DISTRIBUSI

SAMPLING
Distribusi Normal, t student, dan Chi square

Puspita Rahmawati
Populasi dan Sampel

• Populasi : totalitas dari semua objek/

individu yg memiliki karakteristik tertentu,
jelas dan lengkap yang akan diteliti

• Sampel : bagian dari populasi yang diambil

melalui cara-cara tertentu yg juga memiliki
karakteristik tertentu, jelas dan lengkap
yg dianggap bisa mewakili populasi
 Distribusi Sampling merupakan distribusi
teoritis (distribusi kemungkinan) dari semua
hasil sampel yang mungkin, dengan ukuran
sampel yang tetap N, pada statistik
(karakteristik sampel) yang digeneralisasikan
ke populasi.
 Distribusi Sampling memungkinkan untuk
memperkirakan probabilitas hasil sampel
tertentu untuk statististik tersebut
 Merupakan jembatan, karena melalui distribusi
sampling dapat diketahui karakteristik populasi
Distribusi Sampling
Secara umum informasi yang perlu untuk mencirikan
suatu distribusi secara cukup akan mencakup:
Ukuran Kecenderungan Memusat (mean, median,
modus)
Ukuran Persebaran Data (range, standar deviasi)
Bentuk distribusi
Strategi Umum penerapan statistik inferensial adalah
pindah dari sampel ke populasi melalui distribusi
sampling
 Distribusi Normal
(Variabel Acak Data Kontinyu)

• Distribusi normal adalah distribusi yang paling banyak ditemukan.

• Diperoleh dari data kontinyu
• Parameter:
μ = rata-rata,
σ deviasi
standar
π=3,14 , e=2,7183,-∞<x<∞
• Fungsi densitasnya:
x
1 1 / 2 ( )2
f ( X  x)  e 
 2
 Distribusi Normal
(Variabel Acak Data Kontinyu)

•Distribusi Normal Standar :

• Distribusi normal yang memiliki μ = 0 dan σ = 1.
• Konversi dari X yang terdistribusi normal ke Z
yang terdistribusi normal standar:
Distribusi Student (Distribusi t)
(Variabel Acak Kontinyu)

• Distribusi t pertama kali diterbitkan tahun 1908,

dikembangkan oleh William Sealy Gosset.
• Distribusi student t simetris terhadap titik 0, tetapi lebih
menyebar (keluar) dibandingkan distribusi normal
standar
• Digunakan apabila jumlah sampel yang ada ukurannya
kecil (n< 30)
• Distribusi student t berlaku baik untuk sampel kecil
maupun besar.
• Pada n  30, distribusi ini mendekati distribusi normal,
dan pada n yg sangat besar, misal n=10.000, nilai
distribusinya sama persis dengan nilai distribusi normal.
Ciri – ciri distribusi student t
a. Sampel berukuran kecil (n < 30)
b. Penentuan nilai table dilihat dari besarnya tingkat
signifikansi () dan besarnya derajat bebas (db)

Fungsi Pengujian Distribusi student t

a. Untuk memperkirakan interval rata – rata
b. Untuk menguji hipotesis tentang rata – rata suatu sampel
c. Menunjukkan batas penerimaan suatu hipotesis
d. Untuk menguji suatu pernyataan apakah sudah layak
untuk dipercaya
 DEFINISI

Distribusi student t Sampel Kecil

jumlah sampel kurang dari 30, maka nilai standar deviasi (s)
berfluktuasi relatif besar, sehingga nilai uji Z (Z = –/s√n) tidak
bersifat normal. Oleh karena itu, untuk sebaran distribusi
sampel kecil dikembangkan suatu distribusi khusus yang dikenal
sebagai distribusi t atau t-Student. Nilai-nilai distribusi t
t
 x  
dinyatakan sebagai berikut. s
n

di mana:
t : Nilai distribusi t
 : Nilai rata-rata populasi
x : Nilai rata-rata sampel
s : Standar deviasi sampel
n : Jumlah sampel

9
SEMAKIN BANYAK SAMPEL MENDEKATI NORMAL

Distribusi Z

Distribusi t, v= n - 1= 25

Distribusi t, v= n- 1= 15

Distribusi t, v= n - 1= 2

10
PERBEDAAN ANTARA SKALA Z DAN SKALA T

Distribusi Z Daerah penolakan

Taraf nyata 5%

Daerah tidak
menolak Ho

1,645 Skala Z

Distribusi t
Daerah penolakan
Taraf nyata 5%

Daerah tidak
menolak Ho

2,042 Skala t

11
Sifat – sifat kurva t :

• Kurva setangkup terhadap rataan 0

• Kurva berbentuk lonceng, tapi distribusi t lebih
berbeda satu sama lain dengan distribusi Z. karena
nilai t tergantung pada dua besaran yg berubah –
ubah yaitu x dan S², sedangkan nilai Z hanya
tergantung pada perubahan x
• Kedua ujung kurva mendekati sumbu X asimtot
datarnya
• Seluruh luas di bawah kurva sama dengan 1
Distribusi Chi Square

• Grafik distribusi chi-square bergantung pada derajat

kebebasan , yg umumnya merupakan kurva positif dan
miring ke kanan.
• Kemiringan kurva ini akan semakin berkurang jika derajat
kebebasan  makin besar. Untuk  = 1 dan  = 2, bentuk
kurvanya berlainan daripada untuk  = 3.
• Distribusi chi-square mempunyai rata – rata dan variansi
sebagai berikut :
rata – rata :  = E(²) = 
variansi : ² = 2
distribusi Chi-Kuadrat memiliki sifat sebagai berikut:
1. Seluruh nilainya positif
2. Tidak simetris
3. Bentuk distribusi tergantung pada derajat kebebasannya
4. Mean dari distribusi 2 adalah derajat kebebasannya ( )
Beberapa sifat yang terkait dengan distribusi Chi-Kuadrat adalah
a. Bila X 1 , X 2 , X 3 ,, X n merupakan variabel acak yang masing-masing berdistribusi
normal dengan mean  dan variansi  2 dan seluruh variabel acak tersebut bebas

 Xi   
n 2

satu sama lain, maka variabel acak dengan Y     mempunyai distribusi

i 1   

Chi-Kuadrat dengan derajat kebebasan  .

b. Bila sampel acak sebanyak n dari suatu populasi berdistribusi normal dengan mean 
dan variansi  2 diambil, dan pada setiap sampel tersebut dihitung variansi S 2 , maka

variabel acak  2 
n  1S 2
memiliki distribusi Chi-Kuadrat dengan derajat
 2

kebebasan   n  1.
 Notasi 2, digunakan untuk menyatakan nilai kritis 2 (2 critical value). Nilai
kritis 2 merupakan nilai numerik pada sumbu 2 dimana luas daerah dibawah kurva
distrtibusi-2 dengan derajat kebebasan  disebelah kanan 2, adalah . Gambar
8.11 mengilustrasikan notasi 2, dengan luas daerah di bawah kurva distribusi-2.

kurva 2 = kurva 2 n-1

Luas daerah
arsiran = 

0 2 , 2

Gambar 8.11 Definisi dari notasi 2,

Tabel 8.3 Distribusi-2 : Luas ujung kurva (curve tail areas)

kurva 2 = kurva 2n-1 Luas daerah arsiran = 

2 ,



0.995 0.990 0.975 0.950 0.900 0.100 0.050 0.025 0.010 0.005
1 0.000 0.000 0.001 0.004 0.016 2.706 3.841 5.024 6.635 7.879
2 0.010 0.020 0.051 0.103 0.211 4.605 5.991 7.378 9.210 10.597
3 0.072 0.115 0.216 0.352 0.584 6.251 7.815 9.348 11.345 12.838
4 0.207 0.297 0.484 0.711 1.064 7.779 9.488 11.143 13.277 14.860
5 0.412 0.554 0.831 1.145 1.610 9.236 11.070 12.832 15.086 16.750
6 0.676 0.872 1.237 1.635 2.204 10.645 12.592 14.449 16.812 18.548
7 0.989 1.239 1.690 2.167 2.833 12.017 14.067 16.013 18.475 20.278
8 1.344 1.647 2.180 2.733 3.490 13.362 15.507 17.535 20.090 21.955
9 1.735 2.088 2.700 3.325 4.168 14.684 16.919 19.023 21.666 23.589
10 2.156 2.558 3.247 3.940 4.865 15.987 18.307 20.483 23.209 25.188
11 2.603 3.053 3.816 4.575 5.578 17.275 19.675 21.920 24.725 26.757
12 3.074 3.571 4.404 5.226 6.304 18.549 21.026 23.337 26.217 28.300
13 3.565 4.107 5.009 5.892 7.041 19.812 22.362 24.736 27.688 29.819
14 4.075 4.660 5.629 6.571 7.790 21.064 23.685 26.119 29.141 31.319
15 4.601 5.229 6.262 7.261 8.547 22.307 24.996 27.488 30.578 32.801

Distribusi dan Uji Chi-Kuadrat