(DISTRIBUSI SAMPLING)
PENDAHULUAN
• Inferensia Statistik membahas generalisasi/penarikan kesimpulan dan prediksi/
peramalan. Generalisasi dan prediksi tersebut melibatkan sampel/contoh, sangat jarang
menggunakan populasi secara langsung
• 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?
• Sampling = pendataan sebagian anggota populasi = penarikan contoh = pengambilan
sampel
SAMPLING MENGESTIMASI PARAMETER POPULASI
SAMPEL RANDOM
• Sampling acak adalah sampel dipilih sedemikian hingga mewakili populasi. setiap
anggota populasi memiliki kesempatan yang sama untuk terpilih sebagai sampel
• Sampel yang baik adalah
o Sampel yang representatif
o Besaran/ciri sampel (Statistik Sampel) memberikan gambaran yang tepat mengenai
besaran ukuran populasi (Parameter Populasi)
o penghematan biaya dan waktu
o menjaga keakuratan hasil-hasilnya q
• Sampel yg 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
• Suatu kesimpulan yang diambil berdasarkan sampel harus:
o valid
o dapat dipercaya
• Klasifikasi Sampel berdasarkan :
1. Jumlah sampel yang diambil :
➢ Tunggal
➢ Ganda
➢ Multiple
2. Cara memakainya :
➢ Sampling Kebijaksanaan
➢ Sampling Random/Acak
MANFAAT PENARIKAN SAMPEL
➢ Untuk menduga parameter populasi yang tidak diketahui berdasarkan nilai statistik
sampel.
➢ Untuk menentukan apakah perbedaan antara dua sampel disebabkan oleh variasi secara
kebetulan atau tidak secara kebetulan (signifikan)
METODE SAMPLING
➢ Sampel Self-selection
Peneliti membuka kesempatan (dengan mengumumkan penarikan sampel di media massa)
responden mendaftar menjadi anggota sampel
DALIL - 1
JIKA …….
Sampel: Populasi berukuran = N
berukuran = 𝑛 ≥ 30diambil DENGAN PEMULIHAN dari Terdistribusi NORMAL
rata-rata = 𝑥̅ Rata-rata = µ ; simpangan baku = σ
MAKA………
Distribusi Rata-rata akan mendekati distribusi Normal dengan :
x−
x = dan x = dan nilai z=
n n
DALIL - 2
JIKA …….
Sampel: Populasi berukuran = N
berukuran = n ≥ 30 diambil TANPA PEMULIHAN dari Terdistribusi NORMAL
rata-rata = 𝑥̅ Rata-rata= µ;simpangan baku= σ
MAKA……….
Distribusi Rata-rata akan mendekati distribusi Normal dengan :
𝑁−𝑛
x = dan x = √ dan nilai Z=
𝑥̅ −µ
𝑁−𝑛
n 𝑁−1 (𝜎⁄𝑛)√
𝑁−1
N −n
• disebut sebagai FAKTOR KOREKSI populasi terhingga.
N −1
• 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
FK akan mendekati 1 → 1 , hal ini mengantar kita pada dalil ke-3 yaitu :
N −1
JIKA….
Sampel: Populasi berukuran = N yang BESAR
Berukuran = n diambil dari distribusi : SEMBARANG
rata-rata =𝑥̅ Rata-rata= µ; simpangan baku= σ
MAKA…….
Distribusi Rata-rata akan mendekati distribusi Normal dengan :
x−
x = dan x = dan nilai z=
n n
JIKA….
Dua (2) Sampel Dua (2) Populasi berukuran BESAR
berukuran n1 dan n2 diambil dari Rata-rata 1 dan 2
rata-rata = x1 dan x2 Ragam 12 dan 2 2
MAKA….
Distribusi Rata-rata akan mendekati distribusi Normal dengan :
12 2 2
x − x = 1 − 2 dan standard error = x − x = + dan
1 2 1 2
n1 n2
x1 − x2 − 1 − 2
z=
nilai z 12 2 2
+
n1 n2
MAKA….
Distribusi Rata-rata akan mendekati distribusi-t dengan :
s x−
x = dan x = dan nilai t=
n s n
Pada derajat bebas = n – 1 dan suatu nilai α
• Distribusi Sampling untuk sampel kecil didekati dengan distribusi t Student = distribusi t
(W.S. Gosset) dimana Distribusi-t pada prinsipnya adalah pendekatan distribusi sampel
kecil dengan distribusi normal.
Dua hal yang perlu diperhatikan dalam Tabel t adalah
a. Derajat bebas (db) = degree of freedom = v = n – 1 dimana n : ukuran sampel
b. Nilai
adalah luas daerah kurva di kanan nilai t atau luas daerah kurva di kiri nilai –t
Nilai → 0.1 (10%) ; 0.05 (5%) ; 0.025(2.5%) ; 0.01 (1%) ; 0.005(0.5%)
Nilai terbatas karena banyak kombinasi db yang harus disusun!
Beberapa notasi :
n : ukuran sampel
N : ukuran populasi
𝑝̂ : proporsi yang diamati (keberhasilan)
𝑞̂ : proporsi kemplemen (kegagalan)
𝜋 : proporsi populasi
p : rata-rata distribusi sampling proporsi
p : standar deviasi distribusi sampling proporsi
DALIL 6
JIKA …….
Sampel: Populasi berukuran = N
berukuran = 𝑛 diambil DENGAN PEMULIHAN dari
proporsi = 𝑝̂ Terdistribusi NORMAL
MAKA………
Distribusi proporsi sampling akan mendekati distribusi Normal dengan :
𝑝̂ .𝑞̂
p = 𝑝̂ dan p =√ dimana 𝑞̂ = 1 - 𝑝̂
𝑁
𝑝̅ − 𝑝
nilai 𝑍𝑝 =
̂ ̂
√𝑝 .𝑞
𝑁
2. Distribusi Sampling Proporsi dua populasi
DALIL 7
JIKA….
Dua (2) Sampel Dua (2) Populasi berukuran BESAR
berukuran n1 dan n2 diambil dari
̂2
proporsi 𝑝̂1 𝑑𝑎𝑛 𝑝 Ragam 𝜎𝑝21 dan 𝜎𝑝22
MAKA….
Distribusi beda dua proporsi akan mendekati distribusi Normal dengan :