SAMPLING
Populasi µ, σ, , N
X2 X3
X1 Xk
Dari mean2 sampel tsb muncullah Teori Limit Pusat atau Central Limit Theorm
DALIL CENTRAL LIMIT THEORM
1. Bila Distribusi Populasi normal maka distribusi sampling (distribusi mean2 sampel) akan
juga berdistribusi Normal
2. Bila Distribusi populasi tidak normal/tidak diketahui, bila diambil sampel yang besar (n>30)
maka distribusi samplingnya akan berdistribusi Normal
3. Distribusi normal dari distribusi sampling akan mempunyai
a. Rata-rata dari mean2 sampel akan sama dengan rata2 data Populasi (μ): μx = μ
b. Simpangan baku mean2 sampel (SE) akan sama dengan simpangan baku populasi dibagi dengan akar
dari jumlah sampel
(SE) = σ/√n bisa juga : SE = S /√n SE = standan Error
Distribusi sampling sbb:
X–μ X-μ X-μ
Z = ------------ atau Z = ------------ atau Z = ---------
SE σ/√n S /√n
X = rata2 data sampel μ = rata2 data populasi n=jumlah sampel
Nilai σ = simpangan baku populasi, bila tidak diketahui bisa diganti S (simpangan baku sampel)
STANDAR ERROR (SE)
• Standar deviasi dari rata-rata pada distribusi sampel - - - menghasilkan
standard error (SE)
• SE merupakan standar deviasi nilai rata-rata sampel dari nilai rata-rata
populasi
• SE menggambarkan variasi nilai rata-rata sampel jika sampel diambil
berulang-ulang
0
1 1,5 2 2,5 3 3,5 4 4,5 5
Jadi dari sampel tsb, probalitas manghasilkan rata2 kolesterol lebih dari 205 mg/dl adalah 0,1056
0,3944 0,1056
0 1,25
PERBANDINGAN Distribusi Normal Dan Distribusi Sampling
x− x−x
Z= =
S
x−
Z =
SE
SE = σ/√n bisa juga : SE = S /√n
Contoh kasus distribusi probabilitas normal dan distribusi sampling
x−x
Z=
S
Contoh Distribusi Sampling
Laporan tahunan RS ‘Sayang Ibu’ menyatakan bahwa rata2 berat badan bayi adalah 3000 gram dan simpangan
baku sebesar 500 gram. Jika diambil sampel sebanyak 49 bayi dari RS tsb
Hitunglah probabilitas 49 sampel tsb akan mendapatkan nilai rata-rata berat badan bayi lebih dari 3500 gram:
x− x−
Z= =
/ n S/ n
Distribusi Sampling Utk Variabel Kategorik (Proporsi)
SE =
pS − pS pS − p
Z =
p S
p (1 − p )
n
Ps= proporsi sampel P=proporsi populasi n=jumlah sampel
contoh
Suatu survei di Kabupaten X pada tahun 2020
melaporkan bahwa prevalensi Anemia pada ibu
hamil adalah sebesar 40%.
Bila diambil sampel secara acak sebanyak 400 ibu
hamil di Kabupaten X tersebut.
Berapa probabilitas dari sampel tsb akan
mendapatkan proporsi anemia pada ibu hamil
antara 35% s/d 45%
Hal-16
• Diketahui: P = 40% =0.40 n= 400,
• Probabilitas sampel mempunyai proporsi anemia antara 35% sampai 45%?
Jadi peluang sampel akan menghasilkan persentase anemia antara 35% s/d 45% adalah 0,9586 (95,86 %)
Hal-17
Kaitan Distribusi Sampling dan Estimasi
Berdasarkan distribusi sampling:
Xb - μ
Z = ------------------
SE
0,4750 0,4750
-1,96 1,96
95 %
Disrtibusi sampling - - dasar dari statistik inferensial (estimasi dan uji hipotesis)
dan penghitungan jumlah sampel
x− x−
Z= =
/ n S/ n
x - µ Z2 S2
µ = x ± Z * SE Z = ---------- n = -----------------
SE (x - µ )2
Pendalaman Distribusi sampling
1. Dari populasi mahasiswa diketahui berat badanya, rata2nya μ = 50 kg
dengan simpangan baku (σ) = 7 kg
Bila diambil sampel yang besarnya 50 mhs
Berapakah probabilitas dari sampel tsb akan menghasilkan/ mempunyai rata-
rata berat badan antara 51 kg sd 53 kg
Z1=[51-50]/7/V50 = … Z2=[53-50]/7/V50 = ……..
P=