Anda di halaman 1dari 8

B.

DISTRIBUSI SAMPLING
Distribusi sampling adalah distribusi dari mean-mean yang diambil secara berulang kali
dari suatu populasi. Bila pada suatu populasi tak terhingga dilakukan pengambilan sampel secara
acak berulang-ulang hingga semua sampel yang mungkin dapat ditarik dari populasi tersebut.
Sampel yang diambil dari populasi terbatas dan sebelum dilakukan pengambilan sampel
berikutnya sampel unit dikembalikan kedalam populasi.
Untuk mempelajari populasi kita memerlukan sampel yang diambil dari populasi yang
bersangkutan. Meskipun kita dapat mengambil lebih dari sebuah sampel berukuran n dari sebuah
populasi berukuran N, pada prakteknya hanya sebuah sampel yang biasa diambil dan digunakan
untuk hal tersebut. Sampel yang diambil ialah sampel acak dan dari sampel tersebut nilai-nilai
statistiknya dihitung untuk digunakan seperlunya. Untuk ini diperlukan sebuah teori yang dikenal
dengan nama distribusi sampling. Distribusi sampling biasanya diberi nama bergantung pada
nama statistik yang digunakan. Demikianlah umpamanya kita kenal distribusi sampling rata-rata,
distribusi sampling proporsi, distribusi simpangan baku, dan lain-lain. Nama-nama tersebut biasa
disingkat lagi berturut-turut menjadi distribusi rata-rata, distribusi proporsi, distribusi simpangan
baku, dan lain-lain.
1. DISTRIBUSI RATA-RATA
Misalkan kita mempunyai sebuah populasi berkukuran terhingga N dengan parameter
rata-rata dan simpangan baku . Dari populasi ini diambil secara acak berukuran n. Jika
sampling dilakukan tanpa pengembalian, kita tahu semuanya ada (

) buah sampel yang


berlainan. Untuk semua sampel yang didapat, masing-masing dihitung rata-ratanya. Dengan
demikian diperoleh

(

) buah rata-rata. Anggap semua rata-rata ini sebagai data baru, jadi didapat
kumpulan data yang terdiri atas rata-rata dari sampel-sampel. Dari kumpulan ini kita dapat
menghitung rata-rata dan simpangan bakunya. Jadi didapat rata-rata daripada rata-rata, diberi
simbol

(baca: mu indeks eks garis), dan simpangan baku daripada rata-rata, diberi simbol


(baca: sigma indeks eks garis).
Beberapa notasi :
n : ukuran sampel N : ukuran populasi
x : rata-rata sampel : rata-rata populasi
s : standar deviasi sampel : standar deviasi populasi
x: rata-rata antar semua sampel
x : standar deviasi antar semua sampel = standard error = galat baku
Contoh :
Diberikan sebuah populasi dengan N=10 yang datanya : 98, 99, 97, 98, 99, 98, 97, 97, 98, 99.
Jika dihitung, populasi ini mempunyai = 98 dan = 0,78. Diambil sampel berukuran n=2 .
Semuanya ada (

) = 45 buah sampel. Untuk setiap sampel kita hitung rata-ratanya. Data dalam
tiap sampel dan rata-rata tiap sampel diberikan dalam daftar berikut ini.
Semua Sampel Berukuran n = 2
Rata-ratanya Diambil dari Populasi Berukuran N = 10
Sampel Rata-rata Sampel Rata-rata Sampel Rata-rata
(98,99)
(98,97)
(98,98)
(98,99)
(98,98)
(98,97)
(98,97)
(98,98)
(98,99)
(99,97)
(99,98)
(99,99)
(99,98)
(99,97)
(99,97)
98,5
97,5
98
98,5
98
97,5
97,5
98
98,5
98
98,5
99
98,5
98
98
(99,98)
(99,99)
(97,98)
(97,99)
(97,98)
(97,97)
(97,97)
(97,98)
(97,99)
(98,99)
(98,98)
(98,97)
(98,97)
(98,98)
(98,99)
98,5
99
97,5
98
97,5
97
97
97,5
98
98,5
98
97,5
97,5
98
98,5
(99,98)
(99,97)
(99,97)
(99,98)
(99,99)
(98,97)
(98,97)
(98,98)
(98,99)
(97,97)
(97,98)
(97,99)
(97,98)
(97,99)
(98,99)
98,5
98
98
98,5
99
97,5
97,5
98
98,5
97
97,5
98
97,5
98
98,5
Jumlah semua rata-rata = 4410
Jumlah ke-45 buah rata-rata = 4.410. maka rata-ratanya untuk ke-45 rata-rata ini =

.
Jadi,

.
simpangan baku ke-45 rata-rata di atas juga dapat dihitung. Besarnya adalah:



Tetapi rata-rata populasi dan simpangan baku . Selanjutnya kita hitung:




Ternyata berlaku bahwa:
X(1) .


Jika N cukup besar dibandingkan terhadap n, maka berlaku hubungan:
X(2) .

Untuk penggunaan, rumus (2) cukup baik apabila (n/N) 5%.
Jika sampel acak berukuran n diambil dari sebuah populasi berukuruan N dengan rata-rata dan
simpangan baku , maka distribusi rata-rata sampel mempunyai rata-rata dan simpangan baku
seperti dalam rumus (1) jika (n/N) > 5%, seperti dalam rumus (2) jika (n/N) 5%.

dinamakan
kekeliruan standar rata-rata atau kekeliruan baku rata-rata atau pula galat baku rata-rata. Ini
merupakan ukuran variasi rata-rata sampel sekitar rata-rata populasi .

mengukur besarnya
perbedaan rata-rata yang diharapkan dari sampel ke sampel.
Dalil limit pusat :
Jika sebuah populasi mempunyai rata-rata dan simpangan baku yang besarnya
terhingga, maka untuk ukuran sampel acak n cukup besar, distribusi rata-rata sampel mendekati
distribusi normal dengan rata-rata

dan simpangan baku


Distribusi normal yang didapat dari distribusi rata-rata perlu distandarkan agar daftar distribusi
noramal baku dapat digunakan. Ini perlu untuk perhitungan-perhitungan. Untuk ini digunakan
transformasi.
X(3) ..

Contoh :
Tinggi badan mahasiswa rata-rata mencapai 165 cm dan simpangan baku 8,4 cm. Telah diambil
sebuah sampel acak terdiri atas 45 mahasiswa. Tentukan berapa peluang tinggi rata-rata ke-45
mahasiswa tersebut :
a). antara 160 cm dan 168 cm.
b). paling sedikit 166 cm.
Jawab:
Jika ukuran populasi tidak dikatakan besarnya, selalu dianggap cukup besar untuk berlakunya
teori. Ukuran sampel n= 45 tergolong sampel besar sehingga dalil limit pusat berlaku. Jadi rata-
rata

untuk tinggi mahasiswa akan mendekati distribusi normal dengan :
Rata-rata

= 165 cm
Simpangan baku

=


cm = 1,252 cm.
a) Dari rumus X(3) dengan

= 160 cm dan

= 168 cm didapat :

dan


Penggunaan daftar distribusi normal baku memberikan luas kurva = 0,5 + 0,4918 =
0,9818.
Peluang rata-rata tinggi ke-45 mahasiswa antara 160 cm dan 168 cm adalah 0,9918.
b) Rata-rata tinggi paling sedikit 166 cm memberikan angka z paling sedikit =


Dari daftar normal baku, luas kurva = 0,5-0,2881 = 0,2119. Peluang yang dicari = 0,2119



Apabila dari populasi diketahui variansnya dan perbedaan antara rata-rata dari sampel ke sampel
diharapkan tidak lebih dari sebuah harga d yang ditentukan, maka berlaku hubungan.
X(4) .
Dari rumus X(4) ini, ukuran sampel yang paling kecil sehubungan dengan distribusi rata-rata,
dapat ditentukan.
Contoh :
Untuk contoh diatas, misalkan harga-harga dari sampel yang satu dengan sampel yang lainnya
diharapkan tidak lebih dari 1 cm.
Jika populasi cukup besar, maka :

yang menghasilkan


atau n 70,58.
Paling sedikit perlu diambil sampel terdiri atas 71 mahasiswa.

2. DISTRIBUSI PROPORSI
Uraian untuk distribusi proporsi sejalan dengan untuk distribusi rata-rata. Misalkan
populasi diketahui berukuran N yang didalamnya didapat peristiwa A sebanyak Y di antara N.
Maka didapat parameter proporsi A sebesar = (Y/N).
Dari populasi ini diambil sampel acak berukuran n dan dimisalkan didalamnya ada
peristiwa A sebanyak x. Sampel ini memberikan statistik proporsi peristiwa A = x/n. Jika semua
sampel yang mungkin diambil dari populasi itu maka didapat sekumpulan harga-harga statistik
proporsi. Dari kumpulan ini kita dapat menghitung rata-ratanya, diberi simbol
x/n
.
Untuk ini ternyata bahwa, jika ukuran populasi kecil dibandingkan dengan ukuran
sampel, yakni (n/N) > 5%, maka :

X(5)




dan jika ukuran populasi besar dibandingkan dengan ukuran sampel, yakni (n/N) 5% maka :
X(6)

x/n
dinamakan kekeliruan baku proporsi atau galat baku proporsi.
Untuk ukuran sampel n cukup besar, berlakulah sifat berikut :
Jika dari populasi yang berdistribusi binom dengan parameter untuk peristiwa A, 0 <
< 1, diambil sampel acak berukuran n dimana statistik proporsi untuk peristiwa A (x/n), maka
untuk n cukup besar, distribusi proporsi (x/n) mendekati distribusi normal dengan parameter
seperti dalam rumus (5) jika (n/N) > 5%, dan seperti dalam rumus (6) jika (n/N) 5%.
Seperi dalam distribusi rata-rata, disini pun akan digunakan n 30 untuk memulai
berlakunya sifat di atas. Untuk perhitungan, daftar distribusi normal baku dapat digunakan dan
untuk itu diperlukan transformasi :
X(7)

Jika perbedaan antara proporsi sampel yang satu dengan yang lainnya diharapkan tidak
lebih dari sebuah harga d yang ditentukan, maka berlaku :

X(8)
Karena
x/n
mengandung faktor dengan = parameter populasi, maka rumus (8) berlaku jika
parameter sudah diketahui besarnya. Jika tidak, dapat ditempuh cara konservatif dengan
mengambil harga kekeliruan baku atau galat baku yang terbesar, yakni (1 ) = .
Contoh :
Ada petunjuk kuat bahwa 10% anggota masyarakat tergolong ke dalam golongan A. Sebuah
sampel acak terdiri atas 100 orang telah diambil.
a) Tentukan peluangnya bahwa dari 100 orang itu akan ada paling sedikit 15 orang dari golongan
A.


b) Berapa orang harus diselidiki agar persentase golongan A dari sampel yang satu dengan yang
lainnya diharapkan berbeda paling besar dengan 2%?
Jawab:
a) Untuk ukuran sampel 100, diantaranya paling sedikit 15 tergolong kategori A, maka
paling sedikit x/n = 0,15. Kekeliruan bakunya adalah :


Bilangan z paling sedikit =


Dari daftar normal baku, luasnya = 0,5 0,4525 = 0,0475.
Peluang dalam sampel itu aka nada paling sedikit 15 kategori A adalah 0,0475.
b) Dari rumus (8) dengan = 0,1 dan 1 = 0,9 sedangkan d = 0,02, maka :

yang menghasilkan n 225


Paling sedikit sampel harus berukuran 225.

3. DISTRIBUSI SIMPANGAN BAKU
Seperti biasa kita mempunyai populasi berukuran N. Diambil sampel-sampel acak
berukuran n, lalu untuk tiap sampel dihitung simpangan bakunya, yaitu s. Dari kumpulan ini
sekarang dapat dihitung rata-ratanya, diberi simbol

dan simpangan bakunya, diberi simbol

.
Jika populasi berdistribusi normal atau hampir normal, maka distribusi simpangan baku, untuk n
besar, biasanya n 100, sangat mendekati distribusi normal dengan :

X(9)

dengan = simpangan baku populasi.


Transformasi yang diperlukan untuk membuat distribusi menjadi normal baku adalah:
X(10)
Untuk populasi tidak berdistribusi normal dan untuk sampel berukuran kecil, , rumus-
rumusnya snngat sulit dan karena peggunaannya tidak banyak maka disini tidak dijelaskan lebih
lanjut.
Contoh:
Varians sebuah populasi yang berdistribusi normal 6,25. Diambil sampel berukuran 225.
Tentukan peluang sampel tersebut akan mempunyai simpangan bakulebih dari 3,5.
Jawab:
Varians = 6,25 ber = 2,5. Ukuran sampel cukup besar, maka distribusi simpangan baku
mendekati distribusi normal dengan rata-rata

dan simpangan baku

.
Bilangan z untuk s = 3,5 adalah


Praktis tidak menjadi sampel berukuran 225 dengan simpangan baku lebih dari 3,5.