TUGAS PRESENTASI

STATISTIK 2 - MODUL 2
MATERI PEMBELAJARAN

DISTRIBUSI SAMPLING (PART I)

We are from Group Number 5…

Dimas Adhiyasa Rafri Try Satya Dwi Ehwanto

 RANDOM SAMPLING

APA ITU RANDOM SAMPLING ?

Teknik sampling yang dilakukan
dengan memberikan peluang
atau kesempatan kepada
seluruh anggota populasi untuk Lanjut ke contoh …
menjadi sampel. Sampel yang
diperoleh diharapkan
merupakan sampel yang
representatif.
Contoh 1. Random Sampling Penyelesaiannya …
Contoh 2. Random Sampling Penyelesaiannya …
Daniel tengah melakukan sebuah
penelitian di sebuah Rumah Sakit
Permata Bunda. Diketahui jumlah
populasi sebanyak 150 pegawai. Jika
dihitung menggunakan rumus slovin
dengan tingkat signifikansi adalah 0,05
(5%). Maka berapakah jumlah sampel
minimal yang harus diambil oleh Daniel?
Keterangan:
n = jumlah sampel
N = jumlah populasi
e = batas kesalahan maksimal yang ditolerir dalam sampel
alias tingkat signifikansi adalah 0,05 (5%) atau 0,01 (1%)
 DISTRIBUSI SAMPLING RATA-RATA

APA ITU DISTRIBUSI SAMPLING CONTOH

menunjukkan distribusi dari nilai –
nilai yang berbeda statistik sampel
atau penduga dari banyak sampel
yang berukuran sama. Sebuah statistik
sampel akan berbeda – beda nilainya
dari satu sampel ke sampel yang lain
karena adanya perbedaan sampling
acak atau kesalahan sampling.
 APA ITU DISTRIBUSI SAMPLING
RATA-RATA (MEAN) CONTOH SOAL
STUDI KASUS 1
Distribusi dari besaran rata-rata yang Diberikan sebuah populasi dengan N = 10, yakni terdiri atas
muncul dari sampel-sampel. angka – angka :

Apabila diambil sampel sebanyak 2.

Hitung mean (mean of means) dan
standar deviasi (standard error of the
means) !

AMBIL DATA :
1. WARNA
2. BENTUK
3. UKURAN
4. BERAT
Penyelesaian :
Diketahui N = 10 dan n = 2. -> n/N = 0,2 > 0,05. Maka pengambilan sampel dilakukan tanpa pengembalian.

Dari tabel sebelumnya, apabila dibuatkan summary

hasilnya sbb :

Penyelesaian :
Σ rata - rata = 4410 rata - rata = 4410/45= 98
Standar deviasi =
 TEOREMA CENTRAL LIMIT
APA ITU TEOREMA CENTRAL LIMIT ?
sebuah teorema yang menyatakan
bahwa kurva distribusi sampling
(untuk ukuran sampel 30 atau lebih)
akan berpusat pada nilai parameter
populasi dan akan memiliki semua
sifat-sifat distribusi normal.
Lanjut ke contoh …
MENGAPA PENTING
salah satu teorema paling penting dalam statistika dan
probabilitas. Teori ini digunakan hampir di semua tempat di
mana statistik diterapkan. Kegunaan teorema terletak pada
kesederhanaan definisinya. Teorema limit sentral
menyatakan bahwa jika beberapa kondisi tertentu
terpenuhi, maka distribusi mean dari sejumlah variabel
random independen mendekati distribusi normal dengan
jumlah sampel mendekati tak terhingga. Dengan kata lain,
tidak diperlukan informasi yang banyak tentang distribusi
aktual variabel, asalkan ada cukup sampel dari mereka,
jumlah mereka dapat didistribusikan secara normal.
Keindahan teorema limit pusat ini terletak pada
kesederhanaannya.
Contoh Soal dan Pembahasan

2. Umur pakai rata-rata dari suatu mesin pembuat kopi adalah 8 tahun
dengan standard deviasi 1 tahun. Asumsikan umur pakai terdistribusi
normal.
Berapakah:
a) probabilitas umur rata-rata mesin dari random sampel berukuran 12
mesin adalah lebih dari 8.5?
b) probabilitas umur rata-rata mesin dari random sampel berukuran 12
mesin adalah kurang dari 7.2?
c) probabilitas umur rata-rata mesin dari random sampel berukuran 12
mesin adalah diantara 7.2 dan 8.5?
Pembahasan
1. Diket : μ = 8 tahun
σ= 1 tahun
n = 12
Ditanya 𝑋̅ = a. >8,5
b. <7,2
c.7,2 > 𝑋̅ < 8,5
a. Ditanya probabilitas 𝑋̅>8,5?
Z=
= 1,175 1,175
Karena lebih dari 8,5 jadi, probabilitasnya 0,5 – 0,3790 = 0,121
b. Ditanya probabilitas 𝑋̅<8,5?
Z=
= -2,771
Karena kurang dari 7,2 jadi, probabilitasnya 0,0028

-2,771
c. Ditanya probalitas 7,2 > 𝑋̅ < 8,5?
Z=
Z=
= (-2,771) + (1,173)
= (0,5 - 0,0028) + (0,3790)
= 0,4972 + 0,3790
= 0,8762
-2,771 1,175
Jadi, probabilitas antara 7,2 dan 8,5 adalah 0,8762