KONSEP DISTRIBUSI SAMPLING

BIOSTATISTIK

Dosen Pengampu:

Endang Uji Wahyuni, SKM., M.Kes

Dini Syafitri, SKM, MKM

Disusun Oleh Kelompok 11:

1. Ahmad Rezki Nasution P21345122005
2. Athaya Ranna Fiareska P21345122019
3. Dhiya Ulhaq P21345122031

PROGRAM STUDI D3 SANITASI KELAS 1D3A

POLITEKNIK KESEHATAN NEGERI JAKARTA II

Jl. Hang Jebat No.F3, RT.5/RW.8, Gunung, Kec. Kebayoran Baru, Kota
Jakarta Selatan, Daerah Khusus Ibukota Jakarta 1212
 KATA PENGANTAR

Puji syukur kepada Tuhan Yang Maha Esa, karena atas berkat dan karuniaNyalah,
sehingga penulis dapat menyelesaikan makalah yang berjudul “Konsep Distribusi
Sampling” sesuai dengan waktu yang telah ditentukan. Penulis menyadari bahwa yang
diungkapkan dalam makalah ini masih jauh dari sempurna. Hal ini disebabkan karena
keterbatasan kemampuan yang dimiliki oleh penulis, sehingga akan menjadi suatu
kehormatan besar bagi penulis apabila mendapatkan kritikan dan saran yang membangun
makalah ini sehingga selanjutnya akan lebih baik dan sempurna.

Demikianlah yang dapat penulis sampaikan, semoga makalah ini bermanfaat bagi
semua pihak dan sebagai media pembelajaran kimia lingkungan khususnya dalam segi
teoritis sehingga dapat membuka wawasan ilmu pengetahuan serta akan menghasilkan
yang lebih baik di masa yang akan datang.

Akhir kata, penulis mengucapkan terima kasih atas semua bantuan yang telah
diberikan oleh berbagai pihak sampai tersusunnya makalah ini.

Jakarta, 7 April 2023

Tim Penyusun

i
 DAFTAR ISI
Catalog
KATA PENGANTAR............................................................................................................................................................i
DAFTAR ISI.......................................................................................................................................................................ii
BAB I PENDAHULUAN......................................................................................................................................................1
1.1 Latar Belakang..........................................................................................................................................................1
1.2 Rumusan Masalah.....................................................................................................................................................1
1.3 Tujuan.......................................................................................................................................................................1
BAB II PEMBAHASAN.......................................................................................................................................................2
2.1 Konsep Distribusi Sampling.....................................................................................................................................2
2.2 Sifat Sifat Distribusi Sampling.................................................................................................................................2
2.3 Perhitungan Distribusi Sampling..............................................................................................................................4
BAB III PENUTUP.............................................................................................................................................................9
3.1 Kesimpulan...............................................................................................................................................................9
3.2 Saran..........................................................................................................................................................................9
DAFTAR PUSTAKA..........................................................................................................................................................10

ii
 BAB I PENDAHULUAN

1.1 Latar Belakang

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 berturut- turut 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.

1.2 Rumusan Masalah

1. Apa konsep distribusi sampling?

2. Apa saja sifat sifat distribusi sampling?
3. Bagaimana perhitungan distribusi sampling?

1.3 Tujuan

1. Untuk mengetahui konsep distribusi sampling

2. Untuk mengetahui sifat sifat distribusi sampling
3. Untuk mengetahui perhitungan distribusi sampling

1
 BAB II PEMBAHASAN

2.1 Konsep Distribusi Sampling

Pernahaman terhadap konsep distribusi sampling merupakan hal

yang paling fundamental dalam memahami inferensi statistik. Seperti
yang telah kita bicarakan, distribusi populasi adalah distribusi dari
semua individu dalam suatu populasi, dan sebuah distribusi sampel
adalah distribusi dari nilai-nilai individual yang terkandung dalam
sebuah sampel. Berlawanan dengan distribusi untuk individu seperti itu.
sebuah distribusi sampling menunjukkan distribusi dari nilai-nilai yang
berbeda yang akan dipunyai oleh sebuah statistik sampel, atau penduga,
dari banyak sampel yang berukuran sama.

Karena itu, meskipun kita biasanya hanya mempunyai satu sampel

acak atau subkelompok rasional, kita mengetahui bahwa statistik sampel
tertentu yang kita hitung, seperti mean atau median sampel, tidak sama
persis dengan parameter populasinya. Bahkan, sebuah statistik sampel
akan berbeda-beda nilainya dari sampel yang satu ke sampel yang lain
karena adanya perbedaan sampling acak, atau kesalahan sampling.
Gagasan inilah yang mendasari konsep bahwa statistik sampel manapun
adalah suatu jenis variabel yang distribusi nilainya dicerminkan Oleh
distribusi sampling.

2.2 Sifat Sifat Distribusi Sampling

Sifat distribusi sampling ini disebut Central Limit Theorem

(teorema limit pusat). Sifat inilah yang mendasari teori inferens. Sifat-
sifat tersebut adalah sebagai berikut:

a. Sifat 1
Apabila sampel-sampel random dengan elemen masing-masing
diambil dari suatu populasi normal, yang mempunyai mean = µ varian
ơ2, distribusi sampling harga mean akan mempunyai mean sama
dengan µ varian ơ2/n atau standar deviasi ơ2/√. N standar deviasi

2
distribusi sampling harga mean ini dikenal sebagai “Standar Error”
(SE).

b. Sifat 2
Apabila populasi berdistribusi normal, distribusi sampling harga mean
juga akan berdistribusi normal. Maka, berlaku sifat seperti persamaan
di bawah ini (z score adalah nilai deviasi relative antara nilai sampel
dan populasi = nilai distribusi normal standar):

c. Sifat 3
Walaupun mempunyai populasi berdistribusi sembarang, kalau diambil
sampel- sampel berulang kali secara random, distribusi harga meannya
akan membentuk distribusi normal. Contoh:

Jumlah kunjungan di poliklinik suatu rumah sakit berdistribusi normal

dengan rata-rata 60 orang perhari dan simpangan baku 15. Kepala poli
klinik tersebut ingin mengetahui besarnya probabilitas rata-rata kunjun
gan antara 58 dan 62. Untuk kepentingan tersebut diambil sample sebe
sar 100 hari buka. Tentukanlah:

a. Standar error?
b. Hitunglah nilai Z dengan rata-rata 58 dan 62 dan carilah luas dalam
kurva distribusi normal standar.

Jawab:
Dik:
µ = 60
S = 15
n = 100
x 1 = 58
x 1 = 62

3
2.3 Perhitungan Distribusi Sampling

Distribusi Sampling
Distribusi sampel merupakan distribusi dari hasil ukur pada objek/subjek
yang diambil secara berulang ulang dari sebuah populasi. Pada peristiwa
ini harus memiliki unsur pengamatan pada sebanyak n kali pengamatan
terhadap ukuran yang diamati sehingga membentuk adanya distribusi
pada ukuran tersebut. Ukuran tersebut dapat berupa rata-rata, proporsi,
standar deviasi, beda rata rata dan beda proporsi. Berikut perbandingan
ukuran ukuran pada populasi dan sample.

Jenis Ukuran Parameter di Populasi dan Statistik Sampel Ukuran

Ukuran pada populasi sama dengan ukuran ukuran pada distribusi
sampling yang diperoleh dari semua sampel yang mungkin dari suatu
populasi, dimana ukuran sampelnya tersebut yang sama besar.
Banyaknya jumlah pengambilan kelompok dengan jumlah n
perkelompok dari sejumlah populasi dapat dihitung berdasarkan cara
pengambilan sampe- Inya. Pada pengambilan sampel dengan
pengembalian, banyaknya kemungkinan sampel yang dapat terbentuk
N!
adalah N dan pada tanpa pengembalian adalah . Dimana N
n ! (N − n) !
adalah jumlah populasi dan n adalah jumlah sampel dalam 1 kelompok.

2.3 Jenis Ukuran Parameter di Populasi dan Statistika Sampel

4
 1. Distribusi-T
Distribusi-T adalah distribusi sampling yang membantu profesional data
menentukan ukuran populasi atau varians populasi. Distribusi-T
menggunakan skor-t untuk mengevaluasi data yang tidak sesuai untuk
distribusi normal. Misalnya, saat menganalisis sampel yang sangat kecil.
Rumus t-score terlihat seperti ini:

t = [x – μ] / [s / sqrt (n)]

Dalam rumus di atas, “x” adalah mean sampel, “μ” adalah mean populasi dan menandakan
deviasi standar

2. Distribusi Normal
Distribusi normal juga disebut “kurva lonceng“. Distribusi normal adalah
distribusi dengan fitur seperti kurva berbentuk lonceng yang simetris dan
mean (rata-rata) serta median (nilai tengah) merupakan angka yang sama dan
diposisikan di tengah kurva. Jika kita memiliki banyak data dan kita membuat
distribusi pengambilan sampel, kemungkinan besar model distribusi normal
dari mana kita dapat menyimpulkan nilai statistik, kecuali model seperti t-
scoring diterapkan.

3. Distribusi Proporsi

5
Contoh soal :

Dari hasil pengamatan yang lalu diperkirakan terdapat 15% penduduk balita
menderita gizi kurang. Dari populasi itu diambil sampel sebanyak 100 anak.
Tentukan probabilitas dari 100 anak tersebut terdapat lebih dari 20 anak
dengan gizi kurang!

p = 0,15

q = 0,85

n = 100

x = 20

Dari distribusi normal standar diperoleh nilai 0,4177

Probabilitas untuk mendapatkan lebih dari 20 anak menderita gizi kurang

adalah 0,5 - 0,4177 = 0,0823. Hasil tersebut dapat disajikan dalam
bentuk grafik berikut.

6
4. Distribusi Selisih Rata-Rata
Contoh soal :

Pada bangsal laki-laki bagian penyakit dalam, setiap tahunnya terdapat

sebanyak 150 orang penderita rawat inap dengan simpangan baku 6. Pada
bangsal wanita, setiap tahunnya terdapat 145 orang penderita rawat inap
dengan simpangan baku 5.

Dari kedua bangsal tersebut diambil sampel secara independen sebanyak 30

orang. Berapa probabilitas rata-rata penderita laki-laki minimal 4 orang lebih
banyak dari penderita wanita. Misalkan rata-rata penderita laki-laki dan
wanita x̄ 1 dan x̄ 2. Ditanyakan probabilitas x̄ 1 - x̄ 2 minimal 4.

µ1 = 150

µ2 = 145

σ1 = 6

σ2 = 5

σ (x̄ 1 - x̄ 2) = √ (36/50) + (25/50) = 1,1

Z = (4 - 5) / 1,1 = 0,91 sesuai dengan luas kurva 0,3186.

Untuk mendapatkan probabilitas yang diinginkan maka luas kurva sama

dengan 0,5 + 0,3186 = 0,8186.

Jadi probabilitas rata-rata penderita laki-laki minimal 4 orang lebih banyak

dari penderita wanita adalah 0,8186 atau 82%.

7
5. Distribusi Selisih Proporsi
Contoh soal :

Diperkirakan bahwa penderita TBC di daerah A sebesar 5% dan di daerah B sebesar

4,5%. Dari kedua daerah tersebut diambil sampel secara independen masing-masing
sebesar 100 orang. Berapa probabilitas antara daerah A dan B jika perbedaan paling
banyak 0,7%?

Probabilitas perbedaan antara daerah A dan B paling banyak 0,7% adalah 0,5

+ 0,0279 = 0,5279.

Hasil di atas dapat digambarkan dalam bentuk grafik sebagai berikut.

 BAB III PENUTUP

3.1 Kesimpulan

3.2 Saran

Makalah ini diharapkan dapat membantu pembaca untuk menggali lebih dalam
wawasan tentang konsep distribusi sampling yang ada di mata kuliah biostatistik. Kami
berharap para pembaca dapat memberikan masukan berupa saran atau kritik dan dapat
memahami materi-materi yang ada pada makalah. Agar makalah yang akan kami buat
selanjutnya bisa lebih baik dari makalah kami sebelumnya.
 DAFTAR PUSTAKA

Leonard J. Kazmier, Ph.D. . (2004). Statistik Untuk Bisnis Berdasarkan Schaum's Outline of
Theory and Problems of Business Statistics, . Jakarta: Erlangga.

Yessi Harnani, dan Zulmeliza Rasyid . (2015). Statistik Dasar Kesehatan . Yogyakarta:
Deepublish Publisher.

Nur Anita, dkk.(2022).Biostatistik Dasar.Bandung:Keizen Media Publishing.