net/publication/318663830
CITATIONS READS
0 16,524
1 author:
Prana Gio
University of Sumatera Utara
11 PUBLICATIONS 4 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
The Robustness of Two Independent Samples t Test Using Monte Carlo Simulation with R View project
All content following this page was uploaded by Prana Gio on 25 July 2017.
(Distribusi Populasi)
1. Distribusi Populasi
Distribusi populasi dapat diartikan sebagai distribusi probabilitas dari data populasi. Andaikan
dalam suatu kelas hanya terdiri lima mahasiswa jurusan matematika. Berikut disajikan nilai ujian
matakuliah kalkulus dari lima mahasiswa tersebut (data fiktif).
Tabel 1.1 Distribusi Probabilitas dari Data Populasi Nilai Ujian Kalkulus
𝑋 𝑃(𝑋 = 𝑥)
70 0.2
75 0.2
80 0.4
90 0.2
𝑃 𝑋=𝑥 = 𝑓 𝑥 =1
Nilai rata-rata dan standar deviasi berdasarkan data pada Tabel 1.1 dihitung sebagai berikut.
70 + 75 + 80 + 80 + 90
𝜇= = 79
5
70 − 79 2 + 75 − 79 2 + ⋯ + 90 − 79 2
𝜎= = 6,633.
5
Perhatikan bahwa 𝜇 dan 𝜎 merupakan nilai-nilai parameter populasi. Parameter dapat diartikan
sebagai suatu nilai atau ukuran yang dihitung berdasarkan populasi. Gambar 1.1 diberikan
ilustrasi dalam R untuk menyajikan distribusi populasi dari data yang diberikan.
Ilustrasi dengan R
Gambar 1.1
LATIHAN
1. Misalkan diberikan data populasi sebagai berikut.
5,4,2,1,1,6,5,3
Penyelesaian
𝑋 𝑃(𝑋 = 𝑥)
1 0,25
2 0,125
3 0,125
4 0,125
5 0,25
6 0,125
𝑃 𝑋=𝑥 = 𝑓 𝑥 =1
1,2,2,3,3,3,3,3,4,4,4,4,4,4,4,4,4,5,5,5,5,5,5,5,5,5,5,6,6,6,6,6,6,6,6,6,7,7,7,7,7,8,8,9
Penyelesaian
𝑋 𝑃(𝑋 = 𝑥)
1 0,023
2 0,045
3 0,114
4 0,205
5 0,227
6 0,205
7 0,114
8 0,045
9 0,023
𝑃 𝑋=𝑥 = 𝑓 𝑥 =1
DISTRIBUSI SAMPLING
DENGAN R
(Distribusi Sampling)
2. Distribusi Sampling
Nilai dari parameter suatu populasi bersifat konstan. Dalam hal ini, untuk setiap data populasi
hanya memiliki satu nilai rata-rata populasi μ. Namun hal ini belum tentu berlaku untuk rata-rata
sampel 𝑋. Sampel-sampel yang ditarik dari populasi yang sama dan dengan ukuran yang sama
dapat menghasilkan nilai rata-rata sampel yang berbeda-beda. Jadi, nilai rata-rata sampel
bergantung pada nilai-nilai yang berada dalam sampel tersebut. Oleh karena itu, rata-rata sampel
𝑋 merupakan variabel acak (random variable). Sebagaimana pada variabel acak, maka rata-rata
sampel 𝑋 memiliki distribusi probabilitas. Distribusi probabilitas 𝑋 sering disebut dengan istilah
distribusi sampling dari 𝑿. Ukuran-ukuran statistik lainnya seperti median, modus, dan standar
deviasi juga memiliki distribusi sampling (Mann dan Lacke, 2011:302).
“As mentioned at the beginning of this chapter, the value of a population parameter is always
constant. For example, for any population data set, there is only one value of the population
mean, 𝜇. However, we cannot say the same about the sample mean, 𝑥. We would expect different
samples of the same size drawn from the same population to yield different values of the sample
mean, 𝑥. The value of the sample mean for any one sample will depend on the elements included
in that sample. Consequently, the sample mean, 𝑥, is a random variable. Therefore, like other
random variables, the sample mean possesses a probability distribution, which is more
commonly called the sampling distribution of 𝑥 . Other sample statistics, such as the median,
mode, and standard deviation, also possess sampling distributions.”
Maka, V, W, X, Y, dan Z merupakan kode-kode huruf yang menyatakan kelima nilai ujian
matakuliah kalkulus. Kemudian misalkan akan diambil sampel yang terdiri tiga nilai tanpa
pengembalian (without replacement). Maka banyaknya kemungkinan sampel yang terambil
sebagai berikut.
5! 5.4.3.2.1
𝐶35 = = = 10 𝑘𝑒𝑚𝑢𝑛𝑔𝑘𝑖𝑛𝑎𝑛 𝑠𝑎𝑚𝑝𝑒𝑙
5 − 3 ! 3! 2.1 3.2.1
VWX, VWY, VWZ, VXY, VXZ, VYZ, WXY, WXZ, WYZ, XYZ
Perhatikan bahwa terdapat 10 kemungkinan sampel. Sampel VWX berarti mengandung nilai 70,
75, dan 80, sampel WYZ berarti mengandung nilai 75, 80, dan 90, dan seterusnya. Tabel 2.1
menyajikan sampel-sampel yang mungkin terambil beserta penghitungan nilai rata-rata.
Berdasarkan Tabel 2.1, selanjutnya dibentuk tabel distribusi frekuensi dan frekuensi relatif
berdasarkan nilai rata-rata sampel (Tabel 2.2). Tabel 2.3 menyajikan distribusi sampling dari
rata-rata sampel 𝑋 berdasarkan data pada Tabel 2.1.
Tabel 2.2 Distribusi Frekuensi dan Frekuensi Relatif
Berdasarkan Nilai Rata-Rata Sampel
𝑋 𝑃 𝑋=𝑥 =𝑓 𝑥
75 0.2
76.67 0.1
78.33 0.2
80 0.2
81.67 0.2
83.33 0.1
𝑃 𝑋=𝑥 =1
Tabel 2.3 menyajikan distribusi probabilitas dari rata-rata sampel 𝑋. Sebagai contoh probabilitas
untuk memperoleh sampel yang memiliki nilai rata-rata 81,67 sebesar 0,2. Atau dapat dinyatakan
𝑃 𝑋 = 81.67 = 0.20.
Gambar 2.1 dan Gambar 2.2 diberikan ilustrasi dalam R untuk menyajikan distribusi sampling
rata-rata sampel 𝑋.
Ilustrasi dengan R
Gambar 2.1
Gambar 2.2
LATIHAN
3. Misalkan diberikan data populasi sebagai berikut.
1,2,3,4,5,6
Kemudian misalkan akan diambil sampel yang terdiri tiga nilai tanpa pengembalian (without
replacement) dan tanpa memperhatikan urutan. Tentukan sampel-sampel yang mungkin
terambil!
Penyelesaian
6! 6.5.4.3.2.1
𝐶36 = = = 20 𝑘𝑒𝑚𝑢𝑛𝑔𝑘𝑖𝑛𝑎𝑛 𝑠𝑎𝑚𝑝𝑒𝑙
6 − 3 ! 3! 3.2.1 3.2.1
Kode R
library(prob)
X = c(1,2,3,4,5,6)
sampel = urnsamples(X, size = 3, replace = FALSE)
sampel
1,2,3,4,5
Kemudian misalkan akan diambil sampel yang terdiri dua nilai dengan pengembalian (with
replacement) dan memperhatikan urutan. Tentukan sampel-sampel yang mungkin terambil!
Penyelesaian
library(prob)
X = c(1,2,3,4,5)
sampel = urnsamples(X, size = 2, replace = TRUE, ordered = TRUE)
sampel
1,2,3,4,5
Kemudian misalkan akan diambil sampel yang terdiri dua nilai dengan pengembalian (with
replacement) dan tanpa memperhatikan urutan. Tentukan sampel-sampel yang mungkin
terambil!
Penyelesaian
library(prob)
X = c(1,2,3,4,5)
sampel = urnsamples(X, size = 2, replace = TRUE, ordered = FALSE)
sampel
1,1,2
Kemudian misalkan akan diambil sampel yang terdiri dua nilai dengan pengembalian (with
replacement) dan memperhatikan urutan. Tentukan sampel-sampel yang mungkin terambil!
Penyelesaian
library(prob)
X = c(1,1,2)
sampel = urnsamples(X, size = 2, replace = TRUE, ordered = TRUE)
sampel