Metode Penyampelan

dan Central Limit

Theorem

Presented by:
Khoirul Aswar, SE.,M.Sc

1
Distribusi Sampling

Distribusi Sampling adalah

distribusi probabilita dengan statistik sampel
sebagai variabel acaknya.

Statisik sampel antara lain :

X : (rata-rata sampel),
p : (proporsi sampel),

X X
1 : (Beda 2 rata-rata),
2

p p
1 2 : (Beda 2 proporsi),

2
Populasi
 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
3
Metode Sampling
 Sampel adalah bagian dari obyek pengamatan
yang akan diteliti.

 Cara memperoleh sampel :

1. Simple Random Sample
2. Stratified Random Sample
3. Cluster Random Sample
4. Systematic Random Sample
5. Non Random Sample
4
Populasi dan Sampel

Populasi
N, μ, P,σ

Proses Sampel
Inferensial n, x, p, s

5
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.  x  populasi terbatas
x 
 n N 1


populasi tdk terbatas x 
n
X 
Z
 Sehingga : x
6
Distribusi Sampling Rata-rata
contoh
 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!
C2 
4
6
2!(4  2)! 7
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
8
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
9
Contoh soal 1
 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) ?
10
Jawaban soal 1
 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) = 0,5 – 0.0228
= 0,4772
11
Distribusi t Student
 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 X 

mendekati dist student (t) dengan t
s
derajat bebas db = n -1 sehingga : n
12
Distribusi Sampling Proporsi

 Proporsi Populasi
K Proporsi Sampel
P 
N
k
P 
n

= sukses
13
Distribusi Sampling Proporsi
 Membuat distribusi Sampling proporsi sampel
dengan sampel berukuran n = 3 dari suatu populasi
berukuran N = 5 yaitu ( 1 2 3 4 5 ) dimana
anggota ke 1 , 3 dan 5 adalah anggota ‘sukses’

 Sehingga Proporsi Populasi :

P (sukses) = 3/5 = 0,6

 Dengan sampling without replacement, maka

banyaknya kemungkinan sampel yang terjadi
adalah sebanyak : 5 5!
C3   10
3!(5  3)! 14
Ilustrasi
Distribusi Sampling Proporsi
Kemungkinan sampel terpilih

No. Sampel Proporsi P

yg terpilih sampel Distribusi Probabilita Proporsi,
1 1, 2 ,3 2/3 dg n = 3
2 1, 2, 4 1/3 P Frek Prob
3 1, 2, 5 2/3
4 1, 3, 4 2/3 1/3 3 0,3
5 1, 3, 5 3/3 2/3 6 0,6
6 1, 4, 5 2/3 3/3 1 0,1
7 2, 3, 4 1/3
8 2, 3, 5 2/3 10 1
9 2, 4, 5 1/3
10 3, 4, 5 2/3 15
Ilustrasi
Distribusi Sampling Proporsi

 Berdasarkan tabel dist sampling proporsi di

atas :
 P  (1/ 3)(0,3)  (2 / 3)(0,6)  (3 / 3)(0,1)  0,6
Ternyata : P  P q=1-p

pq N n (0,6)(0,4) 53
P      0,2
n N 1 3 5 1

16
Distribusi Sampling Proprsi
k
 Bila P , dimana k menyatakan banyaknya
n
peristiwa sukses dari sampel yang berukuran n
yang besar, maka p akan menyebar normal
dengan :
P  P dan  P
pq
n
Maka :
P  P PP
Z  
 P  P

17
Contoh soal 2

 Diketahui bahwa 2% barang kiriman adalah

cacat. Berapa probabilitas bahwa suatu
pengiriman sebanyak 400 barang terdapat
3% atau lebih yg cacat ? P ( P ≥ 0,03) = ?

 P  p  2%  0,02
pq 0,02 x0,98
P    0,007
n 400 0 1,43

P  P 0,03  0,02
Z   1,43
P 0,007 P (Z>1,43) = 0,5 – 0,4236 = 0,0764
18
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

19
Distribusi Sampling Beda 2 Proporsi

 Bila P1  P2 menyatakan beda dua proporsi peristiwa

sukses yang diperoleh dari dua sampel acak yang
diambil dari dua populasi yang mempunyai dist. Binom
dengan prob sukses masing-masing, p1 dan p2 , dan
prob gagal q1 dan q2, maka P1  P2 akan menyebar
normal dengan :
p1q2 p2 q2
 P1  P 2  P1  P2  P1  P 2  
n1 n2

P  P  P  P 
1 2
Shg : Z  1 2

 P1  P 2
20
Latihan Soal 1
 An electrical firm manufactures light bulbs that have a
length of life that is aproximately normally distributed,
with mean equal to 800 hours anda a standart deviation
of 40 hours.
Find the probability that a random sample of 16 bulbs will
have an average life of less than 775 hours

21
Latihan Soal 2
 Suatu perusahaan penerbangan ingin menghitung
probabilitas bahwa rata-rata berat badan para
penumpang dalam salah satu jet akan melebihi 155 pon,
apabila semua tempat duduk sebanyak 81 buah penuh
(merupakan sampel, jadi n = 81).Suatu pendapat
mengatakan bahwa kalau seluruh penumpang jet
diselidiki satu per satu (sensus), maka akan diperoleh
rata-rata sebenarnya sebesar μ= 150 pon dengan
simpangan baku σ= 21 pon. Berdasarkan keterangan ini,
hitunglah berapa besarnya nilai probabilitas bahwa rata-
rata berat badan para penumpang jet lebih dari 155 pon

22
Latihan Soal 3
 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 ?
23
Latihan soal 4
 5% produksi shift pagi cacat dan 10%
produksi shift malam cacat. Bila diambil
sampel random sebanyak 200 barang dari
shift pagi dan 300 barang dari shift malam,
berapa probabilitas beda persentase barang
yang cacat pada shift malam lebih besar 2%
dari shift pagi?

24