Dalam posting tentang Standard Error sebelumnya, sudah saya sampaikan bahwa:
Standard Error (SE) dapat digunakan sebagai suatu parameter seberapa akurat sample-
sample yang kita ukur mewakili Population Mean ( ). Semakin Besar SE semakin Gemuk
diagram Sampling Distribution-nya semakin Tidak Akurat sample-sample kita mewakili
Populasi (dalam hal ini diwakili Population Mean), semakin Kecil SE semakin Kurus
diagram Sampling Distribution-nya (nilai-nilai Samples Mean mengumpul sekitar
Population Mean) semakin Akurat sample-sample kita mewakili Populasi.
Nah, cara ke dua untuk mengukur seberapa akurat sebuah Sample Mean terhadap Mean
Populasi (dalam hal ini karena populasinya sangat besar sehingga kita Tidak Dapat
mengakses dan mengukur semua item, sehingga kita ingin mengambil kesimpulan Mean
Populasi dengan satu buah Sample Mean): yakni dengan menggunakan Confidence
Interval.
Confidence Interval adalah rentang antara dua nilai di mana nilai suatu Sample Mean
tepat berada di tengah-tengahnya.
Contoh: 95% of confidence interval artinya jika saya mengambil 100 samples maka
kemungkinan 95 sample saya akan mencakup nilai Population Mean sesungguhnya.
Dalam statistics, telah ditemukan jika sample kita besar, yakni lebih dari 30 samples,
maka ditemukan distribusi samples nya “pasti” NORMAL, sehingga kita dapat
menggunakan rumus perhitungan z dan tabel distribusi normal. Jika 30 samples atau
kurang maka menggunakan t-distribution.
Anggap samples kita lebih dari 30, maka kita telah tahu bahwa
z = (X – SampleMean)/s
Question: saya pengin mengetahui interval sebuah Sample Mean agar Confidence
Intervalnya mencapai 95%
maka agar area dibawah kurva normal sebesar 95% atau 0.095 maka dua batas vertical
are tersebut adalah 5%/2 = 2,5% (0.025) smaller area atas dan 2,5% (0.025) smaller area
bawah, atau dari Table conversi luas area (probabilitas) dan nilai z diketahui nilai z dari
probabilitas 0.025 adalah 1.96.
Jadi ada dua nilai batas z, nilai batas z bawah – 1.96, nilai batas z atas 1.96.
jadi untuk mencari nilai rentang (X) batas bawah dan atas:
– 1.96 = (X – SampleMean)/s
1.96 = (X – SampleMean)/s
Ketemu dech nilai rentangnya (antara X batas bawah sampai dengan X batas atas), disini
pasti Sample Mean berada tepat di tengah-tengah rentang ini!. Di mana s adalah
Standard Deviation dalam hal ini adalah Standard Error (SE)
Jika rumus perhitungan batas rentang tadi digeneralisasi untuk penelitian dengan lebih
dari 30 samples:
****
Contoh question: jika saya punya Sample Mean=10 dengan standard error=2, maka
berapa rentang untuk nilai Sample Mean saya ini agar Confidence Intervalnya mencapai
99%.
Jawab:
= 10 + 5.16 = 15.16
Jadi agar nilai Sample Mean 10 kemungkinan 95% mencakup Population Mean
sebenarnya maka harus diberi rentang antara 4.84 – 15.16
—–
Ahli statistics telah menemukan bahwa sampling distribution-nya akan Tidak Normal
sehingga tidak bisa memakai nilai z dan kurva normal, namun sebagai gantinya memakai
t-distribution, dengan rumus mencari nilai X batas bawah & X batas atas:
—————————————————————–
Nah point lain yang penting dari Confidence Interval kaitannya dengan ukuran
keakuratannya terhadap nilai Population Mean sesunggunya adalah:
Semakin LEBAR rentang suatu nilai Sample Mean –> Semakin TIDAK AKURAT nilai
Sample Mean itu mewakili/mencakup Population Mean sesungguhnya.
Semakin SEMPIT rentang suatu nilai Sample Mean –> Semakin AKURAT nilai Sample
Mean itu mewakili/mencakup Population Mean sesungguhnya.
! SALAH KAPRAH:
95% of Confidence Interval dari suatu Sample Mean JANGAN DIARTIKAN bahwa kita
percaya 95% nilai Sample Mean itu benar, tetapi
musti diartikan Rentang nilai untuk suatu Sample Mean di mana Kemungkinan
Population Mean masuk dalam rentang itu sebesar 95% (jika ada 100 samples maka
kemungkinan 95 samples mencakup nilai Population Mean