1 Distribusi Sampling
1 Distribusi Sampling
POPULASI (POPULATION)
Populasi adalah kumpulan dari seluruh individu yang diobservasi. Macam-macam
populasi:
1. POPULASI TERBATAS (FINITE POPULATION):
Populasi yang banyak anggota-anggotanya dapat dinyatakan dengan bilangan
tertentu.
Contoh:
Populasi dari hasil produksi mobil pada P.T. ASTRA tahun 2000.
SAMPEL (SAMPLE)
Sampel adalah sebagian populasi. Macam-macam sampel:
1. SAMPEL PELUANG (PROBABILITY SAMPLE):
Sampel yang anggota-anggotanya diambil dari anggota populasi berdasarkan
prinsip-prinsip peluang.
Contoh:
a. Sampel Random
b. Sampel Random Bertingkat
c. Sampel Sistematis
d. Sampel Wilayah atau Klaster
1
2. SAMPEL BUKAN PELUANG (NON PROBABILITY SAMPLE):
Sampel yang anggota-anggotanya diambil dari anggota populasi tidak
berdasarkan prinsip-prinsip peluang.
Contoh:
a. Sampel Pertimbangan
b. Sampel Seenaknya
Cara pengumpulannya disebut sampling.
2
“Banyaknya sampel yang berukuran n yang dapat terbentuk dari suatu populasi
yang berukuran N bila cara pengambilannya tanpa pengembalian sebanyak
N N!
Cn = buah sampel”
n! ( N −n ) !
DISTRIBUSI SAMPLING
Distribusi sampling adalah distribusi terjadinya statistik sampel tertentu yang
frekuensi-frekuensinya merupakan banyaknya sampel yang mempunyai statistik
sampel yang bersangkutan.
σ x=
σ
n √ N−n
N −1
*)
σ
σ x= **)
√n
c. RUMUSNYA:
x −μ x
Z=
σx
CATATAN:
**) Bila populasinya terbatas ( N dan n diketahui besarnya dan n /N >0,05)
3
**) Bila populasinya terbatas ( N dan n diketahui besarnya dan n /N ≤ 0,05)
atau bila populasinya tidak terbatas, N tidak diketahui besarnya atau N
sangat besar sekali.
b. STANDAR DEVIASINYA:
σ x=
n √ π ( 1−π )
n √ N−n
N−1
*)
σ x=
n √ π ( 1−π )
n
**)
c. RUMUSNYA:
x
−μ x
n n
Z=
σx
n
CATATAN:
**) Bila populasinya terbatas ( N dan n diketahui besarnya dan n /N > 0,05)
**) Bila populasinya terbatas ( N dan n diketahui besarnya dan n /N ≤ 0,05)
atau bila populasinya tidak terbatas, N tidak diketahui besarnya atau N
sangat besar sekali.
4
Suatu cara penyelesaian persoalan distribusi sampling proporsi tanpa
terlebih dahulu menyelesaikan statistik sampelnya.
2. PENDEKATAN TEORITIS:
Suatu cara pemecahan distribusi sampling proporsi dengan terlebih dahulu
menyesuaikan statistik sampelnya menggunakan faktor-faktor penyesuaian
1
sebesar dan ketentuan-ketentuan sebagai berikut:
2n
b. STANDAR DEVIASINYA:
√
2 2
σ1 σ 2
σ x −x = +
1
n 1 n2
2
c. RUMUSNYA:
( x1 −x2 ) −μx − x
Z= 1 2
σ x −x
1 2
5
4. DISTRIBUSI SAMPLING SELISIH (BEDA) PROPORSI:
Distribusi sampling yang statistik sampelnya merupakan selisih proporsi sampel.
RUMUS-RUMUSNYA:
a. RATA-RATANYA:
μx1 x2 =π 1−π 2
−
n1 n2
b. STANDAR DEVIASINYA:
σx1 x
− 2
n1 n 2
=
√ π 1 ( 1−π 1 ) π 2 ( 1−π 2 )
n1
+
n2
c. RUMUSNYA:
Z=
( x1 x 2
− −μ x x
n1 n2 −
n n
) 1
1
2
σx 1 x2
−
n1 n2
CONTOH SOAL:
1. PEMBENTUKAN DISTRIBUSI SAMPLING RATA-RATA
Diketahui:
Sebuah populasi yang terdiri dari 5 orang Satpam yang bertugas di Perusahaan
”MAJU TERUS” tahun 2000 masing-masing mempunyai pendapatan per bulan
(dalam ribuan rupiah) sebagai berikut: 500, 490, 475, 510 dan 525
Ditanyakan:
a. Hitunglah rata-rata dan standar deviasi pendapatan per bulan seluruh
satpam di perusahaan tersebut!
b. Susunlah distribusi sampling rata-rata pendapatan per bulan yang setiap
sampelnya berukuran dua, bila cara pengambilannya tanpa pengembalian!
6
c. Hitunglah rata-rata dan standar deviasi pendapatan per bulan seluruh
satpam di perusahaan tersebut dari distribusi sampling rata-rata pendapatan
per bulan!
No. x x
2
1 500 250.000
2 490 240.100
3 475 225.625
4 510 260.100
5 525 275.625
Σ 2.500 1.251.450
μ=
∑ x = 2.500 =500
N 5
√ ∑ x2 − ∑ x
( ) √
2
σ=
N N
=
5
− (5 )
1.251.450 2.500 2
=17,02938637
Kesimpulan:
Jadi rata-rata dan standar deviasi pendapatan per bulan seluruh satpam di
perusahaan tersebut masing-masing sebesar Rp. 500.000,00 dan Rp.
17.029,39.
7
b. Banyaknya sampel yang berukuran n=2 yang mungkin terbentuk dari
populasi yang berukuran N=5 sebanyak:
N N! 5!
Cn = = =10 buah sampel
n! ( N −n ) ! 2! (5−2 ) !
No urut Nilai data Rata- No urut Nilai data Rata-
data dalam rata data dalam rata
dalam sampel sampel dalam sampel sampel
sampel (x) sampel (x)
(1,2) ( 500, 490 ) 495 (2,4) ( 490 , 510 ) 500
(1,3) ( 500 , 475 ) 487,5 (2,5) ( 490 , 525 ) 507,5
(1,4) ( 500 , 510 ) 505 (3,4) ( 475 , 510 ) 492,5
(1,5) ( 500 , 525 ) 512,5 (3,5) ( 475 , 525 ) 500
(2,3) (490 , 475 ) 482,5 (4,5) ( 510 , 525 ) 517,5
8
487,5 1 487,5 237.656,25
492,5 1 492,5 242.556,25
495,0 1 495,0 245.025,00
500,0 2 1000,0 500.000,00
505,0 1 505,0 255.025,00
507,5 1 507,5 257.556,25
512,5 1 512,5 262.656,25
517,5 1 517,5 267.806,25
Total 10 5.000,0 2.501.087,50
μx=
∑ f x = 5000 =500
∑ f 10
σ x=
√
Kesimpulan:
∑f ( )√
∑ f ( x )2 − ∑ f x
∑f
=
10
−
10 (
2.501.087,50 5.000 2
)
=10,42832681
Jadi rata-rata dan standard deviasi dari distribusi sampling rata-rata tersebut
masing-masing sebesar Rp. 500.000,00 dan Rp. 10.428,33.
σ x=
√
σ N −n 17,02938637 5−2
√ n N−1
=
√2 5−1 √
=10,42832681
Ditanyakan:
a. Hitunglah proporsi dan standar deviasi proporsi seluruh komputer rusak dari
populasi tersebut!
9
b. Susunlah distribusi sampling proporsi komputer rusak yang setiap sampelnya
berukuran tiga, bila cara pengambilannya tanpa pengembalian!
c. Hitunglah rata-rata dan standar deviasi proporsi komputer rusak dari
distribusi sampling proporsi komputer rusak tersebut!
d. Buktikan bahwa
n x
n √
μ x =π dan σ = π ( 1−π )
n √ N−n
N−1
Jawab:
a. N=¿ banyaknya seluruh komputer, x=¿ banyaknya komputer yang rusak
x 2
π= = =0,4
N 5
σ =√ π ( 1−π )=√ 0,4 ( 1−0,4 )=0,489897948
Kesimpulan:
Jadi proporsi dan standar deviasi proporsi seluruh komputer rusak dari
populasi tersebut masing-masing sebesar 0,4 dan 0,489897948
N! 5!
C Nn = = =10 buah sampel
n! ( N −n ) ! 3 ! ( 5−3 ) !
Misalkan komputer baik (B) dan komputer rusak (R) dalam populasinya
berturut-turut: B, R, B, R dan B masing-masing diberi no. urut 1 s/d 5
sehingga diperoleh:
No urut Komputer Proporsi No urut Komputer Proporsi
data dalam dalam sampel data dalam dalam sampel
( nx ) ( nx )
sampel sampel sampel sampel
()
2
x x x
f f f
n n n
0 1 0 0
1/3 6 2 2/3
2/3 3 2 4/3
Total 10 4 2
x
∑f n 4
μx= = =0,4
n ∑ f 10
√ ( )−
( )√
2
∑ f nx
2
∑ f nx
σ x=
n ∑f ∑f
=
2
−
10 10
4 2
( )
=0,2
Kesimpulan:
Jadi rata-rata dan standard deviasi proporsi komputer rusak dari distribusi
sampling proporsi komputer rusak tersebut di atas masing-masing sebesar
0,4 dan 0,2
σ x=
n √
σ N −n
√ n N −1
=
√
0,4 ( 1−0,4 ) 5−3
3 5−1 √
=0,2
Diketahui:
N=200→ populasi terbatas
μ=70; σ =8
Ditanyakan:
a. P ( 68< x <80 ) bila n=25?
b. σ x <5 , n=?
Jawab:
n 25 n
a. = =0,125→ >0,05
N 200 N
μ x =μ=70
σ x=
√n √
σ N −n
N−1
=
8 200−25
√ 25 200−1 √
=1,500418702
12
x 1−μ x 68−70
Z1 = 1
= =1,33 (dibulatkan!)
σx 1
1,500418702
x 2−μ x 80−70
Z2 = 2
= =6,66 (dibulatkan!) Lihat tabel Z !
σx 2
1,500418702
Luas antara
Z1 −0 :0,4082
Kesimpulan:
Jadi peluang dari 25 orang peserta USM yang diobservasi akan ternyata
mempunyai rata-rata nilai USM antara 68 dan 80 sebesar 0,9082.
b. σ x <5 →
σ N −n
√ n N−1
<5
√
√
8 200−n
√ n 200−1
<5
√ 200−n 5
< √n
200−1 8
Dikuadratkan!
200−n
<0,390625 n
199
200−n<77,734375 n
78,734375 n>200
n>3 (dibulatkan)
Kesimpulan:
13
Bila dikehendaki perbedaan rata-rata nilai USM antara tiap dua sampel
kurang dari 5 banyaknya peserta USM yang perlu diobservasi dalam setiap
sampelnya lebih dari 3 orang.
Diketahui:
π=P ( baik )=0,95 → populasi tidak terbatas
Ditanyakan:
a. ( x
)
P 0,90< < 0,97 bila n=50?
n
b.
σ x <0,03; n ?
n
Jawab:
a.
μ x =π =0,95
n
σ x=
n √ π ( 1−π )
n √=
0,95 ( 1−0,95 )
50
=0,03082207
14
x1
−μ x
n1 0,90−0,95
=−1,62 (dibulatkan!)
n
Z1 = =
σx 0,03082207
n
x2
−μ x
n2 0,97−0,95
=0,65 (dibulatkan!) Lihat tabel Z !
n
Z2 = =
σx 0,03082207
n
Luas antara
Z1 −0 :0,4474
( x
∴ P 0,90< <0,97 =0,6896
n )
Pendekatan Teoritis:
x 1 x 1
0,90< <0,97 disesuaikan menjadi 0,90+ < < 0,97−
n 2n n 2n
1 x 1
0,90+ < <0,97−
2(50) n 2(50)
x
0,91< <0,96
n
x1
−μ x
n1 0,91−0,95
Z1 = n
= =−1,30 (dibulatkan!)
σx 0,03082207
n
x2
−μ x
n2 0,96−0,95
=0,32 (dibulatkan!) Lihat tabel Z !
n
Z2 = =
σx 0,03082207
n
15
Luas antara
Z1 −0 :0,4032
(x
∴ P 0,90< <0,97 =0,5287
n )
Kesimpulan:
Jadi peluang dari 50 barang yang diobservasi akan terdapat proporsi barang
yang baik antara 90% dan 97% dengan pendekatan praktis dan pendekatan
teoritis berturut-turut sebesar 0,6896 dan 0,5287.
Catatan:
Hasil perhitungan dari kedua pendekatan diatas mempunyai perbedaan yang
signifikan/nyata/berarti, tetapi akan semakin kecil atau bahkan tidak
berbeda bila n semakin besar. Jadi perhitungan praktis hanya tepat
digunakan bila n sangat besar.
b.
σ x <0,03
n
√ π ( 1−π )
n
< 0,03
√ 0,95 ( 1−0,95 )
n
< 0,03
Dikuadratkan!
0,95 (1−0,95 )
<0,0009
n
0,0009 n>0,0475
16
n>53 (dibulatkan!)
Kesimpulan:
Bila dikehendaki perbedaan proporsi barang yang baik antara tiap dua
sampel kurang dari 3% banyaknya barang yang perlu diobservasi dalam
setiap sampelnya lebih dari 53 buah barang.
Diketahui:
μ1=750 ; σ 1=100 ; n1 =100
μ2=700 ; σ 2=80 ; n2 =75
Ditanyakan:
a. P ( x 1−x 2 ≥ 40 ) ?
Jawab:
17
μ x − x =μ1−μ2=750−700=50
1 2
√ √
2 2
σ σ 2
100 80
2
σ x −x = 1 + 2 = + =13,61371857
1
n 1 n2
2
100 75
( x1 −x2 ) −μx − x 40−50
a. Z= 1 2
= =−0,73 (dibulatkan!) Lihat
σ x −x
1 2
13,61371857
tabel Z !
18
Luas sebelah kanan 0 :0,5000
19
Luas antara Z−0 :0,2673
Luas sebelah kanan Z :0,7673
∴ P ( x 1−x 2 ≥ 40 )=0,7673
Kesimpulan:
Jadi peluang bahwa rata-rata pendapatan per bulan karyawan perusahaan
ABC minimum Rp. 40.000 lebihnya dari rata-rata pendapatan per bulan
karyawan perusahaan PQR sebesar 0,7673.
b. Catatan:
|x|<a
x <a
−a< x< a
−x <a x >−a
|x|>a
x≥a
x ≤−a atau x ≥ a
−x ≥ a x ≤−a
( x 1−x 2 ) −μ x −x −60−50
Z1 = 1 2
= =−8,08 (dibulatkan!)
σ x −x
1 2
13,61371857
( x 1−x 2 ) −μ x −x 60−50
Z2 = 1 2
= =0,73 (dibulatkan!) Lihat tabel
σ x −x
1 2
13,61371857
Z!
Luas antara
Z1 −0 :0,5000
Diketahui:
π 1=0,95 π 2=0,90
n1 =150 n2 =100
Ditanyakan:
P
(| | ) (
x1 x2 x x x x
− > 0,03 P 1 − 2 ←0,03 atau P 1 − 2 >0,03 ?
n 1 n2 n1 n 2 n1 n 2 ) ( )
Jawab:
μx 1 x2 =π 1−π 2=0,95−0,90=0,05
−
n1 n2
σx 1 x
− 2
n1 n2
=
√ n1
+
n2 √
π 1 ( 1−π 1 ) π 2 ( 1−π 2 )
=
0,95 ( 1−0,95 ) 0,90 ( 1−0,90 )
150
+
100
=0,03488
21
Z1 =
( x 1 x2
)
− −μ x x
n1 n2 −
n n
1
1
2
2
=
−0,03−0,05
=−2,29 (dibulatkan!)
σx 1 x2 0,034880749
−
n1 n2
Z2 =
( x 1 x2
)
− −μ x x
n1 n2 −
n n
1
1
2
2
=
0,03−0,05
=−0,57 (dibulatkan!) Lihat tabel
σx 1 x2 0,034880749
−
n1 n2
Z!
Luas antara
Z1 −0 :0,4890
P
(| | )
x1 x2
− ≤ 0,03 =0,2733
n 1 n2
∴P
(| | )
x1 x 2
− >0,03 =1−0,2733=0,7267
n1 n2
Kesimpulan:
Jadi peluang bahwa proporsi barang baik yang dihasilkan kedua perusahaan
tersebut akan berbeda lebih dari 3% sebesar 0,7267.
22