DISTRIBUSI SAMPLING

1. Definisi Distribusi Samping.

Distribusi samping adalah distribusi peluang untuk nilai statistik yang
dihasilkan dari berbagai sampel yang diambil secara acak untuk mewakili populasi.
Distribusi sampling dipengaruhi oleh ukuran populasi, ukuran sampel, serta
metode yang digunakan dalam pemilihan sampel. Dengan menggunakan distribusi
sampling, kita dapat mengestimasi dan menguji hipotesis tentang parameter
populasi, seperti rata-rata populasi atau proporsi populasi, berdasarkan data yang
diperoleh dari sampel. Dengan adanya distribusi samping kita dapat membuat
inferensi statistik yang lebih akurat dan dapat diandalkan tentang populasi
berdasarkan data yang diperoleh dari sampel.
Contoh jika kita memiliki variabel X dan mengambil sampel dengan ukuran n,
maka distribusi sampling dari X adalah distribusi probabilitas dari nilai-nilai sampel
yang akan dihasilkan ketika percobaan dilakukan secara berulang dengan jumlah
sampel yang tetap (n). Distribusi sampling ini menggambarkan variasi atau perubahan
rata-rata sampel terhadap rata-rata populasi μ.
2. Distribusi Penarikan Sample
Dari nilai-nilai statistic yang di hasilkan sebagai estimasi parameter populasi,
dan ada kemungkinan nilai-nilai statistik lebih besar atau lebih kecil dari nilai
parameter populasi. Ada banyak sempel acak dari populasi yang sama maka setiap
statistik seperti x atau S2 akan bervariasi dari satu sampel ke sampel lainnya, Karena
statistik adalah variabel acak, maka dia memiliki sebuah fungsi distribusi yang
dikenal sebagai distribusi sampling. Distribusi sampling terdiri dari beberapa jenis,
antara lain:
a. Distribusi Sampling Rata-Rata (Sample Mean)
b. Distribusi Sampling Proporsi (Sample Proportion)
c. Distribusi Sampling Varian/Ragam (Sample Variance)
3. Distribusi Sampling Rata-Rata
Contoh sampel acak n diambil dari populasi normal dengan rataan μ dan
varian a2 . Tiap pengamatan X1, I = 1,2,3,...,n dari sampel acak akan berdistribusikan
normal yang sama dengan populasi yang diambil sampelnya seperti rumus :
 Berdistribusi normal ke rataan :

Dan variasi :

Atau :

4. Distribusi Sampling Rata-Rata Sampel Besar

Jika populasi yang disampel tidak diketahui distribusinya maka distribusi
sampel x̄ masih akan berdistribusi hampir normal dengan rataan μ dan varians a2 /n
asalkan ukuran sampelnya besar. Contoh Teorema Limit Pusat:
Rumus 1 :

Rumus 2 :
 Nb:


√ N −n
N −1
disebut sebagai FAKTOR KOREKSI populasi terhingga.

 Faktor Koreksi (FK) akan menjadi penting juka sampel berukuran n

diambil dari populasi berukuran N yang terhingga/terbatas besarnya.
 Jika sampel berukuran n diambil dari populasi berukuran N yang sangat besar

maka FK akan mendekati 1 ->

√ N −n
N −1
≈ 1, hal ini mengantar pada dalil ke – 3

yaitu:

Rumus limit batas pusat = rumus batas tengah (central limit theorem)

Rumus 3: rumus limit pusat

NB: Dalil Limit Pusat berlaku untuk: populasi di anggap besar jika ukuran sampel
kurang dari 5% atau n/N < 5%
5. Distribusi Sampling Rata-Rata Sampel Kecil
Distribusi sampling rata-rata sampel kecil didekati dengan distribusi t Student =
distribusi t (W.S. Dosset). Distribusi-t pada prinsipnya adalah pendekatan distribusi
sampel kecil dengan distribusi normal. Dua hal yang perlu diperhatikan dalam Tabel t
adalah
1. Derajat bebas (db)
2. Nilai 𝛼
Derajat bebas (db) = degree of freedom = v = n – 1. N = ukuran sampel. Nilai 𝛼
adalah luas daerah kurva di kanan nilai t atau luas daerah kurva di kiri nilai -t Nilai 𝛼 -
> 0.1 (10%) ; 0.05 (5%) ; 0.023 (2.5%) ; 0.01 (1%) ; 0.005 (0.5%)
Nilai terbatas karena banyak kombinasi db yang harus disusun.
Distribusi t akan digunakan lebih mendalam pada bahasan pengujian hipotesis
Perbedaan Tabel z dan Tabel t
Tabel z -> nilai z menentukan 𝛼
Tabel t -> nilai 𝛼 dan db menentukan nilai t
Dalam banyak kasus nilai simpangan baku populasi (σ) tidak diketahui, karena
nilai σ diduga dari nilai simpangan baku sampel (s).
Rumus 4 :

6. Distribusi Sampling Proporsi (Sample Proportion)

Jika sebuah populasi berukuran N di dalamnya terdapat peristiwa A sebanyak Y,
maka proporsi peristiwa A dalam populasi (N) sebesar π = Y/N. Dari populasi ini
diambil sampel acak berukuran n dan dimisalkan di dalamnya ada peristiwa sebanyak
X, maka proporsi peristiwa A dalam sampel p = X/n.
a. Untuk (n/N) > 5%, maka digunakan persamaan:
 b. Untuk (n/N) ≤ 5%, maka digunakan persamaan:

7. Distribusi Sampling Varians (Sample Variances)

Jika populasi berukuran N, dari populasi ini diambil sampel acak berukuran n, lalu
untuk setiap sampel dihitung simpangan bakunya yaitu S. Dari kumpulan sampel
dihitung rata-ratanya yaitu μs dan simpangan bakunya σs. Untuk n ≥ 100, distribusi
simpangan baku sangat mendekati distribusi normal dengan rata-rata μs = σ dan
σ
simpangan baku σs = . Maka digunakan persamaan:
√2n

N = Populasi

n = Sampel

S = Simpangan baku sampel

μs = Rata-rata populasi

σs =Simpangan baku populasi

8. T-Distribution
 Distribusi t digunakan ketika variansi populasi tidak diketahui dan ukuran sampel ≤
30
 Teorama: misalkan Z adalah peubah acak normal standar dan V adalah peubah
acak distribusi chi-squared dengan derajat kebebasan v. Bila Z dan V adalah
independent, maka distribusi peubah acak T adalah :

Dengan fungsi kepadatan :

 Distribusi-t dengan derajat kebebasan 𝜐 = 𝑛 − –. Distribusi t mirip dengan distribusi
normal yakni keduanya simetris dan rata-rata = 0. Karena distribusi-t simetris maka:
t1- α = -t α

9. F-Distribution
 Salah satu distribusi peluang kontinu yang terbentuk dari perbandingan dua peubah
acak (variabel random) yang saling bebas dan memiliki sebaran Distribusi Chi-
Square.
 Teorama: misalkan U dan V adalah peubah acak bebas dengan distribusi chi-
squared dan v1 dan v2 adalah derajat kebebasan. Maka distribusi peubah acak:

Dengan Fungsi Kepadatan:

Dengan derajat kebebasan dan v1 = n1 – 1 dan v2 = n2 – 1

 Latihan Soal Distribusi Sampling

1. Untuk melihat apakah suatu asset dianggap produktif atau tidak biasanya digunakan nilai
return on asset (ROA). Berikut adalah ROA dari beberapa bank relative besar di Indonesia.

BANK ROA (%)

Bank Bukopin 2
Bank BCA 4
Citi Bank 6
Bang Jabar 4
Bang Tugu 4

a. Hitung berapa nilai rata-rata dan simpangan baku populasi!

b. Tentukan rata-rata dari sampel apabila diambil sampel 2 dari 5 bank yang ada (tanpa
pemulihan)!
c. Hitung simpangan baku rata-rata sampel!
d. Berapakah nilai peluang rata-rata ROA sampel kurang atau sama dengan 4?

2. Diketahui sebanyak 10% dari ibu-ibu rumah tangga di Bandung memakai detergen A
untuk mencuci pakainnya. Jika dari populasi tersebut diambil sampel berukuran 100:
a. Tentukan rata-rata dan simpangan baku dari populasi ibu-ibu rumah tangga yang
memakai detergen A?
b. Bila dari sampel tersebut ternyata terdapat paling sedikit 15 ibu rumah tangga yang
memakai detergen A, tentukan probabilitasnya!

3. Manajemen PT JURAM menyatakan bahwa 95% rokok produksinya rata-rata

mengandung nikotin 1.80 mg, data tersebar normal. Yayasan konsumen melakukan
pengujian nikotin terdapat 9 batang rokok dan diketahui rata-rata sampel = 1.95 mg
nikotin dengan standart deviasi = 0.24 mg. apakah hasil penelitian Yayasan Konsumen
mendukung pernyataan Manajemen PT JURAM?

4. PT AKUA sebuah perusahaan air mineral rata-rata setiap hari memproduksi 100 juta
gelas air mineral. Perusahaan ini menyatakan bahwa rata-rata isi segelas AKUA adalah
250 ml dengan standar deviasi = 15ml. Rata-rata populasi dianggap menyebar normal.
a. Jika setiap hari diambil 100 gelas AKUA sebagai sampel acak dengan pemulihan
hitunglah:
• Simpangan baku sampel tersebut?
• Peluang rata-rata sampel akan berisi kurang dari 253 ml?
b. Jika sampel diperkecil menjadi 25 gelas, hitunglah:
• Simpangan baku sampel tersebut?
• Peluang rata-rata sampel akan berisi lebih dari 255