MAKALAH BIOSTATISTIK

“DISTRIBUSI SAMPLING”

Dosen pengajar :
Sutrisno, S. Kep, Ns, M.Kep
Disusun oleh : Kelompok 1

Rahmat Tulloh Amin (18010055)

Aminatus Zahro (18010056)
Bahrullah (18010069)
Siti Komariyah (18010071)
Via Ayuni Purwati (18010072)
Ma’rifatul Khoiroh (18010073)
Ina Ulfi Yanti (18010084)
Wiwit Eka Adefara T. (18010085)
Gisela Putri Ayu Laksita (18010089)
Kemala Ayu Kustiani (18010092)
Hofifatul Lailiyah (18010094)

PRODI S1 ILMU KEPERAWATAN

FAKULTAS ILMU KESEHATAN
UNIVERSITAS dr. SOEBANDI JEMBER
2021

1
 KATA PENGANTAR

Puji syukur kehadirat Allah SWT atas segala rahmat-Nya sehingga

makalah ini dapat tersusun hingga selesai. Tidak lupa kami mengucapkan
terimakasih terhadap bantuan dari pihak yang telah berkontribusi dengan
memberikan sumbangan baik pikiran maupun materinya. Kami berharap
semoga makalah ini dapat menambah pengetahuan dan pengalaman untuk
para pembaca. Bahkan kami berharap lebih jauh lagi agar makalah ini bisa
pembaca praktikkan dalam kehidupan sehari-hari. Kami yakin masih banyak
kekurangan dalam penyusunan makalah ini karena keterbatasan
pengetahuan dan pengalaman kami. Untuk itu kami sangat mengharapkan
kritik dan saran yang membangun dari pembaca demi kesempurnaan
makalah ini.

Jember, 5 November 2021

Kelompok 1

2
 DAFTAR ISI

KATA PENGANTAR....................................................................................................2

DAFTAR ISI..................................................................................................................3

BAB I.............................................................................................................................4

PENDAHULUAN..........................................................................................................4

1.1 Latar belakang......................................................................................................4

1.2 Rumusan masalah.................................................................................................4

1.3 Tujuan..................................................................................................................6

1.4 Manfaat................................................................................................................6

BAB II............................................................................................................................7

TINJAUAN PUSTAKA.................................................................................................7

2.1 Definisi distribusi sampling..................................................................................7

2.2 Distribusi sampling rata-rata.................................................................................8

2.3 Distribusi sampling proporsi...............................................................................10

2.4 Distribusi sampling yang lain.............................................................................12

BAB III........................................................................................................................16

PENUTUP....................................................................................................................16

3.1 Kesimpulan.........................................................................................................16

3.2 Saran...................................................................................................................16

3
 BAB I
PENDAHULUAN

1.1 Latar belakang

Statistik merupakan fungsi observasi dalam suatu sampel random
yang tidak tergantung pada parameter yang tidak diketahui. Proses
penggambaran populasi berdasarkan data sampel memberikan kaitan
yang erat dengan statistik.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 degan
mean populasi (tidak diketahui). Bagaimanapun, seorang peneliti tidak
akan pernah mengetahui jumlah pasti dari kesalahan pengambilan
sampel, tetapi dengan menggunakan distribusi pengambilan sampel
mereka dapat memperkirakan kesalahan pengambilan sampel.
Jumlah observasi dalam suatu populasi, jumlah observasi dalam
sampel dan prosedur yang digunakan untuk menggambar set sampel
menentukan variabilitas distribusi sampling. Simpangan baku dari
distribusi sampling disebut kesalahan standar. Meskipun rata-rata
distribusi sampel sama dengan rata-rata populasi, kesalahan standar
bergantung pada deviasi standar populasi dari ukuran berbagai jenis
populasi dan sampel.
Mengetahui seberapa jauh sebaran mean dari setiap set sampel satu
sama lain dan dari mean populasi akan memberikan indikasi seberapa
dekat mean sampel dengan mean populasi. Kesalahan standar dari
distribusi pengambilan sampel menurun dengan bertambahnya ukuran
dari sampel.

1.2 Rumusan masalah

1. Apa itu distribusi sampling?

4
2. Apa itu distribusi sampling rata-rata?
3. Apa itu distribusi sampling proporsi?
4. Apa itu distribusi yang lain?

5
1.3 Tujuan
1. Pembaca mengetahui dan memahami distribusi sampling

2. Pembaca mengetahui dan memahami terkait distribusi sampling rata-

rata

3. Pembaca mengetahui dan memahami terkait distribusi sampling

proporsi

4. Pembaca dapat mengetahui dan memahami terkait distribusi

sampling yang lain

1.4 Manfaat
1. Dengan adanya makalah ini diharapkan pembaca mampu
mengetahui dan memahami terkait distribusi sampling

2. Dengan adanya makalah ini juga diharapkan pembaca dapat

mengaplikasikan distribusi sampling

6
 BAB II
TINJAUAN PUSTAKA

2.1 Definisi distribusi sampling

Distribusi sampling adalah serangkaian bentuk distribusi probabilitas

statistik yang diperoleh dari sejumlah besar sampel yang diambil dari
populasi tertentu. Distribusi sampling dari suatu populasi merupakan
distribusi frekuensi dari beragam hasil berbeda yang mungkin terjadi
untuk statistik populasi.Dalam statistik, populasi adalah keseluruhan
kumpulan dari mana sampel diambil. Populasi dapat merujuk pada
seluruh kelompok orang, objek, peristiwa, kunjungan rumah sakit, atau
pengukuran. Dengan demikian, populasi dapat dikatakan sebagai
observasi agregat dari subjek yang dikelompokkan bersama oleh fitur
umum.
Menurut sudjana, 2001, distribusi sampling rata-rata dapat
didefinisikan sebagai kumpulan dari bilangan-bilangan yang masing-
masing merupakan rata-rata hitung dari samplenya.Sedangkan menurut
Teorema batas pusat, arti distribusi sampling yang menunjukkan mean
dari setiap variabel, independen dan acak, akan normal atau mendekati
jika sample yang digunakan cukup besar.
Distribusi sampling merupakan faktor penting dalam analisis
statistik, karena memberikan penyederhanaan utama dalam perjalanan
ke inferensi statistik. Lebih khusus lagi, distribusi sampling
memungkinkan pertimbangan analitis didasarkan pada distribusi
probabilitas statistik, bukan pada distribusi probabilitas gabungan dari
semua nilai sampel individu. Atau dengan kata lain, distribusi sampling
berfungsi untuk menentukan probabilitas kemunculan atau distribusi
probabilitas dalam sampel tertentu.

7
2.2 Distribusi sampling rata-rata
Pada hakikatnya, distribusi sampling rata-rata adalah distribusi
probabilitas rata-rata sejumlah C sampel, N adalah ukuran populasi dan
n adalah ukuran sampel yang diambil dari populasi. Distribusi ini
memiliki rata-rata µx dan deviasi standar δx. Sementara itu menurut dalil
batas memusat, µx = µdan δx = δ / √n. jika disusun ke dalam suatu
distribusi, rata-rata tersebut sama seperti nilai-nilai dalam distribusi skor
mentah. Distribusi semacam ini disebut distribusi sampel rata-rata
(sample distribution of means). Selanjutnya dapat dihitung rata-rata dari
distribusi sampel rata-rata (means of sample distribution). Rata-rata
distribusi ini akan sama dengan rata-rata populasi (Partino, 2010).
Sudjana (2001 : 87) mendefinisikan distribusi sampling rata-rata
adalah kumpulan dari bilangan-bilangan yang masing-masing
merupakan rata-rata hitung dari sampelnya.
Notasi dalam distribusi sampling rata-rata :
n : ukuran sampel
x : rata-rata sampel
s : standar deviasi sampling

µx : rata-rata pada distribusi sampling rata-rata

σ : standar deviasi pada distribusi sampling rata-rata
N : ukruan populasi
µ : rata-rata populasi

σ : standar deviasi populasi

Rumus distribusi sampling rata-rata :

Populasi tidak Populasi terbatas
terbatas n
> 5%
n N
> 5%
N
Rata-rata µx = µ µx = µ

8
 Standar deviasi σ σ
σ= σ= .
√n √n
Nilai buku −µ −µ
Z= Z=
σ σ

Ket : disebut dengan faktor koreksi.

Contoh soal
ABC Company memproduksi remote control dengan
menggunakan dua baterai. Rata-rata umur baterai yang digunakan di
produk ini adalah 35 jam. Distribusi umur baterai mendekati
distribusi probabilitas normal dengan standar deviasi 5,5 jam.
Sebagai bagian dari program pengujian, diambil sampel sebanyak 25
baterai. Hitunglah probabilitas umur baterai lebih dari 36 jam?
Penyelesaian

Dik : µ x ¿µ = 35
σ =5 , 5
n = 25

Dit : P( x >36) ?
σ 5 ,5
Jawab : σ= = = 1,1
√n √25

−µ 36−35
a. Z = = = 0,91
σ 1,1

Lihat tabel z :
Luas sebelah kanan 0 = 0,5000

9
 Luas antara 0 – z = 0,3186 -
Luas sebelah kanan z = 0,1814

Kesimpulan : jadi, dari 25 baterai yang

dipilih, probabilitas umur baterai lebih dari
36 jam adalah sebesar 0,18114 atau 18,14%

2.3 Distribusi sampling proporsi

Menurut Sudjana (2001 : 95), distribusi sampling proporsi adalah
kumpulan atau distribusi semua perbandingan sampelnya untuk suatu
peristiwa.
Notasi dalam distribusi sampling proporsi :
x
µ : rata-rata pada distribusi sampling proporsi
n
x
σ : standar deviasi pada distribusi sampling proporsi
n

Rumus distribusi sampling proporsi

Populasi tidak Populasi terbatas

terbatas ¿> 5%)
n
( ≤ 5%)
N
Rata-rata x x
µ =π µ =π
n n

√ √
Standar deviasi x π ( 1−π ) x π ( 1−π )
σ = σ = .
n n n n
Nilai buku x x x x
−µ −µ
n n n n
Z= Z=
x x
σ σ
n n

Jika nilai π dari populasi tidak diketahui, dalam hal ini π dianggap
sama dengan 0,5 yaitu nilai π (1−π ) yang maksimum.

10
Contoh soal
Sebuah bakery store menemukan bahwa pembelian dilakukan ileh
20% dari pelanggan yang memasuki tokonya. Suatu pagi terdapat
sampel acak sebanyak 180 orang memasuki took. Berapa
probabilitas pelanggan yang membeli kurang dari 15%?

Penyelesaian
Dik : n = 180
π (membeli = 20% = 0,20
x
Dit : P( < 15%)?
n
x
Jawab : µ =π = 0,20
n

σ
x
n
=
√
π ( 1−π )
n
=
√
0 ,20 ( 0 , 80 )
180
=0,029814239

x x
−µ
n n 0 , 15−0 ,20
a. Z = = = -1,68
x 0,029814239
σ
n

Lihat tabel z :
Luas sebelah kiri 0 = 0,5000
Luas antara z – 0 = 0,4535 _
Luas sebelah kiri z = 0,0465

Kesimpulan :

11
 Jadi, probabilitas bahwa diantara 180 orang yang
masuk ke toko, pelanggan yang membeli kurang dari 15%
adalah sebesar 0,0465 atau 4,65%

2.4 Distribusi sampling yang lain

a) Distribusi sampling beda dua rata-rata
Distribusi sampling beda dua rata-rata adalah distribusi dari
perbedaan dua besaran rata-rata yang muncul dari sampel-sampel
dua populasi.
Misalkan, dua populasi normal N1 dan N2 memiliki rata-rata μ1 dan μ
2 dan simpanan baku masing-masing σ 1 dan σ 2. Dari kedua populasi
N1 dan N2 tersebut, diambil sampel random, yaitu n1 dan n2 dengan
rata-rata masing-masing X 1 dan X 2, lalu dari kedua rata-rata itu
dihitung semua bedanya. Dari semua beda rata-rata yang diperoleh
akan membentuk suatu distribusi, yaitu distribusi sampling beda
rata-rata.
Pada distribusi sampling beda dua rata-rata, untuk N1 dan N2 cukup
besar berlaku hal-hal sebagai berikut.
1) Rata-rata :

µx 1-
x 2 = µ1 - µ2
2) Simpangan baku :

σx1 - x2 =
√ σ12 σ2 2
+
n1 n2

3) Untuk n1 dan n2 dengan n1, n2> 30, distribusi sampling beda rata-
rata akan mendekati distribusi normal, dengan variabel random
standar yang rumus Z-nya :

( X 1− X 2 )−(μ1−μ2 )
Z=
σ x 1−x 2
Contoh soal :

12
 Misalkan, rata-rata pendapatan manajer dan karyawan biasa per hari,
masing-masing adalah Rp 50.000,00 dengan simpangan baku Rp
15.000,00 dan Rp 12.000,00 dengan simpangan baku Rp 1.000,00.
Jika diambil sampel random manajer sebanyak 40 orang dan
karyawan biasa sebanyak 150 orang, tentukan :
a) Beda rata-rata pendapatan sampel
b) Simpangan baku rata-rata pendapatan sampel
c) Probabilitas beda rata-rata pendapatan manajer dan karyawan
biasa lebih dari Rp 35.000,00
Penyelesaian :
µ1 = 50.000 µ2 = 12.000
σ1 = 15.000 σ2 = 1.000
n1 = 40 n2 = 150
a. Rata-rata

µx 1-
x2 = µ1 - µ2
= 50.000 – 12.000
= 38.000
b. Simpangan baku

σx1 - x2 =
√ σ12 σ2 2
+
n1 n2

√
2 2
= 15.000 + 1.000
40 150
= 2.373,11

( X 1− X 2 )−(μ1−μ2 ) 35.000−38.000
c. Z = = = -1,26
σ x 1−x 2 2.373 , 11

P ( X 1 −X 2> 35.000) = P(Z > 1,26)

= 0,5 + 0,3962
= 0,8962 atau 89,62

b) Distribusi sampling beda dua proporsi

13
 Distribusi sampling beda dua proporsi adalah distribusi dari
perbedaan dua besaran proporsi yang muncul dari sampel-sampel
dua populasi.
Misalkan, terdapat dua populasi N1 dan N2 (2 populasi binomial),
kemudian diambil sampel random, yaitu n 1 dan n2 dengan P1 dan P2
maka beda antara kedua sampel proporsi (p1 – p2) akan membentuk
suatu distribusi, yaitu distribusi sampling beda proporsi.
Pada distribusi sampling beda dua proporsi berlaku hal-hal berikut .
1) Rata-rata :

µp 1– p2= P1 - P 2
2) Simpangan baku :

σp 1– p2 =
√ p1 ( 1− p1 ) p 2 ( 1−p 2 )
n1
+
n2

3) Untuk n1 dan n2 (n1, n2 ≥ 30) cukup besar, distribusi sampling

beda proporsi akan mendekati distribusi normal, dengan variabel
random standar yang rumus Z-nya :
( p 1− p2 )−( p 1− p2 )
Z=
σ p −p
1 2

Catatan :
X1 X2
P1 - P2 = −
n1 n2
Contoh soal :
Sebanyak 35% dari pelamar kerja diterima bekerja di Bank
UNGGUL. Mereka tahun sebelumnya pernah melamar, tetapi tidak
diterima. Sebanyak 30% dari pelamar kerja yang belum pernah
melamar di tahun sebelumnya, tahun ini diterima di bank tersebut.
Apabila diambil sampel random sebanyak 250 pelamar, baik yang
belum pernah melamar maupun yang pernah melamar, berapa
probabilitas bahwa beda proporsi yang pernah melamar dan akhirnya
diterima tahun ini dengan yang belum pernah melamar yang juga
diterima tahun ini adalah kurang dari 2% ?
Penyelesaian :

14
P1 = 35% = 0,35 P2 = 30% = 0,3

n1 = 250 n2 = 250

P1 – P2 = 2% = 0,02

0 , 02−(0 , 35−0 ,3)

( p 1− p2 )−( p 1− p2 )
Z=
σ p −p
1 2
√
= (0 ,35)(0 ,65) (0 , 3)(0 ,7) = -0,71
250
+
250

P (Z < - 0,71) = P (Z < 0,71)

= 0,5 – 0,2612

= 0,2388 atau 23,88 %

15
 BAB III
PENUTUP

3.1 Kesimpulan
Distribusi sampling adalah serangkaian bentuk distribusi probabilitas
statistik yang diperoleh dari sejumlah besar sampel yang diambil dari
populasi tertentu. Distribusi sampling dari suatu populasi merupakan
distribusi frekuensi dari beragam hasil berbeda yang mungkin terjadi
untuk statistik populasi. Dalam distribusi sampling ada distribusi
sampling rata-rata, distribusi sampling proporsi, dan distribusi sampling
yang lain.
3.2 Saran
Dengan adanya makalah atau penelitian ini penulis dapat
mengetahui secara mendalam tentang distribusi sampling, serta penulis
berharap dengan adanya makalah ini juga dapat berguna bagi pelajar,
mahasiswa dan semua kalangan serta semua pihak. Melalui makalah ini
supaya kita bisa memahami lebih lanjut tentang distribusi sampling
dengan baik sehingga dapat membentuk generasi yang cerdas dan
berbudi pekerti yang baik. Maka, nantinya akan lahirlah ilmuan-ilmuan
muda dari Indonesia. Penulis menyadari dengan segala kerendahan hati
bahwa dalam penulisan makalah ini jauh dari kesempurnaan. Penulis
mengharapkan kritik dan saran yang membangun, untuk dapat
menuliskan hasil penelitian ilmiah atau karangan ilmiah yang lebih baik
lagi kedepannya.

16
17