SAMPLING
DAN
DISTRIBUSI SAMPLING
6.1 Pengantar
Untuk dapat mengerti dengan baik dua tujuan utama Statistik Inferensial
(induktif), yaitu pendugaan statistik dan pengujian hipotesis, pengetahuan
mengenai sampling dan distribusi sampling perlu dikuasai dengan baik.
Kali ini akan dibahas mengenai populasi, sampel, metode penarikan
sampel dan distribusi sampling. Distribusi Sampling nilai rata-rata, nilai proporsi,
Distribusi sampling beda rata-rata dan beda proporsi.
Tujuan pada pembahasan ini adalah diharapkan dapat memahami dan
mengerti tentang populasi, sampel, metode penarikan sampel dan distribusi
sampling.
6.2 Sampling
6.2.1 Populasi dan Sampel
Populasi adalah kumpulan dari seluruh elemen (unit, individu) sejenis
dan bisa dibedakan yang menjadi obyek penyelidikan (penelitian). Individu-
individu yang menjadi obyek penyelidikan ini dan karakteristiknya yang ingin
diketahui disebut satuan penelitian atau unit elementer. Sebagai elemen/obyek
penelitian bisa saja berupa orang, organisasi, barang dan sebagainya.
Sedangkan yang dimaksud dengan karakteristik dari elemen (obyek)
penelitian adalah ciri-ciri, sifat-sifat atau hal-hal yang dimiliki oleh elemen
(obyek) penelitian tersebut. Bila orang yang menjadi obyek penelitian, maka
karakteristik dari orang tersebut bisa berupa umurnya, tingkat pendidikannya,
jenis kelaminnya, tingkat penghasilannya dan lain sebagainya. Bila perusahaan
yang menjadi obyek penelitian, maka karakteristik dari perusahaan tersebut bisa
berupa jumlah karyawan yang dipekerjakan, jumlah produksinya, besar omset
perbulan dan sebagainya. Sehingga Keterangan-keterangan yang berkaitan dengan
karakteristik yang dikumpulkan dari obyek penelitian ini akan membentuk data
Statistik.
Dilihat dari banyaknya anggota dari populasi maka populasi dibedakan
atas populasi terbatas dan populasi tak terbatas.
- Bila anggota suatu populasi terbatas jumlahnya disebut populasi terbatas
76
Pendidikan Teknik Informatika
- Bila anggota suatu populasi tak terbatas jumlahnya disebut populasi tak
terbatas
77
Pendidikan Teknik Informatika
1. Random Sampling
Random Sampling adalah suatu cara penarikan sampel sedemikian rupa,
sehingga setiap anggota populasi memiliki kesempatan yang sama untuk dipilih
sebagai anggota sampel. Dengan demikian cara ini cukup obyektif. Untuk
memilih anggota dengan cara random dapat dilakukan dengan dua cara yaitu,
cara undian dan cara dengan tabel bilangan random.
Cara Undian
Dengan cara ini, tahapannya sebagai berikut :
- Daftarkan semua anggota populasi
- Beri nomor urut semua anggota populasi
- Nomor urut setiap populasi ditulis pada lembaran-lembaran kertas
berukuran kecil
- Gulung kertas-kertas kecil tersebut
- Masukkan gulungan-gulungan kertas kecil tersebut ke dalam kotak kosong
lalu kotak dikocok-kocok
- Ambil gulungan kertas tersebut satu-persatu dari dalam kotak, sampai
mencapai jumlah sampel yang diinginkan.
Maka nomor-nomor dari gulungan kertas yang terpilih itu merupakan nomor
anggota populasi yang terpilih sebagai anggota sampel, maksudnya anggota
populasi yang terpilih sebagai anggota sampel adalah anggota populasi yang
bernomor sesuai dengan nomor gulungan kertas yang terpilih.
78
Pendidikan Teknik Informatika
Kolom
Baris 1 2 3 4
Misalkan dari sebuah populasi yang berukuran 100 (100 anggota), kita hendak
mengambil sampel berukuran 10. Cara pengambilan sampel sebanyak 10 ini
tahapannya sebagai berikut :
Anggota populasi mula-mula diberi nomor urut 01 sampai 100
Penggunaan tabel bilangan random dengan 2 angka sebelah kiri (2 angka
dari depan).
Apabila dimulai dari angka baris pertama dan kolom kedua (yaitu angka 15011),
maka yang akan terpilih sebagai sampel pertama adalah anggota populasi dengan
nomor 15. Untuk lebih jelasnya, sampel terpilih selengkapnya dapat dinyatakan
sebagai berikut :
- Sampel ke-1, anggota populasi dengan nomor 15
- Sampel ke-2, anggota populasi dengan nomor 46
- Sampel ke-3, anggota populasi dengan nomor 48
- Sampel ke-4, anggota populasi dengan nomor 93
- Sampel ke-5, anggota populasi dengan nomor 39
- Sampel ke-6, anggota populasi dengan nomor 06
- Sampel ke-7, anggota populasi dengan nomor 72
- Sampel ke-8, anggota populasi dengan nomor 91
- Sampel ke-9, anggota populasi dengan nomor 13
- Sampel ke-10, anggota populasi dengan nomor 36
79
Pendidikan Teknik Informatika
N!
NCn =
n ! (N - n) !
80
Pendidikan Teknik Informatika
40
Pada strata I = x 50 = 4 orang
500
300
Pada strata II = x 50 = 30 orang
500
160
Pada strata III = x 50 = 16 orang
500
Cluster Sampling
Pada cluster sampling anggota-anggota populasi dibagi dalam sub
kelompok yang disebut cluster (kelompok), pembagian anggota-anggota populasi
ke dalam cluster ini dapat dilakukan atau didasarkan atas wilayah administrasi
pemerintah, batas-batas alam seperti : gunung , sungai, maupun jalan. Selanjutnya
setelah membagi anggota-anggota populasi kedalam cluster secara random (acak),
dari cluster yang baru terpilih, dipilih sampel secara random pula.
81
Pendidikan Teknik Informatika
populasi untuk dipilih sebagai sampel. Jadi, subyektivitas dari peneliti sangat
berperan didalam pemilihan sampel. Cara pengambilan sampel yang termasuk
kedalam non-random sampling, antara lain adalah purposive sampling (Judgement
sampling) dan quota sampling
Purposive Sampling
Purposive sampling adalah suatu cara pengambilan sampel dengan
tujuan tertentu, anggota-anggota sampel akan dipilih sedemikian rupa, sehingga
sampel yang dibentuk tersebut dapat mewakili (mencerminkan) sifat-sifat
populasi induknya.
Quota Sampling
Quota sampling hampir sama dengan stratified random sampling
akan tetapi pemilihan anggota-anggota dari setiap kelompok (strata) tidak
ditentukan berdasarkan jatah (quota).
82
Pendidikan Teknik Informatika
2. Kesalahan Sampling
Kesalahan ini umumnya sering terjadi pada waktu memilih sampel
yang akan dipakai sebagai dasar untuk membuat kesimpulan mengenai
populasi yang merupakan induk sampel tersebut.
Statistik Parameter
No Besaran
(sampel) (populasi)
___
1 Mean (rata-rata) X
2 Simpangan Baku S
__ x X
3 Proporsi p P=
n N
4 Jumlah data n N
5 Koefisien Korelasi r R
__ __
6 Beda dua rata-rata ( x1 - x 2 ) ( 1 - 2 )
83
Pendidikan Teknik Informatika
Berdasarkan teori diatas, Distribusi sampling nilai rata-rata memiliki sifat sebagai
berikut :
84
Pendidikan Teknik Informatika
X - x
Z=
x
(6.3)
x = rata-rata sampel, x = rata-rata distribusi sampling nilai rata-rata, x
= simpangan baku distribusi sampling nila rata-rata dan Z = nilai padanan
dari x
x x
Gambar 6.1 : Distribusi sampling nilai rata-rata, untuk n 30
Contoh 6.1 : Suatu populasi terdiri dari empat anggota (N = 4), dengan nilai
masing-masing 1, 3, 5, dan 7. Dari populasi ini ditarik sampel berukuran dua (n =
2 ) dengan pemulihan
a. Hitunglah rata-rata dan simpangan baku populasinya
85
Pendidikan Teknik Informatika
Penyelesaian :
a). dibuat perhitungannya sebagai berikut :
b). Banyaknya sampel yang berukuran dua ( n = 2 ) yang mungkin dapat diambil
dari populasi berukuran empat (N = 4) dengan pemulihan adalah :
Nn =42
= 16
Tabel 5.4 : Banyaknya kemungkinan sampel berukuran 2 dan rata-rata
masing-masing sampel dari populasi berukuran 4
86
Pendidikan Teknik Informatika
12 (5,7) 6
13 (7,1) 4
14 (7,3) 5
15 (7,5) 6
16 (7,7) 7
Bila rata-rata sampel pada kolom 3 pada tabel diatas diatas, dibuatkan
tabelnya maka didapat distribusi sampling nilai rata-rata sebagai berikut :
= 16 . X = 64
Kerjakan 6.1 !
Suatu populasi terdiri dari 5 orang pedagang kaki lima (A, B, C, D, dan E)
dengan modal yang besarnya masing-masing (dalam jutaan rupiah) A = 3, B = 5,
C = 4, D = 10 dan E = 10. Dari populasi tersebut dipilih sampel berukuran 2 ( n =
2 ) tanpa pemulihan, untuk menempati lokasi usaha. Buatlah distribusi sampling
nilai rata-ratanya, dan hitunglah rata-rata dan simpangan baku dari distribusi
sampling nilai rata-rata tersebut!
Contoh 6.2 : Sebuah pabrik memproduksi sejenis aki memiliki rata-rata umur
pakai 900 jam dengan simpangan baku 193,645 jam. Bila diambil 15 sampel
secara acak produk pabrik tersebut, berapa peluang bahwa rata-rata umur pakai
sampai
a. kurang dari 800 jam
b. antara 850 jam hingga 950 jam
87
Pendidikan Teknik Informatika
penyelesaian :
= 900 jam = 193,645 jam n = 15
Karena ukuran populasinya tidak diketahui, maka populasinya dianggap tak
terbatas
850 - 900
b. P( 850 < X < 950) = . . . ? X = 850 Z = = -1
50
950 - 900
X = 900 Z = =1
50
P(850 < X < 950) = P(-1 < X < +1 )
= P (Z < +1) – P( Z < -1 )
= 0.8413 – 0.1587
= 0,6826
88
Pendidikan Teknik Informatika
Dengan rumus :
pˆ - p
Z= (6.6)
p̂
p̂ p̂
Distr. Sampling proposi dengan n 30
Oleh karena variabel acak sesungguhnya dari proporsi adalah variabel diskrit,
maka dari itu pendekatan distribusi normal untuk variabel sampling proporsi
1
diperlukan factor kesinambungan sebesar , sehingga rumus diatas menjadi :
2n
1
( pˆ )-P
Z= 2n (6.7)
p̂
Bila n . p dan n (1 - p) > 5, maka factor koreksi kesinambungan boleh diabaikan
89
Pendidikan Teknik Informatika
Contoh 6.3 : Diketahui bahwa produk yang dihasilkan oleh mesin tertentu 10%
rusak. Berapa peluang bahwa dari 200 produk yang diambil sebagai sampel acak
a. 12 % atau lebih produk rusak
b. 8 % hingga 12% produk rusak
Penyelesaian :
n = 200 p̂ = P = 10 % = 0,1
P (1 - p) 0,1 (1 - 0,1)
p̂ = .= . = 0,021
n 200
a. P ( p̂ 12 %) = . . . ?
pˆ - p
Untuk p̂ = 12 % = 0,12 Z =
p̂
0,12 - 0,1
= = 0,95
0,021
P ( p̂ 12 %) = P ( Z 0,95)
0 0,95 = 1 – P ( Z 0,95 )
Z
= 1 – 0,8289
= 0,1711 atau 17,11 %
Jadi peluang bahwa sampel yang diambil tersebut rusak 12 % atau lebih adalah
0,1711 atau 17,11 %
b. P ( 8 % p̂ 12 % ) = P ( 0,08 p̂ 0,12 ) = . . . ?
Untuk
0,08 - 0,1
p̂ = 0,08 Z = = - 0,95
0,021
-0,95 0 0,95 Z
0,12 - 0,1
p̂ = 0,12 Z = = + 0,95
0,021
90
Pendidikan Teknik Informatika
( X 1 X 2 ) - (1 - 2 )
Z= (6.10)
( x1 x2 )
Contoh 6.4 : Dua jenis bola lampu yaitu bola lampu merek A dan bola lampu
merek B, masing-masing memiliki rata-rata umur pakai 1600 jam dan 1400 jam
dengan simpangan baku berturut-turut 200 jam dan 100 jam. Bila sampel random
sebanyak 100 bola lampu diambil dari merek A dan 50 bola lampu dari merek B.
Berapa peluang bahwa bola lampu merek A mempunyai rata-rata umur pakai :
a. 160 jam lebih dari merek B
b. 250 jam lebih lama dari merek B
91
Pendidikan Teknik Informatika
Penyelesaian :
Merk A Merk B
1 = 1600 jam 2 = 1400 jam
1 = 200 jam 2 = 100 jam
n1 = 100 n2 = 50
= 24,49
a. ( X 1 - X 2 ) = 160 , X1 - X 2 | > 160 ) = . . . ?
P( |
( X 1 X 2 ) - (1 - 2 )
Z=
( x1 x2 )
160 - 200
Untuk, ( X 1 - X 2 ) = 160 Z = = -1,63
24,49
-1,63 0 Z
92
Pendidikan Teknik Informatika
0
2,05 Z
P( | X 1 - X 2 | > 250 ) = P ( Z > 2,05)
= 1 – P ( Z < 2,05)
= 1 – 0.9798 = 0,0202 (= 2,02 %)
Jadi peluang bahwa bola lampu merek A dari sampel yang diambil
memiliki rata-rata umur pakai 250 jam lebih lama dari bola lampu merek
B adalah 0,0202
1. Rata-rata beda proporsi sampling beda dua proporsi sama dengan beda
proporsi populasinya
( p̂ 1 - p̂ 2 ). = ( P1 – P2 )
P1 (1 - P1 ) P2 (1 P2 ) N -n
( pˆ1 pˆ 2 ) = . .
n1 n2 N -1
(6.12)
93
Pendidikan Teknik Informatika
= ( p̂ 1 - p̂ 2 ). ( p̂ 1 - p̂ 2 ).
0 Z
Sedangkan nilai padanan ( p̂ 1 - p̂ 2 ) dalam Z dapat dihitung dengan
rumus sebagai berikut :
( pˆ1 - p̂ 2 ) - (P1 - P2 )
Z= (6.13)
( pˆ1 pˆ 2 )
Penyelesaian :
Merk A Merk B
P1 = PA = 50 % = 0,5 P2 = PB = 40 % = 0,4
n1 = nA = 200 n2 = nB = 100
P ( | p̂ 1 - p̂ 2 | > 5 % ) = P ( | p̂ 1 - p̂ 2 | > 0,05 ) = . . . ?
( p̂ 1 - p̂ 2 ) = P1 – P2 = 0,5 - 0,4 = 0, 1
P1 (1 - P1 ) P2 (1 P2 )
( pˆ1 pˆ 2 ) = .
n1 n2
0,5 (1 - 0,5) 0,4 (1 0,4)
= .
200 100
= 0,06
Untuk,
( pˆ1 - p̂ 2 ) - (P1 - P2 )
( p̂ 1 - p̂ 2 ) = 0,05 Z =
( pˆ1 pˆ 2 )
0,05 - 0,01
= = - 0, 83
0.06
-0,83 0 Z
94
Pendidikan Teknik Informatika
P ( | p̂ 1 - p̂ 2 | > 0,05 )
= P ( Z > - 0,83 )
= 1 – P (Z < - 0,83)
= 1 – 0.2033
= 0,7967 atau ( = 79,67 % )
Jadi peluang bahwa proporsi ibu rumah tangga di kota A yang menyenangi
sabun cuci merek rinso 5 % lebih besar dari proporsi ibu rumah tangga
yang menyenangi sabun cuci merek rinso di kota B adalah 79,67 %
6.4 Latihan !
6-1. Suatu populasi dengan 1500 anggota memiliki rata-rata 3000 dan standar
deviasi 1300. Jika diambil sampel random sebanyak 100 anggota, berapa
peluang bahwa rata-rata sampel dibawah 2900?
6-2. Dalam setiap pengiriman suatu barang, biasanya 90% diterima dalam
keadaan baik. Pada suatu hari telah dikirim 100.000 unit barang tersebut.
berapa peluang bahwa dari 80 unit barang yang dikirimkan tersebut, akan
berisikan barang yang baik
a. Antara 80 % dan 90 %
b. Paling sedikit 92 %
6-4. Suatu sampel random dengan anggota 50 diambil dari suatu populasi yang
mempunyai rata-rata 42,5 dan simpangan baku 0,4. Hitunglah peluang
bahwa rata-rata sampel ini akan terletak antara 41,2 dan 44,5 !
95