NAMA : NIMAS KHOLILLA

NIM : 229919990008

MATKUL : BIOSTATISTIKA

DISTRIBUSI SAMPPLING

(Distribusi penarikan sampel)

1. PENGERTIAN POPULASI DAN SAMPEL

 Populasi merupakan himpunan keseluruhan dari objek atau subjek yang kita
amati, jadi nilai yang kita hitung dari populasi kemudian memberikan deskripsi
pada populasi itu dinamakan Parameter.
 Sampel merupakan bagian himpunan dari populasi jadi sampel bertindak menjadi
bagian dari populasi. Sehingga, waktu penelitian yang diperoleh bisa
digeneralsasikan.
 Perbedaan populasi dengan sampel :
2. ALASAN PENARIKAN SAMPEL
 Ukuran populasi yang besar
 Homogenitas
 Menghemat waktu dan biaya
 Ketelitian / ketepatan pengukuran
 Terdapat objek penelitian yang dihancurkan setelah penelitian
3. SAMPLING TECHNIQUE
Probability : secara acak
 Simple random sampling
 Stratified random smappling
 Cluster sampling
 Systematic random sampling

Nonprobability

 Convenience sampling
 Judgmental sampling
 Snowball sampling
4. DISTRIBUSI SAMPLING
 Perlunya generalisasi informasi dari sampel ke populasi
 Dasar-dasar satatistik inferensial
 Sebelum menghitunng estimasi dan uji hhipootesis perlu mengetahui distribusi
sampling
 Distribusi sampling itu adalah distribusi dari besaran – besaran statistic.
  Missal : populasi dengan nilai parameter : µ,σ, dan N
 Sampel diambil secara random
 Mean dari sampel-sampel itu akan menghasilkan distribusi
5. CENTRAL LIMIT THEOREM
Central limit theorem yaitu sifat yang mendasari teori inferens.
 Sifat 1 : apabila sampel random dengan elemen masing masing diambil dari suatu
populasi normal, yang mempunyai mean, distribusi sampling harga mean akan
mempunyai mean sama dengan μ dan varian σ 2/n atau standar deviasi σ / √ n .Standar
deviasi distribusi sampling = standar error
 Sifat 2 : Apabila populasi berdistribusi normal, distribusi sampling harga mean juga
akan berdistribusi normal. Maka berlaku sifat persamaan.

x−μ
Z=
SE

 Sifat 3 : Walaupun populasi berdistribusi sembarang, kalau diambil sampel sampel

berulang kali secara random, distribusi harga mean akan membentuk distribusi
normal
6. DISTRIBUSI SAMPLING RATA-RATA
 Besar populasi N=4
 Random variabel, X adalah umur
 Nilai X: 18,20,22,24 dalam tahun
Jika diambil sampel, n=2
Distribusi sampling rata rata sampel juga akan mengikuti distribusi normal, dengan nilai Z yaitu :

X−μ
z=
σ /√ n

Contoh soal :

Tinggi badan laki laki muda berdistribusi normal dengan mean 60 inci dan SD 10 inci. Suatu
sampel diambil sebanyak 25. Berapa kemungkinan rata rata tinggi badan dari sampel tadi
berkisar sbb :

Antara 57 hingga 63 inci

 Diketahui : μ=¿60 dan σ =10

 Sampel 25, ditanya : P(mean antara 57 sampai 63inci)?

7. DISTRIBUSI SAMPLING PROPORSI

Proporsi sering digunakan sebagai ukuran statistic dalam oplasi sampel terkait dengan
variabel kategori.
Misalnya pada variable jenis kelamin :
 Karakteristik proporsi populasi (p)
 Estimasi proporsi sampel
8. DISTRIBUSI PENGAMBILAN SAMPEL
Apabila pengambilan sampel tanpa pengembalian dan lebih besar dari 5% dari ukuran
populasi, maka harus menggunakan yang terbatas faktor koreksi populasi: