DISTRIBUSI SAMPLING
Manajemen- 2021
Populasi Sampel
Definisi Semua anggota objek yang Sebagian anggota objek yang
akan diteliti akan diteliti
Karakteristik Parameter Statistik
Simbol Banyak data : N Banyak data : n
Rata – rata : μ Rata – rata : X
Simpangan baku : σ Simpangan baku : s
• Sebuah toko kelontong memiliki 7 orang karyawan dengan
upah perhari (dalam Rp.000) masing-masing, sebagai berikut :
Karyawan A B C D E F G
Upah 98 99 97 98 99 98 97
No Sampel Upah Rata-rata
1 AB (98; 99) 98,5 0,25
2 AC (98; 97) 97,5 0,25
3 AD (98; 98) 98 0
4 AE (98; 99) 98,5 0,25
5 AF (98; 98) 98 0
6 AG (98; 97) 97,5 0,25
7 BC (99; 97) 98 0
8 BD (99; 98) 98,5 0,25
9 BE (99; 99) 99 1
10 BF (99; 98) 98,5 0,25
11 BG (99; 97) 98 0
No Sampel Upah Rata-rata
12 CD (97; 98) 97,5 0,25
13 CE (97; 99) 98 0
14 CF (97; 98) 97,5 0,25
15 CG (97; 97) 97 1
16 DE (98; 99) 98,5 0,25
17 DF (98; 98) 98 0
18 DG (98; 97) 97,5 0,25
19 EF (99; 98) 98,5 0,25
20 EG (99; 97) 98 0
21 FG (98; 97) 97,5 0,25
Jumlah sampel rata-rata 2,058 5
Teorema 4.1. Bila sampel random berukuran n diambil dari suatu populasi yang
terhingga berukuran N yang mempunyai rata-rata μ dan simpangan baku σ , maka
distribusi sampling bagi rata-rata sampel X akan menghampiri distribusi normal
dengan rata-rata μ X = μ dan simpangan baku σ X σ N n . Dengan
n N 1
demikian variabel random standarnya adalah ;
Nn
Dalam hal ini disebut : faktor koreksi (Corection factor).
N 1
Contoh.......
• Dari pengiriman sebanyak 1000 riem kertas koran berat 60
gram diketahui bahwa rata-rata tiap riem berisi 450 lembar
dengan simpangan baku 20 lembar. Kemudian diambil sampel
secara random tanpa pemulihan dari populasi diatas sebanyak
100 riem. Berapa peluang (probabilita) dari 100 riem kertas
diatas tiap riem rata-rata berisi lebih dari 454 lembar.
Teorema 4.2. Teorema Batas Tengah. Bila sampel random berukuran n diambil dari
suatu populasi yang tak terhingga dengan rata-rata μ dan simpangan baku σ , maka
distribusi sampling bagi rata-rata sampel X akan menghampiri distribusi normal
dengan rata-rata μ X = μ dan simpangan baku σ X σ/ n . Dengan demikian variabel
random standarnya adalah :
Contoh.........
• Sebuah perusahaan batere menyatakan bahwa batere yang
digunakan dalam alat-alat permainan elektronik akan mencapai
umur rata-rata 30 jam dengan simpangan baku 5 jam. Bila umur
batere menyebar normal, maka hitunglah peluang (probabilita)
bahwa suatu sampel random sebanyak 36 buah batere mempunyai
umur : a). Kurang dari 28,2 jam. b). Lebih dari 31,8 jam
Umur pakai bola lampu berdistribusi normal, rata-rata 800
jam dan deviasi standar 40 jam. Bila diambil sampel
random sebanyak 64 buah bola lampu dari populasi yang
tak terbatas, maka berapa probabilita umur pakai bola
lampu antara 775 jam sampai dengan 810 jam.
Distribusi Sampling Beda atau Selisih Dua Rata-rata
Teorema 4.3. Bila sampel bebas berukuran n1 dan n2 diambil dari dua populasi yang
besar atau tak terhingga, masing-masing mempunyai rata-rata μ1 dan μ 2 dengan
2 2
varians masing-masing σ1 dan σ 2 , maka beda kedua rata-rata sampel X1 dan X 2
akan menyebar menghampiri dstribusi normal dengan rata-rata μ X1 X 2
μ 1 μ 2 dan
2 2
σ1 σ
simpangan baku σ X1 X 2 2 . Dengan demikian variabel random
n1 n2
standarnya adalah :
Contoh........
• Sebuah perusahaan Televisi menyatakan bahwa tabung gambar
televisi merk A mempunyai umur rata-rata 6,5 tahun dengan
simpangan baku 0,9 tahun. Sedangkan tabung gambar televisi merk
B mempunyai umur rata-rata 6,0 tahun dengan simpangan baku 0,8
tahun. Berapa peluang (probabilita) bahwa sampel random sebanyak
36 tabung merk A mencapai umur rata-rata sekurang-kurangnya 1
tahun lebih lama dari pada umur rata-rata 49 tabung merk B.
Distribusi Sampling Satu Proporsi
Teorema 4.4. Misalnya populasi diketahui berukuran N yang didalamnya didapat
peristiwa sebanyak X , maka proporsi populasi dinyatakan dengan P X N .
Dari populasi ini diambil sampel random berukuran n dan dimisalkan ada peristiwa
didalamnya sebanyak x, maka proporsi sampel dinyatakan dengan p x n , maka
distribusi sampling bagi p akan menyebar menghampiri dstribusi normal dengan
rata-rata μ p P dan simpangan baku σ p P(1 P) . Dengan demikian variabel
n
random standarnya adalah :
Contoh.....
• Pada suatu party pengiriman barang elektronik telah diketahui 30% tidak
memenuhi kualitas standar. Jika sampel random sebesar 500 unit, berapa
peluang (probabilita) barang elektronik yang tidak memenuhi kualitas
standar kurang dari 130 unit.
Distribusi Sampling Beda atau
Selisih Dua Proporsi
Contoh.......
• Dalam pemiihan ketua dari sebuah organisasi ada petunjuk kuat,
bahwa calon A dan B akan mendapat suara 60% dari seluruh
anggota organisasi. Dua buah sampel random diambil secara
independen masing-masing terdiri dari 300 orang. Tentukan
peluang (probabilita) akan terjadi perbedaan persentase perolehan
suara calon A dan B lebih dari 10% pada saat pemilihan suara.
Distribusi Sampling Simpangan Baku
Teorema 4.6. Sebuah populasi berukuran N dengan simpangan baku σ dan dari
populasi tersebut diambil sampel random berukuran n, maka distribusi sampling bagi
simpangan baku s akan menyebar menghampiri dstribusi normal dengan rata-rata
μ s σ dan simpangan baku σ s σ/ 2n . Dengan demikian variabel random
standarnya adalah :
Contoh.......
• Varians sebuah populasi yang berdistribusi normal 6,25 dengan
simpangan baku 2,50. Tentukan probabilita dari sampel random
sebesar 225 mempunyai simpangan baku lebih dari 2,75.
1. Umur pakai bola lampu berdistribusi normal, rata-rata 800 jam dan deviasi standar 40 jam.
Bila diambil sampel random sebanyak 64 buah bola lampu dari populasi yang tak terbatas,
maka berapa probabilita umur pakai bola lampu antara 775 jam sampai dengan 810 jam.
2. Lampu A rata-rata menyala 1.400 jam dan lampu B rata-rata menyala 1.300 jam.
Simpangan bakunya masing-masing 160 jam dan 125 jam. Dari tiap populasi diambil sebuah
sampel acak berukuran 85 dari lampu A dan 100 dari lampu B. Tentukan peluang rata-rata
menyala lampu sampel A paling sedikit akan 50 jam lebihnya dari rata-rata menyala lampu
dalam sampel B.
[Link] pengiriman suatu tube elektronik terdapat 10% yang tidak
memenuhi spesifikasi standar. Bila sampel random yang terdiri dari
100 tube elektronik telah diambil, maka berapakah probabilita bahwa
dari sampel tersebut terdapat lebih dari 12 tube yang tidak
memenuhi spesifikasi standar.