TUGAS BIOSTATISTIK

DISTRIBUSI SAMPLING

Dosen Pembimbing : Ning Eliyati, M.Pd

Disusun oleh:

Nama : Fathia Nurhasana

NIM : 11.01.01.161

SEKOLAH TINGGI ILMU FARMASI (STIFI)

BHAKTI PERTIWI PALEMBANG
2014
 DISTRIBUSI SAMPLING (DISTRIBUSI PENARIKAN SAMPEL)

I. Populasi dan Sampel

I.1 Populasi
Populasi (universe) adalah total kumpulan obyek penelitian atau observasi yang akan
dipelajari oleh pengambil keputusan. Objeknya dapat berupa orang, perusahaan, hasil
produksi, rumah tangga dan tanah pertanian.
Populasi dapat merupakan populasi berhingga ataupun tak-berhingga. Sebagai
contoh, jika kita mengambil 10 bola secara berturut-turut dengan tidak mengembalikan lagi
bola-bola yang terambil ke dalam kantong yang berisi 100 bola maka kita sebut melakukan
sampling dari sebuah populasi berhingga. Sementara itu, jika kita melemparkan sekeping
uang logam sebanyak 50 kali dan menghitung banyaknya tanda gambar yang muncul maka
kita disebut melakukan sampling dari suatu populasi tak-berhingga.
Pekerjaan yang melibatkan populasi memiliki beberapa kelemahan diantaranya :
1. Memerlukan biaya yang sangat mahal
2. Memerlukan waktu yang lama
3. Memerlukan tenaga dalam jumlah yang besar
4. Data yang diperoleh tidak akurat

I.2 Sampel
Sampel adalah bagian dari populasi yang diambil melalui cara-cara yang juga
memiliki karakteristik tertentu, jelas, dan lengkap yang dianggap bisa mewakili populasi.
Smpel terbagi menjadi dua yaitu sampel besar dan sampel kecil. Fungsi sampel adalah
untuk menyimpulkan atau mengetahui karakteristik atau parameter dari populasi (potret
/gambaran dari populasi). Cara mengumpulkan data disebut sampling.
Sampel yang baik merupakan sampel yang representative, yaitu sampel yang dapat
mewakili gambaran populasi. Besaran/ciri sampel (Statistik Sampel) memberikan
gambaran yang tepat mengenai besaran ukuran populasi(Parameter Populasi).
Tabel 1 : Beda antara Statistik Sampel Vs Parameter Populasi

Ukuran/Ciri Parameter Populasi Statistik Sampel

Rata-Rata  : (my) x
Selisih 2 Rata-rata 1  2 : nilai x1  x 2 : nilai mutlak
mutlak
Standar Deviasi =  : sigma s
Simpangan Baku
Varians = Ragam ² s²
Proporsi  : phi atau p p atau p
Selisih 2 proporsi 1  2 : nilai mutlak p1  p2 : nilai mutlak

catatan : pada Nilai Mutlak, nilai negatif diabaikan misal : 3 - 7 = -4  = 4

Keuntungan Sampel :

1. Biaya lebih murah

2. Waktu yang lebih singkat
3. Tenaga yang diperlukan lebih sedikit
4. Data yang diperoleh lebih akurat

I.3 Penarikan Sampel

Sampel yang 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.

Beberapa Teknik Penarikan Sampel

a. Penarikan Sampel Acak Sederhana (Simple Randomized Sampling)

Pengacakan dapat dilakukan dengan : undian, tabel bilangan acak, program
komputer.
b. Penarikan Sampel Sistematik (Systematic Sampling)
Tetapkan interval lalu pilih secara acak anggota pertama sampel
Contoh :
Ditetapkan interval = 20
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.

c. Penarikan Sampel Acak Berlapis (Stratified Random Sampling)

Populasi terdiri dari beberapa kelas/kelompok. Dari setiap kelas diambil sampel
secara acak. Catatan :
Antar Kelas bersifat (cenderung) berbeda nyata (heterogen). Anggota dalam suatu
kelas akan (cenderung) sama (homogen).
Contoh :
Dari 1500 penumpang KA (setiap kelas memiliki ukuran yang sama) akan diambil
150 orang sebagai sampel, dilakukan pendataan tentang tingkat kepuasan, maka
sampel acak dapat diambil dari :
Kelas Eksekutif : 50 orang
Kelas Bisnis : 50 orang
Kelas Ekonomi : 50 orang

d. Penarikan Sampel Gerombol/Kelompok (Cluster Sampling)

Populasi juga terdiri dari beberapa kelas/kelompok. Sampel yang diambil berupa
kelompok bukan individu anggota.
Catatan :
Antar Kelas bersifat (cenderung) sama (homogen). Anggota dalam suatu kelas akan
(cenderung) berbeda (heterogen).
Contoh :
Terdapat 40 kelas untuk tingkat II Jurusan Ekonomi-GD, setiap kelas terdiri dari 100
orang. Populasi mahasiswa kelas 2, Ekonomi-UGD = 40 x 100 = 4000.
Jika suatu penelitian dilakukan pada populasi tersebut dan sampel yang diperlukan =
600 orang, dilakukan pendataan mengenai lama waktu belajar per hari maka sampel
dapat diambil dari 6 kelas.... Dari 40 kelas, ambil secara acak 6 kelas.

e. Penarikan Sampel Area (Area Sampling)

 Prinsipnya sama dengan Cluster Sampling. Pengelompokan ditentukan oleh letak
geografis atau administratif.
Contoh :
Pengambilan sampel di daerah JAWA BARAT, dapat dilakukan dengan memilih
secara acak KOTAMADYA tempat pengambilan sampel, misalnya terpilih, Kodya
Bogor, Sukabumi dan Bandung.

f. Penarikan Sampel Acak

Penarikan sampel acak dapat dilakukan dengan 2 cara, yaitu :
 Penarikan sampel tanpa pemulihan/tanpa pengembalian : setelah didata, anggota
sampel tidak dikembalikan ke dalam ruang sampel
 Penarikan sampel dengan pemulihan : bila setelah didata, anggota sampel
dikembalikan ke dalam ruang sampel.

Berdasarkan Ukurannya, maka sampel dibedakan menjadi :

a. Sampel Besar jika ukuran sampel (n)  30

b. Sampel Kecil jika ukuran sampel (n) < 30

II. Distribusi Sampling

Distribusi sampling adalah distribusi dari mean-mean yang diambil secara berulang kali
dari suatu populasi. Bila pada suatu populasi tak terhingga dilakukan pengambilan sampel
secara acak berulang-ulang hingga semua sampel yang mungkin dapat ditarik dari populasi
tersebut. Sampel yang diambil dari populasi terbatas dan sebelum dilakukan pengambilan
sampel berikutnya sampel unit dikembalikan kedalam populasi.
Untuk mempelajari populasi kita memerlukan sampel yang diambil dari populasi yang
bersangkutan. Meskipun kita dapat mengambil lebih dari sebuah sampel berukuran n dari
sebuah populasi berukuran N, pada prakteknya hanya sebuah sampel yang biasa diambil dan
digunakan untuk hal tersebut. Sampel yang diambil ialah sampel acak dan dari sampel
tersebut nilai-nilai statistiknya dihitung untuk digunakan seperlunya. Untuk ini diperlukan
sebuah teori yang dikenal dengan nama distribusi sampling. Distribusi sampling biasanya
diberi nama bergantung pada nama statistik yang digunakan.
Ada empat macam distribusi sampel :
1. Distribusi sampel rata-rata
 2. Distribusi sampel proporsi
3. Distribusi sampel beda dua rata-rata
4. Distribusi sampel beda dua proporsi

Terdapat beberapa notasi yang relevan dalam distribusi sampling, yaitu:

n : ukuran sampel N : ukuran populasi
X́ : rata-rata sampel μ X : rata-rata populasi
S : standar deviasi sampel σ X : standar deviasi populasi
μ X́ : rata-rata antar semua sampel
σ X́ : standar deviasi antar semua sampel = standard error = galat baku

II.1 Distribusi Sampel Rata-Rata

Misalkan kita mempunyai sebuah populasi berkukuran terhingga N dengan parameter

rata-rata µ dan simpangan baku σ. Dari populasi ini diambil secara acak berukuran n. Jika

sampling dilakukan tanpa pengembalian, kita tahu semuanya ada  ( Nn ) buah sampel yang
berlainan. Untuk semua sampel yang didapat, masing-masing dihitung rata-ratanya. Dengan

demikian diperoleh N  buah rata-rata. Anggap semua rata-rata ini sebagai data baru, jadi
n ( )
didapat kumpulan data yang terdiri atas rata-rata dari sampel-sampel. Dari kumpulan ini kita
dapat menghitung rata-rata dan simpangan bakunya. Jadi didapat rata-rata daripada rata-
rata, diberi simbol μ x́ (baca: mu indeks eks garis), dan simpangan baku daripada rata-rata,
diberi simbol σ x́ (baca: sigma indeks eks garis).

Contoh :

Diberikan sebuah populasi dengan N=10 yang datanya : 98, 99, 97, 98, 99, 98, 97, 97, 98,
99. Jika dihitung, populasi ini mempunyai µ = 98 dan σ = 0,78. Diambil sampel berukuran

n=2 . Semuanya ada (102 ) = 45 buah sampel. Untuk setiap sampel kita hitung rata-ratanya.
Data dalam tiap sampel dan rata-rata tiap sampel diberikan dalam daftar berikut ini.

Semua Sampel Berukuran n = 2

Rata-ratanya Diambil dari Populasi Berukuran N = 10

 Sampel Rata-rata Sampel Rata-rata Sampel Rata-rata
(98,99) 98,5 (99,98) 98,5 (99,98) 98,5

(98,97) 97,5 (99,99) 99 (99,97) 98

(98,98) 98 (97,98) 97,5 (99,97) 98

(98,99) 98,5 (97,99) 98 (99,98) 98,5

(98,98) 98 (97,98) 97,5 (99,99) 99

(98,97) 97,5 (97,97) 97 (98,97) 97,5

(98,97) 97,5 (97,97) 97 (98,97) 97,5

(98,98) 98 (97,98) 97,5 (98,98) 98

(98,99) 98,5 (97,99) 98 (98,99) 98,5

(99,97) 98 (98,99) 98,5 (97,97) 97

(99,98) 98,5 (98,98) 98 (97,98) 97,5

(99,99) 99 (98,97) 97,5 (97,99) 98

(99,98) 98,5 (98,97) 97,5 (97,98) 97,5

(99,97) 98 (98,98) 98 (97,99) 98

(99,97) 98 (98,99) 98,5 (98,99) 98,5

Jumlah semua rata-rata = 4410

Jumlah ke-45 buah rata-rata = 4.410.

4.410
maka rata-ratanya untuk ke-45 rata-rata ini = =98 .
45
Jadi,
μ x́ =98

simpangan baku ke-45 rata-rata di atas juga dapat dihitung.

Besarnya adalah:

σ x́ =0,5 2
Tetapi rata-rata populasi μ=98 dan simpangan baku σ =0,78. Selanjutnya kita hitung:

σ N −n 0,78 10−2
n √ =
N−1 √2 10−1√ =0,52

Ternyata berlaku bahwa:

μ x́ =μ
X(1) …………….
σ N −n
σ x́ =
√
√ n N −1

Jika N cukup besar dibandingkan terhadap n, maka berlaku hubungan:

μ x́ =μ
X(2) …………….
σ
σ x́ =
√n

Untuk penggunaan, rumus (2) cukup baik apabila (n/N) ≤ 5%.

Jika sampel acak berukuran n diambil dari sebuah populasi berukuruan N dengan rata-rata µ
dan simpangan baku σ, maka distribusi rata-rata sampel mempunyai rata-rata dan
simpangan baku seperti dalam rumus (1) jika (n/N) > 5%, seperti dalam rumus (2) jika
(n/N) ≤ 5%. σ x́  dinamakan kekeliruan standar rata-rata atau kekeliruan baku rata-rata atau
pula galat baku rata-rata. Ini merupakan ukuran variasi rata-rata sampel sekitar rata-rata
populasi µ. σ x́  mengukur besarnya perbedaan rata-rata yang diharapkan dari sampel ke
sampel.

Dalil limit pusat :

Jika sebuah populasi mempunyai rata-rata µ dan simpangan baku σ yang besarnya
terhingga, maka untuk ukuran sampel acak n cukup besar, distribusi rata-rata sampel

σ
mendekati distribusi normal dengan rata-rata μ x́ =μ dan simpangan baku σ x́ = .
√n
Distribusi normal yang didapat dari distribusi rata-rata perlu distandarkan agar daftar
distribusi noramal baku dapat digunakan. Ini perlu untuk perhitungan-perhitungan. Untuk
ini digunakan transformasi.

x́−μ
z=
σ x́
X(3) ………………..

Contoh :

Tinggi badan mahasiswa rata-rata mencapai 165 cm dan simpangan baku 8,4 cm. Telah
diambil sebuah sampel acak terdiri atas 45 mahasiswa. Tentukan berapa peluang tinggi rata-
rata ke-45 mahasiswa tersebut :

a) antara 160 cm dan 168 cm

b) paling sedikit 166 cm.

Jawab:

Jika ukuran populasi tidak dikatakan besarnya, selalu dianggap cukup besar untuk
berlakunya teori. Ukuran sampel n= 45 tergolong sampel besar sehingga dalil limit pusat
berlaku. Jadi rata-rata x́ untuk tinggi mahasiswa akan mendekati distribusi normal dengan :

Rata-rata μ x́= 165 cm

8,4
Simpangan baku σ x́ = cm = 1,252 cm.
√ 45

a) Dari rumus X(3) dengan x́ = 160 cm dan x́ = 168 cm didapat :

160−165 168−165
z 1= =−3,99    dan z 2= =2,40  
1,252 1,252

Penggunaan daftar distribusi normal baku memberikan luas kurva = 0,5 + 0,4918 =
0,9818.

Peluang rata-rata tinggi ke-45 mahasiswa antara 160 cm dan 168 cm adalah 0,9918.
b) Rata-rata tinggi paling sedikit 166 cm memberikan angka z paling sedikit =

166−165
=0,80
1,252
Dari daftar normal baku, luas kurva = 0,5-0,2881 =  0,2119. Peluang yang dicari =
0,2119

Apabila dari populasi diketahui variansnya dan perbedaan antara rata-rata dari sampel ke sampel
diharapkan tidak lebih dari sebuah harga d yang ditentukan, maka berlaku hubungan.

σ x́ ≤ d
X(4) ………………….

Dari rumus X(4) ini, ukuran sampel yang paling kecil sehubungan dengan distribusi rata-
rata, dapat ditentukan.

Contoh :

Untuk contoh diatas, misalkan harga-harga x́dari sampel yang satu dengan sampel yang
lainnya diharapkan tidak lebih dari 1 cm.

Jika populasi cukup besar, maka :

σ
≤d 8,4
√n yang menghasilkan ≤1 atau n ≥ 70,58.
√n

Paling sedikit perlu diambil sampel terdiri atas 71 mahasiswa.

II.2 Distribusi Sampel Proporsi

Bila populasi berukuran N mengandung jenis p sebanyak X, maka proporsi p adalah

X
. Dimana p merupakan probabilitas untuk terjadinya suatu peristiwa, sementara (q = 1-p)
N
merupakan probabilitas untuk tidak terjadinya suatu peristiwa.
Jika dari populasi tersebut diambil sampel berukuran n yang juga mengandung

x
proporsi dan sampel diambil berulang maka distribusi sampel proporsinya mempunyai :
n
X
1. Rata-rata → μ ^p=μ p =
N
 p (1−p )
2. Simpangan baku → σ ^p=
√ n
^p− p
3. Variabel random → Z=
σ ^p
Contoh :
Diketahui sebanyak 10% dari ibu-ibu rumah tangga di Bandung memakai detergen A untuk
mencuci pakaiannya. Jika dari populasi tersebut diambil sampel berukuran 100 :
a. Tentukan rata-rata dan simpangan baku dari populasi ibu-ibu rumah tangga yang
memakai detergen A!
b. Bila dari sampel tersebut ternyata terdapat paling sedikit 15 ibu rumah tangga yang
memakai detergen A, tentukan probabilitasnya!

Jawab:

a. Rata-rata : 10% = 0 ,1
p ( 1− p ) 0,1 ( 0,9 )
σ ^p=
√ n
=
√ 100
=0,03

15
b. Proporsi yang memakai detergen A adalah =0,15
100
^p − p 0,15−0,1
Z= = =1,67
σ ^p 0,03
P ( Z >1,67 ) =0,5−0,4525=0,0475

II.3 Distribusi Sampel Beda Dua Rata-rata

Terdapat 2 populasi. Populasi 1 sebanyak N 1 dan mempunyai rata-rata μ1 serta

simpangan baku σ 1 . Populasi 2 sebanyak N 2 mempunyai rata-rata μ2 serta simpangan baku
σ 2. Dari populasi 1 diambil sampel acak sebanyak n1 dengan rata-rata X́ 1 dan dari populasi 2

sampel acak sebanyak n2 dengan rata-rata X́ 2 dimana kedua sampel tersebut dianggap saling
bebas.
Dari sampel X́ 1 dan X́ 2 dapat dibuat sampel baru yang juga bersifat acak, yaitu sampel
beda dua rata-rata. Rata-rata dan simpangan baku dari distribusi sampel beda dua rata-rata
adalah :
Rata-rata : μ X́ −X́ =μ1−μ 2
1 2
 σ 12 σ 22
Simpangan baku : σ X́ − X́ =
1 2
√ +
n1 n 2

( X́ 1− X́ 2 )−( μ 1−μ2 )
Variabel Random : Z=
σ X́ − X́
1 2

Contoh :
Di suatu universitas diketahui rata-rata tinggi badan mahasiswa laki-laki adalah 164 cm
dengan simpangan baku 5,3 cm. Sedangkan mahasiswa perempuan tinggi badannya rata-
rata 153 cm dengan simpangan baku 5,1 cm. Dari dua populasi tersebut diambil sampel
acak yang saling bebas masing-masing 150 orang, berapa probabilitas rata-rata tinggi
mahasiswa laki-laki paling sedikit 12 cm lebihnya daripada rata-rata tinggi mahasiswa
perempuan?
Jawab:
Diketahui:
Populasi 1 : μ1=164 cm, σ 1 =5,3 cm, dan sampel 1:n 1=150 orang
Populasi 2 : μ2=153 cm , σ 2=5,1 cm , dan sampel 2 :n2=150 orang
Misal : X́ 1 = rata-rata tinggi badan mahasiswa laki-laki
X́ 2 = rata-rata tinggi badan mahasiswa perempuan
Rata-rata : μ X́ −X́ =μ1−μ 2=164−153=11 cm
1 2

σ 12 σ 22 5,32 5,12
Simpangan baku : σ X́ − X́ = + =
n1 n 2
1 2
√ +
150 150
=0,6
√
( X́ 1− X́ 2 )−( μ 1−μ2 ) ( X́ 1− X́ 2 )−11
Z= =
σ X́ − X́
1 2
0,6

Karena rata-rata tinggi badan mahasiswa laki-laki paling sedikit 12 cm lebihnya daripada

rata-rata tinggi badan mahasiswa perempuan, maka ( X́ 1− X́ 2 ) ≥ 12 sehingga

12−11
Z= =1,67 sehingga probabilitasnya P ( Z ≥1,67 )=0,5−0,4525=0,0475
0,6

II.4 Distribusi Sampel Beda Dua Proporsi

X1
Ada 2 populasi, Populasi 1 berukuran N 1 terdapat jenis X 1 dengan proporsi .
N1

X2
Populasi 2 berukuran N 2 terdapat jenis X 2 dengan proporsi . Bila populasi 1 diambil
N2
 x1
sampel acak berukuran n1 maka sampel ini akan mengandung jenis x 1 dengan proporsi .
n1
Demikian juga dengan populasi 2 diambil sampel acak berukuran n2 maka sampel ini akan

x2
mengandung jenis x 2 dengan proporsi . Sampel 1 dan 2 dapat membentuk sampel acak
n2
baru yaitu sampel beda dua proporsi. Distribusinya mempunyai :

Rata-rata : μ ^p − ^p = p1− p 2 1 2

p1 ( 1− p1 ) p2 ( 1− p2 )
Simpangan baku : σ ^p −^p =
1 2
√ n1
+
n2

( ^p 1−^p2 )−( p1 −p 2 )
Variabel Random : Z=
σ ^p − ^p
1 2

Contoh :

5% barang di gudang timur cacat, sedangkan barang yang cacat di gudang barat sebanyak
10%. Bila diambil sampel acak sebanyak 200 barang dari gudang timur dan 300 barang dari
gudang barat, tentukan probabilitas persentase barang yang cacat dalam gudang barat 2%
lebih banyak dibanding gudang timur!
Jawab :
Gudang barat : n1 =300; p1 =0,1
Gudang timur : n2 =200; p 2=0,05
^p1 = proporsi barang yang cacat di gudang barat dalam sampel
^p2 = proporsi barang yang cacat di gudang timur dalam sampel
σ p1 ( 1− p 1) p2 (1− p 2 )
^p1−¿ ^p =
2
√ n1
+
n2 √=
0,1 ( 0,9) 0,05 ( 0,95)
300
+
200
=0,023 ¿

( ^p 1−^p2 )−( p1 −p 2 ) ( ^p1 −^p 2 )−( 0,1−0,05 )

Z= =
σ ^p − ^p
1 2
0,023

Karena barang cacat di gudang barat 2% lebih banyak daripada di gudang timur maka
( ^p1− ^p2 ) > 0,02 sehingga diperoleh:

0,02−0,05
Z= =−1,3
0,023
Jadi probabilitasnya adalah P ( ^p1−^p2 >0,02 ) =P ( Z>−1,3 )=0,5+ 0,4032=0,9032=90,23 %

II.5 Distribusi Sampel Rata-rata untuk Sampel Kecil

DISTRIBUSI - t
 Distribusi Sampling didekati dengan distribusi t Student = distribusi t (W.S.
Gosset).
 Distribusi-t pada prinsipnya adalah pendekatan distribusi sampel kecil dengan
distribusi normal.
Dua hal yang perlu diperhatikan dalam Tabel t adalah :
1. derajat bebas (db)
2. nilai α
 Derajat bebas (db) = degree of freedom = v = n - 1.
n : ukuran sampel.
Nilai α adalah luas daerah kurva di kanan nilai t atau luas daerah kurva di kiri
nilai –t
 Nilai α → 0.1 (10%) ; 0.05 (5%) ; 0.025(2.5%) ; 0.01 (1%) ; 0.005(0.5%)
 Nilai α terbatas karena sesuai dengan db yang harus disusun!
 Selanjutnya Distribusi-t akan digunakan dalam Pengujian Hipotesis.

Nilai α ditentukan terlebih dahulu
Lalu nilai t tabel ditentukan dengan menggunakan nilai α dan db.
Nilai t tabel menjadi batas selang pengujian
Lakukan pembandingan nilai t tabel dengan nilai t hitung.
Nilai t hitung untuk kasus distribusi rata-rata sampel kecil didapat
dengan menggunakan teori di bawah ini.

Distribusi Sampel dengan sampel kecil

Jika terdapat sampel ukuran kecil dengan n<30, dengan rata-rata : X́ dan simpangan
baku : s, yang diambil dari populasi yang berukuran N, terdistribusi Normal, dengan
rata-rata : μ X́ . Maka, distribusi rata-rata akan mendekati distribusi-t dengan:

s X́−μ X́
μ X́ =μ X ; σ X́ = ; dan nilai t=
√n s
√n
Pada derajat bebas = n-1 dan suatu nilai α.

Pembacaan Tabel Distribusi-t

Misalkan :

n = 9 dengan db = 8;

Nilai α ditentukan di kiri dan kanan kurva

t tabel (db, α) = t tabel(8; 0.025) = 2.306

Jadi t = 2.306 dan -t = -2.306

Arti Gambar di atas :

nilai t sampel berukuran n = 9, berpeluang 95% jatuh dalam selang -2.306 < t < 2.306.
Peluang t >2.306 = 2.5 % dan Peluang t < -2.306 = 2.5 %

Coba cari nilai t tabel untuk beberapa nilai db dan α yang lain!

 Perbedaan Tabel Z dan Tabel t

Tabel Z → nilai Z menentukan nilai α
Tabel t → nilai α dan db menentukan nilai t
 Dalam banyak kasus nilai simpangan baku populasi (σ) tidak diketahui,
karenanya nilai σ diduga dari nilai simpangan baku sampel (s)
Contoh :

Manajemen PT BETUL menyatakan bahwa 95% rokok produksinya rata-rata

mengandung nikotin 1.80 mg, data tersebar normal. Yayasan Konsumen melakukan
 pengujian nikotin terhadap 9 batang rokok dan diketahui rata-rata sampel = 1.95 mg
nikotin dengan standar deviasi = 0.24 mg. Apakah hasil penelitian Yayasan Konsumen
mendukung pernyataan Manajemen PT BETUL?

Jawab:

95 berada dalam selang → berarti 5 % berada di luar selang;

2,5 % di kiri t dan 2.5% di kanan t
α = 2.5 % = 0.025
n = 9 → db = n - 1 = 8
t tabel (db, α) = t tabel (8; 0.025) = 2.306
Jadi 95 % berada dalam selang -2.306 < t < 2.306

Nilai t-hitung = ?
μ = 1.80 ; n = 9 ; x= 1.95 ; s = 0.24

X́−μ X 1,95−1,80 0,15

t= = = =1,875
s 0,24 0,08
√n √9

Nilai t hitung = 1.875 berada dalam selang -2.306 < t < 2.306 , jadi hasil penelitian
Yayasan Konsumen masih sesuai dengan pernyataan manajemen PT BETUL.

DAFTAR PUSTAKA

Faelasofi. R (2012). Distribusi Sampling Statistik. From :

https://www.scribd.com/doc/46300162/Distribusi-Sampling-Statistik, (diakses 7 November
2014)
Pacifista. A (2013). Distribusi Sampling. From :
https://www.academia.edu/5503798/DISTRIBUSI_SAMPLING, (diakses 7 November 2014)
Rakhma. (2013). STATISTIKA – 2 Distribusi Sampling (Distribusi Penarikan Sampel) From :
rakhma.staff.gunadarma.ac.id/Downloads/files/29704/SAMPLING.DOC, (diakses 7
November 2010)