2.3.

1 DISTRIBUSI RATA-RATA
            Misalkan kita mempunyai sebuah populasi berkukuran terhingga N dengan parameter

rata-rata μ dan simpangan baku σ . Dari populasi ini diambil secara acak berukuran n .

Jika sampling dilakukan tanpa pengembalian, kita tahu semuanya ada  ( Nn ) buah sampel yang
berlainan. Untuk semua sampel yang didapat, masing-masing dihitung rata-ratanya. Dengan

demikian diperoleh N  buah rata-rata. Anggap semua rata-rata ini sebagai data baru, jadi
n ( )
didapat kumpulan data yang terdiri atas rata-rata dari sampel-sampel. Dari kumpulan ini kita
dapat menghitung rata-rata dan simpangan bakunya. Jadi didapat rata-rata daripada rata-rata,
diberi simbol μ x́ (baca: mu indeks eks garis), dan simpangan baku daripada rata-rata, diberi
simbol σ x́ (baca: sigma indeks eks garis).

Beberapa notasi :

n : ukuran sampel (diambil secara acak)

N : populasi dengan ukuran terhingga

x̄ : rata-rata sampel

μ : parameter rata-rata populasi

s : simpangan baku

σ : simpangan baku populasi

μ x́: rata-rata pada distribusi sampling rata-rata

σ x́ : simpangan baku daripada rata-rata

Contoh 1:

Diberikan sebuah populasi dengan N =10 yang datanya : 98, 99, 97, 98, 99, 98, 97, 97, 98, 99.
Jika dihitung, populasi ini mempunyai μ = 98 dan σ = 0,78. Diambil sampel berukuran
 n =2 . Semuanya ada 10  = 45 buah sampel. Untuk setiap sampel kita hitung rata-ratanya.
(2)
Data dalam tiap sampel dan rata-rata tiap sampel diberikan dalam daftar berikut ini.

Semua Sampel Berukuran n = 2

Rata-ratanya Diambil dari Populasi Berukuran N = 10

Sampel Rata-rata Sampel Rata-rata Sampel Rata-rata

(98,99) 98,5 (99,98) 98,5 (99,98) 98,5

(98,97) 97,5 (99,99) 99 (99,97) 98

(98,98) 98 (97,98) 97,5 (99,97) 98

(98,99) 98,5 (97,99) 98 (99,98) 98,5

(98,98) 98 (97,98) 97,5 (99,99) 99

(98,97) 97,5 (97,97) 97 (98,97) 97,5

(98,97) 97,5 (97,97) 97 (98,97) 97,5

(98,98) 98 (97,98) 97,5 (98,98) 98

(98,99) 98,5 (97,99) 98 (98,99) 98,5

(99,97) 98 (98,99) 98,5 (97,97) 97

(99,98) 98,5 (98,98) 98 (97,98) 97,5

(99,99) 99 (98,97) 97,5 (97,99) 98

(99,98) 98,5 (98,97) 97,5 (97,98) 97,5

(99,97) 98 (98,98) 98 (97,99) 98

(99,97) 98 (98,99) 98,5 (98,99) 98,5

Jumlah semua rata-rata = 4410

4.410
Jumlah ke-45 buah rata-rata = 4.410. maka rata-ratanya untuk ke-45 rata-rata ini = =98 .
45

Jadi, μ x́ =98.
simpangan baku ke-45 rata-rata di atas juga dapat dihitung. Besarnya adalah:

σ x́ =0,52

Tetapi rata-rata populasi μ=98 dan simpangan baku σ =0,78. Selanjutnya kita hitung:

σ N −n 0,78 10−2
n √ =
√
N−1 √ 2 10−1
=0,52

Ternyata berlaku bahwa:

μ x́ =μ

σ N −n
σ x́ =
√
√ n N −1

Jika N cukup besar dibandingkan terhadap n , maka berlaku hubungan:

μ x́ =μ
σ
σ x́ =
√n

Untuk penggunaan, rumus (2) cukup baik apabila (n/N) ≤ 5%.

Jika sampel acak berukuran n diambil dari sebuah populasi berukuruan N dengan rata-rata
μ dan simpangan baku σ , maka distribusi rata-rata sampel mempunyai rata-rata dan
simpangan baku seperti dalam rumus (1) jika (n/N) > 5%, seperti dalam rumus (2) jika (n/N) ≤
5%. σ x́  dinamakan kekeliruan standar rata-rata atau kekeliruan baku rata-rata atau pula galat
baku rata-rata. Ini merupakan ukuran variasi rata-rata sampel sekitar rata-rata populasi μ . σ x́  
mengukur besarnya perbedaan rata-rata yang diharapkan dari sampel ke sampel.

Dalil limit pusat :

            Jika sebuah populasi mempunyai rata-rata μ dan simpangan baku σ yang besarnya
terhingga, maka untuk ukuran sampel acak n cukup besar, distribusi rata-rata sampel
σ
mendekati distribusi normal dengan rata-rata μ x́ =μ dan simpangan baku σ x́ = .
√n
Distribusi normal yang didapat dari distribusi rata-rata perlu distandarkan agar daftar distribusi
noramal baku dapat digunakan. Ini perlu untuk perhitungan-perhitungan. Untuk ini digunakan
transformasi.

x́−μ
z=
σ x́
Contoh 2:

Tinggi badan mahasiswa rata-rata mencapai 165 cm dan simpangan baku 8,4 cm. Telah diambil
sebuah sampel acak terdiri atas 45 mahasiswa. Tentukan berapa peluang tinggi rata-rata ke-45
mahasiswa tersebut : 

a). antara 160 cm dan 168 cm.

b). paling sedikit 166 cm.

Jawab:

Jika ukuran populasi tidak dikatakan besarnya, selalu dianggap cukup besar untuk berlakunya
teori. Ukuran sampel n= 45 tergolong sampel besar sehingga dalil limit pusat berlaku. Jadi rata-
rata x́ untuk tinggi mahasiswa akan mendekati distribusi normal dengan :

Rata-rata μ x́= 165 cm

8,4
Simpangan baku σ x́ = cm = 1,252 cm.
√ 45
a) Dengan x́ = 160 cm dan x́ = 168 cm didapat :

160−165 168−165
z 1= =−3,99    dan z 2= =2,40  
1,252 1,252

Penggunaan daftar distribusi normal baku memberikan luas kurva = 0,5 + 0,4918 =
0,9818.

Peluang rata-rata tinggi ke-45 mahasiswa antara 160 cm dan 168 cm adalah 0,9918.

b) Rata-rata tinggi paling sedikit 166 cm memberikan angka z paling sedikit =

166−165
=0,80
1,252

Dari daftar normal baku, luas kurva = 0,5-0,2881 =  0,2119. Peluang yang dicari = 0,2119

Apabila dari populasi diketahui variansnya dan perbedaan antara rata-rata dari sampel ke sampel
diharapkan tidak lebih dari sebuah harga d yang ditentukan, maka berlaku hubungan.

σ x́ ≤ d
Dari rumus ini, ukuran sampel yang paling kecil sehubungan dengan distribusi rata-rata, dapat
ditentukan.

Contoh 3:

Untuk contoh diatas, misalkan harga-harga x́dari sampel yang satu dengan sampel yang lainnya
diharapkan tidak lebih dari 1 cm.

Jika populasi cukup besar, maka :

σ 8,4
≤ d yang menghasilkan ≤1
√n √n
atau n ≥ 70,58.

Paling sedikit perlu diambil sampel terdiri atas 71 mahasiswa.

Rumus distribusi sampling Rata-rata :

n
( ≤5 %)
A. Populasi takterbatas N :
 Rata-rata :
μ x̄=μ
σ
σ x̄ =
 Standar Deviasi : √n
x̄−μ x̄
z=σ
 Nilai Baku : x̄
n
>5 %
B. Populasi terbatas ( N ):
 Rata-rata :
μ x̄=μ
σ N −n
 Standar Deviasi :
σ x̄ =
μ
⋅
√
√ n N −1
x̄− x̄
z=σ
 Nilai baku : x̄

2.3.2 DISTRIBUSI PROPORSI

           Distribusi sampling proporsi adalah kumpulan atau distribusi semua perbandingan
samplenya untuk suatu peristiwa. Uraian untuk distribusi proporsi sejalan dengan untuk
distribusi rata-rata. Misalkan populasi diketahui berukuran N yang didalamnya didapat peristiwa
A sebanyak Y di antara N. Maka didapat parameter proporsi A sebesar µ = (Y/N).

            Dari populasi ini diambil sampel acak berukuran n dan dimisalkan didalamnya ada
peristiwa A sebanyak x. Sampel ini memberikan statistik proporsi peristiwa A = x/n. Jika semua
sampel yang mungkin diambil dari populasi itu maka didapat sekumpulan harga-harga statistik
μx
proporsi. Dari kumpulan ini kita dapat menghitung rata-ratanya, diberi simbol n dan
σx
simpangan bakunya diberi symbol n .

Notasi Dalam distribusi sampling :

μx
n : rata-rata pada distribusi sampling proporsi.

σx
n : standar deviasi pada distribusi sampling proporsi.

            Untuk ini ternyata bahwa, jika ukuran populasi kecil dibandingkan dengan ukuran
sampel, yakni (n/N) > 5%, maka :

μ x =π
n

π (1−π ) N−n
σ x=
n √ n √
N−1

dan jika ukuran populasi besar dibandingkan dengan ukuran sampel, yakni (n/N) ≤ 5% maka :
μ x =π
n

π (1−π )
σ x=
n √ n

σx
n dinamakan kekeliruan baku proporsi atau galat baku proporsi.

Untuk ukuran sampel n cukup besar, berlakulah sifat berikut :

            Jika dari populasi yang berdistribusi binom dengan parameter π untuk peristiwa A, 0 < π
< 1, diambil sampel acak berukuran n dimana statistik proporsi untuk peristiwa A (x/n), maka
untuk n cukup besar, distribusi proporsi (x/n) mendekati distribusi normal dengan parameter
seperti dalam rumus (5) jika (n/N) > 5%, dan seperti dalam rumus (6) jika (n/N) ≤ 5%.

            Seperi dalam distribusi rata-rata, disini pun akan digunakan n ≥ 30 untuk memulai
berlakunya sifat di atas. Untuk perhitungan, daftar distribusi normal baku dapat digunakan dan
untuk itu diperlukan transformasi :

x
−π
n
z=
σx
n

            Jika perbedaan antara proporsi sampel yang satu dengan yang lainnya diharapkan tidak
lebih dari sebuah harga d yang ditentukan, maka berlaku :

σ x≤d
n

Karena σx/n mengandung faktor  π dengan π = parameter populasi, maka rumus (8) berlaku jika
parameter π sudah diketahui besarnya. Jika tidak, dapat ditempuh cara konservatif dengan
mengambil harga kekeliruan baku atau galat baku yang terbesar, yakni π (1 – π ) = ¼.

Contoh 1 :

Ada petunjuk kuat bahwa 10% anggota masyarakat tergolong ke dalam golongan A. Sebuah
sampel acak terdiri atas 100 orang telah diambil.

a) Tentukan peluangnya bahwa dari 100 orang itu akan ada paling sedikit 15 orang dari golongan
A.

b) Berapa orang harus diselidiki agar persentase golongan A dari sampel yang satu dengan yang
lainnya diharapkan berbeda paling besar dengan 2%?

Jawab:

Populasi yang dihadapi berukuran cukup besar dengan  = 0,10 dan 1 -  = 0,90

a) Untuk ukuran sampel 100, diantaranya paling sedikit 15 tergolong kategori A, maka
paling sedikit x/n = 0,15. Kekeliruan bakunya adalah :
 π (1−π ) 0,10× 0,90
σ x=
n √ n
=
√ 100
=0,03

0,15−0,10
Bilangan z paling sedikit = =1,67
0,03

Dari daftar normal baku, luasnya = 0,5 – 0,4525 = 0,0475.

Peluang dalam sampel itu aka nada paling sedikit 15 kategori A adalah 0,0475.

b) Dari rumus (8) dengan π = 0,1 dan 1 – π = 0,9 sedangkan d = 0,02, maka :

0,1+ 0,9
√ n
≤ 0,02yang menghasilkan n ≥ 225

Paling sedikit sampel harus berukuran 225.

Rumus distribusi sampling Rata-rata :

n
( ≤5 %)
C. Populasi takterbatas N :
μ x =π
 Rata-rata : n

π ( 1−π )
 Standar Deviasi :
σ x=
n
x
√ n

n x
−μ
n
z=
σ x
 Nilai Baku : n
n
>5 %
D. Populasi terbatas ( N ):
μ x =π
 Rata-rata : n

π ( 1−π ) N −n
 Standar Deviasi :
σx=
n
x
√ n
⋅
√
N −n

n x
−μ
n
z=
σ x
 Nilai baku : n
 Jika nilai π dari populasi tidak diketahui, dalam hal ini π dianggap sama dengan 0,5 yaitu
nilai π(1-π) yang maksimum.

2.3.3 DISTRIBUSI SIMPANGAN BAKU

Seperti biasa kita mempunyai populasi berukuran N. Diambil sampel-sampel acak

berukuran n, lalu untuk tiap sampel dihitung simpangan bakunya, yaitu s. Dari kumpulan ini
sekarang dapat dihitung rata-ratanya, diberi simbol μs  dan simpangan bakunya, diberi simbolσ s.

Jika populasi berdistribusi normal atau hampir normal, maka distribusi simpangan baku, untuk n
besar, biasanya n ≥ 100, sangat mendekati distribusi normal dengan :

μs =σ
σ
 σ s=
√ 2n

dengan σ = simpangan baku populasi.

Transformasi yang diperlukan untuk membuat distribusi menjadi normal baku adalah:

s−σ
z=
σs

Untuk populasi tidak berdistribusi normal dan untuk sampel berukuran kecil, n<100, rumus-
rumusnya snngat sulit dan karena peggunaannya tidak banyak maka disini tidak dijelaskan lebih
lanjut.

Contoh 1 :

Varians sebuah populasi yang berdistribusi normal 6,25. Diambil sampel berukuran 225.
Tentukan peluang sampel tersebut akan mempunyai simpangan bakulebih dari 3,5.

Jawab:
Varians = 6,25 ber = 2,5. Ukuran sampel cukup besar, maka distribusi simpangan baku
2,5
mendekati distribusi normal dengan rata-rata μs =2,5 dan simpangan baku σ s= =0,118 .
√ 450
Bilangan z untuk s = 3,5 adalah

3,5−2,5
z= =8,47
0,118
Praktis tidak menjadi sampel berukuran 225 dengan simpangan baku lebih dari 3,5.

https://id.scribd.com/document/358880151/Makalah-Distribusi-Sampling