MAKALAH

SAMPEL PROBABILITAS DAN SAMPEL NON PROBABILITAS

DISUSUN

UNTUK MEMENUHI TUGAS METODE PENELITIAN

KELOMPOK  :

1.      ABDUR ROFIQ    ( 24010211130030 )

JURUSAN STATISTIKA

FAKULTAS SAINS DAN MATEMATIKA

UNIVERSITAS DIPONEGORO

SEMARANG

2013

KATA PENGANTAR

Puji syukur penulis penjatkan kehadirat Alloh SWT, yang atas rahmat-Nya maka penulis dapat menyelesaikan penyusunan makalah yang berjudul “Sampel Probabilitas dan Non Probabilitas”.

Penulisan makalah adalah merupakan salah satu tugas dan persyaratan untuk menyelesaikan tugas mata kuliah metode penelitian

Dalam Penulisan makalah ini penulis merasa masih banyak kekurangan-kekurangan baik pada teknis penulisan maupun materi, mengingat akan kemampuan yang dimiliki penulis. Untuk itu kritik dan saran dari semua pihak sangat penulis harapkan demi penyempurnaan pembuatan makalah ini.

Dalam penulisan makalah ini penulis menyampaikan ucapan terima kasih yang tak terhingga kepada pihak-pihak yang membantu dalam menyelesaikan penelitian ini, khususnya kepada :

1.      Abdul Hoyyi M.Si. selaku dosen mata kuliah metode penelitian

2.      Rita R .M.Si. selaku dosen Metode Survey Sampel

3.      Rekan-rekan statistika universitas diponegoro

4.      Secara khusus penulis menyampaikan terima kasih kepada keluarga tercinta yang telah memberikan dorongan dan bantuan serta pengertian yang besar kepada penulis, baik selama mengikuti perkuliahan maupun dalam menyelesaikan makalah ini

5.      Semua pihak yang tidak dapat disebutkan satu persatu, yang telah memberikan bantuan dalam penulisan makalah ini.

Akhirnya penulis berharap semoga Allah memberikan imbalan yang setimpal pada mereka yang telah memberikan bantuan, dan dapat menjadikan semua bantuan ini sebagai ibadah.

Semoga materi ini dapat bermanfaat dan menjadi sumbangan pemikiran bagi pihak yang membutuhkan, khususnya bagi penulis sehingga tujuan yang diharapkan dapat tercapai, Amiin.

Semarang ,30 Maret 2013

1. 
   

DAFTAR ISI

HALAMAN JUDUL i

KATA PENGANTAR iii

DAFTAR ISI iii

BAB I PENDAHULUAN

1.1.Latar Belakang Masalah

BAB II SAMPEL PROBABILITAS DAN NON PROBABILITAS

      2.1. Sampel Probabilitas

                                    2.1.A. Simple Random Sampling

                                    2.1.B. Proportionate Stratified Random Sample

                              2.1.C. Disproportionate Stratified Random Sampling

                              2.1.D.Cluster Sampling

                  2. 2. Sample Non Probabilitas

                  2.2.A.Sampling Sistematis

                        2.2.B.Sampling Kuota

2.2.C.Sampling Insidental

2.2.D.Sampling Purposive

2.2.E.Sampling Jenuh

2.2.F.Snowball Sampling

BAB III PENUTUP

      3.1.Kesimpulan

      3.2.Saran

DAFTAR PUSTAKA

BAB II

SAMPEL PROBABILITAS DAN NON PROBABILITAS

1.Sampel Probabilitas

Sampel probabilitas adalah teknik pengambilan sampel yang memberikan peluang yang sama bagi setiap unsur ( anggota ) populasi untuk dipilih menjadi anggota sampel. Teknik sampel probabilitas terdiri dari :

A.    Simple Random Sampling

Dikatakan simple (sederhana ) karena pengambilan anggota sampel dari populasi dilakukan secara acak tanpa memperhatikan strata yang ada dalam populasi itu. Cara demikian dilakukan bila anggota populasi dianggap homogen. Pada penarikan sampel acak sederhana ,sampel diambil sedemikian sehingga setiap anggota populasi mempunyai kesempatan yang sama untuk dipilih menjadi sampel.

Misal : N(populasi)=1000

            N (sampel)= 100

            Besarnya kesempatan =n/N=100/1000=0.1

Artinya setiap anggota populasi memiliki kemungkinan untuk dipilih sebagai sampel sebesar 0.1. Beberapa teknik sampling acak sederhana yaitu dengan cara undian, mengundi dengan bilangan random , serta berusaha sedapat mungkin dengan peluang yang sama bagi setiap anggota populasi untuk diikutsertakan dalam sampel tetap dipertahankan.

B.     Proportionate Stratified Random Sample

Teknik ini digunakan bila populasi mempunyai anggota /unsure yang tidak homogen dan berstrata secara proporsional.

Misal : jumlah anggota populasi 2050 yang terdiri atas :

            Strata 1 : 1500             perbandingan             30

            Strata 2 :   500                                                 10

            Strata 3 :     50                                                   1

                        2050                                        41

Apabila ukuran sampel adalah sebanyak 82,maka jumlah sampel pada masing-masing strata dapat diambil secara proporsional sebagai berikut :

            Strata 1 : 30/41 x 82 =60

            Strata 2 : 10/41 x 82 = 20

            Strata 3 : 1/41 x 82 =2

                                                82

C.    Disproportionate Stratified Random Sampling

Teknik ini digunakan untuk menentukan jumlah sampel ,bila populasi berstrata tetapi kurang proporsional.

Missal : Pegawai dari unit kerja tertentu mempunyai :

            Lulusan S3      :     3                orang

            Lulusan S2      :     4                orang

            Lulusan S1      :   90                orang

            SMU               : 800                orang

SMP                : 700                orang

Maka tiga orang lulusan S3 dan empat orang lulusan S2 itu diambil semuanya sebagai sampel. Karena kedua kelompok tersebut terlalu kecil bila dibandingkan dengan kelompok S1,SMU, dan SMP.

D.    Cluster Sampling

Teknik sampling daerah digunakan untuk menentukan sampel bila obyek yang akan diteliti atau sumber data yang yang akan diteliti sangat luas, misalnya penduduk dari suatu Negara, Provinsi, atau Kabupaten. Untuk menentukan penduduk mana yang akan dijadikan sumber data, maka pengambilan sampelnya berdasarkan daerah populasi yang telah ditetapkan.

Missal : Di Indonesia terdapat 30 Propnsi ,dan sampelnya akan menggunakan 15 propinsi, ,aka pengambilan 15 provinsi itu dilakukan secara random. Karena provinsi –provinsi di Indonesia itu berstarata ( tidak sama) maka pengambilan sampelnya perlu menggunakan stratified random sampling . propinsi di Indonesia ada penduduknya yang padat, ada yang kaya bahan tambang dan ada yang mempunyai banyak hutan(hutannya luas). Karakteristik semacam ini perlu diperhatikan sehingga pengambilan sampel menrut strata populasi itu dapat ditetapkan. Teknik sampling daerah ini sering dilakukan melalui dua tahap yaitu tahap pertama menentukan sampel daerah, dan tahap kedua menentukan orang –orang yang ada pada daerah itu secara sampling juga.

2. Sample Non Probabilitas

Sample non probabilitas adalah teknik pengambilan sampel yang tidak memberikan peluang / kesempatan sama bagi setiap unsure atau anggota populasi untuk dipilih menjadi sampel . Hal ini disebabkan oleh bebrapa factor yaitu : tidak memungkinkannya diperoleh daftar yang lengkap dari populasi , adanya kondisi yang tidak memungkinkan peneliti memilih anggota populasi dengan cara memberikan kesempatan yang sama. Teknik sampel non probabilitas terdiri dari :

A.    Sampling Sistematis

Sampling sistematis adalah teknik pengambilan sampel berdasarkan urutan dari anggota populasi yang telah diberi nomor urut. Dimana anggota pertama saja dari sampel yang diambil secara random, sedangkan anggota –anggota  selanjutnya dipilih secar sistematis menurut pola tertentu. Penarikan sampel sistematis dilakukan melalui tiga tahap yaitu :

a.       Mengecek keadaan daftar populasi ,harus dalam keadaan acak.

b.      Menetapkan jarak interval yang akan digunakan atau menetapkan angka kelipatan (k).

K=N/n

Untuk N=1000 dan n= 100 ,maka angka kelipatan(k) = 1000/100=10.

c.       Tentukan secara acak nomor mulai pengambilan sampel. Missal nomor yang keluar adalah 5 maka sampel berikutnya adalah kelipatn 10 yaitu 15, 25,35,45,…dst sampai anggota sampel yang terakhir.

B.     Sampling Kuota

Sampling kuota adalah teknik untuk menentukan sampel dari populasi yang mempunyai cirri-ciri tertentu sampai jumlah ( kuota) yang diinginkan. Sebagai contoh, akan melakukan penelitian tentang pendapat masyarakat terhadap pelayanan masyarakat dalam urusan ijin mendirikan bangunan. Jumlah sampel yang ditentukan 500 orang . Kalau pengumpulan  data belum didasarkan pada 500 tersebut, maka penelitian dipandang belum selesai, karena belum memenuhi kuota yang ditentukan. Bila pengumpulan data dilakukan secara kelompok yang terdiri atas 5 orang pengumpul data , maka setiap anggota kelompok harus dapat menghubungi 100 orang anggota sampel, atau 5 orang tersebut harus dapat mencari data 500 anggota sampel.

C.    Sampling Insidental

Sampling insidental adalah teknik penentuan sampel berdasarkan kebetulan yaitu siapa saja yang  secara kebetulan / incidental bertemu dengan peneliti maka dapat digunakan sebagai sampel ,atau memilih responden yang pertama kali berhasil dijumpai, bila dipandang orang yang kebetulan ditemui cocok sebagai sumber data. Keuntungan penarikan sampel secara kebetulan ini adalah hemat waktu dan biaya.

D.    Sampling Purposive

Sampling purposive adalah teknik penentuan sampel dengan pertimbangan pertimbangan tertentu. Misalnya akan melakukan penelitian tentang kualitas makanan, maka sumber datanya adalah orang yang ahli makanan, atau penelitian tentang kondisi politik suatu daerah, maka sumber datanya adalah orang yang ahli  di bidang politik .

Misalnya : Penelitian tentang perilaku konsumen produk rokok Dji Sam Soe , maka orang yang dipilih dan yang akan diwawancarai ( calon responden ) adalah perokok Dji Sam Soe.

Sampel ini lebih cocok digunakan untuk penelitian kualitatif , atau penelitian-penelitian yang tidak melakukan generalisai .

E.     Sampling Jenuh

Sampling jenuh adalah teknik penentuan sampel bila semua anggota populasi digunakan sebagai sampel. Hal ini sering dilakukan bila jumlah populasi relative kecil, kurang dari 30 orang, atau penelitian yang ingin membuat generalisai dengan kesalahan yang sangat kecil. Istilah lain sampel jenuh adalah sensus, dimana semua anggota populasi dijadikan sampel.

F.      Snowball Sampling

Snowball sampling adalah teknik penentuan sampel yang mula-mula jumlahnya kecil, kemudian membesar. Ibarat bola salju yang menggelinding yang lama-lama menjadi besar. Dalam penentuan sampel , pertama-tama dipilih satu/dua orang, tetapi karena dengan dua orang ini belum merasa lengkap terhadap data yang diberikan, maka peneliti mencari orang lain yang dipandang lebih tahu dan dapat melengkapi data yang diberikan oleh dua orang sebelumnya. Begitu seterusnya, sehingga jumlah sampel semakin banyak . Teknik penarikan sampel bola salju banyak digunakan para peneliti kualitatif dan juga peneliti  kuantitatif, dimana informasi tentang populasi sangat terbatas.

Missal : penelitian pola penyebaran penyakit HIV /AIDS ,penelitian efektifitas  saluran distribusi dalam pemasaran produk rokok Dji Sam Soe, penelitian mengenai siapa provokator kerusuhan.

DAFTAR PUSTAKA

Awin (2012),Sampel Probabilitas dan Non Probabilitas. From http://meweks.blogspot.com/2012/04/sampel-probabilitas-dan-non.html , 30 Maret 2013.

Kau begitu sempurna
Di mataku kau begitu indah
Kau membuat diriku akan slalu memujAmu

Di setiap langkahku
Ku kan slalu memikirkan dirimu
Tak bisa kubayangkan hidupku tanpa cintamu


Janganlah kau tinggalkan diriku
Takkan mampu menghadapi semua
Hanya bersamamu ku akan bisa

Reff:
Kau adalah darahku
Kau adalah jantungku
Kau adalah hidupku
Lengkapi diriku
Oh sayangku, kau begitu
Sempurna.. Sempurna..

Kau genggam tanganku
Saat diriku lemah dan terjatuh
Kau bisikkan kata dan hapus semua sesalku

Materi Metode Statistika 2

abstrak

today may not be so beautiful, but she would always give me the colors in this day .........

Komputasi

Selasa, 13 Desember 2011

Komputasi

Komputasi

1. Pengertian Dasar

2. Pemrograman (programming)

3. Metode & Teknik

4. Struktur Data

1. Pengertian Dasar

• Komputerisasi

–  masukan data, proses, dan simpan informasi dalam komputer atau keluarkan

– masuk ke dalam lingkungan masyarakat yang dikelilingi sistem-sistem berbasis komputer

(ubiquitous)

–  to carry out, control, or conduct by means of a computer.

– Contoh ubiquitous systems: hand phone, personal digital assistance (PDA) / personal entertainment organizer (PEO).

• Komputerisasi, connections:

– broad band & connectivity - sistem berbasis computer dapat disambung ke internet

– miniaturization - sistem berbasis komputer akan makin kecil

– personalization - perusahaan pembuat akan menciptakan berbagai  jenis pilihan, warna, dll. Sesuai selera komsumen

– mobility - sistem bersambung ke layanan mobile

– portability - sistem bisa dibawa kemanapun

– multimedia - palm pilots dirancang untuk dapat akses pada media beragam: graphics, text, voice

2. Pemrograman

• Program ~ å instruksi untuk komputer

• Pemrograman ~ aktifitas runut pembuatan program:

– Pendefinisian masalah

– [Deskripsi metoda formal]

– Penyusunan algoritma [/flowchart]

– Penulisan instruksi (coding) menggunakan sebuah bahasa formal

– Uji coba & perbaikan kesalahan (debugging)

– Run program

– Dokumentasi

• Algoritma (algorithm) ~ pseudocode

– (rules) untuk menyelesaikan suatu masalah

– Langkah-langkah logis dideskripsi tekstual dengan pola baku untuk menyelesaikan suatu masalah.

• Program

– Hasil koversi algoritma ke kode [bahasa program].

– Spesifikasi rinci sebuah komputasi.

• Bahasa Program

– Sebuah notasi untuk mendeskripsi sebuah program.

• Diagram alir (flowchart)

– program flowchart: hasil konversi sebuah algoritma dengan  menggunakan symbol baku [ANSI/IBM]

– system flowchart

• Struktur baku flowchart

– Runtut (sequential / linear)

– Alternatif/pilihan/seleksi (alternative/selection)

– Berulang (loop/repetition)

• Generasi Bahasa Program

– [www.cs.qub.ac.uk/~J.Campbell/myweb]

– G-0 [ …. 1954]: mesin, asembli

– G-1 [54 - 58]: FORTRAN, ALGOL

– G-2 [59 - 61]: COBOL, APL, LISP

– G-3 [62 - 70]: BASIC, PL/I, Pascal, SIMULA

– G-4 [70 - 80]: Smalltalk, C, Prolog

– G-5 [80 - 2000 ?]: Modula, Ada, C++, Miranda, Dephi, Perl, Agent-Tcl, Java, Web-oriented.

– G-6 [2001 …… ] ??

• Klasifikasi paradigma

• Imperative / algorithmic Paradigm

–

program dipandang sebagai rentetan instruksi (imperative

 [Latin] = imperare to command); komputer diperintah untuk

mengerjakan sederet step, tiap step ada perubahan dalam isi

dan status tiap elemen memori.

– Secara implisit atau eksplisit program yang dibuat berbasis

pada konsep arsitektur komputer von Neumann.

– Struktur program merupakan kombinasi dari pola-pola:

· Sequence.

· Selection.

· Repetition.

· Procedural Abstraction

· Procedural Abstraction with parameter(s).

• Declarative Paradigm

– Program merupakan kumpulan declarations of functions, and/or facts

• PROLOG. Predicate logic.

• Functional. Functions and application of these functions.

– Declarative ~ mean that we achieve a program simply by declaring the specification of length.

– Functional ~ mean a pure mathematical function, [one which takes an argument and returns a result - no side-effects such as change

of state (memory contents)].

• Object-oriented Paradigm

– Dalam bahasa yang murni OO, objects adalah separate entities yang merepresentasikan state and the means to compute.

– Filosofi

• OOA + OOD = OOAD

• OOL : C++, Java, Modula-2, Newton Script, ADA

• OOP

• OODB --> OODBMS

– C++ dapat dipandang sebagai sebuah bahasa hibrid, imperative / object-oriented language

3. Metode & Teknik

• Metode Terstruktur

– metodologi berdasar pada structure & discipline bagaimana membuat sebuah program: bentuk / pola, proses desain, pengkodean, dan uji coba.

– Objektif

• readability

• efficiency

• reliability

• discipline (systematic & integrity)

• reduce cost

– GOTO-less programming

• Metode Modular

– Organizing a program into small, independent units [modules].

– Goals

• Cacah program menjadi bagian-bagian kecil.

• Cacah masalah menjadi lebih kecil & sederhana.

• Verifikasi kebenaran penggunaan tiap modul program independently sebagai bagian dari sistem lebih besar.

– Properties

• tiap modul: simple, closed, discrete & visible, separately testable

• tiap modul hanya memiliki single entry & exit point.

• Metode Stepwise Refinement

– Proses dikerjakan dengan runtutan langkah pasti

– Tiap langkah jelas kaitan tasks & struktur data

– Rincian tiap langkah.

• Metoda Top-down / Bottom-up

– Designing, coding, and testing sebuah program dengan tahapan progresif.

– Dihasilkan runtut tahapan yang structured & modular

– Makin bawah modul = subfunctions yang mendefinisikan tasks  makin detil.

• Teknik Diagram

– Kategori

• overview system analysis

• program architecture

• program detail

• data structures

– Tipe

• DFD, functional decomposition, structure charts

• HIPO, Warnier-Orr, Michael Jackson

• flowchart, pseudocode, Nassi-Schneidermann

• action diagram, decision tree, decision table

• data structure, ERD, HOS charts, IDEF

• Diagramming tools

– AutoSketch; CorelDraw

– Designer; EasyFlow

– FlowModel; Illustrator

– PHOTO-PAINT; Photoshop

– PowerPoint; netViz

– QA-Flow; Schematic;

– SiteMapper; SmartDraw

– TeamFlow; Visio Technical

– Visual Thought; WBFlow

4. Struktur Data

• Data structure

– Cara penyimpanan data dalam komputer sehingga dapat digunakan secara efisien.

– Pemilihan struktur data sangat penting dalam desain program [pemrograman].

• Abstract data type (ADT)

– Struktur data dan operasi-operasi yang dapat dilakukan pada data tersebut.

– Sebuah class dalam OOD = ADT, classes memiliki sifat-sifat tambahan (inheritance and polymorphism) not normally associated with ADTs.

• Data Model

– Hasil proses desain basisdata yang dapat dipakai untuk mengidentifkasi dan mengorganisasi data yang dibutuhkan logically & physically.

– Data model akan menunjukkan semuainformasi yang harus terkandung dalam basisdata, bagaimana cara penggunaannya, dan bagaimana setiap item database akan terkait satu sama lainnya.

• Data warehouse

– Kumpulan terpadu data perusahaan, dapat diakses oleh business managers, administrators, service providers & researchers yang berhak untuk: dianalisis, menghasilkan ad hoc queries & reports, dan cara pemeliharaan data subsets.

• Jenis [http://en.wikipedia.org/wiki/Data_structure]

– Linear data structures:

• list - array [bitmaps: images, heightfields/Digital Elevation Model]

• linked list - skip list

• Hash table

• Stack [LIFO]

• Queue [FIFO]

• Deque

– Graph data structures

• Scene graph

• Tree: AVL, binary search, B, Parse, Red-black, Splay, Heap, String

trie, Suffix trie