Transcript 5. Sebaran penarikan contoh

Metode Statistika
Pertemuan VI
Pengantar Metode Penarikan Contoh
dan
Sebaran Penarikan Contoh
Pengantar Metode Sampling
Tujuan Utama:
Mendapatkan sampel yang mencerminkan populasi
 dapat digunakan untuk menduga populasi
Metode Sampling  Probability vs Non Probability Sampling
Masalah utama dalam sampling:
1. Menentukan metode sampling yang sesuai
2. Menentukan ukuran sampel yang mewakili populasi
(dengan tingkat ketelitian yang diinginkan dan segala kendala yang ada)
Probability Sampling
Metode Sampling yang berbasis pada pemilihan secara acak
Acak  setiap unit memiliki peluang yang sama untuk terpilih
 Butuh kerangka contoh (daftar seluruh unit atau anggota
populasi)
Beberapa definisi:
N = banyaknya objek dalam kerangka contoh (sampling frame)
n = banyaknya objek dalam contoh
f = n/N = fraksi contoh
Beberapa Metode (Probability Sampling)
• Penarikan Contoh Acak Sederhana (Simple Random Sampling)
• Penarikan Contoh Acak Berlapis (Stratified Random Sampling)
• Penarikan Contoh Sistematis (Systematic Random Sampling)
• Penarikan Contoh Gerombol (Cluster Random Sampling)
• Penarikan Contoh Bertahap (Multi-Stage Sampling)
Error  Sampling Error vs Non Sampling Error
Ukuran contoh optimum (n)
 n = f(ragam, ukuran populasi, ketelitian yang diinginkan, biaya, waktu)
 Ukuran contoh yang diperlukan untuk menduga  dengan batas
error pendugaan sebesar B adalah:
n 
N
2
( N  1) D  
2
, dengan
D 
B
2
2
n 
z NV
2
z V
4
2
2
 ( N  1) 
2
Z=1.96 dengan SK 95%, V=Std relatif
thd mean, =batas kesalahan yang
diinginkan (% thd mean)
 Ukuran contoh yang diperlukan untuk menduga P dengan batas
error pendugaan sebesar B adalah:
n 
Np (1  p )
( N  1) D  p (1  p )
z Np (1  p )
2
n
z p (1  p )  ( N  1)  p
2
2
2
Contoh Penentuan ukuran contoh optimum (n)
Tentukan ukuran contoh optimum untuk menduga rata-rata produksi petambak jika
diketahui N=10000 dan range produksi petambak antara 10-20 ton, dan batas error
yang diinginkan B=1 ton.
 
range
4

10
 2 .5
n 
4
10000 * 2 . 5
(10000  1) *
1
2
 24 . 94  25
2
 2 .5
2
4
Tentukan ukuran contoh optimum untuk menduga proporsi (p) indukan udang yang
baik jika diketahui N=2000 dan diinginkan batas error B=0.05. Asumsikan proporsi
awal tidak diketahui.
n 
Np (1  p )
( N  1) D  p (1  p )

2000 * . 5 * . 5
( 2000  1) *
. 05
4
2
 .5 * .5
 333 . 47  334
Non Probability Sampling
•
Pemilihan tidak dilakukan secara acak
•
Generalisasi terhadap populasi agak sulit dilakukan
•
Sering digunakan dalam penelitian sosial, marketing
research, dll., krn Probability Sampling tidak praktis atau
bahkan tidak dapat diterapkan
•
Accidental/Haphazard/Convenience vs Purposive
•
Purposive  Model Instance Sampling, Expert Sampling,
Quota Sampling, Heterogenety Sampling, Snowball
Sampling
Tugas Praktikum dengan
menggunakan SPSS
• 1. Buat file terdiri atas 20 record dengan field
nama, jenis kelamin, umur(tahun), tingkat
pendidikan orang tua (SD, SLTP, dll), pekerjaan
orang tua, pendapatan/kiriman (Rp/bulan), berat
badan (Kg), tinggi badan (cm).
• 2. Hitung IMT , buat kategorinya dan frekuensinya.
• 3. Hitung mean, std, minimum, maksimum dari
semua peubah kontinu.
• 4. Buat bar chart menurut tingkat pendidikan orang
tua
• 5. Buat histogram untuk berat badan
• 6. Buat scater plot antara berat (Y) dan tinggi badan
(X)
Tugas 6
• 1. Buat sampling frame di suatu RT dengan
rumah tangga sebagai unit sampling
• 2. Ambil sampel berukuran n=10 secara acak
dengan menggunakan fungsi random dalam
excel atau kalkulator.
• 3. Tanyakan berat badan (BB) dan tinggi badan
(TB) ibu rumah tangganya dan juga jumlah
anggota rumah tangganya (JAGT).
• 4. Hitung rata-rata dan standard deviasi dari BB,
TB, IMT dan JAGT.