Statistik
Inferensial
DISTRIBUSI SAMPLING
TEKNIK MESIN – FTUI
à DR. IR. HARINALDI, [Link]
Tujuan Pembelajaran
Memahami perlunya suatu sampling (pengambilan sampel)
serta keuntungan-keuntungan melakukannya
Menjelaskan pengertian sampel acak untuk sampling tanpa
pergantian untuk suatu populasi terhingga dan pengambilan
sampel untuk populasi tak terhingga
Menjelaskan langkah-langkah yang diperlukan untuk
membentuk suatu distribusi sampling dari mean-mean
sampel, menghitung mean dan deviasi standard dari
distribusi sampling tersebut
Menjelaskan langkah-langkah yang diperlukan untuk
membentuk suatu distribusi sampling dari proporsi sampel,
menghitung mean dan deviasi standard dari distribusi
sampling tersebut
Menghitung mean dan deviasi standard dari distribusi
sampling yang merupakan perbedaan atau penjumlahan dari
sampel-sampel yang berasal dari dua populasi
Pokok Bahasan
Pengertian dan Konsep Dasar Sampling
Distribusi Sampling dari Mean
Distribusi Sampling dari Proporsi
Distribusi Sampling dari Perbedaan dan
Penjumlahan
Pengertian dan Konsep Dasar
Kebutuhan dan Keuntungan Sampling
Sampling yang baik:
Hemat biaya dan waktu
Akurat
Secara khusus teknik sampling berguna dalam:
Estimasi parameter populasi yang tidak diketahui
berdasarkan informasi dari statistik sampel
Menentukan apakah perbedaan pada dua sampel adalah
benar-benar signifikan (berarti) atau karena kebetulan
sifatnya
Pengertian dan Konsep Dasar
Sampling Acak (Random Sampling)
Suatu kesimpulan yang diambil berdasarkan sampel harus:
valid
dapat dipercaya
Sampel dipilih sedemikian hingga mewakili populasi
sampling acak
Populasi Terhingga dan Tak Terhingga
Populasi terhingga (finite population): jumlah seluruh
anggotanya tetap dan dapat didaftar
Populasi tak terhingga (infinite population): memiliki anggota
yang banyaknya tak terhingga
Pengertian dan Konsep Dasar
Contoh:
Jika kita memeriksa rata-rata harian banyaknya produk cacat
di sebuah pabrik selama 12 bulan terakhir, maka populasi
yang diperoleh adalah populasi terhingga yang meliputi
produk cacat dari semua jalur produksi di pabrik itu
Jika kita mengukur kecepatan prosesor komputer yang
dibuat oleh sebuah perusahaan tertentu maka populasi yang
diperoleh adalah populasi tak terhingga, karena produk
tersebut akan terus diproduksi dan dikembangkan di masa-
masa mendatang
Pengertian dan Konsep Dasar
Sampling Dengan dan Tanpa Pergantian
Sampling dengan pergantian setiap anggota sebuah populasi
bisa terpilih lebih dari sekali
Sampling tanpa pergantian anggota populasi yang telah
terpilih tidak bisa dipilih lagi
Contoh:
Dalam memilih sebuah nomor yang mewakili komponen sebagai
sampel dari sebuah batch produksi, kita bisa mengembalikan
lagi atau tidak mengembalikan kembali nomor yang telah
terpilih ke dalam batch produksi.
Dalam kasus pertama disebut sampling dengan pergantian
sedangkan kasus yang kedua adalah sampling tanpa
pergantian.
Pengertian dan Konsep Dasar
Distribusi Sampling
Dari sebuah populasi dibentuk seluruh kemungkinan sampel
berukuran n
Dari masing-masing sampel:
dihitung sebuah statistik (misal: mean, deviasi standard,
dll.) yang nilainya tentu akan berbeda-beda
kumpulan nilai statistik dari sampel ini membentuk suatu
distribusi
Distribusi ini dinamakan distribusi sampling
distribusi sampling dari mean sampel (sampling distribution
of the mean)
distribusi sampling dari deviasi standard, varians, median,
proporsi, dll
Kemudian terhadap masing-masing jenis distribusi sampling
inipun dapat dihitung nilai-nilai statistik deskriptifnya
Pengertian dan Konsep Dasar
Distribusi Sampling
Pengertian dan Konsep Dasar
Contoh:
Suatu populasi terdiri atas lima hasil pengukuran bernilai 2, 3, 6, 8,
11. Jika dari populasi ini hendak digunakan dua hasil pengukuran
sebagai sampel, distribusi sampling dari mean sampel yang bisa
dibentuk jika:
sampling dengan pergantian dan urutan diperhatikan,
kemungkinan sampel yang terbentuk adalah:
(2,2) (2,3) (2,6) (2,8) (2,11)
(3,2) (3,3) (3,6) (3,8) (3,11)
(6,2) (6,3) (6,6) (6,8) (6,11)
(8,2) (8,3) (8,6) (8,8) (8,11)
(11,2) (11,3) (11,6) (11,8) (11,11)
maka mean sampel yang terbentuk adalah:
2,0 2,5 4,0 5,0 6,5
2,5 3,0 4,5 5,5 7,0
4,0 4,5 6,0 7,0 8,5
5,0 5,5 7,0 8,0 9,5
6,5 7,0 8,5 9,5 11,0
Pengertian dan Konsep Dasar
Contoh (lanjutan):
sehingga distribusi sampling dari mean sample yang terbentuk
adalah:
Mean 2 2,5 3 4 4,5 5 5,5 6 6,5 7 8 8,5 9,5 11
Samp
el
Freku 1 2 1 2 2 2 2 1 2 4 1 2 2 1
ensi
Proba 1/25 2/25 1/25 2/25 2/25 2/25 2/25 1/25 2/25 4/25 1/25 2/25 2/25 1/25
bilitas
Distribusi Sampling dari Mean
Definisi
Distribusi sampling dari mean-mean sampel adalah distribusi
mean-mean aritmetika dari seluruh sampel acak berukuran n
yang mungkin yang dipilih dari sebuah populasi
Mean dan Deviasi Standard Distribusi Sampling Mean
Jika sampling dilakukan Jika sampling dilakukan
tanpa pergantian dari suatu dengan pergantian atau
populasi terhingga populasinya tak terhingga,
berukuran N, maka: maka:
mx = mx mx = mx
s N -n sx
sx = x sx =
n N -1 n
Distribusi Sampling dari Mean
Mean dan Deviasi Standard Distribusi Sampling Mean
Untuk nilai n yang besar (n > 30), distribusi sampling mean
mendekati suatu distribusi normal terlepas dari bentuk asli
distribusi populasinya
Jika populasinya memiliki distribusi normal, maka distribusi
sampling mean juga terdistribusi secara normal untuk nilai n
berapapun (tidak tergantung ukuran sampel)
Deviasi standard dari sebuah distribusi sampling mean disebut
juga dengan error standard daripada mean
Distribusi Sampling dari Mean
Contoh:
Dari contoh sebelumnya dapat dihitung mean populasi, mean
distribusi sampling mean, deviasi standard populasi dan deviasi
standard distribusi sampling mean sebagai berikut:
2 + 3 + 6 + 8 + 11 30
mx = = = 6, 0
5 5
(2 - 6)2 + (3 - 6)2 + (6 - 6) 2 + (8 - 6) 2 + (11 - 6) 2 +
sx = = 3, 29
5
14
�fi xi (1)(2) + (2)(2,5) + ... + (1)(11) 150
mx = i =1
= = = 6, 0
14
1 + 2 + ... + 1 25
�fi
i =1
14
�fi ( xi - m x )2 (1)(2 - 6) 2 + (2)(2,5 - 6) + ... + (1)(11 - 6) 135
sx = i =1
14
= = = 2,32
25 25
�fi
i =1
sx
sx =
Terlihat bahwa m
x = mx dan dapat ditunjukkan bahwa n (n
= 2)
Distribusi Sampling dari Mean
Contoh:
Lima ratus cetakan logam memiliki berat rata-rata 5,02 N dan deviasi
standard 0,30 N. Probabilitas bahwa suatu sampel acak dengan ukuran
sampel 100 cetakan yang dipilih akan mempunyai berat total antara 496
sampai 500 N dapat ditentukan sbb. Distribusi sampling mean persoalan di
atas memiliki:
m x = m x = 5, 02 N
sx N - n 0,30 500 - 100
sx = = = 0, 027
n N -1 100 500 - 1
Seratus sampel cetakan memiliki berat total 496 sampai 500 N jika rata-
ratanya adalah 4,96 sampai 5,00 N. Jadi dengan menggunakan tabel
distribusi normal standard skor z adalah:
4,96 - 5, 02
x = 4,96 � z x = = -2, 22
0, 027
5, 00 - 5, 02
x = 5, 00 � z x = = -0, 74
0, 027
P (4,96 �x < 5, 00) = P( -2, 22 �z x �-0, 74) = (0, 22965 - 0, 01321) = 0, 2164 = 21, 64%
Distribusi Sampling dari Proporsi
Definisi
Distribusi sampling dari proporsi adalah distribusi proporsi-
proporsi dari seluruh sampel acak berukuran n yang mungkin
yang dipilih dari sebuah populasi
Mean dan Deviasi Standard Distribusi Sampling Proporsi
Jika probabilitas sukses Jika sampling dilakukan
populasi adalah sementara dengan pergantian atau
probabilitas gagalnya adalah populasinya tak terhingga,
= 1 - dan samplingnya tanpa maka:
pergantian dari populasi mP =
terhingga berukuran N
mP = (1 - )
sP = =
n n
N -n (1 - ) N -n
sP = =
n N -1 n N -1
Distribusi Sampling dari Proporsi
Mean dan Deviasi Standard Distribusi
Sampling Proporsi
Untuk nilai n yang besar (n > 30), distribusi sampling proporsi
mendekati suatu distribusi normal
Jika nilai proporsi menyatakan variabel diskrit:
diperlukan faktor koreksi (±1/2n ) dalam mengubahnya ke
dalam skor z untuk menentukan probabilitas menggunakan
tabel distribusi normal
Distribusi Sampling dari Proporsi
Contoh:
Divisi pengendalian mutu pabrik perkakas mesin mencatat bahwa 2 %
dari mata bor yang diproduksi mengalami cacat. Jika dalam pengiriman
satu batch produk terdiri dari 400 mata bor, tentukan probabilitas
banyaknya mata bor yang cacat 3 % atau lebih?
Distribusi sampling proporsi
(1 - ) 0, 02(1 - 0,02)
m P = = 0,02 dan s P = = = 0, 007
n 400
Koreksi untuk variabel diskrit =1/2n = 1/(2)(400) =1/800 = 0,00125
Proporsi (3 %) setelah dikoreksi, P = 0,03 - 0,00125 = 0.02875
Skor z untuk P = 0,02875 adalah:
P - m P 0, 02875 - 0, 02
zP = = = 1, 25
sP 0, 007
Maka probabilitas mata bor yang cacat dengan proporsi lebih dari 3 %:
P( z P > 1, 25) = 1 - P( zP �1, 25) = 1 - 0,8944 = 0,1056 = 10,56%
Distribusi Sampling dari Perbedaan
dan Penjumlahan
Definisi
Terdapat dua populasi
Untuk setiap sampel berukuran n1 dari populasi pertama dihitung
sebuah statistik S1 dan menghasilkan sebuah distribusi sampling
dari statistik S1 yang memiliki mean m s1 dan deviasi standard s s1
Dari populasi kedua, untuk setiap sampel berukuran n2 dihitung
statistik S2 yang akan menghasilkan sebuah distribusi sampling
dari statistik S2 yang memiliki mean m s2 dan deviasi standard s s2
Mean dan Deviasi Standard
Distribusi sampling Distribusi sampling
perbedaan S1 – S2 memiliki penjumlahan S1 + S2 memiliki:
mS -S = mS - mS
1 2 1 2
m S1 + S2 = m S1 + m S2
s S1 - S2 = s S21 + s S22 s S1 + S2 = s S21 + s S22
Distribusi Sampling dari Perbedaan
dan Penjumlahan
Contoh:
Lampu bohlam A memiliki daya tahan rata-rata 1400 jam dan deviasi
standard 200 jam, sementara lampu B memiliki daya tahan rata-rata
1200 jam dengan deviasi standard 100 jam. Jika dari masing-masing
produk dipilih 125 bohlam sebagai sampel, maka probabilitas bahwa
bohlam A memiliki daya tahan sekurang-kurangnya 160 jam lebih
lama dibandingkan bohlam B dapat ditentukan sebagai berikut
Mean dari distribusi sampling perbedaan daya tahan bohlam A dan
B: m xA - xB = m xA - m xB = m xA - m xB = 1400 - 1200 = 200
Deviasi standardnya adalah: s 2
x s 2
x (100) 2 (200) 2
s x A - xB = s x A + s x B =
2 2 A
+ B
= + = 20
nA nB 125 125
Skor z untuk perbedaan B ) - ( m x 160
( x A - xmean - x ) adalah:
( x - x ) - 200 160 - 200
z = x A - xB = A B
A B
= = -2
s x A - xB 20 20
Jadi probabilitas yang
P (( x A - akan
xB ) > 160) = Pditentukan adalah:
( z x - x > -2) = 1
A
- P( z x - x < -2)
B A B
= 1 - 0, 0228 = 0,9772 = 97, 72%