail)
dan 1,833 (untuk one tail)
• t0 = 1,59  9t( = 0,05)= 1,833
• Dengan demikian to adalah
tidak signifikan, maka Ho
diterima dan Ha ditolak,
sehingga disimpulkan “tidak
ada perbedaan kecepatan
waktu reaksi sebelum dan
setelah minum suplemen”
 Diambil sebuah sampel 10 orang gadis dan diikutkan dalam
program diet (tujuannya untuk mengurangi berat badan). Hasil
pengukuran Berat Badan sebelum dan setelah program diet
adalah sbb:

Ho : Tidak ada perbedaan berat badan sebelum dan setelah program diet.
Ha : Ada perbedaan berat badan sebelum dan setelah program diet, dimana
setelah pogram diet berat badan lebih rendah drpd sebelum diet.
  (D  D ) 2
30,9
( n  1) (10  1)
D    0,5859
n 10

t X1  X 2 
X 1 X 2  65,6  58,7 
  11 .7767
D 0,5859
• Digunakan Table of Critical
value of t
• Df = n - 1 ; maka df = 9
• 9t( = 0,01)= 3,2498 (untuk two tail)
dan 2,68 (untuk one tail)
• t0 = 11,7767> 9t( = 0,01)= 2,68
• Dengan demikian to adalah
Sangat signifikan, maka Ho
ditolak dan Ha diterima,
sehingga disimpulkan “Ada
perbedaan berat badan
sebelum dan setelah program
diet. BB Setelah diet lebih
rendah”