1

DISTRIBUSI
SAMPLING

Susy Hariaty Situmorang S.Kep.,M.K.M

Pendahuluan

Tujuan :
 Mempelajari distirbusi sampling dari sebuah statistik
 Prinsip dasar distribusi sampling rata-rata
 Prinsip dasar distribusi sampling proporsi

2
Pengertian

 Distribusi sampel (sampling distribution) adalah distribusi dari rata-rata atau

proporsi sampel yang diambil secara berulang-ulang (n kali) dari populasi.

 Ada sebanyak = n rata-rata atau n nilai proporsi.

3
 Jika suatu populasi terdiri dari nilai 1, 2, dan 5, maka akan sangat mudah
menghitung nilai rata (mean)nya.
 Namun, mengetahui semua nilai dari sebuah polulasi adalah sangat jarang terjadi.
 Maka, pada populasi besar digunakan metode sampling (pengambilan sampel),
maka berdasarkan karakteristik dr sampel tersebut, dilakukan estimasi karakteristik
dari populasi  statistik inferensial.

Karakteristik
Populasi Sampel
sampel

Rata
kandungan
Air sungai 5 gallon air
merkuri per
liter air
4
Why sample with replacement ?

 Ketika pemilihan sampel dalam jumlah yang relatif kecil dari populasi yang besar,
tidak ada perbedaan signifikan antara dengan pengembalian dan tanpa
pengembalian
 Sampling dengan pengembalian merupakan kejadian independen yang tidak
dipengaruhi oleh hasil sebelumnya, dan kejadian yang indipenden mudah
dianalisa.

pengambilan sampel dengan pengembalian: setiap nilai yang dipilih harus

dikembalikan sebelum pilihan lain dibuat.

5
Distribusi Sampling Rata-Rata

Distribusi dari besaran rata-rata yang muncul dari sampel-sampel.

Pemilihan sampel dari populasi terbatas :

Apabila sampel-sampel random beranggota n masing-masing diambil dari suatu
populasi yang mempunyai mean = µ dan standar deviasi = σ , maka distribusi
sampling rata-rata akan mempunyai mean dan standar deviasi dengan pengembalian
(with replacement) sebesar:

∑
√
2
𝑀𝑒𝑎𝑛=𝜇=
∑ (𝑥 ) ( 𝑥− 𝜇 )
𝑁 𝑆𝑡𝑎𝑛𝑑𝑎𝑟 𝑑𝑒𝑣𝑖𝑎𝑠𝑖=𝜎=
𝑁

6
Sample statistic dapat digunakan untuk mengestimasi parameter populasi, di
antaranya adalah mean dan variance.
Meskipun standar deviasi tidak sama dengan parameter populasi, perbedaan tersebut
masih relatif kecil jika digunakan untuk jumlah data yang besar.

7
Distribusi Sampling Proporsi

Distribusi sampling proporsi adalah distribusi dari proporsi (presentase) yang

diperoleh dari semua sampel sama besar yang mungkin dari satu populasi.

Dapat digunakan untuk mengetahui perbandingan antara dua hal yang

berkomplemen, seperti % bilangan ganjil dan bilangan genap, % pemilih dan bukan
pemilih dalam pemilu, dsb.

8
Teori Limit Sentral

Pada umumnya, normalitas dari distribusi sampling rata-rata disebut teorema limit
sentral dan dinyatakan sebagai berikut :
1. Jika populasi tidak terdistribusi secara normal, untuk sampel dengan jumlah n>30,
distribusi sampling dapat diasumsikan mendekati distribusi normal.
2. Jika populasi cukup besar dan berdistribusi secara normal maka distribusi
samplingnya akan normal.

Berlaku rumus berikut ini:

Mean : 𝜇−𝑥 =𝜇

− 𝜎
Standar deviasi : 𝜎 𝑥 =
√𝑛 9
Aplikasi Teori Limit Sentral

 Ketika bekerja dengan nilai individual dari populasi yang berdistribusi normal,
 Ketika bekerja dengan mean untuk beberapa sampel (atau grup),

10
Koreksi untuk Populasi Terbatas

Ketika sampling tanpa pengembalian dan nilai sampel n lebih besar daripada 5% dari
jumlah populasi N (n > 0,05N), standar deviasi () dari sampling rata-rata dikalikan
dengan faktor koreksi berikut:

Rumus standar deviasi menjadi:

𝜎=
−
𝑥
𝜎 𝑁 −𝑛
√
√ 𝑛 𝑁 −1

11