DAFTAR ISI

KATA PENGANTAR...............................................................................................i
DAFTAR ISI............................................................................................................ii
BAB I PENDAHULUAN
1.1 Latar Belakang................................................................................................... 1
1.2 Rumusan Masalah.............................................................................................. 1
1.3 Tujuan ................................................................................................................ 2
BAB II TINJAUAN PUSTAKA
2.1 Pengertian Populasi............................................................................................ 3
2.2 Pengertian Sampel.............................................................................................. 5
2.3 Distribusi Sampel............................................................................................... 6
2.3.1 Distribusi Rata Rata.................................................................................... 6
2.3.2 Distribusi Proporsi...................................................................................... 10
2.3.3 Distribusi Simpangan Baku......................................................................... 12
BAB III KESIMPULAN
3.1 Kesimpulan ..................................................................................................... 14
Daftar Pustaka
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Sampel berasal dari bahasa Inggris sample yang artinya contoh, comotan atau
mencomot yaitu mengambil sebagian saja dari yang banyak. Dalam hal ini yang
dimaksud dengan yang banyak adalah populasi. Dalam suatu penelitian, tidaklah selalu
perlu untuk meneliti semua individu dalam populasi karena akan memakan banyak
waktu dan biaya yang besar. Oleh karena itu dilakukan pengambilan sampel, dimana
sampel yang diambil adalah sampel yang benar-benar representasi atau yang mewakili
seluruh populasi. Dalam suatu penelitian yang menjadi dasar pertimbangan
pengambilan sampel adalah memperhitungkan masalah efisiensi ( waktu dan biaya) dan
masalah ketelitian dimana penelitian dengan pengambilan sampel dapat mempertinggi
ketelitian karena jika penelitian terhadap populasi belum tentu dapat dilakukan secara
teliti. Seorang peneliti dalam suatu penelitian harus memperhitungkan dan
memperhatikan hubungan antara waktu, biaya dan tenaga yang akan dikeluarkan
dengan presisi ( tingkat ketepatan ) yang akan diperoleh sebagai pertimbangan dalam
menentukan metode pengambilan sampel yang akan digunakan.
Karena berbagai alasan, tidak semua hal yang ingin dijelaskan atau diramalkan
atau dikendalikan dapat diteliti. Penelitian ilmian boleh dikatakan hampit selalu hanya
dilakukan terhadap sebagian saja dari hal-hal yang sebenarnya mau diteliti. Jadi
penelitian hanya dilakukan terhadap sampel, tidak terhadap populasi. Generalisasi dari
sampel ke populasi ini mengandung risiko bahwa akan terdapat kekeliruan atau
ketidaktepatan, karena sampel tidak akan mencerminkan secara tepat keadaan populasi.

1.2 Rumusan Masalah

Bertolak dari latar belakang diatas, masalah yang dibahas dalam makalah ini
adalah sebagai berikut:
1. Apakah yang dimaksud Populasi ?
2. Apakah yang dimaksud Sampel ?
3. Bagaimana penjelasan mengenai distribution sampling ?
1.3 Tujuan
Sesuai dengan masalah di atas, penulisan makalah ini dimaksudkan untuk
menginformasikan dan menjelaskan masalah Distribusi Sampling. Secara khusus,
makalah ini berusaha menginformasikan dan menjelaskan:
1. Mengetahui pengertian dari Populasi
2. Mengetahui Pengertian Sampel
3. Mengetahui apa itu distribution sampling dan macamnya
 BAB II
KAJIAN PUSTAKA

2.1 Pengertian Populasi

Populasi berasal dari kata Population (Bahasa Inggris), yang berarti jumlah
penduduk. Oleh karena itu apabila disebutkan kata populasi, orang kebanyakan
menghubungkannya dengan masalah-masalah kependudukan. Hal tersebut ada
benarnya juga, karena itulah makna kata populasi yang sesungguhnya. Kemudian pada
perkembangan selanjutnya, kata populasi menjadi amat populer, dan digunakan dalam
berbagai disiplin ilmu.
Dalam metode penelitian, kata populasi amat populer yang dipergunakan untuk
menyebutkan serumpun atau sekelompok objek yang menjadi sasaran penelitian. Oleh
karenanya populasi penelitian merupakan keseluruhan (universum) dari objek penelitian
yang dapat berupa manusia, hewan, tumbuhan, udara, gejala, nilai, peristiwa, sikap
hidup, dan sebagainya,sehingga objek-objek itu dapat menjadi sasaran sumber data
penelitian. Dengan demikian dapat disimpulkan bahwa keseluruhan unit yang memiliki
ciri-ciri yang sama menurut kriteria penelitian yang sedang dilakukan, disebut populasi
(population atau universe).
Contoh: Sebuah penelitian bertujuan mengukur tingkat kepuasan pelajar-pelajar
SLTA di Kota Bandung terhadap pelayanan jasa Pos dan Giro, maka keseluruhan pelajar
di SLTA di Kota Bandung merupakan populasi. Untuk mewawancarai semua pelajar ini
mengenai rasa puasnya terhadap pelayanan jasa Pos dan Giro tentunya sukar dilakukan
karena memerlukan waktu yang lama dan biaya yang besar.
Oleh karena itu peneltian akan dilakukan terhadap beberapa pelajar saja, yang
dipilih menurut suatu cara sampling tertentu. Kumpulan pelajar-pelajar (unit-unit
sampling) yang terpilih oleh sampling tersebut dinamakan sampel (sample).
Definisi: Akibat dari proses pemilihan terkumpulnya sebagian dari anggota
populasi, maka kumpulan itu disebut dengan sampel.
Hadari Nawawi (1983), mengelompokkan populasi dari penentuan sumber data,
yaitu:
A. Populasi terbatas, yaitu populasi yang memiliki sumber data yang jelas batas-
batasnya secara kuantitatif. Misalnya jumlah murid (remaja) SLTA di Kota
Bandung pada tahun 2005 sebanyak 150.000 siswa, terdiri dari 78.000 murid
laki-laki dan 72.000 murid perempuan.
 B. Populasi tak terhingga, yaitu populasi yang memiliki sumber data yang tidak
dapat ditentukan batas-batasnya secara kuantitatif. Oleh karenanya, luas populasi
bersifat tak terhingga dan hanya dapat dijelaskan secara kualitatif. Misalnya,
jumlah gelandangan di Indonesia. Ini berarti harus dihitung jumlah gelandangan
di Indonesia dari tahun ke tahun, dan tiap kota. Tidak saja perhitungan terhadap
jumlah gelandangan yang ada sekarang, tetapi juga dilakukan penafsiran jumlah
gelandangan di waktu yang datang.
Dilihat dari kompleksitas objek populasi, maka populasi dapat dibedakan,
populasi homogen dan populasi heterogen.
A. Populasi homogen, yaitu keseluruhan individu yang menjadi anggota pupolasi,
memiliki sifat-sifat yangrelatif sama satu sama lainnya. Sifat populasi seperti ini
banyak dijumpai pada medan eksakta, contohnya air. Air memiliki sifat yang
homogen, sehingga keseluruhan yang besar tak terhingga di air, sama dengan
bagian kecil dari keseluruhan tersebut. Seorang ibu membuat secangkir kopi.
Untuk mengetahui kadar gula yang terkandung di dalam kopi tersebut, cukup
hanya mencoba setitik air kopi yang diambil dari cangkir tersebut. Ciri yang
menonjol dari populasi homogen, tidak ada perbedaan hasil tes dari jumlah tes
populasi yang berbeda. Maksudnya adalah, gejala yang timbul pada satu kali
percobaan atau tes merupakan gejala yang timbul pada seratus kali atau lebih
kali tes terhadap populasi yang sama.
B. Populasi heterogen, yaitu keseluruhan individu anggota populasi relatif memiliki
sifat-sifat individual, di mana sifat tersebut membedakan individu anggota
populasi yang satu dengan lainnya. Dengan kata lain, bahwa individu anggota
populasi memiliki sifat yang bervariasi, sehingga memerlukan penjelasan
terhadap sifat-sifat tersebut, baik secara kuantitatif maupun kualitatif. Pada
penelitian sosial yang berobjekkan manusia atau gejala-gejala dalam kehidupan
manusia yang bersifat amat unik dan kompleks kecenderungan memiliki
kategori populasi heterogen.
Populasi juga dibedakan atas populasi sampling dan populasi sasaran. Hasil
akhir dari suatu penelitian adalah kesimpulan-kesimpulan. Pertanyaanya sekarang,
untuk populasi yang mana kesimpulan itu berlaku. Populasi yang menjadi ruang lingkup
generalisasi kesimpulan suatu penelitian disebut populasi sasaran (target population),
dan populasi sasaran ini harus ditentukan secara jelas sebelum penelitian dilaksanakan.
Jadi, Populasi sasaran adalah populasi yang nantinya menjadi ruang lingkup generalisasi
hasil penelitian.
Contoh: Tingkat ekonomi mempengaruhi gejala korupsi di lingkungan pegawai
negeri di Indonesia, maka yang menjadi populasi sasaran adalah pegawai negeri di
Indonesia.

2.2 Pengertian Sampel

Adakalanya penelitian yang dilakukan tidak dapat menjangkau seluruh populasi,
karena berbagai keterbatasan. Untuk menyiasatinya dilakukan pengambilan dari
sebagian populasi yang dimaksud dalam penelitian. Unit yang terpilih dinamakan
sampel. Dengan kata lain sampel adalah bagian dari populasi yang terpilih menjadi
sasaran penelitian. Penentuan terpilihnya anggota populasi menjadi anggota sampel
memerlukan ketelitian tersendiri, karena suatu sampel yang baik adalah sampel yang
benar-benar mewakili seluruh karakteristik yang ada pada populasi (representatif).
Untuk menentukan sampel yang representatif ada beberapa faktor yang harus
dipertimbangkan, yaitu:
A. Derajat keseragaman (degree of homogenity) populasi. Populasi homogen
cenderung memudahkan penarikan sampel, sapai pada menentukan besar kecil
sampel yang dibutuhkan. Semakin homogen populasi, maka semakin besar
kmungkinan penggunaan sampel dalam jumlah kecil. Pada populasi heterogen,
kecenderungan menggunakan sampel, besar kemungkinan sulit dihindari, karena
sampel harus dipenuhi oleh wakil-wakil unit populasi. Oleh karena itu, semakin
kompleks atau semakin tinggi derajat keberagaman maka semakin besar pula
sampel penelitian yang diperoleh.
B. Derajat kemampuan peneliti mengenai sifat-sifat khusus populasi. Selain
mengenal derajat keberagaman populasi, peneliti juga harus mampu mengenal
ciri-ciri khusus populasi ang sedang atau akan diteliti.
C. Presisi (keseksamaan) yang dikehendaki penelitian. Faktor ketiga ini biasanya
merupakan kebutuhan yang muncul pada penelitian survei atau penelitian
kuantitatif lainnya. Populasi penelitian amat besar, sehingga derajat kemampuan
peneliti dalam mengenal karakteristik populasi amat rendah. Untuk menghindari
kebiasan sampel, maka dilakukan jalan pintas dengan cara menambah ukuran
sampel. Oleh karenanya, apabila suatu penelitian menghendaki derajat presisis
yang tinggi,maka merupakan keharusan dari penelitian tersebut menggunakan
 menggunakan sampel dengan ukuran yang besar, karena derajat presisi
menentukan besar kecilnya ukuran sampel. Pada permasalahan ini, presisi juga
tergantung pada tenaga, biaya, dan waktu, karena untuk mencapai derajat presisi
tinggi, peneliti harus mengeluarkan banyak tenaga, biaya maupun waktu untuk
melayani sampel dengan ukuran yang besar.
D. Penggunaan teknik sampling yang tepat. Penggunaan teknik sampling juga harus
betul-betul diperhatikan kalau mau mendapatkan sampel yang representatif.
Salah dalam penggunaan teknik sampling, berarti salah pula dalam memperoleh
sampel.

2.3 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.

2.3.1 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 ( Nn ) buah sampel yang berlainan. Untuk semua sampel yang didapat, masing-

masing dihitung rata-ratanya. Dengan demikian diperoleh

( Nn ) 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 x

(baca: mu indeks eks garis), dan simpangan baku daripada rata-rata, diberi simbol x
(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
10
berukuran n=2 . Semuanya ada
2( )
= 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) 98,5 (99,98) 98,5 (99,98) 98,5

(98,97) 97,5 (99,99) 99 (99,97) 98

(98,98) 98 (97,98) 97,5 (99,97) 98

 (98,99) 98,5 (97,99) 98 (99,98) 98,5

(98,98) 98 (97,98) 97,5 (99,99) 99

(98,97) 97,5 (97,97) 97 (98,97) 97,5

(98,97) 97,5 (97,97) 97 (98,97) 97,5

(98,98) 98 (97,98) 97,5 (98,98) 98

(98,99) 98,5 (97,99) 98 (98,99) 98,5

(99,97) 98 (98,99) 98,5 (97,97) 97

(99,98) 98,5 (98,98) 98 (97,98) 97,5

(99,99) 99 (98,97) 97,5 (97,99) 98

(99,98) 98,5 (98,97) 97,5 (97,98) 97,5

(99,97) 98 (98,98) 98 (97,99) 98

(99,97) 98 (98,99) 98,5 (98,99) 98,5

Jumlah semua rata-rata = 4410

Jumlah ke-45 buah rata-rata = 4.410. maka rata-ratanya untuk ke-45 rata-rata ini =
4.410
=98 .
45

Jadi, x =98 .

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

x =0,52

Tetapi rata-rata populasi =98 dan simpangan baku =0,78 . Selanjutnya kita
hitung:

n =
N1 2 101
N n 0,78 102
=0,52

Ternyata berlaku bahwa:

x =

x =

N n
n N 1
Jika N cukup besar dibandingkan terhadap n, maka berlaku hubungan:
x =

x =
n
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%. x 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 . x 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 x = dan simpangan baku

x = .
n
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
z=
x

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 x untuk tinggi mahasiswa akan mendekati distribusi
normal dengan :

Rata-rata x = 165 cm

8,4
Simpangan baku x = cm = 1,252 cm.
45
a) Dari rumus X(3) dengan x = 160 cm dan x = 168 cm didapat :

160165 168165
z 1= =3,99 dan z 2= =2,40
1,252 1,252

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 =

166165
=0,80
1,252

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 d

Dari rumus X(4) ini, ukuran sampel yang paling kecil sehubungan dengan distribusi
rata-rata, dapat ditentukan.

Contoh :

Untuk contoh diatas, misalkan harga-harga x dari sampel yang satu dengan sampel
yang lainnya diharapkan tidak lebih dari 1 cm.

Jika populasi cukup besar, maka :

8,4
d yang menghasilkan 1
n n
atau n 70,58.

Paling sedikit perlu diambil sampel terdiri atas 71 mahasiswa.

2.3.2 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 =
n

x=
n n
(1 ) N n
N1

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

x=
n (1 )
n

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

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

xd
n

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 :

x=
n (1 )
n
=

0,10 0,90
100
=0,03

0,150,10
Bilangan z paling sedikit = =1,67
0,03

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 :
 0,1+0,9
n
0,02 yang menghasilkan n 225

Paling sedikit sampel harus berukuran 225.

2.3.3 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 s dan simpangan
bakunya, diberi simbol s .

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

s =

s=
2 n

dengan = simpangan baku populasi.

Transformasi yang diperlukan untuk membuat distribusi menjadi normal baku adalah:
s
z=
s
Untuk populasi tidak berdistribusi normal dan untuk sampel berukuran kecil, n<100 ,
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 s =2,5 dan simpangan baku
2,5
s= =0,118 .
450
Bilangan z untuk s = 3,5 adalah
 3,52,5
z= =8,47
0,118
Praktis tidak menjadi sampel berukuran 225 dengan simpangan baku lebih dari 3,5.

BAB III
PENUTUP

3.1 Kesimpulan
1. Populasi adalah totalitas dari semua objek atau individu yang memiliki
karakteristik tertentu, jelas dan lengkap yang akan diteliti (Bahan penelitian).
2. Sample adalah bagian dari populasi yang diambil melalui cara-cara tertentu
yang juga memiliki karakteristik tertentu, jelas, lengkap yang dianggap bisa
mewakili populasi.
3. 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.
4. 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 ( Nn ) buah sampel yang berlainan. Untuk semua sampel yang

didapat, masing-masing dihitung rata-ratanya. Dengan demikian diperoleh

( Nn ) buah rata-rata.

5. 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).

6. 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 s
dan simpangan bakunya, diberi simbol s .

DAFTAR PUSTAKA

https://www.academia.edu/5503798/DISTRIBUSI_SAMPLING
Mendenhall, W., Beaver, R., Beaver, B. 2006. Introduction to Probability and Statistics.
USA.
Sudjana. 2005. Metode Statistika. Bandung: Tarsito
Walpole, R., Myers, R. 1995. Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuwan.
Bandung: ITB