MAKALAH

DISTRIBUSI SAMPLING

Dosen Pengampu : Dr. Rika Handayani, SKM., M.Kes

DI SUSUN OLEH:

KELOMPOK 6

ERNI AMRAN A1C222055

DOLFINA LAYAN A1C219071

IIN FATMALA A1C219077

FITRA RAMADANI A1C219104

IMAM ARDIANSYAH A1C219084

PROGRAM STUDI S1 ILMU KEPERAWATAN

FAKULTAS KEPERAWATAN DAN KEBIDANAN

UNIVERSITAS MEGAREZKY MAKASSAR

2022/2023
 KATA PENGANTAR

Puji syukur kehadirat Tuhan Yang Maha Esa yang telah memberikan

kasihNya sehingga saya dapat menyelesaikan tugas makalah Distribusi Sampling ini

tepat pada waktunya.

Adapun tujuan dari penulisan makalah ini adalah untuk memenuhi tugas

Mata Kuliah Biostatistik oleh Dosen Pengampu, Dr. Rika Handayani, SKM., M.Kes Selain itu
makalah ini juga bertujuan untuk menambah wawasan tentang

Distribusi Sampling bagi pribadi penulis dan para pembaca.

Saya mengucapkan terimakasih kepada Dosen Pengampu yang telah

memberikann tugas ini sehingga dapat menambah pengetahuan dan wawasan sesuai

dengan bidang studi yang saya tekuni.

Saya juga mengucapkan terimakasih kepada semua pihak yang telah

membagu sebagian pengetahuannya sehingga saya dapat menyelesaikan makalah ini.

Saya menyadari, makalah yang saya tulis ini masih jauh dari kata sempurna.

Oleh karena itu, kritik dan saran yang membangun akan saya nantikan demi

kesempurnaan makalah ini.

Makasar, september 2022

Penulis
 DAFTAR ISI

Judul...................................................................................................................... i

Kata Pengantar....................................................................................................... ii

Daftar Isi................................................................................................................ iii

BAB I PENDAHULUAN............................................................................... 1

A. Latar Belakang Masalah ............................................................... 1

B. Perumusan Masalah....................................................................... 2

C. Tujuan Penulisan Makalah............................................................ 2

BAB II PEMBAHASAN.................................................................................. 3

a. Beberapa Teknik Pengambilan Sampel..................................................... 3

b. Pengertian Distribusi Sampling................................................................. 7

BAB III KESIMPULAN DAN SARAN........................................................... 15

Daftar Pustaka
 BAB I

PENDAHULUAN

A. Latar Belakang Masalah

Untuk mempelajari populasi kita memerlukan sampel yang diambil dari populasi

yang bersangkutan. Meskipun kita dapat mengambil lebih dari sebuah sampel

berukuran n dari sebuah populasi berukuran N, pada prakteknya hanya sebuah

sampel yang biasa diambil dan digunakan untuk hal tersebut. Sampel yang

diambil ialah sampel acak dan dari sampel tersebut nilai-nilai statistiknya dihitung

untuk digunakan seperlunya. Untuk ini diperlukan sebuah teori yang dikenal

dengan nama distribusi sampling. Distribusi sampling biasanya diberi nama

bergantung pada nama statistik yang digunakan. Demikianlah umpamanya kita

kenal distribusi sampling rata-rata, distribusi sampling proporsi, distribusi

simpangan baku, dan lain-lain. Nama-nama tersebut biasa disingkat lagi berturutturut

menjadi distribusi rata-rata, distribusi proporsi, distribusi simpangan baku,

dan lain-lain.

Populasi adalah semua objek atau individu yang akan diteliti, sedangkan sampel

adalah bagian dari populasi yang dipilih untuk diteliti.

Prosedur sampling berfokus pada pengumpulan sebagian kecil anggota (sampel)

dari populasi yang lebih besar. Dimana sampel tersebut kemudian digunakan

untuk memperkirakan karakteristik dari seluruh populasi.

Sampel acak (random sample) adalah cara pengembalian sampel dimana setiap

individu mempunyai peluang yang sama untuk dijadikan anggota sampel.

Dibedakan menjadi dua, sesuai dengan ukuran populasi :

1. Sampel acak berasal dari populasi tidak terbatas (infinite population)

2. Sampel acak berasal dari populasi terbatas (finite population)

Sampling Dengan Pengembalian adalah metode sampling dimana setiap anggota

dari suatu populasi dapat dipilih lebih dari satu kali.

Sampling Tanpa Pengembalian adalah metode sampling dimana setiap anggota

dari suatu populasi tidak dapat dipilih lebih dari satu kali.

B. Perumusan Masalah

Berdasarkan uraian latar belakang di atas maka dapat ditentukan perumusan

masalah dalam makalah ini seperti :

1. Apa saja teknik pengambilan sampel?

2. Apa pengertian dari distribusi sampling?

3. Apa saja macam-macam distribusi sampling?

C. Tujuan Penulisan Makalah

Berdasarkan perumusan masalah di atas maka tujuan dalam penulisan makalah ini

sebagai berikut :

1. Untuk mengetahu beberapa teknik pengambilan sampel

2. Untuk mengetahui dan memahami pengertian distribusi sampling

3. Untuk mengetahu dan memahami macam-macam distribusi sampling

 BAB II PEMBAHASAN

A. Teknik Penarikan Sampel

Ada beberapa teknik penarikan sampel antara lain :

1. Penarikan Sampel Acak Sederhana (Simple Randomized Sampling)

Pengacakan dapat dilakukan dengan : undian, tabel bilangan acak, program

komputer.

2. Penarikan Sampel Sistematik (Systematic Sampling)

Tetapkan interval lalu pilih secara acak anggota pertama sampel

Contoh : Ditetapkan interval = 20

Secara acak terpilih :

Anggota populasi ke-7 sebagai anggota ke1 dalam sampel,

maka :

Anggota populasi ke-27 menjadi anggota ke-2 dalam sampel,

Anggotapopulasi ke-47 menjadi anggota ke-3 dalam sampel, dst.

3. Penarikan Sampel Acak Berlapis (Stratified Random Sampling)

Populasi terdiri dari beberapa kelas/kelompok. Dari setiap kelas diambil

sampel secara acak.

Antar Kelas bersifat (cenderung) berbeda nyata (heterogen). Anggota dalam

suatu kelas akan (cenderung) sama (homogen).

Contoh : Dari 1500 penumpang KA (setiap kelas memiliki ukuran yang

sama) akan diambil 150 orang sebagai sampel, dilakukan

pendataan tentang tingkat kepuasan, maka sampel acak dapat

diambil dari :

Kelas Eksekutif : 50 orang

Kelas Bisnis : 50 orang

Kelas Ekonomi : 50 orang

4. Penarikan Sampel Gerombol/Kelompok (Cluster Sampling)

Populasi juga terdiri dari beberapa kelas/kelompok sampel yang diambil

berupa kelompok bukan individu anggota

Antar Kelas bersifat (cenderung) sama (homogen). Anggota dalam suatu kelas

akan (cenderung) berbeda (heterogen).

Contoh : Terdapat 40 kelas untuk tingkat II Jurusan Ekonomi-GD, setiap

kelas terdiri dari 100 orang. Populasi mahasiswa kelas 2,

Ekonomi-UGD = 40 × 100 = 4000. Jika suatu penelitian

dilakukan pada populasi tersebut dan sampel yang diperlukan =

600 orang, dilakukan pendataan mengenai lama waktu belajar per

hari maka sampel dapat diambil dari 6 kelas.... Dari 40 kelas,

ambil secara acak 6 kelas.

5. Penarikan Sampel Area (Area Sampling)

Prinsipnya sama dengan Cluster Sampling. Pengelompokan ditentukan oleh

letak geografis atau administratif.

Contoh : Pengambilan sampel di daerah Sumatera Utara, dapat dilakukan

dengan memilih secara acak Kotamadya tempat pengambilan

sampel, misalnya terpilih, Kodya Medan, Tebing Tinggi dan

Sibolga.

B. Pengertian Distribusi Sampling

Distribusi sampel dari rata-rata hitung sampel adalah suatu distribusi probabilitas

yang terdiri dari seluruh kemungkinan rata-rata hitung sampel dari suatu ukuran
sampel tertentu yang dipilih dari populasi, dan probabilitas terjadinya

dihubungkan dengan setiap rata-rata hitung sampel. (Suharyadi)

Sedangkan menurut Sudjana, Distribusi Sampling merupakan kumpulan nilainilai

statistika yang sejenis lalu disusun dalam suatu daftar sehingga terdapat hubungan

antara nilai statistik dan frekuensi statistika. (Sudjana, 2001 :87)

Distribusi sampling adalah distribusi dari mean-mean yang diambil secara

berulang kali dari suatu populasi. Bila pada suatu populasi tak terhingga

dilakukan pengambilan sampel secara acak berulang-ulang hingga semua sampel

yang mungkin dapat ditarik dari populasi tersebut. Sampel yang diambil dari

populasi terbatas dan sebelum dilakukan pengambilan sampel berikutnya sampel

unit dikembalikan kedalam populasi. Sampel yang baik diperoleh dengan

memperhatikan hal-hal berikut :

1. Keacakannya (randomness)

2. Ukuran

3. Teknik penarikan sampel (sampling) yang sesuai dengan kondisi atau sifat

populasi

Sampel Acak = Contoh Random  dipilih dari populasi di mana setiap anggota

populasi memiliki peluang yang sama terpilih menjadi anggota ruang sampel.

Distribusi Sampling terdiri dari Distribusi Sampling Rata-rata, Distribusi

Sampling Proporsi, Distribusi Sampling Selisih Rata-rata dan Distribusi Sampling

Selisih Proporsi.

1. Distribusi Sampling Rata-rata

Sudjana (2001 : 87) mendefenisikan distribusi sampling rata-rata adalah

kumpulan dari bilangan-bilangan yang masing-masing merupakan rata-rata

hitung dari samplenya.

Misalkan kita mempunyai sebuah populasi berkukuran terhingga N dengan

parameter rata-rata μ dan simpangan baku σ. Dari populasi ini diambil secara

acak berukuran n. Jika sampling dilakukan tanpa pengembalian, kita tahu

semuanya ada (Nn

) buah sampel yang berlainan. Untuk semua sampel yang

didapat, masing-masing dihitung rata-ratanya. Dengan demikian diperoleh

(Nn

) buah rata-rata. Anggap semua rata-rata ini sebagai data baru, jadi didapat

kumpulan data yang terdiri atas rata-rata dari sampel-sampel. Dari kumpulan

ini kita dapat menghitung rata-rata dan simpangan bakunya. Jadi didapat ratarata
daripada rata-rata, diberi simbol μ´x (baca: mu indeks eks garis), dan

simpangan baku daripada rata-rata, diberi simbol σ ´x (baca: sigma indeks eks

garis).

Beberapa notasi :

n : ukuran sampel

N : ukuran populasi

x : rata-rata sampel

μ : rata-rata populasi

s : standar deviasi sampel

σ : standar deviasi populasi

μx: rata-rata antar semua sampel

σx : standar deviasi antar semua sampel = standard error = galat baku

Contoh : 250 peserta dijadikan sebagai sampel dalam lomba karya tulis

ilmiah. Ternyata terdapat beberapa karya tulis ilmiah yang

merupakan tindakan plagiarism yang dilakukan oleh para peserta

di lomba tersebut. Jika pada kenyataannya, 30% dari hasil karya

tulis tersebut merupakan hasil plagiarism, berapakah probabilita

bahwa akan terdapat antara 25% dan 35% dari karya tulis tersebut

benar-benar hasil plagiarism?

Penyelesaian :

Diketahui : n = 250

π(plagiarism) = 30% = 0,30

Ditanyakan : P ( 25% < x

n < 35%)?

Jawaban :

μx

n = π = 0,30

σx

n= √π(1−π )

= √0,30(0,70)

250

= 0,028982753

z1 =

Xn

−μ x

σx

= 0,25−0,30

0,028982753 = -1,73

z2 =

Xn

−μ x

σx
n

= 0,35−0,30

0,028982753 = 1,73

Lihat tabel z :

luas antara z1-0 = 0,4582

luas antara 0- z2 = 0,4582 + z1 z2

luas antara z1 - z2 = 0,9164

Kesimpulan : Jadi, probabilita bahwa akan terdapat antara 25% dan 35% dari

hasil karya tulis tersebut benar-benar plagiarism adalah sebesar 0,9164 atau

91,64%

2. Distribusi Sampling Proporsi

Menurut Sudjana (2001 : 95), distribusi sampling proporsi adalah kumpulan

atau distribusi semua perbandingan samplenya untuk suatu peristiwa

Uraian untuk distribusi proporsi sejalan dengan untuk distribusi rata-rata.

Misalkan populasi diketahui berukuran N yang didalamnya didapat peristiwa

A sebanyak Y di antara N. Maka didapat parameter proporsi A sebesar μ =

(Y/N).

Dari populasi ini diambil sampel acak berukuran n dan dimisalkan

didalamnya ada peristiwa A sebanyak x. Sampel ini memberikan statistik

proporsi peristiwa A = x/n. Jika semua sampel yang mungkin diambil dari

populasi itu maka didapat sekumpulan harga-harga statistik proporsi. Dari

kumpulan ini kita dapat menghitung rata-ratanya, diberi simbol μx/n.

Contoh : Data UAS Statistik Fakultas Psikologi Universitas ABC tahun

1999/2000 menunjukkan bahwa 75% mahasiswa lulus. Jika

diambil sampel 50 orang secara acak, berapakah peluang dari 50

mahasiswa tersebut akan ada paling sedikit 40 orang yang lulus ?

Penyelesaian :

Ps = 40/50 = 0,8

Pp = 75% = 0,75

Jadi peluang paling sedikit 40 orang lulus adalah 50% - 29,39% = 20,61%

3. Distribusi Sampling Selisih Rata-rata

Distribusi sampling selisih rata-rata adalah distribusi probabilitas yang dapat

terjadi dari selisih rata-rata dua sampel yang berbeda berdasarkan pada dua

sampel tertentu dari ukuran parameter dua populasinya. Untuk ukuran sampel

n1 dan n2 yang cukup besar (n1, n2 > 30), maka distribusi sampling selisih

rata-rata sangat mendekati distribusi normal.

Contoh : Dari dua buah populasi siswa pria dan siswa wanita, kita ambil

sampel masing-masing lima kali. Jika tiap sampel dihitung rataratanya,

maka kita punya 5 pasang nilai rata-rata.

Jika masing-masing pasangan nilai rata-rata dihitung selisihnya, maka kita

mempunyai sebuah himpunan yang terdiri dari 5 buah selisih nilai rata-rata.

Himpunan inilah yang disebut distribusi selisih rata-raa atau distribusi

perbedaan mean.

Jika dari diastribusi tersebut dihitung rata-ratanya, maka :

M1-2 = M1 – M2

M1-2 = Rata-rata dari distribusi selisih rata-rata

M1 = Rata-rata populasi 1

M2 = Rata-rata populasi 2

Simpangan baku (SD) dari distribusi selisih rata-rata disebut galat baku selisih

rata-rata atau standadrd kesalahan perbedaan mean dan disingkat SDbM, dan

dihitung dengan rumus :

a. Sampel independen (sampel besar)

SDM1 = Galat baku rata-rata kelompok 1

SDM2 = Galat baku rata-rata kelompok 2

b. Sampel independen (sampel kecil)

Rumus 10.5 berlaku juga untuk sampel kecil dengan syarat :

1. Data berdistribusi normal.

2. Kedua kelompok mempunyai varian yang sama.

Jika kedua kelompok variannya berbeda, berlaku rumus 10.6

SDbM =  SDM1

2 + SDM2

x1

2 = Jumlah kuadrat deviasi skor kelompok 1

x2

2 = Jumlah kuadrat deviasi skor kelompok 2

c. Sampel berpasangan
SDM1 = Galat baku rata-rata kelompok 1

SDM2 = Galat baku rata-rata kelompok 2

r1,2 = Korlasi antara kelompok 1 dan kelompok 2

Distribusi selisih rata-rata tersebut adalah distribusi hipotitik karena pada

kenyataannya kita tidak pernah menyelidiki pasangan sampel berulang kali.

Distribusi rata-rata diasumsikan merupakan distribusi normal, dan dengan

asumsi tersebut kita dapat menentukan probabilitas perbedaan dua buah

kelompok data.

4. Distribusi Sampling Selisih Proporsi

Distribusi sampling selisih proporsi adalah distribusi probabilitas yang dapat

terjadi dari selisih proporsi dua sampel yang berbeda berdasarkan pada dua

sampel tertentu dari ukuran parameter dua populasinya.

o Nilai rata-rata selisih proporsi :

o Nilai standar deviasi sampel selisih proporsi

SDbM = (SDM1

2 + SDM2

2) . 2r1,2 (SDM1) (SDM2)

￣ pp 1−p 2=￣p1−￣p2=P1−P2

sp 1−p 2=√p1(1−p1)

n1

p2 (1−p2 )

n2

o Nilai Z sampel selisih proporsi

Contoh : Alya dan Deasy akan melakukan sebuah pertandingan pelemparan

sekeping uang logam, Deasy akan menang bila memperoleh 8 sisi

gambar lebih banyak dari pada Alya, jika diasumsikan mereka

diberi kesempatan masing-masing melempar uang logam sebanyak

40 kali, berapa peluang Deasy memenangkan pertandingan ini ?

Berilah saran apakah Deasy akan ikut dalam pertandingan atau

tidak, jika harapan kemenangannya harus sebesar 15% atau lebih?

Penyelesaian :

Diketahui : π1 = π2 = 50%

n1 = n2 = 40

Ditanya : P(x1

n1

−
x2

n2

>15%)

Maka,

μx1

n1

x2

n2

=π1−π2=( 0,5−0,5)=0

σx1

n1

x2

n2

=√π1(1−π1)

n1

π2(1−π2)

n2

= √(0,5)(1−0,5)

40

+(0,5)(1−0,5).
40

= 0,1346291202

Z = (x1

n1

x2

n2 )−

μx1

n1

x2

n2

σx1

n1

x2

n2

= 0,15−0

0,1346291202 = 1,11

Z=( p1−p2 )−( P1−P2)

s p1−p2

Jadi peluang Deasy memenangkan pertandingan ini adalah 0,1335 atau

13,35%. Karena Deasy menang kurang dari harapan menangnya (13,35% <

15%), maka Deasy disarankan tidak mengikuti pertandingan ini.

 BAB III

KESIMPULAN DAN SARAN

A. Kesimpulan

1. Sebelum melakukan penelitian, diperlukan sampling agar penelitian dapat

berjalan dengan lancar dan cepat. Untuk mendapatkan sampel yang diambil

dari populasi banyak sekali peluang terjadinya kombinasi-kombinasi sampel

yang akan diteliti. Maka para peneliti perlu tahu berapa banyak sampel yang

mungkin diambil dari populasi tersebut.

2. Prosedur sampling berfokus pada pengumpulan sebagian kecil anggota

(sampel) dari populasi yang lebih besar. Dimana sampel tersebut kemudian

digunakan untuk memperkirakan karakteristik dari seluruh populasi

3. Distribusi Penarikan Sampel = Distribusi Sampling

o Jumlah Sampel Acak yang dapat ditarik dari suatu populasi adalah sangat

banyak.

o Nilai setiap Statistik Sampel akan bervariasi/beragam antar sampel.

o Suatu statistik dapat dianggap sebagai peubah acak yang besarnya sangat

tergantung dari sampel yang kita ambil.

o Karena statistik sampel adalah peubah acak maka ia mempunyai distribusi

yang kita sebut sebagai : Distribusi peluang statistik sampel = Distribusi

Sampling = Distribusi Penarikan Sampel

B. Saran

Sekaitan uraian tersebut di atas, penulis menyarankan agar para peneliti

memperhatikan teknik-teknik pengambilan sampel sehingga menghasilkan data

yang akurat.

Penulis juga mengharapkan kritik dan saran dalam penulisan masalah dikemudian

hari.
 DAFTAR PUSTAKA

http://www.statsdata.my.id/2015/02/distribusi-sampling-i.html

http://www.academia.edu/5503798/distribusi-sampling

http://www.academia.edu/8213239/distribusi_sampling_rata-rata_dan_proporsi

http://www.academia.edu/35892048/probabilitas_distribusi_sampling

https://pdfslide.net/documents/bab-iii-distribusi-sampling.html

https://pdfslide.net/documents/bab-5-distribusi-sampling.html

https://pdfslide.net/documents/bab-8-distribusi-sampling.html

https://slideserve.com/orpah/bab-11-metode-dan-distribusi-sampling

https://www.rumusstatistik.com/2017/01/distribusi-sampling.html