SlideShare a Scribd company logo
DESRI NOVIA NALISA (08027/2008) 
ROMY YUNIKA PUTRA (16077/2010) 
NENDY SEPTI ARNIVA (57528/2010) 
SISKA MULYA NINGSIH (57529/2010) 
PUTRI RAHMAYANI (57532/2010) 
INDRI SRI NOVITA SARI (57535/2010) 
RENO WARNI DIVA R. (58696 / 2010) 
FRISKA RUSADA (58700/2010) 
YULIA CITRA UTAMI (58722/2010) 
VIVI KARMILA (58727/2010)
Apa itu sampling kelompok dua tingkat (SDKT) ? 
 Sampling kelompok dua tingkat (two stage cluster 
sampling) ialah sampling kelompok dimana setiap 
kelompok yang terpilih sebagai sampel, dipilih lagi sampel 
elemen dari masing-masing kelompok. Dengan demikian 
memang ada dua tingkat kegiatan yaitu : 
Pertama : memilih kelompok sebagai sampel 
Kedua : memilih elemen dari kelompok yang terpilih 
 Definisi : suatu sampel kelompok dua tingkat ialah sampel 
yang diperoleh dengan dua tingkat yaitu pertama memilih 
sampel kelompok secara acak dari populasi kelompok 
kemudian kedua memilih sampel elemen dari kelompok 
yang terpilih sebagai sampel.
Contoh : 
Seorang ahli ekonomi bermaksud membuat perkiraan 
pengeluaran konsumsi penduduk suatu kota besar. Untuk 
maksud tersebut kota dibagi menjadi blok-blok bias juga 
menurut RT, kalau seandainya berdasarkan anggapan 
bahwa pengeluaran konsumse per rumah tangga dalam RT 
tak jauh berbeda (sama pegawai bank, sama pergawai 
negeri, sama pegawai swasta), maka lebih baik memilih 
banyak sampel RT, sebab dari RT ke RT pengeluaran 
konsumsi sangat berbeda dan memilih sampel rumah 
tangga dalam setiap RT, tidak terlalu banyak (sedikiti saja 
rumah tangga yang diteliti)
CARA MEMPERKIRAKAN RATA-RATA DAN TOTAL 
Kita akan membuat perkiraan rata-rata (U), perkiraan 
jumlah/total (T), dan kesalahan samplingnya. 
N = banyaknya kelompok populasi 
n = banyaknya kelompok dalam sampel acak 
Mi = banyaknya seluruh elemen dalam kelompok i 
mi = banyaknya sampel elemen dalam kelompok I, 
yang dipilih secara acak
Rumus : 
= banyaknya elemen dalam populasi 
= banyaknya elemen dalam sampel 
= rata-rata banyaknya elemen per kelompok 
dalam populasi 
= rata-rata banyaknya elemen per kelompok 
dalam sampel 
= nilai observasi ke-j dari kelompok ke-i 
= rata-rata perkiraan dari kelompok i
Contoh soal A: 
(lihat buku J.Supranto halaman 271)
PERKIRAAN RASIO UNTUK RATA-RATA 
Pemerkiraan , tergantung pada M = banyaknya 
seluruh elemen populasi. Apabila M tidak diketahui, 
perlu diperkirakan dengan data dari sampel. Kita 
peroleh pemerkira M dengan jalan mengalikan rata-rata 
banyaknya elemen per kelompok yaitu 
dengan banyaknya kelompok dalam populasi yaitu N. 
Apabila kita ganti M dengan pemerkiranya, kita 
peroleh suatu pemerkira rasio dengan symbol atau 
notasi , sebab baik pembilang maupun penyebut 
keduanya variabel acak.
Contoh Soal B : 
(Lanjutan Soal A)
CARA MEMPERKIRAKAN PROPORSI 
Untuk membuat perkiraan P= proporsi, kita bisa 
menggunakan rumus untuk U atau Ur , asalkan nilai Xij 
nol (=0) atau satu (1). 
Xij =1 kalau mengikuti/termasuk dalam kategori / kelas 
yang kita perhatikan, Xij=0 kalau tidak. 
Oleh karena biasanya M tak diketahui, kita pergunakan 
rumus untuk menghitung P, seperti rumus untuk Ur. 
Misalkan Pi=proporsi sampel elemen dari kelompok ke- 
I yang termasuk dalam kategori yang kita perhatikan.
Contoh Soal C: 
(lanjutan soal A)
Sampling kelompok dua tingkat
Sampling kelompok dua tingkat
Sampling kelompok dua tingkat
Sampling kelompok dua tingkat
Sampling kelompok dua tingkat
Sampling kelompok dua tingkat

More Related Content

What's hot

Bab. 9 regresi linear sederhana.1
Bab. 9 regresi linear sederhana.1Bab. 9 regresi linear sederhana.1
Bab. 9 regresi linear sederhana.1
Bayu Bayu
 
Ukuran pemusatan data
Ukuran pemusatan dataUkuran pemusatan data
Ukuran pemusatan data
Andri Pradinata
 
Perhitungan statistik
Perhitungan statistikPerhitungan statistik
Perhitungan statistik
Ami Ashari
 
Tabulasi
TabulasiTabulasi
Tabulasi
Kana Outlier
 
Uji Run ( Keacakan )
Uji Run ( Keacakan )Uji Run ( Keacakan )
Uji Run ( Keacakan )
Nur Sandy
 
Bahan ajar Sistem Persamaan Linier Dua Variabel
Bahan ajar Sistem Persamaan Linier Dua VariabelBahan ajar Sistem Persamaan Linier Dua Variabel
Bahan ajar Sistem Persamaan Linier Dua Variabel
febri rahmedia sari
 
Mean, median, modus
Mean, median, modusMean, median, modus
Mean, median, modus
Desy Aisya
 
1. konsep dasar statistik
1. konsep dasar statistik1. konsep dasar statistik
1. konsep dasar statistik
sylvia ade
 
Penerapan Sistem Persamaan Linier Satu Variabel dalam Kehidupan Sehari-hari
Penerapan Sistem Persamaan Linier Satu Variabel dalam Kehidupan Sehari-hariPenerapan Sistem Persamaan Linier Satu Variabel dalam Kehidupan Sehari-hari
Penerapan Sistem Persamaan Linier Satu Variabel dalam Kehidupan Sehari-hari
Hariyatunnisa Ahmad
 
Statistik data
Statistik  dataStatistik  data
Statistik data
Hafiza .h
 
metode simpleks maksimum (Program linear)
 metode simpleks maksimum (Program linear) metode simpleks maksimum (Program linear)
metode simpleks maksimum (Program linear)
Resti Amin
 
Metode newton
Metode newtonMetode newton
Metode newton
Grizia Zhulva
 
Penyajian Data ppt
Penyajian Data pptPenyajian Data ppt
Penyajian Data ppt
Aisyah Turidho
 
Himpunan, Relasi & Fungsi, dan Logika Matematika
Himpunan, Relasi & Fungsi, dan Logika MatematikaHimpunan, Relasi & Fungsi, dan Logika Matematika
Himpunan, Relasi & Fungsi, dan Logika Matematika
siska sri asali
 
DISTRIBUSI PROBABILITAS.ppt
DISTRIBUSI PROBABILITAS.pptDISTRIBUSI PROBABILITAS.ppt
DISTRIBUSI PROBABILITAS.ppt
Wan Na
 
Soal dan jawaban uci chi kuadrat dan regresi
Soal dan jawaban uci chi kuadrat dan regresiSoal dan jawaban uci chi kuadrat dan regresi
Soal dan jawaban uci chi kuadrat dan regresi
Vivin Dolpin
 
Distribusi probabilitas-diskrit-poisson
Distribusi probabilitas-diskrit-poissonDistribusi probabilitas-diskrit-poisson
Distribusi probabilitas-diskrit-poisson
Narwan Ginanjar
 
DERET PANGKAT & METODE DERET PANGKAT
DERET PANGKAT & METODE DERET PANGKATDERET PANGKAT & METODE DERET PANGKAT
DERET PANGKAT & METODE DERET PANGKATyuni dwinovika
 
Kuliah 5 diferensial fungsi majemuk
Kuliah 5 diferensial fungsi majemukKuliah 5 diferensial fungsi majemuk
Kuliah 5 diferensial fungsi majemuk
Mukhrizal Effendi
 

What's hot (20)

Bab. 9 regresi linear sederhana.1
Bab. 9 regresi linear sederhana.1Bab. 9 regresi linear sederhana.1
Bab. 9 regresi linear sederhana.1
 
Ukuran pemusatan data
Ukuran pemusatan dataUkuran pemusatan data
Ukuran pemusatan data
 
Perhitungan statistik
Perhitungan statistikPerhitungan statistik
Perhitungan statistik
 
Tabulasi
TabulasiTabulasi
Tabulasi
 
Uji Run ( Keacakan )
Uji Run ( Keacakan )Uji Run ( Keacakan )
Uji Run ( Keacakan )
 
Bahan ajar Sistem Persamaan Linier Dua Variabel
Bahan ajar Sistem Persamaan Linier Dua VariabelBahan ajar Sistem Persamaan Linier Dua Variabel
Bahan ajar Sistem Persamaan Linier Dua Variabel
 
Mean, median, modus
Mean, median, modusMean, median, modus
Mean, median, modus
 
1. konsep dasar statistik
1. konsep dasar statistik1. konsep dasar statistik
1. konsep dasar statistik
 
Penerapan Sistem Persamaan Linier Satu Variabel dalam Kehidupan Sehari-hari
Penerapan Sistem Persamaan Linier Satu Variabel dalam Kehidupan Sehari-hariPenerapan Sistem Persamaan Linier Satu Variabel dalam Kehidupan Sehari-hari
Penerapan Sistem Persamaan Linier Satu Variabel dalam Kehidupan Sehari-hari
 
Statistik data
Statistik  dataStatistik  data
Statistik data
 
metode simpleks maksimum (Program linear)
 metode simpleks maksimum (Program linear) metode simpleks maksimum (Program linear)
metode simpleks maksimum (Program linear)
 
Metode newton
Metode newtonMetode newton
Metode newton
 
Penyajian Data ppt
Penyajian Data pptPenyajian Data ppt
Penyajian Data ppt
 
Himpunan, Relasi & Fungsi, dan Logika Matematika
Himpunan, Relasi & Fungsi, dan Logika MatematikaHimpunan, Relasi & Fungsi, dan Logika Matematika
Himpunan, Relasi & Fungsi, dan Logika Matematika
 
DISTRIBUSI PROBABILITAS.ppt
DISTRIBUSI PROBABILITAS.pptDISTRIBUSI PROBABILITAS.ppt
DISTRIBUSI PROBABILITAS.ppt
 
Soal dan jawaban uci chi kuadrat dan regresi
Soal dan jawaban uci chi kuadrat dan regresiSoal dan jawaban uci chi kuadrat dan regresi
Soal dan jawaban uci chi kuadrat dan regresi
 
Distribusi probabilitas-diskrit-poisson
Distribusi probabilitas-diskrit-poissonDistribusi probabilitas-diskrit-poisson
Distribusi probabilitas-diskrit-poisson
 
Uji mann-whitney
Uji mann-whitneyUji mann-whitney
Uji mann-whitney
 
DERET PANGKAT & METODE DERET PANGKAT
DERET PANGKAT & METODE DERET PANGKATDERET PANGKAT & METODE DERET PANGKAT
DERET PANGKAT & METODE DERET PANGKAT
 
Kuliah 5 diferensial fungsi majemuk
Kuliah 5 diferensial fungsi majemukKuliah 5 diferensial fungsi majemuk
Kuliah 5 diferensial fungsi majemuk
 

Viewers also liked

Cluster & multi satge random sampling
Cluster & multi satge random samplingCluster & multi satge random sampling
Cluster & multi satge random sampling
rifansahDua1
 
Cluster and multistage sampling
Cluster and multistage samplingCluster and multistage sampling
Cluster and multistage sampling
suncil0071
 
Metode pengambilan sampel (sampling)
Metode pengambilan sampel (sampling)Metode pengambilan sampel (sampling)
Metode pengambilan sampel (sampling)
Kampus-Sakinah
 
Novotny eu review_july_2011
Novotny eu review_july_2011Novotny eu review_july_2011
Novotny eu review_july_2011
Shikha Sourav
 
Energy Management Solutions That Reduce Costs
Energy Management Solutions That Reduce CostsEnergy Management Solutions That Reduce Costs
Energy Management Solutions That Reduce Costs
Building Engines
 
Blink
Blink Blink
Blink
Ahmad rub
 
What conscience is not.ppt [autosaved]
What conscience is not.ppt [autosaved]What conscience is not.ppt [autosaved]
What conscience is not.ppt [autosaved]
Ray Alvarez
 
Restauració i cloud computing by ignacio martínez
Restauració i cloud computing by ignacio martínezRestauració i cloud computing by ignacio martínez
Restauració i cloud computing by ignacio martínez
Ignacio Martinez
 
Leyenda mamina
Leyenda maminaLeyenda mamina
Leyenda mamina
Esperanza Hernández
 
Sprint review
Sprint reviewSprint review
Sprint review
Allysono123
 
Gestor de proyectos docent tic
Gestor de proyectos docent ticGestor de proyectos docent tic
Gestor de proyectos docent tic
Margarita Cardenas
 
конкурс презентация (2)
конкурс презентация (2)конкурс презентация (2)
конкурс презентация (2)Demanessa
 
Презентація від компанії "Майкрософт. Україна"
Презентація від компанії "Майкрософт. Україна"Презентація від компанії "Майкрософт. Україна"
Презентація від компанії "Майкрософт. Україна"
Olena Ursu
 
Praesentation motiV
Praesentation motiVPraesentation motiV
Praesentation motiV
dreamdancer
 
неформальные молодёжные движения
неформальные молодёжные движениянеформальные молодёжные движения
неформальные молодёжные движенияDemanessa
 
TEATRO SOBRE LA HISTORIA DEL CINE
TEATRO SOBRE LA HISTORIA DEL CINETEATRO SOBRE LA HISTORIA DEL CINE
TEATRO SOBRE LA HISTORIA DEL CINE
tutoradequintoa
 
Nutrition for Injury Prevention
Nutrition for Injury PreventionNutrition for Injury Prevention
Nutrition for Injury Prevention
DrCate.com
 
Lhc 2 lopputulokset
Lhc 2 lopputuloksetLhc 2 lopputulokset
Lhc 2 lopputulokset
hiihtocup
 
Constellation On-Premise Portfolio Guide
Constellation On-Premise Portfolio GuideConstellation On-Premise Portfolio Guide
Constellation On-Premise Portfolio Guide
Major Brands
 
Final evaluation.1
Final evaluation.1Final evaluation.1
Final evaluation.1
harps123
 

Viewers also liked (20)

Cluster & multi satge random sampling
Cluster & multi satge random samplingCluster & multi satge random sampling
Cluster & multi satge random sampling
 
Cluster and multistage sampling
Cluster and multistage samplingCluster and multistage sampling
Cluster and multistage sampling
 
Metode pengambilan sampel (sampling)
Metode pengambilan sampel (sampling)Metode pengambilan sampel (sampling)
Metode pengambilan sampel (sampling)
 
Novotny eu review_july_2011
Novotny eu review_july_2011Novotny eu review_july_2011
Novotny eu review_july_2011
 
Energy Management Solutions That Reduce Costs
Energy Management Solutions That Reduce CostsEnergy Management Solutions That Reduce Costs
Energy Management Solutions That Reduce Costs
 
Blink
Blink Blink
Blink
 
What conscience is not.ppt [autosaved]
What conscience is not.ppt [autosaved]What conscience is not.ppt [autosaved]
What conscience is not.ppt [autosaved]
 
Restauració i cloud computing by ignacio martínez
Restauració i cloud computing by ignacio martínezRestauració i cloud computing by ignacio martínez
Restauració i cloud computing by ignacio martínez
 
Leyenda mamina
Leyenda maminaLeyenda mamina
Leyenda mamina
 
Sprint review
Sprint reviewSprint review
Sprint review
 
Gestor de proyectos docent tic
Gestor de proyectos docent ticGestor de proyectos docent tic
Gestor de proyectos docent tic
 
конкурс презентация (2)
конкурс презентация (2)конкурс презентация (2)
конкурс презентация (2)
 
Презентація від компанії "Майкрософт. Україна"
Презентація від компанії "Майкрософт. Україна"Презентація від компанії "Майкрософт. Україна"
Презентація від компанії "Майкрософт. Україна"
 
Praesentation motiV
Praesentation motiVPraesentation motiV
Praesentation motiV
 
неформальные молодёжные движения
неформальные молодёжные движениянеформальные молодёжные движения
неформальные молодёжные движения
 
TEATRO SOBRE LA HISTORIA DEL CINE
TEATRO SOBRE LA HISTORIA DEL CINETEATRO SOBRE LA HISTORIA DEL CINE
TEATRO SOBRE LA HISTORIA DEL CINE
 
Nutrition for Injury Prevention
Nutrition for Injury PreventionNutrition for Injury Prevention
Nutrition for Injury Prevention
 
Lhc 2 lopputulokset
Lhc 2 lopputuloksetLhc 2 lopputulokset
Lhc 2 lopputulokset
 
Constellation On-Premise Portfolio Guide
Constellation On-Premise Portfolio GuideConstellation On-Premise Portfolio Guide
Constellation On-Premise Portfolio Guide
 
Final evaluation.1
Final evaluation.1Final evaluation.1
Final evaluation.1
 

Similar to Sampling kelompok dua tingkat

Dasar Dasar Statistika
Dasar Dasar StatistikaDasar Dasar Statistika
Dasar Dasar Statistika
formatik
 
Ranum Putri Salsabila PAI 3 C. Statistika Pendidikan.pptx
Ranum Putri Salsabila PAI 3 C. Statistika Pendidikan.pptxRanum Putri Salsabila PAI 3 C. Statistika Pendidikan.pptx
Ranum Putri Salsabila PAI 3 C. Statistika Pendidikan.pptx
munaazkia
 
01 - Pengantar Statistika.pdf
01 - Pengantar Statistika.pdf01 - Pengantar Statistika.pdf
01 - Pengantar Statistika.pdf
Elvi Rahmi
 
Riana putri 17707251020 (review buku - analisis varians)
Riana putri   17707251020 (review buku - analisis varians)Riana putri   17707251020 (review buku - analisis varians)
Riana putri 17707251020 (review buku - analisis varians)
RIANA PUTRI
 
Survey Cepat
Survey CepatSurvey Cepat
Survey Cepat
Arsad Rahim Ali
 
STATISTIKA DASAR UNTUK MAHASISWA S1 SELAMAT BELAJAR
STATISTIKA DASAR UNTUK MAHASISWA S1 SELAMAT BELAJARSTATISTIKA DASAR UNTUK MAHASISWA S1 SELAMAT BELAJAR
STATISTIKA DASAR UNTUK MAHASISWA S1 SELAMAT BELAJAR
ariefbudiman902449
 
Metode sampling
Metode sampling Metode sampling
Metode sampling
Eko Mardianto
 
1 pengantar statistika dasar
1 pengantar statistika dasar1 pengantar statistika dasar
1 pengantar statistika dasar
Alwan Alfazari
 
Ppt1 uji hipotesis dua rata
Ppt1 uji hipotesis dua rataPpt1 uji hipotesis dua rata
Ppt1 uji hipotesis dua rataMahmud0808
 
4. PPT Materi Ajar Statistika (Ganjil 2019-2020).pdf
4. PPT Materi Ajar Statistika (Ganjil 2019-2020).pdf4. PPT Materi Ajar Statistika (Ganjil 2019-2020).pdf
4. PPT Materi Ajar Statistika (Ganjil 2019-2020).pdf
MiffJasenx
 
Tugas resume metode sampling
Tugas resume metode samplingTugas resume metode sampling
Tugas resume metode sampling
Fitri Jaejoong
 
METLIT Populasi, Sampel & Sampling
METLIT Populasi, Sampel & SamplingMETLIT Populasi, Sampel & Sampling
METLIT Populasi, Sampel & SamplingReza J
 
1 pengantar-statistika-dasar
1 pengantar-statistika-dasar1 pengantar-statistika-dasar
1 pengantar-statistika-dasar
Fathnur Sani
 
materi Statistik Sosial dan analisis data .ppt
materi Statistik Sosial dan analisis data .pptmateri Statistik Sosial dan analisis data .ppt
materi Statistik Sosial dan analisis data .ppt
ashaby
 
Statistik-Sosial-pada kelas Pertemuan-4.ppt
Statistik-Sosial-pada kelas Pertemuan-4.pptStatistik-Sosial-pada kelas Pertemuan-4.ppt
Statistik-Sosial-pada kelas Pertemuan-4.ppt
AhmadSyajili
 
Tugas Anova Punya Agus
Tugas Anova Punya AgusTugas Anova Punya Agus
Tugas Anova Punya Agus
guest3651ae0
 
Tugas Anova Punya Agus
Tugas Anova Punya AgusTugas Anova Punya Agus
Tugas Anova Punya Agus
guest3651ae0
 
Tugas Anova Punya Agus
Tugas Anova Punya AgusTugas Anova Punya Agus
Tugas Anova Punya Agus
guest3651ae0
 
Statistika Ekonomi Modul 1.pptx
Statistika Ekonomi Modul 1.pptxStatistika Ekonomi Modul 1.pptx
Statistika Ekonomi Modul 1.pptx
OnoOraDino
 
Materi 7 - Teknik Sampling.pdf
Materi 7 - Teknik Sampling.pdfMateri 7 - Teknik Sampling.pdf
Materi 7 - Teknik Sampling.pdf
MahesaRioAditya
 

Similar to Sampling kelompok dua tingkat (20)

Dasar Dasar Statistika
Dasar Dasar StatistikaDasar Dasar Statistika
Dasar Dasar Statistika
 
Ranum Putri Salsabila PAI 3 C. Statistika Pendidikan.pptx
Ranum Putri Salsabila PAI 3 C. Statistika Pendidikan.pptxRanum Putri Salsabila PAI 3 C. Statistika Pendidikan.pptx
Ranum Putri Salsabila PAI 3 C. Statistika Pendidikan.pptx
 
01 - Pengantar Statistika.pdf
01 - Pengantar Statistika.pdf01 - Pengantar Statistika.pdf
01 - Pengantar Statistika.pdf
 
Riana putri 17707251020 (review buku - analisis varians)
Riana putri   17707251020 (review buku - analisis varians)Riana putri   17707251020 (review buku - analisis varians)
Riana putri 17707251020 (review buku - analisis varians)
 
Survey Cepat
Survey CepatSurvey Cepat
Survey Cepat
 
STATISTIKA DASAR UNTUK MAHASISWA S1 SELAMAT BELAJAR
STATISTIKA DASAR UNTUK MAHASISWA S1 SELAMAT BELAJARSTATISTIKA DASAR UNTUK MAHASISWA S1 SELAMAT BELAJAR
STATISTIKA DASAR UNTUK MAHASISWA S1 SELAMAT BELAJAR
 
Metode sampling
Metode sampling Metode sampling
Metode sampling
 
1 pengantar statistika dasar
1 pengantar statistika dasar1 pengantar statistika dasar
1 pengantar statistika dasar
 
Ppt1 uji hipotesis dua rata
Ppt1 uji hipotesis dua rataPpt1 uji hipotesis dua rata
Ppt1 uji hipotesis dua rata
 
4. PPT Materi Ajar Statistika (Ganjil 2019-2020).pdf
4. PPT Materi Ajar Statistika (Ganjil 2019-2020).pdf4. PPT Materi Ajar Statistika (Ganjil 2019-2020).pdf
4. PPT Materi Ajar Statistika (Ganjil 2019-2020).pdf
 
Tugas resume metode sampling
Tugas resume metode samplingTugas resume metode sampling
Tugas resume metode sampling
 
METLIT Populasi, Sampel & Sampling
METLIT Populasi, Sampel & SamplingMETLIT Populasi, Sampel & Sampling
METLIT Populasi, Sampel & Sampling
 
1 pengantar-statistika-dasar
1 pengantar-statistika-dasar1 pengantar-statistika-dasar
1 pengantar-statistika-dasar
 
materi Statistik Sosial dan analisis data .ppt
materi Statistik Sosial dan analisis data .pptmateri Statistik Sosial dan analisis data .ppt
materi Statistik Sosial dan analisis data .ppt
 
Statistik-Sosial-pada kelas Pertemuan-4.ppt
Statistik-Sosial-pada kelas Pertemuan-4.pptStatistik-Sosial-pada kelas Pertemuan-4.ppt
Statistik-Sosial-pada kelas Pertemuan-4.ppt
 
Tugas Anova Punya Agus
Tugas Anova Punya AgusTugas Anova Punya Agus
Tugas Anova Punya Agus
 
Tugas Anova Punya Agus
Tugas Anova Punya AgusTugas Anova Punya Agus
Tugas Anova Punya Agus
 
Tugas Anova Punya Agus
Tugas Anova Punya AgusTugas Anova Punya Agus
Tugas Anova Punya Agus
 
Statistika Ekonomi Modul 1.pptx
Statistika Ekonomi Modul 1.pptxStatistika Ekonomi Modul 1.pptx
Statistika Ekonomi Modul 1.pptx
 
Materi 7 - Teknik Sampling.pdf
Materi 7 - Teknik Sampling.pdfMateri 7 - Teknik Sampling.pdf
Materi 7 - Teknik Sampling.pdf
 

Sampling kelompok dua tingkat

  • 1. DESRI NOVIA NALISA (08027/2008) ROMY YUNIKA PUTRA (16077/2010) NENDY SEPTI ARNIVA (57528/2010) SISKA MULYA NINGSIH (57529/2010) PUTRI RAHMAYANI (57532/2010) INDRI SRI NOVITA SARI (57535/2010) RENO WARNI DIVA R. (58696 / 2010) FRISKA RUSADA (58700/2010) YULIA CITRA UTAMI (58722/2010) VIVI KARMILA (58727/2010)
  • 2. Apa itu sampling kelompok dua tingkat (SDKT) ?  Sampling kelompok dua tingkat (two stage cluster sampling) ialah sampling kelompok dimana setiap kelompok yang terpilih sebagai sampel, dipilih lagi sampel elemen dari masing-masing kelompok. Dengan demikian memang ada dua tingkat kegiatan yaitu : Pertama : memilih kelompok sebagai sampel Kedua : memilih elemen dari kelompok yang terpilih  Definisi : suatu sampel kelompok dua tingkat ialah sampel yang diperoleh dengan dua tingkat yaitu pertama memilih sampel kelompok secara acak dari populasi kelompok kemudian kedua memilih sampel elemen dari kelompok yang terpilih sebagai sampel.
  • 3. Contoh : Seorang ahli ekonomi bermaksud membuat perkiraan pengeluaran konsumsi penduduk suatu kota besar. Untuk maksud tersebut kota dibagi menjadi blok-blok bias juga menurut RT, kalau seandainya berdasarkan anggapan bahwa pengeluaran konsumse per rumah tangga dalam RT tak jauh berbeda (sama pegawai bank, sama pergawai negeri, sama pegawai swasta), maka lebih baik memilih banyak sampel RT, sebab dari RT ke RT pengeluaran konsumsi sangat berbeda dan memilih sampel rumah tangga dalam setiap RT, tidak terlalu banyak (sedikiti saja rumah tangga yang diteliti)
  • 4. CARA MEMPERKIRAKAN RATA-RATA DAN TOTAL Kita akan membuat perkiraan rata-rata (U), perkiraan jumlah/total (T), dan kesalahan samplingnya. N = banyaknya kelompok populasi n = banyaknya kelompok dalam sampel acak Mi = banyaknya seluruh elemen dalam kelompok i mi = banyaknya sampel elemen dalam kelompok I, yang dipilih secara acak
  • 5. Rumus : = banyaknya elemen dalam populasi = banyaknya elemen dalam sampel = rata-rata banyaknya elemen per kelompok dalam populasi = rata-rata banyaknya elemen per kelompok dalam sampel = nilai observasi ke-j dari kelompok ke-i = rata-rata perkiraan dari kelompok i
  • 6.
  • 7. Contoh soal A: (lihat buku J.Supranto halaman 271)
  • 8. PERKIRAAN RASIO UNTUK RATA-RATA Pemerkiraan , tergantung pada M = banyaknya seluruh elemen populasi. Apabila M tidak diketahui, perlu diperkirakan dengan data dari sampel. Kita peroleh pemerkira M dengan jalan mengalikan rata-rata banyaknya elemen per kelompok yaitu dengan banyaknya kelompok dalam populasi yaitu N. Apabila kita ganti M dengan pemerkiranya, kita peroleh suatu pemerkira rasio dengan symbol atau notasi , sebab baik pembilang maupun penyebut keduanya variabel acak.
  • 9.
  • 10. Contoh Soal B : (Lanjutan Soal A)
  • 11. CARA MEMPERKIRAKAN PROPORSI Untuk membuat perkiraan P= proporsi, kita bisa menggunakan rumus untuk U atau Ur , asalkan nilai Xij nol (=0) atau satu (1). Xij =1 kalau mengikuti/termasuk dalam kategori / kelas yang kita perhatikan, Xij=0 kalau tidak. Oleh karena biasanya M tak diketahui, kita pergunakan rumus untuk menghitung P, seperti rumus untuk Ur. Misalkan Pi=proporsi sampel elemen dari kelompok ke- I yang termasuk dalam kategori yang kita perhatikan.
  • 12.
  • 13. Contoh Soal C: (lanjutan soal A)