1
Distribusi Sampling Rataan
2.1 Distribusi Sampling
PENDAHULUAN
Distribusi sampling merupakan distribusi probabilitas
suatu statistik berdasarkan semua kemungkinan sampel
dengan karakteristik statistik yang berbeda-beda.
Selanjutnya nilai statistik dari sampel yang dipelajari akan
dijadikan sebagai penduga dari parameter populasinya.
Oleh karena itu distribusi sampling dikatakan sebagai dasar dari statistika
inferensia. Salah satu dalil terpenting dalam distribusi sampling adalah dalil
batas tengah atau teori limit pusat yang dalam Bahasa Inggris dikenal sebagai
Central Limit Theorem (CLT) di mana DISTRIBUSI NORMAL merupakan
pemahaman dasarnya.
Distribusi Sampling Rataan
APAKAH “NORMAL” ?
Distribusi Sampling Rataan
Distribusi Normal sering disebut Distribusi Gauss, menghormati Karl Friedrics Gauss
(1977-1855) penemu bentuk persamaan normal. Distribusi Normal variatnya bersifat
kontinu memiliki persamaan umum yang dapat membentuk sebuah kurva normal
sebagai berikut:
kurva normal: 2
A
a a ≠ 2
platikurtik
B b
µ a= µ b x
Distribusi Sampling Rataan
5) Luas daerah di bawah kurva f(x) dan di atas sumbu x selalu sama dengan
satu unit persegi, yaitu P( − x ) = 1. Oleh karena itu, karena
kurvanya simetrik garis tegak x = , maka luas dari garis tegak pada titik nol
ke kiri ataupun ke kanan adalah 0.5.
Distribusi Sampling Rataan
• Sekitar 68.27% dari kasus ada dalam daerah satu simpangan baku:
(x = + 1 ke kanan dan x = – 1 ke kiri).
• Sekitar 95.45% dari kasus ada dalam daerah dua simpangan baku:
(x = + 2 ke kanan dan x = – 2 ke kiri).
• Sekitar 99.73% dari kasus ada dalam daerah tiga simpangan baku:
(x = + 3 ke kanan dan x = – 3 ke kiri).
Distribusi Sampling Rataan
Mencari probabilitas distribusi normal P(a < X < b) dilakukan dengan melakukan
transformasi nilai-nilai X menjadi nilai-nilai z atau angka baku Z : P (za < Z < zb).
P(a < X < b) → P (za < Z < zb).
Angka Baku Z. Seperti halnya dalam sampel definisinya
adalah ukuran penyimpangan data dari populasi. X −
Z=
Untuk: x = , x = , formulasi angka baku atau z skor:
Bilangan z dapat bernilai 0, (+) dan (-) yang artinya:
Jika z = 0, maka data bernilai sama dengan rata-rata populasi
Jika z = (+), maka data bernilai di atas rata-rata populasi
Jika z = (–), maka data bernilai di bawah rata-rata populasi
Distribusi Sampling Rataan
1 − 1 − 12 Z 2
f ( x) = e 2 f ( z) = e
2 2
X −
Z=
− − 0
z z
Distribusi Sampling Rataan
−
z
2. Hitung z sd. 2 desimal, misalnya:
P(Z < 1.96)=?
3. Lukis kurvanya, letakan harga z
pada sumbu x, tarik garis vertikal P(Z < 1.96)=?
hingga memotong kurva.
4. Luas yang tertera dalam daftar 0
1.96
z
adalah luas daerah sampai dengan
garis vertikal di titik z = 1.96.
Distribusi Sampling Rataan
0 z
1.96
Distribusi Sampling Rataan
LATIHAN 1
SOLUSI:
2. P(Z > –1.98)?
Langkah 1: Gambarkan kurvanya!
Langkah 2: Cari luas area di bawah kurva normal
standar di sebelah kanan Z = –1.98
dengan menggunakan Tabel Z [1],
diperoleh nilai 0.0239. Kemudian P(Z > −1.98)=?
SOLUSI:
3. P(–1.98 <Z < 1.98)?
Langkah 1: Gambarkan kurvanya! P(−1.98 < Z < 1.98)=?
Mencari nilai Z
1. Temukan nilai z0, sehingga probabilitas P(Z<z0) = 0.9761?
2. Temukan nilai z0,sehingga probabilitas P(Z>z0) = 0.9761?
3. Temukan nilai z1 dan z2 sehingga probabilitas P(z0<Z<z1) = 0.9522 areanya berada di tengah?
Distribusi Sampling Rataan
LATIHAN 2
Mencari nilai Z
1. Temukan nilai z0, sehingga probabilitas P(Z<z0) = 0.9761?
2. Temukan nilai z0,sehingga probabilitas P(Z>z0) = 0.9761?
3. Temukan nilai z1 dan z2 sehingga probabilitas P(z0<Z<z1) = 0.9522 areanya berada di tengah?
SOLUSI:
1. P(Z<z0) = 0.9761?
Langkah 1: Gambarkan kurvanya!
Langkah 2: Cari luas P(Z<z0) = 0.9671 pada Tabel Z [1].
Kemudian temukan nilai z nya disebelah kiri 0.9761
[1.9] dan atasnya [.08] sehingga z0 = 1.98 :
P(Z<1.98) = 0.9761 0 z
z0?
Langkah 3: Kesimpulan: Nilai z0 = 1.98.
Distribusi Sampling Rataan
LATIHAN 2
Mencari nilai Z
1. Temukan nilai z0, sehingga probabilitas P(Z<z0) = 0.9761?
2. Temukan nilai z0,sehingga probabilitas P(Z>z0) = 0.9761?
3. Temukan nilai z1 dan z2 sehingga probabilitas P(z0<Z<z1) = 0.9522 areanya berada di tengah?
SOLUSI:
2. P(Z>z0) = 0.9761?
Langkah 1: Gambarkan kurvanya!
Langkah 2: Cari terlebih dahulu luas P(Z<z0) yaitu
mengurangkan 1 dengan 0.9671:
P(Z<z0) = 1 – P(Z>z0) = 1 – 0.9671 = 0.0239
Kemudian pada Tabel Z [1], temukan nilai z 0.9761
nya disebelah kiri [–1.9] dan atasnya [.08]
sehingga z0 = –1.98.
P(Z> – 1.98) = 0.9761 0 z
Z0=?
Langkah 3: Kesimpulan: Nilai z0 = –1.98.
Distribusi Sampling Rataan
LATIHAN 2
Mencari nilai Z
1. Temukan nilai z0, sehingga probabilitas P(Z<z0) = 0.9761?
2. Temukan nilai z0,sehingga probabilitas P(Z>z0) = 0.9761?
3. Temukan nilai z1 dan z2 sehingga probabilitas P(z0<Z<z1) = 0.9522 areanya berada di tengah?
SOLUSI:
1. P(X < 95)= ?
Langkah 1: Gambarkan kurvanya!
Langkah 2: Hitung nilai Z untuk X = 95 dan µ =
100 dan = 5:
X − 95 − 100 Cari luas area di bawah kurva normal standar di sebelah kiri Z = –1 dengan
Z= = = −1 menggunakan Tabel Z [1], diperoleh nilai 0.1587.
5
P(X<95) = P(Z<–1) = 0.1587
Langkah 3: Kesimpulan: Probabilitas talk time SUATU baterai kurang dari
95 menit sebesar 15.87%.
Distribusi Sampling Rataan
LATIHAN 3
Penerapan Distribusi Normal
Misalkan baterai Li-Ion 1100 mAh memiliki mean talk time 100 menit berdistribusi normal dengan simpangan baku 5 menit.
Carilah probabilitas SUATU baterai yang diambil akan berumur:
1. Kurang dari 95 menit?
2. Lebih dari 105 menit?
3. Antara 95 dan 105 menit?
SOLUSI:
2. P(X > 105)= ?
Langkah 1: Gambarkan kurvanya!
Langkah 2: Hitung nilai Z untuk X = 95 dan µ =
100 dan = 5:
X − 105 − 100
Z= = = −1
5
Cari luas area di bawah kurva normal standar di
sebelah kiri Z = 1 dengan menggunakan Tabel Z Langkah 3: Kesimpulan: Probabilitas talk time SUATU baterai
[1] diperoleh 0.8413. Kemudian kurangkan 1 lebih dari 95 menit sebesar 15.87%.
dengan 0.8413 sehingga diperoleh luas disebelak
kanan Z =1 sebesar 0.1587:
P(Z>1) = 1 – P(Z<1) = 1 – 0.8413 = 0.1587
Distribusi Sampling Rataan
LATIHAN 3
Penerapan Distribusi Normal
Misalkan baterai Li-Ion 1100 mAh memiliki mean talk time 100 menit berdistribusi normal dengan simpangan baku 5 menit.
Carilah probabilitas SUATU baterai yang diambil akan berumur:
1. Kurang dari 95 menit?
2. Lebih dari 105 menit?
3. Antara 95 dan 105 menit?
SOLUSI:
3. P(95< X < 105)= ?
Langkah 1: Gambarkan kurvanya!
Langkah 2: Pertama, hitung nilai z1 untuk X1 =
95 dan µ = 100 dan = 5:
Cari luas area di bawah kurva normal standar di sebelah kiri Z = 1 dengan
X1 − 95 − 100
z1 = = = −1 menggunakan Tabel Z [1], diperoleh nilai 0.8413:
5
Cari luas area di bawah kurva normal standar di P(z2<1) = 0.8413
sebelah kiri Z = –1 dengan menggunakan Tabel Z Ketiga, kurangkan luas z2 dengan z1:
[1], diperoleh nilai 0.1587: P(95 < X < 100) = P(–1 < Z < 1)
P(z1<–1) = 0.1587 = P(z2<1) – P(z1<–1)
= 0.8413 – 0. 1587 = 0.6826
Kedua, hitung nilai z2 untuk X2 = 105 :
X − 105 − 100 Langkah 3: Kesimpulan: Probabilitas talk time SUATU baterai antara 95 dan 100
z2 = 2 = =1
5 menit sebesar 68.26%.
Distribusi Sampling Rataan
PARAMETER DAN STATISTIK
Ukuran gejala yang dideskripsikan oleh statistik sebagai ukuran-ukuran sampel untuk menduga
parameternya dapat berupa:
1. Ukuran gejala pusat, yaitu: mean dan modus.
2. Ukuran letak, yaitu: median, kuartil, desil dan persentil.
3. Ukuran penyebaran, yaitu: range, simpangan baku, variasi dan koefisien variasi.
4. Ukuran korelasi, yaitu koefisien korelasi (r dan ).
Ukuran-ukuran parameter sudah umum digunakan huruf besar dan simbol-simbol dari huruf
(Yunani), seperti simbol N untuk jumlah populasi, P untuk proporsi, untuk mean (rataan
populasi), untuk standar deviasi.
Sementara untuk statistik digunakan huruf kecil, seperti n untuk jumlah sampel, p untuk proporsi,
untuk rataan sampel, dan s untuk standar deviasi.
VARIANSI DAN SIMPANGAN BAKU Distribusi Sampling Rataan
Sampling Error = ( – μ)
Nilai Error bisa bernilai (+) atau (-). Besar-kecilnya error yang akan menentukan
bersar-kecilnya ukuran sampel.
Diketahui data 8 buah data sampel: 48, 52, 54, 55, 58, 59, 60 dan 62. Hitung
Rata-rata Simpangannya?
xi − x 30
x = 56 RS = = = 3.75
n 8
Distribusi Sampling Rataan
n
2. Ungrouped Data (Sampel)
(x − x) i
2
“DISTRIBUSI SAMPLING adalah distribusi probabilitas dari statistik sampel yang terbentuk ketika
sampel ukuran n berulang kali diambil dari populasi”
Kemudian dari masing-masing sampel yang telah terambil dihitung sehingga diperoleh suatu statistik
tertentu seperti rataan, proporsi, standar deviasi, dsb. sebagai estimator populasinya. Karena setiap
ukuran statistik sampel memiliki sebuah distribusi sampling, maka penamaan suatu distribusi sampling
akan mengikuti nama dari statistik yang dipelajari.
• Suatu statistik rataan, maka disebut Distribusi Sampling Rataan.
• Suatu statistik proporsi, maka disebut Distribusi Sampling Proporsi
• Suatu statistik variansi, maka disebut Distribusi Sampling Variansi dan sebagainya.
Distribusi Sampling Rataan
DISTRIBUSI SAMPLING RATAAN
DISTRIBUSI SAMPLING RATAAN adalah distribusi rata-rata aritmetika dari seluruh sampel acak berukuran n
yang mungkin, yang dipilih dari sebuah populasi berukuran N. Dikatakan distribusi sampling rata-rata karena
tujuannya menaksir rata-rata atau mean dari populasi.
Ketika semua sampel yang mungkin dengan ukuran n dipilih dengan pengembalian
(With Replacement) dari suatu populasi, distribusi sampling rataan untuk sebuah
variabel memiliki 2 sifat penting:
1. Mean dari rataan sampel akan sama 2. Standar deviasi rataan sampel akan
dengan mean populasi. lebih kecil dari standar deviasi dari
populasi, dan itu akan sama dengan
standar deviasi populasi dibagi
dengan akar kuadrat dari ukuran
sampel.
Distribusi Sampling Rataan
38
Distribusi Sampling Rataan
𝑊𝑅 𝑁𝑛
Populasi
• Memperhatikan urutan (abba)
N Sampel 𝑁!
n 𝑁 𝑃𝑛 =
𝑁−𝑛 !
𝑊𝑂𝑅 • Tidak memperhatikan urutan (ab=ba)
Populasi 𝑁 𝑁!
Terbatas 𝑁 𝐶𝑛 = =
𝑛 𝑛! 𝑁 − 𝑛 !
Dimana: 𝑁 𝑃𝑛 > 𝑁 𝐶𝑛
39
Distribusi Sampling Rataan
Distribusi Sampling
Populasi
Rata-rata
Parameter:
µ,
Statistik:
WR
Sampel x1 , x 2 ,..., x N n
Nn
n
x x =
x = ni n
N
Perhatikan:
Bentuk histogram adalah
lonceng dan simetris, mirip
dengan kurva normal
41
Distribusi Sampling Rataan
Maka:
σ 𝑥ҧ𝑖 64
• Mean dari rataan sampelnya: 𝜇𝑥ҧ = 𝑛 = =4 (𝜇𝑥ҧ = 𝜇)
𝑁 16
σ 2
• Variansi dan Standar deviasi (𝑥ҧ 𝑖 − 𝜇) 40
𝜎𝑥ҧ 2 = = = 2.5
dari rataan sampelnya: 𝑁𝑛 16
→ 𝜎𝑥ҧ = 2.5 = 1.58
Atau:
𝜎 2.236
𝜎𝑥ҧ = = = 1.58
𝑛 2
42
Distribusi Sampling Rataan
43
Distribusi Sampling Rataan
44
Distribusi Sampling Rataan
RINGKASAN
Distribusi Sampling Rataan
Distribusi Sampling Rataan
TEOREMA LIMIT PUSAT
(The Central Limit Theorem)
a. SAMPEL BESAR
Teorema Limit Pusat menjelaskan hubungan antara distribusi sampling rataan
sampel dan populasinya.
Distribusi Sampling Rataan
SOLUSI:
1. Menentukan probabilitas sebuah nilai P(Z<−0.2)=?
tertentu dari variabel random X:
P(X < 98)= ?
Untuk X = 98 dan µ = 100 dan = 10
0.4207
diperoleh:
X − 98 − 100 −0.2
0 Z
Z= = = −0.2
10 Kesimpulan: Probabilitas talk time SUATU
Dengan menggunakan Tabel Z [1], diperoleh: baterai kurang dari 98 menit
P(X<98) = P(Z<–0.2) = 0.4207 sebesar 42.07%.
Distribusi Sampling Rataan
LATIHAN 4
Aplikasi Normal Standar dan CLT
Misalkan suatu baterai memiliki waktu hidup 100 menit yang berdistribusi normal dengan simpangan baku 10 menit.
Pertanyaan:
1. Carilah probabilitas SUATU baterai tertentu akan berumur kurang dari 98 menit?
2. Apabila random sampling sebanyak 25 buah baterai, berapa probabilitas baterai akan memiliki umur rata-rata kurang
dari 98 menit?
SOLUSI:
2. Menentukan probabilitas nilai rataan
P(Z<−1)=?
sampling : P( <98) = ?
Untuk n =25 (<30, tetapi asumsi berdistribusi
normal sehingga dapat digunakan CLT),
µ = 100 dan = 10 diperoleh: 0.1587
−1
0 Z
x − 98 − 100
Z= = = −1 Kesimpulan: Probabilitas rataan talk time
/ n 10 / 25
baterai dari 25 baterai kurang
Dengan menggunakan Tabel Z [1], diperoleh: dari 98 menit sebesar 15.87%.
P( <98) = P(Z<–1) = 0.1587
Distribusi Sampling Rataan
b. SAMPEL KECIL
Pengenalan DISTRIBUSI – t
• Secara praktis, ketika tidak diketahui maka digunakan Distribusi–t
dengan menganggap hampiran normal.
• Distribusi–t biasanya disebut Distribusi Student mirip dengan
Distribusi Z karena keduanya setangkup dan berbentuk lonceng.
a
0 ta
Distribusi Sampling Rataan
Tabel Distribusi – t
a a a
0 0 ta
ta -ta= t1-a
Distribusi Sampling Rataan
Tabel Distribusi – t
Distribusi Sampling Rataan
a a
0 − 0
ta z
Distribusi Sampling Rataan
YA
Central Limit
Theorem*) *) n<30 harus berdistribusi normal
Distribusi Sampling Rataan
LATIHAN 5
Nilat t0.05?