DISTRIBUSI SAMPLING

(distribusi penarikan sampel)

• DALAM PENELITIAN BIDANG KESEHATAN SELALU
DILAKUKAN PENGAMBILAN SAMPEL
• Pada suatu populasi tak terhingga dapat
dilakukan pengambilan sampel secara acak dan
berulang-ulang sehingga semua sampel yang
mungkin dapat ditarik dari populasi tersebut.
• Bila sampel2 tersebut dihitung rata-ratanya maka
akan menghasilkan nilai rata-rata yang berbeda
hingga dapat disusun menjadi suatu distribusi
rata-rata sampel
• Distribusi sampel dihasilkan dari pengambilan
sampel yang dilakukan berulang-ulang
• Dalam praktiknya hal ini tidak mungkin
dilakukan, oleh karena itu distribusi sampel
disebut distribusi teoretis atau distribusi
probabilitas
• 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 lama
2. Populasi akan menjadi rusak atau habis
jika disensus
• Sampel yang baik adalah sampel yang
representatif
• Artinya besaran/ ciri sampel (statistik sampel)
memberikan gambaran yang tepat mengenai
besaran ukuran populasi (parameter populasi)
• Didalam statistik deskriptif telah dibicarakan bagaimana
mendapatkan deskripsi dari data yang diolah atau sengaja
dikumpulkan untuk mendapatkan informasi yang terkandung
didalamnya.
• Didalam statistik inferens akan membicarakan bagaimana
menggeneralisir informasi yang telah didapatkan

Contoh :
Dari suatu survey yang dilakukan di Kota Padang dengan
mewawancarai sebanyak 210 orang ibu yang mempunyai
balita (sampel) didapatkan bahwa yang melakukan
pemeriksaan sampai K4 sebanyak 20%. Yang didapatkan ini
adalah informasi dari 210 ibu balita
Sebenarnya maksud kita melakukan suatu
pengumpulan data tersebut adalah ingin
mengetahui sebenarnya ibu yang melakukan
pemeriksaan sesuai K4 di kota padang. Data dari
pengumpulan data sebanyak 210 ibu tersebut
ingin kita perlakukan menjadi informasi untuk
populasinya (Padang).

Untuk itu akan dipakai metode statistik inferens

Jadi statistik inferens adalah semua cara-cara atau

metode yang dipergunakan untuk menggeneralisir
hasil dari suatu sampel menjadi hasil populasi.
• Distibusi sampling merupakan distribusi teoritis
(distribusi kemungkinan) dari semua hasil sampel
yang mungkin, dengan ukuran sampel yang tetap
N , pada statistik (karakteristik sampel) yang
digeneralisasikan ke populasi
• Distribusi sampling memungkinkan unuk
memperkirakan probabilitas hasil sampel
tertentu untuk statistik tersebut
• Merupakan jembatan, karena melalui distribusi
sampling dapat diketahui karakterisik populasi
• Secara umum informasi yang perlu untuk
mencirikan suau distribusi secara cukup akan
mencakup:
a. Ukuran kecenderungan memusat (mean,
median, modus)
b. Ukuran persebaran data (range, standar
deviasi)
• Strategi umum penerapan statistik inferensial
adalah pindah dari sampel ke populasi melalui
distribusi sampling
Besaran Lambang parameter Lambang statistik
(populasi) (sampel)
Rata-rata µ ẋ
Varians σ kuadrat S kuadrat
Simpangan baku σ S
Jumlah observasi N n
Proporsi P p
• Distribusi sampling adalah distribusi dari
mean-mean sampel yang diambil secara
berulang kali dari suatu populasi
 KONSEP DASAR KESALAHAN BAKU
(STANDARD ERROR)
• Diketahui rata-rata yang dihasilkan dari
sekumpulan sampel yang diambil dari populasi
tak terhingga mempunyai nilai yang berbeda-
beda dan variasi ini disebabkan oleh kesalahan
yang berkaitan dengan pengambilan sampel
yang disebut sampling error
• Deviasi standar distribusi rata-rata sampel
disebut kesalahan baku rata-rata
• Kesalahan baku tidak hanya menggambarkan
besarnya penyimpangan atau kesalahan yang
diakibatkan pengambilan sampel, tapi dapat
pula digunakan untuk menggambarkan
ketepatan estimasi terhadap populasi
• Kesalahan baku <<  penyebaran rata-rata
sampel <<  estimasi lebih tepat dan
sebaliknya
 DISTRIBUSI RATA-RATA
• Diperoleh dengan pengambilan sampel yang
dilakukan berulang hingga semua
kemungkinan sampel terpenuhi. Rata-rata
masing-masing sampel dihitung
ẋ1, ẋ2, ẋ3, dst
Nilai rata-rata yang dihasilkan berbeda
sehingga dapat disusun menjadi distribusi
yang disebut distribusi rata-rata sampel
Bila dari kumpulan rata-rata iu dihitung rata-
ratanya dan Sdnya maka dihasilkan rata-
rata dari distribusi rata-rata (µẋ) dan
deeviasi standar distribusi rata-rata (σẋ)
• µẋ = µ
• σẋ = σ
√n
 PENGAMBILAN SAMPEL PADA
POPULASI DISTRIBUSI NORMAL
• Pengambilan sampel yang berulang kali dari
populasi yang berdistribusi normal memiliki
ciri sbb:
1. Kesalahan baku (SE) lebih kecil dibandingkan
dengan SD populasi
2. makin besar sampel makin kecil SE

Contoh: rata-rata suatu populasi yang

berdisribusi normal adalah 100 dengan SD 20.
kita ambil sampel sebesar 5 dan berulang
maka kesalahan baku akan lebih kecil dari 20
• Bila besar sampel ditingkatkan menjadi 20
maka kesalahan baku rata-rata akan menjadi
lebih kecil lagi.
• Contoh soal:
• Jumlah kunjungan di poli kebidanan RS A
dengan distribusi normal rata-rata 60 org/
haridan simp baku (SD) 15. kepala poli ingin
tahu besarnya probabilitas rata-rata kunjungan
antara 58 dan 62. untuk itu diambil
sampelsebesar 100 hari buka
σ ẋ= s/√n
= 15/ √100
= 1,5
Luas kurva
Z1=(58-60)/1,5= 1,33= 0,4082 luas kurva
Z2=(62-60)/1,5= +1,33=0,4082 luas kurva
Probabilitas untuk memperoleh jumlah
pengunjung antara 58 dan 62 orang per
hari adalah (0,4082+0,4082)=0,82=82%
0,4082 0,4082

58 62
 PENGAMBILAN SAMPEL PADA POPULASI TIDAK
BERDISTRIBUSI NORMAL

• Misal, di suatu rumah saki terdapat 5 orang

penderita TBC yang dirawat. Populasi yang
hanya 5 orang sanga jauh dari normal. Berikut
tabel waktu kesembuhannya
Penderita Waktu Kesembuhan
A 3
B 3
C 7
D 9
E 14
Rata-rata=36/5=7,2
• Bila dari 5 orang penderia TBC tersebut kita
ambil sampel sebanyak 3 orang maka akan
diperoleh sejumlah permutasi.
• Jika sampel2 dari hasil permutasi tersebut
dirata-ratakan maka rata-rata sampel akan
sama dengan rata-rata populasi
 DALIL LIMIT PUSAT (CENTRAL LIMIT
THEOREM)
• Ialah hubungan antara bentuk distribusi populasi
dengan bentuk distribusi sampling rata-rata.
Hubungan tersebut adalah sebagai berikut:
1. Rata-rata dari distribusi rata-rata sampel
sama dengan rata-rata populasi dan tidak
bergantung pada besarnya sampel dan
bentuk distribusi populasi
2. Dengan penambahan jumlah sampel maka
distribusi rata-rata sampel akan mendekati
distribusi normal dan tidak bergantung pada
bentuk distribusi populasi
• Dalil limit pusat sangat penting dalam
statistika inferensial karena dengan dalil ini
memungkinkan kita untuk menafsir parameter
populasi dari sampel tanpa harus mengetahui
bentuk distribusi populasi
 HUBUNGAN ANTARA BESARNYA
SAMPEL DENGAN KESALAHAN BAKU
• Kesalahan baku digunakan untuk mengukur
sebaran rata-rata sampel terhadap rata-rata
populasi
• Berarti, bila kesalahan baku kecil maka nilai
rata-rata sampel akan mendekati rata-rata
populasi dan sebaliknya
• Rumus kesalahan baku
σx = σ/√n, jika n ditambah maka kesalahan baku
akan mengecil. Berarti kesalahan baku
berbanding terbalik dengan besarnya sampel
• Catatan: jika kita ingin meningkatkan
ketepatan statistik sampel terhadap
parameter populasi dengan menambah
jumlah sampel hendaknya dipikirkan tenaga
dan biaya serta waktu yang dibutuhkan.