DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel

)

I. PENDAHULUAN • Bidang Inferensia Statistik membahas generalisasi/penarikan kesimpulan dan prediksi/ peramalan. Generalisasi dan prediksi tersebut melibatkan sampel/contoh, sangat jarang menyangkut populasi. • Sensus = pendataan setiap anggota populasi • Sampling = pendataan sebagian anggota populasi = penarikan contoh = pengambilan sampel • Pekerjaan yang melibatkan populasi tidak digunakan, karena: 1. mahal dari segi biaya dan waktu yang panjang 2. populasi akan menjadi rusak atau habis jika disensus misal : dari populasi donat ingin diketahui rasanya, jika semua donat dimakan, dan donat tidak tersisa, tidak ada yang dijual? • Sampel yang baik → Sampel yang representatif Besaran/ciri sampel (Statistik Sampel) memberikan gambaran yang tepat mengenai besaran ukuran populasi (Parameter Populasi)

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? perhatikan tabel berikut: Ukuran/Ciri Rata-Rata Selisih 2 Rata-rata
Standar Deviasi Simpangan Baku Varians = Ragam Proporsi Selisih 2 proporsi

Parameter Populasi µ : (myu)

Statistik Sampel
x : (x bar)

µ1 − µ2
mutlak) = σ : (sigma)

:

(nilai

x1 − x 2 mutlak) S s² $ p atau p

:

(nilai

σ² π : (phi atau p)

π1 − π2 :(nilai mutlak
)

p1 − p2 : (nilai mutlak)

catatan : pada Nilai Mutlak, nilai negatif diabaikan misal : n ⏐3 - 7 ⏐= ⏐-4 ⏐ = 4
Distribusi Sampling / thomas yuni gunarto / hal 1 dari 11

keacakannya (randomness) 2. 2. • BEBERAPA TEKNIK PENARIKAN SAMPEL : 1. 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.Sampel yg baik diperoleh dengan memperhatikan hal-hal berikut : 1. 3. Dari setiap kelas diambil sampel secara acak. Anggota dalam suatu kelas akan (cenderung) sama (homogen). ukuran 3. maka : Anggota populasi ke-27 menjadi anggota ke-2 dalam sampel Anggota populasi ke-47 menjadi anggota ke-3 dalam sampel. Contoh : Dari 1500 penumpang KA (setiap kelas memiliki ukuran yang sama) akan diambil 150 orang sebagai sampel. Penarikan Sampel Acak Sederhana (Simple Randomized Sampling) Pengacakan dapat dilakukan dengan : undian. tabel bilangan acak. dst. Penarikan Sampel Gerombol/Kelompok (Cluster Sampling) Populasi juga terdiri dari beberapa kelas/kelompok Sampel yang diambil berupa kelompok bukan individu anggota Perhatikan !!!! Distribusi Sampling / thomas yuni gunarto / hal 2 dari 11 . program komputer. Penarikan Sampel Acak Berlapis (Stratified Random Sampling) Populasi terdiri dari beberapa kelas/kelompok. 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 sampel acak dapat diambil dari : Kelas Eksekutif : 50 orang Kelas Bisnis : 50 orang Kelas Ekonomi : 50 orang 4. dilakukan pendataan tentang tingkat kepuasan. Perhatikan !!!! Antar Kelas bersifat (cenderung) berbeda nyata (heterogen).

5. Penarikan sampel tanpa pemulihan/tanpa pengembalian anggota sampel tidak dikembalikan ke dalam ruang sampel Penarikan sampel dengan pemulihan : bila setelah didata. • 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 ) Distribusi Sampling / thomas yuni gunarto / hal 3 dari 11 . misalnya terpilih. Sampel Besar jika ukuran sampel (n) ≥ 30 2. Contoh : Terdapat 40 kelas untuk tingkat II Jurusan Ekonomi-GD. dapat dilakukan dengan memilih secara acak KOTAMADYA tempat pengambilan sampel. Dari 40 kelas. pembahasan akan • Penarikan Sampel Acak dapat dilakukan dengan 2 cara 1. Pengelompokan ditentukan oleh letak geografis atau administratif. • Berdasarkan Ukurannya.. 2. Kodya Bogor.. • Suatu statistik dapat dianggap sebagai peubah acak yang besarnya sangat tergantung dari sampel yang kita ambil. DISTRIBUSI PENARIKAN SAMPEL ( DISTRIBUSI SAMPLING) • Jumlah Sampel Acak yang dapat ditarik dari suatu populasi adalah sangat banyak. anggota sampel dikembalikan ke dalam ruang sampel. Jika suatu penelitian dilakukan pada populasi tersebut dan sampel yang diperlukan = 600 orang. menyangkut Penarikan Sampel Acak.. Ekonomi-UGD = 40 × 100 = 4000.Antar Kelas bersifat (cenderung) sama (homogen). Selanjutnya. Populasi mahasiswa kelas 2. ambil secara acak 6 kelas. Anggota dalam suatu kelas akan (cenderung) berbeda (heterogen). : setelah didata. Contoh : Pengambilan sampel di daerah JAWA BARAT. Penarikan Sampel Area (Area Sampling) Prinsipnya sama dengan Cluster Sampling. Sampel Kecil jika ukuran sampel (n) < 30 II. • Nilai setiap Statistik Sampel akan bervariasi/beragam antar sampel. setiap kelas terdiri dari 100 orang. Sampel acak menjadi dasar penarikan sampel lain. dilakukan pendataan mengenai lama waktu belajar per hari maka sampel dapat diambil dari 6 kelas. Sukabumi dan Bandung. maka sampel dibedakan menjadi : 1.

1. Distribusi Rata-rata akan mendekati distribusi Normal dengan : x−µ σ N −n µx =µ dan σ x = dan nilai z = N −n n N −1 (σ / n ) N −1 • N −n disebut sebagai FAKTOR KOREKSI populasi terhingga.1.1 JIKA ……. simpangan baku = σ MAKA……… Distribusi Rata-rata akan mendekati distribusi Normal dengan : µx =µ dan σ x = σ n dan nilai z = x−µ σ n DALIL . simpangan baku = σ MAKA………. DISTRIBUSI SAMPLING RATA-RATA Beberapa notasi : n : ukuran sampel x : rata-rata sampel s : standar deviasi sampel µx σx N µ σ : ukuran populasi : rata-rata populasi : standar deviasi populasi : rata-rata antar semua sampel : standar deviasi antar semua sampel = standard error = galat baku II.1.Distribusi Sampling Rata Rata Sampel Besar DALIL .2 JIKA …….II. N −1 Distribusi Sampling / thomas yuni gunarto / hal 4 dari 11 . Sampel: berukuran = n ≥ 30 rata-rata = x ⎫ ⎬ diambil TANPA PEMULIHAN dari ⎭ ⎧ Populasi berukuran = N ⎨ Terdistribusi NORMAL ⎩ Rata-rata = µ . Sampel: berukuran = n ≥ 30 rata-rata = x ⎫ ⎬ diambil DENGAN PEMULIHAN dari ⎭ ⎧ Populasi berukuran = N ⎨ Terdistribusi NORMAL ⎩ Rata-rata = µ .

hal ini mengantar kita pada dalil ke-3 yaitu : FK akan mendekati 1 → N −1 DALIL LIMIT PUSAT = DALIL BATAS TENGAH ( THE CENTRAL LIMIT THEOREM ) DALIL . 2.1: Distribusi Sampling / thomas yuni gunarto / hal 5 dari 11 .• Faktor Koreksi (FK) akan menjadi penting jika sampel berukuran n diambil dari populasi berukuran N yang terhingga/ terbatas besarnya • Jika sampel berukuran n diambil dari populasi berukuran N yang sangat besar maka N −n ≈ 1 . Distribusi Rata-rata akan mendekati distribusi Normal dengan : µx =µ dan σ x = σ n dan nilai z = x−µ σ n • Dalil Limit Pusat berlaku untuk : 1.3 : DALIL LIMIT PUSAT JIKA…. distribusi populasi tidak dipersoalkan • Beberapa buku mencatat hal berikut : Populasi dianggap BESAR jika ukuran sampel n < 5% KURANG DARI 5 % ukuran populasi atau N Dalam pengerjaan soal DISTRIBUSI SAMPLING RATA-RATA perhatikan asumsi-asumsi dalam soal sehingga anda dapat dengan mudah dan tepat menggunakan dalil-dalil tersebut! CONTOH . penarikan sampel dari populasi yang sangat besar. Sampel: ⎫ berukuran = n ⎬ diambil dari rata-rata = x ⎭ ⎧ Populasi berukuran = N yang BESAR ⎨ distribusi : SEMBARANG ⎩ Rata-rata = µ . simpangan baku = σ MAKA…….

Diselesaikan dengan DALIL 3 → karena POPULASI SANGAT BESAR µ x = µ = 250 N = 100 000 000 σ = 15 n = 25 P( x > 255) = P(z > ?) a.0 25 5 Distribusi Sampling / thomas yuni gunarto / hal 6 dari 11 . standard error atau galat baku sampel tersebut? b. Jadi P( x < 253) = P(z < 2. 100 10 z= 253 − 250 3 = = 2. Jika setiap hari diambil 100 gelas AKUA sebagai sampel acak DENGAN PEMULIHAN.9772 b. standard error atau galat baku sampel GALAT BAKU = σ x = σ n = 15 15 = = 3. Standar Error atau Galat Baku Sampel GALAT BAKU = σ x = σ = 15 n = 100 σ n = 15 15 = = 15 . hitunglah : a.0) = 0. SOAL 1.0 15 . hitunglah : a.4772 = 0. standard error atau galat baku sampel tersebut? b. Perusahaan ini menyatakan bahwa rata-rata isi segelas AKUA adalah 250 ml dengan standar deviasi = 15 ml. Peluang rata-rata sampel akan berisi kurang dari 253 ml adalah 97. peluang rata-rata sampel akan berisi kurang dari 253 ml? SOAL 2.72 % SOAL 2. Rata-rata populasi dianggap menyebar normal. 15 . Jika sampel diperkecil menjadi 25 gelas.PT AKUA sebuah perusahaan air mineral rata-rata setiap hari memproduksi 100 juta gelas air mineral.5 + 0. peluang rata-rata sampel akan berisi lebih dari 255 ml? JAWAB : SOAL 1 : Diselesaikan dengan DALIL 1 → karena PEMULIHAN Diselesaikan dengan DALIL 3 → karena POPULASI SANGAT BESAR µ x = µ = 250 N = 100 000 000 P( x < 253) = P(z < ?) a.

4952 = 0.0.4525 = 0. 499 GALAT BAKU n 160 − 165 z= = −2.S..59) = 0. 36 P( x < 160) = P(z < -2. σx = σ x FK = 12 × 0.2% > 5% → Dalil Limit Pusat tidak dapat digunakan N 500 P( x < 160) = P(z < ?) FK = N −n 500 − 36 = = N −1 500 − 1 464 = 0.929..964. Jadi … peluang rata-rata sampel akan berisi lebih dari 255 ml adalah 4...67) = 0.928.964.2..0475 b.. Gosset).1. galat baku sampel? b.. 1. jadi … peluang sampel akan memiliki rata-rata tinggi badan kurang dari 160 cm adalah 0..0 Jadi P( x > 255 ) = P(z > 1. = 0. hal 177 Distribusi Sampling / thomas yuni gunarto / hal 7 dari 11 .0 3.2 : Dari 500 mahasiswa FE-GD diketahui rata-rata tinggi badan = 165 cm dengan standar deviasi = 12 cm. = 2 x 0.67 3..5 .59. Jika penarikan sampel dilakukan TANPA PEMULIHAN dan rata-rata tinggi mahasiswa diasumsikan menyebar normal.75 % CONTOH . = 1.48% II.. diambil 36 orang sebagai sampel acak. Distribusi Sampling Rata-rata Sampel Kecil DISTRIBUSI . peluang sampel akan memiliki rata-rata tinggi badan kurang dari 160 cm? JAWAB : Diselesaikan dengan DALIL 2 → TANPA PEMULIHAN µ x = µ = 165 N = 500 σ = 12 n = 36 n 36 Catatan = = 0.0.z= 255 − 250 5 = = 1.0048 b. • Lihat Buku Statistika-2..t • Distribusi Sampling didekati dengan distribusi t Student = distribusi t (W.072 = 7....964.928. hitunglah : a.5 .

0. Nilai t tabel menjadi batas selang pengujian Lalukan pembandingan nilai t tabel dengan nilai t hitung.Distribusi-t pada prinsipnya adalah pendekatan distribusi sampel kecil dengan distribusi normal.306 0 2.5%) . 0.05 (5%) . n : ukuran sampel. 0.306 Jadi t = 2. Nilai t hitung untuk kasus distribusi rata-rata sampel kecil didapat dengan menggunakan DALIL 4 • Pembacaan Tabel Distribusi-t Misalkan n = 9 → db = 8. 0. Nilai α ditentukan = 2.5% di kiri dan kanan kurva t tabel (db. derajat bebas (db) 2.005(0.025) = 2.306 2.1. Dua hal yang perlu diperhatikan dalam Tabel t adalah 1. α) = t tabel(8.5% 95 % 2.306 dan -t = -2.306 Distribusi Sampling / thomas yuni gunarto / hal 8 dari 11 .01 (1%) .5%) Nilai α terbatas karena banyak kombinasi db yang harus disusun! • Kelak Distribusi t akan kita gunakan dalam PENGUJIAN HIPOTESIS Nilai α ditentukan terlebih dahulu Lalu nilai t tabel ditentukan dengan menggunakan nilai α dan db.5% -2. 0. nilai α • Derajat bebas (db) = degree of freedom = v = n . • Nilai α adalah luas daerah kurva di kanan nilai t atau luas daerah kurva di kiri nilai –t • Nilai α → 0.025(2.1 (10%) .

80 n=9 x = 1.306. berpeluang 95% jatuh dalam selang -2.4 JIKA… Sampel: ⎫ ukuran KECIL n < 30 ⎬ diambil dari rata-rata = x simp.306 = 2.80 mg.24 mg.025 n = 9 → db = n . karenanya nilai σ diduga dari nilai simpangan baku sampel (s) DALIL .95 s = 0. baku = s ⎭ ⎧ Populasi berukuran = N ⎨ terdistribusi : NORMAL ⎩ Rata-rata = µ MAKA….025) = 2. data tersebar normal.5 % di kiri t dan 2.Arti Gambar di atas : nilai t sampel berukuran n = 9.5 % = 0.1 = 8 t tabel (db.5 % Coba cari nilai t tabel untuk beberapa nilai db dan α yang lain! • Perbedaan Tabel z dan Tabel t Tabel z → nilai z menentukan nilai α Tabel t → nilai α dan db menentukan nilai t • Dalam banyak kasus nilai simpangan baku populasi (σ) tidak diketahui. 0.5% di kanan t α = 2.5 % dan Peluang t < -2.306 Jadi 95 % berada dalam selang -2. 2. Yayasan Konsumen melakukan pengujian nikotin terhadap 9 batang rokok dan diketahui rata-rata sampel = 1.306 = 2.306 < t < 2. α) = t tabel (8.306 < t < 2. Apakah hasil penelitian Yayasan Konsumen mendukung pernyataan Manajemen PT BETUL? Jawab : 95 % berada dalam selang → berarti 5 % berada di luar selang.24 Distribusi Sampling / thomas yuni gunarto / hal 9 dari 11 . Distribusi Rata-rata akan mendekati distribusi-t dengan : µx =µ s dan σ x = n dan nilai t= x−µ s n pada derajat bebas = n-1 dan suatu nilai α Contoh 3 : Manajemen PT BETUL menyatakan bahwa 95% rokok produksinya rata-rata mengandung nikotin 1.306 Nilai t-hitung = ? µ = 1.95 mg nikotin dengan standar deviasi = 0. Peluang t >2.

875 berada dalam selang -2. x−µ 195 − 180 015 . Dua (2) Sampel ⎫ berukuran n1 dan n2 ⎬ diambil dari rata-rata = x1 dan x2 ⎭ ⎧ Dua (2) Populasi berukuran BESAR ⎨ Rata-rata µ1 dan µ2 ⎩ Ragam σ12 dan σ 2 2 MAKA…. diasumsikan kedua populasi berukuran besar Jika diambil 100 mahasiswa Eropa dan 100 mahasiswa Asia sebagai sampel. = = 1875 =t= 0. Distribusi Rata-rata akan mendekati distribusi Normal dengan : µx − x = µ1 − µ2 1 2 dan standard error = σx − x = 1 2 σ12 σ22 n1 + n2 dan nilai z z= x1 − x2 − µ1 − µ2 σ12 σ22 n1 + n2 • Beda atau selisih 2 rata-rata = µ1 − µ2 → ambil nilai mutlaknya! • Melibatkan 2 populasi yang BERBEDA dan SALING BEBAS • Sampel-sampel yang diambil dalam banyak kasus (atau jika dilihat secara akumulatif) adalah sampel BESAR Contoh 4: Diketahui rata-rata IQ mahasiswa Eropa = 125 dengan ragam = 119 sedangkan rata-rata IQ mahasiswa Asia = 128 dengan ragam 181.Distribusi Sampling Bagi Beda 2 Rata Rata DALIL .306 < t < 2. berapa peluang terdapat perbedaan IQ kedua kelompok akan kurang dari 2? Distribusi Sampling / thomas yuni gunarto / hal 10 dari 11 . II. .t= . .306 jadi hasil penelitian Yayasan Konsumen masih sesuai dengan pernyataan manajemen PT BETUL.1.5 JIKA….24 9 Nilai t hitung = 1.3.08 s n 0.

= −0577. ≈ −058 = 119 181 3 + 100 100 P(z<-0.0.. Asia) 128 181 Beda 2 Rata-rata = µx − x = µ1 − µ2 1 2 = 125 − 128 = − 3 = 3 Sampel : n1 = 100 P( n2 = 100 x 1 − x2 <2 ) = P ( z < ?) x1 − x2 − µ1 − µ2 z= σ12 σ22 n1 + n2 = 2−3 −1 .2810 JADI peluang terdapat perbedaan IQ kedua kelompok akan kurang dari 2 adalah 28. .Jawab : Populasi Parameter Rata-rata (µ) Ragam (σ²) populasi ke-1 (Mhs. Eropa) 125 119 populasi ke-2 (Mhs.5 .58) = 0.1 %..2190 = 0. @ Distribusi Sampling / thomas yuni gunarto / hal 11 dari 11 .

Sign up to vote on this title
UsefulNot useful