TEORI SAMPLING

SEDERHANA
Pendahuluan
DEFINISI SAMPLING
Sampling adalah proses pengambilan
atau memilih n buah elemen dari
populasi yang berukuran N (Lohr,
1999).
Pengertian efisien dalam teori dasar
sampling adalah rancangan sampling
yang menghasilkan dugaan yang paling
mendekati parameter populasi,
membutuhkan biaya pengumpulan data
yang sekecil-kecilnya (Cochran, 1991).
 DENGAN PENGEMBALIAN

SAMPLING

TANPA PENGEMBALIAN
Definisi Sampling dengan
Pengembalian

Misalnya kita mengambil sebuah bola dari dalam

sebuah kotak, maka kita dapat mengembalikan
bola tadi sebelum mengambil bola yang kedua
dan seterusnya, maka pengambilan sampel
seperti itu disebut pengambilan sampel dengan
pengembalian (sampling with replacement).
pada sampling dengan pengembalian, setiap
anggota populasi dapat terpilih berulang-ulang
Definisi Sampling tanpa
Pengembalian

sebaliknya kita mengambil sebuah bola dari

dalam sebuah kotak, kita tanpa mengembalikan
bola tadi sebelum mengambil bola yang kedua
dan seterusnya, maka pengambilan sampel
seperti itu disebut pengambilan sampel tanpa
pengembalian (sampling without replacement).
pada sampling tanpa pengembalian setiap
anggota populasi hanya mempunyai kesempatan
sekali saja untuk terpilih sebagai sampel.
contoh
Kalau dihitung, populasi rerata ini mempunyai parameter sebagai berikut:

μx=3 σx2=1, dan σx=1

Kalau populasi rerata itu digambar histogramnya, maka tampak seperti berikut ini.

1 1.5 2 2.5 3 3.5 4 4.5 5

Dari histogram itu tampak bahwa populasi
rerata berdistribusi simetrik. Dapat dibuktikan
bahwa jika populasinya berdistribusi normal,
maka distribusi populasi rerata juga akan
berdistribusi normal. Atau dikatakan bahwa
distribusi sampling rerata berdistribusi normal,
jika populasinya berdistribusi normal. Penelitian
mengenai distribusi sampling seperti ini sangat
berguna untuk melakukan estimasi dan uji
hipotesis.
Distribusi Sampling
Distribusi Sampling Rerata
TEOREMA
TEORI ESTIMASI SEDERHANA
Pendahuluan
Pendahuluan
Statistika inferensial terbagi menjadi
dua bagian, yaitu estimasi (estimation)
dan pengujian hipotesis (test of
hypotheses). Di sisi lain, estimasi
terbagi menjadi dua bagian, yaitu
estimasi titik dan estimasi interval
Prinsip-prinsip estimasi dan pengujian
hipotesis mengacu kepada teorema-
teorema yang disajikan pada bab Teori
Sampling Sederhana.
A. Estimasi Titik
Sebuah nilai tunggal yang digunakan untuk
mengestimasi sebuah parameter disebut titik estimator,
sedangkan proses untuk mengestimasi titik tersebut
disebut estimasi titik (point estimation). Biasanya
disepakati bahwa 𝜃෠ adalah lambang untuk estimator
untuk 𝜃.
Definisi 11.1
Jika 𝜃 adalah suatu parameter dari suatu populasi X,
maka suatu statistik 𝜃෠ disebut estimator tak bias dari
parameter 𝜃 apabila dipenuhi E( 𝜃) ෠ = 𝜃 . Bila syarat
tersebut tidak dipenuhi, maka 𝜃෠ disebut estimator bias
dari 𝜃.
B. Estimasi Interval

Nilai titik taksiran untuk sebuah parameter akan

tergantung kepada sampel yang diperoleh. Proses untuk
melakukan estimasi dengan menggunakan interval
disebut estimasi interval.
Makin lebar interval estimator yang dipakai,
kebenaran estimasi akan semakin besar. Namun
demikian, pada praktiknya orang akan mencari interval
estimator yang sempit dengan derajat kepercayaan
yang memuaskan. Derajat kepercayaan dalam
mengestimasi disebut dengan koefisien kepercayaan
(konfidensi) yang merupakan pernyataan dalam bentuk
peluang.
C. Interval Konfidensi Untuk Rerata
Untuk melakukan estimasi rerata, dipergunakan teorema-teorema berikut :
Teorema 11.1
Jika 𝑋ത adalah rerata sampel random berukuran n yang diambil dari populasi
normal (atau populasi tak normal dengan ukuran sampel n≥ 30) dengan 𝜎 2
diketahui, maka interval konfidensi 100(1 − 𝛼)% bagi 𝜇 ditentuka oleh :
𝛼 𝛼
𝑋ത − 𝑧1 𝛼 𝑛
< 𝜇 < 𝑋ത + 𝑧1 𝛼 𝑛
2 2

Contoh :
Suatu sampel random berukuran 100 diambil dari sebuah populasi yang mempunyai
deviasi baku 2,93. Rerata sampel tersebut ialah 67,45. Tentukan interval estimator
untuk 𝜇 dengan interval konfidensi 95 %
Solusi :
1
Karena interval konfidensinya 95 %, maka 𝛼 = 0,05 dan 𝛼 = 0,025.
2
𝜎 2,93
Sehingga 𝑧0,025 = 1,96. Kemudian = = 0,293. Dengan melakukan substittusi
𝑛 10
ke dalam formula interval konfidensi pada teorema 11.1 diperoleh :
67,45 − 1,96 0,293 < 𝜇 < 67,45 + 1,96 0,293
66,867 < 𝜇 < 68,024
 Teorema 11.2
Jika 𝑋ത dan 𝑠 2 berturut-turut adalah rerata dan variansi dari sampel
random berukuran kecil (n< 30) yang diambil dari n populasi normal
dengan 𝜎 2 tak diketahui, maka interval konfidensi 100(1 − 𝛼)% bagi 𝜇
ditentukan oleh:
𝑠 𝑠
𝑋ത − 𝑡1 < 𝜇 < 𝑋ത + 𝑡1
𝛼;𝑛−1 𝑛 𝛼;𝑛−1 𝑛
2 2

Contoh :
Dari populasi kontainer yang diasumsikan berdistribusi normal, diambil 7
buah kontainer, yang ternyata masing-masing isinya ialah 9,8; 9,6; 10,2;
10,0; 9,8; 10,4; dan 10,2 liter. Tentukan interval konfidensi 95% untuk
rerata populasi.
Solusi:
Setelah dicari, ditemukan 𝑋ത = 10,0 dan s = 0,283. Karena interval
1
konfidensinya 95%, maka 2 𝛼 = 0,025, sehingga 𝑡0,025;6 = 2,447.
𝑠 0,283
Kemudian, = = 0,107, sehingga diperoleh:
𝑛 7
10,00 − 2,447 0,107 < 𝜇 < 10,00 + 2,447 0,107
9,738 < 𝜇 < 10,262
D. Interval Konfidensi Untuk Beda Rerata

Untuk melakukan estimasi untuk beda rerata, digunakan teorema-teorema berikut :

Teorema 11.3
Jika 𝑋1 dan 𝑋2 adalah rerata-rerata sampel random yang independen, yang
berukuran 𝑛1 dan 𝑛2 yang diambil dari populasi-populasi normal (atau populasi-
populasi tak normal dengan ukuran sampel masing-masing 𝑛1 ≥ 30) dengan 𝜎1 2
dan 𝜎2 2 diketahui, maka interval konfidensi 100(1 − 𝛼)% bagi 𝜇1 − 𝜇2 ditentukan
oleh :
𝜎1 2 𝜎2 2 𝜎1 2 𝜎2 2
𝑋 − 𝑋ത − 𝑧1𝛼 + < 𝜇1 − 𝜇2 < 𝑋 − 𝑋ത + 𝑧1𝛼 +
2 𝑛1 𝑛2 2 𝑛1 𝑛2

Teorema 11.4
Jika 𝑠1 2 dan 𝑠2 2 berturut-turut merupakan variansi-variansi dari sampel-sampel
yang indenden dengan ukuran-ukuran 𝑛1 𝑑𝑎𝑛 𝑛2 yang diambil dari populasi-populasi
normal dengan variansi-variansi yang sama, yaitu 𝜎 2 , maka estimator gabungan 𝑠𝑝 2
dengan
2 2
n1 − 1 s1 + n 2 − 1 s2
𝑠𝑝 2 =
n1 + n2 − 2
adalah estimator tak bias dari 𝜎 2 . 𝑠𝑝 2 sering disebut variansi gabungan (pooled
variance).
 Teorema 11.5
Jika 𝑋1 dan 𝑋2 adalah rerata-rerata sampel random yang independen, yang
berukuran 𝑛1 dan 𝑛2 (dengan masing-masing 𝑛1 < 30 dan 𝑛2 < 30 yang diambil dari
populasi-populasi normal dengan variansi-variansi sama namin tidak diketahui,
maka interval konfidensi 100(1 − 𝛼)% bagi 𝜇1 − 𝜇2 ditentukan oleh :
1 1 1 1
𝑋1 − 𝑋2 − 𝑡1 𝑠𝑝 + < 𝜇1 − 𝜇2 < 𝑋1 − 𝑋2 + 𝑡1 𝑠𝑝 +
2
𝛼;𝑛1 +𝑛2 −2 𝑛1 𝑛2 2
𝛼;𝑛1 +𝑛2 −2 𝑛1 𝑛2
Teorema 11.6
Jika 𝑋1 dan 𝑋2 adalah rerata-rerata sampel random yang independen, yang
berukuran 𝑛1 dan 𝑛2 (dengan masing-masing 𝑛1 < 30 dan 𝑛2 < 30) dengan variansi
𝑠1 2 dan 𝑠2 2 , yang diambil dari populasi-populasi normal dengan variansi-variansi
yang tidak diketahui dan tidak sama, maka interval konfidensi 100(1 − 𝛼)% bagi
𝜇1 − 𝜇2 ditentukan oleh :
𝑠1 2 𝑠2 2 𝑠1 2 𝑠2 2
𝑋1 − 𝑋2 − 𝑡1𝛼;𝑣 + < 𝜇1 − 𝜇2 < 𝑋1 − 𝑋2 + 𝑡1𝛼;𝑣 +
2 𝑛1 𝑛2 2 𝑛1 𝑛2

𝑠 2 𝑠 2
( 1 + 2 )2
dengan 𝑣 =
𝑛1 𝑛2
2 2
𝑠1 2 𝑠2 2
𝑛1 𝑛2
+
𝑛1 −1 𝑛2 −1
 Teorema 11.7
Jika 𝐷
ഥ adalah rerata dari beda nilai-nilai pada observasi berpasangan
pada sampel random yang berukuran n yang diambil dari populasi normal
dengan rerata
𝜇𝐷 = 𝜇1 − 𝜇2 , maka interval konfidensi 100(1 − 𝛼)% untuk 𝜇𝐷 ditentukan
oleh :
𝑆𝐷 𝑆𝐷
ഥ
𝐷 − 𝑡1 ഥ
< 𝜇1 − 𝜇2 < 𝐷 + 𝑡1
2
𝛼;𝑛−1 𝑛 2𝛼;𝑛−1 𝑛
dengan 𝑆𝐷 adalah deviasi baku variabel random 𝐷 = 𝑋1 − 𝑋2
E. Interval Konfidensi Untuk Proporsi

Teorema 11.8
Jika 𝑝Ƹ adalah proporsi sukses pada sampel random yang berukuran besar (n≥ 30),
maka interval konfidensi 100(1 − 𝛼)% hampiran untuk parameter binomial
p ditentukan oleh :
ො
𝑝(1− ො
𝑝) ො
𝑝(1− ො
𝑝)
𝑝Ƹ − 𝑧1𝛼 < 𝑝 < 𝑝Ƹ + 𝑧1𝛼
2 𝑛 2 𝑛

Contoh :
Pada sampel random yang terdiri dari 500 orang yang makan di kafe pada malam
Minggu, ternyata 160 orang di antaranya menyenangi sea food. Carilah interval
konfidensi 95% untuk proporsi orang yang menyenangi sea food.
Solusi :
160
𝑝Ƹ = = 0,320 ; 1-𝑝Ƹ = 0,680; 𝑧0,025 = 1,96
500

ො
𝑝(1− ො
𝑝) 0,320 (0,680)
= = 0,000435 = 0,0209
𝑛 500

Sehingga :
0,32 − 1,96 0,0209 < 𝑝 < 0,32 + 1,96 (0,0209)
0,279 < 𝑝 < 0,361
F. Interval Konvergensi Untuk Beda
Proporsi
Teorema 11.9
Jika 𝑝Ƹ1 dan 𝑝Ƹ 2 adalah proporsi sukses berturut-turut pada dua sampel
random berukuran 𝑛1 ≥ 30 dan 𝑛2 ≥ 30, maka interval konfidensi 100(1 −
𝛼)% hampiran untuk beda parameter binomial 𝑝1 − 𝑝2 ditentukan oleh :
𝑝ො1 1−𝑝ො1 𝑝ො2 1−𝑝ො2
𝑝Ƹ1 − 𝑝Ƹ 2 − 𝑧1𝛼 + < 𝑝Ƹ1 − 𝑝Ƹ 2 < 𝑝Ƹ1 − 𝑝Ƹ 2 +
2 𝑛1 𝑛2
𝑝ො1 (1−𝑝ො1 ) 𝑝ො2 (1−𝑝ො2 )
𝑧 1𝛼 +
2 𝑛1 𝑛2

Contoh :
Banyaknya pemilih di Joa A adalah 5000 orang dan banyaknya pemilih di
Kota B adlah 2000 orang. seorang kandidat mendapatkan 2400 suara di
Kota A dan 1200 suara di Kota B. Tentuka interval konfidensi 90% untuk
selisih rasio yang memilih kandidat di dua kota tesebut!
Solusi :
2400 1200
𝑝Ƹ1 = = 0,480 ; 𝑝Ƹ 2 = = 0,600
5000 2000
𝑝Ƹ1 − 𝑝Ƹ 2 = −0,120; 𝑧0,025 = 1,645
𝑝ො1 1−𝑝ො1 𝑝ො2 1−𝑝ො2 0,48 (0,52) 0,60 (0,40)
+ = + = 0,0130
𝑛1 𝑛2 5000 2000

Sehingga :
−1,20 − 1,645 0,0130 < 𝑝Ƹ1 − 𝑝Ƹ 2 < −1,20 + 1,645 0,0130
−0,1414 < 𝑝Ƹ1 − 𝑝Ƹ 2 < −0,0986
Tampak bahwa kedua ujung interval bertanda negatif. Hal ini
berarti bahwa proporsi yang memilih kandidat tersebut lebih besar
di Kota B dibandingkan di Kota A.
G. Interval Konfidensi Untuk
Variansi
Teorema 11.10
Jika 𝑠 2 adalah suatu variansi suatu sampel random dengan ukuran
n yang diambil dari populasi normal, maka interval konfidensi
100(1 − 𝛼)% untuk 𝜎 2 ditentukan oleh :
(𝑛 − 1) 𝑠 2 2
(𝑛 − 1) 𝑠 2
< 𝜎 < 2
𝑥2𝛼 𝑥 (1 − 𝛼)
;𝑛 − 1 ;𝑛 − 1
2 2
Contoh ∶
Dalam eksperimen untuk melihat diameter sekrup dengan
mengambil 10 buah sekrup sebagai sampel, diperoleh variansi
diameter sekrup sebesar 0,286 milimeter. Tentukan interval
konfidensi 95% untuk variansi diameter sekrup yang sesungguhnya
dengan menganggap bahwa diameter-diameter sekrup
berdistribusi normal.
Solusi :
n=10; 𝑠 2 = 0,286;ᵡ20,025;9 = 19,023;ᵡ20,975;9
= 2,700
sehingga :

9 (0,286) 2
9 (0,286)
<𝜎 <
19,023 2,700
0,135 < 𝜎 2 < 0,953
H. Interval Konfidensi Untuk Rasio Dua
Variansi
Teorema 11.11
Jika 𝑠1 2 dan 𝑠2 2 adalah variansi-variansi dari sampel-sampel random independen dengan
ukuran 𝑛1 dan 𝑛2 yang berasal dari populasi normal dengan variansi 𝜎1 2 dan 𝜎2 2 , maka interval
𝜎1 2
konfidensi 100(1 − 𝛼)% untuk ditentukan oleh :
𝜎2 2
𝑠1 2 1 𝜎1 2 𝑠1 2 1
2
< 2< 2
𝑠2 𝐹𝛼/2 ; 𝑛1 − 1, 𝑛2 − 1 𝜎2 𝑠2 𝐹𝛼/2 ; 𝑛2 − 1, 𝑛1 − 1
Contoh :
Sebuah tes dikenakan kepada 25 mahasiswa laki-laki dan 16 mahasiswa perempuan. Rerata
skor mahasiswa laki-laki adalah 82 dengan deviasi baku 8, sedangkan rerata skor mahasiswa
𝜎
perempuan adalah 78 dengan deviasi baku 7. Carilah interval konfidensi 98% untuk 1 dengan
𝜎2
mengasumsikan bahwa distribusi nilai-nilai mereka adalah normal.
Solusi :
𝑛1 = 25; 𝑛2 = 16; 𝑠1 = 8; 𝑠2 = 7; 𝐹0,01;24,15 = 3,29; 𝐹0,01;15,24 = 32,89
Seingga :
64 1 𝜎1 2 64 1
< 2<
49 3,29 𝜎2 49 2,89
2
𝜎1
0,397 < 2 < 3,375
𝜎2
𝜎1
0,630 < < 1,943
𝜎2
 Kesimpulan
Dari pembahasan di atas kita dapat simpulkan bahwa
copas definisi sampling 1 bentuk dari sampling tersebut yaitu
sampling dengan dan tanpa pengembalian. Dalam teori sampling
ini terdapat pula distribusi sampling yaitu Fungsi probabilitas dari
suatu statistik disebut distribusi sampling, ada tiga bentuk dari
distribusi sampling yaitu distribusi sampling rerata distribusi
sampling variansi dan distribusi sampling proposisi. Kesalahan baku
dalam sampling dapat dikatakan sebagai penjelasan kesalahan
baku. Dapat kita ketahui pula bahwa teori sampling ini dapat
digunakan di dalam sebuah pengamatan dan juga di kehidupan
sehari-hari.
Sedangkan estimasi itu adalah definisi estimasi ada 2
macam estimasi yaitu estimasi Titik dan estimasi Interval. Dalam
estimasi interval terdapat banyak macam dari interval konfidensi
untuk memudahkan pengerjaan sesuai yg kita ingin capai.