MAKALAH STATISTIKA DASAR

“DISTRIBUSI SAMPLING”

DISUSUN OLEH:
KELOMPOK 4 (EMPAT)
LIDIA ROSA (4018002)
ETI FITRI NURHANDAYANI (4018005)
WENI SARTIKA (4018006)

DOSEN PENGAMPU : RANI REFIANTI, M. Pd.

MATA KULIAH : STATISTIKA DASAR
PROGRAM STUDI : PENDIDIKAN MATEMATIKA
KELAS : III.A

JURUSAN MATEMATIKA DAN ILMU PENGETAHUAN

SEKOLAH TINGGI KEGURUAN DAN ILMU PENDIDIKAN
PERSATUAN GURU REPUBLIK INDINESIA
(STKIP-PGRI) KOTA LUBUKLINGGAU
TAHUN AJARAN 2019/2020
 DISTRIBUSI SAMPLING

A. Distribusi Sampling

Distribusi sampel dari rata-rata hitung sampel adalah suatu distribusi

probabilitas yang terdiri dari seluruh kemungkinan rata-rata hitung sampel
dari suatu ukuran sampel tertentu yang dipilih dari populasi, dan probabilitas
terjadinya dihubungkan dengan setiap rata-rata hitung sampel (Suharyadi).
Sedangkan menurut Sudjana, distribusi sampling merupakan kumpulan nilai-
nilai statistika yang sejenis lalu disusun dalam suatu daftar sehingga terdapat
hubungan antara nilai statistik dan frekuensi statistika. (Sudjana, 2001 :87) .
Distribusi Sampling terdiri dari:
Distribusi sampling satu rata-rata.
Distribusi sampling satu proposri.
Distribusi sampling dua beda rata-rata.
Distribusi sampling dua beda proporsi.

B. Distribusi Sampling Satu Rata-Rata

Distribusi sampling rata-rata atau rata-rata sampel adalah distribusi dari

besaran rata-rata yang muncul dari sampel-sampel. Sudjana (2001 : 87)
mendefenisikan distribusi sampling rata-rata adalah kumpulan dari bilangan-
bilangan yang masing-masing merupakan rata-rata hitung dari samplenya.
Notasi dalam distribusi sampling rata-rata:
n : ukuran sampel
x́ : rata-rata sampel
s : standar deviasi sampling
μ x́ : rata-rata pada distribusi sampling rata-rata
σ x́ : standar deviasi pada distribusi sampling rata-rata
N : ukuran populasi
μ : rata-rata populasi
σ : standar deviasi populasi
 Rumus distribusi sampling satu rata-rata:

Populasi tidak terbatas Populasi terbatas

n n
≤5 % >5 %
N N

Rata-rata μ x́ =μ μ x́ =μ

σ σ N −n

Standar Deviasi
σ x́ =
x σ x́ = .
√
x N−1

Nilai Baku x́−μ x́ x́−μ x́

z= z=
σ x́ σ x́
N −n
Ket:
√ N −1
disebut dengan faktor koreksi.

Contoh:
ABC Company memproduksi ‘Remote Control’ dengan menggunakan dua
baterai. Rata-rata umur baterai yang digunakan di produk ini adalah 35 jam.
Distribusi umur baterai mendekati distribusi probabilitas normal dengan
standar deviasi 5,5 jam. Sebagai bagian dari program pengujian, diambil
sampel sebanyak 25 baterai. Hitunglah probabilitas umur baterai lebih dari 36
jam?
Penyelesaian:
Diketahui: μ x́ =μ=35 σ =5,5
n=25
Ditanyakan: P ( x́>36 )=… ?
Jawab:
σ 5,5
 σ x́ = = =1,1
√ n √25
x́−μ x́ 36−35
 z= = =0.91
σ x́ 1,1

 0 z
(lihat tabel z)
Luas sebelah kanan 0 = 0,5000
Luas antar 0-z = 0,3186
Luas sebelah kanan z = 0,5000-0,3186
= 0,1814.
Jadi, dari 25 baterai yang dipilih, probabilita umur baterai lebih dari 36
jam adalah sebesar 0,1814 atau 18,14%.

B. Distribusi Sampling Satu Proporsi

Menurut Sudjana (2001:95), distribusi sampling proporsi adalah kumpulan

atau distribusi semua perbandingan samplenya untuk suatu peristiwa. Notasi
dalam distribusi sampling proporsi:
μ x :rata-rata pada distribusi sampling proporsi.
n

σ x : standar deviasi pada distribusi sampling proporsi.

n

Rumus distribusi sampling satu proporsi.

Populasi tidak terbatas Populasi terbatas

n n
( ≤ 5 %) ( >5 % )
N N

Rata-rata μ x =π μ x =π
n n

π (1−π ) π (1−π ) N −n

Standar Deviasi
σ x=
n √ n
σ x=
n √ n
.
√
N−1
 Nilai Baku x x
−μ x −μ x
n n
n n
z= z=
σx σx
n n
Jika nilai π dari populasi tidak diketahui, dalam hal ini π dianggap sama
dengan 0,5 yaitu nilai π(1-π) yang maksimum.
Contoh:
Sebuah Bakery Store “BT” menemukan bahwa pembelian dilakukan oleh
20% dari pelanggan yang memasuki tokonya. Suatu pagi terdapat sampel acak
sebanyak 180 orang memasuki toko. Berapa probabilita pelanggan yang
membeli kurang dari 15%?
Penyelesaian:
Diketahui: n=180
π ( membeli )=20 %=0,20

Ditanyakan: P ( nx <15 %)=… ?

Jawab:
π x =π =0,20
 n

π ( π−1 ) 0,20 ( 0,80 )

 σ x=
n √ n
=
√ 180
=0,029814239.

x
−μ x
n 0,15−0,20
 z= n
= =−1,68.
σx 0,029814239
n

z 0
(lihat tabel z):
 Luas sebelah kiri 0 = 0,5000
Luas antara z-0 = 0,4535
Luas sebelah kiri z = 0,5000 – 0,4535 = 0,0465.
Jadi, probabilita bahwa diantara 180 orang yang masuk ke toko,
pelanggan yang membeli kurang dari 15% adalah sebesar 0,0465 atau
4,65%.

C. Distribusi Sampling Dua Beda Rata-Rata

Distribusi sampling selisih rata-rata adalah distribusi probabilitas yang

dapat terjadi dari selisih rata-rata dua sampel yang berbeda berdasarkan
pada dua sampel tertentu dari ukuran parameter dua populasinya.
Untuk ukuran sampel n1 dan n2 yang cukup besar (n1, n2 > 30), maka
distribusi sampling selisih rata-rata sangat mendekati distribusi normal,
untuk mengubahnya ke dalam bentuk normal standar maka diperlukan
rumus:
μ x́
z=( x́ 1−x́ 2 )− 1−¿ x́ 2
¿
σ x́ −x́
1 2

Dimana:
 Rata-rata (mean)
μ x́
1−¿ x́2 = μ1−μ2 ¿

 Simpangan baku (standar deviasi)

σ 21 σ 22
σ x́ −x́ =
1
+
n1 n2
2
√
Jika σ 12dan σ 22tidak diketahui, maka dapat menggunakan standar
deviasi dari sampel.
Contoh:
Pegawai perusahaan Global Network Inspectionpada Divisi Inspeksi
Pembongkaran mempunyai gaji rata-rata sebesar $4300/bulan, sedangkan
Divisi Inspeksi Pengangkutan mempunyai gaji $3750/bulan. Setelah
dihitung, diperoleh rata-rata hitung dari deviasi kuadrat setiap gaji
 terhadap gaji rata-rata Divisi Inspeksi Pembongkaran $52.000, sedangkan
Divisi Inspeksi Pengangkutan sebesar $19.500. Bila diasumsikan diambil
sampel random pada Divisi Inspeksi Pembongkaran sebanyak 90 orang
dan Divisi Inspeksi Pengangkutan75, berapakah probalilita selisih rata-rata
gaji dari dua sampel lebih besar dari $ 500?
Penyelesaian:
Diketahui:
 Divisi Inspeksi Pembongkaran : μ1 = $ 4300 = $ 52.000 n1 = 90
 Divisi Inspeksi Pengangkutan : μ2= $ 3750 = $ 37.000 n2 = 75
´
Ditanyakan: ( x ¿ ¿1−x́ 2 >500)=… ?¿¿
Jawab:
 μ x́
1−¿ x́2 = μ1−μ2=4300−3750=550¿

σ 21 σ 22
 σ x́ −x́ =
1
n1 n2
2
√
+ =
5.200 37.000
90
+

μ x́
75 √
=32,72783389.

500−550
 z=( x́ 1−x́ 2 )− =−1,52775 ≈−1,53.¿
1−¿ x́ 2
=
σ x́ −x́
1 2
32,72783389

z 0
(lihat tabel z):
Luas kanan 0 = 0,5000
Luas 0-z = 0,4370
Luas kanan z = 0,5000 – 0,4370 = 0,9370
Jadi, probabilita selisih rata-rata gaji dari dua sampel lebih besar dari
$500 adalah 0,9370 atau 93,70 %.

D. Distribusi Sampling Dua Beda Proporsi

 Distribusi sampling selisih proporsi adalah distribusi probabilitas yang
dapat terjadi dari selisih proporsi dua sampel yang berbeda berdasarkan pada
dua sampel tertentu dari ukuran parameter dua populasinya, adapun rumus
distribusi sampling selisih proporsi dinyatakan dalam :
 Rata-rata proporsi
μ x́ 1−¿x́ 2
=μ1 −μ2 ¿
n1−n 2
 Simpangan baku proporsi
π 1 (1−π 1 ) π 2 (1−π 2)
σx 1 x
− 2
n1 n2
=
√ n1
+
n2

Distribusi sampling selisih proporsi inipun akan mendekati distribusi

normal bila ukuran-ukuran sampel cukup besar (n1, n2> 30), maka untuk
merubahnya menjadi bentuk normal standar diperlukan rumus :
μx́ 1−¿x́ 2

x1 x2 n −n
z=
( − − 1 2¿
n1 n2 σx x ) 1
n1
−
n2
2

Jika π 1 dan π 2 tidak diketahui dan dianggap sama maka nilai:

x1 + x2
π 1=π 2= p=
n1 +n2
sehingga standar baku proporsinya menjadi :
1 1
σx 1 x
− 2
n1 n2 √
= p x ( 1− p ) x( + )
n1 n2

Contoh:
Alya dan Deasy akan melakukan sebuah pertandingan pelemparan
sekeping uang logam, Deasy akan menang bila memperoleh 8 sisi gambar
lebih banyak dari pada Alya, jika diasumsikan mereka diberi kesempatan
masing-masing melempar uang logam sebanyak 40 kali, berapa peluang
Deasy memenangkan pertandingan ini ? Berilah saran apakah Deasy akan ikut
dalam pertandingan atau tidak, jika harapan kemenangannya harus sebesar
15% atau lebih?
Penyelesaian:
Diketahui: π 1=π 2=50 %
n1 =n2=40
x1 x2
Ditantakan: P ( − >15 % =… ?
n1 n 2 )
Jawab:
μ x́

1−¿x́ 2
=μ1 −μ2=0,5−0,5=0 ¿
n1−n 2

π 1 ( 1−π 1 ) π 2 ( 1−π 2 )
 σx x
1
− 2
n1 n2
=
√ n1
+
n2
=
( 0,5 )( 1−0,5 ) ( 0,5 ) ( 1−0,5 )
√ 40
+
40
=0,1346

μx́ 1−¿x́ 2

x1 x2 n −n 0,15−0
 z=
( − − 1 2=
n1 n2 σx x )
0,1346
=1,11 ¿
1
n1
−
n2
2

0 z
(lihat tabel z)
Luas kanan 0 = 0,5000
Luas 0-z = 0,3665
Luas kanan z = 0,5000 – 0,3665 = 0,1335.
Jadi, peluang Deasy memenangkan pertandingan ini adalah 0,1335
atau 13,35%. Karena peluang Deasy menang kurang dari harapan
menangnya (13,35% <15%), maka Deasy disarankan tidak mengikuti
pertandingan ini.