TUTORIAL 3

ANALISIS DATA STATISTIK

(SATS4212) / 3 SKS
 CAKUPAN MATERI

1. Sampel Random

2. Distribusi Kontinu
 SAMPEL DAN PENGAMBILAN SAMPEL

Pengertian Sampel
Sampel → bagian dari populasi yang menjadi objek
penelitian. Hasil pengukuran atau karakteristik dari sampel
disebut “statistik”.
Alasan perlunya pengambilan sampel adalah sebagai
berikut :
1. Keterbatasan waktu, tenaga dan biaya.
2. Lebih cepat dan lebih mudah.
3. Memberi informasi yang lebih banyak dan
dalam.
4. Dapat ditangani lebih teliti.
 SAMPEL DAN PENGAMBILAN SAMPEL

Pengertian Sampel
Sampel → bagian dari populasi yang menjadi objek
penelitian. Hasil pengukuran atau karakteristik dari sampel
disebut “statistik”.
Alasan perlunya pengambilan sampel adalah sebagai
berikut :
1. Keterbatasan waktu, tenaga dan biaya.
2. Lebih cepat dan lebih mudah.
3. Memberi informasi yang lebih banyak dan
dalam.
4. Dapat ditangani lebih teliti.
 TEKNIK PENGAMBILAN SAMPEL
Teknik pengambilan sampel dibagi atas 2 kelompok besar, yaitu:
1. Probability Sampling (Random Sample)
Dengan teknik ini, peneliti dapat menentukan derajat
kepercayaan terhadap sebuah sampel. Selain itu, perbedaan
dalam menafsirkan parameter populasi dengan statistik sampel
dapat diperkirakan.
2. Non Probability Sampling (Non Random Sample)
Sedangkan pada non probability sampel, penyimpangan nilai
sampel terhada populasinya tidak mungkin diukur. Pengukuran
penyimpangan ini merupakan salah satu bentuk pengujian
statistik. Penyimpangan yang terjadi pada perancangan
kuesioner misalnya adalah pada kesalahan petugas pengumpul
data dan pada pengolah data. Jenis kesalahan ini disebut Non
Sampling Error.
 DISTRIBUSI SAMPLING

DISTRIBUSI
SAMPLING

DISTRIBUSI DISTRIBUSI
KONTINU DISKRET
 DISTRIBUSI KONTINU

1. Distribusi Normal
2. Distribusi t
3. Distribusi F
 DISTRIBUSI NORMAL

Sifat-sifat penting distribusi normal:

1. Grafiknya selalu ada di atas sumbu x
2. Bentuknya simetrik terhadap x = 
3. Mempunyai satu modus, jadi kurva unimodal, tercapai
pada x =  sebesar 0,3989/
4. Grafiknya mendekati sumbu di atas x dimulai dari
x =  + 3  kekanan dan x =  - 3 ke kiri
5. Luas daerah grafik selalu sama dengan satu unit persegi
 CONTOH PERHITUNGAN LUAS NORMAL

Contoh 1:

Waktu yang dibutuhkan untuk memperbaiki sebuah mesin

pemuat otomatis dalam sebuah operasi pengepakan
makanan pada sebuah proses produksi adalah X menit.
Pengalaman menunjukkan bahwa secara pendekatan, X
berdistribusi normal dengan mean 120 dan variansi 9 adalah
sangat baik. Tentukan P (X >125)!
DISTRIBUSI NORMAL
 DISTRIBUSI NORMAL

Pergunakanlah tabel distribusi normal standard untuk

menghitung luas daerah :
a) Di sebelah kanan z=1.84
b) Antara z=-1.97 s/d z=0.86

Jawab.
Ingat bahwa luas yg diberikan dalam tabel distribusi normal
kumulatif adalah luas dari z=-∞ s/d z0 tertentu: P(z<z0).
a) P(z>1.84) = 1 – P(z≤1.84) = 1 -0.9671 = 0.0329
b) P(-1.97 <z<0.86) = P(z<0.86) – P(z<-1.97)
= 0.8051 – 0.0244
= 0.7807
 DISTRIBUSI NORMAL

Contoh 2:
Pergunakanlah tabel distribusi normal standard untuk
menghitung luas daerah :
a) Di sebelah kanan z=1.84
b) Antara z=-1.97 s/d z=0.86

Jawab.
Ingat bahwa luas yg diberikan dalam tabel distribusi normal
kumulatif adalah luas dari z=-∞ s/d z0 tertentu: P(z<z0).
a) P(z>1.84) = 1 – P(z≤1.84) = 1 -0.9671 = 0.0329
b) P(-1.97 <z<0.86) = P(z<0.86) – P(z<-1.97)
= 0.8051 – 0.0244
= 0.7807
 DISTRIBUSI t-STUDENT

Karena jumlah sampel yang kecil sehingga (kurang

dari 30 ), sehingga nilai standar deviasi berfluktuasi
relatif besar. Sehingga untuk sebaran distribusi
sampel kecil dimana varians tidak diketahui
digunakan t-student.
(x  )
x = nilai rata-rata sampel t
s
 = nilai rata-rata populasi
s = standar deviasi sampel n
n = banyak sampel
 DISTRIBUSI t-STUDENT

Sifat distribusi t:
Mempunyai rata-rata sama dengan nol tetapi
dengan standar deviasi yang berbeda beda sesuai
dengan besarnya sampel . Semakin besar sampel
maka semakin mendekati distribusi normal.
 DISTRIBUSI t-STUDENT

Contoh 1:

Jika diketahui X adalah variabel random

berdistribusi t dengan derajat kebebasan 14,
tentukan k sedemikian sehingga:
P (k < X < -1, 761) = 0, 045.
DISTRIBUSI t-STUDENT
 DISTRIBUSI t-STUDENT

Contoh 2:
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 pengusahan
pabrik tadi akan mempertahankan kenyakinannya. Kesimpulan
apa yang seharusnya dia ambil dari sampel dengan rataan 𝑥 =
518 jam dan simpangan baku s = 40 jam? Anggap bahwa
distribusi waktu menyala, secara hampiran, normal.
 DISTRIBUSI t-STUDENT

Dari tabel t diperoleh 𝑡0,05 = 1,711 untuk derajat kebebasan 24.

Jadi pengusaha tadi akan puas dengan keyakinananya bila sampel
25 bola lampu memberikan nilai t antara -1,711 dan 1,711. Bila
memang 𝜇 = 500, maka:
518 − 500
𝑡= = 2,25
40/ 25
Suatu nilai yang cukup jauh di atas 1,711. Peluang mendapat nilai t,
dengan derajat kebebasan v = 24, sama atau lebih besar dari 2,25,
secara hampiran adalah 0,02. Bila 𝜇 > 500, nilai t yang di hitung dari
sampel akan lebih wajar. Jadi pengusaha tali kemungkinan besar
akan menyimpulkan bahwa produksinya lebih nbaik daripada yang
diduganya semula.
 DISTRIBUSI F

Dalam teori probabilitas dan

statistika, distribusi F merupakan
distribusi probabilitas kontinu.
Distribusi F juga dikenal dengan
sebutan distribusi F Snedecor atau
distribusi Fisher-Snedecor (setelah
R.A. Fisher dan George W.
Snedecor).

Distribusi F seringkali digunakan dalam pengujian

statistika, antara lain analisis varians dan analisis
regresi. Distribusi dipakai untuk membandingkan
dua varian yang berpopulasi normal.
 DISTRIBUSI F

Untuk Contoh Soal, silakan lihat di Modul 5.

Selamat Belajar…Semoga Sukses…

Terimakasih…