2

Dasar Metode Simple Random Sampling

1.1 SIMPLE RANDOM SAMPLING

Metode yang paling sederhana dan paling umum dari metode sampling adalah simple
random sampling (SRS) dimana sampel diambil unit per unit, dengan peluang yang masingmasing eleman mempunyai peluang sama untuk terpilih sebagai sampel. Dengan demikian
SRS adalah metode memilih n unit sampling dari sebuah populasi berrukuran N dengan
peluang yang sama bagi semua elemen atau prosedur sampling yang mungkin dari n unit
yang bisa dibentuk dari N unit populasi mempunyai peluang yang sama dalam pemilihan.
SRS juga kadang-kadang disebut sampling acak yang tak terbatas. Jika n unit dipilih dan
dicatat kemudian dikembalikan ke populasi sebalum pengambilan berikutnya dibuat dan
prosedur ini diulangi n kali, langkah ini dikenal sebagai SRS dengan pemuluhan (with
replacement). Jika prosedur ini diulang sampi n unit yang berbeda yang dipilih dan semua
pengulangan diabaikan, pemilihan ini disebut SRS tanpa pengembalian (without replacement)
THEORMA 2.1.1 peluang unit yang telah ditentukan dari sebuah populasi yang dipilih dari
beberapa pengambilan yang ditentukan adalah sama dengan peluang pengambilan yang
pertama.
Bukti.
Peluang unit yang dispecifikan dipiulih sampai pengambilan ke r secara jelas hasilnya
(a) peluang unit tidak dipilih dalam pengambilan tertentu (r-1) dan (b) peluang terpilih
dalam pengambilan ke r dengan kondisi ini, init tak terpilih dalam pengambilan sebelumnya
(r-1) peluang (a) ditentukan dengan
....
Peluang (b) ditentukan dengan
adalah

=
karena itu peluang yang dibutuhkan

yang independen diistilahkan r yang menunjukan nomer pengambilan

THEOREMA 2.1.2 peluang unit yang ditentukan menjadi masukan dalam sampel sama
dengan
Bukti
N menunjukan jumlah sampel sehingga unit yang dijadikan sampel dalam n
pengambilan, peluang unit yang dijadikan sampel merupakan peluang dari n peristiwa yang
saling bebas viz. hal ini tercangkup dalam sampel saat pengambilan pertama, kedua hingga
ke n. seperti yang ditunjukkan theorem 2.1.1 peluang masing-masing unit adalah
sedangkan peluang terpilihnya dalam sampel adalah

Kesimpulan 1. peluang sampel terpilih dari n unit adalah

( )
Kesimpulan 2. Jika populasi N unit m unit dihilangkan dan ditambah m maka peluang
)
terpilih setiap unit adalah(

1.2

PREOSEDUR PEMILIHAN SAMPEL ACAK

Karena teori sampling berdasarkan sumsi random sampling, teknik random sampling
mempunyai dasar yang penting. Beberapa prosedur yang digunakan dalam memilih sampel
acak adalah sebagai berikut
i.
ii.

Metode Undian
Menggunakan Tabel Angka Random

2.2.1 Metode Undian

Dalam praktek, karcis atau undian dapat dianggap merupakan bagian dari unit sebuah
populasi. Jadi, setiap unit sampel mempunyai tanda pengenal sendiri dari 1 sampai dengan N.
Prosedur dalam memilih setiap unit sampel sangat sederhana. Semua karcis atau undian
dimasukkan dalam suatu wadah seperti alat logam berbentuk bola, dimana memungkinkan
untuk diacak secara cermat sebelum diadakan pengambilan. Pengambilan setiap karcis dapat
diteruskan sampai ukuran sampel yang dibutuhkan didapatkan.
Prosedur menomori setiap karcis dan mengambil satu sampel setelah diacak menjadi
tidak praktis jika ukuran populasi besar. Dalam praktek akan menjadi lebih sulit untuk
mendapatkan pengacakan yang cermat. Kesalahan pengamatan manusia akan mempengaruhi
keabsahan metode ini.

2.2.2 Menggunakan Tabel Angka Random

Sebuah tabel angka random terdiri atas susunan angka-angka dari 0 sampai 9, yang
disusun dalam bentuk linier atau pola persegi panjang (tabel), dimana setiap posisi berisikan
satu dari nomor tersebut. Tabel angka random juga disusun dari angka 0, 1, 2, . . . , 9 dimana
setiap angka bersifat independen terhadap angka lainnya. Beberapa tabel angka random yang
umum digunakan yaitu :
i.
ii.
iii.
iv.

Tabel angka random Tippett

Tabel Fisher dan Yates
Tabel Kendall dan Smith
Satu juta angka acak
Untuk memastikan apakah seri angka random ini benar-benar merupakan angka acak,
beberapa tes berikut ini dapat digunakan :

i.
ii.
iii.
iv.

Tes frekuensi
Tes berseri
Gap test
Poker test
Metode praktis untuk memilih sampel secara acak adalah dengan memilih unit sampel
satu per satu dengan bantuan tabel angka random. Dengan mengambil dua buah angka, kita
mendapatkan angka untuk unit sampel dari 00 sampai 99, dan semuanya mempunyai
frekuensi yang sama. Dengan cara yang sama, tiga atau lebih kombinasi angka bisa
didapatkan dengan mengkombinasikan tiga atau lebih baris atau kolom tabel tersebut.
Cara sederhana dalam memilih sampel yang dibutuhkan adalah dengan memilih
angka acak dari 1 sampai dengan N dan kemudian memilih unit yang sesuai dengan angka
tersebut. Prosedur ini meliputi angka yang tidak terpakai karena angka tersebut melebihi
besarnya N. Dalam penggunaan tabel angka random terdapat beberapa modifikasi dalam
prosedur pengambilan angka random, yaitu :
i.
ii.

Pendekatan sisa
Pendekatan hasil bagi

iii.

Pemilihan angka secara bebas

Pendekatan Sisa

Suatu ukuran populasi ditentukan sebagai N yang mempunyai sebanyak r digit angka
dan kemudian hasil perkalian dari N yang masih mempunyai jumlah digit r dianggap sebagai
N. Sebuah angka acak k dipilih dari 1 sampai N dan kemudian unit yang memiliki nomor
urut yang sama dengan sisa dari hasil pembagian angka random yang terpilih (k) dengan N
dipilih sebagai sampel. Apabila sisa pembagian sama dengan nol, maka unit sampel terakhir
yang terpilih. Misalnya, N = 123, hasil perkalian dari N yang masih memiliki 3 digit angka
adalah 984. Untuk memilih sebuah unit, sebuah angka acak dari 001 sampai 984 dipilih.
Misalnya angka random yang terpilih adalah 287. kemudian 287 dibagi dengan 123, sisanya
adalah 41. Jadi, unit dengan nomor urut 41 adalah yang terpilih sebagai sampel.

Pendekatan hasil bagi

Sebuah ukuran populasi sebesar N memiliki r digit angka kemudian hasil perkalian
sebanyak r digit dari N dianggap sebagai N dimana N/ N = q. Sebuah angka acak k dipilih
dari 0 sampai dengan N 1. Dengan membagi k dengan q maka hasil bagi r didapatkan dan
unit dengan nomor urut r 1 adalah unit yang terpilih. Sebagai gambaran, N = 16 sedangkan
N = 96 dengan q = 6. Sebua angka random yang terpilih dari 0 sampai 95 adalah 65.
Dengan membagi 65 dengan 6, hasil baginya adalah 10 dan kemudian sampel yang terpilih
adalah 9.

Pemilihan angka secara bebas

Metode ini diusulkan oleh Mathai (1954). Sebuah angka acak dipilh berdasarkan digit
pertama dan yang lainnya menurut sisa dari ukuran populasi. Jika angka yang terpilih adalah
0 maka unit yang terpilih adalah unit yang terakhir. Tapi jika angka acak yang didapatkan
lebih besar dari atau sama dengan N, maka angka tersebut tidak dipakai dan prosedur ini
kembali diulang.

Contoh 2.1 Memilih contoh acak dari 11 rumah tangga dari daftar 112 rumah tangga di
sebuah desa.
(i) Dengan menggunakan 3 digit angka acak yang berada di kolom 1 sampai 3, 4
sampai 6 dan seterusnya dari tabel angka random dan angka yang tak terpakai yang lebih
besar dari 112 (angka 000 juga termasuk), kita mempunyai urutan angka yang diambil
sebagai sampel yaitu 033, 051, 052, 099, 102, 081, 092, 013, 017, 076, dan 079.
(ii) Pada prosedur diatas, angka yang lebih besar dari 112 ditolak. Oleh karenanya,
metode yang biasanya digunakan adalah pendekatan sisa yang dapa menghindari tidak
terpakainya angka random yang lebih besar dari N. Hasil perkalian terbesar dari 112 adalah
896. dengan menggunakan 3 digit angka random seperti diatas, maka angka random yang
terpilih akan memuat sampel dengan nomor urut 086, 033, 049, 097, 051, 052, 066, 107, 015,
106 dan 020.
(iii) Jika pendekatan hasil bagi diterapkan, hasil perkalian tertinggi dengan 3 digit
angka dari 112 adalah 896 sedangkan q = 8. Dengan menggunakan angka random yang sama
dan membaginya dengan 8, kita mendapatkan contoh acak bernomor urut 025, 004, 020, 026,
006, 006, 092, 041, 085, 027 dan 086 dengan metode pengembalian dan nomor urut 025, 004,
020, 026, 006, 092, 041, 085, 027, 086, dan 042 dengan metode tanpa pengembalian.

Contoh 2.2 Sepuluh kebun buah di sebuah tempat dekat dengan sebuah desa berturut-turut
mempunyai 125, 793, 970, 830, 1502, 864, 503, 106, 970, 312 pohon buah. Tariklah sebuah
sampel acak dari 10 pohon buah dengan menggunakan tabel angka random.

Kita anggap bahwa kebun buah pertama mempunyai nomor urut pohon buah dari 1
sampai 125, di kebun buah kedua dari nomor 126 sampai 918, dan seterusnya. Oleh
karenanya, angka kumulatif dari nomor urut tersebut dapat ditulis sebagai berikut, 125, 918,
1888, 2718, 4220, 5084, 5587, 6663, 6975. dengan menggunakan 4 digit angka random
seperti contoh diatas dan dengan dugaan yang serupa, kita mendapatkan sepuluh angka acak
1983, 0330, 1614, 2096, 0511, 0524, 3311, 6874, 2183 dan 6926.
Dengan angka random yang pertama 1983, kita memilih pohon yang bernomor urut
95 di kebun buah keempat. Serupa dengan yang tadi, dengan angka acak kedua 0330, kita
memilih pohon dengan nomor urut 205 di kebun buah kedua, dan seterusnya.

2.3 ESTIMATION OF POPULATION PARAMETERS

Mari kita mengasumsikan setiap unit u i dalam sebuah populasi memiliki suatu nilai
variabel Y i untuk setiap karakter y. Untuk beberapa parameter, mari didefinisikan sebagai

Total populasi,

Y yi
i
N

Rata-rata populasi,

Y Yi N
i
N

Varian populasi,

2 (Yi Y ) 2 N
i

Dalam sebuah n contoh acak unit-unit dalam sampel u 1 , u 2 , . . ., u n , secara berturutturut mempunyai y1 , y 2 , . . ., y n . Estimator dari total populasi dan rata-rata adalah

N
Y
n

N . y , dan

Y y i n y
i

Faktor N n yang ada di rumusan untuk total sampel biasanya disebut perluasan atau
peningkatan atau faktor inflasi. Kebalikanya n N disebut fraksi sampling dan dinyatakan
dengan huruf f dalam buku ini.

Dalil 2.3.1 Dalam penarikan sampel aca sederhana, tanpa pengembalian, rata-rata sampel y
adalah estimator yang unbiased dari parameter Y dan varian samplingnya diberikan sebagai

V ( y ) (1 n N ) S 2 n (1 f ) S 2 N

dimana
S 2 N 2 ( N 1)

Bukti Kita ketahui

(2.3.1)

Nt 2 P 1 P 2
n
tP1 P 2
N

2

(i)

(ii)

Jika faktor koreksi terbatas (kpt) diabaikan, maka :

n0 t 2 P 1 P 2
Jika faktor koreksi tidak diabaikan, maka :
n0
n1
1 n0 1 N

(2.7.9)

(2.7.10)

(2.7.11)

Contoh 2. 8
Dalam suatu populasi terdapat 4000 orang yang dipanggil untuk memberikan hak
suaranya, 50% mengembalikannya ke kotak suara. Perkiraan jumlah sampel untuk
mengestimasi proporsi orang yang mengembalikan kertas suara sehingga mempunyai
batas kesalahan (MoE) 5% dari 95% derajat kepercayaan dimana pengambilan sampel
dilakukan secara :
(iii) Pada kasus penarikan sample sederhana secara acak tanpa pengembalian (WOR),
banyaknya kemungkinan sample adalah 10 yaitu 52 . Dapat kita lihat bahwa setiap
kemungkinan sample memiliki peluang yang sama untuk terpilih yaitu masing-masing 1/10.

(a) Nilai harapan dari y , yang diberikan dari hasil rata-rata pada kolom (6) dalam tabel 2.3.2,
dengan nilai 158,0 sebagai rata-rata pada populasi, hal itu membuktikan bahwa y
merupakan estimator yang tidak bias bagi Y . Selanjutnya, varians sampling yang didapatkan
dari rata-rata terhadap kuadrat error (kesalahan) yang ditunjukkan pada kolom (7) dimana
hasilnya adalah 14,55 ,dengan asumsi bahwa .
v( y ) 3 2 / 8( 3S 2 / 10 )

(b) Sejak varians dari sampel ( s 2 , diberikan oleh ( y1 y 2 ) 2 / 2 ), dimana hal ini akan lebih
mempermudah penghitungan, rata-rata dari 10 sampel berarti kuadrat yang ada seperti E (s ) 2 .
Perhatikan, E ( s 2 ) 485 / 10 48,5
Juga, kuadrat rata-rata populasi = 48,5
Jadi, kuadrat rata-rata sample menunjukkan estimator yang tidak bias dari kuadrat rata-rata
populasi ( S 2 ) , buktinya :
E (s 2 ) S 2

(c) Estimator dari V ( y ) berasal dari :

v( y ) 3( y1 y 2 ) 2 / 20

Nilainya ditunjukkan oleh kolom (8) pada tabel 2.3.2. Nilai harapan (Expected Value) dari
v( y ) yang di dapat dari hasil rata-rata nilai pada kolom (8) yaitu 14,55. Menunjukkan bahwa
nilai itu adalah estimasi tidak bias
E[v( y )] V ( y )

3S 2
10

2.4. Estimasi Proporsi Populasi

Sering kali, unit-unit di dalam populasi dikelompokkan kedalam dua grup (i) yang
mempunyai karakteristik khusus dan (ii) tidak memiliki karakteristik tersebut. Contohnya,
hasil panen ladang yang diari dengan ladang yang tidak diari. Apabila ladangnya diari, kita
dapat mengatakan bahwa dia memiliki karakteristik yaitu irigasi/pengairan. Jika ladang
tersebut tidak diari, dapat dikatakan bahwa ia tidak memiliki karakteristik khusus tersebut.
Jika kita ingin memperkirakan proporsi ladang yang diari, dengan populasi ladang adalah
sebanyak N ladang dan diasumsikan bahwa y i memiliki nilai 1 jika ladang tersebut diari, dan
lainnya dianggap nol (0). Dimana, total dari ladang yang diari sebagai N 1 adalah bagian dari
N.
N

Ni

Jadi,
Y

1
N

y
i 1

N1
P proporsi dari ladang yang di irigasi
N

dan
N

y
i 1

2
i

N i NP

Jadi, masalah yang ada dalam memperkirakan proporsi populasi adalah dengan
mendefinisikan varians seperti diatas. Apabila n1 unit sample diambil dengan SRS dan
ukuran n yang memiliki karakteristik tertentu, maka proporsi sampel diberikan dengan
p n1 / n. Sehingga :

i 1

i 1

yi n1 yi2 np
Karena itu, estimasi tidak bias dari P adalah

p (n1 / n) p

(2.4.1)

TEOREMA 2.4.1 Pada penarikan sampel tanpa pengembalian (WOR), varians dari p adalah :
V ( p)

( N n) PQ (1 f ) NPQ

n( N 1)
n( N 1)

(2.4.2)

Dimana Q 1 P . Pembuktiannya adalah :

Bukti 1. Dalam pengambilan sampel tanpa pengembalian (WOR), varians dari p adalah
V ( p) PQ / n

Bukti 2.

(2.4.3)

Varians dari N 1 N p , perkiraan total untuk beberapa unit dengan beberapa

karakteristik tertentu adalah :

V ( N 1 ) N 2 ( N n) PQ / n( N 1)

(2.4.4)

TEOREMA 2.4.2 Pada pengambilan sampel tanpa pengembalian (WOR), perkiraan tidak
bias dari V ( p ) adalah :
v( p) (1 f ) pq /(n 1)

(2.4.5)

Pembuktiannya :
Bukti 1. Pada pengambilan sampel dengan pengembalian (WR), estimasi tidak bias dari
V ( p ) adalah :
v( p) pq /(n 1)

(2.4.6)

Bukti 2. Estimasi tidak bias dari varians untuk N 1 Np adalah :

v( N 1 ) N ( N n) pq /(n 1) (1 f ) N 2 pq /(n 1)

Bukti 3. Koefisien variasi dari p adalah :

(2.4.7)

CV

[ PQ / n]1 / 2
[Q / nP]1 / 2
P

(2.4.8)

CONTOH 2.4. Daftar pemilih dalam suatu lomba disuatu kota yang mengukur kebenaran
usia tiap orang sebanyak 3000. Diambil sampel sebanyak 300 nama secara SRS, dimana 51
orang diketahui menunjukkan umur yang salah. Perkirakan total dari pemilih yang memiliki
kesalahan dalam menggambarkan usia dan perkirakan standart error-nya.
Dimana ;

N 3000 , n 300 , n1 51, p 0.17

Estimasi total dari pemilih yang melakukan kesalahan dalam menggambarkan usia mereka
dapat dijelaskan oleh :
N 1 Np (3000 )( 0.17 ) 510

(i) Jika sampel diambil dengan pengembalian (WR), perkiraan standart error-nya adalah
s N N[ pq /(n 1)]1 / 2
1

3000 [( 0.17 )( 0.83) / 50 ]1 / 2

159.3
(ii) Jika sampel diambil tanpa pengembalian (WOR), perkiraan standart error-nya adalah :
s N N[(1 f ) pq /(n 1)]1 / 2
1

3000 [(1 0.10 )( 0.17 )( 0.83) / 50 ]1 / 2

151.1

2.5. Kombinasi dari estimasi yang tidak bias

Ada situasi dimana beberapa sampel dapat diperkirakan karena sampel-sampel
tersebut diklasifikasikan menjadi 2 kombinasi. Jika ti (I = 1,2,,m) merupakan estimasi
tidak bias dari parameter , dimana satu dan lainnya dianggap saling bebas, maka estimasi
gabungannya adalah :
m

t ti / m
i 1

(2.5.1)

juga adalah estimasi yang tidak bias dari . Varians dari t adalah :
m

V (t ) v(t i ) / m 2

(2.5.2)

i 1

dan estimasi varians-nya adalah :

m

v(t ) (t i t ) 2 / m(m 1)

(2.5.3)

i 1

Kita akan mempergunakannya dalam kasus-kasus sebagai berikut :

(i)
(ii)

SRS dalam variabel

SRS dalam kebijaksanaan.

2.5.1 SRS dalam variable

Apabila y1 , y 2 ,..., y m adalah rata-rata sampel, dimana setiap variabel adalah saling
bebas, dengan banyak sampel masing-masing adalah n1, n2,, nm . Perkiraan gabungan dari
semua sampel tersebut adalah :
(i)

Estimasi m dengan rata-rata aritmatik

m

y ' yi / m

(2.5.4)

i 1

(ii)

Estimasi m dengan rata-rata tertimbang

m

y ' ' ni y i / n

(2.5.5)

i 1

dimana,
m

n ni
i 1

Jika sampel diambil dengan pengembalian

Varians sampling dari y ' dan y ' ' adalah :
m

i 1

m2

V ( y ' ) V ( yi ) / m 2

Dan

i / n
i 1

(2.5.6)

i 1

V ( y ' ' ) ni2 .V ( y i ) / n 2

(2.5.7)

Estimator tidak bias dari V ( y ' ) dan V ( y ' ' ) berasal dari :
m

v( y ' ) ( y i y ' ) 2 / m(m 1)

(2.5.8)

Dan
m

v( y ' ' )
i

ni

( y

ij

y ' ' ) 2 / n(n 1)

(2.5.9)

Hal ini akan menunjukkan bahwa perkiraan seperti pada (2.5.5) jauh lebih efisien jika
dibandingkan dengan hubungan pada (2.5.4) dan dapat diuji dengan membandingkan variasi
keduanya dalam satu kasus.

Jika sampel diambil tanpa pengembalian

Varians sampling dari y ' dan y ' ' adalah sebagai berikut :
m

V ( y ' ) V ( y i ) / m 2 (1 f i ) S i2 / m 2 ni

(2.5.10)

dan

V ( y' ' )

S2
1 m 2
1
ni
n Nn i

(2.5.11)

Estimasi tidak bias dari V ( y ' ) dan V ( y ' ' ) diperoleh dari :
m

v( y ' ) (1 f i ) si2 / m 2 ni

(2.5.12)

dan
m

v( y ' ' ) ni (1 f i ) si2 / n 2

(2.5.13)

2.5.2. SRS dalam kebijaksanaan (attributes)

Hasil yang diperoleh pada bagian sebelumnya dapat diterapkan kedalam SRS dengan
attributes ini. Jika p1, p2,,pm adalah proporsi sampel sebanyak m dengan ukuran masingmasing sampel n1, n2, , nm , dengan asumsi bahwa masing-masing saling independent.
Estimasi gabungan dari semua sampel dapat diberikan sebagai berikut :

(i)

Estimasi m dengan rata-rata aritmatik

m

p pi / m

(2.5.14)

(ii)

Estimasi m dengan rata-rata tertimbang

m

p ni pi / n

(2.5.15)

Dimana;
m

n ni
i

Jika sampel diambil dengan pengembalian

Varians sampling dari p dan p adalah sebagai berikut :
m

V ( p ) V ( pi ) / m 2 P (1 P ) / m 2 ni

(2.5.16)

Dan
m

V ( p ) ni2 .V ( pi ) / n 2 P(1 P) / n

(2.5.17)

Estimasi tidak bias dari V ( p ' ) dan V ( p' ' ) diperoleh dari :
m

v( p ' ) ( pi p ) 2 / m(m 1)

(2.5.18)

Dan
m

v( p ' ' ) ni pi (1 pi ) / n 2 (ni 1)

(2.5.19)

Estimator lainnya adalah :

v( p' ' ) p(1 p) / n

Jika sampel diambil dengan pengembalian

Varians sampling dari p ' dan p ' ' adalah :

(2.5.20)

V ( p ' ) ( N ni ) P(1 P) / ni ( N 1)m 2

(2.5.21)

Dan
m

V ( p ' ' ) ( N ni ) P (1 P ) / ni ( N 1)

(2.5.22)

Estimasi tidak bias dari V ( p ' ) dan V ( p' ' ) diperoleh dari :
m

v( p ' ) ( pi p ' ) 2 / m(m 1)

(2.5.23)

Dan
m

v( p ' ' ) ( N ni )ni2 pi (1 pi ) / n 2 N (ni 1)

(2.5.24)

2.6. Batas Kepercayaan

Setelah memperkirakan (estimasi) nilai parameter yang tidak diketahui, penting bagi
kita untuk mengetahui atau mengukur kepercayaan dan tingkat ketelitian (kebenaran) dari
perhitungan estimasi yang kita dapat dan untuk membuat beberapa batasan tertentu dengan
memberikan tingkat kepercayaan / kebenarannya. Jika kita mengasumsikan bahwa estimator
y berdistribusi normal terhadap rata-rata populasi Y , batas bawah dan batas atas untuk ratarata populasi Y adalah :

YL y t ( ,n1) .s[(1 f ) / n]1 / 2

(2.6.1)

YU y t ( ,n1) .s[(1 f ) / n]1 / 2

(2.6.2)

Dan

Dimana t(,n-1) adalah nilai dari tabel student-t dengan (n-1) sebagai derajat bebas dan
merupakan tingkat kesalahan atau peluang melakukan kesalahan dalam perhitungan. Sama
halnya dengan batas kepercayaan dari total populasi dapat dituliskan sebagai berikut :

YL Ny t ( ,n1) .N.s[(1 f ) / n]1 / 2

(2.6.3)

YU Ny t ( ,n1) .N.s[(1 f ) / n]1 / 2

(2.6.4)

Dan

CONTOH 2.5. Tanda tangan untuk sebuah permohonan dikumpulkan dalam 700 lembar.
Setiap lembar diberi tempat sebanyak 50 tanda tangan, tapi para pemberi tanda tangan
meletakkan tanda tangan mereka dengan tidak teratur sehingga banyaknya tanda tangan tiap
lembar tidak dapat dipastikan jumlahnya. Dalam pengumpulan, terdapat 12 lembar yang
mengalami gangguan atau hilang. Kemudian diambil sampel secara acak sebanyak 50 lembar
dan jumlah tanda tangan per lembar dukumpul dan hasilnya adalah seperti tabel dibawah ini :
Banyaknya Tanda
tangan (yi)
52
51
46
42
40
37
32
29
27
15
14
10
8

Banyaknya Lembaran
(ni)
1
2
21
8
7
2
2
1
1
2
1
1
1

Perkirakan total tanda tangan untuk permohonan tersebut dan perhitungkan batas
kepercayaannya sebesar 95%.
Yang kita ketahui,

N 700 12 688, n ni 50

n y
i

1992, ni yi2 84820

Sehingga, perkiraan total tanda tangan adalah

Y N . y (688 )(1992 ) / 50

27.410
Dan

s 2 ni ( yi y) 2 /(n 1)

1
[84820 (1992) 2 / 50]
49

s 10,55

Karena itu, selang kepercayaan dengan tingkat kepercayaan 95% adalah :

YL 27410 (1,96 )( 688 )(10 ,55 ) 13 .184

YU 27410 (1,96)(688)(10,55) 41.636

2.7. Perkiraan Ukuran Sampel

Dalam merencanakan survey sampel untuk memperkirakan parameter populasi, salah
satu pertanyaan terpenting adalah bagaimana menentukan banyaknya sampel yang akan
digunakan. Hal tersebut dilakukan dengan tingkat atau derajat ketelitian (Presisi) yang
diperbolehkan dan dengan tingkat kepercayaan tertentu. Sebelum kita membahas mengenai
perbedaan metode penarikan sampel yang digunakan, mari kita lihat pendekatan solusi secara
umum pada masalah perkiraan ukuran atau banyaknya sampel yang digunakan.
Apabila z merupakan jumlah kesalahan dari estimasi dan l(z) merupakan kerugian
yang dibuat dalam pengestimasian tersebut. Untuk metode penarikan sampel yang digunakan,
teori yang ada akan menyediakan bagi kita fungsi kepekatannya. Jadi, nilai harapan dari
kehilangan/kerugian dari banyaknya sampel yang digunakan dapat dihtung dari :
L( n ) E[l ( z ) ]

(2.7.1)

Dan apabila kita juga mempetimbangkan fungsi biaya untuk ukuran sampel n, dinotasikan
sebagai berikut :
C ( n ) a cn

(2.7.2)

Dimana a adalah biaya pendahuluan dan c merupakan biaya setiap unit dalam metode
penarikan sampel tersebut.
Hubungan kombinasi (2.7.1) dengan (2.7.2), kita mendapatkan total kerugian, yaitu :

(n) L( n ) C ( n )

(2.7.3)

Dimana adalah jumlah tetap (konstan).

Apabila dalam penarikan sampel dimaksudkan untuk meminimumkan kerugian,
banyaknya n dipilih melalui rumus (2.7.3) yang diperkecil.
Dengan menurunkan (n) dan mendapatkan n serta menyamakan / n 0 , nilai dari n
yang paling optimum dapat ditentukan.

CONTOH 2.6 Jika fungsi kerugian terhadap kesalahan/error dalam estimasi

proportional

dengan y Y dan jika biaya total dalam survey adalah C a cn , tunjukkan bahwa dengan
metode SRS, fpc diabaikan, ukuran n optimum adalah :

k / c

2/3

, dimana k adalah konstan.

Disini

l( z ) y Y

Atau

l( z ) k 1 y Y

Dimana k1 juga konstan.

Jadi,mengikuti
L( n ) k 1 E y Y k 1

. / n

[dengan asumsi bahwa y terdistribusi N (Y , / n ) ]

Karena itu,

(n) a cn k 1

a cn k

. / n

. / n

Kemudian diturunkan dan disamakan / n 0 , kita peroleh :

n k. / c 2

2/3

Dengan tindakan yang sama dan analisis dapat dipakai untuk beberapa metode penarikan
sampel dimana fungsi kerugian adalah kebalikan dari proportional untuk n dan fungsi biaya
juga merupakan fungsi dari n. pembahasan secara umum ditunjukkan oleh Yates(1960),
Raiffa dan Schlaifer(1961), Chaudhary(1977), dan Chaudhary dan Singh(1979) yang
membahas garis tentang metode berangkai. Untuk pembahasan yang diklasifikasikan atau
dikelompokkan, nilai yang baik dari metode ini dibahas oleh Nordin(1944), Blythe(1945),
Deming(1950) dan Tippett(1950).
Sekarang mari kita menguraikan hasil dari SRS untuk karakteristik yang dapat diukur
secara kuantitatif. Apabila marginal error (presisi) yang diperbolehkan dalam
estimasi/perkiraan adalah , dan (1-) tingkat kepercayaan/ketelitian. Rata-rata sampel y
diasumsikan terdistribusi normal dengan rata-rata populasi Y dan varians :

 ( N n) S 2
V ( y )
.
N
n

Karena itu,
N n S2
t ( , )
.
N
n

1/ 2

(2.7.4)

Dimana t(, ) adalah nilai variasi bersama yang diberikan (1-), dimana ;

n S 2 t 2 / 2 / 1 t 2 S 2 / N 2

(i)

(ii)

Jika fpc diabaikan,didapat

t 2S 2
n0 2

(2.7.5)

(2.7.6)

Jika fpc tidak diabaikan, kita bias mendapatkan nilai n dengan meletakkan nilai
dari n0 kedalam Eq. (2.7.5) dan kita peroleh :
n1 n0 /(1 n0 / N )
(2.7.7)

CONTOH 2.7. Sebuah studi tentang metode sampling dalam sebuah populasi mempunyai
500 unit sampling. Nilai total yang didapat Y 49 dan S 2 44 ,6 . Dalam SRS, berapa
banyak unit sampel yang dapat dipilih untuk memperkirakan Y dengan maerginal error 10%
dan koefisien kepercayaan 95%, ketika penarikan sampel dilakukan dengan (i) metode
pengembalian, (ii) dengan metode tanpa pengembalian?
(i)

Sampling dengan pengembalian (WR). Dalam kasus ini, kita dapat mengabaikan
fpc/kpt dan diperoleh :
t 2 S 2 (1,96) 2 44,6
n0 2
7,136 8

(4,9) 2

(ii)

Sampling tanpa pengembalian (WOR). Dalam kasus ini, fpc tidak diabaikan dan
diperoleh :
n0
n
7,035 8
1 n0 / N

Dengan cara yang sama, kita juga dapat membahas hasil ketika unit sampel diklasifikasikan /
dikelompokkan berdasarkan karakteristik yang ada. Dengan dugaan yang sama, proporsi
sampel p dapat diasumsikan berdistribusi normal dengan P dan varians (N-n)P(1-P)/n(N-1).
Karena itu, nilai dari n sebelum diberikan, tingkat ketelitian dapat di estimasi dengan

t ( ,) [(N n) P(1 P) / n( N 1)]1/ 2

(2.7.8)

dimana t(, ) memiliki pengertian yang sama seperti yang diberikan dalam hubungan (2.7.4),
dimana diberikan :

(i)

Pengambilan sampel dengan pengembalian

Dalam kasus ini kita dapat mengabaikan kpt, sehingga diperoleh :

n0 t 2 P 1 P 2 1,96 0,50,5 0,0025 385

2

(ii)

Pengambilan sampel dengan tanpa pengembalian

Dalam kasus ini, kpt tidak dapat diabaikan dan kita peroleh :
n1

n0
352
1 n0 1 N

KUMPULAN PERMASALAHAN

[Link] pada suatu daftar terdapat N pabrik dengan penomoran secara terurut, m
pabrik sudah tidak beroperasi lagi dan n pabrik baru telah ditambah ke daftar
pembuatan jumlah pabrik N m n
Berikan prosedur sederhana untuk pemilihan satu pabrik dengan alokasi sama dari
N m n pabrik, untuk menghindari penomoran ulang N pabrik pabrik dan
tunjukkan bahwa prosedur yang Anda berikan menggunakan alokasi sama untuk
pabrik pabrik yang baru.
[Link] bantuan angka random, buatlah sampel acak, masing masing berukuran 5
dengan mengikuti :
(i) Populasi Cauchy :
1

f x
dimana x
2
x 2

3,8 cm dan 2,1 cm

(ii) Populasi normal :
1
2
f x
exp x 2 2 dimana x
2

8 dan 2
(iii) Populasi Bivariate Normal, dimana rata rata dari 2 peubah x dan y aalah 68 cm
dan 170 kg, standar deviasi dari x dan y adalah 3cm dan 7 kg dan koefisien
korelasi p adalah :
(i) + 1 (ii) dan (iii) 1

[Link] yang dilakukan telah menggunakan pemilihan sampel lahan untuk

eksperimen crop-cutting kuantitas padi :

Sebaliknya, nomor setiap desa terpilih ditunjukkan dala 3 angka random yang
nilainya lebih kecil daripada angka survey tertinggi. Angka angka random
tersebut menggambarkan tiga lahan padi untuk eksperimen crop-cutting. Jika
angka survey terpilih menunjukkan bahwa padi tidak tumbuh, maka pilih angka
survey pertumbuhan padi selanjutnya di tempat lain.
Uji bahwa metode di bawah akan memberikan kemungkinan yang sama termasuk
pada sampel untuk keseluruhan angka survey pertumbuhan padi, diberikan sebagai
berikut :
Nama desa

Payagpur
Total jumlah survey

299
Angka random

28, 189, 269

Jumlah survey pertumbuhan padi
39 - 88 dan 189 - 299
Tunjukkan bahwa angka survey 39 memiliki kemungkinan 39/299 termasuk
dalam sampel, angka survey 189 kemungkinannya 101/299, sementara angka
survey selanjutnya hanya mempunyai kemungkinan 1/299 untuk masing masing
angka.
2.4. Suatu populasi terdiri dari N unit, nilai peubah dari satu unit diketahui menjadi yo.
Suatu sampel acak WOR dilemparkan sehingga menjadi (N-1) unit. Tunjukkan bahwa
(i)
(ii)
(iii)
(iv)

perkiraan y0 N 1 y memiliki varians yang lebih kecil daripada Ny didasarkan

pada sampel acak, WOR, jumlah n diambil dari populasi tersebut.
2.5.
(i) Diketahui pengambilan sampel acak sederhana (SRS). Apakah rata rata sampel
konsisten dan unbiased estimator untuk rata rata populasi ? Tunjukkan varians
rata rata sampel dan juga perkiraan varians unbiased. Apakah jumlah sampel
dapat mewakili perkiraan rata rata populasi dengan diberikan suatu standar error?
(ii) Jika n1 dari unit unit sampel adalah tipe A, tunjukkan estimasi proporsi yang
unbiased dari unit unit tipe A dalam populasi and pengambilan sampel varians
serta perkirakan jika ukuran sampel cukup besar dengan 95% tingkat keyakinan
dari proporsi unit yang tidak diketahui tipe A dalam populasi.
[Link] v menghilangkan perbedaan unit unit yang terjadi dalam suatu sampel n
unit unit terpilih dengan alokasi sama dengan pengembalian dari suatu populasi N
v

unit unit. Perlihatkan bahwa estimator y v y i v adalah unbiased untuk rata

i

rata populasi. Jelaskan suatu unbiased estimator varians dari estimator tersebut.
[Link] suatu sampel acak n unit unit, suatu bagian sampel acak, m unit unit
dilemparkan tanpa pengembalian dan bertambah ke sampel asal. Perlihatkan bahwa
rata rata pada (n+m) unit unit adalah suatu unbiased estimator dari populasi rata
rata dan rasio varians tersebut memiliki rata rata mula mula n unit dengan
2
perkiraan 1 3m n 1 m n . Asumsikan bahwa populasi berukuran besar.
[Link] nilai varians dari suatu pelemparan sampel acak sederhana dengan tanpa
pengembalian dari suatu populasi terbatas.
N bola bola terletak dalm sebuah container besar, dilemparkan secara rando dari
suatu penambahan Mp merah dan Mq bola bola putih. Kemudian sampel n bola
bola dilemparkan secara acak dari container sampel. Hal ini menujukkan bahwa selain
n bola bola tersebut, r adalah merah. Carilah v(r) dimana N bola bola diletakkan
ke container besar.

(i) dengan pengembalian

(ii) dengan tanpa pengembalian
[Link] rata rata sampel pada SRS adalah :

V y 1 n 1 N yi2 N y N 1

i

Penulisan unbiased estimator V(y) oleh v dengan catatan bahwa :

N n
N
E . yi2 yi2
n i
i

E y2 v Y 2

Sehingga

N n

1 1 1
E v .
.E yi2 N y 2 v
n N N 1 n i

2.10. Suatu produksi dalam kuintal untuk sejumlah padi yang tumbuh pada 200 desa pada
tehsil, halaman 44.
( Gambar dalam pasangan indicator angka desa )
(i) Pemilihan sampel acak sederhana dengan jumlah 20 dan 25 unit dan perkirakan
rata rata lahan per luas diketahui standar errornya sebagai dasar terpilihnya unit.
(ii) Buatlah 95% interval kepercayaan dan interpretasikan.
(iii)Berapakah jumlah sampel yang diberikan dari estimasi rata rata lahan dengan 55
standar error.
(1) 20
(2) 21
(3) 32
(4) 41
(5) 55
(6) 22

(7) 64

(8) 42

(9) 28

(10) 35

(11) 25

(12) 25

(13) 24

(14) 32

(15) 75

(16) 28

(17) 29

(18) 38

(19) 19

(20) 19

(21) 16

(22) 28

(23) 30

(24) 29

(25) 29

(26) 19

(27) 37

(28) 34

(29) 31

(30) 35

(31) 29

(32) 19

(33) 27

(34) 42

(35) 39

(36) 11

(37) 26

(38) 21

(39) 45

(40) 61

(41) 16

(42) 29

(43) 32

(44)32

(45) 63

(46) 30

(47) 21

(48) 35

(49) 28

(50) 18

(51) 24

(52) 32

(53) 23

(54) 8

(55) 35

(56) 27

(57) 35

(58) 25

(59) 29

(60) 29

(61) 25

(62) 31

(63) 38

(64) 31

(65) 43

(66) 21

(67) 36

(68) 30

(69) 37

(70) 47

(71) 15

(72) 27

(78) 36

(79) 28

(80) 43

(81) 28

(82) 25

(83) 31

(84) 6

(85) 4

(86) 22

(87) 24

(88) 39

(89) 71

(90) 44

(91) 24

(92) 34

(93) 18

(94) 28

(95) 10

(96) 70

(97) 20

(98) 32

(99) 42

(100) 47

2.11. Bahan bahan untuk membangun 5000 sumur telah diberitakan selama tahun 1964
pada suatu wilayah sebagai bagian dari Grow-more-Food Campaign di India. Daftar
penyelenggaraan yang diberitakan bersama dengan lokasi tujuan masing masing
sumur sebenarnya membangun dan menggunakannya untuk tujuan irigasi. Sampel
dimaksudkan untuk terpilih dalam SRS. Diketahui julah sampel untuk nilai p
berkisar antara 0,5 sampai 0,9, jika dapat dimungkinkan MoE (batas kesalahan)
adalah 10% dan tingkat kepercayaan 95%.
2.12. Suatu data menunjukkan hubungan suatu jumlah laktat dari produksi susu (dalam
kg) 250 sapi di suatu daerah peternakan.
(i) Pilihlah sampel acak sederhana sebanyak 25.
(ii) Perkirakan rata rata dengan menggunakan standar error.
(iii)Buatlah perkiraan rata rata populasi dengan tingkat keyakinan 95%.
230 293
163
290
200
173
194
322
169
230
297 151

248

271

259

214

167

207

240

286

184 248

327

338

165

177

270

177

202

155

155 293

190

172

150

319

151

118

213

114

186 167

129

185

231

199

265

306

173

276

291 231

205

220

246

239

186

299

233

208

265 204

300

195

239

173

237

282

221

218

197 215

213

290

146

232

305

184

149

267

188 219

171

99

329

199

180

225

257

202

189 207

792

327

201

300

206

199

299

153

175 287

277

230

258

137

174

301

260

282

211 212

284

214

283

139

223

212

207

224

207 111

272

192

127

303

221

187

309

263

203 176

233

239

176

218

193

243

236

275

288 198

241

219

167

193

234

179

126

173

279 178

275

260

191

174

235

338

242

238

211 187

184

189

305

221

253

225

327

203

195 158

156

185

170

271

160

188

165

218

312 143

267

298

196

139

205

298

238

217

145 201

313

230

185

166

147

223

271

133

155 230

287

329

265

150

286

271

268

198

214 231

163

335

198

270

187

174

163

201

192 247

247

297

178

240

290

234

170

227

230 353

170

159

236

181

230

240

212

242

151 158

253

179

263

158

250

226

246

301

2.13. Distribusi frekuensi dari 232 kota di beberapa negara dengan ukuran populasi
dalam ribuan (000) adalah sebagai berikut :
Ukuran kelas
populasi

Jumlah
kota

50 - 75

81

75 - 100

45

100 - 150

42

150 - 200

14

200 - 250

250 - 300

300 - 350

350 - 400

400 - 450

450 - 500

500 - 550

550 - 600

600 - 650

650 - 700

700 - 750

750 - 800

800 - 850

850 - 900

900 - 950

950 - 1800

1800 - 1850

1850 - 1950

1950 - 2000

2000 - 2050

2050 - 2100

2100 - 3600

3600 - 3650

3650 - 7850

7850 - 7900

Hitunglah standar error dari perkiraan rata rata populasi, dimana :

(i) Suatu sampel dari 50 kota dipilih secara SRS WOR, dan
(ii) Dua kota terbesar pasti terdapat dalam survey dan hanya 48 kota dipilih dari
230 kota dengan SRS WOR.
2.14. Dalam sebuah survey pertanian, 36 sampel diambil secara SRS WOR dari 432
populasi yang terdapat di desa tersebut. Hubungan data dengan ukuran wilayah
dicatat dalam data berikut :
No. urut
RT

Ukuran luas
lahan

21,04

12,59

20,30

16,16

23,82

1,79

26,91

7,41

7,68

10

66,55

11

141,80

12

28,12

13

8,29

14

7,27

15

1,47

16

1,12

17

10,67

18

5,94

19

3,15

20

4,84

21

9,07

22

3,69

23

14,61

24

1,10

25

22,13

26

1,68

27

49,58

28

1,68

29

4,80

30

12,72

31

6,31

32

14,18

33

22,19

34

5,50

35

25,29

36

20,99

Perkirakan dengan standar error proporsi wilayah P1 , P2 , P3 , P4 dalam 4 wilayah kelas

0 4,99; 5,00 9,99; 10,00 24,99 dan lebih dari 25.

DAFTAR PUSTAKA
Blyth, R. H., The economics of sample size applied to the scaling of saw logs. Bio, Bull,
1, 67-70, (1945).
Chaudhary, F. S. Sequential approach to sample surveys, Ph. D. thesis, Meerut University,
(1977).
Chaudary, F. S. and D. Singh, Sequential estimation of population and sample sizes,
(unpublished), (1979).
Deming, W. E., Some theory of sampling, John Wiley and Sons, New York, (1950).
L.C. A. R., Sample surveys for the estimation of yield of food crops, Bull, 72, New Delhi,
(1951)
Mathai, A. On selecting random numbers for large scale sampling, Sankhya, 13, 157
160. (1954).
Nordin, J. A., Determining sample size, J. Amer. [Link]., 39, 497 506, (1944).
Raiffa, H. and R. Schlaifer, Applied Statistical Decision Theory, Harvard Bussiness School,
Boston, (1961).
Tippett, L. H. C., Technological application of statistics, John Willey & Sons, New York,
(19500.
Yates, F. Sampling methods for cencuses and survey, Charles Griffin and Co., London,
(1960).