PENARIKAN CONTOH ACAK

SEDERHANA (Simple Random Sampling)

Pertemuan – 3

Metode Penarikan
Contoh
STK 221 3(2 – 2)

Cici Suhaeni, [Link]

Dept. Statistika IPB
Defini
si
• Penarikan contoh acak sederhana (PCAS): Suatu prosedur
penarikan contoh, dimana jika sebuah contoh berukuran n
diambil dari suatu populasi sedemikian rupa sehingga setiap
contoh berukuran n yang mungkin memiliki peluang sama
untuk terambil
• Contoh yang dimaksud tersebut dinamakan contoh acak
sederhana
PCA
S
• PCAS cocok digunakan : kondisi populasi homogen
• Cara mengambil contohnya : lotre, tabel bilangan acak, di
acak pakai kalkulator, dan program-program komputer yang
relevan.
• Banyaknya cara mengambil satu anggota populasi : (N – 1)
cara
• Peluang masing-masing anggota populasi terpilih menjadi
contoh :
1
𝑃 𝑦 = 𝑁
𝐶𝑛
Masalah dalam setiap penarikan contoh
• Pendugaan parameter Rataan
populasi
Setelah diperoleh data dari contoh.
Total
Populas
• Penentuan ukuran contoh i
Proporsi
 Sebelum survei dilakukan.
Populas
i
 Pendugaan Rataan Populasi
•()
Penduga µ
y
n
i
y i1

n
• Nilai Harapan 𝑦̅
E( y)  Tak bias!!!

• Ragam 𝑦̅
V ( y)  2  N  n Kenapa perlu dihitung???

n N
Jika ragam populasi tidak dketahui, maka
Ragam 𝑦̅ diduga oleh

N
Vˆ ( y) s  N  n 
2
Karena E(s ) 
2
 2
N 1
 n  N 

Dengan
n
Jika N > > > > n
 i
( y  y) 2

s2  i1
n s2
1 Vˆ ( y)
 n
Selang Kepercayaan Bagi

y  t
Vˆ ( y)
2

bound on the error

estimation

So, Kenapa Ragam 𝑦̅

perlu dihitung???
Teladan
1
Contoh acak sebanyak n=9 catatan rekening pasien yang dimiliki Rumah Sakit AAA
diambil untuk menduga rata-rata jumlah uang dari N=484 rekening yang ada. Contoh-
contoh yang terambil ada pada tabel berikut:

Objek Jumlah Uang

Y1 33.5
Dugalah μ, rata-
jumlah uang dan hitung
rata
Y2 32.0
bound of error pada
Y3 52.0
penduga tersebut
Y4 43.0
Y5 40.0
Y6 41.0
Y7 45.0
Y8 42.5
Y9 39.0
Jawab
Dugaan μ
9

y 
 i 1
yi
368
  40.89
9
Untuk mencari bound of error dari penduganya, kita terlebih
9
dahulu harus menghitung s2
9 2
 9 9

9 2
y   y 
2  y  i   i 
i

2
1 36 2 
s  i1 n 1  i1  8 15.332,50 8 9
y
i1
35,67
8  
bound of error pada penduga μ 

2 V y   s  N  n  35,67 484  9
2
ˆ
  2 9  484   3.94
2 n 
Pendugaan Total Populasi
()
 = N Total populasi kadang
diperlukan kadang
n
tidak. Artinya, total
y i
populasi tidak selalu
memiliki makna untuk
ˆ  Ny  N i 1n setiap peubah.
Misal : peubah umur.
Menduga total umur
s2 tidak begitu
ˆ 2
diperlukan.
V (ˆ)  V (Ny)  Nn
N
n
Teladan
2Suatu perusahaan industri ingin mengetahui tentang berapa lama jam kerja
non efektif yang dihabiskan para pegawai dalam satu minggu. Diambil
contoh acak sebanyak n=50 pegawai, dan diperoleh rata-rata menghabiskan
waktu kerja mereka secara tidak efektif selama 10.31 jam dengan s2=2.25.
Perusahaan tersebut memiliki N=750 pegawai. Dugalah berapa total jam
kerja yang tidak efektif dalam satu minggu dan hitung bound of errornya.

Jawab:
 duga = Nybar=750(10.31)=7732,5

Jadi total jam kerja yang tidak efektif dalam satu minggu
sebanyak 7732.5 jam

ˆ 2 s
2
Nn
2 V (ˆ)  2 V (Ny)  2 N n N  2 750  2.25 750  50  307.4 jam
2
750 
   50 
Kesalahan pendugaan kurang dari 307,4 jam
Pendugaan Proporsi
Populasi
banyaknya yang menjawab "Ya"
pˆ 
ukuran contoh
Jika “Ya” dilambangkan 1, dan “tidak” dengan 0, maka

pˆ  y

pˆ (1 pˆ ) N  n
Vˆ ( p ˆ ) 
n 1 N
Teladan 3
Contoh acak sebanyak n=100 dari mahasiswa tingkat akhir diambil
dari N=300 mahasiswa untuk menduga berapa proporsi mahasiswa
yang berencana melanjutkan studi ke jenjang pascasarjana. Nilai yi=1
berarti mahasiswa tersebut berencana untuk melanjutkan studi.
Dugalah proporsi mahasiswa tingkat akhir yang berencana
melanjutkan studi dan hitung bound of errornya.

Jawab: Proporsi mahasiswa tingkat akhir yang berencana

melanjutkan studi
Mahasiswa y
15
1 1 pˆ  y  100  0,15
2 0
. bound of error
.
pˆ (1 pˆ ) N
. 2 Vˆ ( pˆ )
100 1 2  n n 1
0,15(0,85) 300
Total 15 2 N 0.059
100
Penentuan ukuran contoh
Penentuan Ukuran Contoh dalam
menduga rata-rata
Tentukan dulu nilai bound on the error
estimation untuk menduga rata-rata,
misalkan sebesar B

N 2
n
z  Vˆ ( y) 

2
(N 1) B
B z2
2

2 Jika Y menyebar
Nilai 2 ditentukan berdasarkan normal
informasi awal, atau melakukan
survei pendahuluan terlebih dahulu   range 4
Teladan
4nalog teladan 1, rata-rata jumlah uang μ pada rekening pasien di rumah
A
sakit AAA dapat diduga. Walaupun tidak ada data prior yang dapat
digunakan untuk menduga ragam populasinya, dari mayoritas rekening
diperoleh range sebesar 100 dimana ada sebanyak N=1000 rekening pasien.
Hitung jumlah sampel yang dibutuhkan untuk menduga μ dengan boun of
error dari penduganya sebesar B=3.

Jawab:

Sebelumnya kita harus menduga ragam populasi (σ2) terlebih dahulu

  range  100  25 dan  2

  25  2

4 4 625
N 2 1000(625)
n   217,56
(N 1) B   2 (999)3 
2 2

2 2
z 625 2
Jadi kita perlu mengambil sampel sebanyak 218 rekening.
Penentuan Ukuran Contoh dalam
menduga total
Tentukan dulu nilai bound on the error
estimation untuk menduga total,
misalkan sebesar B

 N 2
n
z Vˆ ( ) 

2
(N 1) B
B 2
z 2N
2 2
Penentuan Ukuran Contoh dalam
menduga proporsi
Tentukan dulu nilai bound on the error
estimation untuk menduga proporsi,
misalkan sebesar B

Np(1 p)
z  Vˆ ( p)  n
(N 1) B 22  p(1 p)
B  z
2
 Ringkasan rumus ukuran contoh

Rata- Tota Proporsi

rataN l
2
N 2 Np(1 p)
n n n
 
2 2 2
(N 1) B (N 1) B (N 1) B  p(1 p)
2 2
z2 z 2N z2
2
Keuntungan dan Kerugian SRS

• Keuntungan
Prosedur estimasinya mudah dan
sederhana
• Kerugian
Membutuhkan daftar seluruh anggota
populasi
Sampel terkadang tersebar pada daerah
yang luas, sehingga biayanya menjadi
besar