DISTRIBUSI

SAMPLING
KONSEP DASAR
1. Jumlah sampel acak yang dapat ditarik dari suatu
populasi adalah sangat banyak
2. Nilai setiap statistik sampel biasanya akan
bervariasi atau beragam antar sampel.
3. Suatu statistik dapat dianggap sebagai peubah
acak yang besarnya sangat tergantung dari
sampel yang diambil.
4. Karena statistik sampel adalah peubah acak,
maka ia mempu nyai distribusi yang disebut
sebagai Distribusi Peluang statistik sampel
(Distribusi sampling).
POPULASI DAN SAMPEL
 Populasi : totalitas dari semua objek/ individu
yg memiliki karakteristik tertentu, jelas dan
lengkap yang akan diteliti
 Sampel : bagian dari populasi yang diambil
melalui cara-cara tertentu yg juga memiliki
karakteristik tertentu, jelas dan lengkap yg
dianggap bisa mewakili populasi
CONTOH

Populasi Sampel Statistik Distribusi

Sampel Sampling
Rerata kandungan Distribusi sampling
Airdi sungai 10 gallon air merkuri per liter air tentang rerata

Seluruh anggota Kelompok dengan 5 Median untuk tinggi Distribusi sampling

pemain tim basket pemain pemain tentang median
profesional

Proporsi yang cacat Distribusi sampling

50 suku cadang tentang proporsi

Suku cadang yang

diproduksi oleh
sebuah pabrik
 Distribusi Sampling merupakan distribusi
teoritis (distribusi kemungkinan) dari semua
hasil sampel yang mungkin, dengan ukuran
sampel yang tetap N, pada statistik
(karakteristik sampel) yang digeneralisasikan
ke populasi.
 Distribusi Sampling memungkinkan untuk
memperkirakan probabilitas hasil sampel
tertentu untuk statististik tersebut
 Merupakan jembatan, karena melalui distribusi
sampling dapat diketahui karakteristik populasi
DISTRIBUSI SAMPLING
 Secara umum informasi yang perlu untuk mencirikan
suatu distribusi secara cukup akan mencakup:
 Ukuran Kecenderungan Memusat (mean, median,
modus)
 Ukuran Persebaran Data (range, standar deviasi)
 Bentuk distribusi
 Strategi Umum penerapan statistik inferensial adalah
pindah dari sampel ke populasi melalui distribusi
sampling
LAMBANG PARAMETER DAN
STATISTIK
Besaran Lambang Lambang
X
Parameter Statistik
(Populasi) (Sampel)
Rata-rata μ X

Varians σ2 S2
Simapangan baku σ S
Jumlah Observasi N n
Proporsi P p
METODE SAMPLING
 Cara pengumpulan data yg hanya mengambil
sebagian elemen populasi
 Alasan dipilihnya metode ini :
1. Objek penelitian yg homogen
2. Objek penelitian yg mudah rusak
3. Penghematan biaya dan waktu
4. Masalah ketelitian
5. Ukuran populasi
6. Faktor ekonomis
Metode Sampling ada 2 :
1. Sampling Random
a. Sampling random sederhana
b. Sampling stratified
c. Sampling sistematis
d. Sampling cluster
2. Sampling Non Random
a. Sampling quota
b. Sampling pertimbangan
c. Sampling seadanya
TEHNIK PENENTUAN JUMLAH
SAMPEL
1. Pengambilan sampel dengan pengembalian
n
N
2. Pengambilan sampel tanpa pengembalian

N!
C N
n 
n! ( N  n)!
DISTRIBUSI SAMPLING
 Distribusi dari besaran-besaran statistik spt
rata-rata, simpangan baku, proporsi yg mungkin
muncul dr sampel-sampel
 Jenis-jenis Distribusi Sampling
1. Distribusi Sampling Rata-rata
2. Distribusi Sampling Proporsi
3. Distribusi Sampling yang Lain
 Distribusi Sampling Mean : Distribusi sampling dari mean-mean sampel
adalah distribusi mean-mean aritmetika dari seluruh sampel acak berukuran n
yang mungkin yang dipilih dari sebuah populasi
 Distribusi sampling proporsi : Distribusi sampling dari proporsi adalah
distribusi proporsi-proporsi dari seluruh sampel acak berukuran n yang
mungkin yang dipilih dari sebuah populasi
 Distribusi Sampling perbedaan/penjumlahan :
 Terdapat 2 populasi
 Untuk setiap sampel berukuran n1 dari populasi pertama dihitung sebuah
statistik S1 dan menghasilkan sebuah distribusi sampling dari statistik S1
yang memiliki mean μs1 dan deviasi standard σs1
 Dari populasi kedua, untuk setiap sampel berukuran n2 dihitung statistik
S2 yang akan menghasilkan sebuah distribusi sampling dari statistik S2
yang memiliki mean μs2 dan deviasi standard σs2
DISTRIBUSI SAMPLING RATA-
RATA
a. Pemilihan sampel dari populasi terbatas
1. Utk pengambilan sampel tanpa
pengembalian atau n/N > 5%
x  
 N  n
 
x
n N 1
2. Utk pengambilan sampel dgn pengembalian
atau n/N ≤ 5%
x  

x 
n
 Sebuah toko memiliki 5 Karyawan A,B,C,D,E dengan
upah perjam: 2,3,3,4,5. Jika upah yang diperoleh
dianggap sebagai populasi, tentukan: (tanpa
Pengembalian)
a. Rata-rata sampel 2 unsur
b. Rata-rata dari rata-rata sampel

c. Simpangan baku dari rata sampel

Banyaknya sampel yang mungkin adalah

5!
C 
5
2
= 10 buah
2! (5  2)!
b. Rata-rata dari sampel
µ = 2+3+3+4+5 = 3.4
5
c. Simpangan baku

 N  n
x 
n N 1
=0.62 1.02 5 2
x
2 5 1
 Distribusi Sampling mean
 Teorema Sampling populasi
terdistribusi normal:
Bila sampel-sampel random diulang-ulang
dengan ukuran n diambil dari suatu populasi
terdistribusi normal dengan rata-rata μ dan
standar deviasi σ, maka distribusi sampling rata-
rata sampel akan normal dengan rata-rata μ dan
standar deviasi

X 
n
DISTRIBUSI SAMPLING
Rata-rata
DISTRIBUSI SAMPLING
Rata-rata
b. Pemilihan sampel dari populasi yg tidak
terbatas

 x   dan  x 
n
c. Daftar distribusi normal untuk distribusi
sampling rata-rata
1. Utk populasi terbatas atau n/N > 5%
X  
Z 
 N n
n N 1

2. Utk populasi tdk terbatas atau n/N ≤ 5%

X  
Z 

n
SOAL
 Upah per jam pekerja memiliki rata-rata Rp.500,- perjam dan
simpangan baku Rp.60,-. Berapa probabilitas bahwa upah rata-
rata 50 pekerja yang merupakan sampel random akan berada
diantara 510,- dan 520,- ?
Diket:
µ = 500; Simp b: 60,- ; n = 50 ; X = 510 dan 520
X = 510 maka Z = 1.18
X = 520 maka Z = 2.36

P (1.18 < Z < 2,36) = P (0<Z<2,36) – P(0<Z<1.18)

= 0.4909 – 0.3810
= 0.1099
DISTRIBUSI SAMPLING
PROPORSI

 Distribusi sampling dari proporsi adalah distribusi

proporsi-proporsi dari seluruh sampel acak berukuran
n yang mungkin yang dipilih dari sebuah populasi
 proporsi kesuksesan desa yang mendapat bantuan
program
 Perbedaan persepsi penduduk miskin dan kaya
terhadap pembangunan mall, dilihat dari proporsi
ketersetujuannya
DISTRIBUSI SAMPLING PROPORSI
Proporsi dr populasi dinyatakan X
 P
N
X
p
 Proporsi utk sampel dinyatakan n
1. Utk pengambilan sampel dgn pengembalian
atau jika ukuran populasi besar
dibandingkan dgn ukuran sampel yi n/N ≤
5%

p  P
P(1  P )
p 
n
2. Utk pengambilan sampel tanpa pengembalian atau
jika ukuran populasi kecil dibandingkan dgn ukuran
sampel yi n/N > 5%

p  P
P (1  P ) N n
p 
n N 1
SEBUAH TOKO MEMILIKI 6 KARYAWAN, MISALKAN A,B,C
UNTUK YANG SENANG MEMBACA DAN X,Y,Z UNTUK YANG
TIDAK SENANG MEMBACA. JIKA DARI 6 KARYAWAN
TERSEBUT DIAMBIL SAMPEL YANG BERANGGOTAKAN 4
KARYAWAN (PENGAMBILAN SAMPEL TANPA
PENGEMBALIAN), TENTUKAN:
A. BANYAKNYA SAMPEL YANG MUNGKIN DIAMBIL
B. DISTRIBUSI SAMPLING PROPORSINYA
C. RATA-RATA DAN SIMPANGAN BAKU SAMPLING
PROPORSINYA
JWB:
A. B
 DISTRIBUSI SAMPLING YANG LAIN
a. Distribusi sampling beda dua rata-rata
1. Rata-rata
 x  x  1   2
1 2

2. Simpangan baku
 12  22
x  x2
 
3. Untuk n1 dan n2 dgn n1, n2 > 30
1
n1 n2

( X 1  X 2 )  ( 1   2 )
Z
 X X
1 2
 Misalkan rata-rata pendapatan manajer dan karyawan, Rp.
50.000,- dengan simpangan baku Rp. 15.000,- dan 12.000,-
dengan simpangan baku 1.000,-. Jika diambil sampel random
manajer sebanyak 40 orang dan karyawan sebanyak 150 orang.
Tentukan:
a. Beda rata-rata pendapatan sampel

b. Simpangan baku rata-rata pendapatan sampel

c. Probabilitas beda rata-rata pendapatan manajer dan karyawan

biasa lebih dari 35.000,-

Diket:
µ = 50.000 µ = 50.000
Simp: 15.000 Simp b : 1.000
n1 = 40 n2 = 150
b. Distribusi sampling beda dua proporsi
1. Rata-rata  P1 P 2
P P 1 2

2. Simpangan baku  P1 (1  P1 ) P2 (1  P2 )
P1 P 2  
n1 n2
3. Untuk n1 dan n2 dgn n1, n2 ≥ 30

( p1  p 2 )  ( P1  P2 )
Z
 P1 P 2
X1 X 2
p1  p 2  
n1 n2
 CONTOH SOAL
1. Bola lampu produksi pabrik PHILLIPS memiliki umur
rata-rata 1.600 jam dengan simpangan baku 225
jam, sedangkan bola lampu produksi SHELL memiliki
umur rata-rata 1.400 jam dengan simpangan baku
150 jam. Jika diambil sampel random sebanyak 150
bola lampu dari masing-masing merek untuk diuji,
tentukan :
a. Beda rata-rata umur bola lampu tersebut
b. Simpangan baku rata-rata umur bola lampu tersebut
c. Probabilitas bahwa merek PHILLIPS memiliki umur
rata-rata paling sedikit 175 jam lebih lama daripada
merek SHELL
d. Probabilitas beda rata-rata umur bola lampu
PHILLIPS dan SHELL lebih dari 160 jam
2. Empat persen barang di gudang A adalah
cacat dan sembilan persen barang di
gudang B adalah cacat. Jika diambil
sampel random sebanyak 150 barang dari
gudang A dan 200 barang dari gudang B,
tentukan :
a. rata-rata beda dua proporsi sampel
tersebut
b. Simpangan baku beda dua proporsi sampel
tersebut
c. Probabilitas beda persentase barang yang
cacat dalam gudang A 3% lebih besar
dariapda gudang B