Statistika 2

Topik Bahasan:

Distribusi Sampling

Distribusi Sampling-Statistika 2 1
 Distribusi Sampling

Sampling = pendataan sebagian anggota populasi

= penarikan contoh / pengambilan sampel

Sampel yang baik ® Sampel yang representatif, yaitu diperoleh

dengan memperhatikan hal-hal berikut :
1. keacakannya (randomness)
2. ukuran
3. teknik penarikan sampel (sampling) yang sesuai dengan
sifat populasi

Pekerjaan yang melibatkan populasi tidak digunakan, karena:

1. mahal dari segi biaya dan waktu yang panjang
2. populasi akan menjadi rusak atau habis jika disensus
misal : dari populasi donat ingin diketahui rasanya, jika
semua donat dimakan, dan donat tidak tersisa, tidak
ada yang dijual
2
 Beda antara Statistik Sampel Vs Parameter Populasi

Ukuran/Ciri Parameter Statistik Sampel

Populasi
Rata-Rata µ x

Selisih 2 Rata-rata 1  2 : nilai mutlak x1  x2 : nilai mutlak

Standar Deviasi = σ S
Simpangan Baku

Varians = Ragam σ² s²

Proporsi ρ : phi atau p 

p atau p

Selisih 2 proporsi 1  2: nilai mutlak p1  p2 : nilai mutlak

3
Beberapa Teknik Penarikan Sampel :

a. Penarikan Sampel Acak Sederhana (Simple Randomized Sampling)

Pengacakan dapat dilakukan dengan : undian, tabel bilangan acak,
program komputer.

b. Penarikan Sampel Sistematik (Systematic Sampling)

Tetapkan interval lalu pilih secara acak anggota pertama sampel
Contoh : Ditetapkan interval = 20
Secara acak terpilih :
Anggota populasi ke-7 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.

[Link] Sampel Acak Berlapis (Stratified Random Sampling)

Populasi terdiri dari beberapa kelas/kelompok. Dari setiap kelas
diambil sampel secara acak.

[Link] Sampel Gerombol/Kelompok (Cluster Sampling)

Populasi juga terdiri dari beberapa kelas/kelompok
Sampel yang diambil berupa kelompok bukan individu anggota
4
Penarikan Sampel Acak dapat dilakukan dengan 2 cara, yaitu :
a. Penarikan sampel tanpa pemulihan/tanpa pengembalian : setelah didata,
anggota sampel tidak dikembalikan ke dalam ruang sampel
b. Penarikan sampel dengan pemulihan : bila setelah didata, anggota sampel
dikembalikan ke dalam ruang sampel.

Berdasarkan Ukurannya, maka sampel dibedakan menjadi :

a. Sampel Besar jika ukuran sampel (n) > 30
b. Sampel Kecil jika ukuran sampel (n) < 30

Distribusi Penarikan Sampel = Distribusi Sampling

- Jumlah Sampel Acak yang dapat ditarik dari suatu populasi adalah sangat banyak.
- Nilai setiap Statistik Sampel akan bervariasi/beragam antar sampel.
- Suatu statistik dapat dianggap sebagai peubah acak yang besarnya sangat tergantung
dari sampel yang kita ambil.
- Karena statistik sampel adalah peubah acak maka ia mempunyai distribusi yang kita
sebut sebagai : Distribusi peluang statistik sampel = Distribusi Sampling = Distribusi
Penarikan Sampel
Distribusi Sampling Rata-Rata
Beberapa notasi :
n : ukuran sampel N : ukuran populasi
x : rata-rata sampel m : rata-rata populasi
s : standar deviasi sampel σ : standar deviasi populasi
s x: standar deviasi rata-rata antar semua sampel =: standar error = galat baku

5
Distribusi Sampling Rata-rata Sampel Besar

Dalil 1
JIKA Sampel:
berukuran = n ≥ 30 yang diambil DENGAN PEMULIHAN dari

rata-rata x
Populasi berukuran = N
Terdistribusi NORMAL
Rata-rata = µ; simpangan baku = s
MAKA
Distribusi Rata-rata akan mendekati distribusi Normal dengan :

x = µ dan x 
n
dan nilai
z
x
 n

6
Distribusi Sampling Rata-rata Sampel Besar
Dalil 2
JIKA Sampel:
berukuran = n ≥ 30 yang diambil DENGAN PEMULIHAN dari

rata-rata =
x Populasi berukuran = N
Terdistribusi NORMAL
ata-rata = µ; simpangan baku =
σ
MAKA
Distribusi Rata-rata akan mendekati distribusi Normal dengan :

x
x= µ dan  x 
 Nn
dan nilai
z
( / n )
N n
n N 1 N 1

7
 N n
• N 1
disebut sebagai FAKTOR KOREKSI populasi terhingga.

• Faktor Koreksi (FK) akan menjadi penting jika sampel berukuran n diambil
dari populasi berukuran N yang terhingga/ terbatas besarnya

• Jika sampel berukuran n diambil dari populasi berukuran N yang sangat

N n
besar maka FK akan mendekati hal ini mengantar kita pada dalil
N 1
ke-3 yaitu
• Dalil Limit Pusat berlaku untuk :
- penarikan sampel dari populasi yang sangat besar,
- distribusi populasi tidak dipersoalkan

• Beberapa buku mencatat hal berikut : Populasi dianggap BESAR jika ukuran
sampel
n
• KURANG DARI 5 % ukuran populasi atau  5%
N

8
 DALIL LIMIT PUSAT =DALIL BATAS TENGAH
(THE CENTRAL LIMIT THEOREM)

Dalil 3: DALIL LIMIT PUSAT

JIKA Sampel:
berukuran = n yang diambil dari
rata-rata =x
Populasi berukuran = N yg besar
Terdistribusi SEMBARANG
Rata-rata = µ; simpangan baku = σ
MAKA
Distribusi Rata-rata akan mendekati distribusi Normal dengan :

x = µ dan x 

dan nilai z
x
n  n
9
 Dalam pengerjaan soal DISTRIBUSI SAMPLING RATA-RATA
perhatikan asumsi-asumsi dalam soal sehingga anda dapat dengan
mudah dan tepat menggunakan dalil-dalil tersebut!

Contoh 1:
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
= 15 ml. Rata-rata populasi dianggap menyebar normal.

1. Jika setiap hari diambil 100 gelas AKUA sebagai sampel acak DENGAN
PEMULIHAN, hitunglah :
a. standard error atau galat baku sampel tersebut?
b. peluang rata-rata sampel akan berisi kurang dari 253 ml?
2. Jika sampel diperkecil menjadi 25 gelas, hitunglah :
a. standard error atau galat baku sampel tersebut?
b. peluang rata-rata sampel akan berisi lebih dari 255 ml?

10
JAWAB :
SOAL 1
Diselesaikan dengan DALIL 1 karena PEMULIHAN
Diselesaikan dengan DALIL 3 karena POPULASI SANGAT BESAR

Diketahui:
N = 100 000 000 = m = 250 s = 15 n = 100

P( < 253) = P(z < ?)

 15 15
GALAT BAKU = x     15
.
n 100 10
253  250 3
z   2.0
15
. 15
.

Jadi P( < 253) = P(z < 2.0) = 0.5 + 0.4772 = 0.9772

11
2.2 Distribusi Sampling Rata-rata Sampel Kecil
DISTRIBUSI t
• Distribusi Sampling didekati dengan distribusi t Student = distribusi t (W.S.
Gosset).

• 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 a adalah luas daerah kurva di kanan nilai t atau

luas daerah kurva di kiri nilai -t

• Nilai α 0.1 (10%) ; 0.05 (5%) ; 0.025(2.5%) ; 0.01 (1%) ; 0.005(0.5%)

Nilai α terbatas karena banyak kombinasi db yang harus disusun!

• Kelak Distribusi t akan kita gunakan dalam PENGUJIAN HIPOTESIS

12
• Pembacaan Tabel Distribusi-t
Misalkan n = 9 ® db = 8; Nilai a ditentukan = 2.5% di kiri dan kanan kurva
t tabel (db, a) = t tabel(8; 0.025) = 2.306
Jadi t = 2.306 dan -t = -2.306

2.5% 95 % 2.5%

-2.306 0 2.306

Arti Gambar di atas nilai t sampel berukuran n = 9, berpeluang 95% jatuh dalam selang -2.306
< t < 2.306.
• Peluang t >2.306 = 2.5 % dan Peluang t < -2.306 = 2.5 %

• Coba cari nilai t tabel untuk beberapa nilai db dan a yang lain!

Perbedaan Tabel z dan Tabel t

Tabel z ® nilai z menentukan nilai a
Tabel t ® nilai a dan db menentukan nilai t

Dalam banyak kasus nilai simpangan baku populasi (s) tidak diketahui, karenanya nilai s diduga
dari nilai simpangan baku sampel (s)

13
Distribusi Sampling Rata-rata Sampel Kecil

Dalil 4 JIKA Sampel:

berukuran = n < 30 yang diambil DENGAN PEMULIHAN dari
rata-rata =x
Populasi berukuran = N
terdistribusi NORMAL
Rata-rata = µ; simpangan baku = s
MAKA
Distribusi Rata-rata akan mendekati distribusi Normal t dengan :

x
 x= µ dan x 
 dan nilai t
s n
n

pada derajat bebas = n-1 dan suatu nilai α

14
Contoh 3 :
Manajemen PT JARUM menyatakan bahwa 95% rokok produksinya rata-rata
mengandung nikotin 1.80 mg, data tersebar normal. Yayasan Konsumen
melakukan pengujian nikotin terhadap 9 batang rokok dan diketahui rata-rata
sampel = 1.95 mg nikotin dengan standar deviasi = 0.24 mg. Apakah hasil
penelitian Yayasan Konsumen mendukung pernyataan Manajemen PT JARUM?

• Jawab : 95 % berada dalam selang ® berarti 5 % berada di luar selang;

2.5 % di kiri t dan 2.5% di kanan t
a = 2.5 % = 0.025
n = 9 ® db = n - 1 = 8
t tabel (db, a) = t-tabel(8; 0.025) = 2.306
Jadi 95 % berada dalam selang -2.306 < t < 2.306

Nilai t-hitung = ?

x .  180
195 . 015
.
t t   1875
.
s n 024
. 9 008.
μ = 1.80 n=9 x = 1.95 s = 0.24

• Nilai t hitung = 1.875 berada dalam selang -2.306 < t < 2.306
• jadi hasil penelitian Yayasan Konsumen masih sesuai dengan pernyataan
manajemen PT JURAM.

15
Dalil 5

JIKA
Dua (2) Sampel
berukuran n1 dan n2

rata-ratax1 danx2
diambil dari Dua (2) Populasi berukuran BESAR

Rata-rata1 dan 2
Ragam 1 2 dan  2 2
MAKA
Distribusi Rata-rata akan mendekati distribusi Normal dengan :

x1  x2  1  2 dan standard error = 12 22

x1  x2  
n1 n2
x1  x2  1  2
dan nilai z 
 12 22

n1 n2

16
Contoh 4:
Diketahui rata-rata IQ mahasiswa Eropa = 125 dengan ragam = 119
sedangkan rata-rata IQ mahasiswa Asia = 128 dengan ragam 181.
diasumsikan kedua populasi berukuran besar
Jika diambil 100 mahasiswa Eropa dan 100 mahasiswa Asia sebagai
sampel, berapa peluang terdapat perbedaan IQ kedua kelompok
akan kurang dari 2?

Jawab :

Beda 2 Rata-rata = x1  x2  1  2 = 125  128   3  3

Sampel :n1 = 100 n2 = 100

P( x 1 x2 <2 ) = P ( z < ?)

x1  x 2  1  2 2 3 1
z    0.577...  0.58
 2
2 2 119 181

3
1
 100 100
n1 n2

P(z<-0.58) = 0.5 - 0.2190 = 0.2810

17