Statistika #14 (Teorema Limit Pusat dan Distribusi Sampling)

STATISTIKA SMA • PAKET 14

Teorema Limit Pusat dan Distribusi Sampling

Memahami mengapa sampel dapat membantu kita memperkirakan karakteristik populasi.

Populasi • Sampel • Rata-rata Sampel • Galat Baku • Teorema Limit Pusat

1. Mengapa Kita Menggunakan Sampel?

Populasi adalah seluruh objek atau individu yang menjadi sasaran penelitian. Sampel adalah sebagian anggota populasi yang dipilih untuk dipelajari.

Misalnya, sekolah ingin mengetahui rata-rata waktu belajar seluruh siswa. Menanyai semua siswa mungkin membutuhkan waktu, sehingga peneliti dapat memilih sampel yang mewakili populasi.

Ide utama: sampel membantu kita mempelajari populasi, tetapi hasilnya mengandung ketidakpastian. Pemilihan sampel yang baik penting agar kesimpulan tidak menyesatkan.

Istilah	Simbol umum	Makna
Rata-rata populasi	\(\mu\)	Rata-rata seluruh anggota populasi
Simpangan baku populasi	\(\sigma\)	Ukuran penyebaran nilai populasi
Ukuran sampel	\(n\)	Banyak anggota dalam satu sampel
Rata-rata sampel	\(\bar X\)	Rata-rata yang dihitung dari sampel

2. Apa Itu Distribusi Sampling?

Bayangkan kita mengambil banyak sampel acak berukuran sama dari populasi yang sama. Setiap sampel menghasilkan rata-rata yang mungkin berbeda.

Distribusi sampling rata-rata adalah distribusi dari seluruh kemungkinan nilai rata-rata sampel tersebut.

\[\bar X=\frac{X_1+X_2+\cdots+X_n}{n}\]

Rata-rata sampel satu mungkin 68, sampel lain 71, dan sampel berikutnya 69. Kumpulan nilai rata-rata itulah yang membentuk distribusi sampling.

Perbedaan penting: distribusi data individu menggambarkan nilai tiap anggota populasi, sedangkan distribusi sampling rata-rata menggambarkan nilai rata-rata dari banyak sampel.

3. Rata-rata dan Galat Baku Rata-rata Sampel

Jika sampel dipilih secara acak dan memenuhi asumsi yang sesuai, rata-rata distribusi sampling rata-rata sama dengan rata-rata populasi.

\[E(\bar X)=\mu\]

Simpangan baku distribusi sampling rata-rata disebut galat baku rata-rata atau standard error.

\[\sigma_{\bar X}=\frac{\sigma}{\sqrt n}\]

Keterangan:

\(\sigma\) = simpangan baku populasi.
\(n\) = ukuran sampel.
\(\sigma_{\bar X}\) = galat baku rata-rata sampel.

Rumus ini berlaku untuk sampel acak yang memenuhi kondisi model, misalnya pengamatan independen atau koreksi populasi terbatas dapat diabaikan. Jika pengambilan sampel tanpa pengembalian dari populasi yang tidak besar, galat baku dapat memerlukan faktor koreksi populasi terbatas.

Contoh langkah demi langkah

Diketahui rata-rata populasi 70, simpangan baku populasi 12, dan ukuran sampel 36. Tentukan galat baku rata-rata sampel.

Tulis informasi: \(\sigma=12\) dan \(n=36\).
Gunakan rumus: \(\sigma_{\bar X}=\frac{\sigma}{\sqrt n}\).
Substitusi nilai: \(\sigma_{\bar X}=\frac{12}{\sqrt{36}}=\frac{12}{6}=2\).

Jadi, galat baku rata-rata sampel adalah 2. Ini menggambarkan penyebaran rata-rata sampel, bukan penyebaran nilai individu.

4. Teorema Limit Pusat (TLP)

Teorema Limit Pusat menyatakan secara umum bahwa distribusi rata-rata sampel akan mendekati distribusi normal ketika ukuran sampel cukup besar, dengan syarat-syarat tertentu terpenuhi, meskipun distribusi populasi asal tidak normal.

\[\bar X\ \approx\ N\left(\mu,\frac{\sigma^2}{n}\right)\]

Dalam notasi ini, rata-rata distribusi sampling adalah \(\mu\), sedangkan variansnya adalah \(\frac{\sigma^2}{n}\). Galat bakunya adalah \(\frac{\sigma}{\sqrt n}\).

Jangan salah paham: TLP tidak berarti data individu berubah menjadi normal. Yang mendekati normal adalah distribusi sampling rata-rata. Ukuran sampel yang diperlukan bergantung pada bentuk populasi, kemencengan, pencilan, dan kondisi pengambilan sampel.

Mengapa ukuran sampel penting?

Saat \(n\) bertambah, galat baku \(\frac{\sigma}{\sqrt n}\) mengecil.
Rata-rata sampel cenderung lebih terkonsentrasi di sekitar rata-rata populasi.
Untuk populasi yang sangat menceng atau memiliki pencilan ekstrem, pendekatan normal dapat memerlukan sampel yang lebih besar.

5. Eksplorasi Interaktif: Pengaruh Ukuran Sampel

Ubah simpangan baku populasi dan ukuran sampel. Perhatikan bagaimana galat baku berubah. Ini adalah perhitungan teoretis, bukan pengambilan sampel nyata.

Simpangan baku populasi (\(\sigma\)) Ukuran sampel (\(n\))

Masukkan parameter, lalu tekan Hitung Galat Baku.

Ukuran sampel36

Simpangan baku populasi12

Galat baku2

Indikator relatif galat baku dibandingkan dengan simpangan baku populasi:

Galat baku relatif = 16,67% dari simpangan baku populasi.

6. Menghitung Skor-Z untuk Rata-rata Sampel

Jika distribusi sampling rata-rata dapat diperkirakan normal dan simpangan baku populasi diketahui, skor-Z rata-rata sampel dihitung dengan menggunakan galat baku.

\[z=\frac{\bar x-\mu}{\sigma/\sqrt n}\]

Contoh

Rata-rata populasi adalah 70, simpangan baku populasi 12, dan sampel berukuran 36 memiliki rata-rata 73. Hitung skor-Z.

Galat baku: \(\frac{12}{\sqrt{36}}=2\).
Skor-Z: \(z=\frac{73-70}{2}=1{,}5\).

Rata-rata sampel berada 1,5 galat baku di atas rata-rata populasi.

Skor-Z ini mengukur posisi rata-rata sampel dalam distribusi sampling. Ini berbeda dari skor-Z satu individu yang memakai \(\sigma\), bukan \(\sigma/\sqrt n\).

7. Kalkulator Skor-Z Rata-rata Sampel

Rata-rata sampel (\(\bar x\)) Rata-rata populasi (\(\mu\)) Simpangan baku populasi (\(\sigma\)) Ukuran sampel (\(n\))

Hasil akan muncul di sini.

8. Penerapan dalam Kehidupan

A. Memperkirakan rata-rata waktu belajar

Peneliti memilih sampel siswa secara acak, mencatat waktu belajar mereka, lalu menghitung rata-rata sampel. Rata-rata tersebut digunakan untuk memperkirakan rata-rata populasi dengan tetap mempertimbangkan ketidakpastian.

B. Mengontrol kualitas produk

Pabrik mengambil sampel produk untuk memeriksa ukuran atau berat. Distribusi sampling membantu memahami seberapa besar variasi rata-rata sampel dari satu pengambilan ke pengambilan lain.

C. Survei kepuasan

Survei menggunakan sampel karena biasanya tidak praktis bertanya kepada semua orang. Sampel perlu dipilih dengan metode yang sesuai agar hasil tidak bias.

Sampel besar saja tidak otomatis menjamin hasil yang baik. Sampel yang besar tetapi bias tetap dapat menghasilkan kesimpulan yang bias.

9. Latihan Soal

Soal 1. Jelaskan perbedaan populasi dan sampel.

Populasi adalah seluruh objek yang menjadi sasaran penelitian, sedangkan sampel adalah sebagian anggota populasi yang dipilih untuk dipelajari.

Soal 2. Simpangan baku populasi 15 dan ukuran sampel 25. Hitung galat baku rata-rata sampel.

\[\sigma_{\bar X}=\frac{15}{\sqrt{25}}=\frac{15}{5}=3\]. Jadi, galat bakunya 3.

Soal 3. Apa yang dijelaskan oleh Teorema Limit Pusat?

Dalam kondisi yang sesuai, distribusi rata-rata sampel akan mendekati distribusi normal ketika ukuran sampel cukup besar, meskipun populasi asal tidak berdistribusi normal.

Soal 4. Rata-rata populasi 80, simpangan baku populasi 10, ukuran sampel 25, dan rata-rata sampel 84. Hitung skor-Z rata-rata sampel.

Galat baku \(=10/\sqrt{25}=2\). Skor-Z \(=(84-80)/2=2\).

Soal 5. Jika ukuran sampel bertambah dari 25 menjadi 100 dan simpangan baku populasi tetap, bagaimana galat baku berubah?

Awalnya \(\sigma/5\), kemudian menjadi \(\sigma/10\). Jadi, galat baku menjadi setengah dari semula.

Refleksi Akhir

Distribusi sampling membantu kita memahami bahwa rata-rata dari sampel dapat berubah dari satu sampel ke sampel lain. Galat baku mengukur penyebaran rata-rata sampel, sedangkan Teorema Limit Pusat menjelaskan kapan distribusinya dapat didekati dengan distribusi normal.

Tantangan: Bandingkan galat baku ketika ukuran sampel 16, 36, dan 100 untuk simpangan baku populasi yang sama. Tuliskan pola yang kamu temukan.

Cari Blog Ini

Navigasi Materi