1 / 43

OUTLINE SILABUS STA 2

OUTLINE SILABUS STA 2. Bagian I Statistik Induktif. PRObabilitas. Teori keputusan. Metode dan Distribusi Sampling. Teori Pendugaan Statistik. Pengujian Hipotesa Sampel Besar. Pengujian Hipotesa Sampel Kecil. Analisis Regresi dan Korelasi Berganda. Analisis Regresi dan Korelasi Linear.

adlai
Download Presentation

OUTLINE SILABUS STA 2

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. OUTLINE SILABUS STA 2 Bagian I Statistik Induktif PRObabilitas Teori keputusan Metode dan Distribusi Sampling Teori Pendugaan Statistik Pengujian Hipotesa Sampel Besar Pengujian Hipotesa Sampel Kecil Analisis Regresi dan Korelasi Berganda Analisis Regresi dan Korelasi Linear Fungsi, Variabel, dan Masalah dalam Analisis Regresi

  2. MATERI PERTEMUAN 1-2 METODE DAN DISTRIBUSI SAMPLING

  3. OUTLINE Bagian I Statistik Induktif Pengertian Populasi dan Sampel Metode dan Distribusi Sampling Metode Penarikan Sampel Teori Pendugaan Statistik Pengujian Hipotesa Sampel Besar Kesalahan Penarikan Sampel Pengujian Hipotesa Sampel Kecil Distribusi Sampel Rata-rata dan Proporsi Analisis Regresi dan Korelasi Linear Distribusi Sampel Selisih Rata-rata dan Proporsi Analisis Regresi dan Korelasi Berganda Faktor Koreksi untuk Populasi Terbatas Fungsi, Variabel, dan Masalah dalam Analisis Regresi Dalil Batas Tengah

  4. Metode dan Distribusi Sampling Bab 11 HUBUNGAN SAMPEL DAN POPULASI Populasi Sampel RANDOM Banyak n jika Pengambilan sampel dengan pengembalian = Nn Jika Sampel tanpa pengembalian, maka banyaknya sampel adalah NCn Simpangan Baku σ Rata-rata µ

  5. DEFINISI • 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.

  6. METODE PENARIKAN SAMPEL Metode Penarikan Sampel Sampel Nonprobabilitas (Nonprobability Sampling) Sampel Probabilitas (Probability Sampling) 1.Penarikan sampel acak sederhana (simple random sampling) 2. Penarikan sampel acak terstruktur (stratified random sampling) 3. Penarikan sampel cluster (cluster sampling) 1.Penarikan sampel sistematis (systematic sampling) 2. Penarikan sampel kuota (kuota sampling) 3. Penarikan sampel purposive (purposive sampling)

  7. Penarikan Sampel Acak Sederhana Merupakan pengambilan sampel dari populasi secara acak tanpa memperhatikan strata yang ada dalam populasi dan setiap anggota populasi memiliki kesempatan yang sama untuk dijadikan sampel. DEFINISI

  8. DEFINISI Dua cara sampel acak sederhana: 1. Sistem Kocokan Sistem sampel acak sederhana dengan cara sama sistem arisan. 2. Menggunakan tabel acak Memilih sampel dengan menggunakan suatu tabel. Dalam penggunaannya ditentukan terlebih dahulu titik awal (starting point).

  9. CONTOH MENCARI SAMPEL DENGAN TABEL ACAK • 1.Menentukan titik awal(starting point) • 2. Memulai dari titik baris dan kolom pertama dengan membandingkan antara angka acak dan jumlah populasi. Misal. N=59 dan n=6. maka angka acak diambil <59.

  10. DEFINISI Penarikan sampel acak terstruktur: Penarikan sampel acak terstruktur dilakukan dengan membagi anggota populasi dalam beberapa sub kelompok yang disebut strata, lalu suatu sampel dipilih dari masing-masing stratum.

  11. PROSES STRATIFIKASI Populasi terstrata Populasi tidak berstrata

  12. CONTOH MENENTUKAN JUMLAH SAMPEL SETIAP STRATUM

  13. CONTOH MENENTUKAN JUMLAH SAMPEL SETIAP STRATUM

  14. CONTOH MEMILIH PERUSAHAAN DI BEJ

  15. Exercise Statified sampel • N=2.000 yang terdiri dari 4 stratum: N1=500, N2=1200, N3=200 DAN N4=100. DENGAN UKURAN n=80. • BERAPA BESAR SAMPEL YANG HARUS DI ALOKASIKAN PADA MASING-MASING STRATUM (METODE ALOKASI PROPORSIONAL)?

  16. JAWABAN • ALOKASI PROPORSIONAL (ni= Ni/N.n) • n1=500/2000.80=20 • n2=1.200/2000.80=48 • n3=200/2000.80=8 • n4=100/2000.80=4

  17. Sampel Terstruktur Sampel Terstruktur Sampel Cluster SKEMA CLUSTER Populasi

  18. DEFINISI Penarikan Sampel Sistematis Penarikan dikatakan sampel 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

  19. OUTLINE Bagian I Statistik Induktif Pengertian Populasi dan Sampel Metode dan Distribusi Sampling Metode Penarikan Sampel Teori Pendugaan Statistik Pengujian Hipotesa Sampel Besar Kesalahan Penarikan Sampel Pengujian Hipotesa Sampel Kecil Distribusi Sampel Rata-rata dan Proporsi Analisis Regresi dan Korelasi Linier Distribusi Sampel Selisih Rata-rata dan Proporsi Analisis Regresi dan Korelasi Berganda Faktor Koreksi untuk Populasi Terbatas Fungsi, Variabel, dan Masalah dalam Analisis Regresi Dalil Batas Tengah

  20. DEFINISI Kesalahan penarikan sampel (sampling error) Merupakan perbedaan antara nilai statistik sampel dengan nilai parameter dari populasi.

  21. PERBEDAAN PARAMETER STATISTIK POPULASI SAMPLE MENGGUNAKAN RUMUS NCn = N! / n! (N-n)! Setelah itu hitung: Rata-rata (xbar) dari setiap kombinasi dan rata-rata hitung dari ppulasi (miu) Menghitung sample errror (X –Miu) SAMPLING1.DOC

  22. Contoh: 5C2 =10

  23. DISTRIBUSI SAMPLING Bagian I Statistik Induktif Metode dan Distribusi Sampling Distribusi Sampel Rata-rata dan Proporsi Prob rata-rata hitung sampel Dari proporsi

  24. DEFINISI • 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.

  25. DISTRIBUSI SAMPLING Jumlah Sampel acak yang dapat ditarik dari suatu populasi  sangat banyak Karenanya setiap statistik akan mempunyai variasi antar sampel. Hal ini menjelaskan bahwa Statistik-statistik tersebut berada dalam suatu distribusi atau sebaran   • Distribusi Sampling = Sebaran Penarikan Contoh = sebaran peluang suatu statistik sampel • Statistik Sampel yang paling populer dipelajari adalah Nilai tengah (Xbar )

  26. DISTRIBUSI SAMPLING BAGI NILAI TENGAH • Beberapa notasi • n = ukuran sampel N = ukuran populasi • = nilai tengah sampel  = nilai tengah populasi • s = standar deviasi sampel  = standar deviasi populasi • = nilai tengah/rata-rata antar semua sampel • = standar deviasi antar semua sampel • = standard error • = galat baku

  27. CONTOH MENGHITUNG RETURN ON ASSET a. Nilai rata-rata populasi  = X/N = 2 + 4 + 6 + 4 + 4 = 20/5 = 4 5 b. Nilai rata-rata populasi dan sampel apabila diambil sampel 2 dari 5 bank 1) Kombinasi N C = N!/n! (N - n)! = 5!/2!(5 - 2)! = 10 n

  28. Bank Kombinasi Retun On Asset % Rata-rata Hitung 2 + 4 Bukopin-BCA (6/2)= 3 2 + 6 Bukopin-Citibank (8/2)= 4 2 + 4 Bukopin-Bank Jabar (6/2)= 3 2+ 4 Bukopin-Bank Tugu (6/2)= 3 4 + 6 BCA-Citibank (10/2)= 5 4 + 4 BCA-Bank Jabar (8/2)= 4 4 + 4 BCA-Bank Tugu (8/2)= 4 6 + 4 Citi Bank-Bank Jabar (10/2)= 5 6 + 4 Citi Bank-Bank Tugu (10/2)= 5 4 + 4 Bank Jabar-Bank Tugu (8/2)= 4 CONTOH MENGHITUNG DISTR SAMPLE 2) Perhitungan rata-rata dari setiap sampel 3) Nilai rata-rata dari rata-rata hitung sampel

  29. ilustrasi Dari hasil analisis: di ketahui: nilai rata-rata hitung Populasi (Miu)=4. rata-rata hitung Sampel (Xbar)=4 Kesimpulan: bahwa nil µ=Ẍ, nilai parameter sama Dengan nilai statistik. Untuk dist prob: penyebaran dist sampel < Sebaran Pop (n=3-5 sedangkan N=2-6 Hubungan n dgn N= dilihat dari SD (N=1,3 dan n= 0,77) Menu njukkan nil n lebih memusat pada nilai tengahnya Dibandingkan sd N.

  30. CONTOH MENGHITUNG distribusi Sample c. Nilai rata-rata populasi Distribusi probabilitas dalam bentuk poligon

  31. (X - ) ( X - ) 2 (X - ) ( X - ) 2 ( X - ) 2= 8.0 X = 20  = ( X - ) 2/N = 8/5 = 1,3  = 20/5 = 4 CONTOH MENGHITUNG RETURN ON ASSET d. Standar deviasi populasi Standar deviasi populasi

  32. ( X - ) 2 (X - ) X = 40 ( X - ) 2= 6,0  x =  1/CNn( X -x) 2 =6/10 = 0,77 x = 40/10 = 4 CONTOH MENGHITUNG RETURN ON ASSET Standar deviasi sampel

  33. HUBUNGAN STANDAR DEVIASI SAMPEL DAN POPULASI Hubungan antara  x dan  untuk populasi terbatas Hubungan antara x dan  untuk populasi yang tidak terbatas

  34. DISTRIBUSI SAMPLING PROPORSI Nilai rata-rata proporsi Standar deviasi sampel proporsi Standar deviasi proporsi

  35. OUTLINE Bagian I Statistik Induktif Distribusi Sampel Selisih Rata-rata dan Proporsi Metode dan Distribusi Sampling

  36. Sampel 1 berukuran Populasi 1 1, 1 Apakah Sampel 2 berukuran Populasi 2 2, 2 SKEMA SELISIH POPULASI ATAU SAMPEL

  37. Distribusi selisih rata-rata Distribusi selisih proporsi OUTLINE

  38. DISTRIBUSI SAMPEL SELISIH RATA-RATADAN PROPORSI Nilai rata-rata distribusi sampel selisih rata-rata x1 – x2 Nilai Standar deviasi distribusi sampel selisih rata-rata x1 – x2 Sedangkan nilai Z untuk distribusi sampel selisih rata-rata

  39. SELISIH DISTRIBUSI RATA-RATA DAN POPULASI Nilai rata-rata distribusi sampel selisih proporsi Nilai Standar deviasi distribusi sampel selisih rata-rata Sedangkan nilai Z untuk distribusi sampel selisih rata-rata

  40. OUTLINE Bagian I Statistik Induktif Faktor Koreksi untuk Populasi Terbatas Metode dan Distribusi Sampling

  41. s - N n s = - 1 n N x - - 1 P ( P ) N n s = x - 1 n n p FAKTOR KOREKSI Penyesuaian standar deviasi untuk rata-rata hitung adalah: Penyesuaian standar deviasi untuk proporsi adalah:

  42. SAMPEL SAMA DENGAN POPULASI, VARIAN SAMPEL 2/N • Distribusi sampel: • Untuk populasi dengan rata-rata  dan varians 2, rata-rata hitung distribusi sampel dari seluruh kemungkinan kombinasi sampel berukuran n yang diperoleh dari populasi akan mendekati distribusi normal, di mana rata-rata hitung distribusi sampel sama dengan rata-rata hitung populasi dan varians distribusi sampel sama dengan 2/n. - m ( X )

  43. ALHAMDULILLAH ....TERIMA KASIH

More Related