TOTAL QUALITY CONTROL BAGIAN 1

DISTRIBUSI SAMPLING
Makalah ini dibuat untuk memenuhi tugas pada mata kuliah Total Quality Control
Dosen pengampu mata kuliah: Prof. Drs. Ec. Thantawi, AS., MS.

Oleh:
Sofyan Risandi 145020201111053
Muhammad Fikri Ramadhan 145020201111069

JURUSAN MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS BRAWIJAYA
MALANG
2017
 KATA PENGANTAR
Dengan mengucap puji syukur kehadirat Allah SWT, karena berkah rahmat-
Nya penyusun dapat menyelesaikan makalah pada mata kuliah Total Quality
Control dengan judul Distribusi Sampling.
Diharapkan makalah ini dapat memberikan keuntungan bagi penyusun dan
bagi siapapun yang membaca agar mendapat wawasan lebih mengenai Total
Quality Control.
Dalam menyusun makalah ini penyusun telah berusaha dengan segenap
kemampuan penyusun. Oleh karena itu, kritik dan saran dari semua pihak yang
bersifat membangun selalu penyusun harapkan demi kesempurnaan makalah ini.
Akhir kata, penyusun mengucapkan terima kasih kepada semua pihak
terutama dosen pengampu mata kuliah Total Quality Control Prof. Drs. Ec.
Thantawi, AS., MS. serta semua pihak yang telah berperan dalam penyusunan
makalah ini dari awal sampai akhir. Semoga Allah SWT senantiasa meridoi segala
usaha kita, Amin.

Malang, Maret 2017.

Peyusun.

i
 DAFTAR ISI
KATA PENGANTAR ...................................................................................................... i
DAFTAR ISI ..................................................................................................................... ii
DAFTAR TABEL ........................................................................................................... iii
BAB I GAMBARAN UMUM DISTRIBUSI SAMPLING ....................................... 4
1.1 Pengertian Populasi dan Sampel .............................................................. 4
1.2 Metode Penarikan Sampel ........................................................................ 5
1.3 Distribusi Sampling .................................................................................. 5
BAB II PEMBAHASAN DISTRIBUSI SAMPLING ................................................ 6
2.1 Distribusi Sampling Proporsi ................................................................... 6
2.2 Distribusi Sampling Rata-rata .................................................................. 7
2.3 Distribusi Sampling Daripada Sebuah Varians Dan Standard Deviasi .... 8
2.4 Distribusi Sampling Daripada Statistik t ................................................ 14
BAB III PENUTUP ....................................................................................................... 15
3.1 Kesimpulan ............................................................................................. 15
3.2 Pendapat Kelompok ............................................................................... 15
DAFTAR PUSTAKA .................................................................................................... 17
BIODATA ..................................................................................................................... 188
CATATAN .................................................................................................................... 199

ii
 DAFTAR TABEL
Tabel 2.1 Penjelasan Notasi yang dipakai .................................................................... 6
Tabel 2.2 Kemungkinan Sampel Terpilih ..................................................................... 7
Tabel 2.3 Distribusi Probabilitas dengan n = 3 ............................................................ 7
Tabel 2.4 Kombinasi Kemungkinan Hasil Sampel ...................................................... 8
Tabel 2.5 Distribusi Sampling Mean dengan n = 2 ..................................................... 8
Tabel 2.6 Kombinasi Sepasang Dadu ............................................................................ 9
Tabel 2.7 Distribusi daripada Varians pada titik dalam sepasang Dadu ............... 10
Tabel 2.8 Perhitungan Varins dari setiap ntitik dan Peluangnya .......................... 10
Tabel 2.9 Sampel Distribusi dari semua varians yang memungkinkan yang
berasal dari bidangnya ............................................................................ 11

iii
 BAB I
GAMBARAN UMUM DISTRIBUSI SAMPLING

1.1 Pengertian Populasi dan Sampel

Menurut Suharyadi (2016) populasi adalah kumpulan dari semua
kemungkinan-kemungkinan orang-orang, benda-benda, dan ukuran lain, yang
menjadi objek perhatian atau kumpulan seluruh objek yang menjadi perhatian.
Sedangkan sampel adalah suatu bagian dari populasi tertentu yang menjadi
perhatian.
Populasi pada kenyataannya dapat dikelompokkan menjadi dua bagian yaitu,
populasi terbatas (finite) dan populasi yang tidak terbatas (infinite). Populasi
terbatas adalah populasi yang unsurnya terbatas berukuran N contohnya pada kasus
perbankan, yaitu jumlah semua bank ada 120 bank, populasi perusahaan reksa dana
sebanyak 82 perusahaan, dsb. Sedangkan contoh populasi tidak terbatas yaitu suatu
populasi yang mengalami proses secara terus-menerus sehingga ukuran N menjadi
tidak terbatas perubahan nilainya seperti pelanggan jamu Sido Muncul dan
komunitas pasar modal. Jumlah pelanggan jamu setiap saat bisa berubah,
bertambah, maupun menurun, begitu pula pada kasus investor pada pasar modal.
Contoh lain adalah produksi mobil, jumlah populasi mobil setiap saat berubah
karena proses produksi berjalan terus-menerus. Oleh sebab itu, pada kasus populasi
tidak terbatas sulit untuk dapat melakukan pencatatan anggota populasi.
Sampel merupakan suatu bagian dari populasi tertentu yang menjadi
perhatian. Sampel dapat dibedakan menjadi dua kelompok yaitu sampel
probabilitas dan sampel nonprobabilitas. Sampel Probabilitas merupakan suatu
sampel yang dipilih sedemikian rupa dari populasi sehingga masing-masing
anggota populasi memiliki probabilitas atau peluang yang sama untuk dijadikan
sampel. Sampel Nonprobabilitas merupakan suatu sampel yang dipilih sedemikian
rupa dari populasi sehingga setiap anggota tidak memiliki probabilitas atau peluang
yang sama untuk dijadikan sampel.

4
 5

1.2 Metode Penarikan Sampel

Sebelum melakukan penelitian, diperlukan penarikan sampel (sampling) agar
penelitian dapat berjalan dengan lancar dan cepat. Untuk mendapatkan sampel yang
diambil dari populasi banyak sekali peluang terjadinya kombinasi-kombinasi
sampel yang akan diteliti. Maka para peneliti perlu tahu berapa banyak sampel yang
mungkin diambil dari populasi tersebut. Prosedur sampling berfokus pada
pengumpulan sebagian kecil anggota (sampel) dari populasi yang lebih besar.
Dimana sampel tersebut kemudian digunakan untuk memperkirakan karakteristik
dari seluruh populasi.
Ada beberapa motode yang dapat digunakan utuk memilih sampel dari
populasi. Dari metode-metode tersebut, tidak ada metode terbaik untuk memilih
sampel dari populasi. Namun demikian, setiap metode pengambilan sampel atau
teknik sampling memiliki tujuan yang sama, yaitu memberikan kesempatan untuk
menentukan unsur atau anggota populasi untuk dimasukan ke dalam sampel.

1.3 Distribusi Sampling

Kesalahan penarikan sampel dapat diketahui apabila rata-rata hitung sampel
sangat bervariasi dari satu sampe ke sampel lainnya. Selain itu terdapat juga
permaalahan lain, yaitu apakah nilai rata-rata sampel (X) dan standar deviasi
sampel (sd) dapat mencerminkan atau sesuai dengan nilai rata-rata populasi () dan
standar deviasi populasi (). Untuk sebuh populasi dapat dipastikan bahwa hanya
ada nilai rata-rata dan standar deviasi tunggal, sehingga disebut dengan
deterministic variable. Sedangkan sampel, terdapat banyak kombinasi sampel
dimana setiap kombinasi sampel mempunyai nilai statistic. Oleh karena sampel
mempunyai banyak nilai statistic dari setiap kombinasinya dan merupakan variabel
yang bersifat random, maka nilai-nilai statistic tersebut dapat mempunyai suatu
distribusi probalititas.
 BAB II
PEMBAHASAN DISTRIBUSI SAMPLING

2.1 Distribusi Sampling Proporsi

Tabel 2.1 Penjelasan Notasi yang Dipakai
No. Lambang Notasi Penjelasan
1. n Ukuran Sampel
2. N Ukuran Populasi
3. p Proporsi Sampel
4. P Proporsi Populasi
5. x Rata-rata Sampel
6. Rata-rata Populasi
7. s Standar Deviasi Sampel
8. Standar Deviasi Populasi
Kata proporsi menunjukan presentase (proporsi x 100%) dari suatu bagian
atau unsur terhadap total bagian atau unsur. Dalam kehidupan sehari-hari, kita
sering mendengar hal-hal seperti jumlah karyawan bagian produksi 70% adalah
pria. Nilai 70% tersebut menunjukan proporsi karyawan pria terhadap jumlah
keseluruhan karyawan adalah 70%, sehingga dapat disimpulkan bahwa sisanya
yang sebesar 30% adalah karyawan wanita.
Pada dasarnya dalam setiap penelitian, masalah proporsi selalu dapat
dilakukan dengan memperhatikan tujuan penelitian sehingga penentuan proporsi
dapat didasarkan pada karakteristik tertentu.
Contoh soal 2.1:
Buatlah distribusi sampling proporsi sampel dengan sampel ukuran n = 3 dari
suatu populasi berukuran N = 5 yaitu (1, 2, 3, 4, 5) dimana anggota ke 1, 3, dan 5
adalah anggota sukses!
Jawaban 2.1:
3
1. Langkah pertama kita hitung proporsi polulasi: P (sukses) = 5 = 0.6

2. Dengan sampling without replacement (setiap kali sampel telah dipilih tidak
dikembalikan lagi ke populasinya sehinga tidak dapat lagi dipilih kembali
sebagai sampel), maka banyaknya kemungkinan sampel yang terjadi adalah
5! 5 x 4 x 3 x 2 x1
sebanyak: 35 = 3!(53)! = = 10
3 2 1(2 1)

3. Ilustrasi distribusi sampling proporsi

6
 7

Tabel 2.2 Kemungkinan Sampel Terpilih

No. Sampel Terpilih Jumlah Anggota Sukses Proporsi Sampel (p)
1. 1, 2, 3 2 2/3
2. 1, 2, 4 1 1/3
3. 1, 2, 5 2 2/3
4. 1, 3, 4 2 2/3
5. 1, 3, 5 3 1
6. 1, 4, 5 2 2/3
7. 2, 3, 4 1 1/3
8. 2, 3, 5 2 2/3
9. 2, 4, 5 1 1/3
10. 3, 4, 5 2 2/3

Tabel 2.3 Distribusi Probabilitas dengan n = 3

p Frekuensi Probabilitas
1/3 3 0,3
2/3 6 0,6
1 1 0,1
10 1
4. Berdasarkan kedua tabel diatas, maka:
1 2
p = (3) (0,3) + (3) (0,6) + (1)(0,1) = 0,6 = P

Ternyata p = P, p = 1 - P

Pp Nn (0,6)(0,4) 53
p = n x N1 = x 51 = 0,2
3

Jadi, standar deviasi untuk sampel proporsi adalah 0,2 yang dapat diartikan
bahwa nilai-nilai dalam sampel menyebar 0,2 dari rata-ratanya sebesar 0,6.

2.2 Distribusi Sampling Rata-rata

Menurut Suryahadi (2016) distribusi sampling rata-rata adalah suatu
distribusi probabilitas yang terdiri atas seluruh kemungkinan rata-rata hitung
sampel dari suatu ukuran sampel tertentu yang dipilih dari populasi, dan
probabilitas terjadinya dihubungkan dengan setiap rata-rata hitung sampel.
Contoh Soal 2.2:
Buatlah distribusi sampling mean dengan sampel berukuran n = 2 dari suatu
populasi berukuran N = 4 yaitu (3, 4, 6, 7)!
Jawaban 2.2:
 8

x 3+4+6+7 20
1. Rata-rata populasi dan deviasi standar populasi: = = = = 5,
N 4 4

(x)2
= = 2.5
N

2. Dengan sampling without replacement, maka banyaknya kemungkinan sampel

4! 4 x 3 x 2 x1
yang terjadi adalah sebanyak: 24 = 2!(42)! = =6
2 1(2 1)

3. Ilustrasi distribusi sampling mean:

Tabel 2.4 Kombinasi Kemungkinan Hasil Sampel
No. Nilai Sampel x Mean Sampel (x)
1. 3, 4 3.5
2. 3, 6 4.5
3. 3, 7 5
4. 4, 6 5
5. 4, 7 5.5
6. 6, 7 6.5
Jumlah 30

Tabel 2.5 Distribusi Sampling Mean dengan n = 2

x Frekuensi Probabilitas
3.5 1 1/6
4.5 1 1/6
5 2 1/3
5.5 1 1/6
6.5 1 1/6
Jumlah 6 1
4. Berdasarkan kedua tabel diatas, maka:
x 30
x = = =5
6
Ternyata x =
(x )2 5 Nn 2.5 42 5
x = = 6 atau x = = = 6
n N1 2 41

2.3 Distribusi Sampling Daripada Sebuah Varians Dan Standard Deviasi

Pada bagian ini kita akan membahas tentang distribus sampling daripada sampel
varians yaitu s = (X Xbar)/(n - 1).
Distribusi sampling daripada varian sebagai titik pada sepasang dadu
 9

Kita dapat mengilustrasikan turunan dari sampel distribusi varians pada daerah
yang spesifik pada nilai daerahnya itu sendiri, yang kembali mengacu kepada
pelemparan dadu. Titik pada sepasang dadu mempunyai varians dan rata-rata.
Contohnya saja, kombinasi 1, 3 mempunyai rata-rata 2. Sehingga mempunyai
varians,

s = (1 2) + (3 - 2) = 2.00
Jika kita mempertimbangkan seluruh macam kombinasi maka akan diperoleh
dari sepasang dadu tersebut adalah :
Tabel 2.6 Tabel Kombinasi Sepasang Dadu
Number of ways in which listed
Kombinasi s
combination can occur
1,1 0,00 1
1,2 0,50 2
1,3 2,00 2
1,4 4,50 2
1,5 8,00 2
1,6 12,50 2
2,2 0,00 1
2,3 0,50 2
2,4 2,00 2
2,5 4,50 2
2,6 8,00 2
3,3 0,00 1
3,4 0,50 2
3,5 2,00 2
3,6 4,50 2
4,4 0,00 1
4,5 0,50 2
4,6 2,00 2
5,5 0,00 1
5,6 0,50 2
6,6 0,00 1
Dari hal seperti ini kita akan secara langsung memperoleh ditribusi dari varians
dari titik dalam sepasang dadu. Hasilnya dapat terlihat dalam tabel dibawah ini.

Jadi ketika kita melempar sepasang dadu dan setiap waktu kita menghitung
varians dari titik titik yang muncul. Dan tabel dibawah ini akan memberikan
informasi bahwa 3/36 daripada waktu s akan sama dengan 0; 10/36 daripada
 10

waktu s akan sama dengan 0,5; 8/36 daripada waktu s akan sama dengan 2,00;
dan begitu seterusnya.

Tabel 2.7 Distribusi daripada Varians pada titik dalam sepasang Dadu
s Probability
0 6/36
0.50 10/36
2.00 8/36
4.50 6/36
8.00 4/36
12.50 2/36
Distribusi dari varians dan sampel dari berbagai area
Jika kita tertarik dalam proses variability, mungkin kita perlu mencari tahu
tentang kontrol variability itu senidiri dengan mempelajari variability dari
sampel yang diambil dalam sebuah proses. Contohnya, kita bisa saja tertarik
untuk mengetahui bagaimana variansi sampel dapat diharapkan , untuk
melakukan perubahan dari sampel yang satu ke sampel yang lain.

Dengan mempertimbangkan lagi distribusi dari sebuah diameter lubang yang

terdapat dalam tabel berikut. Sehingga kita seharusnya dapat mengetahui hasil
secara langsung dari mesin yang dioperasikan tanpa batas itu, dalam berbagai
macam perilaku yang berbeda. Sehingga, kita dapat menyusun keseluruhan
peluang yang mungkin terjadi dalam kombinasi dibawah ini.

Tabel 2.8 Perhitungan Varins dari setiap n titik dan Peluangnya

Combination Probability
1.9, 1.9 0,0000 0,1*0,1 = 0,01
1.9, 2.0 0,0050 0,1*0,4 = 0,04
1.9, 2.1 0,0200 0,1*0,3 = 0,03
1.9, 2.2 0,0450 0,1*0,2 = 0,02
2,0. 1.9 0,0050 0,4*0,1 = 0,04
2.0, 2.0 0,0000 0,4*0,4 0 = 0,016
2.0, 2.1 0,0050 0,4*0,3 = 0,012
2.0, 2.2 0,0100 0,4*0,2 = 0,08
2.1, 1.9 0,0200 0,3*0,1 = 0,03
2.1, 2.0 0,0050 0,3*0,4 = 0,012
2.1, 2.1 0,0000 0,3*0,3 = 0,09
2.1, 2.2 0,0050 0,3*0,2 = 0,06
2.2, 1,9 0,0450 0,2*0,1 = 0,02
2.2, 2.0 0,0200 0,2*0,4 = 0,08
 11

2.2, 2.1 0,0050 0,2*0,3 = 0,06

2.2, 2.2 0,0000 0,2*0,2 = 0,04
1.00
Dari hasil ini kita mendapatkan distribusi variasi sampel yang terlihat dalam
tabel dibawah. Sehingga, kita tidak usah khawatir tentang perhitungan yang
membingungkan ketika kita harus menemukan sesuatu tetang variasi distribusi
sampel.

Tabel 2.9 Sampel Distribusi dari semua varians yang memungkinkan yang
berasal dari bidangnya
s P
0 0.30
0.0050 0.44
0.0200 0.22
0.0450 0.04
1

Sehingga, jika dalam kasus rata-rata, secara umum sifat dari sampel distribusi
varians dapat dibagi menggunakan analisis matematika.

Distribusi varians dari sampel normal dalam seluruh bidang

Terkadang dapat terjadi di dalam proses industri bahwa karakteristik kualitas

distribusi dapat dikatakan normal ketika dijalankan dengan normal atau
mendekati normal. Dan sikap kita kali ini, kita dapat melakukannya dengan
lebih baik daripada ketika kita membuat produksi tanpa mengetahui bidang
tersebut. untuk itu dapat ditunjukkan bahwa, jika bidang tersebut adalah
normal., sampel distribusi daripada varians sampel tersebut harusnya
mempunyai wujud (kecuali untuk yang konstan) distribusi yang paling beda,
sehingga dapat diketahui dengan distribusi x.

Untuk menemukan kesempatan daripada sampel n yang telah ditentukan berasal

dari bidang yang normal, hal itu akan sama dengan nilai yang telah diberikan.
Asumsinya 12 , kita dapat menghitung nilai dari (n-1) 12 / adalah varians
daripada bidang itu sendiri, dan kita akan memperlakukan hal tersebut sebagai
 12

nilai dari x. Contohnya, seandainya kita mendapatkan 10 sampel dari bidang

kita dimana mempunyai varians sebesar 25 dan seandainya kita harus mencari
kesempatannya dari sampel variance yang harus melebihi 49. Maka untuk
menemukan hal tersebut kita harus menghitung ;

( 1)12 9(49)
= = 17.64
2 25

Lalu kita masukan nilai x daripada nilai yang tertera pada tabel v = n-1 = 10- 1
= 9 dengan catatan bahwa nilai 17.46 tersebut jatuh pada perkiraan yang nilai
kesempatannya telah dikumulatif kan = 0.04, dengan kata lain, kesempatan
varians sampel tersebut akan mendekati atau sama dengan 49 ketika 4 dari 100
sampel.

Kita juga dapat melihat kebelakang. Setelah yang kita ketahui sebelumnya,
bahwa bidang yang normal dan ketika varians dari bidang tersebut adalah 25,
dan seandainya kita ingin menemukan nilai daripada varian sampel yang
dimana sampel tersebut harus melebihi angka 10, katakanlah ketika kita
mencobanya 1000 kali. Untuk memecahkan masalah ini kita dapat
menggunakan (n-1) 12 / sama dengan 0.001 point dalam distribusi x untuk
v = n 1 dan jawaban untuk 12 itu adalah :

9(12 )
= 27.877
25

Dengan hasil 12 = 77.4, dengan kata lain, ketika kita mengambil 10 sampel
secara acak daripada bidang yang normal dan mempunyai nilai varians sebesar
25, kita akan mendapatkan nilai varians secara rata-rata sebesar 77,4.

Distribusi standar deviasi daripada sampel dari berbagai bidang

Tidak ada rumus yang pasti dalam menentukan rata-rata dan standar deviasi dari
sebuah distribusi standar deviasi daripada sampel dari berbagai bidang.

Tertulis dalam teori

Ketika besaran n, standar deviasi daripada sampel dari berbagai bidang

adalah sekitar standar deviasi pada bidangya itu sendiri, contoh E (s) =
 13

Komentar untuk rumus tersebut dinilai sangat buruk, jika berasal dari gagasan
probabilitas secara umum, rumus tersebut dapat diartikan, jika besaran n adalah,
standar deviasi dari berbagai sampel maka hal tersebut tidak akan berbeda jauh
dengan standar deviasi pada bidangnya itu sendiri.

Distribusi standar deviasi daripada sampel dari berbagai bidang yang

normal

Ketika kita berharap untuk menghitung probabilitas, itu akan membuat

beberapa perbedaan walaupun ketika kita sedang menganalisis dengan varians
atau standar deviasi, dengan kata lain adalah akar daripada variance itu sendiri.
Untuk probability itu sendiri yaitu s nilainya akan sama ataupun lebih besar
daripada 12 dan probabilitasnya juga akan sama dengan s ataupun 1 .

Untuk mengilustrasikan ini, kita dapat mengambil 10 contoh sampel dibidang

yang normal yang mempunyai nilai standar deviasi 5 dan kita dapat mencoba
untuk mencari probabilitas yang mempuntai standar deviasi sama ataupun lebih
dari 7. Kita dapat menghitungnya dengan rumus (n-1) 12 / dan kita dapat
mengetahuinya dari sebelumnya dan akan mengasilkan x dengan tabel v = n
1 = 9. Jika melihat kepada contoh yang lalu strandar deviasi biasanya
mempunyai ruang lingkup yang sama, seperti contoh sebelumnya sehingga,

( 1)12 9(49)
= = 17.64
2 25

Dan probabilitas s itu sendiri akan lebih dari 7 ataupun sama dengan 7 yaitu
0.04. dalam menghitung probabilitas kita tidak usah terlalu memperdulikan s
atau s karena keduanya bukan merupakan perbeaan melainkan persamaan.
 14

2.4 Distribusi Sampling Daripada Statistik t

=
/

Pada tahap sebelumnya kita telah menemukan arti dari rata-rata sampel itu
sendiri, yang artinya secara normal terdistribusi dengan baik. Untuk
menemukan konklusinya, terkadang, kita harus mempunyai pengetahuan
daripada standar deviasi pada sampel bidang. Hal ini dapat diestimasikan dari
data yang sebelumnya telah dikumpulkan dan cukup besar untuk dijadikan
sampel. Ketika sampelnya ternyata kecil, dan dapat dikatakan sampel yang kita
punya kurang dari 30 maka standar deviasi yang kita cari tidak dapat dijadikan
sebagai hasil yang memuaskan. Untuk contoh sampel kecilnya adalah
melakukan metode perhitungan kepada karyawan perusahaan.

Untuk dapat menyelesaikan permasalahan tersebut maka kita dapat meng-

estimasi standar deviasi yang berada pada bidang yang kecil, secara normal kita

dapat menggunakan rumus nilai sampel daripada statistik = /

dimana s adalah sampel standar deviasi. Distribusi ini dapat disebut dengan
distribusi t. Dan distribusi ini menampikan bagaimana cara statistik t, dapat
mengukut berbagai sampel dari bidang yang normal.

Untuk mengilustrasikan penggunaan ditribusi t ini kita dapat melakukan

problem solving di bawah ini. andaikan kita memiliki 9 sampel random yang
artinya memiliki rata-rata 119 dan nilai s itu sendiri adalah 21. Kita ingin
mengetahui bagaamana sampel ini dapat dijadikan sebagai bahan yang rasional
dan muncul dari bidang yang normal yang diketahui rata-rata bidang tersbut
adalah 100. Untuk mencapai hal tersebut, kita dapat menghitungnya

(119100)
= = = = = 2,72
/ ()/ /

Untuk V = 9 -1 = 8, probabilitas dari nilai absolut t adalah lebih besar daripada

2,72 melainkan 3 dari 100. Hal ini merupakan probabilitas yang kecil, dan kita
harus membuat konklusi bahwa sampel tersebut muncul di bidang yang tidak
diharapkan.
 BAB III
PENUTUP
3.1 Kesimpulan
1. Populasi adalah kumpulan dari semua kemungkinan-kemungkinan orang-
orang, benda-benda, dan ukuran lain, yang menjadi objek perhatian atau
kumpulan seluruh objek yang menjadi perhatian. Sedangkan sampel
adalah suatu bagian dari populasi tertentu yang menjadi perhatian.

2. Distribusi Sampling daripada Statistik t dapat digunakan untuk mengatasi

masalah kekurangan data. Sehinnga kita dapat menutupinya dengan
menggunakan statistik t ini. namun tidak semua penggunaan statistik t ini
dinyatakan valid, nyatanya pada contoh diatas statistik t kurang valid
datanya, minimal fata tersebut mendekati.

3. Distribusi Sampling Daripada Sebuah Varians Dan Standard Deviasi pada

dasarnya terbagi atas 5 jenis diantaranya adalah Distribusi sampling
daripada varian sebagai titik pada sepasang dadu, Distribusi dari varians
dan sampel dari berbagai area, Distribusi varians dari sampel normal
dalam seluruh bidang, Distribusi standar deviasi daripada sampel dari
berbagai bidang, Distribusi standar deviasi daripada sampel dari berbagai
bidang yang normal.

3.2 Pendapat Kelompok

1. Distribusi Sampling adalah tahapan awal dalam mempelajari Total Quality
Control, sehingga pada akhirnya kita akan lebih mengerti apa
hubungannya antara statistika dengan TQC.

2. Distribusi Sampling sangat beragam contoh dan cara penanganannya, maka

dari itu kita harus lebih paham agi mengenai fungsi dan kegunaan dari
masing-masing fungsi distribusi tersebut.

3. Pada saat melakukan analisis terhadap distribusi sampling, kita tidak bisa
langsung percaya bahwa perhitungan yang kita lakukan adalah valid.
Karena pada dasarnya statistik dapat dilakukan dengan berbagia cara
sehingga tidak hakiki sifatnya jika nanti hasilnya bebeda ketika

15
menghitungnya dengan metode yang lain. Dan pada intinya hasilnya akan
mendekati atau minimal bisa sama dan melebihi.

16
 17

DAFTAR PUSTAKA

Duncan, Acheson J. 1974. Quality Control and Industrial Statistic; Fourth Edition.
Richard D. Irwin, Inc: Homewod Illinois.

Heizer, Jay. Render, Barry. 2006. Production and Operation Management -

Strategies and Tactics; Third Edition. Prentice-Hall, Inc.: Englewood Cliffs,
New Jersey.

Suryahadi dan Purwanto S. K. 2016. Statistika Untuk Ekonomi dan Keuangan

Modern; Buku 2, Edisi 3. Penerbit Salemba: Jakarta.
 18

BIODATA

1. Nama : Sofyan Risandi

Tempat Tanggal Lahir : Serang, 11 Januari 1996
Alamat Asal : Komp. Bumi Krakatau Permai Bok 5C no. 13A
Kab. Serang BANTEN 42161
NIM : 145020201111053

2. Nama : Muhammad Fikri Ramadhan

Tempat Tanggal Lahir : Jakarta, 6 Februari 1996
Alamat Asal : Perumahan Harapan Kita Jalan Kana I Nomor
15. Kabupaten Tangerang - BANTEN 15810.
NIM : 145020201111069
 19

CATATAN