Anda di halaman 1dari 9

RENCANA PELAKSANAAN PEMBELAJARAN

PERTEMUAN KE V

SubBab 5.1 – 5.7

SEBARAN SAMPEL

DISUSUN OLEH:

Nama : Erna Angelina Gultom

NPM : 16150146

Mata Kuliah : Statistika Dasar

Grup : D

Prodi : Pendidikan Matematika

Dosen Pengasuh : Dr. Hotman Simbolon, MS

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNIVERSITAS HKBP NOMMENSEN

PEMATANGSIANTAR

2018/2019
RENCANA PELAKSANAAN PEMBELAJARAN

(RPP)

Mata Kuliah : Statistika


Semester : V
Pertemuan : V
Alokasi Waktu : 3 X 50 Menit

Standar Kompetensi : Menjelaskan pengertian sebaran sampel,


sebaran rataan, dan sebaran selisih rataan.
Kompetensi Dasar : Sebaran Sampel
Indikator : Mengindentifikasi jenis-jenis sebaran
I.Tujuan Pembelajaran : Agar mahasiswa dapat mengindentifikasi
jenis-jenis sebaran.
II.Materi Pembelajaran :
5.1. Pengertian Sebaran Sampel
5.2. Sebaran rataan
5.3. Sebaran selisih rataan
III.Metode Pembelajaran : Ceramah, Diskusi,dan Tanya Jawab
IV.Langkah – langkah Pembelajaran :
A. Kegiatan Awal : Apersepsi
B. Kegiatan Inti : 1.Penyaji menyajikan materi pembelajaran.
2.Menjelaskan sejelas mungkin sehingga
para anggota dapat memahami lebih jelas
tentang materi pembelajaran.
C. Kegiatan Akhir : Evaluasi/Kuis
V.Sumber Bahan : Buku paket statistika oleh Hotman Simbolon
VI.Tanggal Pertemuan : 24 Oktober 2016
VII. Uraian Materi

SEBARAN SAMPEL

5.1. Pengertian Sebuah Sampel.

Pengambilan sampel dari suatu populasi mempunyai kemampuan beberapa cara


tergantung pada ketentuan sampel yang didefenisikan, sehingga statistik tertentu dari sampel
ke sampel merupakan peubah acak ini dinamakan sebaran
sampel

D.5.1. Defenisi antara statistik merupakan peubah acak yang hanya tergantung
pada sampel acak yang diambil.

D.5.2. Defenisi sebaran peluang suatu statistik disebut sebaran sampel.

D.5.3. Rata-rata sebaran sampel suatu statistik disebut rata-rata statistik


tersebut.

D.5.4. Varians sebaran sampel suatu statistik disebut varians statistik tersebut.

5.2. Sebaran Rataan

Untuk memudahkan pengertian, perhatikanlah suatu populasi X={2,3,5,6}, n(x)=N=4,


E(X2)= 22 .¼ + 32 . ¼ + 52 . ¼ + 62 . ¼ = 18 dan μ = 4

σ2x =E ( X 2)- μ2 = (22 ¼ + 32 . ¼ + 52 . ¼ + 62 . ¼)-16

= 2,5

Sampel diambil berukuran n = 2 sekaligus tanpa pengembalian, kemudian diambil rata-rata


sampel. Segala kemungkinan pengembalian sampel tanpa pengembalian adalah = {(2,3),

(2,5), (2,6), (3,5),(3,6),(5,6) } dengan menggunakan pengertian rata-rata sampel  x


n

diperoleh rata-rata. { X 1 = 2½, X 2 = 3½, X 3 = 4, X 4 = 4, X 5 = 4½, X 6 = 5½ }= X adaalah


peubah acak untuk sebaran rataan, masing-masing peluang adalah 1
6

D.5.5 Defenisi : Sebaran yang peubah acak adalah semua rataan sampel
berukuran tertentu dari sesuatu populasi disebut sebaran sampel rataan
disingkat sebaran

rata-rata.
Hubungan rata-rata variasi sebaran rata-rata dengan rata-rata atau variasi populasi dapat
diikuti lanjutan ilustrasi berikut.

Sampel Peubah Peluang peubah Rata-rata X

acak rata-rata rata-rata peluang

X P( X ) = f( x ) X. P( X )

(2,3) ………….. 2½ …………………P( 2½ ) = 1


6 …………………..2½ / 6

(2,5)……………3½ ………………….P( 3½ ) = 1
6 …………………..3½ / 6

(2,6) ……………4 ………………….P( 4 ) = 1


6 ………………….. 4/ 6

(3,5) ……………4 ………………….P( 4 ) = 1


6 ………………….. 4/ 6

(3,6) ……………4½………………….P(4½) = 1
6 …………………..4½ / 6

(5,6)…………….5½………………….P(5½) = 1
6 …………………..5½ / 6

Rata-rata dari peubah rata-rata  x


= 24
6 =4.

 x   
6

 
i
5
dan  i 1
2
Ternyata : = x
= =
x x 6 6


2
N n

2 x
Secara sistematis dapat diturunkan : =
x
n N 1

T.5.1 Teorema :  =x x


2
N n

2 x
T.5.2 Teorema : =
x
n N 1
Dan untuk N menuju tak hingga atau cukup besar atau bila.

2
n
 o, o5 gunakan saja 
2 x
x
=
N n
T.5.3 Teorema : Bila populasi menyebar normal maka sebaran rataan pun normal

(ukuran sampel tidak dipersoalkan) dengan rataan  =


x x
,


2

Varians 
2 x
x
= .
n
T.5.4 Teorema : Bila x rataan sampel acak aturan n diambil dari populasi yang

x   
berhingga maka limit sebaran Z =   n  , n   adalah sebaran
normal baku ( 2,0,1 ) .
Teorema ini dikenal dengan T. limit sentral.
5.3. Sebaran Selisih Rataan

Misalkan dua populasi berbeda dengan peubah acak X dan Y , rata-rata  dan 
1 2

Varians  1
dan 2 berturut dari populasi pertama diambil sampel berukuran n 1
dan dari populasi

kedua diambil brukuran n . Sebaran rataan mempunyai data selisih dari semua kemungkinan
2

rataan dari setiap sempel acak dari populasi pertama dengan tiap sampel acak dari populasi kedua,

Sebagai ilustrsi ambil populasi pertama X= { 6,7,9,10 } dan Y={ 2,3,6,7,8} , n =2 dan n = 4,
1 2

pengambilan sekaligus tanpa pengambilan .

Sampel X Sampel Y

(6,7 ) ........... 6½ (2,3,6,7)……………..4½

(6,9 )………. 7½ (2,3,6,8)……………..4¾

(6,10) ……... 8 (2,6,7,8)……………..4¾

(7,9 ) …… 8 (2,3,7,8)……………..5

(7,10) ……… 8½ (3,6,7,8)……………..6

(9,10) ……… 9½

X - Y =U
ij
x  y , i = 1,2,3,4,5,6,…
i i
j = 1,2,3,4,5,…
{ (6½ - 4½), (6½ - 4¾), (6½ - 4¾), (6½ - 5), (6½ - 6), (7½ - 4½), (7½ - 4¾), (7½ - 5), (7½ - 6), (8 - 4½), (8
- 4¾), (8 – 5), (8 – 6), (8 - 4½), (8 - 4¾), (8 - 4¾), (8 – 5), (8 – 6), (8 - 4½), (8½ - 4¾), (8½ - 5), (8½
- 6), (9½ - 4½), (9½ - 4¾), (9½ - 4¾),(9½ - 5), (9½ - 6) }.

X - Y = { 2,1¾, 1¾, 1½, 1½, 3, 2¾, 2¾, 2½, 1½, 3½, 3 1 4 , 3 1 4 , 3,2, 3½, 3 1 4 , 3 1 4 ,3,2,

3½, 3 1 4 , 3 1 4 ,3½, 2½, 5, 4¾, 4¾, 3½ }

D.5.6. Defenisi : Sebaran yang peubah acaknya adalah selisih peubah acak
antara dua sebaran rataan dari dua populasi disebut sebaran sampel selisih
rataan disingkat sebaran selisih rataan.

T.5.5. Teorema : Sebaran sampel bebas dari selisih rataan X - Y mengahampiri

 =  x   y ;  2x  y   1   2
2 2
sebaran normal. Rataan dan varians adalah :
x y
n1 n2

dan Z 
X  Y       menghampiri sebaran normal baku.
1 2

 
2
1
2
2

n1 n2

Teorema T.5.6. Berlaku untuk variansi dan Z jumlah rata-rata X  Y , sedangkan


 x y   x   y

Contoh 5.2.

Dari dua populasi X = {6,7,9,10} dan Y = {2,3,6,7,8} diambil sampel berturut berukuran 2
dari X dan 4 dari Y . Hitunglah rata – rata dari variasi selisih sampel .

Jawab :
Dari defenisi ekspektasi dan variasi dapat dihitung rata – rata dan varians populasi .
1 9
 x = 8 ;  x2 = 2,5 dan  v = 5 ;  y2 = 5 = 5,36.
5 25

 2  y = 2,5  5 25 = 2,59
2 9


1 4
=  x   y = 8- 5 = 2 = 2,80 .  2x y = x 
x y 5 5 n1 n2 2 4
5.4 Sebaran Proporsi

Misalkan suatu populasi X berukuran N dan terdiri dari k objek atau peristiwa A
dan N-k objek atau peristiwa non A, sehingga parameter proporsi peristiwa A adalah
P(A) = k⁄N disimbolkan 𝛿. Jika diambil sampel berukuran n tanpa pengembalian
x𝑖⁄
maka ada sebanyak xi peristiwa A, 0≤ x𝑖 ≤ 𝑛 atau p𝑖 = n merupakan peubah
acak proporsi.

D.5.7 Defenisi : Sebaran yang peubah acaknya adalah proporsi suatu peristiwa
(x) pada sampel berukuran tertentu (n) simbol proporsi : 𝐱⁄𝐧

T.5.6 Teorema : Rataan dan varians suatu sebaran proporsi x/n adalah

𝜇𝒙 parameter proporsi dalam populasi = 𝜹


𝒏

N−n
𝜎𝑥2⁄𝑛 = {𝛿(1 − 𝛿)/𝑛}
𝑁−1

Akibat T.5.6

Jika N menuju tak hingga atau cukup besar dibandingkan dengan ukuran
sampel (n/N≤0,05) maka

𝝁𝑥⁄𝑛 = parameter proporsi dalam populasi = 𝜹

𝜹(𝟏 − 𝜹)⁄
𝝈2𝑥⁄𝑛 = { n}

Sebagaimana pada sebaran rataan untuk n ≥ 30, sebaran ditransformasikan ke


dalam sebaran normal baku Z.

T.5.7 Teorema Transformasi sebaran proporsi x/n dengan

𝐱
−𝜹
𝒛= 𝐧 𝐦𝐞𝐧𝐠𝐡𝐚𝐦𝐩𝐢𝐫𝐢 𝐧 ( 𝐳; 𝟎, 𝟏)
𝝈x⁄n

5.5 Sebaran Selisih Proporsi

D.5.8 Defenisi : Sebaran yang peubah acaknya adalah selisih peubah acak
proporsi dari dua populasi disebut sebaran selisih proporsi disimbolkan antara
lain x/n1-y/n2 atau dapat disingkat dengan ˮ sp ˮ

T.5.8 Teorema : Rataan dan varians sebaran selisih proporsi adalah

𝛍𝐬𝐩 = 𝜹𝐗 − 𝜹𝐘
𝛅𝟏 (𝟏 − 𝛅𝟏 ) 𝛅𝟐 (𝟏 − 𝛅𝟐 )
𝛔𝟐𝐬𝐩 = +
𝐧𝟏 𝐧𝟐

T.5.9 Teorema : Jika ukuran sampel dua sebaran proporsi besar atau n1 ≥ 30,
n2 ≥ 30 maka sebaran selisih proporsi mendekati normal,

𝐲
(𝐱⁄𝐧𝟏 − ⁄𝐧𝟐 ) − (𝛅𝟏 − 𝛅𝟐 )
𝐙= 𝐝𝐚𝐧 𝐛𝐞𝐫𝐬𝐞𝐛𝐚𝐫𝐚𝐧 𝐧𝐨 𝐫𝐦𝐚𝐥 𝐛𝐚𝐤𝐮 𝐧 (𝐳; 𝟎, 𝟏)
𝛔𝐬𝐩

x −𝛍
5.6 Sebaran T = 𝐒⁄
√𝐧

Pengambilan sampel dari suatu sebaran n (μ, σ) menghasilkan (x)/


𝜎
( n) yang memiliki sebaran n (0,1), sebaran dari (n-1) 𝑆 2 /𝜎 2 memiliki sebaran khi

kwadrat dengan derajat bebas n-1, sedangkan x dan S2 bebas maka,

𝜎
( x   ) /()
√𝑛 = ( x   ) = 𝑇
√(𝑛 − 1)𝑆 2 /𝜎 2 𝑆
√𝑛

memiliki sebaran t dengan derajat bebas n – 1.

T.5.10 Teorema : Jika X dan S2 berturut adalah rataan dan varians sampel
berukuran n yang diambil dari populasi yang memiliki sebaran normal atau
hampir normal maka peubah acak T atau disebut statistik T.

(x  )
T= 𝑺 memiliki sebaran t dengan derajat bebas n – 1.
√𝒏

5.7 Sebaran Simpangan Baku

D.5.9 Defenisi : Suatu sebaran yang peubah acaknya adalah simpangan baku dari
sampel acak dari suatu populasi disebutkan sebaran simpangan baku.

T.5.11 Teorema : Jika suatu sampel berukuran besar (≥ 100) diambil dari suatu
populasi yang memiliki sebaran normal atau hampir normal maka rataan dan
varians dari simpangan baku adalah

𝝁𝒔 = 𝝈 𝐝𝐚𝐧 𝛔𝟐𝐬 = 𝛔𝟐 /𝟐𝐧


Akibat T.5.11

𝒔−𝝈
Dalam kondisi T.5.11 z= sangat mendekati sebaran normal baku
𝝈𝒔