By :
Suthami Ariessaputra, ST. M.Eng
Agung BM, ST., MT
Teori Penarikan Sampel (Sampling)
tidak berhingga
Teori Penarikan Sampel (Sampling)
Inferensia Statistik
Tujuan dari inferensia statistik adalah untuk memperoleh
informasi tentang populasi berdasarkan informasi sampel untuk
menarik suatu kesimpulan.
Teori Penarikan Sampel (Sampling)
Kesalahan
1. Kesalahan Sampling
2. Kesalahan Non Sampling (dapat terjadi pd sensus/sample
survey), disebabkan oleh :
a. populasi yang tidak jelas (sumber informasi populasi)
b. pertanyaan yang tdk tepat (kuisioner yg tdk jelas)
c. kesalahan lain : kalkulasi, salah ketik dll
Teori Penarikan Sampel (Sampling)
Merupakan bidang statistik inferensi yaitu dengan melakukan pengamatan untuk memperoleh
prediksi (estimasi) dari populasi. Distribusi Sampel merupakan distribusi peluang dari suatu
nilai statistik.
Dalam menentukan jumlah sampel, angka yang dicari adalah angka yang cukup besar
sehingga pengukurannya nanti cukup reliabel, cukup presisi dan sebagainya tapi tidak
terlalu besar sehingga terlalu mahal, kurang manageable, dan sebagainya.
Jadi penentuan sampel tidak langsung menetapkan sekian persen dari populasi (10%,
25%, dsb.).
Aturan umum untuk jumlah sampel adalah sekitar 30 ke atas walau sebenarnya jumlah itu
terlalu sedikit. Di bawah jumlah itu, rumus statistik yang digunakan adalah rumus2 statistik
nonparametrik yaitu untuk analisa statistik jumlah kecil.
Angka 30 tersebut karena distribusi frekuensinya sudah mulai berbentuk kurve normal
yaitu bentuk kurve dari distribusi frekuensi populasi.
Jika jumlah populasi target tidak banyak, disarankan sensus yang tidak ada sampling
error-nya (tapi coverage-nya harus tinggi misalnya 95% populasi ter-cover).
Distribusi Sampel
Jika ada n pengamatan diambil dari populasi normal dengan rerata μ dan
varians σ2 Tiap pengamatan Xi (sampel) ; i = 1,2,3,…..,n dari sampel acak
akan berdistribusi normal juga yang sama dengan populasi yang diambil
sampelnya.
Contoh
1. Suatu sampel acak berukuran n = 10 diambil tanpa pengembalian dari
populasi tak berhingga yang berdistribusi normal dengan rataan 5.5 dan
simpangan baku 2.92, setiap sampel lalu dihitung rataannya. Tentukan
rataan dan simpangan baku dari sampel rataan tersebut.
Distribusi Sampel Dari Rerata (X)
Contoh
1. Suatu sampel acak berukuran n = 10 diambil tanpa pengembalian dari
populasi tak berhingga yang berdistribusi normal dengan rataan 5.5 dan
simpangan baku 2.92, setiap sampel lalu dihitung rataannya. Tentukan
rataan dan simpangan baku dari sampel rataan tersebut.
Solusi
Sampel rataan tersebut mempunyai rataan:
μx = μ = 5.5
simpangan baku:
Teorema limit tengah untuk rata-rata
(hampiran normal)
# Bila populasi yang disampel tidak diketahui
distribusinya
Teorema limit tengah untuk rata-rata
(hampiran normal)
Apabila sampel berukuran n besar (>30) diambil dari populasi
yang mempunyai rata-rata μ dan deviasi standar σ, maka
ratarata sampel Ẋ akan terdistribusi normal dengan rata-rata μ
dan deviasi standar σ/√n
Khusus: apabila populasinya terdistribusi normal, maka n pada
teorema di atas tidak harus besar.
Hal ini dinyatakan oleh Teorema Limit Pusat sebagai berikut:
Teorema limit tengah untuk rata-rata
(hampiran normal)
Contoh
2. 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 limit tengah untuk rata-rata
(hampiran normal)
2. 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.
Solusi
Secara hampiran, distribusi sampel Ẋ akan berdistribusi normal dengan
μx = 800 dan σx = 40/ √16 = 10.
Peluang yang dicari diberikan oleh luas daerah yang dihitami pada
gambar. Nilai z yang berpadanan dengan Ẋ = 775 adalah
Teorema limit tengah untuk rata-rata
(hampiran normal)
Contoh
3. Diketahui sebuah populasi berdistribusi seragam diskrit:
Hitunglah peluang bahwa sampel acak berukuran 36, yang dipilih dengan
pengembalian, akan menghasilkan rataan sampel lebih besar dari 1.4
tetapi lebih kecil dari 1.8 bila rataan diukur (dibulatkan) sampai
persepuluhan terdekat.
Teorema limit tengah untuk rata-rata
(hampiran normal)
Solusi
Rataan dan variansi dihitung dengan rumus yang terdapat pada
materi distribusi seragam diskrit, dan diperoleh :
μ = (0 + 1 + 2 + 3)/4 = 3/2 = 1.5
Teorema limit tengah untuk rata-rata
(hampiran normal)
Solusi
2 Distribusi Sampel dari Selisih Dua Rataan
Distribusi Sampel dari Selisih Dua Rataan
Sehingga
Distribusi Sampel dari Selisih Dua Rataan
Contoh
4. sampel berukuran n1=5 diambil secara acak dari populasi
yang berdistribusi normal dengan rataan μ1 =50 dan variansi
σ12 = 9, dan rataan sampel Ẋ1 dihitung. Sampel acak kedua
berukuran n2= 4 diambil, bebas dari yang pertama, dari
populasi lain yang juga berdistribusi normal, dengan rataan
μ2 = 40 dan variansi σ22 = 4, dan rataan sampel Ẋ2 dihitung.
Carilah P(Ẋ1 - Ẋ2 < 8,2).
Distribusi Sampel dari Selisih Dua Rataan
Distribusi Sampel dari Selisih Dua Rataan
Contoh
5. Layar televisi yang dibuat pabrik A mempunyai rataan umur
6.5 tahun dengan simpangan baku 0.9 tahun, sedangkan hasil
dari pabrik B mempunyai rataan umur 6.0 tahun dengan
simpangan baku 0.8 tahun. Berapakah peluang bahwa suatu
sampel acak berukuran 36 buah Layar TV dari pabrik A akan
mempunyai rataan umur paling sedikit satu tahun lebih lama
dari rataan umur sampel 49 buah Layar TV dari pabrik B?
Distribusi Sampel dari Selisih Dua Rataan
Solusi
Diketahui data berikut:
Populasi I Populasi II
μ1 = 6.5 μ2 = 6.0
σ1 = 0.9 σ2 = 0.8
n1 = 36 n2 = 49
Distribusi Sampel dari Selisih Dua Rataan
Solusi
Distribusi sampel 1 - X2 akan berdistribusi hampiran normal dan mempunyai
rataan dan simpangan baku:
Peluang bahwa rataan 36 buah layar TV dari pabrik A paling sedikit 1 tahun
lebih lama dari rataan 49 Layar TV dari pabrik B adalah P(Ẋ1 - Ẋ2 ≥ 1.0)
Padanan nilai 1.0 adalah z = (1.0 – 0.5)/0.189 = 2.65
Sehingga
3 Distribusi Sampel Dari Varians s2
Distribusi Sampel Dari Varians s2
Contoh :
6. Suatu pabrik baterai mobil menjamin dengan keyakinan 95
% bahwa baterainya akan tahan rata-rata 3 tahun dengan
simpangan baku 1 tahun. Bila lima baterai tahan 1,9; 2,4;
3,0; 3,5 dan 4,2 tahun, apakan pembuat baterai masih
yakin bahwa simpangan baku masih 1 tahun.
Distribusi Sampel Dari Varians s2
Contoh :
6. Suatu pabrik baterai mobil menjamin dengan keyakinan 95
% bahwa baterainya akan tahan rata-rata 3 tahun dengan
simpangan baku 1 tahun. Bila lima baterai tahan 1,9; 2,4;
3,0; 3,5 dan 4,2 tahun, apakan pembuat baterai masih
yakin bahwa simpangan baku masih 1 tahun.
Solusi :
Distribusi Sampel Dari Varians s2
Solusi:
Maka kondisi tersebut distribusi peubah acak normal baku (Z) dapat
dinyatakan dengan distribusi T-student, dinyatakan sbb :
Ciri ciri Distribusi-t
Ciri - Ciri Distribusi T :
Kurva dari distribusi t memiliki bentuk mirip dengan kurva normal, namun
lebih runcing dengan luasan α.
Ciri khusus: distribusi t tergantung pada suatu parameter yang disebut
derajat bebas (degrees of freedom).
Jika derajat bebas meningkat maka perbedaan distribusi t dengan distribusi
normal baku semakin kecil.
Distribusi t dengan derajat bebas yang lebih besar memiliki varian yang
lebih kecil.
Rata-rata dari distribusi t = 0 (nol).
Membaca Tabel Student’s t
Misalkan α = 0,05 dan n = 10,
maka nilai tabel
Contoh Distribusi-t
Contoh
7. Nilai t dengan derajat kebebasan v = 14 sehingga luas
di sebelah kirinya 0.025 (jadi luas di sebelah kanannya
= 1 – 0.025 = 0.975) adalah?
Solusi :
t0.975 = – t0.025 = – 2.145
Contoh Distribusi-t
Contoh
7. Cari P(-t0,025< T < t0,05).
Solusi:
Karena luas di sebelah kanan t0,05 adalah 0,05 dan luas di
sebelah kiri -t0,025 adalah 0,025, maka jumlah luas antara -
t0,025 dan t0,05 adalah
= 1 – 0,05 – 0,025
= 0,925
jadi P(-t0,025< T < t0,05) = 0,925
Contoh Distribusi-t
Contoh
8. Untuk sampel berukuran n = 10 dan α = 0.05, tentukanlah
P(T < tα) dan P(- tα < T < tα ). Cari P(-t0,025< T < t0,05).
Solusi:
Derajat kebebasan = n – 1 = 10 – 1 = 9.
t0.05 = 1.833
Jadi, P(T < 1.833) = 1 – 0.05
= 0.95
dan P(-1.833 < T < 1.833) = 1 – 0.05 – 0.05
= 0.90
Latihan
Latihan
4. Suatu pabrik bola lampu yakin bahwa bola lampunya akan tahan
menyala rata-rata selama 500 jam. Untuk mempertahankan nilai
tersebut, tiap bulan diuji 25 bola lampu. Bila nilai t yang dihitung
terletak antara –t0,05 dan t0,05 maka pengusaha pabrik tadi akan
mempertahankan keyakinannya. Kesimpulan apakah yang
seharusnya diambil dari sampel dengan rerata X = 518 jam dan
simpangan baku s = 40 jam. Anggap bahwa distribusi waktu lama
lampu secara hampiran normal.
Referensi
Rinaldi Munir. Bahan Kuliah II2092 Probabilitas dan Statistik . Sekolah Teknik
Elektro dan Informatika ITB
Agung B.M. Diktat Probabilitas dan Statistik. Universitas Mataram
Google.com