LOGO Teknik Sampling By Daniel Damaris Novarianto S
LOGO Teknik Sampling By Daniel Damaris Novarianto S.
Proses Penarikan Sampel Memilih Populasi Memilih Unitunit Sampling Memilih Kerangka Sampling Memilih Desain Sampel Memilih Ukuran Rancangan Sampel Sampling LOGO
Istilah Elemen Kesalahan Penarikan Sampel Parameter dan Statistik Populasi Istilah Sampel Unit Sampling Kerangka Sampling LOGO
Istilah (lanj. ) Efisiensi Statistik dan Sampel Resampling Pembobotan Sampel Perencanaan Sampling Istilah Tidak Ada Jawaban Ukuran Sampel Review Proses Penarikan Sampel LOGO
Desain Sampel Desain Probabilitas Desain Nonprobabilitas LOGO
Desain Probabilitas Random Sampling Probability Proportional to Size Sampling Penarikan Sampel Random Kesesuaian Desain Probabilitas Teknik Penarikan Sampel Cluster Repetisi: Mutual atau Sequensial Convolution Sampling Latin Hypercube Sampling Orthogonal Sampling LOGO
Random Sampling Simple Random Sampling Systematic Random Sampling Random Multistage Sampling Stratified Random Sampling LOGO
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 LOGO
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 LOGO
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 LOGO
Teknik Penarikan Sampel Cluster Stratified Cluster Multistage Cluster LOGO
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. LOGO
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 LOGO
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: �� =�� �� (1) LOGO
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 LOGO
LOGO
Desain Non-Probabilitas Purposive Ad hoc quotas Opportunity Case Stud y Desain Non. Probabilitas Accidental Snowball Quota LOGO
Menentukan Ukuran Sampel Confidence or risk level Degree of variability Level of precision LOGO
Strategi Pengambilan Sampel Strategi Menggunakan teknik sensus untuk populasi kecil Meniru ukuran sampel dalam penelitian yang sama Menggunakan tabel pengambilan sampel Menggunakan rumus untuk menghitung ukuran sampel LOGO
Rumus Untuk Menghitung Ukuran Sampel v LOGO
Rumus Cochran untuk Menghitung Sampel Proporsi ◦ LOGO
Contoh Kasus ◦ LOGO
Koreksi Populasi Terbatas untuk Proporsi ◦ LOGO
Contoh Kasus v LOGO
LOGO
- Slides: 25