Dasar Dasar Sampling
-
Upload
ridho-bramulya-ikhsan -
Category
Documents
-
view
149 -
download
0
description
Transcript of Dasar Dasar Sampling
1
1Departemen Manajemen Hutan
Teknik Penarikan Contoh (Sampling)dalam
Inventarisasi Sumberdaya Hutan
Disiapkan oleh :Tim Pengajar
M.a. Inventarisasi Sumberdaya Hutan
Materi Kuliah m.a. Inventarisasi Sumberdaya Hutan
Bagian Perencanaan KehutananDepartemen Manajemen Hutan
Fakultas Kehutanan IPB
2Departemen Manajemen Hutan
Outline Kuliah
• Bagaimana data diperoleh?• Apa itu sampling?• Mengapa sampling?• Kesalahan dalam sampling• Populasi & contoh• Bentuk dan ukuran unit contoh• Penentuan ukuran contoh• Cara pengambilan contoh• Pengelompokan contoh• Tahapan & tingkatan dalam sampling• Peluang dalam sampling
2
3Departemen Manajemen Hutan
Bagaimana Data Diperoleh?
• Cara memperoleh data:– Perancangan percobaan:
• data diperoleh dari populasi buatan yang dibangkitkan melalui percobaan (experiment)
• contoh: pengaruh dosis pupuk terhadap pertumbuhan semai gmelina
– Survey:• data diperoleh dari populasi yang telah ada di alam• contoh: kegiatan inventarisasi hutan
4Departemen Manajemen Hutan
Bagaimana data diperoleh…
• Pengukuran dapat dilakukan dengan cara:– Sensus:
• pengukuran 100% (full enumeration):– semua elemen dalam populasi diukur
– Sampling (penarikan contoh):• pengukuran hanya dilakukan pada sebagian
elemen dari populasi:– tidak semua elemen dalam populasi diukur
3
5Departemen Manajemen Hutan
Apa Itu Sampling?
• Pendugaan karakteristik suatu populasiberdasarkan contoh (sample) yang diambil daripopulasi tersebut
• Digunakan untuk memperoleh nilai dugaan dari populasi yang sedang dipelajari
Populasi
Contoh
6Departemen Manajemen Hutan
Apa itu sampling…(2)
• Perumpamaan: – “seorang koki yang
mencicipi satu sendok supuntuk mengatakan bahwa satu panci sup yang dimasaknya memang lezat.”
Emmmm…, uenaaak..!!!
4
7Departemen Manajemen Hutan
Apa itu sampling…(2)
• Adakah sampling untuk “yang satu ini…?”
Hemmm…, siapa yang harus saya nikahi yah…???
8Departemen Manajemen Hutan
Mengapa Sampling?
• Keuntungan sampling:– Menghemat sumberdaya: biaya, waktu, tenaga– Kecepatan mendapatkan informasi (up to date)– Ruang lingkup (cakupan) lebih luas– Data/informasi yang diperoleh lebih teliti dan
mendalam– Pekerjaan lapangan lebih mudah dibanding
cara sensus
5
9Departemen Manajemen Hutan
Kesalahan dalam Sampling
• Jenis kesalahan:– Kesalahan non-sampling:
• Kesalahan yang bukan berasal dari pengambilan contoh
• Kesalahan yang muncul karena: – kesalahan pengukuran (measurement error) – kesalahan alat (instrumental error)– Kesalahan karena faktor pengukur (human error)– Kesalahan karena faktor lingkungan
(environmental error)• Besarnya kesalahan sulit dihitung dengan pasti
10Departemen Manajemen Hutan
Kesalahan dalam sampling…(2)
• Jenis kesalahan (lanjutan):– Kesalahan sampling (sampling error, SE):
• Kesalahan yang disebabkan karena dilakukannyapengambilan contoh (sampling)
• Besarnya kesalahan dapat dihitung:
2( , ). .100%ydft sSE
yα
=
6
11Departemen Manajemen Hutan
Kesalahan dalam sampling…(3)
• Jenis kesalahan (lanjutan):– Hubungan antara kedua jenis kesalahan:
Ukuran contoh (n)
Kes
alah
an(e
rror
)
Sampling Error
Non-Sampling Error
Total Erro
r
n optimal
Adakah kesalahandalam sensus…?
12Departemen Manajemen Hutan
Populasi & ContohPopulasi (population):= keseluruhan unit atau individu yang
ada dalam ruang lingkup yang sedang diteliti atau dibicarakan
Unit populasi :=satuan terkecil dari elemen2
(objek2 yg akan diukur) yang tidak saling bertampalan (non-overlapping) dari suatupopulasi yang melingkupiseluruh populasi tersebut.
Kerangka penarikan contoh(sampling frame):= daftar semua unit contoh dalam
populasi (1,2, …, N)
Contoh (sample):= kumpulan unit-unit contoh
(sampling units) yang diambildari suatu kerangka penarikancontoh dengan prosedur ttt.
Unit contoh := Unit populasi yg
terambil sbg contoh.
7
13Departemen Manajemen Hutan
Populasi & contoh…(2)
• Ukuran populasi:– banyaknya unit populasi di dalam populasinya– dinotasikan: N
• Ukuran contoh:– banyaknya unit populasi yang terambil sbg contoh– dinotasikan: n
• Intensitas sampling (IS):– Proporsi ukuran contoh terhadap ukuran populasi:
= .100%nISN
14Departemen Manajemen Hutan
Studi Kasus
• Misalkan dalam kelas Anda ini:– Apabila akan dipilih 10 orang wakil:
• Apakah populasinya?• Berapakah ukuran populasinya?• Apakah wujud unit populasinya?• Apakah sampling frame-nya?• Berapakah ukuran contoh-nya?• Berapakah intensitas sampling-nya?
8
15Departemen Manajemen Hutan
Populasi & contoh…(3)
• Parameter:– nilai yang mencerminkan
karakteristik populasi
• Statistik:– nilai mencerminkan
karakteristik contoh
• Misalnya:– Rata-rata/nilai tengah
(mean)– Ragam (variance)
Contoh:
Populasi:
16Departemen Manajemen Hutan
Populasi & contoh…(4)
• Ingatlah kembali bahwa:
9
17Departemen Manajemen Hutan
Populasi & contoh…(5)
• Peragam • Koef. Korelasi
.XY
X Y
σρ σ σ=
.XY
X Yssr s=
1 111{[( )( )] }{( )( )} i i
i iiXY
X Y i i
N N N Ni i X YX YX Y N
N N
μ μσ = ==
− − −==
∑ ∑∑∑
1 111{[( )( )] }{( )( )}
1 1i i
i iiXY
i i
n n n ni i y x yxx x y y n
s n n= ==
−=
− −=
− −
∑ ∑∑∑
• Koefisien Keragaman
x 100% x 100%sCV cv xσμ= =
18Departemen Manajemen Hutan
Populasi & contoh…(5)
• Dalam sampling:– Contoh (sample) digunakan untuk
memperoleh nilai dugaan (estimate) yang akurat/tepat bagi parameter populasi
Apa itu akurat…???
10
19Departemen Manajemen Hutan
Teliti, Akurat, Bias
• Ingatlah selalu ilustrasi berikut:
© Vanclay (1994)
20Departemen Manajemen Hutan
Teliti, akurat, bias…(2)
• Ketelitian (precision):– Derajat kesesuaian (degree of agreement) dari suatu
rangkaian pengukuran– Dalam sampling : Penyimpangan nilai-nilai
pengukuran (dari contoh) thdp nilai rata-ratanya sendiri {Ditunjukan oleh nilai simpangan baku (s)}
• Keakuratan/ketepatan (accuracy):– Derajat kedekatan suatu nilai pengukuran terhadap
nilai sebenarnya – Dalam sampling : Besarnya penyimpangan nilai-nilai
dugaan dari contoh thdp nilai parameter populasinya (Catatan: parameter populasi seringkali tdk diketahui)
11
21Departemen Manajemen Hutan
Teliti, akurat, bias…(3)
• Bias adalah kesalahan sistematis yg dapat disebabkan oleh : kesalahan dlm prosedur pengukuran, alat, prosedur sampling, perhitungan, pencatatan, …dsb…
• Hubungan ketiganya:(A=akurasi, B=bias, P=presisi)
– Akurasi = presisi, jika bias dapat dihilangkan
A2 = B2 + P2
22Departemen Manajemen Hutan
Sampling dalam Inventarisasi Hutan
• Harus didefinisikan dengan jelas:– Populasi ?– Unit populasi (bentuk,
ukuran) ?– Ukuran contoh ?
Mungkinkah individupohon sebagai unit contoh…???
12
23Departemen Manajemen Hutan
Bentuk & Ukuran Unit Contoh
• Dalam inventarisasi hutan:– Individu pohon jarang dipakai sebagai unit
contoh (mengapa?)– Umumnya unit contoh berupa plot (petak
ukur) yang berisi “sekumpulan pohon”
PlotPlot
24Departemen Manajemen Hutan
Bentuk & ukuran unit contoh…(2)
• Bentuk unit contoh:– Plot lingkaran (circular plot)– Plot empat persegi panjang (rectangular plot):
• bujur sangkar (square plot)
• jalur (line/strip)
– Tanpa plot (plotless): point sampling
– Contoh pohon (tree sampling): 6 ph, 8 ph,dsb.– Plot ukur dalam jalur (line plot)
13
25Departemen Manajemen Hutan
Bentuk & ukuran unit contoh…(3)
• Ukuran unit contoh:– Dapat dinyatakan dalam bentuk:
• Ukuran luas (hektar), misal: 0,02 ha, 0,04 ha, 0,1 ha (pada plot lingkaran, empat persegi panjang)
• Ukuran lebar (meter), misal: 10m, 20m (pada jalur)• Satuan faktor bidang dasar (Basal Area Factor,
BAF), misal: BAF-1, BAF-2 pada point sampling
• Satuan jumlah pohon, misal: 6-phn, 8-phn (pada tree-sampling)
26Departemen Manajemen Hutan
Penentuan Ukuran Contoh
• Berapa banyak contoh yang harus diambil?• Faktor-faktor penentu:
– Tingkat ketelitian pendugaan yang dikehendaki:• ditunjukkan oleh maksimum sampling error (SE) yang masih
ditolerir • apabila SE kecil maka ukuran contoh harus lebih besar
– Keragaman karakteristik populasi:• apabila populasi relatif heterogen maka ukuran contoh harus
lebih besar.
– Sumberdaya (biaya, waktu, tenaga) yang tersedia:• apabila sumberdaya terbatas maka ukuran contoh yang
diambil dapat lebih sedikit
14
27Departemen Manajemen Hutan
Penentuan ukuran contoh…(2)
• Ingat kembali hal ini:
Prinsip : Semakin besar n maka SE semakin kecil
( ) ( )22
,,
...100% .100%
ydfydf
stt s nSE SE
y y
αα
= ⇒ =
Sam
plin
g E
rror
(%)
Ukuran contoh (n)
28Departemen Manajemen Hutan
Penentuan ukuran contoh…(3)
• Secara statistik, n dapat dihitung:– Apabila fpc diabaikan:
– Apabila fpc digunakan:
( )2
2
,0
. .100
( ).ydft s
nSE y
α⎛ ⎞= ⎜ ⎟⎜ ⎟⎝ ⎠
( )( ) ( )
2
2
2
( , )
2 2
( , )
. . .100
. .100 . .
y df
y df
N s tn
s t N SE y
α
α
=+
0
01
nn
nN
=⎛ ⎞+ ⎜ ⎟⎝ ⎠
Atau:
1nfpcN
⎛ ⎞= −⎜ ⎟⎝ ⎠
fpc=finite population correction:
15
29Departemen Manajemen Hutan
Penentuan ukuran contoh…(4)
• Nilai-nilai dapat diperoleh melalui: – Survey pendahuluan– Pendekatan dari nilai kisaran (range):
• Pada tingkat kepercayaan 95%:
• Pada tingkat kepercayaan 99%:
, yy s
min maks
2y y
y+
≈ min
4maks
yy y
s−
≈
min maks
2y y
y+
≈ min
5maks
yy y
s−
≈
30Departemen Manajemen Hutan
Cara Pengambilan Contoh
• Contoh dapat diambil secara:– Acak (random sampling):
•Setiap kombinasi contoh yg mungkin diperoleh memiliki peluang yang sama untuk terpilih
– Sistematik (systematic sampling):•Unit contoh diambil dengan pola ttt, keteratutan ttt (sistematis)
•Tidak memiliki penduga ragam yang sah:– Dalam penerapannya, sering dimodifikasi menjadi
“systematic sampling with random start”
16
31Departemen Manajemen Hutan
Cara Pengambilan Contoh
• Pola acak vs sistematik:
Contoh (sample) acak Contoh (sample) sistematik
32Departemen Manajemen Hutan
Pengelompokan ContohPengelompokan Contoh
• Kondisi populasi seringkali heterogen:– Pengelompokan unit-unit contoh perlu
dilakukan untuk meminimumkan ragam (sehingga ketelitian pendugaan meningkat)
– Pengelompokan dapat dilakukan melalui:• Stratifikasi (stratification)• Klasterisasi (clustering)
17
33Departemen Manajemen Hutan
Pengelompokan contoh…(2)
• Stratifikasi:– Populasi dibagi menjadi beberapa stratum– Kondisi antar stratum cenderung heterogen– Unit-unit populasi pada setiap stratum relatif homogen
• Klasterisasi:– Populasi dibagi menjadi beberapa klaster– Kondisi antar klaster cenderung homogen– Unit-unit populasi pada setiap klaster relatif heterogen– Sering digunakan untuk memperoleh efisiensi tinggi pada
populasi yang unit-unit contohnya tersebar scr geografis
34Departemen Manajemen Hutan
Pengelompokan contoh…(3)
• Stratifikasi vs Klasterisasi:
Stratified (random) sampling
Cluster sampling
18
35Departemen Manajemen Hutan
Tahapan & Tingkatan dalam Sampling
• Pengambilan contoh dapat dilakukan secara:– Bertahap (phase sampling): misal dua tahap
(double sampling): 1 4
2
36
5 7
8 10
9
2
3
5 7
10
Tahap 1 :(potret udara)
Tahap 2 :(lapangan)
36Departemen Manajemen Hutan
Tahapan & tingkatan dalam sampling…(2)
• Pengambilan contoh (lanjutan):– Bertingkat (stage sampling):
• misal two-stage cluster sampling:
– Tingkat 1: unit contoh utama (primary sample unit)
– Tingkat 2: unit contoh kedua (secondary sample unit)
19
37Departemen Manajemen Hutan
Peluang dalam Sampling
• Apakah ukuran fisik suatu unit populasi berpenga-ruh thdp terpilihnya unit populasi tsb sbg contoh ?
• Berdasarkan konsep peluang, ada 2 kemungkinan :– PPP (3P): probability proportional to prediction
– PPS: probability proportional to size
38Departemen Manajemen Hutan
Peluang dalam sampling…(2)
• PPP (3P): probability proportional to prediction:– Berlaku pada unit-unit populasi yang ukurannya
sama (misal: plot 0,1 ha)– Peluang terambilnya unit populasi sama dan tidak
dipengaruhi oleh ukuran unit populasi tsb.• PPS: probability proportional to size:
– Berlaku pada unit-unit populasi yang ukurannya berbeda (misal: jalur)
– Peluang setiap unit populasi utk terambil sbg contoh tidak sama :• Unit contoh yang ukurannya besar memiliki peluang yang
lebih besar untuk terpilih
20
39Departemen Manajemen Hutan
Efisiensi dalam Sampling
• Seringkali dipertanyakan:– Efisienkah sampling dibanding sensus?– Efisienkah suatu metode sampling dibanding metode
sampling lainnya?
• Tingkat efisiensi dapat diukur oleh Efisiensi Relatif (relative efficiency, RE):– Misalkan metode 1 dibanding metode 2:
22
(1 2) 21
.100%sREs− =
40Departemen Manajemen Hutan
Efisiensi dalam sampling…(2)
• Efisiensi relatif dengan mempertimbangkan faktor biaya (c) dan waktu (t):
• Dimana:– Jika RE(1-2) > 100%: metode 1 lebih efisien– Jika RE(1-2) < 100%: metode 2 lebih efisien– Jika RE(1-2) = 100%: kedua metode sama efisiensinya
22 2
(1 2) 21 1
..100%
.s tREs t− =
22 2
(1 2) 21 1
..100%
.
s cRE
s c− =