BAB I
PENDAHULUAN
1.1
Latar Belakang
Untuk mempelajari populasi kita memerlukan sampel yang diambil dari
populasi yang bersangkutan. Meskipun kita dapat mengambil lebih dari sebuah
sampel berukuran n dari sebuah populasi berukuran N, pada prakteknya hanya
sebuah sampel yang biasa diambil dan digunakan untuk hal tersebut. Sampel yang
diambil ialah sampel acak dan dari sampel tersebut nilai-nilai statistiknya dihitung
untuk digunakan seperlunya. Untuk ini diperlukan sebuah teori yang dikenal dengan
nama distribusi sampling.
1.2 Rumusan Masalah
1. Apakah yang dimaksud dengan Distribusi Sampling?
2. Apa saja pembahasan dalam distribusi sampling?
1.3 Tujuan
Agar pembaca lebih memahami yang dimaksud dengan distribusi
sampling dan pembahasannya
BAB II
PEMBAHASAN
2.1 Pengertian Distribusi Sampling
1
Distribusi sampel dari rata-rata hitung sampel adalah suatu
distribusi probabilitas yang terdiri dari seluruh kemungkinan ratarata hitung sampel dari suatu ukuran sampel tertentu yang dipilih
dari populasi, dan probabilitas terjadinya dihubungkan dengan
setiap rata-rata hitung sampel. (Suharyadi)
Sedangkan menurut Sudjana, Distribusi Sampling merupakan
kumpulan nilai-nilai statistika yang sejenis lalu disusun dalam suatu
daftar sehingga terdapat hubungan antara nilai statistik dan
frekuensi statistika. (Sudjana, 2001 :87)
Distribusi sampling adalah distribusi dari mean-mean yang diambil secara
berulang kali dari suatu populasi. Bila pada suatu populasi tak terhingga dilakukan
pengambilan sampel secara acak berulang-ulang hingga semua sampel yang mungkin
dapat ditarik dari populasi tersebut. Sampel yang diambil dari populasi terbatas dan
sebelum dilakukan pengambilan sampel berikutnya sampel unit dikembalikan
kedalam populasi.
2.2 Macam-macam Distribusi Sampling
Distribusi Sampling terdiri dari:
Distribusi Sampling Rata-rata
Distribusi Sampling Proporsi
Distribusi Sampling Selisih Rata-rata
Distribusi Sampling Selisih Proporsi
1. Distribusi Sampling Rata-rata
2
Sudjana (2001 : 87) mendefenisikan Distribusi sampling rata-rata adalah
kumpulan dari bilangan-bilangan yang masing-masing merupakan rata-rata
hitung dari samplenya.
Beberapa Notasi :
n
: Ukuran Sample
x
: Rata-rata sample
: Standar deviasi sampling
: Rata-rata pada distribusi sampling rata-rata
: Standar deviasi pada distribusi sampling rata-rata
: Ukuran Populasi
: Rata-rata populasi
: Standar deviasi populasi
Rumus untuk distribusi sampling rata-rata :
Rata- Rata
Standar Deviasi
Nilai Baku
Ket :
N n
N 1
Populasi Tidak Terbatas
Populasi Terbatas
n
5
N
n
>5
N
x
x
z=
xx
x
z=
N n
N 1
xx
x
disebut juga dengan faktor koreksi.
Contoh soal :
ABC
Company
memproduksi
Remote
Control
dengan
menggunakan dua baterai. Rata-rata umur baterai yang digunakan
di produk ini adalah 35 jam. Distribusi umur baterai mendekati
distribusi probabilitas normal dengan standar deviasi 5,5 jam.
Sebagai bagian dari program pengujian, diambil sampel sebanyak
25 baterai. Hitunglah probabilitas umur baterai lebih dari 36 jam?
Penyelesaian :
x ==35
Dik :
=5,5
n=25
P ( x >36 ) ?
Dit :
Jawab :
x=
z=
5,5
=
=1,1
n 25
xx 3635
=
=0,91
x
1,1
Lihat tabel z :
Luas sebelah kanan 0 = 0,5000
Luas antara 0-z
= 0,3186-
Luas sebelah kanan z = 0,1814
Kesimpulan : Jadi, 25 baterai yang dipilih, probabilitas umur baterai lebih dari 36
jam adalah sebesar 0,1814 atau 18,14%
2. Distribusi Sampling Proporsi
Menurut Sudjana (2001 : 95), distribusi sampling proporsi adalah kumpulan
atau distribusi semua perbandingan samplenya untuk suatu peristiwa.
Notasi Dalam Distribusi Sampling Proporsi :
x`
: Rata-rata pada distribusi sampling proporsi
n
x
n
: Standar deviasi pada distribusi sampling proporsi
Rumus Distribusi sampling proporsi :
Populasi Tidak Terbatas
Rata-rata
n
5
N
n
>5
N
x =
x =
Standar Deviasi
x=
n
Nilai Baku
Populasi Terbatas
(1 )
n
x
x
n
n
z=
x
n
x=
n
(1 ) N n
n
N1
x
x
n
n
z=
x
n
Jika nilai
dari populasi tidak diketahui, dalam hal ini
dianggap sama
dengan 0,5 yaitu nilai (1 ) yang maksimum.
Contoh Soal :
Sebuah Bakery Store BT menemukan bahwa pembelian dilakukan oleh 20%
dari pelanggan yang memasuki tokonya. Suatu pagi terdapat sampel acak sebanyak
180 orang memasuki toko. Berapa probabilitas pelanggan yang membeli kurang dari
15%?
Penyelesaian:
Dik : n = 180
(membeli) = 20% = 0,20
( nx <15 ) ?
Dit : P
Jawab :
x = =0,20
n
x=
n
z=
(1 )
0,20 (0,80)
=
=0,029814239
n
180
x
x
n
0,150,20
n
=
=1,68
x
0,029814239
n
lihat tabel z:
luas sebelah kiri 0
0,5000
luas antara
0,4535-
0,0465
z-0
luas sebelah kiri z
Kesimpulan :
Jadi, probabilita bahwa diantara 180 orang yang masuk ke toko, pelanggan
yang membeli kurang dari 15% adalah sebesar 0,0465 atau 4,65%
3. Distribusi Sampling Selisih Rata-rata
Distribusi sampling selisih rata-rata adalah distribusi probabilitas yang dapat
terjadi dari selisih rata-rata dua sampel yang berbeda berdasarkan pada dua
sampel tertentu dari ukuran parameter dua populasinya.
Untuk ukuran sampel n1 dan n2 yang cukup besar (n1, n2 > 30), maka
distribusi sampling selisih rata-rata sangat mendekati distribusi normal, untuk
mengubahnya ke dalam bentuk normal standar maka diperlukan rumus :
(x 1x 2) x x
Z=
x x
1
Dimana :
a. Rata-rata (Mean)
x x = 12
1
b. Simpangan Baku (Standart Deviation)
21 22
x x =
+
n1 n2
1
Jika 1 dan 2
tidak diketahui, maka dapat menggunakan standar
deviasi dari sampel.
Contoh Soal :
Pegawai perusahaan Global Network Inspectionpada Divisi Inspeksi
Pembongkaran mempunyai gaji rata-rata sebesar $4300/bulan, sedangkan
Divisi Inspeksi Pengangkutan mempunyai gaji $3750/bulan. Setelah dihitung,
diperoleh rata-rata hitung dari deviasi kuadrat setiap gaji terhadap gaji ratarata Divisi Inspeksi Pembongkaran $52.000, sedangkan Divisi Inspeksi
Pengangkutan sebesar $19.500. Bila diasumsikan diambil sampel random
pada Divisi Inspeksi Pembongkaran sebanyak 90 orang dan Divisi Inspeksi
Pengangkutan75, berapakah probalilita selisih rata-rata gaji dari dua sampel
lebih besar dari $ 500 ?
Penyelesaian :
Dik
Divisi Inspeksi Pembongkaran
: 1 = $ 4300
= $ 52.000
n1 = 90
Divisi Inspeksi Pengangkutan
x x > 500 ) ?
Dit : ( 1 2
: 2= $ 3750
= $ 37.000
n2 = 75
Jawab :
x x = 12=43003750=550
1
21 22
52.000 37.000
x x =
+ =
+
=32,72783389
n1 n2
90
75
1
Z=
(x 1x 2) x x
500550
=
=1,52775 1,53
x x
32,72783389
1
Luas kanan 0 = 0,5000
Luas 0-Z
= 0,4370
Luas kanan Z = 0,9370
Jadi, probabilita selisih rata-rata gaji dari dua sampel lebih besar
dari $ 500 adalah 0,9370 atau 93,70 %.
4. Distribusi Sampling Selisih Proporsi
Distribusi
sampling
selisih
proporsi
adalah
distribusi
probabilitas yang dapat terjadi dari selisih proporsi dua
sampel yang berbeda berdasarkan pada dua sampel tertentu
dari ukuran parameter dua populasinya, adapun rumus
distribusi sampling selisih proporsi dinyatakan dalam :
a. Rata-rata proporsi
x x = 1 2
1
n1
n2
b. Simpangan Baku proporsi
1 (1 1 ) 2(1 2)
x x =
+
n1
n2
n n
1
Distribusi sampling selisih proporsi inipun akan mendekati
distribusi normal bila ukuran-ukuran sampel cukup besar (n 1,
n2 > 30), maka untuk merubahnya menjadi bentuk normal
standar diperlukan rumus :
(
Z=
x 1 x2
x x
n1 n2
n n
n1
x2
n2
Jika
dan
tidak diketahui dan dianggap sama
maka nilai :
1= 2= p=
x1 x2
+
n 1 n2
Sehingga standar baku proporsinya menjadi
1 1
+
n1 n 1
p( 1p )()
x x =
1
n1
n2
Contoh soal :
Alya dan Deasy akan melakukan sebuah pertandingan
pelemparan sekeping uang logam, Deasy akan menang bila
memperoleh 8 sisi gambar lebih banyak dari pada Alya, jika
diasumsikan
mereka
diberi
kesempatan
masing-masing
melempar uang logam sebanyak 40 kali, berapa peluang
Deasy memenangkan pertandingan ini ? Berilah saran apakah
Deasy akan ikut dalam pertandingan atau tidak, jika harapan
kemenangannya harus sebesar 15% atau lebih?
10
Penyelesaian :
Dik :
1= 2=50
n1=n2=40
P=
Dit :
Jawab :
x
n1
x1 x2
>15 ?
n1 n 2
x2
n2
x2
n1 n2
1
= 1 2 =( 0,50,5 )=0
1 (1 1 ) 2(1 2)
+
n1
n2
( 0,5)(10,5) ( 0,5)(10,5)
+
=0,1346291202
40
40
Z=
x 1 x2
x x
n1 n2
n n
n1
x2
n2
0,150
=1,11
0,1346291202
Luas kanan 0 = 0,5000
Luas 0 Z
= 0,3665
Luas kanan Z = 0,1335
11
Jadi, peluang Deasy memenangkan pertandingan ini adalah 0,1335 atau 13,35%.
Karena peluang Deasy menang kurang dari harapan menangnya (13,35% <15%),
maka Deasy disarankan tidak mengikuti pertandingan ini.
12
BAB III
PENUTUP
1.1 Kesimpulan
Distribusi sampling adalah distribusi dari mean-mean yang
diambil secara berulang kali dari suatu populasi. Bila pada suatu
populasi tak terhingga dilakukan pengambilan sampel secara
acak berulang-ulang hingga semua sampel yang mungkin dapat
ditarik dari populasi tersebut. Untuk distribusi sampling, Sampel
yang diambil ialah sampel acak dan dari sampel tersebut nilainilai statistiknya dihitung untuk digunakan seperlunya. Untuk
inilah kita memerlukan distribusi sampling.
1.2 Saran
Menyadari bahwa penulis masih jauh dari kata sempurna,
kedepannya
penulis
akan
lebih
fokus
dan
details
dalam
menjelaskan tentang makalah di atas dengan sumber-sumber
yang
lebih
banyak
yang
tentunya
dapat
di
pertanggung
jawabkan.
13
DAFTAR PUSTAKA
[Link]
SAMPLING
[Link]/2014/04/[Link]
[Link]
14