Anda di halaman 1dari 11

BAB 1

DISTRIBUSI SAMPLING

1.1 STATISTIKA INDUKTIF


Statistika inferensia mencakup semua metode yang berhubungan dengan
analisis sebagian data (contoh) atau juga sering disebut dengan sampel untuk
kemudian sampai pada peramalan atau penarikan kesimpulan mengenai
keseluruhan data induknya(populasi).
Dalam statistika inferensia diadakan pendugaan parameter, membuat
hipotesis, serta melakukan pengujian hipotesis tersebut sehingga sampai pada
kesimpulan yang berlaku umum.
Metode ini disebut juga statistika induktif, karena kesimpulan yang ditarik
didasarkan pada informasi dari sebagian data saja. Pengambilan kesimpulan dari
statistika inferensia yang hanya didasarkan pada sebagian data saja yang
menyebabkan sifat tak pasti. memungkinkan terjadi kesalahan dalam pengambilan
keputusan, sehingga pengetahuan mengenai teori peluang mutlak diperlukan dalam
melakukan metode-metode statistika inferensia.

1.2 POPULASI DAN SAMPEL


Populasi adalah totalitas dari semua objek/ individu yg memiliki
karakteristik tertentu, jelas dan lengkap yang akan diteliti (Parameter). Sedangkan
sampel adalah bagian dari populasi yang diambil melalui cara-cara tertentu yg juga
memiliki karakteristik tertentu, jelas dan lengkap yg dianggap bisa mewakili
populasi (Statistik).
Menjadi hal yang tidak mungkin untuk menguji populasi, maka peneliti
menggunakan sampel untuk membuat inferensi mengenai populasi. Jika inferensi
yang diberikan dari sampel untuk populasi bernilai valid maka sampel tersebut
adalah sampel yang representatif. Mengukur kesalahan dari penggunaan suatu
sampel untuk menduga karakteristik populasi disebut sampling error

1
1.3 DISTRIBUSI SAMPLING
Sampling adalah pendataan sebagian anggota populasi atau penarikan
contoh / pengambilan sampel. Sampel yang baik adalah sampel yang representatif,
yaitu diperoleh dengan memperhatikan hal-hal berikut:
1. Keacakan
2. Ukuran
3. Teknik penarikan sampel yang sesuai dengan sifat populasi

Pekerjaan yang melibatkan populasi tidak digunakan, karena:


1. mahal dari segi biaya dan waktu yang panjang
2. populasi akan menjadi rusak atau habis jika dissensus
misal : dari populasi donat ingin diketahui rasanya, jika semua donat dimakan,
dan donat tidak tersisa, tidak ada yang dijual

2
1.4 TEKNIK PENARIKAN SAMPEL
Beberapa Teknik Penarikan Sampel :
a. Penarikan Sampel Acak Sederhana (Simple Randomized Sampling)
Pengacakan dapat dilakukan dengan : undian, tabel bilangan acak, program
komputer.
b. Penarikan Sampel Sistematik (Systematic Sampling)
Tetapkan interval lalu pilih secara acak anggota pertama sampel
Contoh : Ditetapkan interval = 20
Anggota populasi ke-7 sebagai anggota ke-1 dalam sampel
Anggota populasi ke-27 menjadi anggota ke-2 dalam sampel
Anggota populasi ke-47 menjadi anggota ke-3 dalam sampel, dst.
c. Penarikan Sampel Acak Berlapis (Stratified Random Sampling)
Populasi terdiri dari beberapa kelas/kelompok. Dari setiap kelas diambil
sampel secara acak.

3
d. Penarikan Sampel Gerombol/Kelompok (Cluster Sampling) Populasi juga
terdiri dari beberapa kelas/kelompok. Sampel yang diambil berupa
kelompok bukan individu anggota
e. Penarikan Sampel Area (Area Sampling). Prinsipnya sama dengan Cluster
Sampling. Pengelompokan ditentukan oleh letak geografis atau
administratif.

1.5 DISTRIBUSI SAMPLING RATA-RATA SAMPEL BESAR


1.5.1 Dalil 1
JIKA Sampel:
berukuran = n ≥ 30 yang diambil DENGAN PEMULIHAN dari rata-rata = 𝑋̅
Populasi berukuran = N
Terdistribusi NORMAL
Rata-rata = µ; simpangan baku = s
MAKA
Distribusi Rata-rata akan mendekati distribusi Normal dengan:

1.5.2 Dalil 2
Dalil 2.
JIKA Sampel:
berukuran = n ≥ 30 yang diambil TANPA PEMULIHAN dari rata-rata = 𝑋̅
Populasi berukuran = N
Terdistribusi NORMAL
Rata-rata = µ; simpangan baku = σ
MAKA
Distribusi Rata-rata akan mendekati distribusi Normal dengan:

4
1.5.3 Dalil 3
Dalil 3.
DALIL LIMIT PUSAT JIKA Sampel: berukuran = n yang diambil dari rata-rata
= 𝑋̅
Populasi berukuran = N yg besar
Terdistribusi SEMBARANG
Rata-rata = µ; simpangan baku = σ
MAKA
Distribusi Rata-rata akan mendekati distribusi Normal dengan :

1.6 SOAL DAN PENYELESAIAN


Plat baja yg diproduksi oleh sebuah pabrik baja memiliki daya regang rata-
rata 500 dan deviasi standar sebesar 20 jika sample random yg terdiri dari 100
plat dipilih dari populasi yg terdiri dari 100.000 plat. Berapakah probabilita rata-
rata sample akan kurang dari 496 ?

Diket:

 = 500

 =20 n= 100

N = 100.000 (populasi besar)

Ditanya: P ( 𝑋̅< 496)?

5
Penyelesaian

6
BAB 2
PENDUGAAN PARAMETER

2.1 PENDUGAAN
Proses yang menggunakan sampel statistik untuk menduga/ menaksir
hubungan parameter populasi yg tidak diketahui Penduga merupakan suatu statistik
yg digunakan untuk menduga suatu parameter. Sedangkan Estimasi adalah
pengukuran terhadap nilai parameternya (populasi) dari data sampel yang
diketahui.

2.1.1 Ciri Penduga Yang Baik


Tidak Bias (Unbiased) apabila nilai penduga sama dengan nilai yg
diduganya. Efisien apabila penduga memiliki varians yg kecil. Konsisten jika
ukuran sampel semakin bertambah mk penduga akan mendekati parameternya. Jika
ukuran sampel bertambah tak berhingga mk distribusi sampling penduga akan
mengecil mjd tegak lurus di atas parameter yg sebenarnya dengan probabilitas sama
dengan satu.

7
2.1.2 Jenis-Jenis Pendugaan Berdasarkan Cara Penyajiannya
1. Pendugaan tunggal
Pendugaan yg hanya mempunyai atau menyebutkan satu nilai. Tidak
memberikan selisih atau jarak antara nilai penduga dengan nilai sebenarnya
(parameter)
2. Pendugaan interval
Pendugaan yg memp dua nilai sbg pembatasan/ daerah pembatasan.
Digunakan tingkat keyakinan thd daerah yg nilai sebenarnya/ parameternya
akan berada.
Nilai (1-α) disebut koefisien kepercayaan
Selang kepercayaan : (1-α) x 100%
3. Pendugaan rata-rata adalah digunakan sebagai penduga bagi
4. Pendugaan proporsi digunakan sebagai penduga bagi
5. Pendugaan varians digunakan sebagai penduga bagi ρ

2.1.3 Pendugaan Beda 2 Rata-Rata

8
2.1.4 Pendugaan Beda 2 Rata-Rata dan Ragam Populasi Sama

2.1.5 Pendugaan 1 Proporsi Sampel Besar

2.1.6 Pendugaan 2 Proporsi

2.2 CONFIDENCE INTERVAL


Pendugaan parameter diwujudkan dalam pembentukan selang
kepercayaan, karena hampir tidak pernah ditemukan nilai statistik tepat sama
dengan nilai parameter.
Selang Kepercayaan = Konfidensi Interval = Confidence Interval bagi n > 30

9
 
X − Z / 2 .    X + Z / 2 .
n n
a) Didekati dengan distribusi Normal (Distribusi z atau Distribusi t)
b) Mempunyai 2 batas : batas atas (kanan) dan batas bawah (kiri)
c) Derajat Kepercayaan = Tingkat Kepercayaan = Koefisien Kepercayaan = 1 - 
d)  kemudian akan dibagi ke dua sisi
e) /2 di atas batas atas dan /2 di bawah batas bawah

2.2.1 Selang Kepercayaan Menurut Distribusi Z dan Distribusi T


1. Nilai  dan Selang kepercayaan yang lazim digunakan antara lain :
2. Selang kepercayaan 90 % → Derajat Kepercayaan = 1 -  = 90
 = 10 % → /2 = 5 % →
3. Selang kepercayaan 95 % → Derajat Kepercayaan = 1 -  = 95%
 = 5 % → /2 = 2.5 % →
4. Selang kepercayaan 99 % → Derajat Kepercayaan = 1 -  = 99%
 = 1 % → /2 = 0.5 %

2.3 SOAL DAN PENYELESAIAN

10
11