Sub Bahasan

1. Pengertian dan Konsep Dasar

2. Distribusi Sampel Rata-rata
3. Distribusi Sampel Beda Dua Rata-
rata
4. Distribusi Sampel Proporsi
5. Distribusi sampling S2
6. Distribusi sampling t
 1. Pengertian dan Konsep Dasar
 Populasi adalah banyaknya pengamatan.
 Dua jenis populasi menurut ukurannya: terbatas (berhingga)
dan tak terbatas (tak berhingga).
 Sifat/ciri dalam populasi disebut karakteristik populasi, hasil
pengukuran karakteristik populasi disebut parameter
populasi.
 Sensus adalah cara untuk mengumpulkan data populasi.
 Kelemahan sensus: biaya mahal, waktu lama, tenaga yang
besar.
 Kelemahan sensus diatasi dengan teknik sampel (sampling).
 Karakteristik sampel disebut statistik.
 Keuntungan teknik sampel adalah biaya yang rendah
serta waktu yang pendek tanpa mengurangi keakuratan.
1. Pengertian dan Konsep Dasar

Gambar 1. Hubungan populasi dan sampel

1. Pengertian dan Konsep Dasar
Tabel 8.1. Karakteristik Populasi dan Sampel

No. Karakteristik Populasi Karakteristik Sampel

1. Ukuran N Ukuran n
2. Parameter Statistik
3. Mean,  Rata-rata (mean), X
4. Standar deviasi,  Standar deviasi, S
5. Proporsi, p Proporsi, p̂
6. Populasi terbatas dan tak terbatas Sampel besar dan kecil
Alasan Sampling
 Ukuran populasi (terhingga dan tak
terhingga)
 Masalah biaya
 Masalah waktu
 Percobaan yang sifatnya merusak
 Masalah ketelitian
 Faktor ekonomis
Pengertian dan Konsep Dasar
 Terdapat gap antara populasi dan sampel
yang disebut sebagai kesalahan
(penyimpangan).
 Sebab kesalahan sampel: kesalahan
pemilihan sampel, kesalahan hitung, dll.
 Sampel yang representatif memiliki ciri:
ukuran tertentu yang memakai syarat,
kesalahan terkecil, dan dipilih dengan
prosedur yang benar berdasarkan teknik
sampel tertentu.
Teknik Sampling
 Sampling adalah suatu prosedur yang
menggunakan sejumlah kecil dari populasi
yang menjadi dasar untuk menarik
kesimpulan mengenai keseluruhan populasi
 Tujuan : untuk mengestimasi karakteristik
yang tidak diketahui dari suatu populasi
Teknik Sampling
 Sampling digunakan karena adanya
kemustahilan untuk melakukan sensus untuk
mengukur karakteristik dari semua unit
populasi.
 Selain itu, sampling juga digunakan jika
pengukuran terhadap unit populasi tersebut
dapat merusak unit populasi itu sendiri
Teknik Sampling
 Berdasarkan probabilitas pengambilan
sampel, sampling dibagi 2 :
1. Probability sampling
Teknik sampling dimana setiap anggota
populasi telah diketahui dan mempunyai
peluang untuk terpilih
2. Nonprobability sampling
Teknik sampling dimana probabilitas dari
setiap anggota populasi yang terpilih tidak
diketahui oleh peneliti
Probability Sampling
 Teknik sampel acak sederhana
 Setiap unit dalam populasi memiliki kesempatan
yang sama terambil
 Setiap ukuran sampel n mempunyai kesempatan
yang sama terambil
 Populasi bersifat uniform atau seragam
 Sesuai untuk populasi yang kecil
 Menggunakan tabel bilangan acak
 Teknik sampel acak sistematik
 Mengambil setiap unsur ke-k dalam populasi
Probability Sampling
 Teknik sampel acak stratifikasi
 Membagi populasi atas beberapa kelompok
(strata) sehingga setiap kelompok menjadi
uniform
 Alokasi sebanding: mengambil sampel pada
masing-masing kelompok populasi yang sebanding
dengan ukuran populasi
 Teknik sampel acak cluster
 Mengambil beberapa cluster
 Sebagian atau seluruh unit dalam cluster sebagai
sampel diambil secara acak
Probability Sampling
 Multistage sampling
 Teknik sampling yang menggunakan kombinasi
dari dua atau lebih probability sampling
Nonprobability Sampling
 Convenience/accidental Sampling
 Prosedur sampling dimana peneliti mementingkan
kenyamanan dalam memilih unit untuk diambil
sebagai sampling
 Judgement/purposive Sampling
 Teknik sampling dimana sampel dipilih oleh
individu yang berpengalaman berdasarkan
penilaian personal mengenai karakteristik yang
mendekati anggota sampel
Nonprobability Sampling
 Quota Sampling
 Teknik sampling yang memastikan bahwa semua
variasi kelompok-kelompok dalam populasi
terwakili dalam sampel
 Snowball Sampling
 Teknik sampling dimana responden awal dipilih
dengan probability sampling dan responden
tambahan didapatkan berdasarkan informasi yang
disediakan responden awal
 Penentuan Jumlah Sampel
 Salah satu rumus yang dapat digunakan untuk
menentukan jumlah sampel minimal jika diketahui
ukuran populasi adalah rumus Slovin

n : jumlah minimum sampel yang dibutuhkan

N : jumlah populasi
E : error bound yang ditoleransi (biasanya 10%)
1. Pengertian dan Konsep Dasar
 Pengambilan sampel dengan pengembalian,
maka ukuran populasi adalah tetap. Sesuai
untuk ukuran populasi terbatas.
 Pengambilan sampel dengan tanpa
pengembalian maka ukuran populasi akan
berkurang. Sesuai untuk populasi tak
terbatas.
 Distribusi sampel: statistik sampel yang
diperoleh bersifat acak (variabel acak) yang
mengikuti suatu distribusi tertentu.
1. Pengertian dan Konsep Dasar
13 12 11
1 sampel mean Std.dev
1 x1 s1
populasi 2 s2
x2
3 x3 s3
2 4 x4 s4
5 x5 s5
10 6 x6 s6
7 x7 s7
8 x8 s8
3 9 9 x9 s9
10 x10 s10
11 x11 s11
12 x12 s12
4 13 x13 s13
8 … … …
i xi si
5 6 7
2. Distribusi Sampel Rata-rata
2. Distribusi Sampel Rata-rata
2. Distribusi Sampel Rata-rata
 contoh soal
Sebuah perusahaan lampu pijar
menyatakan bahwa lampu pijar yang
diproduksi mempunyai usia pemakaian
terdistribusi normal dengan rata-rata
800 jam dan deviasi standar 40 jam.
Tentukan probabilitas bahwa suatu
sampel acak dari 16 buah lampu pijar
tersebut memiliki rata-rata usia kurang
dari 775 jam.
2. Distribusi Sampel Rata-rata
 contoh soal
2. Distribusi Sampel Rata-rata

Distribusi X jika n = 10

Distribusi populasi Distribusi X jika n = 4

Gambar 2. Distribusi sampel rata-rata pada populasi terdistribusi normal

 2. Distribusi Sampel Rata-rata

Distribusi X jika n > 30

Distribusi populasi
Distribusi X jika n < 30

Gambar 3. Ilustrasi teorema limit pusat (central limit theorem)

 Contoh
 Berat bayi yang baru lahir rata-rata 3.750 gram dengan
simpangan baku 325 gram. Jika berat bayi berdistribusi
normal, maka tentukan :
a. Berapa peluang bayi yang beratnya lebih dari 4.500
gram ?
b. Berapa peluang bayi yang beratnya antara 3.500 gram
dan 4.500 gram ?
c. Berapa bayi yang beratnya lebih kecil atau sama
dengan 4.000 gram jika semuanya ada 10.000 bayi ?
d. Berapa bayi yang beratnya 4.250 gram jika ada 10.000
bayi ?
3. Distribusi Sampel Beda Dua Rata-rata
3. Distribusi Sampel Beda Dua Rata-rata
 contoh soal
3. Distribusi Sampel Beda Dua Rata-rata
 contoh soal
 4. Distribusi Sampel Proporsi
X
Dalam suatu populasi berukuran N terdapat jenis tertentu dengan proporsi p  dan pada populasi tersebut diambil sampel berukuran n
N
x x
yang mengandung jenis tertentu dengan proporsi pˆ  , maka statistik pˆ  yang bersifat acak sehingga mempunyai suatu distribusi yang
n n
disebut distribusi sampel proporsi dengan mean dan standar deviasi sebagai berikut.
X
Rata-rata:  pˆ   p  dan
N
p1  p  N  n
Standar deviasi:  pˆ  populasi terbatas
n n 1
p1  p 
 pˆ  populasi tak terbatas.
n
Untuk sampel besar, distribusi sampel proporsi merupakan distribusi normal hingga variabel Z diberikan oleh
pˆ  p
Z
 pˆ
 4. Distribusi Sampel Proporsi
contoh soal
 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 proporsi penarikan sampel persoalan diatas memiliki mean dan deviasi
standard :
P    0,02
 1    0,02 1  0,02 
P    0,007
n 400

Faktor koreksi variabel diskrit = 1/(2n)= 1/800 = 0,00125

Proporsi (3 %) setelah dikoreksi, P = 0,03 - 0,00125 = 0.02875
Maka probabilitas mata bor yang cacat dengan proporsi lebih dari 3 % adalah

P (P  0,02875)  1  P (P  0,02875)
 0,02875  0,02 
 1  P  ZP  
 0,007 
 1  P  ZP  1,25   1   1,25 
 1  0,8944  0,1056  10,56%
5. Distribusi sampling S2
5. Distribusi sampling S2
6. Distribusi t
6. Distribusi t
6. Distribusi t  contoh soal 
6.Distribusi t  contoh soal 
 Tabel 8.2. Nilai Rata-Rata dan Standar Deviasi dari Distribusi Sampel

No Distribusi Sampel Parameter Distribusi Statistik Distribusi

Rata-rata:  x   x dan X  X
Untuk sampel besar n  30  Z 
X
Standar deviasi:
1. Rata-rata  N n Untuk sampel kecil (n < 30)
x  X populasi terbatas
n n 1
X X  X
x  populasi tak terbatas. t
n
X
X
Rata-rata:  pˆ   p 
N
Standar deviasi: pˆ  p
2. Proporsi p1  p  N  n Untuk sampel besar n  30  Z 
 pˆ  populasi terbatas  pˆ
n n 1
p1  p 
 pˆ  populasi tak terbatas.
n
 Rata-rata:  X 1  X 2  1   2 Untuk sampel besar n  30
Standar deviasi:
Z
X 1  X 2   1   2 
 2
 2
N1  N 2   n1  n2   X X
 X X  1
 2
populasi terbatas 1 2

3. Beda Dua Rata-Rata 1 2

n1 n2 N 1  N 2   1
Untuk sampel besar n  30
 12  22
 X X   populasi tak terbatas.
1 2
n1 n2
t
X 1  X 2   1   2 
X 1X2

Rata-rata:  pˆ1  pˆ 2  p1  p 2

Standar deviasi: Untuk sampel besar n  30

p 1  p1  p2 1  p2  N1  N 2   n1  n2 
 pˆ 1  pˆ 2  1 
4. Beda Dua Proporsi n1 n2 N1  N 2   1  pˆ 1  pˆ 2    p1  p 2 
Z
populasi terbatas  pˆ  pˆ
p 1  p1  p2 1  p2 
1 2

 pˆ 1  pˆ 2  1  populasi tak terbatas.

n1 n2