SAMPEL ACAK

Probabilitas Statistika Sarjana

INSTITUT TEKNOLOGI DEL

 Cerita
Cerita A
Cerita B
Seorang ibu sedang berbelanja
Seorang ibu sedang memasak
jeruk di pasar. Ia hanya
sayur sop. Untuk memastikan
mencoba sebuah jeruk dan
cita rasanya ia mencoba hanya
menyatakan bahwa jeruk itu
dengan ukuran satu sendok teh.
manis. Lalu membelinya 1kg.
 Populasi
 Populasi adalah keseluruhan pengamatan yang menjadi
perhatian.
 Banyaknya pengamatan dalam populasi disebut ukuran populasi,
misal terdapat 1.000 mahasisawa yang ada di IT Del ingin diteliti
golongan darahnya maka dikatakan ukuran populasinya 1.000.
 Tiap pengamatan dalam populasi merupakan suatu nilai dari suatu
peubah acak X dengan distribusi peluang f(x).
 Dalam memeriksa apakah bola lampu yang dihasilkan suatu pabrik
cacat atau tidak, tiap pengamatan dalam populasi merupakan nilai
peubah acak binomial X dengan nilai 0 atau 1 dengan distribusi
peluang:
𝑏 𝑥; 1, 𝑝 = 𝑝 𝑥 𝑞1−𝑥 , 𝑥 = 0,1
Dengan 0 menyatakan bola lampu yang tidak cacat dan 1
menyatakan bola lampu yang cacat, dimana p peluang bola lampu
cacat tidak berubah dari pemeriksaan satu bola lampu ke
pemeriksaan bola lampu laiinya.
 Jenis populasi
•POPULASI TERBATAS
•Misalnya, 5.000 profesor pada
awal tahun 1999, dengan
karakteristik; masa belajar di
luar negeri kurang dari 4 tahun,
laki-laki, dan syarat yang lain-
lain.
•POPULASI TAK TERBATAS
•Misalnya, dosen di Indonesia,
berarti jumlahnya harus
dihitung sejak dosen pertama
ada sampai sekarang dan yang
akan datang.
Berdasar
Jumlah
•POPULASI HOMOGEN
•Misalnya, seorang dokter yang
akan melihat golongan darah
seseorang, maka ia cukup
mengambil setetes darah saja.
Dokter itu tidak perlu satu
botol, sebab setetes dan
sebotol darah, hasilnya akan
sama saja.
•POPULASI HETEREOGEN
•Misalnya, jumlah guru di
Jakarta, perlu ditetapkan batas-
batasnya
Berdasar
Masalah
 Sampel

 Sampel adalah suatu himpunan bagian dari populasi.

 Sampel harus mewakili populasi.
 Setiap prosedur sampling yang mengahasilkan inferensi
yang konsisten menaksir lebih atau konsisten menaksir
kurang suatu parameter populasi disebut bias.
 Mecegah bias: menggunakan sampel acak (pengamatan
dilakukan secara bebas satu sama lain dan acak)
 Sampel Acak
Definisi:
Misalkan 𝑋1 , 𝑋2 , … , 𝑋𝑛 merupakan n peubah acak bebas
yang masing masing-masing berdistribusi peluang 𝑓 𝑥 .
𝑋1 , 𝑋2 , … , 𝑋𝑛 didefinisikan sebgai sampel acak ukuran n
dari populasi 𝑓(𝑥) dan distribusi peluang gabungannya
dapat ditulis:
𝑓(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 𝑓(𝑥1 ) 𝑓(𝑥2 ) … 𝑓(𝑥𝑛 )
 Parameter dan statistik
 Parameter adalah setiap fungsi dari peubah acak yang
membentuk suatu populasi (parameter untuk populasi).
 Statistik adalah setiap fungsi dari peubah acak yang
membentuk suatu sampel acak (statistik untuk sampel).

Besaran Lambang Lambang

Parameter(populasi) Statistik(sample)
Rata – rata μ 𝑿
Variansi σ2 s2
Simpangan Baku σ s
Jumlah Observasi N n
Proporsi P p
 Sampel
 Pemusatan dalam sampel
• Rata-rata
• Median
• Modus
 Keberagaman dalam sampel
• Rentangan/Jangkauan:
𝑥𝑛 − 𝑥1
• Variansi sampel
𝑛 2
𝑖=1(𝑥𝑖 − 𝑥 )
𝑠2 =
𝑛−1
2
Teorema: bila 𝑠 variansi sampel acak ukuran n, maka dapat ditulis
𝑛 2 𝑛 2
𝑛 𝑖=1 𝑥𝑖 − ( 𝑖=1 𝑥 𝑖 )
𝑠2 =
𝑛(𝑛 − 1)
• Simpangan baku sampel: akar positif dari variansi sampel
 Distribusi Sampel

 Distribusi peluang suatu statistik disebut distribusi

sampel.
 Simpangan baku distribusi sampel suatu statistik
disebut galat baku dari statistik tersebut.
 Distribusi Sampel dari Rataan

 Teorema limit pusat: bila 𝑥 rataan sampel acak ukuran

n yang diambil dari populasi dengan rataan 𝜇 dan
variansi 𝜎 2 yang berhingga, maka bentuk limit dari
distribusi :
𝑥−𝜇
𝑍=𝜎 , bila 𝑛 → ∞, ialah distribusi baku 𝑛 𝑍, 0,1 .
𝑛
 Contoh:

 Suatu perusahaan memproduksi bola lampu yang

umurnya berdistribusi hampir normal dengan rataan
800 jam dan simpangan baku 40 jam. Hitunglah
peluangnya bahwa suatu sampel acak dengan 16 bola
lampu akan mempunyai umur rata-rata kurang dari
775 jam?
Teorema: bila sampel bebas 𝑛1 dan 𝑛2 diambil secara
acak dari dua populasi diskrit/kontinu, masing-masing
dengan rataan 𝜇1 dan 𝜇2 dan variansi 𝜎1 2 dan 𝜎2 2 , maka
distribusi sampel dari selisih rataan 𝑥1 − 𝑥2 , berdistribusi
hampir normal rataan dan variansi diberikan oleh :
2 𝜎1 2 𝜎2 2
𝜇𝑥1 −𝑥2 = 𝜇1 − 𝜇2 dan 𝜎 𝑥1 −𝑥2 = +
𝑛 𝑛
𝑥1 −𝑥2 − 𝜇1 −𝜇2
Sehingga 𝑍 =
𝜎1 2 𝜎2 2
+
𝑛 𝑛

Secara hampiran merupakan peubah normal baku.

 Contoh:

 Suatu sampel berukuran 𝑛1 = 15 diambil secara acak

dari populasi yang berdistribusi normal dengan rataan
𝜇1 = 50 dan variansi 𝜎1 2 = 9, dan rataan sampel 𝑥1
dihitung. Sampel acak kedua berukran 𝑛2 = 4 diambil,
bebas dari yang pertama, dari populasi lain yang juga
berdistribusi normal dengan 𝜇2 = 40 dan variansi
𝜎2 2 = 4 dan rataan sampel 𝑥2 dihitung. Carilah
𝑃(𝑥1 − 𝑥2 < 8,2)
 𝑛−1 𝑆 2
Distribusi Sampel dari
𝜎2

Teorema: Bila 𝑆 2 variansi sampel acak ukuran n diambil

dari populasi normal dengan variansi 𝜎 2 , maka statistik
2
𝑛 − 1 𝑆
𝑋2 =
𝜎2
Berdistribusi khi-kuadrat dengan derajat kebebasan
𝑣 = 𝑛 − 1.
 Contoh:

Suatu pabrik baterai mobil menjamin bahwa baterainya

akan tahan rata-rata 3 tahun dengan simpangan baku 1
tahun. Bila lima baterainya tahan 1,9; 2,4; 3,0; 3,5 dan 4,2
tahun, apakah pembuatannya masih yakin bahwa
simpangan baku baterai tersebut 1 tahun?
 Menentukan Ukuran Sampel
• TABEL KRITJIE-MORGAN
• Misalnya, jumlah populasi 1000, maka dapat secara langsung melihat tabel KRITJIE-MORGAN.
Diperoleh jumlah sampel sebesar 278. Hasil ini dengan taraf kesalahan yang sudah ditentukan
sebesar 5% (3,841) dalam distribusi Chi Kuadrat.

• TABEL ISAAC DAN MICHAEL

• Misalnya, untuk populasi 1000, taraf kesalahan 1%, jumlah sampelnya = 399; taraf kesalahan 5%
jumlah sampelnya = 258, dan untuk taraf kesalahan 10%, jumlah sampelnya = 213.

• RUMUS SLOVIN
• Misalnya, jumlah populasi adalah 125, dan tingkat kesalahan yang dikehendaki adalah 5%, maka
jumlah sampel yang digunakan adalah :
N
n=
N.d2+1

n = sampel; N = populasi; d = nilai presisi 95% atau sig. = 0,05.

125
n= = 95,23 dibulatkan 95
2
125. (0,05) + 1