Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

1 SURVEI CONTOH APLIKASI METODE SAMPLING (DESAIN SAMPEL)

Presentasi serupa


Presentasi berjudul: "1 SURVEI CONTOH APLIKASI METODE SAMPLING (DESAIN SAMPEL)"— Transcript presentasi:

1 1 SURVEI CONTOH APLIKASI METODE SAMPLING (DESAIN SAMPEL)

2 APLIKASI METODE SAMPLING Aplikasi metode sampling dimulai dari penentuan desain, kerangka sampel dan pendugaan, Review metode sampling sekaligus aplikasinya,terutama pada multistage sampling. Penerapan teknik sampling yang tepat:   Pendugaan rata-rata, ratio, dan total   Varians, standard error, dan selang kepercayaan   Penentuan ukuran sampel 2

3 3 APLIKASI METODE SAMPLING (DESAIN SAMPEL) Penentuan Desain Sampel Penentuan Desain Sampel Hal-hal yg perlu dipertimbangkan: - Cara penarikan sampel (probability, non probability, experimental design) - Ukuran sampel,estimasi,varian - Hubungan unit sampling,unit listing, unit observasi dan unit analisis

4 4 UKURAN CONTOH UKURAN CONTOH ► Relative standar error ► Relative standar error ► Confidence interval ► Teknik penarikan contoh ► Teknik penarikan contoh ► Biaya tersedia ↓ Review Teknik Penarikan Contoh Review Teknik Penarikan Contoh Pilih yang efisien Pilih yang efisien

5 5 UKURAN CONTOH (2) Designer sampling harus tahu sample size dan design survey secara menyeluruh. Designer sampling harus tahu sample size dan design survey secara menyeluruh. Memperhatikan obyek dan tujuan Memperhatikan obyek dan tujuan Melihat hubungan unit sampling, unit analisis dan unit observasi Melihat hubungan unit sampling, unit analisis dan unit observasi

6 6 POPULASI DAN UNIT (1)  Elemen :Unit untuk memperoleh  Elemen :Unit untuk memperoleh informasi informasi  Populasi :  Populasi : Agregasi seluruh elemen/ universe Agregasi seluruh elemen/ universe Harus ada isi (content),unit, cakupan, waktu Harus ada isi (content),unit, cakupan, waktu Ditentukan untuk suatu survei (survei population) Ditentukan untuk suatu survei (survei population)

7 7 POPULASI DAN UNIT (2)  Unit sampling: unit yang dijadikan dasar penarikan sample. dasar penarikan sample. Unit sampling terdiri dari elemen-elemen. Unit sampling terdiri dari elemen-elemen. Dalam sampling elemen, setiap unit sampling mempunyai satu elemen; Dalam sampling klaster, unit sampling (klaster) terdiri dari satu elemen atau lebih. Dalam sampling elemen, setiap unit sampling mempunyai satu elemen; Dalam sampling klaster, unit sampling (klaster) terdiri dari satu elemen atau lebih.

8 8 POPULASI DAN UNIT (3)  Unit observasi: unit sebagai dasar mengumpulkan informasi  responden mengumpulkan informasi  responden  Unit analisis: unit yang dijadikan dasar analisis, sesuai dengan tujuan survei  Unit listing: dimana seluruh unitnya harus didaftar sebagai dasar penarikan sample dilapangan biasanya diterapkan pada multistage sampling

9 9 NILAI POPULASI DAN STATISTIK  Nilai Populasi : o Nilai dari seluruh elemen (N) o Nilai karakteristik dari seluruh elemen dlm populasi  Nilai Rata-rata  Nilai Populasi dan Nilai sesungguhnya (True Value)  Nilai Populasi dipengaruhi Non Sampling Error  Nilai Sampel → Statistics→ merupakan estimasi yg nilainya diperoleh dr unit-unit dlm sampel  Statistik dipengaruhi oleh sampling error & non-sampling error

10 10 RUMUSAN Pc = possible sample Pc = possible sample Bias sampling = Unbiased Sampling =

11 11 RUMUSAN MSE = =

12 12

13 13

14 14  Desain Sampel Hal-hal yang harus diperhatikan: 1. Sebaran possible samples sekecil mungkin mungkin 2. Dapat dipilih satu atau lebih possible samples 3. Sampel dapat diulang (sebagian atau seluruhnya) 4. Penyebab bias : Teknik sampling (matematik), sampel tidak mewakili populasi, observasi.

15 15 PENENTUAN UKURAN (BESARNYA) SAMPEL Untuk keperluan estimasi karakteristik populasi Untuk keperluan estimasi karakteristik populasi Dibutuhkan kerangka sampel beserta informasi pendukungnya Dibutuhkan kerangka sampel beserta informasi pendukungnya Efisien dari sisi ketelitian dan biaya Efisien dari sisi ketelitian dan biaya

16 16 PENARIKAN SAMPEL Probability Probability ◊ Acak Sederhana ◊ Sistematik ◊ Berpeluang ◊ Berpeluang

17 17 Non Probability ◊ Haphazard or fortuitous samples Kebetulan / Coba-coba Kebetulan / Coba-coba ◊ Expert Choice → Purposive/ Judgement Sampling ◊ Quota Sampling ◊ Sampling of mobile population

18 18 Probability Samples 1. Equal Probability Unequal Probability - Satu tahap - Sejalan dg prosedur - Semua tahap - Alokasi tdk propsional - Semua tahap - Alokasi tdk propsional 2. Elemen SamplingCluster Sampling - Satu tahap - Satu tahap - Multistage - Multistage - Equal Clusters - Equal Clusters - Unequal - Unequal Clusters Clusters

19 19 Probability Samples 3. UnstratifiedStratified 4. RandomSistematik 5. One Phase Sampling - Two Phase/ Double Double Sampling Sampling

20 20  Teknik Sampling  Satu Tahap – One Stage  Dua Tahap dan Lebih – Two /Multi Stage ↓ Hal-hal yg perlu diperhatikan:  Unbiased atau Biased Samples  Unbiased atau Biased Samples  Precise Samples : Standar Error kecil  Precise Samples : Standar Error kecil  Acurate Samples : Total Error kecil  Acurate Samples : Total Error kecil  Economic Samples: Cost kecil, tingkat  Economic Samples: Cost kecil, tingkat ketelitian tertentu ketelitian tertentu  Tingkat (domain) penyajian  Tingkat (domain) penyajian

21 21

22 22  One Stage Versus Multistage  Keuntungan Multistage : Menurunkan biaya Menurunkan biaya Meningkatkan : Coverage, Supervisi control,Tindak lanjut dan identifikasi kualitas Meningkatkan : Coverage, Supervisi control,Tindak lanjut dan identifikasi kualitas Kemudahan administrasi Kemudahan administrasi Kemudahan penyediaan dan pemeliharaan frame Kemudahan penyediaan dan pemeliharaan frame Kemudahan penarikan sampel Kemudahan penarikan sampel

23 23  Pertimbangan Penggunaan Multistage Sampling Sampling error lebih besar (Harus ada keseimbangan: kenaikan sampling error dengan penurunan biaya) Sampling error lebih besar (Harus ada keseimbangan: kenaikan sampling error dengan penurunan biaya) Efisiensi menurun bila elemen dalam klaster besar Efisiensi menurun bila elemen dalam klaster besar Penurunan flexibilitas dalam desain sample dan targeting sample untuk suatu karakteristik Penurunan flexibilitas dalam desain sample dan targeting sample untuk suatu karakteristik Desain makin rumit,mungkin akan menaikkan kerumitan analisis  gunakan self-weighting Desain makin rumit,mungkin akan menaikkan kerumitan analisis  gunakan self-weighting

24 24  Aplikasi Teknik Sampling (1) Mendasarkan kepada obyek dan tujuan Mendasarkan kepada obyek dan tujuan Kerangka sampel tersedia Kerangka sampel tersedia Estimasi sesuai level (domain) penyajian ( Rata-rata, tota, Proporsi – Rasio) Estimasi sesuai level (domain) penyajian ( Rata-rata, tota, Proporsi – Rasio) Varian/ Standard error dan selang kepercayaan Varian/ Standard error dan selang kepercayaan

25 25  Aplikasi Teknik Sampling (2)  Aplikasi Teknik Sampling (2) Sampling satu tahap vs multi Sampling satu tahap vs multi tahap tahap Sampling Elemen versus Cluster Sampling Elemen versus Cluster Tertimbang vs tidak tertimbang Tertimbang vs tidak tertimbang

26 26  Aplikasi Teknik Sampling (3) Penentuan besarnya sampel : Penentuan besarnya sampel : 1. Ketersediaan kerangka sampel beserta informasi pendukungnya 2. Sampel untuk infrensia tentang populasi 3. Efisien dari sisi biaya dan tingkat keteltian

27 27 SAMPEL ACAK SEDERHANA (1)  Beberapa syarat yang harus dipenuhi: Tersedia suatu daftar kerangka sample yang cermat dan lengkap mencakup seluruh elemen populasi Tersedia suatu daftar kerangka sample yang cermat dan lengkap mencakup seluruh elemen populasi Untuk variable-variabel tertentu yg akan diamati, populasi data dapat dianggap cukup seragam Untuk variable-variabel tertentu yg akan diamati, populasi data dapat dianggap cukup seragam Dalam praktek penarikan sample yang menyangkut soal geografis sebaran populasi tidak terlalu terpencar-pencar dalam area yang luas Dalam praktek penarikan sample yang menyangkut soal geografis sebaran populasi tidak terlalu terpencar-pencar dalam area yang luas

28 28 SAMPEL ACAK SEDERHANA (2)  Prosedur Penarikan Sampel: Seleksi elemen tanpa pemulihan (without replacement-wor): Akan diperoleh gugus sample yg terbentuk : NCn Seleksi elemen tanpa pemulihan (without replacement-wor): Akan diperoleh gugus sample yg terbentuk : NCn Seleksi elemen dengan pemulihan (with replacement-wr) : akan diperoleh gugus sample yg terbentuk : Nn Seleksi elemen dengan pemulihan (with replacement-wr) : akan diperoleh gugus sample yg terbentuk : Nn

29 29 SAS (3) ESTIMASI RATA-RATA SAS (3) ESTIMASI RATA-RATA

30 30 SAS (4) ESTIMASI PROPORSI

31 31 STRATIFIKASI (1) ◊ Sub –populasi ◊ Setiap strata desain sample dapat berbeda ◊ Estimasi per strata dan total ◊ Varian per strata dan total

32 32 STRATIFIKASI (2) Tujuan/Keuntungan STRATIFIKASI STRATIFIKASI (2) Tujuan/Keuntungan STRATIFIKASI Meningkatkan presisi/ menurunkan Varian Meningkatkan presisi/ menurunkan Varian Setiap strata merupakan sub- populasi. Dapat dijadikan domain penelitian. Setiap strata merupakan sub- populasi. Dapat dijadikan domain penelitian. Memudahkan dalam pengelolaan administrasi Memudahkan dalam pengelolaan administrasi Memungkinkan penarikan sampel berbeda antar strata Memungkinkan penarikan sampel berbeda antar strata

33 33 STRATIFIKASI (3)  Penentuan Ukuran Sampel (n): Alokasi Sembarang Alokasi Sembarang Alokasi sama Alokasi sama

34 34 STRATIFIKASI (4) Alokasi Optimum Alokasi Optimum

35 35 STRATIFIKASI (5) Alokasi Sebanding Alokasi Sebanding

36 36 STRATIFIKASI (6) Alokasi Neyman Alokasi Neyman

37 37 STRATIFIKASI (7)  Biaya tetap  Biaya tetap

38 38 STRATIFIKASI (8)  Alokasi nh pada biaya per unit berbeda pada setiap strata

39 39 STRATIFIKASI (9) Ukuran Sampel akan lebih besar apabila : Ukuran Sampel akan lebih besar apabila : 1. Ukuran Strata lebih besar 2. Strata lebih bervariasi karkateristiknya (heterogen) 3. Strata dengan biaya per unit lebih murah

40 40 STRATIFIKASI (10)  Alokasi nh bila biaya per unit sama pada setiap strata pada setiap strata

41 41 STRATIFIKASI (11)  Pembentukan Strata Bagaimana penentuan batas strata Bagaimana penentuan batas strata Berapa strata perlu dibentuk Berapa strata perlu dibentuk Bagaimana hubungan antara variable untuk dasar stratifikasi dan variable survei Bagaimana hubungan antara variable untuk dasar stratifikasi dan variable survei  Varibel mana yang dijadikan dasar Stratifikasi  Varibel mana yang dijadikan dasar Stratifikasi

42 42 STRATIFIKASI (12) Pembentukan Strata  Metode Dalenius (1957) Dengan membentuk kumulatif dari frekuensi unit dari variable yg akan dijadikan dasar stratifikasi Dengan membentuk kumulatif dari frekuensi unit dari variable yg akan dijadikan dasar stratifikasi

43 43 Contoh Metode Frekuensi Kumulatif Variabel Survei Pinjaman (%) f(y)KumulatifVf(y)Pinjaman(%)f(y)KumulatifVf(y) 0 – 5 5 – – – – – – – – – ,9109,1155,5195,3229,1256,4279,0298,4314,7329,1 50 – – – – – – – – – – ,3350,6359,7366,8373,0378,0382,0386,4387,8389,5

44 44 Jumlah Kum Vf(y)=389,5 dan akan dibuat 5 strata, maka batas pembaginya = 77,9; 155,8 ; 233,7 ; dan 311,6, sehingga stratanya sbb: Strata Strata Interval pinjaman (%) IntervalKum. 0 – 5 58,9 5 – 15 96,6 15 – 25 73,6 25 – 45 85,6 45 – ,8

45 45 STRATIFIKASI (13)  Banyaknya Strata Disarankan banyaknya strata di antara strata Disarankan banyaknya strata di antara strata Pengaruh kenaikan banyaknya strata terhadap variance dikaji melalui model: Pengaruh kenaikan banyaknya strata terhadap variance dikaji melalui model: R 2 = hubungan variable yg digunakan sebagai dasar stratifikasi dan variable survey R 2 = hubungan variable yg digunakan sebagai dasar stratifikasi dan variable survey Contoh : R = 0.8 dan L = 6 dibandingkan dg L = 12 Contoh : R = 0.8 dan L = 6 dibandingkan dg L = 12 L = 6, penurunan varian = L = 6, penurunan varian = L = 12, penurunan varian =  penurunan varian hampir sama. L = 12, penurunan varian =  penurunan varian hampir sama.

46 46 STRATIFIKASI (14)  Homogenitas karakteristik dalam Strata Karakteristik variable survei sesuai dengan obyek dan tujuan survei Karakteristik variable survei sesuai dengan obyek dan tujuan survei Varian dalam strata harus lebih kecil Varian dalam strata harus lebih kecil dari varian populasi (varian dalam strata < varian antar strata) dari varian populasi (varian dalam strata < varian antar strata) Stratifikasi (pembentukan strata) ada gunanya  ” berbeda ” antar strata misal perkotaan dan pedesaan Stratifikasi (pembentukan strata) ada gunanya  ” berbeda ” antar strata misal perkotaan dan pedesaan Estimasi total dan variance disesuai- Estimasi total dan variance disesuai- kan metode sampling kan metode sampling

47 47 SAMPEL SISTEMATIK (1) Memudahkan penarikan sampel Memudahkan penarikan sampel Meningkatkan efisiensi : Sampel Meningkatkan efisiensi : Sampel menyebar. Kelemahan bila ada menyebar. Kelemahan bila ada varian periodik varian periodik

48 48 SAMPEL SISTEMATIK (2) SAMPEL SISTEMATIK (2) All possible samples

49 49 SAMPEL SISTEMATIK (3)  Penghitungan Variance didekati dengan: Acak sederhana Acak sederhana Paired selection model : n/2 Paired selection model : n/2 Bila n ganjil Bila n ganjil

50 50 SAMPEL SISTEMATIK (4)  Succesive difference model

51 51 SAMPEL BERPELUANG (PPS SAMPLING) Meningkatkan efisiensi: Meningkatkan efisiensi: Harus mempunyai informasi Harus mempunyai informasi tambahan (auxiliary information) tambahan (auxiliary information) Informasi tersebut harus Informasi tersebut harus mempunyai korelasi erat dengan mempunyai korelasi erat dengan variable survei variable survei

52 52 PPS dengan pemulihan (PPS-WR) Pada suatu penarikan sampel sebanyak n unit yang diambil dari sebuah populasi dengan ukuran N unit secara PPS-WR dengan size x i, maka besarnya peluang terpilihnya unit ke-i sebagai sampel adalah: Misalnya y i adalah nilai variabel yang berpadanan dengan terpilihnya unit ke-i maka estimator yang unbiased bagi total adalah:

53 53 PPS-WR dengan sampling variance:

54 54 Penduga Horvitz-Thompson PPS tanpa pemuliahan (PPS-WOR) Anggap bahwa y i adalah nilai unit ke-i dengan  i peluang masuk dalam sampel, maka: dengan varians sampling yang unbiased:

55 55 ESTIMASI RASIO (1) Tujuan Untuk meningkatkan efisiensi : Informasi harus tersedia pada setiap unit yang akan dijadikan dasar estimasi. Informasi harus tersedia pada setiap unit yang akan dijadikan dasar estimasi. Informasi tersebut harus mempunyai korelasi erat dengan data yang diteliti Informasi tersebut harus mempunyai korelasi erat dengan data yang diteliti menaikkan standard error penurunan sampling error kecil estimasi rasio lebih effisien

56 56 ESTIMASI RASIO (2) Estimasi

57 57 ESTIMASI RASIO (3) Rasio dgn karakteristik yg sama pada periode sebelumnya Rasio dgn karakteristik yg sama pada periode sebelumnya Rasio dari dua buah karakteristik yg berhub pada periode yg sama Rasio dari dua buah karakteristik yg berhub pada periode yg sama Rasio dari suatu subset dari karakteristik X yg diperkirakan perubahannya sebanding Rasio dari suatu subset dari karakteristik X yg diperkirakan perubahannya sebanding

58 58 SAMPLING KLASTER Alasan Sampling Klaster: Daftar elemen tidak tersedia serta alasan ekonomis Daftar elemen tidak tersedia serta alasan ekonomis Sampling klaster satu tahap Sampling klaster satu tahap Sampling klaster bertahap Sampling klaster bertahap

59 59 UN EQUAL CLUSTER - rerata sederhana dan tidak mempertimbangkan ukuran klaster diperlukan ukuran klaster populasi memperhitungkan karakteristik seluruh unit dalam sampel (1) (2) (3)

60 60 CLUSTER UKURAN SAMA B : ukuran cluster, sama setiap cluster Atau

61 61

62 62 EFEK PENGGUNAAN CLUSTER ◊ Intraclass Correlation Coefficient → roh Tingkat Homogenitas Elemen dalam Cluster Tingkat Homogenitas Elemen dalam Cluster ◊ Design Effect (Deff) Suatu desain sampling dibandingkan acak sederhana. Suatu desain sampling dibandingkan acak sederhana.

63 63 EFEK PENGGUNAAN CLUSTER ◊ Untuk Cluster

64 MATERI BERIKUTNYA AREA SAMPLING AREA SAMPLING 64


Download ppt "1 SURVEI CONTOH APLIKASI METODE SAMPLING (DESAIN SAMPEL)"

Presentasi serupa


Iklan oleh Google