DISTRIBUSI SAMPLING
8.1. Pendahuluan
Pada Bab 2 sampai Bab 5 membahas metode statistik untuk menganalisis data
Sedangkan Bab 6 dan Bab 7 membahas masalah probabilitas dan distribusinya untuk
mengetahui apa yang akan terjadi di masa mendatang. Pada bab ini kita akan membahas
masalah sampling. Konsep tentang sampling telah kita perkenalkan pada pada Bab 1.
Sampling adalah metode bagaimana membuat kesimpulan tentang populasi dari sampel
yang kita ambil dari populasi tersebut. Kenapa ada metode sampling karena karakteristik dari
populasi yaitu parameter seringkali sulit diketahui. Di samping itu ada beberapa kesulitan jika
semua objek di dalam populasi diteliti. Pertama, jika populasi cukup besar sangat sulit
melakukan penelitian dengan menghubungi semua objek yang diteliti. Kedua, memerlukan
biaya cukup besar dan ketiga memerlukan waktu yang cukup lama.
Bab 8 ini akan diawali dengan membahas masalah sensus dan sampling. Kemudian
membahas metode pengambilan sampel atau disebut metode sampling dimana dapat
dikategorikan menjadi dua yaitu metode sampling secara acak dan metode sampling tidak
acak. Bagian terakhir bab ini akan membahas masalah distribusi sampling rata-rata dan
proporsi.
l
1-0 hfiykin Kniiim I'ttiigiijitfH | |||ui|nt3|n _ ________ ________ _________________ _____
Inpln ni<HU|otHli(il hngnliiKinn lospon konsuniun dongan produk sepe^ m?^?r c^aru Vang
dlkohiailum Mnkn poiutinhiinii lomobul mumlllh sampol dan kemudian da sampei jni
nioinbiinl koMliiipuhin lonlnnn rtnipon konsumon torhadap produk baru terseout. Hasil dari
fnxnptil ini dlkalogoilkan iiobagnl cabting stallsllku Inforonsl.
Setelah klta ketahui kenapa klta bisa menggunakan data sampei untuk menaksir sifat
populasl, pertanyaan yang muncul kemudian adalah bagaimana cara kite menqambll sampe'
sehlngga b.sa menjamln bahwa sampei yang kite dapatkan memang mewakili popular
2
------------------------------------------------------------------------------------ ----------------- Bab 8: Sampling dan DistribusI Sampling 121
Dengan kata lain, sampel yang kita ambil harus benar-benar merupakan representasi dari
populasi atau merupakan sampel yang tidak bias {unbiased). Ada beberapa metode
pengambilan sampel {sampling methods) yang bisa menghasilkan sampel yang tidak bias dan
fair dari populasi. Secara umum pengambilan sampel dapat dibagi menjadi dua yaitu metode
acak {random sampling) dan metode tidak acak {non random sampling), lihat Gambar 8.1.
3
122 Bagian Kedua: Pengujian Hipotesis
ke dalam kotak. Setelah itu kotak dikocok maka kita ambi . tk samDei sebanx l
tersebut tanpa melihat. Proses ini terus dilakukan hingga kita men p yak
50 orang. , .... .
Selain cara di atas, ada metode yang mudah dilakukan untu mernii' S^Tke,r^e^ara
acak. Metode ini menggunakan nomer identitas setiap orang dan ta e , 001
numbers). Dari tabel ini kemudian kita bisa kita memilih sampel secara aca g u ah.
Dengan alat bantu peta, semua populasi dibagi ke dalam lokasi-lokasi atau kluster-
kluster yang lebih kecil. Kemudian kluster ini dipilih secara acak dan dari kluster vanq terpilih
diambil sampel secara acak. Metode sampling kluster ini berbeda denqan metode samfW
“populasi3 a"" 301 klU8,er r6latif lebih heterogen ^bandTngSn den%n
4
Bab 8: Sampling dan Distribusi Sampling 123
8.5.2.1.Sampling Kuota
Sampling kuota berarti adanya pembatasan sampel yang diambil dari populasi. Di
dalam metode ini pemilihan sampel tergantung dari keinginan investigator meskipun di dalam
penentuan sampel ini investigator harus menjamin bahwa setiap sampel memenuhi kriteria
tertentu yang dibutuhkan di dalam studi. Kriteria yang digunakan investigator ini merupakan
variabel mengontrol untuk membatasi sampel yang dipilih.
Misalnya ketika seorang dosen akan meneliti jam belajar mahasiswa Fakultas
Ekonomi di sebuah perguruan tinggi. Dosen tersebut mengambil sampel secara terbatas
sejumlah 50 mahasiswa dari 1000 mahasiswa dengan kriteria 25 mahasiswa laki-laki dan 25
mahasiswa perempuan. Dari 25 mahasiswa baik laki-laki dan perempuan tersebut kemudian
dipilih mereka yang mulai semester pertama sampai semester 6.
5
124 Bagian Kedua: Pengujian Hipotesis
individu yang dipilih menjadi sampel dipilih dengan pertimbangan paling memu a an agi
peneliti, bukan atas dasar kriteria tertentu sebelumnya. Kembali ke contoh pene i lan en ang
jam belajar mahasiswa sebelumnya. Sampling convenience ini bisa dilaku an engan
mengambil mahasiswa yang rumahnya dekat dengan peneliti. Dengan mengambil sampel di
dekat tempat peneliti maka peneliti akan mudah menghubungi responden sewaktu-waktu
dengan biaya yang murah.
6
Bab 8: Sampling dan Distribusi Sampling 125
kelepatan atau akurasi yang kita inginkan. Salah satu penggunaan penting tentang standard error
ini adalah pada saat kita membicarakan masalah estimasi karena nilai estimasi dari sampel
digunakan untuk mengestimasi nilai parameter populasi. Persoalan ini akan dibahas pada Bab 9.
— — r—
_
—I
i. ] if 1
X3 ^2 X3 X4
sampel 1 sampel 2 sampel 3 sampel 4
(b) Distribusi sampel
-J Xj xr px x3 x4
(c) distribusi sampling acak rata-rata sampel
7
-26 Bagian Kedua: Pengujian Hipotosis _____________________________________________ _____________________
Dari pembahasan tersebut maka kita bisa mengklasifikasikan distribusi menjadi tiga
yaitu distribusi populasi, distribusi sampel, dan distribusi sampling. Distribusi populasi adalah
distribusi nilai dari seluruh anggota. Nilai rata-rata diberi simbol nilai varian diberi simbol a2
dan nilai deviasi standar diberi simbol dengan a, lihat Gambar 8.2(a)
Distribusi sampel adalah distribusi nilai statistik di dalam sampel acak yang diambil dari
populasi. Setiap distribusi sampel merupakan distribusi diskrit karena nilai berubah-ubah dari
satu sampel ke sampel yang lain. Misalnya kila mempunyai 4 sampel, lihat Gambar 8.2(b). Di
dalam distribusi sampel ini rata-rata aritmatik menunjukkan rata-rata dari semua rata-rata
sampel yang mungkin atau diberi simbol dengan X. Deviasi standar yang mengukur variabilitas
diantara semua nilai yang ada dari nilai sampel merupakan estimasi dari deviasi standar
populasi a.
Sedangkan distribusi sampling merupakan distribusi probabilitas semua kemungkinan
nilai statistik dari semua kemungkinan sampel yang diambil dari populasi. Distribusi sampling
ini bisa dilihat di dalam Gambar 8.2(c). Distribusi sampling nilai rata-rata mempunyai nilai
rata-rata aritmatik tertentu diberi simbol dengan /z* dan deviasi standarnya diberi simbol
dengan Perhitungan statistik distribusi sampling ini berdasarkan sifat-sifat berikut ini:
1) Rata-rata aritmatik /z* distribusi sampling nilai rata-rata sama dengan rata-rata
populasi /ztanpa melihat bentuk distribusi probabilitas.
2) Distribusi sampling mempunyai deviasi standar atau disebut dengan standard error
yang nilainya merupakan deviasi standar populasi dibagi dengan akar dari jumlah
sampel sebagai berikut: /z* = tf/Vn.
3) Distribusi sampling nila rata-rata sampel dari distribusi populasi normal adalah
distribusi normal untuk semua sampel.
Jika jumlah sampel paling tidak sebesar 30 atau lebih (n > 30) pada umumnya
dianggap sebagai sampel besar (large sample) di dalam analisis statistik sedangkan jika
sampel kurang dari 30 (n <30) disebut sebagai sampel kecil (small sample). Deviasi standar
distribusi sampling px nilainya akan terus mengecil jika sampel terus membesar dan
sebaliknya nilainya akan membesar jika sampel terus mengecil. Ketika deviasi standar
populasi er tidak diketahui, deviasi standar sampel s yang nilainya sebagai wakil atau proksi
dari nilai deviasi standar populasi adigunakan untuk menghitung standard errorpx = s/jn.
8
Bab 8: Sampling dan Distribusi Sampling 127
Te°ri Central Limit ini mengatakan bahwa ketika n terus bertambah sampai tidak
terbatas (/n mity atau dinyatakan n ->co maka distribusi dari rata-rata sampel X menjadi
distribusi normal. Tingkat dimana distribusi mendekati distribusi normal tidak tergantung dari
distribusi populasinya. Jika distribusi populasi sudah bersifat normal, maka distribusi rata-rata
sampel x akan normal berapapun ukuran sampelnya. Sebaliknya jika distribusi populasi tidak
mengikuti distribusi normal maka dibutuhkan sampel cukup besar agar distribusi dari rata-rata
sampel xbisa mengikuti distribusi normal. Pertanyaannya, berapa minimal sampel n
dikatakan sampel besar. Pada pembahasan sebelumnya dinyatakan bahwa sebuah sampel
dikatakan sampel besar jika paling tidak 30 atau lebih (n > 30). Sedangkan bila sampel n lebih
kecil dari 30 (n < 30) maka dikatakan sampel kecil. Jadi jika sampel minimal adalah 30 maka
distribusi rata-rata sampel xakan mengikuti distribusi normal.
Gambar 8.3. Kurva Normal dan Distribusi Sampling Dari Rata-Rata Sampel pada Berbagai
Ukuran Sampel
Mx = E(X) = M ^81)
(8.2)
9
j28 Bagian Kedua: Pengujian Hipotesis
Z= = (8.3)
Dimana:X= rata-rata sampel; p= rata-rata populasi; cr= standar deviasi populasi; n= jumlah
sampel.
Jika populasi adalah terbatas (finite) dan sampel ndiambil tanpa pengembalian maka
standard error distribusi sampling rata-rata harus disesuaikan dengan sebuah faktor koreksi
yaitu faktor koreksi populasi terbatas (finite population correction factor) sehingga standard
error-nya menjadi sebagai berikut:
a |n -n
= VS (8-4)
I——-
n-n
= faktor koreksi
^N-l
Solusi 8.1.
Rata-rata pengeluaran biaya telepon rumah tangga di Indonesia (/z)sebesar Rp175.000 dengan
standar devias, (<z)sebesar Rp 20.000 Dengan sampel sebanyak n=81, maka nilai probabilitas
10
Bab S: can Dtstnbusi Saving 129
Besamya probabilitas pada saat nilai Z sama dengan 2 adalah 0.4772. Sehingga besamya
probabilitas rumah tangga membayar tagihan telepon rata-rata antara Rp170.000 -
Rp180.000 adalah sebesar 0.4772 + 6,4772 = 0.9544. lihat Gambar 8.4.
11
130 Bagian Kedua: Pengujian Hipotesis
Solusi 8.2.
Kita tidak mengetahui distribusi populasi, tetapi dengan sampel sebanyak 50 ruma angga ma a
sampel ini termasuk sampel besar. Dengan menggunakan pendekatan teori Centra imi, kita
bisa menyelesaikan Contoh 8.2. dengan menggunakan distribusi Z. Karena standar deviasi
populasi tidak diketahui maka kita bisa menggunakan standar deviasi sampel untuk menghitung
nilai Z dengan menggunakan formula persamaan (8.6).
Besarnya probabilitas pada saat nilai Z sama dengan -1,41 adalah 0 4207 dan besarnya
probabilitas pada Z sebesar 1,77 sebesar 0,4616. Besarnya probabilitas rumah tanqqa membayar
tagihan listrik rata-rata antara Rp74.000 - Rp76.250 adalah sebesar 0 4207 + 0 461R - n 8823
Penjelasan detil lihat Gambar 8.5. ’ ’ 0 " ’
12
Bab 8: Sampling dan Distribusi Sampling 131
demikian proporsi sampel p dapat digunakan untuk membuat kesimpulan secara statistik
(statistical in erence) tentang parameter proporsi populasi n. Proporsi sampel dapat
didefimsikan sebagai berikut:
X
P= n (8.7)
=P (8.8)
c7p = (8-9)
Distribusi sampling proporsi akan mengikuti distribusi normal jika sampel besar (n > 30) dan
mempunyai syarat bila np > 5 dan n(1-p) > 5. Bila distribusi sampling proporsi mempunyai
distribusi normal maka proporsi sampel p yang standar akan mengikuti distribusi normal
standar Z yang dihitung dengan menggunakan formula sebagai berikut:
P ~ Px = P ~
(8.10)
av Vp(1_p)/n
Dalam kasus populasi terbatas (finite) dan sampel n diambil tanpa pengembalian maka
standard error distribusi sampling proporsi harus disesuaikan dengan sebuah faktor koreksi
yaitu faktor koreksi populasi terbatas (finite population correction factor) sehingga standard
error-nya menjadi sebagai berikut:
P(l-P) N-n
(8.11)
N -1
N—n
= faktor koreksi
N-l
S°,USi 8 3‘ _n hoc
Ada beberapa informasi yang diketahui yaitu n- , > Pi = 0,022; p2 = 0,0275 dan n = 100.
13
132 Bagian Kedua: Pengujian Hipotosls
Probabilitas pada saat nilai Z sama dengan -0,19 adalah 0,0753 dan besarnya probabilitas pada
Z sebesar 0,16 sebesar 0,0636. Besarnya probabilitas proporsi ban cacat antara 2,20% dan
2,75% sebesar 0,0753 + 0,0636 = 0,1389. Penjelasan detil lihat Gambar 8.6.
14
TABEL 1.
TABEL DISTRIBUSI NORMAL
Contoh:
Pr (0 < Z < 1.55) = 0,4394
Pr( Z > 1,55) = 0,5 - 0,4394 = 0,0606
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
0.0 .0000 .0040 .0080 .0120 .0160 .0199 .0239 .0279 .0319 .0359
0.1 .0398 .0438 .0478 .0517 .0557 .0596 .0636 .0675 .0714 .0753
0.2 .0793 .0832 .0871 .0910 .0948 .0987 .1026 .1064 .1103 .1141
0.3 .1179 .1217 .1255 .1293 .1331 .1368 .1406 .1443 .1480 .1517
0,4 .1554 .1591 .1628 .1664 .1700 .1736 .1772 .1808 .1844 .1879
0.5 .1915 .1950 .1985 .2019 .2054 .2088 .2123 .2157 .2190 .2224
0.6 .2257 .2291 .2324 .2357 .2389 .2422 .2454 .2486 .2517 .2549
0.7 .2580 .2611 .2642 .2673 .2704 .2734 .2764 .2794 .2823 .2852
0.8 .2881 .2910 .2939 .2967 .2995 .3023 .3051 .3078 .3106 .3133
0.9 .3159 .3186 .3212 .3238 .3264 .3289 .3315 .3340 .3365 .3389
1.0 .3413 .3438 .3461 .3485 .3508 .3531 .3554 .3577 .3599 .3621
1.1 .3643 .3665 .3686 .3708 .3729 .3749 .3770 .3790 .3810 .3830
1.2 .3849 .3869 .3888 .3907 .3925 .3944 .3962 .3980 .3997 .4015
1.3 .4032 .4049 .4066 .4082 .4099 .4115 .4131 .4147 .4162 .4177
1.4 .4192 .4207 .4222 .4236 .4251 .4265 .4279 .4292 .4306 .4319
1.5 .4332 .4345 .4357 .4370 .4382 .4394 .4406 .4418 .4429 .4441
1.6 .4452 .4463 .4474 .4484 .4495 .4505 .4515 .4525 .4535 .4545
1.7 .4454 .4564 .4573 .4582 .4591 .4599 .4608 .4616 .4625 .4633
1.8 .4641 .4649 .4656 .4664 .4671 .4678 .4686 .4693 .4699 .4706
1.9 .4713 .4719 .4726 .4732 .4738 .4744 .4750 .4756 .4761 .4767
2.0 .4772 .4778 .4783 .4788 .4793 .4798 .4803 .4808 .4812 .4817
2.1 .4821 .4826 .4830 .4834 .4838 .4842 .4846 .4850 .4854 .4857
2.2 .4861 .4864 .4868 .4871 .4875 .4878 .4881 .4884 .4887 .4890
2.3 .4893 .4896 .4898 .4901 .4904 .4906 .4909 .4911 .4913 .4916
2.4 .4918 .4920 .4922 .4925 .4927 .4929 .4931 .4932 .4934 .4936
2.5 .4938 .4940 .4941 .4943 .4945 .4946 .4948 .4949 .4951 .4952
2.6 .4953 .4955 .4956 .4957 .4959 .4960 .4961 .4962 .4963 .4964
2.7 .4965 .4966 .4967 .4968 .4969 .4970 .4971 .4972 .4973 .4974
2.8 .4974 .4975 .4976 .4977 .4977 .4978 .4979 .4979 .4980 .4981
2.9 .4981 .4982 .4982 .4983 .4984 .4984 .4985 .4985 .4986 .4986
3.0 | -4987 .4987 .4987 .4988 .4988 .4989 .4989 .4989 .4990 .4990
SOAL- SOAL LATIHAN
1. Data PT Telkom menunjukkan rata-rata pengeluaran biaya telepon seluler per orang di
Indonesia sebesar Rp125.500 per bulan dengan standar deviasi Rp15.000. Jika diambil
secara acak sebanyak 100 orang di seluruh Indonesia berapa besarnya probabilitas
orang yang membayar tagihan telepon rata-rata antara Rp120.000 sampai Rp130.000?
2. Berdasarkan survei yang dilakukan lembaga konsumen Indonesia, rata-rata pemilik mobil
harus mengeluarkan sebanyak Rp170.000 untuk membeli bensin premium per
minggunya dengan standar deviasi Rp10.000. Sebanyak 121 sampel yang diambil dari
seluruh kota besar di Indonesia. Berapa probabilitas pengeluaran bensin premium per
minggunya lebih dari Rp171.500?
3. Manajer produksi sebuah pabrik ekspor sepatu ingin mengetahui tentang produk sepatu
yang cacat dihasilkan pertahunnya sehingga tidak bisa diekspor ke luar negeri.
Berdasarkan informasi produksi sebelumnya, sebesar 1,5% sepatu yang dihasilkan tidak
sesuai dengan standar yang ditetapkan oleh perusahaan. Perusahaan mengambil sampel
sebanyak 144 sepatu yang diambil secara acak. Berapa probabilitas bahwa proporsi
sepatu cacat lebih dari 1,75%?
4. Berdasarkan data lulusan sarjana dari berbagai program studi diperkirakan sebanyak
65% tidak ingin bekerja di daerah perdesaan. Sebanyak 225 lulusan sarjana diambil
sampelnya. Berapa probabilitas proporsi lulusan sarjana yang tidak mau bekerja di
daerah perdesaan antara 55 % dan 70%?
16