DISTRIBUSI SAMPLING
Disusun oleh:
NIM : 11.01.01.161
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
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
Keuntungan Sampel :
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.
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
μ x́ =μ
X(2) …………….
σ
σ x́ =
√n
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.
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 :
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 :
8,4
Simpangan baku σ x́ = cm = 1,252 cm.
√ 45
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.
σ
≤d 8,4
√n yang menghasilkan ≤1 atau n ≥ 70,58.
√n
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
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
12−11
Z= =1,67 sehingga probabilitasnya P ( Z ≥1,67 )=0,5−0,4525=0,0475
0,6
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 ¿
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 %
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.
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.
Misalkan :
n = 9 dengan db = 8;
Coba cari nilai t tabel untuk beberapa nilai db dan α yang lain!
Jawab:
Nilai t-hitung = ?
μ = 1.80 ; n = 9 ; x= 1.95 ; s = 0.24
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