Metode Penarikan Contoh-I (Teori)

1. Metode Penarikan Contoh-I (Teori) BukuReferensi : Cochran,W.G. Johon Wiley & Sons, Inc 1977. SamplingTechniques Murthy,M.N,Sampling Theory and Methods,Statistical Publishing Society 1977 Singh,D.et all, Theory and Analysis of Sample Survey Design,Wiley Eastern Limited 1986

2. Baca (untukminggu 1 dan 2): Cochran Bab1, 2 Murthy Bab1, 2 Singh.DBab1

3. Rencanakanprosedur pemilihan Unit sampling Proses Sampling 4 Tentukanmetoda sampling yang akandigunakan (probability atau non-probability) Tentukanukuransampel 3 5 Pilih sampling unit Pilih sampling frame 2 6 Tentukan target populasi Pelaksanaandilapangan 1 7 3

4. POPULASI, SAMPEL, DAN SAMPLING 2. diteliti 1. Teknik sampling 3. generalisasi POPULASI SAMPEL

5. KonsepDasar • Populasi • Karakteristikdarisampel • Sampeldansampelstatistik • Statistiksepertiapa yang bisadipercaya • Sampel yang Representative

6. Populasi • Populasiadalahseluruhkoleksidari object yang akanditeliti • Object bisaberupamanusia, binatang, tanamandll • Besarnyapopulasibiasanyasangatbesar (manusia) bisajugasangatkecil (penelitiantentang panda) • Penelitiantentangkeseluruhanpopulasidisebutsensus.

7. KarakteristikSampel • Biasanyakitatertarikpadakarakteristiktertentudari object (sampel). Misalnya Beratbadan, gender, race, status perkawinan, umurdll. • Data darikarakteristikinidapatdiperolehdengancara: • Mengukur (beratbadan) • Menghitung • Bertanya (status perkawinan) • Mengobservasi (warnamata) • Computing (Misalnya BMI)

8. Parameter dariPopulasi • Summaries dari data populasidisebutparameter. Contoh: Besarnyapopulasi (N), rata-rata populasi (µ), variance daripopulasi (σ2), standard deviasidaripopulasi (σ), danproporsi (р). • Hanyaadasatunilai yang benar (true value) untuksetiap parameter populasi. • True values biasanyaunknowndandiestimasi.

9. Contoh • Berapa rata-rata (mean) body mass index daripendudukberusia 60 keatas. Hal inibisadiperolehdengancaramengukurberatdantinggibadanpendudukusia 60 tahunkeatas. • Berapaproporsidarianakusiasekolahdasar yang menderita myopic.

10. Parameter vs Statistik pengolahan/analisis data populasi parameter pengolahan/analisis data sampel statistik Parameter tidakpernahdiketahui, yang kitaketahuiadalahstatistik. Statistikmerupakanestimasibagi parameter.

11. TentangSampel • Sampeladalah subset dariobjek yang diambildari target populasi • Ukuransampelbiasanyadicatatdenganhuruf n • n biasanyalebihkecildaribesarnyapopulasi N • Sangatpentinguntukmenghitungbesarnya n sebelumsampeldiambil.

12. StatistikSampel • Summaries dari data yang berasaldarisampeldisebutstatistik. Contoh: banyaknyasampel (n), rata-rata sampel (x-bar), variansdarisampel (s2), standard deviasi (s), proporsisampel (p-cap). • Sampelbisadiambilbeberapa kali daripopulasi, dandengansampel yang berbedaakanmenghasilkanstatistik yang berbeda.

13. Contoh • Dua set sampelbisadiambildari target populasiyaitupenduduk yang berusiadiatas 60 tahun. Rata-rata dari BMI pendudukusiadiatas 60 tahununtukkedua set tsbnilainyaakansangatberdekatantetapihampirtidakmungkinnilaitersebutbenar-benarsama.

14. Diskriptif Vs Inferensial • Secaraumumstatistikbisadikategorikanmenjadi 2 cabangyaitu: 1.Statistik diskriptifmenerangkan: • Tendensititikpusat (mean, median, mode) • Sebaran data (darikecilkebesar) • Distribusiyaitubentukdarisebaran (symmetrical, skewed, bell-shaped, flat, peaked) 2.Statistik inferens, menggunakanstatstiksampeluntuk: 1. Mengestimasi parameter populasi 2. Membandingkanperbedaansignifikanantaraduaataulebihpopulasi 3. Test hubunganantaravariabeluntukmembuatprediksi.

15. Statistik Populasi Sampling Estimasi/inferens Sampel Deskriptif Tingkat Keyakinan Ilmu Probability StatistikDeskriptif vs StatistikInferens

16. ContohDeskriptif

19. ContohInferens

22. Sebaran Penarikan Contoh populasi ambil contoh berukuran n ambil contoh berukuran n ambil contoh berukuran n ambil contoh berukuran n Rata-rata sampel adalah random variabel yang juga memiliki sebaran tertentu. Sampel yang berbeda dari populasi yang sama bisa memiliki rata-rata yang berbeda.

23. Sebaran Penarikan Contoh menyebar N(, 2/n) x1, x2, …, xn dari populasi yang menyebar N(, 2) menyebar t-studentdb=n-1

24. Graph: Target population • Population: mean = , standard deviation = 

25. Graph: Sample • Sample: mean = x, standard deviation = s

26. Graph: Means from many samples • However we could get many different samples with different sample means from the population.

27. Graph: Distribution of sample means • This gives us a sampling distribution of sample means:

28. StatistikInferens • Pertanyaan: • Seberapabaikstatistiksampeldigunakanuntukmembuatinferenspada parameter populasi ? • Apakahstatistiksampelbisadipercaya ?????????

29. ApakahStatistikbisadipercaya ? There are 3 kinds of lies: “LIES, DAMNED LIES, and STATISTICS” Mark Twain, American Writer (1835 – 1910) Statistics don’t lie, but human does

30. Manusia yang membuatbad statistics • Secarasengaja: • Memanipulasi data • Keuntunganpribadi • Secaratidaksengaja: - Pengumpulan data yang tidaktepat - Kuesioner yang tidakberkualitas - Sampel yang tidakrepresentatif - lainnya

31. MetodaPengumpulan data yang tidaktepat • Misalnyakitainginmengetahuiseberapabanyakorang yang mempraktekkankebersihanpribadiuntukmenghindariterkena H1N1 flu. Pertanyaan yang dilakukanadalah “Bisakahsayalihattanganandauntukmengetahuitangantersebutdicuciatautidaksetelahkeluardari toilet” • Tidakakanada yang maumenjawab survey tersebut. Option yang bisadilakukanadalahobservasi, atauanonimous survey.

32. Kuesioner yang kurangberkualitas • Pertanyaandalamkuesioner (Leading question): • Denganbegitubanyaknyapengangguran, menurutandapemerintahsudahcukupberusahauntukmenolongrakyatpadakeadaankrisisekonomisekarangini? • Pertanyaanbisadi rephrase: • Menurutandaapakahpemerintahsudahmelakukan yang terbaikuntukmenolongmasyarakatpadakrisisekonomisaatini ?

33. Sampel yang TidakRepresentatif • Penelitiansiswa SMU: Seorangsiswa SMU mengadakanpenelitiantentangbagaimanasiswadisekolahdidaerahberangkatkesekolah. Pilihanpertanyaannyaadalahdengancara: berjalan kaki, bersepeda, bus sekolah, MRT dll. Siswatsbmenginterview teman2nya. Masalah : Siswatersebutberasaldarisekolahkaya yang kesekolahnyasetiapharimenggunakanmobilmewah. Hasilnyasudahbisadidugasangat bias.

34. Sampel yang representatif • Sampelsebesar n diambildari N populasi. Pertanyaannyaapakahstatistikdarisampelmerupakanrepresentatif yang baikdari parameter populasi ? • Tergantungdari: • Bagaimanasampeldiambil. Random sampelmungkinrepresentatif yang baik. • Besarnyasampel yang diambil. Sampel yang besarlebihbaikdarisampel yang kecil, danjugavariabilitinyaakanmenjadilebihkecil.

35. Ketepatan Biaya Sampling

36. Sampling Errors Respondents (actual sample) Sampling Frame Planned Sample Non-Response Error Sampling Frame Error Random Sampling Error Total Population 36

37. Teknik pengumpulan data Pengumpulan Data Sensus (populasi) Sampling (sampel) Probabilita Non-Probabilita

38. Probability Sampling - Setiapelemendalampopulasi yang ditelitimemilikisuatuprobabilitasuntukterpilihsebagaisampel Non-Probability Sampling Suatucarapemilihanmemilih unit sampling berdasarkanpertimbangansubyektif, sepertipenilaianpribadiataukenyamanan.

39. Classification of Sampling Methods Sampling Methods Probability Samples Non- probability Systematic Stratified Convenience Snowball Cluster Simple Random Quota Judgment

40. JUMLAH SAMPEL Seberapabesarkahjumlahsampel yang dinyatakanmemenuhisyaratuntukpenelitian ? Apasaja yang harusdipertimbangkandalammenentukanjumlahsampel ? 40

41. Pertimbangan Penentuan ukuran sampel Heterogenitas dari populasi Tingkat presisi yang dikehendaki Tipe sampling design yang digunakan Ketersediaan Sumber daya Tingkat ketelitian dalam analisis

42. Tingkat presisi yang dikehendaki Secarateknismengacupada standard error. Tapilebihmudahdiilustrasikandengan confidence interval. Pernyataan “rata2 populasiadadiantara 2-4” lebihpresisidibandingkan “rata2 populasiadadiantara 1-5”. Rumus standard error s/√(N), sampelperludiperbesar agar standard error-nyamengecil.

43. Law of diminishing return, setelah terus2an, dibutuhkanjumlah N yang sangatbesar agar standard error bisaturun. N = 100 s = 5 N = 400 s = 2.5 N = 2500 s = 1 N = 10000 s = 0.5 Sample size 2000-3000 sebenarnya standard error-nyasudahcukupkecildanmenambahjumlahsampellagi “is not worth the additional cost”.

44. Sampling design • Misalnya tanpa menambah jumlah sampel presisi sampel bisa ditingkatkan dengan menggunakan stratified random sampling dan bukan simple random sampling, tapi cluster sampling perlu lebih banyak sampel. • Resources availability

45. BESARnya SAMPEL Kuantitatif : dapatditaksirdenganakurat, berdasaranalisis yang akandilakukan, presisiestimasi yang diinginkan, kesalahan random yang masihbisaditoleransi, power statistik yang diharapkan Kualitatif : • Ukuransampelcukupbesarjikapenelititelahpuasbahwa data yang diperolehcukupmewakilidimensi yang diteliti.

46. BESARnya SAMPEL Tergantungpada: • Pertimbangan representative • Adanyasumber-sumber yang dapatdigunakanuntukmenentukanbatasmaksimaldaribesarnyasampel. • Pertimbangananalisis • Kebutuhanrencanaanalisis yang menentukanbatas minimal besarsampel.

47. References • Malcolm Rosier, 2000. Survey Design and Analysis Services Pty Ltd. • Unknown, (?) Sampling and Sample Size Determination • WidyaSetiabudiSumadinata (?). Teknik Sampling • MoatazaMahmoud Abdel Wahab (?). Sampling technique and Sample size.High Institute of Public Health, University of Alexandria • Basic Terms and Concepts of Statistics you must know. YouTube.