You are on page 1of 21

Bab 2

Landasan Teori
2.1. Pengertian Populasi
Populasi adalah totalitas semua nilai yang mungkin, baik hasil
menghitung maupun pengukuran, kuantitatif ataupun kualitatif,
daripada karakteristik tertentu mengenai sekumpulan obyek yang
lengkap dan jelas. Sampel adalah sebagian yang diambil dari populasi
dengan menggunakan cara-cara tertentu.
Untuk mendapatkan kesimpulan yang dapat dipertanggungjawabkan
haruslah ditempuh cara-cara yang benar dalam setiap langkah, termasuk
cara-cara pengambilan sampel atau sampling. Dalam bab ini sampling yang
sederhana akan diuraikan seperlunya sesuai dengan tingkat uraian
statistika dalam modul ini.
Berdasarkan pada banyak objek yang ada didalam populasi, ada dua
macam ukuran populasi ialah:
a. Populasi Tak Hingga
Dengan ini dimaksudkan sebuah populasi yang di dalamnya terdapat
tak hingga banyak objek. Semua pengamatan mengenal proses yang
berjalan secara terus-menerus di bawah kondisi yang sama adalah
sebuah contoh macam populasi ini.
b. Populasi Terhingga
Populasi terhingga ini digolongkan semua populasi di mana terdapat
objek yang terhingga banyaknya. Jika di Indonesiasemuanya ada
21.500 perusahaan besar, maka populasi mengenai perusahaan
besaradalah terhingga. Demikian pula banyaknya kendaraan di
Indonesia, banyak pegawai yang bekerja di pabrik, jumlah pesanan
barang selama 10 tahun yang telah diterima sebuah perusahaan dan
lain-lain yang termasuk dalam contoh populasi terhingga.
2.2. Pengambilan Sampel
Berdasarkan jumlah sampel, pengambilan sampel dibedakan menjadi
dua, yaitu:
1. Pengambilan sampeldari populasi terhingga.
2. Pengambilan sampel dari populasi tak terhingga.
Seringkali peneliti tergoda dalam mengambil sampel dengan memilih
anggota populasi yang paling sesuai dengan keinginan si peneliti. Cara
kerja seperti itu dapat menimbulkan kesimpulan yang keliru tentang
populasi yang ingin diamati. Setiap prosedur sampling yang
menghasilkan kesimpulan yang konsisten menaksir lebih atau konsisten
menaksir kurang suatu parameter populasi dikatakan bias. Untuk
mencegah timbulnya bias dalam prosedur sampling sebaiknyalah
menggunakan sampel acak. Dalam artian bahwa pengamatan dilakukan
secara bebas satu sama lain dan acak.
Dalam mengambil sampel acak berukuran n dari suatu populasi f(x),
definisikanlah peubah acak xi, i = 1, 2, …, n, sebagai pengukuran atau
nilai sample ke i yang diamati. Peubah acak x1, x2, …, xn jadinya
merupakan suatu sample acak populasi f(x) dengan nilai numerik x1, x2,
…, xn, bila pengukuran dikerjakan dengan mengulangi percobaan n ke n
peubah acak X1, X2, …, Xn, bebas dan masing-masing berdistribusi f(x). ini
berarti bahwa X1, X2, …, Xn, masing-masing berdistribusi peluang f(x1),
f(x2), …, f(xn) dengan distribusi peluang gabungan.
Bila dari suatu pabrik dipilih secara acak n = 8 baterai kering yang
diproduksi dalam ketentuan (keadaan) yang sama, dan kemudian
umurnya dicatat, pengukuran pertama x1 menyatakan nilai x1,
pengukuran kedua x2 nilai x2 dan seterusnya, maka x1, x
2
, …, x8
merupakan nilai sample acak X1, X2, …, X8. Bila dianggap populasi umur
baterai berdistribusi normal, nilai yang mungkin untuk tiap x1, i = 1, 2, …,
8, akan tetap sama dengan populasi semula, dan karena itu xi akan
mempunyai disitribusi normal yang tepat sama dengan X.
Tujuan utama memilih sampel acak adalah untuk mendapatkan
keterangan mengenai parameter populasi yang tidak diketahui. Misalkan
kita ingin menarik kesimpulan mengenai proporsipenduduk di Indonesia
yang menyenangi kopi robusta. Akan mustahil menanyai semua orang
Indonesia dan kemudian menghitung parameter p yang menggambarkan
proporsi yang sebenarnya. Sebagai gantinya, diambil sampel acak yang
banyak kemudian dihitung proporsi p pada sampel yang menyenangi
kopi robusta. Nilai p ini kemudian dipakai untuk menarik kesimpulan
mengenai proporsi p yang sesungguhnya.
Bidang statistik pada dasarnya berkenaan dengan prediksi. Sebagai
contoh, berdasarkan pendapat beberapa orang yang diwawancarai
dijalan, bahwa pada pemilihan mendatang 60% dari para pemilih di
Jakarta akan memilih calon tertentu. Dalam kasus ini kita berhadapan
dengan suatu sample acak pendapat dari popuolasi berhingga yang amat
besar. Sebagai ilustrasi kedua dapat kita katakana bahwa biaya rata-rata
membuat rumah di Bandung adalah antara 20 dan 25 juta rupiah,
berdasarkan taksiran 3 orang pemborong yang dipilih secara acak dari 30
orang pemborong yang sekarang membangun dikota itu.
Populasi yang disampel disini juga berhingga tetapi amat kecil.
Akhirnya, mesin pelayan minuman yang diatur rata-rata mengeluarkan
240 ml minuman secangkir. Seorang karyawan perusahaan menghitung
rataan 40 cangkir minuman yang dikeluarkan mesin tadi dan
memperoleh x= 236 ml dan berdasarkan hasil ini memutuskan bahwa
mesin tadi masih mengeluarkan minuman dengan rata-rata isi µ = 240 ml.
Ke 40 cangkir minuman merupakan suatu sample dari populasi tak
berhingga dari kemungkinan isi minuman yang akan dikeluarkan mesin
tadi.
Pada tiap contoh diatas kita menghitung suatu statistik dari sampel yang
dipilih dari populasi dan dari statistik ini kita membuat berbagai
pernyataan yang mungkin benar atau tidak mengenai nilai parameter
populasi. Karyawan perusahaan memutuskan bahwa mesin pelayan
minuman itu rata-rata isinya 240 ml kendatipun rataan sample 236 ml,
karena dia tahu dari teori sampling bahwa nilai sample seperti itu
kemungkinannya muncul besar. Memang, kalau dia melakukan
pengujian seperti itu, katakanlah setiap jam, maka dia mengharapkan
nilai xnaik turun disekitar µ = 240 ml. Hanya bila nilai xamat berbeda
dengan 240 ml maka petugas tadi akan mengambil tindakan
memperbaiki mesin tersebut.
Distribusi peluang x disebut distribusi sampel dari rataan dan galat baku
rataan adalah simpangan baku dari distribusi sampelx. distribusi sampel
suatu statistik akan tergantung pada ukuran populasi, ukuran sampel
dan metode memilih sampel.
2.3. Alasan Sampling
Untuk melakukan analisis statistik diperlukan data, karenanya data perlu
dikumpulkan. Bergantung pada berbagai faktor, untuk ini kadang-
kadang dilakukan sensus, kadang-kadang dilakukan sampling. Sensus
terjadi apabila setiap anggota tau karakteristik yang ada di dalam
populasi dikenai penelitian.Jika tidak, maka sampling yang ditempuh,
yaitu sampel diambil dari populasi dan datanya dikumpulkan. Ada
berbagai alasan mengapa sensus tidak dapat dilakukan, antara lain:
 Ukuran Populasi
Telah kita kenal bahwa ada dua macam ukuran populasi ialah
terhingga dan tak hingga.Dalam hal populasi tak hingga, ialah
populasi berisikan tidak terhingga banyak objek, sudah jelas sensus tak
mungkin dilakukan.Juga mengingat populasi tak hingga pada
dasarnya hanya konseptual sukarlah untuk melakukan sensus
terhadapnya.Meskipun kita mempunyai populasi terhingga, sensus
belum tentu selalu bisa dilaksanakan.Dalam praktek, populasi
terhingga sering dianggap sebagai populasi tak hingga, jika di
dalamnya sudah cukup terlalu banyak anggota tau obyek.Anggapan
demikian sering membuat teori sampling dan analisis menjadi lebih
sederhana.
 Masalah Biaya
Adalah wajar bahwa makin banyak objek yang kita teliti makin banyak
pula biaya yang diperlukan.Bagaimanapun juga, jika hanya tersedia
biaya terbatas, sampling satu-satunya pilihan, terkecuali jika ukuran
populasi sedikit sekali sehingga dengan biaya tersebut sensus bisa
dilaksanakan.Perlu diingat bahwa biaya diperlukan bukan saja hanya
untuk pengumpulan data, tetapi juga untuk analisis, diskusi,
perhitungan-perhitungan, gaji ahli dan ongkos konsultasi.
 Masalah Waktu
Sensus memerlukan waktu yang lebih lama jika dibandingkan dengan
sampling.Dengan demikian sampling dapat memberikan dengan lebih
cepat.Dalam hal ini diinginkan kesimpulan yang segera, maka sampling
benar-benar terasa faedahnya.Jelaslah pula bahwa menganalisis data
hasil sampling, selain daripada menghemat biaya seperti tertera diatas,
juga menghemat waktu karena dapat dilakukan dalam waktu yang
singkat.
 Percobaan yang Sifatnya Merusak
Jika penelitian terhadap objek yang sifatnya merusak, maka jelas
sampling harus dilakukan.Tidak mungkin jika sensus dilakukan untuk
mengetahui kekuatan daya letak granat yang dihasilkan, kemanjuran
obat yang dihasilkan, kekuatan ban mobil yang dihasilkan, keadaan
darah seorang pasien dan masih banyak contoh lagi. Kalau semua
granat atau ban mobil dicoba, adakah granat tersisa untuk keperluan
perang, adakah ban mobil untuk dijual? Jika darah pasien semuanya
dikeluarkan untuk diperiksa, adakah orang yang bersedia untuk
diperlakukan demikian.
 Masalah Ketelitian dalam Penelitian
Salah satu segi agar kesimpulan cukup dapat dipertanggungjawabkan
ialah masalah ketelitian.Data harus benar dan pengumpulanya harus
dilakukan dengan benar dan teliti.Demikian pula pencatatan dan
penganalisisannya.Pengalaman menyatakan bahwa makin banyak
objek yang harus diteliti, makin kurang ketelitian yang dihasilkan.
Petugas, peneliti, pencacah akan merasa bosan untuk melakukan
tugasnya yang itu-itu juga yang jumlahnya sangat banyak. Kebosanan
pada waktu melakukan wawancara, akan timbul kalau yang diteliti
terlalu banyak. Karenanya akan diperoleh data yang tidak dapat
dipercaya kebenarannya. Kesalahan akan lebih besar terjadi ketika
mencatat dan menyalin data dari formulir isian hasil sensus daripada
hasil sampling.Umumnya, menguasai objek yang sedikit hasilnya lebih
baik daripada menguasai objek terlalu banyak.
 Faktor ekonomis
Dengan faktor ekonomis diartikan, apakah kegunaan dari hasil
penelitian sepadan dengan biaya, waktu dan tenaga yang telah
dikeluarkan. Jika tidak, mengapa harus dilakukan sensus, yang jelas
akan memakan biaya, waktu dan tenaga yang banyak? Faktor
ekonomis ini sering dilupakan, karenanya perlu mendapat perhatian
sewajarnya.
Demikianlah, telah diuraikan beberapa alasan yang menyebabkan
perlunya diadakan sampling untuk suatu penelitian. Bahwa alasan-alasan
sampling itu tidaklah perlu semuanya terjadi pada suatu keadaan yang
bersamaan dan pula tidak semua sama pentingnya dalam beberapa
persoalan yang sedang ditinjau. Tetapi seringkali paling sedikit satu di
antaranya perlu dipertimbangkan.
2.4. Rancangan Sampling
Jika untuk penelitian ternyata sampling telah disepakati selanjutnya
sampling dengan baik. Beberapa yang perlu diperhatikan dengan ini
antara lain:
 Rumuskan persoalan yang ingin diketahui.
 Tentukan dengan jelas batas populasi mengenai persoalan yang ingin
diketahui itu.Sering kesimpulan tidak benar karena telah dibuat
berdasarkan sampel yang diambil dari populasi yang salah.
 Didefinisikan dengan jelas dan tepat segala data dan istilah yang
diperlukan.
 Tentukan unit sampling yang diperlukan.
 Unit sampling adalah satuan yang terkecil yang menjadi anggota
populasi.
 Tentukan dan rumuskan cara-cara pengukuran dan penilaian yang
akan dilakukan.
 Kumpulkan, jika ada, segala keterangan tentang hal yang ingin diteliti
yang pernah dilakukan masa lampau misalnya mengenai presentasi
rata-rata dan ukuran lainnya.
 Tentukan ukuran sampel berapa unit sampling yang harus diambil
dari populasi jangan sampai sampel berukuran terlalu kecil sehingga
kesimpulan tidak memuaskan dan pula terlalu besar dan
menyebabkan biaya terlalu banyak.
 Tentukan cara sampling yang mana yang akan ditempuh agar sampel
yang diperoleh representatif.
 Tentukan cara pengolahan data yang mana akan dilakukan, apakah
wawancara langsung, dengan daftar isian, meneliti langsung atau
mengumpulkan dari sumber-sumber yang sudah ada.
 Tentukan metode analisis mana yang akan digunakan.
 Sediakan biaya dan minta bantuan ahli baik berbentuk pembantu
tetap ataupun hanya sebagian konsultan.
2.5. Distribusi Sampling
Sebagaimana kita ketahui, bahwa data statisitik diperolah dengan cara
populasi dan sampel. Cara yang paling sering digunakan adalah sampel,
karena cara ini lebih mudah digunakan dibandingkkan cara populasi.
Pada hakekatnya sampel merupakan sebagian yang diambil dari
populasi, sehingga sampel dan populasi merupakan dua bagian yang
tidak dapat dipisahkan. Tujuan dari pengambilan data dengan cara
populasi ataupun sampel adalah untuk memperoleh suatu kesimpulan
sebagai keputusan akhir dari data yang diperoleh.
Untuk memperoleh kesimpulan yang dapat dipertanggungjawabkan,
maka haruslah ditempuh cara-cara yang benar dan tepat dalam setiap
langkahnya termasuk cara pengambilan sampel atau sampling. Sampel
yang diambil adalah sampel acak, dari sampel tersebut diperoleh nilai
statistik untuk kemudian diolah dan dianalisis pada akhirnya diambil
suatu kesimpulan, untuk itu diperlukan sebuah teori yang dikenal
dengan nama distribusi sampling. Distribusi sampling ini adalah suatu cara
pengolahan data, dimana data diperoleh dengan cara sampel atau
sampling.
Salah satu statistik inprensial adalah mengambil kesimpulan tentang suatu
hal yang di selidiki dari bahan-bahan yang diperoleh (sampel) dari
kesimpulan yang diperoleh hendak digeneralisasikan pada jumlah bahan
yang lebih besar bagi populasi kiranya tidak perlu ditekankan bahwa
kebanyakan penelitian tidak memiliki bahan sebanyak-banyaknya untuk
mengambil kesimpulan tentang suatu objek penyelidikan kecuali makan
waktu yang sangat lama, meminta tenaga yang sedikit dan biaya yang
cukup besar. Oleh sebab itu, penyelidikan dengan ukuran sampel yang
besar tidak dapat di laksanakan dan tidak ada gunanya.
Populasi adalah seluruh penduduk yang dimaksudkan untuk diselidiki
disebut populasi atau universum, populasi dibatasi sebagai jumlah
penduduk atau individual yang paling sedikit mempunyai satu sifat yang
sama. Istilah penduduk pada hakekatnya bukan saja yang berwujud
manusia. Akan tetapi sejumlah binatang diantaranya: kambing, kelinci,
tikus dan barang-barang dagangan, batu dan sebagainya.
Adapun sifat yang sama itu dapat merupakan sifat dasar bawaan kodrat,
seperti, misalnya orang-orang yang lahir di indonesia, jenis kelamin,
orang yang rambutnya keriting, tikus yang berwarna putih dan batu
karang. Akan tetapi disamping itu sifat yang dipersoalkan dapat juga
bukan sifat bawaan, seperti: anak-anak yang sedang bermain, murid-
murid dari suatu tingkat sekolah, orang-orang dalam suatu jabatan
tertentu, tanaman-tanaman akulasi, benih-benih yang dikawinkan silang
atau benda-benda awal yang telah dirubah sifat kodratnya.
Sampel adalah sebagian dari populasi, artinya jumlah penduduk yang
jumlahnya kurang dari jumlah populasi. Sampel harus mempunyai
paling sedikit satu sifat yang sama, baik sifat kodrat maupun sifat
pengususan. Proporsi sampel yang kita selidiki tergantung pada faktor-
faktor yang dipertimbangkan. Misalnya: jika ada pengetahuan, bahwa
keadaan populasi adalah homogen, mengambil yang terlalu besar,
hampir tidak ada gunanya. Untuk menyelidiki bagaimana keadaan air
dalam seluruh kolam renang tidak perlu orang mengambil sampel atau
contoh sepuluh drum air.
Dalam distribusi sampling akan dipelajari adalah parameter sebuah
populasi dimisalkan diketahui dari sebuah populasi dapat diambil lebih
dari suatu sebuah sampel jika populasinya berukuran tak hingga jelaslah
ada banyak tak hingga pula sampel yang dapat diambil untuk populasi
yang berukuran terhingga objeknya, misalnya: maka pengambilan sampel
yang dilakukan dengan pengembalian secara teoritis yang akan diperoleh
sebanyak tak hingga sebuah sampel yang masing-masing mempunyai
berukuran n.
Dari sebuah populasi dapat diambil lebih dari satu buah sampel, maka
kita harus memperhatikan sebuah sampel yang mungkin dapat diambil
dari populasi tersebut. Apakah sampel mewakili populasi atau memiliki
ciri-ciri dari sebuah populasi karena nol ini merupakan masalah yang
sangat penting dan frinsipil dalam tata kerja penyelidikan ilmiah. Jika
syarat-syarat tertentu tidak dipenuhi, maka sukar untuk
dipertanggungjawabkan mengambil kesimpulan untuk penyelidikan
terhadap sampel untuk digeneralisasikan pada populasi.
2.5.1. Macam-Macam Distribusi Sampling
 Distribusi Rata-Rata
Distribusi sampel pertama yang penting yang akan dibahas ialah dari
rataan x. Misalkan sampel acak n pengamatan diambil dari populasi
normal dengan rataan µ dan variansio
2
. Tiap pengamatan Xi, i = 1, 2,
…, n, dari sample acak tersebut akan berdistribusi normal yang sama
dengan populasi yang diambil sampelnya.
_
X =
n
X ... X X
n 2 1
+ + +
berdistribusi normal dengan rataan
x
µ =
n
...
n 2 1
µ + + µ + µ
dan variansi
2
2 2 2
2
x
n
... o + + o + o
= o
Bila populasi yang disampel tidak diketahui distribusinya, berhingga
atau tidak, maka dsitribusi sampel x masih akan berdistribusi hampir
normal dengan rataan µ dan variansi
n
2
o
asal saja ukuran sampelnya
besar. Hampir normal untuk x umumnya cukup baik bila n > 30,
terlepas dari bentuk populasi. Bila n < 30, hampirannya hanya akan
baik bila populasinya tidak jauh berbeda dengan normal. Bila
populasinya diketahui normal, maka distribusi sampel x akan tepat
berdsitribusi normal, dan ukuran sampelnya tidaklah menjadi soal.
Untuk N yang cukup besar dibandingkan n, maka berlaku hubungan:
_
x
µ = µ
_
x
o =
n
o
Dari uraian diatas didapat, jika sampel acak berukuran n diambil dari
sebuah populasi berukuran N dengan rata-rata µ dan simpangan
baku o, maka distribusi rata-rata sampel mempunyai rata-rata dan
simpangan baku seperti rumus diatas jika (n/N) s 5%. σ
x
dinamakan
kekeliruan standar rata-rata atau kekeliruan bakurata-rata atau pula
galat baku rata-rata. Ini merupakan ukuran variasi rata-rata sampel
sekitar rata-rata populasi µ. σ
x
mengukur besarnya perbedaan rata-
rata yang diharapkan dari sampel ke sampel.
Jika sebuah populasi mempunyai rata-rata µ dan simpangan baku o
yang besarnya terhingga, maka untuk ukuran sampel acak n cukup
besar, distribusi rata-rata sampel mendekati disitribusi normal
dengan rata-rata μ
x
= dan simpangan baku σ
x
=
σ
√n
. Terlihat bahwa
dalil diatas berlaku untuk sembarang bentuk atau model populasi
asalkan simpangan bakunya terhingga besarnya. Jadi bagaimanapun
model populasi sampel, asal saja variansi terhingga, maka rata-rata
sampel akan mendekati distribusi normal. Pendekatan kepada normal
ini makin baik jika ukuran sampel n makin besar. Biasanya untuk n >
30 pendekatan ini sudah mulai berlaku. Apabila populasi yang
disampel sudah berdistribusi normal, maka rata-rata sampel juga
berdistribusi normal meskipun ukuran sampel n < 30.
Distribusi normal yang didapat dari distribusi rata-rata perlu
distandarkan agar daftar distribusi normal baku dapat digunakan.
Untuk ini digunakan transformasi:
z =
_
_
x
x

 ÷
 Distribusi Proporsi
Uraian untuk proporsi sejalan dengan untuk distribusi rata-rata.
Misalkan populasi diketahui berukuran N yang didalamnya didapat
peristiwa A sebanyak Y diantara N. Maka didapat parameter proporsi
peristiwa A sebesar

¹
}

\
|
=
N
y
 . Dari populasi ini diambil sampel acak
berukuran n dan dimisilkan didalamnya ada peristiwa A sebanyak x.
Sampel ini memberikan statistik proporsi peristiwa A =x/n. Jika
sebuah sampel yang mungkin diambil dari populasi itu maka didapat
sekumpulan harga-harga statistik proporsi. Dari kumpulan ini kita
dapat menghitung rata-ratanya, diberi simbol
n
x
 .
Untuk ini ternyata bahwa, jika ukuran populasi kecil dibandingkan
dengan ukuran sampel, yakni (n/N) > 5% maka,
  =
n
x
, )
n - N
n - N
n n
x
 

÷
=
1
dan jika ukuran populasi besar dibandingkan dengan ukuran sample,
yakni (n/N) s 5% maka:
t = µ
n
x
, )
1 N
n N
n
1
n
x
÷
÷ t ÷ t
= o
n
x
o dinamakan kekeliruan bakuproporsi atau galat bakuproporsi.
Untuk ukuran sample n cukup besar, berlakulah sifat berikut, Jika dari
populasi yang berdistribusi binom dengan parameter  untuk
peristiwa A, 0 < < 1, diambil sample acak berukuran n dimana
statistik proporsi untuk peristiwa A = (x/n), maka untuk n cukup
besar, distribusi proporsi (x/n) mendekati distribusi normal.
Seperti dalam distribusi rata-rata, disinipun akan digunakan n > 30
untuk memulai berlakunya sifat diatas. Untuk perhitungan, daftar
distribusi normal baku dapat digunakan dan untuk itu diperlukan
transformasi:
z =
n
x
n
x
o
t ÷
Jika perbedaan antara proporsi sample yang satu dengan yang lainnya
diharapkan tidak lebih dari sebuah harga d yang ditentukan, maka
berlaku:
d
n
x
s o karena
n
x
o
mengandung faktor  dengan  = parameter populasi, maka untuk
rumus diatas berlaku jika parameter  sudah diketahui besarnya. Jika
tidak, dapat ditempuh cara konservatifdengan mengambil harga
kekeliruan baku atau galat yang terbesar, yakni  (1 -  ) =
4
1
.
 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
s
 dan simpangan bakunya diberi simbol
s
 .
Jika populasi berdistribusi normal atau hampir normal, maka
distribusi simapangan baku, untuk n besar, biasanya n>100,   =
s
sangat mendekati distribusi normal dengan:
n 2
s
o
= o
 =simapangan baku populasi. Transformasi yang diperlukan untuk
membuat distribusi menjadi normal adalah
s
- s
z
o
o
= .
untuk populasi yang tidak berdistribusi normal dan untuk sample
berukuran kecil, n < 100, rumus-rumusnya sangat sulit dan karena
penggunaannya tidak banyak, maka tidak dibahas dalam modul ini.
 Distribusi Median
Distribusi median dan juga distribusi statistik lainya, seperti distribusi
kuartil dan distribusi desil tidak akan digunakan disini. Karenanya
tidak akan dibicarakan lebih lanjut, kecuali distribusi median. Inipun
hanya akan disebutkan hasilnya.
Jika populasi berdistribusi normal atau hampir normal, maka untuk
sampel acak berukuran n > 30, distribus median akan mendekati
distribusi normal dengan rata-rata
me
 dan simpangan baku
me
o .
Dengan µ = µ
me
dan
n
2533 , 1
me
o
= o
, dengan o µdan merupakan
parameter populasi.
 Distribusi Selisih dan Jumlah Rata-Rata
Misalnya kita mempunyai dua populasi masing-masing berukuran N1
dan N2. Populasi kesatu mempunyai rata-rata
1
 dan simpangan baku
1
 sedangkan populasi kedua mempunyai rata-rata
2
 dan
simpangan baku
2
 . Dari setiap populasi secara independent kita
ambil sampel-sampel acak berukuran n1dari populasi kesatu dan
berukuran n2 dari populasi kedua.
Kumpulan selisih rata-rata sampel akan membentuk distribusi selisih
rata-rata. Dari kumpulan ini, kita dapat menghitung rata-ratanya,
diberi simbol y x ÷  dan menghitung simapangan bakunya diberi
simbol
y x÷
 ternyata bahwa untuk N dan N2 cukup besar sampel-
sampel acak diambil secara independent.Satu sama lain didapat
hubungan:
2 1
   ÷ =
÷x y
2 1
y
n n
2
2
2
1
 
 + =
÷x
juga dapat diambil selisih rata-rata
_
j
_
j
x y ÷ . Dalam hal ini berlaku
rumus:
_ _
x y÷
µ =
1 2
µ ÷ µ
_
x y÷
o =
2
2
2
1
2
1
n n
o
+
o
_ _
y x÷
o atau
_
x y÷
o besarnya sama dan dinamakan dengan kekeliruan
baku selisih rata-rata atau galat baku selisih rata-rata.
Selanjutnya, untuk ukuran-ukuran sample yang cukup besar, maka
selisih rata-rata
_ _
y x÷ akan mendekati distribusi normal dengan rata-
rata dan simpangan baku seperti persamaan berikut:
_ __
y x ÷
µ =
2 1
µ ÷ µ
_ _
y x÷
o =
2
2
2
1
2
1
n n
o
+
o
untuk membuat distribusi normal ini menjadi dsitribusi normal baku
digunakan transformasi:
z =
, )
_ _
y x
2 1
_ _
y x
÷
o
µ ÷ µ ÷

¹
}

\
|
÷
Apabila dari dua kumpulan rata-rata sample
_
i
x dengan i = 1, 2, …, k
dan
j
_
y dengan j = 1, 2, …, r, maka akan diperoleh jumlah ratar-rata
sample
_
i
x +
j
_
y dengan i = 1, 2, …, k dan j = 1, 2, …, r. Seperti diatas,
dari kumpulan ini dapat dihitung rata-ratanya, diberi simbol
_ _
y x+
µ
dan simpangan bakunya, dan diberi symbol
_ _
y x+
o . Untuk sample-
sample acak yang independent, berlaku:
_ _
y x+
µ =
2 1
µ + µ
_ _
y x+
o =
2
2
2
1
2
1
n n
 
+
Distribusi jumlah rata-rata ini, untuk sample-sample berukuran cukup
besar, akan mendekati distribusi normal dengan parameter rata-rata
dan simpangan baku seperti berikut:
_ _
y x+
µ =
2 1
µ + µ
_ _
y x+
o =
2
2
2
1
2
1
n n
o
+
o
Untuk membuatnya menjadi normal baku perlu digunakan
transformasi:
Z=
, )
_ _
y x
2 1
_ _
y x
+
o
µ + µ ÷

¹
}

\
|
+
 Distribusi Selisih Proporsi
Selisih proporsi

¹
}

\
|
÷
2
j
1
i
n
y
n
x
dapat dibentuk sehingga didapat
kumpulan selisih proporsi. Dari kumpulan ini dapat dihitung rata-
ratanya, diberi simbol
sp
 dan simpangan bakunya diberi simbol
sp
 ,
dengan dengan sp

¹
}

\
|
÷
2
j
1
i
n
y
n
x
= selisih proporsi antara sampel kesatu
dan proporsi sampel kedua, ternyata untuk ini berlaku:
2 1
   ÷ =
sp
, ) , )
2 1
sp
n n
2 2 1 1
1 1    

÷
+
÷
=
Untuk ukuran sampel n1 dan n2 cukup besar biasanya n1> 30 dan n2>
30, maka distribusi selisih proporsi ini akan mendekati distribusi
normal dengan parameter, agar supaya distribusi normal ini menjadi
distribusi normal baku maka diperlukan transformasi:
, ) , )
sp

 
2 1
÷ ÷

¹
}

\
|
÷
=
2
n
y
n
x
z
Misalkan ada dua populasi masing-masing berdistribusi binom,
keduanya maka berukuran cukup besar. Didalam kedua populasi itu
ada peristiwa A dengan
1
 untuk kesatu dan untuk
2
t untuk kedua
populasi ini, secara indenpendent diambil sampel-sampel acak
berukuran n1 dari populasi kesatu dan berukuran n2 dari populasi
kedua.untuk peristiwa A, didapat kumpulan proporsi:
. r ,....., 2 , 1 J ,
n
Y
Kdan ,...., 2 , 1 I .
n
x
2
j
1
i
= =
dengan x1= adanya peristiwa A dalam sampel yang diambil dari
populasi kedua, k dan r masing-masing banyak sampel yang
mungkin diambil dari populasi ke satu dan kedua.
Msp =
2 1
t + t
Msp =
, ) , )
2
2 2
1
1 1
n
n 1
n
n 1 ÷ t
+
÷ t
, )
sp
n
y
n
x
z
2 1
2 1
o
t + t ÷

]

¸

+
=
Tabel 3.2.1 Distribusi Selisih Proporsi
K N 1-n x S S
2
X
2
1
2
3
x
Untuk:
1. Rata-Rata ( x )
Merupakan rata-rata dari data yang dikelompokan dalam sub grup,
dengan rumus:
n
x
x
¿
=
2. Rata-rata dari Rataan Data , ) x
Merupakan rata-rata dari rataan data yang dikelompokan dalam sub
grup dengan rumus:
k
x
x
¿
=
3. Simpangan Baku
Seperti biasa kita mempunyai populasi berukuran N diambil sampel
acak berukuran n, lalu untuk setiap sampel dihitung simpangan
bakunya yaitu s. kumpulan ini sekarang dapat di hitung rata-ratanya,
diberi simbol
s
µ dan simpangan bakunya diberi simbol
x
o . Jika
populasi berdistribusi normal atau hampir normal maka distribusi
simpangan baku, untuk n besarnya, biasanya n > 100 sangat
mendekati distribusi normal. Menyatakan besarnya perpancaran
data-data yang diperoleh dari perhitungan:
, )
1 n
x x fi
s
2 1
÷
÷ ¿
= untuk n < 30
4. Nilai Chi-Square
, )
2
2
2
s 1 n
x
o
÷
=
Hasil yang diterapkan dari distribusi statisik atau dalam hal ini
adalah distribusi yang menyangkut sampling baik terhadap distribusi
sampling rata-rata dan proporsi adalah terbentuknya suatu distribusi
normal. Sehingga distribusi ini mengikuti sifat-sifat kurva normal
misalnya kita menghitung mean dan distribusi mean, maka mean dari
mean itu akan mendekati mean dari populasi yang kita ambil
sampelnya syarat utama agar dapat ditarik suatu generelasisasi adalah
bahwa yang kita gunakan dalam penyelidikan harus menjadi cermin
dari populasi.
Dalam istilah teknis statistik dikatakan: sampel harus mewakili
populasi, atau sampel harus merupakan populasi dalam bentuk kecil
(miniature population) kalau tidak demikian secara ilmiah tidak ada
hak bagi kita untuk mengambil kesimpulan lain yang hanya berlaku
bagi sampel itu sendiri.