MODUL 9
BAB V
SAMPLING DAN DISTRIBUSI SAMPLING
Tujuan Instruksional Khusus
1. Mahasiswa memahami konsep populasi, sampel dan cara pengambilan sampel
2. Mahasiswa mengetahui penyebaran peluang pada setiap pengambilan sampel sampel
3. Mahasiswa mampu memperhitungkan peluang sebuah pengambilan sampel
Pokok Bahasan
1. Sampling
1.1. Sampling Berdasarkan Peluang
1.1.1. Sampling Acak Sederhana
1.1.2. Sampling Stratifikasi
1.1.3. Sampling Klasifikasi
1.2. Sampling Tidak Berdasarkan Peluang
1.2.1. Sampling Convenience
1.2.2. Sampling Jugdment
1.2.3. Sampling Snowball
2. Distribusi Sampling
2.1. Distribusi Sampling Rata-rata
2.2. Distribusi Sampling Proporsi
2.3. Distribusi Sampling Beda Rata-rata
2.4. Distribusi Sampling Beda Proporsi
Aty Herawati
BAB V
SAMPLING DAN DISTRIBUSI SAMPLING
5.1. Sampling
Definisi Populasi
Populasi adalah keseluruhan dari objek penelitian/unit observasi.
Populasi bisa luas bisa sempit tergantung batasan yang di buat oleh peneliti, akan seluas apa
cakupan penelitiannya.
Kadang dalam penelitian, tidak dapat di lakukan penelitian terhadap populasi, ada beberapa
alasan mengapa pengambilan data populasi tidak dapat dilakukan :
1. Populasi yang tak terhingga
2. Keterbatasan waktu
3. Keterbatasan biaya
4. Tingkat ketelitian
Definisi Sampel
Sampel adalah bagian dari populasi
Definisi Sampling
Sampling adalah teknik pengambilan sampel
Pengambilan sampel dari
Populasi dengan populasi berukuran n dengan
rata-rata µ = ? cara Acak
Nilai x digunakan untuk Data sampel menghasilkan
mengestimasi nilai µ nilai rata-rata
populasi x
Sampel yang baik adalah sampel yang representatif, yaitu sampel yang dapat mewakili
populasinya. Agar representatif, maka pengambilan sampel dari populasi harus menggunakan
teknik pengambilan sampel (sampling) yang benar.
Aty Herawati
Ada 2 teknik pengambilan sampel :
5.1.1. Sampling Berdasarkan Peluang
Teknik sampling berdasarkan peluang adalah sebuah teknik pengambilan sampel dimana
setiap unit observasi dalam populasi mempunyai kesempatan yang sama untuk terpilih
menjadi sampel.
Ada 3 teknik sampling berdasarkan peluang :
[Link]. Sampling Acak Sederhana (Simple Random Sampling)
Teknik pengambilan sampel dimana sampel yang terpilih dari populasi
berdasarkan tabel bilangan acak.
Syarat dapat di gunakannya sampling ini adalah tersedianya daftar populasi
(disebut sampling frame)
Contoh : misalkan kita punya populasi berukuran N = 600
Jika akan di ambil sampel sebanyak n = 10, dan angka acak kita tentukan
dimulai pada kolom ke 18 baris ke 3 dan angka yang kita gunakan adalah 3
digit, angka yang terpilih adalah :
1. Angka 676
Angka ini sudah lebih dari 600, maka populasi yang ke 676 tidak ada dan
tidak terpilih kedalam sampel
2. Angka 964
Angka ini sudah lebih dari 600, maka populasi yang ke 964 tidak ada dan
tidak terpilih kedalam sampel
3. Angka 067
Angka ini ada dalam populasi, maka populasi yang ke 067 terpilih
kedalam sampel
4. Angka 798
Angka ini sudah lebih dari 600, maka populasi yang ke 798 tidak ada dan
tidak terpilih kedalam sampel
5. Angka 629
Angka ini sudah lebih dari 600, maka populasi yang ke 629 tidak ada dan
tidak terpilih kedalam sampel
6. Angka 139
Angka ini ada dalam populasi, maka populasi yang ke 067 terpilih
kedalam sampel
7. Angka 472
Angka ini ada dalam populasi, maka populasi yang ke 472 terpilih
kedalam sampel
Aty Herawati
8. Angka 557
Angka ini ada dalam populasi, maka populasi yang ke 557 terpilih
kedalam sampel
9. Angka 646
Angka ini sudah lebih dari 600, maka populasi yang ke 646 tidak ada dan
tidak terpilih kedalam sampel
10. Angka 156
Angka ini ada dalam populasi, maka populasi yang ke 156 terpilih
kedalam sampel
11. Angka 444
Angka ini ada dalam populasi, maka populasi yang ke 444 terpilih
kedalam sampel
12. Angka 152
Angka ini ada dalam populasi, maka populasi yang ke 152 terpilih
kedalam sampel
13. Angka 351
Angka ini ada dalam populasi, maka populasi yang ke 351 terpilih
kedalam sampel
14. Angka 042
Angka ini ada dalam populasi, maka populasi yang ke 042 terpilih
kedalam sampel
15. Angka 421
Angka ini ada dalam populasi, maka populasi yang ke 421 terpilih
kedalam sampel
sehingga sampel yang terpilihnya adalah populasi dengan urutan 067, 139, 472,
557, 156, 444, 152, 351, 042, 421 atau seperti pada tabel berikut :
Aty Herawati
Tabel Bilangan Acak dan Sampel Terpilih
27104 54374 83559 75559 90159 12338 36248
85694 38272 69261 97632 94143 55827 37871
77853 22702 28785 51676 52936 82362 73695
86600 07664 89694 62964 51985 30784 95287
26383 75981 54705 99067 93115 50695 57523
45847 58215 58603 43798 31221 78476 78063
23011 53152 15022 23692 89899 37661 17709
28398 55932 20704 73139 96574 23366 21128
99848 26278 14123 74472 97826 09121 00773
62758 51058 48298 60557 72308 62076 05105
98136 36786 33878 13646 72354 54715 19177
18677 97088 89968 78156 26378 51126 83467
40571 59619 34135 69444 45123 89107 15229
62454 42536 94025 42152 52746 09096 53333
55317 75637 02969 78351 05005 29496 95398
04328 16840 22350 28042 94563 91678 04528
17155 50891 53949 81421 82014 89254 44901
50979 77093 36204 69750 52800 51098 94739
31476 71195 59846 77236 21867 84452 32977
28663 01447 60287 80016 35196 50923 30967
Penggunaan bilangan acak, selain menggunakan tabel bilangan acak, juga bisa
dengan menggunakan kalkulator pada tombol RAN#.
Angka yang muncul dari tombol RAN# fungsinya sama dengan angka terpilih
pada tabel bilangan acak, hanya angka ini terbatas pada 3 digit, artinya hanya
bisa di gunakan jika jumlah populasinya 999.
Contoh :
Tekan Shift/inv kemudian RAN#, misalkan muncul 0,352 artinya populasi
yang ke 352 akan terpilih menjadi sampel.
Aty Herawati
[Link]. Sampling Stratifikasi (Stratified Sampling)
Sampling stratifikasi adalah sebuah teknik pengambilan sampel dimana terlebih
dahulu populasi di bagi-bagi menjadi sub-sub populasi yang antar sub populasi
heterogen. Karena sub populasi heterogen, pada setiap sub polulasi ada yang
diambil sebagai sampel
Ukuran sampel bisa saja minimal sebanyak sub populasi.
Jika di gambarkan dalam bagan sebagai berikut :
Contoh : Jika kita ingin mengetahui tingkat kerusakan produk yang di hasilkan
oleh mesin pada sebuah perusahaan dan di perusahaan itu ada tiga buah mesin,
maka kita harus mengambil sampel produk dari setiap mesin.
Aty Herawati
[Link]. Sampling Klasifikasi (Cluster Sampling)
Sampling klasifikasi adalah sebuah teknik pengambilan sampel dimana
populasi di bagi-bagi menjadi sub-sub populasi yang antar sub populasi
homogen. Karena sub populasi homogen, salah satu sub populasi diambil
sebagai sampel.
Ukuran sampel bisa saja sebanyak elemen dari sub populasi terpilih.
Jika di gambarkan dalam bagan sebagai berikut :
Contoh : Jika kita ingin mengetahui tingkat konsumsi masyarakat Jakarta, maka
populasi masyarakat Jakarta bisa di bagi menjadi sub populasi wilayah di
Jakarta yaitu Jakarta Barat, Jakarta Timur, Jakarta Pusat, Jakarta Utara, Jakarta
Selatan. Karena tingkat konsumsi masyarakat Jakarta di setiap wilayah Jakarta
sama, maka dapat di ambil sampel dari masyarakat di salah satu wilayah
Jakarta misalnya Jakarta Barat.
Aty Herawati
5.1.2. Sampling Tidak Berdasarkan Peluang
Teknik sampling tidak berdasarkan peluang adalah teknik pengambilan sampel dimana
setiap unit observasi dalan populasi tidak mempunyai kesempatan yang sama untuk
terpilih menjadi sampel
1.2.1. Sampling Convenience
Teknik pengambilan sampling convenience adalah sebuah teknik pengambilan
sampel dimana pemilihan sampel berdasarkan kenyamanan. Artinya, dalam
menentukan siapa yang terpilih sebagai sampel adalah senyamannya peneliti.
Sampling ini di sebut juga dengan sampling seadanya.
1.2.2. Sampling Jugdment
Teknik pengambilan sampling judgment adalah sebuah teknik pengambilan
sampel dimana pemilihan sampel berdasarkan pertimbangan.
1.2.3. Sampling Snowball
Teknik pengambilan sampling snowball adalah sebuah teknik pengambilan sampel
dimana sampel awal yang diambil hanya satu tapi kemudian bisa berkembang
menjadi semakin banyak.
Aty Herawati
5.2. Distribusi Sampling
Ketika kita mengambil sampel, ada beberapa kemungkinan sampel yang terpilih dan hasil
pengukuran dari sampel terpilih itu akan mengikuti distribusi normal.
5.2.1. Disrtibusi Sampling Rata-rata
Misalkan sebuah populasi berukuran N = 5
Jika diambil sampel berukuran n = 3, maka akan terdapat 5C3 = 10 susunan sampel yang
mungkin
Populasi : A B C D E
Sampel yang mungkin : ABC
ABD
ABE
ACD
ACE
ADE
BCD
BCE
BDE
CDE
Misal populasi itu mempunyai nilai A = 4 B = 4 C = 5 D = 6 E = 6
Maka nilai sampelnya ABC = 445
ABD = 446
ABE = 446
ACD = 456
ACE = 456
ADE = 466
BCD = 456
BCE = 456
BDE = 466
CDE = 566
Jika rata-rata populasi adalah
A=4 B=4 C=5 D=6 E=6
44566
5
5
Aty Herawati
Maka rata-rata sampel bisa beberapa kemungkinan tergantung sampel yang terambilnya
sebagai berikut :
Sampel Nilai Xi x
ABC 445 4,33
ABD 446 4,67
ABE 446 4,67
ACD 456 5,00
ACE 456 5,00
ADE 466 5,33
BCD 456 5,00
BCE 456 5,00
BDE 466 5,33
CDE 566 5,67
µ 5,00
x
σ 0,38
x
Distribusi dari rata-rata sampel adalah sebagai berikut :
x Banyaknya P( x )
4,33 1 0,1
4,67 2 0,2
5,00 4 0,4
5,33 2 0,2
5,67 1 0,1
Σ 1
Aty Herawati
Atau jika di gambarkan :
P( x )
0,4
0,2
0,1
x
4,33 4,67 5,00 5,33 5,67
Artinya distribusi rata-rata sampel mengikuti distribusi Normal
Rata-rata
µ = µ
x
Simpangan Baku (Standard Deviation)
σ =
x n
Angka bakunya
x x
z atau z
x
n
Contoh :
Isi gelas minuman air mineral dalam gelas tertulis 240 ml, artinya rata-rata isinya 240 ml.
Misalkan diketahui simpangan bakunya adalah 4 ml. Jika diambil sampel sebanyak 20,
mungkinkah rata-rata sampelnya lebih dari 242 ml? Berapa peluang bahwa sampel itu
akan mempunyai rata-rata lebih dari 245 ml?
Dik : µ = 240
σ=4
Aty Herawati
Ditanya : P ( x > 242)
242 240
P( x 242) P z
4
20
= P (z > 2,24) = 0,0125
Jika di gambarkan dalam tabel distribusi normal
0,4875
0 2,24
Artinya mungkin saja rata-rata dari ke 20 sampel itu lebih dari 242 ml dan
kemungkinannya atau peluangnya sebesar 0,0125.
5.2.2. Distribusi Sampling Proporsi
Seperti pada distribusi sampling rata-rata, bahwa distribusi proporsi sampel mengikuti
distribusi normal.
Rata-rata
µp = π
x
=
n
Simpangan Baku (Standard Deviation)
x x
σp = 1
n n
n
Aty Herawati
Angka bakunya
Angka baku
x
z
Karena variabel yang sekarang adalah p maka angka bakunya menjadi
p p
z
p
atau
x
z n
x x
1
n n
n
5.2.3. Distribusi Sampling Beda Rata-rata
Seperti pada distribusi sampling rata-rata, bahwa distribusi beda rata-rata sampel
mengikuti distribusi normal.
Rata-rata
µ = µ1 - µ2
x1 x 2
Simpangan Baku (Standard Deviation)
12 22
σ
x1 x 2
=
n1 n2
Angka bakunya
Angka baku
x
z
Karena variabel yang sekarang adalah x1 x 2 maka angka bakunya menjadi
( x1 x 2 ) x1 x 2
z
x x 1 2
atau
( x 1 x 2 ) ( 1 2 )
z
12 22
n1 n2
Aty Herawati
5.2.4. Distribusi Sampling Beda Proporsi
Seperti pada distribusi sampling rata-rata, bahwa distribusi beda proporsi sampel
mengikuti distribusi normal.
Rata-rata
p p 1 2
1 2
Simpangan Baku (Standard Deviation)
x1 x x2 x2
1 1 1
n1 n n2 n2
p p
1 2
n1 n2
Angka bakunya
Angka baku
x
z
Karena variabel yang sekarang adalah p1-p2 maka angka bakunya menjadi
( p1 p 2 ) p1 p2
z
p p 1 2
atau
x1 x 2
( 1 2 )
z n1 n2
x1 x1 x2 x2
1 1
n1 n1 n2 n2
n n2
Aty Herawati