DISTRIBUSI
SAMPLING
OUTLINE
● Sampling dari populasi terbatas
(finite) dan tidak terbatas (infinite)
● Distribusi sampling
● Teorema limit pusat
● Standard error dan sampling error
POPULASI TERBATAS DAN
TIDAK TERB A TA S
● POPULASI TERBATAS: populasi yang jumlahnya diketahui secara pasti.
○ Jumlah mahasiswa UG yang terdaftar pada semester genap TA 2022-2023
○ Jumlah karyawan jaringan hotel “Nyenyak” di Indonesia pada bulan Februari
2023
● POPULASI TIDAK TERBATAS: populasi yang jumlahnya tidak diketahui
secara pasti, biasanya karena data aktif.
○ Jumlah pengunjung restoran “Enak” (mencari tingkat kepuasan pelanggan)
○ Jumlah produksi mie instant (menganalisis keseragaman berat per kemasan)
S Y A R A T SAMPLING A C A K
● DARI POPULASI TERBATAS:
○ Setiap elemen memiliki peluang yang sama untuk terpilih sebagai
sampel
● DARI POPULASI TIDAK TERBATAS:
○ Setiap elemen dipilih dari populasi yang sama
○ Setiap elemen dipilih secara bebas
○ Contoh: QC berat mie instant per bungkus
■ Populasi: produksi sehari? Produksi yang ditimbang alat
■ Sampel harus diambil dari alat timbangan yang dipakai
■ Produk ditimbang satu persatu supaya tidak saling mempengaruhi
STATISTIK
● Beberapa sampel dapat ditarik dari populasi yang sama
● Setiap sampel memiliki statistik
● Statistik sampel dapat berdistribusi
[Link]
Modules/BS/BS704_BiostatisticsBasics/BS704_BiostatisticsBasics_print.html
NOTASI PARAMETER DAN STATISTIK
Ukuran Populasi Sampel Distribusi Sampling
Jumlah N n Banyaknya sampel
Rata-rata µ 𝑥ҧ 𝑥ҧ ҧ
𝑥
Standar Deviasi σ s 𝜎ҧ
𝑥
Varians σ2 s2 σ 2ҧ
𝑥
DISTRIBUSI SAMPLING
Distribusi sampling: Sebaran ukuran statistik (rata-rata) dari
sejumlah sampel
SIFAT DISTRIBUSI SAMPLING
● Distribusi sampling merupakan
penyebaran secara teoritis dari semua
hasil sampel yang mungkin, dengan
ukuran sampel yang tetap n, pada
statistik yang digeneralisasikan ke
populasi
● Distribusi sampling memungkinkan untuk
memperkirakan probabilitas hasil sampel
tertentu untuk statistik tersebut
● Distribusi sampling merupakan jembatan,
karena melalui distribusi sampling dapat
diketahui karakteristik populasi
RATA-RATA LINTINGAN
TEOREMA LIMIT PUSAT
Jika ukuran sampel size n cukup besar, distribusi sampling akan
mendekati distribusi normal dengan :
● Rata-rata (distribusi sampling) = (rata-rata populasi)
𝜎
● Standar deviasi/simpangan baku dari distribusi sampling = 𝜎𝑥 ҧ =
𝑛
CIRI-CIRI DISTRIBUSI NORMAL
● Berbentuk seperti bel
● Simetris sisi kiri dan sisi kanan
● Memiliki nilai y positif
● Rata-rata = median = modus
● Sebaran data dapat diperkirakan secara
teoritis
STANDARD ERROR
● Merupakan ukuran seberapa jauh data menyimpang dari
rata-rata, yang biasanya ditunjukkan dengan standard
deviasi
SAMPLING ERROR (Standar deviasi
dari distribusi sampling)
● Merupakan perbedaan hasil
yang diperoleh suatu sampel
(statistik) dengan hasil yang
diperoleh dari populasi
(parameter)
● Makin kecil sampling error, makin
besar
ketepatan penaksiran
CONTOH KASUS
● Seorang direktur personalia Electronic Associates Inc. (EAI) ingin
melakukan evaluasi terhadap 2.500 orang manajernya. Evaluasi
meliputi penghasilan per tahun dan sudah atau belum mengikuti
training manajemen. Hasil evaluasi diketahui parameter sebagai
berikut:
○ Populasi: N = 2.500
○ Rataan penghasilan per tahun: µ = $51,800
○ Standar deviasi: σ = $4000
○ Proporsi yang sudah mengikuti training: p = 0,6
PENDUG A A N TITIK
● Direktur personalia tersebut akan membandingkan nilai parameter
yang telah diperoleh dengan nilai statistik sampel, maka diambil
sampel sejumlah dengan data sbb:
σ 𝑥𝑖 1,554,420
𝑥ҧ = = = 51,814
𝑛 30
σ 𝑥𝑖 − 𝑥ҧ 2 325,009,260
𝑠= = = $3348
𝑛−1 29
𝑥 19
𝑝ҧ = = = 0,63
𝑛 30
■ 𝑥ҧ adalah pendugaan titik untuk µ
■ s adalah pendugaan titik untuk σ
■ 𝑝ҧ adalah pendugaan titik untuk p
DISTRIBUSI SAMPLING
● Diambil 500 sampel dari 2500
manajer tersebut dan dihitung
rataan setiap sampel sehingga
diperoleh 500 nilai rataan
● DISTRIBUSI SAMPLING adalah: peluang penyebaran nilai
statistik dari sejumlah sampel yang diambil secara acak
DISTRIBUSI SAMPLING
● 500 rataan sampel
dikelompokkan dalam
distribusi frekuensi sbb:
● Distribusi sampling dapat
berbentuk merupakan
distribusi normal atau tidak
berdistribusi normal
KARAKTERISTIK DISTRIBUSI SAMPLING
● Nilai harapan atau expected value: 𝐸 (𝑥)ҧ
● Standar deviasi:
𝑁−𝑛 𝜎
o Populasi terbatas: 𝜎𝑥 ҧ = ( )
𝑁−1 𝑛
𝜎
o Populasi tidak terbatas: 𝜎𝑥 ҧ = 𝑛
𝜎 4000
• STANDAR ERROR: standar deviasi pendugaan titik: 𝜎𝑥 ҧ = 𝑛
=
30
= 730,2967
= 730,3
Hitunglah standar error untuk contoh 30 manajer EAI!
TEOREMA LIMIT PUSAT
● Jika suatu populasi berdistribusi normal maka penyebaran rataan (distribusi
sampling) dari sampel yang dipilih secara random akan berdistribusi normal
● Jika populasi tidak berdistribusi normal, maka untuk mengetahui distribusi
sampling dapat didekati dengan teorema limit pusat
● TEOREMA LIMIT PUSAT: pada sampel yang dipilih secara random, semakin besar
jumlah sampel (n), maka distribusi sampling akan semakin mendekati distribusi
normal
● Berdasarkan pengalaman, sampel yang diambil secara acak akan menunjukkan
distribusi normal jika jumlahnya minimal 30, tanpa pencilan (outlier) dan tidak
ada data yang menjulur (skewness)
● Apakah contoh 500 manajer EAI berdistribusi normal?
KURVA DISTRIBUSI NORMAL
● Bentuknya seperti bel
● Simetris (sebelah kiri sama
dengan sebelah kanan)
● Luas daerah di bawah kurva
menunjukkan peluang
sebaran data
● Semua nilai di atas sumbu X
(positif)
UNTUK A P A MENGETAHUI
DISTRIBUSI SAMPLING 𝑥?
ҧ
● Menunjukan peluang mengenai besarnya
perbedaan rataan sampel (𝑥ҧ) dengan rataan
populasi (𝜇)
● Misalnya manajer personalia meyakini bahwa rataan
sampel dapat digunakan untuk menduga rataan
populasi jika selisihnya $500
● Direktur Personalia meminta Anda menghitung berapa
peluang bahwa rataan penghasilan dari sampel acak
(𝑥ҧ) 30 manajer memiliki selisih tidak lebih dari $500
dengan rataan populasi (𝜇)
BERAPA PELUANG SELISIH 𝑥ҧ DAN 𝜇 TIDAK
LEBIH DARI $500?
● Diketahui: 𝜇 = 51.800 ○ 𝑥ഥ1 300.51 =maka 𝑧=
𝜎 4000
𝜎𝑥 ҧ = = = 730,3 ○ 𝑥ҧ 2 300.52 =maka z =
𝑛 30
● Ditanyakan peluang 𝑥ҧ antara 51.300 dan 52.300
P(51.300 ≤ 𝒙
ഥ ≤ 52.300)
● Jawab:
𝑥ҧ −𝜇 51.300−51.800
o 𝑥ഥ1 = 51.300 maka z = = = −0,68
𝜎𝑥 730,3
𝑥ҧ −𝜇 52.300−51.800
o 𝑥ഥ2 = 51.300 maka z = = = 0,68
𝜎 730,3
𝑥
Peluang ditunjukkan dengan luas kurva pada tabel distribusi
normal yang disebut TABEL DISTRIBUSI Z
T A B L E DISTRIBUSI z
NEGATIF
● Luas daerah di bawah kurva z=0,68 ialah 0,7517
● Luas daerah di bawah kurva z=-o,68 ialah 1-0,7517=0,2483
● Luas daerah antara z=-0,68 dan z=0,68 ialah:
0,7517-0,2483=0,5034
Jadi P(51.300 ≤ ഥ
𝒙 ≤ 52.300) = 0,5034
SOAL
● Direktur Personalia ingin mengetahui apakah pengaruhnya jika
jumlah sampel dinaikkan menjadi 100 manajer.
● Selanjutnya Direktur Personalia meminta Anda menghitung berapa
peluang bahwa rataan penghasilan dari sampel acak 100 manajer
memiliki selisih tidak lebih dari $500 dengan rataan populasi.
Thanks
Do you have any
questions?
CREDITS: This template has been created by Slidesgo, and
includes icons by Flaticon, infographics & images by Freepik and
content by Eliana Delacour
Please keep this slide for attribution