11.

Penaksiran Parameter
11.1. Pendahuluan
Dengan statistika kita berusaha untuk menyimpulkan populasi. Untuk ini
kelakuan populasi dipelajari berdasarkan data yang diambil baik secara sampling
ataupun sensus. Dalam kenyataannya mengingat berbagai factor untuk keperluan
tersebut diambil sebuah sampel yang representative lalu berdasarkan pada hasil
analisis terhadap data sampel, kesimpulan mengenai populasi dibuat. Kelakuan
populasi yang akan ditinjau di sini hanyalah mengenai parameter populasi dan
sampel yang digunakan adalah sampel acak. Data sampel dianalisis, nilai-nilai
yang perlu yaitu statistic dihitung dan dari nilai-nilai satistik ini kita simpulkan
bagaimana parameter bertingkah laku. Cara pengambilan kesimpulan tentang
parameter yang pertama kali akan dipelajari ialah sehubungan dengan cara-cara
menaksir harga parameter. Jadi harga oarameter yang sebenarnya tetapi tak
diketahui itu akan ditaksir berdasarkan statistic sampel yang diambil dari populasi
yang bersangkutan.
Parameter populasi yang akan ditaksir dan diuraikan dalam bagian ini terutama
adalah rata-rata, simpangan baku dan persen. Sebelumnya akan diberikan dulu
beberapa definisi dan pengertian.

11.2. Penaksiran
Secara umum, parameter populasi akan diberi simbol (tehta). Jadi bisa
merupakan rata-rata , simpangan baku , proporsi dan sebagainya. J ika yang
tidak diketahui harganya ditaksir oleh harga 0
`
(Theta Topi), maka 0
`
dinamakan
penaksir. Jelas harga sangat dikehendaki 0
`
= 0, yaitu bisa dikatakan harga yang
sebenarnya. Tetapi ini merupakan keinginan yang boleh dibilang ideal sifatnya.
Kenyataan yang bisa terjadi adalah
a) Menaksir oleh 0
`
terlalu tinggi, atau
b) Menaksir oleh 0
`
terlalu rendah.
Keduanya ini jelas tidak dikehendaki. Karenanya kita menginginkan penaksir
yang baik. Yang bagaimana?
Dibawah ini diberikan criteria untuk mendapatkan penaksir yang baik, yaitu
takbias, mempunyai varians minimum dan konsisten.

Beberapa definisi:
1) Penaksir 0
`
dikatakan penaksir takbias jika rata-rata semua harga 0
`
yang
mungkin akan sama dengan . Dalam bahasa ekspektasi (bab 7.4) ditulis
e(0
`
) = 0. Penaksir yang tidak takbias disebut penaksir bias.
2) Penaksir bervarians minimum ialah penaksir dengan varians terkecil di antara
semua penaksir untuk parameter yang sama. J ika 0
`
1
dan 0
`
2
dua penaksir untuk
di mana varians untuk 0
`
1
lebih kecil dari varians untuk 0
`
2
maka 0
`
1

merupakan penaksir bervarians minimum.
3) Misalkan 0
`
penaksir untuk yang dihitung berdasarkan sebuah sampel acak
berukuran n. jika ukuran n makin besar mendekati ukuran populasi
menyebabkan 0
`
mendekati , maka 0
`
disebut penaksir konsisten.
4) Penaksir yang takbias dan bervarians minimum dinamakan penaksir terbaik.

Beberapa contoh:
1) Rata-rata x untuk sampel berukuran n yang diambil dari populasi dengan rata-rata ,
merupakan penaksir takbias untuk jadi e(x) =p.
2) Varians s
2
yang dihitung dengan rumus 5.5 atau rumus 5.6 untuk sampel acak berukuran n yang
diambil dari populasi dengan varians s
2
adalah penaksir takbias untuk
2
.
Akan tetapi s merupakan penaksir takbias dari .
3) Rata-rata sampel x adalah penaksir terbaik untuk jadi x itu merupakan penaksir takbias dan
penaksir bervarians minimum.

11.3. Cara-Cara Menaksir
J ika parameter harganya ditaksir oleh sebuah harga 0
`
yang tertentu maka 0
`

dinamakan penaksir, tepatnya titik taksiran.
Contoh: untuk menaksir tinggi rata-rata tinggi mahasiswa, diambil sebuah sampel acak. Data
sampel dikumpulkan lalu dihitung rata-ratanya. Misalkan didapat x = 16 cm. ini
kemudian dipakai untuk menaksir tinggi rata-rata mahasiswa, maka 163 adalah titik
taksiran.
Secara umum x adalah penaksir atau titik taksiran untuk .
Titik taksiran untuk sebuah parameter misalnya, harganya akan berlainan
bergantung pada x yang didapat dari sampel-sampel yang diambil. Karenanya
orang sering merasa kurang yakin atau kurang percaya atas hasil penaksiran
macam ini. Sebagai gantinya, dipakai interval taksiran atau selang taksiran, yaitu
menaksir harga parameter di antara batas-batas dua harga. Untuk contoh di atas
misalnya, kita dapat menaksir rata-rata tinggi mahasiswa antara 155 cm sampai a70
cm atau antara 150 cm sampai 175 cm dan sebagainya. Makin besar jarak interval
makin percaya tentang kebenaran penaksiran yang dilakukan. Menaksir rata-rata
tinggi mahasiswa antara 50 cm sampai 200 cm lebih merasa yakin benar, malahan
pasti benar, dari pada menaksir antara 150 cm dan 175 cm. dalam prakteknya harus
dicari interval taksiran yang sempit dengan derajat kepercayaan yang memuaskan.
Derajat kepercayaan menaksir disebut koefisien kepercayaan, merupakan
penyataan dalam bentuk peluang.
J ika koefisien kepercayaan dinyatakan dengan (gamma), maka 0 < <1.
Harga yang digunakan bergantung pada peroalan yang dihadapi dan berapa besar
si peneliti ingin yakin dalam membuat pernytaannya. Yang biasa digunakan ialah
0,95 atau 0,99, yakni = 0,95 atau = 0,99.
Untuk menentukan interval taksiran parameter dengan koefisien kepercayaan
, maka sebuah sampel acak diambil lalu dihitung nilai-nilai statistic yang
diperlukan. Perumusan dalam bentuk peluang untuk parameter antara A dan B
adalah
P(A < 0 <B) = y 11.1
dengan A dan B fungsi daripada statistic, jadi merupakan variable acaktetapi tidak
bergantung pada .
Rumus 11.1 diartikan: peluangnya adalah bahwa interval yang sifatnya acak yang
terbentang dari A ke B akan berisikan . Apabila selanjutnya A dan B sekarang
merupakan bilangan tetap. Dalam hal ini pernyataan di atas tidak lagi benar tetapi
harus dikatakan sebagai berikut : kita merasa 100 % percaya bahwa parameter
itu terletak antara A dan B. perbedaan ini perlu dipahami, karena memang
terletak atau tidak terletak antara A dan B yang peluang masing-masing 1 atau 0.

11.4. Menaksir Rata-Rata
Misalkan kita mempunyai sebuah populasi berukuran N dengan rata-rata dan
simpangan baku . Dari populasi ini parameter rata-rata akan ditaksir. Utuk
keperluan ini, ambil sampel acak berukuran n, lalu hitung statistic yang perlu ialah
x dan s. Titik taksiran untuk rata-rata ialah x . Dengan kata lain, nilai besarnya
ditaksir oleh harga x yang didapat dari sampel.
Untuk memperoleh taksiran yang lebih tinggi derajat kepercayaannya,
digunakan interval taksiran atau selang taksiran disertai nilai koefisien
kepercayaan yang dikehendaki. Kita bedakan tiga hal:
Hal 1). Simpangan baku diketahui dan populasinya berdistribusi normal.
Untuk rumus 11.1 menjadi:
P [x z1
2
, y
.
c
n
< p < x +z1
2
, y
.
c
n
=y 11.2
dengan =koefisien kepercayaan dan z1
2
, y
=bilangan z diperoleh dari
table normal baku untuk peluang .
Rumus 11.2 dapat dinyatakan dalam bentuk lain yaitu untuk memperoleh
100 % interval kepercayaan parameter dapat digunakan rumus
x z1
2
, y
.
c
n
< p < x +z1
2
, y
.
c
n
11.3
Hal 2). Simpangan baku tidak diketahui dan populasi berdistribusi normal.
Dalam kenyataannya, parameter jarang sekali diketahui, bahkan tidak
diketahui kecuali barangkali dari pengalaman. Karena itu rumus 11.2
harus diganti menjadi
P [x t
p
.
s
n
< p < x +t
p
.
s
n
=y 11.4
dengan =koefisien kepercayaan dan t
p
=nilai t di dapat dari daftar
distribusi Student dengan p = (1 +) dan dk =(n 1). Untuk interval
kepercayaannya, rumus 11.3 diganti oleh
x t
p
.
s
n
< p < x +t
p
.
s
n
11.5
Bilangan-bilangan yang didapat dari (x t
p
.
s
n
) dan (x +t
p
.
s
n
) masing-
masing dinamakan batas bawah dan batas atas kepercayaan.
J ika ukuran sampel n relative besar dibandingkan dengan ukuran populasi
N, yakni (n/N) >5%, maka rumus 11.3 menjadi
x z1
2
, y
.
c
n
_
N-n
N-1
< p < x +z1
2
, y
.
c
n
_
N-n
N-1
11.6
dan rumus 11.5 menjadi
x t
p
.
s
n
_
N-n
N-1
< p < x +t
p
.
s
n
_
N-n
N-1
11.7
Khusus dalam hal interval kepercayaan 50% yang memberikan z
0,5
=
0,6745 maka rumus 11.3 dimuka menjadi:
x 0,6745 .
o
n
< p < x +0,6745 .
o
n

Ini berarti peluangnya setengah-setengah bahwa ineterval acak (x
0,6745.
c
n
) akan mengandung rata-rata .
Bilangan 0,6745 .
c
n
dinamakan kekeliruan peluang untuk rata-rata.
Hal 3). Simpangan baku tidak diketahui dan populasi tidak berdistribusi normal
Dalam hal ini jika ukuran sampel n tidak terlalu kecil, maka dalil limit
pusat dapat digunakan. Selanjutnya aturan-atauranyang diuraikan dalam
Hal 2) di muka dapat digunakan dengan kekeliruan yang sangat kecil.
J ika distribusi populasi sangat menyimpang dari normal dan ukuran
sampel kecil sekali, maka teorinya harus dipecahkan dengan
menggunakan bentuk disribusi asli dari populasi yang bersangkutan.

Contoh 1) sebuah sampel acak terdiri dari 100 mahasiswa telah diambil dari sebuah universitas
lalu nilai-nilai IQ-nya dicatat. Didapat x =112 dan s =10.
a) Kita dapat mengatakan: IQ rata-rata untuk mahasiswa universitas itu =112. Dalam
hal ini titik taksiran telah digunakan.
b) Jika dikehendaki interval taksiran IQ rata-rata dengan keofisien kepercayaan 0,95
maka dipakai rumus 11.5. untuk p =0,975 dan dk =99 dengan interpolasi dari daftar
G dalam lampiran, didapat t
p
=1,987.
Rumus 11.5 memberikan:
112(1,987)
10
100
<p <112+(1,987)
10
100

atau : 110,0 < <114,0.
Jadi didapat 95% interval kepercayaan untuk IQ rata-rata mahasiswa ialah 110,0 <
<114,0. Secara lain dapat dikatakan: kita merasa 95% yakin (percaya) bahwa IQ
rata-rata mahasiswa aka nada dalam interval dengan batas 110,0 dan 114,0.
Contoh 2) jika koefisien kepercayaan =0,99, maka t
p
=2,654 sehingga rumus 11.5 menghasilkan
112(2,645)
10
100
<p <112+(2,645)
10
100

atau : 109,3 < <114,7.

Dari contoh-contoh ini, dapat dilihat bahwa makin besar koefisien
kepercayaan makin lebar jarak interval kepercayaan dan sebaliknya. J ika batas-
batas selang kepercayaan menjadi satu, kita peroleh titik taksiran dengan derajat
kepercayaan paling kecil.

11.5. Menaksir proporsi
Perhatikanlah populasi binom berukuran N di mana terdapat proporsi untuk
peristiwa A yang terdapat dalam populasi itu. Sebuah sampel acak berukuran n
diambil dari populasi itu. Misalkan terdapat x peristiwa A, sehingga proporsi
sampel untuk peristiwa A =(x/n). jadi titik taksiran untuk adalah (x/n). jika 100
% interval kepercayaan untuk penaksiran dikehendaki, maka kedua persamaan
berikut harus diselesaikan.
[
n
y

n
=x
n

(1n)
n-
=
1
2(1-y)
11.8

[
n
y

n
=0
n

(1n)
n-
=1/ 2(1y) 11.9

Jawab atau harga yang di dapat dari rumus 11.8 merupakan batas bawah interval
kepercayaan sedangkan jawab dari rumus 11.9 menjadi batas atasnya.
Rumus-rumus di atas sangat panjang, tidak praktis dan membosankan untuk
diselesaikan. Karenanya sering digunakan pendekatan oleh normal kepada binom
untuk ukuran sampel n cukup besar. Rumus 100 % yakin untuk interval
kepercayaan , dalam hal ini berbentuk
p z1
2
, y
_
pq
n
< n < p + z1
2
, y
_
pq
n
11.10
dengan p =x/n dan q =1 p sedangkan z1
2
, y
adalah bilangan z didapat dari daftar
normal baku untuk peluang .
Contoh: misalkan kita menaksir ada beberapa persen anggota masyarakat berumur 15 tahun ke atas
yang termasuk ke dalam golongan A. untuk ini sebuah sampel acak berukuran n =1.200
diambil yang menghasilkan 504 tergolong kategori A.
Presentase golongan A dalam sampel =
504
1.200
100%=42%.
Jika ditaksir ada 42% anggota masyarakat berumur 15 tahun ke atas yang termasuk
golongan A, maka dalam hal ini telah digunakan titik taksiran. Untuk menentukan 95%
interval kepercayaan parameter . Rumus 11.10 jelas dapat digunakan mengingat ukuran
sampel n cukup besar.
Dengan p =0,42; q =0,58 dan z
0,475
=1,96, maka:
0,42(1,96)_
0,420,58
1.200
<n <0,42+(1,96)_
0,420,58
1.200

atau 0,39 < <0,45.
Kita merasa 95% yakin bahwa presentase anggota masyarakat yang termasuk golongan A
aka nada dalam interval 39% dan 45%.

11.6. Menaksir simpangan baku
Untuk menaksir varians
2
dari sebuah populasi, sampel varians s
2

berdasarkan sampel acak berukuran n perlu di hitung dan rumus yang digunakan
adalah rumus 5.5.
s
2
=
(x
i
- x )
n-1
11.11
Ternyata bahwa varians s
2
adalah penaksir takbias untuk varians
2
. Akan
tetapi simpangan baku s bukan penaksir takbias untuk simpangan baku . Jadi titik
taksiran s untuk adalah bias.
J ika populasinya berdistribusi normal dengan varians
2
, maka 100 %
interval kepercayaan untuk
2
ditentukan dengan menggunakan distribusi chi-
kuadrat. Rumusnya adalah
(n-1)s
2
x
1/ 2(1+y)
2
<
2
<
(n-1)s
2
x
1/ 2(1-y)
2
11.12
Dengan n =ukuran sampel sedangkan x
1/ 2(1+y)
2
dan x
1/ 2(1-y)
2
didapat dari
daftar chi-kuadrat berturut-turut untuk p = (1 +) dan p = (1 - ) dengan dk =
(n 1).
Untuk mendapatkan interval taksiran simpangan baku , tinggallah melakukan
penaksira akar ketidaksamaan dalam rumus 11.12. hasil ini tidaklah eksak, akan
tetapi cukup akurat untuk maksud-maksud tertentu.
Contoh: sebuah sampel acak berukuran 30 telah diambil dari sebuah populasi yang berdistribusi
normal dengan simpangan baku . Dihasilkan harga statistic s
2
=7,8. Dengan koefisien
kepercayaan 0,95 dan dk =29, maka dari daftar chi-kuadrat didapat:
X
0,975
2
=45,7 dan X
0,025
2
=16,0.
Dari rumus 11.12 diperoleh:
29(7,8)
45,7
<o
2
<
29(7,8)
16,0

atau : 4,95 <
2
<14,14.
Interval taksiran untuk simpangan baku adalah:
2,23 <
2
<3,75.
Kita merasa 95% percaya bahwa simpangan baku aka nada da;lam interval yang
dibatasi oleh 2,23 dan 3,75.

11.7. Menaksir selisih rata-rata
Misalkan kita mempunyai dua buah populasi, kedua-duanya berdistribusi
normal. Rata-rata dan simpangan bakunya masing-masing p
1
dan o
1
untuk
populasi pertama p
2
dan o
2
untuk populasi kedua. Dari masing-masing populasi
secara independen diambil sebuah sampel acak dengan ukuran n1 dan n2. Rata-rata
dan simpangan baku dari sampel-sampel itu berturut-turut x
1
, s
1
, dan x
2
, dan s
2
.
Akan ditaksir selisih rata-rata (p
1
p
2
).
Jelas bahwa titik taksiran untuk (p
1
p
2
) adalah (x
1
x
2
). Bagaimana
interval taksirannya? Kita bedakan hal-hal berikut
Hal A). o
1
= o
2

J ika kedua populasi normal itu mempunyai o
1
= o
2
= o dan besarnya
diketahui, maka 100 % interval kepercayaan untuk (p
1
p
2
) ditentukan oleh
rumus
(x
1
x
2
) z1
2
, y
.o_
1
n
1
+
1
n
2
< p
1
p
2
<(x
1
x
2
) +z1
2
, y
.o_
1
n
1
+
1
n
2
..(11.13)
dengan z1
2
, y
didapat dari daftar normal baku dengan peluang
1
2
, y.
Dalam hal
1
=
2
= tetapi tidak diketahui besarnya, pertama-tama dari
sampel perlu kita tentukan varians gabungannya dinyatakan dengan s
2
, besarnya
diberikan oleh rumus
s
2
=
(n
1
-1)s
1
2
+(n
2
-1)s
2
2
n
1
+n
2
-2
11.14
Interval kepercayaannya ditentukan dengan menggunakan distribusi Student.
Rumus untuk 100 % interval kepercayaan (
1
-
2
) adalah
(x
1
x
2
) t
p
.s_
1
n
1
+
1
n
2
< p
1
p
2
<(x
1
x
2
) +t
p
.s_
1
n
1
+
1
n
2

..(11.15)

Dengan s didapat dari rumus 11.14 dan t
p
didapat dari daftar distribusi Student
(Daftar G) dengan p = (1 +) dan dk =(n
1
+n
2
2).

Hal B). o
1
o
2

Untuk populasi normal dengan o
1
o
2
, teori di atas tidak berlaku dan teori
yang ada hanya bersifat pendekatan.
Dengan memisalkan s1 = 1 dan s2 = 2, untuk sampel-sampel acak
berukuran cukup besar kita dapat melakukan pendekatan kepada distribusi normal.
Rumus interval kepercayaannya ditentukan oleh
(x
1
x
2
) z1
2
, y
.o_
s
1
2
n
1
+
s
2
2
n
2
< p
1
p
2
<(x
1
x
2
) +z1
2
, y
.o_
s
1
2
n
1
+
s
2
2
n
2

..(11.16)

dengan z1
2
, y
didapat dari daftar normal baku dengan peluang .
Penggunaan rumus 11.16 harus hati-hati sekali karena bukan saja pendekatan
kepada distribusi normal yang mungkin meragukan, tetapi juga asumsi bahwa
varians sampel sama dengan varians populasi.
Contoh: ada dua cara pengukuran unutk mengukur kelembaban sesuatu zat. Cara I dilakukan 50
kali yang menghasilkan X

1
=60,2 dan s
1
2
=24,7. Cara II dilakukan 60 kali dengan
X

2
=70,4 dan s
2
2
=37,2.
Supaya ditentukan interval kepercayaan 95% mengenai perbedaan rata-rata pengukuran
dari kedua cara itu.
Jawab: jika dimisalkan hasil kedua cara pengukuran berdistribusi normal, maka dari rumus 11.14
didapat varians gabungan:
s
2
=
(501)(24,7) +(60 1)(37,2)
50+602
=31,53
Selanjutnya dihitung dulu:
s_
1
n
1
+
1
n
2
=
_
31,53
50
+
31,53
60
=1,08
Dengan p =0,975 dan dk =108, dari daftar distribusi t didapat t =1,984.
Dari tumus 11.15 diperoleh:
(70,4 60,2) (1,984)(1,08) <
1
-
2
<(70,4 60,2) +(1,984)(1,08)
atau 80,6 <
1
-
2
<12,34.

95% percaya bahwa selisih rat-rata pengukuran kedua cara itu aka nada didalam interval
yang dibatasi oleh 8,06 dan 12,34.

Hal C). Obsevasi berpasangan
Misalnya populasi pertama mempunyai variable acak X dan populasi kedua
dengan variable acak Y. Rata-ratanya masing-masing
x
dan
y
. diambil dua
sampel acak masing-masing sebuah dari tiap populasi, yang berukuran sama, jadi
n
1
=n
2
=n. didapat data sampel: (x
1
, x
2
, , x
n
) dan (y
1
, y
2
, , y
n
). Kedua data
hasil observasi ini dimisalkan berpasangan sebagai berikut
x
1
berpasangan dengan y
1

x
2
berpasangan dengan y
2



x
n
berpasangan dengan y
n

dalam hal pasangan data seperti begini, maka untuk menaksir selisih atau beda
rata-rata
B
=
x
-
y
, dapat pula dibentuk selisih atau beda tiap pasangan data. Jadi
dicari B
1
=x
1
y
1
, B
2
=x
2
y
2
, , B
n
=x
n
y
n
.
dari sampel berukuran n yang datanya terdiri dari B1, B2, , Bn supaya
dihitung rata-rata B

dan simpangan baku s

B
dengan menggunakan:
B

=
B
i
n
dan s
B
2
=
n B
i
2
-(B
i
)
2
n(n-1)

100 % interval kepercayaan untuk
B
ditentukan oleh
B

t
p
.
s
B
n
< p
B
< B

+t
p
.
s
B
n
11.17
dengan t
p
didapat dari daftar distribusi Student untuk p = (1 +) dan dk =(n 1).
Contoh: data berikut adalah mengenai tinggi ana laki-laki pertama (X) dan tinggi ayah (Y)
dinyatakan dalam cm.
Tinggi anak Tinggi aayah Beda (B) B
2
(1) (2) (3) (4)
158
160
163
157
154
164
169
158
162
161
161
159
162
160
156
159
163
160
158
160
-3
1
1
-3
-2
5
6
-2
4
1
9
1
1
9
4
25
36
4
16
1
Jumlah 8 106
Untuk menentukan interval taksiran beda rata-rata tinggi badan dibuat kolom (3) dan kolom (4)
yang berisikan B dan B
2
dengan B =X Y.
B

=0,8 dan s
B
2
=
10(106)-64
10 9
=11,07
Dengan mengambil asumsi tinggi badan berdistribusi normal dan tinggi anak berpasangan dengan
tinggi ayah, maka dari runus 11.17 kita dapat menentukan interval kepercayaan 95% untuk
B
, ialah
0,8(2,26)_
11,07
10
<
B
<0,8+(2,26)_
11,07
10

atau: -1,6 <
B
<3,2.

11.8. Menaksir selisih Proporsi
Kita mempunyai dua populasi binom dengan parameter untuk peristiwa yang
sama masing-masing
1
dan
2
. Dari populasi ini secara independen masing-
masing diambil sebuah sampel acak berukuran n
1
dari populasi pertama dan n
2
dari
populasi kedua. Proporsi untuk perisiwa yang diperhatikan dari sampel-sampel itu
adalah p
1
=x
1
/n
1
dan p
2
=x
2
/n
2
dengan x
1
dan x
2
berturut-turut menyatakan
banyaknya peristiwa yang diperhatikan yang didapat di dalam sampel pertama dan
kedua. Akan ditentukan interval taksiran untuk (
1
-
2
). Untuk ini digunakan
pendekatan oleh distribusi normal asalkan n
1
dan n
2
cukup besar. Rumus yang
digunakan untuk interval kepercayaan 100 % selisih (
1
-
2
) adalah
(p
1
p
2
) z1
2
, y
.
_
p
1
q
1
n
1
+
p
2
q
2
n
2
<n
1
n
2
<(p
1
p
2
) +z1
2
, y
.
_
p
1
q
1
n
1
+
p
2
q
2
n
2

..(11.18)


dengan q1 =1 p1, q2 =1 p2 dan z1
2
, y
didapat dari daftar normal baku dengan
peluang .
Contoh: dua sampel acak yang satu terdiri dari 500 pemudi dan satu lagi 700 pemuda yang
mengunjungi sebuah pameran telah diambil. Ternyata bahwa 325 pemudi dan 400
pemuda yang menyenangi pameran.
Tentukan interval kepercayaan 95% untuk perbedaan presentase pemuda dan pemudi
yang mengunjungi pameran dan menyenanginya.
Jawab: presentase pemudi yang menyenangi pameran =p
1
=
325
500
100%=65% dan untuk
pemuda=p
2
=
400
700
100%=57%.
Jadi q
1
=65% dan q
2
=57%.
Dengan n
1
=500 dan n
2
=700, didapat
_
p
1
q
1
n
1
+
p
2
q
2
n
2
=
_
0,650,35
500
+
0,570,43
700
=0,0284
Dari rumus 11.18, dengan z =1,96 diperoleh:
0,65 - 0,57 (1,96)(0,0284) <
1
-
2
<0,65 - 0,57 +(1,96)(0,0284)
atau 0,024 <
1
-
2
<0,136
Jadi 95% yakin bahwa perbedaan presentase pemudi dan pemuda yang mengunjungi
pameran dan menyenanginya akan ada dalam interval yang dibatasi oleh 2,4% dan 13,6%.

11.9. Menentukan ukuran sampel
Berapa ukuran sampel yang diperlukan untuk melakukan suatu penelitian?
Untuk menjawabnya, ini bergantung pada berbagai factor, antara lain untuk apa
sampel itu diperlukan. Khusus sehubungan dengan teori menaksir, ukuran sampel
dapat ditentukan antara lain berdasarkan kepada
a) Apa yang akan ditaksir?
b) Berapa besar perbedaan yang masih mau diterima antara yang ditaksir dan
penaksir?
c) Berapa derajat kepercayaan atau koefisien kepercayaan yang diinginkan dalam
melakukan penaksiran?
d) Berapa lebar interval kepercayaan yang masih mau diterima?
Ketika menaksir parameter dan 0
`
, dua hal yang terjadi ialah menaksir terlalu
tinggi atau menaksir terlalu rendah. Dalam hal pertama 0
`
> 0 dan yang kedua
0
`
< 0. Perbedaan antara dan 0
`
ialah b | - 0
`
|. Makin kecil beda b makin baik
menaksir karena makin dekat penaksir yang kita pakai kepada parameter yang
sedang ditaksir. Dalam arah ini, suatu ketika akan tiba pada ketentuan berapa besar
beda b yang masih mau diterima dan dengan derajat kepercayaan berapa.
Ketika menaksir rata-rata oleh statistic x , maka beda b =| - x |. Untuk
koefisien kepercayaan dan populasi berdistribusi normal dengan simpangan baku
diketahui, maka ukuran sampel n ditentukan oleh:
n >[
c .z1
2
, y
b

2
11.19
Contoh: untuk menaksir rata-rata waktu yang diperlukan oleh setiap mahasiswa dalam
menyelesaikan sebuah soal tertentu, diperlukan sebuah sampel. Ketika menaksir rata-rata
tersebut, dikehendaki derajat kepercayaan 99% dengan beda yang lebih kecil dari 0,05
menit. Jika diketahui simpangan baku waktu yang diperlukan 0,5 menit, berapa
mahasiswa yang perlu diambil untuk sampel tersebut?
Dengan =0,5 menit, b =0,05 menit dan z =2,58 maka dari rumus 11.19 didapat:
n >_
2,580,5
0,05
]
2
=665,64
Oleh karena ukuran sampel harus merupakan bilangan diskrit, maka paling sedikit n =
666. Jadi paling sedikit sampel itu harus terdiri atas 666 mahasiswa.

J ika yang ditaksir itu proporsi oleh statistic p =x/n, maka beda yang terjadi
besarnya b =| - p |. Dengan memisalkan bahwa pendekatan distribusi normal
kepada binom berlaku dan koefisien kepercayaan =, maka ukuran sampel dapat
ditentukan dari rumus
n >n(1n) [
c .z1
2
, y
b

2
11.20
Kecuali jika varians (1 - ) diketahui, maka dalam hal lain rumus di atas
tidak dapat digunakan. Dalam hal ini varians (1 - ) diganti oleh harga
maksimumnya ialah 0,25.
Contoh: misalkan sebuah penelitian dilakukan untuk mengetahui ada berapa persen kira-kira
kadungan emas dalam tiap sampel yang diambil. Ketika melakukan perkiraa, koefisien
kepercayaan diambil 95% dengan kekeliruan menaksir tidak lebih dari dua persen.
Berapa buah sampel yang perlu diteliti?
Jawab: di sini varian s (1 - ) harus diambil 0,25 karena soal tersebut sama sekali tidak
menyebutkan tentang harga . Dengan b =0,02 dan z =1,96 maka dari rumus 11.20
didapat:
n >(0,25) _
0,96
0,02
]
2
=2.401
Sampel itu paling sedikit harus terdiri dari 2.402 kandungan emas.
Contoh: jika untuk contoh di atas, dari pengalaman diketahui ada 12% kandungan emas, tentukan
berapa ukuran sampel sekarang?
Jawab: ke dalam rumus di atas kita substitusikan =0,12 dan 1 - =0,88, b =0,02 dan z =1,96,
didapat:
n >(0,12)(0,88) _
1,96
0,02
]
2
=1.014,18
Paling sedikit sampel itu terdiri dari 1.015 emas.

Dari kedua contoh terakhir ini, dapat dilihat bahwa dengan diketahuinya harga
, ukuran sampel telah banyak berkurang dari 2,402 menjadi 1, 015. Ini
menyatakan bahwa informasi terdahulu sangat berfaedah, ikut membantu
meringankan analisis dan juga meringankan biaya.

11.10. Tugas