Teknik Mesin – FTUI  Dr. Ir. Harinaldi, M.

Eng
 Tujuan Pembelajaran
 Memahami perlunya suatu sampling (pengambilan
sampel) serta keuntungan- keuntungan melakukannya
 Menjelaskan pengertian sampel acak untuk sampling
tanpa pergantian untuk suatu populasi terhingga dan
pengambilan sampel untuk populasi 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
Kebutuhan dan Keuntungan Sampling
 Sampling yang baik:
 Hemat biaya dan waktu
 Akurat
 Secara khusus teknik sampling berguna dalam :
 Estimasi parameter populasi yang tidak diketahui
berdasarkan informasi dari statistik sampel
 Menentukan apakah perbedaan pada dua sampel
adalah benar-benar signifikan (berarti) atau
karena kebetulan sifatnya
Pengertian dan Konsep Dasar
Sampling Acak (Random Sampling)
 Suatu kesimpulan yang diambil berdasarkan sampel
harus:
 valid
 dapat dipercaya
 Sampel dipilih sedemikian hingga mewakili populasi
 sampling acak

Populasi Terhingga dan Tak Terhingga

 Populasi terhingga (finite population): jumlah seluruh
anggotanya tetap dan dapat didaftar
 Populasi tak terhingga (infinite population) memiliki
anggota yang banyaknya tak terhingga
Pengertian dan Konsep Dasar
Contoh 5.1:

 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
Pengertian dan Konsep Dasar
Sampling Dengan dan Tanpa Pergantian
 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 5.2:
 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 dengan pergantian
 Pengertian dan Konsep Dasar
Distribusi Sampling
 Dari sebuah populasi dibentuk seluruh kemungkinan
sampel berukuran n
 Dari masing-masing sampel:
 dihitung sebuah statistik (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
Pengertian dan Konsep Dasar
Distribusi Sampling
Pengertian dan Konsep Dasar
Contoh 5.3:
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 dan urutan diperhatikan
Kemungkinan sampel yang terbentuk adalah:
(2,2) (2,3) (2,6) (2,8) (2,11)
(3,2) (3,3) (3,6) (3,8) (3,11)
(6,2) (6,3) (6,6) (6,8) (6,11)
(8,2) (8,3) (8,6) (8,8) (8,11)
(11,2) (11,3) (11,6) (11,8) (11,11)
Maka mean sampel yang terbentuk adalah:
2,0 2,5 4,0 5,0 6,5
2,5 3,0 4,5 5,5 7,0
4,0 4,5 6,0 7,0 8,5
5,0 5,5 7,0 8,0 9,5
6,5 7,0 8,5 9,5 11,0
 Pengertian dan Konsep Dasar
Contoh 5.3 (lanjutan):
Sehingga distribusi sampling dari mean sample yang terbentuk
adalah :
Mean 2 2,5 3 4 4,5 5 5,5 6 6,5 7 8 8,5 9,5 11
Samp
el
Freku 1 2 1 2 2 2 2 1 2 4 1 2 2 1
ensi

Proba 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
bilitas
Distribusi Sampling dari Mean
Definisi
 Distribusi sampling dari mean-mean sampel adalah distribusi
mean-mean aritmetika dari seluruh sampel acak berukuran n
yang mungkin yang dipilih dari sebuah populasi

Mean dan Deviasi Standard Distribusi Sampling Mean

 Jika sampling dilakukan  Jika sampling dilakukan
tanpa pergantian dari suatu dengan pergantian atau
populasi terhinga berukuran populasinya tak terhingga,
N, maka: maka:
x  x x  x
x N n x
x  x 
n N 1 n
Distribusi Sampling dari Mean
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
 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 daripada mean
Distribusi Sampling dari Mean
Contoh 5.4:
Dari contoh 5.3 dapat dihitung mean populasi, mean distribusi sampling
mean deviasi standard populasi dan deviasi standard distribusi sampling
mean sebagai berikut:
2  3  6  8  11 30
x    6, 0
5 5

(2  6) 2  (3  6) 2  (6  6)2  (8  6)2  (11  6)2 

x   3, 29
5
14
 fi xi (1)(2)  (2)(2,5)  ...  (1)(11) 150
x  i 1
   6, 0
14
1  2  ...  1 25
 fi
i 1

14
 fi ( xi   x )2 (1)(2  6) 2  (2)(2,5  6)  ...  (1)(11  6) 135
x  i 1
14
   2,32
25 25
 fi
i 1

x
Terlihat bahwa  x   x dan dapat ditunjukkan bahwa x 
n
dengan n = 2
Distribusi Sampling dari Mean
Contoh 5.5:
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:
 x   x  5, 02 N

x N  n 0,30 500  100

x    0, 027
n N 1 100 500  1
Seratus sampel cetakan memiliki berat total 496 sampai 500 N jika rata-
ratanya adalah 4,96 sampai 5,00 N. Jadi dengan menggunakan tabel
distribusi normal standard skor z adalah:
4,96  5, 02
x  4,96  z x   2, 22
0, 027
5, 00  5, 02
x  5, 00  z x   0, 74
0, 027

P(4,96  x  5, 00)  P(2, 22  z x  0, 74)  (0, 22965  0, 01321)  0, 2164  21, 64%
Distribusi Sampling dari Proporsi
Definisi
 Distribusi sampling dari proporsi adalah distribusi proporsi-
proporsi dari seluruh sampel acak berukuran n yang mungkin
yang dipilih dari sebuah populasi

Mean dan Deviasi Standard Distribusi Sampling Mean

 Jika probabilitas sukses  Jika sampling dilakukan
populasi adalah  sementara dengan pergantian atau
probabilitas gagalnya adalah  populasinya tak terhingga,
=1 -  dan samplingnya tanpa maka:
pergantian dari populasi
terhinga berukuran N
P  
P  
  (1   )
P  
 N n  (1   ) N  n n n
P  
n N 1 n N 1
Distribusi Sampling dari Proporsi
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) dalam
mengubahnya kedalam skor z untuk menentukan
probabilitas menggunakan tabel distribusi normal
Distribusi Sampling dari Proporsi
Contoh 5.6:
Divisi pengendalian mutu pabrik perkakas mesin 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

 (1   ) 0, 02(1  0, 02)
 P    0, 02 dan  P    0, 007
n 400
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:
P  P 0, 02875  0, 02
zP    1, 25
P 0, 007
Maka probabilitas mata bor yang cacat dengan proporsi lebih dari 3 %:
P ( z P  1, 25)  1  P( z P  1, 25)  1  0,8944  0,1056  10,56%
 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  Distribusi sampling
S1 – S2 memiliki penjumlahan S1 + S2 memiliki:
S S  S  S
1 2 1 2
S S  S  S
1 2 1 2

 S  S   S2   S2
1 2 1 2
 S  S   S2   S2
1 2 1 2
 Distribusi Sampling dari Perbedaan
dan Penjumlahan
Contoh 5.7:
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:
x A  xB
  xA   xB   x A   xB  1400  1200  200
Deviasi standardnya adalah:
 x2  x2 (100) 2 (200) 2
x A  xB
  2
xA  2
xB  A
 B
   20
nA nB 125 125
Skor z untuk perbedaan mean 160 adalah:
( x A  xB )  (  x A  x B ) ( x A  xB )  200 160  200
z x A  xB     2
 x x A B
20 20
Jadi probabilitas yang akan ditentukan adalah:
P(( x A  xB )  160)  P( z xA  xB  2)  1  P( z xA  xB  2)
 1  0, 0228  0,9772  97, 72%
 Latihan Soal
• Kekuatan rusak sebuah paku keling memiliki mean
10.000 N/m2 dan deviasi standar 500 N/m2.
a. Berapakah probabilitas mean kekuatan rusak dari
sebuah sampel acak yang terdiri dari 40 paku keling
akan berada antara 9900-10.200 N/m2?
b. Jika sampel berukuran 15, tentukan probabilitas
bahwa yang ditanyakan pada (a) dapat dihitung
dengan informasi yang diberikan!

Lab. Fluida Teknik Mesin-FTUI Dr.Ir. Harinaldi, M.Eng

 Latihan Soal (2)
• Pipa api untuk boiler yang dimanufaktur oleh sebuah
perusahaan memiliki daya tahan rata-rata 8000 jam
pemakaian dengan deviasi standar 600 jam. Tentukan
probabilitas bahwa suatu sampel acak yang terdiri dari
16 pipa memiliki usia pakai:
a. Antara 7900-8100 jam
b. < 7850 jam
c. > 8200 jam
d. Agar probabilitasnya tidak < 90%, berapakah kisaran
usia pakai yang bisa direkomendasikan dari sampel
tersebut?
Lab. Fluida Teknik Mesin-FTUI Dr.Ir. Harinaldi, M.Eng