Anda di halaman 1dari 66

Statistika Inferensi :

Estimasi Titik & Estimasi


Interval

Estimasi titik
Estimasi

adalah keseluruhan
proses yang menggunakan sebuah
estimator untuk menghasilkan
sebuah estimate dari suatu
parameter.

Sebuah

estimasi titik dari sebuah


parameter adalah sesuatu angka
tunggal yang dapat dianggap
sebagai nilai yang masuk akal dari
.

Contoh
Seorang

ahli sosial ekonomi ingin


mengestimasi rata-rata penghasilan
buruh di suatu kota. Sebuah sampel
dikumpulkan menghasilkan rata-rata Rp
2.000.000,-.

Dalam

hal ini telah dilakukan estimasi


titik, dengan menggunakan estimator
berupa statisticX mean (
) untuk
mengestimasi parameter mean
populasi (). Nilai sampel Rp
2.000.000,- sebagai nilai estimate dari
mean populasi.

Estimasi Interval
Sebuah

estimasi interval (interval


estimate) dari sebuah parameter
, adalah suatu sebaran nilai nilai
yang digunakan untuk
mengestimasi interval.
Jika dimiliki sampel X1, X2, ., Xn
dari distribusi
2 normal N(, 2)
X ~ N( ,
)
n
maka

Akibatnya

interval kepercayaan (1)100% untuk mean populasi adalah

X Z1 / 2

X Z1 / 2
n
n

dengan Z(1-/2) adalah kuantil ke-(1/2) dari distribusi normal baku dan
jika tidak diketahui maka dapat
diestimasi dengan simpangan baku
(standard deviation) sampel s yaitu s
= s2.

Jadi

interval kepercayaan (confidence


interval) adalah estimasi interval
berdasarkan tingkat kepercayaan
tertentu dan batas atas serta batas
bawah interval disebut batas
kepercayaan (confidence limits).

Dari

prakteknya tingkat kepercayaan


dilakukan sebelum estimasi dilakukan,
jadi dengan menetapkan tingkat
kepercayaan interval sebesar 90 persen
(90 %).

Artinya

seseorang yang melakukan


tersebut ingin agar 90 persen yakin
bahwa mean dari populasi akan termuat
dalam interval yang diperoleh.

Estimasi interval untuk


beberapa tingkat
kepercayaan (1-)100%.

Contoh
Seorang

guru ingin mengestimasi


waktu rata-rata yang digunakan untuk
belajar.

Suatu

sampe acak ukuran 36


menunjukan bahwa rata-rata waktu
yang digunakan siswa untuk belajar di
rumah setiap harinya adalah 100
menit.

Informasi

sebelumnya menyatakan
bahwa standar deviasi adalah 20 menit.

Estimasi

interval dengan tingkat kepercayaan


95 persen dapat ditentukan berikut ini :

Unsur

unsur yang diketahui :


X
= 100 ; = 20; n=36; tingkat
kepercayaan 95 %.
Dengan tingkat kepercayaan 95 % maka nilai z
adalah 1,96 jadi estimasi interval dari nilai
waktu rata-rata sesungguhnya adalah :

100 (1,96)(20 / 6) 100 1,96 ( 20 / 6)


93,47 106,53
Dengan

kata lain guru mengestimasi dengan


tingkat keyakinan 95 % bahwa rata-rata waktu
belajar adalah antara 93,47 menit hingga
106,53 menit

Jika n > 30
Dari

seluruh siswa 4 kelas diambil sebagai sampel 40


siswa dan didapatkan nilai Matematika dari 40 siswa
tersebut sebagai berikut :
58
48
56
43
58
57
48
35
43
47
49
41
64
58
46
44
47
55
42
48
54
29
46
47
59
47
52
43
47
49
40
58
60
50
50
50
64
36
43
44
maka estimasi rata-rata nilai Matematika sesungguhnya
dengan tingkat kepercayaan 90 persen yaitu :

Dengan tingkat kepercayaan 90 % maka nilai z


adalah 1,645 jadi estimasi interval dari rata-rata
sesungguhnya adalah :

Hasil output spss

Jika n 30
Jika

dimiliki sampel X1, X2, ., Xn


dari distribusi normal N(, 2)
dengan 2 tidak diketahui
X
maka :
T
S/

berdistribusi t dengan derajat


bebas n-1.

Sifat-sifat distribusi t
Distribusi

ini serupa dengan distribusi Z


dengan mean nol dan simetris berbentuk
lonceng / bell shape terhadap mean.

Bentuk

distribusi tergantung pada ukuran


sampel. Jadi distribusi adalah kumpulan
keluarga distribusi dan perbedaan satu
dengan yang lainnnya tergantung pada
ukuran sampel.

Pada

ukuran sampel yang kecil keruncingan


berbentuk distribusi t kurang dibandingkan
dengan distribusi Z dan jika meningkatnya
ukuran sampel mendekati 30 maka bentuk
distribusi semakin mendekati bentuk
distribusi Z. (Jadi jika n >30 maka
digunakan nilai z).

Grafik fungsi distribusi t

Untuk

n 30, interval kepercayaan

(1-)100% untuk mean populasi


adalah

X t n 1;1 / 2

s
s
X t n 1; 1 / 2
n
n

dengan tn-1; (1-/2) adalah kuantil ke-(1/2) dari distribusi t dengan derajat
bebas n-1 dan s adalah simpangan baku
(standard deviation) sampel dengan s =
s2 yaitu akar dari variansi sampel.

Contoh
Misalkan

diberikan nilai
Matematika 10 siswa sebagai
berikut : 58, 58, 43, 64, 47, 54,
59, 47, 60, dan 64.
Estimasi rata-rata nilai
Matematika sesungguhnya
(populasi). Nilai rata-rata
Matematika dengan tingkat
kepercayaan 95 persen dapat
diestimasi sebagai berikut:

Hasil perhitungan dari


data

interval kepercayaan
(rata-rata populasi) dengan
koefisien kepercayaan 95 %
:

Hasil output spss

Pengujian Hipotesis (Satu


Sampel)

umum, hipotesis statistik


pernyataan mengenai distribusi probabilitas
populasi atau pernyataan tentang parameter
populasi.

Secara

Contoh

:
Nilai Matematika siswa kelas 10 SMAN 1
Salatiga berdistribusi normal. Akan diuji
hipotesis :
rata-ratanya 60.
Pernyataan : Rata-ratanya 60 ( = 60 )
hipotesis statistik

Kesalahan yang mungkin


Kesalahan

jenis pertama (type-I


error) bila menolak menolak
hipotesis yang seharusnya diterima.

Kesalahan

jenis kedua (type-II error)


bila menerima hipotesis yang
seharusnya ditolak.

Prosedur Uji hipotesis


Pernyataan

Hipotesis nol dan hipotesis

alternatif
Pemilihan tingkat kepentingan
( level of significance ), kesalahan tipe
I
Pernyataan aturan keputusan ( Decision
Rule)
Perhitungan nilai-p berdasarkan pada data
sampel
Pengambilan keputusan secara statistik
(Penarikan kesimpulan)

Pernyataan Hipotesis nol dan


hipotesis alternatif

Hipotesis

nol (H0) adalah asumsi yang akan diuji.

Hipotesis

nol dinyatakan dengan hubungan sama

dengan.

Jadi hipotesis nol adalah menyatakan bahwa


parameter (mean, presentase, variansi dan lainlain) bernilai sama dengan nilai tertentu.
Hipotesis

alternatif (H1) adalah hipotesis yang


berbeda dari hipotesis nol.

Hipotesis

alternatif merupakan kumpulan hipotesis


yang diterima dengan menolak hipotesis nol.

Contoh
Dalam

suatu prosedur pengujian hipotesis


mengenai mean dari suatu populasi,
pernyataan-pernyataan mengenai hipotesis
nol sebagai mean populasi 60 secara umum
dinotasikan :
H0 : = 60
H1 : 60.

Pemilihan tingkat kepentingan


( level of significance ),

kepentingan ( level of significance )


menyatakan suatu tingkat resiko melakukan
kesalahan dengan menolak hipotesis nol.

Tingkat

Dengan

kata lain, tingkat kepentingan


menunjukkan probabilitas maksimum yang
ditetapkan untuk menghasilkan jenis resiko pada
tingkat yang pertama.

Dalam

prakteknya, tingkat kepentingan yang


digunakan adalah 0.1, 0.05 atau 0.01.

Jadi

dengan mengatakan hipotesis bahwa ditolak


dengan tingkat kepentingan 0.05 keputusan itu
bisa salah dengan probabitas 0.05.

Pernyataan aturan keputusan


(Decision Rule)
Suatu

nilai-P didefinisikan sebagai nilai


tingkat kepentingan yang teramati yang
merupakan nilai tingkat signifikan terkecil
di mana hipotesis nol akan ditolak apabila
suatu prosedur pengujian hipotesis
tertentu pada data sampel.

H0 jika nilai-p (p-value) <


dan menerima H0 jika nilai-p (pvalue) > .

Menolak

Perhitungan nilai-p
berdasarkan data sampel &
Kesimpulan

Berdasarkan

sampel dihitung nilai-p.

nilai-p < maka Ho ditolak


atau sebalinya nilai-p > maka Ho
diterima.

Karena

Uji Hipotesis dengan Mean


Tunggal
Pengujian

ini dibedakan atas dua


jenis yaitu :
Uji dua ujung ( two tailed test)
Uji satu ujung ( one tailed
test).

Uji Dua Ujung


Uji

dua ujung (two tailed) adalah uji


hipotesis yang menolak hipotesis nol jika
statistik sampel secara significant lebih
tinggi atau lebih rendah dari pada nilai
parameter populasi yang diasumsikan.

Dalam

hal ini hipotesis nol dan hipotesis


alternatifnya masing-masing :
H0 : = nilai yang diasumsikan
H1 : nilai yang diasumsikan

Contoh
Nilai Matematika siswa kelas 10
SMAN 1 Salatiga berdistribusi
normal. Akan diuji hipotesis :
rata-ratanya 60.
Hipotesis nol
Hipotesis alternatif

: H0 : = 60
: H1 : 60

Hasil output SPSS

Berdasarkan

hasil output SPSS


diperoleh nilai-p mendekati nol dan
karena
nilai- p < = 0,10 (10 %) maka H0
ditolak berarti H1 diterima.

Dengan kata lain, 60 berarti ratarata nilai Matematika siswa kelas 10


tidak sama dengan 60.

Contoh
Nilai Matematika siswa kelas 10
SMAN 1 Salatiga berdistribusi
normal. Akan diuji hipotesis :
rata-ratanya 50.
Hipotesis nol
Hipotesis alternatif

: H0 : = 50
: H1 : 50

Hasil output SPSS

Berdasarkan

hasil output SPSS


diperoleh nilai-p = 0,367 dan karena
nilai- p > = 0,10 (10 %) maka H0
diterima.

Dengan kata lain, = 50 berarti ratarata nilai Matematika siswa kelas 10


sama dengan 50.

STATISTIKA INFERENSI :
UJI HIPOTESIS (SAMPEL
GANDA)

Outline
Uji

Hipotesis Mean dengan


Sampel ganda :
- Uji t untuk populasi saling
bergantung
- Uji t untuk populasi saling
bebas

Uji t pasangan untuk populasi


saling tergantung
Prosedur :
Pernyataan Hipotesis nol dan Hipotesis Alternatif
Dalam

uji ini hipotesis nolnya adalah metode baru


sama dengan metode lama (perbedaan rata-ratanya
adalah nol).
Sedangkan hipotesis alternatifnya adalah metode
baru tidak sama dengan metode lama (terdapat
perbedaan nilai rata-rata).
H0 : d = 0 ( metode lama sama dengan metode baru)
H1 : d 0 uji dua ujung
( d > 0 uji satu ujung )
(metode lama tidak sama dengan metode baru)

Pemilihan

tingkat kepentingan (level of significance),

Aturan pengambilan keputusan :


ditolak jika nilai-p < dan
sebaliknya H0 diterima jika nilai-p
.

H0

Contoh
Seorang

guru akan mengevaluasi


metode pembelajaran baru untuk
siswa.

Jika

dalam program baru tersebut


terdapat penghematan waktu dari
pada program saat ini maka ia
akan merekomendasikan
perusahaan tersebut dengan
program baru.

Suatu

sampel yang terdiri dari 8


diambil dan kemudian diperoleh
nilai sebelum dan setelah
digunakan metode pembelajaran
yang baru.

Nilai

yang diperoleh sebelum dan


setelah digunakan metode
pembelajaran yang baru
ditunjukkan pada tabel berikut :

Nilai sebelum dan sesudah


penggunaan metode baru

Uji hipotesis dilakukan dengan langkah


sebagai berikut :
Hipotesis
H0 : metode baru tidak meningkatkan
nilai
H1 : metode baru meningkatkan nilai
Tingkat kepentingan = 0,05 = 5 %
Aturan Keputusan
H0 ditolak dan H1 diterima jika nilai-p
< 0,05 dan sebaliknya H0 diterima
dan H1 ditolak jika nilai-p > 0,05.

Hasil output SPSS


(terlihat thit = 1,366 dan nilai-p = 0,214 >
0,05
sehingga H0 diterima)

Kesimpulan
Metode

pembelajaran baru tidak


meningkatkan nilai.
Hal tersebut juga didukung oleh
informasi tambahan pada hasil
output SPSS berikut ini.
Tidak

terdapat perbedaan yang


signifikan antara rata-rata nilai
sebelum dan nilai sesudah
penggunaan metode pembelajaran
baru.

Hasil output SPSS

Uji t untuk populasi yang


saling bebas (independent)
Digunakan bila :

Sampel

yang diambil dari kedua


populasi yang saling bebas dan
berdistribusi normal.

Ukuran

kedua sampel kurang dari

30
( untuk n > 30, hasil yang
diperoleh merupakan pendekatan ).

Prosedur uji hipotesisnya sebagai berikut :


Pernyataan hipotesis nol dan hipotesis
alternatif
Dalam uji hipotesis nol dan hipotesis
alternatifnya adalah :
H0 : 1 = 2 (rata-rata kedua kelompok
sama)
H1 : 1 2 (rata-rata kedua kelompok
tidak sama)
Pemilihan tingkat kepentingan

Aturan pengambilan keputusan :


ditolak jika nilai-p < dan
sebaliknya H0 diterima jika nilai-p
.

H0

Contoh

Hasil output SPSS

Kelas

A mempunyai rata-rata nilai


75,60 dan deviasi standard 15,298.

Kelas

B mempunyai rata-rata nilai


77,60 dan deviasi standard 11,944.

Apakah

ada perbedaan yang signifikan


antara nilai rata-rata kedua kelas ?
Dengan kata lain apakah kelas A dan
kelas B mempunyai rata-rata yang
sama ?

Hipotesis
Hipotesis

nol :

Rata-rata kelas A dan kelas B


sama.
Hipotesis

alternatif :

Rata-rata kelas A dan kelas B tidak


sama.

Tingkat

signifikansi (level of
significance) yang dipilih = 0,05.

Aturan

penerimaan dan penolakan :

H0 ditolak jika nilai-p < = 0,05


dan
sebaliknya H0 diterima jika nilai-p
= 0,05.

Hasil output SPSS


(terlihat nilai-p > 0,05 sehingga H0
diterima yaitu rata-rata kedua kelas
sama

Hasil output SPSS


(terlihat nilai-p > 0,05 sehingga H0
diterima yaitu rata-rata kedua kelas
sama

Kesimpulan
Rata-rata

nilai kelas A dan kelas


B sama (tidak berbeda secara
signifikan).

Contoh sampel kecil

Hasil output SPSS

Hipotesis

nol : Rata-rata kelas A dan kelas

B sama.
Hipotesis alternatif : Rata-rata kelas A
dan kelas B tidak sama.
signifikansi dipilih 0,10 (10 %).
Karena nilai-p mendekati nol sehingga
lebih kecil dari = 0,10 sehingga H0
ditolak sehingga berarti bahwa rata-rata
kelas A dan kelas B tidak sama.
Tingkat

Bila

dilihat dari besarnya nilai rata-rata


kelas A maka rata-rata kelas A lebih baik.