&
DISTRIBUSI SAMPLING
Secara grafik, karakteristik dari distribusi probabilitas normal adalah sebagai berikut.
Banyaknya distribusi normal tidak terbatas karena setiap sampel dari populasi bisa jadi akan
memiliki mean yang berbeda dan deviasi standar yang berbeda pula.
b.
c.
Gambar 2. Contoh suatu distribusi probabilitas normal dengan beragam nilai 𝝁 dan 𝝈
Distribusi 𝑧 atau distribusi probabilitas normal standar ini memiliki keunikan, yaitu mean
𝜇 = 0 dan deviasi standar 𝜎 = 1.
Setelah memiliki distribusi probabilitas normal standar yang didapat dari distribusi
probabilitas normal, maka daftar distribusi normal standar (tabel distribusi 𝑧) dapat
digunakan. Dengan daftar ini, bagian-bagian luas dari distribusi normal standar dapat dicari.
Berikut adalah sebagian kecil dari tabel distribusi 𝑧.
Contoh 1
Pendapatan mingguan dari mandor terjadwal di industri kaca mengikuti distribusi probabilitas
normal dengan rata-rata $1000 dan deviasi standar $100. Berapakah 𝑧 hitung pada
pendapatan (sebut saja 𝑋) dari mandor yang menghasilkan $1100 per minggu? Bagaimana
pula 𝑧 hitung dari mandor yang menghasilkan $900 per minggunya?
Jawab:
Diketahui 𝜇 = 1000 dan 𝜎 = 100.
Untuk 𝑋 = $1100:
𝑋−𝜇 1100 − 1000
𝑍= = = 1,00
𝜎 100
Untuk 𝑋 = $900:
𝑋−𝜇 900 − 1000
𝑍= = = −1,00
𝜎 100
Nilai 𝑧 = 1,00 menunjukkan bahwa pendapatan mandor yang $1100 per minggunya adalah
satu deviasi standar di atas rata-rata, dan nilai 𝑧 = −1,00 menunjukkan bahwa pendapatan
mandor yang $900 per minggunya adalah satu deviasi standar di bawah rata-rata.
Contoh 2
Tentukan 𝑃{𝑍 ≤ 1,63} !
Jawab:
𝑃{𝑍 ≤ 1,63} berarti bahwa probabilitas ini bergantung pada luas area di bawah kurva ke kiri
dari titik 𝑧 = 1,63.
Jadi, 𝑃{𝑍 ≤ 1,63} = 𝑃{−∞ < 𝑍 < 0} + 𝑃{0 ≤ 𝑍 ≤ 1,63}.
Untuk 𝑃{−∞ < 𝑍 < 0}, nilainya pasti sama dengan 0,5 (ingat kembali karakteristik
„simetris‟ dari distribusi probabilitas normal).
Sementara, untuk 𝑃{0 ≤ 𝑍 ≤ 1,63}, nilainya dapat dilihat dari tabel distribusi 𝑧 (atau
perhatikan kembali Gambar 3), nilainya sama dengan 0,4484.
Maka,
𝑃{𝑍 ≤ 1,63} = 𝑃{−∞ < 𝑍 < 0} + 𝑃{0 ≤ 𝑍 ≤ 1,63} = 0,5 + 0,4484 = 0,9484
Nilai probabilitas 𝑃{0 ≤ 𝑍 ≤ 1,63} = 0,4484 ini menunjukkan bahwa probabilitas secara
acak terpilihnya suatu objek yang berada antara 𝑧 = 0 hingga 𝑧 = 1,63, atau antara 𝑥 = 𝜇
dan 𝑥 = 𝜇 + 1,63𝜎 adalah sebesar 0,4484.
Contoh 3
PT Work Electric memproduksi bola lampu yang dapat menyala dengan rata-rata selama 900
jam dan deviasi standarnya 50 jam. Hitunglah berapa probabilitas bola lampu yang
diproduksi dapat menyala selama 800 – 1000 jam!
Jawab:
Diketahui 𝜇 = 900 dan 𝜎 = 50.
Lalu, misalkan 𝑋1 = 800 dan 𝑋2 = 1000. Dengan menggunakan transformasi distribusi 𝑧,
didapatlah nilai-nilai 𝑧-nya:
𝑋1 − 𝜇 800 − 900
𝑍1 = = = −2
𝜎 50
𝑋2 − 𝜇 1000 − 900
𝑍2 = = =2
𝜎 50
Jadi, probabilitas produksi bola lampu dapat menyala selama sekitar 800 – 1000 jam adalah:
𝑃{800 < 𝑋 < 1000} = 𝑃{−2 < 𝑍 < 2}
= 𝑃{−2 < 𝑍 < 0} + 𝑃{0 < 𝑍 < 2} (lihat tabel distribusi 𝑧)
= 0,4772 + 0,4772 = 0,9544
dengan
E[ X ] np
Var ( X ) np(1 p)
Distribusi probabilitas normal dapat digunakan sebagai pengganti distribusi binomial pada
nilai n yang besar, karena jika n bertambah, distribusi binomial menjadi semakin mendekati
distribusi normal. Transformasi 𝑧-nya adalah sebagai berikut:
𝑋−𝜇 𝑋 − 𝐸[𝑋] 𝑋 − 𝑛𝑝
𝑍= ↔ 𝑍= ↔ 𝑍=
𝜎 𝑉𝑎𝑟 𝑥 𝑛𝑝 1 − 𝑝
Namun, perlu diperhatikan bahwa terdapat perbedaan yang signifikan diantara kedua
probabilitas tersebut. Distribusi probabilitas normal merupakan distribusi probabilitas
kontinu, sementara distribusi probabilitas binomial merupakan distribusi probabilitas diskret.
Oleh sebab itu, terdapat faktor koreksi kontinuitas.
Faktor koreksi kontinuitas adalah nilai 0,5 yang dikurangkan atau dijumlahkan
(bergantung pada pertanyaannya) pada nilai yang terpilih ketika distribusi probabilitas diskret
diperkirakan melalui distribusi probablitas kontinu.
Contoh 4
Sebuah koin dilempar 40 kali. Hitunglah probabilitas munculnya angka sebanyak 20 kali!
Lalu, gunakanlah pendekatan normal untuk menghitung probabilitas munculnya angka
sebanyak 20 kali!
Jawab:
Misalkan X adalah banyaknya angka yang muncul (“berhasil”) pada pelemparan suatu koin
sebanyak 40 kali. X merupakan variabel acak binomial dengan n = 40 dan p = ½. Yang
ditanyakan adalah P{X 20} .
>> Dengan menggunakan distribusi probabilitas binomial:
20 20
40 20 40! 1 1
P{ X 20} C p (1 p)
40 20
1 0,1254
(40 20)! 20! 2 2
20
“KESALAHAN” SAMPLING
Ilustrasi:
Rata-rata sampel diambil untuk mengestimasi rata-rata populasi. Namun, karena sampel
adalah bagian dari populasi, maka tentunya rata-rata sampel tidak akan benar-benar sama
dengan rata-rata populasi. Begitu pula dengan deviasi standar, pasti ada perbedaan atau
selisih antara deviasi standar sampel dengan deviasi standar populasi.
Perbedaan/selisih dari statistik suatu sampel dengan parameter dari populasinya disebut
kesalahan sampling.
Kesalahan sampling yang bernilai positif menunjukkan rata-rata sampel over-estimated untuk
rata-rata populasi, sedangkan kesalahan sampling yang bernilai negatif menunjukkan rata-rata
sampel under-estimated untuk rata-rata populasi.
Contoh 5
Berikut ini adalah daftar nama-nama mahasiswa yang mengambil mata kuliah Aljabar Linier
beserta nilai ujian mid mereka masing-masing.
1 Rian Lie 100 16 Vivi Siddhartha 60
2 Justin Salim 100 17 Mega Velyana 100
3 Bambang Rizky 90 18 Mhd Rizal Srg 85
4 Nikko Haryanto 80 19 Luis Andy Gunawan 85
5 Riandy 85 20 Eddy Johan 100
6 Viyan Sunata 90 21 Maya 90
7 Stephen Lie 90 22 Deby Claudia Dinti 100
8 Ricky Meidianto 80 23 Steven Halim 95
9 Davin Joice Wijaya 100 24 Cinthia Amorita 85
10 Ardi Gus Dwiyono 90 25 Heri Ependy 90
11 Dani Saputra 95 26 Darmawan 75
12 Desfriyanto Taswin 100 27 M. Irvan Syahputra J 100
13 Daniel Leonardo 90 28 Willy 100
14 Rina Ambar Wisni 60 29 Luckyanto Lim 90
15 Febiyani 70 30 Kevin Stevandy 80
Dari Contoh 5 di atas, jika sampel yang diambil terdiri dari 6 mahasiswa, maka banyaknya
macam sampel yang mungkin terjadi ada sebanyak:
30! 30!
6
C 30 593.775 macam sampel
(30 6)! 6! 24! 6!
Perhatikan bahwa rata-rata sampel pada Contoh 1 berbeda-beda dari satu sampel ke sampel
selanjutnya. Rata-rata sampel pertama dari 6 mahasiswa adalah 98,33; rata-rata sampel kedua
adalah 83,33; rata-rata sampel ketiga adalah 85; sementara rata-rata populasinya adalah 88,5.
Jika kita menyusun rata-rata seluruh kemungkinan sampel dari 6 mahasiswa menjadi bentuk
distribusi probabilitas, hasilnya disebut dengan distribusi sampling rata-rata sampel.
Contoh 6
Pabrik Tartus memiliki tujuh karyawan produksi. Pendapatan tiap jam dari setiap
karyawannya adalah sebagai berikut:
Pendapatan per
Karyawan
Jam ($)
Joe 7
Sam 7
Sue 8
Bob 8
Jan 7
Art 8
Ted 9
Jawab:
total seluruh pendapatan 54
a. 7, 71
banyak karyawan 7
b. Banyaknya macam sampel yang dapat dibentuk jika masing-masing sampel terdiri dari
2 karyawan adalah:
7! 7!
C 72 21 macam sampel
(7 2)! 2! 5! 2!
Jika adalah rataan populasi dan adalah deviasi standar populasi, maka rataan dan
deviasi standar dari distribusi sampling rata-rata sampel adalah sebagai berikut:
X ; X
n
dengan n adalah banyaknya pengamatan dari setiap sampel.
1. Hitunglah:
a. P{1,86 Z 0} c. P{1, 4 Z 2,65}
b. P{1,5 Z 1,82} d. P{Z 1,96}
2. Keluarga Kamp memiliki anak kembar, Rob dan Rachel. Rob dan Rachel keduanya
lulus dari universitas 2 tahun yang lalu, dan masing-masingnya sekarang memperoleh
$50000 per tahun. Rachel bekerja di industri eceran, di mana rata-rata gaji untuk
eksekutif dengan pengalaman kurang dari 5 tahun adalah $35000 dengan deviasi
standar $8000. Rob adalah seorang insinyur. Rata-rata gaji insinyur dengan pengalaman
kurang dari 5 tahun adalah $60000 dengan deviasi standar $5000. Hitunglah nilai 𝑧
untuk Rob dan Rachel, kemudian jelaskan maksudnya !
3. Suatu data yang berdistribusi normal memiliki rata-rata 50 dan deviasi standar 4.
a. Hitunglah probabilitas dari nilai antara 44 dan 55 !
b. Hitunglah probabilitas dari nilai yang lebih besar dari 55 !
c. Hitunglah probabilitas dari nilai antara 52 dan 55 !
4. Rata-rata berat bayi yang baru lahir 3750 gram dengan deviasi standar 325 gram. Jika
berat bayi diasumsikan berdistribusi normal, maka tentukan:
a. berapa probabilitas bayi yang beratnya lebih dari 4500 gram ?
b. berapa banyak bayi yang beratnya antara 3500 – 4500 gram jika total bayinya ada
10000 ?
c. berapa banyak bayi yang beratnya lebih kecil atau sama dengan 4000 gram jika
total bayinya ada 10000 ?
d. berapa banyak bayi yang beratnya 4250 gram jika total bayinya ada 5000 ?
5. Studi yang diadakan oleh Taurus Health Club menyatakan bahwa 30% dari anggotanya
mengalami kegemukan. Jika anggota keseluruhan berjumlah 500 orang, maka:
a. berapa probabilitas bahwa 175 anggota atau lebih mengalami kegemukan ?
b. berapa probabilitas bahwa 140 anggota atau lebih mengalami kegemukan ?
6. Pada badan hukum Tybo dan Associates, terdapat enam orang partner. Berikut
merupakan rekanan dan jumlah kasus yang ditangani masing-masing di pengadilan
pada bulan lalu.
Rekanan Banyak Kasus
Ruud 3
Wu 6
Sass 3
Flores 3
Wilhelms 0
Schueller 1
a. Berapa banyak kemungkinan sampel berbeda yang berukuran 3 ?
b. Tulislah seluruh kemungkinan sampel berukuran 3, dan hitung rata-rata populasi
setiap sampel !
c. Hitunglah rata-rata dan deviasi standar dari distribusi sampling rata-rata sampel
yang berukuran 3 !