DISTRIBUSI SAMPLING

Populasi dan Sampel??

Populasi
 Keseluruhan pengamatan yang diteliti.
 Ada 2 macam, populasi berhingga dan tak berhingga.
 Ukuran populasi : banyaknya pengamatan (N)
 Karakteristik : ciri atau sifat dari populasi
 Parameter : hasil pengukuran karakteristik (μ dan σ)
 Sensus : cara mengumpulkan data

Kelemahan Populasi :
1. Memerlukan biaya yang sangat mahal
2. Memerlukan waktu yang lama
3. Memerlukan tenaga dalam jumlah yang besar
4. Data yang diperoleh tidak akurat

Sampel
 Mengambil sebagian anggota dari populasi
 Sampel ada 2, sampel besar dan sampel kecil
 Fungsinya untuk menyimpulkan atau mengetahui karakteristik
atau parameter dari populasi (potret /gambaran dari populasi)
 Ukuran sampel : banyaknya pengamatan (n)
 Statistik : hasil pengukuran karakteristik ( X́ dan S)
Rahma Faelasofi Page 1
 Sampling : cara mengumpulkan data

Sampling

Populasi Sampel

Populasi Sampel
N n
Parameter Statistik
μ X́
σ S
Berhingga/Tak berhingga Besar/Kecil

Populasi dapat merupakan populasi berhingga ataupun tak-

berhingga. Sebagai contoh, jika kita mengambil 10 bola secara
berturut-turut dengan tidak mengembalikan lagi bola-bola yang
terambil ke dalam kantong yang berisi 100 bola maka kita sebut
melakukan sampling dari sebuah populasi berhingga. Sementara itu,
jika kita melemparkan sekeping uang logam sebanyak 50 kali dan
menghitung banyaknya tanda gambar yang muncul maka kita
disebut melakukan sampling dari suatu populasi tak-berhingga.

Rahma Faelasofi Page 2

Kemudian apakah ada perbedaan antara Statistik sampel Vs
Parameter populasi??

Keuntungan Sampel :
1. Biaya lebih murah
2. Waktu yang lebih singkat
3. Tenaga yang diperlukan lebih sedikit
4. Data yang diperoleh lebih akurat

Sampel harus representatif dengan ciri-ciri :

1. Mempunyai ukuran tertentu yang memakai syarat
2. Mempunyai kesalahan kecil
3. Dipilih dengan prosedur yang benar berdasarkan teknik atau cara
sampling tertentu

Rahma Faelasofi Page 3

 Kemudian adanya penarikan kesimpulan tentang parameter
populasi berdasarkan data keterangan tidak lengkap yang diperoleh
melalui pengambilan sampel dan penghitungan harga-harga statistik.
Harga suatu statistik tergantung pada data-data yang diamati,
sehingga harga statistik bervariasi dari satu sampel ke sampel
lainnya. Hal tersebut seperti yang disajikan dalam gambar di bawah
ini:

Populasi (N)
X1 , X2 , ⋯ , X N

Parameter
μ dan σ 2

sampel (n) sampel (n) sampel (n)

X1 , X2 , ⋯ , Xn X1 , X2 , ⋯ , Xn X1 , X2 , ⋯ , Xn

statistik statistik statistik

X́ 1 dan S 21 X́ 2 dan S 22 X́ n dan S2n

Cara pengambilan sampel sedemikian hingga setiap elemen

populasi mempunyai kemungkinan sama untuk terpilih sebagai
anggota sampel disebut sampel random. Diketahui ada dua cara

Rahma Faelasofi Page 4

pengambilan sampel random, yaitu pengambilan sampel random
dengan pengambilan dan tanpa pengembalian.

 Jika populasi berukuran N diambil sampel berukuran n dengan

pengembalian, maka ada Nn buah sampel yang mungkin diambil.
Dalam kasus pengembalian lagi, sampel tersebut bisa saja muncul
kembali dalam pengambilan-pengambilan berikutnya. Sampling
dimana masing-masing anggota populasi dapat dipilih lebih dari
satu kali disebut sebagai sampling dengan pengembalian.
 Jika populasi berukuran N diambil sampel berukuran n dengan

tanpa pengembalian maka ada ( Nn )= ( N−nN !) ! n! buah sampel yang

mungkin diambil. Dalam kasus tanpa pengembalian lagi, sampel

yang bersangkutan hanya muncul satu kali. Sampling dimana
masing-masing anggotanya tidak dapat dipilih lebih dari satu kali
disebut sebagai sampling tanpa pengembalian.

Ex:

Diberikan populasi dengan data 23, 23, 21, 22, 24, yang kemudian
diambil sampel berukuran 2, ada berapa buah sampel semuanya jika
diambil dengan pengembalian & tanpa pengembalian, kemudian
berikan semua sampel yang mungkin?

Jawab:

Dengan pengembalian: N n=5 2=25 buah sampel

Rahma Faelasofi Page 5

Sampel yang mungkin: (23,23),(23,23),(23,21),(23,22),(23,24),(23,23),
(23,23),(23,21),(23,22),
(23,24),(21,23),(21,23),(21,21),(21,22),(21,24),(22,23),(22,23),(22,21),
(22,22),(22,24),(24,23), (24,23),(24,21),(24,22),(24,24)

Tanpa pengembalian: ( Nn )= ( N−nN !) ! n! = 3 !5!.2 ! =10 buah sampel

Sampel yang mungkin: (23,23),(23,21),(23,22),(23,24),(23,21),
(23,22),(23,24),(21,22),(21,24),(22,24)

BEBERAPA TEKNIK PENARIKAN SAMPEL :

1. Penarikan Sampel Acak Sederhana (Simple Randomized Sampling)
Pengacakan dapat dilakukan dengan : undian, tabel bilangan acak,
program komputer.
2. Penarikan Sampel Sistematik (Systematic Sampling)
Tetapkan interval lalu pilih secara acak anggota pertama sampel
Ex :
Ditetapkan interval = 20
Secara acak terpilih : Anggota populasi ke-7 sebagai anggota ke-1
dalam sampel, maka : Anggota populasi ke-27 menjadi anggota
ke-2 dalam sampel. Anggota populasi ke-47 menjadi anggota ke-3
dalam sampel, dst.
3. Penarikan Sampel Acak Berlapis (Stratified Random Sampling)
Populasi terdiri dari beberapa kelas/kelompok. Dari setiap kelas
diambil sampel secara acak.
Perlu diingat….

Rahma Faelasofi Page 6

 Antar Kelas bersifat (cenderung) berbeda nyata (heterogen).
Anggota dalam suatu kelas akan (cenderung) sama (homogen).
Contoh :
Dari 1500 penumpang KA (setiap kelas memiliki ukuran yang
sama) akan diambil 150 orang sebagai sampel, dilakukan
pendataan tentang tingkat kepuasan, maka sampel acak dapat
diambil dari :
Kelas Eksekutif : 50 orang
Kelas Bisnis : 50 orang
Kelas Ekonomi : 50 orang

4. Penarikan Sampel Gerombol/Kelompok (Cluster Sampling)

Populasi juga terdiri dari beberapa kelas/kelompok
Sampel yang diambil berupa kelompok bukan individu anggota.
Antar kelas bersifat (cenderung) sama (homogen). Anggota dalam
suatu kelas akan (cenderung) berbeda (heterogen).
Contoh :
Terdapat 40 kelas untuk tingkat II Jurusan Ekonomi-GD, setiap
kelas terdiri dari 100 orang. Populasi mahasiswa kelas 2, Ekonomi-
UGD = 40 × 100 = 4000.
Jika suatu penelitian dilakukan pada populasi tersebut dan sampel
yang diperlukan = 600 orang, dilakukan pendataan mengenai lama
waktu belajar per hari maka sampel dapat diambil dari 6 kelas....
Dari 40 kelas, ambil secara acak 6 kelas.

Rahma Faelasofi Page 7

5. Penarikan Sampel Area (Area Sampling)
Prinsipnya sama dengan Cluster Sampling.
Pengelompokan ditentukan oleh letak geografis atau
administratif.
Contoh : Pengambilan sampel di daerah JAWA BARAT, dapat
dilakukan dengan memilih secara acak KOTAMADYA tempat
pengambilan sampel, misalnya terpilih, Kodya Bogor, Sukabumi
dan Bandung.

Berdasarkan Ukurannya, maka sampel dibedakan menjadi :

1. Sampel Besar jika ukuran sampel (n) ≥ 30
2. Sampel Kecil jika ukuran sampel (n) < 30

Distribusi Sampling

Oleh karena setiap statistik akan bervariasi dari satu sampel ke

sampel lainnya, jadi statistik merupakan variabel random yang
bergantung pada sampel yang diamati. Pandanglah semua
kemungkinan sampel berukuran N yang dapat diambil dari suatu
populasi yang diberikan (baik dengan ataupun tanpa pengembalian).
Untuk setiap sampel ini, kita dapat menghitung statistik sampel atau
statistik (seperti mean dan standar deviasi) yang akan bervariasi
antara sampel yang satu dengan sampel yang lainnya. Dalam hal ini

Rahma Faelasofi Page 8

akan diperoleh sebuah distribusi dari statistik tersebut yang disebut
distribusi sampling.

Distribusi sampling suatu statistik tergantung pada ukuran

populasi, ukuran sampel, dan cara pengambilan sampel, apabila
ukuran populasi relatif jauh lebih besar dari ukuran sampel maka
perbedaan cara pengambilan sampel dapat diabaikan. Dalam bab ini,
akan dipelajari distribusi sampling. Ada empat macam distribusi
sampel :
1. Distribusi sampel rata-rata
2. Distribusi sampel proporsi
3. Distribusi sampel beda dua rata-rata
4. Distribusi sampel beda dua proporsi

Terdapat beberapa notasi yang relevan dalam distribusi sampling,

yaitu:

n : ukuran sampel N : ukuran populasi

X́ : rata-rata sampel μX : rata-rata populasi
S : standar deviasi sampel σX : standar deviasi populasi
μ X́ : rata-rata antar semua sampel
σ X́ : standar deviasi antar semua sampel = standard error = galat baku

Distribusi sampel rata-rata

Rahma Faelasofi Page 9
 Bila populasi berhingga berukuran N dengan rata-rata μX dan
simpangan baku σ X diambil sampel berukuran n ( n ≥ 30 ) dan rata-rata X́

, maka sampel yang diambil dengan pengembalian dapat diperoleh:

1. Distribusi sampel rata-rata μ X́ =μ X
σ
2. Simpangan baku : σ X́ = √ nX

Dimana bila n≥30, maka distribusi sampelnya akan mendekati

distribusi normal sehingga variabel random Z dapat dihitung dengan
rumus :
X́−μ X́ X́−μ X
Z= =
σ X́ σ X́

Sedangkan untuk sampel yang diambil tanpa pengembalian dapat

diperoleh:
1. Distribusi sampel rata-rata μ X́ =μ X
2. Simpangan baku
σX N −n
σ X́ =
√
√ n N−1
N −n
Dimana √ N −1
disebut faktor koreksi populasi berhingga

Bila n≥30, maka distribusi sampelnya akan mendekati distribusi

normal sehingga variabel random Z dapat dihitung dengan rumus :
X́−μ X́ X́−μ X
Z= =
σ X́ σ X́

 Faktor Koreksi (FK) akan menjadi penting jika sampel berukuran n

diambil dari populasi berukuran N yang berhingga/ terbatas
besarnya
Rahma Faelasofi Page 10
 Jika sampel berukuran n diambil dari populasi berukuran N yang
N −n
sangat besar maka FK akan mendekati 1→
√ N−1
≈1 , hal ini

mengantar kita pada Teorema Limit Pusat:

TEOREMA LIMIT PUSAT

Jika terdapat suatu sampel berukuran n yang memiliki rata-rata yaitu X́

, dimana diambil dari suatu populasi yang berukuran N yang besar

dengan distribusinya sembarang akan memiliki rata-rata : μX dan
standar deviasi : σ X. Maka, distribusi rata-rata akan mendekati
Distribusi Normal dengan:
σX X́−μ X
μ X́ =μ X dan σ X́ = dengan nilai Z =
√n σX
√n

 Teorema Limit Pusat berlaku untuk :

1. penarikan sampel dari populasi yang sangat besar,
2. distribusi populasi tidak dipersoalkan
 Dari beberapa sumber yang ada, menyatakan bahwa Populasi
dianggap Besar jika ukuran sampel kurang dari 5% ukuran populasi
n
atau N
<5 % .

Perlu diingat…
Dalam mengerjakan soal DISTRIBUSI SAMPEL RATA-RATA
perhatikan asumsi-asumsi dalam soal sehingga anda dapat dengan
mudah dan tepat menyelesaikan soal-soal tersebut.

Rahma Faelasofi Page 11

Ex :
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. a. Jika setiap hari diambil 100 gelas AKUA
sebagai sampel acak DENGAN PEMULIHAN, hitunglah : standard
error atau galat baku sampel tersebut dan peluang rata-rata
sampel akan berisi kurang dari 253 ml?. b. Jika sampel diperkecil
menjadi 25 gelas, hitunglah : standard error atau galat baku
sampel tersebut dan peluang rata-rata sampel akan berisi lebih
dari 255 ml?
Jawab:
Diketahui:
a. N=100 juta; μ X́ =μ X =250 ; σ X =15 ; n=100

Galat baku atau standar error sampel

σX 15 15
galat baku=σ X́ = = = =1,5
√ n √ 100 10
253−250 3
Z= = =2
1,5 1,5

Sehingga, P ( X́ <253 ) =P ( Z <2 )=0,5+ 0,4772=0,9772

Jadi, peluang rata-rata sampel akan berisi kurang dari 253ml
adalah 0,9772 atau 97,72%.
b. N=100 juta; μ X́ =μ X =250 ; σ X =15 ; n=25

Rahma Faelasofi Page 12

 Karena populasi sangat besar dan pengambilan sampelnya kecil,
maka digunakan pendekatan Teorema Limit Pusat
P ( X́ >255 ) =P ( Z >? )

Galat baku atau standar error sampel

σ X 15 15
galat baku=σ X́ = = = =3
√ n √ 25 5
255−250 5
Z= = =1,67
3 3

Sehingga, P ( X́ >255 ) =P ( Z >1,67 )=0,5−0,4525=0,0475

Jadi, peluang rata-rata sampel akan berisi lebih dari 255ml adalah
0,0475 atau 4,75%.

2. Kecepatan maksimum 2000 mobil mempunyai rata-rata 135,5

km/jam dengan simpangan baku 5,2 km/jam. Jika sampel sebesar
150 mobil dipilih secara acak tanpa pengembalian, hitung
probabilitas kecepatan maksimum rata-rata dari 150 mobil
tersebut yang lebih besar dari 136,1 km/jam!
Jawab:
σ X N −n 5,2 2000−150
σ X́ =
√ =
√ n N−1 √ 150 2000−1√ =0,41

X́−μ X 136,1−135,5
Z= = =1,46
σ X́ 0,41

Jadi probabilitas kecepatan maksimum rata-rata mobil yang lebih

besar dari 136,1 km/jam adalah P(X>136,1) = P(Z>1,46) = 0,4279.

Distribusi Sampel Proporsi

Rahma Faelasofi Page 13
Bila populasi berukuran N mengandung jenis p sebanyak X, maka
X
proporsi p adalah N. Dimana p merupakan probabilitas untuk

terjadinya suatu peristiwa, sementara (q = 1-p) merupakan

probabilitas untuk tidak terjadinya suatu peristiwa.
Jika dari populasi tersebut diambil sampel berukuran n yang juga
x
mengandung proporsi n dan sampel diambil berulang maka distribusi

sampel proporsinya mempunyai :

X
1. Rata-rata → μ ^p=μ p = N
p (1−p )
2. Simpangan baku → σ ^p=
√
^p− p
n
3. Variabel random → Z=
σ ^p

Ex :
Diketahui sebanyak 10% dari ibu-ibu rumah tangga di Bandung
memakai detergen A untuk mencuci pakaiannya. Jika dari populasi
tersebut diambil sampel berukuran 100 :
a. Tentukan rata-rata dan simpangan baku dari populasi ibu-ibu
rumah tangga yang memakai detergen A!
b. Bila dari sampel tersebut ternyata terdapat paling sedikit 15 ibu
rumah tangga yang memakai detergen A, tentukan probabilitasnya!

Rahma Faelasofi Page 14

Jawab:

a. Rata-rata : 10% = 0 ,1
p ( 1− p ) 0,1 ( 0,9 )
σ ^p=
√ n
=
100 √ =0,03

15
b. Proporsi yang memakai detergen A adalah 100
=0,15

^p − p 0,15−0,1
Z= = =1,67
σ ^p 0,03
P ( Z >1,67 ) =0,5−0,4525=0,0475

Distribusi Sampel Beda Dua Rata-rata

Terdapat 2 populasi. Populasi 1 sebanyak N1 dan mempunyai rata-

rata μ1 serta simpangan baku σ 1. Populasi 2 sebanyak N2 mempunyai
rata-rata μ2 serta simpangan baku σ 2. Dari populasi 1 diambil sampel
acak sebanyak n1 dengan rata-rata X́ 1 dan dari populasi 2 sampel acak
sebanyak n2 dengan rata-rata X́ 2 dimana kedua sampel tersebut
dianggap saling bebas.
Dari sampel X́ 1 dan X́ 2 dapat dibuat sampel baru yang juga bersifat
acak, yaitu sampel beda dua rata-rata. Rata-rata dan simpangan baku
dari distribusi sampel beda dua rata-rata adalah :
Rata-rata : μ X́ −X́ =μ1−μ 2
1 2

σ 12 σ 22
Simpangan baku : σ X́ − X́ =
1 2
√ +
n1 n 2

( X́ 1− X́ 2 )−( μ 1−μ2 )
Variabel Random : Z= σ X́ − X́
1 2

Ex:
Rahma Faelasofi Page 15
Di suatu universitas diketahui rata-rata tinggi badan mahasiswa laki-
laki adalah 164 cm dengan simpangan baku 5,3 cm. Sedangkan
mahasiswa perempuan tinggi badannya rata-rata 153 cm dengan
simpangan baku 5,1 cm. Dari dua populasi tersebut diambil sampel
acak yang saling bebas masing-masing 150 orang, berapa
probabilitas rata-rata tinggi mahasiswa laki-laki paling sedikit 12 cm
lebihnya daripada rata-rata tinggi mahasiswa perempuan?
Jawab:
Diketahui:
Populasi 1 : μ1=164 cm, σ 1 =5,3 cm, dan sampel 1:n 1=150 orang
Populasi 2 : μ2=153 cm , σ 2=5,1 cm , dan sampel 2 :n2=150 orang
Misal : X́ 1 = rata-rata tinggi badan mahasiswa laki-laki
X́ 2 = rata-rata tinggi badan mahasiswa perempuan
Rata-rata : μ X́ −X́ =μ1−μ 2=164−153=11 cm
1 2

σ 12 σ 22 5,32 5,12
Simpangan baku : σ X́ − X́ =
1 2
√ + =
n1 n 2 √ +
150 150
=0,6

( X́ 1− X́ 2 )−( μ 1−μ2 ) ( X́ 1− X́ 2 )−11

Z= =
σ X́ − X́
1 2
0,6

Karena rata-rata tinggi badan mahasiswa laki-laki paling sedikit 12 cm

lebihnya daripada rata-rata tinggi badan mahasiswa perempuan,
12−11
maka ( X́ 1− X́ 2 ) ≥ 12 sehingga Z= =1,67 sehingga probabilitasnya
0,6
P ( Z ≥1,67 )=0,5−0,4525=0,0475

Distribusi Sampel Beda Dua Proporsi

Rahma Faelasofi Page 16

Ada 2 populasi.
X1
Populasi 1 berukuran N1 terdapat jenis X1 dengan proporsi .
N1

X2
Populasi 2 berukuran N2 terdapat jenis X2 dengan proporsi N 2. Bila

populasi 1 diambil sampel acak berukuran n1 maka sampel ini akan

x1
mengandung jenis x1 dengan proporsi . Demikian juga dengan
n1

populasi 2 diambil sampel acak berukuran n2 maka sampel ini akan

x2
mengandung jenis x2 dengan proporsi . Sampel 1 dan 2 dapat
n2

membentuk sampel acak baru yaitu sampel beda dua proporsi.

Distribusinya mempunyai :
Rata-rata : μ ^p − ^p = p1− p 2
1 2

p1 ( 1− p1 ) p2 ( 1− p2 )
Simpangan baku : σ ^p −^p =
1 2
√ n1
+
n2

( ^p 1−^p2 )−( p1 −p 2 )
Variabel Random : Z= σ ^p − ^p
1 2

Ex:

5% barang di gudang timur cacat, sedangkan barang yang cacat di

gudang barat sebanyak 10%. Bila diambil sampel acak sebanyak 200
barang dari gudang timur dan 300 barang dari gudang barat,
tentukan probabilitas persentase barang yang cacat dalam gudang
barat 2% lebih banyak dibanding gudang timur!
Jawab:

Rahma Faelasofi Page 17

Gudang barat : n1 =300; p1 =0,1
Gudang timur : n2 =200; p 2=0,05
^p1 = proporsi barang yang cacat di gudang barat dalam sampel
^p2 = proporsi barang yang cacat di gudang timur dalam sampel
σ p1 ( 1− p 1) p2 (1− p 2 )
^p1−¿ ^p =
2
√ n1
+
n2 √=
0,1 ( 0,9) 0,05 ( 0,95)
300
+
200
=0,023 ¿

( ^p 1−^p2 )−( p1 −p 2 ) ( ^p1 −^p 2 )−( 0,1−0,05 )

Z= =
σ ^p − ^p
1 2
0,023

Karena barang cacat di gudang barat 2% lebih banyak daripada di

gudang timur maka ( ^p1− ^p2 ) > 0,02 sehingga diperoleh:

0,02−0,05
Z= =−1,3
0,023

Jadi probabilitasnya adalah

P ( ^p1−^p2 >0,02 ) =P ( Z>−1,3 )=0,5+ 0,4032=0,9032=90,23 %

Distribusi Sampel Rata-rata untuk 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

Rahma Faelasofi Page 18

 Derajat bebas (db) = degree of freedom = v = n - 1.
n : ukuran sampel.
 Nilai α 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 sesuai dengan db yang harus disusun!
 Selanjutnya Distribusi-t akan digunakan dalam Pengujian
Hipotesis.

Nilai α ditentukan terlebih dahulu

Lalu nilai t tabel ditentukan dengan menggunakan nilai α dan
db.
Nilai t tabel menjadi batas selang pengujian
Lakukan pembandingan nilai t tabel dengan nilai t hitung.
Nilai t hitung untuk kasus distribusi rata-rata sampel kecil
didapat dengan menggunakan teori di bawah ini.

Distribusi Sampel dengan sampel kecil

Jika terdapat sampel ukuran kecil dengan n<30 , dengan rata-rata : X́

dan simpangan baku : s, yang diambil dari populasi yang berukuran

N, terdistribusi Normal, dengan rata-rata : μ X́ . Maka, distribusi rata-
rata akan mendekati distribusi-t dengan:

Rahma Faelasofi Page 19

 s X́−μ X́
μ X́ =μ X ; σ X́ = ; dan nilai t=
√n s
√n

Pada derajat bebas = n-1 dan suatu nilai α .

Pembacaan Tabel Distribusi-t

Misalkan :

n = 9 dengan db = 8;

Nilai α ditentukan di kiri dan kanan kurva

t tabel (db, α) = t tabel(8; 0.025) = 2.306

Jadi t = 2.306 dan -t = -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 α yang lain!

Rahma Faelasofi Page 20

 Perbedaan Tabel Z dan Tabel t
Tabel Z → nilai Z menentukan nilai α
Tabel t → nilai α dan db menentukan nilai t
 Dalam banyak kasus nilai simpangan baku populasi (σ) tidak
diketahui, karenanya nilai σ diduga dari nilai simpangan baku
sampel (s)

Ex:

Manajemen PT BETUL 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 BETUL?

Jawab:

95 % berada dalam selang → berarti 5 % berada di luar selang;

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

Nilai t-hitung = ?

Rahma Faelasofi Page 21

μ = 1.80 ; n = 9 ; x= 1.95 ; s = 0.24

X́−μ X 1,95−1,80 0,15

t= = = =1,875
s 0,24 0,08
√n √9

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

LATIHAN

1. Pada suatu pengiriman barang yang terdiri dari 2000 tube

elektronika telah diketahui terdapat 600 unit tube yang tidak
memenuhi standar mutu. Jika sampel acak sebanyak 500 unit
dipilih dari populasi tersebut tanpa pengembalian, berapakah
probabilitas sampel populasi yang tidak memenuhi standar mutu:
a. akan kurang dari 150/500
b. antara 144/500 sampai dengan 145/500
c. lebih besar dari 164/500

2. Besi baja yang diproduksi perusahaan A mempunyai rata-rata daya

regang sebesar 4500 lbs dan variansi sebesar 40000 lbs,
sedangkan yang diproduksi perusahaan B mempunyai ratarata
daya regang sebesar 4000 lbs dan variansi sebesar 90000 lbs.
Misalkan sampel random sebanyak 50 diambil dari perusahaan A
dan sampel random sebanyak 100 diambil dari perusahaan B,

Rahma Faelasofi Page 22

 berapakah probabilitas rata-rata daya regang beda dua rata-rata
dari dua sampel itu yang lebih besar dari 600 lbs?
3. Sebuah perusahaan menyatakan bahwa batere yang digunakan
dalam alat-alat permainan elektroniknya akan mencapai umur
rata-rata 30 jam. Untuk mempertahankan nilai rata-rata ini, 16
batere diuji setiap bulan. Bila nilai t yang diperolehnya jatuh
antara −t 0,025 dan t 0,025, maka perusahaan itu cukup puas. Apa
kesimpulan perusahaan itu bila dari sebuah sampel diperoleh
x́=27,5 jam dan simpangan baku s=5 jam. Asumsikan bahwa sebaran
umur batere itu normal.
4. Sebuah sampel acak berukuran 25 diambil dari suatu populasi
normal yang mempunyai nilai tengah 80 dan simpangan baku 5.
Sampel acak kedua, yang berukuran 36, diambil dari populasi
normal lain yang mempunyai nilai tengah 75 dan simpangan baku
3. Hitung peluang bahwa nilai tengah sampel pertama akan
melampaui nilai tengah sampel kedua dengan sekurang-
kurangnya 3,4 tetapi kurang dari 5,9?

Rahma Faelasofi Page 23