Sampling Distribution dan Estimasi
Introduction to Statistics (SDT-1102)
Fadli Nafsin
Menempuh pendidikan di bidang Sains Data di Institut Teknologi Sains Bandung (ITSB), dengan ketertarikan pada Data Science, Data Analytics, dan pengembangan solusi berbasis data. Memiliki semangat untuk terus belajar, bereksplorasi, dan mengembangkan kemampuan di dunia teknologi dan data.
1 Tiga Distribusi yang Harus Dibedakan
| Distribusi | Isinya | Jumlah nilai | Contoh |
|---|---|---|---|
| Distribusi populasi | Nilai setiap unit populasi | N | Pengeluaran 20.000 mahasiswa |
| Distribusi sampel | Nilai unit dalam satu sampel | n | Pengeluaran 40 mahasiswa yang disurvei |
| Distribusi sampling | Nilai statistik (misalnya \(\bar{x}\)) dari banyak sampel | Sebanyak sampel yang dibayangkan diambil | \(\bar{x}\) dari 10.000 sampel berukuran 40 |
Distribusi sampling adalah konsep teoretis: dalam praktik kita hanya memiliki satu sampel. Namun dengan simulasi kita dapat melihatnya.
1.1 Populasi Simulasi
Kita memakai populasi 20.000 mahasiswa dengan variabel waktu layar harian (jam) yang menjulur kanan β bentuk yang sengaja dipilih jauh dari lonceng.
set.seed(909)
N <- 20000
populasi <- round(rgamma(N, shape = 2, rate = 0.4), 2)
mu <- mean(populasi)
sigma <- sqrt(mean((populasi - mu)^2))
c(N = N, mu = round(mu, 3), sigma = round(sigma, 3))## N mu sigma
## 20000.000 5.010 3.551
set.seed(1)
satu_sampel <- sample(populasi, 40)
banyak_rata <- replicate(10000, mean(sample(populasi, 40)))
par(mfrow = c(1, 3))
hist(populasi, breaks = 40, col = "#9ecae1", border = "white",
main = "Populasi (N = 20.000)",
xlab = "Jam per hari", xlim = c(0, 20))
hist(satu_sampel, breaks = 12, col = "#fdae6b", border = "white",
main = "Satu sampel (n = 40)",
xlab = "Jam per hari", xlim = c(0, 20))
hist(banyak_rata, breaks = 40, col = "#a1d99b", border = "white",
main = "Sampling distribution x-bar",
xlab = "Rata-rata sampel (n = 40)")Populasi dan satu sampel sama-sama menjulur kanan, tetapi distribusi rata-rata sampel jauh lebih sempit dan hampir berbentuk lonceng. Inilah inti pertemuan ini.
2 Distribusi Sampling Rata-rata Sampel
Untuk sampel acak berukuran n dari populasi dengan mean ΞΌ dan simpangan baku Ο:
| Sifat | Rumus | Arti |
|---|---|---|
| Mean | \(\mu_{\bar{x}} = \mu\) | \(\bar{x}\) adalah penaksir tak bias: rata-ratanya tepat di parameter populasi |
| Standard error | \(\sigma_{\bar{x}} = \frac{\sigma}{\sqrt{n}}\) | Sebaran \(\bar{x}\) mengecil seiring bertambahnya ukuran sampel (\(n\)) |
| Bentuk | Normal | Jika populasi normal, distribusi sampling juga normal; mendekati normal untuk \(n\) cukup besar (CLT) |
| Peluang | \(P(\bar{x})\) | Memungkinkan perhitungan peluang berdasarkan distribusi sampling |
knitr::kable(data.frame(
Besaran = c("Mean distribusi sampling", "SD distribusi sampling (SE)"),
Teori = round(c(mu, sigma / sqrt(40)), 4),
Simulasi_10000_sampel = round(c(mean(banyak_rata), sd(banyak_rata)), 4)
), caption = "Teori vs simulasi untuk n = 40")| Besaran | Teori | Simulasi_10000_sampel |
|---|---|---|
| Mean distribusi sampling | 5.0097 | 5.0024 |
| SD distribusi sampling (SE) | 0.5615 | 0.5556 |
Hasil simulasi hampir sama dengan teori.
Koreksi populasi terhingga. Rumus \(\frac{\sigma}{\sqrt{n}}\) mengasumsikan populasi sangat besar dibanding sampel. Jika sampel mencapai lebih dari sekitar 5% populasi (tanpa pengembalian), SE dikalikan faktor:
\[ \sqrt{\frac{N-n}{N-1}} \]
Pada contoh ini, \(n/N = 0,2\%\), sehingga koreksi dapat diabaikan.
2.1 Pengaruh Ukuran Sampel
set.seed(2)
n_list <- c(5, 20, 80)
par(mfrow = c(1, 3))
for (nn in n_list) {
rata <- replicate(5000, mean(sample(populasi, nn)))
hist(rata, breaks = 40, col = "#a1d99b", border = "white",
xlim = c(1, 10), freq = FALSE,
main = paste0("n = ", nn, " (SE = ", round(sigma / sqrt(nn), 2), ")"),
xlab = "Rata-rata sampel")
curve(dnorm(x, mu, sigma / sqrt(nn)),
add = TRUE, col = "firebrick", lwd = 2)
abline(v = mu, lty = 2)
}Kurva merah adalah distribusi normal dengan mean ΞΌ dan SD \(\frac{\sigma}{\sqrt{n}}\). Semakin besar n: (1) distribusi semakin sempit, dan (2) bentuknya semakin mendekati normal meskipun populasinya menjulur kanan.
3 Central Limit Theorem (CLT)
Central Limit Theorem (CLT). Jika sampel acak berukuran n diambil dari populasi sembarang bentuk dengan mean ΞΌ dan simpangan baku Ο (terhingga), maka untuk n yang cukup besar, distribusi sampling \(\bar{x}\) mendekati normal:
\[ \bar{x} \approx N\left(\mu,\frac{\sigma}{\sqrt{n}}\right) \]
CLT adalah alasan mengapa distribusi normal muncul di mana-mana dalam statistika inferensial β bukan karena data selalu normal, tetapi karena rata-rata dari data cenderung normal.
3.1 Demonstrasi pada Tiga Bentuk Populasi
set.seed(3)
pop_bentuk <- list(
"Seragam" = runif(20000, 0, 10),
"Menjulur kanan" = rexp(20000, rate = 0.5),
"Bimodal" = c(rnorm(10000, 2, 0.8), rnorm(10000, 8, 0.8))
)
ukuran <- c(2, 5, 30)
par(mfrow = c(4, 3), mar = c(3, 3, 2.5, 1))
for (nama in names(pop_bentuk)) {
hist(pop_bentuk[[nama]], breaks = 40,
col = "#9ecae1", border = "white",
main = paste("Populasi:", nama),
xlab = "", ylab = "")
}
for (nn in ukuran) {
for (nama in names(pop_bentuk)) {
rata <- replicate(3000, mean(sample(pop_bentuk[[nama]], nn)))
hist(rata, breaks = 35, col = "#a1d99b",
border = "white",
main = paste0(nama, ", n = ", nn),
xlab = "", ylab = "")
}
}Baris pertama adalah populasi; baris berikutnya adalah distribusi sampling \(\bar{x}\) untuk n = 2, 5, dan 30. Populasi seragam mulai tampak mendekati lonceng pada n = 5; populasi bimodal masih bergelombang pada n = 2 tetapi mendekati lonceng pada n = 30; populasi menjulur kanan membutuhkan n lebih besar untuk mengurangi kemencengannya.
3.2 Seberapa Besar βCukup Besarβ?
| Bentuk populasi | Ukuran sampel yang biasanya cukup |
|---|---|
| Normal | Berapa pun (distribusi \(\bar{x}\) tepat normal) |
| Simetris, tidak normal | Sekitar 10β15 |
| Menceng sedang | Sekitar 30 (aturan praktis yang populer) |
| Sangat menceng atau banyak outlier | Bisa jauh lebih dari 30 |
skew <- function(x) {
d <- x - mean(x)
mean(d^3) / mean(d^2)^1.5
}
set.seed(4)
ukuran_skew <- c(2, 5, 10, 30, 100)
data.frame(
n = ukuran_skew,
Kemencengan_xbar = sapply(ukuran_skew, function(nn) {
round(skew(replicate(5000, mean(sample(populasi, nn)))), 3)
})
)Kemencengan distribusi \(\bar{x}\) menyusut kira-kira sebanding dengan \(1/\sqrt{n}\).
3.3 Menghitung Peluang dengan CLT
Contoh: Jika diambil sampel acak 40 mahasiswa, berapa peluang rata-rata waktu layarnya melebihi 5,5 jam?
z = Μx β ΞΌ Ο/β n P( Μx > 5,5) = P (Z > z)
se40 <- sigma / sqrt(40)
z_55 <- (5.5 - mu) / se40
c(SE = round(se40, 4), z = round(z_55, 3),
Peluang_CLT = round(1 - pnorm(z_55), 4),
Peluang_simulasi = round(mean(banyak_rata > 5.5), 4))## SE z Peluang_CLT Peluang_simulasi
## 0.5615 0.8730 0.1913 0.1803
Perbandingan: peluang seorang mahasiswa (bukan rata-rata 40 orang) memiliki waktu layar di atas 5,5 jam jauh lebih besar:
## [1] 0.35175
Individu sangat bervariasi, tetapi rata-rata dari banyak individu jauh lebih stabil.
4 Distribusi Sampling Proporsi Sampel
Untuk variabel kategorik biner (Ya/Tidak), statistik yang dipakai adalah proporsi sampel Μp = x/n.
| Sifat | Rumus |
|---|---|
| Mean | \(\mu_{\hat{p}} = p\) |
| Standard error | \(\sigma_{\hat{p}} = \sqrt{\frac{p(1-p)}{n}}\) |
| Bentuk | Mendekati normal jika \(np \geq 10\) dan \(n(1-p) \geq 10\) |
p_benar <- 0.08 # misalnya 8% mahasiswa pernah terlambat membayar UKT
set.seed(5)
par(mfrow = c(1, 3))
for (nn in c(20, 60, 300)) {
p_hat <- rbinom(5000, size = nn, prob = p_benar) / nn
hist(p_hat, breaks = seq(-0.005, 0.4, by = 0.01), col = "#fdae6b", border ="white",
freq = FALSE, xlim = c(0, 0.3),
main = paste0("n = ", nn, ": np = ", nn * p_benar), xlab = "Proporsisampel")
curve(dnorm(x, p_benar, sqrt(p_benar * (1 - p_benar) / nn)), add = TRUE,
col = "firebrick", lwd = 2)
}Dengan n = 20 (np = 1,6), distribusi Μp sangat menceng dan βberbatangβ β pendekatan normal buruk. Dengan n = 300 (np = 24), pendekatan normal sangat baik.
5 Standard Error
5.1 Standard Error vs Simpangan Baku
| Perbandingan | Standard Deviation (SD) | Standard Error (SE) |
|---|---|---|
| Mengukur sebaran | Data individu | Statistik (misalnya \(\bar{x}\)) dari sampel ke sampel |
| Menjawab | βSeberapa beragam individu?β | βSeberapa tepat taksiran kita?β |
| Jika n bertambah | Tetap (mendekati \(\sigma\)) | Mengecil |
| Rumus (mean) | \(s = \sqrt{\frac{\sum (x_i-\bar{x})^2}{n-1}}\) | \(SE = \frac{s}{\sqrt{n}}\) |
Karena Ο biasanya tidak diketahui, SE ditaksir dengan s/β
n (untuk mean) atau β Μp(1 β Μp)/n
(untuk proporsi).
set.seed(6)
n_besar <- c(10, 40, 160, 640)
knitr::kable(
t(sapply(n_besar, function(nn) {
hasil <- replicate(2000, {
s <- sample(populasi, nn)
c(sd(s), sd(s) / sqrt(nn))
})
c(
n = nn,
Rata_SD_sampel = round(mean(hasil[1, ]), 3),
Rata_SE_taksiran = round(mean(hasil[2, ]), 3)
)
})),
caption = paste0(
"Rata-rata dari 2.000 sampel per n: SD stabil di sekitar sigma = ",
round(sigma, 2),
", SE mengecil"
)
)| n | Rata_SD_sampel | Rata_SE_taksiran |
|---|---|---|
| 10 | 3.348 | 1.059 |
| 40 | 3.493 | 0.552 |
| 160 | 3.537 | 0.280 |
| 640 | 3.551 | 0.140 |
Table 8: Rata-rata dari 2.000 sampel per n: SD stabil di sekitar sigma = 3.55, SE mengecil
| n | Rata_SD_sampel | Rata_SE_taksiran |
|---|---|---|
| 10 | 3.348 | 1.059 |
| 40 | 3.493 | 0.552 |
| 160 | 3.537 | 0.280 |
| 640 | 3.551 | 0.140 |
5.2 Hukum Akar Kuadrat
Karena SE β 1/β
n, untuk membagi dua SE dibutuhkan sampel empat kali lipat. Presisi semakin mahal: menambah n dari 100 ke 400 memberi keuntungan yang sama dengan dari 400 ke 1.600.
n_seq <- 10:1000
plot(n_seq, sigma / sqrt(n_seq), type = "l", lwd = 2, col = "#4C72B0",
xlab = "Ukuran sampel (n)", ylab = "Standard error",
main = "SE Menurun Cepat di Awal, Lalu Melandai")
points(c(100, 400), sigma / sqrt(c(100, 400)), pch = 16, col = "firebrick", cex =1.3)
text(c(100, 400), sigma / sqrt(c(100, 400)), pos = 3,
labels = paste0("n = ", c(100, 400), "\nSE = ", round(sigma / sqrt(c(100,400)), 2)))
# Estimasi ## Point Estimate Point estimate adalah satu
angka yang menaksir parameter.
| Parameter | Point Estimate | Penaksir Tak Bias? |
|---|---|---|
| \(\mu\) | \(\bar{x}\) | Ya |
| \(p\) | \(\hat{p}\) | Ya |
| \(\sigma^2\) | \(s^2\) (pembagi \(n-1\)) | Ya |
| \(\sigma\) | \(s\) | Sedikit bias (diabaikan dalam praktik) |
Kelemahan point estimate: hampir pasti tidak tepat sama dengan parameter, dan tidak memberi tahu seberapa jauh melesetnya.
5.3 Confidence Interval (Selang Kepercayaan)
Selang kepercayaan memberikan rentang nilai yang masuk akal bagi parameter: Point estimate Β± nilai kritis βββββββ Γ SE margin of error
5.3.1 CI untuk Mean, Ο Diketahui (z)
Μx Β± zΞ±/2 Ο β n
| Tingkat Kepercayaan | Ξ± | \(z_{\alpha/2}\) |
|---|---|---|
| 90% | 0,10 | 1,645 |
| 95% | 0,05 | 1,960 |
| 99% | 0,01 | 2,576 |
## [1] 1.645 1.960 2.576
5.3.2 CI untuk Mean, Ο Tidak Diketahui (t)
Dalam praktik Ο hampir tidak pernah diketahui dan diganti s. Penggantian ini menambah ketidak- pastian, sehingga nilai kritis diambil dari distribusi t dengan derajat bebas df = n β 1:
Μx Β± tΞ±/2, nβ1 s β
curve(dnorm(x), -4, 4, lwd = 2, ylab = "Kepadatan", xlab = "Nilai",
main = "Distribusi t Berekor Lebih Tebal dari Normal")
curve(dt(x, df = 3), add = TRUE, lwd = 2, lty = 2, col = "firebrick")
curve(dt(x, df = 10), add = TRUE, lwd = 2, lty = 3, col = "darkorange")
legend("topright", bty = "n", lwd = 2, lty = c(1, 2, 3), col = c("black", "firebrick", "darkorange"),
legend = c("Normal baku (z)", "t, df = 3", "t, df = 10"))data.frame(
df = c(4, 9, 29, 99, Inf),
t_kritis_95 = round(
qt(0.975, df = c(4, 9, 29, 99, Inf)),
3
)
)Untuk sampel kecil, nilai kritis t lebih besar daripada 1,96 (selang lebih lebar, βhukumanβ karena menaksir π). Saat π membesar, distribusi t mendekati normal. Distribusi t dibahas lebih dalam pada Pertemuan 11.
5.3.3 Contoh Perhitungan
Satu sampel 40 mahasiswa (satu_sampel) dipakai untuk menaksir rata-rata waktu layar seluruh mahasiswa.
n1 <- length(satu_sampel)
xbar <- mean(satu_sampel)
s <- sd(satu_sampel)
t_krit <- qt(0.975, df = n1 - 1)
se_hat <- s / sqrt(n1)
moe <- t_krit * se_hat
c(
n = n1,
x_bar = round(xbar, 3),
s = round(s, 3),
SE = round(se_hat, 3),
t_kritis = round(t_krit, 3),
MoE = round(moe, 3),
Bawah = round(xbar - moe, 3),
Atas = round(xbar + moe, 3)
)## n x_bar s SE t_kritis MoE Bawah Atas
## 40.000 4.915 3.019 0.477 2.023 0.966 3.950 5.881
## [1] 3.949947 5.881053
## attr(,"conf.level")
## [1] 0.95
Laporan: βRata-rata waktu layar mahasiswa diperkirakan 4.92 jam per hari, dengan selang kepercayaan 95% antara 3.95 dan 5.88 jam (n = 40).β
5.3.4 CI untuk Proporsi
π Β± π§πΌ/2β Μπ(1 β Μπ) π syarat: π Μπ β₯ 10 dan π(1 β Μπ) β₯ 1
x_ya <- 138; n_resp <- 400 # 138 dari 400 responden memakai QRIS setiap hari
p_hat <- x_ya / n_resp
se_p <- sqrt(p_hat * (1 - p_hat) / n_resp)
moe_p <- qnorm(0.975) * se_p
c(p_hat = p_hat, SE = round(se_p, 4), MoE = round(moe_p, 4),
Bawah = round(p_hat - moe_p, 4), Atas = round(p_hat + moe_p, 4))## p_hat SE MoE Bawah Atas
## 0.3450 0.0238 0.0466 0.2984 0.3916
## n_p n_1_min_p
## 138 262
βSekitar 34,5% responden memakai QRIS setiap hari, margin of error Β± 4.7 poin persentase (kepercayaan 95%)β β format inilah yang sering dikutip media dari hasil survei.
5.4 Menafsirkan Selang Kepercayaan dengan Benar
Kepercayaan 95% adalah sifat prosedurnya, bukan satu selang tertentu: jika pengambilan sampel dan perhitungan selang diulang berkali-kali, sekitar 95% selang yang dihasilkan akan memuat π.
set.seed(7)
B <- 100
selang <- t(replicate(B, {
s_i <- sample(populasi, 40)
m <- mean(s_i)
e <- qt(0.975, 39) * sd(s_i) / sqrt(40)
c(bawah = m - e, atas = m + e)
}))
memuat <- selang[, "bawah"] <= mu & selang[, "atas"] >= mu
plot(
NULL,
xlim = range(selang),
ylim = c(1, B),
xlab = "Waktu layar (jam)",
ylab = "Sampel ke-",
main = paste0("100 Selang Kepercayaan 95%: ", sum(memuat), " memuat mu")
)
segments(
selang[, "bawah"], 1:B,
selang[, "atas"], 1:B,
col = ifelse(memuat, "grey50", "firebrick"),
lwd = ifelse(memuat, 1, 2.5)
)
abline(v = mu, col = "#4C72B0", lwd = 2)Garis merah adalah selang yang gagal memuat π. Kita tidak pernah tahu apakah selang kita termasuk yang merah β tetapi kita tahu prosedurnya berhasil sekitar 95% dari waktu
| Pernyataan | Penilaian | Penjelasan |
|---|---|---|
| Kami 95% yakin bahwa selang 4,2β5,7 jam memuat rata-rata populasi. | Benar | Dapat diterima sebagai bahasa sehari-hari. |
| 95% selang yang dibuat dengan prosedur ini akan memuat ΞΌ. | Benar | Tafsiran paling tepat secara statistik. |
| Ada peluang 95% bahwa ΞΌ berada di antara 4,2 dan 5,7. | Salah | ΞΌ merupakan nilai tetap, bukan variabel acak. |
| 95% mahasiswa memiliki waktu layar antara 4,2 dan 5,7 jam. | Salah | CI membahas rata-rata populasi, bukan individu. |
| 95% rata-rata sampel lain akan jatuh di selang ini. | Salah | CI bukan rentang persebaran rata-rata sampel. |
5.5 Faktor yang Memengaruhi Lebar Selan
| Faktor Jika Dinaikkan | Pengaruh | Lebar Selang |
|---|---|---|
| Tingkat kepercayaan (90% β 99%) | Nilai kritis naik | Melebar |
| Ukuran sampel (n) | SE turun | Menyempit |
| Variabilitas data (s) | SE naik | Melebar |
lebar <- function(n, s, conf) {
2 * qt(1 - (1 - conf) / 2, df = n - 1) * s / sqrt(n)
}
tabel_lebar <- outer(
c(20, 80, 320),
c(0.90, 0.95, 0.99),
Vectorize(function(n, cf) lebar(n, s = 3, conf = cf))
)
tabel_lebar <- round(tabel_lebar, 3)
dimnames(tabel_lebar) <- list(
c("n = 20", "n = 80", "n = 320"),
c("90%", "95%", "99%")
)
knitr::kable(
tabel_lebar,
caption = "Lebar CI (s = 3) menurut ukuran sampel dan tingkat kepercayaan"
)| 90% | 95% | 99% | |
|---|---|---|---|
| n = 20 | 2.320 | 2.808 | 3.838 |
| n = 80 | 1.116 | 1.335 | 1.771 |
| n = 320 | 0.553 | 0.660 | 0.869 |
6 Menentukan Ukuran Sampel
Sebelum survei, peneliti biasanya menetapkan margin of error (πΈ) yang diinginkan lalu menghitung π minimum (selalu dibulatkan ke atas).
| Parameter | Rumus Ukuran Sampel | Keterangan |
|---|---|---|
| Mean | \(n = \left(\frac{z_{\alpha/2}\sigma}{E}\right)^2\) | \(\sigma\) ditaksir dari studi sebelumnya atau survei percontohan. |
| Proporsi | \(n = \frac{z_{\alpha/2}^2 p(1-p)}{E^2}\) | Jika \(p\) tidak diketahui, gunakan \(p = 0,5\) (paling konservatif). |
n_mean <- function(sigma, E, conf = 0.95) {
ceiling((qnorm(1 - (1 - conf) / 2) * sigma / E)^2)
}
n_prop <- function(E, p = 0.5, conf = 0.95) {
ceiling(qnorm(1 - (1 - conf) / 2)^2 * p * (1 - p) / E^2)
}
n_mean(sigma = 3.5, E = 0.5)## [1] 189
Survei nasional dengan margin of error sekitar Β± 3% memerlukan sekitar 1.000β1.100 responden, berapa pun ukuran populasinya (asalkan populasi jauh lebih besar dari sampel). Memperkecil margin of error dari 2% ke 1% memerlukan sampel empat kali lipat. Ukuran sampel tidak menyembuhkan bias. Rumus di atas hanya mengendalikan galat acak. Jika metode sampling bias (Pertemuan 3), sampel sebesar apa pun tetap menghasilkan selang yang presisi di tempat yang salah.
7 Studi Kasus Komprehensif: Survei Adopsi QRIS UMKM
Konteks: Dinas Koperasi ingin menaksir (1) proporsi UMKM kuliner yang menerima QRIS dan (2) rata-rata nilai transaksi QRIS harian per UMKM pengguna. Survei acak sederhana terhadap 250 UMKM dari daftar resmi menghasilkan data berikut.
set.seed(2026)
n_umkm <- 250
terima_qris <- rbinom(n_umkm, 1, 0.62)
nilai_trx <- round(
rlnorm(
sum(terima_qris),
meanlog = log(450000),
sdlog = 0.6
),
-3
) # Rp/hari
c(Jumlah_pengguna = sum(terima_qris))## Jumlah_pengguna
## 165
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 98000 334000 472000 553685 653000 2192000
7.1 Langkah 1: Estimasi Proporsi
p_hat_u <- mean(terima_qris)
se_u <- sqrt(p_hat_u * (1 - p_hat_u) / n_umkm)
ci_u <- p_hat_u + c(-1, 1) * qnorm(0.975) * se_u
c(n_p = n_umkm * p_hat_u, n_1mp = n_umkm * (1 - p_hat_u)) # cek syarat## n_p n_1mp
## 165 85
## p_hat SE Bawah Atas
## 0.6600 0.0300 0.6013 0.7187
7.2 Langkah 2: Estimasi Rata-rata Nilai Transaksi
hist(
nilai_trx / 1000,
breaks = 25,
col = "#4C72B0",
border = "white",
main = "Nilai Transaksi QRIS Harian (UMKM Pengguna)",
xlab = "Ribu Rp per hari",
ylab = "Jumlah UMKM"
)ci_trx <- t.test(nilai_trx)$conf.int
round(c(
n = length(nilai_trx),
Mean = mean(nilai_trx),
Median = median(nilai_trx),
SE = sd(nilai_trx) / sqrt(length(nilai_trx)),
Bawah = ci_trx[1],
Atas = ci_trx[2]
))## n Mean Median SE Bawah Atas
## 165 553685 472000 24623 505065 602304
7.3 Langkah 3: Apakah CLT Dapat Diandalkan di Sini?
Datanya menjulur kanan. Kita periksa dengan bootstrap: mengambil ulang sampel (dengan pengembalian) dari data kita sendiri untuk meniru distribusi sampling .
set.seed(11)
boot_mean <- replicate(
5000,
mean(sample(nilai_trx, replace = TRUE))
)
hist(
boot_mean / 1000,
breaks = 40,
col = "#a1d99b",
border = "white",
freq = FALSE,
main = "Distribusi Bootstrap Rata-rata Nilai Transaksi",
xlab = "Ribu Rp per hari"
)
curve(
dnorm(
x,
mean(nilai_trx) / 1000,
sd(nilai_trx) / sqrt(length(nilai_trx)) / 1000
),
add = TRUE,
col = "firebrick",
lwd = 2
)## 2.5% 97.5%
## 506082 605874
Distribusi bootstrap Μπ₯ hampir berbentuk lonceng dan selang bootstrap hampir sama dengan selang t. Dengan π = 165 pengguna, CLT bekerja baik meskipun data individunya menceng.
7.4 Langkah 4: Merencanakan Survei Lanjutan
Dinas ingin survei tahun depan menghasilkan margin of error proporsi Β± 3% dan rata-rata transaksi Β± Rp 30.000 (kepercayaan 95%).
c(
n_untuk_proporsi = n_prop(E = 0.03, p = p_hat_u),
n_pengguna_untuk_mean = n_mean(sigma = sd(nilai_trx), E = 30000)
)## n_untuk_proporsi n_pengguna_untuk_mean
## 958 427
7.5 Pertanyaan Diskusi dan Jawaban
Bagaimana melaporkan hasil proporsi?
βDiperkirakan proporsi UMKM kuliner yang menerima QRIS adalah sesuai hasil estimasi titik (\(\hat{p}\)) dengan selang kepercayaan 95% (CI 95%) dan ukuran sampel \(n = 250\).β Kalimat pelaporan yang baik selalu memuat point estimate, selang kepercayaan, tingkat kepercayaan, dan ukuran sampel.Mengapa median transaksi jauh di bawah mean, dan mana yang dilaporkan?
Distribusinya menjulur kanan (karena ada segelintir UMKM dengan transaksi harian jauh lebih besar). Untuk menggambarkan UMKM yang tipikal, median lebih tepat. Namun jika dinas ingin menaksir total nilai transaksi (\(\text{mean} \times \text{jumlah UMKM pengguna}\)), yang dibutuhkan justru mean beserta selangnya.Apakah selang 95% berarti 95% UMKM bertransaksi di rentang tersebut?
Tidak. Selang kepercayaan tersebut menaksir rata-rata populasi (\(\mu\)), bukan nilai transaksi tiap unit. Rentang nilai transaksi individu UMKM jauh lebih lebarβseperti yang terlihat pada histogram distribusi data.Mengapa ukuran sampel untuk proporsi tidak dihitung dengan \(p = 0,5\)?
Jika sudah ada taksiran awal (\(\hat{p}\)) dari survei atau studi sebelumnya, kita bisa memanfaatkannya untuk menghemat biaya dan ukuran sampel. Memakai \(p = 0,5\) bersifat paling konservatif (menghasilkan \(n\) terbesar), tetapi perbedaannya sering kali tidak terlalu jauh karena nilai \(p(1 - p)\) relatif landai di sekitar \(0,5\).
8 Latihan Mandiri
8.1 Latihan Mandiri
Konteks: Mesin pengisi kopi bubuk dirancang mengisi kemasan dengan rata-rata 250 gram. Dari data historis, simpangan baku pengisian π = 6 gram. Petugas QC mengambil sampel acak 36 kemasan.
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 230.3 244.9 249.1 247.4 251.4 256.9
8.1.1 Tugas 1: Hitung SE dan jelaskan maknanya
## [1] 1
Jawaban: SE = 6/6 = 1 gram. Rata-rata dari 36 kemasan biasanya meleset sekitar 1 gram dari rata-rata sebenarnya β jauh lebih kecil daripada variasi berat antarkemasan (6 gram)
8.1.2 Tugas 2: Jika mesin bekerja benar (π = 250), berapa peluang rata-rata 36
kemasan kurang dari 248 gram?
## [1] 0.02275013
Jawaban: π§ = (248 β 250)/1 = β2, sehingga peluangnya sekitar 0.0228. Kejadian ini jarang jika mesin bekerja benar β gagasan yang menjadi dasar uji hipotesis di Pertemuan 10.
8.1.3 Tugas 3: Hitung CI 95% untuk rata-rata berat (π diketahui)
ci_z <- mean(berat) + c(-1, 1) * qnorm(0.975) * sigma_k / sqrt(n_k)
round(c(x_bar = mean(berat), Bawah = ci_z[1], Atas = ci_z[2]), 2)## x_bar Bawah Atas
## 247.40 245.44 249.36
8.1.4 Tugas 4: Hitung CI 95% jika π dianggap tidak diketahui (t)
## [1] 245.25 249.56
## attr(,"conf.level")
## [1] 0.95
## s t_kritis z_kritis
## 6.366 2.030 1.960
8.1.5 Tugas 5: Tafsirkan hasilnya
Jawaban: Selang z dan selang t sangat mirip karena π = 36 cukup besar (t kritis hanya sedikit di atas 1,96) dan π dekat dengan π. Jika nilai 250 tidak berada di dalam selang, data memberi indikasi bahwa rata-rata pengisian mesin berbeda dari target β yang dapat dikonfirmasi dengan uji hipotesis. Hasil sampel ini: 250 berada di luar selang z.
8.1.6 Tugas 6 (Tantangan): Ukuran sampel
Berapa kemasan yang harus diambil agar margin of error CI 95% hanya Β± 1 gram? Dan Β± 0,5 gram?
## MoE_1 MoE_0.5
## 139 554
Jawaban: 139 kemasan untuk Β± 1 gram dan 554 kemasan untuk Β± 0,5 gram β membagi dua margin of error membutuhkan sampel empat kali lipat.
8.2 Latihan Tambahan (Self-Check)
Kerjakan soal-soal berikut secara mandiri sebelum melihat kunci jawaban pada komentar kode. Soal A. Waktu tunggu layanan pelanggan berdistribusi menjulur kanan dengan π = 8 menit dan π = 6 menit. Untuk sampel acak 64 panggilan, tentukan mean, SE, dan bentuk distribusi sampling , lalu hitung Μπ₯ π( Μπ₯ > 9).
# Kunci jawaban:
# Mean = 8; SE = 6 / sqrt(64) = 0.75; bentuk mendekati normal (CLT, n = 64)
1 - pnorm(9, mean = 8, sd = 0.75) # z = 1.33 -> sekitar 0.0912## [1] 0.09121122
Soal B. Survei 1.200 pemilih menunjukkan 54% mendukung sebuah kebijakan. Hitung CI 95% dan margin of error-nya.
# Kunci jawaban:
p <- 0.54; n <- 1200
moe <- qnorm(0.975) * sqrt(p * (1 - p) / n) # 0.0282 -> +- 2.8 poin persentase
p + c(-1, 1) * moe # 0.512 sampai 0.568## [1] 0.511801 0.568199
Soal C. Sepuluh pengukuran pH air limbah: 6,8; 7,1; 6,9; 7,4; 7,0; 6,7; 7,2; 7,3; 6,9; 7,1. Hitung CI 95% untuk rata-rata pH secara manual dengan distribusi t lalu periksa dengan t.test().
ph <- c(6.8, 7.1, 6.9, 7.4, 7.0, 6.7, 7.2, 7.3, 6.9, 7.1)
# Kunci jawaban:
# x-bar = 7.04; s = 0.2171; SE = 0.0687; t(0.975, 9) = 2.262; MoE = 0.155
mean(ph) + c(-1, 1) * qt(0.975, 9) * sd(ph) / sqrt(10) # 6.885 sampai 7.195## [1] 6.881111 7.198889
## [1] 6.881111 7.198889
## attr(,"conf.level")
## [1] 0.95
Soal D. Sebuah media menulis: βDengan CI 95% [62%, 68%], berarti 95% warga memiliki tingkat kepuasan antara 62% dan 68%.β Perbaiki tafsiran ini.
9 11 Kesalahan Umum dalam Sampling Distribution dan Estimasi
- Menyamakan distribusi sampel dengan distribusi sampling β yang pertama berisi data individu dari satu sampel, sedangkan yang kedua berisi nilai statistik (misalnya \(\bar{x}\)) dari banyak sampel berulang.
- Mengira CLT membuat data menjadi normal β CLT berbicara tentang distribusi rata-rata (atau jumlah) sampel, bukan bentuk distribusi data individu.
- Menganggap \(n \geq 30\) selalu cukup β data yang sangat menceng (skewed) atau memiliki banyak outlier bisa membutuhkan ukuran sampel yang jauh lebih besar.
- Menyamakan SD dan SE β SD (Standard Deviation) mengukur keragaman/sebaran data individu; SE (Standard Error) mengukur ketepatan taksiran statistik antar-sampel.
- Memakai \(z\) padahal \(\sigma\) tidak diketahui dan \(n\) kecil β jika simpangan baku populasi (\(\sigma\)) tidak diketahui dan diganti dengan \(s\), gunakan distribusi \(t\) (dengan \(df = n - 1\)).
- Menafsirkan CI sebagai peluang parameter berada di dalam selang tertentu, atau sebagai rentang nilai individu β CI menaksir parameter populasi secara prosedural, bukan rentang nilai unit/individu maupun variabel acak yang berpeluang jatuh di rentang tertentu.
- Membulatkan ukuran sampel ke bawah β hasil
perhitungan ukuran sampel minimum selalu bulatkan ke
atas (
ceiling()) agar syarat margin of error tetap terpenuhi. - Mengira ukuran populasi menentukan ukuran sampel β untuk populasi yang cukup besar dibanding sampel, ukuran sampel ditentukan oleh margin of error (\(E\)), tingkat kepercayaan, dan variabilitas data (bukan ukuran populasi \(N\)).
- Mengira sampel besar menghilangkan bias β ukuran sampel besar hanya memperkecil galat acak (random error), bukan memperbaiki metode sampling yang sejak awal bias.
- Memakai pendekatan normal untuk proporsi saat \(n\hat{p}\) atau \(n(1 - \hat{p})\) kurang dari 10 β jika syarat kecukupan tidak terpenuhi, distribusi proporsi sampel bisa menceng dan diskret (βberbatangβ).
- Melaporkan point estimate tanpa selang atau \(n\) β tanpa selang kepercayaan/margin of error dan ukuran sampel, pembaca tidak dapat menilai ketepatan serta keandalan taksiran.
10 Cheat Sheet: Fungsi R yang Digunakan
| Fungsi | Kegunaan |
|---|---|
sample(x, n) /
sample(x, replace = TRUE) |
Sampel acak / sampel bootstrap |
replicate(B, ekspresi) |
Simulasi distribusi sampling |
rgamma(), rexp(),
runif(), rnorm(), rbinom(),
rlnorm() |
Membangkitkan populasi/data simulasi |
pnorm(q, mean, sd) |
Peluang kumulatif normal \(P(X \le q)\) |
qnorm(p) |
Nilai kritis \(z\)
(misalnya qnorm(0.975) = 1,96) |
dnorm(x, mean, sd) |
Kepadatan normal (untuk menggambar kurva) |
qt(p, df), pt(q, df),
dt(x, df) |
Nilai kritis, peluang, dan kepadatan distribusi \(t\) |
t.test(x, conf.level = 0.95)$conf.int |
Selang kepercayaan \(t\) untuk mean |
curve(f(x), add = TRUE) |
Menambahkan kurva teoretis pada histogram |
segments(x0, y0, x1, y1) |
Menggambar selang kepercayaan sebagai garis |
ceiling(x) |
Membulatkan ke atas (ukuran sampel) |
outer(a, b, f) |
Tabel nilai untuk kombinasi dua parameter |
quantile(boot, c(0.025, 0.975)) |
Selang bootstrap persentil |
11 Glosarium Istilah
| Istilah | Definisi Singkat |
|---|---|
| Statistika Inferensial | Menarik kesimpulan tentang populasi dari sampel |
| Distribusi Sampling | Distribusi sebuah statistik dari semua kemungkinan sampel berukuran \(n\) |
| Penaksir Tak Bias | Statistik yang rata-rata distribusi samplingnya sama dengan parameter |
| Central Limit Theorem | Distribusi \(\bar{x}\) mendekati normal untuk \(n\) besar, apa pun bentuk populasinya |
| Standard Error (SE) | Simpangan baku distribusi sampling sebuah statistik |
| Koreksi Populasi Terhingga | Faktor \(\sqrt{(N - n)/(N - 1)}\) bila sampel lebih dari sekitar 5% populasi |
| Point Estimate | Satu nilai yang menaksir parameter |
| Confidence Interval | Rentang nilai yang masuk akal bagi parameter dengan tingkat kepercayaan tertentu |
| Tingkat Kepercayaan | Persentase selang (dari pengulangan prosedur) yang memuat parameter |
| Margin of Error | Nilai kritis \(\times\) SE; setengah lebar selang |
| Nilai Kritis | Nilai dari distribusi \(z\) atau \(t\) yang menentukan lebar selang |
| Distribusi t | Distribusi berekor tebal yang dipakai bila \(\sigma\) ditaksir dengan \(s\) |
| Derajat Bebas (df) | Parameter distribusi \(t\); \(n - 1\) untuk satu mean |
| Bootstrap | Pengambilan sampel ulang dengan pengembalian dari data untuk meniru distribusi sampling |
12 Rangkuman dan Kesimpulan
- Distribusi sampling menggambarkan bagaimana sebuah statistik bervariasi dari sampel ke sampel; ia adalah fondasi seluruh statistika inferensial.
- \(\bar{x}\) dan \(\hat{p}\) adalah penaksir tak bias dengan SE masing-masing \(\sigma / \sqrt{n}\) dan \(\sqrt{p(1 - p) / n}\).
- CLT menjamin distribusi \(\bar{x}\) mendekati normal untuk \(n\) cukup besar, apa pun bentuk populasinya; makin menceng populasi, makin besar \(n\) yang dibutuhkan.
- SE bukan SD: SE mengecil sebanding \(1 / \sqrt{n}\) β presisi dua kali lipat membutuhkan sampel empat kali lipat.
- Selang kepercayaan \(= \text{point estimate} \pm \text{nilai kritis} \times \text{SE}\). Gunakan \(z\) bila \(\sigma\) diketahui, \(t\) bila \(\sigma\) ditaksir. Kepercayaan 95% adalah sifat prosedur, bukan peluang untuk satu selang.
- Ukuran sampel dapat direncanakan dari margin of error yang diinginkan β tetapi tidak dapat menyembuhkan bias sampling.
Jembatan ke sesi berikutnya: Tugas 2 latihan tadi bertanya, βjika mesin bekerja benar, seberapa jarang hasil seperti ini?β Pertanyaan itulah inti uji hipotesis di Pertemuan 10: \(H_0\), \(H_1\), tingkat signifikansi, p-value, dan kesalahan Tipe I dan II.
13 Referensi Pendukung
Materi ini merangkum topik distribusi sampling dan estimasi (sampling distributions and confidence intervals) yang umum dibahas pada buku teks pengantar statistika bisnis/data science. Mahasiswa disarankan melengkapi pemahaman dengan merujuk pada:
- Modul/slide perkuliahan βIntroduction to Statistics (SDT-1102)β β Pertemuan 9: Sampling Distribution dan Estimasi.
- Buku teks pengantar statistika pada bab Sampling Distributions dan Confidence Interval Estimation.
- Efron, B., & Tibshirani, R. J. (1993). An Introduction to the Bootstrap. Chapman & Hall.
- Dokumentasi resmi R:
?pnorm,?qnorm,?qt,?t.test,?replicate(dapat diakses langsung di R/RStudio).