DISTRIBUSI

SAMPLING
Statistik inferensial
TUJUAN PEMBELAJARAN
 Memahami perlunya suatu sampling (pengambilan sampel) serta keuntungan-
keuntungan melakukannya
 Menjelaskan pengertian sampel acak untuk sampling populasi terhingga dan tak
terhingga
 Menjelaskan langkah-langkah yang diperlukan untuk membentuk suatu
distribusi sampling dari mean-mean sampel, menghitung mean dan deviasi
standard dari distribusi sampling tersebut
 Menjelaskan langkah-langkah yang diperlukan untuk membentuk suatu
distribusi sampling dari proporsi sampel, menghitung mean dan deviasi standard
dari distribusi sampling tersebut
 Menghitung mean dan deviasi standard dari distribusi sampling yang merupakan
perbedaan atau penjumlahan dari sampel-sampel yang berasal dari dua populasi
POKOK BAHASAN
 Pengertian dan Konsep Dasar Sampling
 Distribusi Sampling Dari Mean
 Distribusi Sampling Dari Proporsi
 Distribusi Sampling Dari Perbedaan dan Penjumlahan
PENGERTIAN DAN
KONSEP DASAR
KENAPA PERLU SAMPLING?
 Mengestimasi parameter populasi yang tidak diketahui
dengan meninjau informasi statistic sampel (inference)
 Menentukan apakah perbedaan pada dua sampel adalah
benar-benar signifikan (berarti) atau karena kebetulan sifatnya
 Menghemat waktu dan biaya tanpa harus mengorbankan
akurasi hasil (apabila sampling dilakukan dgn kaidah yg
sesuai)
POPULASI TERHINGGA & TAK
TERHINGGA
Populasi terhingga (finite population): jumlah seluruh

anggotanya tetap dan dapat didaftar
 Jumlah penduduk di suatu negara
 Jumlah anggota di suatu organisasi
 Populasi tak terhingga (infinite population) memiliki anggota
yang banyaknya tak terhingga
 Bintang di langit
 Ikan di lautan
CONTOH DALAM BIDANG
KETEKNIKAN
 Jika kita memeriksa rata-rata harian banyaknya produk
cacat di sebuah pabrik selama 12 bulan terakhir, maka
populasi yang diperoleh adalah populasi terhingga
yang meliputi produk cacat dari semua jalur produksi di
pabrik itu

 Jika kita mengukur kecepatan prosesor komputer yang

dibuat oleh sebuah perusahaan tertentu maka populasi
yang diperoleh adalah populasi tak terhingga, karena
produk tersebut akan terus diproduksi dan
dikembangkan di masa-masa mendatang
RANDOM SAMPLING
 Sampling harus dilakukan secara acak agar setiap anggota populasi
memiliki kesempatan yang sama untuk terpilih sebagai sampel
 Kesimpulan yg diambil berdasarkan sampel harus bersifat
 Valid
 Dapat dipercaya

 Sampling dengan pergantian  setiap anggota sebuah populasi bisa

terpilih lebih dari sekali
 Sampling tanpa pergantian  anggota populasi yang telah terpilih
tidak bisa dipilih lagi
CONTOH
 Dalam memilih sebuah nomor yang mewakili komponen
sebagai sampel dari sebuah batch produksi, kita bisa
mengembalikan lagi atau tidak mengembalikan kembali
nomor yang telah terpilih kedalam batch produksi.
Dalam kasus pertama disebut sampling dengan pergantian
sedangkan kasus yang kedua adalah sampling tanpa
pergantian
SAMPLING DESIGNS: NON-
PROBABILITY SAMPLING
 Karakteristik: peluang sesorang/objek untuk dipilih sebagai sampel tidak
diketahui
 Kelemahan: menimbulkan bias (tidak representative)
 Macam:
 Sampling bertujuan (purposive sampling): berdasarkan penilaian (judgement) dari seorang
analist / ahli
 Sampling nyaman (convenience sampling): sample dilakukan kepada individu/objek yg
mudah diakses
 Sampling sukarela (volunteer sampling): individu sukarela mengajukan diri untuk
disampling
SAMPLING DESIGNS:
PROBABILITY SAMPLING
 Karakteristik: peluang sesorang untuk dipilih sebagai sampel dapat
diperhitungkan
 Macam:
 Simple random: menggunakan random number generator ke sample yg sudah terlebih dulu
dinomori
 Random sistematis: memilih individu/objek ke X dari daftar dengan titik mula yg acak
 Acak bertingkat (stratified random): dibagi ke tingkatan tertentu lalu sampel dipilih random
dari tiap tingkatan
 Cluster sampling: dibagi ke dalam berbagai cluster lalu sampling dari beberapa cluster
tersebut
DISTRIBUSI SAMPLING
 Dari sebuah populasi dibentuk seluruh kemungkinan sampel berukuran n
 Dari masing-masing sampel:
 dihitung statistic deskriptifnya (misal mean, deviasi standard, dll.) yang
nilainya tentu akan berbeda-beda
 Kumpulan nilai statistik dari sampel ini membentuk suatu distribusi
 Distribusi ini dinamakan distribusi sampling.
 distribusi sampling dari mean sampel (sampling distribution of the mean)
 distribusi sampling dari deviasi standard, varians, median, proporsi, dll
 Kemudian terhadap masing-masing jenis distribusi sampling inipun dapat
dihitung nilai-nilai statistik deskriptifnya
 CONTOH
Suatu populasi terdiri atas lima hasil pengukuran bernilai 2,
3, 6, 8, 11. Jika dari populasi ini hendak digunakan dua
hasil pengukuran sebagai sampel, distribusi sampling dari
mean sampel yang bisa dibentuk jika sampling dengan
pergantian & urutan diperhatikan adalah

Kemungkinan sampel yang terbentuk Maka mean sampel yang terbentuk

adalah: adalah:
(2,2) (2,3) (2,6) (2,8) (2,11) 2,0 2,5 4,0 5,0 6,5
(3,2) (3,3) (3,6) (3,8) (3,11) 2,5 3,0 4,5 5,5 7,0
(6,2) (6,3) (6,6) (6,8) (6,11) 4,0 4,5 6,0 7,0 8,5
(8,2) (8,3) (8,6) (8,8) (8,11) 5,0 5,5 7,0 8,0 9,5
(11,2) (11,3) (11,6)(11,8) (11,11) 6,5 7,0 8,5 9,5 11,0
  Distribusi sampling dari mean sample yang terbentuk

Mean
Sampel
2 2,5 3 4 4,5 5 5,5 6 6,5 7 8 8,5 9,5 11

Frekuensi 1 2 1 2 2 2 2 1 2 4 1 2 2 1

Probabilitas 1/25 2/25 1/25 2/25 2/25 2/25 2/25 1/25 2/25 4/25 1/25 2/25 2/25 1/25
DISTRIBUSI
SAMPLING DARI
MEAN
 Definisi:
 Distribusi sampling dari mean-mean sampel adalah distribusi
mean-mean aritmetika dari seluruh sampel acak berukuran n yang
mungkin dipilih dari sebuah populasi

 Mean dan Deviasi Standard

 Jika sampling dilakukan  Jika sampling dilakukan
tanpa pergantian dari suatu dengan pergantian atau
populasi terhingga populasinya tak terhingga,
berukuran N, maka: maka:
MEAN DAN DEVIASI STANDARD
DISTRIBUSI SAMPLING MEAN
 Untuk nilai n yang besar (n > 30), distribusi sampling mean
mendekati suatu distribusi normal terlepas dari bentuk asli
distribusi populasinya (teorema limit pusat)
 Jika populasinya memiliki distribusi normal, maka distribusi
sampling mean juga terdistribusi secara normal untuk nilai n
berapapun (tidak tergantung ukuran sampel)
 Deviasi standard dari sebuah distribusi sampling mean disebut juga
dengan error standard dari mean
 CONTOH
 Dari contoh populasi lima hasil pengukuran, dapat dihitung mean populasi,
standard deviasi populasi, mean distribusi sampling 2 sample, dan standard
deviasi dari distribusi mean sampling 2 sample
 
 CONTOH
 Lima ratus cetakan logam memilki berat rata-rata 5,02 N dan deviasi standard 0,30
N. Probabilitas bahwa suatu sampel acak dengan ukuran sampel 100 cetakan yang
dipilih akan mempunyai berat total antara 496 sampai 500 N dapat ditentukan sbb.
Distribusi sampling mean persoalah diatas memiliki:

Ukuran populasi terhingga>>

 Seratus sampel cetakan memiliki berat total 496 sampai 500 N jadi rata-ratanya
adalah 4,96 sampai 5,00 N. Jadi skor Z:
MEMPERKIRAKAN UKURAN
SAMPLE
 

 Z = standard error dari rata-rata (interval dalam distribusi sample

yg mengandung 95% jumlah dari keseluruhan sample)
 E = akurasi yang dibutuhkan dalam memperkirakan hasil
 standard deviasi dari populasi; jarang diketahui, sehingga dapat
menggunakan standard deviasi dari sample sebelumnya / historikal
standard deviasi dari sample sejenis
CONTOH
  Anda ditugaskan untuk memperkirakan rata-rata jumlah konsumsi harian air di Jakarta
sehingga rencana penggunaan & penghematan air dapat direncakan. Rata-rata sample anda
harus akurat sampai ±25 liter/hari.
 Berapa banyak rumah tangga yg harus anda sampling sehingga kemungkinan besar (peluang
95%) bahwa rata-rata sampel anda berada dalam 25 liter/hari dari rata-rata sebenarnya?
 Data dari sampling tahun xx menyebutkan bahwa rata-rata konsumsi air harian di Jakarta 300
liter/hari dengan standard deviasi 76 liter/hari.
 Jawab:
  Jumlah sample minimum 36 rumah tangga
untuk memastikan rata-rata sebenarnya
 Z = 95% = ±1.96
mempunyai akurasi ± 25 liter/hari.
 E = 25 l/h
Kemungkinan perbedaan sebesar 5% bahwa
rata-rata sampel dan rata-rata populasi
sebenarnya > ± 25 l/hari
DISTRIBUSI
SAMPLING DARI
PROPORSI
  Definisi:
 Distribusi sampling dari proporsi adalah distribusi proporsi-
proporsi dari seluruh sampel acak berukuran n yang mungkin
dipilih dari sebuah populasi

 Mean dan Deviasi Standard

 Jika probabilitas sukses populasi
adalah  sementara probabilitas
gagalnya adalah  =1 -  dan
samplingnya tanpa pergantian dari
populasi terhingga berukuran N
 Jika sampling dilakukan dengan
pergantian atau populasinya tak
terhingga, maka:
MEAN DAN DEVIASI
STANDARD DISTRIBUSI
SAMPLING PROPORSI
 Untuk nilai n yang besar (n > 30), distribusi sampling proporsi
mendekati suatu distribusi normal
 Jika nilai proporsi menyatakan variabel diskrit:
 diperlukan faktor koreksi (±1/2n ) saat mengubahnya kedalam skor z untuk
menghitung probabilitasnya baik menggunakan tabel distribusi normal
ataupun fungsi spreadsheet
 CONTOH
 Divisi pengendalian mutu suatu pabrik perkakas mencatat bahwa 2 % dari mata bor
yang diproduksi mengalami cacat. Jika dalam pengiriman satu batch produk terdiri
dari 400 mata bor, tentukan probabilitas banyaknya mata bor yang cacat 3 % atau
lebih?
 Distribusi sampling proporsi z

populasinya
tak terhingga

 Koreksi untuk variabel diskrit =1/2n = 1/(2)(400) =1/800 = 0,00125

 Proporsi (3 %) setelah dikoreksi, P = 0,03 - 0,00125 = 0.02875
 Skor z untuk P = 0,02875 adalah:

 Maka probabilitas mata bor yg cacat dgn proporsi > 3%:

DISTRIBUSI
SAMPLING DARI
PERBEDAAN DAN
PENJUMLAHAN
  Definisi:
Terdapat dua populasi

Untuk setiap sampel berukuran n1 dari populasi pertama dihitung sebuah statistik S1 dan

menghasilkan sebuah distribusi sampling dari statistik S1 yang memiliki mean s1 dan deviasi
standard s1
Dari populasi kedua, untuk setiap sampel berukuran n2 dihitung statistik S2 yang akan menghasilkan

sebuah distribusi sampling dari statistik S2 yang memiliki mean s2 dan deviasi standard s2

 Mean dan Deviasi Standard

 Distribusi sampling perbedaan S1 – S2  Distribusi sampling penjumlahan S1 +

memiliki S2 memiliki:
 CONTOH
 Lampu bohlam A memiliki daya tahan rata-rata 1400 jam dan deviasi standard 200 jam,
sementara lampu B memiliki daya tahan rata-rata 1200 jam dengan deviasi standard 100 jam.
 Jika dari masing-masing produk dipilih 125 bohlam sebagai sampel, maka probabilitas
bahwa bohlam A memiliki daya tahan sekurang-kurangnya 160 jam lebih lama dibandingkan
bohlam B dapat ditentukan sebagai berikut
 Mean dari distribusi sampling perbedaan daya tahan bohlam A dan B:

 Standard deviasinya:

 Skor z untuk perbedaan mean 160 adalah:

 Jadi probabilitas yang akan ditentukan adalah:

SOAL LATIHAN
1. Sebuah perusahaan logistik internasional memiliki 5 tipe armada
pengangkutan yg memerlukan biaya operasional $200, $175, $185, $210, dan
$190 per bulannya. Banyaknya masing-masing jenis armada tersebut sama.
Jika suatu estimasi biaya per bulan diambil dari suatu sampel acak sederhana
yang terdiri dari 3 jenis kendaraan, tentukanlah:
a. Distribusi mean sampling biaya perawatan per bulannya?

b. Mean dan deviasi standard dari distribusi mean.

2. Manajer bagian kendali mutu perusahaan suku cadang mesin mobil memilih
secara acak 100 piston untuk mengestimasi persentase produksi piston yang
layak pakai. Berapakah probabilitasnya bahwa proporsi dari sampel yang
memenuhi tersebut berada dalam kisaran 5% dari proporsi populasinya?
3. Pipa api untuk boiler yang dimanufaktur oleh sebuah perusahaan memiliki daya tahan
rata-rata 8000 jam pemakaian dengan deviasi standard 600 jam. Tentukan probabilitas
bahwa suatu sampel acak yang terdiri dari 16 pipa memiliki usia pakai:
(a) antara 7900 dan 8100 jam.
(b) kurang dari 7850 jam.
(c) lebih dari 8200 jam.
(d) Agar probabilitasnya tidak kurang dari 90%, berapakah kisaran (range) usia pakai
yang bisa direkomendasikan dari sampel tersebut?
4. Suatu perusahaan mencetak dua tipe logam (dlm roll) dengan berat rata-rata tipe A 75 N
dan deviasi standard 8 N dan berat rata-rata tipe B 70 N dan deviasi standard 12 N. Jika
diambil 9 roll sampel dari tipe A dan 16 roll sampel dari tipe B, tentukan peluang bahwa
A) rata-rata keduanya berbeda lebih dari 4 N?
B) Perbedaan rata-rata keduanya antara 3.5 sampai 5.5 N?
 PR
1. Kekuatan rusak (breaking strength) sebuah paku keling memiliki mean 10.000 N/m2 dan
deviasi standard 500 N/m2.
a) Berapakah probabilitas mean kekuatan rusak dari sebuah sampel acak terdiri dari 40 paku

keling akan berada antara 9900 sampai 10.200 N/m2

b) Jika sampelnya berukuran 15, tentukan probabilitas yg ditanyakan pada a)

2. Kekerasan Rockwell dari sebuah pin logam mempunyai mean 50 dan simpangan baku 1.2

a) Jika distribusinya normal, berapa probabilitas bahwa mean kekerasan dari sebuah sampel

acak yang terdiri atas 9 pin sekurang-kurangnya 51?

b) Berapa probabiltas bahwa mean kekerasan dari sebuah sampel acak yang terdiri atas 40

pin sekurang-kurangnya 51?

3. Sebuah populasi terdistribusi normal dengan rata-rata 100 dan varians 25. Seberapa besar
sampel acak yg harus dipilh agar standard error dari distribusi mean sampling sebesar 1.25?

4. Misal X mempunyai distribusi disktrit yg seragam (uniform discrete distribution).

sampel acak n = 36 dipilih dari populasi tersebut. Hitung peluang bahwa sampel mean akan
berada diantara nilai 2.1 sampai 2.5?

5. Elastisitas polimer dipengaruhi oleh konsentrasi reaktan. Ketika reaktan dengan konsentrasi rendah
digunakan, elastisitas polimer sekitar 55, dan jika rektan konsentrasi tinggi digunakan, elastisitasnya
naik menjadi 60. Standard deviasi dari elastisitas polimer tidak terpengaruh konsentrasi reaktan, bernilai
4. Jika dari kedua jenis konsentrasi diambil 36 buah sampel, tentukan peluang bahwa perbedaan rata-
rata elastisitas keduanya lebih dari 3 ?