Sampling Acak Sederhana

(Simple Random Sampling)

(Sesi 1)

Bertho Tantular
 Definisi

 Suatu proses memilih satuan

sampling dari populasi sedemikian
rupa sehingga setiap satuan
sampling dalam populasi mempunyai
peluang yang sama besar untuk
terpilih ke dalam sampel dan
peluang itu diketahui sebelum
pemilihan dilakukan
 Cara Pengambilan Sampel

 Dengan pengembalian (with

replacement)
Sebuah unit dapat terpilih lebih dari
satu kali → Jarang digunakan
 Tanpa Pengembalian (without
replacement)
unit yang terpilih tidak mungkin terpilih
lagi
 Peluang dalam SRS
 Apabila dalam populasi berukuran N
sebuah unit akan dipilih secara SRS
maka peluang setiap unit dalam
populasi tersebut memiliki peluang yang
sama untuk terpilih sebesar 1/N
 Apabila dalam populasi berukuran N
akan dipilih sampel sebanyak n secara
SRS maka peluang setiap unit dalam
populasi tersebut memiliki peluang yang
sama untuk terpilih kedalam sampel
sebesar n/N
 Kondisi Populasi

 Variabel yang diteliti relatif Homogen

 Unit-unit dalam populasi menyebar
merata
 Ada Kerangka sampling yang
lengkap
 Keuntungan SRS

 Prosesnya sederhana

 Bentuk rumus-rumus statistika pada

umumnya menggunakan SRS
 Kerugian SRS
 Ada kemungkinan unit sampling yang
terpilih tidak merata

 Sulit dilakukan pada ukuran populasi

besar dan ukuran sampel besar
 Proses Memilih
 Tentukan populasi sasaran
 Susun kerangka sampling
 Tentukan ukuran sampel
 Lakukan proses pengambilan sampel
secara acak
 Simple randomization
 Randomization based on remainder
 Randomization based on permutation
 Penaksir Rata-rata
dalam SRS
 Penaksir Rata-rata
n
xi
x 
i 1 n

 Standard Errornya
 N  n  s 2
x   
 N n
 dengan
n x   xi 
2 2

s i

n(n  1)
 Bound of Error
 Bound of Error (δ) menyatakan
kekeliruan terbesar yang mungkin terjadi
dengan derajat kepercayaan
(1-α)100%

 Untuk rata-rata
  t  ˆ
 x

 1 ;n 1
 2 
 Penaksir Proporsi
dalam SRS
 Penaksir Proporsi

xin xi  1 jika A
p ;
i 1 n xi  0 jikabukan A

 Standard Errornya

 N  n  p(1  p)
ˆ x n   
 N  n 1
 Finite Population
Correction (FPC)
 Untuk ukuran populasi berhingga (finite)
maka FPC adalah sebuah nilai bobot
yang memberikan informasi mengenai
sampel
 N n n
FPC     1
 N  N

 Atau
FPC = 1 – sampling fraction
 FPC Lanjutan...
 Informasi dari FPC
 Sampling fraction menyatakan berapa
persen sampel dari populasinya
 n/N menyatakan besarnya peluang
setiap unit sampling masuk ke dalam
sampel berukuran n
 Untuk populasi besar → tak hingga, nilai
FPC dianggap sama dengan 1.
Biasanya dengan ketentuan
sampling fraction < 0,05