P. 1
Distribusi+Sampling

Distribusi+Sampling

|Views: 69|Likes:
Dipublikasikan oleh Harris Pardede

More info:

Published by: Harris Pardede on Apr 26, 2011
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

12/14/2012

pdf

text

original

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel

)

I. PENDAHULUAN • Bidang Inferensia Statistik membahas generalisasi/penarikan kesimpulan dan prediksi/ peramalan. Generalisasi dan prediksi tersebut melibatkan sampel/contoh, sangat jarang menyangkut populasi. • Sensus = pendataan setiap anggota populasi • Sampling = pendataan sebagian anggota populasi = penarikan contoh = pengambilan sampel • Pekerjaan yang melibatkan populasi tidak digunakan, karena: 1. mahal dari segi biaya dan waktu yang panjang 2. populasi akan menjadi rusak atau habis jika disensus misal : dari populasi donat ingin diketahui rasanya, jika semua donat dimakan, dan donat tidak tersisa, tidak ada yang dijual? • Sampel yang baik → Sampel yang representatif Besaran/ciri sampel (Statistik Sampel) memberikan gambaran yang tepat mengenai besaran ukuran populasi (Parameter Populasi)

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? perhatikan tabel berikut: Ukuran/Ciri Rata-Rata Selisih 2 Rata-rata
Standar Deviasi Simpangan Baku Varians = Ragam Proporsi Selisih 2 proporsi

Parameter Populasi µ : (myu)

Statistik Sampel
x : (x bar)

µ1 − µ2
mutlak) = σ : (sigma)

:

(nilai

x1 − x 2 mutlak) S s² $ p atau p

:

(nilai

σ² π : (phi atau p)

π1 − π2 :(nilai mutlak
)

p1 − p2 : (nilai mutlak)

catatan : pada Nilai Mutlak, nilai negatif diabaikan misal : n ⏐3 - 7 ⏐= ⏐-4 ⏐ = 4
Distribusi Sampling / thomas yuni gunarto / hal 1 dari 11

program komputer. Anggota dalam suatu kelas akan (cenderung) sama (homogen). Contoh : Dari 1500 penumpang KA (setiap kelas memiliki ukuran yang sama) akan diambil 150 orang sebagai sampel. • BEBERAPA TEKNIK PENARIKAN SAMPEL : 1. 2. Penarikan Sampel Sistematik (Systematic Sampling) Tetapkan interval lalu pilih secara acak anggota pertama sampel Contoh : Ditetapkan interval = 20 Secara acak terpilih : Anggota populasi ke-7 sebagai anggota ke1 dalam sampel. keacakannya (randomness) 2. ukuran 3. maka sampel acak dapat diambil dari : Kelas Eksekutif : 50 orang Kelas Bisnis : 50 orang Kelas Ekonomi : 50 orang 4.Sampel yg baik diperoleh dengan memperhatikan hal-hal berikut : 1. tabel bilangan acak. 3. Penarikan Sampel Acak Berlapis (Stratified Random Sampling) Populasi terdiri dari beberapa kelas/kelompok. Dari setiap kelas diambil sampel secara acak. Penarikan Sampel Gerombol/Kelompok (Cluster Sampling) Populasi juga terdiri dari beberapa kelas/kelompok Sampel yang diambil berupa kelompok bukan individu anggota Perhatikan !!!! Distribusi Sampling / thomas yuni gunarto / hal 2 dari 11 . Perhatikan !!!! Antar Kelas bersifat (cenderung) berbeda nyata (heterogen). dilakukan pendataan tentang tingkat kepuasan. dst. Penarikan Sampel Acak Sederhana (Simple Randomized Sampling) Pengacakan dapat dilakukan dengan : undian. maka : Anggota populasi ke-27 menjadi anggota ke-2 dalam sampel Anggota populasi ke-47 menjadi anggota ke-3 dalam sampel. teknik penarikan sampel (sampling) yang sesuai dengan kondisi atau sifat populasi Sampel Acak = Contoh Random → dipilih dari populasi di mana setiap anggota populasi memiliki peluang yang sama terpilih menjadi anggota ruang sampel.

Sampel Kecil jika ukuran sampel (n) < 30 II. • Suatu statistik dapat dianggap sebagai peubah acak yang besarnya sangat tergantung dari sampel yang kita ambil. Contoh : Terdapat 40 kelas untuk tingkat II Jurusan Ekonomi-GD. Contoh : Pengambilan sampel di daerah JAWA BARAT. 2. Penarikan Sampel Area (Area Sampling) Prinsipnya sama dengan Cluster Sampling. : setelah didata. Sampel acak menjadi dasar penarikan sampel lain. dilakukan pendataan mengenai lama waktu belajar per hari maka sampel dapat diambil dari 6 kelas. Penarikan sampel tanpa pemulihan/tanpa pengembalian anggota sampel tidak dikembalikan ke dalam ruang sampel Penarikan sampel dengan pemulihan : bila setelah didata. Sukabumi dan Bandung.. setiap kelas terdiri dari 100 orang. DISTRIBUSI PENARIKAN SAMPEL ( DISTRIBUSI SAMPLING) • Jumlah Sampel Acak yang dapat ditarik dari suatu populasi adalah sangat banyak. • Berdasarkan Ukurannya. 5. Selanjutnya.. anggota sampel dikembalikan ke dalam ruang sampel. Populasi mahasiswa kelas 2. menyangkut Penarikan Sampel Acak. maka sampel dibedakan menjadi : 1. misalnya terpilih. pembahasan akan • Penarikan Sampel Acak dapat dilakukan dengan 2 cara 1. Sampel Besar jika ukuran sampel (n) ≥ 30 2. dapat dilakukan dengan memilih secara acak KOTAMADYA tempat pengambilan sampel. Dari 40 kelas. • Karena statistik sampel adalah peubah acak maka ia mempunyai distribusi yang kita sebut sebagai : Distribusi peluang statistik sampel = Distribusi Sampling = Distribusi Penarikan Sampel Statistik sampel yg paling populer dipelajari adalah Rata-Rata ( x ) Distribusi Sampling / thomas yuni gunarto / hal 3 dari 11 . Pengelompokan ditentukan oleh letak geografis atau administratif. ambil secara acak 6 kelas. Kodya Bogor. Ekonomi-UGD = 40 × 100 = 4000. Anggota dalam suatu kelas akan (cenderung) berbeda (heterogen).. Jika suatu penelitian dilakukan pada populasi tersebut dan sampel yang diperlukan = 600 orang.Antar Kelas bersifat (cenderung) sama (homogen). • Nilai setiap Statistik Sampel akan bervariasi/beragam antar sampel.

Distribusi Rata-rata akan mendekati distribusi Normal dengan : x−µ σ N −n µx =µ dan σ x = dan nilai z = N −n n N −1 (σ / n ) N −1 • N −n disebut sebagai FAKTOR KOREKSI populasi terhingga.2 JIKA …….1 JIKA …….II.1. Sampel: berukuran = n ≥ 30 rata-rata = x ⎫ ⎬ diambil DENGAN PEMULIHAN dari ⎭ ⎧ Populasi berukuran = N ⎨ Terdistribusi NORMAL ⎩ Rata-rata = µ .Distribusi Sampling Rata Rata Sampel Besar DALIL .1. simpangan baku = σ MAKA………. N −1 Distribusi Sampling / thomas yuni gunarto / hal 4 dari 11 .1. DISTRIBUSI SAMPLING RATA-RATA Beberapa notasi : n : ukuran sampel x : rata-rata sampel s : standar deviasi sampel µx σx N µ σ : ukuran populasi : rata-rata populasi : standar deviasi populasi : rata-rata antar semua sampel : standar deviasi antar semua sampel = standard error = galat baku II. simpangan baku = σ MAKA……… Distribusi Rata-rata akan mendekati distribusi Normal dengan : µx =µ dan σ x = σ n dan nilai z = x−µ σ n DALIL . Sampel: berukuran = n ≥ 30 rata-rata = x ⎫ ⎬ diambil TANPA PEMULIHAN dari ⎭ ⎧ Populasi berukuran = N ⎨ Terdistribusi NORMAL ⎩ Rata-rata = µ .

2. hal ini mengantar kita pada dalil ke-3 yaitu : FK akan mendekati 1 → N −1 DALIL LIMIT PUSAT = DALIL BATAS TENGAH ( THE CENTRAL LIMIT THEOREM ) DALIL .• Faktor Koreksi (FK) akan menjadi penting jika sampel berukuran n diambil dari populasi berukuran N yang terhingga/ terbatas besarnya • Jika sampel berukuran n diambil dari populasi berukuran N yang sangat besar maka N −n ≈ 1 .3 : DALIL LIMIT PUSAT JIKA…. penarikan sampel dari populasi yang sangat besar.1: Distribusi Sampling / thomas yuni gunarto / hal 5 dari 11 . Distribusi Rata-rata akan mendekati distribusi Normal dengan : µx =µ dan σ x = σ n dan nilai z = x−µ σ n • Dalil Limit Pusat berlaku untuk : 1. Sampel: ⎫ berukuran = n ⎬ diambil dari rata-rata = x ⎭ ⎧ Populasi berukuran = N yang BESAR ⎨ distribusi : SEMBARANG ⎩ Rata-rata = µ . distribusi populasi tidak dipersoalkan • Beberapa buku mencatat hal berikut : Populasi dianggap BESAR jika ukuran sampel n < 5% KURANG DARI 5 % ukuran populasi atau N Dalam pengerjaan soal DISTRIBUSI SAMPLING RATA-RATA perhatikan asumsi-asumsi dalam soal sehingga anda dapat dengan mudah dan tepat menggunakan dalil-dalil tersebut! CONTOH . simpangan baku = σ MAKA…….

standard error atau galat baku sampel GALAT BAKU = σ x = σ n = 15 15 = = 3. hitunglah : a.PT AKUA sebuah perusahaan air mineral rata-rata setiap hari memproduksi 100 juta gelas air mineral.9772 b. standard error atau galat baku sampel tersebut? b. hitunglah : a. standard error atau galat baku sampel tersebut? b. Perusahaan ini menyatakan bahwa rata-rata isi segelas AKUA adalah 250 ml dengan standar deviasi = 15 ml.4772 = 0.0) = 0.0 25 5 Distribusi Sampling / thomas yuni gunarto / hal 6 dari 11 . 100 10 z= 253 − 250 3 = = 2. Diselesaikan dengan DALIL 3 → karena POPULASI SANGAT BESAR µ x = µ = 250 N = 100 000 000 σ = 15 n = 25 P( x > 255) = P(z > ?) a. SOAL 1. Jadi P( x < 253) = P(z < 2. peluang rata-rata sampel akan berisi lebih dari 255 ml? JAWAB : SOAL 1 : Diselesaikan dengan DALIL 1 → karena PEMULIHAN Diselesaikan dengan DALIL 3 → karena POPULASI SANGAT BESAR µ x = µ = 250 N = 100 000 000 P( x < 253) = P(z < ?) a.0 15 . Rata-rata populasi dianggap menyebar normal. Peluang rata-rata sampel akan berisi kurang dari 253 ml adalah 97.72 % SOAL 2. peluang rata-rata sampel akan berisi kurang dari 253 ml? SOAL 2. 15 . Standar Error atau Galat Baku Sampel GALAT BAKU = σ x = σ = 15 n = 100 σ n = 15 15 = = 15 . Jika sampel diperkecil menjadi 25 gelas. Jika setiap hari diambil 100 gelas AKUA sebagai sampel acak DENGAN PEMULIHAN.5 + 0.

..4952 = 0.S. Gosset)..0. jadi … peluang sampel akan memiliki rata-rata tinggi badan kurang dari 160 cm adalah 0.928.75 % CONTOH . = 1. 36 P( x < 160) = P(z < -2.2% > 5% → Dalil Limit Pusat tidak dapat digunakan N 500 P( x < 160) = P(z < ?) FK = N −n 500 − 36 = = N −1 500 − 1 464 = 0.072 = 7. Jika penarikan sampel dilakukan TANPA PEMULIHAN dan rata-rata tinggi mahasiswa diasumsikan menyebar normal. diambil 36 orang sebagai sampel acak...0 3.5 .964..1.67) = 0. Jadi … peluang rata-rata sampel akan berisi lebih dari 255 ml adalah 4.4525 = 0.2 : Dari 500 mahasiswa FE-GD diketahui rata-rata tinggi badan = 165 cm dengan standar deviasi = 12 cm.0 Jadi P( x > 255 ) = P(z > 1.0475 b. = 0. σx = σ x FK = 12 × 0.. peluang sampel akan memiliki rata-rata tinggi badan kurang dari 160 cm? JAWAB : Diselesaikan dengan DALIL 2 → TANPA PEMULIHAN µ x = µ = 165 N = 500 σ = 12 n = 36 n 36 Catatan = = 0. galat baku sampel? b. 1.t • Distribusi Sampling didekati dengan distribusi t Student = distribusi t (W..48% II.5 .. = 2 x 0.59) = 0..z= 255 − 250 5 = = 1.929.2. • Lihat Buku Statistika-2.964..964.. Distribusi Sampling Rata-rata Sampel Kecil DISTRIBUSI .59. hal 177 Distribusi Sampling / thomas yuni gunarto / hal 7 dari 11 .67 3.0. 499 GALAT BAKU n 160 − 165 z= = −2.928..0048 b. hitunglah : a..

306 Distribusi Sampling / thomas yuni gunarto / hal 8 dari 11 . derajat bebas (db) 2.1 (10%) .1. Dua hal yang perlu diperhatikan dalam Tabel t adalah 1.05 (5%) .306 0 2. α) = t tabel(8. 0.5% -2. Nilai α ditentukan = 2.025(2.306 dan -t = -2. 0. • Nilai α adalah luas daerah kurva di kanan nilai t atau luas daerah kurva di kiri nilai –t • Nilai α → 0. Nilai t hitung untuk kasus distribusi rata-rata sampel kecil didapat dengan menggunakan DALIL 4 • Pembacaan Tabel Distribusi-t Misalkan n = 9 → db = 8.306 2.5% 95 % 2.Distribusi-t pada prinsipnya adalah pendekatan distribusi sampel kecil dengan distribusi normal.005(0. nilai α • Derajat bebas (db) = degree of freedom = v = n .5%) Nilai α terbatas karena banyak kombinasi db yang harus disusun! • Kelak Distribusi t akan kita gunakan dalam PENGUJIAN HIPOTESIS Nilai α ditentukan terlebih dahulu Lalu nilai t tabel ditentukan dengan menggunakan nilai α dan db. 0.01 (1%) . Nilai t tabel menjadi batas selang pengujian Lalukan pembandingan nilai t tabel dengan nilai t hitung.5% di kiri dan kanan kurva t tabel (db.5%) .025) = 2. 0.306 Jadi t = 2. n : ukuran sampel. 0.

5 % dan Peluang t < -2.306.5% di kanan t α = 2. 2. berpeluang 95% jatuh dalam selang -2. baku = s ⎭ ⎧ Populasi berukuran = N ⎨ terdistribusi : NORMAL ⎩ Rata-rata = µ MAKA….24 Distribusi Sampling / thomas yuni gunarto / hal 9 dari 11 .5 % = 0.306 Nilai t-hitung = ? µ = 1. data tersebar normal.306 = 2.5 % Coba cari nilai t tabel untuk beberapa nilai db dan α yang lain! • Perbedaan Tabel z dan Tabel t Tabel z → nilai z menentukan nilai α Tabel t → nilai α dan db menentukan nilai t • Dalam banyak kasus nilai simpangan baku populasi (σ) tidak diketahui. α) = t tabel (8.4 JIKA… Sampel: ⎫ ukuran KECIL n < 30 ⎬ diambil dari rata-rata = x simp.80 mg.Arti Gambar di atas : nilai t sampel berukuran n = 9.24 mg. 0. karenanya nilai σ diduga dari nilai simpangan baku sampel (s) DALIL .5 % di kiri t dan 2.306 = 2.80 n=9 x = 1.306 Jadi 95 % berada dalam selang -2.306 < t < 2.1 = 8 t tabel (db.025 n = 9 → db = n . Peluang t >2.306 < t < 2.025) = 2.95 s = 0. Yayasan Konsumen melakukan pengujian nikotin terhadap 9 batang rokok dan diketahui rata-rata sampel = 1. Apakah hasil penelitian Yayasan Konsumen mendukung pernyataan Manajemen PT BETUL? Jawab : 95 % berada dalam selang → berarti 5 % berada di luar selang.95 mg nikotin dengan standar deviasi = 0. Distribusi Rata-rata akan mendekati distribusi-t dengan : µx =µ s dan σ x = n dan nilai t= x−µ s n pada derajat bebas = n-1 dan suatu nilai α Contoh 3 : Manajemen PT BETUL menyatakan bahwa 95% rokok produksinya rata-rata mengandung nikotin 1.

diasumsikan kedua populasi berukuran besar Jika diambil 100 mahasiswa Eropa dan 100 mahasiswa Asia sebagai sampel. . x−µ 195 − 180 015 .306 jadi hasil penelitian Yayasan Konsumen masih sesuai dengan pernyataan manajemen PT BETUL. berapa peluang terdapat perbedaan IQ kedua kelompok akan kurang dari 2? Distribusi Sampling / thomas yuni gunarto / hal 10 dari 11 . = = 1875 =t= 0.3.875 berada dalam selang -2. Distribusi Rata-rata akan mendekati distribusi Normal dengan : µx − x = µ1 − µ2 1 2 dan standard error = σx − x = 1 2 σ12 σ22 n1 + n2 dan nilai z z= x1 − x2 − µ1 − µ2 σ12 σ22 n1 + n2 • Beda atau selisih 2 rata-rata = µ1 − µ2 → ambil nilai mutlaknya! • Melibatkan 2 populasi yang BERBEDA dan SALING BEBAS • Sampel-sampel yang diambil dalam banyak kasus (atau jika dilihat secara akumulatif) adalah sampel BESAR Contoh 4: Diketahui rata-rata IQ mahasiswa Eropa = 125 dengan ragam = 119 sedangkan rata-rata IQ mahasiswa Asia = 128 dengan ragam 181.306 < t < 2.Distribusi Sampling Bagi Beda 2 Rata Rata DALIL .t= .24 9 Nilai t hitung = 1.08 s n 0.1. II.5 JIKA…. . Dua (2) Sampel ⎫ berukuran n1 dan n2 ⎬ diambil dari rata-rata = x1 dan x2 ⎭ ⎧ Dua (2) Populasi berukuran BESAR ⎨ Rata-rata µ1 dan µ2 ⎩ Ragam σ12 dan σ 2 2 MAKA….

2810 JADI peluang terdapat perbedaan IQ kedua kelompok akan kurang dari 2 adalah 28.2190 = 0.. = −0577. @ Distribusi Sampling / thomas yuni gunarto / hal 11 dari 11 .58) = 0. ≈ −058 = 119 181 3 + 100 100 P(z<-0.. Eropa) 125 119 populasi ke-2 (Mhs.Jawab : Populasi Parameter Rata-rata (µ) Ragam (σ²) populasi ke-1 (Mhs.5 . Asia) 128 181 Beda 2 Rata-rata = µx − x = µ1 − µ2 1 2 = 125 − 128 = − 3 = 3 Sampel : n1 = 100 P( n2 = 100 x 1 − x2 <2 ) = P ( z < ?) x1 − x2 − µ1 − µ2 z= σ12 σ22 n1 + n2 = 2−3 −1 .1 %.0. .

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->