STATISTIK II

Pertemuan 3: Metode Sampling dan Distribusi

Sampling

Dosen Pengampu MK:

Evellin Lusiana, S.Si, M.Si
 Materi

 Metode sampling
 Distribusi sampling
 Metode Sampling

Sampel

Non-probability Probability

Simple Stratified
Judgment Convenience Random

Systematic Cluster
 Nonprobability Sampling

 Dalam sampling non-probability, objek yang

dijadikan sampel dipilih tanpa memperhatikan
nilai probabilitasnya
 Convenience sampling  objek dipilih karena alasan
kemudahan seperti hemat biaya dan mudah diperoleh
 Judgment sampling objek dipilih berdasarkan opini
para ahli/expert
 Probability Sampling

 Dalam probability sampling, objek dipilih

sebagai sampel dengan
mempertimbangkan nilai probabilitas
Probability Samples

Simple
Systematic Stratified Cluster
Random

Chap 7-5
 Simple Random Sampling

 Setiap individu dalam populasi memiliki

kesempatan yg sama untuk terpilih sbg sampel

 Sampel diperoleh secara acak/random dengan

bantuan tabel bilangan acak atau pembangkit
bilangan acak

Chap 7-6
 Systematic Sampling
 Tentukan ukuran sampel: n
 Bagi kerangka sampel yg terdiri atas N individu
menjadi n grup dengan k anggota: k=N/n
 Pilih satu individu secara acak dari grup 1
 Lalu pilih setiap individu ke-k

N = 40 First Group
n=4
k = 10

Chap 7-7
 Stratified Sampling
 Bagi populasi menjadi dua atau lebih subgrup (disebut strata) dengan
karaketristik tertentu
 Lakukan simple random sampling untuk setiap strata secara
proporsional
 Kombinasikan sampel yg diperoleh dari setiap strata

Populasi
dibagi
menjadi 4
strata

Chap 7-8
 Cluster Sampling
 Populasi dibagi menjadi beberapa cluster yg merepresentasikan
populasi
 Lakukan simple random sampling untuk cluster yang terbentuk

Populasi dibagi
manjedi16
cluster
Sampel diplih
secara random

Chap 7-9
 Distribusi Sampling
 Distribusi sampling adalah distribusi dari semua
kemungkinan hasil statistik suatu sampel yang dipilih
dari populasi asal
 Sebagai contoh, misalkan dipilih sampel 50 mahasiswa
dari suatu universitas berdasarkan IPK. Jika diperoleh 50
sampel yang berbeda, maka rata-rata IPK masing2
sampel akan berbeda. Yang menjadi pusat perhatian
adalah distribusi rata-rata IPK dari semua kemungkinan
sampel yang ada.
 Membangun Distribusi
Sampling
 Diasumsikan terdapat populasi…
 Ukuran populasi N=4 D
A B C
 Variabel random, X=usia
 Nilai dari X: 18, 20,
22, 24 (tahun)

Chap 7-11
 Membangun Distribusi Sampling

Ringkasan parameter populasi

μ
 X i P(x)
N .3

18  20  22  24 .2
  21
4 .1

σ
 (X  μ)
i
2

 2.236
18
A B
20
C
22
D
24 x
N
Distribusi Uniform
 Membangun Distribusi Sampling
Misalkan diambil sampel berukuran 2 atau n=2, sehingga
kemungkinan kombinasi sampel yang mungkin yaitu
16 rata-rata
1st 2nd Observation sampel
Obs
18 20 22 24
18 18,18 18,20 18,22 18,24 1st 2nd Observation
20 20,18 20,20 20,22 20,24 Obs 18 20 22 24
22 22,18 22,20 22,22 22,24 18 18 19 20 21
24 24,18 24,20 24,22 24,24 20 19 20 21 22
16 kemungkinan 22 20 21 22 23
sampel
24 21 22 23 24

Chap 7-13
 Membangun Distribusi Sampling
Distribusi sampling dari semua rata-rata sampel

16 rata2 sampel Distribusi

Rata2 Sampel
1st 2nd Observation _
Obs 18 20 22 24 P(X)
.3
18 18 19 20 21
.2
20 19 20 21 22
.1
22 20 21 22 23
0 _
24 21 22 23 24 18 19 20 21 22 23 24 X
(tidak lagi uniform)
 Membangun Distribusi Sampling
Ringkasan statistik distribusi sampling:

18  19  19    24
μX   21
16
(18 - 21) 2  (19 - 21) 2    (24 - 21) 2
σX   1.58
16

Note: bilangan pembagi adalah 16,

karena terdapat 16 sampel berbeda yang berukuran 2

Chap 7-15
 Distribusi Populasi vs Distribusi Sampling
Populasi Distribusi rata2 sampel
N=4 n=2
μ  21 σ  2.236 μX  21 σ X  1.58
_
P(X) P(X)
.3 .3

.2 .2

.1 .1

0
18 20 22 24 X
0
18 19 20 21 22 23 24
_
X
A B C D

Chap 7-16
 Distribusi Sampling Rata-rata:
Standar Error Rata-rata
 Sampel yang berbeda dengan ukuran yg sama akan
menghasilkan rata-rata sampel yg berbeda
 Ukuran keragaman/variabilitas rata2 sampel yang ada
disebut Standard Error Rata-rata:

σ
σX 
n
 Note: standar error rata-rata akan semakin kecil seiring
pertambahan ukuran sampel
 Distribusi Sampling Rata-rata:
Jika Populasi Normal

 Jika populasi asal berdistribusi normal dengan

mean μ and standar deviasi σ, maka distribusi
sampling rata-rata (X) juga berdistribusi normal
dengan

σ
μX  μ dan σX 
n
 Nilai Z Distribusi Sampling Rata-rata
 Nilai Z dari distribusi sampling X :

( X  μX ) ( X  μ)
Z 
σX σ
n
Di mana: X = rata-rata sampel
μ = rata-rata populasi
σ = standar deviasi populasi
n = ukuran sampel
 Distribusi Sampling Rata-rata:
Jika populasi tidak normal
 Terapkan Teori Limit pusat :
 Apabila populasi asal tidak normal,
 Maka rata-rata sampel akan berdistribusi mendekati
(approximately normal) selama ukuran sampel cukup
besar (as long as the sample size is large enough)

dan σ
μx  μ σx 
n
 Distribusi Sampling Rata-rata:
Jika populasi tidak normal

Distribusi populasi
Karakteristik distribusi:

Ukuran pemusatan
μx  μ
μ x
Distribusi sampling
Variasi
σ
σx 
(menjadi normal seiring pertambahan n)
Larger
n Smaller
sample size
sample
size

μx x
Berapa nilai ukuran sampel dikatakan
besar/cukup besar?

 Berdasarkan teori limit pusat, suatu sampel

dikatakan cukup besar apabila ukuran sampel
tersebut lebih dari 30 atau n ≥ 30
 Contoh

 Misalkan suatu populasi memiliki mean μ = 8

dan standar deviasi σ = 3. Dari populasi tsb
diambil sampel secara acak berukuran n = 36
 Berapa probabilitas rata-rata sampel yang
terpilih terletak diantara 7.8 dan 8.2?
 Contoh: Distribusi Sampling Rata-rata

Solusi:
 Bahkan jika populasi tidak berdistribusi normal,
teorema limit pusat dapa digunakan (n ≥ 30)
 … sehingga distribusi sampling rata-rata
mendekati normal
 … dengan rata-rata μx = 8
 …dan standar deviasi σ 3
σx    0.5
n 36
 Contoh: Distribusi Sampling Rata-rata

 
 7.8 - 8 X -μ 8.2 - 8 
P(7.8  X  8.2)  P   
 3 σ 3 
 36 n 36 
 P(-0.4  Z  0.4)  0.6554 - 0.3446  0.3108

Distribusi Distribusi Distribusi Normal

Populasi Sampling Standar
???
? ??
? ? Sampel Standardize
?? ?
?
-0.4 0.4
μ8 X 7.8
μX  8
8.2
x μz  0 Z
 TUGAS
1. PT Arung memiliki 7 karyawan produksi (anggap sbg
populasi). Pendapatan karyawan2 tsb sbg berikut
Karyawan Pendapatan Karyawan Pendapatan
(Rp juta) (Rp juta)
A 7 E 7
B 7 F 8
C 8 G 9
D 8
a) Hitung mean populasi.
b) Hitung masing2 mean sampel untuk setiap sampel
berukuran 2.
c) Berapa nilai rata2/mean dari distribusi sampling?
2. Biaya kontrak sebuah rumah di daerah Lowokwaru
secara umum berdistribusi normal dengan mean=15
juta rupiah/th dan standar deviasi=3 juta rupiah/th.
a) Berapa probabilitas mendapatkan rumah dengan biaya
kontrak kurang dari 10 juta rupiah/th bila terdapat 9 unit rumah
yang siap dikontrakkan?
b) Berapa probabilitas mendapatkan rumah dengan biaya
kontrak antara 13-17 juta rupiah/th? (n=9).