Transcript Pertemuan 4 penarikan sampel_wahid

PENARIKAN SAMPEL
Mugi Wahidin, M.Epid
Prodi Kesehatan Masyarakat
Universitas Esa Unggul
2014
POKOK BAHASAN
Populasi dan Sampel
 Alasan Penarikan Sampel
 Syarat Sampel ideal
 Kerangka sampel
 Teknik pengambilan sampel
 Distribusi Sampling

Populasi dan Sampel
Statistik Infrerens: cara atau metode yang
dipergunakan untuk menggeneralisasi hasil
dari suatu sampel menjadi hasil populasi
 Contoh:

◦ Survei tekanan darah terhadap 234 orang
berusia >18 tahun di Kota Jakbar, sebanyak
30% mengalami tekanan darah tinggi. Apakah
tekanan darah tinggi penduduk berusia >18
tahun di Kota Jakbar sebesar 30%?
Populasi dan Sampel

Populasi
Adalah wilayah generalisasi yang terdiri atas obyek/subyek yang
mempunyai kualitas dan karakteristik tertentu yang ditetapkan
oleh peneliti untuk dipelajari dan kemudian ditarik
kesimpulannya
contoh: mahasiswa baru Univ Esa Unggul tahun ajaran
2014/2015
karakterisik: usia tertentu, latar belakang
pendidikan tertentu, asal
hasil pengukuran parameter: µ, σ

Sampel
Adalah bagian dari jumlah dan karakteristik yang dimiliki oleh
populasi. Atau sebagian populasi yang ciri2nya disellidiki/diukur
contoh: sebagian mahasiswa baru Univ Esa
Unggul
tahun ajaran 2014/2015
hasil pengukuran: statistik:, yaitu estimasi (pendugaan): s, x
bar
Populasi dan Sampel
Representatif
Sampel
Miniatur Populasi
Alasan Penarikan Sampel
Populasi sangat besar (infinite population),
tidak mungkin mengukur semua
2) Homogenitas, tidak perlu mengukur semua
yg sama
3) Menghemat waktu dan biaya
4) Ketelitian/ketepatan pengukuran yg sedikit
(sampel) lebih tepat daripada mengukur
banyak (populasi)
5) Ada obyek penelitian yang dihancurkan
setelah penelitian: misal darah
1)
Syarat Sampel Ideal
Dapat menggambarkan karakterisik populasi
yang diamati
 Dapat menentukan presisi (ketepatan) hasil
penelitian dengan menentukan simpangan
baku dari taksiran yg diperoleh
 Sederhana, mudah dilaksanakan
 Dapat memberikan informasi sebanyak
mungkin dengan biaya serendah mungkin
(efisien)

 jika syarat-syarat tidak terpenuhi,
kesimpulan penelitian bisa menjadi bias (bias
conclusion)
Kerangka Sampel
Adalah daftar semua unsur sampel dalam
populasi
 Misal: daftar penduduk di wilayah
kecamatan X, daftar penderita AIDS di
suatu kota, daftar telepon di suatu wilayah,
dll

Teknik Pengambilan Sampel
Probability
sampling
1. Simple Random Sampling
(SRS)
2. Sistematic Random
Sampling
3. Proportionate Stratified
Random Sampling
4. Disproportionate
Stratified Random
Sampling
5. Area (cluster) sampling
Non Probability
sampling
1.
2.
3.
4.
5.
6.
Sampling sistematis
Sampling kuota
Sampling insidentil
Purposive sampling
Sampling jenuh
Snowball samplig
Probability Sampling
1.
Simple Random Sampling (acak sederhana)


2.
Untuk populasi tidak banyak variasi, geografis sempit,
Dilakukan dengan undian, tabel random, memakai
software
Sistematic Random Sampling



Untuk populasi tidak terlalu besar
Sampel pertama diundi (random) selanjutnya dipilih
secara sistematik dengan kelipatan tertentu.
Misal dari 400 orang diambil 15 orang, maka kelipatan
adalah 15/400=1/27, kelipatan 27. no pertama diundi,
misal angka 5, maka sampel kedua dst adalah angka
5+27=32, 32+27=59 dst
Probability Sampling
3. Proportionate Stratified Random Sampling
 Untuk populasi heterogen, ada strata, misal kota-desa, kayamiskin
 Unsur dalam strata sehomogen mungkin
 Unsur antar strata seheterogen mungkin
 Sampel diambil proporsional pada strata
 Sampel diambil secara acak pada masing-masing strata
4. Disproportianate Stratified Random Sampling
◦
◦
Untuk populasi berstrata tetapi kurang
proporsional,
Misal lulusan PT 1 orang, SD 2 orang, SMP 200
orang, SMA 100 orang, maka lulusan PT dan SD
diambil semua, sedangkan SMP dan SMA diambil
secara acak proporsional
Probability Sampling
5. Cluster sampling/area sampling
◦ Jika kerangka sampel tidak ada, wilayah luas
◦ Populasi dibagi ke dalam kelas dg asusmsi di
setiap kelas sudah terdapat variasi
◦ Kelas yang diacak (proportianate) dan sampel
diambil dari kelas yg terpilih
◦ Syarat


Di dalam kelas sehomogen mungkin
Antar kelas seheterogen mungkin
Non Probability Sampling
1.
Sampling sistematis


2.
Kuota Sampel


3.
Sampel diambil berdasarkan urutan anggota
Misal sampel dari 100 orang diambil yg ganjil saja,
genap saja, atau kelipatan 4
Sampel diambil berdasarkan jumlah kuaota yang
ditetapkan
Misal jumlah sampel 300, maka setelah menemukan
300 responden pengambilan sampel berhenti
Sampling insidentil


Sampel diambil tidak terencana (kebetulan)
Misal sampel pada kondisi KLB, siapa sj yg
teridentifikasi diajadikan sampel
Non Probability Sampling
4. Purposive Sampling
 Sampel diambil oleh orang yg telah mengenal betul populasi yg
diteliti
 Misal: penelitian tentang politik, sampel adl ahli politik
5. Sampling jenuh
 Adalah semua populasi menjadi sampel, sama dengan sensus
 Populasi <30 orang
6. Snowball sampling
◦
◦
Sampel mula-mula kecil, kemudian membesar
Misal: awalnya peneliti mengambil 2 orang, tetapi
karena karena dipandang ada orang yg lebih tau
maka ditambah sampel menjadi 4 orang, dst. Cocok
untuk penelitian teroris dan penyebab kerusuhan
Distribusi Sampling
Perlunya generalisasi informasi dari
sample ke populasi
 Dasar-dasar statistik inferens adl distribusi
sampling
 Sebelum menghitung estimasi dan uji
hipotesis perlu mengetahui distribusi
sampling
 Distribusi sampling adl: distribusi dari
mean-mean sampel yang diambil secara
berulang kali dari suatu populasi

Distribusi Sampling
Misal: populasi dengan nilai parameter: µ, σ, dan
N
 Diambil sampel scr random, akan diambil nilai
mean (x bar) dan s . Diambil lagi sampel
berikutnya dan menghasilkan mean dan s, dst
 Mean dari sampel2 tersebut akan menghasilkan
distribusi: Distrbusi Sampling Harga Mean

Distribusi Sampling
Sifat Distribusi Sampling = Central Limit Theorem
(Teorema Limit Pusat)  sifat yang mendasari
teori inferens
1. Sifat-1


Apabila sampel-sampel random dengan elemen
masing-masing diambil dari suatu populasi normal,
yang mempunyai mean = µ varian σ, distribusi
sampling harga mean akan mempunyai mean sama
dengan µ dan varian σ2/n atau standar deviasi
σ/√n.
Standar deviasi distribusi sampling = Standar
Error (SE)
Distribusi Sampling
Sifat-2

Apabila populasi berdistribusi normal, distribusi
sampling harga mean juga akan berdistribusi
normal. Maka berlaku sifat persamaan
Z = x -µ
SE
Sifat-3
◦ Walaupun populasi berdistribusi sembarang, kalau
diambil sampel-sampel berulang kali secara secara
random, distribusi harga mean akan membentuk
distribusi normal
Distribusi Sampling
Contoh:
Diyakini bahwa kadar hemoglobin orang
sehat (µ) =12 gr%, dan σ = 2,5 gr%. Seorang
peneliti mengambil 25 orang sampel,
hitunglah probabilitas rata-rata Hb sampel:
a) >13 gr%
b) Antara 11-13,5 gr%
Distribusi Sampling
Jawab:
a) Diket: µ) =12 gr%, σ = 2,5 gr%
n = 25
SE = σ/√n = 2,5/ √25 = 0,5 gr%
Z = x -µ
SE
= 13-12 = 2  Z tabel = 0,4772
0,5
p (xbar >13 gr%) = 0,5 – 0,4772 = 0,0228
atau 2,3%
jadi, peluang rata-rata sampel dengan Hb
>13 gr% adalah 2,3%
Distribusi Sampling
Hitunglah jawaban b!
p (11 gr% < xbar , 13,5 gr%)
Z1 = 11-12 = 2  Z tabel = 0,4772
0,5
Z2 = 13,5-12 = 3,0  Z tabel = 0,4987
0,5
p (11 gr% < xbar < 13,5 gr%) = 0,4772 + 0,4987
0,9759 = 98%
Tugas Individu
1.
2.
Buatlah contoh penelitian masing-masing untuk 5 teknik
probabilitas dan 6 non probabilitas
Diketahui tinggi badan mahasiswa Esa Unggul berdistribusi normal
dengan mean 60 inci dan standar deviasi 10 inci. Diambil sampel
25 maahasiswa. Berapa persentase sampel yang diambil dengan
rata-rata:
a)
b)
c)
d)
3.
Antara 57 dan 63
Kurang dari 55
64 atau lebih
75 atau lebih
Di desa X rata-rata bayi baru lahir adalah 3360 gram dengan
simpangan baku 490 gram. Jika diambil secara acak 30 bayi bari
lahir, hitunglah probabilitas:
a)
b)
c)
2400 < xbar , 2600 gram
xbar ≤ 2500 gram
Xbar ≥ 5000 gram