PROBABILITY

PROPORTIONAL TO SIZE
(PPS) SAMPLING
 PPS-WR
 PPS-WOR

1
 DEFINISI
 Sampling with Probability Proportional to
Size (PPS) adalah suatu prosedur
penarikan sampel dimana peluang
terpilihnya suatu unit sampel sebanding
dengan ukuran
 Ukuran yang dimaksud adalah informasi
tambahan (auxiliary information) yang
dipertimbangkan sebagai dasar penarikan
sampel dan memiliki korelasi yang erat
dengan variabel-variabel yang akan diteliti.
2
Beberapa contoh variabel yang diteliti dan
variabel tambahan
Variabel yang diteliti Variabel tambahan

 Penduduk sekarang  Penduduk sensus

sebelumnya/luas geografi
 Jumlah kelahiran  Penduduk sensus
sekarang sebelumnya
 Total pendapatan  Penduduk sensus
sekarang sebelumnya
 Luas panen  Total luas yang ditanami
 Produksi pabrik  Jumlah pekerja

3
 ALASAN
 Untuk memperoleh suatu metode pemilihan
yang akan memberikan penduga rata-rata
populasi yang tak bias (unbiased estimator)
 Mempunyai ketepatan yang lebih tinggi dari
metode-metode yang lain.
 Memiliki keuntungan lebih lanjut dengan
memberikan penduga-penduga rata-rata dan
varians populasi yang sangat sederhana.

4
 PROSEDUR PEMILIHAN UNIT
SAMPEL
 Pemilihan dari suatu daftar (LIST)

 Pemilihan dari suatu peta (MAP)

 Pemilihan secara sistematis

5
 PEMILIHAN DARI SUATU
DAFTAR (LIST)

 METODE KUMULATIF

 METODE LAHIRI

6
 METODE KUMULATIF
1. Buat jumlah kumulatif dari ukuran yang digunakan
untuk dasar penarikan sampel untuk seluruh unit
dalam populasi. N
x1 ,  x1  x 2 ,  x1  x 2  x3 ,... xi  X
i

2. Ambil angka random dari 1 sampai X.

i 1 i

3. Bila   , maka unit ke-i terpilih, bila kondisi

xi  AR  xi

itu tidak terpenuhi, ulangi langkah ke-2.

4. Ulangi langkah ke-2 hingga n unit sampel terpilih.

7
 METODE LAHIRI
1. Ambil dua angka random secara serentak,
yaitu:
AR1: antara 1 sampai N, untuk nomor urut unit
sampling dalam populai
AR2: antara 1 sampai Xmaks, untuk penarikan
sampel dimana Xmaks adalah nilai maksimum
dari Xi.
2. Bila AR1 = i dan AR2 ≤ Xi , maka unit ke-i
dipilih, bila kondisi itu tidak terpenuhi, ulangi
langkah ke-1.
3. Ulangi langkah ke-1 hingga n unit sampel
terpilih.
8
Pemilihan dari suatu peta (MAP)

Prosedur ini dipakai untuk pemilihan unit-unit

wilayah geografis dari sebuah peta dengan peluang
proporsi terhadap luas (area)  Probability
Proportional to Area.

1. Ambil dua angka random secara serentak,

yaitu:
AR1: antara 1 sampai panjang desa
AR2: antara 1 sampai lebar desa
2. Sepasang angka random terpilih akan menem-
patkan suatu titik pada peta, dan sawah dimana
titik itu jatuh akan terpilih
3. Ulangi langkah ke-1 hingga n unit sampel
terpilih. 9
Contoh: Pemilihan dari suatu peta (MAP)

Gambar berikut adalah peta dari 12 sawah dalam

suatu desa.
8
Misal AR1 = 6 dan
7
3 9 AR2 =5, maka ko-
6 ordinatnya adalah
2 10
5 (6,5). Selanjutnya
4
sawah yang terpi-
4
12
5 8 11 lih adalah sawah
1
3 no 4.
6
7
2

1 2 3 4 5 6 7 8 9 10 11 12
10
 PEMILIHAN SECARA
SISTEMATIS
 Buat jumlah kumulatif dari ukuran yang
digunakan untuk dasar penarikan sampel untuk
seluruh unit dalam populasi.
N
x1 ,  x1  x 2 ,  x1  x 2  x3 ,... xi  X
i

 Jika n adalah besarnya sampel, interval

sampling (I) adalah bilangan bulat yang dekat
dengan X/n.

 Ambil AR1 ≤ I, maka unit-unit yang terpilih

adalah: AR1; AR1+I; AR1+2I, dst.
11
 Ilustrasi 4 : Berikut ini adalah daftar nama 24 kepala rumahtangga berikut jumlah
anggotanya untuk rumahtangga-rumahtangga yang tinggal di suatu desa pedesaan. Untuk
mengetahui rata-rata pengeluaran per minggu, maka dipilih sampel sebayak 4
rumahtangga secara pps-sistematic linear dengan ukuran jumlah anggota rumahtangga.

Tabel 1: Daftar Kerangka Pemilihan Sampel Rumahtangga

Jumlah Jumlah
Jumlah Jumlah
No Nama KRT kumulatif No Nama KRT kumulatif
art art
art art
01 Abiyoso 5 5 13 Mustakin 9 61
02 Banuarja 2 7 14 Normandino 4 65
03 Chaidir 9 16 15 Oposunggu 8 73
04 Darusmin 3 19 16 Pardosi 7 80
05 Efraim 7 26 17 Qurmanto 7 87
06 Faturrahman 4 30 18 Rusdi 5 92
07 Gusmianto 3 33 19 Samektopo 2 94
08 Hutajulu 1 34 20 Tarjono 2 96
09 Indrastoto 5 39 21 Umarsono 7 103
10 Jamaludin 5 44 22 Verianto 4 107
11 Kartosemoyo 5 49 23 Xiemenes 7 114
12 Luhantara 3 52 24 Yamantoro 6 120

12
 I = 120/4 = 30
 Misalnya Tabel Angka Random yang digunakan adalah Tabel Angka Random Halaman
1 kolom 1-2 sesuai dengan banyaknya digit dari I. Dari Tabel Angka Random diperoleh
R1 = 03 (lebih kecil dari Interval sehingga langsung dapat digunakan).
 Angka random pertama s.d. keempat dan rumahtangga terpilih adalah sebagai
berikut:
Tabel 2: Lembar Kerja Pemilihan Sampel Rumahtangga

No. Rtmg
Ri Jumlah Rumahtangga terpilih
yang
kumulatif
berpada-
yang
nan
berpadan
dengan Nama kepala Jumla
an dengan No.
jumlah rumahtangga h art
RI
kumulatif
03 5 01 01 Abiyoso 5
33 33 07 02 Gusmianto 3
63 65 14 03 Normandino 4
93 94 19 04 Samektopo 2
Catatan :
Kolom (1) dihitung dengan rumus
R1 = 03 (sama dengan angka random)
R2 = R1 + I = 3 + 30 = 33
R3 = R2 + I =33 + 30 = 63
R4 = R3 + I =63 + 30 = 93

13
Ilustrasi 5 : Berikut ini adalah daftar nama 24 kepala rumahtangga berikut jumlah
anggotanya untuk rumahtangga-rumahtangga yang tinggal di suatu desa pedesaan. Untuk
mengetahui rata-rata pengeluaran per minggu, maka dipilih sampel sebayak 7
rumahtangga secara pps-sistematic sirkuler dengan ukuran jumlah anggota rumahtangga.

 I = 120/7 = 17
 Misalnya Tabel Angka Random yang digunakan adalah Tabel Angka Random Halaman
1 kolom 3-4 baris 1. Dari Tabel Angka Random diperoleh R1 = 47 (tidak harus lebih
kecil dari Interval, tetapi antara 1 s.d 120)
 Angka random pertama s.d. ketujuh dan rumahtangga terpilih adalah sebagai berikut :

14
 Ilustrasi 5 : Berikut ini adalah daftar nama 24 kepala rumahtangga berikut jumlah
anggotanya untuk rumahtangga-rumahtangga yang tinggal di suatu desa pedesaan. Untuk
mengetahui rata-rata pengeluaran per minggu, maka dipilih sampel sebanyak 7
rumahtangga secara pps-sistematic sirkular dengan ukuran jumlah anggota rumahtangga.

Tabel 1: Daftar Kerangka Pemilihan Sampel Rumahtangga

Jumlah Jumlah
Jumlah Jumlah
No Nama KRT kumulatif No Nama KRT kumulatif
art art
art art
01 Abiyoso 5 5 13 Mustakin 9 61
02 Banuarja 2 7 14 Normandino 4 65
03 Chaidir 9 16 15 Oposunggu 8 73
04 Darusmin 3 19 16 Pardosi 7 80
05 Efraim 7 26 17 Qurmanto 7 87
06 Faturrahman 4 30 18 Rusdi 5 92
07 Gusmianto 3 33 19 Samektopo 2 94
08 Hutajulu 1 34 20 Tarjono 2 96
09 Indrastoto 5 39 21 Umarsono 7 103
10 Jamaludin 5 44 22 Verianto 4 107
11 Kartosemoyo 5 49 23 Xiemenes 7 114
12 Luhantara 3 52 24 Yamantoro 6 120

15
 Tabel 3: Lembar Kerja Pemilihan Sampel Rumahtangga

Jumlah No. Rtmg

Rumahtangga terpilih
kumulatif yang
Angka
yang berpadan-
Random Jum-
berpadan an dengan
RI Nama kepala lah
an dengan jumlah No.
Ri kumulatif rumahtangga ART

(1) (2) (3) (4) (5) (6) (7)

47 - 49 11 01 Kartosemoyo 5
64 - 65 14 02 Normandino 4
81 - 87 17 03 Qurmanto 7
98 - 103 21 04 Umarsono 7
115 - 120 24 05 Yamantoro 6
132 (R 12) 16 02 06 Chaidir 9
149 (R 29) 30 06 07 Faturrahman 4
Catatan :
Kolom (1) : dihitung dengan rumus R1 = 47 (sama dengan angka random pertama)
R2 = R1 + I.= 47 + 17 =64
R3 = 64 + 17 = 81
R4 = 81 + 17 = 98
R5 = 98 + 17 = 115
R6 = 115 + 17 = 132 – 120 = 12
R7 = 12 + 17 = 29
Kolom (2) : sisa setelah dikurangi dengan 120

16
Prosedur Estimasi
Pada suatu penarikan sampel sebanyak n unit
yang diambil dari sebuah populasi dengan ukuran N
unit secara PPS-WR dengan size xi, maka besarnya
peluang terpilihnya unit ke-i sebagai sampel adalah:
N
xi xi
pi  N
 dimana p i 1
 xi
X i

i 1

Misalnya yi adalah nilai variabel yang berpadanan

dengan terpilihnya unit ke-i maka estimator yang
unbiased bagi total adalah:

ˆ yi yi
Yi  X
pi xi 17
Prosedur Estimasi (lanjutan)
ˆ (i = 1, 2, …,n) merupakan estimator-
Yi
estimator yang unbiased bagi total Y dan saling
independent. Maka kombinasi dari estimator-estimator
tersebut merupakan estimator yang unbiased bagi total Y,
yaitu:

1 n ˆ 1 n yi X n
yi
YˆPPS   Yi    
n i 1 n i 1 pi n i 1 xi
dengan sampling variance:

 
2
1 N
 yi 
V YˆPPS   pi   Y 
n i  pi 
18
Prosedur Estimasi (lanjutan)
Sebuah unbiased estimator dari rata-rata Y
populasi,
adalah:

Yˆ N N
YˆPPS
1 yi X yi
 
N nN
 i

pi nN
i x
i

dengan sampling variance:

 
2
ˆ 1  yi
N

V YPPS   pi   Y 
n i  Npi 
19
 Prosedur Estimasi (lanjutan)
Dalam PPS Sampling, WR, sebuah unbiased esti-
 
mator dari V YˆPPS , adalah:

 
 
2 2
1 n
 yi ˆ  1 n
 yi 
v YˆPPS     YPPS 
nn  1 i  pi
     nYˆPPS 
nn  1  i  pi 
2


 
Dalam PPS Sampling, WR, sebuah unbiased esti-
 
mator dari V Yˆ , adalah:
PPS

   
2 2
n
 yi ˆ  n
 yi 
v YˆPPS 
1 1
 
nn  1 i  Npi
 YPPS      
nn  1N 2  i  pi 
 nYˆ 
2
PPS

 
20
 Relatif Efisiensi (RE)
Untuk mengetahui perbandingan Sampling PPS-WR
dengan SRS-WR dari sampel PPS itu sendiri. Dalam SRS-
WR, variansnya adalah:
  N 2 N 2
N
V YSRS  S   yi  nY 
ˆ 2

n n i 
1 N yi2
 
N
Sebuah penduga tidak bias dari  y adalah  dan NY 2 adalah YˆPPS
2
i
2
 v(YˆPPS )
i n i pi
Sehingga varians SRS-WR berdasarkan sampel
PPS-WR adalah:

 
vPPS YˆSRS
1  n yi2
n  i pi
ˆ 2  1 ˆ
 2  N   nYPPS   v YPPS  
 n

RE 
 
v YˆPPS
 
vPPS YˆSRS
x100% 21
 Tabel 1
Perusahaan menurut Banyaknya Tenaga Kerja dan Produksi serta
Penghitungan Peluang

No. urut Tenaga Produksi x yi y 

2
perusahaan kerja (juta Rp) pi  i pi  i  Y 
X pi  pi 
xi yi
(1) (2) (3) (4) (5) (6)

1* 50 221 50/785 3469,70 161,15

2 60 290 60/785 3794,17 5745,42
3 30 141 30/785 3689,50 1097,97
4* 75 365 75/785 3820,33 8617,65
5 60 234 60/785 3061,50 16067,94

6 30 123 30/785 3218,50 3473,97

7 50 275 50/785 4317,50 40509,95
8 45 135 45/785 2355,00 77802,70
9 80 344 80/785 3375,50 2127,92
10 75 350 75/785 3663,33 1962,75

11* 30 141 30/785 3689,50 1097,97

12* 90 430 90/785 3750,56 6094,53
13 30 140 30/785 3663,33 785,10
14 40 171 40/785 3355,88 1372,50
15 40 160 40/785 3140,00 7357,96

Total 785 3520 1,00 - 174275,48

22
a. Penghitungan Y dan Y serta V (Y ) dan V (Y )

Nilai Populasi Karakteristik Produksi (dalam juta Rp)

N
3520
Yp   y pi  3520 , Yp 
15
 234,69
i 1
2
1 N  y pi  174275,48

V (Yp ) 
N
 pi  p  Y   15
 11618,36
i 1 i

11618,36 107,79
RSE (Yp )  x100%  x100%  3,06%
3520 3520
 V (Y ) 11618,36
V (Yp )    51,64
N2 152

23
b. Penghitungan Y dan Y serta v (Y ) dan v (Y )

Tabel 2
Perusahaan Terpilih dan Karakteristiknya serta Peluang
dan Estimasinya

No. urut Tenaga xi Produksi y pi y pi

pi  Ypi   X
perusahaan kerja
X
(juta Rp)
pi xi Ypi  Yp
terpilih xi ypi
(1) (2) (3) (4) (5) (6)

1 50 50/785 221 3469,70 -212,82

4 75 75/785 365 3820,33 137,81
11 30 30/785 141 3689,50 6,98
12 90 90/785 430 3750,56 68,04

Jumlah 245 - 1157 14730,09 -

24
 1 n y pi X n y pi

Yp 
n
p  nx ; X  785
i 1 i i 1 i
14730,09 3682,52
Yp   3682,52 ; Yp   245,50
4 15
n
1

v(Yp )  
n(n  1) i 1
(Ypi  Yp ) 2

1
 (212,82 2  137,812  6,982  68,04 2 )
4(4  1)
1
 (45292,35  18991,60  48,72  4629,44)
12
68962,11
  5746,84
12
v (Y)
v(Yp ) 
p
2  25,5415
N
 5746,84 75,81
RSE (Y )  x100%  x100%  2,06%
3682,52 3682,52

25
PPS-WOR
PPS-WOR dapat memberikan efisiensi yang
lebih baik dibanding PPS-WR. Banyak sampel
dalam praktek yang telah dilakukan dengan PPS-
WO, tetapi prosedur perhitungan lebih kompleks
dan tidak mudah diaplikasikan.

Jika fraksi sampling kecil, dalam survey skala

besar, efisiensi PPS-WR atau PPS-WOR akan
berbeda tidak nyata (hampir sama). Meskipun
begitu, jika fraksi besar efisiensi WOR akan lebih
substansial.

26
 PPS-without replacement
 Prosedur Umum
 Penduga Terurut Des Raj / Des Raj’s
Ordered Estimator
 Penduga Tak Terurut Horwitz-Thompson/
Horwitz-Thompson’s Unordered Estimator

27
 Prosedur Umum (1)
Misalkan n unit sample dipilih satu persatu dari N unit dalam populasi secara PPS-
WOR dengan size X .
Probabilitas bahwa unit j terpilih sebagai sampel pada pengambilan pertama, adalah :
xj
pj  j  1,2,..., N
X
N
dimana X   x j
j 1

Probabilitas bahwa unit i terpilih sebagai sampel pada pengambilan kedua dimana unit
j sudah terpilih pada pengambilan pertama , adalah :
pt j  pi (1  p j ) i  j dst.
Susunan sampling unitnya adalah ( y1 , y 2, ..., y n ) dengan peluang sebesar ( p1 , p2 ,..., pn )
28
 Prosedur Umum (2)
Contoh : Pada suatu desa terdapat 8 kebun buah dimana banyaknya pohon berturut-turut
terdiri dari 50, 30, 25, 40, 26, 44, 20, dan 35. Dipilih sampel sebanyak 2 kebun.
Unit /kebun ke 1 2 3 4 5 6 7 8
Jumlah pohon 50 30 25 40 26 44 20 35

METODE LAHIRI
Prosedur : 1. Pilih AR (i, j ) /(i  8, j  50)
Misalkan AR1  (5,7)  unit nomor 5 terpilih sampel
2. Pemilihan sampel ke dua susunan unit dalam populasi diatur kembali,
karena unit nomor 5 sudah terpilih sampel pada pengambilan pertama ( ( N  7).
Unit/ kebun ke 1 2 3 4 5 6 7
Jumlah pohon 50 30 25 40 44 20 25
Pilih AR2 /(i  7; j  50)
Misalkan AR2  (6,18)  unit nonor 6 terpilih sampel
Jadi unit-unit yang terpilih sampel adalah unit nomor 5 dan nomor 7

29
Penduga Terurut Des Raj (Des Raj’s Ordered Estimator)
Andaikan 2 unit dipilih dengan PPS-WOR dengan peluang unit
terpilih dari unit Ui adalah pi, i=1,2,…N dimana pi= Xi/X. Pada
pengambilan pertama memiliki peluang pi dan pengambilan kedua
dengan peluang bersyarat pj/(1-pi). Anggap y1 dan y2 adalah nilai unit
pengambilan pertama dan kedua; serta p1 dan p2 adalah peluangnya,
maka:

z1 
y1
dan z 2  y1  y2
1  p1 
p1 p2

1  1  p1  1  p1 
YORD  z1  z2    y1
ˆ 1
 y2 
2 2 p1 p2 
dengan penduga varians yang unbiased:

 
2
2  y1 y2 
v YORD  z1  z 2   1  p1    
ˆ 1 2 1
4 4  p1 p2  30
Penduga Tidak Terurut Horvitz-Thompson /
Horvitz-Thompson’s Unordered Estimator
Andaikan suatu unit dipilih dengan PPS-WOR dengan
peluang unit terpilih dari unit Ui adalah pi, i=1,2,…N dimana pi=
Xi/X. Peluang bahwa unit Ui dan Uj termasuk dalam sampel
adalah:
p j pi  pj  pi p j pi p j
 i  pi    pi 1     ij  
j i 
1  p j   j i 
1  p 
j 
 1  pi  1  p j 
Anggap bahwa yi adalah nilai unit ke-i dengan i peluang
masuk dalam sampel, maka:
n
y
YˆHT   i
i i
dengan varians sampling yang unbiased:

 
v YˆHT  
n
1   i  yi2  2 n n    i j 
i  2 
i j i
ij

 ij i j
yi y j
i
31
Contoh Soal:
Berikut adalah hasil panen (dalam 10 kg) dari 8 pohon buah
di suatu desa:

Jumlah Hasil
No Urut Pohon (Xi) Panen (Yi) pi
1 50 60 0.185185
2 30 35 0.111111
3 25 30 0.092593
4 40 44 0.148148
5 26 30 0.096296
6 44 50 0.162963
7 20 22 0.074074
8 35 40 0.12963
Total 270 311

Berdasarkan data tersebut, bila sampel yang diambil adalah no

urut 5 dan 7, perkirakan total hasil panen buah dan variannya di
desa itu dengan metode terurut Des Raj dan metode tidak terurut 32
Horvitz-Thompson!
 Metode Terurut Des Raj
ˆ 1  1  0,096 1  0,096
YORD  30  22   305,625
2 0,096 0,074 

 
2
2  30 22 
v YORD  1  0,096 
ˆ 1
   47,2645
4  0,096 0,074 
Metode Tidak Terurut Horvitz-Thompson
8
pi  p 
S   1,157  1  p1 1  S  1   0,1969
1 1  pi  1 p 1 
 p   1 1 
 1  p2 1  S  2   0,1538  12  p12  
 1 p    0,0155
2
1  p1 1  p2 
y y
YˆHT  1  2  295,403
1 2

   1 2   12  
2
ˆ y1 y2  33
v Y 
    79,91
HT
 12  1 2 

PPS Stratified Sampling

Strata Size Unit Dalam Populasi (xhi) Sampel (xhi)

1 X11, X12, …………………………………X1N1 x11, x12, ………………, x1N1
2 X21, X22, …………………………………X2N2 x21, x22, ………………, x2N2
. . . . . . .
. . . . . . .
. . . . . . .
h Xh1, Xh2, …………………………………XhNh x h1, xh2, ………………, xhNh

Besarnya peluang terpilihnya unit ke-i sebagai sampel:

X hi xhi
Phi  phi 
 X hi  X hi
Maka penduga unbiasednya adalah:
L nh
L L nh
1 y X yhi
YˆPPS   Yh   
ˆ hi
 h

h h nh i phi h nh i xhi
34
PPS Stratified Sampling (lanjutan)

Dengan varians:
L
1 N h Yhi
V YPPS     (  Yh ) 2 Phi
h nh i Phi
L nh
1 yhi ˆ 2
v(YPPS )  
ˆ  (  Yh )
h nh ( nh  1) i phi

Dengan rata-rata:

ˆ YˆPPS YˆPPS ˆ Yˆh

YPPS  L  dimana Yh 
 h
N Nh
N
h

35