Distribusi Sampling

Sebaran Penarikan Contoh

I PENDAHULUAN

 Bidang Inferensia Statistik membahas generalisasi/penarikan

kesimpulan dan prediksi/peramalan.

 Generalisasi dan prediksi tersebut melibatkan sampel/contoh,

sangat jarang menyangkut populasi!, mengapa?
1. Pekerjaan yang melibatkan populasi memerlukan waktu
dan biaya yang banyak
2. Pada beberapa populasi, anggota populasi akan
rusak/habis setelah dilakukan pendataan

 Sampel yang baik  Sampel yang representatif

Ukuran Sampel (Statistik) harus memberi gambaran yang
tepat mengenai Ukuran Populasi (Parameter).
(Masih ingat apa itu Statistik Sampel vs Parameter Populasi ?)
contoh :
Ukuran Parameter Statistik Sampel
Populasi
Nilai Tengah =  x
rata-rata
Proporsi  p
standar deviasi  s
selisih 2 nilai    1 2 x x
1 2

tengah

 Bagaimana memperoleh sampel yang representatif ?

Perhatikan : 1. keacakan(randomness) sampel
2. ukuran sampel
3. teknik penarikan contoh (sampling) yang
sesuai dengan kondisi populasi
Sampel Random = Contoh Acak  jika dan hanya jika
semua anggota populasi memiliki peluang/kesempatan terpilih
menjadi anggota contoh

 Beberapa Teknik Penarikan Contoh

1. Penarikan Contoh Acak Sederhana (Simple Random

Sampling)
Gunakan : tabel random, undian!

2. Penarikan Contoh Sistematik (Systematic Sampling)

Tentukan terlebih dahulu interval untuk anggota populasi
yang terpilih sebagai anggota sampel!
contoh : Ditentukan interval = 20
Anggota populasi ke-7 terpilih sebagai anggota ke-1 dalam
sampel
Anggota populasi ke-27 menjadi anggota ke-2 dalam sampel
Anggota populasi ke-47 menjadi anggota ke-3 dalam sampel, dst

3. Penarikan Contoh Acak Berlapis (Stratified Random

Sampling)
Populasi terlebih dahulu dibagi ke dalam kelas yang
(cenderung) homogen.
Dalam Setiap Kelompok, ambil contoh acak!

Contoh : Dari 1000 orang mahasiswa/i GD akan diambil 200

orang sebagai sampel
Mahasiswa/i Kelas 1 = 50 orang Kelas 2 = 50 orang
Kelas 3 = 50 orang Kelas 4 = 50 orang

4. Penarikan Contoh Gerombol/Kelompok (Cluster Sampling)

Contoh yang diambil berupa kelompok dan bukan
individu!

SAMPLING - 2
 Contoh : Dari 5 000 karung beras, masing-masing berisi
100 kg akan diambil contoh sebanyak 1000 kg. Bagaimana
caranya?

Lakukan pengacakan karungnya saja  ambil 10 karung

(jadi tidak perlu seluruh isi ke-5 000 karung dituang,
diacak baru diambil 1 000 kg)

5. Penarikan Contoh Area (Area Sampling)

Prinsipnya sama dengan Cluster Sampling.
Pengelompokkan ditentukan oleh lokasi geografis/administratif.

contoh : Pengambilan contoh di daerah JAWA BARAT, maka

dapat dilakukan pengambilan contoh per Kotamadya.
Misalkan, Terpilih Kodya Bogor, Sukabumi,Cirebon

Random Sampling menjadi dasar penarikan contoh yang lain.

Selanjutnya, pembahasan akan menyangkut Random Sampling,
OK!!!

 Menurut cara penarikannya, maka Contoh Acak Sederhana

dibedakan menjadi :

1. Contoh acak dengan pemulihan  setelah didata, anggota

sampel dikembalikan ke dalam populasi
2. Contoh acak tanpa pemulihan  setelah didata, anggota
sampel disisihkan/tidak dikembalikan ke dalam populasi

 Berdasarkan ukuran sampel, sampel acak dibedakan menjadi:

1. Sampel Besar  jika ukuran sampel (n) > 30
2. Sampel Kecil  jika ukuran sampel (n)  30
 ada kondisi tertentu di mana distribusi
sampling dan estimasi didekati dengan distribusi t (Sudah tahu
cara membaca tabel-t? (hal 177)
***** akan dijelaskan pada subbab distribusi sampling nilai
tengah pada contoh kecil *****
DISTRIBUSI SAMPLING

SAMPLING - 3
 Jumlah Sampel acak yang dapat ditarik dari suatu populasi 
sangat banyak
Karenanya setiap statistik akan mempunyai variasi antar
sampel.
Hal ini menjelaskan bahwa Statistik-statistik tersebut berada
dalam suatu distribusi atau sebaran

 Distribusi Sampling = Sebaran Penarikan Contoh

= sebaran peluang suatu statistik sampel
 Statistik Sampel yang paling populer dipelajari adalah Nilai
tengah ( x )

II. DISTRIBUSI SAMPLING BAGI NILAI TENGAH

Beberapa notasi
n = ukuran sampel N = ukuran populasi
x = nilai tengah sampel  = nilai tengah populasi
s = standar deviasi sampel  = standar deviasi populasi

 x
= nilai tengah/rata-rata antar semua sampel
x = standar deviasi antar semua sampel
= standard error
= galat baku

SAMPLING - 4
II. 1. DISTRIBUSI SAMPLING NILAI TENGAH
CONTOH YANG DIAMBIL DARI POPULASI
NORMAL

DALIL-1

BILA

Contoh :  diambil DENGAN PEMULIHAN

berukuran = n 


 Populasi : berukuran N
dari  terdistribusi NORMAL
 nilai tengah = ; standar deviasi = 

MAKA

sebaran untuk nilai tengah akan mendekati distribusi normal

dengan

 x 
 x = dan x dan nilai Z
n / n

SAMPLING - 5
DALIL-2

BILA
Contoh  diambil TANPA PEMULIHAN
berukuran = n 


 Populasi : berukuran N
dari  terdistribusi NORMAL
 nilai tengah = ; standar deviasi = 

MAKA
sebaran untuk nilai tengah akan mendekati distribusi normal
dengan
 N-n x 
 = 
x
dan  x
dan nilai Z 
n N-1 N-n
( / n )
N-1

N-n
 faktor koreksi populasi terhingga
N-1

Perhatikan : jika perbandingan N dengan n relatif besar,

artinya sampel diambil dari suatu populasi yang sangat
besar,
maka faktor koreksi mendekati satu  N-n  1
N-1

Hal ini mengantarkan kita pada dalil-3, yaitu DALIL LIMIT

PUSAT = DALIL BATAS TENGAH ( = THE CENTRAL
LIMIT THEOREM)

SAMPLING - 6
DALIL LIMIT PUSAT
Dalil Limit Pusat berlaku untuk contoh yang diambil dari
populasi besar, selama populasi berukuran besar, distribusi
populasi tidak dipersoalkan!!!!

DALIL-3 DALIL LIMIT PUSAT

BILA
Contoh :  diambil berukuran = n



 Populasi : berukuran N besar

dari  distribusi sembarang
 nilai tengah = ; standar deviasi = 

MAKA

sebaran untuk nilai tengah akan mendekati distribusi normal

dengan
 =  dan    dan nilai Z  x  
x x
n / n

Dalam pengerjaan soal distribusi sampling bagi nilai tengah

perhatikan asumsi-asumsinya, sehingga anda dengan mudah dan
tepat dapat menggunakan dalil-dalil tersebut!!!

SAMPLING - 7
Contoh 1:

PT AIRAQUA sebuah perusahaan air mineral menyatakan

bahwa rata-rata isi segelas AIRAQUA adalah 250 ml dengan
standar deviasi = 15 ml, dan data ini menyebar normal. Jika
setiap hari diambil 100 gelas sebagai contoh acak dengan
pemulihan, Hitunglah :
a. berapa peluang rata-rata sampel akan berisi kurang dari 253
ml? Produksi rata-rata adalah 100 000 000 gelas/hari.
b. jika sampel diperkecil menjadi 25 gelas, berapa standard
error atau galat bakunya?

Jawab :

Selesaikan dengan DALIL-1  karena pemulihan

Selesaikan dengan DALIL-3  karena populasi berukuran
sangat besar

a. Peluang ( x  253 )?

 x    250 ;   15; x  253; n = 100

 15 15
standard error = galat baku = x     1.5
n 100 10

253  250
Z  2.0
1.5

Peluang ( x  253 ) = Peluang (Z < 2.0) = 0.5 + 0.4772 = 0.9772

b. Standard error jika n menjadi 25?

n = 25
 15 15
x     3.0
n 25 5

SAMPLING - 8
Contoh 2

Dari 500 mahasiswa STIE GD diketahui rata-rata memiliki

tinggi badan 165 cm dengan standar deviasi 12 cm; di ambil 36
orang sebagai sampel, jika penarikan contoh dilakukan tanpa
pemulihan dan diasumsikan data tinggi mahasiswa menyebar
normal,hitunglah :
a. peluang tinggi badan sampel lebih tinggi dari 170 cm?
b. jika sampel diperbesar menjadi 64 orang , berapa galat baku
atau standar errornya?

jawab :

Diselesaikan dengan Dalil ke-2  tanpa pemulihan !!!

a. Peluang ( x  170 ) = ?
x  170 ;   12 ; n = 36

N n 500  36 464
faktor koreksi =    0.929...  0.964...
N 1 500  1 499

x  * faktor koreksi
n
12 12
standard error =  x
 * 0.964... * 0.964...  2*0.964...  1.928...
36 6
170  165
Z  2.592... 2.59
1.928...

Peluang ( x  170 ) = Peluang (Z >2.59) = 0.5 - 0.4952 = 0.0048

b. standard error jika n = 64 ?

n = 64
faktor koreksi = N  n  500  64  436
 0.873...  0.934...
N 1 500  1 499

x  * faktor koreksi
n
12 12
x  * 0.934... * 0.934...  1.5*0.934...  1.402...
64 8

SAMPLING - 9
II.2. DISTRIBUSI SAMPLING NILAI TENGAH DARI
CONTOH KECIL STANDAR DEVIASI POPULASI ()
TIDAK DIKETAHUI
  DIDEKATI DENGAN S (STANDAR DEVIASI SAMPEL)

Sampel Kecil  jika ukuran sampel (n) < 30

 distribusi sampling dan estimasi didekati
dengan distribusi T

Tabel Distribusi-t (karya Student alias W.S. Gosset)

Prinsip  mendekati sebaran contoh kecil dengan sebaran

normal
Dalam Distribusi-t terdapat derajat bebas = degree of freedom =
n-1,
n adalah ukuran sampel.

Juga perhatikan ada nilai   luas daerah kurva di kanan nilai t

atau
luas daerah kurva di kiri nilai -t

Nilai   0.1, 0.05, 0.025, 0.01, 0.005

Nilai  dibatasi, mengingat banyaknya kombinasi yang harus
disusun!!!
.
Dalam banyak kasus, nilai  ditentukan terlebih dahulu.
Lalu bersama dengan nilai derajat bebas, nilai t dalam tabel
ditentukan.
Nilai t dalam tabel akan menjadi batas selang, selanjutnya anda
tinggal membandingkannya dengan nilai t hitung.
Nilai t hitung adalah nilai t yang dihitung dengan menggunakan
rumus dalam dalil ke-4.

Bagaimana membaca Tabel Distribusi-t (hal 177)?

SAMPLING - 10
Misalkan untuk n = 11  derajat bebas = 10 pada  = 0.025 
t = 2.228
 = 0.025 = 2.5 % di kiri kurva di batasi oleh t = -2.228 dan 2.5
% kanan kurva t = 2.228

Arti gambar t adalah : nilai t dari contoh berukuran 11,

berpeluang 95 % jatuh di selang -2.228 < t < 2.228
sedang 5 % lainnya jatuh di luar selang tersebut (5 % = 2)
Catatan :
Anda sudah dapat membedakannya dengan Tabel Normal (Z)?
Perbedaan Tabel Normal (Z) Vs Tabel t adalah :
Tabel Z  nilai Z secara implisit menentukan nilai 
Tabel t  nilai  dan derajat bebas menentukan nilai-t

DALIL-4
BILA
Contoh berukuran KECIL  diambil
n < 30 
nilai tengah = x ; 
standar deviasi = s

 Populasi : berukuran N
dari  terdistribusi normal
 nilai tengah = ;
MAKA
sebaran untuk nilai tengah akan mendekati distribusi t dengan
 =  dan  
x x
s
SEHINGGA nilai t  x  
n s/ n
pada derajat bebas = n-1 dan suatu nilai 

Perhatikan !!!!
Dalil di atas , menggunakan simpangan baku sampel (s) dan
bukan simpangan baku populasi ()
 diduga dari s!!!!

SAMPLING - 11
Contoh 3

Manajemen PT JURAM menyatakan bahwa 95 % rokok

produksinya rata-rata mengandung nikotin 1.80 mg. Yayasan
Konsumen, kemudian melakukan pengujian terhadap 9 batang
rokok dan didapatkan rata-rata contoh tersebut mengandung
1.95 mg nikotin dengan simpangan baku = 0.50 mg.
Berdasarkan asumsi bahwa kandungan nikotin rokok JURAM
terdistribusi normal, apakah hasil penelitian Yayasan Konsumen
mendukung pernyataan PT JURAM???

jawab:

95 % berada di dalam selang  berarti 5 % berada di luar

selang.  5 % = 2    = 2.5 % = 0.025

n = 9  derajat bebas = 8

Nilai t tabel = t(0.025;8) = 2.306  jadi : 95 % berada di antara

-2.306 < t < 2.306

Nilai t hitung =?

 = 1.80; n ; 1 s = 0.50

x 
t
s/ n
1.95  1.80 0.15
t   0.9
0.50/ 9 0.16...

Nilai t hitung ada di dalam selang -2.306 <t< 2.306  jadi hasil
penelitian tersebut memang sesuai dengan pernyataan PT
JURAM!!!

SAMPLING - 12
II.3. DISTRIBUSI SAMPLING BAGI BEDA DUA NILAI
TENGAH

Beda atau Selisih 2 nilai tengah =      ambil nilai 1 2

mutlaknya!
Beda atau Selisih 2 nilai tengah  melibatkan 2 sampel.
Kedua sampel harus saling bebas  diambil dari 2 populasi
yang berbeda

DALIL-5

BILA
Dua (2) buah Contoh  diambil
berukuran n dan n 1 2 


Dua (2) Populasi : berukuran besar

dari  nilai tengah  dan  1 2

 nilai standar deviasi =  dan  1 2

MAKA

sebaran untuk nilai tengah akan mendekati distribusi normal

dengan
dan  =  + 
2 2
   
x1  x2 1 2 x1  x 2
1 2
n1 n2

(x1  x 2 )  (1   2)
Z
dan nilai 12 2
2

n1 + n2

2 = ragam populasi

SAMPLING - 13
Contoh 4.

Dalam suatu uji IQ yang melibatkan seluruh mahasiswa dan

mahasiswi se Indonesia, didapatkan data bahwa rata-rata
mahasiswa berIQ 155 dengan ragam = 119 sedangkan kelompok
mahasiswi berIQ rata-rata = 158 dengan ragam = 181.
Jika diambil 100 orang mahasiswa dan 100 orang mahasiswi
sebagai sampel. Berapa peluang terjadi beda rata-rata IQ kedua
kelompok sampel tersebut akan lebih dari 7?

Jawab :
Populasi:
Parameter Populasi 1 (mahasiswa) Populasi 2 (mahasiswi)
Nilai tengah () 155 158
Ragam(  ) 119
2
181
Beda Nilai Tengah = 155-158 = 3
     =3
x1  x2 1 2

Sampel:
Statistik Sampel1(mahasiswa) Sampel2(mahasiswi)
ukuran(n 100 100
)
Beda Nilai tengah sampel = 7  (x  x ) = 7 1 2

(x1  x 2 )  (1   2) 73 4

Z    2.309... 2.31
12 22
n1 + n2
119
100  181
100
3

Peluang ( (x 1  x 2 ) >7) = Peluang (Z > 2.31) = 0.5 - 0.4896 =

0.0104

SAMPLING - 14
III. Kesimpulan

Pada semua Distribusi Sampling untuk segala jenis statistik berlaku :

1. Distribusi Contoh (Besar & Kecil) yang diambil dari populasi yang terdistribusi normal
dan nilai  dan  diketahui
DIDEKATI DENGAN DISTRIBUSI NORMAL

2. Distribusi Contoh Kecil di mana x dan s diketahui yang diambil dari populasi yang
terdistribusi normal
DIDEKATI DENGAN DISTRIBUSI STUDENT (t)

3. a. Penarikan Contoh dengan Pemulihan pada populasi terbatas

ATAU
b. Penarikan Contoh dari Populasi berukuran besar
TIDAK MEMERLUKAN FAKTOR KOREKSI

4. Penarikan Contoh tanpa pemulihan pada populasi terbatas

MEMERLUKAN FAKTOR KOREKSI

SAMPLING - 15
A. Lengkapi kalimat di bawah ini (20 soal):

 Sampel Random adalah sampel yang diambil dari populasi, sedemikian rupa, sehingga
setiap anggota dalam ................(1) memiliki .................(2) yang sama untuk terpilih menjadi
anggota ruang sampel.

 Penarikan Contoh tanpa pemulihan terjadi jika setelah didata, anggota sampel akan
.................(3)

 Pada penarikan Contoh gerombol (= Cluster sampling), anggota sampel yang terpilih
berupa....................(4)

 Dari lebih dari sejuta orang pelanggan KRL Jabotabek akan diambil 1000 sebagai sampel.
Contoh akan dipilih berdasarkan nomor Kartu Langganan. Pelanggan dengan nomor kartu
kelipatan 34 akan menjadi sampel. Penarikan contoh seperti ini adalah penarikan contoh
...................(5)

 Dari lebih dari sejuta orang pelanggan PLN Depok akan diambil 1000 sebagai sampel.
Contoh akan dipilih berdasarkan kelompok (Industri dan Rumahtangga). Penarikan contoh
seperti ini adalah penarikan contoh ...................(6)

 Pada prinsipnya, penarikan contoh ................(7) sama dengan penarikan contoh

gerombol; hanya saja gerombol atau kelompok yang terpilih, dibatasi oleh ...................(8)
atau...............(9)

 Standard Error sangat tergantung dari ..................(10) dan .............................(11)

 Semakin banyak anggota sampel, semakin....................(12) standard error.

 Sampel dengan anggota lebih dari 30 disebut, sampel............................(13);

 Jika sampel ditarik dari populasi yang terdistribusi normal, maka distribusi sampling dapat
didekati dengan distribusi........................(14)

 Jika standar deviasi populasi tidak diketahui, maka standar deviasi sampel (s) kecil, dapat
digunakan untuk mengetahui sebaran sampling dan didekati dengan sebaran.......................(15).
Sebaran ini merupakan hasil karya W.S. Gosset, nilai-nilainya tergantung dari .....................(16)
dan ............................(17)
 ...........................(18) merupakan koefisien yang digunakan dalam penghitungan standar
error pada populasi terbatas; Semakin besar populasi, nilainya akan mendekati satu.

 Nilai standard error sampling bagi beda dua nilai tengah dari dua contoh bebas yang
diambil dari dua populasi yang besar didapat dengan rumus .......................(19); Sedangkan nilai
tengah bagi beda dua nilai tengah didapat dengan rumus............................(20).

B. Selesaikan soal-soal berikut (5 Soal)!

21. Pemegang kartu kredit MUTERCard rata-rata mengeluarkan US $ 500/bulan dengan

standar deviasi $ 100. Jumlah pemegang kartu tersebut kira-kira 200 orang dan rata-rata
pengeluaran bulanan pelanggan terdistribusi normal; Sampel diambil dengan pemulihan. Dengan
menggunakan sampel sebesar n = 25, hitung probabilitas sampling akan memiliki rata-rata
pengeluaran bulan lebih dari US $ 525

SAMPLING - 16
22. Pemegang kartu kredit MUTERCard rata-rata mengeluarkan US $ 500/bulan dengan
standar deviasi $ 100. Jumlah pemegang kartu tersebut kira-kira 200 orang dan rata-rata
pengeluaran bulanan pelanggan terdistribusi normal; Sampel diambil tanpa pemulihan. Dengan
menggunakan sampel sebesar n = 25, hitung probabilitas sampling akan memiliki rata-rata
pengeluaran bulan lebih dari US $ 525

23. Pemegang kartu kredit MUTERCard rata-rata mengeluarkan US $ 500/bulan dengan

standar deviasi $ 100. Jumlah pemegang kartu tersebut tercatat sebanyak 200 juta orang; Dengan
menggunakan sampel sebesar n = 25, hitung probabilitas sampling akan memiliki rata-rata
pengeluaran bulan kurang dari US $ 525.

24. Pihak manajemen MUTERCard menyatakan bahwa 99 % pengeluaran bulanan rata-rata

jatuh pada selang US $500, mereka melakukan pengujian terhadap 25 sampel dan mendapatkan
bahwa rata-rata pengeluaran bulanan sampel tersebut = US $525 dengan standar deviasi = US
$100. Berdasarkan pengujian sampel, apakah pernyataam Manajemen itu valid? Buktikan
jawaban saudara (tunjukkan nilai t hitung; bandingkan dengan t tabel)

25. Manajemen MUTERCard mengeluarkan dua produk MISTERCARD dan

MUSTERCARD, di bawah ini terdapat data sampel yang diambil dari pemegang kartu-kartu
tersebut.

sampel MISTERCARD MUSTERCARD

rata-rata populasi $ 500 $ 505
ragam populasi 13225 11000
ukuran sampel 115 100

Dengan mengasumsikan bahwa kedua populasi berukuran besar dan mempunyai distribusi normal,
hitung peluang sampling perbedaan antara 2 nilai tengah sampel lebih dari US $10.

SAMPLING - 17