Distribusi Sampling

Debrina Puspita Andriani

www.debrina.lecture.ub.ac.id
6.2 E-mail : [email protected] / [email protected]
 2

Outline

Pengertian dan Konsep Dasar

Distribusi Sampling

Distribusi Sampling Mean

Distribusi Sampling Proporsi

Distribusi Sampling Standard Deviasi

www.debrina.lecture.ub.ac.i 25/07/
 sampel mean Std.dev

1 x1 s1
2 x2 s2
3 x3 s3
4 x4 s4
5 x5 s5
6 x6 s6
7 x7 s7
8 x8 s8
9 x9 s9
10 x10 s10
11 x11 s11
12 x12 s12
13 x13 s13

www.debrina.lecture.ub.ac.i 25/07/
 13 12 11
1 3
populasi

2
10

3 9

4
8

5 6 7

Pengertian dan Konsep Dasar

• Distribusi sampel adalah distribusi dari rata-rata atau proporsi sampel
yang diambil secara berulang-ulang (n kali) dari populasi.

• Ada sebanyak n rata-rata atau n nilai proporsi

• Distribusi dari rata-rata atau proporsi tersebut yang disebut sebagai

distribusi sampel (sampling distribution)
www.debrina.lecture.ub.ac.i 25/07/
 POPULASI 4
AMATAN

Distribusi Sampling
menunjukkan distribusi dari nilai – nilai yang berbeda statistik sampel
atau penduga dari banyak sampel yang berukuran sama. Sebuah statistik
sampel akan berbeda – beda nilainya dari satu sampel ke sampel yang
lain karena adanya perbedaan sampling acak atau kesalahan
sampling.
www.debrina.lecture.ub.ac.i 25/07/
 Distribusi Sampling : ILUSTRASI 5

POPULASI AMATAN

N individu
Mean = µ
St. deviasi = σ

Diambil
beberapa
Sampel
sejumlah n
SAMPEL 1 SAMPEL 2 SAMPEL 3 SAMPEL …

www.debrina.lecture.ub.ac.i 25/07/
 Distribusi Sampling : JENIS 6

Distribusi sampling rata- rata (harga mean)

Distribusi sampling proporsi

beda 2 rata-rata
Distribusi sampling
standard deviasi :

beda 2 proporsi

X1
s1
 X2
s2
 X3
s3
 X… Distribusi sampling harga mean
s… Distribusi sampling harga st. dev
p^
 p^
 p^
 p^ Distribusi sampling harga
1
 2
 3
 …
proporsi

www.debrina.lecture.ub.ac.i 25/07/
 7
Distribusi Sampling : ILUSTRASI
POPULASI 1
POPULASI 2
N1 individu
Mean = µ1
St. deviasi = σ1

N2 individu
Mean = µ2
St. deviasi = σ2

SAMPEL SAMPEL SAMPEL … SAMPEL SAMPEL SAMPEL …

X1 X1 X… X2 X2 X…
^ ^ ^ ^
p1 p… ^ p2 ^
p1 p2 p…

X1 - X2 X1 - X2 X1 - X2 Distribusi sampling harga perbedaan dua mean

 
p^ - p^ p^ - p^ p^ - 2p^Distribusi sampling harga perbedaan dua proporsi
1 2
 1
www.debrina.lecture.ub.ac.i
2
 1
25/07/
 Distribusi Sampling 8
RATA-RATA (HARGA
MEAN)
Distribusi dari besaran rata-rata yang muncul dari sampel-sampel

Pemilihan sampel dari populasi terbatas:

Apabila sampel – sampel random beranggota n individu
masing – masing diambil dari suatu populasi yang mempunyai
mean = µ dan standar deviasi = σ, maka distribusi sampling
harga mean akan mempunyai mean (mean of means) dan
standar deviasi (standard error of the means) :

Pengambilan sampel
with replacement Pengambilan sampel without
(dengan replacement (tanpa
pengembalian) pengembalian)

www.debrina.lecture.ub.ac.i 25/07/
 µx = µ µx = µ
σx = σ σx = σ
N-n
n n
N-1

www.debrina.lecture.ub.ac.i 25/07/
 Distribusi Sampling 9
RATA-RATA (HARGA
MEAN)
Distribusi dari besaran rata-rata yang muncul dari sampel-sampel

Pemilihan sampel dari populasi tidak terbatas:

Tetapi bila N banyaknya tak terhingga, atau N besar sekali
relatif terhadap n (n/N ≤ 5%) , maka selalu dianggap bahwa
µx = µ
sifat σx = σ berlaku.
n

Pengambilan sampel with replacement

(dengan pengembalian)
 n/N ≤ 5%, berlaku:

Pengambilan sampel without

replacement (tanpa pengembalian)
 n/N > 5%, berlaku:
www.debrina.lecture.ub.ac.i 25/07/
 Distribusi Sampling 10
RATA-RATA (HARGA
MEAN)

STUDI KASUS 1
Diberikan sebuah populasi dengan N = 10, yakni terdiri atas
angka – angka :

98 98 Jika dihitung, populasi tersebut memiliki µ = 98

99 97 dan σ = 0,52. Apabila diambil sampel
97 97 sebanyak 2. Hitung mean (mean of means)
98 98 dan standar deviasi (standard error of the
99 99 means) !

www.debrina.lecture.ub.ac.i 25/07/
 Distribusi Sampling 11
RATA-RATA (HARGA
MEAN)
STUDI KASUS 1
Penyelesaian :
Diketahui N = 10 dan n = 2.  n/N = 0,2 > 0,05. Maka pengambilan
sampel dilakukan tanpa pengembalian.

( 10
sampel rata - rata sampel rata - rata sampel rata - rata
2 )= 45 buah 98 ; 99
98 ; 97
98.5
97.5
99 ; 98
99 ; 99
98.5
99
99 ; 98
99 ; 97
98.5
98
98 ; 98 98 97 ; 98 97.5 99 ; 97 98
98 98 98 ; 99 98.5 97 ; 99 98 99 ; 98 98.5
99 97 98 ; 98
98 ; 97
98
97.5
97 ; 98
97 ; 97
97.5
97
99 ; 99
98 ; 97
99
97.5
97 97 98 ; 97 97.5 97 ; 97 97 98 ; 97 97.5
98 98 98 ; 98 98 97 ; 98 97.5 98 ; 98 98
98 ; 99 98.5 97 ; 99 98 98 ; 99 98.5
99 99 99 ; 97 98 98 ; 99 98.5 97 ; 97 97
99 ; 98 98.5 98 ; 98 98 97 ; 98 97.5
99 ; 99 99 98 ; 97 97.5 97 ; 99 98
99 ; 98 98.5 98 ; 97 97.5 97 ; 98 97.5
99 ; 97 98 98 ; 98 98 97 ; 99 98
www.debrina.lecture.ub.ac.i 25/07/
99 ; 97 98 98 ; 99 98.5 98 ; 99 98.5
 Distribusi Sampling 12
RATA-RATA (HARGA
MEAN)
STUDI KASUS 1
Penyelesaian :

Σ rata - rata = 4410

rata - rata = 4410/45= 98
Standar deviasi = 0,52 Atau dihitung dengan rumus :

µx =µ
σ N- n 0.78 10 - 2
σx = N-1 = 2 . 10 - 1 = 0.52
n
www.debrina.lecture.ub.ac.i 25/07/
 Distribusi Sampling 13
RATA-RATA (HARGA
MEAN)
Dari tabel sebelumnya, apabila dibuatkan summary hasilnya sbb :
RATA - RATA FREKUENSI PELUANG
97 3 1/ 15
97.5 12 4/ 15
98 15 1/ 3
98.5 12 4/ 15
99 3 1/ 15
JUMLAH 45 Rata 1– rata untuk semua sampel membentuk d
Berlaku juga dalil limit pusat.

DALIL LIMIT PUSAT : Dalam pemilihan sampel acak sederhana dengan ukuran

www.debrina.lecture.ub.ac.i 25/07/
 Distribusi Sampling baku

RATA-RATA (HARGA
25/07/15
MEAN)
Pada umumnya, normalitas dari
distribusi sampling rata-rata disebut
teorema limit sentral dan dinyatakan
sbb:
1. Jika populasi cukup besar dan
berdistribusi secara normal maka
distribusi samplingnya akan
normal
2. Jika populasi tidak normal maka
distribusi sampling rata-ratanya
akan mendekati normal,
apabila jumlah sampel cukup
besar, biasanya 30 atau lebih (n
≥ 30)
3. Distribusi normal dari rata-rata
sampel memiliki rata-rata yang
sama dengan rata-rata
harapan E( )dan simpangan
www.debrina.lecture.ub.ac.i
 14

www.debrina.lecture.ub.ac.i
 Distribusi Sampling 15
RATA-RATA (HARGA
MEAN)

STUDI KASUS 2
Diberikan sebuah populasi dengan N = 5, yakni terdiri atas angka
– angka : 6, 8, 9, 12, dan 15. Kemudian dari populasi itu akan
diambil sampel yang beranggotakan dua (yang mungkin bisa
diambil dari populasi itu). Hitung mean (mean of means) dan
standar deviasi (standard error of the means) bila sampel diambil
dengan pengembalian dan tanpa pengembalian !

www.debrina.lecture.ub.ac.i 25/07/
 Distribusi Sampling 16
RATA-RATA (HARGA
MEAN)
STUDI KASUS 2
Bila pengambilan sampel dilakukan dengan pengembalian (with replacement),
maka akan terdapat 25 sampel dengan anggota 2 angka yang bisa diambil
dari populasi tersebut. (Nn = 52 = 25)

sampel mean sampel mean sampel mean

6;6 X1 = 6 8;6 X6 = 7 9;6 X11 = 7,5
6;8 X2 = 7 8;8 X7 = 8 9;8 X12 = 8,5
6;9 X3 = 7,5 8;9 X8 = 8,5 9;9 X13 = 9
6 ; 12 X4 = 9 8 ; 12 X9 = 10 9 ; 12 X14 = 10,5
6 ; 15 X5 = 10,5 8 ;15 X10 = 11,5 9 ; 15 X15 = 12
sampel mean sampel mean
12 ; 6 X16 = 9 15 ; 6 X21 = 10,5
12 ; 8 X17 = 10 15 ; 8 X22 = 11,5
12 ; 9 X18 = 10,5 15 ; 9 X23 = 12
12 ; 12 X19 = 12 15 ; 12 X24 = 13,5
www.debrina.lecture.ub.ac.i 25/07/
 12 ; 15 X20 = 13,5 15 ; 15 X25 = 15

www.debrina.lecture.ub.ac.i 25/07/
 Distribusi Sampling 17
RATA-RATA (HARGA
MEAN)
STUDI KASUS 2
Distribusi harga mean, yakni himpunan harga X1 sampai dengan X25 :

6 7 7,5 9 10,5
7 8 8,5 10 11,5
7,5 8,5 9 10,5 12
9 10 10,5 12 13,5
10,5 11,5 12 13,5 15

Pengambilan sampel with replacement (dengan pengembalian) :

6 + 7 + 7.5 +... +15 (6 - 10)2 + (7 - 10)2 +... + (15 - 10)2
µx = = 10 = 5 = 2.24
25
ATAU ATAU
6 + 8 + 9 +12 +15 σ 3.16
µ= = 10 σx = n = 2 = 2.24
5
www.debrina.lecture.ub.ac.i 25/07/
 Distribusi Sampling 18
RATA-RATA (HARGA
MEAN)
STUDI KASUS 2
Bila pengambilan sampel dilakukan tanpa pengembalian (without
replacement), maka akan terdapat 10 sampel dengan anggota 2
angka yang bisa diambil dari populasi tersebut.

( 5 ) = 10 buah sampel
2

sampel mean sampel mean

6;8 X1 = 7 8 ; 12 X6 = 10 7 + 7.5 + 9 +... +
6;9 X2 = 7.5 8 ; 15 X7 = 11.5
13.5
µx = µ = = 10
10
6 ; 12 X3 = 9 9 ; 12 X8 = 10.5
6 ; 15 X4 = 10.5 9 ; 15 X9 = 12 σN - n 3.16 5 - 2
σx = nN - 1 =2 .5 - 1 = 1.94
8;9 X5 = 8.5 12 ;15 X10 = 13.5

www.debrina.lecture.ub.ac.i 25/07/
 Distribusi Sampling 19
PROPORSI
Adalah distribusi dari proporsi (presentase) yang diperoleh dari
semua sampel sama besar yang mungkin dari satu populasi

p X
Proporsi dari populasi
N

Proporsi dari sampel

p X
n

Dapat digunakan untuk mengetahui perbandingan antara

dua hal yang berkomplemen (binomial) seperti % perokok
dan bukan perokok, % pemilih dan bukan pemilih dalam
pemilu dsb

www.debrina.lecture.ub.ac.i 25/07/
 Distribusi Sampling 20
PROPORSI
Pada distribusi sampling proporsi berlaku hal-hal sbb:
1) Untuk pengambilan sampel dengan pengembalian
atau Jika ukuran populasi besar, n/N ≤ 5%, berlaku:
σP

Keterangan:
P = proporsi kejadian sukses
Q= proporsi kejadian gagal (1 – P)

2) Untuk pengambilan sampel tanpa pengembalian

atau Jika ukuran populasi kecil, n/N > 5%, berlaku:
σP

www.debrina.lecture.ub.ac.i 25/07/
 Distribusi Sampling 21
PROPORSI
Pada distribusi sampling proporsi berlaku hal-hal sbb:

3) Daftar distribusi normal untuk distribusi sampling proporsi

dapat ditentukan sbb:

Nilai Z adalah:

www.debrina.lecture.ub.ac.i 25/07/
 Distribusi Sampling 22
PROPORSI

STUDI KASUS
Sebuah populasi yang beranggotakan 6 orang, 3
diantaranya perokok dan yang lainnya bukan perokok.
Apabila diambil sampel beranggotakan 3 orang; proporsi
atau banyaknya sampel ketiganya anggota sampel perokok, 2
perokok & 1 bukan perokok, 1 perokok & 2 bukan perokok,
dan ketiganya anggota sampel bukan perokok dapat
diketahui (tanpa pengembalian).

Misal anggota populasi A, B, C untuk perokok dan K, L, M

untuk bukan perokok.

Banyaknya sampel yang diambil adalah:

www.debrina.lecture.ub.ac.i 25/07/
 Distribusi Sampling 23
PROPORSI
PENYELESAIAN
� Ke-20 buah sampel itu adalah:
1. ABC 6. ACL 11. BCK 16. BLM
2. ABK 7. ACM 12. BCL 17. CKL
3. ABL 8. AKL 13. BCM 18. CKM
4. ABM 9. AKM 14. BKL 19. CLM
5.ACK 10. ALM 15. BKM 20. KLM
� Distribusi sampling proporsinya (X = perokok, n = 3)

Sampel yang mungkin (X) Proporsi sampel (X/n) f Prob.

X = 3 (3(p), 0(bp)) 1 1 0,05

X = 2 (2(p), 1(bp)) 0,67 9 0,45
X = 1 (1(p), 2(bp)) 0,33 9 0,45
X = 0 (0(p), 3(bp)) 0 1 0,05
Jumlah 20 1,00

www.debrina.lecture.ub.ac.i 25/07/
 Distribusi Sampling 24
STANDAR DEVIASI: BEDA 2 RATA-
RATA
Adalah distribusi dari perbedaan dua besaran rata-rata yang
muncul dari sampel – sampel dua populasi.

Diperoleh dua sampel berukuran cukup besar (n≥30) yang diambil

dari dua buah populasi yang memiliki variansi populasi σ12 dan
2
o2 . .
Jika rata-rata sampel x1danx2, maka distribusi selisih rata-
adalah
rata sampel akan memiliki rata-rata:
x x = μ1- μ2
1 2
dengan variansi :
 2 x x
1 2
= σ 1
2
/n1 + σ 2
2
/n2
sehingga bisa dinyatakan bahwa variabel normal standard Z:
d
z x1  x2
www.deb
rina.lectu
re.ub.ac.i
 n1  n2
 ( 1  2 )

25
/0
7/
15
 Distribusi Sampling 25
STANDAR DEVIASI: BEDA 2 RATA-
RATA

STUDI KASUS
Lampu pijar merk “Ampuh” memiliki rata-rata daya tahan 4500
jam dengan deviasi standard 500 jam, sedangkan lampu pijar
merk “Baik” memiliki rata-rata daya tahan 4000 jam dengan
deviasi standard 400 jam.
Jika diambil sampel masing-masing 100 buah lampu pijar dan
diteliti, berapa probabilitas bahwa selisih rata-rata daya tahan
kedua lampu pijar tersebut lebih besar dari 600 jam?

www.debrina.lecture.ub.ac.i 25/07/
 Distribusi Sampling 26
STANDAR DEVIASI: BEDA 2 RATA-RATA
PENYELESAIAN

Probabilitas 600

x1  x  (    )
z 2 1 2
2 2
1 2

n1 n2

P(Z > 1,56) = 1 – P (Z ≤ 1,56) = 1- 0,9406 = 0,0594 = 5,94%

www.debrina.lecture.ub.ac.i 25/07/
 Distribusi Sampling 27
STANDAR DEVIASI: BEDA 2
PROPORSI
Adalah distribusi dari perbedaan dua besaran proporsi yang
muncul dari sampel – sampel dua populasi.

Misal, terdapat dua populasi N1 dan N2 (binomial), kemudian

diambil sampel random, yaitu n1 dan n2 dengan P1 dan P2
maka beda antara kedua sampel proporsi (p1 dan p2) akan
membentuk suatu distribusi, yaitu distribusi sampling beda
proporsi

www.debrina.lecture.ub.ac.i 25/07/
 Distribusi Sampling 28
STANDAR DEVIASI: BEDA 2
PROPORSI
� Pada distribusi sampling beda dua proporsi berlaku hal-hal sbb:
� Rata-rata:

� Simpangan baku:

� Jika n1 dan n2 (n1, n2 ≥ 30) cukup besar, distribusi sampling

proporsi akan mendekati distribusi normal, dengan variabel
random standar yang rumus Z-nya:

www.debrina.lecture.ub.ac.i 25/07/
 Distribusi Sampling 29
STANDAR DEVIASI: BEDA 2
PROPORSI

STUDI KASUS 1
Berdasarkan sebuah penelitian, 1 orang dari 100 orang yang
tidak merokok terkena TBC sedangkan 5 orang dari 100 orang
perokok terkena TBC. Jika diambil sampel masing-masing 100
orang dari populasi orang merokok dan populasi orang tidak
merokok, berapa probabilitas yang terkena TBC lebih besar
dari 5%?

www.debrina.lecture.ub.ac.i 25/07/
 Distribusi Sampling
30
STANDAR DEVIASI: BEDA 2
PROPORSI
PENYELESAIAN
P1 = proporsi populasi perokok yang terkena TBC
P2 = proporsi populasi bukan perokok yang terkena TBC

= 5% - 1% = 4%

= P (Z > 0,42)
= 1 – P (Z < 0,42) = 1 – 0,6628
www.debrina.lecture.ub.ac.i 25/07/
 = 0,3372 = 33,72%

www.debrina.lecture.ub.ac.i 25/07/
 Distribusi Sampling 31
STANDAR DEVIASI: BEDA 2
PROPORSI

STUDI KASUS 2
Sebanyak 35% pelamar kerja diterima bekerja di Bank Unggul.
Mereka tahun sebelumnya pernah melamar, tapi tidak diterima.
Sebanyak 30% dari pelamar kerja yang belum pernah melamar
di tahun sebelumnya, tahun ini diterima di bank tersebut.
Apabila diambil sampel random sebanyak 250 pelamar, baik
yang belum pernah melamar atau yang sudah, berapa
probabilitas bahwa beda proporsi yang pernah melamar dan
akhirnya diterima tahun ini dengan yang belum pernah
melamar yang juga diterima adalah kurang dari 2%?

www.debrina.lecture.ub.ac.i 25/07/
 Distribusi Sampling
32
STANDAR DEVIASI: BEDA 2
PROPORSI
PENYELESAIAN
P1 = proporsi pelamar yang sebelumnya pernah melamar
P2 = proporsi pelamar yang belum pernah melamar
P1 = 35% = 0,35
P2 = 30% = 0,3
n1 = n2 = 250
p1 -p2 = 2% = 0,02

Didapat: P(Z < -0,71) = 0,5 – 0,2612 = 0,2388 = 23,88%

www.debrina.lecture.ub.ac.i 25/07/