PERTEMUAN 3
SIMPLE RANDOM
SAMPLING
(SRS)
Pengertian
Keuntungan dan Kelemahan
SRS WR dan SRS WOR
All Possible Sample
Estimasi Rata-rata, Total
Estimasi Varians
SEKOLAH TINGGI
LOGILMU STATISTIK
O
Pengertian
Simple Random Sampling/SRS (Penarikan Sampel Acak
Sederhana/PSAS) adalah suatu metode memilih sampel
dengan peluang setiap unit populasi untuk terpilih di
dalam sampel adalah sama.
Keuntungan: cara pengambilan sampel dan teknik estimasi
parameternya sederhana
Kelemahan:
hanya cocok untuk populasi yang relatif homogen,
hanya cocok untuk cakupan survei yang tidak terlalu
luas, karena membutuhkan kerangka sampel sampai
elemen,
biaya tinggi untuk populasi yang besar
MPC1
LOGO
SRS WR dan SRS WOR
Ada 2 tipe penarikan sampel secara SRS:
SRS WR
Setiap unit yang sudah terpilih sebagai sampel,
dikembalikan lagi ke dalam populasi, sehingga terjadi
kemungkinan terpilih kembali pada pengambilan
sampel berikutnya
SRS WOR
Suatu unit hanya terpilih satu kali sebagai sampel, unit
yang sudah terpilih tidak dikembalikan ke dalam
populasi.
MPC1
LOGO
All Possible Samples
Misalkan, kita ingin memilih sebanyak sampel dari
populasi sebanyak unit .
All posible sample:
SRS with replacement (wr)--- > terdapat possible
sample
SRS without replacement (wor)--- > terdapat possible
sample
MPC1
LOGO
All Posible Sample
Misal, kita akan memilih 2 orang sampel dari populasi 3
orang yaitu A, B, C.
Jika pemilihan dilakukan dengan with replacement (wr)
akan terdapat kemungkinan sampel yaitu:
1. AA 2. AB 3. AC
4. BA 5. BB 6. BC
7. CA 8. CB 9. CC
Jika pemilihan dilakukan dengan without replacement
(wor) akan terdapat kemungkinan sampel yaitu:
1. AB 2. AC
3. BC
MPC1
LOGO
Expected Value dan Bias
Misalkan, peluang terpilihnya gugus sampel ke-i adalah dan
adalah estimasi dari gugus sampel ke-i, yang merupakan
penduga dari parameter (i=1,2,…,M), M adalah total dari
gugus sampel yang mungkin.
Nilai harapan (expected value) dari penduga adalah
Jika peluang terpilihnya tiap gugus sampel sama , maka
MPC1
LOGO
Expected Value dan Bias
Penduga dikatakan unbiased estimator (penduga
yang tidak bias) dari parameter jika expected value-
nya sama dengan .
Jika , maka penduga dikatakan biased estimator
(penduga yang bias) dari .
Bias dari adalah
MPC1
LOGO
Contoh
Berikut ini adalah data jumlah populasi siswa laki-
laki dan perempuan di suatu kelas
No Kelas Laki-laki (X) Perempuan (Y)
1 A 5 2
2 B 10 5
3 C 15 3
4 D 5 2
5 E 10 4
MPC1
LOGO
Parameter
Nilai Parameter Populasi
No Kelas (Xi) (Yi)
1 A 5 2
2 B 10 5
3 C 15 3
4 D 5 2
5 E 10 4
Total
Rata-rata
Rasio laki-laki
terhadap
perempuan
MPC1
LOGO
All Possible Sample
Jika dari 5 kelas tersebut, diambil 2 kelas sebagai
sampel secara wor, maka akan terdapat =10
kemungkinan sampel.
MPC1
LOGO
All Possible Sample
Laki-laki (x) Perempuan (y)
Rasio
No Sampel
1 A,B 5 10 7.5 2 5 3.5 2.1
2 A,C 5 15 10 2 3 2.5 4
3 A,D 5 5 5 2 2 2 2.5
4 A,E 5 10 7.5 2 4 3 2.5
5 B,C 10 15 12.5 5 3 4 3.1
6 B,D 10 5 7.5 5 2 3.5 2.1
7 B,E 10 10 10 5 4 4.5 2.2
8 C,D 15 5 10 3 2 2.5 4
9 C,E 15 10 12.5 3 4 3.5 3.6
10 D,E 5 10 7.5 2 4 3 2.5
Jumlah 90 32 28.7
Expected Value 9 3.2 2.87MPC1
LOGO
Unbiased dan Biased
Expected value dari estimator vs parameter
, (unbiased)
, (unbiased)
, (biased)
Dari hasil di atas, dapat disimpulkan bahwa estimator rata-rata
adalah estimator yang unbiased, sedangkan estimator rasio
adalah estimator yang biased.
Besarnya bias untuk estimator rasio adalah
MPC1
LOGO
Inclusion Probability
Ketika mengambil satu unit sebagai sampel, peluang unit ke-i
untuk terpilih sebagai sampel adalah
Misalkan kita mengambil sampel sebanyak n kali, maka
peluang unit ke-i untuk terpilih dalam sampel (inclusion
probability) adalah penjumlahan dari peluang terpilihnya unit
tersebut pada pengambilan yang pertama, kedua, ketiga, dst
sampai dengan pengambilan ke-n.
Pada SRS WR
Pada SRS WOR
MPC1
LOGO
Prosedur Pemilihan Sampel
Lottery Method
Menggunakan tabel angka random
Independent Choice Of Digits
Remainder Approach
Quotient Approach
Menggunakan angka random yang di-generate dari
program komputer
MPC1
LOGO
Independent Choice Of Digits
Tentukan baris, kolom, dan halaman Tabel Angka Random (TAR) yang
digunakan untuk memulai penelusuran angka random
Jika jumlah populasi sebanyak N unit dan jumlah digits dari N adalah
sebanyak digit, maka telusuri digit angka dari baris dan kolom
permulaan.
Jika angka random (AR) N, maka unit yang nomor urutnya sama
dengan AR tsb terpilih sebagai sampel.
Jika angka random (AR)>N, maka lanjutkan penelusuran ke angka
random di baris selanjutnya pada kolom yang sama.
Lakukan pengambilan AR sampai jumlah sampel terpenuhi
Jika sudah sampai pada kolom terakhir dan belum mendapatkan angka
random sebanyak sampel, lanjutkan ke kolom berikutnya baris
pertama
MPC1
LOGO
Independent Choice Of Digits
Kolom Kolom
Misalkan kita ingin mengambil Baris
(1-5)
Baris
(1-5)
sampel SRS n=6 dari populasi 1 88347 1 88347
N=60 dengan independent choice 2 57140 2 57140
of digits. Pembacaan TAR dimulai 3 74686 3 74686
4 68013 4 68013
dari halaman 1, baris 1, kolom 1. 5 57477 5 57477
N=60, =2 (jumlah digit populasi) 6 89127 6 89127
Sampel terpilih: 7 26519 7 26519
8 48045 8 48045
SRS WR: 9 22531 9 22531
57, 57, 26, 48, 22,19 10 84887 10 84887
11 72047 11 72047
SRS WOR: 12 19645 12 19645
57, 26, 48, 22,19, 46 13 46884 13 46884
14 92289 14 92289
SRS WR SRS WOR
MPC1
LOGO
Remainder Approach
Dari N unit populasi dan jumlah digits dari N adalah sebanyak digit, maka
tentukan nilai yaitu kelipatan terbesar dari N dengan jumlah digit yang
sama. adalah batas atas dari angka random yang akan dipilih.
Misal: N=32, =2, =96
Jika AR N, maka unit yang nomor urutnya sama dengan AR tsb terpilih
sebagai sampel.
Jika N<AR, maka lakukan operasi pembagian:
)
Unit dengan nomor urut=s terpilih sebagai sampel.
Jika s=0, unit ke-N (terakhir) terpilih sampel
Jika AR > , maka lanjutkan penelusuran ke angka random di baris
selanjutnya pada kolom yang sama.
Lakukan pengambilan AR sampai jumlah sampel terpenuhi
Jika sudah sampai kolom terakhir dan belum mendapatkan AR sebanyak
sampel, lanjutkan ke kolom berikutnya baris pertama
MPC1
LOGO
Remainder Approach
Misalkan kita ingin mengambil sampel SRS WOR Kolom
Baris
n=3 dari populasi N=36 dengan remainder (1-5)
approach. Pembacaan TAR dimulai dari halaman 1 88347
1, baris 1, kolom 2. 2 57140
N=36, =2, 3 74686
Angka random: 4 68013
• 83 tolak, karena lebih dari 5 57477
• 71 (unit ke-35 terpilih sampel) 6 89127
• 46 (unit ke-10 terpilih sampel) 7 26519
• 80 tolak, karena lebih dari 8 48045
• 74 tolak, karena lebih dari 9 22531
• 91 tolak, karena lebih dari 10 84887
11 72047
• 65 (unit ke-29 terpilih sampel)
Sampel terpilih: 35, 10, 29 12 19645
13 46884
14 92289
MPC1
LOGO
Quotient Approach
Dari N unit populasi dan jumlah digits dari N adalah sebanyak digit, maka
tentukan nilai yaitu kelipatan terbesar dari N dengan jumlah digit yang
sama.
Misal: N=32, =2, =96
Hitung nilai
Angka random (AR) yang diambil adalah yang tidak lebih dari (
Hitung (pembulatan ke bawah)
Sampel terpilih=unit dengan nomor urut (t-1)
Lakukan pengambilan AR sampai jumlah sampel terpenuhi
Jika sudah sampai kolom terakhir dan belum mendapatkan AR sebanyak
sampel, lanjutkan ke kolom berikutnya baris pertama
MPC1
LOGO
Quotient Approach
Misalkan kita ingin mengambil sampel SRS WOR n=3 Kolom
Baris
dari populasi N=36 dengan quotient approach. (1-5)
Pembacaan TAR dimulai dari halaman 1, baris 1, 1 88347
kolom 2. 2 57140
N=36, =2, , 3 74686
Angka random: 4 68013
• 83 tolak, karena lebih dari 5 57477
• 71 (unit ke-34 terpilih sampel) 6 89127
• 46 (unit ke-22 terpilih sampel) 7 26519
• 80 tolak, karena lebih dari 8 48045
• 74 tolak, karena lebih dari 9 22531
• 91 tolak, karena lebih dari 10 84887
• 65 (unit ke-31 terpilih sampel) 11 72047
Sampel terpilih: 34, 22, 31 12 19645
13 46884
14 92289
MPC1
LOGO
Notasi yang digunakan
: nilai karakteristik unit sampel ke-i
: jumlah sampel
: jumlah populasi
: estimasi rata-rata karakteristik
: rata-rata karakteristik populasi
: estimasi total karakteristik
: total karakteristik populasi
MPC1
LOGO
Estimasi Rata-rata
SRS
Nilai yang
diestimasi WR WOR
Rata-rata
Varians rata-rata
Standar error
Relative standar
error (RSE)
Confidence Interval
Catatan: 𝑛
1
= ∑
𝑛 − 1 𝑖=1
( 𝑦 𝑖
𝑦 2
− ) MPC1
LOGO
Estimasi Total
SRS
Nilai yang
diestimasi WR WOR
Total
Varians total
Standar error
Relative standar
error (RSE)
Confidence Interval
MPC1
LOGO
Estimasi Rata-rata
Estimasi rata-rata adalah estimasi yang unbiased dari
parameter .
Bukti:
MPC1
LOGO
Varians Rata-rata (1)
Varians rata-rata adalah:
Bukti:
MPC1
LOGO
Varians Rata-rata (2)
MPC1
LOGO
Varians Rata-rata (3)
Rumus Varians Untuk SRS WOR
Keterangan:
Jika sampel diambil dengan SRS WR, dan saling statistically
independent, sehingga dan
MPC1
LOGO
Sample Varians
adalah unbiased estimator dari parameter dan .
jika sampel diambil secara SRS WR
jika sampel diambil secara SRS WOR
Bukti:
MPC1
LOGO
Sample Varians
𝟐
𝝈
𝑺𝑹𝑺 𝑾𝑹 : 𝑬 {𝒏 ( 𝒚 −𝒀 ) }=𝒏∙
𝟐 𝟐
=𝝈 … (𝟐 𝒂)
𝒏
𝟐
𝑵−𝒏 𝑺 𝑵−𝒏
𝑺𝑹𝑺𝑾𝑶𝑹:𝑬 {𝒏 ( 𝒚−𝒀 ) } =𝒏∙ ∙ = ∙𝑺 …(𝟐𝒃)
𝟐 𝟐
𝑵 𝒏 𝒏
MPC1
LOGO
Sample Varians
SRS WR
Dari persamaan (1) dan (2a) diperoleh:
(terbukti)
SRS WOR
Dari persamaan (1) dan (2b) diperoleh:
(terbukti)
MPC1
LOGO
Varians Sampling Untuk penduga Rata-rata
Dengan men-substitusikan untuk (SRS WR) dan
(SRS WOR), kita akan memperoleh unbiased
estimasi varians sampling untuk penduga rata-rata,
yaitu:
(SRS WR)
(SRS WOR)
MPC1
LOGO
Estimasi Total Karakteristik ()
Estimasi total karakteristik
Penduga total di atas adalah unbiased estimator untuk
parameter , dapat dibuktikan:
Estimasi varians dari penduga total karakteristik:
SRS WR:
SRS WOR:
MPC1
LOGO
Contoh 1
Sebuah sampel acak sederhana yang terdiri dari 20 rumah tangga
dipilih dari blok sensus X yang mempunyai muatan sebanyak 150
rumah tangga. Jumlah ART dari rumah tangga sampel sebagai berikut:
No ruta sampel 1 2 3 4 5 6 7 8 9 10
Jumlah ART 4 2 3 5 4 6 3 4 5 7
No ruta sampel 11 12 13 14 15 16 17 18 19 20
Jumlah ART 3 4 6 2 1 2 3 4 6 4
a. Perkirakan rata-rata jumlah ART dan total penduduk di blok sensus
tersebut beserta standar error dan rse-nya !
b. Dengan tingkat kepercayaan 95%, buatlah selang kepercayaan untuk
estimasi rata-rata jumlah ART dan total penduduk !
c. Interpretasikan hasil penghitungan di atas !
MPC1
LOGO
Penyelesaian (1)
Diketahui:
Estimasi rata-rata:
Varians dari estimasi rata-rata:
Standar error dari estimasi rata-rata:
Relative standar error (RSE):
Selang Kepercayaan (Confidence Interval) 95%:
MPC1
LOGO
Penyelesaian (2)
Interpretasi:
Estimasi rata-rata anggota rumah tangga di blok
sensus X adalah 3,9 orang per rumah tangga dengan
perkiraan rata-rata penyimpangan (standar error)
sebesar 0,33 dan relative standar error sebesar
8,46%. Dengan tingkat kepercayaan 95%, dapat
dinyatakan bahwa nilai populasi rata-rata anggota
rumah tangga akan berada pada interval antara
3,253 sampai 4,547 orang per rumah tangga.
MPC1
LOGO
Penyelesaian (3)
Estimasi total:
Varians dari estimasi rata-rata:
Standar error dari estimasi rata-rata:
Relative standar error (RSE):
Selang Kepercayaan (Confidence Interval) 95%:
MPC1
LOGO
Penyelesaian (4)
Interpretasi:
Estimasi total penduduk di blok sensus X adalah 585
orang dengan perkiraan rata-rata penyimpangan
(standar error) sebesar 49,526 orang dan relative
standar error sebesar 8,46%. Dengan tingkat
kepercayaan 95%, dapat dinyatakan bahwa nilai
populasi total penduduk akan berada pada interval
antara 487,92 sampai 682,07 orang.
MPC1
LOGO
TERIMA KASIH
Have a nice sampling
MPC1
LOGO