DISTRIBUSI SAMPLING

Makalah Disusun Untuk Memenuhi Tugas Matakuliah

Statistik Penelitian
Dosen Pengampu : Joan Berlin Damanik, S.Si, MM

Nama : Rebekka Simamora

NIM : 180301404
Jurusan : Manajemen

Fakultas Ekonomi
Universitas Sisingamangaraja XII Tapanuli (UNITA)
Silangit 2020
 KATA PENGANTAR

Puji syukur kehadirat Tuhan Yang Maha Esa yang telah memberikan
kasihNya sehingga saya dapat menyelesaikan tugas makalah Distribusi Sampling ini
tepat pada waktunya.
Adapun tujuan dari penulisan makalah ini adalah untuk memenuhi tugas
matakuliah Statistik Penilitian oleh Dosen Pengampu, Bapak Joan Berlin Damanik,
S.Si, MM. Selain itu makalah ini juga bertujuan untuk menambah wawasan tentang
Distribusi Sampling bagi pribadi penulis dan para pembaca.
Saya mengucapkan terimakasih kepada Bapak Dosen Pengampu yang telah
memberikann tugas ini sehingga dapat menambah pengetahuan dan wawasan sesuai
dengan bidang studi yang saya tekuni.
Saya juga mengucapkan terimakasih kepada semua pihak yang telah
membagu sebagian pengetahuannya sehingga saya dapat menyelesaikan makalah ini.
Saya menyadari, makalah yang saya tulis ini masih jauh dari kata sempurna.
Oleh karena itu, kritik dan saran yang membangun akan saya nantikan demi
kesempurnaan makalah ini.
Sipoholon, Maret 2020

Penulis
 DAFTAR ISI
Judul...................................................................................................................... i
Kata Pengantar....................................................................................................... ii
Daftar Isi................................................................................................................ iii
BAB I PENDAHULUAN............................................................................... 1
A. Latar Belakang Masalah ............................................................... 1
B. Perumusan Masalah....................................................................... 2
C. Tujuan Penulisan Makalah............................................................ 2
BAB II PEMBAHASAN.................................................................................. 3
a. Beberapa Teknik Pengambilan Sampel..................................................... 3
b. Pengertian Distribusi Sampling................................................................. 7
BAB III KESIMPULAN DAN SARAN........................................................... 15
Daftar Pustaka
 BAB I PENDAHULUAN
A. Latar Belakang Masalah
Untuk mempelajari populasi kita memerlukan sampel yang diambil dari populasi
yang bersangkutan. Meskipun kita dapat mengambil lebih dari sebuah sampel
berukuran n dari sebuah populasi berukuran N, pada prakteknya hanya sebuah
sampel yang biasa diambil dan digunakan untuk hal tersebut. Sampel yang
diambil ialah sampel acak dan dari sampel tersebut nilai-nilai statistiknya dihitung
untuk digunakan seperlunya. Untuk ini diperlukan sebuah teori yang dikenal
dengan nama distribusi sampling. Distribusi sampling biasanya diberi nama
bergantung pada nama statistik yang digunakan. Demikianlah umpamanya kita
kenal distribusi sampling rata-rata, distribusi sampling proporsi, distribusi
simpangan baku, dan lain-lain. Nama-nama tersebut biasa disingkat lagi berturut-
turut menjadi distribusi rata-rata, distribusi proporsi, distribusi simpangan baku,
dan lain-lain.
Populasi adalah semua objek atau individu yang akan diteliti, sedangkan sampel
adalah bagian dari populasi yang dipilih untuk diteliti.
Prosedur sampling berfokus pada pengumpulan sebagian kecil anggota (sampel)
dari populasi yang lebih besar. Dimana sampel tersebut kemudian digunakan
untuk memperkirakan karakteristik dari seluruh populasi.
Sampel acak (random sample) adalah cara pengembalian sampel dimana setiap
individu mempunyai peluang yang sama untuk dijadikan anggota sampel.
Dibedakan menjadi dua, sesuai dengan ukuran populasi :
1. Sampel acak berasal dari populasi tidak terbatas (infinite population)
2. Sampel acak berasal dari populasi terbatas (finite population)
Sampling Dengan Pengembalian adalah metode sampling dimana setiap anggota
dari suatu populasi dapat dipilih lebih dari satu kali.
 Sampling Tanpa Pengembalian adalah metode sampling dimana setiap anggota
dari suatu populasi tidak dapat dipilih lebih dari satu kali.
B. Perumusan Masalah
Berdasarkan uraian latar belakang di atas maka dapat ditentukan perumusan
masalah dalam makalah ini seperti :
1. Apa saja teknik pengambilan sampel?
2. Apa pengertian dari distribusi sampling?
3. Apa saja macam-macam distribusi sampling?
C. Tujuan Penulisan Makalah
Berdasarkan perumusan masalah di atas maka tujuan dalam penulisan makalah ini
sebagai berikut :
1. Untuk mengetahu beberapa teknik pengambilan sampel
2. Untuk mengetahui dan memahami pengertian distribusi sampling
3. Untuk mengetahu dan memahami macam-macam distribusi sampling
 BAB II PEMBAHASAN
A. Teknik Penarikan Sampel
Ada beberapa teknik penarikan sampel antara lain :
1. Penarikan Sampel Acak Sederhana (Simple Randomized Sampling)
Pengacakan dapat dilakukan dengan : undian, tabel bilangan acak, program
komputer.
2. Penarikan Sampel Sistematik (Systematic Sampling)
Tetapkan interval lalu pilih secara acak anggota pertama sampel
Contoh : Ditetapkan interval = 20
Secara acak terpilih :
Anggota populasi ke-7 sebagai anggota ke1 dalam sampel,
maka :
Anggota populasi ke-27 menjadi anggota ke-2 dalam sampel,
Anggotapopulasi ke-47 menjadi anggota ke-3 dalam sampel, dst.
3. Penarikan Sampel Acak Berlapis (Stratified Random Sampling)
Populasi terdiri dari beberapa kelas/kelompok. Dari setiap kelas diambil
sampel secara acak.
Antar Kelas bersifat (cenderung) berbeda nyata (heterogen). Anggota dalam
suatu kelas akan (cenderung) sama (homogen).
Contoh : Dari 1500 penumpang KA (setiap kelas memiliki ukuran yang
sama) akan diambil 150 orang sebagai sampel, dilakukan
pendataan tentang tingkat kepuasan, maka sampel acak dapat
diambil dari :
Kelas Eksekutif : 50 orang
Kelas Bisnis : 50 orang
Kelas Ekonomi : 50 orang
4. Penarikan Sampel Gerombol/Kelompok (Cluster Sampling)
 Populasi juga terdiri dari beberapa kelas/kelompok sampel yang diambil
berupa kelompok bukan individu anggota
Antar Kelas bersifat (cenderung) sama (homogen). Anggota dalam suatu kelas
akan (cenderung) berbeda (heterogen).
Contoh : Terdapat 40 kelas untuk tingkat II Jurusan Ekonomi-GD, setiap
kelas terdiri dari 100 orang. Populasi mahasiswa kelas 2,
Ekonomi-UGD = 40 × 100 = 4000. Jika suatu penelitian
dilakukan pada populasi tersebut dan sampel yang diperlukan =
600 orang, dilakukan pendataan mengenai lama waktu belajar per
hari maka sampel dapat diambil dari 6 kelas.... Dari 40 kelas,
ambil secara acak 6 kelas.
5. Penarikan Sampel Area (Area Sampling)
Prinsipnya sama dengan Cluster Sampling. Pengelompokan ditentukan oleh
letak geografis atau administratif.
Contoh : Pengambilan sampel di daerah Sumatera Utara, dapat dilakukan
dengan memilih secara acak Kotamadya tempat pengambilan
sampel, misalnya terpilih, Kodya Medan, Tebing Tinggi dan
Sibolga.
B. Pengertian Distribusi Sampling
Distribusi sampel dari rata-rata hitung sampel adalah suatu distribusi probabilitas
yang terdiri dari seluruh kemungkinan rata-rata hitung sampel dari suatu ukuran
sampel tertentu yang dipilih dari populasi, dan probabilitas terjadinya
dihubungkan dengan setiap rata-rata hitung sampel. (Suharyadi)
Sedangkan menurut Sudjana, Distribusi Sampling merupakan kumpulan nilainilai
statistika yang sejenis lalu disusun dalam suatu daftar sehingga terdapat hubungan
antara nilai statistik dan frekuensi statistika. (Sudjana, 2001 :87)
Distribusi sampling adalah distribusi dari mean-mean yang diambil secara
berulang kali dari suatu populasi. Bila pada suatu populasi tak terhingga
dilakukan pengambilan sampel secara acak berulang-ulang hingga semua sampel
yang mungkin dapat ditarik dari populasi tersebut. Sampel yang diambil dari
populasi terbatas dan sebelum dilakukan pengambilan sampel berikutnya sampel
unit dikembalikan kedalam populasi. Sampel yang baik diperoleh dengan
memperhatikan hal-hal berikut :
1. Keacakannya (randomness)
2. Ukuran
3. Teknik penarikan sampel (sampling) yang sesuai dengan kondisi atau sifat
populasi
Sampel Acak = Contoh Random  dipilih dari populasi di mana setiap anggota
populasi memiliki peluang yang sama terpilih menjadi anggota ruang sampel.
Distribusi Sampling terdiri dari Distribusi Sampling Rata-rata, Distribusi
Sampling Proporsi, Distribusi Sampling Selisih Rata-rata dan Distribusi Sampling
Selisih Proporsi.
1. Distribusi Sampling Rata-rata
Sudjana (2001 : 87) mendefenisikan distribusi sampling rata-rata adalah
kumpulan dari bilangan-bilangan yang masing-masing merupakan rata-rata
hitung dari samplenya.
Misalkan kita mempunyai sebuah populasi berkukuran terhingga N dengan
parameter rata-rata µ dan simpangan baku σ. Dari populasi ini diambil secara
acak berukuran n. Jika sampling dilakukan tanpa pengembalian, kita tahu

semuanya ada  ( Nn ) buah sampel yang berlainan. Untuk semua sampel yang
didapat, masing-masing dihitung rata-ratanya. Dengan demikian diperoleh
( Nn ) buah rata-rata. Anggap semua rata-rata ini sebagai data baru, jadi didapat
kumpulan data yang terdiri atas rata-rata dari sampel-sampel. Dari kumpulan
ini kita dapat menghitung rata-rata dan simpangan bakunya. Jadi didapat rata-
rata daripada rata-rata, diberi simbol μ x́ (baca: mu indeks eks garis), dan
simpangan baku daripada rata-rata, diberi simbol σ x́ (baca: sigma indeks eks
garis).
Beberapa notasi :
n : ukuran sampel
N : ukuran populasi
x : rata-rata sampel
μ : rata-rata populasi
s : standar deviasi sampel
σ : standar deviasi populasi
μx: rata-rata antar semua sampel
σx : standar deviasi antar semua sampel = standard error = galat baku
Contoh : 250 peserta dijadikan sebagai sampel dalam lomba karya tulis
ilmiah. Ternyata terdapat beberapa karya tulis ilmiah yang
merupakan tindakan plagiarism yang dilakukan oleh para peserta
di lomba tersebut. Jika pada kenyataannya, 30% dari hasil karya
tulis tersebut merupakan hasil plagiarism, berapakah probabilita
bahwa akan terdapat antara 25% dan 35% dari karya tulis tersebut
benar-benar hasil plagiarism?
Penyelesaian :
Diketahui : n = 250
π(plagiarism) = 30% = 0,30
 x
Ditanyakan : P ( 25% < < 35%)?
n
Jawaban :
x
μ = π = 0,30
n
x
σ = π (1−π ) = 0,30(0,70) = 0,028982753
n √n √
250
X x
−μ
n n 0,25−0,30
z1 = = = -1,73
x 0,028982753
σ
n
X x
−μ
n n 0,35−0,30
z2 = = = 1,73
x 0,028982753
σ
n
Lihat tabel z :
luas antara z1-0 = 0,4582
luas antara 0- z2 = 0,4582 + z1 z2
luas antara z1 - z2 = 0,9164
Kesimpulan : Jadi, probabilita bahwa akan terdapat antara 25% dan 35% dari
hasil karya tulis tersebut benar-benar plagiarism adalah sebesar 0,9164 atau
91,64%
2. Distribusi Sampling Proporsi
Menurut Sudjana (2001 : 95), distribusi sampling proporsi adalah kumpulan
atau distribusi semua perbandingan samplenya untuk suatu peristiwa
Uraian untuk distribusi proporsi sejalan dengan untuk distribusi rata-rata.
Misalkan populasi diketahui berukuran N yang didalamnya didapat peristiwa
A sebanyak Y di antara N. Maka didapat parameter proporsi A sebesar µ =
(Y/N).
 Dari populasi ini diambil sampel acak berukuran n dan dimisalkan
didalamnya ada peristiwa A sebanyak x. Sampel ini memberikan statistik
proporsi peristiwa A = x/n. Jika semua sampel yang mungkin diambil dari
populasi itu maka didapat sekumpulan harga-harga statistik proporsi. Dari
kumpulan ini kita dapat menghitung rata-ratanya, diberi simbol µx/n.
Contoh : Data UAS Statistik Fakultas Psikologi Universitas ABC tahun
1999/2000 menunjukkan bahwa 75% mahasiswa lulus. Jika
diambil sampel 50 orang secara acak, berapakah peluang dari 50
mahasiswa tersebut akan ada paling sedikit 40 orang yang lulus ?

Penyelesaian :

Ps = 40/50 = 0,8

Pp = 75% = 0,75

Jadi peluang paling sedikit 40 orang lulus adalah 50% - 29,39% = 20,61%

3. Distribusi Sampling Selisih Rata-rata

Distribusi sampling selisih rata-rata adalah distribusi probabilitas yang dapat
terjadi dari selisih rata-rata dua sampel yang berbeda berdasarkan pada dua
sampel tertentu dari ukuran parameter dua populasinya. Untuk ukuran sampel
n1 dan n2 yang cukup besar (n1, n2 > 30), maka distribusi sampling selisih
rata-rata sangat mendekati distribusi normal.
Contoh : Dari dua buah populasi siswa pria dan siswa wanita, kita ambil
sampel masing-masing lima kali. Jika tiap sampel dihitung rata-
ratanya, maka kita punya 5 pasang nilai rata-rata.
Jika masing-masing pasangan nilai rata-rata dihitung selisihnya, maka kita
mempunyai sebuah himpunan yang terdiri dari 5 buah selisih nilai rata-rata.
Himpunan inilah yang disebut distribusi selisih rata-raa atau distribusi
perbedaan mean.
Jika dari diastribusi tersebut dihitung rata-ratanya, maka :
M1-2 = M1 – M2
M1-2 = Rata-rata dari distribusi selisih rata-rata
M1 = Rata-rata populasi 1
M2 = Rata-rata populasi 2
Simpangan baku (SD) dari distribusi selisih rata-rata disebut galat baku selisih
rata-rata atau standadrd kesalahan perbedaan mean dan disingkat SDbM, dan
dihitung dengan rumus :
a. Sampel independen (sampel besar)

SDbM =  SDM12 + SDM22

SDM1 = Galat baku rata-rata kelompok 1

SDM2 = Galat baku rata-rata kelompok 2
b. Sampel independen (sampel kecil)
Rumus 10.5 berlaku juga untuk sampel kecil dengan syarat :
1. Data berdistribusi normal.
2. Kedua kelompok mempunyai varian yang sama.
Jika kedua kelompok variannya berbeda, berlaku rumus 10.6
 x12 = Jumlah kuadrat deviasi skor kelompok 1
x22 = Jumlah kuadrat deviasi skor kelompok 2
c. Sampel berpasangan

SDbM = (SDM12 + SDM22) . 2r1,2 (SDM1) (SDM2)

SDM1 = Galat baku rata-rata kelompok 1

SDM2 = Galat baku rata-rata kelompok 2
r1,2 = Korlasi antara kelompok 1 dan kelompok 2
Distribusi selisih rata-rata tersebut adalah distribusi hipotitik karena pada
kenyataannya kita tidak pernah menyelidiki pasangan sampel berulang kali.
Distribusi rata-rata diasumsikan merupakan distribusi normal, dan dengan
asumsi tersebut kita dapat menentukan probabilitas perbedaan dua buah
kelompok data.
4. Distribusi Sampling Selisih Proporsi
Distribusi sampling selisih proporsi adalah distribusi probabilitas yang dapat
terjadi dari selisih proporsi dua sampel yang berbeda berdasarkan pada dua
sampel tertentu dari ukuran parameter dua populasinya.
o Nilai rata-rata selisih proporsi :

p̄ p 1− p 2= p̄1 − p̄2 =P1 −P2

o Nilai standar deviasi sampel selisih proporsi

p1 (1− p 1 ) p2 (1− p2 )
s p 1− p 2=
√ n1
+
n2
o Nilai Z sampel selisih proporsi
( p 1− p2 )−( P1−P 2 )
Z=
s p1− p2
Contoh : Alya dan Deasy akan melakukan sebuah pertandingan pelemparan
sekeping uang logam, Deasy akan menang bila memperoleh 8 sisi
gambar lebih banyak dari pada Alya, jika diasumsikan mereka
diberi kesempatan masing-masing melempar uang logam sebanyak
40 kali, berapa peluang Deasy memenangkan pertandingan ini ?
Berilah saran apakah Deasy akan ikut dalam pertandingan atau
tidak, jika harapan kemenangannya harus sebesar 15% atau lebih?
Penyelesaian :
Diketahui : π 1 = π 2 = 50%
n1 = n2 = 40
x1 x2
Ditanya : P ( − >15 %
n1 n 2 )
Maka,
μx 1 x2
− =π 1−π 2=( 0,5−0,5 ) =0
n1 n2

σx 1 x 2 π (1−π 1) π 2 (1−π 2 )
− = 1
n1 n 2 √ n1
+
n2

( 0,5)(1−0,5)
= √ 40
40
+(0,5)(1−0,5) ¿
¿
= 0,1346291202

x 1 x 2 μx1 x2

Z=
(
− −
n1 n 2
−
)
n1 n2
=
0,15−0
= 1,11
σx1 x2 0,1346291202
−
n1 n2
 Jadi peluang Deasy memenangkan pertandingan ini adalah 0,1335 atau
13,35%. Karena Deasy menang kurang dari harapan menangnya (13,35% <
15%), maka Deasy disarankan tidak mengikuti pertandingan ini.

BAB III KESIMPULAN DAN SARAN

A. Kesimpulan
1. Sebelum melakukan penelitian, diperlukan sampling agar penelitian dapat
berjalan dengan lancar dan cepat. Untuk mendapatkan sampel yang diambil
dari populasi banyak sekali peluang terjadinya kombinasi-kombinasi sampel
yang akan diteliti. Maka para peneliti perlu tahu berapa banyak sampel yang
mungkin diambil dari populasi tersebut.
2. Prosedur sampling berfokus pada pengumpulan sebagian kecil anggota
(sampel) dari populasi yang lebih besar. Dimana sampel tersebut kemudian
digunakan untuk memperkirakan karakteristik dari seluruh populasi
3. Distribusi Penarikan Sampel = Distribusi Sampling
 o Jumlah Sampel Acak yang dapat ditarik dari suatu populasi adalah sangat
banyak.
o Nilai setiap Statistik Sampel akan bervariasi/beragam antar sampel.
o Suatu statistik dapat dianggap sebagai peubah acak yang besarnya sangat
tergantung dari sampel yang kita ambil.
o Karena statistik sampel adalah peubah acak maka ia mempunyai distribusi
yang kita sebut sebagai : Distribusi peluang statistik sampel = Distribusi
Sampling = Distribusi Penarikan Sampel
B. Saran
Sekaitan uraian tersebut di atas, penulis menyarankan agar para peneliti
memperhatikan teknik-teknik pengambilan sampel sehingga menghasilkan data
yang akurat.
Penulis juga mengharapkan kritik dan saran dalam penulisan masalah dikemudian
hari.

DAFTAR PUSTAKA

http://www.statsdata.my.id/2015/02/distribusi-sampling-i.html

http://www.academia.edu/5503798/distribusi-sampling

http://www.academia.edu/8213239/distribusi_sampling_rata-rata_dan_proporsi

http://www.academia.edu/35892048/probabilitas_distribusi_sampling

https://pdfslide.net/documents/bab-iii-distribusi-sampling.html

https://pdfslide.net/documents/bab-5-distribusi-sampling.html

https://pdfslide.net/documents/bab-8-distribusi-sampling.html

https://slideserve.com/orpah/bab-11-metode-dan-distribusi-sampling
 https://www.rumusstatistik.com/2017/01/distribusi-sampling.html

Dosen Joan Berlin Damanik, S.Si,MM, Materi Pertemuan III Matakuliah Statistik
Penelitian