DISTRIBUSI SAMPLING DAN PENAKSIRAN PARAMETER

Diajukan untuk memenuhi tugas dari salah satu mata kuliah Statistika Terapan

Dosen,
Dr. Parsaoran Siahaan, M.Pd.

Oleh:
Azura NIM 1806335
Intan Septiani Rosa NIM 1802553

PROGRAM STUDI PENDIDIKAN FISIKA

SEKOLAH PASCASARJANA
UNIVERSITAS PENDIDIKAN INDONESIA
BANDUNG
2019
 KATA PENGANTAR

Puji syukur kehadirat Tuhan Yang Maha Esa kami ucapkan, karena berkat rahmatnya kami
dapat menyelesaikan Makalah dengan judul “Distribusi Sampling dan Penaksiran Parameter” ini.
Tugas ini merupakan salah satu tugas yang diberikan oleh dosen mata kuliah Statistika Terapan.
Kami tidak akan mampu menyelesaikan makalah ini tanpa ada bantuan dari pihak-pihak
yang telah memberikan bantuan. Kami mengucapkan terimakasih kepada pihak yang telah
memberikan batuan baik secara langsung maupun tidak langsung.
Kami juga menyadari bahwa dalam pembuatan makalah ini masih banyak kesalahan,
kekurangan, dan masih ada yang harus dibenahi dalam pembuatan makalah. Oleh karena itu kami
meminta maaf atas kekurangan dan kesalahan pada pembuatan makalah ini. Kami juga
mengharapkan kritik dan saran yang bersifat membangun. Semoga makalah ini bisa bermanfaat
bagi kami pada khusunya dan pembaca pada umumnya, serta dapat memenuhi kriteria dosen yang
bersangkutan.

Bandung, April 2019

Penulis

2
 DAFTAR ISI

Kata Pengantar ................................................................................................................i

Daftar Isi .........................................................................................................................ii

DISTRIBUSI SAMPLING ........................................................................................... 1

1. Pendahuluan ....................................................................................................... 1
2. Penaksiran ......................................................................................................... 1
3. Menaksir Rata-rata (𝜇) .......................................................................................
4. Menaksir Proporsi 𝜋 ......................................................................................... 2
5. Menaksir Simpangan Baku 𝜎..............................................................................
6. Menaksir Selisih Rata-rata .................................................................................
7. Menaksir Selisih Proporsi ..................................................................................
8. Menentukan ukuran sampel ............................................................................... 2

PENAKSIRAN PARAMETER ..................................................................................... 3

1. Pendahuluan ....................................................................................................... 1
2. Penaksiran ......................................................................................................... 1
3. Menaksir Rata-rata (𝜇) .......................................................................................
4. Menaksir Proporsi 𝜋 ......................................................................................... 2
5. Menaksir Simpangan Baku 𝜎..............................................................................
6. Menaksir Selisih Rata-rata .................................................................................
7. Menaksir Selisih Proporsi ..................................................................................
8. Menentukan ukuran sampel ............................................................................... 2

Daftar Pustaka .................................................................................................................

3
B. PENAKSIRAN PARAMETER
1. Pendahuluan
Penaksiran parameter adalah pendugaan atau taksiran nilai parameter populasi
berdasarkan sampel. Penaksiran parameter ada dua jenis yaitu penaksiran titik dan
penaksiran interval sebagai berikut.
a. Penaksiran Titik
Estimasi titik adalah nilai tunggal "titik" diambil dari sampel dan digunakan untuk
memperkirakan parameter terkait dalam populasi. X estimasi μ, estimasi s σ, estimasi s2
σ2, estimasi r ρ, dan estimasi P π. (Coladarci, Theodore, 2013)
Penaksiran titik adalah suatu metode untuk menaksir nilai parameter populasi dalam
satu titik tertentu. Penaksiran titik sangat sederhana dan mudah dihitung, tetapi
ketepatannya diragukan. Dikatakan demikian, karena jarang terjadi bahwa nilai
parameter populasi sama persis dengan statistik sampel.
b. Penaksiran Interval
Perkiraan interval adalah rentang nilai suatu “interval” yang mana dapat dinyatakan
dengan keyakinan yang wajar bahwa parameter populasi terletak.
Perkiraan interval disertai dengan pernyataan tingkat kepercayaan bahwa parameter
populasi termasuk dalam interval. Tingkat kepercayaan diputuskan sebelumnya dan
biasanya menggunakan 95% atau 99% —yaitu, (1 - α) (100) persen. Interval itu sendiri
dikenal sebagai interval kepercayaan, dan batasnya disebut batas kepercayaan.
(Coladarci, Theodore, 2013)
Parameter populasi yang akan ditaksir dan diuraikan dalam bagian ini terutama adalah:
rata-rata, simpangan baku dan persen.

2. Penaksiran
Secara umum, parameter populasi akan diberi simbol θ (baca theta). Jadi θ bisa
merupakan rata-rata µ, simpangan baku σ, proporsi π dan sebagainya. Jika θ, yang tidak
dikatahui harganya, ditaksir oleh 𝜃̂ (baca: theta topi), maka 𝜃̂ dinamakan penaksir. Jelas bahwa
sangat dikehendaki 𝜃̂ = θ, yaitu bisa mengatakan harga θ yang sebenarnya. Tetapi ini
merupakan keinginan yang boleh dibilang ideal sifatnya. Kenyataan yang bisa terjadi adalah :
a. Menaksir θ oleh 𝜃̂ terlalu tinggi, atau

4
 b. Menaksir θ oleh 𝜃̂ terlalu rendah.
Keduanya ini jelas tidak dikehendaki. Karenanya kita menginginkan penaksir yang
baik. Dibawah ini kriteria penaksir yang baik, yaitu tak bias, mempunyai varians minimum
dan konsisten.
a. Penaksir 𝜃̂ dikatakan penaksir tak bias, jika rata-rata semua harga 𝜃̂ yang mungkin akan
sama dengan θ. Dalam bahasa ekspektasi, ditulis ε (𝜃̂) = θ. Penaksir yang tak bias, disebut
penaksir bias.
b. Penaksir bervarians minimum ialah penaksir dengan varians terkecil diantara semua
penaksir untuk parameter yang sama. Jika 𝜃̂1 dan 𝜃̂2 dua penaksir untuk θ dimana varians
𝜃̂1 lebih kecil dari varians untuk 𝜃̂2 , maka 𝜃̂1 merupakan penaksir bervarians minimum.
c. Misalkan 𝜃̂ penaksir untuk θ yang dihitung berdasarkan sebuah sampel acak berukuran n.
jika ukuran sampel n makin besar mendekati ukuran populasi menyebabkan 𝜃̂ mendekati
θ, maka 𝜃̂ disebut penaksir konsisten.
d. Penaksir yang tak bias dan bervarians minimum dinamakan penaksir terbaik.
Beberapa contoh :
1) Rata-rata 𝑥̅ untuk sampel berukuran n yang diambil dari populasi dengan rata-rata µ
merupakan penaksir tak bias untuk µ, jadi ε (𝑥̅ ) = µ.
2) Varians 𝑠 2 yang dihitung, untuk sampel acak berukuran n yang diambil dari populasi
dengan varians 𝜎 2 , adalah penaksir tak bias untuk 𝜎 2 . Akan tetapi s merupakan penaksir
bias untuk σ.
3) Rata-rata sampel 𝑥̅ adalah penaksir terbaik untuk µ, jadi untuk 𝑥̅ itu merupakan penaksir
tak bias dan penaksir bervarians minimum.

3. Menaksir Rata-rata (𝝁)

Misalkan kita mempunyai sebuah populasi berukuran N dengan rata-rata 𝜇 dan
simpangan baku 𝜎. Dari populasi ini parameter rata-rata 𝜇 akan ditaksir. Untuk keperluan ini
ambil sebuah sampel acak berukuran n, lalu hitung statistic yang perlu ialah 𝑋̅ dan s. Titik
taksiran untuk rata-rata 𝜇 adalah 𝑋̅.

5
 Untuk memperoleh taksiran yang lebih tinggi derajat kepercayaannya, digunakan
interval taksiran atau selang taksiran yang disertai nilai koefisien kepercayaan yang
dikehendaki. Kita bedakan tiga hal:
a. Simapangan baku 𝝈 diketahui dan populasi berdistribusi normal.
𝜎 𝜎
𝑃 (𝑋̅ − 𝑧1⁄ .𝛾 . < 𝜇 < 𝑋̅ + 𝑧1⁄ .𝛾 . ) = 𝛾 …….. (1.2) (Sudjana, 2005)
2 √𝑛 2 √𝑛

dengan 𝛾 = koefisien kepercayaan

𝑧1⁄ .𝛾 = bilangan z didapat dari tabel normal baku untuk peluang ½ 𝛾
2

Menurut (Coladarci, Theodore, 2013) Aturan umum untuk interval

kepercayaan (σ diketahui)
𝑋̅ ± zα 𝜎𝑋̅
Di sini, zα adalah nilai z yang membatasi area tengah dari distribusi sampling yang
sesuai dengan tingkat kepercayaan. Seperti yang Anda lihat sebelumnya, zα 1.96 untuk
interval kepercayaan 95% (karena nilai ini menandai tengah 95% dari distribusi
sampling). Demikian pula, zα 2.58 untuk interval kepercayaan 99% karena mengikat
99% tengah. Dan dengan 𝜎𝑋̅ sama dengan = 𝜎⁄
√𝑛

b. Simpangan baku 𝝈 tidak diketahui dan populasi berdistribusi normal.

𝑠 𝑠
𝑃 (𝑋̅ − 𝑡𝑝 . < 𝜇 < 𝑋̅ + 𝑡𝑝 . ) = 𝛾 ………. (1.3) (Sudjana, 2005)
√𝑛 √𝑛

dengan 𝛾 = koefisien kepercayaan

𝑡𝑝 = nilai t didapat dari daftar distribusi Student dengan p = ½ (1+𝛾),
dan Dk = (n-1)
𝑠 𝑠
bilangan 𝑋̅ − 𝑡𝑝 . dan 𝑋̅ + 𝑡𝑝 . masing masing dinamakan batas bawah dan
√𝑛 √𝑛

batas atas kepercayaan.

Menurut (Coladarci, Theodore, 2013) Aturan umum untuk interval
kepercayaan untuk μ (σ tidak diketahui)
𝑋̅ ± tα 𝑠𝑋̅ (Coladarci, Theodore, 2013)
tα adalah nilai tabel dari t yang mencakup persentase tengah (1 - α) (100) dari area
distribusi Siswa untuk df = n − 1. Dan 𝑠𝑋̅ = 𝑠⁄
√𝑛

6
 Jika ukuran sampel n relative besar dibandingkan dengan ukuran populasi
N, yakni (n/N) > 5%, maka rumus 1.2 menjadi:
𝜎 𝑁−𝑛 𝜎 𝑁−𝑛
(𝑋̅ − 𝑧1⁄ .𝛾 . √ < 𝜇 < 𝑋̅ + 𝑧1⁄ .𝛾 . √ ) …… (1.4)
2 √𝑛 𝑁−1 2 √𝑛 𝑁−1

Dan rumus 1.3 menjadi

𝑠 𝑁−𝑛 𝑠 𝑁−𝑛
(𝑋̅ − 𝑡𝑝 . √ < 𝜇 < 𝑋̅ + 𝑡𝑝 . √ ) ………… (1.5)
√𝑛 𝑁−1 √𝑛 𝑁−1

c. Simpangan baku 𝜎 tidak diketahui dan populasi tidak berdistribusi normal.

Dalam hal ini, jika ukuran sampel n tidak terlalu kecil, maka dari limit pusat dapat
digunakan. Jika distribusi populasi sangat menyimpang dari normal dan ukuran
sampel kecil sekali, maka teorinya harus dipecahkan dengan menggunakan bentuk
distribusi asli dari populasi yang bersangkutan.

Contoh:
1. Sebuah sampel acak terdiri dari 100 mahasiswa telah diambil dari sebuah universitas
lalu nilai-nilai IQnya dicatat, didapat 𝑋̅ = 112 dan s =10.
a. Kita dapat mengatakan: IQ rata-rata untuk mahasiswa Universitas itu = 112. Dalam
hal ini titik taksiran telah digunakan,.
b. Jika dikehendaki interval taksiran IQ rata-rata dengan koefisien kepercayaan 0,95,
maka dipakai rumus (1.3)
Untuk p = 0,975 dan dk = 99 dengan interpolassi dari daftar G dalam lampiran,
didapat tp = 1,987.
Rumus (1.3) memberikan:
10 10
(112 − 1,987. < 𝜇 < 112 + 1,987. )
√100 √100

(110,0 < 𝜇 < 114,0)

Jadi didapat: 95% interval kepercayaan unti IQ rata-rata mahasiswa adalah
(110,0 < 𝜇 < 114,0). Dengan kata lain dapat dikatakan: kita merasa 95% yakin
(percaya) bahwa IQ rata-rata mahasiswa akan ada dalam interval dengan batas 1110,0
dan 114,0.

7
 2. Jika koefisien kepercayaan 𝛾 = 0.99, maka 𝑡𝑝 = 2,654 sehingga
10 10
(112 − 2,654. < 𝜇 < 112 + 2,654. )
√100 √100
(109,3 < 𝜇 < 114,7)

4. Menaksir Proporsi π
Misalkan sebuah sampel acak berukuran n diambil dari populasi binomial
berukuran N dimana terdapat proporsi π untuk peristiwa A yang ada dalam populasi
tersebut. Jika terdapat x peristiwa A, sehingga proporsi sampel untuk peristiwa 𝐴 =
𝑥⁄ . Jadi titik taksiran untuk π adalah (𝑥⁄ ). Digunakan pendekatan oleh distribusi
𝑛 𝑛
normal kepada binomial untuk ukuran sampel n cukup besar.
Rumus 100 γ % keyakinan untuk interval kepercayaan π adalah
𝑝𝑞 𝑝𝑞
(𝑝 − 𝑧1⁄ .𝛾 . √ 𝑛 < 𝜋 < 𝑝 + 𝑧1⁄ .𝛾 . √ 𝑛 ) ……… (1.6)
2 2

Dengan 𝑝 = 𝑥⁄𝑛 dan q = 1− p sedangkan 𝑧1⁄ adalah bilangan z didapat dari daftar
2.𝛾

normal baku untuk peluang 1⁄2 𝛾.

Contoh.
1. Misalkan kita ingin menaksir ada berapa persen anggota masyarakat berumur 15
tahun keatas yang termasuk kedalam golongan A. sebuah sampel acak berukuran n
=1200 diambil yang menghasilkan 504 tergolong kategori A.
504
Persentase golongan A dalam sampel = 1200 𝑥100% = 42%

Jika ditaksir ada 42 % anggota masyarakat berumur 15 tahun keatas yang termassuk
golongan A, maka dalam hal ini telah digunakan titik taksiran. Untuk menentukan
95% interval kepercayaan parameter π, maka gunakan rumus (1.6)
Dengan 𝑝 = 0,42 dan q = 0,58 sedangkan 𝑧0,475 = 1,96, maka:
𝑝𝑞 𝑝𝑞
(𝑝 − 𝑧1⁄ .𝛾 . √ < 𝜋 < 𝑝 + 𝑧1⁄ .𝛾 . √ )
2 𝑛 2 𝑛

0,42 𝑥 0,58 0,42 𝑥 0,58

(0,42 − 1,96. √ < 𝜋 < 0,42 + 1,96. √ )
1200 1200

0,39 < 𝜋 < 0,45

8
 Jadi kita merasa 95% yakin bahwa persentase anggota masyarakat yang termasuk
golongan A berada dalam interval 39% dan 45%.
2. Diadakan survei terhadap sebuah populasi masyarakat di kota Semarang dengan
mengambil sampel 100 orang dan diperoleh yang suka berolahraga sejumlah 60
orang. Dengan koefisien kepercayaan 95%, taksirlah interval kesukaan berolahraga
masyarakat di kota Semarang tersebut.
Penyelesaian:
Diketahui γ = 95% = 0,95
1⁄ 𝛾 = 0,475
2
𝑧0,475 = 1,96

𝑝 = 60⁄100 = 0,6, dan q = 0,4

Interval kepercayaan 𝜋
𝑝𝑞 𝑝𝑞
(𝑝 − 𝑧1⁄ .𝛾 . √ < 𝜋 < 𝑝 + 𝑧1⁄ .𝛾 . √ )
2 𝑛 2 𝑛

0,6 𝑥 0,4 0,6 𝑥 0,4

(0,6 − 1,96 . √ < 𝜋 < 0,6 + 1,96 . √ )
100 100

0,504 < π < 0,696

50,4% < π < 69,6%
Jadi, kita merasa 95% yakin (percaya) bahwa persentase kesukaan berolahraga
masyarakat di kota Semarang tersebut akan ada dalam interval dengan batas 50,4 %
dan 69,6 %.

5. Menaksir Simpangan Baku 𝝈

Untuk menaksir varians σ2 dari sebuah populasi, maka perlu dihitung sampel
varians s2 berdasarkan sampel acak berukuran n.
∑(𝑋𝑖 −𝑋̅)2
𝑆2 = …….. (1.7)
𝑛−1

Ternyata varians s2 adalah penaksir takbias untuk varians σ2, akan tetapi simpangan
baku s bukan penaksir takbias untuk simpangan baku σ. Jadi titik taksiran s untuk σ adalah
bias.

9
 Jika populasinya berdistribusi normal dengan varians σ 2, maka 100 γ % interval
kepercayaan untuk σ 2 ditentukan dengan menggunakan distribusi chi-kuadrat.
(𝑛−1)𝑆 2 (𝑛−1)𝑆 2 ………… (1.8)
2 < 𝜎2 < 2
𝑋1/2(1+𝛾) 𝑋1/2(1−𝛾)

2 2
Dengan n = ukuran sampel sedangkan 𝑋1/2(1+𝛾) dan 𝑋1/2(1−𝛾) didapat dari daftar chi-

kuadrat berturut-turut untuk 𝑝 = 1⁄2 (1 + 𝛾) dan 𝑝 = 1⁄2 (1 − 𝛾) dengan dk = (n-1).

Interval taksiran simpangan baku σ diperoleh dengan melakukan penarikan akar
ketidaksamaan dalam rumus (1.8).
Contoh:
1. Sebuah sampel acak berukuran 30 telah diambil dari sebuah populasi yang berdistribusi
normal dengan 𝑆 2 = 7,8, koefisien kepercayaan 0,95 dan dk = 29. Tentukan interval
taksiran simpangan baku!
Penyelesaian:
2 2 2
𝑋1/2(1+𝛾) = 𝑋1/2(1+0,95) = 𝑋0,975 = 45,72
2 2 2
𝑋1/2(1−𝛾) = 𝑋1/2(1−0.95) = 𝑋0.025 = 16,05

Dengan rumus (1.8) diperoleh interval kepercayaan simpangan baku:

(𝑛−1)𝑆 2 (𝑛−1)𝑆 2
2 < 𝜎2 < 2
𝑋1/2(1+𝛾) 𝑋1/2(1−𝛾)

(29)7,8 (29)7,8
< 𝜎2 <
45,72 16,05

4,95 < 𝜎 2 < 14,14

Interval taksiran untuk simpangan baku adalah:
2,22 < 𝜎 2 < 3,75
Jadi kita merasa 95% percaya bahwa simpangan baku 𝜎 aka nada dalam interval yang
dibatasi oleh 2,22 dan 3,75.
2. Dari sebuah populasi yang berdistribusi normal, diambil sampel yang representatif dan
diperoleh simpangan baku sebesar 6 dengan ukuran sampel 31. Dengan koefisien
kepercayaan 99%, taksirlah interval dari simpangan baku populasi.
Penyelesaian:
n = 31
dk = 31-1 = 30

10
 s=6
𝛾 = 99% = 0,99
2 2 2
𝑋1/2(1+𝛾) = 𝑋1/2(1+0,99) = 𝑋0,995 = 53,7
2 2 2
𝑋1/2(1−𝛾) = 𝑋1/2(1−0.99) = 𝑋0.005 = 13,8
Dengan rumus (1.8) diperoleh interval kepercayaan simpangan baku:
(𝑛−1)𝑆 2 (𝑛−1)𝑆 2
2 < 𝜎2 < 2
𝑋1/2(1+𝛾) 𝑋1/2(1−𝛾)

(30)62 (30)62
< 𝜎2 <
53,7 13,8

20,111 < 𝜎 2 < 78,26

Interval taksiran untuk simpangan baku adalah:
4,4846 < 𝜎 < 8,8465
Jadi, kita merasa 99% yakin (percaya) bahwa simpangan baku populasi tersebut
akan ada dalam interval dengan batas 4,4846 dan 8,8465.

6. Menaksir Selisih Rata-rata.

Misalkan dipunyai dua buah populasi, keduanya berdistribusi normal dengan rata-
rata dan simpangan baku masing-masing µ1 dan σ1 untuk populasi pertama, µ2 dan σ 2 untuk
populasi kedua. Secara independen diambil sebuah sampel acak dengan ukuran n1 dan n2
dari masing-masing populasi. Rata-rata dan simpangan baku dari sampel-sampel itu
berturut-turut 𝑋̅1, s1 dan𝑋̅1, s2. Akan ditaksir selisih rata-rata (µ1 − µ2). Titik taksiran untuk
(µ1 − µ2) adalah(𝑋̅1 − 𝑋̅2 ).
Untuk menaksir selisih rata-rata dibedakan hal-hal berikut;;
a. Dalam hal σ1 = σ 2
Jika kedua populasi normal dan memiliki σ1 = σ 2 = 𝜎 yang besarnya
diketahui, maka 100 γ % interval kepercayaan untuk (µ1 − µ2) adalah
1 1 1 1
(𝑋̅1 − 𝑋̅2 ) − 𝑧 1 . 𝜎√ + < µ1 − µ2 < (𝑋̅1 − 𝑋̅2 ) + 𝑧 1 . 𝜎√ + ... (1.9)
2𝛾 𝑛 𝑛 1 2 𝑛 𝑛
2𝛾 1 2

1
Dengan 𝑧 1 diperoleh dari daftar normal baku untuk peluang 2𝛾.
2𝛾

11
 Jika kedua populasi normal dan memiliki σ1 = σ 2 = 𝜎 tetapi besarnya tidak
diketahui, maka perlu ditentukan varians gabungan dari sampel yang dinyatakan
dengan S2
(𝑛1 −1)𝑆12 +(𝑛2 −1)𝑆22
𝑆2 = ……….. (1.10)
𝑛1 +𝑛2 −2

Interval kepercayaannya ditentukan dengan menggunakan distriibusi Student.

(Sudjana, 2005) Rumus untuk 100 γ % interval kepercayaan untuk (µ1 − µ2)
adalah
1 1 1 1
(𝑋̅1 − 𝑋̅2 ) − 𝑡𝑝 . 𝑆√ + < µ1 − µ2 < (𝑋̅1 − 𝑋̅2 ) + 𝑡𝑝 . 𝑆√ + .. (1.11)
1𝑛 𝑛 2 𝑛 𝑛 1 2

Dengan S diperoleh dari rumus (1.10) dan 𝑡𝑝 diperoleh dari daftar distribusi student
dengan p = ½ (1+𝛾), dan dk = 𝑛1 + 𝑛2 − 2
Dalam (Coladarci, Theodore, 2013) Interval kepercayaan (1- α) (100) persen
untuk μ1 − μ2 dapat diperkirakan dengan aturan,
(𝑋̅1 − 𝑋̅2 ) ± tα 𝑠̅̅̅̅
𝑋1 −𝑋̅̅̅̅
2

b. Dalam hal σ1 ≠ σ 2
Untuk populasi normal dengan σ1 ≠ σ 2 teori di atas tidak berlaku dan teori
yang ada hanya bersifat pendekatan Dengan memisalkan s1 = σ1 dan s2 = σ 2

untuk sampel-sampel acak berukuran cukup besar, dapat dilakukan pendekatan

kepada distribusi normal. Rumus interval kepercayaan ditentukan oleh:
2𝑆 𝑆2 𝑆 𝑆 2 2
(𝑋̅1 − 𝑋̅2 ) − 𝑧 1 . √ 1 + 2 < µ1 − µ2 < (𝑋̅1 − 𝑋̅2 ) + 𝑧 1 . √ 1 + 2 …. (1.12)
2𝛾 1𝑛 𝑛2 𝑛 2𝛾𝑛 1 2

Contoh:
Ada dua cara pengukuran untuk mengukur kelembaban suatu zat. Cara I
dilakukan 50 kali yang menghasilkan 𝑋̅1 = 60,2 dan s12 = 24,7. Cara II dilakukan
60 kali dengan 𝑋̅2 = 70,4 dan s22 = 37,2. Tentukan interval kepercayaan 95%
mengenai perbedaan rata-rata pengukuran dari kedua cara tersebut.
Penyelesaian
Diketahui 𝑋̅1 = 60,2 dan s12 = 24,7
𝑋̅2 = 70,4 dan s22 = 37,2
Misalkan hasil kedua cara pengukuran berdistribusi normal.

12
 p = ½ (1+𝛾) = ½ (1+0,95) = 0,975; dk = 50 + 60 – 2 = 108
karena kedua populasi normal dan memiliki σ1 = σ 2 = 𝜎 tetapi besarnya tidak
diketahui, maka varians gabungan dari sampel adalah
(𝑛1 − 1)𝑆12 + (𝑛2 − 1)𝑆22 (50 − 1)24,7 + (60 − 1)37,2
𝑆2 = = = 31,53
𝑛1 + 𝑛2 − 2 50 + 60 − 2
Maka interval kepercayaan

1 1 1 1
(𝑋̅1 − 𝑋̅2 ) − 𝑡𝑝 . 𝑆√ + < µ1 − µ2 < (𝑋̅1 − 𝑋̅2 ) + 𝑡𝑝 . 𝑆√ +
𝑛1 𝑛2 𝑛1 𝑛2

31,53 31,53
(70,4 − 60,2) − 𝑡0,975;1,08 . √ + < µ1 − µ2
50 60

31,53 31,53
< (70,4 − 60,2) − 𝑡0,975;1,08 . √ +
50 60

(70,4 − 60,2) − (1,984). (1,08) < µ1 − µ2 < (70,4 − 60,2) + (1,984). (1,08)
8,06 < µ1 − µ2 < 12,34
Jadi, kita merasa 95% yakin (percaya) bahwa selisih rata-rata pengukuran dari
kedua cara tersebut akan ada dalam interval yang dibatasi oleh 8,06 dan 12,34

7. Menaksir Selisih Proporsi

Misalkan dipunyai dua populasi binomial dengan parameter untuk peristiwa yang
sama masing-masing π1 dan π 2, secara independen dari tiap populasi diambil sebuah
sampel acak berukuran n1 dan n2. Proporsi untuk peristiwa yang diperhatkikan pada sampel
𝑥 𝑥
teersebut adalah 𝑝1 = 𝑛1 dan 𝑝2 = 𝑛2 dengan x1 dan x2 menyatakan banyaknya peristiwa
1 2

yang diamati. Akan ditentukan interval taksiran untuk (π1 - π2) dengan menggunakan
pendekatan oleh distribusi normal asalkan n1 dan n2 cukup besar.
Rumus untuk 100 γ % interval kepercayaan (π1 - π2) adalah

𝑝1 .𝑞1 𝑝2 .𝑞2 𝑝1 .𝑞1 𝑝2 .𝑞2

(𝑝1 − 𝑝2 ) − 𝑧 1 . √ + < (𝜋1 − 𝜋2 ) + 𝑧 1 . √ + …. (1.13)
2𝛾 𝑛1 𝑛2 2𝛾 𝑛1 𝑛2

13
 Dengan 𝑞1 = 1 − 𝑝1 dan 𝑞2 = 1 − 𝑝2 dan 𝑧 1 didapat dari daftar normal baku
2𝛾

1
dengan peluang 2𝛾 .

Contoh:
Diambil dua sampel acak yang masing-masing terdiri atas 500 pemudi dan 700
pemuda yang mengunjungi sebuah pameran. Ternyata diperoleh bahwa 325 pemudi
dan 400 menyukai pameran itu. Tentukan interval kepercayaan 95% mengenai
perbedaan persentase pemuda dan pemudi yang mengunjungi pameran dan
menyukainya.
Penyelesaian:
𝑥 325
Persentase pemudi yang menyukai pameran 𝑝1 = 𝑛1 = 500 𝑥 100% = 65%
1

𝑥2 400
Persentase pemuda yang menyukai pameran 𝑝2 = 𝑛 = 700 𝑥 100% = 57%
2

Jadi, 𝑞1 = 1 − 𝑝1 = 1 − 65% = 35% dan 𝑞2 = 1 − 𝑝2 = 1 − 57% = 43%

Maka interval kepercayaan

𝑝1 . 𝑞1 𝑝2 . 𝑞2 𝑝1 . 𝑞1 𝑝2 . 𝑞2
(𝑝1 − 𝑝2 ) − 𝑧 1 . √ + < (𝜋1 − 𝜋2 ) + 𝑧 1 . √ +
2𝛾 𝑛1 𝑛2 2𝛾 𝑛1 𝑛2

(0,65)(0,35) (0,57)(0,43)
(0,65 − 0,57) − 𝑧0,95 . √ + < (𝜋1 − 𝜋2 )
500 700

(0,65)(0,35) (0,57)(0,43)
< (0,65 − 0,57) + 𝑧0,95 . √ +
500 700

(0,65 − 0,57) − 1,96. (0,0284) < (𝜋1 − 𝜋2 ) < (0,65 − 0,57) + 1,96. (0,0284)
0,024 < (𝜋1 − 𝜋2 ) < 0,136
Jadi, kita merasa 95% yakin (percaya) bahwa perbedaan persentase pemuda dan pemudi
yang mengunjungi pameran dan menyukainya akan ada dalam interval yang dibatasi oleh
2,4% dan 13,6%.
8. Menentukan Ukuran Sampel
Sehubungan dengan dengan teori meenaksir, ukuran sampel dapat ditentukan
antara lain berdasarkan;
a. Apa yang akan ditaksir

14
b. Berapa besar perbedaan yang masih mau diterima antara yang ditaksir dan penaksir
c. Berapa derajat kepercayaan atau koefisien kepercayaan yang diinginkan dalam
melakukan penaksiran.
d. Berpa lebar interval kepercayaan yang masih mau diterima,
Ketika menaksir parameter θ oleh 𝜃̂, dua hal yang terjadi adalah menaksir terlalu
tinggi atau menaksir terlalu rendah. Dalam hal pertama 𝜃̂ > θ dan 𝜃̂ < θ. Perbedaan θ dan
𝜃̂ adalah 𝑏 = |𝜃 − 𝜃̂ |. Makin kecil beda b makin baik menaksir karena makin dekat
penaksir yang kita pakai kepada parameter yang ditaksir.
Ketika menaksir rata-rata µoleh statistik 𝑥̅ , maka beda 𝑏 = |µ − 𝑥̅ |. Untuk
koefisien kepercayaan 𝛾 dan populasi berdistribusi normal dengan simpangan baku
diketahui, maka ukuran sampel n ditentukan oleh:
𝜎.𝑧1/2𝛾 2
𝑛>( ) …. (1.14)
𝑏

Jika yang ditaksir itu proporsi 𝜋 oleh statistic 𝑝 = 𝑥⁄𝑛, maka beda 𝑏 = | 𝜋 − 𝑝|. Dengan
memisalkan bahwa pendekatan distribusi normal kepada binom berlaku dan koefisien
kepercayaan 𝛾, maka ukuran sampel n ditentukan dari rumus
𝑧1/2𝛾 2
𝑛 > 𝜋(1 − 𝜋) ( ) …. (1.15)
𝑏

Kecuali jika varians 𝜋(1 − 𝜋) diketahui, maka dalam hal lain rumus diatas tidak dapat
digunakan. Dalam hal ini varians 𝜋(1 − 𝜋) diganti dengan harga maksimumnya ialah 0,25.

15
 DAFTAR PUSTAKA

(1) Coladarci, Theodore. 2013. Fundamentals of statistical reasoning in education: Fourth

edition. Publisher: JAY O’CALLAGHAN. Penerbit: John Wiley & Sons, Inc

(2) Minium, Edward W. 1917. Statistical Reasoning in Pshychology and Education: Third
Edition. Penerbit: John Wiley & Sons, Inc.

(3) Sudjana. 2005. Metoda Statistika. Bandung: PT. Tarsito Bandung.

16