Populasi (universe) adalah totalitas dari semua objek

atau individu yang memiliki karakteristik tertentu,

jelas dan lengkap yang akan diteliti (bahan
penelitian). Objek atau nilai disebut unit analisis atau
elemen populasi. Unit analisis dapat berupa orang,
perusahaan, hasil produksi, rumah tangga, dan
tanah pertanian.
Sampel adalah bagian dari populasi yang diambil
melalui cara-cara tertentu yang juga memiliki
karakteristik tertentu, jelas, dan lengkap yang
dianggap bisa mewakili populasi. Objek atau nilai
yang akan diteliti dalam sampel disebut unit sampel.
Unit sampel mungkin sama dengan unit analisis,
tetapi mungkin juga tidak.
 Populasi dapat dibagi berdasarkan keadaan (kompleksitasnya) dan
berdasarkan ukurannya.

1. Populasi berdasarkan keadaannya, terdiri dari:

a) Populasi homogen. Populasi dikatakan homogen apabila unsur-unsur dari populasi yang diteliti
memiliki sifat-sifat yang relatif seragam satu sama lainnya. Contohnya, apabila kita ingin
mengetahui manis tidaknya secangkir kopi, cukup dengan mencoba setetes cairan kopi tersebut.
Setetes cairan kopi sudah bisa mewakili kadar gula dari secangkir kopi tersebut. Contoh objek lain
yang bersifat homogen ialah: darah dalam tubuh seseorang, dan kadar garam air laut.
b) Populasi heterogen. Populasi dikatakan heterogen apabila unsur-unsur dari populasi yang diteliti
memiliki sifat-sifat yang relatif berbeda satu sama lainnya. Karakteristik seperti ini banyak
ditemukan dalam penelitian sosial dan perilaku, yang objeknya manusia atau gejala-gejala dalam
kehidupan manusia yang bersifat unik dan kompleks. Misalnya, apabila kita ingin mengetahui rata-
rata IQ mahasiswa IKIP Gunungsitoli angkatan tahun 2010. Jelas, rata-rata IQ mahasiswa antar
Fakultas kemungkinan besar bervariasi.
 2. Populasi berdasarkan ukurannya, terdiri dari:

a) Populasi berhingga, yaitu populasi yang anggota populasinya dapat diperkirakan atau diketahui
secara pasti jumlahnya, dengan kata lain, jelas batas-batasnya secara kuantitatif, misalnya:
- Banyaknya mahasiswa FPMIPA IKGS angkatan tahun 2010
- Tinggi penduduk yang ada dikota Gunungsitoli
- Berat Badan seluruh siswa/i SMA Negeri 1 Gunungsitoli
b) Populasi tak berhingga, yaitu populasi yang anggota populasinya tidak dapat diperkirakan atau
tidak dapat diketahui jumlahnya, dengan kata lain, batas-batasnya tidak dapat ditentukan secara
kuantitatif, misalnya:
- Banyaknya air dilautan
- Banyaknya pasir yang ada disepanjang pantai Pulau Nias
Untuk menerangkan karakteristik dari populasi dan sampel, digunakan istilah parameter dan statistik. Parameter dan
statistik adalah besaran yang berupa data ringkasan atau angka ringkasan yang menunjukkan suatu ciri dari populasi
dan sampel. Parameter dan statistik merupakan hasil hitungan nilai dari semua unit di dalam populasi dan sampel
bersangkutan.
Berikut ini tabel lambang yang digunakan untuk parameter dan statistik.
Lambang Lambang
Besaran
Parameter Statistik
(Populasi) (Sampel)

Rata-rata 𝜇 𝑋

Varians 𝜎2
𝑆2
Simpangan Baku 𝜎
𝑆
Jumlah 𝑁
𝑛
Observasi 𝑃
𝑝
Proporsi
Metode sampling adalah cara pengumpulan data yang hanya mengambil sebagian
elemen populasi atau karakteristik yang ada dalam populasi. Cara pengumpulan data
yang lain adalah sensus. Sensus adalah cara pengumpulan data yang mengambil
setiap elemen populasi atau karakteristik yang ada dalam populasi.
Untuk sesuatu hal maka sensus dilaksanakan, tetapi karena sesuatu hal pula mungkin
sensus tidak dapat dilaksanakan dan kemudian dipilih sampling. Alasan-alasan
dipilihnya sampling antara lain sebagai berikut.

a. Objek penelitian yang homogen

Dalam menghadapi objek penelitian homogen atau 100% sama, sensus tidak perlu
dilaksanakan, cukup hanya dengan melakukan sampling untuk memperoleh data
yang diperlukan.
b. Objek penelitian yang mudah rusak
Dalam menghadapi objek penelitian yang mudah rusak, sensus tidak mungkin
dilakukan sebab akan merusak objek yang diteliti.
Contoh:
Penelitian mengenai rasa jeruk tidak mungkin dilakukan dengan mencicipi satu per
satu jeruk satu kebun.

c. Penghematan biaya dan waktu

Biaya yang dikeluarkan untuk melakukan sensus jauh lebih besar dibandingkan
dengan sampling, sehingga penggunaan sensus banyak menimbulkan pemborosan,
sedangkan penggunaan sampling lebih efisien. Hal itu disebabkan pada sensus
objek yang diteliti jauh lebih banyak dibandingkan objek yang akan diteliti pada
sampling. Demikian pula halnya dengan waktu. Waktu yang digunakan untuk
melaksanakan sensus lebih lama jika dibandingkan dengan waktu yang digunakan
untuk melakukan sampling.
d. Masalah ketelitian
Pada sensus objek yang harus diteliti, lebih banyak dibandingkan dengan pada
sampling, sehingga keakuratan hasil penelitiannya juga lebih kecil daripada
sampling. Pengalaman mengatakan bahwa semakin banyak objek yang diteliti,
semakin kurang pula ketelitian yang dihasilkan.
e. Ukuran populasi
Seperti diketahui bahwa berdasarkan ukurannya populasi dapat berupa populasi
berhingga dan populasi tak berhingga. Untuk populasi tak berhingga, yaitu populasi
yang memiliki banyak objek tidak berhinggga banyaknya, sensus tidak mungkin
dilakukan. Untuk populasi berhingga, tetapi memiliki objek yang sedemikian
besarnya, sensus juga sulit untuk dilaksanakan. Untuk keadaan seperti itu,
sampling lebih cocok untuk digunakan.
f. Faktor ekonomis
Faktor ekonomis diartikan apakah kegunaan dari hasil penelitian sepadan dengan
biaya, waktu, dan tenaga yang telah dikeluarkan untuk penelitian tersebut. Jika
tidak, mengapa harus dilakukan sensus yang memakan biaya, waktu, dan tenaga
yang banyak dan sebagai alternatifnya dilakukan sampling
Metode Sampling
:
Sampling Random

Sampling
Nonrandom
 Sampling Random (Sampling Acak)
Sampling random atau sampling probabilitas adalah cara pengambilan sampel dengan semua objek atau
elemen populasi memiliki kesempatan yang sama untuk dipilih sebagai sampel. Hasil dari sampling
random memiliki sifat yang objektif.
Yang termasuk sampling random, antara lain:
a. Sampling random sederhana
Sampling random sederhana adalah bentuk sampling random yang sifatnya sederhana, tiap sampel
yang berukuran sama memiliki probabilitas sama untuk terpilih dari populasi. Sampling random
sederhana dilakukan apabila:
1) elemen-elemen populasi yang bersangkutan homogen;
2) hanya diketahui identitas-identitas dari satuan-satuan individu (elemen) dalam populasi,
sedangkan keterangan lain mengenai populasi, seperti derajat keseragaman, pembagian dalam
golongan-golongan tidak diketahui, dan sebagainya.
Sampling random sederhana dapat dilakukan dengan menggunakan dua metode, yaitu:
1) Metode undian
Metode undian adalah prosesnya dilakukan dengan menggunakan pola pengundian.
Proses pengerjaannya ialah sebagai berikut.
a) Memberi kode nomor urut pada semua elemen populasi pada lembar kertas-kertas kecil.
b) Menggulung lembar kertas-kertas kecil kemudian memasukkannya ke
dalam kotak, mengocoknya dengan rata, dan mengambilnya satu per satu.
c) Hasil undian itu merupakan sampel yang dipilih. Metode undian hanya cocok untuk jumlah
populasi yang kecil.
2) Metode tabel random
Metode tabel random adalah metode yang prosesnya dilakukan dengan menggunakan tabel
bilangan random. Tabel bilangan random adalah tabel yang dibentuk dari bilangan biasa yang
diperoleh secara berturut-turut dengan sebuah proses random serta disusun ke dalam suatu
tabel.
 TABEL ANGKA ACAK
00-04 00-09 10-14 15-19 20-24 25-29 30-34 35-39 40-44 45-49

00 54463 22662 65905 70639 79365 67382 29085 69831 47058 08186
01 15389 85205 18850 39226 42249 90669 96325 23248 60933 26927
02 85941 40756 82414 02015 13858 78030 16269 65978 01385 15345
03 61149 69440 11286 88218 58925 03638 52862 62733 33451 77455
04 05219 81619 10651 67079 92511 59888 84502 72095 83463 75577

05 41417 98326 87719 92294 46614 50948 64886 20002 97365 30976
06 28357 94070 20652 35774 16249 75019 21145 05217 47286 76305
07 17783 00015 10806 83091 91530 36466 39981 62481 49177 75779
08 40950 84820 29881 85966 62800 70326 84740 62660 77379 90279
09 82995 64157 66164 41180 10089 41757 78258 96488 88629 37231

10 96754 17676 55659 44105 47361 34833 86679 23930 53249 27083
11 34357 88040 53364 71726 45690 66334 60332 22554 90600 71113
12 06318 37403 49927 57715 50423 67372 63116 48888 21505 80182
13 62111 52820 07243 79931 82992 84767 85693 73947 22278 11551
14 47534 09243 67879 00544 23410 12740 02540 54440 32949 13491

15 98614 75993 84460 62846 59844 14922 48730 73443 48167 34770
16 24856 03648 44898 09351 98795 18644 39765 71058 90368 44104
17 96887 12479 80621 66223 86085 78285 02432 53342 42846 94771
18 90801 21472 42815 77408 37390 76766 52615 32141 30268 18106
19 55165 77312 83666 36028 28420 70219 81369 41943 47366 41067

Sumber : Cochran, W.G., [1977], Sampling Techniques, 3­rd Edition, John Wiley & Sons, New York .
PENENTUAN SAMPEL ACAK DENGAN MENGGUNAKAN
TABEL ANGKA ACAK.
Langkah-langkah :
1. Buat kerangka sampling yaitu berupa daftar yang berisi nomor urut dari unit sampling yang
Akan diamati.

Pemberian nomor urut dise suaikan dengan ukuran / banyaknya unit populasi. m
Misal untuk ukuran populasi :
N = 10 m a k a n o r u n i t ny a 0 0 s / d 0 9
N = 10 0 o m o r u n i t ny a 0 0 s / d 9 9
N = 1000 m a k nomor
maka a n unitnya 000 s/d 999 dan seterusnya
o
2. Tentukan ukuran (banyak unit) sampel “n” yang akan diamati.
3. Lakukan pemilihan satu ang ka acak awal dari tabel secara sembarang.
4. Cara membaca angka acak, angka terakhir merupakan satuan, berikutnya puluhan,
ratusan dan seterusnya.
Misal : N = 10 berarti yang dibaca 2 angka terakhir (karena melibatkan satuan dan
puluhan). Dan angka yang diperhatikan adalah 00 s/d 09 selain dari angka tersebut tidak
digunakan.
5. Untuk memenuhi jumlah unit dalam sampel sebanyak n maka lakukan pemilihan angka
dengan cara berjalan zig za g kearah atas dan bawah atau ke arah kanan dan kiri.
Lakukan terus sampai jumlah “n” terpenuhi.
Catatan : Untuk sampling tanpa pengembalian, nomor atau angka yang sudah terpilih tidak
dapat dipilih kembali.
contoh

 Ingin dilakukan penelitian tentang riwayat

kesehatan keluarga di RT.02/ RW.10 kelurahan A
yang terdiri dari 20 kepala keluarga. Karena suatu
pertimbangan tertentu maka diputuskan hanya
akan mengamati 5 keluarga dengan menggunakan
prosedur sampling acak tanpa pengembalian.
PENYELESAIAN
: LANG KAH-LANGKAH PENELITIAN UNIT SAMPEL TERPILIH :
1. Kerangka Sampling
Dalam hal ini berupa daftar berisi nama-nama kepala keluarga di RT 02/RW
10, seperti pada tabel berikut..
Tabel Daftar nama­nama kepala keluarga yang bermukim di RT.2 RW.10
No. Urut Nama Kepala Alamat No. Urut Nama Kepala Alamat
Keluarga Keluarga

00. Amir Jl. Mangga 1 10. Maulana Jl.

Mangga 2
01. Ardi Jl. Mangga 3 11. Nugroho Jl.
Mangga 4
02. Farid Jl. Mangga 5 12. Waluya Jl.
Mangga 6
03. Budiman Jl. Mangga 7 13. Mulyono Jl.
Mangga 8
04. Satya Nugraha Jl. Mangga 9 14. Hariadi Jl.
Mangga 10
05. Sukowati Jl. Mangga 11 15. Rasyid Jl.
Mangga 12
2. Banyak sampel yang akan diamati adalah n = 5
3. Lakukan pemilihan angka acak sampai n = 5 terpenuhi. Dengan angka yang
diperhatikan adalah dari 0 0 - 1 9
Misal : Angka acak awal terpilih angka acak pada kolom 15 – 19 baris ke 05 yaitu
92294 94 > 19 maka tidak ada no. terpilih
 Cara pemilihan angka acak ; pertama-tama tentukan
satu angka acak sembarang kemudian angka acak berikutnya diperoleh
dengan cara mengurut kebawah- ke atas atau sebaliknya, dapat pula
dengan mengurut dari kanan ke kiri atau sebaliknya. Pemilihan arah
harus tetap.
ILUSTRASI PENENTUAN NOMOR URUT TERPILIH
MENGGUNAKANTABELANGKAACAK
Angka acak sembarang

00-04 00-09 10-14 15-19 20-24 25-29 30-34 35-39 40-44 45-49

00 54463 22662 65905 70639 79365 67382 29085 69831 47058 08186
01 15389 85205 18850 39226 42249 90669 96325 23248 60933 26927
02 85941 40756 82414 02015 13858 78030 16269 65978 01385 15345
03 61149 69440 11286 88218 58925 03638 52862 62733 33451 77455
04 05219 81619 10651 67079 92511 59888 84502 72095 83463 75577

05 41417 98326 87719 92294 46614 50948 64886 20002 97365 30976
06 28357 94070 20652 35774 16249 75019 21145 05217 47286 76305
07 17783 00015 10806 83091 91530 36466 39981 62481 49177 75779
08 40950 84820 29881 85966 62800 70326 84740 62660 77379 90279
09 82995 64157 66164 41180 10089 41757 78258 96488 88629 37231

10 96754 17676 55659 44105 47361 34833 86679 23930 53249 27083
11 34357 88040 53364 71726 45690 66334 60332 22554 90600 71113
12 06318 37403 49927 57715 50423 67372 63116 48888 21505 80182
13 62111 52820 07243 79931 82992 84767 85693 73947 22278 11551
14 47534 09243 67879 00544 23410 12740 02540 54440 32949 13491

15 98614 75993 84460 62846 59844 14922 48730 73443 48167 34770
16 24856 03648 44898 09351 98795 18644 39765 71058 90368 44104
17 96887 12479 80621 66223 86085 78285 02432 53342 42846 94771
18 90801 21472 42815 77408 37390 76766 52615 32141 30268 18106
19 55165 77312 83666 36028 28420 70219 81369 41943 47366 41067
•

Jika pemilihan menggunakan arah zig zag ke bawah – ke atas

diperoleh angka-angka sebagai berikut :
35774 74 > 19 Tidak ada nomor urut yang terpilih
83091 91 > 19 Tidak ada nomor urut yang terpilih
85066 66 > 19 Tidak ada nomor urut yang terpilih
41180 80 > 19 Tidak ada nomor urut yang terpilih
44105 05 < 19 Jadi nomor 05 terpilih sebagai sampel
71726 26 > 19 Tidak ada nomor urut yang terpilih
57715 15 < 19 Jadi nomor 15 terpilih sebagai sampel
79931 31 > 19 Tidak ada nomor urut yang terpilih
77408 08 < 19 Maka nomor urut 08 terpilih
36028 28 > 19 kedalam sampel
Tidak ada nomor urut yang terpilih
28420 20 > 19 Tidak ada nomor urut yang terpilih
37390 90 > 19 Tidak ada nomor urut yang terpilih
89844 44 > 19 Tidak ada nomor urut yang terpilih
23410 10 < 19 Maka nomor urut 10 terpilih kedalam sampel
82992 92 > 19 Tidak ada nomor urut yang terpilih
50423 23 > 19 Tidak ada nomor urut yang terpilih
45690 90 > 19 Tidak ada nomor urut yang terpilih
47361 61 > 19 Tidak ada nomor urut yang terpilih
10089 89 > 19 Tidak ada nomor urut yang terpilih
62800 00 < 19 Maka nomor urut 00 terpilih kedalam
sampel
 •

Jika pemilihan menggunakan arah zig zag ke bawah – ke atas diperoleh angka-angka
sebagai berikut :
Karena n = 5 sudah terpenuhi maka pemilihan angka acak dihentikan dan dari angka terpilih
ditentukan nomor urut kepala keluarga yang
tersampel berdasarkan nomor terpilih yaitu nomor :
00 dengan nama kepala keluarga Amir
05 dengan nama kepala keluarga Sukowati
08 dengan nama kepala keluarga Toni
10 dengan nama kepala keluarga Maulana
15 dengan nama kepala keluarga Rasyid
b. Sampling berlapis (sampling stratified)
Sampling berlapis adalah bentuk sampling random yang populasi atau elemen populasinya dibagi
dalam kelompok-kelompok yang disebut strata. Sampling stratified dilakukan apabila:
1) elemen-elemen populasi heterogen;
2) ada kriteria yang akan dipergunakan sebagai dasar untuk menstratifikasi populasi ke dalam
stratum-stratum, misalnya variabel yang akan diteliti;
3) ada data pendahuluan dari populasi mengenai kriteria yang akan digunakan untuk stratifikasi;
4) dapat diketahui dengan tepat jumlah satuan-satuan individu dari setiap stratum dalam populasi.

Proses pengerjaannya ialah sebagai berikut.

1) Membagi populasi menjadi beberapa stratum.
2) Mengambil sebuah sampel random dari tiap stratum. Banyaknya unsur yang dipilih dari tiap stratum
boleh sebanding atau tidak sebanding dengan jumlah stratum dalam populasinya. Jika pengambilan
banyaknya unsur tiap stratum sebanding dengan ukuran-ukuran tiap stratum dan pengambilannya
dilakukan secara random, dinamakan proportional random sampling.
3) Menggabungkan hasil dari pengambilan sampel tiap stratum, menjadi satu
sampel yang diperlukan
Contoh soal:
Sebuah populasi pasar induk terdiri atas 500 pedagang kaki lima, dengan komposisi 200
pedagang makanan, 150 pedagang barang mainan, 100 pedagang kerajinan, dan 50
pedagang rokok. Jika 20 pedagang kaki lima itu hendak dijadikan sampel, tentukan banyaknya
sampel tiap stratum (gunakan metode sebanding)
Penyelesaian:
(a) Pengelompokkan sampel menjadi beberapa stratum diperlihatkan pada tabel berikut ini.

Stratum Jenis Usaha Jumlah

I Makanan 200
II Barang Mainan 150
III Kerajinan 100
IV Rokok 50
Jumlah 500
(b) Pengambilan sampel dari masing-masing stratum adalah sebagai berikut.

200
Stratum I = 500× 20 = 8 pedagang
150
Stratum II = 500× 20 = 6 pedagang
100
Stratum III = 500× 20 = 4 pedagang
50
Stratum IV = 500 × 20 = 2 pedagang
Jumlah sampel seluruhnya = 20 pedagang
c. Sampling sistematis
Sampling sistematis adalah bentuk sampling random yang mengambil elemen-elemen yang akan diselidiki
berdasarkan urutan tertentu dari populasi yang telah disusun secara teratur. Sampling sistematis dilakukan
apabila:

(1) identifikasi atau nama dari elemen –lemen dalam populasi itu terdapat dalam suatu
daftar, sehingga elemen-elemen tersebut dapat diberi nomor urut;

(2) populasi memiliki pola beraturan, seperti blok-blok dalam kota atau rumah-rumah pada suatu
ruas jalan.
Proses pengerjaannya ialah sebagai berikut.
(1) Jumlah elemen dalam populasi dibagi dengan jumlah unsur yang diinginkan dalam sampel, sehingga
terdapat subpopulasi-subpopulasi yang memiliki jumlah elemen yang sama (memiliki interval yang
sama).

(2) Dari subpopulasi pertama dipilih sebuah anggota dari sampel yang
dikehendaki,biasanya dengan menggunakan tabel bilangan random.

(3) Anggota dari subsampel pertama yang terpilih digunakan sebagai titik
acuan (awal) untuk memilih sampel berikutnya, pada setiap jarak interval tertentu.
Contoh soal:
Sebuah populasi yang memiliki elemen 800, hendak diambil 20 sampel sebagai bahan penelitian.
Tentukan nomor sampel yang terpilih!
Penyelesaian:
(a) Ke-800 elemen diberi nomor urut 001, 002, ...,800. Ke 800 elemen dibagi
menjadi 20 subpopulasi,dimana setiap subpopulasi terdiri atas 40 elemen (800 : 20 = 40).
(b) Dengan menggunakan tabel bilangan random, diperoleh sebuah sampel dari subsampel
pertama sebagai titik acuan, misalkan bernomor 007.
(c) Karena sampel pertama jatuh pada nomor 007, maka nomor untuk sampel-sampel berikutnya
adalah 047, 087, 127, 167, 207, 247, 287, 327, 367, 407, 447, 487, 527, 567, 607, 647, 687,
727, 767.
d. Sampling kelompok (sampling cluster)
Sampling kelompok adalah bentuk sampling random yang populasinya dibagi menjadi beberapa
kelompok (cluster) dengan menggunakan aturan-aturan tertentu, seperti batas-batas alam dan wilayah
administrasi pemerintahan.
Proses pengerjaannya ialah sebagai berikut.
(1) Membagi populasi ke dalam beberapa subkelompok.
(2) Memilih satu atau sejumlah kelompok dari kelompok-kelompok tersebut. Pemilihan kelompok-
kelompok itu dilakukan secara random.
(3) Menentukan sampel dari satu atau sejumlah kelompok yang terpilih, secara random.
Antara sampling cluster dan sampling stratified terdapat perbedaan dari cara pengambilan sampelnya.
Pada sampling cluster sampelnya diambil dari cluster yang terpilih, sedangkan pada sampling stratified
sampelnya diambil dari seluruh stratum.
Contoh soal:
Sebuah desa yang memiliki 1.500 KK, akan diteliti mengenai respon penggunaan bumbu masak merek
ASSOI. Untuk keperluan tersebut dipilih sampel sebanyak 50 KK.
Dari 1.500 KK tersebut kita bagi menjadi 150 kelompok dengan anggota 10 KK tiap kelompok yang
berdekatan. Dari 150 kelompok itu, dipilih sebuah sampel random yang terdiri atas 5 kelompok.
Dengan demikian, dari 5 kelompok pilihan itu, diperoleh 5 x 10 = 50 KK sebagai sampel.
Sampling Nonrandom (Sampling Tidak Acak)
Sampling nonrandom atau sampling nonprobabilitas adalah cara pengambilan sampel yang semua objek
atau elemen populasinya tidak memiliki kesempatan yang sama untuk dipilih sebagai sampel.
Hasil dari sampling nonrandom memiliki sifat subjektif atau kurang objektif. Hal itu disebabkan pada waktu
sampel diambil dari populasi, probabilitas tidak diikutsertakan, tetapi berdasarkan aspek pribadi seseorang.
Yang termasuk sampling nonrandom, antara lain:
a. Sampling kuota
Sampling kuota adalah bentuk sampling nonrandom yang merincikan lebih dahulu segala sesuatu
yang berhubungan dengan pengambilan sampel. Dengan demikian, petugas hanya mengumpulkan
data mengenai sesuatu yang telah dirinci. Akan tetapi, pengambilan unit samplingnya ditentukan oleh
si petugas.
 Contoh:
Sebuah kawasan dihuni oleh 1.000 KK. Dalam rangka penelitian, diperlukan 50 KK dalam kategori
umur dan pendapatan tertentu. Dalam penentuan sampel sebanyak 50 KK itu, petugas melakukannya
atas keinginan sendiri.

b. Sampling pertimbangan
Sampling pertimbangan adalah bentuk sampling nonrandom yang pengambilan sampelnya ditentukan
oleh peneliti berdasarkan pertimbangan atau kebijaksanaannya. Cara sampling pertimbangan cocok
untuk studi kasus.
Contoh:
Dari penyebaran 100 kuesioner, ternyata yang kembali hanya 30 (30%). Berdasarkan pertimbangan
tertentu dari peneliti atau ahli, diputuskan untuk menggunakan 30 kuesioner tersebut sebagai data
sampel.
c. Sampling seadanya
Sampling seadanya adalah bentuk sampling nonrandom yang pengambilan sampelnya dilakukan
seadanya atau berdasarkan kemudahannya mendapatkan data yang diperlukan. Pada sampling
seadanya, tingkat kerepresentatifan sampel tidak terlalu diperhatikan.

Contoh:
Pengambilan sampel mengenai ramalan tentang partai yang akan menjadi pemenang pada pemilu
yang akan datang. Pengambilan sampelnya dilakukan dengan mengumpulkan opini masyarakat,
dalam hal ini adalah orang-orang yang lewat pada suatu jalan. Orang-orang yang lewat tersebut tidak
merupakan bagian representatif dari keseluruhan masyarakat yang berhak memilih.
Untuk menentukan banyaknya sampel yang dapat diambil dari suatu populasi yang
berukuran tertentu digunakan perhitungan sebagai berikut.

1. Untuk pengambilan sampel dengan pengembalian

Pengambilan sampel disebut dengan pengambilan jika anggota yang telah diambil
untuk dijadikan sampel disatukan kembali dengan anggota populasi lainnya
sehingga masih ada kesempatan untuk dipilih kembali. Jika dari populasi berukuran
N diambil sampel berukuran n dengan pengembalian maka banyaknya sampel
yang mungkin diambil adalah:

𝑁𝑛
Contoh:
Untuk populasi berukuran 4 dengan anggota-anggotanya A, B, C, D, dan sampel yang diambil
berukuran 2 maka banyaknya sampel yang mungkin dapat diambil adalah 42 = 16 buah, yaitu:
sampel 1 : AA sampel 9 : CA
sampel 2 : AB sampel 10 : CB
sampel 3 : AC sampel 11 : CC
sampel 4 : AD sampel 12 : CD
sampel 5 : BA sampel 13 : DA
sampel 6 : BB sampel 14 : DB
sampel 7 : BC sampel 15 : DC
sampel 8 : BD sampel 16 : DD
Secara teoretis, populasi berhingga yang dikenali sampling dengan cara pengembalian dapat dianggap
sebagai populasi tak berhingga. Hal itu disebabkan berapapun banyaknya sampel yang diambil,
populasi tidak akan pernah habis.
2. Untuk pengambilan sampel tanpa pengembalian
Pengambilan sampel disebut tanpa pengembalian jika anggota populasi yang telah diambil
untuk dijadikan sampel tidak disatukan dengan anggota populasi lainnya. Jika dari populasi
berukuran N diambil sampel berukuran n tanpa pengembalian maka banyaknya sampel
yang mungkin dapat diambil adalah
𝑁!
𝐶𝑁
𝑛 =
𝑛! 𝑁 − 𝑛 !
 Contoh:
Untuk populasi berukuran 5 dengan anggota-anggotanya A, B, C, D, E, dan sampel yang diambil
berukuran 2 maka banyaknya sampel yang mungkin dapat diambil adalah
𝑁!
𝐶𝑛 = 𝑛! 𝑁 − 𝑛 !
𝑁

5!
𝐶2 =
5
2! 5 − 2 !
= 10 buah sampel
Ke-10 buah sampel itu adalah
sampel 1 : AB sampel 6 : BD
sampel 2 : AC sampel 7 : BE
sampel 3 : AD sampel 8 : CD
sampel 4 : AE sampel 9 : CE
sampel 5 : BC sampel 10 : DE
PENGERTIAN DISTRIBUSI
SAMPLING
Distribusi sampling adalah distribusi dari besaran-besaran
statistik, seperti rata-rata, simpangan baku, proporsi
(persentase) yang mungkin muncul dari sampel-sampel.
Distribusi dari rata-rata sampel disebut distribusi sampling
rata-rata atau distribusi rata- rata sampel, distribusi dari
proporsi sampel disebut distribusi sampling proporsi atau
distribusi proporsi sampel, dan sebagainya.
JENIS-JENIS DISTRIBUSI
SAMPLING
Berdasarkan besaran statistik yang digunakan, dikenal beberapa
jenis distribusi sampling, yaitu distribusi sampling rata-rata,
proporsi, beda dua rata-rata, dan beda dua proporsi.
1. Distribusi sampling rata-rata
Distribusi sampling rata-rata atau distribusi rata-rata sampel
adalah distribusi dari besaran rata-rata yang muncul dari sampel-
sampel.
 Pada distribusi sampling rata-rata berlaku hal-hal berikut ini.
a. Pemilihan sampel dari populasi terbatas
Bila populasi terbatas yang berukuran N dan berdistribusi normal dengan rata-rata 𝜇 dan simpangan
baku 𝜎, rata-rata sampel 𝑋 yang didasarkan pada sampel random berukuran n dan dipilih dari
populasi di atas, akan memiliki distribusi normal dengan rata-rata dan simpangan baku seperti ini.
𝑛
1) Untuk pengambilan sampel tanpa pengembalian atau 𝑁
> 5%:
𝜇𝑥 = 𝜇
𝜎 𝑁−𝑛
𝜎 =
𝑥 𝑛 𝑁−1

𝑛
2) Untuk pengambilan sampel dengan pengembalian atau 𝑁
< 5%:
𝜇𝑥 = 𝜇
𝜎
𝜎 =
𝑥 𝑛
 Contoh soal:
Toko UNDUR-UNDUR memiliki 5 karyawan, yaitu A, B, C, D, E dengan upah per jam (ribuan rupiah): 2, 3,
3, 4, 5. Jika upah yang diperoleh itu dianggap sebagai populasi, tentukan:
a) rata-rata sampel dari 2 unsur (upah dari dua karyawan),
b) rata-rata dari rata-rata sampel,
c) simpangan baku dari rata-rata sampel!
Pengambilan sampel dilakukan tanpa pengembalian.
Penyelesaian:
Banyak sampel yang mungkin adalah

5!
𝐶2 =
5
2! 5 − 2 !
= 10 buah sampel
Ke-10 buah sampel itu ialah:
1. 2;3 6. 3;4
2. 2;3 7. 3;5
3. 2;4 8. 3;4
4. 2;5 9. 3;5
5. 3;3 10 4;5

a. Rata-rata sampelnya ialah:

sampel 1 = 2,5 sampel 6 =

3,5
sampel 2 = 2,5 sampel 7 = 4
sampel 3 = 3 sampel 8 =
3,5
sampel 4 = 3,5 sampel 9 = 4
sampel 5 = 3 sampel 10 =
b. Rata-rata dari rata-rata sampel adalah:
2 +3 +3 +4 +5
𝜇
5
=
𝜇 = 3,4
𝜇𝑥 = 𝜇 = 3,4

c. Simpangan baku dari rata-rata sampel:

2
𝜎= 𝑋−𝜇
𝑛
2 − 3,4 2 + 3 − 3,4 2 + 3 − 3,4 2 + 4 − 3,4 2 + 5 − 3,4 2
𝜎=
5

𝜎 = 1,02
 𝜎 𝑁−𝑛
𝜎𝑥 =
𝑛 𝑁−1
1,02 5−2
𝜎𝑥 =
2 5−1
𝜎𝑥 = 0,62
b. Untuk pemilihan sampel dari populasi yang tidak terbatas
Bila populasi memiliki ukuran yang tidak berhingga dan didistribusikan secara normal dengan
rata- rata 𝜇 dan simpangan baku 𝜎, maka rata-rata sampel 𝑋 yang didasarkan pada sampel
random yang berukuran n dan yang dipilih dengan pengembalian atau tanpa pengembalian dari
populasi tersebut akan memiliki distribusi normal dengan rata-rata dan simpangan baku:
𝜇𝑥 = 𝜇
𝜎
𝜎 =
𝑥 𝑛

c. Daftar distribusi normal untuk distribusi sampling rata-rata

Penggunaan daftar distribusi normal untuk distribusi sampling rata-rata, dapat digunakan rumus:
𝑍=𝑋 −
𝜇 𝜎𝑋
1) Untuk pengambilan sampel tanpa pengembalian
𝑁 atau 𝑛 > 5%, berlaku:
𝑍=𝑋 −
𝜇 𝜎𝑋
atau
𝑍= 𝑋 −
𝜎 𝜇 𝑁−𝑛
𝑛 𝑁−1
2) Untuk pengambilan sampel dengan pengembalian atau 𝑛𝑁< 5%, berlaku:
𝑍=𝑋 −
𝜇 𝜎𝑋
atau
𝑋
𝑍= −𝜇
𝜎𝑛
Pada umumnya, normalitas dari distribusi sampling rata-rata disebut teori limit sentral dan dinyatakan
sebagai berikut.
1) Jika populasi cukup besar dan berdistribusi secara normal maka distribusi sampling rata-ratanya
akan normal
2) Jika distribusi populasi tidak normal maka distribusi sampling rata-ratanya akan mendekati normal,
apabila jumlah sampel cukup besar, biasanya 30 atau lebih (n ≥ 30).
3) Distribusi normal dari rata-rata sampel memiliki rata-rata yang sama dengan rata-rata harapan 𝐸(𝑋 )
dan simpangan baku 𝜎𝑋 . Nilai-nilai itu dapat dihitung dari rata-rata populasi (𝜇) dan simpangan baku
populasi (𝜎).

Contoh soal:
Upah per jam para pekerja PT GEBYAR memiliki tingkat upah rata-rata Rp500,00 per jam dan simpangan
baku Rp60,00. Berapa probabilitas bahwa upah rata-rata 50 orang pekerja yang merupakan sampel
random akan berada di antara Rp510,00 dan Rp520,00?
Jika ukuran populasi tidak diketahui maka dianggap sebagai populasi tidak terbatas.
𝜇 = 500; 𝜎 = Rp60; n = 50; 𝑋 = 510 dan
520 Dengan demikian:
𝜎
𝜎 =
𝑥 𝑛
60
=
50

= 8,485

Penyelesaian:
𝑋 −𝜇
𝑍= 𝜎
𝑋
Untuk 𝑋 = 510 maka 𝑍 = 510−500
8,485 = 1,18

Untuk 𝑋 = 520 maka 𝑍 = 520−500

8,485 = 2,36
 Didapat: P(1,18 < Z < 2,36)
P(1,18 < Z < 2,36) = P(0 < Z < 2,36) – P(0 < Z < 1,18)
= 0,4909 – 0,3810
= 0,1099
Jadi, probabilitas bahwa upah rata-rata dari sampel berada di antara Rp510,00 dan Rp520,00 adalah
0,1099 atau 10,99% atau 11%.
2. Distribusi sampling proporsi
𝑋
Proporsi dari populasi dinyatakan dengan 𝑃 = dan proporsi untuk sampel dinyatakan dengan 𝑝 = 𝑋.
𝑁
𝑛
Distribusi sampling proporsi adalah distribusi dari proporsi (persentase) yang diperoleh dari semua
sampel sama besar yang mungkin dari satu populasi.
Distribusi sampling proporsi juga memiliki arti yang penting seperti halnya distribusi sampling rata-rata.
Distribusi sampling proporsi dapat digunakan untuk mengetahui persentase atau perbandingan antara dua
hal yang berkomplemen (peristiwa binomial), seperti persentase perokok dan bukan perokok, persentase
pemilih dan bukan pemilih di suatu pemilu, dan perbandingan antara pemakai dan bukan pemakai hasil
produksi tertentu.

Contoh:
Sebuah populasi yang beranggotakan 6 orang, 3 di antaranya perokok dan yang lainnya bukan perokok.
Apabila diambil sampel yang beranggotakan 3 orang, proporsi atau banyaknya sampel untuk ke-3 anggota
sampel perokok, 2 perokok dan 1 bukan perokok, 1 perokok dan 2 bukan perokok dan ke-3 nya bukan
perokok dapat diketahui (pemilihan sampel tanpa pengembalian), misalnya, anggota populasi adalah A, B,
C untuk perokok dan K, L, M untuk bukan perokok.
 Banyaknya sampel yang dapat diambil adalah
6!
𝐶3 =
6 = 20 buah
3! 6 − 3 !

Ke-20 buah sampel itu ialah:

1. ABC 6. ACL 11. BCK 16. BLM

2. ABK 7. 12. BCL 17. CKL
ACM
3. ABL 8. AKL 13. BCM 18. CKM
4. ABM 9. AKM 14. BKL 19. CLM
5. ACK 10 ALM 15. BKM 20. KLM
 Distribusi sampling proporsinya (X = perokok, n = 3) adalah

Sampel yang Mungkin (𝑿) Proporsi Sampel 𝑿 𝒇 Prob.

𝒏
𝑋 = 3 (3(p), 0(bp)) 1 1 0,05
𝑋 = 2 (2(p), 1(bp)) 0,67 9 0,45
𝑋 = 1 (1(p), 2(bp)) 0,33 9 0,45
𝑋 = 0 (0(p), 3(bp)) 0 1 0,05
Jumlah 20 1,00

Catatan:
- p = perokok dan bp = bukan perokok
- 3(p), 0(bp) = ABC
2(p), 1(bp) = ABK, ABL, ABM, ACK, ACL, ACM, BCK, BCL,
BCM
1(p), 2(bp) = AKL, AKM, ALM, BKL, BKM, BLM, CKL, CKM,
CLM
Pada distribusi sampling proporsi, berlaku hal-hal sebagai berikut.
1) Untuk pengambilan sampel dengan pengembalian atau jika ukuran populasi besar dibandingkan
dengan ukuran sampel, yaitu 𝑛𝑁≤ 5%, memiliki rata-rata dan simpangan baku:

𝜇𝑝 = 𝑃
𝑃𝑄
𝜎𝑝 = 𝑃(1−𝑃)
=
𝑛 𝑛

Keterangan:
P = proporsi kejadian sukses
Q = proporsi kejadian gagal (1 – P)
2) Untuk pengambilan sampel tanpa pengembalian atau jika ukuran populasi kecil dibandingkan
dengan ukuran sampel, yaitu 𝑛𝑁 > 5%, memiliki rata-rata dan simpangan baku:
𝜇𝑝 = 𝑃
𝑃(1−𝑃) 𝑁−𝑛
𝜎𝑝 =
𝑛 𝑁−1

𝑃𝑄 𝑁−𝑛
𝜎𝑝 =
𝑛 𝑁−1

Contoh soal:
Sebuah toko memiliki 6 karyawan, misalkan A, B, C untuk yang senang membaca dan X, Y, Z untuk yang
tidak senang membaca, jika dari 6 karyawan tersebut diambil sampel yang beranggotakan 4 karyawan
(pengambilan sampel tanpa pengembalian), tentukan:
a. Banyaknya sampel yang mungkin diambil,
b. Distribusi sampling proporsinya,
c. Rata-rata dan simpangan baku sampling proporsinya!
a. Banyaknya sampel yang mungkin adalah:
6!
𝐶4 =
6 = 15 buah sampel
4! 6 − 4 !
Penyelesaian:
Ke-15 buah sampel itu ialah:
1) 1 senang membaca dan 3 tidak:
𝐶 3 × 𝐶 3 = 3 × 1 = 3, yaitu AXYZ, BXYZ, CXYZ
1 3

2) 2 senang membaca dan 2 tidak:

𝐶 3 × 𝐶 3 = 3 × 3 = 9, yaitu ABXY, ABXZ, ABYZ, ACXY, ACXZ, ACYZ, BCXY, BCXZ, BCYZ
2 2

3) 3 senang membaca dan 1 tidak:

𝐶 3 × 𝐶 3 = 1 × 3 = 3, yaitu ABCX, ABCY, ABCZ
3 1
b. Jika X = senang membaca dan n = jumlah sampel maka distribusi sampling proporsinya adalah

Sampel yang Proporsi Sampel Banyaknya

Mungkin 𝑿 Sampel Prob.
(𝑿) 𝒏 𝒇
1 0,25 3 0,2
2 0,50 9 0,6
3 0,25 3 0,2
Jumlah 15 1,00
1
c. Proporsi populasi untuk peristiwa sukses (senang membaca) adalah 𝑃 = 2
= 0,5
Jadi: 𝜇𝑝 = 𝑃 𝑃(1−𝑃) 𝑁−𝑛
𝜎𝑝 = 𝑛 𝑁−1
=
0,5 (1−0,5) 6−4
= = 0,158
0,5 4 6−1
3) Daftar distribusi normal untuk distribusi sampling proporsi dapat ditentukan sebagai berikut.
a) Jika n besar maka nilai Z adalah
𝑝−𝑃
𝑍=
𝜎𝑝
b) Jika n sangat kecil maka nilai Z adalah
𝑍 = 𝑝 ± 2𝑛
1
−𝑃
𝜎𝑝
Keterangan:
1
= faktor koreksi kontinuitas
2𝑛
Contoh soal:
Toko mainan anak BONEKA bermaksud mengadakan pertunjukkan sulap secara tetap seminggu sekali
atau sebulan sekali. Pimpinan toko memperkirakan bahwa pengunjung akan mencapai 40% dari seluruh
pengunjung toko dalam interval waktu yang sama. Jika dari hasil sampel, diketahui probabilitas proporsi
yang mengikuti acara sulap itu hanya 15% atau lebih di bawah rata-rata populasi maka acara itu diadakan
sebulan sekali. Untuk itu, setiap pengunjung diberi kuesioner dan dari jawabannya diambil 500 sebagai
sampel. Hasil sampel menunjukkan 175 pengunjung mengikuti acara tersebut. Menurut pendapat anda,
sebaiknya acara sulap itu diadakan seminggu sekali atau sebulan sekali?

Penyelesaian:
P = 40% = 175
p = 500 = 0,35
0,4
n = 500
 karena sampel kecil, maka digunakan faktor koreksi.

1
0,35 − − 0,4
𝑍= 1.000
0,4600
= −2,55
0,6
Didapatkan: P(-2,55 < Z < 0)
P(-2,55 < Z < 0) = P(0 < Z < 2,55)
=

Jadi, probabilitas proporsi sampel yang mengikuti

0,4946acara tersebut adalah 0,4946 atau 49,46% yang berarti
lebih dari 15% di bawah rata-rata sampel. Dengan demikian, acara pertunjukkan sulap tersebut diadakan
sebulan sekali.
3. Distribusi sampling yang lain
a. Distribusi sampling beda dua rata-rata
Distribusi sampling beda dua rata-rata adalah distribusi dari perbedaan dua besaran rata-rata yang
muncul dari sampel-sampel dua populasi.
Misalkan, dua populasi normal 𝑁1 dan 𝑁2 memiliki rata-rata 𝜇1 dan 𝜇2 dan simpangan
baku masing-masing 𝜎1 dan 𝜎2. Dari kedua populasi 𝑁1 dan 𝑁2 tersebut, diambil sampel random,
yaitu
𝑛1 dan 𝑛2 dengan rata-rata masing-masing 𝑋 1 dan 𝑋 2 , lalu dari kedua rata-rata itu dihitung
semua
bedanya. Dari semua beda rata-rata yang diperoleh akan membentuk suatu distribusi, yaitu distribusi
sampling beda rata-rata.
Pada distribusi sampling beda dua rata-rata, untuk 𝑁1 dan 𝑁2 cukup besar berlaku hal-hal sebagai
berikut. 𝜇𝑋 1−𝑋 2
= 𝜇1 − 𝜇2
1) Rata-rata:
 2) Simpangan baku:

= 𝜎12 𝜎22
𝜎𝑋 1−𝑋 2
𝑛1 + 𝑛2
3) Untuk 𝑛1 dan 𝑛2 dengan 𝑛1, 𝑛2 > 30, distribusi sampling beda rata-rata akan
mendekati distribusi normal, dengan variabel random standar yang rumus Z-nya:
𝑍 = 𝑋 1 − 𝑋 2 − 𝜇1 −
𝜇2 𝜎𝑋1 −𝑋2
Contoh soal:
Misalkan, rata-rata pendapatan manajer dan karyawan biasa per hari, masing-masing adalah Rp50.000,00
dengan simpangan baku Rp15.000,00 dan Rp12.000,00 dengan simpangan baku Rp1.000,00. Jika diambil
sampel random manajer sebanyak 40 orang dan karyawan biasa sebanyak 150 orang, tentukan:
a) Beda rata-rata pendapatan sampel,
b) Simpangan baku rata-rata pendapatan sampel,
c) Probabilitas beda rata-rata pendapatan manajer dan karyawan biasa lebih dari Rp35.000,00!
𝜇1 = 50.000 𝜇2 =
12.000
𝜎1 = 15.000 𝜎2 = 1.000
𝑛1 = 40 𝑛2 = 150
Penyelesaian:
a. Rata-rata:

𝜇𝑋 1−𝑋 2
= 𝜇1 − 𝜇2

= 50.000 − 12.000

= 38.000
 b. Simpangan baku:

= 𝜎12 𝜎22 = 15.0002 + 1.0002

𝜎𝑋 1−𝑋 2
𝑛1 + 𝑛2 40 150

= 2.373,11

c. 𝑍 = 𝑋 1−𝑋 2 − 𝜇 1 −𝜇 2
=
35.000−38.000 = −1,26
2.373,11
𝜎𝑋 1−𝑋

= 𝑃(𝑍 > 1,26)

𝑃𝑋 1−𝑋 2>
35.000 = 0,5 + 0,3962
= 0,8962 atau 89,62%
b. Distribusi sampling beda dua proporsi
Distribusi sampling beda dua proporsi adalah distribusi dari perbedaan dua besaran proporsi yang
muncul dari sampel-sampel dua populasi.
Misalkan, terdapat dua populasi 𝑁1 dan 𝑁2 (2 populasi binomial), kemudian diambil sampel
random, yaitu 𝑛1 dan 𝑛2 dengan 𝑃1 dan 𝑃2 maka beda antara kedua sampel proporsi (𝑝1− 𝑝2)
akan membentuk suatu distribusi, yaitu distribusi sampling beda proporsi.
Pada distribusi sampling beda dua proporsi berlaku hal-hal berikut.
1) Rata-rata:
𝜇𝑝1 −𝑝2
= 𝑃1 − 𝑃2
2) Simpangan baku:
𝑃1 1 − 𝑃2 1−
𝑃2
𝜎𝑝1−𝑝2 = 𝑃1 𝑛1 𝑛2
+
 3) Untuk 𝑛1 dan 𝑛2 (𝑛1, 𝑛2 ≥ 30) cukup besar, distribusi sampling beda proporsi akan mendekati
distribusi normal, dengan variabel random standar yang rumus Z-nya:
𝑝1 − 𝑝2 − 𝑃1 − 𝑃2
𝑍=
𝜎𝑝 1 −𝑝 2

Catatan: 𝑋1
𝑝1 − 𝑝2 = 𝑋2 −
𝑛 𝑛
1
Contoh soal:
2
Sebanyak 35% dari pelamar kerja diterima bekerja di Bank UNGGUL. Mereka tahun sebelumnya pernah
melamar, tetapi tidak diterima. Sebanyak 30% dari pelamar kerja yang belum pernah melamar di tahun
sebelumnya, tahun ini diterima di bank tersebut. Apabila diambil sampel random sebanyak 250 pelamar,
baik yang belum pernah melamar maupun yang pernah melamar, berapa probabilitas bahwa beda proporsi
yang pernah melamar dan akhirnya diterima tahun ini dengan yang belum pernah melamar yang juga
diterima tahun ini adalah kurang dari 2%?
 Penyelesaian:
𝑃1 = 35% = 0,35 𝑃2 = 30% =
0,3
𝑛1 = 250 𝑛2 = 250
𝑝1 − 𝑝2 = 2% = 0,02

𝑝1 − 𝑝2 − 𝑃1 − 𝑃2 0,02−(0,35−0,3)
𝑍= = 0,35 0,65 + 0,3 0,7 = −0,71
𝜎𝑝1−𝑝2
250 250

𝑃 𝑍 < −0,71 = 𝑃(𝑍 < 0,71)

= 0,5 − 0,2612
= 0,2388 atau 23,88%