TUGAS

TEKNIK PEMERCONTOAN

Diajukan Sebagai Salah Satu Syarat Mata Kuliah Teknik Pemercontoan

Pertambangan Prodi Teknik Pertambangan

Universitas Islam Bandung

Disusun Oleh :

Nama : Agung Permana

NPM : 10070111043

PROGRAM STUDI TEKNIK PERTAMBANGAN

FAKULTAS TEKNIK

UNIVERSITAS ISLAM BANDUNG

1436 H / 2015 M
 TUGAS TEKNIK SAMPLING

A. Distribusi normal
Distribusi normal merupakan suatu alat statistik yang sangat penting untuk
menaksir dan meramalkan peristiwa-peristiwa yang lebih luas. Distribusi normal disebut
juga dengan distribusi Gauss untuk menghormati Gauss sebagai penemu persamaannya
(1777-1855). Menurut pandangan ahli statistik, distribusi variabel pada populasi
mengikuti distribusi normal. Distribusi normal pertama kali diperkenalkan oleh
Abraham DeMoivre (1733) sebagai pendekatan distribusi binomial untuk n besar.
Selanjutnya dikembangkan oleh Pierre Simon de Laplace dan dikenal dengan Teorema
Moivre - Laplace. Laplace menggunakan distribusi normal untuk analisis galat suatu
eksperimen. Suatu data membentuk distribusi normal jika jumlah data di atas dan di
bawah mean adalah sama.Distribusi normal berupa kurva berbentuk lonceng setangkup
yang melebar tak berhingga pada kedua arah positif dan negatifnya.
Ciri-ciri kurva normal :
1. Bentuk kurva normal
1. Menyerupai lonceng (genta/bel).
2. Merupakan suatu poligon yang dilicinkan yang mana ordinat (sumbu
tegak) merupakan frekuensi dan absisnya (sumbu alas) memuat nilai variabel.
3. Simetris.
4. Luas daerah merupakan nilai rata-rata (mean).
5. Luas daerah sebelah kiri dan kanan mendekati 50%.
6. Memiliki satu modus (disebut juga bimodal).
2. Daerah kurva normal
1. Merupakan ruangan yang dibatasi daerah kurva dengan absisnya (sumbu
alas).
2. Luas daerah biasanya dinyatakan dalam persen atau proporsi.
Distribusi normal dipengaruhi oleh dua parameter, yaitu mean dan standar deviasi.
Mean menentukan lokasi pusat statistik dan standar deviasi menentukan lebar dari kurva
normal.

Rumus umum distribusi normal :

dengan

Kurva normal menggambarkan daerah penerimaan dan penolakan Ho.

Jika pengujian dua arah / sisi, maka gambarnya sebagai berikut :
Jika pengujian satu arah, maka gambarnya sebagai berikut :

Uji satu arah biasanya untuk uji F dan uji t satu arah.

B. Bias
Bias adalah sebuah penyajian bahan yang dipenuhi prasangka. Ia juga berarti
kesalahan yang konsisten dalam memperkirakan sebuah nilai. Ada dua tipe bias: bias
sampel dan bias pengukuran.
a. Bias sampel
Sampel adalah sekumpulan satuan yang dipilih untuk diukur dari kelompok yang
lebih besar (populasi). Bias sampel terjadi ketika sampel yang digunakan tidak mewakili
populasi atau tidak sesuai dengan pertanyaan yang diajukan.Faktor-faktor yang
menyebabkan bias sampel adalah ukuran sampel dan seleksi sampel. Ukuran sampel
harus cukup besar agar dipeoleh nilai rata-rata yang baik. Sebagai contoh, untuk
menentukan tinggi rata-rata mahasiswa di ruang kelas, seberapa banyak mahasiswa yang
harus diukur untuk mendapatkan perkiraan terbaik? Apakah bisa dikatakan teliti jika kita
hanya mengambil sampel dari tiga orang mahasiswa saja?Sampel juga harus memiliki
komposisi yang mencerminkan komposisi populasi. Faktor seperti lokasi, usia, gender,
etnisitas, kebangsaan, dan lingkungan hidup dapat mempengaruhi data yang
dikumpulkan. Contoh bias seleksi sampel adalah sebagai berikut: seorang peneliti ingin
menemukan tinggi rata-rata mahasiswa di ruang kelas. Ada beberapa mahasiswa yang
ikut pertandingan basket sehingga harus pulang lebih awal. Kelompok mahasiswa ini
dijadikan sampel oleh peneliti tersebut. Para pemain basket umumnya berbadan tinggi
sehingga bila mereka dijadikan sampel, akibatnya muncul rata-rata yang lebih tinggi dari
sebenarnya ada bila kita mengukur populasi secara keseluruhan. Dalam kasus ini tentu
akan lebih baik mengukur seluruh mahasiswa di ruang kelas (populasi). Namun hal ini
tidak dapat dilakukan bila kita bicara mengenai rata-rata tinggi penduduk di suatu negara
atau provinsi, karena jumlahnya sangat banyak dan tidak mungkin dilakukan pengukuran
tinggi secara keseluruhan.Eksperimen yang baik mengendalikan faktor-faktor ini dengan
memakai sampel yang diambil secara acak sehingga setiap individu memiliki
kemungkinan yang sama untuk terpilih. Contohnya dengan melempar dadu atau
melempar koin. Cara lain meminimalkan bias seleksi sampel adalah pembatasan
pertanyaan yang diajukan pada kelompok yang disampel.

b. Bias pengukuran
Bias pengukuran berurusan dengan masalah apakah metode pengumpulan data
yang dipilih telah sesuai sehingga data yang dikumpulkan merupakan yang paling
mewakili kenyataan? Untuk mengevaluasi teknik pengumpulan data, pengukuran harus
dilakukan dengan seteliti mungkin. Tidak boleh ada tambahan pada lingkungan yang
dapat mempengaruhi hasil. Selain itu, eksperimen harus dirancang untuk mengisolasi
pengaruh dari banyak faktor lainnya.Contoh pengukuran yang tidak akurat adalah
pengukuran tinggi dimana tinggi orang diukur tidak dari nol, tapi dari satu. Akibatnya
pengukuran menghasilkan nilai lebih tinggi dari realitas.Contoh pengaruh lingkungan
yang menyebabkan bias pada pengukuran tinggi adalah mengukur tinggi orang yang
memakai sepatu. Sepatu menyebabkan pertambahan tinggi dan ukuran tinggi sepatu tiap
orang berbeda, akibatnya hasil pengukuran juga tidak sesuai dengan realitas.Contoh bias
yang disebabkan pengaruh dari banyak faktor adalah sebagai berikut. Seorang peneliti
mencoba menguji hipotesis kalau mahasiswa yang tidur lebih dari 7 jam pada malam
sebelum ujian akan memberikan hasil yang lebih baik dari yang tidur kurang dari 7 jam.
Peneliti tersebut tidak mempertimbangkan faktor lain seperti apakah mereka tidur sedikit
karena belajar persiapan untuk besok atau apakah mereka sarapan sebelum berangkat ke
kampus. Bagaimana bisa kita menyimpulkan kalau hasil penelitian, katakanlah ternyata
mahasiswa yang tidur lebih dari 7 jam memiliki skor lebih tinggi, jika ternyata itu bukan
karena tidurnya tapi karena faktor-faktor lainnya?

C. Varian
Varian merupakan jumlah kuadrat semua deviasi nilai-nilai individual terhadap
rata-rata kelompok. Varian merupakan konsep yang cukup penting dalam statistik, karena
merupakan dasar dari banyak metode statistik inferensial. Sebagai contoh, berikut adalah
tampilan data:
10, 12, 15, 16 dan 12

Maka dapat dengan mudah dihitung rata-rata dari lima data di atas adalah (10 + 12 + 15 +
16 + 12)/5 = 65/5 = 13. Varian dihitung berdasarkan kuadrat selisih dari masing-masing
data terhadap nilai rata-ratanya, sehingga:

(10-13)^2 + (12-13)^2 + (15-13)^2 + (16-13)^2 + (12-13)^2 = (-3)^2 + (-1)^2 + 2^2 +

3^2 + (-1)^2 = 9 + 1 + 4 + 9 + 1 = 24.
Jadi besarnya varian adalah 24 dibagi 5 (jumlah data jika merupakan populasi) atau
dibagi 5-1 = 4 jika merupakan sampel. Sehingga nilainya adalah 24/4 = 6 (dianggap
merupakan sampel).
Dan jika akan dihitung standar deviasi maka akar kuadrat dari 6 yaitu sebesar 2,449.

Varian merupakan ukuran variabilitas data, yang berarti semakin besar nilai varian berarti
semakin tinggi fluktuasi data antara satu data dengan data yang lain. Untuk jelasnya,
perhatikan data gaji pada dua kelompok masyarakat di bawah:
Kelompok kampung: 3 juta, 1 juta, 6 juta, 8 juta, rata-rata 4,5 juta
Kelompok perumahan: 4 juta, 5 juta, 4,2 juta, 4,8 juta, rata-rata 4,5 juta.
Empat orang dari dua kelompok diambil secara acak dan diambil data gaji perbulannya.
Kelompok pertama, terdiri dari empat orang warga kampung X, yang pertama
mempunyai gaji 3 juta, yang kedua 1 juta, yang ketiga 6 juta dan yang keempat 8 juga,
maka rata-ratanya adalah sebesar 4,5 juta.
Empat orang dari kelompok kedua, yaitu warga perumahan, yang pertama mempunyai
gaji 4 juta, yang kedua 5 juta, yang ketiga 4,2 juta dan yang keempat 4,8 juta dengan rata-
rata 4,5 juta.
Tampak bahwa rata-rata kedua kelompok adalah sama yaitu sebesar 4,5 juta. Tampilan
data dengan rata-rata, menimbulkan bias, karena seolah-olah mempunyai rata-rata yang
sama, sehingga kebijakan yang diambil dapat salah. Jika kita menghitung varian dari
kedua kelompok tersebut akan diperoleh bahwa kelompok pertama mempunyai varian
sebesar 29/3 = 9,67 dan untuk kelompok kedua mempunyai varian sebesar 0,68/3 =
0,227. Tampak bahwa varian kelompok satu (warga kampung) lebih tinggi dari pada
varian kelompok kedua (warga perumahan). Interpretasinya adalah bahwa pendapatan
warga kampung sangat berfluktuatif ada yang kecil ada yang sangat besar. Akan tetapi
pendapatan warga perumahan relatif sama dan mempunyai tingkat ekonomi yang relatif
sama antara satu warga dengan warga perumahan yang lain. Dengan menyertakan nilai
varian pada rata-rata akan memberikan informasi yang lebih akurat. Demikian juga
dengan standar deviasi, yang besarnya merupakan akar kuadrat dari varian.
 DAFTAR PUSTAKA

http://jam-analyst.blogspot.co.id/2012/02/distribusi-normal.html