STATISTIK INFERENSIAL Wuryatmo Sidik

Ketika data dikumpulkan, tujuan utama adalah mengambil kesimpulan tentang polpulasi dimana data sampel diambil.

. . .. . .. . . .. . . .. .. .. .. .. .
populasi

.. . .. . . .. . .
sampel

Suatu data penelitian menunjukan berat rata2 bayi yg lahir dari ibu2 perokok lebih rendah dibanding yg lahir dari ibu bukan perokok. Kesimpulan tersebut berlaku pada individu yg terlibat dalam sampel penelitian Apakah kesimpulan berlaku untuk populasi yang lebih luas?

Statistik Inferensial
adalah statistik yg berhubungan dengan penarikan kesimpulan yang bersifat umum (pupulasi) dari data sampel.

Pada prinsipnya analisis inferensial dapat dibedakan atas dua kelompok utama, yaitu menaksir parameter dan menguji hipotesis. Parameter adalah ukuran kuantitatif dalam populasi, sedangkan ukuran kuantitatif yang serupa di dalam sampel disebut statistik. Ukuran atau Populasi Sampel Besaran

Rata-rata Deviasi standar Proporsi Jumlah anggota

x s p n

Statistik Inferensial

statistik parametris

statistik Non parametris

Statistik Parametris
Statistik parametris digunakan untuk menganalisis data interval dan rasio

Uji dalam Statistik parametris antara lain :

Z- test & T-test Regresi & Korelasi. Anova

Statistik Non Parametris

Statistik non parametris digunakan untuk menganalisis data nominal dan ordinal. Uji statistik yang digunakan dalam statistik non parametris antara lain :

Binomial Sign test 2 ( chi kuadrat ) dll.

Statistik Parametris
Contoh :

Rumusan masalah : berapa ratarata penayangan iklan di TV ?

Hypotesis : rata-rata penayangan iklan di TV paling lama 120 menit. Uji hypoteis : t-test

Statistik Non Parametris

Test binomial : untuk sampel < 25 dan terdapat 2 kelompok ( kayamiskin, tua-muda, sarjana-non sarjana dll ) Rumusan masalah : apakah mhs senang memilih kendaraan bensin atau solar ? Hypotesis : mhs lebih memilih kendaraan solar.

Statistik Non Parametris

Chi kuadrat : untuk sampel besar dan ada 2 atau lebih kelompok. Rumusan masalah : Warna cat mobil apa yang lebih diminati masyarakat jabotabek ? Hypotesis : masyarakat jabotabek

lebih memilih warna cat mobil merah dibanding biru, metalik dan putih.

Z-test
Kita ingin mengambil kesimpulan ttg Data x1, x2, xn berdistribusi normal

X ~ N ,

X ~ N , n

Langkah2 Tes Hipotesa

1. 2. 3. 4. Null and alternative hypotheses Test statistik P-value and interpretation Significance level (optional)

Contoh: Berat produk A

Permasalahan: Diawal produksi sepuluh tahun lalu, berat rata2 produk A adalah = 170 kg, dengan tandard deviasi sebesar 40 kilo. Kita ingin mengetahui apakah berat rata2 produk tersebut tahun ini tidaka ada perubahan. Null hypothesis H0: = 170 (no

difference)

The alternative hypothesis Ha: > 170 (one-sided test) atau Ha: 170 (two-sided test)

Tes Statistik
Contoh ini berupa test hipotesa mean (rata2) satu populasi ketika diketahui. x

z stat =

SE x

dimana 0 mean populasi dengan asumsi H 0 benar (terjadi)

dan SE x = n

Contoh: z statistic
0 = 170 Kita tahu = 40 Ukuran sampel n = 64.
SE x =

40 64

=5

Misal setelah dihitung, mean sampel adalah 173, maka

zstat x 0 173 170 = = = 0.60 SE x 5

Misal untuk sampel lain, mempunyai mean 185, maka

zstat x 0 185 170 = = = 3.00 SE x 5

P-value
Cari p-value dari z yg didapat : Untuk Ha: > 0 P = Pr(Z > zstat) = ekor kanan zstat Untuk Ha: < 0 P = Pr(Z < zstat) = ekor kiri zstat Untuk Ha: 0 P = 2 satu ekor P-value Pergunakan Table F or software untuk mencari p-value berikut

One-sided P-value for zstat of 0.6

One-sided P-value for zstat of 3.0

Two-Sided P-Value
One-sided Ha AUC in tail beyond zstat Two-sided Ha consider potential deviations in both directions double the one-sided P-

Examples: If one-sided P = 0.0010, then twosided P = 2 0.0010 = 0.0020. If one-sided P = 0.2743, then twosided P = 2 0.2743 = 0.5486.

Interpretasi
P-value menjawab pertanyaan: berapa peluang (probabiliti) dari nilai test statistic ketika H0 benar? Jadi, semakin kecil P-values semakin memberikan bukti kuat untuk menolak H0 Semakin kecil P-value semakin kuat bukti

Interpretasi
Kesepaktan P > 0.10 tidak ada bukti menolak H0 0.05 < P 0.10 marginally significant evidence 0.01 < P 0.05 significant evidence menolak t H0 P 0.01 highly significant evidence menolak H0 Contoh: P =.27 non-significant evidence menolak H0

-Level (Used in some

situations)
Let probability of erroneously rejecting H0 Set threshold (e.g., let = .10, .05, or whatever) Reject H0 when P Retain H0 when P > Example: Set = .10. Find P = 0.27 retain H0 Example: Set = .01. Find P = .001 reject H0

(Summary) One-Sample z Test A. Hypothesis statements

H0: = 0 vs. Ha: 0 (two-sided) or Ha: < 0 (left-sided) or Ha: > 0 (right-sided) B. Test statistic x 0
z stat = SE x

where SE x = n

C. P-value: convert zstat to P value D.Significance statement (usually not necessary)

Conditions for z test

known (not from data) Population approximately Normal or large sample (central limit theorem) Data valid

Contoh: Tingkat kecerdasan

Misal X tingkat kecerdasan X ~ N(100, 15) Ambil sample ukuran n = 9 dari populasi. Data {116, 128, 125, 119, 89, 99, 105, 116, 118} Hitug mean sampel: x-bar = 112.8 Apakah sampel memberi bukti kuat bahwa rata rata tingkat kecerdasan populasi diatas 100 ( > 100) ?

A. Hypotheses: H0: = 100 versus Ha: > 100 (one-sided) Ha: 100 (two-sided) B. Test statistic:

zstat

n 9 x 0 112.8 100 = = = 2.56 SE x 5

SE x =

15

=5

C. P-value: P = Pr(Z 2.56) = 0.0052

P =.0052 it is unlikely the sample came from this null distribution strong evidence against H0

 Ha: 100 Considers random deviations up and down from 0 tails above and below zstat Thus, two-sided P = 2 0.0052 = 0.0104

Two-Sided P-value: Tk Kecerdasan