DISTRIBUSI

SAMPLING
DISUSUN OLEH :

•AISYAH HAYATI

•AULIYA WARDAH BILAH

•IIN KURNIAWATI DEWI

•ROBY SUWANDI
PENDAHULUAN DISTRIBUSI
SAMPLING
 Untuk mempelajari populasi kita memerlukan sampel dari
populasi yang bersangkutan. Dari suatu populasi
berukuran N, maka kita dapat ambil beberapa buah sampel
yang berukuran n.
 Dari setiap sampel yang diambil dapat dihitung nilai
statistiknya sesuai dengan keperluan. Nilai statistik dari
sampel tersebut kemudian digunakan untuk sehubungan
dengan penganalisisan populasi,untuk itu diperlukan suatu
teori yang dikenal dengan distribusi samping. Distribusi
sampling biasanya diberi nama bergantung pada nama
statistik yang digunakan . Kedepannya akan dibahas
mengenai distribusi rata-rata, distribusi proporsi,
distribusi selisih rata-rata, dan distribusi selisih proporsi.
 Untuk lebih memperjelas distribusi sampling, perhatikan
ilustrasi berikut:
 Diberikan suatu populasi ukuran N = 5 yang datanya 98, 99,
97,98, 99. dari populasi tersebut akan diambil sampel
berukuran n = 2. maka semua sampel yang mungkin dapat
diambil dari populasi tersebut beserta rata-ratanya adalah:

SAMPEL RATA - SAMPEL RATA -

RATA RATA
( 98, 99) 98,5 (99, 98) 98,5
(98, 97) 97,5 (99, 99) 99
(98, 98) 98 (97, 98) 97,5
(98, 99) 98,5 (97, 99) 98
(99, 97) 98 (98, 99) 98,5
 Dari tabel kumpulan rata-rata setiap sampel maka akan
membentuk suatu distribusi peluang

RATA - RATA FREKUENSI PELUANG

97,5 2 2/10
98 3 3/10
98,5 4 4/10
99 1 1/10
JUMLAH 10 10/10 = 1
EKSPEKTASI

 Misalkan terdapat sebuah eksperimen yang menghasilkan k buah

peristiwa yang dapat terjadi
 Peluang terjadinya tiap peristiwa masing-masing
p1 , p2, ..., pk dan jika pada tiap kejadian terdapat suatu nilai
d1 , d 2 ,..., d k maka ekspektasi dari eksperimen tersebut adalah

  p1.d1  p2 .d 2  ...  pk d k
k
  pi .d i
i 1
 Contoh :
 A dan B bertaruhdengan melakukan undian menggunakan
sebuah mata uang yang terdiri dari sisi G dan H. Jika dalam
undian itu yang keluar adalah sisi G, maka A kalah dan
harus membayar kepada B sebesar Rp.5 bila yang keluar
adalah sisi H maka si A menang dan menerima Rp.5
berapakah ekspektasi dari taruhan A
JAWAB: ada dua kejadian yang mungkin terjadi pada A
yaitu kejadian menang dan kalah, masing-masing
peluang ½ sehingga ekspektasi taruhannya adalah

  P( M ).d M  P( K ).d k  1 / 2  5  1 / 2  (5)

DISTRIBUSI RATA-RATA


 Misal kita memiliki suatu populasi berukuran terhingga N
dengan parameter rata-rata µ dan simpangan baku dari
populasi tersebut akan diambil beberapa buah sampel
dengan ukuran n dan rata-rata x , kumpulan sampel ini
akan membentuk data yang terdiri atas rata-rata sampel.

sehingga dapat dihitung rata-rata dan simpangan baku dari

data rata-rata sampel yang baru
 Jika n/N > 5% maka
x    
x

.
N n
n N 1

 Jika n/N≤ 5% maka

x    
x

n

 DALIL LIMIT PUSAT

Jika sebuah populasi memiliki rata-rata µ dan simpangan

baku  yang besarnya terhingga, maka untuk ukuran
sampel acak yg cukup besar distribusi rata-rata sampel
akan mendekati distribusi normal dengan

x
  
x

n
Teorema Limit Pusat
Bila rataan sampel acak ukuran n yang diambil dari
populasi dengan rataan dan varians yang berhingga, maka
bentuk limit dari distribusi

Bila n→∞ , ialah distribusi normal baku n(z;0,1)

 Distribusi normal yang didapat dari distribusi rata-rata perlu
distandarkan agar daftar distribusi normal baku dapat digunakan.
x
z
 n

 Hampiran normal untuk x umumnya dipenuhi untuk n ≥ 30

 Jika
x populasi asal berdistribusi normal, maka walaupun n < 30 maka
berdistribusi normal
 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 dikatakan besarnya, selalu dianggap cukup besar untuk
berlakunya teori. Ukuran sampel n= 45 tergolong sampel besar sehingga dalil limit
DISTRIBUSI PROPORSI
 Misalkan populasi diketahui berukuran N yang didapatnya
terdapat peristiwa A sebanyak Y diantara N. maka didapat
parameter populasi π= Y/N (π merupakan parameter
untuk proporsi
 Jika dari populasi tersebut diambil kembali sampel2 maka
akan terbentuk data dari kumpulan proporsi sampel,
sehingga distribusi proporsinya adalah
 Jika n/N > 5% maka x/n  

 (1   ) N  n
x/n    x/n  .
n N 1
 Jika n/N ≤ 5% atau jika ukuran populasi besar jika
dibandingkan dengan ukuran sampel maka:
x/n    (1   )
 x/n 
n

 Untuk n yang sangat besar maka distribusi akan

mendekati distribusi normal. Sehingga dapat
Transformasi nilai untuk perhitungan menggunakan
daftar distribusi normal baku z  x / n  
 x/n
 Contoh :

berdasarkan penelitian 10% anggota masyarakat tergolong kedalam golongan A. sebuah

xampel acak terdiri atas 100 orang telah diambil.

Tentukan peluangnya bahwa dari 100 orang itu akan ada paling sedikit 15 orang dari
golongan A
DISTRIBUSI SELISIH DAN
JUMLAH RATA-RATA
 Misal terdapat dua populasi dengan ukuran dengan
karakteristik sbb:
Pop I : ukuran populasi N1
rata- rata dan simpangan baku  1 dan 1
Pop II : ukuran populasi N 2
rata- rata dan simpangan baku  2 dan  2
 Untuk membedakan maka peubah pop I dimisalkamn
memiliki peubah acak x dan pop II dimisalkan memiliki
peubah acak y
 Sehingga dari sampel-sampel masing-masing populasi
diperoleh

x1 , x2 ,..., xk y1 , y2 ,..., yk

 Maka diperoleh hubungan-hubungan sebagai berikut:

 distribusi selisih rata-rata

 12  22
 x  y  1   2  x y  
n1 n2

 Distribusi jumlah rata -rata

 x  y  1   2  12  22
 xy  
n1 n2
Distribusi Simpangan Baku
 DISTRIBUSI SIMPANGAN BAKU
 Seperti biasa kita mempunyai populasi berukuran N. Diambil sampel-sampel acak
berukuran n, lalu untuk tiap sampel dihitung simpangan bakunya, yaitu s. Dari
kumpulan ini sekarang dapat dihitung rata-ratanya, diberi simbol μs dan simpangan
bakunya, diberi simbol σ s.
 Jika populasi berdistribusi normal atau hampir normal, maka distribusi simpangan baku,
untuk n besar, biasanya n ≥ 100, sangat mendekati distribusi normal dengan :

dengan σ = simpangan baku populasi.

Transformasi yang diperlukan untuk membuat distribusi menjadi normal baku adalah:
Untuk populasi tidak berdistribusi normal dan untuk sampel berukuran kecil, n<100 ,
rumus- rumusnya sangat sulit dan karena peggunaannya tidak banyak maka disini tidak

dijelaskan lebih lanjut.

Contoh:

Varians sebuah populasi yang berdistribusi normal 6,25. Diambil sampel berukuran 225.

Tentukan peluang sampel tersebut akan mempunyai simpangan bakulebih dari 3,5.

Jawab:

Varians = 6,25 ber = 2,5. Ukuran sampel cukup besar, maka distribusi simpangan baku

mendekati distribusi normal dengan rata-rata μs=2,5 dan simpangan baku

Bilangan z untuk s = 3,5 adalah

Praktis tidak menjadi sampel berukuran 225 dengan simpangan baku lebih dari 3,5.
Kesimpulan
 1. Populasi adalah totalitas dari semua objek atau individu yang memiliki
karakteristik tertentu, jelas dan lengkap yang akan diteliti (Bahan penelitian).
 2. Sample adalah bagian dari populasi yang diambil melalui cara-cara
tertentu
yang juga memiliki karakteristik tertentu, jelas, lengkap yang dianggap bisa
mewakili populasi.
 3. Distribusi sampling adalah distribusi dari mean-mean yang diambil
secara
berulang kali dari suatu populasi. Bila pada suatu populasi tak terhingga
dilakukan pengambilan sampel secara acak berulang-ulang hingga semua
sampel yang mungkin dapat ditarik dari populasi tersebut. Sampel yang
diambil dari populasi terbatas dan sebelum dilakukan pengambilan sampel
berikutnya sampel unit dikembalikan kedalam populasi.
 4. Misalkan kita mempunyai sebuah populasi berkukuran terhingga N
denganparameter rata-rata µ dan simpangan baku σ. Dari populasi ini diambil
secara acak berukuran n. Jika sampling dilakukan tanpa pengembalian, kita tahu
semuanya ada (Nn ) buah sampel yang berlainan. Untuk semua sampel yang
didapat, masing-masing dihitung rata-ratanya. Dengan demikian diperoleh (Nn )
buah rata-rata.

 5. Uraian untuk distribusi proporsi sejalan dengan untuk distribusi rata-rata.

Misalkan populasi diketahui berukuran N yang didalamnya didapat peristiwa A
sebanyak Y di antara N. Maka didapat parameter proporsi A sebesar µ = (Y/N).

 6. Seperti biasa kita mempunyai populasi berukuran N. Diambil sampel-sampel

acak berukuran n, lalu untuk tiap sampel dihitung simpangan bakunya, yaitu s. Dari
kumpulan ini sekarang dapat dihitung rata-ratanya, diberi simbol μs dan
simpangan bakunya, diberi simbol σ s.
TERIMA KASIH