Distribusi Sampling

Dr. Nurtiti Sunusi, S.Si, M.Si

6.2
 Materi Bahasan :
Distribusi Sampling

Pengertian dan Konsep Dasar

Distribusi Sampling Mean

Distribusi Sampling Proporsi

Distribusi Sampling Standard

Deviasi
Pengertian dan Konsep
Dasa
r
•  Distribusi sampel adalah distribusi dari rata-rata atau
proporsi sampel yang diambil secara berulang-ulang (n
kali) dari populasi

•  Ada sebanyak n rata-rata atau n nilai proporsi

•  Distribusi dari rata-rata atau proporsi tersebut yang

disebut sebagai distribusi sampel (sampling distribution)
Distrib Samplin
usi g
menunjukkan distribusi dari nilai – nilai yang berbeda statistik
sampel atau penduga dari banyak sampel yang berukuran
sama. Sebuah statistik sampel akan berbeda – beda nilainya
dari satu sampel ke sampel yang lain karena adanya
perbedaan sampling acak atau kesalahan sampling.
Distribusi : ILUSTRA
Sampling
POPULA AMATA SI
SI N
N individu
Mean = µ
St. deviasi =
σ

Diamb
il
bebera
pa
Sampel
SAMPEL SAMPEL SAMPEL SAMPEL
1 2 3 … sejumla
hn
Distribusi : JENIS
Sampling
Distribusi sampling
rata- rata (harga
mean)
Distribusi
sampling
proporsi
beda 2 rata-rata
Distribusi
sampling
standard
deviasi : beda 2 proporsi

X1 ≠ X2 ≠ X3 ≠ Distribusi sampling harga

s1…
X ≠ s2 ≠ s3 ≠ mean
s^…
^ ≠ ^
≠ ^
≠ Distribusi sampling harga st.
dev
p1 p2 p3
p…
Distribusi sampling harga
proporsi
 Distribusi
Sampling
RATA-RATA (HARGA MEAN)
Distribusi dari besaran rata-rata yang muncul dari
 Pemilihan
sampel-sampelsampel dari populasi terbatas:
 Apabila sampel – sampel random beranggota n individu
masing – masing diambil dari suatu populasi yang
mempunyai
mean = µ dan standar deviasi = σ, maka distribusi sampling
harga mean akan mempunyai mean (mean of means) dan
standar deviasi (standard error of the means) :
Pengambilan sampel Pengambilan sampel
with without
replacement replacement
(dengan (tanpa
µ x =µ
pengembalian) µpengembalian)
x= µ

σ
σx = σ N-
σx =
n n nN - 1
 Distribusi
Sampling
RATA-RATA (HARGA MEAN)
Distribusi dari besaran rata-rata yang muncul dari
sampel-sampel

 Pemilihan sampel dari populasi tidak terbatas:

µx = bila
 Tetapi µ N banyaknya tak terhingga, atau N besar
sekali relatifσ terhadap
sifa berlaku. n (n/N ≤ 5%) , maka selalu
σ x =
tdianggap bahwa
n

Pengambilan sampel with

replacement
(dengan pengembalian)
 n/N ≤ 5%, berlaku:

Pengambilan sampel without

replacement (tanpa pengembalian)
 n/N > 5%, berlaku:
 Distribusi
Sampling
RATA-RATA (HARGA
STUDI KASUSMEAN)
1
Diberikan sebuah populasi dengan N = 10, yakni terdiri
atas angka – angka :

98 98 Jika dihitung, populasi tersebut memiliki µ =

99 97 98
97 97 dan σ = 0,52. Apabila diambil sampel
98 98 sebanyak 2. Hitung mean (mean of
means) dan standar deviasi (standard
99 99
error of the means) !
 Distribusi Sampling
RATA- (HARGA MEAN)
RATA
STUDI KASUS
1
Diketahui N =: 10 dan n = 2. n/N = 0,2 > 0,05. Maka pengambilan
Penyelesaian
 sampel dilakukan tanpa
sampel rata pengembalian.
- rata sampel rata - rata sampel rata - rata
1
( 2)
0 = 4 bua sampe 98 ; 99 98.5 99 ; 98 98.5 99 ; 98 98.5
5 h l 98 ; 97 97.5 99 ; 99 99 99 ; 97 98
98 ; 98 98 97 ; 98 97.5 99 ; 97 98
98 98 98 ; 99 98.5 97 ; 99 98 99 ; 98 98.5
98 ; 98 98 97 ; 98 97.5 99 ; 99 99
99 97 98 ; 97 97.5 97 ; 97 97 98 ; 97 97.5
97 97 98 ; 97 97.5 97 ; 97 97 98 ; 97 97.5
98 ; 98 98 97 ; 98 97.5 98 ; 98 98
98 98 98 ; 99 98.5 97 ; 99 98 98 ; 99 98.5
99 99 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
 Distribusi
RATA- Sampling
(HARGA MEAN)
RATA
STUDI KASUS 1
Penyelesaian :
Σ rata - rata = 4410
rata - rata = 4410/45= 98
Standar deviasi = Atau denga rumus
0,52 dihitung n :
µx = µ
σ N- 0.78 10 -
σx = n = . 210 - = 0.52
n N- 2
1 1
 Distribusi Sampling
RATA-RATA (HARGA MEAN)
Dari tabel sebelumnya, apabila dibuatkan summary hasilnya sbb :
RATA - RATA FREKUENSI PELUANG
97 3 1/ 15
97.5 12 4/ 15
98 15 1/ 3
98.5 12 4/ 15
99 3 1/ 15
JUMLAH 45 1
Rata – rata untuk semua sampel
membentuk distribusi peluang.
Berlaku juga dalil limit pusat.

DALIL LIMIT PUSAT : Dalam pemilihan sampel acak sederhan a

dengan ukuran n dari suatu populasi yang berasal dari
distribusi apapun (binomial, poisson, dll), maka distribusi rata –
rata sampel dapat didekati dengan distribusi probabilitas
normal untuk ukuran sampel yang besar (n ≥ 30).
 Distribusi Sampling
RATA-RATA (HARGA
MEAN)
Pada umumnya, normalitas dari
distribusi sampling rata-rata
disebut teorema limit sentral
dan dinyatakan
1.  sbb:
Jika populasi cukup besar dan
berdistribusi secara normal
maka distribusi samplingnya
akan normal
2.  Jika populasi tidak normal maka
distribusi sampling rata-ratanya
akan mendekati normal,
apabila jumlah sampel cukup
besar, biasanya 30 atau lebih (n
≥ 30)
3. 
Distribusi normal dari rata-rata
sampel memiliki rata-rata yang
sama
E( dengan
)dan rata-rata
simpangan bakuharapan
 Distribusi
Sampling
RATA-RATA (HARGA
STUDI KASUSMEAN)
2
Diberikan sebuah populasi dengan N = 5, yakni terdiri atas
angka
– angka : 6, 8, 9, 12, dan 15. Kemudian dari populasi itu akan
diambil sampel yang beranggotakan dua (yang mungkin bisa
diambil dari populasi itu). Hitung mean (mean of means) dan
standar deviasi (standard error of the means) bila sampel
diambil dengan pengembalian dan tanpa pengembalian !
 Distribusi Sampling
RATA-RATA (HARGA MEAN)
STUDI KASUS 2
Bila pengambilan sampel dilakukan dengan pengembalian (with replacement), maka
akan terdapat 25 sampel dengan anggota 2 angka yang bisa diambil dari populasi tersebut.
(Nn = 52 = 25)

sampel mean sampel mean sampel mean

6;6 X1 = 6 8;6 X6 = 7 9;6 X11 = 7,5

6;8 X2 = 7 8;8 X7 = 8 9;8 X12 = 8,5

6;9 X3 = 7,5 8;9 X8 = 8,5 9;9 X13 = 9

6 ; 12 X4 = 9 8 ; 12 X9 = 10 9 ; 12 X14 = 10,5

6 ; 15 X5 = 10,5 8 ;15 X10 = 11,5 9 ; 15 X15 = 12

sampel mean sampel mean

12 ; 6 X16 = 9 15 ; 6 X21 = 10,5

12 ; 8 X17 = 10 15 ; 8 X22 = 11,5

12 ; 9 X18 = 10,5 15 ; 9 X23 = 12

12 ; 12 X19 = 12 15 ; 12 X24 = 13,5

12 ; 15 X20 = 13,5 15 ; 15 X25 = 15

 Distribusi Sampling
PROPORSI

Adalah distribusi dari proporsi (presentase) yang diperoleh dari

semua sampel sama yan mungki dar sat popula

besar g n i u si
X
p=
Proporsi dari
populasi N
X
p=
Proporsi dari
sampel n
Dapat digunakan untuk mengetahui perbandingan antara
dua hal yang berkomplemen (binomial) seperti % perokok
dan bukan perokok, % pemilih dan bukan pemilih dalam
pemilu dsb
 Distribusi Sampling
PROPORSI
Pada distribusi sampling proporsi berlaku hal-hal sbb:
1) Untuk pengambilan sampel dengan pengembalian atau
Jika ukuran populasi besar, n/N ≤ 5%, berlaku:

σP
Keterangan:
P = proporsi kejadian sukses
Q= proporsi kejadian gagal (1 – P)

2) Untuk pengambilan sampel tanpa pengembalian

atau
Jika ukuran populasi kecil, n/N > 5%, berlaku:

σP
 Distribusi Sampling
PROPORSI
Pada distribusi sampling proporsi berlaku hal-hal sbb:

3) Daftar distribusi normal untuk distribusi sampling

proporsi
dapat ditentukan sbb:

Nila Zadalah
i :
STUDI KASUS
Sebuah populasi yang beranggotakan 6 orang, 3 diantaranya perokok
dan yang lainnya bukan perokok. Apabila diambil sampel
beranggotakan 3 orang; proporsi atau banyaknya sampel ketiganya
anggota sampel perokok, 2 perokok & 1 bukan perokok, 1 perokok & 2
bukan perokok, dan ketiganya anggota sampel bukan perokok dapat
diketahui (tanpa pengembalian).

Misal anggota populasi A, B, C untuk perokok dan K, L, M

untuk
bukan perokok.
Banyaknya sampel yang diambil
adalah:
PENYELESAIAN

  Ke-20 buah sampel itu adalah:

1. ABC 6. ACL 11. BCK 16. BLM

2. ABK 7. ACM 12. BCL 17. CKL
3. ABL 8. AKL 13. 18.
4. 9. AKM BCM CKM
ABM 10. 14. BKL 19. CLM
5.ACK ALM
  Distribusi sampling proporsinya
15.
(X = perokok, 20. KLM
n = 3) BKM
Sampel yang mungkin (X) Proporsi sampel (X/n)
f Prob.
X = 3 (3(p), 0(bp)) 1 1
X0,05
= 2 (2(p), 1(bp)) 0,67 9
X0,45
= 1 (1(p), 2(bp)) 0,33 9
X0,45
= 0 (0(p), 3(bp)) 0 1
0,05Jumlah
20 1,00
 Distribusi Sampling
STANDAR DEVIASI: BEDA 2 RATA-
RATA
Adalah distribusi dari perbedaan dua besaran rata-rata
yang muncul dari sampel – sampel dua populasi.
Diperoleh dua sampel berukuran cukup besar (n≥30) yang
diambil
dari
2 dua buah populasi yang memiliki variansi populasi σ1 dan
2

σ2 ..
Jika rata-rata sampel adalah maka distribusi selisih
x1danx2, rata-
rata sampel akan memiliki rata-
rata:
µx1 − x2
= μ1- μ2

dengan
variansi
σ2 :
x1 − x2 = σ12/n1+ σ22/n2

sehingga bisa dinyatakan bahwa variabel normal standard

Z:
z = x1 − x2 − ( µ1 − µ 2 )
σ 12 σ 22
+
n1 n2
STUDI KASUS

Lampu pijar merk “C” memiliki rata-rata daya tahan 4500

jam dengan deviasi standard 500 jam, sedangkan lampu pijar
merk “Baik” memiliki rata-rata daya tahan 4000 jam dengan
deviasi standard 400 jam.

Jika diambil sampel masing-masing 100 buah lampu pijar dan

diteliti, berapa probabilitas bahwa selisih rata-rata daya tahan
kedua lampu pijar tersebut lebih besar dari 600 jam?
 Distribusi
STANDA DEVIASI Sampling
BEDA 2 RATA-
R : RATA
PENYELESAIAN

Probabilit
as
x1 − x2 − ( µ1 − µ 2 )
z=
σ 12 σ 22
+
n1 n2

P (Z ≤
1,56)
 Distribusi
Sampling
STANDAR DEVIASI: BEDA 2
PROPORSI
Adalah distribusi dari perbedaan dua besaran
proporsi yang muncul dari sampel – sampel dua
Misal, terdapat dua populasi N1 dan N2 (binomial), kemudian diambil
populasi.
sampel random, yaitu n1 dan n2 dengan P1 dan P2 maka beda antara
kedua sampel proporsi (p1 dan p2) akan membentuk suatu distribusi,
yaitu distribusi sampling beda proporsi
 Distribusi
Sampling
STANDAR DEVIASI: BEDA 2
  Rata-PROPORSI
rata:
  Pada distribusi sampling beda dua proporsi berlaku hal-hal
sbb:

  baku:
Simpangan

  Jika n1 dan n2 (n1, n2 ≥ 30) cukup besar, distribusi sampling

proporsi akan mendekati distribusi normal, dengan
variabel
random standar yang rumus Z-nya:
 Distribusi
Sampling
STANDAR DEVIASI: BEDA 2
PROPORSI
STUDI KASUS 1
Berdasarkan sebuah penelitian, 1 orang dari 100 orang yang tidak
merokok terkena TBC sedangkan 5 orang dari 100 orang perokok
terkena TBC. Jika diambil sampel masing-masing 100 orang dari
populasi orang merokok dan populasi orang tidak merokok, berapa
probabilitas yang terkena TBC lebih besar ari 5 %.
PENYELESAIAN
P1 = proporsi populasi perokok yang terkena TBC
P2 = proporsi populasi bukan perokok yang terkena TBC

=5 - 1 =4
% % %

= P (Z 0,42
=> ) <
1 – P (Z 1–
= 0,42) = 0,6628
0,3372 = 33,72%
 Distribusi
Sampling
STANDAR DEVIASI: BEDA 2
PROPORSI
STUDI KASUS 2
Sebanyak 35% pelamar kerja diterima bekerja di Bank
Unggul.
Mereka tahun sebelumnya pernah melamar, tapi tidak
diterima.
Sebanyak 30% dari pelamar kerja yang belum pernah
melamar
di tahun sebelumnya, tahun ini diterima di bank tersebut.
Apabila diambil sampel random sebanyak 250 pelamar, baik
yang belum pernah melamar atau yang sudah, berapa
probabilitas bahwa beda proporsi yang pernah melamar dan
akhirnya diterima tahun ini dengan yang belum pernah
melamar yang juga diterima adalah kurang dari 2%?
PENYELESAIAN

P1 = proporsi yang sebelumnya pernah

P2 = pelamar yang melamar
belum pernah melamar
P1 = proporsi
35 =
P2 = pelamar
% 0,35
n1 30 = 0,3
=
% 250
p1 -p2 = 2% = 0,0
n2
2
=

Didapat: P(Z -0,71) 0,5 – 0,2612 = =

< = 0,2388 23,88%