TEORI PELUANG

Metode dan Distribusi Sampling

 Metode Sampling

Sampel

Non-probability Probability

Simple Stratified
Judgement Convenience Random

Systematic Cluster
 Nonprobability Sampling

 Dalam sampling non-probability, objek yang

dijadikan sampel dipilih tanpa memperhatikan nilai
probabilitasnya
 Convenience sampling  objek dipilih karena alasan
kemudahan seperti hemat biaya dan mudah diperoleh
 Judgement sampling objek dipilih berdasarkan opini para
ahli/expert
 Probability Sampling
Chap 7-4

 Dalam probability sampling, objek dipilih

sebagai sampel dengan mempertimbangkan nilai
probabilitas

Probability Samples

Simple
Systematic Stratified Cluster
Random
 Simple Random Sampling
Chap 7-5

 Setiap individu dalam populasi memiliki

kesempatan yg sama untuk terpilih sbg sampel

 Sampel diperoleh secara acak/random dengan

bantuan tabel bilangan acak atau pembangkit
bilangan acak
 Systematic Sampling
Chap 7-6

 Tentukan ukuran sampel: n

 Bagi kerangka sampel yg terdiri atas N individu
menjadi n grup dengan k anggota: k=N/n
 Pilih satu individu secara acak dari grup 1
 Lalu pilih setiap individu ke-k

N = 40 First Group
n=4
k = 10
 Stratified Sampling
Chap 7-7

 Bagi populasi menjadi dua atau lebih subgrup (disebut strata)

dengan karaketristik tertentu
 Lakukan simple random sampling untuk setiap strata secara
proporsional
 Kombinasikan sampel yg diperoleh dari setiap strata

Populasi
dibagi
menjadi 4
strata
 Cluster Sampling
Chap 7-8

 Populasi dibagi menjadi beberapa cluster yg

merepresentasikan populasi
 Lakukan simple random sampling untuk cluster yang terbentuk

Populasi dibagi
manjedi16 cluster

Sampel diplih secara

random
 Rumus Slovin
 Salah satu rumus yang digunakan untuk menentukan
ukuran sampel yaitu

N
n Di mana:
1  Ne2 n = ukuran sampel
N = ukuran populasi
e = error tolerance ( 0<e<1)

 Semakin besar error tolerance (e) maka semakin

kecil ukuran sampel.
 Distribusi Sampling
 Distribusi sampling adalah distribusi dari semua kemungkinan
hasil statistik suatu sampel yang dipilih dari populasi asal
 Sebagai contoh, misalkan dipilih sampel 50 mahasiswa dari
suatu universitas berdasarkan IPK. Jika diperoleh 50 sampel
yang berbeda, maka rata-rata IPK masing2 sampel akan
berbeda. Yang menjadi pusat perhatian adalah distribusi rata-
rata IPK dari semua kemungkinan sampel yang ada.
 Membangun Distribusi Sampling
 Diasumsikan terdapat populasi…
 Ukuran populasi N=4 C
D
A B
 Variabel random, X=usia
 Nilai dari X: 18, 20,
22, 24 (tahun)

Chap 7-11
 Membangun Distribusi Sampling
Ringkasan parameter populasi

μ
 X i P(x)
N .3

18  20  22  24 .2
  21
4 .1

σ
 (X  μ)
i
2

 2.236
18
A B
20
C
22
D
24 x
N
Distribusi Uniform
 Membangun Distribusi Sampling
Misalkan diambil sampel berukuran 2 atau n=2, sehingga
kemungkinan kombinasi sampel yang mungkin yaitu
16 rata-rata
1st 2nd Observation sampel
Obs
18 20 22 24
18 18,18 18,20 18,22 18,24 1st 2nd Observation
20 20,18 20,20 20,22 20,24 Obs 18 20 22 24
22 22,18 22,20 22,22 22,24 18 18 19 20 21
24 24,18 24,20 24,22 24,24 20 19 20 21 22
16 kemungkinan 22 20 21 22 23
sampel
24 21 22 23 24

Chap 7-13
 Membangun Distribusi Sampling
Distribusi sampling dari semua rata-rata sampel

16 rata2 sampel Distribusi Rata2

Sampel
1st 2nd Observation _
P(X)
Obs 18 20 22 24
.3
18 18 19 20 21
.2
20 19 20 21 22
.1
22 20 21 22 23
0 _
24 21 22 23 24 18 19 20 21 22 23 24 X
(tidak lagi uniform)
 Membangun Distribusi Sampling
Ringkasan statistik distribusi sampling:

18  19  19    24
μX   21
16

(18 - 21) 2  (19 - 21) 2    (24 - 21) 2

σX   1.58
16

Note: bilangan pembagi adalah 16,

karena terdapat 16 sampel berbeda yang berukuran 2

Chap 7-15
 Distribusi Populasi vs Distribusi Sampling

Populasi Distribusi rata2 sampel

N=4 n=2
μ  21 σ  2.236 μX  21 σ X  1.58
_
P(X) P(X)
.3 .3

.2 .2

.1 .1

0
18 20 22 24 X
0
18 19 20 21 22 23 24
_
X
A B C D

Chap 7-16
 Distribusi Sampling Rata-rata:
Standar Error Rata-rata
 Sampel yang berbeda dengan ukuran yg sama akan
menghasilkan rata-rata sampel yg berbeda
 Ukuran keragaman/variabilitas rata2 sampel yang ada
disebut Standard Error Rata-rata:

σ
σX 
n
 Note: standar error rata-rata akan semakin kecil seiring
pertambahan ukuran sampel
 Distribusi Sampling Rata-rata:
Jika Populasi Normal

 Jika populasi asal berdistribusi normal dengan

mean μ and standar deviasi σ, maka distribusi
sampling rata-rata (X) juga berdistribusi normal
dengan

σ
μX  μ & σX 
n
 Nilai Z Distribusi Sampling Rata-rata

 Nilai Z dari distribusi sampling X :

( X  μX ) ( X  μ)
Z 
σX σ
n
Di mana: X = rata-rata sampel
μ = rata-rata populasi
σ = standar deviasi populasi
n = ukuran sampel
 Distribusi Sampling Rata-rata:
Jika populasi tidak normal

 Terapkan Teori Limit pusat :

 Apabila populasi asal tidak normal,
 Maka rata-rata sampel akan berdistribusi mendekati
(approximately normal) selama ukuran sampel cukup
besar (as long as the sample size is large enough)

σ
μx  μ & σx 
n
 Distribusi Sampling Rata-rata:
Jika populasi tidak normal

Distribusi populasi
Karakteristik distribusi:

Ukuran pemusatan

μx  μ
μ x
Variasi Distribusi sampling
σ (menjadi normal seiring pertambahan n)
σx  Larger
n Smaller sample sample
size size

μx x
 Berapa nilai ukuran sampel dikatakan
besar/cukup besar?

 Berdasarkan teori limit pusat, suatu sampel

dikatakan cukup besar apabila ukuran sampel
tersebut lebih dari 30 atau n ≥ 30
 Contoh

 Misalkan suatu populasi memiliki mean μ = 8 dan

standar deviasi σ = 3. Dari populasi tsb diambil
sampel secara acak berukuran n = 36
 Berapa probabilitas rata-rata sampel yang terpilih
terletak diantara 7.8 dan 8.2?
 Contoh: Distribusi Sampling Rata-rata

Solusi:
 Bahkan jika populasi tidak berdistribusi normal,
teorema limit pusat dapa digunakan (n ≥ 30)
 … sehingga distribusi sampling rata-rata
mendekati normal
 … dengan rata-rata μx = 8
 …dan standar deviasi σ 3
σx    0.5
n 36
 Contoh: Distribusi Sampling Rata-rata

 
 7.8 - 8 X -μ 8.2 - 8 
P(7.8  X  8.2)  P   
 3 σ 3 
 36 n 36 
 P(-0.4  Z  0.4)  0.6554 - 0.3446  0.3108

Distribusi Distribusi Distribusi Normal

Populasi Sampling Standar
???
? ??
? ? Sampel Standardize
?? ?
?
7.8 8.2 -0.4 0.4
μ8 X μX  8 x μz  0 Z
 Latihan
 Lama waktu mengerjakan tugas Statistika
berdistribusi normal dengan rata-rata 1.5 jam dan
standar deviasi 0.7 jam. Jika diambil sampel acak
sebanyak 9 mahasiswa, berapa
 probabilitas rata-rata lama waktu mengerjakan tugas
Statistika sampel tsb antara 1.23 – 2.00 jam?
 probabilitas rata-rata lama waktu mengerjakan tugas
Statistika sampel tsb lebih dari 1.8 jam?
 Latihan
 Lama waktu mengerjakan tugas Statistika
berdistribusi normal dengan rata-rata 1.5 jam dan
standar deviasi 0.7 jam., berapa
 probabilitas lama waktu mengerjakan tugas Statistika
sampel tsb antara 1.23 – 2.00 jam?
 probabilitas lama waktu mengerjakan tugas Statistika
sampel tsb lebih dari 1.8 jam?
 Proporsi Populasi
π =proporsi populasi yang memiliki karakteristik
teramati
 Proporsi smapel (p) estimasi dari of π:

X banyaknya sampel dengan karakteristik teramati

p 
n ukuran sampel
 0≤ p≤1
 p mendekati distribusi normal jika n besar

Chap 7-28
 Distribusi Sampling p
 Mendekati distribusi
Distribusi sampling
normal jika: P(ps)
.3

nπ  5 .2
.1
and 0
0 .2 .4 .6 8 1 p

n(1  π )  5
dimana π(1 π )
μp  π dan σp 
n
(dimana π = proporsi populasi)
Nilai Z untuk Proporsi
Standarisasi p  Z value dengan rumus:

p  p 
Z 
σp  (1  )
n
 Contoh: Dist. Sampling Proporsi

 Jika proporsi sebenarnya pemilih yang mendukung

calon A adalah π = 0.4, berapa peluang bahwa
dari sampel berukuran 200 pemilih, peluang
proporsi sampen antara 0.40 dan 0.45?

 i.e.: jika π = 0.4 dan n = 200, berapa

P(0.40 ≤ p ≤ 0.45) ?
 Contoh
 jika π = 0.4 dan n = 200, berapa
P(0.40 ≤ p ≤ 0.45) ?

 (1  ) 0.4(1 0.4)

Tentukan σ:p σ p    0.03464
n 200

Konversi ke  0.40  0.40 0.45  0.40 

P(0.40  p  0.45)  P Z 
Normal standar  0.03464 0.03464 
 P(0  Z  1.44)
 Contoh
 jika π = 0.4 dan n = 200, berapa
P(0.40 ≤ p ≤ 0.45) ?
Dari tabel normal:
P(0 ≤ Z ≤ 1.44) = 0.9251 – 0.5000 = 0.4251

Distribusi normal standar

Distribusi sampling

0.4251

Standarisasi

0.40 0.45 0 1.44

p Z
 Faktor Koreksi
 Faktor koreksi adalah usaha untuk memperbaiki
hasil estimasi parameter jika diketahui ukuran
populasi (N).
 Faktor koreksi diterapkan jika rasio n/N > 0.05

Standar deviasi rata-rata Standar deviasi proporsi


N n  (1   ) N n
p  . p  .
n N 1 n N 1
 Distribusi Sampling Selisih Rata-rata

 Nilai Z dari distribusi sampling : X1  X 2

(X1  X 2 )  ( 1 -2 ) (X1  X 2 )  ( 1 -2 )

Z 
σ X1  X2 1  2
2 2

n1 n2
 Distribusi Sampling Selisih Proporsi

 Nilai Z dari distribusi sampling : p1  p2

( p1  p2 )  ( 1 - 2 ) ( p1  p2 )  ( 1 - 2 )
Z 
σ p1  p2  1 (1   1 )  2 (1   2 )

n1 n2
 LATIHAN SOAL
1. Variabel random X berdistribusi normal dengan
mean=12.2 dan standar deviasi=2.5. hitung
a) Nilai Z untuk X=14.3
b) Probabilitas 12.2<X<14.3
c) Probabilitas X<10
2. Sebuah pabrik printer melaporkan bahwa rata2 jumlah
halaman yg dapat dicetak oleh sebuah printer sebelum rusak
adalah 12200 hal. Banyaknya halaman yg tercetak
berdistribusi normal dengan standar deviasi 820 hal.
a) Berapa persen printer yang mampu mencetak lebih dari 15000 hal.?
b) Berapa persen printer yang mampu mencetak jumlah halaman
antara 8200 sampai 16400 hal.?
c) Pihak pabrik ingin mencantumkan banyaknya halaman yang dapat
dicetak printer sebelum printer rusak pada buku panduan pengguna.
Berapa nilai halaman yang harus dituliskan pabrik, jika diharapkan
ketepatannya sebesar 99%?
3. PT Arung memiliki 7 karyawan produksi (anggap sbg
populasi). Pendapatan karyawan2 tsb sbg berikut
Karyawan Pendapatan Karyawan Pendapatan
(Rp juta) (Rp juta)
A 7 E 7
B 7 F 8
C 8 G 9
D 8
a) Hitung mean populasi.
b) Hitung masing2 mean sampel untuk setiap sampel berukuran
2.
c) Berapa nilai rata2/mean dari distribusi sampling?
4. Biaya kontrak sebuah rumah di daerah Lowokwaru secara
umum berdistribusi normal dengan mean=15 juta rupiah/th
dan standar deviasi=3 juta rupiah/th.
a) Berapa probabilitas mendapatkan rumah dengan biaya kontrak
kurang dari 10 juta rupiah/th bila terdapat 50 unit rumah yang siap
dikontrakkan?
b) Diketahui persentase rumah yg dikontrakkan di Lowokwaru mencapai
35% dr total rumah yg ada. Salah satu perumahan yg ada di
Lowokwaru adalah perum. Joyogrand. Jika di perum. tsb terdapat
sekitar 350 unit rumah, berapa probabilitas bahwa persentase
rumah yg dikontrakkan di perum tsb lebih dari 50%?