09/12/2014

PENDUGAAN PARAMETER

STATISTIK INDUSTRI 1
Tidak mengetahui Membuat pendugaan Membuat
Mengetahui populasi
distribusi populasi titik atau interval pembuktian hipotesa
dan membuat
(𝜇 & 𝜎 diketahui), nilai parameter nilai parameter
pernyataan peluang
tetapi membuat populasi (𝝁, 𝝈, 𝑷) populasi (𝜇, 𝜎, 𝑃)
mengenai elemen
pernyataan peluang berdasarkan sample berdasarkan sample
Agustina Eunike, ST., MT., MBA yang diambil dari
populasi tersebut
nilai parameter yang diambil dari yang diambil dari
sampel (𝒙, 𝒔, 𝒑) populasi tersebut populasi tersebut

PENDUGAAN INTERVAL PARAMETER

PENDUGAAN PARAMETER
• Jenis Pendugaan Parameter • Metode:
– Titik Parameter
• Menduga nilai pasti parameter populasi – Klasik
• Ketepatannya sangat sulit terjadi, oleh sebab itu pendugaan interval lebih dipilih
penggunaannya. – Bayes
– Interval Parameter
• Menduga range kemungkinan nilai parameter populasi
• Unbiased Estimator
– Unbiased: nilai yang diharapkan dari statistik sampel tidak jauh berbeda dengan nilai
• Jenis:
parameter populasi
– Pendugaan Interval Rataan
– Pendugaan Interval Proporsi
– Pendugaan Interval Variansi

PENDUGAAN PENDUGAAN INTERVAL PARAMETER

• Beberapa hal penting yang harus dipahami:
INTERVAL – Interval Estimate
• Rentang nilai dimana nilai parameter populasi sebenarnya berada
PARAMETER – Interval Limits
• Nilai terendah dan tertinggi dari estimasi interval
– Confidence Interval
• Estimasi interval dimana terdapat suatu tingkat kepastian bahwa
nilai aktual parameter populasi akan berada pada interval tersebut
– Confidence Coefficient
• Tingkat kepastian bahwa interval tersebut akan meliputi nilai
parameter populasi aktual jika percobaan dilakukan berulang-
ulang
– Confidence Level
• Confidence coefficient dalam prosentase
– Accuracy
• Selisih antara nilai pengamatan statistik sampel dengan nilai aktual
parameter populasi. Disebut juga estimation error atau sampling
error

1
 09/12/2014

PENDUGAAN INTERVAL PARAMETER PENDUGAAN INTERVAL PARAMETER

Semakin besar confidence level,

maka semakin lebar confidence interval yang dibutuhkan.
Semakin kecil confidence level,
maka semakin sempit confidence interval yang dibutuhkan.
Semakin tinggi keyakinan yang dibutuhkan, semakin besar interval yang dimiliki
*dengan kondisi: faktor-faktor lain tidak berubah*
Note 1 Note 2 Note 3

ESTIMASI CONFIDENCE INTERVAL

PENDUGAAN INTERVAL PARAMETER
• Note 1
RATA-RATA
– Jika populasi tidak berdistribusi normal, 𝑛 harus minimal • 𝝈 diketahui
bernilai 30, sehingga dapat diberlakukan central limit – Confidence interval limits:
theorem
• Note 2
– Ketika 𝜎 tidak diketahui, tetapi populasi dapat diasumsikan
berdistribusi normal, pendekatan distribusi 𝑡 diperlukan
ketikan 𝑛 < 30. Distribusi 𝑡 juga lebih tepat, pada saat 𝜎
tidak diketahui dan jumlah sampel besar.
– Sebagian besar software statistik menggunakan interval-𝑡
untuk semua ukuran sampel ketika 𝑠 digunakan untuk
mengestimasikan 𝜎
• Note 3
– Dengan asumsi bahwa 𝑛𝑝 dan 𝑛(1 − 𝑝) ≥ 5. Pendekatan
distribusi normal untuk permasalahan distribusi binominal
akan semakin akurat pada saat 𝑛 besar dan 𝑝 mendekati
0.5

ESTIMASI CONFIDENCE INTERVAL ESTIMASI CONFIDENCE INTERVAL

RATA-RATA RATA-RATA
• 𝝈 diketahui
– Confidence interval limits:
𝛼/2
• Asumsi:
1. Populasi berdistribusi normal
2. Ukuran sampel 𝑛 ≥ 30
• Nilai 𝑧:
 𝑧𝛼/2
 confidence interval = 1 − 𝛼

2
 09/12/2014

ESTIMASI CONFIDENCE INTERVAL ESTIMASI CONFIDENCE INTERVAL

RATA-RATA RATA-RATA
• Contoh Soal:
– Berdasarkan data historis, diketahui standar deviasi
diameter material baut yang diproduksi mesin A (𝜎) adalah
0.053 inchi. Dari 30 simpel random acak yang dilakukan,
diketahui rata-rata 𝑥 = 1.400 inchi. Berapakah estimasi
interval dengan derajat kepercayaan (confidence level)
95%?

ESTIMASI CONFIDENCE INTERVAL ESTIMASI CONFIDENCE INTERVAL

RATA-RATA RATA-RATA
• Contoh soal:

dibulatkan menjadi 246 orang

ESTIMASI CONFIDENCE INTERVAL ESTIMASI CONFIDENCE INTERVAL

RATA-RATA RATA-RATA
• Satu sisi: • Contoh soal:

3

ESTIMASI CONFIDENCE INTERVAL
RATA-RATA
• 𝝈 tidak diketahui
– Distribusi 𝑡
ESTIMASI CONFIDENCE INTERVAL
RATA-RATA
• 𝝈 tidak diketahui
– Confidence interval limits:
ESTIMASI CONFIDENCE INTERVAL
RATA-RATA
09/12/2014
ESTIMASI CONFIDENCE
INTERVAL RATA-RATA
• 𝝈 tidak diketahui
– Distribusi 𝑡
ESTIMASI CONFIDENCE INTERVAL
RATA-RATA
– Contoh soal:
• Simpel variabel acak dari pekerja suatu pabrik sebanyak
𝑛 = 90, diukur waktu lemburnya, dan diperoleh data 𝑥
= 8.46 jam, dan 𝑠 = 3.61 jam. Tentukan interval rata-rata
populasi dengan tingkat kepercayaan 98%.
ESTIMASI CONFIDENCE INTERVAL
RATA-RATA – DUA POPULASI
• 𝝈𝟏 dan 𝝈𝟐 diketahui
4
 09/12/2014

ESTIMASI CONFIDENCE INTERVAL ESTIMASI CONFIDENCE INTERVAL

RATA-RATA – DUA POPULASI RATA-RATA – DUA POPULASI
• 𝝈𝟏 dan 𝝈𝟐 tidak diketahui

ESTIMASI CONFIDENCE INTERVAL ESTIMASI CONFIDENCE INTERVAL

PROPORSI PROPORSI
• Confidence Interval Limits: • Contoh soal:

ESTIMASI CONFIDENCE INTERVAL ESTIMASI CONFIDENCE INTERVAL

PROPORSI PROPORSI

5
 09/12/2014

ESTIMASI CONFIDENCE INTERVAL ESTIMASI CONFIDENCE INTERVAL

PROPORSI PROPORSI – DUA POPULASI
• Contoh soal:

dibulatkan menjadi 1068 orang

ESTIMASI CONFIDENCE INTERVAL ESTIMASI CONFIDENCE INTERVAL

PROPORSI – DUA POPULASI VARIANSI
• Contoh soal: • Confidence interval variansi sama pentingnya
seperti confidence interval rata-rata:
– Manufaktur pipa
– Maunfaktur obat

ESTIMASI CONFIDENCE INTERVAL ESTIMASI CONFIDENCE INTERVAL

VARIANSI VARIANSI
• Menggunakan distribusi chi-squared • Pada degree of freedom ±100, chi-squared
• Distribusi chi-squared dibentuk dari nilai berbentuk simetris
𝑛 − 1 𝑠 2 /𝜎 2 saat random sampling diambil
dari populasi berdistribusi normal dengan
variansi 𝜎 2
• Nilai chi-squared tidak pernah negatif. Bentuk
grafik condong kanan (right skewed)

6
 09/12/2014

ESTIMASI CONFIDENCE INTERVAL ESTIMASI CONFIDENCE INTERVAL

VARIANSI VARIANSI
• Formula confident interval variansi

• Formula confident interval standard deviasi

ESTIMASI CONFIDENCE INTERVAL ESTIMASI CONFIDENCE INTERVAL

VARIANSI VARIANSI
• Asumsi yang HARUS dipenuhi:
– Sampel merupakan RANDOM SAMPLE Solusi:

– Populasi berdistribusi normal

ESTIMASI CONFIDENCE INTERVAL

VARIANSI Referensi
• Bluman, Allan G., Elementary Statistics: a step by step
approach, 8th ed, McGraw-Hill, New York, 2009.
• Walpole, Ronald B., Myers, Raymond H., Myers, Sharon L., Ye,
Keying, Probability & Statistics for Engineers and Scientist,
9th ed, Prentice Hall Int., New Jersey, 2012.
• Weiers, R.M., 2011, Introduction to Business Statistics,
Cengage Learning, OH, 2008.