See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/318663830

Distribusi Sampling (Dilengkapi dengan Ilustrasi dalam R + Contoh Soal dan

Jawaban)

Chapter · July 2017

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

Probabilitas View project

All content following this page was uploaded by Prana Gio on 25 July 2017.

The user has requested enhancement of the downloaded file.

 DISTRIBUSI SAMPLING
DENGAN R

(Distribusi Populasi)
1. Distribusi Populasi

“Apa itu 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).

70, 75, 80, 80, 90

Andaikan 𝑋 menyatakan nilai ujian matakuliah kalkulus dan 𝑃 𝑋 = 𝑥 atau 𝑓 𝑥 menyatakan

probabilitas dari suatu nilai ujian matakuliah kalkulus. Berikut disajikan distribusi probabilitas
dari data populasi nilai ujian matakuliah kalkulus (Tabel 1).

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

“Distribusi populasi dapat diartikan sebagai distribusi probabilitas

dari data populasi. Tabel 1.1 merupakan distribusi populasi”

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

Tentukan distribusi probabilitas dari data populasi tersebut!

Penyelesaian

Latihan 1 akan diselesaikan dengan menggunakan R.

 Distribusi Probabilitas dari Data Populasi (Distribusi Populasi)

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

2. Misalkan diberikan data populasi sebagai berikut.

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

Tentukan distribusi probabilitas dari data populasi tersebut!

Penyelesaian

Latihan 2 akan diselesaikan dengan menggunakan R.

Distribusi Probabilitas dari Data Populasi (Distribusi Populasi)

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

“Apa itu 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).

Mann dan Lacke (2011) menyatakan sebagai berikut.

“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.”

“Distribusi probabilitas dari statistik sampel (misalkan rata-rata,

median, standar deviasi) merupakan distribusi sampling dari
statistik sampel tersebut”
Pada pembahasan sebelumnya mengenai “Distribusi Probabilitas”, diketahui data populasi

70, 75, 80, 80, 90.

Andaikan masing-masing nilai diberi kode huruf sebagai berikut.

V = 70, W = 75, X = 80, Y = 80, dan Z = 90.

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

Tabel 2.1 Sampel-Sampel yang Mungkin Terambil

beserta Nilai Rata-Rata

Sampel Nilai-Nilai dalam Sampel 𝑋

VWX 70 75 80 75
VWY 70 75 80 75
VWZ 70 75 90 78.33
VXY 70 80 80 76.67
VXZ 70 80 90 80
VYZ 70 80 90 80
WXY 75 80 80 78.33
WXZ 75 80 90 81.67
WYZ 75 80 90 81.67
XYZ 80 80 90 83.33

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 Frekuensi Frekuensi Relatif

75 2 0.2
76.67 1 0.1
78.33 2 0.2
80 2 0.2
81.67 2 0.2
83.33 1 0.1
Jumlah 10 1

Tabel 2.3 Distribusi Sampling dari 𝑿 dengan

Ukuran Sampel sebanyak 3

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

Latihan 1 akan diselesaikan dengan menggunakan R untuk menampilkan sampel-sampel yang

mungkin terambil.

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

4. Misalkan diberikan data populasi sebagai berikut.

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

Latihan 2 akan diselesaikan dengan menggunakan R untuk menampilkan sampel-sampel yang

mungkin terambil.

Terdapat 25 kemungkinan sampel

Kode R

library(prob)
X = c(1,2,3,4,5)
sampel = urnsamples(X, size = 2, replace = TRUE, ordered = TRUE)
sampel

5. Misalkan diberikan data populasi sebagai berikut.

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

Latihan 3 akan diselesaikan dengan menggunakan R untuk menampilkan sampel-sampel yang

mungkin terambil.

Terdapat 15 kemungkinan sampel

Kode R

library(prob)
X = c(1,2,3,4,5)
sampel = urnsamples(X, size = 2, replace = TRUE, ordered = FALSE)
sampel

6. Misalkan diberikan data populasi sebagai berikut.

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

Latihan 4 akan diselesaikan dengan menggunakan R untuk menampilkan sampel-sampel yang

mungkin terambil.
 Kode R

library(prob)
X = c(1,1,2)
sampel = urnsamples(X, size = 2, replace = TRUE, ordered = TRUE)
sampel

View publication stats