DISTRIBUSI

SAMPLING
POPULASI DAN SAMPEL

• Populasi : totalitas dari semua objek/ individu yg memiliki karakteristik

tertentu, jelas dan lengkap yang akan diteliti
• Sampel : bagian dari populasi yang diambil melalui cara-cara tertentu yg juga
memiliki karakteristik tertentu, jelas dan lengkap yg dianggap bisa mewakili
populasi
 Distribusi Sampling merupakan distribusi
teoritis (distribusi kemungkinan) dari semua
hasil sampel yang mungkin, dengan ukuran
sampel yang tetap N, pada statistik
(karakteristik sampel) yang digeneralisasikan
ke populasi.
 Distribusi Sampling memungkinkan untuk
memperkirakan probabilitas hasil sampel
tertentu untuk statististik tersebut
 Merupakan jembatan, karena melalui distribusi
sampling dapat diketahui karakteristik populasi
DISTRIBUSI SAMPLING
Secara umum informasi yang perlu untuk mencirikan
suatu distribusi secara cukup akan mencakup:
Ukuran Kecenderungan Memusat (mean, median,
modus)
Ukuran Persebaran Data (range, standar deviasi)
Bentuk distribusi
Strategi Umum penerapan statistik inferensial adalah
pindah dari sampel ke populasi melalui distribusi
sampling
LAMBANG PARAMETER DAN
STATISTIK
Besaran Lambang Lambang
Parameter Statistik
X

(Populasi) (Sampel)
Rata-rata μ X

Varians σ2 S2
Simapangan baku σ S
Jumlah Observasi N n
Proporsi P p
METODE SAMPLING
• Cara pengumpulan data yg hanya mengambil sebagian
elemen populasi
• Alasan dipilihnya metode ini :
1. Objek penelitian yg homogen
2. Objek penelitian yg mudah rusak
3. Penghematan biaya dan waktu
4. Masalah ketelitian
5. Ukuran populasi
6. Faktor ekonomis
Metode Sampling ada 2 :
1. Sampling Random
a. Sampling random sederhana
b. Sampling stratified
c. Sampling sistematis
d. Sampling cluster
2. Sampling Non Random
e. Sampling quota
f. Sampling pertimbangan
g. Sampling seadanya
TEHNIK PENENTUAN JUMLAH
SAMPEL
1. Pengambilan sampel dengan pengembalian
n
N
2. Pengambilan sampel tanpa pengembalian

N!
C N
n 
n! ( N  n)!
DISTRIBUSI SAMPLING
• Distribusi dari besaran-besaran statistik spt rata-rata,
simpangan baku, proporsi yg mungkin muncul dr sampel-
sampel
• Jenis-jenis Distribusi Sampling
1. Distribusi Sampling Rata-rata
2. Distribusi Sampling Proporsi
3. Distribusi Sampling yang Lain
• Distribusi Sampling Mean : Distribusi sampling dari mean-mean sampel adalah distribusi
mean-mean aritmetika dari seluruh sampel acak berukuran n yang mungkin yang dipilih dari
sebuah populasi
• Distribusi sampling proporsi : Distribusi sampling dari proporsi adalah distribusi proporsi-
proporsi dari seluruh sampel acak berukuran n yang mungkin yang dipilih dari sebuah
populasi
• Distribusi Sampling perbedaan/penjumlahan :
– Terdapat 2 populasi
– Untuk setiap sampel berukuran n1 dari populasi pertama dihitung sebuah statistik S1
dan menghasilkan sebuah distribusi sampling dari statistik S1 yang memiliki mean μs1
dan deviasi standard σs1
– Dari populasi kedua, untuk setiap sampel berukuran n2 dihitung statistik S2 yang akan
menghasilkan sebuah distribusi sampling dari statistik S2 yang memiliki mean μs2 dan
deviasi standard σs2
DISTRIBUSI SAMPLING RATA-RATA
a. Pemilihan sampel dari populasi terbatas

1. Utk pengambilan sampel tanpa

pengembalian atau n/N > 5%
x  
 N n
x 
n N 1

2. Utk pengambilan sampel dgn pengembalian

atau n/N ≤ 5%

x  

x 
n
 Sebuah toko memiliki 5 Karyawan A,B,C,D,E dengan
upah perjam: 2,3,3,4,5. Jika upah yang diperoleh
dianggap sebagai populasi, tentukan: (tanpa
Pengembalian)
a. Rata-rata sampel 2 unsur
b. Rata-rata dari rata-rata sampel
c. Simpangan baku dari rata sampel
Banyaknya 5!yang mungkin adalah
sampel
5
C2 
2! (5  2)!
= 10 buah
 b. Rata-rata dari sampel
µ = 2+3+3+4+5 = 3.4
5
c. Simpangan baku
 N  n
x 
n N 1
1.02 5 2
x 
2 5 1
 N n
x 
n N 1
1.02 52
x 
2 5 1

= 0.62
 Distribusi Sampling mean
 Teorema Sampling populasi
terdistribusi normal:
Bila sampel-sampel random diulang-ulang
dengan ukuran n diambil dari suatu populasi
terdistribusi normal dengan rata-rata μ dan
standar deviasi σ, maka distribusi sampling rata-
rata sampel akan normal dengan rata-rata μ dan
standar deviasi

X 
n
DISTRIBUSI SAMPLING
DISTRIBUSI SAMPLING
b. Pemilihan
sampel dari populasi yg tidak
terbatas

x   dan  x 
n
c. Daftar distribusi normal untuk distribusi
sampling rata-rata
1. Utk populasi terbatas atau n/N > 5%
X 
Z 
 N n
n N 1

2. Utk populasi tdk terbatas atau n/N ≤ 5%

X  
Z 

n
SOAL
• Upah per jam pekerja memiliki rata-rata Rp.500,- perjam dan simpangan
baku Rp.60,-. Berapa probabilitas bahwa upah rata-rata 50 pekerja yang
merupakan sampel random akan berada diantara 510,- dan 520,- ?
Diket:
µ = 500; Simp b: 60,- ; n = 50 ; X = 510 dan 520
X = 510 maka Z = 1.18
X = 520 maka Z = 2.36

P (1.18 < Z < 2,36) = P (0<Z<2,36) – P(0<Z<1.18)

= 0.4909 – 0.3810
= 0.1099
DISTRIBUSI SAMPLING
PROPORSI

• Distribusi sampling dari proporsi adalah distribusi

proporsi-proporsi dari seluruh sampel acak berukuran
n yang mungkin yang dipilih dari sebuah populasi
• proporsi kesuksesan desa yang mendapat bantuan
program
• Perbedaan persepsi penduduk miskin dan kaya
terhadap pembangunan mall, dilihat dari proporsi
ketersetujuannya
DISTRIBUSI SAMPLING PROPORSI
X
• Proporsi dr populasi dinyatakan P
N
X
• Proporsi utk sampel dinyatakan p
n
1. Utk pengambilan sampel dgn pengembalian
atau jika ukuran populasi besar
dibandingkan dgn ukuran sampel yi n/N ≤
5%

p  P
P(1  P)
p 
n
2. Utk pengambilan sampel tanpa pengembalian atau jika ukuran
populasi kecil dibandingkan dgn ukuran sampel yi n/N > 5%

p  P
P (1  P ) N n
p 
n N 1
SEBUAH TOKO MEMILIKI 6 K ARYAWAN, MISALKAN A ,B,C
UNTUK YANG SENANG MEMBACA DAN X ,Y,Z UNTUK YANG
TIDAK SENANG MEMBACA . JIK A DARI 6 KARYAWAN
TERSEBUT DIAMBIL SAMPEL YANG BERANGGOTAKAN 4
K ARYAWAN (PENGAMBIL AN SAMPEL TANPA
PENGEMBALIAN), TENTUKAN:
A . BANYAKNYA SAMPEL YANG MUNGKIN DIAMBIL
B. DISTRIBUSI SAMPLING PROPORSINYA
C. RATA-RATA DAN SIMPANGAN BAKU SAMPLING
PROPORSINYA
JWB:
A. B
 DISTRIBUSI SAMPLING YANG LAIN

a. Distribusi sampling beda dua rata-rata

1. Rata-rata  x  x  1   2
1 2

2. Simpangan baku
 12  22
x  x2
 
1
n1 n2
3. Untuk n1 dan n2 dgn n1, n2 > 30

( X 1  X 2 )  ( 1   2 )
Z
 X X
1 2
• Misalkan rata-rata pendapatan manajer dan karyawan, Rp.
50.000,- dengan simpangan baku Rp. 15.000,- dan 12.000,-
dengan simpangan baku 1.000,-. Jika diambil sampel random
manajer sebanyak 40 orang dan karyawan sebanyak 150 orang.
Tentukan:
a. Beda rata-rata pendapatan sampel
b. Simpangan baku rata-rata pendapatan sampel
c. Probabilitas beda rata-rata pendapatan manajer dan karyawan
biasa lebih dari 35.000,-

Diket:
µ = 50.000 µ = 50.000
Simp: 15.000 Simp b : 1.000
n1 = 40 n2 = 150
b. Distribusi sampling beda dua proporsi
1. Rata-rata
 P1 P 2  P1  P2
2. Simpangan baku P1 (1  P1 ) P2 (1  P2 )
 P1 P 2  
n1 n2
3. Untuk n1 dan n2 dgn n1, n2 ≥ 30

( p1  p 2 )  ( P1  P2 )
Z
 P1 P 2
X1 X 2
p1  p 2  
n1 n2
 CONTOH SOAL
1. Bola lampu produksi pabrik PHILLIPS memiliki umur
rata-rata 1.600 jam dengan simpangan baku 225
jam, sedangkan bola lampu produksi SHELL memiliki
umur rata-rata 1.400 jam dengan simpangan baku
150 jam. Jika diambil sampel random sebanyak 150
bola lampu dari masing-masing merek untuk diuji,
tentukan :
a. Beda rata-rata umur bola lampu tersebut
b. Simpangan baku rata-rata umur bola lampu tersebut
c. Probabilitas bahwa merek PHILLIPS memiliki umur
rata-rata paling sedikit 175 jam lebih lama daripada
merek SHELL
d. Probabilitas beda rata-rata umur bola lampu
PHILLIPS dan SHELL lebih dari 160 jam
2. Empat persen barang di gudang A adalah
cacat dan sembilan persen barang di gudang
B adalah cacat. Jika diambil sampel random
sebanyak 150 barang dari gudang A dan
200 barang dari gudang B, tentukan :
a. rata-rata beda dua proporsi sampel
tersebut
b. Simpangan baku beda dua proporsi sampel
tersebut
c. Probabilitas beda persentase barang yang
cacat dalam gudang A 3% lebih besar
dariapda gudang B
TERIMA KASIH