STATISTIKA II

IT-011227

Ummu Kalsum
UNIVERSITAS GUNADARMA
2017
 KONTRAK KULIAH
 Keterlambatan :

 MOHON KETERLAMBATAN TIDAK LEBIH 15 MENIT

 Sanksi atau hukuman, sebagai contoh:

 Menguraikan pengetahuan tentang materi saat itu

 Membuat rhesume materi

 Menyampaikan review materi sebelumnya

 Larangan dalam kelas : “makan dan membuat
keributan” boleh air minum
 Pakaian: sopan dan rapi, kaos oblong

 Penambahan point
 Aktif dalam kelas

 Absensi kehadiran

 Ketua & Wakil Kelas:

 Email: ummukalsum89@yahoo.co.id
 Hp: 082331136669
 PERTEMUAN
No. Bab
1 Pendahuluan : Statistik induktif (inferensial),
Konsep Dasar Sampling
2 Distribusi Sampling Rata-rata
3 Selang Kepercayaan, Pendugaan parameter (1
Nilai Rata2)
4 Pendugaan parameter (2 Nilai Rata2)
5 Pendugaan 1 Nilai Proporsi
6 Penduga Beda 2 Proporsi
7 Konsep Dasar Pengujian Hipotesis, Uji Hipotesis
1 Nilai Rata2
LANJUTAN PERTEMUAN
No. Bab
8 Uji Hipotesa Beda Dua Nilai Rata-Rata

9 Uji Hipotesa Proporsi

10 Uji Beda Dua Proporsi
11 Uji Chi kuadrat
12 Uji Kebebasan (Kontigensi Table Test)
13 Persamaan Regresi Linier
14 Korelasi
Referensi
 Hasan, M. Iqbal. 2005. Pokok-Pokok Materi
Statistik 2 (Statistik Inferensif). Jakarta: Bumi
Aksara.
 Mulyono, Sri. 2006. Statistika untuk Ekonomi dan
Bisnis. Jakarta: Lembaga Penerbit Fakultas
Ekonomi UI.
 Walpole, Ronald E. 1992. Pengantar Statistika
Edisi Ke-3. Jakarta: PT Gramedia Pustaka Utama
 Statistika II/Statistika
 Perancangan Percobaan
 Statistika

Deskriptif Inferensia
 Statistika
inferensia

Statistika? Inferensia?
 • Ilmu mengumpulkan, tabulasi,
penggolongan, analisis dan
statistika menyimpulkan berdasarkan
bukti (berupa data)

inferensia • Dapat disimpulkan

Statistika Inferensia ?
 Statistika Inferensia/induktif

 Merupakan bagian statistika yang mencakup semua

metode yang berhubungan dengan analisis

sebagian data untuk kemudian sampai pada
pendugaan atau penarikan kesimpulan mengenai
keseluruhan gugus data
 Inferensia statistika dikelompokkan dalam 2
bidang utama : ‘pendugaan dan pengujian
hipotesis ‘

 Pendugaan biasanya pendugaan parameter

 Mengapa bidang utamanya pendugaan

parameter dan pengujian hipotesis?
 Data Analisis Simpulan

Ciri
khas ?

Sampel Populasi ?
?
 Data

primer sekunder

Print or
observation experiment survei
electronic
Populasi dan Sampel
 Populasi dan Sampel
 Alasan menggunakan sampel:

a. Biaya & Sumber Daya

b. Waktu

c. Ketelitian

d. Sifat merusak / mengganggu

Rata-rata (µ)

Populasi Random Sampel

Simpangan Baku /
standard deviasi (σ)
 Populasi dan Sampel
Perbedaan Populasi Sampel

Definisi Seluruh unsur yg Sebagian unsur atau

memiliki 1 atau lebih ciri anggota populasi yg
karakteristik yg sama yg dipilih untuk kebutuhan
batasnya ditentukan studi peneliti yg di
oleh peneliti anggap mewakili
populasinya

Simbol Huruf Yunani atau Huruf kecil terkadang

kapital italic
µ = rerata populasi X = rerata sampel
σ = simpangan baku s = simpangan baku
N = ukuran populasi n = ukuran sampel
Sampel yang baik diperoleh dengan memperhatikan
hal-hal berikut :

 Keacakannya (randomness)

 Ukuran

 Teknik penarikan sampel (sampling) yang

sesuai dengan kondisi atau sifat populasi

 Metode Sampling

Probability Nonprobability
Simple random
sampling Convenience sampling

Systematic random
sampling Judgment sampling

Stratified random
sampling Quota sampling

Cluster sampling Snowball sampling

 Probability Sampling
 Simple random sampling  pemilihan acak yang menjamin setiap

anggota populasi memiliki peluang yang sama untuk terpilih sebagai

sampel

 Systematic random sampling (sistematik)  jika unsur yg dipilih

sesuai dengan aturan tertentu (dibuat interval lalu sampelnya, ex:

umur produktif)

 Stratified random sampling (berlapis)  Populasi terdiri dari

beberapa kelas/kelompok, setiap kelas diambil sampel secara acak

 Cluster sampling (gerombol/kelompok)  Populasi juga terdiri dari

beberapa kelas/kelompok. Sampel yang diambil berupa kelompok

bukan individu anggota (area/wilayah, bidang, kelas2 dr prodi)
Non Probability
 Convenience  kenyamanan & akses

 Judgement  kepercayaan peneliti bahwa

sampel sdh cocok dg karakter yg dicari

 Quota  menekankan pd karakteristik spesifik

 Snow ball seperti bola salju

 Populasi vs Sampel
 Parameter Populasi

 Sebuah parameter populasi selalu konstan

 Sebuah populasi hanya memiliki sebuah nilai µ
 Statistik Sampel

 Merupakan variabel acak (random)

 Setiap statistik sampel memiliki sebuah distribusi
peluang (probability distribution)
 Distribusi peluang dari suatu statistik sampel
disebut ‘distribusi sampling
Distribusi Sampling
Bentuk Distribusi Sampling

Bentuk distribusi sampling x berkaitan dengan dua

kondisi, yaitu:

1. Populasi dimana sampel diambil memiliki distribusi

normal

2. Populasi dimana sampel diambil tidak memiliki distribusi

normal
 Sampling Distribution Properties

Normal Population


μx  μ Distribution

μ x
(i.e. xis unbiased ) Normal Sampling
Distribution
(has the same mean)

μx
x
 Distribusi Populasi
 Distribusi Populasi merupakan distribusi peluang
yang diturunkan dari informasi seluruh elemen
populasi
Contoh 1:
Ada 5 mahasiswa yang mengambil MK Statistika II
dengan hasil akhir masing2 adalah:
70, 78, 80, 80, 95
Jika tidak dilakukan pengelompokan, maka buatlah
distribusi peluang populasinya !
 Distribusi Populasi
 Distribusi Peluang Populasi
Jawab:
Tabel Distribusi Peluang x

x f P(x)
70 1 1/5
78 1 1/5
80 2 2/5
95 1 1/5
f = 5 P(x) = 1
 Distribusi Sampling
Distibusi Sampling yaitu suatu distribusi peluang semua
nilai statistik dari suatu sample yang diambil dari sebuah
populasi

A. Distribusi sampling rata-rata (mean)  Z value rata-

rata

B. Distribusi sampling median  Z value median

C. Distribusi sampling proporsi

 Dalil-dalil distribusi sampling
 Dalil 1 JIKA Sampel berukuran = n ≥ 30  diambil
DENGAN PEMULIHAN dari rata-rata = x
Nilai
maka distribusi rata-rata: standar
normal

 Dalil 2 JIKA Sampel berukuran = n ≥ 30 diambil

TANPA PEMULIHAN dari rata-rata = x
maka distribusi rata-rata:
Lanjutan dalil …
 Dalil 3 DALIL LIMIT PUSAT = DALIL BATAS
TENGAH
JIKA Sampel berukuran = n  diambil dari rata-
rata = x.

 Dalil Limit Pusat berlaku untuk:

 penarikan sampel dari populasi yang sangat besar,

 distribusi populasi tidak dipersoalkan

Distribusi Sampling Rata-rata
– Dalam suatu populasi, hanya ada 1 nilai rata-

rata populasi (µ)

– Rata-rata sampel x, nilainya merupakan

variabel acak sehingga memiliki distribusi

peluang = distribusi sampling rata-rata, (x)
Contoh :

Jika terdapat 5 anggota populasi (A, B, C, D,

E) berwisata ke Bali, buatlah semua
kemungkinan sampel yang dapat terjadi jika
masing2 sampel terdiri dari 3 anggota
tersebut berwisata dalam waktu yang
bersamaan?
Penyelesaian:

 Jumlah kombinasi sampel yang terjadi

dihitung dengan rumus kombinasi

 Kemungkinan kombinasi sampel

( )
5
3

5!
3 ! (5 - 3) !
10
Sampling dari populasi yang terdistribusi normal

Jika populasi dimana sampel diambil memiliki distribusi

normal, dengan mean (µ) dan simpangan baku , maka
distribusi sampling dari mean sampel x akan juga
terdistribusi normal, dengan mean dan simpangan baku

σ

 ( X - µ)pangkat 2
n f

X = sample value ; f = frekuensi

Soal
1. Tentukan Peluang terambil masing-masing
sampel ..? Terdapat nilai 0, 1, 2, 3, 4

2. Soal no. 1, tentukan nilai tengah dan

ragam/simpangan baku dari distribusi nilai
tengah?
A. Z-value for Sampling Distribution of the Mean

 Z-value adalah peubah acak normal baku, umumnya

menunjukkan berapa kali suatu sampel itu
menyimpang
 Z-value for the sampling distribution of :
( X  μX ) ( X  μ)
Z 
σX σ
n

X = sample mean
μ
= population mean
σ = population standard deviation/simpangan baku
n = sample size
B. Z-value for Sampling Distribution of the Median

 Z-value adalah peubah acak normal baku, umumnya

menunjukkan berapa kali suatu sampel itu menyimpang

 Z-value for the sampling distribution of :

( X  μX ) ( X  μ)
Z 
σX σ
n

X = sample median
μ = population median
σ = population standard deviation/simpangan baku
n = sample size
 Contoh
 Perusahaan ingin menduga rata-rata penjualan per
bulan berdasarkan rata-rata sampel yang dilakukan
selama 100 bulan. Jika rata-rata penjualan
sebenarnya 5.650 dg standar deviasi 700, berapa
banyak bulan sampel yang berada antara 5.550
sampai 5.750?
 Jawab: n = 100, μ =5.650 σ = 700
700
 σx = = 70
√100
5550 −5650
x = 5550  Z = 70
=

x = 5750 
Maka P(5.550< x < 5.750) =
 Population Proportions
π = the proportion of the population having
some characteristic
 Sample proportion ( p ) provides an estimate
of π:
X number of items in the sample having the characteristic of interest
p 
n sample size
 0≤ p≤1
 p has a binomial distribution  nilai sesuai
percobaan bernoulli (ex: sukses atau gagal, 0 atau 1
dsb)
(assuming sampling with replacement from a finite population or
without replacement from an infinite population)
 Simpangan baku / ragam:
π(1 π )
σp 
n

Standardize p to a Z value with the

formula:
p  p 
Z 
σp  (1  )
n
 Contoh:
 if π = 0.4 and n = 200, what is
P(0.40 ≤ p ≤ 0.45) ?

 0.40  0.40 0.45  0.40 

P(0.40  p  0.45)  P Z 
 0.03464 0.03464 
 P(0  Z  1.44)
Terima
kasih