OUTLINES

• Pengantar Statistik Inferensial

• Populasi dan Sampel
• Estimasi Tunggal / Titik (Point Estimation)
• Pengenalan ke Distribusi Sampel
• Distribusi sampel nilai rata-rata 𝑥
• Distribusi sampel standar deviasi 𝜎
STATISTIK
• Penggolongan Metode Statistik
DESKRIPTIF

PARAMETRIK
STATISTIK

INFERENSIAL

NON PARAMETRIK
STATISTIK DESKRIPTIF DAN INFERENSIAL
• Statistika (statistics) dapat dikelompokkan menjadi 2 jenis, yaitu statistika
deskriptif dan statistika induktif (inferensia/inferential)
• Statistika induktif digunakan untuk memperoleh informasi mengenai suatu
populasi berdasarkan informasi yang diperoleh dari sampel.
• Jika data berasal dari seluruh elemen dari populasi, kita akan memperoleh
informasi yang sesungguhnya (parameter)
• Jika melakukan penarikan sampel (mengumpulkan data sebagian elemen dari
populasi) maka kita akan memperoleh data perkiraan/pendugaan/ disebut
statistik/statistic (tanpa s).
• Jadi statistik merupakan penduga untuk parameter
STATISTIK
• Deskriptif: Menggambarkan atau menganalisa suatu data hasil penelitian
tanpa membuat kesimpulan atau generalisasi terhadap keseluruhan
populasi, kegiatan: menyajikan data dan meringkas data
• Inferensial: Membahas cara menganalisis data serta mengambil
kesimpulan (berkaitan dengan estimasi parameter dan pengujian
hipothesis)
• Parametris: Untuk menganalisis data interval dan rasio yang memiliki
suatu distribusi, analisis dengan Uji-t, ANOVA, Regresi dsb Cth: “Berapa
menit rata-rata waktu layanan pelanggan di Loket Stasiun Madiun?”.
Variabel waktu layanan pelanggan dapat diukur dalam menit.
• Nonparametris: Menganalisis data ordinal dan nominal dari populasi yang
tidak memerlukan pembuatan asumsi tentang bentuk distribusi, sehingga
tidak memerlukan asumsi.
ALUR LANGKAH-LANGKAH PEMILIHAN METODE
STATISTIK
• Kegiatan a s.d. c merupakan
statistika deskriptif, yang berkaitan
dengna pengumpulan, pengolahan
dan penyajian data
• Kegiatan d & e merupakan statistika
inferensial yaitu menyimpulkan dan
menarik kesimpulan
PERTANYAAN
• Dari hasil quick count pilkada DKI diperoleh dari sampel
400 TPS dari 13.000 TPS DKI, mendapat hasil yang
berbeda-beda, mengapa ini terjadi?
• Dari hasil produksi Ban Radial didapat hasil dari 120
sampel ban yang dijadikan percobaan didapat bahwa rata-
rata umur pemakaian ban tersebut adalah 36500 km.
Angka ini digunakan untuk memperkirakan rata-rata masa
layan bagi produk ban tersebut.
POPULASI DAN SAMPEL
• Populasi: kumpulan dari keseluruhan pengukuran (orang,
benda, dsb) atau observasi yang menjadi objek penelitian,
tidak terbatas pada sekelompok tertentu, tetapi mengacu
pada seluruh ukuran. Pengamatan/survey terhadap
populasi disebut sensus.
• Sampel: sebagian dari populasi yang menjadi perhatian
dan dapat mewakili seluruh populasi, kegiatannya
dinamakan sampling.
• Parameter adalah bilangan/angka yang menggambarkan
karakteristik suatu populasi.
POPULASI DAN SAMPEL
POPULASI DAN SAMPEL
• Alasan Memilih sampel: Biaya, waktu, ketelitian, sifat
merusak
• Perbedaan populasi dan sampel
e = persen kelonggaran ketidaktelitian karena kesalahan pengambilan sampel
yang masih dapat ditolerir atau diinginkan, misalnya 10%.

METODE PENARIKAN SAMPEL

Metode Penarikan Sampel

Sampel Probabilitas Sampel Nonprobabilitas

(Probabililty Sampling) (Non Probabililty Sampling)

• Penarikan Sampel acak

• Penarikan Sampel
sederhana (Simple random
sampling) Sistematis (Systematic
• Penarikan sampel acak Sampling)
terstrukstur (Stratified • Penarikan Sampel
Random Sampling) > Kuota (Kuota Sampling)
Proportioned/Disproportion • Penarikan Sampel
ed Puposif (Purposive
• Penarikan Sampel Sampling)
Cluster/Area (Cluster
Sampling)
PROBABILISTIK SAMPLE
• Probability Sampling, merupakan suatu sampel yang dipilih sedemikian
rupa dari populasi sehingga masing-masing anggota populasi memiliki
probabilitas atau peluang yang sama untuk dijadikan sampel. Antara lain:
simple random sample, systematic sample, stratified sample, cluster
sample
• Simple random sample, pengambilan sampel dari populasi secara acak
tanpa memperhatikan strata yang ada dalam populasi dan setiap anggota
populasi memiliki kesempatan yang sama untuk dijadikan sampel.
• Stratified sample, populasi dikelompokkan terlebih dahulu dalam
kelompok yang homogen atau dalam strata, anggota sample ditarik dari
setiap strata
• Cluster sample, populasi dikelompokkan berdasarkan area atau cluster,
kemudian dipilih beberapa cluster, kemudian dipilih beberapa angngota
cluster sebagai sample.
NON PROBABILISTIK SAMPLING
• Merupakan suatu sampel yang dipilih sedemikian rupa dari populasi sehingga
setiap anggota tidak memiliki probabilitas atau peluang yang sama untuk
dijadikan sampel
• Systematic sampling, anggota populasi diberi urutan teretentu (alphabet atau
nomor), kemudian ditentukan satu nomor sebagai titik awal sampling, nomor
berikutnya dipilih dengan sistematika n. Ex: dari Populasi 40, diambil 5 sampel,
40:5 = 8, sehingga jarak antar sampel 8, diambil urutan 1,9,17,25, dan 33
• Kuota Sampling: Dengan kuota tertentu dari berbagai kelompok populasi agar
karakteristik populasi dapat tergambar dengan baik
• Purposive sampling, dengan pertimbangan tertentu, sesuai tujuan penelitian
• Convenience sampling: Berdasarkan keinginan peneliti sesuai tujuan
penelitian
• Judgment sampling: Berdasarkan pendapat satu orang atau lebih yang cukup
kompeten untuk mengidentifikasi hal-hal pada sampel yang memberikan
karakteristik populasi. Sampel didasarkan atas keahlian seseorang mengenai
populasi yang dikaji.
 PROSES STRATIFIKASI

Populasi tidak berstrata Populasi terstrata

Bab 11 Metode dan Distribusi Sampling

 CONTOH PENARIKAN SAMPEL ACAK TERSTRUKTUR

Stratum Kelompok Jumlah Persentase Jumlah

anggota dari total sampel per
stratum
1 Bulat 5 21 2 (0,21 × 10)
2 Kotak 7 29 3 (0,29 × 10)
3 Segi tiga 12 50 5 (0,50 × 10)

Jumlah total 24 100 10

Bab 11 Metode dan Distribusi Sampling

 PENARIKAN SAMPEL KLUSTER

Sampel Terstruktur Sampel Kluster

Bab 11 Metode dan Distribusi Sampling

e = persen kelonggaran ketidaktelitian karena kesalahan pengambilan sampel
yang masih dapat ditolerir atau diinginkan, misalnya 10%.

RUMUS MENENTUKAN JUMLAH SAMPEL

• Semakin besar jumlah sampel mendekati populasi
semakin kecil peluang kesalahan
• Rumus penentuan sampel (Isaac & Michael)

• Ket:
s = Jumlah sample
N = Jumlah populasi
λ2 = Chi Kuadrat, dengan dk = 1, taraf kesalahan
1%, 5% dan 10%
d = 0,05
P = Q = 0,5
e = persen kelonggaran ketidaktelitian karena kesalahan pengambilan sampel
yang masih dapat ditolerir atau diinginkan, misalnya 10%.

RUMUS MENENTUKAN JUMLAH SAMPEL

• Rumus Penentuan Sample Slovin

• Keterangan:
n = ukuran sampel N = ukuran populasi
e = persen kelonggaran ketidaktelitian karena kesalahan pengambilan
sampel yang masih dapat ditolerir atau diinginkan, misalnya dengan
batas kesalahan 5% berarti akurat s.d. 95%
• Contoh : Sebuah perusahaan memiliki 1000 karyawan dan akan dilakukan
survei dengan mengambil sampel. Berapa sampel yang dibutuhkan apabila
batas toleransi kesalahan 5%,
• Jawab: n = 286 Orang
PENARIKAN SAMPEL ACAK SEDERHANA
• Cara paling mudah untuk pemilihan sampel adalah dengan
penarikan sampel acak sederhana (simple random sample) dimana
setiap anggota populasi memiliki kemungkinan yang sama untuk
dipilih
• Cara untuk memilih sampel acak dari suatu populasi dapat dengan
menggunakan random number
APLIKASI EXCEL UNTUK MEMILIH SAMPEL RANDOM
• Untuk jumlah sampel besar, dapat memilih sampel dengan menggunaan ms excel
• Dari Nilai 19 orang taruna berikut, ambil 9 nilai secara random.

• Jawab:
• Pada Cell C2, ketik: =RAND()
• Copy cell C2 ke D3 s.d. D20
• Pada Cell C1/Title klik Data > Filter
• Pada Cell C1 klik Sort Smallest to
Largest, ambil 9 nilai yang paling
atas
POPULASI TERBATAS DAN TAK TERBATAS
• Populasi terbatas misalnya seluruh taruna di API Madiun, seluruh
karyawan API Madiun, Seluruh siswa SMA di Madiun, Seluruh Petak
sawah di madiun, Seluruh petani di Madiun
• Populasi tak terbatas biasanya dihubungkan dengan suatu proses,
Cth: proses produksi dari waktu ke waktu, proses penjualan, proses
pelemparan mata uang, dsb
• Populasi dianggap tak terbatas apabila proses yang terjadi dapat
dilakukan secara terus-menerus sampai proses tersebut dihentikan.
Sebagian dari proses dianggap sebagai sampel acak random
SAMPEL ACAK SEDERHANA (POPULASI TERBATAS)

• Sebuah sampel acak sederhana berukuran n dari populasi terbatas

berukuran N adalah sampel yang dipilih sedemikian rupa sehingga
setiap kemungkinan sampel berukuran n memiliki probabilitas yang
sama untuk dipilih
• Cth:
𝑁!
• Proses mengambil 3 dari 5 elemen, NCn = dimana N = 5, n=3
𝑛! 𝑁−𝑛 !

• Sehingga 5C3 = 10
• Kemungkinan hasil: x1,x2,x3 | x1, x2,x4 |x1, x2, x5 | x1, x3, x5 | x1,
x3, x4 | x1, x2, x3 | x2, x3, x4 | x2, x3, x5 | x2, x4, x5 | x3, x4, x5
SAMPEL ACAK SEDERHANA (POPULASI TAK TERBATAS)

• Populasi bisa sangat besar atau diasumsikan tak terbatas

• Tidak bisa menggunakan table angka random, karena seluruh elemen
dalam populasi belum bias diprediksi
• Definisi: Sebuah sampel yang dipilih sedemikian rupa sehingga memenuhi
kondisi:
1. Setiap elemen yang terpilih berasal dari populasi yang sama
2. Setiap elemen dipilih secara independen
• Cth: Penumpang yang datang ke stasiun, seluruh kemungkinan
penumpang bisa sangat banyak, tetapkan sampelnya seluruh penumpang
yang datang tiap 5 menit dari jam 12.00 sd. 13.00 dan membeli tiket
(kondisi 1) dan pemilihan salah satu sampel penumpang tidak
mempengaruhi pemilihan sampel dari penumpang yang lain (kondisi 2)
PROSES PENGGUNAAN RATA-RATA SAMPEL UNTUK
MENDUGA RATA-RATA POPULASI

Populasi Sampel acak sederhana dengan

dengan ukuran n dipilih dari populasi
rata2 µ

Ringkasan data sampel

Nilai 𝑥 digunakan untuk
memberikan nilai rata-rata
menduga nilai µ
sampel x
PENDUGAAN TUNGGAL (POINT ESTIMATION)
• Estimasi yang terdiri dari 1 nilai saja, Cth: Rata2 Waktu
Keterlambatan Kereta sebesar 15 menit (𝑥 merupakan penduga
untuk μ) , Persentase penumpang kereta yang merasa puas 60%
(𝑝: p cap sebagai penduga P)
• Penduga tunggal merupakan fungsi dari nilai observasi yang berasal
dari sampel dengan n elemen, dapat juga disimbolkan 𝜃
SIFAT-SIFAT PENDUGA (ESTIMATOR)
• Penduga 𝜃 merupakan suatu penduga tak bias dari 𝜃 jika E(𝜃) = 𝜃,
sebuah penduga dikatakan tak bias jika rata2 dari seluruh
kemungkinan sampel sama dengan parameter populasi
• Penduga 𝜃merupakan suatu penduga konsisten dari 𝜃 jika nilai 𝜃
semakin mendekati nilai parameter 𝜃 untuk n yang semakin besar
• Penduga 𝜃merupakan suatu penduga yang lebih efisien dari 𝜃 jika
nilai varians atau standar deviasinya lebih kecil dari penduga lainnya
• Penduga 𝜃merupakan penduga yang cukup (sufficient estimator)
jika 𝜃 mencakup seluruh informasi yang tentang 𝜃 yang terkandung
dalam sampel
CONTOH PENDUGAAN TUNGGAL
• Daftar Nilai Statistik Taruna MTP
NO NOTAR NILAI KET Ambil beberapa nilai secara random untuk sampling
1 20154001 84 LULUS
2 20154002 80.8 LULUS
3 20154003 76.9 LULUS NO NOTAR NILAI KET
4 20154004 80.3 LULUS 1 20154020 81.7 LULUS
5 20154005 72.4 TIDAK LULUS 2 20154019 74.1 TIDAK LULUS
6 20154006 72.4 TIDAK LULUS 3 20154017 68.7 TIDAK LULUS
7 20154007 78.5 LULUS 4 20154005 72.4 TIDAK LULUS
8 20154008 92.1 LULUS
5 20154011 87 LULUS
9 20154009 69.3 TIDAK LULUS
10 20154010 77.1 LULUS
6 20154013 75.6 LULUS
11 20154011 87 LULUS 7 20154001 84 LULUS
12 20154012 76.1 LULUS 8 20154014 84.5 LULUS
13 20154013 75.6 LULUS 9 20154002 80.8 LULUS
14 20154014 84.5 LULUS RATA-RATA 78.756 66.67%
15 20154015 67.1 TIDAK LULUS STD DEV 6.270
16 20154016 67.1 TIDAK LULUS
17 20154017 68.7 TIDAK LULUS
18 20154019 74.1 TIDAK LULUS Nilai rata-rata dan standar deviasi ini sebagai
19 20154020 81.7 LULUS
pendugaan tunggal (point estimator) dari
77.142 63.16% populasi, perbedaan terjadi karena yang
RATA- RATA
STD DEV 6.729 digunakan adalah data sampel.
DISTRIBUSI SAMPLING
• PT KAI memiliki 2500 karyawan, akan disurvey penghasilan rata-rata dengan
persentase karyawan yang mengikuti pelatihan manejemen, sementara diketahui
data bahwa:

• Jika data seluruh karyawan tidak tersedia, biaya yang dibutuhkan akan lebih kecil
jika menggunakan sampel 30 karyawan untuk memprediksi parameter dari
populasi, pengambilan sampel untuk 30 karyawan menghasilkan table berikut:
DISTRIBUSI SAMPLING
• Jika percobaan tersebut dilakukan sebanyak 500 kali, akan
menghasilkan nilai rata-rata yang berbeda-beda, sebagai berikut:
DISTRIBUSI DISTRIBUSI SAMPLING
• Dibuat ke dalam Tabel distribusi Frekuensi dan histogram data
sebagai berikut:

• Nilai rata-rata tersebut memusat di tengah, dan mendekati nilai rata-

rata populasi yaitu µ = 51.800
DISTRIBUSI PENARIKAN SAMPEL 𝑿
• Pemilihan sampel acak sederhana adalah sebuah eksperimen,
sehingga rata-rata sampel X merupakan deskripsi numerik dari hasil
eksperimen
• Rata-rata dari seluruh kemungkinan sampel tersebut adalah sebuah
variabel acak (random variable) memiliki varians dan distribusi
probabilitas, disebut distribusi sampling 𝑥 atau distribusi penarikan
sampel dari 𝑥
• distribusi sampling 𝑥 adalah distribusi probabilitas dari semua angka
yang mungkin dari sampel 𝑥
• Dalam praktek, kita biasanya mengambil satu sampel acak
sederhana dari seluruh populasi
NILAI HARAPAN DARI 𝑿
• Perbedaan pengambilan sampel dapat menghasilkan berbagai nilai
𝑥 yang berbeda, nilai rata-rata dari 𝑥 adalah nilai harapan dari 𝑥
• Nilai harapan dari 𝑥 adalah E(𝑥) = μ
• Dimana E(𝑥) = Nilai yang diharapkan dari variabel acak x
μ = Rata-rata populasi
• Nilai harapan atau rata-rata dari 𝑥 adalah sama dengan rata-rata
populasinya, jadi 𝑥 merupakan penduga yang baik untuk μ
• Jika nilai harapan dari estimator sama dengan parameter populasi,
kita bisa mengatakan bahwa estimasi tunggal (point estimator) tidak
bias
STANDAR DEVIASI DARI 𝑿
• Rumus Standar deviasi dari sampel populasi terbatas dan tak terbatas:
STANDAR DEVIASI DARI 𝑿
• Jika jumlah populasi sangat besar dan jumlah sampel sangat kecil,
koreksi untuk populasi terbatas (finite population) mendekati 1
(sama dengan populasi tak terbatas)

• Rumus ini dapat digunakan jika populasi tak terbatas atau populasi
terbatas tetapi ukuran sampel lebih kecil dari 5% dari populasi
• adalah standar error dari mean atau standar deviasi dari
sebuah estimasi tunggal, nilai ini digunakan untuk menunjukkan
seberapa jauh rata2 sampel dari rata2 populasi
• Standar error untuk contoh di atas adalah
BENTUK DISTRIBUSI SAMPLING 𝑿
• Bentuk distribusi sampel terbagi menjadi 2
• Populasi yang berdistribusi normal, biasanya diasumsikan
bahwa populasi memiliki distribusi normal atau mendekati
normal, dengan ukuran sampling yang berbeda-beda 𝑥
berdistribusi normal
• Populasi yang berdistribusi tidak normal, jika populasi
tidak berdistribusi normal digunakan central limit
theorem, untuk mengidentifikasi distribusi sampel
• Distribusi sampel 𝑥 cenderung semakin normal dengan
bertambahnya ukuran sampel
CENTRAL LIMIT THEOREM BEBERAPA POPULASI
• Para ahli statistik meneliti
bahwa dalam banyak
penerapan, distribusi sampling 𝑥
cenderung menjadi normal jika
ukuran sampelnya sebesar 30
DISTRBUSI SAMPLING 𝑿
• Jika manager mengatakan bahwa rata2 sampel bisa diterima jika
jaraknya dari rata2 populasi adalah 500, seberapa besar
kemungkinannya?
• Rata2 populasi = 51800, berapa probabilitas bahwa rata-rata sampel
berada pada selang 51300 dan 52300
• Ingat kembali bahwa kurva berdistribusi normal, sehingga bisa
menggunakan table z,

• Maka probabilitasnya adalah? 50.34 persen kemungkinan rata2

sampel berada pada rentang 500 dari rata-rata populasi.
DISTRIBUSI SAMPLING 𝑿

• Jika jumlah sampel ditambah menjadi 100 orang, kurva menjadi seperti berikut:
Jadi, dengan menambah jumlah sampel,
Semakin besar robabilitas bahwa
𝑥 berada pada rentang tersebut,
dari 50.34% menjadi 78.88%
DISTRIBUSI PENARIKAN SAMPEL UNTUK PROPORSI (𝑷)

• Nilai harapan (Expected Value) dari proporsi sampel (p) jika dirata-
ratakan akan sama dengan proporsi populasi

• Standar deviasi dari p dihitung dengan rumus sebagai berikut:

• Perhitungan standar deviasi sampling distribusi proporsi 𝑝

CONTOH SOAL
1. Suatu gerbong kereta akan akan diselidiki untuk memperoleh
probabilitas berat rata-rata penumpang sebesar 77.5 kg dari 80 orang
penumpang (sampel), suatu penelitian mengatakan bahwa kalau
penumpang disensus satu persatu akan mendapat berat rata-rata 75 kg,
dengan simpangan baku 10.5 kg. Hitunglah besarnya probabilitas bahwa
rata-rata berat lebih dari 77.5 kg.
2. Dalam pemilu DKI 2017 sebuah lembaga survey menyelidiki popularitas
Ahok, Anies dan Agus, diketahui bahwa diantara 100 responden 20%
tertarik dengan Agus. Dengan menggunakan data tersebut, hitunglah
probabilitas:
a. Lebih dari 30% akan memilih Agus
b. Kurang dari 15% akan memilih Agus
JAWABAN:
1. Suatu gerbong kereta akan akan diselidiki untuk memperoleh
probabilitas berat rata-rata penumpang sebesar 77.5 kg dari 80
orang penumpang (sampel), suatu penelitian mengatakan bahwa
kalau penumpang disensus satu persatu akan mendapat berat rata-
rata 75 kg, dengan simpangan baku 10.5 kg. Hitunglah besarnya
probabilitas bahwa rata-rata berat lebih dari 77.5 kg.
Jawab:
x = 75 std dev= 10.5
Z = 77.5-75 / (10.5/(80^0.5)
Z = 2.13
P(x>77.5) = P(z>2.13) = 0.5 – 0.4834 = 0.0166 = 1.6 %
JAWABAN
1. Dalam pemilu DKI 2017 sebuah lembaga survey menyelidiki popularitas Ahok,
Anies dan Agus, diketahui bahwa diantara 100 responden 20% tertarik dengan
Agus. Dengan menggunakan data tersebut, hitunglah probabilitas:
a. Lebih dari 30% akan memilih Agus
b. Kurang dari 15% akan memilih Agus
Jawab
a. Proporsi memilih agus = 0.2 dan proporsi tidak memilih 0.8
b. Standar deviasi = sp = 0.04
c. Z untuk probabilitas > 30 =(0.3-0.2)/(0.04) = 2.5 p(z) = 0.4938 sehingga P(>z)
= 0.5-0.4938 = 0.15
d. P(<z) = 0.5-0.3944 = -.1056
REFERENSI
• Supranto, J. Statistik Teori dan Aplikasi Jilid I Ed.7. Erlangga, Jakarta
2008.
• Suharyadi & Purwanto. Statistika untuk Ekonomi dan Keuangan
Modern Ed.2. Salemba Empat, Jakarta 2004.
• Anderson. Essentials of Statistics for Business and Economics.
Cengage Learning. 2015.
TERIMA KASIH