Probabilitas, Sampling dan

Distribusi
Neti Juniarti
 Probabilitas
 Probability: a relative frequency of occurrence
 Diskusi kasus:

Pada tahun 2009 dilakukan survey pada 7,769 orang

dewasa tentang merokok dan asma. Hasilnya
menunjukkan 769 orang menyatakan menderita
asma, dan 1.291 orang mengatakan mereka
merokok setiap hari. Berapa probabilitas memilih
seseorang dengan asma, dan berapa probabilitas
memilih seseorang yang merokok setiap hari?
 Jawaban
 769/7769 = 0,098 ≈ 0,10
 1291/7769 = 0,166 ≈ 0.17
 Mengapa probabilitas ini perlu untuk diketahui?
 Mengapa Probabilitas?
 Penting untuk menentukan metoda penarikan
sampel
 Mengetahui sensitivitas dan spesifisitas suatu
metode atau uji diagnostic
 Mengindentifikasi tipe eror
 METODA PENARIKAN SAMPEL
 Biaya yang besar
 Waktu yang lama
 Bias yang besar

Alasan Penarikan sampel

1. Populasi yang sangat besar
2. Homogenitas
3. Hemat biaya dan waktu
4. Ketelitian dan ketepatan pengukuran
 Syarat sampel

1.Dapat menghasilkan gambaran yang tepat tentang

karakter populasi.
2.Dapat menentukan presisi (ketepatan) dari hasil
penelitian dengan menentukan standar baku.
3.Sederhana, mudah dilaksanakan.
4.Dapat memberikan keterangan sebanyak mungkin
dengan biaya serendah mungkin.
 Representatif

Sampel

Miniatur populasi
 Populasi dan Sampel
1. Populasi
 Keseluruhan dari unit analisis yang
karakteristiknya akan diduga.
 Anggota unit populasi disebut elemen populasi.

2. Sampel
 Bagian dari populasi yang ciri-cirinya diselidiki
atau diukur
 Unit sampel dapat sama dengan unit populasi,
dapat pula tidak sama.
Contoh:
•Unit analisis atau populasi suatu
penelitian adalah bayi berumur di
bawah tiga tahun.
Yang akan diteliti adalah kebiasaan
makannya
Unit sampel: ibu yang mempunyai anak
berumur < 3 tahun.
 Kerangka Sampel

 Daftar semua unsur sampel dalam populasi

 Harus up to date
Contoh: Jumlah penduduk di suatu daerah
kerja Puskesmas.
 Penarikan Sampel

 Agar representatif ---- harus diambil secara

acak
 Cara penarikan sampel acak:
1.Random sampling (probability sampling).
 Semua unsur dalam populasi akan mempunyai
peluang yang sama untuk terambil.
 Jenis :
Acak sederhana (simple random sampling)
Sistematis (systematic random sampling)
Sampel strata (stratified random sampling)
Klaster (cluster sampling)
Bertingkat (multistage sampling)
 2. Sampel tidak acak (non
probability sampling).
 Tidak semua unsur dalam populasi
mempunyai peluang yang sama untuk tertarik samp
 Jenis:
Purposive sampling
Incidental sampling
Quota sampling
 Simpel Random Sampling
 Bila populasi tidak terlalu banyak variasinya,
secara geografis tidak terlalu menyebar
 Harus ada daftar populasi (sampling frame)
 Caranya
Melakukan undian
Memakai tabel bilangan random
Memakai paket komputer
Systematic Random Sampling
 Unsur pertama diambil secara acak,
selanjutnya secara sistematik sesuai
langkah yang sudah ditetapkan.
 Syarat:
Tersedianya sampling frame
Populasi mempunyai pola beraturan
Nomor urut pasien
Populasi sedikit homogen.
 Contoh:
Dari 500 orang pasien dirawat di rumah sakit,
akan diambil 25 orang untuk dilakukan
penelitian tentang kepuasan terhadap
pelayanan.
Cara pengambilan sampel akan dilakukan
secara sistematis
Probabilitas untuk terambil 25/500=1/20
Untuk pengambilan sampel I dilakukan secara
acak sederhana
Untuk selanjutnya diambil setiap jarak 20
untuk 1 setiap sampel
 Stratified Random Sampling
 Pada populasi yang heterogen
 Populasi dibagi dalam beberapa strata
 Contoh: pendidikan (tinggi sedang rendah),
ekonomi (kaya, sedang, miskin)
 Ciri heterogen dari populasi dapat terwakili.
 Perlu diperhatikan:
 Dalam strata unsur populasi sehomogen mungkin
 Antar strata seheterogen mungkin
 Sampel diambil proporsional menurut besarnya
unit dalam strata
 Pengambilan sampel dalam strata secara acak.
 Cluster Sampling
 Populasi dibagi dalam beberapa kelas
 Di dalam kelas sudah terdapat beberapa

sifat/ variasi yang akan diteliti.

 Kelas diacak dan unit sampel diambil dari

kelas tertarik.
 Di dalam kelas sehomogen mungkin
 Antar kelas sehetrogen mungkin.
 Multistage Sampling
 Pengambilan sampel bertingkat
 Bila geografis populasi sangat menyebar
 Contoh : Penelitian tentang Puskesmas di
Indonesia
 Dari 32 propinsi diacak memilih 5 propinsi
 Dari masing-masing propinsi diacak lagi
kabupaten yang akan diambil
 Dari masing-masing kabupaten diacak lagi

Puskesmas yang akan diambil.

 Purposive Sampling

 Sampel ditentukan oleh orang yang sudah

mengenal populasi.
 Incidental Sampling

 Sampel yang diambil tidak terencana

 Contoh: Kejadian luar biasa
 Hasil tidak dapat digeneralisir, disajikan

secara deskriptif.
 Quota Sampling

 Sampel yang akan diambil ditentukan

oleh peneliti dengan jumlah sampel sudah
ditentukan.

 Bila jumlah tercapai pengumpulan data

dihentikan
 Besar Sampel
Tergantung pada:
 Biaya yang tersedia, waktu dan tenaga
 Variasi yang ada dalam variabel dan banyaknya
variabel
 Makin heterogen populasi makin besar sampel
yang diperlukan
 Presisi yang dikehendaki, makin besar sampel
lebih tepat menggambarkan populasi.
 Bila terlalu banyak ------ error >>>>
 Rencana analisis
Distribusi
 Distribusi Data
 Mean, median, modus

 Standar deviasi
 Standar score: z score, untuk mengetahui posisi
relatif dari suatu rata-rata menggunakan standar
deviasi
 Contoh z score
 Anda dapat nilai 25 di ujian statistik, nilai
maksimal 30. Rata-rata kelas 22,5, median 24,
standard deviation: 2,5. Hitung z score anda dan
jelaskan apa maksudnya
 Cara menghitung z score
 Numerator dari z score anda adalah (nilai anda –
rata-rata) = 25 − 22,5 = 2,5. Denominator adalah
standar deviasi 2.5. Jadi z = 2.5/2.5 = 1.
 Score z anda = +1 artinya nilai kuiz anda berada 1
standar deviasi diatas rata-rata.
 Distribusi Data
 Data berdistribusi normal atau tidak
Ditentukan dengan uji normalitas:
 1. Shapiro Wilk
 2. Kolmogorov-Smirnof
 3.Liliefors
 4. Skewness dan kurtosis
 Uji Normalitas dengan SPSS
 Analyze
 Klik Descriptive
 Klik Explore
 Masukkan dependen list dan factor list
 Klik normality plot
 Klik continue