DISTRIBUSI SAMPLING GAYA BELAJAR • Bila Anda telah selesai, jumlahkan ‘Y’ yang telah anda lingkari pada masing-masing kolom A, B dan C. • Misalnya : Anda mendapatkan A=10, B=3 C=6 • • • • • • Ini berarti : Gaya Belajar Anda : A=visual = 10 B=Auditorial = 3 C=Kinestesia = 6 Jadi, dominasi gaya belajar dominan Anda adalah Visual, dan berpadu dengan gaya Kinestesia. STATISTIKA INDUSTRI • 2 SKS • SAP IT-043226 • BUKU • KEHADIRAN?? OUTLINE • Perbedaan statistik deskriptif dan induktif (inferensial) • Populasi dan sampel • Jenis sampel • Metode pemilihan sampel • Standard error dan sampling error ANALISIS STATISTIK Pengolahan data bertujuan untuk: 1. Mengelompokkan dan meringkas data, sehingga memberikan informasi 2. Mendapatkan kesimpulan ANALISIS STATISTIK: a. Statistik deskriptif b. Statistik inferensia (1) (2) STATISTIK DESKRIPTIF • Pengelompokan data dengan distribusi frekuensi • Pengukuran gejala pusat: rata-rata (mean), median, modus • Pengukuran sebaran data: rentang, varians, standar deviasi STATISTIK DESKRIPTIF • Pengukuran posisi: median, kuartil, persentil • Bentuk distribusi data: grafik, skewness, kurtosis (kemiringan) STATISTIK INFERENSIA Menganalisis data sampel untuk mendapatkan informasi mengenai populasi dengan cara: • Pendugaan (estimation) • Uji hipotesis: – Parametrik – Non parametrik • Pemodelan (modeling), peramalan (predicting) METODE STATISTIK DESKRIPTIF INDUKTIF (INFERENSIAL) • Data disusun untuk memberikan gambaran umum • Menggunakan ukuran gejala pusat: mean, median, modus • Ukuran penyebaran: standar deviasi, varians • Ditampilkan dalam grafik • Data dianalisis untuk disimpulkan • Menentukan signifikasi, misalnya p < 0,05 • Menentukan apakah variabel bebas mempengaruhi variabel terikat • Menentukan apakah hipotesis uji diterima atau ditolak METODE STATISTIK DESKRIPTIF DAN INFERENSIA • IP: 3,30 3,26 3,16 3,17 2,98 3,02 • Uang saku: 1000k, 880k, 825k, 750k, 700k, 600k • Statistik deskriptif? • Statistik induktif? CONTOH Pertanyaan: • Apakah setengah dari seluruh bayi berjenis kelamin lakilaki? • Apakah rata-rata berat badan bayi di atas 3000 gram? STATISTIK DESKRIPTIF • n = 113 • Bayi laki-laki: 50 (44%) • Berat bayi (gram): – Rata-rata: 3217,7 + 0,499 – Median: 3000 – Rentang: 1800 – 4600 STATISTIK INFERENSIA • Analisis: uji t satu sampel • Pengujian: apakah µ = 3000 gram? • Hasil analisis: n = 113 Rata-rata 95% CI t p Berat 3217,70 3085,10 – 3350,30 3,25 0,002 • Rata-rata berat bayi 3217,70 gram dan berbeda secara signifikan dengan nilai pengujian 3000 gram. Kesimpulannya berat bayi dalam populasi lebih tinggi dari 3000 gram POPULASI DAN SAMPEL • Populasi: kumpulan unit penelitian yang akan diteliti • Sampel: bagian dari populasi • Unit: Setiap individu yang akan diambil datanya TUJUAN PEMILIHAN SAMPEL • Tujuan pemilihan sampel ialah untuk diambil datanya dan dianalisis agar dapat menjawab pertanyaan penelitian mengenai populasi PARAMETER DAN STATISTIK http://mips.stanford.edu/courses/stats_data_analsys/lesson_1/pop.gif KLASIFIKASI MENURUT CARA PENGAMBILAN SAMPEL • SAMPLING PROBABILITAS – Disebut juga sampling acak (random) – Setiap unit memiliki kesempatan yang sama untuk terpilih sebagai sampel – Kemungkinan setiap unit untuk terpilih sebagai sampel sudah diketahui – Contoh: mahasiswa yang dilibatkan penelitian dipilih melalui undian • SAMPLING NON PROBABILITAS – Disebut juga sampling sistematis – Unit dipilih berdasarkan aturan tertentu – Contoh: mahasiswa yang dilibatkan dalam penelitian dipilih yang tinggal dekat kampus METODE MEMILIH SAMPEL (SAMPLING) • Syarat sampel: mewakili sifat populasi (representatif), karena hasil pada sampel akan dikenakan pada populasi • Berdasarkan jumlah sampel yang diambil: sampling tunggal, sampling ganda, sampling multipel • Berdasarkan cara pengambilan sampel: SAMPLING ACAK SEDERHANA (SIMPLE RANDOM SAMPLING) • Setiap unit penelitian memiliki kesempatan yang sama untuk dipilih menjadi sampel • Cara pemilihan: – Undian – Tabel random CONTOH SIMPLE RANDOM SAMPLING SAMPLING ACAK SISTEMATIK (SYSTEMATIC RANDOM SAMPLING) • Unit sampel dipilih menurut aturan tertentu • Cara pemilihan tergantung jumlah populasi dan sampel SAMPLING ACAK BERLAPIS (STRATIFIED RANDOM SAMPLING) • Populasi dibagi dalam kelompok yang disebut strata • Dari setiap strata, dipilih secara acak unit yang akan diambil sebagai sampel, sesuai proporsi • Contoh: Berapakah biaya hidup mahasiswa UG? Mahasiswa dapat dikelompokkan berdasarkan penghasilan orang tua, selanjutnya dipilih secara acak kelompok yang akan dijadikan sampel sesuai proporsi SAMPLING ACAK KELOMPOK (CLUSTER RANDOM SAMPLING) • Populasi dibagi dalam kelompok • Secara acak atau sistematik, dipilih kelompok yang akan dijadikan sampel • Tahap ke-2, dapat dipilih unit penelitian dari kelompok terpilih • Contoh: Berapa daya beli masyarakat Depok? Populasi masyarakat Depok dibagi berdasarkan kecamatan, selanjutnya secara acak atau sistematik dipilih rumah/keluarga yang akan dijadikan unit penelitian STATISTIK • Beberapa sampel dapat ditarik dari populasi yang sama • Setiap sampel memiliki statistik http://sphweb.bumc.bu.edu/otlt/MPHModules/BS/BS704_BiostatisticsBasics/BS704_Biosta tisticsBasics_print.html • Statistik sampel dapat berdistribusi KEGIATAN KELAS • Mahasiswa dibagi menjadi 6 kelompok • Setiap kelompok membuat lintingan no 1 – 50 • Dari 50 lintingan, pilihlah sampel secara acak sejumlah 10 (n=10) • Hitunglah rata-rata nomor lintingan yang terpilih di setiap kelompok sampel • Tuliskan nomor lintingan yang terpilih dan rata-ratanya di papan tulis DISTRIBUSI SAMPLING Sebaran ukuran statistik (rata-rata) dari sejumlah sampel SIFAT DISTRIBUSI SAMPLING • Jika jumlah sampel (n) meningkat, maka rata-rata sampel (x) akan mendekati rata-rata populasi (µ) • Jika jumlah sampel (n) meningkat, maka kurva distribusi sampling akan mendekati kurva normal • Jika jumlah sampel (n) meningkat, maka variasi data akan turun CONTOH SOAL Any questions? Terima kasih
