MODUL PERKULIAHAN

STATISTIKA DAN
PROBABILITAS
3 SKS
Pengantar Distribusi Sampling

Tatap Muka
Fakultas : Ilmu Komputer Kode Mata Kuliah : F4119002

Program Studi : Teknik Informatika 07 Disusun Oleh : Rendi Prasetya, [Link]., [Link].

ABSTRAK KOMPETENSI
Mata Kuliah Statistika dan Probabilitas merupakan mata Mahasiswa dapat memahami teknik
kuliah wajib di Prodi Informatika dengan Bobot 3 SKS. pengambilan sampel dan distribusi
Mata Kuliah ini membahas tentang Pengertian Statistika pengambilan sampel.
dan Jenisnya, Ukuran Pemusatan dan Penyebaran Data,
Peluang suatu Kejadian, Distribusi Peluang, Variabel
Random, Pendugaan Parameter, dan Uji Hipotesis, serta
Regresi dan Korelasi.
PEMBAHASAN

Distribusi Sampling

A. Pengertian
Distribusi sampling adalah distribusi probibilitas dari suatu statistik. Distribusi tergantung
dari ukuran populasi, ukuran sampel dan metode memilih sampel. Sampel yang diambil
ialah sampel acak dan dari sampel tersebut nilai statistiknya dihitung. Nilai setiap statistik
sampel akan bervariasi antar sampel.

Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang
berukuran N (Lohr, 1999). Dalam banyak hal, survey tidak mungkin melibatkan
keseluruhan elemen populasi, karena akan memerlukan waktu, tenaga dan biaya yang
cukup besar. Besarnya biaya dalam sensus terkadang tidak seimbang dengan manfaat
dari informasi yang dikumpulkan. Tujuan teori sampling adalah membuat sampling
menjadi lebih efisien, artinya dengan biaya yang lebih rendah diperoleh ketelitian yang
sama tinggi atau dengan biaya yang sama diperoleh ketelitian yang lebih tinggi. Teori
sampling mencoba untuk mengembangkan metode pemilihan sampel dan pembuatan
perkiraan, sehingga diperoleh metode yang memungkinkan diperolehnya hasil penelitian
dengan tingkat ketelitian tinggi sesuai dengan tujuan, tetapi dengan biaya yang lebih
rendah.

Teknik Sampling merupakan teknik pengambilan sampel untuk mendapatkan sampel

yang dapat mewakili karakteristik populasi. Terdapat berbagai teknik sampling untuk
menentukan sampel yang akan digunakan dalam penelitian. Teknik sampling pada
dasarnya dapat dikelompokkan menjadi dua yaitu probability sampling dan non probability
sampling.

B. Probability Sampling
1. Sampling Acak Sederhana
Teknik acak sederhana adalah teknik acak yang paling dasar dalam pengambilan sampel.
Syarat utama agar suatu sampel mempunyai sifat acak, pemilihan harus melalui proses
acak, yaitu suatu proses yang hasilnya tak dapat diketahui sebelumnya. Prinsip sampel
201 Statistika dan Probabilitas
9 2 Rendi Prasetya, [Link]., [Link]. 0857 111 90 222
Pusat Bahan Ajar dan eLearning
[Link]
 acak sederhana, setiap anggota populasi mempunyai kesempatan yang sama untuk
dipilih sebagai sampel.
Jika suatu sampel dengan n elemen dipilih dari suatu populasi dengan N elemen
sedemikian rupa sehingga setiap kemungkinan sampel dengan n elemen mempunyai
kesempatan yang sama untuk terpilih, prosedur sampling yang demikian disebut simple
random sampling (Supranto,J. 1992).

Meskipun terlihat sangat sederhana, teknik sederhana ini mempunyai syarat yang khusus.
Teknik acak sederhana bisa dipakai jika ada kerangka sampel yang baik dan lengkap
yang memuat daftar nama anggota semua populasi. Oleh karena syarat yang ketat itu,
teknik acak sederhana ini umumnya bisa dipakai dalam kondisi berikut:
- Sampel acak sederhana efektif dipakai jika populasi tidak terlalu besar
- Sampel acak sederhana bisa dipaka jika populasi relatif homogen (Eriyanto, 2007)

Contoh: Penarikan sampel acak dapat dilakukan dengan undian, tabel bilangan acak atau
program komputer.

2. Sampling Acak Sistematik

Pengambilan sampel secara acak sistematik adalah suatu metode dimana hanya unsur
pertama dari sampel yang dipilih secara acak sedangkan unsur-unsur selanjutnya dipilih
secara sistematis menurut suatu pola tertentu.

Dalam pengambilan sampel secara sistematis dikenal dua istilah, yaitu:

- Interval pengambilan sampel (sampling intervals) yaitu perbandingan antara populasi
dengan sampel yg diinginkan
- Proporsi pengambilan sampel (sampling fraction/sampling ratio) yaitu perbandingan
antara ukuran sampel dengan populasi.

Contoh:
Misalkan ditetapkan interval pengambilan sampel adalah 20. Secara acak terpilih sebagai
unsur pertama dari sampel adalah anggota populasi ke-7 . Maka anggota populasi ke-27
akan menjadi anggota ke-2 dalam sampel, anggota populasi ke-47 akan menjadi anggota
ke-3 dalam sampel, dan seterusnya dengan intervalnya adalah 20.

201 Statistika dan Probabilitas

9 3 Rendi Prasetya, [Link]., [Link]. 0857 111 90 222
Pusat Bahan Ajar dan eLearning
[Link]
3. Sampling Acak Berlapis (Stratified Random Sampling)
Sampling acak berlapis adalah bentuk sampling acak yang elemen populasinya dibagi ke
dalam kelompok-kelompok homogen yang disebut strata. Ada beberapa alasan dalam
penggunaannya, antara lain:
- Jika data diketahui ketelitian yang diinginkan untuk subkelompok tertentu dari populasi,
ada baiknya memperlakukan setiap subkelompok sebagai suatu populasi tertentu
- Administrasi yang baik dapat memakai kegunaan strata
- Masalah penarikan sampel dapat berbeda dalam bagian populasi yang berbeda
- Pelapisan dapat menghasilkan suatu manfaat dalam ketelitian perkiraan dari
karakteristik populasi. Hal ini memungkinkan untuk membagi sebuah populasi yang
heterogen menjadi subpopulasi-subpopulasi, dengan setiap subpopulasi menjadi
homogen (Cochran,1991).

Dalam acak stratifikasi, sebelum sampel diambil dari populasi, dilakukan stratifikasi
populasi terlebih dahulu berdasarkan karakteristik tertentu. Sampel yang diambil
disesuaikan dengan proporsi dan populasi. Cara melakukan teknik stratifikasi adalah
sebagai berikut: Setelah mendapatkan kerangka sampel, disusun terlebih dahulu
stratifikasi. Anggota populasi dimasukkan ke dalam stratifikasi yang telah dibuat. Setelah
itu baru ditarik sampel sesuai dengan strata masing-masing.

Apabila populasi heterogen, lebih baik menggunakan sampling acak berlapis daripada
sampling acak sederhana oleh karena alasan berikut:
- Setiap stratum homogen atau relatif homogen, sehingga sampel acak yang diambil dari
setiap stratum akan memberikan perkiraan yang dapat mewakili stratum yang
bersangkutan. Perkiraan gabungan yang diperoleh berdasarkan perkiraan dari setiap
stratum akan memberikan perkiraan menyeluruh yang mewakili populasi
- Biaya untuk pelaksanaan sampling acak berlapis lebih murah daripada sampling acak
sederhana karena alasan administrasi
- Perkiraan bisa dibuat untuk setiap stratum yang dapat dianggap sebagai populasi yang
berdiri sendiri dan mungkin bisa dilakukan oleh seorang peneliti saja (Supranto, J.
1992).

201 Statistika dan Probabilitas

9 4 Rendi Prasetya, [Link]., [Link]. 0857 111 90 222
Pusat Bahan Ajar dan eLearning
[Link]
 Contoh: Dari 1500 orang penumpang kereta api (setiap kelas memiliki ukuran yang sama)
akan diambil 150 orang sebagai sampel untuk dilakukan pendataan tentang tingkat
kepuasan pelanggan. Maka, sampel acak dapat diambil dari 50 orang kelas eksekutif, 50
orang kelas bisnis, dan 50 orang kelas ekonomi.

4. Sampling Acak Kelompok (Cluster Sampling)

Sampling kelompok adalah pengambilan sampel dari beberapa unit sampling yang
merupakan kelompok dari elemen (Scheaffer, Mendenhall dan Ott., 1996). Langkah paling
awal dalam penarikan sampel cluster yang harus dilakukan oleh peneliti adalah
mengidentifikasi cluster atau satuan dimana individu menjadi anggota dalam cluster.
Semua cluster yang ada dalam populasi harus bisa diidentifikasi. Setelah cluster diambil,
disusun kerangka sampel berupa daftar nama individu yang menjadi anggota cluster
terpilih. Setelah daftar itu bisa disusun, barulah dilakukan penarikan sampel seperti pada
sampel acak sederhana, sistematis atau stratifikasi.

Contoh: Terdapat 40 kelas untuk tingkat II Jurusan Ekonomi, dimana setiap kelas terdiri
dari 40 mahasiswa. Populasi mahasiswa tinggat II Jurusan Ekonomi adalah sebesar
40 × 40=1600 mahasiswa. Misalkan ada suatu penelitian yang akan dilakukan mengenai
pendataan lama waktu belajar per hari pada setiap mahasiswa dan sampel yang
diperlukan adalah 200 orang, maka dari 40 kelas dapat diambil 5 mahasiswa secara acak
dari masing-masing kelas yang ada.

C. Non-Probability Sampling
Non-probability sampling adalah teknik sampling yang memberikan kesempatan atau
peluang yang tidak sama bagi setiap anggota populasi atau setiap unsur untuk dipilih
sebagai sampel.

Eleman-elemen sampel dipilih berdasarkan kebijaksanaan peneliti sendiri. Dalam non-

probability sammpling, tiap-tiap elemen tidak diketahui apakah mempunyai kesempatan
menjadi elemen-elemen sampel tersebut ataukah tidak.

Dalam sampel jenis ini, tidak seluruh elemen memiliki peluang untuk terpilih menjadi
sampel, dengan begitu temuan hasil studi yang memakai sampling jenis ini tidak bisa
langsung digeneralisasikan sebagai sebuah hasil penelitian terhadap populasi.
201 Statistika dan Probabilitas
9 5 Rendi Prasetya, [Link]., [Link]. 0857 111 90 222
Pusat Bahan Ajar dan eLearning
[Link]
 Tujuan dari peneliti memakai sampling ini yaitu untuk generalisasi terhadap populasi yang
tidak begitu penting, dibanding dengan penemuan yang diperoleh ketika melakukan
sebuah penelitian, atau peneliti mempunyai hambatan-hambatan sehingga melakukan
penghematan sumber daya yang ia miliki.

Jenis-jenis non-probability sampling adalah sebagai berikut:

1. Purposive Sampling
Purposive sampling adalah sebuah metode untuk penetapan sample yang dilakukan
dengan cara menentukan target dari elemen populasi yang diperkirakan paling cocok
untuk dikumpulkan datanya.

Tidak semua populasi bisa dideteksi dengan jelas dimana mereka berada. Jika populasi
kita adalah pengguna rokok tertentu, bagaimana kita bisa menggunakan penarikan contoh
acak berpeluang. Cara yang termudah adalah kita datang ke suatu tempat, jika ketemu
orang yang merokok merk yang kita inginkan dia kita jadikan responden.

2. Accidental Sampling
Accidental sampling yaitu metode penentuan sampel atas dasar kebetulan yaitu siapa pun
yang kebetulan bertemu dengan peneliti bisa digunakan sebagai sampel, jika rasa orang
yang kebetulan ditemui tersebut cocok digunakan sebagai sumber data.

Dalam memilih sampel, peneliti tidak mempunyai pertimbangan lain kecuali berdasarkan
kemudahan saja. Seseorang diambil sebagai sampel karena kebetulan orang tadi ada
disitu atau kebetulan dia mengenal orang tersebut.

Jenis sampel ini sangat baik jika dimanfaatkan untuk penelitian penjajagan, yang
kemudian diikuti oleh penelitian lanjutan yang sampelnya diambil secara acak (random).
Beberapa kasus penelitian yang menggunakan jenis sampel ini, hasilnya ternyata kurang
obyektif.

3. Snowball Sampling
201 Statistika dan Probabilitas
9 6 Rendi Prasetya, [Link]., [Link]. 0857 111 90 222
Pusat Bahan Ajar dan eLearning
[Link]
 Snowball sampling adalah teknik penentuan sampel yang awalnya jumlahnya kecil, lalu
sampel ini disuruh untuk memilih teman-temannya untuk dijadikan sebagai sampel.
Seperti itu seterusnya, sehingga jumlah sampel akan menjadi semakin banyak.

Cara ini banyak dipakai ketika peneliti tidak banyak tahu tentang populasi penelitiannya.
Dia hanya tahu satu atau dua orang yang berdasarkan penilaiannya bisa dijadikan
sampel. Karena peneliti menginginkan lebih banyak lagi, lalu dia minta kepada sampel
pertama untuk menunjukan orang lain yang kira-kira bisa dijadikan sampel. Misalnya,
seorang peneliti ingin mengetahui pandangan kaum lesbian terhadap lembaga
perkawinan. Peneliti cukup mencari satu orang wanita lesbian dan kemudian melakukan
wawancara. Setelah selesai, peneliti tadi minta kepada wanita lesbian tersebut untuk bisa
mewawancarai teman lesbian lainnya. Setelah jumlah wanita lesbian yang berhasil
diwawancarainya dirasa cukup, peneliti bisa menghentikan pencarian wanita lesbian
lainnya. Hal ini bisa juga dilakukan pada pencandu narkotik, para gay, atau kelompok-
kelompok sosial lain yang eksklusif (tertutup).

4. Quota Sampling
Quota sampling yaitu jenis lain dari purposive sampling, untuk jenis sampling ini dalam
menentukan banyaknya jumlah element yang terpilih sebagai sample akan ditentukan
berdasarkan dari quota maksimal sebanding dengan komposisi tiap-tiap kelompok
tersebut.

Teknik sampel ini adalah bentuk dari sampel distratifikasikan secara proposional, namun
tidak dipilih secara acak melainkan secara kebetulan saja. Misalnya, di sebuah kantor
terdapat pegawai laki-laki 60 % dan perempuan 40 %. Jika seorang peneliti ingin
mewawancari 30 orang pegawai dari kedua jenis kelamin tadi maka dia harus mengambil
sampel pegawai laki-laki sebanyak 18 orang sedangkan pegawai perempuan 12 orang.
Sekali lagi, teknik pengambilan ketiga puluh sampel tadi tidak dilakukan secara acak,
melainkan secara kebetulan saja.

5. Volunteer Sampling
Metode yang paling umum dari jenis sampling ini adalah sampling melalui telepon.
Sampling semacam ini sering digunakan oleh stasiun televisi dan radio untuk
mengumpulkan opini publik mengenai isu yang sedang hangat dibicarakan masyarakat
201 Statistika dan Probabilitas
9 7 Rendi Prasetya, [Link]., [Link]. 0857 111 90 222
Pusat Bahan Ajar dan eLearning
[Link]
 seperti partai politik yang paling banyak didukung, capital punishment, dan sebagainya.
Masyarakat diminta untuk menelepon dan memberikan suara mereka dalam jangka waktu
tertentu, tanpa ada batasan jumlah orang yang dapat menelepon.

Sayangnya tidak ada batasan berapa kali orang yang sama dapat memberikan suara
mereka. Karena itu hasil dari sampling ini sering tidak representatif. Selain itu
kemungkinan pendapat orang-orang yang menelepon berbeda dengan pendapat orang-
orang yang tidak menelepon. Kemungkinan hasil sampling ini akan bias sangat besar,
karena hanya orang-orang yang punya telepon dan yang menyaksikan televisi atau
mendengar radio pada waktu tersebut saja yang mengetahui adanya survei.

D. Sampling Error
Sampel berbeda dengan populasi. Dalam sampel kita hanya menyertakan sebagian
anggota dari populasi untuk diamati. Karena hanya sebagian anggota populasi yang
diamati, sehingga secara teoritis ada kesalahan hasil yang diperoleh dari suatu sampel.
Kesalahan ini terjadi karena peneliti hanya mengamati sebagian anggota dan bukan
keseluruhan anggota populasi.

Peneliti umumnya tidak mengetahui nilai populasi (parameter). Yang dihadapi oleh peneliti
adalah hasil dari sampel. Peneliti tidak bisa membuat jawaban yang pasti. Yang bisa
dilakukan adalah membuat interval kemungkinan nilai sebenarnya jika semua anggota
populasi diamati. Sehingga dapat digunakan konsep sampling error. Sampling error
menunjukan perbedaan antara statistik dan parameter. Dengan menggunakan sampling
dari suatu penelitian, peneliti bisa memprediksi nilai sesungguhnya dalam populasi. Bila y
digunakan untuk menduga μ, kita percaya (1−α )100 % bahwa galatnya tidak akan
melebihi

Z α √V .
^ ( y)
2

E. Selang Kepercayaan
Salah satu penduga titik bagi nilai tengah populasi μ adalah statistik y . Sebaran penarikan
sampel y berpusat di μ, dan dalam sebagian besar penerapannya ragamnya lebih kecil
daripada ragam penduga-penduga lainnya. Jadi nilai tengah sampel y akan digunakan
sebagai nilai dugaan titik bagi nilai tengah populasi μ. Selang kepercayan (1−α)100 %
201 Statistika dan Probabilitas
9 8 Rendi Prasetya, [Link]., [Link]. 0857 111 90 222
Pusat Bahan Ajar dan eLearning
[Link]
 memberikan ukuran sejauh mana ketelitian atau akurasi nilai dugaan titiknya. Bila μ
memang pusat selang tersebut, maka y menduga μ tanpa galat. Tetapi, kecil sekali
kemungkinannya, y tepat sama dengan μ, sehingga nilai dugaan tersebut mempunyai
galat.

Bila y adalah nilai tengah sampel acak berukuan n yang diambil dari suatu populasi
dengan

varians σ 2 diketahui, maka selang kepercayaan (1−α)100 % bagi μ adalah y ± Z α √ V ( y ).

^
2

F. Relatif Bias
Salah satu alasan dasar untuk sampling adalah bahwa informasi yang terkandung dalam
sampel berguna untuk mengestimasi parameter populasi. Penduga yang baik adalah
penduga yang bersifat tak bias dan bervariansi minimum. θ^ dikatakan penduga tak bias

bagi parameter θ , jika E ( θ^ ) =θ . Sebaliknya θ^ dikatakan penduga bias bagi parameter θ ,

jika E ( θ^ ) ≠ θ .

Akan tetapi tidak diharapkan suatu penduga akan menduga parameter tanpa kesalahan.
Tidak beralasan mengharapkan θ^ akan menaksir θ dengan tepat, tetapi tentunya
diharapkan bahwa penduga yang dihasilkan tidak terlalu jauh menyimpang.

Kualitas suatu penduga dapat di evaluasi salah satunya dengan kriteria relatif bias. Jika θ
suatu parameter dan θ^ suatu penduga maka |θ−θ
^ | merupakan kesalahan sampling.
Relatif bias dapat dihitung dengan membagi kesalahan sampling dengan θ dikalikan
dengan 100 % . Semakin kecil nilai relatif bias maka penduga dapat dikatakan semakin
baik.

B= (| |)
^
θ−θ
θ
100 %

dimana,
B ¿ Relatif bias

G. Distribusi Rata-Rata
201 Statistika dan Probabilitas
9 9 Rendi Prasetya, [Link]., [Link]. 0857 111 90 222
Pusat Bahan Ajar dan eLearning
[Link]
 Misal sampel acak n diambil dari populasi normal dengan rataan μdan varians σ 2. Tiap
pengamatan X i , i=1 ,2 , 3 , … , n dari sampel acak tersebut akan berdistribusi normal yang
sama dengan populasi yang diambil sampelnya. Jadi
X 1+ X 2 +…+ X n
X=
n
Berdistribusi normal dengan rataan
μ+ μ +…+ μ
μX=
n

Dan variasi
2 2 2
2 σ + σ + …+σ
σ X= 2
n

Bila populasi yang diambil sebagai sampel tidak diketahui distribusinya berhingga atau
tidak, maka distribsi sampel X masih akan berdistribusi hampir normal dengan rataan μ
2
σ
dan varians asalkan ukuran sampelnya besar. Ini merupakan akibat dari teorema limit
n
pusat.

Teorema Limit Pusat:

Bila X rataan sampel acak ukuran n yang diambil dari populasi dengan rataan μ dan
varians σ 2 yang berhingga, maka bentuk limit dari distribusi
X−μ
Z=
σ
√n
Bila n → ∞ , ialah distribusi normal baku n( z ; 0 , 1)

Hampiran normal untuk X umumnya cukup baik bila n ≥ 30, terlepas dari bentuk populasi.
Bila n<30 , hampiran hanya akan baik bila populasi tidak jauh berbeda dengan normal.
Bila populasi diketahui normal, maka distribusi sampel X akan tepat berdistribusi normal,
dan ukuran sampelnya tidak menjadi soal.

201 Statistika dan Probabilitas

9 10 Rendi Prasetya, [Link]., [Link]. 0857 111 90 222
Pusat Bahan Ajar dan eLearning
[Link]
 n
Untuk n<30 atau >5 % , maka
N
X 1+ X 2 +…+ X n
X=
n

Berdistribusi normal dengan rataan

μ+ μ +…+ μ
μX=
n

Dan variasi
2 2 2
2 σ + σ + …+σ N −n
σ X=
n
2
N −1

Contoh:
Tinggi badan mahasiswa rata-rata mencapai 165 cm dan simpangan baku 8 , 4 cm. Telah
diambil sebuah sampel acak terdiri atas 45 mahasiswa. Tentukan berapa peluang tinggi
rata-rata ke 45 mahasiswa tersebut:
a. Antara 160 cm dan 168 cm
b. Paling sedikit 166 cm

Jawab:
Jika ukuran populasi tidak disebutkan besarnya selalu dianggap cukup besar
2 8,4
μ X =165 cm dan σ X = =1,252
√ 45
a. P(160< X <168) ¿P ( 160−165
1,252
<Z<
1,252 )
168−165

¿ P (−3 , 99<Z <2 , 4 )

Dengan menggunakan tabel distribusi normal diperoleh
¿ 0 , 5+0,4918=0,9918

b. P( X ≥ 166) (
¿ P Z≥
166−165
1,252 )
¿ P(Z ≥ 0 , 80)
¿ 0 , 5−P(Z <0 , 80)
201 Statistika dan Probabilitas
9 11 Rendi Prasetya, [Link]., [Link]. 0857 111 90 222
Pusat Bahan Ajar dan eLearning
[Link]
 ¿ 0 , 5−0,2881=0,2119

2
Misalkan ada dua populasi, yang pertama dengan rataan μ1 dan varians σ 1, yang kedua
2
dengan rataan μ2 dan varians σ 2. Misalkan statistik X 1 menyatakan rataan sampel acak

ukuran n1 yang diambil dari populasi pertama, dan statistik X 2 menyatakan rataan sampel
acak ukuran n2 yang diambil dari populasi kedua (kedua sampel saling bebas satu sama
lain).

Peubah X 1 dan X 2 keduanya berdistribusi hampir normal masing-masing dengan rataan

2 2
σ1 σ
μ1 dan μ2, dan varians dan 2 . Hampiran ini bertambah baik bila n1 dan n2 membesar,
n n
maka X 1 −X 2 berdistribusi normal dengan rataan
μ X −X =μ X −μ X =μ1−μ2
1 2 1 2

Dan variasi
2 2
2 2 2 σ1 σ2
σ X − X =σ X + σ X = +
1 2 1 2
n1 n2

Teorema
Bila sampel bebas ukuran n1 dan n2 diambil secara acak dari dua populasi, masing-
2 2
masing dengan rataan μ1 dan μ2, dan varians σ 1 dan σ 2, maka distribusi sampel dari

selisih rataan X 1 −X 2, berdistribusi hampir normal dengan rataan dan variansi diberikan
dengan
2 2
σ1 σ2
μ X −X =μ1−μ 2 dan σ 2
X 1− X 2 = +
1 2
n1 n2

Sehingga
( X 1−X 2) −( μ1−μ 2)
Z=

√
2 2
σ1 σ 2
+
n1 n2
201 Statistika dan Probabilitas
9 12 Rendi Prasetya, [Link]., [Link]. 0857 111 90 222
Pusat Bahan Ajar dan eLearning
[Link]
 Secara hampiran merupakan peubah normal baku

Jika n1 dan n2 keduanya ≥ 30, hampiran normal untuk distribusi X 1 −X 2 sangat baik tidak
tergantung dari bentuk kedua populasi. Akan tetapi, jika n1 dan n2 ¿ 30, hampiran normal
lumayan baik kecuali bila kedua populasi agak jauh dari normal. Tentu saja bila kedua
populasi normal, maka X 1 −X 2, berdistribusi normal terlepas dari ukuran n1 dan n2 .

Peubah X 1 dan X 2 keduanya berdistribusi hampir normal masing-masing dengan rataan

2 2
σ1 σ
μ1 dan μ2, dan varians dan 2 . Hampiran ini bertambah baik bila n1 dan n2 membesar,
n n
maka X 1 + X 2 berdistribusi normal dengan rataan
μ X + X =μ X + μ X =μ1 + μ2
1 2 1 2

Dan variasi
2 2
2 2 σ1 σ2 2
σ X 1+ X 2 =σ +σ = +
X1 X2
n1 n2

Teorema
Bila sampel bebas ukuran n1 dan n2 diambil secara acak dari dua populasi, masing-
2 2
masing dengan rataan μ1 dan μ2, dan varians σ 1 dan σ 2, maka distribusi sampel dari

jumlah rataan X 1 + X 2, berdistribusi hampir normal dengan rataan dan variansi diberikan
dengan
2 2
σ1 σ2
μ X + X =μ1+ μ 2 dan σ 2X + X = +
1 2 1 2
n1 n2

Sehingga
( X 1 + X 2 ) − ( μ1 + μ 2 )
Z=

√
2 2
σ 1 σ2
+
n1 n 2
201 Statistika dan Probabilitas
9 13 Rendi Prasetya, [Link]., [Link]. 0857 111 90 222
Pusat Bahan Ajar dan eLearning
[Link]
 Secara hampiran merupakan peubah normal baku

Jika n1 dan n2 keduanya ≥ 30, hampiran normal untuk distribusi X 1 + X 2 sangat baik tidak
tergantung dari bentuk kedua populasi. Akan tetapi, jika n1 dan n2 ¿ 30, hampiran normal
lumayan baik kecuali bila kedua populasi agak jauh dari normal. Tentu saja bila kedua
populasi normal, maka X 1 + X 2, berdistribusi normal terlepas dari ukuran n1 dan n2 .

Contoh:
Suatu sampel berukuran n1=140 diambil secara acak dari populasi yang berdistribusi
normal dengan rataan μ1=163 dan simpangan baku σ 1=5 ,2 dan rataan sampel X 1
dihitung. Sampel acak berukuran n2 =140 diambil, bebas dari yang pertama, dari populasi
yang juga berdistribusi normal dengan rataan μ2=152 dan simpangan baku σ 2=4 , 9 dan
rataan sampel X 2 dihitung. Tentukan peluang rataan sampel pertama paling sedikit lebih
10 dari rataan sampel kedua.

Jawab:
Dari distribusi sampel X 1 −X 2 diketahui bahwa distribusinya normal dengan rataan
μ X −X =μ1−μ 2=163−152=11
1 2

Dan simpangan baku

2 2
2 σ 1 σ 2 5 ,22 4 , 92
σ X 1− X 2 = + = + =0,3646 → σ X −X =0,6038
n1 n2 140 140 1 2

P( X 1−X 2 ≥10) ¿ P Z ≥ ( 10−11

0,6038 )
¿ P(Z ≥−1 ,66)
¿ 0 , 5+0,4515=0,9515

Contoh:
Rata-rata tinggi mahasiswa laki-laki 163 cm dan simpangan bakunya 5 , 2 cm, sedangkan
untuk mahasiswa perempuan, parameter tersebut berturut-turut 152 cm dan 4 , 9 cm. Dari
kedua kelompok mahasiswa itu masing-masing diambil sebuah sampel acak, secara

201 Statistika dan Probabilitas

9 14 Rendi Prasetya, [Link]., [Link]. 0857 111 90 222
Pusat Bahan Ajar dan eLearning
[Link]
 independen, berukuran sama 140 orang. Berapa peluang rata-rata tinggi mahasiswa laki-
laki paling sedikit 10 cm lebihnya dari rata-rata tinggi mahasiswa perempuan?

Jawab:
Misalkan x dan y masing-masing menyatakan rata-rata tinggi dari sampel untuk
mahasiswa laki-laki dan perempuan.
Yang ditanyakan adalah P(x− y ≥ 10)

Diketahui:
μ1=μ x =163 cm, μ2=μ y =152 cm, σ 1=σ x =5 , 2, σ 2=σ y =4 ,9 , dan n1=n2=140

Menurut teori diatas, x− y berdistribusi normal dengan rata-rata

μ x− y =163−152=11

Dan simpangan baku

√σ 21 σ 22
√
2 2
5 ,2 4 , 9
=√ 0,3646=0,6038
2
σ x− y = + = +
n 1 n2 140 140

P(x− y ≥ 10) (
¿ P Z≥
10−11
0,6038 )
¿ P(Z ≥−1 ,66)
¿ 0 , 5+0,4515=0,9515

201 Statistika dan Probabilitas

9 15 Rendi Prasetya, [Link]., [Link]. 0857 111 90 222
Pusat Bahan Ajar dan eLearning
[Link]
DAFTAR PUSTAKA

Agresti, A., & Hichcock, D.B. (2005). Bayesian Inference for Categorical Data Analysis.
Statistical Methods & Applications. 14: 297-330 DOI: 10.1007/s10260-005-0121-y

Freedman, D.A. (2005). Statistical Models: Theory and Practice. Cambridge University Press.
ISBN 978-0-521-67105-7

Hastie, T., Tibshirani, R. & Friedman, J. The element of Statistical Learning

Nikoletseas, M.M. (2014). Statistics: Concepts and Examples. ISBN 978-1500815684

Shayib, M.A. (2013). Applied Statistics. Bookboon

Sudjana. (2016). Metoda Statistika. ISBN-13: 978-979-9185-37-2

Walpole, R.E. (1997). Pengantar Statistika. Gramedia Pustaka Utama: Jakarta