Tugas Statistik Ke-10 Populasi dan Sampel

Populasi

            Kata populasi (dari bahasa Inggris: Population) dalam bidang statistika berarti sekumpulan data yang menjadi objek inferensi. Populasi adalah kumpulan individu sejenis yang berada pada wilayah tertentu dan pada waktu yang tertentu pula.

            Kita harus hati-hati dalam mendefinisikan suatu populasi. Populasi harus didefinisikan dengan jelas dan tepat. Misalnya, kita ingin mengetahui rata-rata nilai IPK mahasiswa Unpad. Berarti parameter/sifat/ciri yang ingin diketahui adalah rata-rata nilai IPK mahasiswa dan obyek yang ditelitinya adalah Mahasiswa Unpad. Jika kita merumuskan populasi seperti ini, rumusannya sudah jelas tapi belum tepat. Jelas maksudnya: (1) parameter yang ingin diteliti sudah jelas, yaitu Nilai IPK mahasiswa Unpad dan bukan parameter lain, seperti tinggi, nilai IQ dan sebagainya (2) populasinya hanya mahasiswa Unpad bukan nilai IPK mahasiswa dari universitas lain. Belum tepat maksudnya, apabila kita berbicara tentang mahasiswa Unpad cakupannya cukup luas. Apakah kita akan mendata nilai IPK semua mahasiswa Unpad dari semua angkatan, baik yang masih aktif, non aktif, meninggal, DO, maupun yang sudah lulus?

            Dengan demikian, batasan ruang lingkup dari populasi yang akan diteliti harus didefinisikan dengan jelas dan tepat, karena semua kesimpulan yang nantinya akan diperoleh dari hasil penarikan contoh (sampel) hanya berlaku untuk populasi yang dimaksud, bukan untuk populasi yang berada diluar batasan ruang lingkup yang diberikan.

Populasi berdasarkan keadaannya:

1.      Populasi Homogen: populasi dikatakan homogen apabila unsur-unsur dari populasi yang diteliti memiliki sifat-sifat yang relatif seragam satu sama lainnya. Karakteristik seperti ini banyak ditemukan di bidang eksakta, misalnya air, larutan, dsb. Apabila kita ingin mengetahui manis tidaknya secangkir kopi, cukup dengan mencoba setetes cairan kopi tersebut. Setetes cairan kopi sudah bisa mewakili kadar gula dari secangkir kopi tersebut.

2.      Populasi Heterogen: populasi dikatakan heterogen apabila unsur-unsur dari populasi yang diteliti memiliki sifat-sifat yang relatif berbeda satu sama lainnya. Karakteristik seperti ini banyak ditemukan dalam penelitian sosial dan perilaku, yang objeknya manusia atau gejala-gejala dalam kehidupan manusia yang bersifat unik dan kompleks

Populasi berdasarkan ukurannya:

·         Populasi terhingga: Populasi dikatakan terhingga bilamana anggota populasi dapat diperkirakan atau diketahui secara pasti jumlahnya, dengan kata lain, jelas batas-batasnya secara kuantitatif, misalnya:

1.      Banyaknya Mahasiswa Agroteknologi Kelas A, Angkatan 2009, Faperta, Unpad

2.      Tinggi penduduk yang ada di kota tertentu

3.      Panjang ikan di sebuah danau

  

·         Populasi tak hingga: populasi dikatakan tak hingga bilamana anggota populasinya tidak dapat diperkirakan atau tidak dapat diketahui jumlahnya, dengan kata lain, batas-batasnya tidak dapat ditentukan secara kuantitatif, misalnya:

1.      Air di lautan

2.      Banyaknya pasir yang ada di Pantai Pangandaran.

3.      Banyaknya anak yang menderita kekurangan gizi

4.      Kedalaman suatu danau yang diukur dari berbagai titik

            Namun demikian, dalam praktek kehidupan sehari-hari banyak kita jumpai adanya populasi terhingga dianggap sebagai populasi tak terhingga, dan hal seperti ini dibenarkan secara statistika, misalnya banyaknya orang Indonesia yang merokok, banyaknya penduduk Indonesia sekarang, dan sebagainya.

Sampel

            Sampel merupakan bagian dari populasi yang ingin diteliti; dipandang sebagai suatu pendugaan terhadap populasi, namun bukan populasi itu sendiri. Sampel dianggap sebagai perwakilan dari populasi yang hasilnya mewakili keseluruhan gejala yang diamati. Ukuran dan keragaman sampel menjadi penentu baik tidaknya sample yang diambil. Terdapat dua cara pengambilan sampel, yaitu secara acak (random)/probabilita dan tidak acak (non-random)/non-probabilita.

Kriteria Sampel

Ada dua kriteria sampel yaitu kriteria inklusi dan kriteria eksklusi. Penentuan kriteria sampel diperlukan untuk mengurangi hasil peneliian yang bias. 

1.      Kriteria inklusi adalah karakteristik umum subjek penelitian dari suatu populasi target yang terjangkau yang akan diteliti (Nursalam, 2003: 96)
2.     Kriteria eksklusi adalah meng-hilangkan/mengeluarkan subjek yang memenuhi kriteria inklusi dari penelitian karena sebab-sebab tertentu (Nursalam, 2003: 97).

Sebab-sebab yang dipertimbangkan dalam menentukan kriteria ekslusi antara lain:

a.       subjek mematalkan kesediannya untuk menjadi responden penelitian,

b.      subjek berhalangan hadir atau tidak di tempat ketika pengumpulan data dilakukan.

Acak/Random

Artinya setiap anggota dari populasi memiliki kesempatan dan peluang yang sama untuk dipilih sebagai samplet.

a.      Pengambilan acak sederhana (Simple random sampling)

Merupakan sistem pengambilan sampel secara acak dengan menggunakan undian atau tabel angka random. Tabel angka random merupakan tabel yang dibuat dalam komputer berisi angka-angka yang terdiri dari kolom dan baris, dan cara pemilihannya dilalukan secara bebas.Pengambilan acak secara sederhana ini dapat menggunakan prinsip pengambilan sampel dengan pengembalian ataupun pengambilan sampel tanpa pengembalian.

Kelebihan: mengatasi bias yang muncul dalam pemilihan anggota sampel, dan kemampuan menghitung standard error. 

Kekurangan: tidak adanya jaminan bahwa setiap sampel yang diambil secara acak akan merepresentasikan populasi secara tepat.

b.      Pengambilan acak secara sistematis (Systematic random sampling)

Merupakan sistem pengambilan sampel yang dilakukan dengan menggunakan selang interval tertentu secara berurutan. Misalnya, jika ingin mengambil 1000 sampel dari 5000 populasi secara acak, maka kemungkinan terpilihnya 1/5. Diambil satu angka dari interval pertama antara angka 1-5, dan dilanjutkan dengan pemilihan angka berikutnya dari interval selanjutnya.

Kelebihan: lebih praktis dan hemat dibanding dengan pengambilan acak sederhana.

Kekurangan: tidak bisa digunakan pada penelitian yang heterogen karena tidak mampunya menangkap keragaman populasi heterogen.

c.       Pengambilan acak berdasar lapisan (Stratified random sampling)

Merupakan sistem pengambilan sampel yang dibagi menurut lapisan-lapisan tertentu dan masing-masing lapisan memiliki jumlah sampel yang sama.

Kelebihan: lebih tepat dalam menduga populasi karena variasi pada populasi dapat terwakili oleh sampel.

Kekurangan: harus memiliki informasi dan data yang cukup tentang variasi populasi penelitian, kadang-kadang ada perbedaan jumlah yang besar antar masing-masing strata.

d.      Pengambilan acak berdasar area (Cluster sampling) 

Merupakan sistem pengambilan sampel yang dibagi berdasarkan areanya. Setiap area memiliki jatah terambil yang sama.

Kelebihan: lebih tepat menduga populasi karena variasi dalam populasi dapat terwakili dalam sampel. Kekurangan: memerlukan waktu yang lama karena harus membaginya dalam area-area tertentu.

e.       Tidak acak (Non-random sampling) 

Masing-masing anggota tidak memiliki peluang yang sama untuk terpilih anggota sampel

f.       Pengambilan sesaat (Accidental/haphazard sampling) 

Merupakan teknik pengambilan sampel yang dilakukan dengan tiba-tiba berdasarkan siapa yang ditemui oleh peneliti. Misalnya, reporter televisi mewawancarai warga yang kebetulan sedang lewat.

Kelebihan: praktis.

Kekurangan: belum tentu responden memiliki karakteristik yang dicari oleh peneliti.

g.      Pengambilan menurut jumlah (Quota sampling)

Merupakan pengambilan anggota sampel berdasarkan jumlah yang diinginkan oleh peneliti.

Kelebihan: praktis karena jumlah sudah ditentukan dari awal.

Kekurangan: adalah bias, belum tentu mewakili seluruh anggota populasi.

h.      Pengambilan menurut tujuan (Purposive sampling)

Merupakan pemilihan anggota sampel yang didasarkan atas tujuan dan pertimbangan tertentu dari peneliti.

Kelebihan: tujuan dari peneliti dapat terpenuhi.

Kekurangan: belum tentu mewakili keseluruhan variasi yang ada.

i.        Pengambilan beruntun (Snow-ball sampling)

Merupakan teknik pengambilan sampel yang dilakukan dengan sistem jaringan responden. Mulai dari mewawancarai satu responden. Kemudian, responden tersebut akan menunjukkan responden lain dan responden lain tersebut akan menunjukkan responden berikutnya. Hal ini dilakukan secara terus-menerus sampai dengan terpenuhinya jumlah anggota sampel yang diingini oleh peneliti.

Kelebihan: bisa mendapatkan responden yang kredibel di bidangnya.

Kekurangan: memakan waktu yang cukup lama dan belum tentu mewakili keseluruhan variasi yang ada. 

Tugas Statistik Ke-9 Kurva Normal

           Kurva normal adalah satu model distribusi dari sejumlah kemungkinan distribusi. Hal ini diseb abkan karena penggunaan konsep kurva normal sangat luas dan dijadikan sebagai alat yang sangat penting dalam pengembangan suatu teori, konsep kurva normal juga memberikan status khusus dalam pengembangan kaidah-kaidah ilmiah.

      Distribusi normal pertama kali diperkenalkan oleh Abraham DeMoivre (1733) sebagai pendekatan distribusi binomial untuk n besar. Selanjutnya dikembangkan oleh Pierre Simon de Laplace dan dikenal dengan Teorema Moivre - Laplace. Laplace menggunakan distribusi normal untuk analisis galat suatu eksperimen. 

            Suatu data membentuk distribusi normal jika jumlah data di atas dan di bawah mean adalah sama. Distribusi normal berupa kurva berbentuk lonceng setangkup yang melebar tak berhingga pada kedua arah positif dan negatifnya.

Ciri-ciri kurva normal :

Bentuk kurva normal

1. Menyerupai lonceng (genta/bel). 
2. Merupakan suatu poligon yang dilicinkan yang mana ordinat (sumbu tegak) merupakan frekuensi dan absisnya (sumbu alas) memuat nilai variabel. 
3. Simetris 
4. Luas daerah merupakan nilai rata-rata (mean). 
5. Luas daerah sebelah kiri dan kanan mendekati 50%. 
6. Memiliki satu modus (disebut juga bimodal).

            Daerah kurva normal 

1. Merupakan ruangan yang dibatasi daerah kurva dengan absisnya (sumbu alas)
2. Luas daerah biasanya dinyatakan dalam persen atau proporsi.

Distribusi normal dipengaruhi oleh dua parameter, yaitu mean dan standar deviasi. Mean menentukan lokasi pusat statistik dan standar deviasi menentukan lebar dari kurva normal.

Kurva normal bukan hanya satu kurva, melainkan mempunyai sejumlah kurva yang tidak terbatas yang mungkin dapat dibuat, dan semua itu dideskripsikan dengan suatu persamaan aljabar berikut. Rumus umum kurva normal :

dimana :

π = 3,1416

e = 2,7183

µ = rata-rata

σ = simpangan baku

Secara umum, pemahaman atas persamaan aljabar ini tidak menjadi kebutuhan atau diperlukan untuk mengapresiasi dan menggunakan kurva normal. Namun demikian persamaan ini perlu dijelaskan untuk memahami bagaimana konsep dan aplikasi suatu kurva normal.

Pertama, penggunaan simbol-simbol dalam persamaan ini dimaksudkan untuk menyederhanakan proses perhitungan. Simbol-simbol itu termasuk “2". “p”, dan “e”. Lambang “e” untuk menunjukkan adanya perhitungan dengan bilangan irasional atau untuk menunjukkan batasan yang sangat panjang. Hal ini dimungkinakn untuk menunjukkan “sejumlah keunikan”, dalam kasus “e” ini, yang menunjukkan “kekuatan khusus”

Kedua, adanya sekumpulan simbol yang menjadi kepedulian termasuk simbol “X”, yaitu melambangkan variabel responden untuk suatu skor nilai. Tinggi dari suatu kurva pada satu titik merupakan fungsi dari X (fx).

Ketiga, dua simbol terakhir dalam persamaan adalah “mu (μ) lambang dari rata-rata ” dan “sigma (σ) lambang dari stadar deviasi” kedua lambang ini disebut dengan parameter atau nilai-nilai. Kedua parameter ini memberikan kemungkinan pembuatan kurva normal menjadi tidak terbatas, yaitu dengan menghubungkan kedua parameter ini. Dalam hal ini konsep parameter menjadi sangat penting dan perlu diperhatikan secara sungguh-sungguh.

Persamaan di atas bila dihitung dan diplot pada grafik akan terlihat seperti pada Gambar 1 berikut.

Gambar 1. kurva distribusi normal umum

Sifat-sifat penting distribusi normal adalah sebagai berikut:

1. Grafiknya selalu berada di atas sumbu x

2. Bentuknya simetris pada x = µ

3. Mempunyai satu buah modus, yaitu pada x = µ

4. Luas grafiknya sama dengan satu unit persegi, dengan rincian

     a. Kira-kira 68% luasnya berada di antara daerah µ – σ dan µ + σ

     b. Kira-kira 95% luasnya berada di antara daerah µ – 2σ dan µ + 2σ

     c. Kira-kira 99% luasnya berada di antara daerah µ – 3σ dan µ + 3σ

Membuat kurva normal umum bukanlah suatu pekerjaan yang mudah.  Lihat saja rumus untuk mencari fungsi densitasnya (nilai pada sumbu Y) begitu rumit.  Oleh karena itu, orang tidak banyak menggunakannya.

Orang lebih banyak menggunakan DISTIBUSI NORMAL BAKU.  Kurva distribusi normal baku diperoleh dari distribusi normal umum dengan cara transformasi nilai x menjadi nilai z, dengan formula sbb:

 

Kurva distribusi normal baku disajikan pada Gambar 2 berikut ini.

Gambar 2.  Kurva distribusi normal baku

Kurva distribusi normal baku lebih sederhana dibanding kurva normal umum.  Pada kurva distribusi normal baku, nilai µ = 0 dan nilai σ=1, sehingga terlihat lebih menyenangkan.  Namun, sifat-sifatnya persis sama dengan sifat-sifat distribusi normal umum.

Untuk keperluan praktis, para ahli statistika telah menyusun Tabel distribusi normal baku dan tabel tersebut dapat ditemukan hampir di semua buku teks Statistika.  Tabel distribusi normal bakui disebut juga dengan Tabel Z dan dapat digunakan untuk mencari peluang di bawah kurva normal secara umum, asal saja nilai µ dan σ diketahui. Sebagai catatan nilai µ dan σ dapat diganti masing-masing dengan nilai dan S.

Kesamaan Anggota Keluarga Kurva Normal

Anggota keluarga kurva normal sangat bervariasi mempunyai perbedaan, akan tetapi mempunyai sejumlah sifat-sifat umum yang sama, sifat-sifat umum ini disebut juga dengan kesamaan anggota keluarga kurva normal. Kesamaan (sifat-sifat umum ini) mencakup: bentuk simetri, mendekat ke ujung tetapi tidak pernah bersentuhan dengan sumbu X (asimtot), dan mempunyai wilayah di bawah kurva.

Dalam hal bentuk, semua anggota keluarga kurva normal mempunyai kesamaan yaitu berbentuk “lonceng”, kemudian sumbu X mempunyai kesamaan skala yang tepat. Sebagian besar wilayah di bawah kurva berada di sekitar titik tengan atau rata-rata. Ujung garis distribusi mendekat ke sumbu X tetapi tidak pernah menyentuh, dan luas wilayah di bawah kurvanya sangat kecil

Kesamaan dalam hal simetris, semua anggota keluarga kurva normal berada pada dua sisi sejajar dan simetris. Artinya, jika satu kurva normal digambarkan pada permukaan kertas dua dimensi, maka jika kertas itu dilipat pada garis tengahnya (garis rata-rata) maka kedua sisi kurva normal itu harus tepat sama. Keadaan simetris ini juga tergambar dalam struktur tubuh manusia, secara umum dalam posisi sejajar atau mendekati simetris antara sisi kiri dan kanan. Begitu juga dalam perkembangan kehidupan manusia baik individual maupun sosial.

Semua keluarga kurva normal mempunyai ekor mendekati sumbu X, tetapi tidak pernah menyentuhnya. Implikasinya, dibagian manapun suatu titik yang berada pada kurva (arah positif atau negatif) tetap saja mempunyai wilayah yang berada di bawah kurva normal. Oleh karena itu, gambar dari satu kurva normal harus mempunyai panjang garis yang tidak berhingga. Sehingga untuk mengeahui luas wilayah yang berada di bawah kurva normal harus dilihat dari suatu rentang yang dibatasi oleh sejumlah garis, hanya sebagaian kecil dari segmen garis yang digambarkan untuk kurva normal khusus.

Semua anggota keluarga kurva normal mempunyai total wilayah di bawah kurva sama dengan satu (1.00) , seperti yang terjadi pada model-model kemungkinan atau distribusi frekuensi. Sifat ini, menjadi tambahan pada sifat simetri, implikasinya bahwa wilayah pada setiap setengah dari distribusi adalah 0,50 atau setengah.