MAKALAH STATISTIKA

“DISTRIBUSI SAMPLING”

Disusun oleh

Kelompok 6 2D3B:

1. Mila Haryani
2. Putri Meyliana
3. Qotrun Nada Syafa
4. Tommy Ruhut

JURUSAN KESEHATAN LINGKUNGAN

POLITEKNIK KESEHATAN KEMENTERIAN KESEHATAN JAKARTA II

KEMENTERIAN KESEHATAN REPUBLIK INDONESIA

2019
 BAB II
PEMBAHASAN

2.1 KONSEP DISTRIBUSI SAMPLING

Distribusi sampling adalah distribusi peluang teoritis dari ukuran-ukuran statistik,
misalnya adalah rata-rata, varian dan proporsi, termasuk juga distribusi beda dua rata-
rata dan beda dua proporsi. Konsep distribusi sampling ini dijadikan sebagai dasar
dari statistik inferensial, dimana dengan distribusi sampling dapat
diketahui karakteristik populasi (parameter).

Nilai dari parameter populasi bersifat konstan, sedangkan nilai estimasi parameter
(estimator) tidak bersifat konstan. Nilai parameter populasi hanya satu
yaitu \theta,θ, sedangkan estimator \hat{\theta}θ akan berbeda-beda tergantung pada
sampel yang terambil. Dengan demikian, estimator \hat{\theta} θ merupakan variabel
acak (random) sehingga memiliki distribusi peluang tertentu. Dengan demikian rata-rata,
varian dan proporsi memiliki distribusi peluang tertentu.

Populasi
Populasi ialah semua nilai baik hasil perhitungan maupun pengukuran baik kualitatif
maupun kuantitatif pada karakteristik tertentu mengenai sekelompok objek yang jelas dan
lengkap.
Populasi dalam setiap penelitian harus disebutkan besarnya anggota populasi serta
wilayah penelitian secara tersurat yaitu dengan besarnya anggota populasi serta wilayah
yang dicakup. Tujuan diadakan populasi ialah dapat menentukan besarnya anggota
sampel yang diambil dari anggota populasi dan membatasi berlakunya daerah
generalisasi.
Banyaknya anggota populasi, maka populasi terdiri atas :
1. Populasi terbatas (terhingga)
2. Populasi tak terbatas (takt terhingga)
Ditinjau dari sudut sifatnya, mak populasi bersifat :
1. Homogen
2. Heterogen
 Penelitian yang menggunakan seluruh anggota popolasinya disebut sampel total atau
sensus. Penggunaan ini berlaku jika anggota populasi relative kecil. Untuk anggota
populasi reltif besar , maka diperlukan mengambil sebagian anggota populasi dijadikan
sampel. Pengambilan anggota sampel yang sebagian dari anggota populasi harus
dilakukan dengan teknik tertentu disebut teknik sampling.
Sampel
Sampel ialah sebagian populasi yang ciri-cirinya di ukur. Unit sampel dapat sama dengan
unit populasi, tetapi dapat juga berbeda. Sebagai contoh, unit analisis atau populasi suatu
penelitian adalah bayi berumur dibawah tiga tahun, hal yang akan diteliti adalah
kebiasaan makannya, unit sampelnya adalah ibu yang mempunyai anak tersebut karena
tidak mungkin pertanyaannya tentang makann bayi dapat ditanyaakan langsung kepada
bayi tersebut.

Teknik Pengambilan Contoh ( Teknik Sampling )

Dalam statistika terbagi atas dua jenis, yaitu statistika deskriptif dan statistika indiktif
(inferensial). Statistika induktif (inferensial) ialah suatu proses yang berusaha untuk
menarik kesimpulan tentang keadaan populasi berdasarkan sampel yang diambil, dengan
menggunakan metode cara tertentu.

Cara melakukan teknik sampling :

1. Teknik sampling random ( probability sampling ) , yaitu pengambilan sampling
secara acak atau random dilakukan denga cara undian, ordinal atau tabel bilangan
random dengan computer
2. Sampling non random ( nonpropbability sampling ), disebut juga sebagai incidental
sampling yaitu pengambilan sampel secara tidak acak.

1. Teknik sampling random

a. Sampling random sederharna
Ciri utama sampling ini setiap unsur dari keseluruhan populasi mempunyai
kesempatan yang sama untuk memilih. Caranya ialah menggunakan undian, ordinal,
tabel bilangan random atau computer.
b. Sampling random bertingkat ( stratified sampling )
Teknik sampling ini disebut juga dengan teknik sampling berlapis, berjenjang dan
petala. Teknik ini digunakan populasinya heterogen atau terdiri atas kelompok-
kelompok bertingkat. Penetuan tingkat berdasarkan karakteristik tertentu. Misal :
menurut usia, pendidikan, golongan atau pangkat.
c. Sampling kluster
Teknik ini disebut juga teknim sampling daerah, conditional sampling, ( restricted
sampling ) teknik ini digunakan apabila populasi tersebar dalam beberapa daerah,
propinsi, kabupaten, kecamatan, dst.
d. Sampling sistematis
 Teknik sampling ini sebenarnya adalah teknik random sampling sederharna yang
dilakukan secara ordinal. Artinya anggota sampel dipilih berdasarkan urutan tertentu.
Missal : kelipatan 5 atau 10 dari daftar pegawai di suatu kantor.
e. Sampling proporsional
Teknik sampling proposional yaitu sampel yang dihitung berdasarkan perbandingan.
Missal : populasi A = 20 , B = 50, C = 30. Jadi jumlah anggota 100. Sedangkan besar
anggota sampel = 80 sehingga besar masing-masing sampel A, B, C dapat dihitung
sebagai beriku :
20
A= x 80=16
100

50
B= x 80=40
100

30
C= x 80=24 +
100

Jumlah = 80

2. Teknik Sampling Nonrandom

a. Teknik sampling kebetulan ( accidentall sampling )
Dalam memilih sampel, peneliti tidak mempunyai pertimbangan lain kecuali
berdasarkan kemudahan saja. Seseorang diambil sebagai sampel karena kebetulan
orang tadi ada di situ atau kebetulan dia mengenal orang tersebut. Oleh karena itu ada
beberapa penulis menggunakan istilah accidental sampling – tidak disengaja – atau
juga captive sample (man-on-the-street) Jenis sampel ini sangat baik jika
dimanfaatkan untuk penelitian penjajagan, yang kemudian diikuti oleh penelitian
lanjutan yang sampelnya diambil secara acak (random). Beberapa kasus penelitian
yang menggunakan jenis sampel ini, hasilnya ternyata kurang obyektif.
b. Purposive Sampling
Sesuai dengan namanya, sampel diambil dengan maksud atau tujuan tertentu.
Seseorang atau sesuatu diambil sebagai sampel karena peneliti menganggap bahwa
seseorang atau sesuatu tersebut memiliki informasi yang diperlukan bagi
penelitiannya. Dua jenis sampel ini dikenal dengan nama judgement dan quota
sampling.
c. Quota Sampling
 Teknik sampel ini adalah bentuk dari sampel distratifikasikan secara proposional,
namun tidak dipilih secara acak melainkan secara kebetulan saja. Misalnya, di sebuah
kantor terdapat pegawai laki-laki 60% dan perempuan 40%. Jika seorang peneliti ingin
mewawancari 30 orang pegawai dari kedua jenis kelamin tadi maka dia harus mengambil
sampel pegawai laki-laki sebanyak 18 orang sedangkan pegawai perempuan 12 orang.
Sekali lagi, teknik pengambilan ketiga puluh sampel tadi tidak dilakukan secara acak,
melainkan secara kebetulan saja.

2.2. Sifat Distribusi Sampling

Sifat-sifatDistribusiSampling
Sifat1:
Apabila sampel-sampel random dengan elemen masing-masing diambil dari suatu
populasi yang mempunyai mean µ dan variansi σ2, maka distribusi sampling mean akan
mempunyai mean µ¯ X = µ dan variansi σ2 ¯ X = σ2/n.
Sifat2:
Apabila populasi (dalam sifat 1) berdistribusi Normal, maka distribusi sampling untuk
mean juga berdistribusi Normal.
Sifat3
(Teorema Limit Pusat): Apabila sampel-sampel random diambil dari suatu populasi
yang berdistribusi sembarang, yang mempunyai mean µ dan variansi σ2,maka untuk n
besar, distribusi sampling untuk mean dapat dianggap mendekati Normal dengan µ¯ X
= µ dan variansi σ2 ¯ X=σ2/n, sehingga
Z=¯X−µ
σ/√n
mendekati Normal Standar.

2.3. Perhitungan distribusi sampling

- Distribusi Sampling

Yaitu suatu distribusi nilai statistik sampel-sampel yang di ambil (mean, range,
deviasi standar,…). Jika diambil beragam sampel dengan ukuran yang sama dari suatu
populasi maka akan menghasilkan statistik yang berbeda-beda.
 - Contoh Distribusi Sampling

 Suatu populasi terdiri dari empat hasil pengukuran :

3 6 7 10

Dari populasi ini hendak digunakan 2 hasil pengukuran sebagai sampel, distribusi mean-
mean sampling (sampling distribution of the means) yang bisa dibentuk jika sampel
tanpa pergantian ialah sbb :

 Kemungkinan sampel :

[3; 6] [3; 7] [3; 10] [6; 7] [6; 10] [7; 10]

 Mean sampel yang terbentuk :

4,5 5 6,5 6,5 8 8,5

Mean 4,5 5 6,5 8 8,5

sampel

Frekuensi 1 1 2 1 1

Probabilita 1/6 1/6 2/6 1/6 1/6

s

 Sehingga distribusi mean sampling dari sampel-sampel yang terbentuk :

- Distribusi mean-mean sampling

Adalah distribusi mean-mean aritmatika dari seluruh sampel acak berukuran n

yang mungkin dipilih dari sebuah populasi yang dikaji.

- Mean dan deviasi standar-nya

 Jika sampling tanpa pergantian dari suatu populasi terhingga berukuran N :

μ x=μ μ=
Meanx dari distribusi mean
sampling
σ N −n μ=
σ x=
√
√ n N −1
Mean populasi
σ =
Deviasi standar dari distribusi
meanx sampling
s= standar populasi
Deviasi
N=populasi
Ukuran
n= sampel
Ukuran
 Jika sampling dengan pergantian, yang berarti populasi tak terhingga :

μ x= μ
σ
σ x=
- Contoh Soal √n
 Dalam suatu pengujian kelelahan (fatigue test), material titanium diberi pembebanan
berulag sampai deteksi timbulnya retak (crack initiation). Siklus pembebanan rata-rata
sampai mulai retak adalah 25000 kali dengan deviasi standar 5000. jika diuji 25
spesimen material titanium yang dipilih secara acak, berapakah :

 Mean dari sampel tersebut?

 Deviasi standar dari sampel tersebut?

Jawab :

 Mean dari sampel

μ x=μ=25000

 Deviasi standar dari sampel

σ 5000
σ x= = =1000
√ n √25

- Distribusi proporsi samping

Adalah distribusi proporsi-proporsi dari sejumlah sampel acak berukuran n yang

mungkin dipilih dari sebuah populasi

- Mean dan Deviasi standar-nya

 Jika dalam sebuah populasi probabilitas terjadinya suatu peristiwa (probabilitas sukses)
adalah π sementara probabilitas gagalnya adalah θ = 1 – π maka mean dan deviasi
standar distribusi proporsi sampling adalah :

 Jika sampling dilakukan tanpa pergantian atau populasi terhingga yang berukuran N :
μ P =π
πθ N −n
σ P=
√ √ n N −1
 Jika sampling dilakukan dengan pergantian atau populasinya tak terhingga, maka :

μ P =π
πθ π (1−π )
σ P=
√ √
n
=
n
Proporsi adalah variabel diskrit yang populasinya mengikuti distribusi binomial. Jika
nilai n besar (n>30), distribusi proporsi sampling mendekati suatu distribusi normal.
Untuk menentukan probabilitas dengan menggunakan tabel distribusi normal maka
diperlukan faktor koreksi 1/2n terhadap nilai proporsi tersebut.

- Contoh Soal

 Divisi pengendalian mutu pabrik perkakas mesin mencatat bahwa 1,5% dari bearing
mengalami cacat. Jika dalam pengiriman satu kotak produk terdiri dari 100 bearing,
tentukan probabilitas banyaknya bearing yang cacat sebanyak 2% atau lebih!

Jawaban

 Mean dan deviasi standar :

μ P=π =0 , 015
πθ π (1−π ) 0 , 015(1−0 ,015 )
σ P=
√ √
n
=
n
=
100 √
 Faktor koreksi variabel diskrit = 1/2n = 1/200 = 0,005
=0 ,0122

 Proporsi (2%) setelah dikoreksi, p= 0,02-0,005 = 0,015

 Maka,

P( p >0 , 01)=1−P( p≤0 , 01 )

0 ,015−0 , 015
(
=1−P Z p ≤
0 ,0122 )
¿ 1−P( Z p≤0)=1−0,5=50 %

- Distribusi Perbedaan dari Sampling

 Distribusi perbedaan dari sampling S1 – S2 memiliki mean dan deviasi standar sebagai
berikut :
μS −S =μ S1 −μS 2
1 2

σ S −S = σ 2S +σ 2S
√
1 2 1 2
 Dengan syarat bahwa sampel yang dipilih tidak saling terikat (saling bebas)

DAFTAR PUSTAKA

Sabri,Luknis.Hastono Sutanto. 2014. Statistik Kesehatan. Jakarta:Rajawali Pers

Usman, Husaini, Akbar, Purnomo Setiadi. 2006. Pengantar Statistik. Yogyakarta: PT
Bumi Aksara
https://www.academia.edu/9449903/Distribusi_Sampling_Statistika