DISTRIBUSI SAMPLING

A. Pendahuluan

Didalam statistik deskriptif telah dibicarakan bagaimana mendapatkan deskripsi dari data
yang diolah atau sengaja dikumpulkan untuk mendapatkan informasi yang terkandung di
dalamnya. Di dalam statistik inferens kita akan membicarakan bagaimana menggeneralisasi
informasi yang telah didapatkan.

Sebagai contoh, dari suatu rapid survei yang dilakukan di Tangerang dengan
mewawancaraii sebanyak 210 orang ibu yang mempunyai balita (sampel) didapatkan bahwa
yang melakukan pemeriksaan sampai K4 sebanyak 20%. Hasil yang didapatkan ini adalah
informasi dari 210 ibu balita. Sebenarnya maksud kita melakukan sebuah pengumpulan data
tersebut adalah ingin mengetahui berapa sebenarnya ibu yang melakukan pemeriksaan sesuai
K4 di Kabupaten Tangerang. Data dari pengumpulan sebanyak 210 ibu tersebut ingin kita
perlakukan menjadi informasi untuk populasinya (Tangerang). Untuk itu akan dipakai
metode statistik inferens.

Jadi statistik inferens adalah semua cara atau metode yang dipergunakan untuk
menggeneralisasi hasil dari suatu sampel menjadi hasil populasi.

Dasar – dasar di dalam statistik inferens ini adalah ”distribusi sampling”. Dengan
demikian, sebelum membicarakan materi estimasi dan uji hipotesis perlu memahami apa
yang disebut distribusi sampling.

Distribusi sampling adalah distribusi dari mean-mean sanpel yang diambil secara
berulang kali dari suatu populasi. Untuk itu perlu kita ketahui suatu ketentuan yang dapat
membedakan beberapa ukuran antara sampel dan populasi.

Ukuran-ukuran untuk sampel dan populasi adalah sebagai berikut :

Nilai (karakteristik) Sampel Populasi

Mean (rata – rata hitung) Statistik Parameter
Standar deviasi X µ
Jumlah unit s 𝜎
n N

Misalnya kita mempunyai suatu populasi yang mempunyai mean = µ dengan N elemen dan
standaar- standar deviasi 𝜎.
 1. Dilakukan pengambilan sampel random besarnya n ( X1, X2, .... Xn), dihitung rata-rata
x dan simpangan baku s. Sampel yang diambil berulang kali ini akan menghasilkan
bermacam-macam nilai rata-rata. Dari sampel satu sampai sampel ke m didapatkan
rata-rata hitung 𝑥̅ 1................ 𝑥̅ m
2. Mean atau rata-rata dari sampel-sampel ini (𝑥̅ 1................ 𝑥̅ m) kalau disusun akan
membentuk suatu distribusi. Distribusi dari nilai mean-mean sampel inilah yang
disebut distribusi sampling harga mean.

B. Sifat-Sifat Distribusi Sampling

Sifat distribusi sampling ini disebut Central Limit Theorem (teorema limit pusat). Sifat inilah
yang mendasari teori inferens. Sifat-sifat tersebut adalah sebagai berikut.

 Sifat 1

Apabila sampel random dengan n elemen masing-masing diambil dari suatu populasi normal,
yang mempunyai mean = µ varian 𝜎2 distribusi sampling harga mean akan mempunyai mean
sama dengan µ dan varian 𝜎2/n atau standar deviasi 𝜎/ √. 𝑛. Standar deviasi distribusi
sampling harga mean ini dikenal sebagai “Standar Error” (SE).

 Sifat 2

Apabila populasi berdistribusi normal, distribusi sampling harga mean juga akan berdistribusi
normal. Maka, berlaku sifat seperti persamaan dibawah ini (z score adalah nilai deviasi relatif
antara nilai sampel dan populasi = nilai distribusi normal standar):
 𝑥̅ − 𝜇 Z = nilai standar
𝑍= 𝑥̅ = nilai variabel dari error
SE
µ = nilai rata-rata

 Sifat 3

Walaupun populasi berdistribusi sembarang, kalau diambil sampel-sampel berulang kali

secara random, distribusi harga meannya akan membentuk distribusi normal.

Contoh :

Dipunyai populasi lima orang penderita penyakit “D” yang masa inkubasinya sebagai berikut
:

No Pasien Masa Inkubasi (hari)

1 2
2 3
3 6
4 8
5 11

µ = 6 hari (berasal dari 2+3+6+8+11/5)

∑(𝑥̅ − 𝜇)2
𝜎2 = 10,8 hari (berasal dari 𝑛−1

𝜎 = √10,8 = 3,29 ℎ𝑎𝑟𝑖

Diambil sampel dengan besar n = 2.

Dari populasi diatas kemungkinan sampel yang terjadi 52 = 25
Sampel-sampel tersebut seperti tertera di dalam tabel di bawah ini.

Sampel Pasien yang terpilih Masa Inkubasi Mean

1 1;1 2;2 2
2 1;2 2;3 2,5
3 1;3 2;6 4
4 1;4 2;8 5
5 1;5 2;11 6,5
6 2;1 3;2 2,5
7 2;2 3;3 3
8 2;3 3;6 4,5
9 2;4 3;8 5,5
10 2;5 3;11 7
11 3;1 6;2 4
12 3;2 6;3 4,5
13 3;3 6;6 6
14 3;4 6;8 7
15 3;5 6;11 8,5
16 4;1 8;2 5
17 4;2 8;3 5,5
18 4;3 8;6 7
19 4;4 8;8 8
20 4;5 8;11 9,5
21 5;1 11;2 6,5
22 5;2 11;3 7
23 5;3 11;6 8,5
24 5;4 11;8 9,5
25 5;5 11;11 11