BAB 8. DISTRIBUSI SAMPEL
BAB 8. DISTRIBUSI SAMPEL
Departemen Teknik Kimia
Departemen Teknik Kimia
Fakultas Teknik
Fakultas Teknik
Universitas Indonesia
Universitas Indonesia
Populasi VS Sampel
Populasi VS Sampel
Populasi
Populasi
Keseluruhan pengamatan yang diteliti.Keseluruhan pengamatan yang diteliti.
Ada 2 macam, populasi terbatas d Ada 2 macam, populasi terbatas dan tak terbatas.an tak terbatas.
Ukuran populasi : Ukuran populasi : banyakbanyaknya pengamatan (N)nya pengamatan (N)
Karakteristik : ciri atau sifat dari Karakteristik : ciri atau sifat dari populasipopulasi
Parameter : hasil pengukuran karakteristik (µ dan Parameter : hasil pengukuran karakteristik (µ dan σ)σ)
Populasi VS Sampel
Populasi VS Sampel
(lanjutan)
(lanjutan)
Kelemahan Populasi :
Kelemahan Populasi :
1.1.
Memerlukan
Memerlukan biaya
biaya yang
yang sangat
sangat mahal
mahal
2.
2.
Memerlukan
Memerlukan waktu
waktu yang
yang lama
lama
3.
3.
Memerlukan
Memerlukan tenaga
tenaga dalam
dalam jumlah
jumlah yang
yang
besar
besar
4.
Populasi VS Sampel
Populasi VS Sampel
(lanjutan)
(lanjutan)
Sampel Sampel Mengambil sebagian anggota dari populasi.Mengambil sebagian anggota dari populasi.
Sampel ada 2, sampel besar dan sampel kecil.Sampel ada 2, sampel besar dan sampel kecil.
Fungsinya untuk menyimpulkan atau Fungsinya untuk menyimpulkan atau mengetahuimengetahui
karakteristik atau parameter dari populasi (potret / karakteristik atau parameter dari populasi (potret / gambaran dari populasi).
gambaran dari populasi).
Ukuran sampel : banyaknya pengamatan (n)Ukuran sampel : banyaknya pengamatan (n)
Statistik : hasil Statistik : hasil pengukuran karakteristik (X dan S)pengukuran karakteristik (X dan S)
Populasi VS Sampel
(lanjutan)
Populasi Sampel
Sampling
Besar / Kecil Terbatas / Tak terbatas
S σ X µ Statistik Parameter n N Sampel Populasi
Populasi VS Sampel
(lanjutan)
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 Sampling
Ada 2 macam, sampel probabilitas dan non
probabilitas.
Sampel probabilitas ada empat teknik yang
semuanya dapat dilakukan dengan
pengembalian atau tanpa pengembalian, yaitu :
1.
Teknik pengambilan dengan acak sederhana
2.
Teknik pengambilan dengan acak sistematis
3.
Teknik pengambilan dengan acak stratifikasi
Teknik Pengambilan dengan Acak
Sederhana
Pengambilan sampel sebanyak n dimana
setiap anggota populasi mempunyai
kesempatan yang sama untuk terambil.
Teknik ini dipilih jika populasinya homogen.
Biasanya dilakukan dengan :
1.
Menggunakan undian.
Teknik Pengambilan dengan Acak
Sistematis
Dengan mengambil unsur ke-k dalam populasi
dimana titik awalnya ditentukan secara acak
diantara k unsur tersebut.
Sering digunakan karena dapat menarik
kesimpulan yang tepat mengenai parameter
populasi sebab sampelnya menyebar secara
merata di seluruh populasi.
Teknik Pengambilan dengan Acak
Stratifikasi
Dilakukan dengan membagi populasi menjadi
beberapa strata (tingkatan) kemudian sampel diambil secara acak dari setiap tingkatan.
Teknik ini dilakukan bila populasinya heterogen.
Cara pengambilan sampel untuk setiap tingkatan tidak sama, harus sebanding dengan jumlah anggota
setiap tingkatan (proporsional). Rumusnya :
n
N
N
Teknik Pengambilan dengan Acak Kluster
Mengambil beberapa kluster (kelompok) secara
acak kemudian semua atau sebagian dari
anggota masing-masing kelompok diambil
secara acak sebagai sampel.
Distribusi Sampel
Ada empat macam distribusi sampel :
1.
Distribusi sampel rata-rata
2.
Distribusi sampel proporsi
3.
Distribusi sampel beda dua rata-rata
Distribusi Sampel Rata-rata
Bila populasi terbatas berukuran N dengan rata-rata
µx dan simpangan baku σx diambil sampel berukuran
n secara berulang tanpa pengembalian, maka diperoleh :
1. Distribusi sampel rata-rata 2. Simpangan baku X X = µ µ koreksi faktor disebut 1 - N n - N dimana 1 - N n - N n X X σ = σ
Distribusi Sampel Rata-rata
(lanjutan)
Bila n>=30, maka distribusi sampelnya akan
mendekati distribusi normal sehingga variabel random Z dapat dihitung dengan rumus :
X X X X
X
-X
Z
σ µ = σ µ =Distribusi Sampel Rata-rata
(lanjutan)
Contoh :
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 :
Jadi probabilitas kecepatan maksimum rata-rata mobil yang lebih besar dari 136,1 km/jam adalah P(X>136,1) = P(Z>1,46) = 1- P(Z<1,46)=1-0,9279=0.0721 1,46 41 , 0 135,5 -136,1 -X Z 0,41 1 2000 150 2000 . 150 5,2 1 - N n - N n X X X X = = σ µ = = − − = σ = σ
Distribusi Sampel Proporsi
Bila populasi berukuran N mengandung jenis p sebanyak X, maka proporsi p adalah X/N.
Jika dari populasi tersebut diambil sampel berukuran n yang juga
mengandung proporsi x/n dan sampel diambil berulang maka distribusi sampel proporsinya mempunyai :
1. Rata-rata 2. Simpangan baku 3. Variabel random N X p pˆ = µ = µ
( )
1 - N n - N . n p -1 p pˆ = σ pˆ p - pˆ Z σ =Distribusi Sampel Proporsi
(lanjutan)
Contoh :
Diketahui sebanyak 10% dari ibu-ibu rumah tangga di Yogyakarta 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!
Jawab :
a. Rata-rata = 0,1
b. Proporsi yang memakai detergen A adalah 15/100 = 0,15
P(Z>1,67) = 0,5 - 0,4525 = 0,0475 ( ) 0,03 100 0,1.0,9 n p -1 p pˆ = = = σ 1,67 0,03 0,1 -0,15 p - pˆ Z pˆ = = σ =
Distribusi Sampel Beda Dua Rata-rata
Terdapat 2 populasi. Populasi 1 sebanyak N1 dan mempunyai rata-rata µ1 serta simpangan baku σ1. Populasi 2 sebanyak N2mempunyai rata-rata µ2 serta simpangan baku σ2.
Dari populasi 1 diambil sampel acak sebanyak n1 dengan rata-rata X1 dan dari populasi 2 sampel acak sebanyak n2 dengan rata-rata X2 dimana kedua
sampel tersebut dianggap saling bebas.
Dari sampel X1 dan X2 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 :
( ) ( ) ( )
(
)
( ) 2 1 2 1 2 1 X X 2 1 2 1 2 1 2 1 2 2 2 1 2 1 X X 2 1 X X -2 X 1 X Z : random Variabel 1 N N n n N N . n n : baku Simpangan -: rata -Rata − − − σ µ µ − − = − − + − + σ + σ = σ µ µ = µDistribusi Sampel Beda Dua Rata-rata
(lanjutan)
Contoh :
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?
Distribusi Sampel Beda Dua Rata-rata
(lanjutan)
(
)
( )(
)
(
)
0,0475 0,4525 -0,5 1,67) P(Z asnya probabilit sehingga 1,67 0,6 11 -12 Z sehingga 12 X -X maka perempuan, mahasiswa badan tinggi rata -rata daripada lebihnya cm 12 sedikit paling laki -laki mahasiswa badan tinggi rata -rata Karena 6 , 0 11 -X -X -X -X Z 0,6 150 1 , 5 150 5,3 n n : baku Simpangan cm 11 153 -164 : rata -Rata perempuan mahasiswa badan tinggi rata -rata X laki -laki mahasiswa badan tinggi rata -rata X Misal orang 150 n : 2 sampel dan cm 5,1 , cm 153 : 2 populasi orang 150 n : 1 sampel dan cm 5,3 , cm 164 : 1 populasi Diketahui : Jawab 2 1 2 1 X -X 2 1 2 1 2 2 2 2 2 1 2 1 X -X 2 1 X X 2 1 2 2 2 1 1 1 2 1 2 1 2 1 = = ≥ = = ≥ = σ µ µ = = + = σ + σ = σ = = µ − µ = µ = = = = σ = µ = = σ = µ −Distribusi Sampel Beda Dua Proporsi
Ada 2 populasi. Populasi 1 berukuran N1 terdapat jenis X1 dengan proporsi X1/N1. Populasi 2 berukuran N2 terdapat jenis X2 dengan proporsi X2/N2. Bila populasi 1 diambil sampel acak berukuran n1 maka sampel ini akan
mengandung jenis x1 dengan proporsi x1/n1. Demikian juga dengan populasi 2 diambil sampel acak berukuran n2 maka sampel ini akan mengandung jenis x2 dengan proporsi x2/n2.
Sampel 1 dan 2 dapat membentuk sampel acak baru yaitu sampel beda dua proporsi. Distribusinya mempunyai :
( ) ( ) (
) (
)
(
)
(
) (
)
2 1 2 1 1 pˆ - pˆ 2 1 2 1 2 1 2 1 2 1 2 2 2 1 1 1 pˆ - pˆ 2 1 2 pˆ - pˆ p - p - pˆ - pˆ Z : random Variabel 1 N N n n N N . n p -1 p n p -1 p : baku Simpangan p - p : rata -Rata σ = − − + − + + = σ = µDistribusi Sampel Beda Dua Proporsi
(lanjutan)
Contoh :
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%
Distribusi Sampel Beda Dua Proporsi
(lanjutan)
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( pˆ - pˆ 0,02) P (Z -1,3) 0,5 0,4032 0,9032 90,32% P adalah asnya probabilit Jadi 1,3 -023 , 0 0,05 -02 , 0 Z : diperoleh sehingga 0,02 pˆ - pˆ maka timur gudang di daripada banyak lebih 2% barat gudang di cacat barang Karena 023 , 0 0,05 -0,1 - pˆ - pˆ p - p - pˆ - pˆ Z 0,023 200 0,95 0,05 300 0,9 0,1 n p -1 p n p -1 p sampel dalam timur gudang di cacat yang barang proporsi pˆ sampel dalam barat gudang di cacat yang barang proporsi pˆ 0,05 p 200, n : timur Gudang 0,1 p 300, n : barat Gudang : Jawab 2 1 2 1 2 1 pˆ - pˆ 2 1 2 1 2 2 2 1 1 1 pˆ - pˆ 2 1 2 2 1 1 2 1 2 1 = = + = > = > = = > = σ = = + = + = σ = = = = = =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
LATIHAN
(lanjutan)
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 rata-rata 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,
berapakah probabilitas rata-rata daya regang beda dua rata-rata dari dua sampel itu yang lebih besar dari 600 lbs?
Sampel Random adalah sampel yang diambil dari suatu populasi dan tiap elemennya mempunyai peluang yang sama untuk terambil.
SAMPEL RANDOM & DISTRIBUSI
SAMPLING
Sifat Distribusi Sampling :
1. Jika sampel random dengan n elemen diambil
dari suatu populasi dengan mean µ dan
variansi , maka distribusi sampling harga mean
mempunyai mean = dan variansi =
2. Jika populasinya berdistribusi normal, maka distribusi
sampling harga mean berdistribusi normal juga
3. Jika sampel-sampel random diambil dari suatu populasi
yang berdistribusi sembarang dengan mean µ dan
variansi , maka untuk n > 30 :
Sampel Random :
1. Dengan Pengembalian :
dan atau
2. Tanpa Pengembalian :
dan
Jika N sangat besar relative terhadap n, (N tidak disebutkan), maka :
atau
Contoh :
1) Suatu sampel random dengan 60 mahasiswa diambil
dari suatu populasi dengan N orang mahasiswa yang mempunyai IQ rata-rata (mean = 120) dan variansi = 280. (sampel diambil tanpa pengembalian)
c) Jika N = 400, hitung :
(i) (P(110
≤ ≤125 )
(ii) P( ≥130)
Jawab :
Diketahui : µ = 120 = 280
a) Jika N = 400 :
= µ = 120
P( ≥130) P(120≤ ≤130) = P(0 ≤ Z ≤ ) = P(0 ≤ Z ≤ 5,00) A = 0,5 P( ≥130) = 0,5 – 0,5 = 0
= P(-4,63≤ Z ≤ 2,31 ) = 0,5 + 0,4896
2) Suatu sampel dengan 40 elemen diambil dari suatu
populasi dengan mean = 4,14 dan variansi = 84,64. Hitung probabilitas bahwa mean sampel terletak
antara 40 dan 45. Jawab :
Diketahui : µ = 41,4, = 86,64, n = 40
N tidak disebutkan (anggap bahwa N besar sekali) Distribusi sampling harga mean :
DISTRIBUSI NORMAL :
µ : nilai rata-rata populasi
xi : nilai variabel random
τ : standard deviasi populasi
SOAL :
Seorang siswa memperoleh nilai ujian matakuliah A=60, sedangkan nilai rata-rata kelas=65 dan standard
deviasi=10.
Pada matakuliah B ia memperoleh nilai ujian=62,
sedangkan nilai rata-rata kelas=66 dan standard deviasi=5 Pertanyaan : Pada matakuliah manakah siswa tersebut
SOAL :
Sebuah pabrik bola lampu setiap bulannya rata-rata
memproduksi sebanyak 25.000 unit bola lampu dengan standard deviasi=4000 unit. Bila produksi lampu selama satu periode tertentu dianggap berdistribusi normal, maka hitunglah probabilitas akan diperoleh :
a) Tingkat produksi perbulan antara 26.000 – 27.500 b) Tingkat produksi kurang dari 27.000 unit
SOAL :
Ujian negara statistik pada akhir tahun 1990 diikuti
sebanyak 2.000 peserta dengan rata-rata nilai ujian=58 dari variansi=100. Bila distribusi nilai ujian dianggap
berdistribusi normal, maka hitunglah probabilitas :
a) Peserta yang memperoleh nilai (Xi ≥ 70)
b) Bila nilai ujian untuk lulus=53,5 maka berapa persen yang tidak lulus
c) Bila terdapat 5% peserta yang memperoleh
nilai A, maka berapa nilai minimal (terendah) untuk memperoleh nilai A
PENDEKATAN DISTRIBUSI NORMAL MENJADI DISTRIBUSI BINOMIAL
SOAL :
Bila diketahui bahwa 64% anggota MPR yang dipilih
memiliki umur 50 tahun. Jika dari anggota MPR tersebut dipilih 100 orang anggota secara random maka
berapakah probabilitasnya :
a) Bahwa proporsi dari anggota MPR tersebut ≤ 60%
nya berumur 50 tahun
b) Bahwa proporsi dari anggota MPR tersebut
SOAL :
Pengawas produksi ban Bridgestone menemukan
bahwa rata-rata produksi ban yang cacat mencapai 2% dari total produksi yang ada. Bila dari seluruh produksi tersebut diambil sebanyak 400 ban secara random
(acak), maka berapakah probabilitasnya :
a) Ban yang cacat ≤ 3% (Xi ≤ 3%)
DISTRIBUSI SAMPLING MEAN : SOAL :
Pabrik alat elektronik SONY memproduksi sejenis
adaptor yang memiliki rata-rata umur pemakaian = 800
jam(µ) dengan standar deviasi = 40 jam (S).
Hitunglah probabilitasnya bila dipilih 16 sampel secara random akan memiliki umur rata-rata :
a) Kurang dari 775 jam
b) Antara 780 jam – 820 jam c) Lebih dari 810 jam