STATISTIKA INDUSTRI

DISTRIBUSI SAMPLING

LUTFIA SEPTININGRUM
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS REKAYASA INDUSTRI
2020
SASARAN PEMBELAJARAN

1. Mampu memahami Teknik sampling

2. Mampu menghitung distribusi sampling
rataan, proporsi dan variansi
BAB 4
DISTRIBUSI SAMPLING

4.1 Distribusi Sampling

4.2 Distribusi Sampling Rataan
4.2.1 Konsep Distribusi Sampling
Rataan
4.2.2 Teorema Limit Pusat
4.3 Distribusi Sampling proporsi
4.4 Distribusi Sampling Variansi
3
4.1 Distribusi Sampling

PENDAHULUAN
Distribusi sampling merupakan distribusi probabilitas suatu
statistik berdasarkan semua kemungkinan sampel dengan
karakteristik statistik yang berbeda-beda. Selanjutnya nilai
statistik dari sampel yang dipelajari akan dijadikan sebagai
penduga dari parameter populasinya.
Oleh karena itu distribusi sampling dikatakan sebagai dasar dari statistika
inferensia. Salah satu dalil terpenting dalam distribusi sampling adalah dalil batas
tengah atau dalil/teori limit pusat yang dalam Bahasa Inggris dikenal sebagai
Central Limit Theorem (CLT) di mana DISTRIBUSI NORMAL merupakan
pemahaman dasarnya.
DISTRIBUSI NORMAL

APA ITU “noRmAL” ?

APAKAH “NORMAL” ?
APAKAH “NORMAL” ?

… relatif
APAKAH “NORMAL” ?
“NORMAL” gender Perempuan vs Laki-laki
Pengertian istilah “NORMAL”
Menurut aturan atau menurut pola yg umum;
sesuai dan tidak menyimpang dari suatu norma
atau kaidah; sesuai dengan keadaan yg biasa; tanpa
cacat; tidak ada kelainan.

Menurut norma, aturan, atau prinsip didirikan;

sesuai dengan jenis, standar, atau bentuk biasa;
melakukan fungsi yang tepat.
PENGENALAN DISTRIBUSI NORMAL

Merupakan distribusi probabilitas kontinyu (pdf) yang sangat penting

dalam ilmu statistik digunakan untuk memecahkan suatu persoalan.
Grafiknya disebut kurva normal berbentuk lonceng yang
menggambarkan gejala dari pengamatan cukup baik.

Distribusi Normal sering disebut Distribusi Gauss, menghormati Karl Friedrics Gauss
(1977-1855) penemu bentuk persamaan normal. Distribusi Normal variatnya bersifat
kontinyu memiliki persamaan umum yang dapat membentuk sebuah kurva normal
sebagai berikut:

Fungsi variabel acak X mempunyai fungsi

1  x− 
2

densitas pada X=x dengan mean µ dan 1 −  

variansi 2 dengan persamaan kurva f ( x) = n( x;  ,  ) = e 2  

normal:  2

Di mana x = ,  x =  ,  = 3.1416 dan e = 2.7183 dengan – < x < 

Sifat-sifat Distribusi Normal

1) Grafiknya selalu ada di atas sumbu

x atau f(x) > 0.

2) Bentuk simetris terhadap garis
tegak x = 
3) Mempunyai satu modus, kurva µ x
unimodal pada posisi: x = 
Mean = Median = Modus

Normalitas A lebih baik dari B leptokurtik

A
a a ≠ 2
platikurtik
B b

µ a= µ b x
Sifat-sifat Distribusi Normal

4) Grafik bersimultan sepanjang sumbu x dan tidak akan pernah memotong

(asimtot) dimulai dari: x =  + 3  ke kanan dan x =  – 3  ke kiri.

5) Luas daerah di bawah kurva f(x) dan di atas sumbu x selalu sama dengan satu
unit persegi, yaitu P( −   x   ) = 1. Oleh karena itu, karena kurvanya
simetrik garis tegak x = , maka luas dari garis tegak pada titik nol ke kiri
ataupun ke kanan adalah 0.5.
Fenomena Distribusi Normal

• Sekitar 68.27% dari kasus ada dalam daerah satu simpangan baku:
(x =  + 1 ke kanan dan x =  – 1 ke kiri).
• Sekitar 95.45% dari kasus ada dalam daerah dua simpangan baku:
(x =  + 2  ke kanan dan x =  – 2 ke kiri).
• Sekitar 99.73% dari kasus ada dalam daerah tiga simpangan baku:
(x =  + 3  ke kanan dan x =  – 3 ke kiri).
Tranformasi ke Normal Standar

Mencari probabilitas distribusi normal P(a < X < b) dilakukan dengan melakukan
transformasi nilai-nilai X menjadi nilai-nilai z atau angka baku Z : P (za < Z < zb).
P(a < X < b) → P (za < Z < zb).

Angka Baku Z. Seperti halnya dalam sampel definisinya adalah

ukuran penyimpangan data dari populasi. X −
Z=
Untuk:  x =  ,  x =  , formulasi angka baku atau z skor: 
Bilangan z dapat bernilai 0, (+) dan (-) yang artinya:
Jika z = 0, maka data bernilai sama dengan rata-rata populasi
Jika z = (+), maka data bernilai di atas rata-rata populasi
Jika z = (–), maka data bernilai di bawah rata-rata populasi
Tranformasi ke Normal Standar

X ~ N (,2) → Z ~ N (0, 1)

Distribusi Normal Umum X − Distribusi Normal Standar

Z=

1  x− 
2

1 −   1 − 12 Z 2
f ( x) = e 2   f ( z) = e
 2 2

Normal “Umum” Normal “Standar”

X −
Z=


µ+3 µ+2 µ+ µ µ+ µ+2 µ+3 X −3 −2 −1 0 1 2 3 Z

µ≠0 µ=0
≠1 =1
Probabilitas Distribusi Normal Baku
dengan Tabel.

Untuk penggunaan praktis telah disediakan Tabel Distribusi Normal Standar

Z ~ N (0, 1) selanjutnya disingkat Tabel Z.

Ada 2 macam Tabel Z yaitu :

1. Luas [1] 2. Luas [0.5].

Table entry
0<Z<
Table entry
− < Z < 

−  − 0 
z z
Tabel Normal [1] dari Walpole
Cara mencari bagian-bagian
Luas dari Tabel z:

1. Siapkan Tabel Z, misalnya dengan

luas di bawah kurva [1]. Table entry
− < Z < 

− 
z
2. Hitung z sd. 2 desimal, misalnya:
P(Z < 1.96)=?
3. Lukis kurvanya, letakan harga z
pada sumbu x, tarik garis vertikal P(Z < 1.96)=?
hingga memotong kurva.
4. Luas yang tertera dalam daftar 0
1.96
z
adalah luas daerah sampai dengan
garis vertikal di titik z = 1.96.
Cara mencari bagian-bagian
Luas dari Tabel z:

5. Lihat tabel, cari harga z di kolom paling

kiri (hanya sd. 1 desimal = 1.9)
kemudian cari pada baris paling atas
untuk desimal keduanya = .06.
6. Dari z kolom kiri maju ke kanan dan
dari z di baris atas turun ke bawah,
maka diperoleh bilangan yang
merupakan luas yang dicari = 0.9750.
Jadi P(Z<1.96) = 0.9750. Bilangan yang
didapat ditulis dalam bentuk 0.xxxx
(4 desimal). 0.9750

0 z
1.96
LATIHAN 4.1
Mencari Probabilitas atau Luas Kurva Normal P(Z) dan Nilai Z
a. Mencari probabilitas atau luas area kurva normal P(Z)
1. Temukan probabilitas atau luas area di sebelah kiri Z = 1.98 ?
2. Temukan probabilitas atau luas area di sebelah kanan Z = –1.98 ?
3. Temukan probabilitas atau luas area antara Z = –1.98 dan Z = 1.98?
LATIHAN 4.1
Mencari Probabilitas atau Luas Kurva Normal P(Z) dan Nilai Z
a. Mencari probabilitas atau luas area kurva normal P(Z)
1. Temukan probabilitas atau luas area di sebelah kiri Z = 1.98 ?
2. Temukan probabilitas atau luas area di sebelah kanan Z = –1.98 ?
3. Temukan probabilitas atau luas area antara Z = –1.98 dan Z = 1.98?
SOLUSI:
1. P(Z < 1.98)?
Langkan 1: Gambarkan kurvanya!
Langkah 2: Cari luas area di bawah kurva normal
standar di sebelah kiri Z = 1.98
dengan menggunakan Tabel Z [1].
Diperoleh nilai 0.9761 atau: P(Z < 1.98)=?

P(Z < 1.98) = 0.9761.

Langka 3: Kesimpulan: Probabilitas kurang dari Z 0 z
1.98
= 1.98 sebesar 97.61%.
a. Mencari probabilitas atau luas area kurva normal P(Z)
1. Temukan probabilitas atau luas area di sebelah kiri Z = 1.98 ?
2. Temukan probabilitas atau luas area di sebelah kanan Z = –1.98 ?
3. Temukan probabilitas atau luas area antara Z = –1.98 dan Z = 1.98?
 a. Mencari probabilitas atau luas area kurva normal P(Z)
1. Temukan probabilitas atau luas area di sebelah kiri Z = 1.98 ?
2. Temukan probabilitas atau luas area di sebelah kanan Z = –1.98 ?
3. Temukan probabilitas atau luas area antara Z = –1.98 dan Z = 1.98?

SOLUSI:
2. P(Z > –1.98)?
Langkan 1: Gambarkan kurvanya!
Langkah 2: Cari luas area di bawah kurva normal standar di
sebelah kanan Z = –1.98 dengan menggunakan Tabel
Z [1], diperoleh nilai 0.0239. Kemudian kurangkan 1 P(Z > −1.98)=?
dengan 0.0239 atau :
P(Z> –1.980) = 1 – P(Z<–1.980)
0
= 1 – 0.0239 = 0.9761. −1.98
z

Langkah 3: Kesimpulan: Probabilitas lebih dari Z = –1.98 sebesar

97.61%.
 a. Mencari probabilitas atau luas area kurva normal P(Z)
1. Temukan probabilitas atau luas area di sebelah kiri Z = 1.98 ?
2. Temukan probabilitas atau luas area di sebelah kanan Z = –1.98 ?
3. Temukan probabilitas atau luas area antara Z = –1.98 dan Z = 1.98?

SOLUSI:
3. P(–1.98 <Z < 1.98)?
P(−1.98 < Z < 1.98)=?
Langkan 1: Gambarkan kurvanya!
Langkah 2: Cari luas area di bawah kurva normal standar di sebelah
kanan z1 = –1.98 dan sebelah kiri z2 = 1.98 dengan
menggunakan Tabel Z [1], diperoleh nilai 0.0239 untuk
z1 dan 0.9761 untuk z2. Kemudian 0.9761 dengan
0.0239 :
P(Z<z2) –P(Z<z1) = 0.9761–0.0239 = 0.9522 −1.98
0 z
1.98
Langkah 3: Kesimpulan: Probabilitas antara Z = –1.98 dan Z = 1.98
sebesar 95.22%.
b. Mencari nilai Z
1. Temukan nilai z0, sehingga probabilitas P(Z<z0) = 0.9761?
2. Temukan nilai z0,sehingga probabilitas P(Z>z0) = 0.9761?
3. Temukan nilai z1 dan z2 sehingga probabilitas P(z0<Z<z1) = 0.9522 areanya
berada di tengah?
SOLUSI:
1. P(Z<z0) = 0.9761?
Langkan 1: Gambarkan kurvanya!
Langkah 2: Cari luas P(Z<z0) = 0.9671 pada Tabel Z [1].
Kemudian temukan nilai z nya disebelah kiri
[1.9] dan atasnya [.08] sehingga z0 = 1.98 :
P(Z<1.98) = 0.9761
Langkah 3: Kesimpulan: Nilai z0 = 1.98. 0.9761

0 z
z0?
b. Mencari nilai Z
1. Temukan nilai z0, sehingga probabilitas P(Z<z0) = 0.9761?
2. Temukan nilai z0,sehingga probabilitas P(Z>z0) = 0.9761?
3. Temukan nilai z1 dan z2 sehingga probabilitas P(z0<Z<z1) = 0.9522 areanya berada
di tengah?
SOLUSI:
2. P(Z>z0) = 0.9761?
Langkan 1: Gambarkan kurvanya!
Langkah 2: Cari terlebih dahulu luas P(Z<z0) yaitu
mengurangkan 1 dengan 0.9671:
P(Z<z0) = 1 – P(Z>z0) = 1 – 0.9671 =
0.0239
0.9761
Kemudian pada Tabel Z [1], temukan nilai z
nya disebelah kiri [–1.9] dan atasnya [.08]
sehingga z0 = –1.98.
0 z
P(Z> – 1.98) = 0.9761 Z0=?

Langkah 3: Kesimpulan: Nilai z0 = –1.98.

 b. Mencari nilai Z
1. Temukan nilai z0, sehingga probabilitas P(Z<z0) = 0.9761?
2. Temukan nilai z0,sehingga probabilitas P(Z>z0) = 0.9761?
3. Temukan nilai z1 dan z2 sehingga probabilitas P(z1<Z<z2) = 0.9522 areanya
berada di tengah?
SOLUSI: Kedua: Cari luas P(Z<z2) dengan
3. P(z1<Z<z2) = 0.9522? menambahkan 0.5 dengan 0.4761:
Langkan 1: Gambarkan kurvanya! P(Z<z2) = 0.5 + 0.4761 = 0.9761
Langkah 2: Karena luas arenya berada di tengah-tengah, maka Kemudian pada Tabel Z [1], temukan
luas P(z1<Z<z2) = 0.9522 harus dibagi 2 sehingga nilai z nya disebelah kiri [1.9] dan
diperoleh luas di sebelah kiri dan kanan Z = 0 sebesar atasnya [.08] sehingga z1 = 1.98.
0.4761. Selanjutnya: Langkah 3: Kesimpulan: Nilai z1 = – 1.98 dan z2
Pertama: Cari luas P(Z<z1) dengan mengurangkan 0.5 dengan = 1.98.
0.4761: P(−z1 < Z < z0)=0.9522
P(Z<z1) = 0.5 – 0.4761 = 0.0239
Kemudian pada Tabel Z [1], temukan nilai z nya
disebelah kiri [–1.9] dan atasnya [.08] sehingga z1 = –
1.98.

0 z
−z1=? z2=?
PENERAPAN
DISTRIBUSI NORMAL
Distribusi Normal dapat diterapkan dalam menangani banyak persoalan, seperti
dalam model pengukuran industri, bisnis, dsb. Mengukur rataan life time baterai,
lampu, ban mobil, televisi ataupun biaya perawatan rutin kendaraan .
LATIHAN 4.2
Penerapan Distribusi Normal

Misalkan baterai Li-Ion 1100 mAh memiliki mean

talk time 100 menit berdistribusi normal dengan
simpangan baku 5 menit.
Carilah probabilitas SUATU baterai yang diambil
akan berumur:
1. Kurang dari 95 menit?
2. Lebih dari 105 menit?
3. Antara 95 dan 100 menit?
Misalkan baterai Li-Ion 1100 mAh memiliki mean
talk time 100 menit berdistribusi normal dengan
simpangan baku 5 menit.
Carilah probabilitas SUATU baterai yang diambil
akan berumur:
1. Kurang dari 95 menit?
2. Lebih dari 105 menit?
3. Antara 95 dan 100 menit?

SOLUSI:
1. P(X < 95)= ? Cari luas area di bawah kurva normal standar di
Langkan 1: Gambarkan kurvanya! sebelah kiri Z = –1 dengan menggunakan Tabel Z
[1], diperoleh nilai 0.1587.
Langkah 2: Hitung nilai Z untuk X = 95 dan µ =
100 dan  = 5: P(X<95) = P(Z<–1) = 0.1587
X − 95 − 100 Langkah 3: Kesimpulan: Probabilitas talk time
Z= = = −1 SUATU baterai kurang dari 95 menit
 5 sebesar 15.87%.
 1. Kurang dari 95 menit?
2. Lebih dari 105 menit?
3. Antara 95 dan 100 menit?

SOLUSI:
2. P(X > 105)= ?
Langkan 1: Gambarkan kurvanya!
Langkah 2: Hitung nilai Z untuk X = 95 dan µ = 100
dan  = 5:
𝑋 − 𝜇 105 − 100
𝑍= = =1
𝜎 5
Cari luas area di bawah kurva normal standar di sebelah
kiri Z = 1 dengan menggunakan Tabel Z [1] diperoleh
0.8413. Kemudian kurangkan 1 dengan 0.8413 sehingga
diperoleh luas disebelah kanan Z =1 sebesar 0.1587:
P(Z>1) = 1 – P(Z<1) = 1 – 0.8413 = 0.1587 Langkah 3: Kesimpulan: Probabilitas talk time SUATU
baterai lebih dari 95 menit sebesar 15.87%.
 1. Kurang dari 95 menit?
2. Lebih dari 105 menit?
3. Antara 95 dan 100 menit?

SOLUSI:
3. P(95< X < 105)= ?
Langkan 1: Gambarkan kurvanya!
Langkah 2: Pertama, hitung nilai z1 untuk X1 = 95 dan µ =
100 dan  = 5:
Cari luas area di bawah kurva normal standar di
X1 −  95 − 100 sebelah kiri Z = 1 dengan menggunakan Tabel Z
z1 = = = −1 [1], diperoleh nilai 0.8413:
 5
Cari luas area di bawah kurva normal standar di sebelah kiri P(z2<1) = 0.8413
Z = –1 dengan menggunakan Tabel Z [1], diperoleh nilai
Ketiga, kurangkan luas z2 dengan z1:
0.1587:
P(95 < X < 100) = P(–1 < Z < 1)
P(z1<–1) = 0.1587 = P(z2<1) – P(z1<–1)
Kedua, hitung nilai z2 untuk X2 = 105 : = 0.8413 – 0. 1587 = 0.6826
X2 −  105 − 100 Langkah 3: Kesimpulan: Probabilitas talk time
z2 = = =1 SUATU baterai antara 95 dan 100 menit
 5
sebesar 68.26%.
Kuis 4.1 |Diskusi Kelompok

Aplikasi Dist.
Normal
Bagaimana Memahami Distribusi Sampling?

Mengidentifikasi Apa yang Apa yang Bagaimana

Soal diketahui? ditanyakan? menjawab?

• Tentang apa? • Diketahui: • Rata-rata • Tulis

• Cari kata kunci • 𝜇=⋯ • Proporsi probabilitasnya
• 𝜎=⋯ • Variansi • Gambar
grafiknya
• P=…
Apa yang harus dipahami?

Mean
Simpangan Baku
Proporsi
Varian
Parameter dan Statistik
Walpole (1995, p.22) mendefinisikan parameter dan populasi sebagai berikut:

PARAMETER adalah sembarang nilai STATISTIK adalah sembarang nilai yang

yang menjelaskan ciri populasi. menjelaskan ciri suatu sampel.

Nilai dari statistik di

ketahui setelah dilakukan
Nilai dari parameter sampling, tetapi nilainya
adalah sebuah angka dapat berubah dari sampel
tetap (a fixed number), satu ke sampel lainnya.
tetapi secara praktis Statistik sering digunakan
tidak diketahui nilainya. untuk mengestimasi suatu
parameter yang tidak
diketahui.
 UKURAN SAMPEL DAN POPULASI
Ukuran gejala yang dideskripsikan oleh statistik sebagai ukuran-ukuran sampel untuk
menduga parameternya dapat berupa:

1. Ukuran gejala pusat, yaitu: mean dan modus.

2. Ukuran letak, yaitu: median, kuartil, desil dan persentil.

3. Ukuran penyebaran, yaitu: range, simpangan baku, variasi dan koefisien variasi.

4. Ukuran korelasi, yaitu koefisien korelasi (r dan ρ).

Ukuran-ukuran parameter sudah umum digunakan huruf besar dan simbol-simbol dari
huruf (Yunani), seperti simbol N untuk jumlah populasi, P untuk proporsi,  untuk mean
(rataan populasi),  untuk standar deviasi.

Sementara untuk statistik digunakan huruf kecil, seperti n untuk jumlah sampel, p
untuk proporsi, 𝑥ҧ untuk rataan sampel, dan s untuk standar deviasi.
 VARIANSI DAN SIMPANGAN BAKU

1. Apa itu sampling error ?

Adalah perbedaan antara nilai statistik dengan nilai parameter.

Sampling Error = (𝑥ҧ – μ)

Nilai Error bisa bernilai (+) atau (-). Besar-kecilnya error yang akan
menentukan bersar-kecilnya ukuran sampel.

2. Apa itu rata-rata simpangan?

Hasil pengamatan sebuah sampel berbentuk data x1, x2, x3,, ... xn dengan rata-rata
selanjutnya ditentukan jaraknya tiap data dengan rata-rata-nya: |xi - 𝑥ҧ |.
Jika seluruh jarak dijumlahkan kemudian dibagi n,  xi − x
maka diperoleh Rata-rata Simpangan (RS) atau RS =
Mean Absolute Deviation (MAD): n
Contoh Rata-rata Simpangan:

Diketahui data 8 buah data sampel: 48, 52, 54, 55, 58, 59, 60 dan 62. Hitung
Rata-rata Simpangannya?
 xi − x 30
x = 56 RS = = = 3.75
n 8
Apa itu variansi ? Simpangan Baku?

Ukuran simpangan yang paling banyak digunakan adalah variansi dan simpangan
baku (standar deviasi).
N

1. Ungrouped Data (Populasi)  (x i −  )2

2 = i =1

Apabila sebuah populasi berukuran N meliputi 

hasil pengukuran katakanlah variabel x dengan Atau:
skala minimal interval yaitu x1, x2, x3, ... xN, maka N N
variasi untuk variabel x : N  xi − (  xi ) 2
2

2 = i =1 i =1
Sehingga simpangan bakunya: =  2
N 2

2. Ungrouped Data (Sampel)

n

(x − x) i
2

Apabila sebuah sampel berukuran n meliputi hasil s2 = i =1

pengukuran katakanlah variabel x dengan skala n −1

minimal interval yaitu x1, x2, x3, ... xn, maka variasi Atau:
untuk variabel x : n n
n xi − (  xi )2
2
Sehingga simpangan bakunya: s= s 2
s2 = i =1 i =1
n(n − 1)
PENAMAAN DISTRIBUSI SAMPLING

Larson (2012, p.266) mendefinsikan Distribusi Sampling sebagai berikut:

“DISTRIBUSI SAMPLING adalah distribusi probabilitas dari statistik sampel yang

terbentuk ketika sampel ukuran n berulang kali diambil dari populasi”

Kemudian dari masing-masing sampel yang telah terambil dihitung sehingga diperoleh
suatu statistik tertentu seperti rataan, proporsi, standar deviasi, dsb. sebagai estimator
populasinya. Karena setiap ukuran statistik sampel memiliki sebuah distribusi sampling,
maka penamaan suatu distribusi sampling akan mengikuti nama dari statistik yang
dipelajari.
• Suatu statistik rataan, maka disebut Distribusi Sampling Rataan.
• Suatu statistik proporsi, maka disebut Distribusi Sampling Proporsi
• Suatu statistik variansi, maka disebut Distribusi Sampling Variansi dan sebagainya.
Distribusi Sampling Rataan
Perhatikan Diagram ven rataan sampel berikut ini!

DISTRIBUSI SAMPLING RATAAN adalah distribusi rata-rata aritmetika dari seluruh sampel acak
berukuran n yang mungkin, yang dipilih dari sebuah populasi berukuran N. Dikatakan distribusi sampling rata-
rata karena tujuannya menaksir rata-rata atau mean dari populasi.
Distribusi Sampling Rataan

Ketika semua sampel yang mungkin dengan ukuran n dipilih dengan pengembalian (With Replacement) dari
suatu populasi, distribusi sampling rataan untuk sebuah variabel memiliki 2 sifat penting:

1. Mean dari rataan sampel akan 2. Standar deviasi rataan sampel akan lebih kecil
sama dengan mean populasi. dari standar deviasi dari populasi, dan itu akan
sama dengan standar deviasi populasi dibagi
dengan akar kuadrat dari ukuran sampel.
Distribusi Sampling Rataan
,

Diketahui: Nilai-nilai populasi {1, 3, 5, 7} masing-masing ditulis di secarik kertas dan dimasukkan ke dalam
sebuah kotak. Dua slip kertas dipilih secara acak, dengan pengembalian (WR).
Ditanyakan: a. Carilah mean, varians, dan standar deviasi dari populasi?
b. Gambarkan grafik probabiliy histogram dari nilai populasi?
Jawaban:
a. Carilah mean, varians, dan standar deviasi dari populasi?
x
Mean: ==4
N
( x −  )2
Variance:  =
2
=5
N
Standard Deviation:  = 5  2.236
Distribusi Sampling Rataan

b. Gambarkan grafik probabiliy histogram dari nilai populasi?

Probability Histogram Populasi x

Semua nilai memiliki peluang yang sama untuk
dipilih (distribusi seragam diskrit) dengan k=4,
maka P(X) = 0.25.

46
Distribusi Sampling Rataan
Konsep Distriubsi Sampling Rataan

Distribusi Sampling
Populasi
Rata-rata Tentukan banyaknya (kemungkinan) sampel untuk
N pengambilan 2 slip kertas (n) dipilih secara acak,
Parameter: dengan pengembalian (WR)?
µ, 
Maka banyaknya sampel yang mungkin adalah

Statistik: 𝑁 𝑛 = 42 = 16
WR
Sampel
x1 , x 2 ,..., x N n
Nn
n

x x =
 x = ni n
N

47
Distribusi Sampling Rataan

c. Gambarkan grafik distribusi probablility histrogram dari rataan sampelnya?

Daftar semua 16 sampel berukuran 2 yang Perhatikan:

mungkin dari populasi dan rata-rata masing- Bentuk histogram adalah

lonceng dan simetris, mirip
masing sampel dengan kurva normal

Histogram Distribusi Peluang dari

Rataan Sampel
Distribusi Peluang dari
Rataan Sampel

48
Distribusi Sampling Rataan

d. Carilah mean, varians, dan standar deviasi dari rataan sampel?

Pada solusi a., sudah diperoleh:

x ( x −  )2
Mean: = =4 Variance:  =
2
=5 Standard Deviation:  = 5  2.236
N N

Maka:

σ 𝑥ҧ𝑖 64
• Mean dari rataan sampelnya: 𝜇𝑥ҧ = = =4 (𝜇𝑥ҧ = 𝜇)
𝑁𝑛 16

σ 2
• Variansi dan Standar deviasi (𝑥ҧ 𝑖 − 𝜇) 40 𝜎 2.236
𝜎𝑥ҧ 2 = = = 2.5 Atau: 𝜎𝑥ҧ = = = 1.58 (𝜎 > 𝜎𝑥ҧ )
dari rataan sampelnya: 𝑁𝑛 16 𝑛 2
𝜎𝑥ҧ = 2.5 = 1.58

49
Distribusi Sampling Rataan
Konsep Distriubsi Sampling Rataan

50
Distribusi Sampling Rataan
Ringkasan
Distribusi Sampling Rataan
Central Limit Theorm
Teorema Limit Pusat menjelaskan hubungan antara distribusi sampling rataan sampel dan populasinya.

52
Distribusi Sampling Rataan
Central Limit Theorm
CLT menyatakan:
1. Jika populasi cukup besar dan berdistribusi normal maka distribusi sampel juga akan berdistribusi
normal
2. Jika populasi tidak berdistribusi normal maka distribusi sampling rata-ratanya akan mendekati
distribusi normal jika ukuran sampel besar (n≥30)
3. Distribusi normal dari rata-rata sampel memiliki nilai rata-rata yang sama dengan rata-rata populasi
𝜎2
𝜇𝑥ҧ = 𝜇 sedangkan nilai variannya 𝜎𝑥2ҧ = 𝑛

53
Distribusi Sampling Rataan
Central Limit Theorm

Perbedaan penggunaan formulasi distribusi Z untuk aplikasi distribusi normal standar dan
teorema limit pusat:

Normal Standar vs CLT

Distribusi Sampling Rataan
Aplikasi Normal Standar dan CLT
Diketahui: baterai Li-Ion 1100 mAh memiliki mean talk time 100 menit berdistribusi normal dengan simpangan baku
10 menit.

Ditanyakan:

1. Carilah probabilitas SUATU baterai tertentu akan berumur kurang dari 98 menit?

2. Apabila random sampling sebanyak 25 buah baterai, berapa probabilitas baterei akan memiliki umur rata-rata
kurang dari 98 menit?
JAWABAN/SOLUSI: P(Z<−0.2)=?

1. Menentukan probabilitas sebuah nilai tertentu dari variabel

random X: P(X < 98)= ? Untuk X = 98 dan µ = 100 dan  = 10
diperoleh: X − 98 − 100 0.4207
Z= = = −0.2
 10 −0.2
0 Z
Dengan menggunakan Tabel Z [1], diperoleh:
Kesimpulan: Probabilitas talk time SUATU baterai
P(X<98) = P(Z<–0.2) = 0.4207 kurang dari 98 menit sebesar 42.07%.
Distribusi Sampling Rataan
Aplikasi Normal Standar dan CLT
JAWABAN/SOLUSI:

2. Menentukan probabilitas nilai rataan sampling : P( <98) = ?

Untuk n =25 (<30, tetapi asumsi berdistribusi normal sehingga dapat digunakan CLT),
µ = 100 dan  = 10 diperoleh:

x− 98 − 100 P(Z<−1)=?

Z= = = −1
 / n 10 / 25

Dengan menggunakan Tabel Z [1], diperoleh:

P( <98) = P(Z<–1) = 0.1587
0.1587

−1
0 Z

Kesimpulan: Probabilitas rataan talk time baterai

dari 25 baterai kurang dari 98 menit
sebesar 15.87%.
Distribusi Sampling Rataan
Distribusi t-student

• Secara praktis, ketika  tidak diketahui maka digunakan Distribusi–t dengan menganggap
hampiran normal.
• Distribusi–t biasanya disebut Distribusi Student mirip dengan Distribusi Z karena
keduanya setangkup dan berbentuk lonceng.

• Nilai kritis Distribusi–t untuk kepentingan

perhitungan teoritis disajikan dalam
Tabel Nilai Kritis Distribusi–t dengan
bentuk kurva :
a
0 ta
Distribusi Sampling Rataan
Distribusi t-student

Tabel Distribusi – t
• Memperhatikan kurvanya, jika luas α nya semakin besar (α → 1), maka nilai t semakin kecil
(t → – ).
• Dua hal yang perlu diperhatikan dalam Tabel Distribusi-t, yaitu:
1. Derajat kebebasan (degree of freedom) disingkat dengan db atau v dengan: v = n -1.
2. Nilai a, yaitu luas daerah kurva di kanan dengan nilai (+t) atau di kiri dengan nilai (–t).

a a a
0 0 ta
ta -ta= t1-a
Tabel Distribusi – t
Distribusi Sampling Rataan
Distribusi t-student

• Oleh karena Distribusi t setangkup terhadap rataan nol,

maka t1-a = –ta , yaitu nilai t yang luas sebelah kanannya (1–a)
sama dengan nilai minus t (–t) yang luas sebelah kirinya a.
Dengan demikian, nilai minus nilai t (–t) sama dengan nilai t
yang luas bagian kanannya a. Jadi: t0.95 = –t0.05, t0.99 = –t0.01, a
dst.
0 ta
Misalnya nilai t dengan derajat kebebasan v=14 sehingga
luas di sebelah kirinya 0.025, atau luas di sebelah kanannya
0.975 adalah:
t0.975 = –t0.025 = –2.145.
Contoh lainnya mencari luas P(–t0.025 < t < t0.05). Maka luas di
a a
sebelah kanan t0.05 dan di sebelah kiri –t0.025, maka jumlah
luas antara –t0.025 dan t0.05 adalah: -ta= t1-a 0 ta
(1–0.05–0.025) = 0.925.
Distribusi Sampling Rataan
Hubungan Distribusi-t dan Z

• Kurva di samping memperlihatkan hubungan

antara distribusi normal baku (v = ) dan
distribusi t untuk derajat kebebasan 2 dan 5.

• Karena v = n – 1, pada kondisi ukuran sampel

lebih besar dari 30, distribusi – t akan
mendekati distribusi normal.
Distribusi Sampling Rataan
Perbedaan Distribusi-t dan Z

• Pada Tabel Z, nilai Z menentukan luas a. Dan Tabel t, nilai a dan v menentukan nilai t.
• Distribusi–t mirip dengan Distribusi–Z, keduanya setangkup terhadap rataan nol dan berbentuk
lonceng.
• Distribusi–t tergantung pada dua besaran yang berubah-ubah, dan s2, sedangkan nilai Z hanya
tergantung pada perubahan dari sampel ke sampel lainnya.
• Kemudian variasi Distribusi–t bergantung pada ukuran sampel n dan selalu lebih besar dari 1. Hanya
bila ukuran sampel, n→, kedua distribusi menjadi sama.

a a
0 − 0 
ta z
Distribusi Sampling Rataan
Memilih CLT atau t-Student
CLT atau t–Student?

Apakah  TIDAK Student –t

diketahui? Distribution

YA

Central Limit
Theorem*) *) n<30 harus berdistribusi normal
Distribusi Sampling Rataan
LATIHAN Sampel Kecil dengan Distribusi-t
Diketahui: Manajer produksi sebuah pabrik baterai Litihium Ion 1100 mAh, menyatakan bahwa baterainya
memilik talk time 100 menit. Agar kualitas talk time tsb. dapat dipertahankan, setiap hari dilakukan
pengujian sebanyak 9 unit baterai. Bila nilai t yang dihitung antara –t0.05 dan t0.05, maka manajer akan
mempertahankan keyakinannya.
Ditanyakan
Jika rataan sampel 103 menit dengan simpangan baku
2 menit berasal dari populasi hampir normal,
kesimpulan apa yang dapat ditarik?

SOLUSI:
0.05 0.05
Persoalan distribusi rataan sampel dengan n kecil (9 <30)
0
walaupun diasumsikan hampir normal tetapi simpangan -1.86 1.86
baku populasi  tidak diketahui. 1.155

Dengan v = 8, dari Tabel t diperoleh t0.05 = 1.86. Manajer Kesimpulan: Manajer merasa tidak puas
akan mengetahui konsistensi kualitas talk timenya bila karena nilai 4,5 berada diluar batas nilai
sampel 9 baterai memberikan nilai t antara –1.86 dan 1.86. t yaitu –1.86 dan 1.86 sehingga kualitas
Diketahui µ = 100 dan𝑥ҧ = 105 dan s = 2, maka: talk time diluar dari yang diyakini yaitu
x −  103 − 100
t= = = 4,5 100 menit
s/ n 2/ 9
Nilat t0.05?
Distribusi Sampling Rataan
Distribusi Sampling Selisih Rataan
Distribusi Sampling Rataan
Distribusi Sampling Selisih Rataan
Distribusi Sampling Rataan
LATIHAN Distribusi Sampling Selisih Rataan
Diketahui: Suatu sampel berukuran n1 = 5 diambil secara acak dari populasi yang berdistribusi normal
dengan rataan 1 = 50 dan variansi σ21 = 9, dan rataan sampel 1 dihitung. Sampel acak kedua berukuran n2 = 4
diambil dari populasi lain yang bebas dari yang pertama yang juga berdistribusi normal, dengan rataan2 =
40 dan variansi σ22 = 4, dan rataan sampel 2 dihitung.
Ditanyakan:
Cari nilai probabilitas selisih rataan sampel pertama dan kedua adalah kurang dari 8,2 ?
Solusi:
Distribusi Sampling Rataan
LATIHAN Distribusi Sampling Selisih Rataan
Distribusi Sampling 1 Proporsi
Distribusi Sampling 1 Proporsi
Konsep Distribusi Sampling Proporsi

Distribusi Sampling
Proporsi
Populasi
N
Parameter:

X
p →  =
N

p=
Statistik: →  = pˆ
WOR

x pˆ1, pˆ 2 ,..., pˆ N Cn
Sampel
pˆ =
n
n
N Cn
p̂i p(1 − p) ( N − n)
 pˆ =  pˆ = .
N Cn
n ( N − 1)
Distribusi Sampling 1 Proporsi
Distribusi Sampling 1 Proporsi
Karena persoalan proporsi sejalan dengan percobaan binomial, maka berlaku pendekatan normal terhadap
binomial. Koreksi kontinuitas dapat diterapkan pada nilai diskrit suatu variabel X dengan menambah atau
mengurangkan0.5 satuan (cara pertama) atau pada variabel proporsinya dengan menambah atau
mengurangkan 0.5/n (cara kedua).
Distribusi Sampling 1 Proporsi
LATIHAN
Diketahui: sebanyak 10% dari ibu-ibu rumah tangga di Bandung memakai detergen Ringso untuk mencuci
pakaiannya. Misalkan dari populasi tersebut diambil sampel berukuran 100, maka:

Ditanyakan
1. Tentukan rata-rata dan simpangan baku
sampel dari populasi ibu-ibu rumah tangga yang
memakai Ringso?. Anggap populasi normal.
2. Bila dari sampel tersebut terdapat paling
sedikit 15 ibu rumah tangga yang memakai
Ringso, tentukan probabilitasnya?

SOLUSI:
Distribusi Sampling 2 Proporsi
Distribusi sampling 2 proporsi yang berasal dari 2 populasi merupakan persoalan selisih dua
parameter binomial, yaitu distribusi probabilitas yang dapat terjadi dari selisih statistik
proporsi 2 sampel yang berasal dari parameter 2 populasinya.
Distribusi Sampling 2 Proporsi
LATIHAN
Diketahui :Lima persen barang di gudang timur cacat, sedangkan barang yang cacat di gudang barat sebanyak 10%. Bila
sampling acak sebanyak 200 barang dari gudang timur dan 300 barang dari gudang barat dari kedua populasi normal.
Ditanyakan:
Tentukan probabilitas barang yang cacat dalam gudang barat 2% lebih banyak dibanding gudang timur?

SOLUSI:
Distribusi Sampling 2 Proporsi
LATIHAN
Distribusi Sampling Varian
Jika s2 adalah variansi dari sebuah sampel random
berukuran n yang diambil dari sebuah populasi normal
dengan variasi 2, maka ukuran statistik:

a
c2
0
berdistribusi Chi-Squared dengan derajat kebebasan v=n-1.
Peluang suatu sampel acak menghasilkan nilai 2 lebih besar dari suatu nilai tertentu sama dengan luas di
bawah kurva di sebelah kanan nilai tersebut.

Karena Distribusi X2 tidak simetris, maka luas sebelah kanan dan kiri bisa berbeda, kecuali
dinyatakan lain. Ketika dinyatakan sama, maka:
Distribusi Sampling Varian

0.05
0.95

a (1−a)

0 c21−a/2 c2

1−a

a/2 a/2 c2
0 c21−a/2 c2a/2
Distribusi Sampling Varian

Diketahui: Suatu pabrik baterai mobil menjamin 95% bahwa baterai akan tahan rata-rata 3 tahun
dengan simpangan baku 1 tahun.
Ditanyakan: :
Bila lima baterainya tahan 1.9, 2.4, 3.0, 3.5,dan 4.2 tahun, apakah pembuatnya masih yakin bahwa
simpangan baku baterai tersebut 1 tahun?
SOLUSI:
Distribusi Sampling Varian

Nila c20.95 ?