STATISTIKA 2 - KONSEP DATA SAMPLING
Populasi
: adalah keseluruhan pengamatan yang menjadi perhatian, baik tak terhingga
maupun tak hingga.
Nilai yang menjelaskan karakter atau ciri suatu
populasi disebut parameter.
Misal untuk nilai tengah populasi (parameter dan nilai
tengah) biasa ditulis dengan µ (mu).
Nilai yang menjelaskan tentang karakter atau ciri suatu
contoh disebut statistik.
Misalnya untuk
nilai tengah contoh (statistik nilai tengah) biasa ditulis dengan x (x bar). {\displaystyle
{\bar {x}}}
Populasi
|
Contoh / sampel
|
|
Nilai tengah / rata-rata
|
µ (mu)
|
x
|
Jumlah rata-rata
|
N
|
ɳ
|
Ragam
|
s²
|
s²
|
Standar deviasi / simpangan baku
|
s
|
s
|
Statistika deskriptif : Metode
yang berkaitan dengan pengumpulan, peringkasan, penyajian data sehingga
memberikan informasi organization, summarization and presentation of data
Contoh statistika deskriptif :
Peringkasan data dalam bentuk :
1.
Tabulasi data (tabel)
2.
Diagram balok (histogram)
3.
Diagram kue (pie chart)
Statistika inferensia : Metode
yang berkaitan dengan analisi data untuk peramatan dan atau penarikan
kesimpulan.
Contoh statistika inferensia
1.
Metode pendugaan statistik
2.
Pengujian hipotesis
3.
Regresi dan korelas
Mengapa harus sampling ????
·
Sampling menghemat waktu dan
uang
·
Pengujian dapat bersifat
merusak
Contoh harus representatif
·
Contoh yang baik : representatife
à mewakili
populasi
Probability sampling
Metode sampling
yang berbasis pada kaidah peluang (pemilihan secara acak) à tingkat akurasi bisa dihitung.
Acak à setiap unit memiliki peluang yang
sama untuk terpilih
F = n/N
Keterangan :
N =
Banyaknya objek dalam kerangka contoh (sampling frame)
n =
Banyaknya objek dalam contoh
f = Fraksi
contoh
Beberapa teknik
probability sampling
1. Sample random sampling
(Penarikan sample secara random atau acak sederhana)
Caranya :
·
Dengan
mengundi elemen atau anggota populasi
·
Dengan
menggunakan table angka random
Syarat acak sederhana
1) Tersedia kerangka sampling
2) Sifat populasi homogen
3) Populasi tidak terlalu tersebar
secara geografis
2. Systematic random sampling
(Penarikan sample secara sistematik)
Caranya :
1. Melakukan cek keadaan daftar
populasi (kerangka populasi)
2. Menetapkan jarak/interval
I = N/n
Keterangan :
I = interval
N = jumlah anggota
populasi
n = jumlah anggota samel
3. Menetapkan nomor berapa peneliti
akan mulai menghitung (penetapan nomor pertama ini dilakukan secara acak/random)
1,2,3,4 dan 5
4. Anggota sampel berikutnya dengan
menambahkan interval pada nomor pertama dan seterusnya
3. Stratified random sampling
(Penarikan sampel berlapis)
Caranya :
1. Menetapkan kriteria yang jelas yang
akan digunakan sebagai dasar penentuan strata (lapisan)
2. Dengan dasar kriteria tersebut
populasi dibagi kedalam sub-sub populasi (setiap sub populasi diasumsikan
homogen)
3. Penentuan besar sampel pada
masing-masing subpopulasi bisa proporsional bisa pula tidak
4. Penentuan unsur bisa sample random/systematic
Syarat stratified random sampling :
1. Kriteria yang jelas untuk menstratifikasi
2. Ada data pendahuluan mengenai
kriteria
3. Diketahui jumlah tiap lapisaan
4. Cluster sampling
(Penarikan sampel berkelompok)
Teknik ini digunakan karena mengalami dua permasalahan, yaitu :
1. Peneliti kekurangan kerangka
sampling yang baik, suatu populasi yang menyebar
2. Biaya yang tinggi untuk menyusun
kerangka sampling dan menjangkau setiap elemen sample
Caranya :
1. Populasi dibagi ke dalam mini
populasi – mini populasi. Mini populasi memiliki katakteristik yang sama dengan
populasi
2. Pengelompokan mini populasi ini bisa
berdasarkan pada pengelompokan secara administrasi
3. Setelah itu menentukan cluster
secara random (bisa dilakukan secara bertingkat missal dari desa menjadi
dukuh-dukuh atau dusut dst)
4. Cluster yang terpilih adalah untuk
yang berisi elemen sample final
Tidak ada komentar:
Posting Komentar