DISTRIBUSI SAMPLING
DISUSUN KELOMPOK 3:
DOSEN PEMBIMBING:
TANJUNGPINANG
2020/2021
KATA PENGANTAR
Puji syukur penyusun panjatkan kepada Allah SWT karena penyusun telah berhasil
menyelesaikan sebuah modul pembelajaran dengan judul “Distribusi
Sampling“Penyusun menyadari sepenuhnya bahwa penulisan makalah ini tidak akan
selesai tanpa adanya bantuan dan bimbingan yang telah diberikan oleh berbagai pihak.
Untuk itu penyusun mengucapkan terima kasih :.
1. Ibu Ns. Safra R, M.Kep selaku Dosen Pembimbing yang telah membantu
,mengarahkan serta membimbing sehingga modul pembelajaran ini dapat selesai.
2. Kedua orang tua yang telah memberikan bantuan baik moral maupun materil.
3. Teman – teman yang telah memberikan dorongan semangat kepada penyusun.
Terwujudnya modul pembelajaran ini merupakan kebanggaan tersendiri bagi
penyusun, namun penyusun menyadari bahwa modul pembelajaran ini masih jauh dari
sempurna yang dikarenakan oleh keterbatasan pengetahuan dan pengalaman. Oleh karena
itu kritik dan saran dari para pembaca akan sangat bermanfaat bagi penyempurnaan
modul pembelajaran ini. Semoga modul pembelajaran ini dapat bermanfaat bagi para
pembaca. Demikianlah yang dapat tim penyusun sampaikan atas perhatianya tim
penyusun ucapkan terimakasih.
Penulis
Kelompok 3
DAFTAR ISI
Kata Pengantar........................................................................................................i
Daftar isi..................................................................................................................ii
BAB I : PENDAHULUAN
A. Latar belakang......................................................................................................1
B. Rumusan masalah.................................................................................................1
C. Tujuan penulisan..................................................................................................1
D. Manfaat penulisan................................................................................................1
BAB II : PEMBAHASAN
A. kesimpulan......................................................................................................11
B. Saran...............................................................................................................12
DAFTAR PUSTAKA..............................................................................................ii
BAB I
PENDAHULUAN
Statistik adalah fungsi observasi dalam suatu sampel random yang tidak tergantung
pada parameter yang tidak diketahui. Proses penggambaran populasi berdasarkan data
sampel memberikan kaitan yang erat dengan statistik. Misalnya, jika X1, X2,...Xn sampel
random dengan ukuran n, maka rata - rata sampel , varian sampel S 2 , dan standar deviasi
sampel S semuanya adalah statistik. Distribusi peluang suatu statistik disebut dengan
distribusi sampling. Distribusi sampling menjadi salah satu dasar dalam pengambilan
kesimpulan dengan data dalam jumlah besar. Menurut sifat distribusi sampling, apabila
sampel – sampel random diambil dari suatu populasi yang berdistribusi sembarang dan
mempunyai mean μ dan variansi 2 , untuk n besar (n > 30) maka distribusinya dapat
dianggap mendekati normal dengan mean μ = μ dan variansi 2 = atau Z = ( ) N(0, 1).
Teorema Limit Pusat merupakan interpretasi yang sesuai dari sifat distribusi sampling. Syarat
yang dapat digunakan untuk membuktikan bahwa distribusi sampling ini mendekati normal yakni
dengan kekonvergenan dalam distribusi. Dalam pembuktiannya, Teorema Limit Pusat juga
menggunakan kekonvergenan dalam distribusi. Dua definisi kekonvergenan dalam distribusi
dapat 2 dipakai untuk membuktikan, salah satunya yaitu jika suatu distribusi mempunyai
Moment Generating Function atau fungsi pembangkit momen maka hal tersebut dapat
menentukan fungsi distribusi secara tunggal, distribusi secara tunggal yang dimaksud adalah
distribusi Normal. Nilai suatu MGF ada jika nilai ekspektasinya terdefinisi atau ada, tetapi tidak
berlaku sebaliknya, jika ekspektasinya ada belum tentu nilai MGF-nya ada. (Rice, 1995 : 142)
Distribusi normal atau disebut juga distribusi Gaussian merupakan distribusi yang sangat penting
dalam peluang dan statistika karena kebanyakan data dapat dimodelkan sebagai distribusi
normal. Distribusi normal merupakan suatu distribusi teoritis dari variabel random kontinu.
Kurva normal dibentuk dengan n yang tak terhingga. Peran penting distribusi normal antara lain
memiliki beberapa sifat yang mungkin digunakan sebagai acuan dalam mengambil suatu
kesimpulan berdasarkan hasil sampel yang diperoleh, pengukuran sampel berguna untuk
menafsirkan parameter populasi sehingga distribusi normal sangat sesuai dengan distribusi
empiris, dengan kata lain bahwa semua kejadian alami akan membentuk distribusi normal.
Secara singkat bahwa semua distribusi yang memiliki sampel besar akan cenderung mendekati
distribusi normal apapun bentuk awal distribusi populasinya. Teorema Limit Pusat sebagai
pembuktian secara tidak langsung dari pernyataan sebelumnya. Berdasarkan penelitian yang
dilakukan oleh Reshma R. Chavan yang menyatakan bahwa apabila dilakukan percobaan dengan
jumlah dadu sebanyak k, maka jumlah mata dadu secara acak yang muncul akan selalu
mendekati distribusi normal. Dalam teori peluang, Teorema Limit Pusat mengatakan jika
diberikan kondisi tertentu yang rata – rata aritmatikanya terdiri dari rata – rata dengan jumlah
sampel yang besar, kemudian diiterasi dari variabel random yang saling bebas dan memiliki rata
– rata serta variansi yang didefinisikan maka akan terdistribusi normal tanpa memperhatikan
distribusi asal yang mendasarinya. Andaikan sampel - sampel observasi dengan bilangan yang
cukup besar, kemudian rata – ratanya dihitung berkali - kali, maka rata –rata yang dihasilkan
adalah acak dan tidak tergantung satu sama lain serta akan terdistribusi sesuai dengan distribusi
normal. (Chavan, 2014) Berdasarkan uraian di atas, tanpa memperhatikan distribusi populasi
awalnya asalkan sampel n cukup besar serta saling bebas maka akan berdistribusi normal. Oleh
karena itu dalam skripsi ini penulis mengambil judul Pembuktian Kekonvergenan Distribusi
Sampling ke Distribusi Normal Menggunakan Moment Generating Function. 3 1.2 Rumusan
Masalah Berdasarkan latar belakang di atas, maka dapat dirumuskan permasalahannya adalah
bagaimana membuktikan kekonvergenan distribusi sampling ke distribusi normal menggunakan
Moment Generating Function? 1.3 Tujuan Penulisan Berdasarkan rumusan masalah di atas,
maka tujuan penulisan skripsi ini adalah untuk mengetahui pembuktian kekonvergenan
distribusi sampling ke distribusi normal menggunakan Moment Generating Function. 1.4 Batasan
Masalah Penulisan skripsi ini memiliki batasan sebagai berikut : 1. Distribusi sampling yang
dibahas adalah distribusi sampling rata – rata atau sample mean. 2. Pada penelitian ini distribusi
yang dibahas adalah distribusi khusus yang sering dibahas dalam statistika matematika. 3.
Kekonvergenan yang dimaksud adalah kekonvergenan variabel random sampling suatu fungsi
distribusi ke distribusi normal standar menggunakan mgf. 1.5 Manfaat Penelitian Penelitian ini
diharapkan dapat bermanfaat bagi semua pihak. Bagi penulis sendiri penelitian ini sebagai
sarana untuk mengembangkan pengetahuan dan ketrampilan pada bidang matematika terapan
khususnya statistika. Bagi lembaga khususnya Prodi Pendidikan Matematika penelitian dapat
dijadikan sebagai sarana pengembangan wawasan keilmuan pada pada bidang matematika
terapan khususnya statistika matematika. Dengan adanya penelitian ini diharapkan dapat
menambah wawasan bagi para pembaca bahwa matematika sangat penting terutama
penerapanpenerapannya dalam bidang-bidang tertentu. 1.6 Metode Penulisan 1. Jenis
Penelitian Metode penelitian yang digunakan dalam penulisan ini adalah penelitian kepustakaan
atau riset kepustakaan (library research). Riset kepustakaan atau sering juga disebut studi
pustaka ialah serangkaian kegiatan yang berkenaan dengan metode pengumpulan data pustaka,
membaca dan mencatat serta mengolah bahan penelitian. (Zed, 2008: 3). Sedangkan menurut
Nazir (dalam Rahmawati: 2007) penelitian kepustakaan atau studi literatur yaitu melakukan
penelusuran dengan penelaahan terhadap beberapa literatur yang mempunyai relevansi dengan
topik pembahasan. 4 2. Data dan Sumber Data Data yang diperlukan dalam penelitian ini adalah
data yang bersifat tekstual meliputi distribusi sampling dan distribusi normal. Informasi untuk
penelitian ini dikumpulkan dari buku-buku acuan mengenai statistika matematika, jurnal-jurnal
dan artikel di internet mengenai statistika matematika tentang distribusi sampling dan distribusi
normal. Buku acuan utama yang digunakan adalah Statistical Mathematics and Data Analysis
oleh Rice (1995), Introduction to Probability and Mathematical Statistics oleh Bain (1992), dan
Statistical Inference oleh Casella – Berger (2002). 3. Teknik Pengumpulan Data Pengumpulan
data merupakan salah satu proses pengadaan data untuk keperluan penelitian. Pengumpulan
data adalah prosedur yang sistematis dan standar untuk memperoleh data yang diperlukan.
Untuk memperoleh data, penulis menggunakan langkah-langkah Library Research yaitu setiap
penelitian memerlukan bahan yang bersumber dari perpustakaan. Penulis menggunakan metode
dokumenter, yaitu mencari data mengenai hal-hal atau variabel yang berupa catatan, buku-
buku, jurnal penelitian yang relevan dengan permasalahan yang penulis bahas. 4. Langkah –
langkah penelitian ini ada tiga yaitu a. Membuktikan moment generating function atau fungsi
pembangkit momen dari tiap distribusi khusus yang telah ditetapkan berdasarkan definisi. b.
Membuktikan moment generating function dari tiap distribusi sampling khusus yang telah
ditetapkan. c. Membuktikan kekonvergenan tiap distribusi sampling ke distribusi normal
menggunakan metode moment generating function atau fungsi pembangkit momen. 1.7
Sistematika Penulisan Agar penulisan skripsi ini lebih terarah, mudah ditelaah dan dipahami,
maka digunakan sistematika penulisan yang terdiri dari lima bab. Masing-masing bab dibagi ke
dalam beberapa subbab dengan rumusan sebagai berikut: Bab I Pendahuluan Pendahuluan
meliputi latar belakang masalah, rumusan masalah, tujuan penulisan, batasan masalah, manfaat
penelitian, metode penelitian, dan sistematika penulisan. Bab II Kajian Pustaka Bagian ini terdiri
atas konsep-konsep yang mendukung bagian pembahasan. Konsep - konsep tersebut antara lain
membahas tentang populasi, sampel, variabel random, 5 PDF dan CDF, variabel random
sampling dan distribusi sampling, distribusi normal ekspektasi dan variansi, Moment Generating
Function, konvergen dalam distribusi, deret Taylor, dan fungsi gamma. Bab III Pembahasan
Dalam bab ini dipaparkan hasil kajian yang meliputi pembuktian MGF distribusi khusus,
pembuktian MGF distribusi sampling, dan pembuktian MGF distribusi sampling ke distribusi
normal standar. Bab IV Penutup Pada bab ini akan dibahas mengenai simpulan dan saran
BAB II
PEMBAHASAN
2. Sampel
Sampel adalah bagian dari jumlah karakteristik yang dimiliki oleh populasi.38
Supaya jumlah sampel yang digunakan representative dengan populasi, maka
jumlah sampel yang digunakan dihitung dengan menggunakan rumus tertentu.
Untuk menghitung jumlah sampel yang dibutuhkan digunakan rumus sebagai
berikut:
n= 𝑁
(𝑑)2+1
n= 1991
1991(0,1)2+1
n= 1991
1991(0,01)+1
n= 1991
19,91+1
n= 95
Keterangan :
n = Ukuran Sampel
N = Ukuran Populasi
d = Presentasi kelonggaran ketidaktelitian kesalahan-kesalahan pengambilan
sampel yang masih ditolelir, misalnya 10%.
Dengan menggunakan rumus tersebut ukuran sampel berjumlah 95 reponden.
Namun di lapangan peneliti menemukan kendala dari beberapa responden.
Sehingga kuesioner yang masuk dan dapat diolah berjumlah 83 responden.
Response rate dari hasil survey ini adalah :
Response rate ini menunjukkan seberapa besar desain sampel bisa dijalankan
dengan baik di lapangan. Menurut banyak ahli,response rate di bawah 80%
potensial melahirkan bias.
3. Distribusi sampling
Setiap sampel yang diambil dari populasi tertentu mungkin akan memiliki nilai
statistik yang berbeda. Sedangkan dari sebuah populasi bisa menghasilkan ribuan
sampel yang berbeda. Dengan seluruh perbedaan tersebut memang sulit membuat
aturan terkait hubungan antara sampel dan populasi. Namun kumpulan sampel
yang mungkin, memiliki bentuk yang cukup sederhana dan teratur sehingga
menjadi mungkin untuk memprediksi karakteristik sampel dengan beberapa
keakuratan. Disini ah butuh jembatan antara sampel dan populasi sehingga dapat
diprediksi karakteristik sampel untuk populasi teretentu yaitu distribusi sampling.
c. Bentuk distribusi \
1. Untuk pengambilan sampel dgn pengembalian atau jika ukuran populasi besar
dibandingkan dgn ukuran sampel yi n/N ≤ 5%
μp = P
P (1 − P )
σp =
√ n
2. Untuk pengambilan sampel tanpa pengembalian atau jika ukuran populasi
kecil dibandingkan dgn ukuran sampel yi n/N > 5%
μp = P
P (1 − P ) N −n
c. Distribusi sampling simpangan
σ p baku
=
√ n √ N −1
d. Distribusi sampling penarikan sampel
Jumlah Sampel Acak yang dapat ditarik dari suatu populasi adalah sangat banyak.
• Nilai setiap Statistik Sampel akan bervariasi/beragam antar sampel.
• Suatu statistik dapat dianggap sebagai peubah acak yang besarnya sangat
tergantung dari sampel yang kita ambil.
• Karena statistik sampel adalah peubah acak maka ia mempunyai distribusi yang
kita sebut sebagai : Distribusi peluang statistik sampel = Distribusi Sampling =
Distribusi Penarikan Sampel. Statistik sampel yg paling populer dipelajari adalah
Rata-Rata (x)
e. Distribusi sampling lainnya
n-1
Nilai Standar Error kecil berarti penyebaran mean/rata-rata sampel juga kecil
maka estimasi terhadap parameter populasi akan lebih tepat, Bila nilai Standar
Error besar berarti penyebaran mean/rata-rata sampel juga besar maka estimasi
terhadap parameter populasi menjadi kurang tepat.
Nilai Standar Error akan turun (semakin kecil) apabila jumlah sampel
diperbanyak dan varians atau Standar Deviasi sampel dikurangi. Oleh karena
itu, Standar Error dapat digunakan untuk menentukan dan mengontrol jumlah
sampel.
Tabel Mean Tekanan Darah Diastolik antara Tukang Cetak dan Petani
Jawab :
SE = SD/√n
Contoh Soal:
Rata-Rata hitung dari konsentrasi urin pada 140 anak-anak adalah 2.18
µmol/24h. Didapat standard deviasinya adalah 0.87 µmol/24h. Hitunglah
standard error of mean dari data tersebut?
Jawab :
SEM = SE = SD/√n
SEM = SE = 0.87/√140 = 0.074 µmol/24h
p(100 – p)
√ n
Contoh Soal:
Jawab:
M 1 ( t ) , M 2 ( t ) , … , M n ( t ). Jika M (t) suatu MGF dan CDF nya adalah G(Y ) dengan
lim M n ( t )=M ( t ) , ∀ t ,−h<t< h ,h> 0
n→∞
maka
lim Gn (Y )=G (Y )
n→∞
Satu hal yang perlu diketahui, apabila bentuk CDF tidak memenuhi sifat – sifat umum,
maka barisan Y n tidak mempuyai distribusi limit pendekatan. Kemudian seiring
dengan berkembanganya teorema limit pusat ini, muncul teorema limit pusat secara
khususnya yaitu sebagai berikut :
Teorema :
x́−μ
Z n= N (0,1)
σ x́
Hingga saat ini, terdapat banyak sekali modifikasi dari teorema limit pusat. Bahkan
proses modifikasinya pun berawal dari konsep - konsep yang lebih sederhana.
Beberapa di antaranya adalah modifikasi teorema limit pusat yang berdasarkan konsep
– konsep statistik dasar berikut :
x́ n−E( x´n )
1. Z n=
√ var ¿ ¿ ¿
2. Jika S n=x 1+ x2 +…+ xn =∑ x i , maka :
Z n=
∑ x i− E(∑ x i) d N (0,1)
√ var (∑ xi ) →
BAB III
PENUTUP
A. KESIMPULAN
Distribusi sampling adalah distribusi pengukuran statistik seperti rata-rata, standar
deviasi, proporsi yang muncul sebagai akibat dari penggunaan sampel. Bayangkan
kita memiliki sekelompok populasi. Ketika kita mengambil sampel data, kita akan
mendapatkan hasil bahwa terdapat berbagai perbedaan perhitungan dari satu sampel
ke sampel lain.
Perbedaan hasil ini akan membuat perbedaan dalam pengukuran dan penentuan
distribusi sampling.
Jika kita dapat mengukur ketinggian semua orang di dunia (misalkan melalui sensus)
dan menyajikan hasilnya, maka kita telah mendapatkan distribusi tinggi dari seluruh
populasi dunia.
1. Populasi: seluruh hal yang ingin kita periksa
2. Sampel: data atau informasi yang kita miliki tentang populasi
3. Statistik: metode atau teknik yang dapat digunakan untuk memperkirakan
populasi
4. Distribusi sampel: metode yang digunakan untuk menghasilkan nilai yang
mampu menggambarkan kondisi populasi melalui proses statistik.
B. SARAN
Semoga diharapkan dapat menambah pengetahuan dan wawasan. Serta dapat
mengaktualisasikannya pada lingkungan sekitar baik dalam lingkungan keluarga
maupun masyarakat dan juga dengan adanya makalah ini pembaca dapat menerapkan
serta dapat mengaplikasikan apa yang telah dipaparkan oleh penulis
DAFTAR PUSTAKA
Campbell, M.J and Swinscow, T.D.V. ( 2009). Statisitics at Square One. Wiley-
Blackwell, USA
Campbell, M.J and Swinscow, T.D.V. ( 2009). Statisitics at Square Two. Wiley-
Blackwell, USA
https://www.rumusstatistik.com/2017/01/distribusi-sampling.html