DISTRIBUSI

SAMPLING
(Distribusi Penarikan
Sampel
ANRI
PENDAHULUAN
• Bidang Inferensia Statistik membahas generalisasi/penarikan kesimpulan
dan prediksi/peramalan.
• Generalisasi dan prediksi tersebut melibatkan sampel/contoh, sangat jarang
menyangkut populasi.
• Sensus = pendataan setiap anggota populasi
• Sampling = pendataan sebagian anggota populasi = penarikan contoh =
pengambilan sampel
• Pekerjaan yang melibatkan populasi tidak digunakan, karena:
1. mahal dari segi biaya dan waktu yang panjang
2. populasi akan menjadi rusak atau habis jika disensus
• Misalkan:
Dari populasi donat ingin diketahui rasanya. Jika semua donat dimakan, dan
donat tidak tersisa, maka tidak ada yang dijual?
Beda antara Statistik Sampel vs Parameter Populasi
Ukuran/Ciri Parameter Populasi Statistik Sampel

Rata-Rata : (myu) : (x bar)

x
Selisih 2 Rata-rata : (nilai mutlak) : (nilai mutlak)
x1  x 2 x1  x 2
Standar Deviasi = : (sigma) s
Simpangan Baku
1  2

Varians = Ragam ² s²

Proporsi  : (phi atau p) p atau p


Selisih 2 proporsi 1   2 : (nilai mutlak ) p1  p2 : (nilai mutlak)

catatan: pada Nilai Mutlak, nilai negatif

diabaikan, misalnya: 3 - 7 = -4
=4
 
• Sampel yg baik diperoleh dengan memperhatikan hal-hal berikut:
1. teknik keacakannya (randomness)
2. ukuran
3. Tehnik Penarikan sampel (sampling) yang sesuai dengan kondisi
atau sifat populasi
Sampel Acak = Contoh Random  dipilih dari populasi di mana setiap
anggota populasi memiliki peluang yang sama untuk terpilih menjadi
anggota ruang sampel
 TEKNIK PENARIKAN SAMPEL
1. Sampel Acak Sederhana (Simple Randomized Sampling)
Pengacakan dapat dilakukan dengan: undian, tabel bilangan acak,
program komputer.
2. Sampel Sistematik dengan Awalan Acak (Systematic Sampling with
Random Start)
Tetapkan interval terlebih dulu lalu pilih secara acak anggota
pertama sampel.
Contoh: Ditetapkan interval = 20
Secara acak terpilih: Anggota populasi ke-7 sebagai anggota ke-1
dalam sampel. Dengan demikian: anggota populasi ke-27 jadi
anggota sampel ke-2; ang-gota populasi ke-47 jadi anggota sampel
ke-3, dst.
3. Sampel Acak Berlapis (Stratified Random Sampling)
Populasi terdiri dari beberapa kelas/kelompok. Dari setiap kelas
diambil sampel secara acak.
Perhatikan !!!!
Antar Kelas bersifat (cenderung) berbeda nyata (heterogen). Anggota
dalam suatu kelas (cenderung) sama (homogen).
Contoh: Dari 1500 penumpang KA (setiap kelas memiliki ukuran yang
sama) akan diambil 150 orang sebagai sampel, lalu dilakukan
pendataan tentang tingkat kepuasan. Maka sampel acak dapat
diambil dari:
a. Kelas Eksekutif : 50 orang
b. Kelas Bisnis : 50 orang
c. Kelas Ekonomi : 50 orang
4. Penarikan Sampel Gerombol/Kelompok (Cluster Sampling)
Populasi juga terdiri dari beberapa kelas/kelompok. Sampel yang
diambil berupa kelompok bukan individu anggota
Perhatikan !!!!
Antar Kelas bersifat (cenderung) sama (homogen). Anggota dalam
suatu kelas (cenderung) berbeda (heterogen).
Contoh: Terdapat 40 kelas untuk tingkat II Fakultas Teknik-UGD,
dengan setiap kelas terdiri dari 100 orang. Populasi mahasiswa kelas
2, Teknik-UGD = 40  100 = 4000. Jika suatu penelitian dilakukan
pada populasi tersebut dan sampel yang diperlukan = 600 orang.
Dilakukan pendataan mengenai lama waktu belajar per hari, maka
sampel dapat diambil dari 6 kelas.... Dari 40 kelas, ambil secara acak
6 kelas
5. Penarikan Sampel Area (Area Sampling)
Prinsipnya sama dengan Cluster Sampling.
Pengelompokan ditentukan oleh letak geografis atau letak
administratif.
Contoh: Pengambilan sampel di daerah JAWA BARAT dapat
dilakukan dengan memilih secara acak KOTA MADYA tempat
pengambilan sampel, misalnya terpilih, Kodya Bogor, Sukabumi dan
Bandung,
1. Penarikan Sampel Acak dapat dilakukan dengan 2 cara
a. Penarikan sampel tanpa pemulihan/tanpa pengembalian:
setelah didata, anggota sampel tidak dikembalikan ke dalam
ruang sampel
b. Penarikan sampel dengan pemulihan: bila setelah didata,
anggota sampeldikembalikan ke dalam ruang sampel.
Berdasarkan Ukurannya, maka sampel dibedakan menjadi:
1. Sampel Besar jika ukuran sampel (n)  30
2. Sampel Kecil jika ukuran sampel (n) < 30
 DISTRIBUSI PENARIKAN SAMPEL
(DISTRIBUSI SAMPLING)

• Jumlah Sampel Acak yang dapat ditarik dari suatu populasi adalah
sangat banyak.
• Nilai setiap statistik sampel biasanya akan bervariasi/beragam antar
sampel
• Suatu statistik dapat dianggap sebagai peubah acak yang besarnya
sangat tergantung dari sampel yang kita ambil.
• Karena statistik sampel adalah peubah acak maka ia mempunyai
distribusi yang kita sebut sebagai: Distribusi peluang statistik sampel =
Distribusi Sampling = Distribusi Penarikan Sampel
• Statistik sampel yang paling populer dipelajari dan digunakan untuk
menjelaskan konsep adalah Rata-Rata
DISTRIBUSI SAMPLING RATA-RATA
Distribusi Sampling Rata Rata
Sampel Besar
CONTOH - 1:
 Distribusi Sampling Rata-rata Sampel Kecil
• DISTRIBUSI - t
Distribusi Sampling rata-rata dapat didekati dengan distribusi t- Student = distribusi t
(W.S. Gosset)
• Distribusi-t pada prinsipnya adalah pendekatan distribusi sampel kecil dengan distribusi
normal. Dua hal yang perlu diperhatikan dalam Tabel t adalah:
1. derajat bebas (db)
2. nilai 
• Derajat bebas (db) = degree of freedom = v = n - 1.
n: ukuran sampel.
• Nilai  adalah: luas daerah kurva di kanan nilai t
atau
luas daerah kurva di kiri nilai t
• Nilai   0,1 (10%); 0,05 (5%); 0,025(2,5%); 0,01 (1%); 0,005 (0,5%).
Nilai  terbatas karena banyak db yang harus disusun!
• Kelak, Distribusi t akan kita gunakan dalam PENGUJIAN HIPOTESIS
• Nilai  ditentukan terlebih dahulu. Lalu nilai t tabel ditentukan dengan
menggunakan nilai  dan db. Nilai t tabel menjadi batas selang
pengujian. Lalukan pembandingan nilai t tabel dengan nilai t hitung.
Nilai t hitung untuk kasus distribusi rata-rata sampel kecil didapat
dengan menggunakan DALIL 4
• Pembacaan Tabel Distribusi-t
Misalkan n = 9  db = 8; Nilai  ditentukan = 2,5% di kiri dan kanan
kurva t tabel(db, ) = t tabel(8; 0,025) = 2,306
Jadi t = 2,306 dan -t = -2,306
Arti Gambar di atas :
nilai t sampel berukuran n = 9, berpeluang 95% jatuh dalam
selang -2,306 < t < 2,306.
Peluang t > 2,306 = 2,5 % dan Peluang t < -2,306 = 2,5 %
Coba cari nilai t tabel untuk beberapa nilai db dan  yang
lain!
1. Perbedaan Tabel z dan Tabel t
Tabel z  nilai z menentukan nilai 
Tabel t  nilai  dan db menentukan nilai t
Dalam banyak kasus nilai simpangan baku populasi () tak
di-ketahui, sehingga  diduga dari nilai simpangan baku
• Contoh 3 :
Manajemen PT BENTUL menyatakan bahwa 95% rokok produk-sinya rata-rata
mengandung nikotin 1,80 mg, data tersebar normal. Yayasan Konsumen
melakukan pengujian nikotin terhadap 9 batang rokok dan diketahui rata-rata
sampel = 1,95 mg nikotin dengan standar deviasi = 0,24 mg. Apakah hasil
penelitian Yayasan Konsumen mendukung pernyataan Manajemen PT BENTUL?
Distribusi Sampling Bagi Beda 2 Rata Rata

1
  2
• Contoh 4:
Diketahui rata-rata IQ mahasiswa Eropa = 125 dengan ragam = 119 sedangkan rata-
rata IQ mahasiswa Asia = 128 dengan ragam 181. Diasumsikan kedua populasi
berukuran besar. Jika diambil 100 mahasiswa Eropa dan 100 mahasiswa Asia sebagai
sampel, berapa peluang terdapat perbedaan IQ kedua kelompok akan kurang dari 2?
 Standar error
• Standar deviasi dari rata-rata.
• Bila kita mempunyai beberapa kelompok data, misalnya tiga
kelompok, maka kita akan mempunyai tiga buah nila rata-rata.
• Bila kita hitung nilai standar deviasi dari tiga buah nilai rata-rata
tersebut, maka nilai standar deviasi dari nilai rata-rata tersebut
disebut nilai standar error.
• Simbol standar error untuk sampel adalah clip_image002 atau
kadang-kadang ditulis SE.
• Rumus menghitung nilai standar error adalah sebagai berikut
Contoh: • Dari contoh di atas, nilai rata-rata
Sampel I II III ada 3 buah, yaitu 23,25  24,25 
1 28 30 36 30. 
2 32 30 40 • Bila kita hitung nilai standar
3 15 27 31 deviasi dari ke tiga nilai tersebut,
4 21 22 26
maka nilai itu disebut juga nilai
standar error dari keseluruhan
5 22 24 30 data di atas
6 17 20 24
• Namun, untuk keperluan praktis,
7 17 17 22 maka perhitungan nilai standar
8 14 15 14 error tidak dihitung dari nilai rata-
9 29 27 31
ratanya, tetapi langsung dihitung
10 28 30 39
dari keseluruhan data
dengan rumus seperti di
11 27 26 36
atas.
12 29 23 31
Rata-rata 23.25 24.25 30
• Nilai standar error data di
atas adalah
 ESTIMASI
• Suatu pengukuran yang didasarkan pada hasil kuantitatif atau dengan
kata lain, tingkat akurasinya bisa diukur dengan angka (Tockey : 2004)
• Menurut kamus besar bahasa Indonesia adalah perkiraan, penilaian,
atau pendapat.
• Ini menunjukkan bahwa istilah estimasi dapat kita gunakan secara
umum untuk menyatakan perkiraan, penilaian, atau pendapat kita
mengenai sesuatu.
• Misalnya ketika kita melihat seorang anak bertubuh gemuk akan ikut
serta lomba lari. Walaupun tubuhnya gemuk akan tetapi kakinya
terlihat kokoh dan kuat sehingga kita mengestimasi bahwa ia akan
dapat bersaing dalam lomba lari tersebut.
• Istilah estimasi bagi sebagian orang terdengar cukup “serius” padahal
secara umum kita selalu membuat estimasi dalam kehidupan sehari-
hari.
• Istilah estimasi sering kita dengar ketika orang membicarakan proyek
atau menghitung nilai statistik pada sensus penduduk.
• Misalnya estimasi waktu dan biaya dalam menyelesaikan sebuah
proyek pembuatan jembatan. Atau estimasi jumlah populasi
penduduk suatu wilayah dengan menggunakan sampel.
 Pengertian estimasi dalam statistik
• adalah suatu metode untuk memperkirakan nilai populasi dengan
memakai nilai sampel tertentu.
• Definisi estimasi statistik juga berarti kegiatan penarikan suatu
kesimpulan statistik yang berawal dari hal-hal yang bersifat umum
kepada hal-hal yang bersifat khusus.
 Jenis-jenis Estimasi
1. Estimasi Titik 
     Harga parameter hanya ditaksir dengan satu harga yaitu harga
statistiknya
2. Estimasi Interval 
    Dari penelitian dan perhitungan-perhitungan harga statistik suatu
sampel, bisa dihitung suatu interval dimana  dengan peluang tertentu harga
parameter yang hendak ditaksir terletak dalam interval tersebut.

C. Ciri Estimator yang Baik

1. Tidak bias
2. Efisien
3. Konsisten