DISTRIBUSI SAMPLING

Hendra Dhermawan Sitanggang, SKM, M.Epid.

Prodi Ilmu Kesehatan Masyarakat

Fakultas Kesehatan Masyarakat
Universitas Jambi
• Pada statistik deskriptif : bagaimana mendapatkan
deskripsi dari data yang diolah atau yang
dikumpulkan untuk mendapatkan informasi yang
terkandung di dalamnya.
• Pada statistik inferesnsial : bagaimana
menggeneralisasi informasi yang telah didapatkan.
• Sebagai contoh, dari suatu rapid survei yang dilakukan di
Tangerang dengan mewawancarai balita (sampel) didapatkan
bahwa yang melakukan pemeriksaan sampai K4 pada
kehamilannya sebanyak 20%.
• Hasil ini didapat dari sampel, dengan maksud mengetahui
nilai sebenarnya yang melakukan pemeriksaan K4 di
Tangerang.
• Data dari pengumpulan sebanyak 210 ibu tersebut ingin kita
perlakukan menjadi informasi untuk populasinya (Tangerang)
 memggunakan metode statistik inferensial.
• Statistik inferens adalah semua cara atau metode
yang digunakan untuk menggenarilasasi hasil dari
suatu sampel menjadi hasil populasi.
• Dasar di dalam statistik inferens adalah distribusi
sampling.
• Distribusi sampling adalah distribusi dari mean-mean
sampel yang diambil secara berulang kali dari suatu
populasi.
 Beberapa ukuran-ukuran
Sampel Populasi
Niali (Karakteristik) Statistik Parameter
Mean 𝑥ҧ 𝜇
Standar deviasi s 𝜎
Jumlah unit n N
Misalkan kita mempunya suatu populasi yang mempunyai
mean = 𝜇 dengan N elemen dan standar deviasi 𝜎.

1. Dilakukan pengambilan sampel random besarnya n (x1,

x2, …. Xn), dihitung rata-rata x dan simpangan baku s.
sampel yang diambil berulang kali ini akan
menghasilkan bermacam-macam nilai rata-rata. Dari
sampel satu sampai sampel ke m didapatkan rata-rata
hitung 𝑥ҧ 1,..…., 𝑥ҧ m.
2. Mean atau rata-rata dari sampel-sampel ini (𝑥ҧ 1,..…., 𝑥ҧ m)
kalau disusun akan membentuk suatu distribusi.
Distribusi dari nilai mean-mean sampel inilah yang
disebut distribusi sampling harga mean.
 Sifat-Sifat Distribusi Sampling
• Sifat distribusi sampling ini disebut Central Limit
Theorem (Teorema limit pusat).
• Sifat inilah yang mendasari teori statistik inferens.
 Sifat 1
• Apabila sampel-sampel random dengan n elemen
masing-masing diambil dari suatu populasi normal,
yang mempunyai mean = 𝜇, varian (akar dari standar
deviasi) 𝜎 2, distribusi sampling harga mean akan
mempunyai mean sama dengan 𝜇 dan varian 𝜎2/n
atau standar deviasi σ/ 𝑛. Standar deviasi distribusi
sampling harga mean ini dikenal sebagai “Standar
Error” (SE)
 Sifat 2
• Apabila populasi berdistribusi normal, distribusi
sampling harga mean juga akan berdistribusi normal.
• Maka berlaku sifat seperti persamaan di bawah ini :
𝑥ҧ − 𝜇
𝑍=
𝑆𝐸
• Z score adalah nilai deviasi relatif antara nilai sampel
dan populasi = distribusi normal standar.
 Sifat 3
• Walaupun populasi berdistribusi sembarang,
kalau diambil sampel-sampel berulang kali
secara randam, distribusi harga meannya akan
membentuk distribusi normal.
 Contoh (Sifat 3)
• Ada 5 orang (populasinya) penderita penyakit D, dimana masa
inkubasinya adalah sbb :
No Pasien Masa Inkubasi (hari)
1 2
2 3
3 6
4 8
5 11

• 𝜇 = 6 hari  dari (2+3+6+8+11)/5

σ(𝑥−𝜇)
ҧ 2
• 𝜎2 = 10,8 hari berasal dari
𝑛−1
• 𝜎 = 10,8 = 3,29 ℎ𝑎𝑟𝑖
• Jika diambil sampel sebanyak 2.
• Dari populasi ini, kemungkinan sampel yang terjadi adalah 52
= 25.
• Dari distribusi sampling (data diatas) didapatkan :
2 + 2,5 + 4 + ⋯ + 11
𝑥Ӗ 𝑥 ҧ = = 6 ….= 𝜇
25
σ( 𝑥Ӗ − 𝑥)
ҧ 2
𝑉𝑎𝑟𝑖𝑎𝑛 (𝑆𝐸 2 ) = = 5,4 … .
𝑛−1
Nilai ini sama dengan = 𝜎2/n = 10,8/2  𝜎2 = 10,8
𝑆𝐸 = 5,4 = 2,32 ℎ𝑎𝑟𝑖.
• Distribusi sampling harga mean dari 25 sampel yang
diperoleh dari 5 populasi di atas kalau digambarkan
dalam bentuk kurva akan membentuk kurva simetris
(kurva normal umum). Sebagai sifat dari distribusi
sampling, maka sifat-sifat kurva normal dapat
diperlakukan.
 Nilai Tengah dari 25 sampel
Mean 6.000
Median 6.000
Mode 7.0
 Daftar Pustaka
Sabri, L dan Hastono, S. P. (2014). Statistik
Kesehatan. Rajawali Press, Jakarta.