DISTRIBUSI SAMPLING

Made Santana Putra Adiyadnya

Pendahuluan
Bidang Inferensia Statistik membahas
generalisasi/penarikan kesimpulan dan
prediksi/peramalan. Generalisasi dan prediksi
tersebut melibatkan sampel/contoh, sangat jarang
menyangkut populasi.
Sampel yang baik  Sampel yang
representatif
Besaran/ciri sampel (Statistik Sampel) memberikan
gambaran yang tepat mengenai besaran ukuran
populasi (Parameter Populasi)
Penarikan sampel dari populasi, karena :
1.Obyek Mudah Rusak
2.Sulit meneliti obyek fisik secara
keseluruhan
3.Menghemat waktu
4.Menghemat biaya
5.Keakuratan hasil sampel
Statistik Sampel vs Parameter Populasi

x1  x 2 p1  p2
1  2

p atau p


1   2
Sampel yg baik diperoleh dengan
memperhatikan hal-hal berikut:
1.keacakannya (randomness)
2.ukuran
3.teknik penarikan sampel (sampling)
yang sesuai dengan kondisi atau sifat
populasi
Sampel Acak
dipilih dari populasi di mana setiap anggota populasi
memiliki peluang yang sama untuk terpilih menjadi anggota
ruang sampel.

1.Sampel Acak Sederhana (Simple Randomized Sampling)

Pengacakan dapat dilakukan dengan: undian, tabel bilangan
acak, program komputer.
Tanpa Pemulihan Dengan Pemulihan

NCn Nn
Lanjutan…

Dimana :
K = Nilai Interval
N = Populasi
n = Sampel
Lanjutan…
Lanjutan…
4. Penarikan Sampel Kelompok (Cluster
Sampling)
Populasi juga terdiri dari beberapa
kelas/kelompok. Sampel yang diambil berupa
kelompok bukan individu anggota, selanjutnya dari
cluster tersebut dipilih sampel secara acak
Antar kelas bersifat (cenderung) sama
(homogen). Anggota dalam suatu kelas
(cenderung) berbeda (heterogen).
 Lanjutan…
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,
Non-random sampling
Tidak memberi kesempatan yang sama bagi sampel
untuk menjadi anggota sampel karena pertimbangan
tertentu

a) Puposive Sampling
pengambilan sampel dengan tujuan tertentu
b) Quota Sampling
mirip dengan sampel bertrata, tetapi pemilihan
anggota ditentukan berdasarkan quota
Distribusi sampel
DISTRIBUSI SAMPEL adalah suatu distribusi
peluang yang terdiri dari seluruh ekmungkinan
statistik sampel bersama peluangnya masing-
masing
Parameter merupakan nilai observasi yang
diperoleh dari hasil pengamatan langsung pada
populasi (data sebenarnya)
Statistik merupakan nilai observasi yang diperoleh
dari hasil pengamatan langsung pada sampel (data
perkiraan)
NOTASI dalam Distribusi sampel nilai
rata-rata
Sifat-sifat Distribusi sampel nilai
rata-rata
Distribusi Sampling Rata Rata Sampel
Besar
Lanjutan…
Lanjutan…
N n
 N 1 disebut sebagai FAKTOR KOREKSI populasi
terhingga.
 Faktor Koreksi (FK) akan menjadi penting jika sampel
berukuran n diambil dari populasi berukuran N yang
terhingga/ terbatas besarnya
 Jika sampel berukuran n diambil dari populasi berukuran N
1 
N n
yang sangat besar maka FK akan mendekati N 1
1 ,
hal ini mengantar kita pada dalil ke-3 yaitu: DALIL LIMIT
PUSAT = DALIL BATAS TENGAH (CENTRAL LIMIT
THEOREM )
Lanjutan…
Lanjutan…
Dalil Limit Pusat berlaku untuk :
1. penarikan sampel dari populasi yang sangat besar,
2. distribusi populasi tidak dipersoalkan
Beberapa buku mencatat hal berikut : Populasi
dianggap BESAR jika ukuran sampel KURANG
n
DARI 5 % ukuran populasi atau
 5%
N
Distribusi Sampling Bagi Beda 2
Rata Rata
Lanjutan…
Beda atau selisih 2 rata-rata =  ambil
nilai mutlaknya!
Melibatkan 2 populasi yang BERBEDA dan
SALING BEBAS
Sampel-sampel yang diambil dalam banyak
kasus (atau jika dilihat secara akumulatif)
adalah sampel BESAR