STATISTIK 1

(KELOMPOK 3)
DISTRIBUSI SAMPLING

DISUSUN OLEH :

Ian Sopian (201466025)

Indah Putri Fezaliana (201466055)

Petri Harmiyati Oematan (201466058)

M. Idrus Djamar (201466066)

Rizkita N. Wulandari (201466093)

Aufa Miftah Firdausy (201466152)

Jennifer Wayoi (201466163)

FAKULTAS FISIOTERAPI
TAHUN AJARAN 2016/2017
 DISTRIBUSI SAMPLING

A. POPULASI SAMPLING
Populasi (universe) adalah totalitas dari semua objek atau individu yang memiliki
karakteristik tertentu, jelas dan lengkap yang akan di teliti (bahan penelitian). Objek atau
nilai disebut unit analisis atau elemen populasi. Unit analisis dapat berupa orang,
perusahaan, hasil produksi, rumah tangga dan tanah pertanian.
Sampel adalah bagian dari populasi yang diambil melalui cara-cara tertentu yang
juga memiliki karakteristik tertentu, jelas dan lengkap yang dianggap bisa mewakili
populasi. Objek atau nilai yang diteliti dalam sampel disebut uni sampel. Unit sampel
mungkin sama dengan unit analisis, tetapi mungkin juga tidak.
Untuk menerangkan karakteristik dan populasi dan sampel, digunakan istilah
parameter dan statistic. Parameter dan statistic adalah besaran yang berupa data ringkasan
atau angka ringkasan yang menunjukan suatu ciri dari populasi dan sampel.
Parameter dan statistic merupakan hasil hitungan nilai dari semua unit didalam
populasi dan sampel bersangkutan.
Berikut ini table lambang yang digunakan untuk parameter dan statistic.1

TABEL 3.1 LAMBANG PARAMETER DAN STATISTIK

Besaran Lambang Parameter Lambang Statistik (Sampel)

(Populasi)
Rata-rata μ X
Varians σ2 S2
Simpangan Baku σ S
N
Jumlah Observasi N
P
Proporsi p

1
Ir. M. Iqbal Hasan, M.M., Pokok-Pokok Materi Statistik 2 (Statistik Inferensif) (Jakarta : PT Bumi Aksara, 2008),
hlm. 84-85.
 B. METODE SAMPLING
Metode sampling adalah cara pengumpulan data yang hanya mengambil sebagian elemen
populasi atau karakteristik yang ada dalam populasi. Cara pengumpulan data yang mengambil
setiap elemen populasi atau karakteristik yang ada dalam populasi.
Untuk sesuatu hal maka sensus dilaksanakan, tetapi karena sesuatu hal pula mungkin
sensus tidak dapat dilaksanakan dan kemudian dipilih sampling. Alasan-alasan dipilihnya
sampling antara lain sebagai berikut.

1. Objek penelitian yang homogen

Dalam menghadapi objek penelitian yang homogeny atau 100% sama, sensus tidak perlu
dilaksanakan, cukup hanya dengan melakukan sampling untuk memperoleh data yang
diperlukan. Contoh objek yang bersifat homogeny ialah : Darah dalam tubuh seseorang, dan
kadar garam air laut.

2. Objek penelitian yang mudah rusak

Dalam menghadapai objek penelitian yang mudah rusak, sensus tidak mungkin dilakukan
sebab akan merusak objek yang akan diteliti.
Contoh :
Penelitian mengenai rasa jeruk tidak mungkin dilakukan dengan mencicipi satu persatu jeruk
satu kebun.

3. Penghematan biaya dan waktu

Biaya yang dikeluarkan untuk melakukan sensus jauh lebih besar dibandingkan dengan
sampling, sehingga penggunaan sensus banyak menimbulkan pemborosan, sedangkan
penggunaan sampling lebih efisien. Hal itu disebabkan pada sensus objek yang diteliti jauh lebih
banyak dibandingkan objek yang akan diteliti pada sampling. Demikian pula halnya dengan
waktu. Waktu yang digunakan untuk melakukan sensus lebih lama jika dibandingkan dengan
waktu yang digunakan untuk melakukan sampling.2

2
Loc.cit.
4. Masalah ketelitian
Pada sensus objek yang harus diteliti, lebih banyak dibandingkan dengan pada sampling,
sehingga keakuratan hasil penelitiannya juga lebih kecil daripada sampling. Pengalaman
mengatakan bahwa semakin banyak objek yang diteliti, semakin kurang pula ketelitian yang
dihasilkan.

5. Ukuran Populasi
Seperti diketahui bahwa berdasarkan ukurannya populasi dapat berupa populasi
berhingga dan populasi tak terhingga. Untuk populasi tak terhingga yaitu populasi yang meiliki
banyak objek tidak berhingga, tetapi memiliki obejk yang sedemikian besarnya, sensus juga sulit
untuk dilaksanakan. Untuk keadaan seperti itu, sampling lebih cocok untuk digunakan.

6. Faktor ekonomis
Faktor ekonomis diartikan apakah kegunaan dari hasil penelitian sepedan dengan biaya,
waktu dan tenaga yang telah dikeluarkan untuk penelitian tersebut. Jika tidak , mengapa harus
dilakukan sensus yang memakan biaya waktu, dan tenaga yang banyak dan sebagai alternatifnya
dilakukan sampling.
Metode sampling pada dasarnya daoat dibedakan atas dua macam, yaitu sampling
random dan sampling nonrandom.

1. Sampling Random (Sampling acak)

Sampling random atau sampling probabilitas adalah cara pengambilan sampel

dengan semua objek atau elemen populasi memilki kesempatan yang sama untuk dipilih
sebagai sampel. Hasil dari sampling random memiliki sifat yang objektif.

Yang termasuk sampling random, antara lain sampling randon sederhana,

sampling berlapis, sampling sistematis, dan sampling kelompok.3

3
Ibid, hlm. 86.
 a. Sampling random sederhana
Sampling random sederhana adalah bentuk sampling random yang sifatnya
sederhana, tiap sampel yang berukuran sama memiliki probabilitas sama untuk terpilih
dan populasi. Sampling random sederhana dilakukan apabila :
1. Elemen-elemen populasi yang bersangkutan homogeny
2. Hanya diketahui identitas-identitas dari satuan-satuan individu 9elemen) dalam
populasi, sedangkan keterangan lain mengenai populas, seperti derajat keseragaman,
pembagian dalam golongan-golongan tidak diketahui dan sebagainya.

Sampling random sederhana dapat dilakukan dengan menggunakan dua metode yaitu metode
undian dan metode table random.

1) Metode undian
Metode undian adalah yang prosesnya dilakuan dengan menggunakanpola pengundian.
Proses pengerjaannya ialah sebagai berikut .
a) Memberi kode nomor urut pada semua elemen poluasi pada lembar kertas-kertas
kecil
b) Mengulang lembar kertas-kertas kecil kemudian memasukannya kedalam kotak,
mengocoknya dengan rata, dan mengambilnya satu persatu
c) Hasil undian itu merupakan sampel yang dipilih. Metode undian hanya cocok untuk
jumlah populasi yang kecil
2) Metode table random
Metode table random adalah metode yang prosesnya dilakukan dengan
menggunakan table bilangan random. Tabel bilangan random adalah table yang dibentuk
dari bilangan biasa yang diperoleh secara berturut-turut dengan sebuah proses random
serta disusun kedalam suatu table.4
Proses pengerjaannya ialah sebagai berikut :
a) Memberi nomor urut (mulai dari 1) pada semua elemen populasi, sebanyak elemen
tersebut.
b) Secara acak memilih salah satu halaman table bilangan random, demikian pula
dengan pemilihan kolom barisnya.

4
Ibid, hlm. 87.
 c) Nomor-nomor yang terpilih dari table tersebut merupakan nomor-nomor dari sampel.
Apabila nomor sampel sudah terpilih atau muncul, kemudian muncul lagi, maka
nomor itu dilewati.

Contoh soal :

PT TERBANG BERSAMA memiliki 100 orang karyawan. Jika akan dipilih 15 orang
sebagai sampel penelitian. Tentukan nomor-nomor karyawan tersebut sebagai sampel
dengan mengunakan table bilangan random !

Penyelesaian :

1. Ke-100 orang karyawan diberi nomor 01, 02, 03, 04, 05,……100.
2. Dari pengacakan, misalkan terpilih tanel bilangan random seribu angka kedua, kolom
3 dan 4, baris ke-6
3. Dari table bilangan random, diperoleh nomor-nomor karyawan sebagai sampel yaitu :
86,04, 50, 62, 59, 01, 75, 80, 58, 65, 50, 76, 92, 95, 03

b. Sampling berlapis (smpling strafied)

Sampling berlapis adalah bentuk sampling random yang populasi atau elemen populasinya
dibagi dalam kelompok-kelompok yang disebut strata. Sampling strafied dilakukan apabila :
1. Elemen-elemen populasi heterogen
2. Ada kriteria yang akan dipergunakan sebagai dasar untuk menstratifikai populasi
kedalam stratum-stratum.
3. Ada data pendahuluan dari populasi mengeani kriteria yang akan digunakan untuk
stratifikasi.
4. Dapat diketahui dengan tepat jumlah satuan-satuan individu dari setiap stratum dalam
populasi.5
Proses pengerjaannya ialah sebagai berikut :
1. Membagi populasi menjadi beberapa stratum.

5
Ibid, hlm. 87-88.
 2. Mengambil sebuah sampel random dari tiao stratum. Banyaknya unsur yang dipilih
dari tiap stratum boleh sebanding atau tidak sebanding dengan jumlah stratum dalam
populasinya.
3. Menggabungkan hyasil dari pengambilan sampel tiap stratum menjadi satu sampel
yang diperlukan.

Contoh soal :

Sebuah populasi terdiri atas 500 pedagang kaki lima, dengan komposisi 200 pedagang
makanan, 150 pedagang barang mainan, 100 pedagang kerajinan dan 50 pedagang rokok.
Jika 20 pedagang kaki lima itu hendak dijadikan sampel, tentukan banyaknya sampel tiap
stratum (gunakan metode sebanding) dan nomor-nomor sampel yang terpilih (gunakan
table bilangan random) pada tiap stratum.

Penyelesaian :

a) Pengelompokan sampel menjadi beberapa stratum diperhatikan pada table berikut

ini.6
Tabel 3.2 PENGELOMPOKAN SAMPEL

Stratum Jenis Usaha Jumlah

I Makanan 200
II Barang Mainan 150
III Kerajinan 100
IV Rokok 50

Jumlah 500

b) Pengambilan sampel dari masing-masing stratum adalah sebagai berikut :

Stratum I = 200/500 x 20 = 8 pedagang
Stratum II = 150/500 X 20 = 6 Pedagang
Stratum III = 100/500 X 20 = 4 Pedagang

6
Ibid, hlm. 88-89.
 Stratum IV = 50/500 X 20 = 2 Pedagang
Jumlah sampel seluruhnya adalah = 20 pedagang
c) Pemilihan sampel pada tiap stratum dilakukan dengan menggunakan table bilangan
random.
c. Sampling sistematis
Sampling sistematis adalah bentuk sampling random yang mengambil elemen-elemen
yang akan diselidiki berdasarkan urutan tertentu dari populasi yang telah disusun
secara teratur. Sampling sistematis dilakukan apabila :
1) Identifikasi atau nama elemen-elemen dalam populasi itu terdapat dalam suatu
daftar, sehingga elemen-elemen tersebut dapat diberi nomor urut.
2) Populasi memiliki pola beraturan, seperti blok-blok dalam kota atau rumah-
rumah pada suatu ruas jalan.
Proses pengerjannya ialah sebagai berikut :
1) Jumlah elemen dalam populasi dibagi dengan jumlah unsur yang
diinginkan dalam sampel, sehingga terdapat subpopulasi-subpopulasi yang
memiliki jumlah elemen yang sama.
2) Dari subpopulasi pertama dipilih sebuah anggota dari sampel yang
dikehendaki, biasanya dengan menggunakan table bilangan random.
3) Anggota dari subsample pertama yang terpilih digunakan sebagai titik
acuan (awal) untuk memilih sampel, pada setiap jarak interval tertentu.

Contoh soal :

Sebuah populasi yang memiliki elemen 800, hendak diambil 20 sampel

sebagai bahan penelitian. Tentukan nomor-nomor sampel !

Penyelesaian :7

1. Ke-800 elemen diberi nomor urut 001, 002…… 800. Ke-800 elemen
dibagi menjadi 20 subpopulasi, dimana setiap subpopulasi terdiri atas 40
elemen.

7
Ibid, hlm. 89-90.
 2. Dengan menggunakan table bilangan random, diperoleh sebuah sampel
dari subsample pertama sebagai titik acuan, misalkan bernomor 007.
3. Karena sampel pertama jatuh pada 007, maka nomor untuk sampel-sampel
berikutnya adalah 047, 087, 127, 167, 207, 247, 287, 327, 367, 407, 447,
487, 527, 567, 607, 647, 687, 727, 767.

d. Sampling Kelompok (sampling cluster)

Sampling kelompok adalah bentuk sampling random yang populasinya dibagi
menjadi beberapa kelompok (cluster) dengan menggunakan aturan-aturan tertentu,
seperti batas-batas alam dan wilayah administrasi pemerintahan.
Proses pengerjaannya ialah sebagai berikut :
1) Membagi populasi ke dalam beberapa subkelompok.
2) Memilih satu atau sejumlah kelompok dari kelompok-kelompok tersebut.
Pemilihan kelompok-kelompok itu dilakukan secara random.
3) Menentukan sampel dan satu atau sejumlah kelompok yang terpilih, secara
random.
Antara sampling cluster dan sampling stratified terdapat perbedaan dadri cara
pengambilan sampel. Pada sampling cluster sampelnya diambil dari cluster yang
terpilih, sedangkan pada sampling strafied sampelnya diambil dari seluruh
stratum.
Contoh soal :
Sebuah desa yang memiliki 1.500 KK, akan diteliti mengenai respon penggunaan
sebanyak 50 KK. Dari 1.500 KK tersebut kita bagi menjadi 150 kelompok dengan
anggota 10 KK tiap kelompok yang berdekatan. Dari 150 kelompok itu, dipilih
sebuah random yang terdiri atas 5 kelompok. Dengan demikian, dari 5 kelompok
pilihan itu, diperoleh 5 x 10 = 50 KK sebagai sampel.8

2. Sampling Nonrandom (Sampling Tidak Acak)

8
Ibid, hlm. 90-91.
 Sampling nonrandom atau sampel Nonprobabilitas adalah cara pengambilan
sampel yang semua objek atau elemen populasinya tidak memiliki kesempatan yang sama untuk
dipilih sebagai sampel.

Haasil dari sampling nonrandom memiliki sifat subjektif atau kurang objektif. Hal itu
disebabkan pada waktu sampel diambil dari populasi, probabilitas tidak diikutsertakan, tetapi
berdasarkan aspek pribadi seseorang.

Yang termasuk sampling nonrandom, antara lain sampling kuota, sampling pertimbangan
dan sampling seadanya.

a. Sampling kuota
Sampling kouta adalah bentuk sampling nonrandom yang merincikan lebih dahulu
segala sesuatu yang berhubungan dengan pengambilan sampel. Dengan demikian,
petugas hanya mengumpulkan data mengenai sesuatu yang tekah dirinci. Akan tetapi,
pengambilan unit samplingnya ditentukan oleh si petugas.
Contoh :
Sebuah kawasan dihuni oleh 1000 KK. Dalam rangka penelitian, diperlukan 50 KK
dalam kategori umur dan pendapatan tertentu. Dalam penentuan sampel sebanyak 50
KK itu, petugas melakukannya atas pertimbangan sendiri.
b. Sampling pertimbangan
sampling pertimbangan adalah bentuk sampling yang pengambilan sampelnya
ditentukan oleh peneliti berdasarkan pertimbangan atau kebijaksanaannya. Cara
sampling pertimbangan cocok untuk studi kasus.
Contoh :
Dari penyebaran 100 kuisioner, ternyata yang kembali hanya 30 (30%). Berdasarkan
pertimbangan tertentu dari peneliti atau ahli, diputuskan untuk menggunakan 30
kuisioner tersebut sebagai data sampel.9

c. Sampling seadanya

9
Ibid, hlm. 91-92.
 Sampling seadanya adalah bentuk sampling nonrandom yang pengambilan sampelnya
dilakukan seadanya atau berdasarkan kemudahannya mendapatkan data yang
diperlukan.
Contoh :
Pengambilan sampel mengenai ramalan tentang partai yang akan menjadi pemenang
pada pemilu yang akan datang. Pengambilan sampelnya dilakukan dengan
menggunakan opini masyarakat, dalam hal ini adalah orang-orang yang lewat pada
suatu jalan. Orang-orang yang lewat suatu jalan tersebut tidak merupakan bagian
representative dari keseluruhan masyarakat yang berhak memilih.

C. TEKNIK PENENTUAN JUMLAH SAMPEL

Untuk menentukan banyaknya sampel yang dapat diambil dari suatu populasi yang
berukuran tertentu digunakan perhitungan sebagai berikut.

1. Untuk Pengambilan Sampel dengan Pengembalian

Pengambilan sampel disebut dengan pengambilan jika anggota yang telah diambil untuk
dijadikan sampel disatukan kembali dengan anggota populasi lainnya sehingga masih ada
kesempatan untuk dipilih kembali. Jika dari populasi berukuran N diambil sampel berukuran
dengan pengembalian maka banyaknya sampel yang mungkin diambil adalah10

Nn

Contoh :
Untuk populasi berukuran 4 dengan anggota-anggotanya A, B, C, D dan sampel yang diambil
berukuran 2 maka banyaknya sampel yang mungkin dapat diambil adalah 42 = 16 buah, yaitu :
sampel 1 : AA sampel 9 : CA
sampel 2 : AB sampel 10 : CB
sampel 3 : AC sampel 11 : CC
sampel 4 : AD sampel 12 : CD
sampel 5 : BA sampel 13 : DA
sampel 6 : BB sampel 14 : DB
10
Ibid, hlm. 92-93.
sampel 7 : BC sampel 15 : DC
sampel 8 : BD sampel 16 : DD

Secara teoretis, populasi berhingga yang dikenali sampling dengan cara pengembalian dapat
dianggap sebagai populasi tak berhingga. Hal ini disebabkan berapapun banyaknya sampel yang
diambil, populasi tidak akan pernah habis.

2. Untuk Pengambilan Sampel Tanpa Pengembalian

Pengambilan sampel disebut tanpa pengembalian jika anggota populasi yang telah diambil
untuk dijadikan sampel tidak disatukan dengan anggota populasi lainnya. Jika dari populasi
berukuran N diambil sampel berukuran n tanpa pengembalian maka banyaknya sampel yang
mungkin dapat diambil adalah

N!
C Nn =
n ! ( N −n ) !

Contoh :
Untuk populasi berukuran 5 dengan anggota-anggotanya A, B, C, D, E dan sampel yang diambil
berukuran 2 maka banyaknya sampel yang mungkin dapat diambil adalah11
5 5!
C2 =
2! ( 5−2 ) !

= 10 buah apel

Ke-10 buah sampel itu adalah

sampel 1 : AB sampel 6 : BD
sampel 2 : AC sampel 7 : BE
sampel 3 : AD sampel 8 : CD
sampel 4 : AE sampel 9 : CE
sampel 5 : BC sampel 10 : DE

D. PENGERTIAN DISTRIBUSI SAMPLING

11
Loc.cit.
 Distribusi sampling adalah distribusi dari besaran-besaran statistik, seperti rata-rata,
sipangan baku, proporsi (persentase) yang mungkin muncul dari sampel-sampel. Distribusi dari
rata-rata sampel disebut distribusi sampling rata-rata atau distribusi rata-rata sampel, distribusi
dari proporsi sampel disebut distribusi sampling proporsi atau distribusi proporsi sampel, dan
sebagainya.

Contoh :
Jika besar populasi adalah 3 (N = 3), misalkan A, B, C kemudian diambil sampel berukuran 2 (n
= 2) maka akan diperoleh 3 sampel, yaitu AB, BC, AC (sampel tanpa pengembalian).
Dari ke-3 sampel tersebut dihitung rata-ratanya, maka didapatkan 3 rata-rata sampel. Tiga rata-
rata sampel tersebut membentuk suatu distribusi, disebut distribusi sampling rata-rata atau
distribusi rata-rata sampel. Demikian pula dengan perhitungan simpangan baku, varians, proporsi
sampel akan membentuk distribusi simpangan baku, distribusi varians, dan distribusi proporsi.

E. JENIS-JENIS DISTRIBUSI SAMPLING

Berdasarkan besaran statistik yang digunakan, dikenal beberapa jenis distribusi dan
sampling, yaitu distribusi sampling rata-rata, proporsi, beda dua rata-rata, dan beda dua proporsi.

1. Distribusi Sampling Rata-Rata

Distribusi sampling rata-rata atau distribusi rata-rata sampel adalah distribusi dari besaran
rata-rata yang muncul dari sampel-sampel.

Contoh soal :
Sebuah populasi berukuran 6 yang anggotanya adalah 2, 3, 5, 6, 8, 9 dan sampelnya berukuran 2.
Buatlah distribusi sampling rata-ratanya jika pengambilan sampelnya dilakukan tanpa
pengembalian!12

Penyelesaian:
Sampel berukuran 2 (n = 2) dengan rata-ratanya yang dapat dibentuk dari populasi berukuran 6
(N = 6) dengan anggota 2, 3, 5, 6, 8, 9 adalah
Sampel 1 : 2;3 dengan rata-rata = 2,5
Sampel 2 : 2;5 dengan rata-rata = 3,5
Sampel 3 : 2;6 dengan rata-rata = 4
12
Ibid, hlm. 93-94.
Sampel 4 : 2;8 dengan rata-rata = 5
Sampel 5 : 2;9 dengan rata-rata = 5,5
Sampel 6 : 3,5 dengan rata-rata = 4
Sampel 7 : 3;6 dengan rata-rata = 4,5
Sampel 8 : 3,8 dengan rata-rata = 5,5
Sampel 9 : 3;9 dengan rata-rata = 6
Sampel 10 : 5;6 dengan rata-rata = 5,5
Sampel 11 : 5;8 dengan rata-rata = 6,5
Sampel 12 : 5;9 dengan rata-rata = 7
Sampel 13 : 6;8 dengan rata-rata = 7
Sampel 14 : 6;9 dengan rata-rata = 7,5
Sampel 15 : 8;9 dengan rata-rata = 8,5
Distribusi sampling rata-ratanya diperlihatkan dalam tabel berikut ini.13
TABEL 3.3 DISTRIBUSI SAMPLING RATA-RATA

X f Probabilitas
2,5 1 0,07
3,5 1 0,07
4 2 0,13
4,5 1 0,07
5 1 0,07
5,5 3 0,20
6 1 0,07
6,5 1 0,07
7 2 0,13
7,5 1 0,07
8,5 1 0,07
Jumlah 15 1,00

13
Ibid, hlm. 94-95.
Pada distribusi sampling rata-rata berlaku hal-hal berikut ini.
a. Pemilihan sampel dari populasi terbatas
Bila populasi terbatas yang berukuran N dan berdistribusi normal dengan rata-rata µ dan
simpangan baku σ , rata-rata sampel X yang didasarkan pada sampel random berukuran n dan
dipilih dari populasi di atas, akan memiliki distribusi normal dengan rata-rata simpangan baku
seperti ini.14
n
1) Untuk pengambilan sampel tanpa pengembalian atau > 5%
N
µ
X = µ

σX =
σ
√n √ N −n
N −1

n
2) untuk pengambilan sampel dengan pengembalian atau ≤ 5% :
N

µi = µ

σ
σi =
√n

Contoh soal :
14
Ibid, hlm. 95-96.
Toko UNDUR-UNDUR memiliki 5 karyawan yaitu A, B, C, D, E dengan upah per jam (ribuan
rupiah) : 2, 3, 3, 4, 5. Jika upah yang diperoleh itu dianggap sebagai populasi, tentukan :

a) rata-rata sampel dari 2 unsur (upah dari dua karyawan),

b) rata-rata dari rata-rata sampel,

c) simpangan baku dari rata-rata sampel!

Penyelesaian :

Banyaknya sampel yang mungkin adalah

5 5!
C2 =
2! ( 5−2 ) !

= 10 buah

Ke-10 buah sampel itu adalah :

1. 2;3
2. 2;3
3. 2;4
4. 2;5
5. 3;3
6. 3;4
7. 3;5
8. 3;4
9. 3;5
10. 4;5

a. Rata-rata sampelnya ialah:

Sampel 1 = 2,5
Sampel 2 = 2,5
Sampel 3 = 3
 Sampel 4 = 3,5
Sampel 5 = 3
Sampel 6 = 3,5
Sampel 7 = 4
Sampel 8 = 3,5
Sampel 9 = 4
Sampel 10= 4,5

b. Rata-rata dari rata-rata sampel adalah 15

2+ 3+3+4 +5
µ=
5
= 3,4
µx = µ = 3,4
c. Simpangan baku dari rata-rata sampel :
𝞂 = √¿ ¿¿

= 1,02

σx =
σ
√n √ N −n
n−1

=
1,02
√2 √ 5−2
5−1

= 0,62
b. Untuk pemilihan sampel dari populasi yang tidak terbatas

Bila populasi memiliki ukuran yang tidak berhingga dan didistribusikan secara normal dengan
rata rata µ dan simpangan baku 𝞂, maka rata-rata sampek X yang didasarkan pada sampel
random yang berukuran n dan tersebut akan memiliki distribusi normal denga rata-rata dan
simpangan baku :

15
Ibid, hlm. 96-97.
 σ
µx = µ dan σ x =
√n

c. Daftar distribusi normal untuk distribusi sampling rata-rata

penggunaan daftar distribusi normal untuk distribusi sampling rata-rata, dapat digunakan
rumus:16

X−µ
Z=
σx

n
1) Untuk populasi terbatas atau ≤ 5%, berlaku :
N
X −µ
X−µ
Z=
σx
atau Z = σ N−n
√ n n−1 √
n
2) Untuk populasi tidak terbatas atau ≤ 5%, berlaku :
N

X−µ
X−µ
Z= atau Z = σ
σx
√n

Pada umumnya, normalitas dari distribusi sampling rata-rata disebut teori limit sentral dan
dinyatakan sebagai berikut :

1) Jika populasi cukup besar dan berdistribusi secara normal maka distribusi sampling rata-
ratanya akan normal
2) Jika distribusi populasi tidak normal maka distribusi sampling rata-ratanya akan
mendekati normal, apabila jumlah sampel cukup besar, biasanya 30 atau lebih (n ≥ 30).
3) Distribusi normal dari rata-rata sampel memiliki rata-rata yang sama dengan rata-rata
yang sama dengan rata-rata harapan E(X) dan simpangan baku σ x . Nilai-nilai itu dapat
dihitung dari rata-rata populasi (µ) dan simpangan baku populasi (𝞂).

Contoh soal :

16
Ibid, hlm. 97-98.
Upah per jam para pekerja PT GEBYAR memiliki tingkat upah rata-rata Rp500,00 per jam dan
simpangan baku Rp60,00 . berapa probabilitas bahwa upah rata-rata 50 orang pekerja yang
merupakan sampel random akan berada di antara Rp510,00 dan Rp520,00?

Penyelesaian :17

Jika ukuran populasi tidak diketahui maka dianggap sebagai populasi tidak terbatas.

µ = 500; 𝞂 = Rp60; n = 50; X = 510 dan 520

Dengan demikian:

σ σ
χ=
√n

60
¿ =8,485
√50

X−μ
Z=
σχ

Untuk X = 510 maka Z = 510 – 500 = 1,18

8,485
Untuk X = 520 maka Z = 520 – 500 = 2,36
8,485
Didapat: P (1,18 < Z < 2,36)
P (1,18 < Z < 2,36) = P (0 < Z < 2,36) – P (0 < Z < 1,18)
= 0,4909 – 0,3810
= 0,1099

Jadi, probabilitas bahwa upah rata – rata dari sampel berada diantara Rp.510,00 dan
Rp.520,00 adalah 0,1099 atau 10,99% atau 11%.

2. Distribusi Sampling Proporsi

17
Ibid, hlm. 98-99.
 Proporsi dari populasi dinyatakan dengan P = X dan proporsi untuk sampel dinyatakan
dengan p = x
n
.Distribusi sampling proporsi adalah distribusi dari proporsi (persentase) yang diperoleh dari
semua sampel sama besar yang mungkin dari satu populasi. Distribusi sampling proporsi juga
memiliki arti yang penting seperti halnya distribusi sampling rata-rata. Distribusi sampling prorsi
dapat digunakan untuk mengetahui presentase atau perbandingan antara dua hal yang
berkomplemen (peristiwa binomial), seperti persentase perokok dan bukan perokok, presentase
pemilih dan bukan poemilih disuatu pemilu, dan perbandingan antara pemakai dan bukan
pemakai hasil produksi tertentu.18

Contoh :
Sebuah populasi yang beranggotakan 6 orang, 3 di antaranya perokok dan yang lainya
bukan perokok. Apanila diambil sampel yng beranggotakan 3 orang, proporsi atau
banyaknya sampel untuk -3 anggota sampel perokok, 2 perokok dan 1 bukan perokok, 1
perokok dan 2 bukan perokok dan ke-3 nya bukan perokok dapat diketahui (pemilihan
sampel tanpa pengembalian), misalnya anggota populasi adalah A,B,C untuk perokok dan
K,L,M untuk bukan perokok. Banyaknya sampel yang dapat diambil adalah.

∁63 = 6! = 20 buah
3!(6-3)!

Ke-20 buah sampel itu ialah :

1. ABC 6. ACL 11. BCK 16. BLM

2. ABK 7. ACM 12. BCL 17. CKL
3. ABL 8. AKL 13. BCM 18. CKM
4. ABM 9. AKM 14. BKL 19. CLM
5. ACK 10. ALM 15. BKM 20. KLM

18
Loc.cit.
 Distribusi sampling proporsinya ( x = perokok, n = 3) adalah 19

TABEL 3.4 DISTRIBUSI SAMPLING PROPORSI

Sampel yang Proporsi Sampel f Proh

Mungkin (x) x

x = 3 (3(p), 0(bp)) 1 1 0,05

x = 2 (2(p), 1(bp)) 0,67 9 0,45
x = 1 (1(p), 2(bp)) 0,33 9 0,45
x = 0 (0(p), 3(bp)) 0 1 0,05

Jumlah 20 1,00

Catatan :

- P = perokok dan bp = bukan perokok

- 3(p), 0(bp) = ABC
2(P), 1(bp) = ABK, ABL, ACK, ACL, ACM, BCK, BCL, BCM
1(P), 2(bp) = AKL, AKM, ALM, BKL, BKM, BLM, CKL, CKM, CLM
0(P), 3(bp) = KLM

Pada distribusi sampling proporsi, berlaku hal – hal sebagai berikut.

1) Untuk pengambilan sampel dengan pengembalian atau jika ukuran populasi besar
dibandingkan dengan ukuran sampel, yaitu n ≤5%, memiliki rata – rata dan

19
Ibid, hlm. 100.
 simpangan baku: N

μP = P

σ √ P ( 1−P ) = √ PQ
ρ=
20 n n

Keterangan

P = proporsi kejadian sukses

Q = proporsi kejadian gagal (1 – P)

2) Untuk pengambilan sampel tanda pengembalian atau jika ukuran populasi kecil
dibandingkan dengan ukuran sampel, yaitu n ≤5%, memiliki rata – rata dan
simpangan baku: N

μ ρ=P

σ √ N−n
P= √ P ( 1−P ) =
N−1 ¿
¿

¿
√ PQ √ N −n
n N−1

Contoh soal :
Sebuah took memiliki 6 karyawan, misalkan A, B, C untuk yang senang membaca dan
X,Y,Z untuk yang tidak senang membaca. Jika dari 6 karyawan tersebut diambil sempel
yang beranggotakan 4 karyawan (pengembalian sampel tanpa pengembalian), tentukan:
a. Banyaknya sampel yang mungkin diambil,
b. Distribusi sampling proporsinya,
c. Rata-rata dan simpangan baku sampling proporsinya!21

20
Ibid, hlm. 100-101.
21
Ibid, hlm. 101-102.
Penyelesaian:

a. Banyaknya sampel yang mungkin adalah:

6
C4 = 6!
4!( 6 - 4 )
= 15 buah sampel

Ke-15 buah sampel itu ialah:

1) 1 semamg membaca dan 3 tidak:
3 3
c 1 x c 3 =3 x 1 =3 ,yaitu: AXYZ, BXYZ, CXYZ

2) 2 senang membaca dan 2 tidak :

3 3
c 2 x c 2 = 3 x 3 = 9,yaitu : ABXY, ABXZ, ABYZ, ACXY, ACXZ, ACYZ, BCXY, BCXZ,
BCYZ

3) 3 senang membaca dan 1 tidak :

3 3
c 3 x c 1 = 1 x 3 = 3, yaitu: ABCX, ABCY, ABCZ

b. Jika X = senang membaca dan n = jumlah sampel maka distribusi sampling proposisinya
adalah

TABEL 3.5 DISTRIBUSI SAMPLING PROPOSI

Sampel yang Proporsi Sampel Banyaknya Prob.

Mungkin
(x)
( Xn ) Sampel
(f)
1 0,25 3 0,2
2 0,50 9 0,6
3 0,25 3 0,2
Jumlah 15 1,0

c. Proposisi populasi untuk peristiwa sukses (senang membaca) adalah 22

P=1 = 0,5
2

3) Daftar distribusi normal untuk distribusi sampling proporsi dapat ditentukan sebagai
berikut.
a) Jika n besar maka nilai z adalah

Z=p–P
op
b) Jika n sangat kecil maka Z adalah

1
Z=p± -P
2n
op

Keterangan:
1
= faktor koreksi kontinuitas
2n

3. Distribusi Sampling yang Lain

a. Distribusi sampling beda dua rata-rata

Distribusi sampling beda dua rata-rata adalah distribusi dari perbedaan dua besaran rata-rata
yang muncul dari sampel-sampel dua populasi.23

1) Rata – rata : μ x1 – x2 = μ 1 - μ2

22
Ibid, hlm. 102-103.
23
Ibid, hlm. 103-105.
 √ √
2 2
Ϭ Ϭ
2) Simpanan baku: σ x1 – x2 = 1 + 2
n1 n2

3) Untik n1 dan n2 dengan n1, n2 > 30, distribusi sampling beda rata-rata akan mendekati
distribusi normal, dengan variabel random standar yang rumus Z-nya:

( X 1−X 2 )−( μ 1−μ 2)

Z=
Ϭ x 1−x 2

Contoh Soal:

Misalkan rata-rata pendapatan manejer dan karyawan biasa per hari, maing-masing
adalah Rp 50,000,00 dengan simpangan Rp 15.000,00 dan Rp 12.000,00 dengan
simpangan baku Rp 1,000,00. Jika diambil ramdom menejer sebanyak 40 orang
karyawan biasa sebanyak 150 orang, tentukan:

a) Beda rata-rata pendapatan sampel,

b) Simpangan baku rata-rata pendapatan sampel,
c) Probabilitas bedarata-rata pendapatan manager dan karyawan biasa lebih
dari Rp35.000,00!

Penyelasaian: μ 1 = 50.000 μ2 = 12.000

σ 1 = 15.000 𝜎2 = 1.000

n1 = 40 n2 = 150

a. μ x1 – x2 = μ 1 - μ2
= 50.000 – 12.000
= 38.000

√
2 2
σ σ
b. 𝜎 x1 – x2 = 1 2
+
n1 n2

=
√ 15.000² 1.000²
40
+
150
 = 2.373,11
( X 1−X 2 )−( μ 1−μ 2)
c. Z =
σ x 1−x 2

35.000 – 38.000
=
2.373,11

= -1,26

P(X1 – X2 > 35.000) = P(Z >1,26)

= 0,5 + 0,3962

24
= 0,8962

b. Distribusi sampling beda dua proporsi

Distribusi sampling beda dua proporsi adalah distribusi dari perbedaan dua besaran
proporsi yang muncul dari sampel dua populasi. Misalkan, terdapat populasi N1 dan N2 (2
populasi binomial), kemudian diambil sampel random, yaitu n1 dan n2 dengan P1 dan P2 maka
beda antara kedua sampel proporsi (p1 – p2) akan membentuk suatu distribusi, yaitu distribusi
sampling beda proporsi.

Pada distribusi sampling beda dua proporsi berlaku hal-hal berikut.

1) Rata-rata: μ x1 – x2 = P1 – P2

2) Simpangan baku: σ p1 – p2 =
√ P 1(1−P 1) P2(1−P 2)
n1
+
n2

3) Jika n1 dan n2 (n1, n2 ≥ 30) cukup besar, distribusi sampling beda

Proporsi aka mendekati distribusi normal, dengan variabel random standar yang rumus Z-nya:
24
Ibid, hlm. 105-106.
 ( p 1−p 2 ) −( P 1−P 2)
Z=
σ p 1−p 2

Catatan :

X1 X2
P1 - P2 = −
n1 n2

Contoh soal:25

Sebanyak 35% dari pelamar kerja diterima bekerja di Bank UNGGUL. Mereka tahun
sebelumnya pernah melamar, tetapi tidak diterima. Sebanyak 30% dari pelamar kerja yang belum
pernah melamar di tahun sebelumnya. Tahun ini diterima di bank tersebut. Apabila diambil
sampel dari random sebanyak 250 pelamar, baik belum pernah melamar maupun yang pernah
melamar, beberapa probablitas bahwa beda proporsi yang pernah melamar dan akhirnya diterima
tahun ini dengan yang belum pernah melamar yang juga diterima tahun ini dengan yang juga
diterima tahun ini adalah kurang dari 2%?26

Penyelasaian:

P1 = 35% = 0,35 P2 = 30% = 0,3

n1 = 250 n2 = 250

P1 – P2 = 2% = 0,02

( p 1−p 2 ) −( P 1−P 2)
Z=
σ p 1−p 2

=
√ ( 0,35 ) (0,65) ( 0,3 ) (0,7)
250
+
250
{0,02 – (0,35 – 0,3)}

= -0,71

25
Ibid, hlm. 106-107.
26
Loc.cit.
Didapat: P(Z < -0,71) = 0,5 – 0,2612

= 0,2388 atau 23,88%