Pertemuan M3

Lanjutan Sampling & Distribusi Sampling Rata-Rata

• Probability Sampling
- Setiap anggota populasi memiliki peluang yang sama untuk diambil
menjadi anggota sampel
- Hasil penelitian dijadikan untuk generalisasi populasi
- Simple randomized sampling, systematic sampling, stratified
sampling, cluster sampling, dan area sampling
• Non Probability Sampling
- Setiap anggota populasi tidak mempunyai peluang yang sama untuk
dipilih menjadi anggota sampel
- Hasil penelitian tidak untuk generalisasi
• Non Probability Sampling
- Tidak mengukur sejauh mana karakteristik sampel mendekati
parameter populasi induknya, sehingga dalam kenyatannya peneliti
pada umumnya tidak dapat mengidentifikasikan populasi induk sama
sekali
- Oleh karena itu sampel yang diambil tidak dapat digeneralisasikan
pada populasi tempat sampel tersebut diambil
- Karena itu kesalahan sampling tidak perlu dibahas karena memang
perencanaan sampling non-probabilitas tidak dirancang untuk bisa
menyajikan fungsi inferensial
- Tidak ada kontrol terhadap investigator/bias dalam pemilihan sampel
- Variabilitasnya tidak bisa dihitung menggunakan probability sampling
theory > tidak bisa menghitung sampling error atau sample precision.
• Teknik-teknik Non Probability Sampling
- Accidental (Kebetulan)
- Convinience Sampling
- Purposive Sampling (Bertujuan)
- Quota Sampling (Jatah)
- Snowball Sampling (Getok tular)
- Judgement Sampling
- Accidental (Kebetulan)
Teknik sampling berdasarkan faktor spontanitas. Artinya siapa saja yang
secara tidak sengaja bertemu dengan peneliti maka orang tersebut
dapat dijadikan sampel
Misal, peneliti ingin mengetahui minat siswa untuk mengunjungi
perpustakaan. Untuk pengambilan sampel, peneliti memberikan angket
kepada para pengunjung perpustakaan dan dijadikan sebagai sampel
- Convinience Sampling
Pemilihan sampling dilakukan dengan pertimbangan kemudahan
mendapatkan responden (sampel) saja
- Purposive Sampling (Bertujuan)
Teknik pengambilan sampel dengan pertimbangan-pertimbangan
tertentu. Biasanya teknik ini digunakan untuk studi kasus yang dimana
aspek dari kasus tunggal yang representatif diamati dan dianalisis
Misal, peneliti ingin mengetahui model pembelajaran aktif, maka
sampel yang dipilih yaitu responden yang ahli dalam bidang
pembelajaran aktif, misalnya: guru, wakil kepala sekolah, pegawai
urusan kurikulum dan lain lain
Pemilihan sampel didasarkan pada karakteristik tertentu yang dianggap
mempunyai hubungan dengan karakteristik populasi yang sudah di-
ketahui sebelumnya, melalui pertimbangan tertentu yang diyakini
mewakili semua unit analisis yang ada
- Quota Sampling (Jatah)
Teknik sampling dari populasi yang memiliki ciri-ciri tertentu sampai
jumlah (kuota) yang di inginkan tercapai berdasarkan pertimbangan
tertentu
Misal, 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 (Getok tular)
Pada sampling ini, anggota sampel yang telah terpilih
memberikan/menunjuk anggota populasi lain untuk dijadikan sebagai
anggota sampel. Disebut juga respondent driven sampling, biasanya
tidak terdapat kerangka sampel/sample frame
Misal, sebuah penelitian melibatkan 100 responden dengan kriteria
tertentu. Responden A terpilih sebagai sampel pertama, lalu responden
A menunjuk beberapa responden lain yang sesuai kriteria, yaitu
responden B, C, D.
Contoh lainnya, misalkan sebuah penelitian yang menarget golongan
tunawisma di suatu daerah. Biasanya golongan tunawisma adalah bagian
kecil dari suatu populasi (minoritas), dan sulit untuk mendapat datanya.
Maka untuk tahap awal, di cari beberapa anggota tunawisma yang sesuai
dengan target/kriteria (purposive sampling). Katakanlah dua responden,
dari kedua responden(disebut “Seed”) ini kemudian akan menunjuk
responden lainnya.
- Judgement Sampling
Pemilihan sampel dilakukan berdasarkan berdasarkan pertimbangan
tertentu peneliti
DISTRIBUSI SAMPLING
Distribusi Penarikan Sampel = Distribusi Sampling
- Jumlah Sampel Acak yang dapat diambil dari suatu populasi adalah sangat
banyak.
- Nilai setiap Statistik Sampel akan bervariasi/beragam antar sampel.
- Suatu statistik dapat dianggap sebagai peubah acak yang besarnya sangat
tergantung dari sampel yang kita ambil.
- Karena statistik sampel adalah peubah acak maka ia mempunyai distribusi
peluang yang kita sebut sebagai : Distribusi peluang statistik sampel =
Distribusi Sampling = Distribusi Penarikan Sampel
Statistik sampel yang paling populer dipelajari adalah Rata-Rata ( x )
**Peubah acak -> Fungsi yang mendefinisikan titik-titik contoh dalam ruang
contoh sehingga memiliki nilai berupa bilangan nyata disebut : PEUBAH
ACAK = VARIABEL ACAK = RANDOM VARIABLE (beberapa buku juga
menyebutnya sebagai STOCHASTIC VARIABLE )
Peubah Acak Diskrit: nilainya berupa bilangan cacah, dapat dihitung dan
terhingga, misal: banyaknya Produk yang rusak = 12 buah
Peubah Acak Kontinyu: nilainya berupa selang bilangan, tidak dapat di hitung
dan tidak terhingga, misal: Jarak Pabrik ke Pasar = 35.57 km
- Statistik dapat berbeda di antara sampel dari populasi yang sama
- Distribusi sampling tentang rerata, adalah distribusi peluang dari seluruh
rerata sampel
- Secara parsial dapat dideskripsikan sebagai reratadan standar deviasi
- Disebut juga sebagai distribusi dari rerata sampel
- Terdapat juga distribusi sampling tentang besaranyang lain (proporsi, ragam,
dll.)
• Standar Error dalam Distribusi Sampling
- Standar error adalah standar deviasi dari sebuah distribusi sampel
- Menyatakan seberapa besar akurasi data yang dimiliki
- Bila standar error makin kecil, maka menandakan
**standar deviasi = variabilitas dalam sebuah sampel, sedangkan standar
error = variabilitas dari beberapa sampel dari populasi yang sama
• Distribusi Sampling Rata-Rata
Distribusi sampling tentang rerata
adalah seluruh rerata sampel dan
memiliki karakteristik:
- Jumlah sampel acak yang dapat
ditarik dari suatu populasi adalah
sangat banyak.
- Nilai statistik sampel (dalam hal ini
rata-rata sampel) biasanya akan
bervariasi atau beragam antar
sampel.
- Suatu statistik rata-rata dapat dianggap sebagai peubah/variabel acak yang
nilainya sangat tergantung dari sampel yang diambil.
Sampel berukuran kecil (n < 30); sampel berukuran besar (n ≥ 30)
• Distribusi Sampling Rata-Rata terdapat 5-dalil
Karena statistik (rata-rata) sampel adalah peubah acak, maka ia memiliki
distribusi yang dapat disebut sebagai Distribusi Peluang Rata-Rata Sampel
atau Distribusi Sampling Rata-Rata
Untuk Distribusi Sampling dengan 1 Nilai Rata-Rata
- disebut sebagai FAKTOR KOREKSI populasi terhingga
- Faktor Koreksi (FK) akan menjadi penting jika sampel berukuran n
diambil dari populasi berukuran N yang terhingga/ terbatas besarnya
- Jika sampel berukuran n diambil dari populasi berukuran N yang sangat
besar maka FK akan mendekati 1 -> ≈1, hal ini mengantar kita pada dalil
ke-3 yaitu Dalil Limit Pusat = Dalil Batas Tengah = Central Limit Theorem
- Dalil Limit Pusat berlaku untuk: a. penarikan sampel dari populasi
sangat besar, b. distribusi populasi tidak dipersoalkan
- Beberapa literatur mencatat hal berikut: Populasi dianggap BESAR jika
ukuran sampel kurang dari 5% ukuran populasi atau

**Dalam pengerjaan soal DISTRIBUSI SAMPLING RATA-RATA perhatikan asumsi-asumsi dalam

soal sehingga anda dapat dengan mudah dan tepat menggunakan dalil-dalil tersebut!
Contoh:
PT AKUA sebuah perusahaan air mineral rata-rata setiap hari
memproduksi 100 juta gelas air mineral. Perusahaan ini menyatakan
bahwa rata-rata isi segelas AKUA adalah 250 ml dengan standar deviasi =
15 ml. Rata-rata populasi dianggap menyebar normal.
a. Jika setiap hari diambil 100 gelas AKUA sebagai sampel acak DENGAN
PEMULIHAN, hitunglah: standard error atau galat baku sampel
tersebut? peluang rata-rata sampel akan berisi kurang dari 253 ml?
b. Jika sampel diperkecil menjadi 25 gelas, hitunglah: standard error
atau galat baku sampel tersebut? peluang rata-rata sampel akan
berisi lebih dari 255 ml?
a.) Dengan dalil 1, karena n30 dan diambil dengan pemulihan

N = 100.000.0000 = μ = 250 σ = 15 n = 100

P( < 253) = P(z<?)
Galat baku(Standard Error)
= = = = 1,5
z= = =2

Jadi P( < 253) = P(z<2,0) = 0,5 + 0,4772 = 0,9772

b.) dengan dalil 3, karena Populasi sangat besar dan sampel kurang dari
5% dari populasi
N = 100.000.0000 = μ = 250 σ = 15 n = 25
P( > 255) = P(z>?)
Galat baku(Standard Error)
= = = =3
z = = = 1,67

Jadi P( > 255) = P(z>1,67) = 0,5 - 0.4525 = 0,0475

Contoh:
Dari 500 mahasiswa FE-GD diketahui rata-rata tinggi badan = 165 cm
dengan standar deviasi = 12 cm, diambil 36 orang sebagai sampel acak.
Jika penarikan sampel dilakukan TANPA PEMULIHAN dan rata-rata tinggi
mahasiswa diasumsikan menyebar normal, hitunglah :
a. galat baku sampel?
b. peluang sampel akan memiliki rata-rata tinggi badan kurang dari 160
cm?
a.) dengan dalil 2, karena Tanpa Pemulihan
N = 500 = μ = 165 σ = 12 n = 36
= = 0,072 = 7,2% (Dalil Limit Pusat tidak bisa dipakai)
P( < 160) = P(z<?)
Galat baku(Standard Error)
= = = 2x0,964 = 1,928
b.) z = = = -2,59

Jadi P( < 160) = P(z<-2,59) = 0,5 - 0.4952 = 0,0048

Untuk Distribusi Sampling dengan 2 Nilai Rata-Rata
• Beda atau selisih 2 rata-rata = → ambil nilai mutlaknya atau
tetapkan bahwa μ1 > μ2
• Melibatkan 2 populasi yang BERBEDA dan SALING BEBAS
• Sampel-sampel yang diambil dalam banyak kasus (atau jika dilihat
secara akumulatif) adalah sampel BESAR
Contoh
Diketahui rata-rata IQ populasi mahasiswa Eropa = 125 dengan ragam =
119 sedangkan rata-rata IQ populasi mahasiswa Asia = 128 dengan
ragam = 181. Diasumsikan kedua populasi berukuran besar. Jika diambil
100 mahasiswa Eropa dan 100 mahasiswa Asia sebagai sampel, berapa
peluang terdapat perbedaan IQ kedua kelompok akan kurang dari 2?
Jawab:

Beda 2 rata-rata = = - = 128-125 = 3

Sampel: n1 = 100 n2 = 100
P( <2) = P(z<?)

z = = = = -0,577 ≈ -0,58
P(z<-0,58) = 0,2810
Dalil 5 (Sampel Kecil)
Jika
Sampel: - ukuran kecil (n<30)
- Rata-rata dan Simpangan baku s
Populasi: - Berukuran N
- Terdistribusi Normal
- Rata-rata
Maka, distribusi rata-ratanya akan mendekati distribusi t (student distribution)
= dan = serta standar error t = , pada derajat bebas(db) = n-1 dan nilai
signifikansi α.
**digunakan untuk sampel kecil & populasi tidak diketahui
Contoh
Dari sebuah pengujian populasi diperoleh tingkat akurasi 90%. Jika diambil
10 sampel untuk menguji kebenaran. Berapa nilai t?
n = 10 db = n-1 = 10-1 = 9
α > (1-0,9)/2 = 0,05
maka lihat dari tabel critical value of t, dengan db
= 9 (disebut juga df, degree of freedom) dan α = 0,05. Didapat
t = 1,833
Contoh
Manajemen PT Djeram menyatakan bahwa 95% rokok produksinya rata-rata
mengandung nikotin 1,8 mg dan datanya tersebar normal. Yayasan Konsumen
melakukan pengujian nikotin terhadap 9 batang rokok dan didapati rata rata
sampelnya= 1,95 mg nikotin dengan standar deviasi = 0,24 mg. Apakah hasil
penelitian Yayasan Konsumen tersebut mendukung pernyataan manajemen PT.
Djeram?
Jawab
= 1,8 α=0,95 α = (1-0,95)/2 = 0,025
n=9 =1,95 s = 0,24 db = 9-1 = 8
t = = = = 1,875
Bandingkan dengan nilai t berdasar tabel, db=8 dan α = 0,025 adalah 2,306
Jadi berdasar t-tabel nilai 95% berada diselang -2,306 < t < 2,306
Maka dapat disimpulkan penelitian Yayasan Konsumen masih sesuai karena T-
hitung (1,875) masih masuk dalam selang t-tabel.