Animasi Distribusi Sampling Rata-Rata — Teorema Limit Pusat

Salah satu ide paling membingungkan sekaligus paling fundamental di statistika inferensial adalah: kenapa uji-t, interval kepercayaan, dan banyak metode lain mengasumsikan distribusi normal, padahal data di dunia nyata jarang normal? Animasi ini menjawabnya secara visual — dengan menarik sampel acak berulang-ulang dari populasi yang sengaja dibuat condong, lalu mengumpulkan rata-rata tiap sampel ke sebuah histogram yang perlahan membentuk lonceng.

Cara Pakai

Panel atas menunjukkan populasi — titik-titik yang menumpuk padat di nilai rendah dan menipis ke nilai tinggi (distribusi condong-kanan, jauh dari normal). Tiap siklus animasi menarik sampel acak berukuran n = 5 dari populasi itu, menghitung rata-ratanya, lalu menjatuhkan satu titik ke histogram di panel bawah. Biarkan animasi berjalan berulang kali — perhatikan histogram di bawah yang lama-lama menumpuk menjadi kurva lonceng sempit, jauh berbeda bentuknya dari populasi condong di atas.

Rumus Kunci

Teorema Limit Pusat menyatakan: untuk sampel acak berukuran $n$ dari populasi mana pun dengan rata-rata $\mu$ dan simpangan baku $\sigma$, distribusi sampling dari rata-rata sampel $\bar{x}$ mendekati normal dengan:

$$\bar{x} \sim N\left(\mu,\ \frac{\sigma^2}{n}\right) \quad\Rightarrow\quad SE = \frac{\sigma}{\sqrt{n}}$$

di mana $SE$ (standard error) adalah simpangan baku dari distribusi sampling rata-rata — selalu lebih kecil dari $\sigma$ populasi, dan mengecil lagi seiring $n$ membesar.

Contoh Angka

Misalkan populasi skor try-out condong tajam (banyak skor rendah, sedikit skor sangat tinggi) dengan 8 nilai berikut: 10, 12, 15, 18, 20, 25, 40, 90.

• Rata-rata populasi: $\mu = \dfrac{10+12+15+18+20+25+40+90}{8} = \dfrac{230}{8} = 28{,}75$
• Simpangan baku populasi: $\sigma = \sqrt{\dfrac{\sum (x_i-\mu)^2}{8}} = \sqrt{\dfrac{4.905{,}5}{8}} = \sqrt{613{,}19} \approx 24{,}76$

Sekarang tarik sampel acak berukuran $n = 5$ (sama seperti animasi) berulang-ulang dan hitung simpangan baku dari rata-rata sampelnya:

$$SE = \frac{\sigma}{\sqrt{n}} = \frac{24{,}76}{\sqrt{5}} = \frac{24{,}76}{2{,}236} \approx 11{,}07$$

Walau populasi aslinya sangat condong dengan $\sigma \approx 24{,}76$, rata-rata dari sampel berukuran 5 hanya menyebar dengan $SE \approx 11{,}07$ di sekitar $\mu = 28{,}75$ — jauh lebih sempit, dan bentuk sebarannya mendekati lonceng normal. Itulah persis yang divisualisasikan animasi: populasi condong di atas, tapi histogram rata-rata sampel di bawah menyempit jadi lonceng.