Saturday 10 September 2016

Laporan Biometrika Acara IV : Pengambilan Sampel



LAPORAN PRAKTIKUM
BIOMETRIKA HUTAN
ACARA IV
PENGAMBILAN SAMPEL



NAMA            :  DickyHardi
NIM                : 15/377808/KT/07926
CO-ASS          : UmmiRosydah
SHIFT             : Selasa, Pukul 07.00 WIB



LABORATORIUM KOMPUTASI & BIOMETRIKA HUTAN
BAGIAN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2015


ACARA IV
PENGAMBILAN SAMPEL

I.                   TUJUAN
1.      Praktikan memahami prinsip- prinsip dasar pengambilan sampel.
2.      Praktikan mampu menerapkan teknik pengambilan sampel untuk mengestimasi nilai populasi.

II.                DASAR TEORI
Salah satu hal yang menarik dari penelitian adalah kenyataan bahwa kita dapat menduga sifat-sifat suatu kumpulan objek penelitian hanya dengan mempelajari dan mengamati sebagian kumpulan data tersebut. Bagian yang diamati adalah sampel dan kumpulan objek penelitian disebut populasi.  ( anggraini, 1979)
      Populasi terbagi 2 bagian yaitu populasi tak terbatas dan papulasi yang dapat diketahui jumlahnya. Hasil pengukuran dari pengukuran suatu populasi disebut paremeter. Parameter adalah harga rata-rata hitung dari simpangan baku. Jadi populasi yang diteliti harus didefinisikan dengan jelas, termasuk di dalamnya cirri-ciri dimensi waktu dan tempat pengambilan sampel. ( Utomo, 1988 )
      Sampel dipandang sebagai suatu pendugaan terhadap populasi, namun bukan populasi itu sendiri. Ukuran dan keragaman sampel menjadi penentu baik atau tidaknya sampel yang diambil. Terdapat 2 cara pengambilan sampel yaitiu secara acak dan secara tidak acak. Sampel mungkin menunjukan karakteristik yang menyimpang dari karakteristik papulasi atau biasanya disebut sampling error. Sampling error adalah perbedaan antara hasil yang diperoleh dari sampel dengan hasil yang didapat dari sensus atau pengamatan dilapangan. ( Whitemore, 1979 )
      Statistic dapat membantu kita menentukan sampling error yaitu dengan menggunakan sampel tak bias. Sampel tak bias adalah sampel yang ditarik berdasarkan probabilitas. Dalam sampel probabilitas setiap unsure mempunyai nilai kemungkinan tertentu untuk dipilih. ( Ronggo, 2015)
III.             DATA
           
Tabel 1. pengamatan keliling pohon
NO
KELILING
( X - X )
( X - X )2
1
186
92.73
8598.21
2
99
5.73
32.79
3
98
4.73
22.34
4
39
-54.27
2945.61
5
98
4.73
22.34
6
34
-59.27
3513.35
7
44.2
-49.07
2408.21
8
92
-1.27
1.62
9
123
29.73
883.67
10
69
-24.27
589.20
11
241
147.73
21823.12
12
197
103.73
10759.19
13
82.3
-10.97
120.42
14
43
-50.27
2527.42
15
45.4
-47.87
2291.87
16
49
-44.27
1960.14
17
132
38.73
1499.74
18
59
-34.27
1174.67
19
186.5
93.23
8691.18
20
69.5
-23.77
565.18
21
188
94.73
8973.11
22
210
116.73
13625.08
23
80
-13.27
176.19
24
108
14.73
216.87
25
210
116.73
13625.08
26
74
-19.27
371.47
27
122
28.73
825.21
28
36
-57.27
3280.25
29
42
-51.27
2628.97
30
35
-58.27
3395.80
31
38
-55.27
3055.16
32
110
16.73
279.78
33
59
-34.27
1174.67
34
246
152.73
23325.39
35
131.5
38.23
1461.27
36
48
-45.27
2049.69
37
137.5
44.23
1955.98
38
141
47.73
2277.82
39
61
-32.27
1041.58
40
146.5
53.23
2833.06
41
61
-32.27
1041.58
42
176
82.73
6843.68
43
192
98.73
9746.92
44
103
9.73
94.61
45
43
-50.27
2527.42
46
250
156.73
24563.20
47
42.2
-51.07
2608.50
48
41
-52.27
2732.52
49
54
-39.27
1542.41
50
74
-19.27
371.47
51
43
-50.27
2527.42
52
95
1.73
2.98
53
96
2.73
7.43
54
106
12.73
161.96
55
84.5
-8.77
76.97
56
59
-34.27
1174.67
57
68
-25.27
638.75
58
249
155.73
24250.75
59
114
20.73
429.59
60
83
-10.27
105.54
61
197
103.73
10759.19
62
66
-27.27
743.84
63
97
3.73
13.89
64
43
-50.27
2527.42
65
155
61.73
3810.16
66
90
-3.27
10.72
67
94
0.73
0.53
68
34
-59.27
3513.35
69
88
-5.27
27.81
70
116
22.73
516.49
71
32
-61.27
3754.44
72
51
-42.27
1787.05
73
85
-8.27
68.45
74
41
-52.27
2732.52
75
33
-60.27
3632.89
76
33
-60.27
3632.89
77
168
74.73
5584.05
78
70
-23.27
541.66
79
42
-51.27
2628.97
80
74
-19.27
371.47
81
146
52.73
2780.09
82
121
27.73
768.76
83
192
98.73
9746.92
84
41
-52.27
2732.52
85
38
-55.27
3055.16
86
242
148.73
22119.58
87
102.5
9.23
85.13
88
193
99.73
9945.38
89
165.5
72.23
5216.67
90
41.5
-51.77
2680.49
91
61.5
-31.77
1009.55
92
43
-50.27
2527.42
93
149.5
56.23
3161.42
94
141.5
48.23
2325.80
95
44.5
-48.77
2378.85
96
36
-57.27
3280.25
97
36.5
-56.77
3223.23
98
35
-58.27
3395.80
99
116
22.73
516.49
100
71.5
-21.77
474.08
101
65.5
-27.77
771.37
102
48.5
-44.77
2004.66
103
61
-32.27
1041.58
104
41.5
-51.77
2680.49
105
160.5
67.23
4519.40
106
88
-5.27
27.81
107
71
-22.27
496.11
108
87.6
-5.67
32.19
109
116.3
23.03
530.22
110
47.5
-45.77
2095.21
111
115
21.73
472.04
112
41.4
-51.87
2690.86
113
33.9
-59.37
3525.21
114
41.3
-51.97
2701.24
115
129.5
36.23
1312.36
116
105.5
12.23
149.49
117
43.5
-49.77
2477.40
118
283.5
190.23
36186.13
119
59
-34.27
1174.67
120
52.4
-40.87
1670.64
121
52
-41.27
1703.50
122
85
-8.27
68.45
123
42
-51.27
2628.97
124
33
-60.27
3632.89
125
33.4
-59.87
3584.83
126
38.2
-55.07
3033.09
127
52
-41.27
1703.50
128
43
-50.27
2527.42
129
51
-42.27
1787.05
130
71.5
-21.77
474.08
131
173
79.73
6356.32
132
75
-18.27
333.92

12312.10
0.00
460925.58


DAFTAR PUSTAKA

Budiarto, Eko, 2002. Biostatistik untuk Kedokteran dan Kesehatan

Masyarakat. Eastern Goldfields College. surabaya


Sadono, ronggodkk. 2015.BiometrikaHutan. Volume I Metode
Statistika.interlude.Yogyakarta

Supranto, J. Sihombing, Tulus. said, Ali . 2000.Statistika:Teoridan
aplikasiedisikeenam.Erlangga. Jakarta

                       

Load disqus comments

0 comments