TUGAS INDIVIDU

BIOSTATISTIK
“Resume Materi Tentang Distribusi Sampling”

OLEH:
Resty Sanara
(2020242024)

DOSEN PEMBIMBING :
Ns. Aldo Yuliano, M.M

PROGRAM STUDI SARJANA KEPERAWATAN

FAKULTAS ILMU KESEHATAN
UNIVERSITAS PERINTIS INDONESIA
2022/2023
 DISTRIBUSI SAMPLING

A. DEFENISI POPULASI
Populasi adalah wilayah generalisasi yang terdiri atas objek/subjek yang memiliki
kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan
kemudian ditarik kesimpulannya.
Pengertian populasi adalah keseluruhan dari karakteristik, atau unit hasil
pengukuran, yang menjadi objek penelitian. Sedangkan sampel adalah bagian dari
populasi yang mempunyai karakteristik tertentu atau ciri/keadaan yang akan diukur.
Secara singkat, populasi diartikan sebagai wilayah generalisasi dari hasil
penelitian. Generalisasi tersebut bisa saja dilakukan terhadap objek penelitian dan bisa
juga dilakukan terhadap subjek penelitian.

B. DEFENISI SAMPEL
Sampel adalah sebagian dari jumlah dan karakteristik yang dimiliki oleh populasi
tersebut. Pengambilan sampel terjadi bila populasi besar dan peneliti tidak mungkin
mempelajari semua yang ada pada populasi tersebut. Misalnya karena keterbatasan dana,
tenaga dan waktu, maka peneliti dapat menggunakan sampel yang diambil dari populasi.
Apa yang diketahui dari sampel tersebut, kesimpulannya akan diberlakukan untuk
populasi, untuk itu sampel yang diambil dari populasi harus betul-betul representatif
(mewakili) populasi.

C. DEFENISI DISTRIBUSI SAMPLING

Distribusi sampling merujuk pada distribusi probabilitas dari semua kemungkinan
hasil yang dapat dihasilkan ketika kita melakukan pengambilan sampel dari populasi. Ini
adalah konsep penting dalam statistik, yang membantu kita memahami bagaimana hasil
dari sampel acak dapat bervariasi.
Distribusi sampling sering kali terkait dengan distribusi sampling rata-rata, di
mana kita memperhatikan rata-rata dari banyak sampel yang diambil dari populasi yang
sama. Salah satu distribusi sampling yang paling dikenal adalah distribusi yang digunakan
ketika ukuran sampel kecil atau ketika deviasi standar populasi tidak diketahui. Dengan
memahami distribusi sampling, kita dapat membuat estimasi dan mengambil keputusan
statistik yang lebih baik berdasarkan sampel yang kita ambil dari populasi, serta
mengevaluasi sejauh mana sampel kita mewakili populasi asli.
D. PENGERTIAN STANDAR ERROR
Standard Error adalah standar deviasi dari rata-rata. Jika kita hitung nilai standar
deviasi dari tiga buah nilai rata-rata, maka nilai standar deviasi dari nilai rata-rata tersebut
disebut sebagai standard error. Nilai Standar Error kecil berarti penyebaran mean/rata-rata
sampel juga kecil maka estimasi terhadap parameter populasi akan lebih tepat, Bila nilai
Standar Error besar berarti penyebaran mean/rata-rata sampel juga besar maka estimasi
terhadap parameter populasi menjadi kurang tepat. Nilai Standar Error akan turun
(semakin kecil) apabila jumlah sampel diperbanyak dan varians atau Standar Deviasi
sampel dikurangi. Oleh karena itu, Standar Error dapat digunakan untuk menentukan dan
mengontrol jumlah sampel Standar Error dapat melihat akurasi penduga sampel terhadap
parameter populasi, Standar Error mengukur presisi dari perkiraan parameter populasi,
Ukuran statistik ini dapat menunjukkan seberapa dekat nilai mean populasi dengan nilai
estimasi yang didapat dari nilai mean sampel.

E. SENTRAL LIMIT THE OREM

Teorema Limit Pusat (CLT) merupakan salah satu teorema paling penting dalam
matematika statistik dan probabilitas. Terori ini digunakan hampir disemua tempat
dimana statistik matematika diterapkan. Keguaan teorema terletak pada kesederhanaan
definisinya. Teorema limit sentral menyatakan bahwa jika beberapa kondisi tertentu
terpenuhi, maka distribusi mean dari sejumlah variabel random independen mendekati
distribusi normal dengan jumlah sampel mendekati tak terhingga. Dengan kata lain, tidak
diperlukan informasi yang banyak tentang disribusi aktual variabel, asalkan informasi
yang banyak tentang distribusi aktual variabel, asalakan ada cukup sampel dari mereka,
jumlah mereka dapat didistribusikan secara normal. (Morissan, 2016).
Central Limit Theorem ialah hubungan anatara bentuk distribusi populasi dengan
bentuk distribusi sampling rata-rata. Hubungan tersebut adalah sebagai berikut.:
1. Rata-rata dari distribusikan rata-rata sample sama dengan rata-rata populasi dan tidak
bergantung pada besarnya sampel dan bentuk disrtibusi populasi.
2. Dengan penambahan jumlah sampel maka distribusi rata-rata sampel akan mendekati
distribusi normal dan tidak bergantung pada bentuk disitribusi populasi.

Central Limit Theorem merupakan cenral yang sangat penting dalam statistik
inferensial karena dengan central ini memungkinkan kita untuk menafsir prameter
populasi dari sample tanpa harus mengetahui bentuk distribusi populasi.
 Dari central diketahui bahwa untuk pendekatan kedistribusi normal, distribusi
rata- rata sample tidak membutuhkan sample yang besar. Dengan sample ssebesar 30
telah terjadi pendekatan ke distribusi normal. Bahkan, untuk distribusi rata-rata dengan
sample sebesar 15 pun telah terjadi pendekatan ke distribusi normal. Agar penggunaaan
central limit theorem menjadi lebih jelas. (Eko Budiarto, 2002)
Sifat-sifat dan distribusi sampel tersebut dikenal dengan Central Limit Theorem:
1. Bentuk distrubusi dari rata-rata sampel akan mendekati distribusi normal meskipun
distribusi populasi tidak normal.
2. Rata-rata dari rata-rata sampel sama dengan rata-rata populasi (u).

Standar deviasi dari rata-rata sampel sama dengan standar deviasi populasi (σ) dibagi dengan
akar jumlah sampelDikenal dengan istilah standar error (SE)