STATISTIK INFERENSIA

Bagaimana menarik kesimpulan tentang sejumlah

peristiwa (kejadian) berdasarkan pengamatan
terhadap sebagian saja dari peristiwa itu.
1. ESTIMASI KARAKTERISTIK (PARAMETER)
POPULASI
2. UJI HIPOTESIS (SIGNIFIKANSI)
ANALISIS PERBEDAAN
ANALISIS HUBUNGAN

ESTIMASI PARAMETER POPULASI

Population
Mean, , is
unknown

Random Sample
Mean
X = 700

I am 95%
confident that
is between
500 & 900

Sample

POINT ESTIMATES
Estimate Population
Parameters
Proportion

Variance

Mean

Difference

with Sample
Statistics

X
PS
2

1 2

S2
X1 X 2
3

Determining Sample Size (Cost)

Too Big:

Requires
too many
resources

Too small:

Wont do
the job

DASAR PENENTUAN BESAR SAMPEL

Tiga faktor yang diperlukan dalam menentukan besar sampel :

1. Variasi dalam populasi yang disampel
2. Tingkat kesalahan yang ditoleransi
(sampling error)
3. Tingkat kepercayaan.

BESAR SAMPEL UNTUK DUGAAN PROPORSI

TAKSIRAN INTERVAL UNTUK PROPORSI

pS Z / 2

Dugaan titik
proporsi

pS 1 pS
pS 1 pS
p pS Z / 2
n
n
Nilai tabel normal
pada tingkat
keyakinan yang
diinginkan

Standar
Error

Contoh kasus Polling PILKADA

Sebulan sebelum PILKADA di Kabupaten Karimun, Propinsi
Kepulauan Riau, suatu lembaga polling independen mengadakan
survey sampel untuk mengetahui aspirasi masyarakat terhadap
kandidat A. Lembaga tersebut mengambil sampel random
sebanyak 200 orang yang tersebar di tiga kecamatan yang ada
(Karimun, Kundur dan Moro), dan mendapatkan 110 orang memilih
kandidat A untuk menjadi Bupati pada periode yang akan datang.
Tentukan taksiran 95% dari dugaan proporsi masyarakat di
Kabupaten Karimun yang akan memilih kandidat A.
Apakah makna atau kegunaan informasi ini bagi kandidat A
ataupun bagi kandidat yang lainnya ?

Penyelesaian contoh kasus

pS Z / 2

pS 1 pS
pS 1 pS
p pS Z / 2
n
n

0,481051 p 0.618949
9

Interpretasi taksiran interval

Dengan keyakinan 95%, maka
proporsi pemilih kandidat A
terletak antara 48% s.d. 62%.

Apakah kandidat A
akan menang ???

2,5%

2,5%

0,48

0,55
95%

0,62
Proporsi pemilih
kandidat A

10

Effect of Large Sample

Larger
sample size

P(X)
Smaller
sample size

pS

p
11

Central Limit Theorem

As Sample
Size Gets
Large
Enough

Sampling
Distribution
Becomes
Almost
Normal
Regardless of
Shape of
Population

pS
12