BAB 6

SAMPLING
6.1 DISTRIBUSI SAMPLING

Distribusi Sampling Nilai Rerata
Misalkan dimiliki populasi dengan N = 3;
X1 = 3 X2 = 6 X3 = 8
µ x = µ = 5.67 σ x2 = σ 2 = 4.22
Misalkan pula dilakukan pengambilan sampel secara acak dengan n =
2. Kemungkinan sampel yang diperoleh adalah:
• Sampling dengan pengembalian (jumlah kemungkinan sampel = N n =
32 = 9):
( x1; x1 ) ( x1; x2 ) ( x1; x3 )
( x2 ; x1 ) ( x2 ; x2 ) ( x2 ; x3 )
( x3 ; x1 ) ( x3 ; x2 ) ( x3 ; x3 )
Rerata-nya masing-masing adalah:
x(1a ) = 3 x( 2 a ) = 4.5 x( 3a ) = 5.5
x( 4 a ) = 4.5 x( 5 a ) = 6 x( 6 a ) = 7
x( 7 a ) = 5.5 x( 8 a ) = 7 x( 9 a ) = 8

• Sampling tanpa pengembalian (jumlah kemungkinan sampel = CnN = C n3

= 3):
( x1; x2 ) ( x1; x3 ) ( x2 ; x3 )
Rerata-nya masing-masing adalah:
x 1b = 4.5 x 2b = 5.5 x 3b = 7
( ) ( ) ( )

152
 Kumpulan rerata semua kemungkinan sampel demikian pada
sampling dengan pengembalian:

{x( 1a )
, x( 2 a ) , x( 3 a ) , x( 4 a ) , x( 5 a ) , x( 6 a ) , x( 7 a ) , x(8 a ) , x( 9 a ) }
ataupun apada sampling tanpa pengembalian:

{x( 1b )
, x 2 b , x 3b
( ) ( ) }
dinamakan distribusi sampling nilai rerata dengan rerata:
µx atau E(X )
dan variansi:
σ x2 atau Var ( X )
Standar deviasinya σ x atau SD (X) dinamakan juga standard error (x) =
SE ( X ) .

Teorema Limit Pusat (Central Limit Theorem)

Jika sampel-sampel acak diambil dari populasi berdistribusi sebarang
dengan rerata µ dan variansi σ 2 , maka untuk n besar, distribusi sampling
nilai rerata dapat dianggap mendekati distribusi normal dengan rerata µ dan
variansi σ 2 n .
Dengan kata lain, X dapat dianggap berdistribusi normal dengan
rerata:
µx = E ( X ) = µ (6.1)
dan variansi:
σ2
σ x2 = Var ( X ) = (6.2)
n
Standar deviasi-nya adalah:
σ
σ x = SE ( X ) = (6.3)
n
x −µ
sehingga: Z= (6.4)
σ n
berdistribusi normal standar.

153
 Sifat ini hanya berlaku pada sampling dengan pengembalian. Jika
dilakukan sampling tanpa pengembalian, maka rerata-nya adalah:
µx = E ( X ) = µ (6.5)
variansi-nya:

σ 2 ( N − n)
σ x2 = Var ( X ) = (6.6)
n ( N − 1)
dan standar deviasi-nya:

σ x = SE ( X ) =
σ ( N − n) (6.7)
n ( N − 1)
Tetapi jika N relatif jauh lebih besar daripada n, maka pada sampling
tanpa pengembalian dapat dianggap berlaku rerata:
µx = E ( X ) = µ
dan variansi:
σ2
σ x2 = Var ( X ) ≈
n

Perhatikan:
1. Distribusi sampel, jika n cukup besar dan pengembalian sampel
dilakukan secara acak, umumnya akan mendekati distribusi populasinya.
2. Jika ukuran sampel n cukup besar (n > 30), distribusi sampling nilai
rerata dapat dianggap berdistribusi normal (apa pun bentuk distribusi
x −µ
populasinya; lihat diagram 6.1), transformasi bakunya maupun
σ n
x −µ
transformasi (jika σ tak diketahui) selalu berdistribusi normal
s n
standar.
3. Jika ukuran sampel n lebih kecil daripada 30 dan populasinya
berdistribusi normal, distribusi sampling nilai rerata selalu berdistribusi
normal (tak tergantung besar nilai n ; sedangkan transformasi baku
x −µ x −µ
berdistribusi normal standar dan transformasi (jika σ tak
σ n s n
diketahui) berdistribusi t dengan derajat bebas (n – 1).

154
 Diagram 6.1. Teorema limit pusat: distribusi x untuk berbagai
populasi dan ukuran sampel
Rangkuman hubungan antara distribusi parental (distribusi populasi) X,
distribusi sampling X , dan distribusi transformasi X diperlihatkan pada
matriks 1 Lampiran 6A.

Contoh 6.1:
Nilai ujian nasional lulusan SMU di Yogyakarta untuk mata pelajaran
matematika mempunyai rerata 41.4 dan variansi 84.64. Apabila dipilih 40
orang lulusan SMU tersebut secara acak, hitung probabilitas bahwa rerata
sampelnya terletak:
a. Antara 40 dan 45
b. Lebih besar daripada 45.
µ = 41.4 σ 2 = 84.64 n = 40
µ x = µ = 41.4
σ2 84.64
σ x2 = = = 2.116
n 40
σx = 2.116 = 1.45
 ( 40 − 41.5) ( 45 − 41.5) 
a. P [40 < X < 45] = P  <Z< 
 1.45 1.45 
= P [‒1.30 < Z < 2.41]
= 0.3485 + 0.4920 = 0.8405
b. P [ X > 45] = P [Z > 2.41]
= 0.5 – 0.4920 = 0.0080

155

Distribusi Sampling Nilai Proporsi
Distribusi sampling proporsi sampel p adalah distribusi binomial
dengan parameter n dan P, n adalah ukuran sampel dan P proporsi populasi.
Variabel random X menyatakan banyaknya sukses dalam n percobaan.
Karena p = X n dan n merupakan konstante, X berdistribusi sama seperti p.
Jika ukuran sampel n membesar, teorema limit pusat juga berlaku di
sini, dan distribusi sampling p dapat dianggap berdistribusi normal dengan
rerata:
E (p) = P (6.8)
dan variansi:
P (1 − P ) PQ
Var (p) = = (6.9)
n n
sehingga:
p−P
Z= (6.10)
PQ n
berdistribusi normal standar.

Contoh 6.2:
Misalkan diketahui bahwa 70% calon pembeli mobil di Indonesia
terutama berminat untuk membeli kendaraan minibus. Apabila diambil
sampel 100 orang calon pembeli mobil secara acak, berapakah bahwa
sekurang-kurangnya 60 orang di antaranya memilih untuk membeli minibus?
P = 0.70 Q = 1 ‒ P = 0.30 n = 100
 0.60 − 0.70 
P (p > 0.60) = P  Z ≥ 
 ( 0.70 )( 0.30 ) 100 

= P (Z > ‒2.1822)
= 0.4854 + 0.5000 = 0.9854 = 98.54%

156
6.2 METODE SAMPLING

Penarikan Sampel
Tujuan
Mengumpulkan data yang valid (sahih) dan reliable (terpercaya)
untuk melakukan inferensi / generalisasi mengenai karakteristik populasi.

Manfaat
Penggunaan proses sampling memungkinkan dilakukannya inferensi /
generalisasi:
 dengan jumlah data yang relatif sedikit
 dalam jangka waktu yang relatif singkat, dan
 dengan jumlah menggunakan biaya / sumber daya yang terbatas.

Validitas dan reliabilitas

Data yang valid (sahih) ialah data yang menyatakan keadaan yang
sesungguhnya hendak diukur. Validitas data tergantung pada 3 faktor:
a. Faktor subjek / objek yang diukur: Sampel harus merupakan sampel
yang ‘representatif’ bagi populasi.
Syarat: pengambilan sampel harus dilakukan secara ‘acak’ (random).
b. Faktor instrumen pengukuran: Harus digunakan instrumen yang
sesungguhnya mengukur apa yang hendak diukur.
c. Faktor subjek pelaku pengukuran.
Ukuran ketidak-validnya data ialah ‘bias’.
Data yang reliable (terpercaya) ialah data dengan variabilitas yang
rendah pada pengukuran berulang. Reliabilitas data ditentukan oleh besar
sampel, selain oleh faktor subjek / objek yang diukur, instrumen pengukuran,
serta pelaku pengukuran. Ukuran reliabilitas data ialah ‘presisi’.
Pemahaman mengenai validitas dan reliabilitas yang dianalogikan
dengan hasil bidikan seorang petembak digambarkan secara sederhana pada
diagram 6.2.

157
Diagram 6.2 Validitas dan reliabilitas data sampel: (a) Tidak valid dan
tidak reliabel; (b) Valid, tidak reliabel; (c) Reliabel, tidak valid; dan (d)
Valid dan reliabel

Beberapa istilah:
- Elemen (unsur) populasi: unit (satuan) yang dicari informasinya;
merupakan unit elementernya yang membentuk populasi yang diteliti.
Elemen populasi adalah unit analisis.
- Unit sampling: terdiri atas satu / lebih elemen, digunakan untuk
memilih elemen untuk anggota sampel.
- Populasi target (sasaran): Populasi yang di-‘target’-kan untuk diteliti
dan diestimasi nilai parameternya.
- Populasi aktual: kumpulan elemen yang ‘eligibel’ (memenuhi syarat)
untuk menjadi anggota sampel.
- Kerangka sampel: kumpulan elemen yang ‘terdaftar’ sebagai calon
anggota sampel.

Macam sampel
Berdasarkan objektif-tidak-nya beserta acak-tidak-nya cara
pengambilan, dikenal berbagai macam sampel yang secara skematis
diperlihatkan pada matriks 6.1.

158
 Matriks 6.1. Teknik penarikan sampel
Probabilitas Non-probabilitas
Sampel
- ‘purposive’
Objektif Sampel random
- ‘quota’
- ‘haphazard’
Subjektif Sampel kuasi-random Sampel ‘judgment’

Rumus-rumus statistika matematika hanya berlaku pada penarikan

sampel secara objektif atas dasar probabilitas, yaitu sampel acak / random.
Pada sampling probabilitas, tiap elemen populasi memiliki
probabilitas yang telah diketahui besarnya untuk terpilih. Metode seleksi
probabilitas demikian memiliki lima alternatif:
A. Epsem (equal probability for all elements; probabilitas sama bagi
seluruh elemen): probabilitas sama pada tiap tahap atau pada
keseluruhan tahap sampling
versus
Non-equal probabilities (probabilitas tak sama) bagi elemen yang
berlainan: dikompensasi dengan pembobotan terbalik (inverse weight).
B. Sampling elemen: satu tahap, unit sampling terdiri atas hanya satu
elemen
versus
Sampling klaster (kelompok): unit sampling adalah klaster
(kelompok) elemen.
C. Sampling tak-terstratifikasi: unit sampling dipilih dari keseluruhan
populasi
versus
Sampling stratifikasi: seleksi terpisah bagi masing-masing partisi /
stratum populasi.
D. Seleksi acak: unit sampling dipilih secara acak dari keseluruhan
stratum atau populasi
versus
Seleksi sistematik: unit sampling dipilih secara sistematik dengan
interval seleksi tertentu pada daftar.

Kelima alternatif di atas dapat saling dikombinasikan, menghasilkan

beberapa teknik penarikan sampel acak yang sering digunakan:

159
- Sampling acak sederhana ( simple random sampling)
- Sampling acak stratifikasi (stratified random sampling).
- Sampling acak klaster ( cluster random sampling)
- Sampling acak sistematik (systematic random sampling).

Sampling dengan dan tanpa pengembalian:

Pada keempat teknik penarikan sampel di atas dapat dilakukan
sampling dengan maupun tanpa pengembalian, namun yang umum
dilaksanakan dalam praktik adalah sampling tanpa pengembalian.
Di sini hanya akan dibahas rumus-rumus untuk sampling tanpa
pengembalian.

Sampling Acak Sederhana

Metode untuk memilih n unit sampling di antara N, sehingga tiap
sampel yang mungkin dibentuk memiliki kemungkinan yang sama untuk
terpilih.
• Skema penyampelan:

Diagram 6.3. Sampling acak sederhana

N : populasi
srs : sampling random sederhana
n : sampel
• Data sampel:
x1 , x2 , . . . , xn

• Estimasi rerata dan variansi distribusi sampling nilai rerata:

 n 
x =  ∑ xi  n (6.11)
 i =1 

s2 N − n
ˆ (x ) =
Var (6.12)
n N
• Pelaksanaan.
Dapat digunakan antara lain:

160
 (1) metode ‘penarikan undian’,
(2) bilangan acak yang dihasilkan oleh komputer / kalkulator
saintifik; atau
(3) tabel bilangan acak.

Sampling Acak Stratifikasi

Populasi dibagi menjadi beberapa strata, lalu sampel acak sederhana
diambil pada tiap stratum.
• Skema penyampelan.

Diagram 6.4. Sampling acak stratifikasi

N : populasi
Str : stratifikasi
Nh : stratum ke-h; h = 1. 2, . . . , L
srs : sampling random sederhana
• Data sampel.
Stratum 1: x11 , x12 , . . . , x1n
1

Stratum 2: x21 , x22 , . . . , x2 n

2
.
.
.
Stratum L: xL1 , xL 2 , . . . , xLn
L

161
• Estimasi rerata dan variansi distribusi sampling nilai rerata.
L 
xstr =  ∑ N h xh  n (6.13)
 h =1 
dengan:
L 
xh =  ∑ xh  nh (6.14)
 i =1 i 
1 L N h − nh sh2
ˆ ( xstr ) =
Var ∑ 2
Ni
Nh nh
(6.15)
N2 h=1

• Pelaksanaan.
Populasi dibagi menjadi beberapa strata, yang masing-masing relatif
homogen. Lakukan sampling acak sederhana pada tiap stratum.

Sampling Acak Klaster

Unit samplingnya adalah klaster (cluster; kelompok), yang terdiri atas
sejumlah elemen / sub-unit.
A. Sampling satu-tahap (one-stage sampling):
Seluruh anggota klaster yang terpilih secara otomatis terpilih menjadi
anggota sampel.
• Skema penyampelan.

Diagram 6.5. Sampling acak klaster satu-tahap

N : populasi
clust : pengelompokan (clustering)

162
Ni : kluster ke-i, i = 1, 2, . . . , M
srs : sampling acak sederhana (simple random sampling)
N i = ni : klaster terpilih menjadi sampel ; i = 1, 2, . . . , m
()
n : sampel

• Data sampel.
Klaster 1 : x11 , x12 , . . . , x1N 1
()

Klaster 2 : x21 , x22 , . . . , x2 N

( )
2

.
.
Kluster m : xm1 , xm 2 , . . . , xmN m
( )

• Estimasi rerata dan variansi distribusi sampling nilai rerata.

m  m
xcl =  ∑ ni xi  ∑ ni (6.16)
 i =1  i =1

dengan:
 ni 
xi =  ∑ xij  ni (6.17)
 j =1 
M −m 1 m
∑
2
ˆ ( xcl ) =
Var ni2 ( xi − xcl ) (6.18)
M m n2 m − 1 i =1

• Pelaksanaan.
Populasi dibagi menjadi sejumlah klaster, yang masing-masing relatif
heterogen. Lakukan sampling acak sederhana dengan klaster sebagai unit
sampling. Untuk tiap klaster yang terpilih, seluruh elemen anggotanya
dijadikan anggota sampel.

B. Sampling dua-tahap (two-stage sampling):

Sampel acak sederhana diambil pada tiap klaster yang terpilih.

• Skema penyampelan:

163
 Diagram 6.6. Sampling acak klaster dua-tahap

N : populasi
clust : pengelompokan (clustering)
Ni : kluster ke- i; i = 1, 2, . . . , M
srs : sampling acak sederhana
Ni : klaster terpilih menjadi sampel ; i = 1, 2, . . . , m
()
ni : sampel pada klaster ke-i; i = 1, 2, . . . , m
n : sampel

• Data sampel.
Klaster 1: x11 , x12 , . . . , x1n
()
1

Klaster 2: x21 , x22 , . . . , x2n

( )
2

.
.
Kluster m: xm1 , xm 2 , . . . , xmn( m )

• Estimasi rerata dan variansi distribusi sampling nilai rerata.

m ni
1 M Ni
xcl =
N m
∑
i =1 ni
∑
j =1
xij (6.19)

• Pelaksanaan.
Populasi dibagi menjadi sejumlah klaster, yang masing-masing relatif
heterogen. Lakukan sampling acak sederhana dengan klaster sebagai unit
sampling. Pada tiap klaster terpilih, dilakukan sampling acak sederhana

164
 (sampling tahap kedua) dengan elemen anggotanya sebagai unit untuk
memilih anggota sampel final.

Sampling Acak Sistematik

Anggota sampel pertama dipilih secara acak di antara anggota sampel
pertama / keseluruhan sampel, lalu anggota sampel berikutnya ditentukan
secara sistematik.
• Skema penyampelan.
A. N merupakan kelipatan bulat k (N = nk)

Diagram 6.7. Sampling acak sistematik:

N merupakan kelipatan k
N : populasi
gr : pengelompokan (grouping)
Oi : objek ke- i; i = 1, 2, . . . , N
srs : sampling acak sederhana
n : sampel

165
 B. N tidak merupakan kelipatan bulat k (N ≠ nk)

Diagram 6.8. Sampling acak sistematik: N tidak merupakan

kelipatan bulat k
• Data sampel.
x1 , x2 , . . . , xn

• Estimasi rerata dan variansi distribusi sampling nilai rerata.

 n 
xsy =  ∑ xi  n (6.20)
 i =1 
n−1
N −n 1
Var ( )
ˆ xsy =
Nn 2 ( n − 1)
∑
i =1
( xi − xi+1 ) (6.21)

• Pelaksanaan.
(1) Bagi N anggota populasi menjadi n grup (group), dengan tiap
group memiliki k = N n elemen. Pilih secara acak satu di antara k
elemen anggota grup pertama untuk dijadikan anggota sampel.
Anggota selanjutnya ditentukan secara sistematik, yaitu tiap
anggota ke-k berikutnya dalam daftar; atau:
(2) Pilih secara acak di antara N anggota populasi untuk dijadikan
anggota sampel. Anggota selanjutnya ditentukan secara sistematik,
yaitu tiap anggota ke-k berikutnya dalam daftar; setelah mencapai
akhir daftar dilanjutkan mulai dari awal sampai kembali ke
anggota sampel pertama.

166
LAMPIRAN 6A: DISTRIBUSI X, DISTRIBUSI X ,
DAN DISTRIBUSI TRANSFORMASI X
X dalam teori sampling merupakan variabel random, karena
diperoleh dari sampel berulang dan memiliki nilai yang berubah-ubah pada
tiap penarikan sampel.
n X + X2 + . . . + Xn
X = ∑ Xi n = 1
i =1 n
X1 , X 2 , . . . , X n masing-masing mempunyai rerata µ dan variansi

σ 2 , sehingga:
 X + X2 + . . . + Xn 
E(X ) = E 1 
 n 
1
= E  X + X 2 + . . . + X n 
n  1
1
=  E ( X 1 ) + E ( X 2 ) + . . . + E ( X n ) 
n
1
= [ nµ ] = µ
n
 X + X2 + . . . + Xn 
dan: Var ( X ) = Var  1 
 n 
1
= 2 Var  X1 + X 2 + . . . + X n 
n
1
= 2 Var ( X 1 ) + Var ( X 2 ) + . . . + Var ( X n ) 
n
1 σ2
=  nσ 2
 =
n2   n

167
 Matriks 1. Distribusi tranformasi X untuk distribusi parental X normal dan sebarang serta
ukuran sampel besar dan kecil

Distribusi parental Normal Sebarang

(distribusi X) X ~ N (µ ; σ2) X ~ ? (µ ; σ2)

n besar n kecil n besar n kecil

(n > 30) (n < 30) (n > 30) (n < 30)

Distribusi sampling  σ2   σ2   σ2   σ2 
X ~ N  µ,  X ~ N  µ,  X ~ N  µ,  X ~ ?  µ, 
rerata (distribusi X )  n   n   n   n 
       
σ x −µ x −µ x −µ
~ Z (0 ; 1) ~ Z (0 ; 1) ~ Z (0 ; 1)
Distribusi diketahui σ n σ n σ n
transformasi X ?
σ tak x −µ x −µ x −µ
~ Z (0 ; 1) ~ t( n−1) ~ Z (0 ; 1)
diketahui σ n σ n σ n

168
LAMPIRAN 6B: POPULASI , GALAT ACAK, DAN
GALAT SISTEMATIK

Hirarki populasi
Istilah ‘populasi’ dalam metodologi penelitian memiliki pengertian
lebih luas yang dapat dibedakan atas (lihat diagram 1):
1. Populasi studi (sampel): kumpulan subjek / objek yang sebenarnya
menghasilkan data untuk penelitian. Nilai statistik yang diperoleh dari
studi (sampel) sebagai estimator bagi parameter sesungguhnya
dinyatakan dengan lambang θˆ .
2. Populasi aktual: kumpulan subjek / objek yang ‘eligibel’ (memenuhi
syarat) untuk diikutsertakan dalam penelitian dan proses sampling.
Parameter yang ada pada populasi aktual dinyatakan dengan lambang
θo.
3. Populasi target: kumpulan subjek / objek yang menjadi target
penelitian sebenarnya (yang sebenarnya hendak diteliti). Parameter
yang ada pada populasi target dinyatakan dengan lambang θ
4. Populasi eksternal: kumpulan subjek / objek yang lebih luas daripada
populasi target, memiliki karakteristik yang tidak terlalu berbeda
dengan populasi target, dan dianggap masih ‘layak’ untuk ‘menerima’
generalisasi hasil penelitian.

Diagram VI.1. Hirarki populasi pada penelitian

Jika dibandingkan dengan istilah ‘populasi’ dan ‘sampel’ pada awal
pelajaran Statistika, istilah, ‘populasi’ tersebut mengacu pada ‘populasi
target’ , sedangkan istilah ‘sampel’ mengacu pada ‘ populasi studi’.
169
Galat acak dan galat sistematik
Galak acak (random error) adalah perbedaan antara nilai estimasi
parameter yang diperoleh dari sampel (yaitu statistik sampel; θˆ ) dengan
nilai parameter yang sesungguhnya diestimasi (yaitu parameter aktual; θ0).
Galat acak disebabkan oleh variasi sampling, yang besarnya antara lain
tergantung pada metode sampling yang digunakan, besar ukuran sampel,
karakteristik estimator secara statistik.
Galat sistematik (systematic error) adalah perbedaan antara nilai
0
parameter yang sesungguhnya diestimasi (parameter populasi aktual; θ )
dengan nilai parameter populasi yang sebenarnya hendak diteliti (parameter
populasi target; θ). Galat sistematik disebabkan oleh berbagai aspek
rancangan studi ataupun analisis data di luar variasi sampling, antara lain
penarikan sampel yang tidak acak, ketidaktepatan pengukuran, dan
sebagainya.
Dengan demikian galat (error) menyeluruh dalam sebuah penelitian
( ˆ )
adalah θ − θ , yang dapat dibedakan atas dua komponen, galat acak dan
galat sistematik:
( θˆ − θ) = ( θˆ − θ0) + (θ0 – θ)
Galat acak dapat diperkecil dengan memilih metode sampling yang
lebih adekuat, memperbesar ukuran sampel, atau memilih estimator yang
lebih ‘tepat’ secara statistik. Galat sistematik dapat diperkecil antara lain
dengan penarikan sampel acak, perbaikan kualitas data, dan sebagainya.

170
LAMPIRAN 6C: STRATA DAN KLASTER
Stratum adalah pengelompokan yang relatif homogen, sedangkan
klaster merupakan pengelompokan yang bersifat heterogen (lihat diagram 1).
Sampling acak stratifikasi digunakan jika karakteristik yang menjadi dasar
stratifikasi, misalnya jenis kelamin, tingkat sosial ekonomi, suku bangsa, dan
sebagainya dianggap terkait dengan variabel yang hendak diteliti, untuk
menjamin agar anggota populasi dengan setiap taraf karakteristik tersebut
terwakili secara memadai dalam sampel akhir yang dikumpulkan.
Klaster adalah pengelompokan yang biasanya didasarkan atas tempat
(ruang) atau waktu, misalnya desa, kecamatan, kartu registrasi calon
mahasiswa yang terkumpul per hari, dan sebagainya. Klaster bersifat
heterogen, misalnya dalam satu klaster didapatkan subjek dari berbagai
tingkat sosial ekonomi, pria dan wanita, serta berbagai suku bangsa.
Sampling acak klaster digunakan jika ukuran populasi sangat besar sehingga
tidak mungkin ataupun tidak praktis untuk memperoleh atau menyusun
kerangka sampel secara lengkap.

Diagram VI.2 Strata dan klaster. Stratum A: tingkat sosial-ekonomi

tinggi, statum B: tingkat sosial-ekonomi menengah, dan stratum C:
status sosial ekonomi rendah. Ketiga klaster I, II, III dengan
tingkat sosial ekonomi heterogen
Variansi intra-stratum lebih kecil daripada variansi intra-klaster,
namun sebaliknya variansi antar-stratum lebih besar daripada variansi antar-
klaster.

Contoh:
1. Akan diteliti pengeluaran rata-rata mahasiswa per bulan di universitas
WWW. Jika variabel ini diasumsikan terkait erat dengan jenis kelamin

171
 mahasiswa, maka dapat digunakan sampling acak stratifikasi dengan
jenis kelamin sebagai dasar stratifikasi.
2. Akan diteliti proporsi keluarga yang paling sedikit salah satu
anggotanya mendengarkan secara teratur siaran stasiun radio A di
kecamatan TS. Karena kerangka sampel bagi terlalu besar untuk
pelaksanaan sampling acak sederhana, dilakukan sampling acak klaster
dua-tahap dengan menggunakan desa sebagai unit klaster.

172
LAMPIRAN 6D: CONTOH PENGGUNAAN
KEEMPAT METODE SAMPLING

Data:
Basis data (dataset) mahasiswa kelas 2PA01 TA 2002/2003 dengan
nomor anggota kelas / populasi (nomor pada basis data), data jenis kelamin,
berat badan, dan IP semester I.

173
Soal:
1. Dengan menggunakan sampling acak sederhana (simple random
sampling), ambillah sampel yang terdiri atas 10 orang mahasiswa. Buat
daftar anggota sampel yang terpilih (No anggota kelas dan BB). Hitung
nilai rerata BB sampel sebagai estimator bagi nilai rerata populasi (data
kelas).
2. Bagi anggota kelas atas 2 strata, pria dan wanita. Dengan jenis kelamin
sebagai dasar stratifikasi, gunakan metode sampling acak stratifikasi
(stratified random sampling) untuk mendapatkan sampel berukuran 10
yang terdiri atas 2 pria dan 8 wanita. Buat daftar anggota sampel yang
terpilih (No anggota kelas dan BB). Hitung nilai rerata BB sampel.
3. Anggota kelas diklasifikasikan dalam 5 kelompok (klaster) berdasarkan
nilai IP-nya, yaitu klaster 1 (IP < 3.00), klaster 2 (IP 3.00-3.24), klaster
3 (IP 3.25-3.49), klaster 4 (IP 3.50-3.74), dan klaster 5 (IP 3.75-4.00).
Dengan metode sampling acak klaster (cluster random sampling) 2-
tahap, mula-mula dipilih 2 di antara 5 klaster secara acak, lalu dari
kedua klaster tersebut masing-masing diambil 5 orang anggota sampel
secara acak, sehingga seluruhnya didapatkan 10 orang anggota sampel.
Buat daftar anggota sampel yang terpilih [No anggota kelas, No
anggota klaster (nomor pada klaster masing-masing), dan BB). Hitung
nilai rerata BB sampel.
4. Dengan menggunakan metode sampling acak sistematik (systematic
random sampling) terhadap data nomor anggota kelas pada basis data
tersebut, tarik sampel berukuran 10. Buat daftar anggota sampel yang
terpilih (No anggota kelas dan BB). Hitung nilai rerata BB sampel.
5. Hitung nilai rerata BB kelas / populasi sebenarnya (70 mahasiswa kelas
2PA01 TA 2003/2004). Bandingkan hasilnya dengan nilai estimasi
yang diperoleh dengan keempat metode sampling.

Jawaban:
1. Sampling Acak Sederhana
 Dengan tabel bilangan acak (tabel E) halaman 1, mulai dari baris
12, kolom ke-10 ke kanan, dan seterusnya.
 Dengan ukuran populasi N = 70 dan ukuran sampel n = 10,
dilakukan pembacaan nomor-nomor dua digit: 54, 30, 98, dan
seterusnya. Pembacaan yang telah mencapai ujung kanan baris
diteruskan ke ujung kiri baris di bawahnya.

174
  Nomor terpilih (digarisbawahi di bawah ini) adalah nomor yang
lebih kecil daripada (atau sama dengan) 70. Nomor-nomor yang
sama hanya dapat dipilih satu kali.
 Pembacaan dihentikan setelah diperoleh 10 nomor berbeda yang
lebih kecil daripada (atau sama dengan) 70.
Tabel 1. Hasil pembacaan tabel bilangan acak
54 / 30 / 9 8 / 74 / 56 78 / 96 / 7 7 / 96 / 38
68 / 86 / 9 4 / 90 / 62 02 / 19 / 6 5 / 51 / 09
27 04 5 6 26 26 dst.

Tabel 2. Hasil sampling acak sederhana

No urut sampel No kelas BB Rerata BB
1 54 45
2 30 40
3 56 60 10
4 38 42 ∑
i =1
xi
5 68 55 x =
6 62 47 10
7 02 51 507
= = 50.7
8 19 49 10
9 65 48
10 51 70

2. Sampling Acak Stratifikasi

a. Stratifikasikan data menurut jenis kelamin
Pria:
1) 2) 1) 2) 1) 2) 1) 2)
No str No kls No str No kls No str No kls No str No kls
1 1 3 20 5 57 7 59
2 19 4 48 6 58
1) 2)
No str = nomor anggota stratum; No kls = nomor dalam kelas

175
Wanita:
No str No kls No str No kls No str No kls No str No kls
1 2 17 18 33 36 49 53
2 3 18 21 34 37 50 54
3 4 19 22 35 38 51 55
4 5 20 23 36 39 52 56
5 6 21 24 37 40 53 60
6 7 22 25 38 41 54 61
7 8 23 26 39 42 55 62
8 9 24 27 40 43 56 63
9 10 25 28 41 44 57 64
10 11 26 29 42 45 58 65
11 12 27 30 43 46 59 66
12 13 28 31 44 47 60 67
13 14 29 32 45 49 61 68
14 15 30 33 46 50 62 69
15 16 31 34 47 51 63 70
16 17 32 35 48 52

2.b. Sampling acak sederhana pada masing- masing stratum

o Digunakan tabel bilangan acak (tabel E) halaman 2, mulai dari
baris ke-25, kolom ke-80 ke kanan, dan seterusnya.
o Dengan ukuran stratum pria N1 = 7, ukuran sampel stratum n1 =
2, dilakukan pembacaan nomor-nomor satu digit: 9, 0, 8, dan
seterusnya.
o Nomor terpilih (digarisbawahi di bawah ini) adalah nomor yang
lebih kecil daripada (atau sama dengan) 7. Nomor-nomor yang
sama hanya dapat dipilih satu kali.
o Pembacaan dihentikan setelah diperoleh 2 nomor berbeda yang
lebih kecil daripada (atau sama dengan) 7.

Tabel 3. Hasil pembacaan tabel bilangan acak untuk stratum pria

9/0/8/4/1 73808 53421 dst

176
 Tabel 4. Hasil sampling acak sederhana pada stratum pria
No No str BB Rerata BB
(No kelas)
2
∑
j =1
x1 j
1 4 (48) 60 x1 =
2
135
2 1 (1) 75 = = 67.2
2

o Pembacaan tabel bilangan acak yang terhenti pada titik akhir

untuk stratum pria dilanjutkan dengan pembacaan untuk stratum
wanita.
o Dengan ukuran stratum wanita N 2 = 63, ukuran sampel stratum
n2 = 8, dilakukan pembacaan nomor-nomor dua digit: 73, 80, 85,
dan seterusnya. Pembacaan yang telah mencapai ujung kanan
baris diteruskan ke ujung kiri baris di bawahnya.
o Nomor terpilih (digarisbawahi di bawah ini) adalah nomor yang
lebih kecil daripada (atau sama dengan) 63. Nomor-nomor yang
sama hanya dipilih satu kali.
o Pembacaan dihentikan setelah diperoleh 8 nomor berbeda yang
kebih kecil daripada (atau sama dengan) 63.

Tabel 5. Hasil pembacaan tabel bilangan acak untuk stratum wanita

73 / 80 / 8 5 / 34 / 21 82 / 31 / 5 2 / 80 / 20
86 / 28 / 2 8 / 33 / 65 76 / 60 / 0 1 12 61
74 35 4 dst.

Tabel 6. Hasil sampling acak sederhana pada stratum wanita

No No str (No kelas) BB Rerata BB
1 34 (37) 50
2 21 (24) 51 8
3 31 (34) 50 ∑
j =1
x2 j
4 52 (56) 60 x2 =
5 20 (23) 42 8
6 28 (31) 46 399
= = 49.875
7 33 (36) 53 8
8 60 (67) 47

177
 o Estimasi nilai rerata BB dengan sampel acak stratifikasi yang
diperoleh:
 2  N x + N 2 x2
xst =  ∑ N h xh  N = 1 1
 h =1  N1 + N 2

=
( 7 )( 67.5 ) + ( 63)( 49.875 ) = 51.64
7 + 63

3. Sampling acak klaster

3.a. Tahap I: Sampling acak terhadap klaster
o Digunakan tabel bilangan acak (tabel E) halaman 3, mulai dari
baris ke-60, kolom ke-5 ke kanan, dan seterusnya.
o Dengan jumlah klaster populasi M = 5 dan jumlah klaster sampel
m = 2, dilakukan pembacaan nomor-nomor satu digit: 7, 4, 0, dan
seterusnya.
o Nomor terpilih (digarisbawahi di bawah ini) adalah nomor yang
lebih kecil daripada (atau sama dengan) 5. Nomor-nomor yang
sama hanya dapat dipilih satu kali.
o Pembacaan dihentikan setelah diperoleh 2 nomor berbeda yang
lebih kecil daripada (atau sama dengan) 5.

Tabel 7. Hasil pembacaan tabel bilangan acak untuk memilih klaster

7/4/0/2/2 5 9 7 67 4 9 9 2 7 dst

o Klaster yang terpilih adalah klaster 4 (IP 3.50-3.74) dan klaster 2

(IP 3.00-3.24)

Klaster 4 (IP 3.50-3.74):

No klast No kls No klast No kls No klast No kls No klast No kls
1 2 4 15 7 38 10 62
2 3 5 19 8 40 11 63
3 9 6 37 9 61 12 64

178
Klaster 2 (IP 3.00-3.24):
No klast No kls No klast No kls No klast No kls No klast No kls
1 5 6 18 11 42 16 58
2 8 7 23 12 44 17 65
3 11 8 26 13 47 18 66
4 12 9 27 14 51 19 69
5 17 10 41 15 57

3.b. Tahap II: Sampling acak intra-klaster

o Pembacaan tabel bilangan acak yang terhenti pada titik akhir
untuk pemilihan klaster pria dilanjutkan dengan pembacaan untuk
klaster 4.
o Dengan ukuran populasi klaster 4 N1 = 12, ukuran sampel klaster
4 n1 = 5, dilakukan pembacaan nomor-nomor dua digit: 25, 97,
67, dan seterusnya. Pembacaan yang telah mencapai ujung kanan
baris diteruskan ke ujung kiri baris di bawahnya.
o Nomor terpilih (digarisbawahi di bawah ini) adalah nomor yang
lebih kecil daripada (atau sama dengan) 12. Nomor-nomor yang
sama hanya dapat dipilih satu kali.
o Pembacaan dihentikan setelah diperoleh 5 nomor berbeda yang
lebih kecil daripada (atau sama dengan) 12.

Tabel 8. Hasil pembacaan tabel bilangan acak untuk klaster 4

7 40 2/2 5 / 97 / 67 49 / 92 / 7 4 / 58 / 82
74 / 09 / 9 1 / 87 / 58 57 / 51 / 0 5 / 85 / 60
07 / 05 / 0 6 / 52 / 08 96 46 6 2 99 17 dst

Tabel 9. Hasil sampling acak sederhana pada klaster 4

No No str (No kls) BB Rerata BB

1 9 (61) 45 5

2 5 (19) 49 ∑
j =1
x1 j
3 7 (38) 42 x1 =
5
4 6 (37) 50
232
5 8 (40) 46 = = 46.4
5

179
o Pembacaan tabel bilangan acak yang terhenti pada titik akhir
untuk sampling acak sederhana pada klaster 4 dilanjutkan dengan
pembacaan untuk klaster 2.
o Dengan ukuran populasi klaster N 2 = 19, ukuran sampel klaster 2
n2 = 5, dilakukan pembacaan nomor-nomor dua digit: 96, 46, 62,
dan seterusnya. Pembacaan yang telah mencapai ujung kanan
baris diteruskan ke ujung kiri baris di bawahnya.
o Nomor terpilih (digarisbawahi di bawah ini) adalah nomor yang
lebih kecil daripada (atau sama dengan) 19. Nomor-nomor yang
sama hanya dapat dipilih satu kali.
o Pembacaan dihentikan setelah diperoleh 5 nomor berbeda yang
lebih kecil daripada (atau sama dengan) 19.

Tabel 10. Hasil pembacaan tabel bilangan acak untuk klaster 2

96 / 46 / 6 2 / 99 / 17 22 / 86 / 2 6 / 99 / 72
35 / 17 / 8 3 / 29 / 11 08 / 17 / 2 0 / 62 / 77
62 / 76 / 5 2 / 13 / 23 38 14 8 2 66 96
81 74 1 dst.

Tabel 11. Hasil sampling acak sederhana pada klaster 2

No No str (No kls) BB Rerata BB
1 17 (65) 48 5

2 11 (42) 59 ∑
j =1
x2 j
3 8 (26) 50 x2 =
5
4 13 (47) 42 269
5 14 (51) 70 = = 53.8
5

o Estimasi nilai rerata BB dengan sampel acak klaster yang

diperoleh:
n
1 M m Ni i
xcl = ∑ ∑x
N m i =1 ni j =1 ij
1 M  N1 1  N 
n n2
=  ∑ x1 j  +  2 ∑ x2 j  
N m  n1 j =1   n2 j =1  

1 5  12   19  
=    ( 232 ) +   ( 269 )  = 56.39
70 2  5   5 

180
4. Sampling Acak Sistematik
o Ukuran populasi N = 70, ukuran sampel n = 10, maka nilai k
adalah N/n = 70/10 = 7, sehingga N merupakan kelipatan bulat k.
o Mula-mula dilakukan sampling acak sederhana, yaitu memilih
menjadi angka 1 di antara 7 (nilai) untuk menentukan nomor
pertama yang terpilih menjadi anggota sampel.
o Digunakan tabel bilangan acak (tabel E) halaman 4, baris ke-80,
kolom ke-55 (hanya dibutuhkan 1 angka).
o Nomor terpilih (digarisbawahi di bawah ini) adalah nomor yang
lebih kecil daripada (atau sama dengan) 7, yaitu nomor 1,
sehingga yang terpilih untuk menjadi anggota sampel sistematik
adalah anggota populasi dengan nomor baris data 1, 8, 18, . . . ,
64 (10 orang).

Tabel 12. Hasil pembacaan tabel bilangan acak untuk penentuan

nomor anggota pertama sampel sistematik
1 6 0 9 1 2 9 5 4 3 dst.

Tabel 13. Hasil sampling acak sistematik

No No kelas BB Rerata BB
1 1 75
2 8 49
3 15 45 10

4 22 57 ∑
i =1
xi
5 29 55
xsy =
10
6 36 53 542
7 43 45 = = 54.2
10
8 50 46
9 57 65
10 64 52

Sebagai bahan perbandingan, pada tabel VI.14 diperlihatkan nilai

estimasi rerata berat badan mahasiswa kelas 2PA01 TA 2002/2003

181
berdasarkan keempat metode sampling beserta nilai rerata populasi
sesungguhnya.

Tabel 14. Estimasi nilai rerata berat badan mahasiswa kelas 2PA01 TA
2002/2003, Depok dengan keempat metode sampling serta nilai rerata
populasi sesungguhnya
No Metode sampling Rerata BB (kg)
1 Sampling acak sederhana 50.7
2 Sampling acak stratifikasi 51.64
3 Sampling acak klaster 56.39
4 Sampling acak sistematik 54.2
Populasi kelas 49.87

182
 LATIHAN 6
Bagian Pertama
Pilihlah satu jawaban yang paling benar !

1. Jika distribusi populasi adalah normal, maka distribusi sampling nilai

rerata-nya:
A. Selalu berdistribusi normal.
B. Tidak selalu berdistribusi normal.
C. Mungkin berdistribusi t
D. B) dan C) benar.

2. Jika berdistribusi populasi sebarang, maka distribusi sampling nilai

rerata-nya:
A. Tidak mungkin berdistribusi normal.
B. Dapat berdistribusi normal jika ukuran sampelnya besar.
C. Dapat berdistribusi normal jika ukuran sampelnya kecil.
D. Distribusi sampling nilai rerata-nya tidak ditentukan oleh ukuran
sampel.

3. Pilihlah pernyataan yang benar:

A. SE ( x ) mungkin lebih besar daripada SD (x).
B. SE ( x ) selalu lebih besar daripada SD (x)
C. SE ( x ) mungkin sama dengan SD (x)
D. SE ( x ) selalu lebih kecil daripada SD (x)

4. Pernyataan bahwa Var ( X ) = σ 2 n pada sampling dengan

pengembalian:
A. Hanya berlaku jika distribusi populasi normal.
B. Hanya berlaku jika ukuran sampel besar.
C. Hanya berlaku jika distribusi populasi normal dan ukuran sampel
besar.
D. Berlaku tanpa tergantung pada bentuk distribusi populasi ataupun
ukuran sampel.

183
5. Dibandingkan dengan nilai Var ( X ) pada sampling dengan
pengembalian, nilai Var ( X ) pada sampling tanpa pengembalian:
A. Selalu lebih besar.
B. Dapat lebih besar.
C. Tidak lebih besar.
D. Mungkin lebih besar, sama besar, ataupun lebih kecil.

6. Persyaratan agar teorema limit pusat yang menyatakan bahwa distribusi

sampling nilai rerata berdistribusi normal dengan rerata µ dan variansi
σ 2 n berlaku, antara lain yaitu:
A. Sampling dilakukan tanpa pengembalian.
B. Nilai n besar.
C. A) dan B) benar.
D. A) dan B) salah.
x −µ
7. Pernyataan yang benar mengenai transformasi ialah:
s n
A. Selalu berdistribusi t dengan derajat bebas n
B. Selalu berdistribusi t dengan derajat bebas (n – 1)
C. Dapat berdistribusi Z jika n > 30
D. Semuanya salah.

x −µ
8. Pernyataan yang tidak benar mengenai transformasi ialah:
σ n
A. Hanya berdistribusi Z jika distribusi populasi normal dan n > 30
B. Hanya berdistribusi Z jika distribusi populasi normal
C. Hanya berdistribusi Z jika n > 30
D. Seluruhnya pernyataan di atas tidak benar

184
9. Pilihlah pernyataan yang salah:
A. Jika n besar dan populasi berdistribusi normal, distribusi
x −µ
sampling juga berdistribusi normal.
s n
B. Jika n besar dan populasi berdistribusi menceng ke kanan,
x −µ
distribusi sampling tetap berdistribusi normal.
s n
x −µ
C. Jika n besar dan distribusi sampling berdistribusi normal,
s n
distribusi populasinya pasti normal.
x −µ
D. Jika n besar dan distribusi sampling berdistribusi normal,
s n
distribusi populasinya mungkin menceng ke kiri.

10. Manfaat sampling antara lain yaitu:

A. Mengurangi jumlah data yang dibutuhkan.
B. Mempersingkat jangka waktu penelitian.
C. Mengefisiensikan penggunaan data / sumber daya lainnya.
D. Semuanya benar.

11. Validitas data antara lain ditentukan oleh faktor berikut, kecuali:
A. Subjek / objek yang diukur
B. Instrumen pengukuran
C. Subjek pelaku pengukuran
D. Semua faktor di atas ikut menentukan validitas data

12. Data yang ‘bias’ adalah data yang:

A. Tidak menyatakan keadaan yang sesungguhnya hendak diukur.
B. Memiliki variabilitas yang tinggi pada pengukuran berulang.
C. A) dan B) benar.
D. A) dan B) salah.

13. Kumpulan elemen yang ‘terdaftar’ sebagai calon anggota sampel

dinamakan:
A. Populasi target. C. Populasi eksternal.
B. Populasi aktual D. Kerangka sampel.

185
14. Populasi target adalah:
A. Kumpulan subjek / objek yang mengkontribusikan data bagi
penelitian.
B. Kumpulan subjek / objek yang eligibel untuk mengikuti proses
sampling.
C. Kumpulan subjek / objek yang sebenarnya hendak diestimasi
parameternya.
D. Semuanya salah.

15. Tiap elemen anggota populasi dimiliki probabilitas yang pasti sama
untuk terpilih menjadi anggota sampel pada:
A. Sampling acak sederhana. C. Sampling acak klaster.
B. Sampling acak stratifikasi. D. Semuanya benar.

16. Yang tidak termasuk dalam sampling probabilitas di antara prosedur

sampling berikut yaitu:
A. Sampling purposif (purposive sampling)
B. Sampling acak sederhana
C. sampling acak stratifikasi
D. Semuanya salah

17. Penggunaan prosedur sampling probabilitas antara lain ditujukan

untuk:
A. Memperkecil random error C. Keduanya benar
B. Memperkecil systematic error D. Keduanya salah

18. Jika variansi dalam-kelompok relatif besar dan variansi antar-kelompok

relatif kecil, metode sampling yang dianjurkan adalah:
A. Sampling acak stratifikasi. C. Keduanya benar.
B. Sampling acak klaster D. Keduanya salah.

19. Inferensi statistik berlaku secara valid pada penelitian yang

menggunakan:
A. Sampel kuota C. Sampel purposif
B. Sampel acak. D. Semuanya benar

20. Metode sampling yang hanya memerlukan penentuan secara acak bagi
anggota pertamanya didapatkan pada:
A. Sampling acak sederhana C. Samplingg acak kelompok
B. Sampling acak stratifikasi D. Sampling acak sistematik.

186
Bagian Kedua
Selesaikan soal-soal berikut:

1. Dimiliki populasi:

i 1 2 3 4 5 6 7 8 9 10
Xi 72 68 74 68 90 87 68 71 69 88

Hitunglah:
A. Rerata dan variansi populasi X
B. Rarata dan variansi distribusi sampling X jika dilakukan
sampling dengan pengembalian, n = 3.
C. Rerata dan variansi distribusi sampling X pada sampling tanpa
pengembalian dengan n = 3.

2. Misalkan diketahui bahwa rerata usia penduduk kota Depok adalah 29

tahun dengan standar deviasi 16 tahun. Jika dipilih kelompok yang
terdiri atas 36 orang penduduk secara acak, hitunglah probabilitas
bahwa rerata usia kelompok tersebut kurang daripada 35 tahun.

3. Misalkan pula diketahui proporsi mahasiswa di antara penduduk kota

Depok adalah 0.20. Hitunglah probabilitas bahwa dalam kelompok
yang dipilih pada soal No. 2 di atas sekurang-kurangnya terdapat 10
orang mahasiswa.

187
 KEPUSTAKAAN

Aczel AD. Complete Business Statistics. Homewood, Illinois: Richard D

Irwin, Inc,1989.
Ary D, LC Jacobs, A Razavieh. Introduction to Research in Education. New
York: Holt, Rinehart and Winston, Inc, 1972.
Bhattacharyya GK, RA Johnson. Statistical Concepts and Methods. New
York: John Wiley & Sons, 1977.
Chakravarti IM, RG Laha, J Roy. Handbook of Methods of Applied
Statistics, Volume I. Techniques of Computation, Descriptive Methods,
and Statistical Inference. New York: John Wiley & Sons, 1967.
Chambers JM, WS Cleveland, B Kleiner, PA Tukey. Graphical Methods for
Data Analysis. Belmont, California: Wadsworth International Group,
1983.
Cochran WG. Sampling Techniques, Third Edition. New York: John Wiley
& Sons, 1977.
Everitt BS. The Cambridge Dictionary of Statistics. Cambridge: Cambridge
University Press, 1998.
Fox J. Describing Univariate Distributions. In: J Fox, JS Long (Eds).
Modern Methods of Data Analysis. Newbury Park: Sage Publications,
Inc, 1990.
Harshbarger RJ, JJ Reynolds. Calculus with Applications. Lexington,
Massachusetts: DC Heath and Company, 1990.
Hayslett HT. Statistics Made Simple. London: WH Allen & Co, Ltd, 1979.
Huntsberger DV, P Billingsley. Elements of Statistical Inference, Fifth
Edition. Boston: Allyn and Bacon, Inc, 1981.
Jessen RJ. Statistical Survey Techniques. New York: John Wiley & Sons,
1978.
Kartika SH. Analisis Data Statistik. Jakarta: Karunika, Universitas Terbuka,
1985.
Kendall SMG, WR Buckland. A Dictionary of Statistical Terms, 4th Edition.
London: Longman Group Ltd, 1982.
Kreyszig E. Introductory Mathematical Statistics: Principles and Methods.
New York: John Wiley & Sons, 1970.

189
Kustituanto B, R Badrudin. Statistika I (Deskriptif). Jakarta: Penerbit
Gunadarma, 1994.
Maki DP, M Thompson. Finite Mathematics, Third Edition. New York:
McGraw-Hill, Inc, 1989.
Sanders DH. Statistics: A First Course, Fifth Edition. New York: McGraw-
Hill, Inc, 1995.
Scheaffer RL, W Mendelhall, L Ott. Elementary Survey Sampling, Third
Edition. Boston: Duxbury Press, 1986.
Snedecor GW, WG Cochran. Statistical Methods, Seventh Edition. Ames,
Iowa: The Iowa State University Press, 1982.
Soejoeti Z. Metode Statistik I. Jakarta: Universitas Terbuka Depdikbud,
1984.
Steel RGD, JH Torrie. Principles and Procedures of Statistics: A Biometrical
Approach, Second Edition. Auckland: McGraw-Hill International Book
Company, 1981.
Thompson SK. Sampling. New York: John Wiley & Sons, 1992.

190