DISTRIBUSI PENARIKAN SAMPEL

(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

ESTIMATOR TIDAK BIAS

Suatu besaran statistik yang memiliki nilai harapan sama
dengan parameter yang diestimasi (populasi).

➢ Estimator adalah statistic yang digunakan untuk melakukan estimasi parameter

➢ Sensus = pendataan setiap anggota populasi
• Beda antara Statistik Sampel dengan Parameter Populasi
Ukuran/Ciri Parameter Populasi Statistik Sampel
(Estimator)
Rata-Rata  : (myu) x : (x bar)
Selisih 2 Rata-rata 1 − 2 x1 − x 2
(nilai mutlak)*
Standar Deviasi  : (tho) s
Simpangan Baku
Varians = Ragam ² s²
Proporsi  : (phi atau p) p atau p
Selisih 2 proporsi 1 −  2 p1 − p2
(nilai mutlak)*
*catatan : pada Nilai Mutlak,…. nilai negatif diabaikan
atau pastikan µ𝟏 > µ𝟐 atau 𝝅𝟏 >𝝅𝟐
JENIS POPULASI
➢ Populasi Terhingga (FINITE)
Jumlah populasi kecil dan terbatas
➢ Populasi Tak Terhingga (INFINITE)
Jumlah populasi besar, pengambilan sampel tidak menghabiskan unsur dalam
populasi tersebut.

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 yang baik memperhatikan

• Keacakannya (randomness)
Salah satu teknik untuk mendapatkan sampel acak adalah dengan memanfaatkan
bilangan acak (random numbers)
• Ukuran (size)
• Sampel Besar jika ukuran sampel (n)  30
• Sampel Kecil jika ukuran sampel (n) < 30
• Teknik penarikan sampel (sampling) yang sesuai dengan kondisi atau sifat populasi

TEKNIK PENARIKAN SAMPEL :

1. Sampel Probabilitas
2. Sampel Non Probabilitas
Skema :
Sampel Probabilitas
 Didasarkan pada konsep keacakan
 Jenis Sampel Probabilitas:
◦ Sampel Acak Sederhana (Simple Randomized Sampling)
◦ Sampel Sistematik (Systematic Sampling)
◦ Sampel Berlapis (Stratified Sampling)
◦ Sampel Gerombol/Kelompok (Cluster Sampling)
◦ Sampel Area (Area Sampling) = Multistage Sample

➢ Penarikan Sampel Acak Sederhana (Simple Randomized Sampling)

sampel dipilih dari populasi yang sama secara acak sehingga setiap sampel memiliki
peluang /probabilitas yang sama terpilih menjadi anggota sampel
Pengacakan dapat dilakukan dengan : undian, tabel bilangan acak, program komputer
(RAN)

➢ Penarikan Sampel Sistematik (Systematic Sampling)

Setiap sampel dipilih dengan aturan tertentu
𝑁
 Tetapkan interval, interval =
𝑛
▪ N: ukuran populasi
▪ n : ukuran sampel
 Interval bersifat optional
 Pilih secara acak anggota pertama sampel
 Anggota selanjutnya = no. anggota ke i + interval
Contoh :
Jika ukuran populasi : N = 1000
Ukuran Sampel yang kita inginkan : n = 50
Tetapkan interval = 1000 : 50 = 20
Pilih secara acak anggota pertama sampel. Misalnya anggota populsi ke 7 maka
Secara acak terpilih :
Anggota populasi ke-7 sebagai anggota ke-1 dalam sampel, maka :
Anggota populasi ke-27 menjadi anggota ke-2 dalam sampel
Anggota populasi ke-47 menjadi anggota ke-3 dalam sampel ,……. dst.
➢ Penarikan Sampel Acak Berlapis (Stratified Random Sampling)
• Pemilihan sampel diawali dengan pengelompokan berdasarkan strata , sehingga Populasi
terdiri dari beberapa kelas/kelompok.
• Dari setiap kelas diambil sampel secara acak.
• Sifat sampel :
Antar kelas/strata (cenderung) bersifat berbeda nyata (heterogen).
Anggota dalam suatu kelas/strata akan (cenderung) sama (homogen).
.
➢ Penarikan Sampel Gerombol/Kelompok (Cluster Sampling)
• Pemilihan sampel dilakukan dengan pengelompokan populasi, sehingga
Populasi terdiri dari beberapa kelas/kelompok dimana
▪ Anggota Antar Kelas bersifat (cenderung) sama (homogen).
▪ Anggota dalam suatu kelas akan (cenderung) berbeda (heterogen)
• sebagian kelompok dipilih secara random atau sistematis sehingga. Sampel yang diambil
berupa kelompok bukan individu

➢ Penarikan Sampel Area (Area Sampling) = Multistage Sample

• Prinsipnya sama dengan Cluster Sampling.
• Pengelompokan ditentukan oleh letak geografis atau administratif.

CARA PENGAMBILAN SAMPEL

Penarikan Sampel Acak dapat dilakukan dengan 2 cara
➢ Dengan Pengembalian (sampling with replacement)
setelah diambil data,anggota sampel dikembalikan ke dalam ruang sampel.
Setiap unsur dari populasi dapat terpilih lebih dari satu kali
➢ Tanpa Pengembalian (sampling without replacement)
setelah diambil data, anggota sampel tidak dikembalikan ke dalam ruang sampel
Setiap unsur dari populasi hanya dapat terpilih satu kali
Sampel Non Probabilitas
 Sampel diambil tidak berdasarkan konsep keacakan
 Ukuran sampel biasanya kecil. Beberapa jenis non-probabilitas sampel, adalah:
 Jenis Non-Probabilitas Sampel:
◦ Sampel Kuota (Quota)
◦ Sampel Purposive = Judgmental Sample
◦ Sampel Bola Salju (Snowball Sampel)
◦ Sampel Self-selection
◦ Sampel Convenience = haphazard sample

➢ Sampel Kuota (Quota)

Ukuran kelompok sampel (gerombol atau strata) ditetapkan secara proporsional sesuai
ukuran populasi

➢ Sampel Purposive = Judgmental Sample

o Pengambilan sampel dilakukan untuk tujuan pendataan kasus:
▪ ekstrem (khusus) vs. tipikal (umum)
▪ sampel homogen vs. heterogen
o Pendapat pakar menjadi pertimbangan

➢ Sampel Bola Salju (Snowball Sampel)

Penarikan sampel dimulai dengan hanya satu (atau beberapa) kasus, yang dibiarkan bergulir
sehingga terkumpul data yang lebih banyak

➢ Sampel Self-selection
Peneliti membuka kesempatan (dengan mengumumkan penarikan sampel di media massa)
responden mendaftar menjadi anggota sampel

➢ Sampel Convenience = haphazard sample

• Pada populasi yang sangat besar dan cenderung homogen, peneliti dapat menarik sampel
sedapatnya
• Hal ini meminimalkan biaya dan kendala teknis
DISTRIBUSI PENARIKAN SAMPEL
( DISTRIBUSI SAMPLING)
• Jumlah Sampel Acak yang dapat ditarik dari suatu populasi adalah sangat banyak.
• Nilai setiap Statistik Sampel akan bervariasi/beragam antar sampel.
• Suatu statistik dapat dianggap sebagai peubah acak yang besarnya sangat tergantung dari
sampel yang kita ambil.
• Karena statistik sampel adalah peubah acak maka ia mempunyai distribusi yang kita sebut
sebagai :
Distribusi peluang statistik sampel = Distribusi Sampling = Distribusi Penarikan Sampel
distribusi besaran-besaran statistik yang muncul dari sample.

DEVIASI STANDAR berkaitan dengan nilai asli

STANDAR ERROR berkaitan dengan nilai hasil hitungan
SAMPLING ERROR : perbedaan hasil yang diperoleh dari suatu sampel dengan hasil
yang diperoleh dari populasi.
• Jenis-jenis Distribusi Sampling
Berdasarkan besaran statistic yang digunakan , dikenal beberapa jenis distribusi sampling
yaitu :
1. Distribusi sampling rata-rata
2. Distribusi sampling proporsi
3. Distribusi sampling beda dua rata rata
4. Distribusi sampling beda dua proporsi

DISTRIBUSI SAMPLING RATA-RATA

Cara menentukan Distribusi Sampling rata-rata
1. Jika pengambilan sampel tanpa pemulihan
Sebaran Penarikan Sampel dari sebuah populasi berukuran 6 yang anggotanya 2,
3, 5, 6, 8, 9 dengan ukuran sampel 2, tanpa pemulihan adalah :
 o Nilai tengah contoh acak berukuran 2 tanpa pemulihan tersebut
No contoh 𝑥̅ No Contoh 𝑥̅
1 2;3 2.5 9 3;9 6
2 2;5 3.5 10 5;6 5.5
3 2;6 4 11 5;8 6.5
4 2;8 5 12 5;9 7
5 2;9 5.5 13 6;8 7
6 3;5 4 14 6;9 7.5
7 3;6 4.5 15 8;9 8.5
8 3;8 5.5
o Sebaran Penarikan Contoh bagi 𝑥̅ dengan tanpa pemulihan
𝑥̅ F f(𝑥̅ )
2.5 1 1/15
3.5 1 1/15
4 2 2/15
4.5 1 1/15
5 1 1/15
5,5 3 3/15
6 1 1/15
6.5 1 1/15
7 2 2/15
7.5 1 1/15

2. Jika pengambilan sampel dengan pemulihan

Sebaran Penarikan Contoh bagi Nilai tengah ( sebaran peluang suatu statistic) dari
Suatu populasi yang terdiri atas angka : 0 ; 1 ; 2 ; 3 diambil contoh sebesar 2
dengan pemulihan adalah :
o Nilai tengah Contoh Acak sebesar 2 dengan pemulihan tersebut :
No. Contoh 𝑥̅ No. Contoh 𝑥̅
1 0;0 0 9 2;0 1
2 0;1 0.5 10 2;1 1.5
3 0;2 1 11 2;2 2
4 0;3 1.5 12 2;3 2.5
5 1;0 0.5 13 3;0 1.5
6 1;1 1 14 3;1 2
7 1;2 1.5 15 3;2 2.5
8 1;3 2 16 3;3 3
 o Sebaran Penarikan Contoh bagi 𝑥̅ dengan pemulihan :
𝑥̅ F f(𝑥̅ )
0 1 1/16
0.5 2 2/16
1 3 3/16
1.5 4 4/16
2 3 3/16
2.5 2 2/16
3 1 1/16
Beberapa notasi :
n : ukuran sampel
N : ukuran populasi
x : rata-rata sampel
 : rata-rata populasi
s : standar deviasi sampel
 : standar deviasi populasi
x : rata-rata antar semua sampel
 x : standar deviasi antar semua sampel = standard error = galat Baku

a. Distribusi Sampling Rata Rata Sampel Besar

1. Distribusi Sampling Bagi Rata Rata Satu Populasi

DALIL - 1

JIKA …….
Sampel:   Populasi berukuran = N
berukuran = 𝑛 ≥ 30diambil 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

➢ DALIL LIMIT PUSAT = DALIL BATAS TENGAH

( THE CENTRAL LIMIT THEOREM )

DALIL - 3 : DALIL LIMIT PUSAT

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

• Dalil Limit Pusat berlaku untuk :

1. penarikan sampel dari populasi yang sangat besar,
2. distribusi populasi tidak dipersoalkan
• Beberapa buku mencatat hal berikut : Populasi dianggap BESAR
n
jika ukuran sampel KURANG DARI 5 % ukuran populasi atau  5%
N
 2. Distribusi Sampling Bagi Beda 2 Rata Rata

Dengan rata-rata 1 dan 2 dimana 1 > 2

agar seperti harga mutlak, selisih selalu positif
 Ragam  12 dan  22
 Distribusi Populasi Normal

• Beda atau selisih 2 rata-rata = 1 − 2 → ambil nilai mutlaknya!

• Melibatkan 2 populasi yang BERBEDA dan SALING BEBAS

• Sampel-sampel yang diambil dalam banyak kasus (jika dilihat secara akumulatif)
adalah sampel BESAR
DALIL - 4

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

b. Distribusi Sampling Rata-rata Sampel Kecil

DALIL -5
JIKA…
Sampel:   Populasi berukuran = N
ukuran KECIL n < 30  diambil dari  terdistribusi : NORMAL
rata-rata = x simp. baku = s   Rata-rata = 

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!

DISTRIBUSI SAMPLING PROPORSI

1. Distribusi Sampling Proporsi satu populasi

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 :

µp̂ ̂2 = 𝑝̂1 − 𝑝̂2 dan standard error = 𝜎𝑝̂ = √𝜎𝑝21 − 𝜎𝑝22

1 −p

(𝑝̂1 − 𝑝̂2 )−µp̂ −p̂ (𝑝̂1 − 𝑝̂2 )−µp −p

1 2 1 2
dan nilai z 𝑍= atau 𝑍= ̂ 1 𝑞1 𝑝
𝑝 ̂ 𝑞
√𝜎𝑝21 −𝜎𝑝22 √ 𝑁 + 2 2
1 𝑁 2