Professional Documents
Culture Documents
Sampel adalah suatu bagian dari populasi tertentu yang menjadi perhatian.
Sampel probabilitas
Merupakan suatu sampel yang dipilih sedemikian rupa dari populasi sehingga masing-
masing anggota populasi memiliki probabilitas atau peluang yang sama untuk dijadikan
sampel.
Sampel nonprobabilitas
Merupakan suatu sampel yang dipilih sedemikian rupa dari populasi sehingga setiap
anggota tidak memiliki probabilitas atau peluang yang sama untuk dijadikan sampel.
1.Penarikan sampel acak sederhana (simple random 1.Penarikan sampel sistematis (systematic sampling)
sampling) 2. Penarikan sampel kuota (kuota sampling)
2. Penarikan sampel acak terstruktur (stratified random 3. Penarikan sampel purposive (purposive sampling)
sampling)
3. Penarikan sampel cluster (cluster sampling)
1. Penarikan Sampel Acak Sederhana
Adalah pengambilan sampel dari populasi secara acak tanpa memperhatikan strata
yang ada dalam populasi dan setiap anggota populasi memiliki kesempatan yang
sama untuk dijadikan sampel.
b. Menggunakan tabel acak; yaitu pemilih sampel dengan menggunakan suatu tabel.
Dalam penggunaannya ditentukan terlebih dahulu titik awal (starting point).
Penarikan sampel terstuktur pada beberapa kasus memiliki keunggulan karena dapat
merefleksikan secara lebih akurat parameter populasi daripada metode acak
sederhana. Hal demikian terjadi apabila apabila pada kasus suatu strata jumlahnya
sangat kecil, maka akan tidak terambil sampel pada metode acak sederhana. Dengan
metode terstruktur maka setiap strata mempunyai jumlah sampel minimal, sehingga
semua struktur dapat terwakili sehingga hasilnya lebih akurat.
4. Penarikan sampel dikatakan sistematis apabila setiap unsur atau anggota dalam
populasi disusun dengan cara tertentu-Secara alfabetis, dari besar kecil atau
sebaliknya-kemudian dipilih titik awal secara acak lalu setiap anggota ke K dari
populasi dipilih sebagai sampel.
Distribusi sampel
Distribusi sampel dari rata-rata hitung sampel adalah suatu distribusi probabilitas yang
terdiri dari seluruh kemungkinan rata-rata hitung sampel dari suatu ukuran sampel
tertentu yang dipilih dari populasi, dan probabilitas terjadinya dihubungkan dengan setiap
rata-rata hitung sampel.
Kombinasi :
N!
CNn =
n! (N - n)!
s=
1
N ∑
cn
(
x−x
2
)
Distribusi sampel rata-rata dan proporsi mempunya standar deviasi :
( ) ∑ (p - µ p )
2
1 2
sx = ∑ x−x sp =
c Nn CNn
Hubungan antara standar deviasi sampel x dan proporsi pada kondisi sampel terbatas :
σ N−n P( 1 − P ) N−n
sx = sp = ×
n N −1 n N −1
Hubungan antara standar deviasi sampel x dan proporsi pada kondisi sampel tidak
terbatas :
sx =
σ P( 1 − P )
sp =
n n
Distribusi sampel rata-rata dan proporsi merupakan distribusi normal, sehingga :
x−µ Z=
( p − P)
Z=
s sp
Distribusi sampel selisih rata-rata dan proporsi. Distribusi sampel selisih apabila terdapat
dua atau lebih populasi yang diambil sebagai sampel.
a. Distribusi sampel selisih rata-rata
i. Nilai rata-rata
x x1− x 2 = x1 − x 2 = µ1 − µ 2
ii. Nilai standar deviasi
s2x1 s2x 2
s x1− x 2 = s2x1 + s2x 2 = +
n1 n2
iii. Nilai Z
Z=
( )
x1 − x 2 − ( µ1 − µ 2 )
s x1− x 2
Faktor koreksi adalah usaha untuk memperbaiki hasil dugaan parameter dan diterapkan
jika ratio n/N lebih besar dari 0,05. Faktor koreksi terhadap standar deviasi dirumuskan
sebagai berikut :
σ N−n
sx =
n N −1
Dalil batas tengah menyatakan bahwa apabila populasi bersifat normal, maka distribusi
sampel rata-rata dan proporsi juga bersifat normal.
Teori pendugaan dibagi dua, yaitu: (a) Pendugaan titik yang menggunakan nilai tunggal
untuk menduga nilai populasi, (b) Pendugaan interval yaitu suatu interval dimana nilai
parameter populasi diharapkan berada.
Pendugaan yang baik mempunyai sifat: (a) tidak bias, nilai statistik sama dengan nilai
parameter; (b) efisien, mempunyai standar deviasi yang kecil; dan (c) konsisten yaitu
semakin banyaknya sampel semakin mendekati nilai populasi.
Faktor-faktor yang penting dalam menyusun interval keyakinan rata-rata hitung adalah:
(a) jumlah pengamatan dalam sampel (n); (b) besarnya standar deviasi; dan (c) tingkat
keyakinan (C), dimana α = 1 – C
n=
( Z α 2 ) p( 1 − p )
2
+1
ε2
c. Jumlah sampel untuk nilai proporsi denngan nilai P tidak diketahui :
n = ( 0,25 ) ( Z α 2 ε )
2
Hipotesa adalah suatu penyamaran mengenai nilai suatu parameter populasi yang
dimaksudkan untuk pengujian dan berguna untuk pengambilan keputusan.
Pengujian hipotesa adalah prosedur yang didasarkan pada bukti sampel yang dipakai
untuk menentukan apakah hipotesa merupakan suatu pernyataan yang wajar dan oleh
karenanya tidak ditolak, atau hipotesa tersebut tidak wajar dan oleh karena itu harus
ditolak.
Ciri-ciri dari distribusi t-student adalah: (a) merupakan distribusi kontinu; (b) berbentuk
genta; (c) distribusi t-student merupakan suatu keluarga, dimana setiap derajat bebas
dengan taraf nyata tertentu mempunyai distribusi tertentu pula, serta semakin besar
sampel maka akan mendekati kurva normal; dan, (d) bentuk kurva t-student lebih melebar
dan mendatar dibandingkan dengan kurva normal.
t=
(
x−µ )
s n
Dimana x merupakan rata-rata sampel, μ rata-rata populasi, s deviasi standar populasi
dan n adalah jumlah sampel.
Rumus untuk uji hipotesa selisih antara dua rata-rata hitung populasi adalah sebagai
berikut :
- Untuk gabungan standar deviasi
S2p = 1
( ) ( )
( n − 1) s12 + ( n2 − 1) s22
( n1 + n2 ) − 2
- dan uji t menjadi
x1 − x 2
t=
S2p 1 + 1
n1 n2
- dimana n1, adalah jumlah sampel pertama, s12 standar deviasi sampel pertama, n2
jumlah sampel kedua, s 22 standar deviasi sampel kedua, x 1 rata-rata sampel pertama,
dan x 2 rata-rata sampel kedua.
∑d 2
n
sd =
n −1
di mana d nilai rata-rata dari perbedaan sampel berpasangan, sd adalah standar deviasi
data berpasangan, d perbedaan setiap data berpasangan dan n adalah jumlah sampel.
Distribusi F digunakan untuk menguji dua atau lebih rata-rata secara simultan. Analisis
varians (ANOVA) digunakan untuk membedakan tiga nilai tengah atau lebih. Asumsi
ANOVA yang mendasar adalah (a) sampel diperoleh dari populasi yang normal; (b)
setiap populasi mempunyai standar deviasi yang sama; serta (c) semua populasi bersifat
bebas satu sama lainnya.
nc N
T2
SSE = ∑ c
nc
Di mana Tc adalah jumlah nilai X pada setiap kolom, X adalah nilai setiap pengamatan,
N jumlah total pengamatan dan nc adalah jumlah pengamatanpada setiap kolom atau
perlakuan.
Analisis Korelasi adalah suatu teknik statistika yang digunakan untuk mengukur keeratan
hubungan atau korelasi antara dua variabel .
c. Koefisien determinasi r2 adalah bagian dari keragaman total variabel tak bebas Y yang
dapat diterangkan atau diperhitungkan oleh keragaman variabel bebas X.
d. Uji terhadap r yaitu apakah korelasi di dalam populasi sama dengan nol. Rumus
distribusi t untuk uji r adalah sebagai berikut :
r
r n−2 t=
t= atau 1− r 2
1− r 2
n−2
a=
( ∑ Y ) − b( ∑ X )
n n
Standar error atau kesalahan baku pendugaan adalah suatu ukuran terhadap pancaran atau
persebaran nilai-nilai pengamatan (Y) terhadap garis regresinya (Ŷ). Rumus kesalahan
baku pendugaan adalah :
S x. y =
∑Y 2
− a∑ Y − b∑ XY
n−2
Sb = S x.y ∑ X − ( ∑ X) n
2 2
Rumus kesalahan baku untuk koefisien regresi a :
Sa = (∑ X 2
)
⋅ S x.y n∑ X − ( ∑ X )
2
Pendugaan interval nilai tengah Y dimaksudkan untuk mengetahui nilai dugaan bagi Y
untuk seluruh nilai X yang diketahui. Rumus interval untuk nilai tengah Y adalah sebagai
berikut :
Ŷ ± t ( S yx )
1
+
X−X ( ) 2
n ∑ X 2 − ( ∑ X) 2 n
Untuk mencari koefisien regresi yaitu a, b1, dan b2 digunakan rumus sebagai berikut :
ΣY = na + b1ΣX1 + Σb2ΣX2
ΣY1Y = aΣX1 + b1ΣX12 + b2ΣX1ΣX2
ΣX2Y = aΣX2 + b1ΣX1 ΣX2 + b2ΣX22
Sedangkan untuk menemukan koefisien regresi lebih dari 2 variabel bebas akan sangat
rumit, oleh sebab itu menggunakan program komputer akan sangat mempermudah.
Koefisien determinasi menunjukkan suatu proporsi dari varian yang dapat diterangkan
oleh persamaan terhadap varian total. Besarnya koefisien determinasi dirumuskan sebagai
berikut :
n( a ⋅ ∑ Y + b1 ⋅ ∑ YX1 + b2 ⋅ ∑ YX2 ) − ( ∑ Y )
2
R =
2
n ⋅ ∑ Y2 − ( ∑ Y )
2
Koefisien korelasi parsial dalam regresi berganda digunakan untuk melihat besarnya
hubungan antara dua variabel yang bebas dari variabel yang lainnya. Besarnya koefisien
korelasi parsial dirumuskan sebagai berikut :
rYX1 − rYX 2rX1X 2
rYX1. X 2 =
(
1 − rYX
2
)(
2 1 − rX1X 2
2
)
rYX 2 − rYX1rX1X 2
rYX 2. X1 =
(1 − r )(1 − r )
2
YX1
2
X1X 2
a. Bentuk Double Log, Y = αXb. Fungsi double log dapat dibuat liniear menjadi Y = a +
bX, di mana Y = Ln Y dan X = Ln X. Model double log biasanya sesuai untuk kondisi
di mana perubahan X menghasilkan perubahan terhadap Y yang tidak konstan baik
meningkat atau menurun.
b. Bentuk Semi Log = Y = a + b Log X atau Log Y = a + b X, model ini cocok untuk
kondisi di mana perubahan X mengakibatkan perubahan terhadap Y dengan
persentase yang konstan.
d. Bentuk Kuadratik Y = a + b X2. Fungsi kuadratik biasanya berbentuk siklus atau ada
titik minimum dan titik maksimum
Memilih bentuk fungsi yang cocok harus didasarkan pada kesesuaian dengan fenomena
ekonomi, bentuk yang lebih sederhana dan mempunyai koefisien determinasi yang tinggi.
Variabel kualitatif adalah variabel yang dimaksudkan untuk menggambarkan kualitas dan
bukan kuantitas. Variabel kualitatif yang mempunyai skala 0 dan 1 disebut variabel
dummy. Variabel dummy boleh mempunyai skala lebih dari dua dengan ketentuan jumlah
variabel dummy = jumlah skala -1.
Variabel lag yaitu variabel yang terjadi karena ada kesenjangan waktu antara respons
variabel bebas dengan variabel tidak bebasnya. Variabel lag dapat terjadi karena masalah
teknologi, kelembagaan dan psikologis. Supaya dapat diregresikan dengan baik, maka
diusahakan variabel lag-nya tidak terlalu jauh, sehingga tidak kehilangan data
pengamatan dan multikolinieritas tidak terjadi.
Statistika Nonparametrik adalah statistik yang tidak memerlukan pembuatan asumsi
tentang bentuk distribusi atau bebas distribusi, sehingga statistik nonparametrik tidak
memerlukan asumsi terhadap populasi yang akan diuji.
Statistika nonparametrik digunakan apabila: (a) ukuran sampel sedemikian kecil sehingga
distribusi sampel atau populasi tidak mendekati normal; (b) apabila hasil pengukuran
menggunakan data ordinal atau data berperingkat; dan, (c) apabila hasil pengukuran
menggunakan data nominal.
Uji chi-kuadrat digunakan untuk menguji keselarasan (goodness of fit) apakah frekuensi
yang diharapkan sesuai dengan frekuensi yang teramati. Beberapa langkah yang
diperlukan dalam pengujian keselarasan adalah: (a) menentukan hipotesa, Ho menyatakan
adanya kecocokan antara frekuensi harapan dan frekuensi teramati, H1 menyatakan tidak
adanya kecocokan antara frekuensi harapan dan frekuensi teramati; (b) menentukan nilai
chi-kuadrat kritis dengan mengetahui derajat bebasnya dan tarat nyata; (c) menghitung
nilai chi-kuadrat dengan rumus, X2 = Σ(fo - fe)2/fe; (d) menentukan daerah keputusan
untuk menerima Ho atau menolak Ho; dan, (e) memutuskan menerima Ho atau menolak
Ho, apabila nilai X2 hitung > dari X2 tabel, maka Ho diterima dan begitupula sebaliknya.
Uji chi-kuadrat juga dapat digunakan untuk menguji apakah suatu distribusi mengikuti
kurva normal atau tidak. Beberapa langkah yang diperlukan dalam pengujian normalitas
yaitu: (a) menentukan distribusi frekuensi, nilai tengah rata-rata dan standar deviasi untuk
data berkelompok; (b) menentukan nilai Z untuk batas bawah dan atas kelas, dimana Z =
(X - µ)/σ; (c) menentukan luas atau probabilitas untuk nilai Z batas bawah dan atas kelas;
(d) menghitung nilai frekuensi harapan dengan mengalikan probabilitas harapan setiap
kelas dengan jumlah sampel; dan, (e) melakukan pengujian keselarasan sebagaimana
dikemukakan pada kesimpulan ketiga.
Uji chi-kuadrat dapat digunakan untuk uji independensi yaitu menguji apakah suatu
variabel berhubungan dengan variabel yang lainnya. Untuk keperluan ini disusun tabel
kontingensi yaitu satu variabel dengan kategori sejumlah c, dan variabel lain dengan
kategori sejumlah r. Beberapa langkah yang diperlukan dalam uji independensi adalah:
(a) menentukan hipotesa yaitu Ho menyatakan tidak adanya hubungan dan H1 menyatakan
adanya hubungan; (b) menentukan taraf nyata dengan derajat bebas = (c - 1)(r - 1) dan
taraf nyata α; (c) menentukan frekuensi harapan, dimana fe = (jumlah baris x jumlah
kolom)/jumlah total; (d) mencari nilai chi-kuadrat dengan rumus X2 = Σ(fo - fe)2/fe; dan,
(e) menentukan daerah keputusan untuk menerima Ho atau menolak Ho, dan (f)
memutuskan untuk menerima Ho atau menolak Ho.
Ciri-ciri distribusi chi-kuadrat: (a) nilai chi-kuadrat selalu positif; (b) distribusi chi-
kuadrat tidak tunggal sebagaimana distribusi F dan t, tetapi keluarga distribusi chi-
kuadrat dengan derajat bebas yang berbeda; dan, (e) distribusi chi-kuadrat condong ke
kiri dan semakin banyak derajat bebasnya semakin mendekati kurva normal.