TUGAS MATA KULIAH BIOSTATISTIK

“Distribusi Sampel dan Estimasi”

Dosen pengampu : Hendra Dhermawan Sitanggang, S.K.M., M.Epid

Disusun oleh : kelas 3D

1. Fiona Syahri (N1A118121)
2. Meisy Hana (N1A118141)
3. Refli Yulisda (N1A118145)
4. Vera Yunika M (N1A118147)
5. Sitram Ayunesti (N1A118149)

FAKULTAS KESEHATAN MASYARAKAT

PROGRAM STUDI KESEHATAN MASYARAKAT
UNIVERSITAS JAMBI
2019

1
 BAB I
PENDAHULUAN

Kata statistik berasal dari bahasa latin, yaitu statis yang berarti Negara atau untuk
menyatakan hal-hal yang berhubungan dengan ketatanegaraan, yang berkaitan dengan
angka mengenai penduduk suatu Negara dan pendapatan masyarakat termasuk kumpulan
angka yang dibutuhkan untuk menyelesaikan beberapa masalah.
Dengan berkembangnya zaman, cakupan statistik tidak hanya bertumpu pada
angka-angka untuk pemerintahan saja, tetapi diberbagai bidang seperti penelitian-
penelitian di bidang ekonomi, sains, pertanian, social dan pendidikan. Statistik dalam arti
luas yaitu metode atau ilmu yang mempelajari cara pengumpulan, pengolahan,
penganalisian, penafsiran dan penarikan kesimpulan data yang ada.
Statistik dikelompokkan menjadi dua, yaitu statistik deskriptif dan statistik
induktif (infernsia). Tujuan dari statistik induktif adalah untuk memperoleh informasi
tentang suatu populasi berdasarkan informasi yang diperoleh dari sampel. Apabila data
dikumpulkan dari seluruh elemen dalam suatu populasi, maka akan diperoleh informasi
yang sesungguhnya (parameter). Sedangkan jika melakukan penarikan sampel
(mengumpulkan data sebagian elemen dari suatu populasi), maka akan diperoleh data
pendugaan (statistik).

2
 I. TEORI SAMPLING DAN ESTIMASI

A. TEORI SAMPLING
Untuk menginterpretasikan suatu persoalan terhadap suatu populasi, peneliti
perlu mendapat informasi secara lengkap dan jelas. Untuk kondisi jumlah
elemen/anggota populasi yang banyak, tingkat kesulitan dalam mendapat informasi
secara lengkap lebih disebabkan karena banyaknya faktor penghambat (tidak sempat
dimintai keterangan faktor waktu, tenaga, akurasi) dan masih banyak lagi kendala
yang dihadapi.
Sebagai langkah dalam mengambil keputusan cukup digunakan sampel
(contoh), untuk dijadikan sebagai bahan dalam melakukan interpretasi terhadap
populasinya.

Table 1
Lambang Parameter dan Statistik
Besaran Lambing Parameter Lambang Statistik
(Populasi) (Sampel)
Rata-rata π 𝑥̅
Varisa 2 S2
Simpangan baku  S
Jumlah Observasi H N
Proporsi P P

B. METODE SAMPLING
Metode sampling yaitu cara pengumpulan data yang hanya mengambil sebagian
populasi. Ada tiga macam metode sampling, yaitu :
1. Sampling tunggal, sampel yang diperlukan hanya satu sampel dari sebuah
populasi dan besarnya sampel harus memadai sehingga dapat mewakili
populasinya (representatif).
2. Sampling ganda, yaitu dari sebuah populasi dapat diambil satu, satu sampel
kedua, jika yang pertama dianggap belum cukup mewakili dalam pengambilan
keputusan. Kemudian digabungkan untuk dijadikan sebagai bahan analisis.
3. Sampling multiple (lebih dari dua), yaitu untuk memenuhi asumsi bahwa
pengambilan keputusan masih dirasa belum cukup hanya dari dua sampel saja.

3
 Alasan-alasan dipilihnya metode sampling, yaitu :
1. Objek penelitian yang homogen
2. Objek penelitian yang mudah rusak
3. Penghematan biaya dan waktu
4. Masalah ketelitian
5. Ukuran populasi
6. Faktor ekonomis

Untuk menentukan anggota sampel dapat dilakukan dengan dua cara, yaitu sampling
random (acak) dan nonrandom.
1. Sampling Random (acak)
Sampling random yaitu sampel yang diambil dari populasi dan memiliki
kesempatan yang sama untuk dipilih. Disebut yang probabilitas, selain itu hasil
dari sampling random memiliki sifat yang objektif. Ada beberapa yang termasuk
sampling random, yaitu :
a) Sampling random sederhana
b) Sampling random sistematis
c) Sampling random berlapis (stratified)
d) Sampling random kelompok (cluster)

2. Sampling Nonrandom
Sampling nonrandom adalah cara pengambilan sampel yang semua objek
atau elemen populasinya tidak memiliki kesempatan yang sama untuk dipilih
sebagai sampel.
Hasil dari sampling nonrandom memiliki sifat subjektif, karena pada waktu
sampel diambil dari populasi, probabilitas tidak diikutsertakan, tapi berdasar
kebijaksanaan seseorang.
Yang termasuk sampling nonrandom, yaitu :
a) Sampling kuota
b) Sampling pertimbangan
c) Sampling seadanya

C. JENIS-JENIS DISTRIBUSI SAMPLING

4
 1. Distribusi Sampling Rata-rata
Bila sampel berukuran n diambil dari populasi berukuran N, maka nilai
harapan dan standar diviasi distribusi sampling rata-rata adalah :
𝜇𝑥̅ = 𝜇𝑥

𝜎 𝑁−𝑛
𝜎𝑥̅ = √
√𝑛 𝑁 − 1

Apabila N cukup besar dibandingkan n atau untuk populasi yang tak

terbatas, berlaku :
𝜇𝑥̅ = 𝜇𝑥

𝜎
𝜎𝑥̅ =
√𝑛

Bila n besar (secara empiris > 30) maka berlaku dalil limit pusat yaitu
distribusi peluang rata-rata akan mengikuti distribusi normal.

2. Distribusi Sampling Proporsi

Misalnya dalam populasi berukuran N terdapat peristiwa E sebanyak x,
maka proporsi (parameter) E adalah : P = X / N. bila diambil sampel berukuran
n dari populasi tersebut, maka statistik proporsi (p) akan mengikuti distribusi
Binomial :
𝜇𝑥/𝑛 = 𝑃

𝑝(1 − 𝑝) 𝑁 − 𝑛
𝜎𝑥/𝑛 = √ √
𝑛 𝑁−1

Bila n besar dan N cukup besar disbanding n, maka distribusi sampling p

bias didekati dengan distribusi Normal, yaitu dengan :
𝜇𝑥/𝑛 = 𝑝

𝑝 (1−𝑝)
𝜎𝑥/𝑛 = √ 𝑛

D. ESTIMASI (PENDUGAAN)
5
 Estimasi (pendugaan/penaksiran) yaitu pengukuran terhadap nilai parameter
(populasi) yang diketahui berdasar informasi dari sampel.
Dengan penduga, dapat diketahui seberapa jauh suatu parameter populasi yang
tidak diketahui berada disekitar sampel. Sehingga perlu dilakukan pendugaan antara
hasil perhitungan sampel terhadap parameter populusinya.

Table 2
Parameter dan Pendugaannya
Parameter (𝜃) Penduga 𝜎 ^
𝜇 (rata-rata populasi) 𝑥̅ atau 𝜇̂
𝑃 (proporsi) 𝑝̂
𝜎 2 (varians) 𝑆 2 atau 𝑆̂ 2
𝜎 (simpangan baku) 𝑆 atau 𝑆̂
r (koefisien korelasi) 𝑃 atau 𝑟̂
b (koefisien regresi) 𝐵 atau 𝑏̂

E. CIRI-CIRI PENDUGA YANG BAIK

1. Tidak Bias (Unbiased)
Suatu penduga dikatakan tidak bias kalau rata-rata penduga sampel akan sama
dengan nilai parameter yang diduganya.
2. Efisien (Efficient estimator)
Dikatakan efisien jika penduga memiliki varians yang lebih kecil dibandingkan
dengan penduga lainnya. Dua buah penduga dapat dibandingkan efisiensinya
dengan menggunakan efisien relative (relative efficiency).
3. Konsisten
Jika ukuran sampel cenderung bertambah maka penduga akan mendekati nilai
parameternya. Jika besarnya sampel menjadi tak hingga, maka penduga
konsisten harus dapat member suatu penduga titik yang sempurna terhadap
parameternya.
∈ (𝜃̂ − 𝜃) → 0 𝑗𝑖𝑘𝑎 𝑛 → ~

Jika ukuran sampel bertambah tak hingga, maka distribusi penduga akan
mengecil menjadi suatu garis tegak lurus diatas parameter yang sebenarnya
dengan probabilitas sama dengan 1.
4. Cukup (Sufficient estimator)
6
 Dikatakan pendugaan yang cukup apabila mencakup seluruh informasi yang
terkandung di dalam sampel.

F. JENIS-JENIS PENDUGAAN
1. Berdasarkan Cara Penyajiannya
a) Pendugaan tunggal (point estimator)
Pendugaan tunggal adalah pendugaan yang terdiri dari satu nilai saja.
Pendugaan tunggal memberikan nilai yang kemungkinan besar berbeda dari
nilai parameter sebenarnya.
∑ 𝑥2
𝑆2 −
𝑛(𝑛 − 1)

b) Pendugaan interval
Pendugaan interval adalah pendugaan yang mempunyai dua nilai sebagai
pembatasan/daerah pembatasan. Dugaan dinyatakan dalam suatu daerah yang
dibatasi oleh dua nilai. Pada pendugaan ini digunakan tingkat keyakinan
(confidence) terhadap daerah yang nilai sebenarnya/parameternya akan
berada.
𝑋̅ − 𝑍𝛼/𝑧 𝜎𝑥̅ < 𝜇 < 𝑥̅ + 𝑍𝛼/𝑧 𝜎𝑥̅
2. Pendugaan Berdasar Jenis Parameternya
a) Pendugaan rata-rata
Yaitu untuk menentukan interval rata-rata sampel yang memuat parameter
rata-rata populasi.
b) Pendugaan proporsi
Yaitu untuk menentukan interval nilai proporsi sampel yang dapat memuat
parameter proporsi populasi atau belum diketahui.
c) Pendugaan varians
Yaitu pendugaan dari varians populasi yang tidak diketahui.
d) Pendugaan simpangan baku
Yaitu pendugaan dari simpangan baku populasi (parameter) yang tidak
diketahui.

G. PENDUGAAN INTERVAL UNTUK RATA-RATA

Untuk membuat pendugaan interval harus ditentukan dahulu besarnya
koefisien/tingkat keyakinan.
7
 Ada tiga rumus pendugaan interval rata-rata
1. Untuk sampel besar (n > 30)
Dari populasi tak terbatas/populasi terbatas yang pengembalian sampel dilakukan
dengan pengembalian (with replacement).
𝜎 𝛼
𝑥̅ 𝑍𝛼/𝑧 < 𝜇 < 𝑥̅ |𝑍𝛼/𝑧
√𝑛 √𝑛
2. Populasi terbatas, tanpa pengembalian (without replacement)

𝜎 𝑁−𝑛 𝜎 𝐻−𝑛
𝑥̅ − 𝑍𝛼/𝑧 √ < 𝜇 < 𝑥̅ + 𝑍𝛼/𝑧 √
𝑛 𝑁−1 √𝑛 𝐻 − 1
3. Sampel kecil (n > 30) dari populasi 𝑜 tidak diketahui, dengan pengembalian.
𝑆 𝑆
𝑥̅ 𝑡𝛼/𝑧 < 𝜇 < 𝑥̅ |𝑡𝛼/𝑧
√𝑛 √𝑛

H. PENDUGAAN INTERVAL UNTUK PROPORSI

Pendugaan proporsi sangat penting, missal untuk penelitian untuk mengetahui
berapa presentasinya.

𝑥 𝑥 𝑥 𝑥
𝑥 √𝑛 √1 𝑛 𝑥 √𝑛 √1 𝑛
− 𝑍𝛼/𝑧 <𝑝< < |𝑍𝛼/𝑧
𝑛 𝑛 𝑛 𝑛

8
 II. PENGERTIAN ESTIMASI TITIK DAN ESTIMASI INTERVAL

ESTIMASI TITIK

Estimasi titik adalah nilai tertentu yang digunakan untuk mengestimasi nilai populasi ada
tiga kriteria ketepatan estimasi titik sehingga bisa digunakan untuk membuat keputusan
tentang parameter populasi yaitu:

1. Tidak bias, tidak bias maksudnya disini adalah nilai statistik sampel tidak akan persis
sama dengan nilai parameter populasi. Nilainya kemungkinan akan di bawah atau di atas
karena kesalahan sampling. Oleh karena itu Keinginan kita adalah bahwa nilai harapan
(expected value) atau nilai rata-rata semua nilai statistik sampel yang diestimasi secara
random dari semua kemungkinan sampel yang ada sama dengan parameter populasi. Jika
hal ini benar maka dikatakan bahwa statistik sampel adalah estimator yang tidak bias dari
parameter populasi.

2. Konsisten, yaitu sebuah titik estimasi dikatakan konsisten bila nilai statistik sampel
cenderung sama dengan parameter populasi tidak bias ketika jumlah sampel terus
bertambah.

3. Efisiensi di mana suatu estimator yang tidak biasa mempunyai ciri yang efisien bila
mempunyai deviasi standar atau standard error yang lebih kecil di dalam populasi yang
sama.

ESTIMASI INTERVAL

Ketepatan estimasi sample bisa diukur dengan menggunakan estimasi interval. Estimasi
interval adalah sebuah interval keyakinan (confidence interval) berisi pernyataan
keyakinan bahwa interval tersebut berisi nilai parameter. Besarnya estimasi interval ini
dipengaruhi oleh 3 faktor:

1. Besarnya sampel (n)

2. Tingkat keyakinan atau kepercayaan yang dipilih (level of confidence)

3. Variabilitas dari populasi yang diukur dengan standar deviasi.

9
Dari ketiga faktor tersebut kita bisa menentukan jenis distribusi mana yang digunakan di
dalam menghitung estimasi interval. Jika populasi berdistribusi normal, maka pertanyaan
berikutnya Apakah standar deviasi dari populasi diketahui atau tidak. Jika diketahui maka
kita menggunakan uji distribusi Z. Namun jika tidak diketahui maka kita menggunakan
uji distribusi t. Bila populasi tidak mempunyai distribusi normal tetapi sampel datanya
besar yaitu paling tidak 30 atau lebih maka digunakan uji distribusi Z. Sedangkan jika
sampelnya kurang dari 30 maka digunakan uji non parametrik.

1. Interval rata-rata dan standar deviasi diketahui

2. Interval rata-rata dan standar deviasi tidak diketahui dengan sampel besar

3. Interval rata-rata dan standar deviasi tidak diketahui pada sampel kecil

4. Estimasi interval proporsi.

Estimasi ini bisa digunakan untuk menghitung proporsi. Proporsi (p) merupakan
perbandingan antara jumlah kejadian yang sukses Dengan jumlah seluruh observasi yang
dilakukan. Kita dapat menggunakan persamaan dalam estimasi interval proporsi apabila:

1. Probabilitas kejadian merupakan probabilitas binomial

2. Nilai dari np Dan n(1-p) harus sama atau lebih besar dari 5

III. Estimasi Data Numerik dan Kategorik

10
Berdasarkan skala pengukurannya, data digolongkan kedalam empat tipe, yaitu data
nominal, ordinal, interval, dan rasio. Data nominal dan ordinal merupakan data kategorik,
sedangkan data interval dan rasio adalah data numerik.

 Skala nominal
Skala nominal adalah skala pengukuran paling rendah. Angka-angka yang tersaji
dalam skala nominal hanya sebagai penggolongan agar dapat dibedakan saja dan
tida mengukur besaran. Sebagai contoh, dalam pengkodean jenis kelamin; kode 1
untuk laki-laki dan 0 untuk perempuan hanya untuk membedakan antara laki-laki
dan perempuan saja dan tidak berarti nilai laki-laki lebih tinggi daripada
perempuan. Jika pun dibalik, kode 1 untuk perempuan dan 0 untuk laki-laki,
makna tidak akan berubah.
 Skala ordinal
Skala ordinal adalah hampir sama dengan skala nominal. Hanya saja, selain
membedakan skala ordinal sudah mempunyai urutan tingkatan. Dalam skala
ordinal, angka 1 memiliki nilai lebih tinggi daripada 0. Meskipun demikian, jarak
antara 0 dan 1 tidak bisa dijelaskan. Contoh skala ordinal adalah tingkatan
kepuasan (misalnya dalam important and performance analysis); sangat puas(5),
puas(4), cukup puas (3), tidak puas (2), dan sangat tidak puas (1). Angka-angka
ini memiliki makna bahwa 2 lebih besar dari 1, 3 lebih besar daparipada 2 dan 1,
dan seterusnya. Tetapi, jarak atau selisih antara 1 dan 2, 2 dan 3, dan lainnya ,
tidak mempunyai makna apapun.
 Skala interval
Pada skala interval (skala selang) angka-angka yang disajikan menunjukkan
tingkatan dan angka yang berurutan memiliki interval (jarak) yang sama. Ciri
utama skala interval adalah tidak mempunyai titik dasar (nol) mutlak sehingga
operasi perbandingan tidak dapat dilakukan. Contoh skala interval adalah pada
pengukuran suhu dengan standar derajat celcius. Suhu 40 dan 20 memiliki selisih
yang sama dengan suhu 80 dan 60 yaitu 20 akan tetapi suhu 40 tidak berarti 2 kali
lebih panas dari 20. Demikian juga bahwa 0 tidak berarti bahwa tidak mempunyai
panas.
 Skala rasio
Skala rasio merupakan skala pengukuran tertinggi. Selain dapat membedakan,
menunjukkan tingkatan dan memiliki interval yang sama antar dua nilai yang

11
 berurutan, skala rasio dapat dibandingkan karena mempunyai nilai dasar (0)
mutlak. Contoh adalah tinggi badan, harga barang, jumlah produksi, dll.

Contoh 1:
Ekonomia seorang mahasiswi FE-UG, mengumpulkan data untuk penulisan ilmiahnya.
Ia mewawancarai 10 pedagang asongan di depan kampus dan mengetahui bahwa rata-
rata pendapatan kotor mereka adalah Rp. 97.523,25. Hasil wawancara ini dilaporkan
dalam PI-nya.
(Deskriptif, Primer, Numerik)
Contoh 2:
Bagian penelitian dan pengembangan produk DONKIN DONUT melakukan survei rasa
kesukaan (favorite favor) donatnya terhadap 1000 pelanggannya secara acak. Pelanggan
yang terpilih diharuskan melakukan penetapan rangking terhadap 4 rasa donut yang baru
(MINT, PEACH, MOCCA, SUGAR-FREE). Hasil penelitian disajikan dalam bentuk
diagram pie. (Deskriptif, Primer, Kategorik)

UBINAN SEBAGAI CONTOH PENERAPAN TEORI SAMPLING

DAN ESTIMASI

12
 Metode ubinan adalah cara memperkirakan berapa hasil panen nanti untuk tanaman
yang bersifat rumpun. Hal ini dilakukan agar dalam menghadapi pelaksanaan panen dan
pasca panen. Agar tidak mengalami permasalahan seperti kelengkapan peralatan panen,
rencana pengangkutan hasil panen, penanganan lepas panen, dan kemana serta berapa
banyak hasil produksi akan dipasarkan.
Misalnya untuk tanaman padi, bahwa tanaman padi adalah tanaman jenis rumpun
dengan jarak tanaman yang tidak dapat dipisahkan.
Langkah-langkah untuk melakukan taksasi berdasar ubinan :
1. Memastikan luas area yang akan dipanen.
2. Jumlah ubinan yang akan dipakai sebagai sampel, biasanya ukuran 2 x 2 m.
3. Jumlah ubinan bias diambil lebih dari satu ubin.
4. Panen sejumlah sampel yang berupa ubinan ditimbang berat produksi untuk setiap
sampel/ubin.

𝐿𝑎
𝑇ℎ = × 𝐻𝑢
𝐿𝑢
Th = Taksasi hasil
La = Luas area tanaman
Lu = Luas ubin
Hu = Hasil ubinan

PENERAPAN TEORI SAMPLING DAN ESTIMASI

Kita melakukan pengamatan di suatu daerah yang memiliki ± 100 KK yang bekerja
sebagai petani, dan akan diteliti mengenai pendataan petani di daerah tersebut. Kemudian
dipilih sampel sebanyak 50 KK dengan kategori petani padi dan petani lahan kering. Dari
hasil pengamatan didapatkan rata-rata pendapatan petani sebesar Rp 275.000/bulan
dengan kesalahan standar Rp 2.500.
Secara umum hasil tersebut dapat diartikan bahwa pendapatan petani paling rendah
sebesar Rp 275.000 – Rp 2.500 = Rp 272.500, dan pendapatan tertinggi sebesar Rp
275.000 + Rp 2.500 = Rp 277.500. Angka tersebut merupakan angka taksiran terhadap
nilai rata-rata populasinya.

Contoh Soal Jawab

1. Apa perbedaan antara sampel dan populasi ?
Jawab :

13
 Sampel akan menghasilkan ukuran data yang disebut statistik atau unit sampel (𝑥̅ ,
𝑆 2 , 𝑆, 𝑛, 𝑝). Populasi akan menghasilkan ukuran data yang disebut parameter atau
elemen populasi (𝜇, 𝜎 2 , 𝑜, 𝑁, 𝑃).
2. Pengamatan terhadap 36 petani di desa A, diperoleh standar deviasi petani
palawija adalah 12 petani. Tentukan kesalahan estimasi petani di desa A yang
bertani palawija pada tingkat konfidensi 95% ?
Jawab :
𝑆 12
𝑆𝑥 = = =2
√𝑛 √36
𝑍𝛼/2 = 1,96
𝐸 = ±𝑍𝛼 . 𝑆𝑥 = 1,96 (2) = ±3,
2

= 4 orang

14
Contoh Latihan Soal

1. Misalkan sebuah sampel berukuran 25 dipilih secara acak dari populasi berukuran
500. Diperoleh rata-rata sampel sebesar 25,7 dan standar deviasi 7,8. Buatlah
pendugaan interval bagi rata-rata populasi dengan tingkat keyakinan 95% ?
2. Pedagang buah-buahan yang membeli jeruk dari petani, ingin mengetahui berapa
persen yang busuk. Untuk hal tersebut dipilih 100 buah jeruk yang dipilih secara
acak, ternyata ada 18 buah yang busuk. Buatlah pendugaan interval persentase
jeruk yang busuk, dengan tingkat keyakinan sebesar 90%.
3. Diketahui populasi dengan ukuran N = 4 sampel berukuran n = 2 diambil secara
acak dari populasi tersebut dengan cara pengambilan sampel dengan
pengembalian.

15
 KESIMPULAN

Untuk mengumpulkan data dan hanya mengambil sebagian sampel dari populasi
digunakan metode sampel. Ada tiga macam metode sampling yang digunakan, yaitu
sampling tunggal, sampling ganda, dan sampling multiple. Sedangkan untuk menentukan
anggaota sampel dilakukan dengan cara, yaitu cara acak (random) dan
nonrandom/kebijaksanaan.
Estimasi/pendugaan merupakan pengukuran terhadap nilai parameter (populasi)
dari data sampel yang diketahui. Dengan pendugaan/estimasi dapat diketahui seberapa
jauh parameter populasi yang tidak diketahui berada disekitar sampel.

16
 DAFTAR PUSTAKA

Hasan, Ir.M.Iqbal. 2002. Statistik 2. Jakarta: Bumi Aksara.

Supangat, Drs.Andi. 2007. Statistika Dalam Kajian Deskriptif, Inferensia, dan

Nonparametrik. Jakarta: Kencana Prenada Media.

Supranto, J. 2001. Statistik Teori dan Aplikasi. Jakarta: Erlangga.

17