Contoh Soal Sebaran Penarikan Contoh Lengkap dengan Pembahasan Mudah Dipahami

Sebaran penarikan contoh atau sampling distribution adalah salah satu konsep penting dalam statistika yang menjadi dasar dalam pengambilan keputusan, pengujian hipotesis, dan inferensi statistik. Bagi mahasiswa, praktisi data, atau peneliti, memahami konsep sebaran penarikan contoh sangat penting karena memengaruhi validitas kesimpulan yang diambil dari data sampel. Artikel ini akan membahas contoh soal sebaran penarikan contoh lengkap dengan pembahasan secara rinci, mulai dari konsep dasar, jenis distribusi, hingga strategi mengerjakan soal, sehingga mudah dipahami dan siap diterapkan.

baca lagi: Universitas Teknokrat Indonesia dan PSSI Lampung Gelar Pelatihan Wasit Sepak Bola Lisensi C3

Pengertian Sebaran Penarikan Contoh

Sebaran penarikan contoh adalah distribusi probabilitas dari suatu statistik yang diperoleh dari semua sampel yang mungkin diambil dari populasi tertentu dengan ukuran sampel tertentu. Misalnya, jika kita mengambil rata-rata dari semua sampel berukuran n dari suatu populasi, distribusi dari semua rata-rata sampel tersebut disebut sebaran penarikan contoh rata-rata. Konsep ini menjadi dasar inferensi statistik karena memungkinkan peneliti memprediksi perilaku statistik dari sampel terhadap populasi.

Manfaat Memahami Sebaran Penarikan Contoh

1. Membantu Inferensi Statistik: Memungkinkan prediksi parameter populasi dari data sampel.
2. Mengukur Variabilitas Sampel: Mengetahui seberapa besar variasi statistik sampel dari satu sampel ke sampel lain.
3. Menentukan Probabilitas Kesalahan: Membantu menghitung peluang kesalahan dalam pengambilan keputusan statistik.
4. Dasar Uji Hipotesis: Digunakan untuk menentukan uji statistik dan batas keputusan.
5. Meningkatkan Validitas Penelitian: Dengan memahami sebaran penarikan contoh, kesimpulan dari sampel lebih akurat mewakili populasi.

Komponen Utama Sebaran Penarikan Contoh

Beberapa konsep penting dalam sebaran penarikan contoh yang harus dipahami:

• Populasi: Seluruh objek atau data yang menjadi fokus penelitian.
• Sampel: Subset dari populasi yang diambil secara acak untuk analisis.
• Statistik Sampel: Nilai yang dihitung dari sampel, misalnya rata-rata, proporsi, atau varians.
• Parameter Populasi: Nilai sebenarnya dari populasi, seperti mean (µ), varians (σ²), atau proporsi (p).
• Distribusi Sampling: Distribusi probabilitas dari statistik sampel untuk semua sampel yang mungkin dari populasi.

Jenis-Jenis Distribusi dalam Sebaran Penarikan Contoh

1. Distribusi Rata-Rata Sampel (Sampling Mean Distribution)
   Distribusi dari rata-rata sampel. Jika populasi berdistribusi normal, rata-rata sampel juga berdistribusi normal.
2. Distribusi Proporsi Sampel (Sampling Proportion Distribution)
   Distribusi dari proporsi sampel. Digunakan ketika data bersifat kategorik, misalnya proporsi mahasiswa yang lulus ujian.
3. Distribusi Varians Sampel (Sampling Variance Distribution)
   Distribusi dari varians sampel. Varians sampel memiliki distribusi chi-square jika populasi normal.
4. Distribusi Standar Error
   Standar error adalah standar deviasi dari distribusi sampling. Semakin besar ukuran sampel, semakin kecil standar error, dan semakin akurat estimasi populasi.

Rumus Dasar dalam Sebaran Penarikan Contoh

1. Rata-rata Sampel (Mean of Sampling Distribution)
   $\mu_{\bar{x}} = \mu$μxˉ​=μ
   Artinya, rata-rata distribusi rata-rata sampel sama dengan rata-rata populasi.
2. Standar Error Rata-Rata Sampel
   $\text{SE} = \frac{\sigma}{\sqrt{n}}$SE=n​σ​
   Di mana σ adalah standar deviasi populasi, n adalah ukuran sampel.
3. Proporsi Sampel
   $\text{SE}_p = \sqrt{\frac{p(1-p)}{n}}$SEp​=np(1−p)​​
   Di mana p adalah proporsi populasi, n adalah ukuran sampel.

Strategi Mengerjakan Soal Sebaran Penarikan Contoh

1. Identifikasi Populasi dan Sampel: Tentukan populasi dan ukuran sampel yang diberikan.
2. Tentukan Statistik yang Dihitung: Apakah rata-rata, proporsi, atau varians.
3. Hitung Standar Error: Gunakan rumus yang sesuai.
4. Tentukan Distribusi: Normal atau binomial, tergantung jenis data.
5. Gunakan Tabel Distribusi atau Z-Score: Untuk menghitung probabilitas atau batas kritis.
6. Interpretasi Hasil: Tuliskan hasil dengan konteks masalah agar mudah dipahami.

Contoh Soal 1: Rata-Rata Sampel

Soal: Suatu populasi memiliki rata-rata berat badan 65 kg dengan standar deviasi 8 kg. Jika diambil sampel acak sebanyak 25 orang, hitung probabilitas rata-rata sampel lebih dari 67 kg.

Pembahasan:

• Diketahui: µ = 65, σ = 8, n = 25, $\bar{x} = 67$xˉ=67
• Standar Error:
  $\text{SE} = \frac{\sigma}{\sqrt{n}} = \frac{8}{\sqrt{25}} = 1,6$SE=n​σ​=25​8​=1,6
• Z-Score:
  $Z = \frac{\bar{x} – \mu}{SE} = \frac{67-65}{1,6} = 1,25$Z=SExˉ−μ​=1,667−65​=1,25
• Probabilitas: Dari tabel Z, P(Z > 1,25) ≈ 0,1056
• Kesimpulan: Probabilitas rata-rata sampel lebih dari 67 kg adalah sekitar 10,56%.

Contoh Soal 2: Proporsi Sampel

Soal: Sebuah populasi mahasiswa memiliki 60% lulus ujian statistika. Jika diambil sampel acak 50 mahasiswa, tentukan probabilitas bahwa lebih dari 35 mahasiswa lulus.

Pembahasan:

• Diketahui: p = 0,6, n = 50, x = 35
• Standar Error:
  $\text{SE}_p = \sqrt{\frac{p(1-p)}{n}} = \sqrt{\frac{0,6 \cdot 0,4}{50}} \approx 0,0693$SEp​=np(1−p)​​=500,6⋅0,4​​≈0,0693
• Proporsi Sampel: $\hat{p} = \frac{35}{50} = 0,7$p^​=5035​=0,7
• Z-Score:
  $Z = \frac{\hat{p} – p}{SE_p} = \frac{0,7 – 0,6}{0,0693} \approx 1,44$Z=SEp​p^​−p​=0,06930,7−0,6​≈1,44
• Probabilitas: P(Z > 1,44) ≈ 0,075
• Kesimpulan: Probabilitas lebih dari 35 mahasiswa lulus adalah sekitar 7,5%.

Contoh Soal 3: Varians Sampel

Soal: Populasi memiliki varians 16. Diambil sampel sebanyak 10 elemen. Hitung standar error varians sampel.

Pembahasan:

• Standar Error Varians:
  $\text{SE}_{s^2} = \frac{\sigma^2}{\sqrt{n}} = \frac{16}{\sqrt{10}} \approx 5,06$SEs2​=n​σ2​=10​16​≈5,06
• Interpretasi: Varians sampel bervariasi sekitar 5,06 dari varians populasi.

Contoh Soal 4: Aplikasi dalam Pengujian Hipotesis

Soal: Suatu perusahaan ingin mengetahui apakah rata-rata gaji karyawan berbeda dari 5 juta rupiah. Populasi gaji memiliki σ = 1 juta, diambil sampel 36 orang dengan rata-rata gaji 5,2 juta. Uji pada α = 0,05.

Pembahasan:

• Standar Error:
  $\text{SE} = \frac{1}{\sqrt{36}} = 0,1667$SE=36​1​=0,1667
• Z-Score:
  $Z = \frac{5,2 – 5}{0,1667} \approx 1,2$Z=0,16675,2−5​≈1,2
• Batas Kritis: Zα/2 = 1,96
• Kesimpulan: Karena 1,2 < 1,96, gagal tolak H0. Rata-rata gaji tidak berbeda signifikan dari 5 juta.

Tips Praktis Mengerjakan Soal Sebaran Penarikan Contoh

1. Pahami jenis statistik yang dihitung (mean, proporsi, varians).
2. Hitung standar error dengan benar.
3. Tentukan distribusi yang sesuai, normal atau binomial.
4. Gunakan tabel Z atau T dengan tepat.
5. Selalu interpretasikan hasil dengan konteks masalah.
6. Latihan dengan berbagai ukuran sampel untuk memahami efek standar error.
7. Catat setiap langkah perhitungan agar mudah diperiksa dan dipahami.

Baca lagi : Mahasiswa Universitas Teknokrat Indonesia Borong Juara Nasional di ANFEST 2026

Kesimpulan

Sebaran penarikan contoh adalah konsep fundamental dalam statistika dan sistem pengambilan keputusan berbasis data. Dengan memahami cara menghitung probabilitas rata-rata, proporsi, dan varians sampel, mahasiswa dan peneliti dapat membuat inferensi yang valid tentang populasi. Artikel ini menyajikan contoh soal sebaran penarikan contoh lengkap dengan pembahasan, mulai dari rata-rata, proporsi, varians, hingga aplikasi pengujian hipotesis.

Memahami sebaran penarikan contoh tidak hanya membantu dalam pengerjaan soal, tetapi juga meningkatkan kemampuan analisis data, interpretasi hasil penelitian, dan pengambilan keputusan berbasis statistik. Latihan soal secara rutin akan mempermudah pemahaman konsep dan meningkatkan kemampuan mahasiswa atau praktisi dalam mengaplikasikan sebaran penarikan contoh di dunia nyata.

Penulis : Dinda Rahma Wati