Acara 3: Cuplikan (Sample) dan Pencuplikan (Sampling)

Tujuan :  mengenalkan konsep populasi–contoh dan besaran pencirinya (parameter–

statistik)
 melatih menghitung statistik contoh
 mengenalkan transformasi dan konsekuensinya terhadap statistik
 mengenalkan distribusi contoh dari populasi normal

A. Populasi dan cuplikan (sampel)

 Populasi: keseluruhan pengamatan yang menjadi minat, seringkali bersifat

hipotetik. Ukurannya biasa dilambangkan dengan N.
 Parameter: besaran penciri populasi rerata (μ) varians (2), simpangan baku
(), biasanya dilambangkan dengan huruf Yunani.
 Cuplikan (contoh/sampel): sebagian anggota populasi yang diambil untuk
pengamatan. Ukurannya biasa dilambangkan dengan n.
 Statistik: besaran penciri cuplikan [lambang huruf Latin padanan huruf
Yunani atau lambang parameter yang diberi tanda caret (topi) seperti rerata
( ̂ ) varian ( ̂ 2 ) dan simpangan baku ( ˆ )]
 Untuk mendapatkan nilai parameter yang sesungguhnya dilakukan kegiatan
yang disebut sensus. Untuk menduga besarnya parameter melalui sebagian
anggota populasi dilakukan kegiatan mendapatkan nilai statistik yang
disebut survai pencuplikan atau sampling survey.

LATIHAN 1. Dalam suatu dusun terdapat empat rumah tangga (i = 1, ..., N;

N=4) yang memiliki tanah di atas 1 ha; masing-masing seluas (Yi) 4, 6, 8, dan 2
ha. Dari keempat rumah tangga ini hanya diambil sebagian untuk dievaluasi.
Karena pengamatan dari cuplikan ini akan diambil besaran-besaran pencirinya
(disebut statistik), nilainya akan mewakili populasi tempatnya diambil, dan
statistik yang diperoleh dari cuplikan tadi merupakan nilai duga (estimate)
bagi parameter.
Tentukanlah
a. Parameter populasi yaitu berupa rerata (μ) varians (2), dan simpangan
𝑵−𝒏
baku (). Hitunglah varians populasi 𝜎 2 = [
𝑵−𝟏
] . 𝑽𝒂𝒓𝑷 dan varians
populasi alternatif S2 = [N/(N–1)]·2 . Nilai varians tersebut adalah varians
bagi populasi terhingga (“ukuran kecil”).

1
 b. Nilai-nilai harapan dari semua cuplikan berukuran n=3 yang bisa diambil.
c. Nilai-nilai harapan dari semua cuplikan berukuran n=2 yang bisa diambil.

Jawaban: (pengerjaan di buku kerja)

Parameter populasi
μ   
5 ha 6 2/3 ha 2,582 ha

Statistika sampel
Ukuran cuplikan E(m) V(m) E(s2)
n=3 5 ha 5/9 ha 6 2/3 ha
n=2 5 ha 5/3 ha 6 2/3 ha

Dari latihan di atas ada tiga poin yang dapat disimpulkan:

1. E(m) = μ --> nilai harapan rerata cuplikan adalah rerata populasi.
Jika nilai harapan suatu statistik sama dengan parameter yang diduganya,
statistik itu disebut penduga takbias. Jadi, statistik m adalah penduga
takbias bagi μ.
2. V(m) = 2m = 2/n [(N – n)/(N – 1)] = (S2 / n) [ (N – n)/N)]
Varians bagi rerata cuplikan nilainya tergantung dari ukuran cuplikan,
ukuran populasi, dan varians populasi, baik varians yang “biasa” maupun
yang khusus untuk populasi terhingga. Lebih lanjut, jika N jauh lebih besar
daripada n, pemakaian 2 maupun S2 tidak banyak memberi perbedaan.
3. E(s2) = S2 = [N/(N–1)]·2 --> s2 adalah penduga takbias bagi S2 maupun 2.
Karena itu, varians cuplikan selalu dibagi dengan “derajat bebas” ν = n–1.
Jika N besar, pemakaian 2 maupun S2 tidak banyak memberi perbedaan.

B. Distribusi cuplikan

Perhatikan kembali latihan tadi dan tiga poin yang telah disimpulkan. Jika
cuplikan berukuran sama diambil berulang kali dari suatu populasi besar,
statistik yang dihitung setiap kalinya akhirnya membentuk populasi sendiri.
Pada latihan kita di atas, “populasi lama” adalah keempat data awal (Yi).
“Populasi baru” adalah mj dan s2j. Simpangan baku yang dibentuk dari populasi

2
baru ini disebut sesatan baku (atau standard error, SE) statistik yang
bersangkutan. Untuk pembahasan selanjutnya dibicarakan pencuplikan ukuran
sama (n) berulang kali sehingga tak terhingga pengulangannya. Distribusi yang
terbentuk dapat dipakai untuk pencuplikan sekali atau beberapa kali.

Distribusi rerata cuplikan

Distribusi ini terbentuk oleh kolom mj pada latihan di atas. Jika cuplikan
berukuran n diambil berulang-ulang dari populasi Y~NID (μ,2) [dibaca “Y
berdistribusi normal dan saling bebas dengan rerata μ dan varians 2”], rerata-
rerata cuplikan mY akan berdistribusi normal juga dengan rerata μ dan varians
2/n; disingkat mY ~ NID(, 2/n). Dengan demikian, distribusi rerata Y dapat
ditransformasi menjadi distribusi normal baku melalui

mY  
Z
/ n
dengan Z ~ NID(0,1).

Jika  tidak diketahui nilainya dan n<30, s merupakan penduga yang layak
untuk mengganti . Akibat penggantian ini, rerata cuplikan tidak lagi
berdistribusi normal melainkan berdistribusi t-Student dengan parameter
derajat bebasnya, yaitu n-1 (atau , dibaca “nu”):

mY  
t ~ t( )
s/ n
Nilai probabilitas terkait t dapat dicari dengan fungsi =TDIST(t,, tail). “Tail”
ini dapat bernilai 1 (satu sisi, probabilitas ada di satu sisi saja (kiri atau kanan))
maupun 2 (dua sisi, probabilitas ada di kedua sisi sama besar).

Apabila anda diinformasikan probabilitasnya (dua sisi), gunakan fungsi

=TINV(p,) untuk memperoleh nilai t. Perhatikan petunjuk penggunaan fungsi
ini sebaik-baiknya.

3
Distribusi selisih rerata dua cuplikan

 Jika X ~ NID(X,  x2 ) dan Y ~ NID(Y,  y2 ) saling independen, selisih (X – Y),

juga berdistribusi normal dengan rerata X–Y = E(X – Y) = X – Y dan varians
 X2 Y = Var(X – Y) =  X2   Y2 . Jadi

   2  2 
(m X  mY ) ~ NID (  X  Y ),  X  Y 
  nX nY 

dan apabila kedua varian sama besar,  x2 =  y = 2 maka

2

   2  2 
(m X  mY ) ~ NID (  X  Y ),   
  n X nY 
 

Oleh karena itu, nilai normal baku untuk variabel Z dinyatakan dengan

(mx  mY )  ( X  Y )
Z
( X2 / nX ) ( Y2 / nY )

 Penggantian 2 dengan s2 karena tak diketahui nilainya berakibat selisih

rerata akan mengikuti distribusi t-Student

(m X  mY ) ~ t ( )

namun, nilai ν hanya mudah diperoleh apabila kedua varians cuplikan berasal
dari populasi dengan varians sama: σ2 = σX2 = σY2. Untuk mendapatkan t,
penghitungan dilakukan dengan
(mx  mY )  ( X  Y )
t
(n X  1) s X2  (nY  1) sY2
(n X  nY  2)

4
Distribusi proporsi cuplikan

Seringkali yang diminati dalam pencuplikan adalah menduga proporsi

atau banyaknya suatu bagian populasi, bukan reratanya. Misalnya pendugaan
terhadap proporsi/banyaknya ikan mas di kolam. Proporsi (P) dapat diwujudkan
dalam banyak (A) apabila diketahui ukuran populasi (N) melalui hubungan P =
A/N. Dalam pencuplikan, kita mengambil sebanyak n (n<N) dan mendapat
yang diinginkan sebanyak a sehingga mendapat proporsi cuplikan p = a/n.
Ketika nilai n cukup besar, maka nilai-nilai proporsi yang diambil dari
beberapa pencuplikan akan mengikuti distribusi normal. Nilai n dikatakan
cukup besar ketika nilai np dan n(1-p) lebih besar dari 10. Proporsi cuplikan
dapat ditransformasi menjadi normal baku dengan persamaan

𝑝−𝑃
𝑍=
√𝑃(1 − 𝑃)
𝑛
Apabila diketahui 2 populasi, maka kita dapat menghitung selisih dari
proporsinya. Nilai selisih proporsi dibakukan dengan persamaan
(𝑝1 − 𝑝2 ) − (𝑃1 − 𝑃2 )
𝑍=
𝑃 (1 − 𝑃1 ) 𝑝2 (1 − 𝑃2 )
√ 1 +
𝑛1 𝑛2

5
Catatan :

ACARA 5
Telah diperiksa
Asisten :
Tanggal :
TTD :