METODE

PENGAMBILAN SAMPEL
DAN TEOREMA LIMIT
TENGAH
METODE PENGAMBILAN
SAMPEL
 Alasan untuk Sampel
01
Berhubungan dengan keseluruhan populasi akan memakan banyak
waktu

02
Biaya mempelajari seluruh item di dalam populasi mungkin
menjadi penghambat

03
Ketidakmungkinan secara fisik untuk memeriksa seluruh item
di dalam populasi

04 Beberapa tes yang bersifat merusak

05 Hasil-hasil dari sampel mencukupi

Tahap-tahap Dasar dalam Penggunaan Metode Sampel

01 03 05 07
Menentukan Menentukan jenis Pemilihan unit Mengorganisir
tujuan penelitian data yang akan sampling petugas lapang
dikumpulkan atau pencacah

02 04 06 08
Perumusan Penentuan Pemilihan Penyusunan dan
populasi metode sampel analisa data
pengukuran
 Peranan Teori Sampel

Tujuan dari teori sampling Agar suatu prosedur Teori sampling dahulu berkem-
adalah membuat metode pengambilan sampel dan bang atas dasar populasi yang
sampling menjadi lebih perhitungan sampel dapat tidak terbatas (infinite popu- la-
efisien. Teori sampling tepat, maka diperlukan tion), selanjutnya berkembang
mengembangkan cara pengetahuan terhadap pada pengertian populasi yang
pemilihan sampel serta populasinya. terbatas (finite popula-tion). Se-
perhitungan sampel seba- Suatu cara yang ditempuh cara umum di dalam teori sam-
gai dasar pendugaan ter- untuk penyederhaan pling dikatakan bahwa semakin
hadap populasi yang adalah kita selalu men- besar sampel yang diambil se-
setepat mungkin dengan ganggap bahwa sampel itu makin banyak informasi yang
biaya yang serendah-ren- mempunyai distribusi yang dapat diperoleh..
dahnya. normal.
 Metode Sampling

1. Random atau Probabilita Sampel

Pada random atau probabilita sampel ini semua unsur popu-
lasi mempunyai kesempatan yang sama untuk dipilih sebagai
sampel.
2. Nonrandom atau Judgment Sampel
Pada judgment sample pendapat dan pengetahuan seseo-
rang akan menjadi dasar dalam pemilihan unsur populasi un-
tuk dipilih sebagai sampel. Unsur subyektivitas sangat
berperanan di dalam memilih sampel
Random Sampel
Metode random atau probabilita sampel
memungkinkan setiap unsur populasi
memiliki kesempatan atau kans (chance)
yang sama untuk dipilih sebagai sampel,
sehingga dapat diharapkan hasil sampel ini
obyektif. Ada 5 macam metode random
atau probabilita sampel, yakni:
Simple Random Sample
Stratifeied Sampling
.
Cluster Sampling
Systematic Sampling
.
Multistage Sampling
 Simple Random Sample
Suatu sampel dikatakan random apabila setiap unsur dari populasi mempunyai
kesem- patan yang sama untuk dipilih sebagai sampel. Sebagai contoh dapat
dikemukakan suatu populasi yang terbatas terdiri dari 4 orang karyawan (N = 4).
Dari 4 orang karyawan ini akan dipilih sampel 2 orang (n = 2) guna keperluan
wawancara. Berdasarkan pada rumus kombinasi, maka kita akan memperoleh
kemungkinan sebanyak:
 Stratified Sampling
Pengertian
Apabila unsur-unsur populasi tidak homogen atau
heterogen, maka proses pengambilan sampel den-
gan menggunakan metode random sampel akan
menimbulkan bias, karena masing-masing unsur
populasi ini tidak mempunyai kesempatan/kans atau
probabilita yang sama. Guna mengurangi pengaruh
faktor heterogen ini dapat dilakukan pembagian un-
sur-unsur populasi dalam kelompok-kelompok kecil
(subkelompok) yang disebut strata. Selanjutnya
dari masing-masing strata ini dipilih sampelnya se-
cara random sesuai dengan proporsinya. Oleh se-
bab itu, stratified sampling juga disebut stratified
random sampling.
Contoh :
Suatu populasi terdiri dari 1.000 orang pedagang kaki
lima dengan komposisi menurut jenis barang yang di-
jual.
Apabila kita akan mengambil sampel sebanyak 20
pedagang, maka masing-masing strata akan diambil
sampelnya secara proporsional:
Strata I = 200/1.000 x 20 = 4 pedagang
Strata II = 100/1.000 x 20 = 2 pedagang
Strata III = 400/1.000 x 20 = 8 pedagang
Strata IV = 300/1.000 x 20 = 6 pedagang
Jumlah sampel seluruhnya = 20 pedagang kaki lima
Selanjutnya akan dipilih secara random
Cluster Sampling
Pada cluster sampling unsur-unsur popu-
lasi dibagi dalam subkelompok yang dise-
but cluster (kelompok). Pembagian unsur-
unsur populasi ke dalam cluster ini dapat
dilakukan dengan menggunakan dasar
wilayah administrasi pemerintahan, batas-
batas alam seperti: sungai, gunung,
maupun jalan. Selanjutnya setelah kita
membagi unsur-unsur populasi ke dalam
cluster, maka dari beberapa cluster ini dip-
ilih salah satu cluster dengan random. Dari
cluster yang terpilih ini baru dipilih sampel-
nya secara random pula.
 Systematic Sampling
Pada systematic sampling unsur-unsur populasi dipilih dengan jarak interval
yang sama. Sebelum kita memilih sampel secara sistematis kita memilih titik
awal secara random, selanjutnya dipilih sampelnya pada setiap jarak interval
tertentu, misalnya setiap jarak kesepuluh. Apabila titik awalnya nomor 6, selan-
jutnya adalah nomor 16, 26, 36, dan seterusnya. Contoh: Setiap jarak kesepu-
luh.

X X X X X X X

No. 6 16 26 36 46 56 dan seterusnya

Keuntungan dari systematic sampling ini adalah proses pemilihan sampel da-
pat lebih cepat dilakukan, sedang di lain pihak dapat pula menghemat biaya.
 Multistage Sampling

Biasanya sampel dipilih dengan cara satu kali,

sebelum proses pengumpulan data dilakukan. Cara ini
mempunyai kelemahan apabila sampel tersebut diten-
tukan terlampau kecil. Oleh sebab itu, apabila kita
akan menggunakan sampel yang kecil, maka se-
baiknya sampel tersebut dipilih secara bertahap sam-
pai pada keadaan di mana dipandang telah cukup un-
tuk mengambil suatu kesimpulan. Proses demikian
disebut Multistage sampling.
Pengambilan Sampel Acak Sederhana

SAMPEL ACAK SEDERHANA

Sampel dipilih sedemikian rupa, sehingga
masing-masing item atau orang di dalam
populasi memiliki peluang yang sama untuk
dimasukkan.
Metode yang lebih umum untuk memilih
sampel acak adalah menggunakan nomor
identifikasi pada masing-masing pegawai dan
tabel angka acak. Sebagaimana yang tertera
pada nama, angka-angka ini dihasilkan
melalui proses acak (pada kasus ini, oleh
komputer).
 Pengambilan Sampel Acak Sederhana
Contoh:
Jane dan Joe Miley mengelola Foxtrot Inn, tempat penginapan dan sarapan di Tryon,
North Carolina. Terdapat delapan kamar yang tersedia untuk disewa di tempat
penginapan ini. Daftar berikut merupakan jumlah dari delapan kamar yang disewa setiap
hari selama Juni 2011. Gunakan Excel untuk memilih sampel dari lima malam selama
bulan Juni.
 Pengambilan Sampel Acak Sederhana
Penyelesaian:
Excel akan memilih sampel acak dan
melaporkan hasilnya. Pada penentuan
sampel pertama, delapan kamar disewakan.
Informasinya dilaporkan pada kolom D dari
spreadsheet Excel. Langkah-langkah Excel
tertera pada bagian Panduan Penggunaan
Perangkat Lunak di akhir bab. Sistem Excel
menampilkan pengambilan sampel dengan
pengembalian. Ini berarti hal ini mungkin di
hari yang sama sampel muncul lebih dari
sekali.
 Pengambilan Sampel Acak
Sistematis
Prosedur pengambilan sampel acak sederhana terasa agak janggal
pada situasi penelitian tertentu karena mengharuskan kita untuk
memberi nomor untuk setiap faktur penjualan sebelum menggunakan
tabel angka acak dalam memilih 100 di antaranya. Proses penomoran
akan sangat menyita waktu. Oleh karena itu, kita perlu menggunakan
pengambilan sampel acak sistematis.

SAMPEL ACAK SISTEMATIS

Titik awal acak dipilih, dan lalu setiap anggota ke-k dari populasi dipilih.
Pengambilan Sampel Acak
Sistematis
Pertama, k dihitung sebagai ukuran pupulasi dibagi dengan ukuran
sampel. Pada Computer Graphic Inc. Kita akan memilih setiap faktur
ke-20 (2.000/10) dari laci arsip; untuk melakukannya, proses
penomoran dihindari. Jika k bukan angka maka bulatkan ke bawah.

Pengambilan sampel acak dipakai pada pemilihan faktur pertama..

Sebagai contoh, angka dari tabel angka acak antara 1 dan k, atau 20,
akan dipilih. Katakanlah angka acaknya adalah 18. Lalu, mulailah
dengan faktur ke-18 setiap faktur ke-20 (18, 38, 58, dst.) akan dipilih
sebagai sampel.
Pengambilan Sampel Acak Bertingkat

Ketika populasi dapat dengan jelas dibagi ke dalam kelompok-

kelompok berdasarkan beberapa ciri, kita dapat menggunakan
pengambilan sampel acak bertingkat. Hal ini menjamin setiap
kelompok terwakili di dalam sampel. Kelompok-kelompok tersebut juga
disebut dengan strata.

SAMPEL ACAK BERTINGKAT

Populasi dibagi menjadi subkelompok, disebut dengan strata, dan
sampel dipilih secara acak dari setiap strata
Pengambilan Sampel Acak Bertingkat
Misalnya, kita meneliti pengeluaran iklan pada 352 perusahaan
terbesar di Amerika Serikat. Andaikan tujuan penelitian adalah
menentukan apakah perusahaan dengan penghasilan tinggi terhadap
ekuitasnya dari setiap penjualan menghabiskan lebih banyak dolar untuk
iklan daripada perusahaan berpenghasilan rendah atau defisit. Untuk
meyakinkan bahwa sampel merupakan perwakilan yang adil dari 352
perusahaan, perusahaan-perusahaan dikelompokkan menurut presentase
penghasilan terhadap ekuitasnya.

Pengambilan sampel bertingkat memiliki keuntungan, pada

beberapa kasus, secara lebih akurat mencerminkan ciri-ciri dari populasi
daripada pengambilan sampel acak sederhana atau sistematis.
 Pengambilan Sampel Kluster
SAMPEL KLUSTER
Populasi dibagi menjadi kluster-kluster menggunakan batas-batas geografis yang terjadi
secara alami atau lainnya. Kemudian, kluster-kluster dipilih secara acak dan sampel
dikumpulkan dengan memilih secara acak dari setiap kluster

Anggaplah anda ingin menentukan pandangan dari para warga di Oregon

mengenai kebijakan perlindungan lingkungan negara bagian. Memilih sampel acak
dari para warga di Oregon dan menghubungi masing-masing warga akan memakan
waktu dan sangat mahal. Oleh karena itu, Anda dapat menggunakan pengambilan
sampel kluster dengan membagi negara bagian ke dalam satuan kecil baik wilayah
maupun kabupaten. Pembagian ini disebut satuan primer.
 Pengambilan Sampel Kluster
Anggaplah Anda membagi negara bagian
menjadi 12 satuan primer, maka pilihlah secara
acak empat wilayah-2, 7, 4, dan 12-dan fokuslah
pada usaha Anda pada satuan primer tersebut.
Anda dapat mengambil sampel acak warga pada
setiap wilayah tersebut dan mewawancarainya.

Pembahasan mengenai metode pengambilan sampel pada bagian sebelumnya

tidak mencakup seluruh metode pengambilan sampel yang tersedia bagi seorang
peneliti. Jika Anda terlibat pada proyek penelitian besar di bidang pemasaran,
keuangan, akuntansi atau lainnya, Anda perlu membaca buku yang semata-mata
dicurahkan untuk teor sampel dan rancangan sampel.
“KESALAHAN” SAMPLING
Sampel digunakan untuk memperkirakan ciri-ciri
sebuah populasi. Contohnya, rata-rata sampel
digunakan untuk memperkirakan rata-rata populasi.
Tetapi karena sampel hanyalah bagian dari populasi,
rata-rata sampel tidak akan sama persis dengan rata-
rata populasi. Demikian halnya dengan standar deviasi
sampel yang tidak akan sama persis dengan standar
deviasi populasi. Karena pasti terdapat selisih antara
statistik sampel dengan parameter populasi yang
bersesuaian. Selisih ini disebut sebagai kesalahan
sampling.

Distribusi Sampling Rata-rata Sampel

Suatu distribusi probabilitas dari seluruh kemungkinan
rata-rata sampel dari ukuran sampel yang diketahui .
DISTRIBUSI SAMPLING
RATA-RATA SAMPEL
 Rata-rata sampel pada contoh sebelumnya berbeda-beda
dari satu sampel ke sampel berikutnya. Rata-rata dari
sampel pertama dari 5 hari adalah 3,80 kamar, dan
sampel kedua adalah 3,40 kamar. Rata-rata populasinya
3,13 kamar. Jika kita menyusun rata-rata seluruh
kemungkinan sampel dari 5 hari ke dalam distribusi
probabilitas, hasilnya disebut dengan distribusi
distribusi
sampling rata-rata sampel.
sampling
rata-rata
sampel DISTRIBUSI SAMPLING RATA-RATA SAMPEL
Suatu distribusi probabilitas dari seluruh kemungkinan
rata-rata sampel dari ukuran sampel yang diketahui.
TEOREMA LIMIT TENGAH
 Teorema limit tengah menyatakan
bahwa, pada sampel acak besar, bentuk TEOREMA LIMIT TENGAH
distribusi sampling rata-rata sampel
Jika seluruh sampel suatu ukuran dipilih
mendekati distribusi probabilitas normal.
dari populasi apa pun, distribusi
Pendekatannya lebih akurat pada sampel
sampling rata-rata sampel mendekati
besar daripada sampel kecil. Hal ini
distribusi normal. Pendekatan ini
merupakan salah satu dari kesimpulan yang
diperbaiki oleh sampel yang lebih
paling bermanfaat dalam statiska. Kita dapat
banyak
mengetahui distribusi rata-rata sampel tanpa
informasi yang jelas mengenai bentuk benar
bagi seluruh distribusi.
 Jika populasi mengikuti distribusi
probabilitas normal maka pada ukuran
sampel apa pun distribusi sampling rata-rata
sampel juga akan normal. Jika distribusi
populasinya simetris (namun tidak normal),
maka anda akan melihat bentuk normal dari
distribusi rata-rata sampel yang muncul
dengan sampel sejumlah 10. di lain pihak,
jika anda memulai dengan distribusi yang
condong atau memiliki ujung yang tebal
maka diperlukan sampel sebanyak 30 atau
lebih untuk diamati ciri normalitasnya.
Sampling 𝜇 𝑥adalah rata-rata populasi,
semisal = , dan jika standar deviasi
populasi , standar deviasu dari rata-rata
sampel adalah /, di mana n adalah jumlah
pengamatan dari setiap sampel. Kita
menyebut / sebagai kesalahan baku dari
rata-rata. Sebutan lengkapnya adalah
standar deviasu dari distribusi sampling
rata-rata sampel.
KESALAHAN BAKU DARI RATA-RATA
=
 Kesimpulan 1
Rata-rata distribusi dari rataan sampel
akan sama persis dengan rata-rata
populasi jika kita mampu memilih seluruh
kemungkinan sampel yang berukuran
sama dari suatu populasi. Yakni:
= 𝜇𝑥
Sekalipun kita tidak memilih seluruh
sampel, kita dapat mengetahui bahwa
distribusi rata-rata sampel akan mendekati
rata-rata populasi.
Kesimpulan 2
Terdapat lebih sedikit sebaran pada
distribusi sampling rata-rata sampel
dibandingkan pada populasi. Jika standar
deviasi populasi adalah standar deviasi
dari distribusi rata-rata sampel adalah /
Catat bahwa ketika kita menambah ukuran
sampel, standar deviasi dari rata-ratanya
menurun.
 PENGGUNAAN DISTRIBUSI
SAMPLING RATA-RATA SAMPEL
Kita dapat menggunakan rumus (7-5) dari Bagian 7.5 pada bab sebelumnya
untuk mengubah distribusi normal apapun menjadi distribusi normal baku. Kita
juga mengacunya sebagai nilai z. Kemudian, kita dapat menggunakan tabel
normal baku, Lampiran B.1, untuk menemukan probabilitas dari memilih
pengamatan yang akan berada pada kisaran tertentu. Rumus untuk mencari
nilai z adalah:
𝑋 −𝜇
z
𝜎

Pada rumus ini, x merupakan nilai dari variabel acak, merupakan rata-
rata populasi, dan standar devasi populasi.
 PENGGUNAAN DISTRIBUSI
SAMPLING RATA-RATA SAMPEL

Akan tetapi, kebanyakan keputusan bisnis mengacu pada sampel tidak hanya suatu
pengamatan. Dengan demikian, kita tertarik pada distribusi, rata-rata sampel, daripada
x , nilai dari suatu pengamatan. Hal itu merupakan perubahan awal yang kita buat rumus
(7-5). Yang kedua ialah bahwa kita menggunakan standar deviasi dari rata-rata pada n
pengamatan daripada standar deviasi populasi. Yakni kita menggunakan / di dalam
penyebut daripada Oleh karena itu, untuk mencari kemungkinan sampel rata-rata
dengan jangkauan tertentu, awalnya kita menggunakan rumus berikut untuk mencari nilai
z yang sesuai. Lalu, kita gunakan Lampiran B.1 untuk menemukan probabilitasnya.

MENEMUKAN NILAI Z DARI KETIKA z 𝑥 −𝜇

STANDAR DEVIASI POPULASI DIKETAHUI 𝜎 / √𝑛
TERIMA KASIH