Google+

Populasi Dan Sampel

Leave a comment

March 20, 2013 by ilhamzen09

Apabila seorang peneliti ingin mengetahui jumlah konsumsi beras harian penduduk di dunia, maka dia harus melakukan penelitian tentang jumlah konsumsi beras harian seluruh penduduk di dunia, dan itu sangat sulit dilakukan karena akan menyita waktu, tenaga, dan biaya yang sangat besar. Sebagai solusi, ilmu Statistika digunakan untuk menghitung besaran tersebut, maka yang menjadi objek kajian bukan lagi kesuluruhan penduduk dunia, tapi hanya sebagian penduduk yang dianggap representative atau dapat mewakili karakteristik “pola konsumsi” keseluruhan penduduk dunia. Dalam kasus ini, keseluruhan penduduk dunia diistilahkan dengan populasi, sedang sebagian penduduk dunia diistilahkan dengan sampel.

Definisi Populasi dan Sampel

Kata populasi (population/universe) dalam ilmu statistika berarti sekumpulan individu dengan karakteristik khas yang menjadi objek penelitian. Populasi tidak terbatas pada sekelompok orang saja, namun juga seluruh kumpulan objek penelitian dapat dikategorikan sebagai populasi, seperti sekumpulan tanaman, hewan, toko, lahan, dan sebagainya. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi. Hasil observasi terhadap keseluruhan individu anggota populasi disebut Parameter. Dengan demikian, parameter adalah suatu nilai yang menggambarkan ciri/karakteristik seluruh anggota populasi.

Sampel adalah bagian dari anggota populasi yang dipilih, berdasarkan teknik tertentu (teknik sampling), yang karakteristiknya diharapkan mampu mewakili dan menggambarkan karakteristik populasi Banyaknya angguta suatu sampel dinamakan ukuran sampel, sedang nilai yang menggambarkan ukuran sampel dinamakan statistik.

Data statistik yang diperoleh dari sampel yang representative diharapkan mampu mengestimasi karakteristik keseluruhan populasi, teknik statika yang digunakan untuk menduga parameter adalah Statistika Inferensi, sifatnya men-generalisasi dan nilai ketepatannya sangat beragam bergantung pada seberapa besar presisi (nilai konsistensi) dan akurasi (nilai ketepatan) alat ukur yang digunakan dalam pengambilan data.

Kapan Sampel Digunakan

Setelah kita mengetahui perbedaan antara Populasi dan Sampel, maka pertanyaan berikutnya adalah kapan Sampel digunakan. Sampel dapat digunakan dalam kondisi berikut:

  1. Seringkali tidak mungkin mengamati seluruh anggota populasi, misalnya karena jumlah populasinya yang sangat besar sehingga kecil kemungkinan dapat dilakukan observasi satu persatu anggota populasi.
  2. Bila waktu, tenaga dan biaya terbatas.

Satuan Sampling dan Kerangka Sampling

Satuan sampling adalah elemen atau kumpulan elemen berupa kesatuan (unit) yang akan menjadi objek penelitian. Dengan kata lain, bila seseorang ingin meneliti kesuburan tanah disuatu lahan, maka peneliti tersebut harus membagi lahan tersebut kedalam beberapa jenis tanah, misalnya alfisols, inceptisols, vertisols, ultisols. Masing-masing pembagian jenis tanah tersebut dapat dikategorikan sebagai Satuan Sampling. Daftar yang memuat satuan sampling dalam suatu populasi dinamakan Kerangka Sampling.

Akurasi dan Presisi

Telah dijelaskan sebelumnya bahwa ketepatan suatu data statistik bergantung pada seberapa besar presisi (nilai konsistensi) dan akurasi (nilai ketepatan) alat ukur yang digunakan dalam pengambilan data. Dengan kata lain, Presisi adalah ukuran dari seberapa konsistensi alat ukur ketika melakukan pengukuran terhadap sampel, sedang Akurasi adalah ukuran dari seberapa tepat alat ukur tersebut memberikan hasil yang sebenarnya. Ada 4 macam tipe alat ukur berdasarkan hubungannya antara presisi dan akurasi, yaitu: (1) alat yang mempunyai presisi dan akurasi tinggi; (2) alat yang presisinya tinggi namun akurasinya rendah; (3) alat yang presisinya rendah namun akurasinya tinggi; dan (4) alat yang presisi dan akurasinya rendah.

Ilustrasi pada gambar (2) memperlihatkan bahwa sebuah sampel dengan berat 50 kg, diukur beratnya menggunakan 4 buah timbangan yang berbeda, masing-masing sebanyak 3 kali pengukuran. Timbangan A memiliki presisi dan akurasi yang tinggi karena data pengukurannya konsisten (pengukuran I, II, dan III menunjukkan hasil yang tidak berbeda), dan tepat (rata-rata beratnya tepat 50 kg); Timbangan B memiki presisi tinggi namun akurasi rendah, karena datanya konsisten (pengukuran I, II, dan III menunjukkan hasil yang tidak berbeda), namun hasil pengukurannya tidak tepat (rata-ratanya ? 50 kg); Timbangan C memiliki presisi rendah namun akurasi tinggi, karena datanya tidak konsisten (pengukuran I, II, dan III menunjukkan hasil yang berbeda), namun hasil pengukurannya tepat (rata-ratanya = 50 kg); Timbangan D memiliki presisi dan akurasi yang rendah karena data pengukurannya tidak konsisten (pengukuran I, II, dan III menunjukkan hasil yang berbeda), dan hasilnya tidak tepat (rata-rata beratnya ? 50 kg).

Tingkat presisi sangat ditentukan oleh variasi data, oleh sebab itu tingkat presisi diukur dengan koefisien galat standar (coefficient standard error), dimana semakin kecil koefisien standard error suatu data, mengindikasikan semakin tinggi presisi sampel tersebut. Koefisien standard error dapat hitung lewat persamaan:

Tingkat Signifikansi

Setelah data dikumpulkan, lalu dirangkum/diklasifikasi serta disajikan, maka tugas selanjutnya adalah menganalisis dan mengambil keputusan (berkaitan dengan estimasi parameter dan pengujian hipotesis). Proses analisis dan pengambilan keputusan lazim diistilahkan dengan proses inferensi, yaitu dengan melakukan generalisasi tentang karakteristik populasi berdasarkan karakteristik sampel.

Akan tetapi, estimasi tentang karakteristik populasi tentu akan menyisakan “resiko kesalahan” karena penetapannya berdasarkan sampel, sedang karakteristik sampel tidak akan pernah bisa sama persis dengan karakteristik populasi

Untuk itulah dibuat sebuah kriteria tentang seberapa besar “resiko kesalahan” yang ditetapkan peneliti dalam mengambil keputusan untuk menolak atau mendukung hipotesis nol (H0). Kriteria tersebut dinamakan tingkat Signifikansi (significance level), dilambangkan dengan simbol alpa (a) dan dinyatakan dalam persen. Misalnya tingkat signifikansi (a) =0,01, berarti resiko kesalahan mengambil keputusan adalah 1%. Semakin kecil nilai a, maka semakin kecil pula resiko kesalahan.

Tingkat signifikansi (significance level) berbanding terbalik dengan tingkat kepercayaan (confidence level), bila dikatakan suatu penelitian memiliki tingkat signifikansi 5% berarti penelitian tersebut memiliki tingkat kepercayaan 95% (100% – 5%). Tingkat kepercayaan (significance level) adalah ukuran dari tingkat keterpercayaan sebuah data statistik dalam mengestimasi parameter populasi dengan tepat.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: