Distribusi Sampling (1)

I
I
I
Ir. Siti Mundari, MT
Tujuan Pembelajaran :

• Mampu memahami tentang Distribusi

sampling, baik untuk rata-rata, proporsi,
beda 2 rata-rata dan beda 2 proporsi.
Distribusi Sampling

• Dalam statistik dan statistika kerapkali kita mengenal dengan

distribusi sampling atau dipahami juga dengan distribusi
sampel.

• Istilah tersebut mengindikasikan pada proses distribusi pada

teknik pengambilan sampel yang artinya distribusi probabilitas
dari statistik berbasis sampel acak tertentu

• Statistik sampel hanya memperkirakan parameter populasi,

seperti mean atau deviasi standar. Hal ini karena dalam
penelitian dunia nyata hanya sampel kasus yang dipilih dari
populasi, karena keterbatasan waktu dan masalah praktis
peneliti tidak dapat menguji total populasi.
• Oleh karena itu, kemungkinan mean sampel akan
berbeda dengan mean populasi (tidak diketahui).

• Bagaimanapun,seorang peneliti tidak akan pernah

mengetahui jumlah pasti dari kesalahan pengambilan
sampel.

• Tetapi dengan menggunakan distribusi pengambilan

sampel dapat diperkirakan jumlah kesalahan dari
pengambilan sampel tersebut.
Populasi dan Sampel
• Populasi
• adalah keseluruhan unsur yang menjadi obyek pengamatan.

• Populasi finite : populasi yang jumlah unsurnya (N) terbatas,

misalnya : 5, 10, 1000

• Populasi Infinite : populasi yang jumlah unsurnya tidak

terbatas

• Sampel
adalah bagian dari populasi yang karakteristiknya hendak
diselidiki dan dianggap mewakili populasi dan menjadi obyek
pengamatan yang akan diteliti
Populasi dan Sampel

Populasi
N, μ, P,σ

Proses Sampel
Inferensial n, x, p, s
Metode Sampling
Sampling
Adalah cara yang dipergunkan untuk memperoleh
sampel :
1. Random Sampling
Suatu cara pengambilan sampel disebut random apabila
kita tidak memilih milih individu yang akan dijadika
anggota sampel. Seluruh anggota populasi diberi
kesempatan yang sama untuk dijadikan anggota sampel
- Cara Undian
- Menggunakan Tabel bilangan Random
2. Non Random Sampling

• Suatu cara pengambilan sampel disebut Non

Random, jika penyelidik tidak memberi
kesempatan yang sama pada anggota populasi
untuk dijadikan anggota sampel
• Misal, Quota sampling
Distribusi Sampling

• Adalah distribusi dari besaran-besaran

statistik, seperti rata-rata, simpangan baku,
proporsi (persentase) yang mungkin muncul
dari sampel-sampel

– Distribusi rata-rata sampel

– Distribusi beda dua rata-rata
– Distribusi proporsi sampel
– Distribusi beda dua proporsi
Distribusi Sampling

adalah distribusi probabilita dengan statistik

sampel sebagai variabel acaknya.

Statistik sampel antara lain :

X : (rata-rata sampel),
p : (proporsi sampel),
X 1  X 2 : ( Beda 2 rata-rata),
p1  p2 : (Beda 2 proporsi),
Lambang Parameter dan Statistik
Besaran Lambang Parameter Lambang Statistik
(Populasi) (Sampel)
Rata-Rata µ x
2
Varians  S2
Simpangan Baku  S
Jumlah Observasi N n
Proporsi P p
 Dalil Limit Pusat
(The Central Limit Theorem) :

• Bila sampel acak berukuran n diambil dari

suatu populasi dengan rata-rata μ dan deviasi
standar σ, maka
• 1. x = 
 N n
• 2.   populasi terbatas x 
x n N 1

populasi tdk terbatas x 


n
• Sehingga : X 
Z
x
 Distribusi Sampling Rata-rata
( n ≥ 30 )

• Membuat distribusi Sampling rata-rata sampel dengan

sampel berukuran n = 2 dari suatu populasi berukuran
N = 4 yaitu ( 3, 4, 6, 7)
• Rata-rata dan deviasi standar populasi :
 x 3 467  x   
2

  5   2,5
N 4 N

• Dengan sampling without replacement, maka

banyaknya kemungkinan sampel yang terjadi adalah
sebanyak : 4 4!
C2  6
2! (4  2)!
 Ilustrasi
Distribusi Sampling Rata-rata
Kombinasi Kemungkinan
Hasil Sampel
Dist Sampling Rata-rata dg n = 2
Nilai Rata-rata
sampel x sampel x Rata-rata Frek- Proba
sampel x wensi bilita
3 4 3,5
3 6 4,5 3,5 1 1/6
3 7 5 4,5 1 1/6
4 6 5 5 2 2/6
4 7 5,5 5,5 1 1/6
6,5 6,5 1 1/6
6 7
30 6 1
 Ilustrasi
Distribusi Sampling Rata-rata

• Berdasarkan tabel ilustrasi diatas, maka :

30
X   5
6
ternyata x =μ

(3,5  5)2  (4,5  5)2  (5  5)2  (5  5)2  (5,5  5)2  (6,5  5)2 5
X  
6 6
atau
ternyata
 N  n 2,5 4  2 5  N n
 
X
   x
n N 1 2 4 1 6 n N 1
Contoh

• Plat baja yg diproduksi oleh sebuah pabrik

baja memiliki daya regang rata-rata 500 dan
deviasi standar sebesar 20 jika sample random
yg terdiri dari 100 plat dipilih dari populasi yg
terdiri dari 100.000 plat. Berapakah
probabilita rata-rata sample akan kurang dari
496 ?
Diket:  = 500  =20 n= 100
N = 100.000 (populasi besar)
Ditanya: P ( X < 496) ?
Jawab

•  x = μ = 500
 20
X   2
n 100

xx 496  500

Z    2
x 2
496 500
X
Sehingga
-2 0 Z
P ( X< 496) = P (Z < -2) = ?
= 0,0228
Soal

• Hasil penelitian pada 500 ekor kambing menghasilkan berat

rata-rata 8,6 kg dengan deviasi standart 1,2 kg. Dalam suatu
tempat, kambing disembelih tiap hari rata-rata sebanyak 60
ekor. Tentukan probabilitas memperoleh rata-rata berat
kambing pada penyembelihan tsb :
• A. Beratnya antara 8,2 kg dan 8,5 kg
• B. Beratnya lebih kecil dari 8,9 kg
• C. Beratnya lebih besar dari 9,0 kg
 Distribusi t Student
( n<30 )
• Dalam Dalil Limit Pusat dinyatakan bahwa rata-rata sampel
acak akan mendekati dist normal dengan deviasi standar
X 
n
• Akan tetapi jarang sekali nilai σ diketahui, sehingga biasanya σ
diduga dengan deviasi standar sampel s

• Untuk n ≥ 30, nilai-nilai ( X  ) /(s / n) masih akan mendekati

dist normal standar (z)

• Untuk n < 30, nilai-nilai (X  ) /(s / n) akan

mendekati dist student (t) dengan X 
derajat bebas db = n -1 sehingga : t
s
n
 CONTOH

Tentukan P(-t0,025 < T < t0,05).

PENYELESAIAN :
Karena t0,05 memberikan luas daerah sebesar 0.05 di
sebelah kanannya dan -t0,025 memberikan luas daerah
sebesar 0.025 di sebelah kirinya, maka luas daerah
antara -t0,025 dan t0,05 sama dengan :
1 – 0.05 – 0.025 = 0.025
Oleh karena itu,
P(-t0,025 < T < t0,05) = 0.925.
Contoh :
Manajemen PT JURAM menyatakan bahwa 95% rokok produksinya rata-rata
mengandung nikotin 1.80 mg, data tersebar normal. Yayasan Konsumen
melakukan pengujian nikotin terhadap 9 batang rokok dan diketahui rata-rata
sampel = 1.95 mg nikotin dengan standar deviasi = 0.24 mg. Apakah hasil
penelitian Yayasan Konsumen mendukung pernyataan Manajemen PT JURAM?

• Jawab : 95 % berada dalam selang , berarti 5 % berada di luar selang;

atau 2.5 % di kiri t dan 2.5% di kanan t
a = 2.5 % = 0.025
n = 9 maka V = n - 1 = 8
t tabel (V, a) = t-tabel (8; 0.025) = 2.306
Jadi 95 % berada dalam selang -2.306 < t < 2.306

Nilai t-hitung = ?

x  1.95  180
.
015
.
t t   1875
.
s n 0.24 9 0.08
μ = 1.80 n=9 x = 1.95 s = 0.24

• Nilai t hitung = 1.875 berada dalam selang -2.306 < t < 2.306
• jadi hasil penelitian Yayasan Konsumen masih sesuai dengan pernyataan
manajemen PT JURAM.
 Distribusi Sampling Beda 2 Rata-rata

• Bila sampel-sampel bebas berukuran n1 dan n2 diambil dari

dua populasi yang besar dengan nilai tengah μ1 dan μ2 dan
dev. standar σ1 dan σ2, maka :
• Beda rata-rata sampel akan menyebar mendekati distribusi
normal dengan :

 12  22
 x1  x 2  1   2 dan  x1  x 2  
n1 n2

Shg :
Z 
x 1 
 x 2   1   1 
 x1  x 2
Contoh :
Diketahui rata-rata IQ mahasiswa Eropa = 125 dengan SD = 119 sedangkan rata-rata IQ
mahasiswa Asia = 128 dengan SD = 181, diasumsikan kedua populasi berukuran besar
Jika diambil 100 mahasiswa Eropa dan 100 mahasiswa Asia sebagai sampel, berapa
probabilitas terdapat perbedaan IQ kedua kelompok akan kurang dari 2?

Jawab :
x 1  x2
 1  2 125  128   3  3
Beda 2 Rata-rata = =
Sampel :n1 = 100 n2 = 100

P ( x 1  x2 <2 ) = P ( z < ?)

x1  x2  1  2 2 3 1
z    0.577...  0.58
1 2
2 2 119 181 3
 
100 100
n1 n2

P(z<-0.58) = 0.2810
Latihan 1.
Misalkan rata-rata pendapatan manajer dan karyawan adalah
Rp. 50.000,- dengan simpangan baku Rp. 15.000,- dan
Rp12.000,- dengan simpangan baku Rp1.000,-. Jika diambil
sampel random manajer sebanyak 40 orang dan karyawan
sebanyak 150 orang.

Tentukan:
Probabilitas beda rata-rata pendapatan manajer dan karyawan
lebih dari 35.000,-
Latihan 2.

• Misalkan rata-rata pendapatan keluarga per

hari di daerah kota adalah 10.000 dengan
deviasi standar 3000 dan rata-rata
pendapatan di daerah pedesaan 4.000 dengan
deviasi standar 500. jika diambil sampel
random keluarga kota sebanyak 50 dan
keluarga pedesaan sebanyak 200, berapa
probabilitas beda antara pendapatan keluarga
per hari antara kota dan pedesaan lebih dari
5.000 ?