By Daniel Damaris Novarianto S. Teknik Sampling By Daniel Damaris Novarianto S.

Proses Penarikan Sampel Memilih Populasi Memilih Unit-unit Sampling Memilih Kerangka Sampling Memilih Desain Sampel Memilih Sampel Memilih Ukuran Sampel Memilih Rancangan Sampling

Istilah Elemen Populasi Unit Sampling Kerangka Sampling Sampel Parameter dan Statistik Kesalahan Penarikan Sampel

Istilah (lanj.) Efisiensi Statistik dan Sampel Perencanaan Sampling Ukuran Sampel Review Proses Penarikan Sampel Tidak Ada Jawaban Pembobotan Sampel Resampling

Desain Non-probabilitas Desain Sampel Desain Sampel Desain Probabilitas Desain Non-probabilitas

Desain Probabilitas Desain Probabilitas Random Sampling Probability Proportional to Size Sampling Penarikan Sampel Random Kesesuaian Teknik Penarikan Sampel Cluster Repetisi: Mutual atau Sequensial Convolution Sampling Latin Hypercube Sampling Orthogonal Sampling

Random Sampling Random Sampling Simple Random Sampling Systematic Random Sampling Random Multistage Sampling Stratified Random Sampling

Probability Proportional to Size Sampling Menggunakan tipe metode penarikan sampel kluster tahap berganda Dalam metode ini probabilitas dalam melakukan seleksi suatu elemen dalam kluster yang ada bervariasi secara invers dengan ukuran kluster

Penarikan Sampel Random Kesesuaian Dua sampel di mana termasuk dalam satu kelompok dipasangkan secara eksplisit oleh peneliti, misalnya pengukuran IQ Kedua sampel yang mempunyai kesamaan atribut atau variabel kemudian diukur dua kali untuk masing-masing subjek dalam lingkungan yang berbeda

Teknik Penarikan Sampel Cluster Populasi keseluruhan diabagi ke dalam beberapa atau disebut sebagai kluster atau satu sampel dalam kelompok-kelompok tersebut kemudian dipilih Semua elemen dalam suatu kluster harus beraneka ragam seideal mungkin tetapi harus ada kesamaan antara rata-rata kluster Tujuan pokok menggunakan metode ini ialah mengurangi biaya dengan cara meningkatkan efisiensi penarikan sampel Kelebihan: paling murah biayanya dan kerangka sampel hanya diperlukan untuk kluster-kluster yang dipilih

Teknik Penarikan Sampel Cluster Stratified Cluster Multistage Cluster

Repetisi: Mutual atau Sequensial Dua sampel atau lebih dari kluster di atas diambil dengan menggunakan hasil-hasil dari sampel yang lebih dahulu untuk merancang sampel-sampel berikutnya Kelebihan : memberikan estimasi karakteristik populasi yang memfasilitasi perancangan yang efisien untuk sampel-sampel berikutnya Kekurangan: penghitungan dan analisis akan dilakukan berulang-ulang.

Convolution Sampling Merupakan suatu teknik yang digunakan untuk menghasilkan observasi dari suatu distribusi dalam ilmu matematika Sejumlah distribusi dapat diekspresikan dalam hubungannya dengan jumlah dua atau lebih variabel random dari distribusi lainnya

Latin Hypercube Sampling Latin Hypercube Sampling adalah penggabungan antara stratified sampling dan sampel acak. Dimana ukuran sampel, n, dan fungsi distribusi probabilitas dibagi menjadi interval dengan probabilitas yang sama besar. Latin Hypercube Sampling diciptakan untuk memperkirakan ketidak pastian dalam masalah dimana variabel utama dinyatakan sebagai fungsi variable acak, dapat dituliskan sebagai berikut: 𝑦=𝑓 𝑥 (1)

Orthogonal Sampling Menambahkan persyaratan yang menyebutkan bahwa keseluruhan ruangan sampel harus dipilih secara genap Teknik ini lebih efisien tetapi menjadi lebih sulit untuk direalisasikan karena semua sampel random harus ditarik secara serentak

Desain Non-Probabilitas Purposive Opportunity Snowball Quota Accidental Case Study Ad hoc quotas

Menentukan Ukuran Sampel Level of precision Confidence or risk level Degree of variability

Strategi Pengambilan Sampel Menggunakan teknik sensus untuk populasi kecil Meniru ukuran sampel dalam penelitian yang sama Menggunakan tabel pengambilan sampel Menggunakan rumus untuk menghitung ukuran sampel

Rumus Untuk Menghitung Ukuran Sampel  

Rumus Cochran untuk Menghitung Sampel Proporsi  

Contoh Kasus  

Koreksi Populasi Terbatas untuk Proporsi  

Contoh Kasus  

Thank You !