DISTRIBUSI SAMPEL

Departemen Biostatistika FKM UI 2021

 Distribusi Sampel
(Sampling Distribution)

 Pengantar Distribusi Sampel

 Teori limit pusat (Central limit theorem)
 Distribusi mean Sampel dari Nilai Rata-rata
 Distribusi mean Sampel dari Nilai Proporsi
 TUGAS
Chap 5-2
Distribusi Sampel

Hal-3
 Distribusi Sampel
 Sifat-sifat dari distribusi sampel tersebut dikenal
dengan Central Limit Theorem
1. Bentuk distribusi dari rata-rata sampel akan

mendekati distribusi normal meskipun distribusi

populasi tidak normal. X
2. Rata-rata dari rata-rata sampel sama dengan rata-

rata populasi (µ)

3. Standar deviasi dari rata-rata sampel, = sama dengan

standar deviasi populasi (σ) dibagi dengan akar jumlah

sampel. Dikenal dengan istilah Standard Error (SE)

SE   / n Hal-4
 Distribusi Sampel

Assumsi suatu populasi

B C
 Besar Population N=4
 Random variable, X,
adalah umur A

 Nilai X: 18, 20, 22, 24 (th)

n D
 18  21   20  21   22  21   24  21
2 2 2 2

i 1
SD =
4
Hal-5
 n

  18  21 2
  20  21 2
  22  21 2
  24  21 2

i 1
SD =
4

Distribusi Populasi
N

X i
P(X)
 i 1
.3
N
.2
18  20  22  24
  21 .1
4
N 0
 X 
2
i A B C D X
  i 1
 2.236 (18) (20) (22) (24)
N
Uniform Distribution
Hal-6
 Distribusi Sampel
(continued)
Besar sampel n=2
1st 2nd Observation
Obs 18 20 22 24
18 18,18 18,20 18,22 18,24
16 Sample = 16 Mean
20 20,18 20,20 20,22 20,24 1st 2nd Observation
22 22,18 22,20 22,22 22,24 Obs 18 20 22 24

24 24,18 24,20 24,22 24,24 18 18 19 20 21

20 19 20 21 22
16 Sample diambil
22 20 21 22 23
dg Replacement
(Distribusi sampel) 24 21 22 23 24
Hal-7
 Distribusi Sampel
(continued)
Sampling Distribution of All Sample Means

16 Sample Means Sample Means

Distribution
1st 2nd Observation
Obs 18 20 22 24 P(X)
18 18 19 20 21 .3 =Distribusi Normal (3)

20 19 20 21 22 .2

22 20 21 22 23 .1
_
24 21 22 23 24 0 X
18 19 20 21 22 23 24

Hal-8
 Sampling Distributions
Summary Measures of Sampling Distribution
(continued)
N

X i
18  19  19    24
X  i 1
  21
N 16
N Mean distribusi sampling = mean
i1  X i   X 
2
populasi (1)
X 
N

 18  21   19  21     24  21  1.58   SE..(2)
2 2 2

 n
16
Hal-9
 Perbandingan Populasi dan
Distribusi Sampel
Population Sample Means Distribution
N=4 n=2
  21   2.236  X  21  X  1.58
P(X) P(X)
.3 .3
.2 .2
.1 .1

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

Hal-10
Distribusi Sampling

Hal-11
 Distribusi NORMAL

x xx Distribusi probalitas individu

Z  (standar deviasi)
 SD
Distribusi SAMPLING
x xx Distribusi probalitas rata-rata sampel
Z  (standar error = SD / akar-n)
 / n SD / n
Distribusi probalitas proporsi sampel
p S   pS pS  p
Z 
 pS p  1 p
n
Hal-12
 Contoh: Distribusi Sampling
Suatu populasi orang sakit memiliki rata-rata kadar
asam urat 8,0 mg dan standar deviasi 2 mg.
a. Apabila dari populasi tersebut diambil sampel
sebanyak 25 orang hitunglah berapa
kemungkinanya nilai rata-rata kadar asam uratnya
berkisar antara 7,8 sd 8,2 mg (38,3%)
b. Bila jumlah sampel yang diambil adalah 100 orang,
berapa kemungkinannya nilai rata-rata asam
uratnya berkisar 7,8 sd 8,2 (68%)

Hal-13
 x xx  8  =2 n  25
Z Contoh:

 / n SD / n P  7.8  X  8.2   ?
 7.8  8 X   X 8.2  8 
P  7.8  X  8.2   P    
 2 / 25 X 2 / 25 
 P  .5  Z  .5   .3830

Sampling Distribution Tabel Standardized

2 Normal Distribution
X   .4 Z 1
25
.1915
.1915

7.8 8.2 X 0.5 0.5 Z

X  8 Z  0 Hal-14
 x   Contoh:
xx
Z 
 / n SD / n n=100
 7.8  8 X   X 8.2  8 
P  7.8  X  8.2   P    
 2 / 25 X 2 / 25 
 P  .5  Z  .5   .3830

Sampling Distribution Tabel Standardized

2 Normal Distribution
X   .4 Z 1
25

7.8
X  8
8.2 X -1.0 1.0 Z
Z  0 Hal-15
 Contoh: Distribusi Normal

Contoh 1.
Laporan tahunan RS ‘Sayang Ibu’ menyatakan bahwa ada sebanyak
5.000 kelahiran hidup selama setahun terakhir di RS tersebut.
Rata-rata berat badan bayi adalah 3.000 gram dengan
simpangan baku sebesar 500 gram. Distribusi berat badan bayi
mengikuti distribusi normal. Hitunglah probabilitas untuk
mendapatkan berat bayi sebagai berikut:
a. Bayi dengan berat badan bayi saat lahir lebih dari 3.500 gram?
b. Bayi dengan berat badan bayi saat lahir antara 2500 s/d 3500 gram?
c. Bayi dengan berat badan bayi saat lahir kurang dari 2500 gram?
d. Dinas Kesehatan di mana RS tersebut berada mengatakan bahwa ada
sebesar 20% kelahiran bayi BBLR (<2500 gram).
Hitunglah apakah prevalensi BBLR di RS lebih tinggi atau lebih rendah
dari laporan Dinas Kesehatan tersebut?
Hal-16
 Contoh: Distribusi Sampel
Di suatu RS, rata-rata berat badan bayi adalah 3.000 gram dengan
simpangan baku sebesar 500 gram. Distribusi berat badan bayi adalah
normal.
Jika diambil sampel sebanyak 49 kelahiran hidup dari catatan medis (medical
record) di RS tersebut. Coba hitung berapa probabilitas untuk mendapatkan
nilai rata-rata berat badan dari 49 bayi tersebut sebagai berikut:
a. antara 2500 s/d 3500 gram? (99,99%)
b. Antara 2900 gram sampai 3100 gram? (84%)
xx 2500  3000
Z1    7.0, P1  0.4999  49,99%
SD / n 500 / 49
xx 3500  3000
Z2    7.0, P1  0.4999  49,99%
SD / n 500 / 49
xx 2900  3000
Z1    1.4, P1  0.4192  42%
SD / n 500 / 49
xx 3100  3000
Z2    1.4, P1  0.4192  42%
SD / n 500 / 49
Hal-17
 Distribusi Sampel (soal hal.81 no.2)

Tinggi badan laki-laki muda berdistribusi normal dengan mean 60 inci dan
SD 10 inci. Suatu sampel diambil sebanyak 25. Berapa kemungkinan
rata-rata tinggi badan dari sampel tadi berkisar sbb:
a. Antara 57 sampai 63 inci?
b. Kurang 55 inci?
c. 64 inci atau lebih x xx
d. 74 inci atau lebih Z 
 / n SD / n

Hal-18
 Distribusi Sampling
 Diketahui: μ = 60 dan σ=10
 Sampel 25, Ditanya: P(mean antara 57 sampai 63 inci)?

57 
2 Z1  = - 1.5
1   = 1.5
63
Z2 
57 60 63 x

-1.5 0 1.5 Z Lihat tabel Z arsir tengah

Z1 p = 0.4332 (43,32%)
3
Z2 p = 0. 4332 (43,32%)
Total = 0.8664 (86,64%) Hal-19
 Distribusi Sampling
 Diketahui: μ = 60 dan σ=10
 Sampel 25, Ditanya: P(mean <55 inci)?

55
2 Z  = - 2.5
1

55 60 63 x

-1.5 0 1.5 Z
Lihat tabel Z arsir pinggir
3 Z p = 0.0062 (0,62%)

Hal-20
 Population Proportions (P)
 Variabel Kategorik
 e.g.: Jenis Kelamin
 Karakteristik proporsi populasi  p
 Estimasi proporsi sampel
 X number of successes
pS  
n sample size

 Hanya ada dua outcomes, X distribusi binomial

Hal-21
 Distribusi Sampel Proporsi
 Approximated by
normal distribution Sampling Distribution

np  5 P(ps)

n  1 p  5
.3
.2
.1
 Mean: 0 ps
  pS  p 0 .2 .4 .6 8 1

 Standard error:

p  1 p p = population proportion
 pS 
n Hal-22
 Distribusi Sampel Proporsi
p S   pS pS  p
Z 
 pS p  1 p
n
Standardized
Sampling Distribution Normal Distribution

 pS Z 1

 pS pS Z  0 Z
Hal-23
 Example:
n  200 p  .4 P  pS  .43  ?
 
 p  
 .43  .4   P  Z  .87   .8078
P  pS  .43  P
S pS

  pS .4  1  .4  
 
 200 
Standardized
Sampling Distribution
Normal Distribution
 pS Z 1

 pS .43 pS 0 .87 Z
Hal-24
 Distribusi Sampel Z
p S   pS

pS  p
 pS p  1 p
Proporsi n
Suatu survei di Kabupaten X pada tahun 2020 melaporkan
bahwa prevalensi Anemia pada ibu hamil adalah sebesar
40%. Anda tertarik meneliti kejadian anemia ibu hamil di
kabupaten X tersebut.
Anda mengambil sampel secara acak sebanyak 100 ibu hamil
di Kabupaten X tersebut. Berapa probabilitas Anda
mendapatkan proporsi anemia pada ibu hamil antara
35% s/d 45%  (Z = 1,02  P = 0.3461 * 2 = 69,22%)
Bila diambil sampel secara acak sebanyak 400 ibu hamil di
Kabupaten X tersebut. Berapa probabilitas akan
mendapatkan proporsi anemia pada ibu hamil antara
35% s/d 45%  (Z = 2,04  P = 0.4793 * 2 = 95,86%)
Hal-25
 pS   pS pS  p
Z 
 pS p  1 p
Distribusi Sampling
n
 Diketahui: P-anemia = 40%
 Sampel 100, Ditanya 0,35  0,40
Z1   1,02
Probabilitas proporsi anemia 0,40 * (1  0,40)
antara 35% sampai 45%? 100

2 0,45  0,40
Z1   1,02
1 0,40 * (1  0,40)
100
35 40% 45 x
Lihat tabel Z arsir tengah
-1.02 0 Z
1.02 Z1 p = 0.3461 (34,61%)
3
Z2 p = 0.3461 (34,61%)
Total = 0.6922 (69,22%) Hal-26
 pS   pS pS  p
Z 
 pS p  1 p
Distribusi Sampling
n
 Diketahui: P = 40%
 Sampel 400, Ditanya 0,35  0,40
Z1   2,04
Probabilitas proporsi anemia 0,40 * (1  0,40)
antara 35% sampai 45%? 400

2 0,45  0,40
Z1   2,04
1 0,40 * (1  0,40)
400
35 40% 45 x
Lihat tabel Z arsir tengah
-1.02 0 Z
1.02 Z1 p = 0.4793 (47,93%)
3
Z2 p = 0.4793 (47,93%)
Total = 0.9586 (95,86%) Hal-27
 Sampling from Finite Sample
 Modify standard error if sample size (n) is
large relative to population size (N )
 n  .05 N or n / N  .05
 Use finite population correction factor (fpc)
 Standard error with FPC

 N n
X 
n N 1
 p  1 p N n
 PS 
n N 1 Hal-28
TUGAS Distribusi Sampling-1
(dikumpul di EMAS)

x xx
Z 
 SD

x xx
Z 
 / n SD / n

pS   p S pS  p
Z 
 pS p  1 p
Hal-29
n
TUGAS Distribusi Sampling-2
(dikumpul di EMAS)

x xx
Z 
 / n SD / n
31

TUGAS Distribusi Sampling-3

(dikumpul di EMAS)
Jika pd suatu populasi 100.000 org dewasa Kadar serum
sodium pada orang dewasa sehat berdistribusi normal,
dengan mean 141 meq/L dan standar deviasi 25
meq/L.
1.Jika dipilih 25 org secara acak, berapa probabilitasnya
rerata kadar serum sodium mereka berkisar 140-142
meq/L? 0 x xx
Z 
2.Jika dipilih 81 org secara acak, berapa probabilitasnya
 / n SD / n
rerata kadar serum sodium mereka berkisar 140-142
meq/L? 0
3.Jika dipilih 81 org secara acak, berapa probabilitasnya
rerata kadar serum sodium mereka 147 meq/L atau lebih
tinggi
TERIMA KASIH

Departemen Biostatistika
Fakultas Kesehatan Masyarakat
Universitas Indonesia