DISTRIBUSI SAMPLING
Statistik inferens adalah semua cara atau metode yang dipergunakan untuk
menggeneralisasi hasil dari suatu sampel menjadi hasil populasi. Dasar-dasar di dalam
statistik inferens adalah “distribusi sampling”. Distribusi sampling adalah distribusi dari
mean-mean sampel yang diambil secara berulang kali dari suatu populasi.
Ukuran-ukuran untuk sampel dan populasi adalah sebagai berikut.
Sampel Populasi
Nilai (karakteristik) Statistik Parameter
Mean (rata-rata hitung) µ
Standar deviasi s σ
Jumlah Unit n N
Distribusi sampling harga mean dari kedua puluh lima sampel yang diperoleh dari
lima sampel yang diperoleh dari lima populasi di atas kalau di gambarkan dalam bentuk
kurva akan membentuk kurva yang simetis (kurva normal umum).
Contoh Soal
Selama ini diyakinini bahwa kadar haemoglobin (Hb) orang sehat (µ) = 12 gr % dan
(σ) = 2,5 gr %. Seorang mahasiswa telah mengambil sebanyak 25 orang pengunjung suatu
Puskesmas. Hitunglah probabilitas dari rata-rata Hb sampel tadi.
a) > 13 gr %
b) antara 11 sp 13,5 gr %
Penyelesaian
a) µ 12 gr % σ = 2,5 gr %
σ 2,5
n = 25 SE = = = 0,5 gr %
√ n √ 25
13−12
Z= =2 tabel = 0,4772
0,5
p (x > 13 gr %) = 0,5 – 0,4772 = 0,0228
11−12
b) Z1 = 2,0 tabel = 0,4772
0,5
13,5−12
Z2 = 3,0 tabel = 0,4987
0,5
0,9759
p (µ gr < X́ < 13,5 gr %) = 0,9759
ESTIMASI
Estimasi adalah suatu metode di mana kita dapat memperkirakan nilai populasi
(parameter) dengan memakai nilai sampel (statistik).
Bentuk Estimasi
1. Estimasi Titik (Point Estimation)
Nilai statistik (nilai-nilai sampel) digunakan sebagai pendugaan nilai parameter
karena nilai-nilai ini merupakan estimator yang baik untuk menduga atau mengestimasi nilai
parameter.
Misalnya, nilai mean sampel kita anggap sebagai nilai mean populasi.
µ diestimasi sama dengan X́
s diestimasi sama dengan σ
Sebetulnya nilai populasi atau µ bisa kita duga dari bermacam-macam nilai di dalam
sampel seperti nilai median ataupun nilai mode atau salah satu dari nilai pengamatan, namun
yang dikatakan tidak bias adalah nilai mean.
Walaupun demikian, estimasi titik juga mempunyai kelemahan, yaitu kita tidak dapat
mengetahui berapa kuat kebenaran dugaan kita itu dan kemungkinan besar akan salah.
Kelemahan estimasi titik ini dapat dihilangkan dengan melakukan estimasi selang (interval).
2. Estimasi Selang (Interval Estimation)
Dasar estimasi interval ini adalah bahwa sampel-sampel yang diambil dari suatu
populasi akan berdistribusi (normal) sekitar µ, dengan simpangan baku = SE (Sifat dari
distribusi sampling). Dengan ini kita menentukan batas minimum dan maksimum terletaknya
nilai µ. Jarak dari batas tertinggi dan terendah ini ditentukan sebagai confiden interval =
confiden limit yaitu luas daerah di bawah kurva normal ditentukan dengan presentase
misalnya 90%, 95%, 99%.
Rumus Umum:
St-t.SE ≤ µ ≤ St + t.SE
X́ -t.SE≤ µ ≤ X́ + t.SE
Contoh:
Kalau dari 25 ibu hamil yang diambil secara random didapatkan kadar Hb = 9 gr
%,simpangan baku sampel 7,7 gr%.
Maka, nilai pendugaan akan menjadi:
X́ = 9 gr%
s = 7,7 gr%
n = 25 ibu
SE = 7,7/√25 = 1,54 gr%
CI = 95% alfa = 5%, df = 25-1 = 24…t = 2,064
9 gr% - 2,064 x 1,54gr% ≤ µ ≤ 9 gr% + 2,064 x 1,54 gr%
5,82 gr% ≤ µ ≤ 12,19 gr%
Dengan ini kita akan menyatakan kadar Hb ibu hamil di Kabupaten Cirebon berada
pada 5,82 gr%; 12,19 gr% (CI 95%).
Daftar Pustaka
Sutanto, P. H., & Sabri, L. (2014). Statistik kesehatan. Jakarta: Rajawali.