Statistika kesehatan adalah Data /informasi yang berkaitan dengan masalah kesehatan
contoh nya AKI, Sarana kesehatan, cakupan imunisasi, dll. Fungsi dari statistika kesehatan adalah
sebagai berikut:
1. Homogen (karakter hampir sama), Sampel yang diambil jumlahnya sedikit. Contoh : air
laut, untuk mengetahui rasa laut cukup diambil sampel air laut sedikit.
2. Heterogen (karakter berbeda-beda), Sampel yang diambil lebih banyak. Contoh : untuk
mengetahui berat badan siswa. Ada rumus mengambil jumlah sampel yang dapat
dipertanggungjawabkan
Data Sekunder: Diperoleh dari orang / tempat lain. Misal : RM RS. Lebih hemat waktu, biaya,
tenaga. Tetapi kadang tidak lengkap / tidak sesuai.
Dalam mengumpulkan nilai dari variable perlu diketahui skala pengukuran dari variable
tersebut. Variabel adalah sifat yang akan diukur atau diamati yang nilainya bervariasi antara satu
objek ke objek lainnya.
Contoh variable Untuk mengamati bayi baru lahir : variabel yang akan diamati adalah berat
badan, panjang badan (nilai ini bervariasi antara satu bayi dengan bayi lainnya), Untuk menilai
kinerja bidan: variabel yang akan dinilai adalah…
a. Skala Nominal
Skala nominal pada dasarnya bukan untuk mengukur, melainkan untuk membedakan
secara klasifikasi.
Bilangan atau angka digunakan untuk mewakili klasifikasi, kategori, dan sebagainya.
b. Skala Ordinal.
Skala Ordinal digunakan untuk mengukur perbedaan kualitas atau kuantitas yang tidak
dapat diketahui berapa unit selisihnya, tetapi diketahui perbedaannya bahwa yang satu
lebih tinggi atau lebih rendah dari yang lainnya kualitas atau kuantitasnya.
Bilangan berfungsi sebagai: (1) lambang untuk membedakan; dan (2) untuk
memberikan peringkat (rank).
Simbol matematik yang digunakan: > dan <.
c. Skala interval.
d. Skala Rasio.
Ciri utama skala rasio adalah titik nol-nya merupakan nol absolut.
Semua hukum aritmatik berlaku pada skala ini.
Simbol matematik yang digunakan: X dan /
Contoh: berat timbangan, jumlah orang, jumlah pohon, dsb.
BAB II
METODE PENYIMPULAN DATA
Ukuran pemusatan data adalah nilai statistik yang dipandang dapat mewakili kumpulan
suatu data, yaitu mean, median, dan modus. Sekumpulan data yg dikumpulkan ada beberapa nilai
yg dapat kita anggap sebagai wakil dari kelompok data tersebut. Nilai yg bisa digunakan untuk
mewakili data tersebut adalah nilai tengah terdiri dari mean, median dan modus.
a. Mean
Mean adalah jumlah seluruh nilai data dibagi dengan banyaknya kejadian atau frekuensi.
Nilai ini paling sering digunakan dan bahkan paling banyak dikenal dalam menyimpulkan
sekelompok data.
𝑥1+𝑥2…..+𝑥𝑛
Rumus Mean: x = 𝑛
x = mean
n = banyaknya pengamatan n
b. Median
Median adalah nilai tengah dari rangkaian data yang telah disusun secara berurut (array).
Nilai median disebut juga nilai letak .
𝑛+1
Menentukan Posisi Median : , nilai yang berada pada posisi tersebut adalah nilai median.
2
Simbol Md atau Me
c. Modus
Modus dari suatu rangkaian data adalah nilai data yang paling sering muncul (frekuensi
terbesar) dalam rangkaian data . Modus disebut juga nilai atau harga yang mempunyai frekuensi
terbesar. Didalam suatu observasi karena mode adalah yang terbanyak maka dapat saja terjadi,
tidak ada modus, hanya satu modus atau lebih dari satu modus.
Berdasarkan definisi tsb maka untuk sekelompok data pengamatan ada beberapa kemungkinan :
• Pada distribusi simetris ketiga nilai (mean, median, modus) sama besarnya.
• Nilai median selalu terletak antara nilai modus dan mean pada distribusi yang menceng
(tidak semetris)
• Apabila nilai mean >> median & modus: menceng ke kanan
• Apabila nilai mean << median & modus: menceng ke kiri
Mean=median=modus distribusi simetris mean lebih kecil dari nilai median dan modus
Mean lebih besar dari nilai median dan modus.
1. Nilai Variasi
Nilai variasi adalah nilai yang menunjukkan bagaimana bervariasinya data di dalam
kelompok data itu terhadap nilai rata-ratanya. Jadi, semakin besar nilai variasi maka semakin
bervariasi pula data tersebut. Tujuan nilai variasi Memberikan informasi tentang sebaran nilai.
Untuk membandingkan sebaran data dari dua informasi distribusi nilai.
a. Range
Range adalah nilai yang menunjukkan perbedaan nilai pengamatan yang paling besar
dengan nilai yang paling kecil. Contoh : Pengamatan Tinggi Badan pada enam orang dewasa
diperoleh data sbb : 148,3; 152,5; 156,6; 162,7; 163,0 dan 167,3 cm
Rata-rata Deviasi (Mean deviation= Md) adalah rata-rata dari seluruh perbedaan
pengamatan dibagi banyaknya pengamatan.Untuk itu diambil nilai mutlak.
Rumus:
c. Varian
Varian adalah rata-rata perbedaan antara mean dengan nilai masing-masing observasi.
Rumus:
d. Standar Deviasi
Standar Deviasi adalah akar dari varian. Nilai standar deviasi ini disebut juga dengan
“simpangan baku” karena merupakan patokan luas area di bawah kurva normal. Untuk sampel ,
simpangan baku diberi simbol S. Untuk populasi, simpangan baku diberi symbol σ.
Rumus:
e. Koefisien Variasi
Koefisien variasi merupakan ratio dari standar deviasi terhadap nilai mean dan dibuat
dalam bentuk persentase.
Rumus:
X = mean
2.4 Ukuran Penempatan
a. Quartil
3 bentuk quartil :
• Quartil pertama : nilai dalam distribusi yang membatasi 25% frekuensi di bagian atas dan
75% frekuensi di bagian bawah distribusinya
• Quartil kedua = median
• Quartil ketiga : nilai dalam distribusi yang membatasi 75% bagian atas dan 25% bagian
bawah
K2 = ½ (n + 1)
𝑓𝑘𝑘𝑥
n= jumlah data
x= 1 – 3
a/b= K1= ¼ , K2 = ½ , K3 = ¾
b. Desil
Desil adalah ukuran penempatan/lokasi yang membagi sekelompok data menjadi 10 bagian
atau subkelompok yang sama setelah disusun data dari terkecil sampai terbesar. Ada 9 jenis desil
: D1 – D9. D5 = Median
D1 = 1/10 (n+ 1)
D2 = 2/10 (n + 1)
D3 = 3/10 (n + 1)
D4 = 4/10 (n + 1)
D5 = 5/10 (n + 1)
D6 = 6/10 (n + 1)
D7 = 7/10 (n + 1)
D8 = 8/10 (n + 1)
D9 = 9/10 (n + 1)
𝑓𝑑
c. Persentil
Persentil adalah ukuran penempatan/lokasi yang membagi sekelompok data menjadi 100
bagian atau subkelompok yang sama setelah disusun data dari terkecil sampai terbesar. Ada 99
jenis desil yaitu P1 – P99.
n= jumlah data
x= 1 – 99
Persentil data kelompok: Psx = Bb + p
𝑥
100𝑛
− 𝑓𝑘𝑝
𝑓𝑝
Distribusi Frekuensi adalah penyusunan suatu data mulai dari data terkecil sampai terbesar
yang membagi banyaknya data ke dalam beberapa kelas. Jika responden yang diteliti banyak maka
barisan data yang tersusun akan panjang. Agar data tersebut lebih sederhana maka perlu dibuat
suatu distribusi frekuensi
2. Batas kelas : nilai-nilai yang membatasi kelas yang satu dengan kelas yang lain. Batas
kelas merupakan merupakan batas semu dari setiap kelas karena di antara kelas yang
satu dengan kelas yang lain masih terdapat lubang tempat angka-angka tertentu.
Terdapat dua batas kelas :
3. Tepi Kelas : disebut juga batas kelas nyata yaitu batas kelas yang tidak memiliki lubang
untuk angka tertentu antara kelas yang satu dengan kelas yang lain. Terdapat dua tepi
kelas :
4. Titik tengah kelas atau tanda kelas : angka/nilai data yang tepat terletak ditengah suatu kelas.
Titik tengah kelas merupakan nilai yang mewakili kelasnya.
5. Interval kelas : selang yang memisahkan kelas yang satu dengan kelas yang lain
6. Panjang interval kelas atau luas kelas : jarak antara tepi atas kelas dan tepi bawah kelas
– Jika ddata masih berbentuk kontinu maka harus dirubah dahulu menjadi data
kategori dan selanjutnya baru dicari distribusi frekuensi masing-masing kelompok
– Yi distribusi frekuensi yang didasarkan pada data-data kontinue, data yang berdiri
sendiri dan merupakan suatu deret hitung
• Menentukan batas data terendah atau ujung data pertama dilanjutkan menghitung kelas
interval.Caranya : menjumlahkanujung bawah kelas ditambah panjang kelas (P) dan
hasilnya dikurangi 1 sampai pada data yang dikehendaki
• Membuat tabel sementara dengan cara menghitung satu persatu sesuai dengan urutan
interval kelas
• Membuat tabel distribusi frekuensi dengan cara memindahkan semua angka frekuensi
a. Distribusi Frekuensi Relatif adalah distribusi frekuensi yang nilai frekuensi tidak
dinyatakan dalam bentuk angka mutlak atau nilai mutlak tetapi setiap kelasnya dinyatakan
dalam bentuk angka presentase (%) atau angka relatif
Teknik penghitungan distribusi frekuensi relatif yaitu dengan cara membagi angka distribusi
frekuensi mutlak dengan jumlah keseluruhan distribusi frekuensi (n) dikalikan 100%
b. Distriusi Frekuensi Kumulatif adalah distribusi frekuensi yang nilai frekuensi diperoleh
dengan menjumlahkan frekuensi demi frekuensi.Tabel distribusi frekuensi kumulatif
dibagi menjadi 2 yaitu :
c. Distribusi Frekuensi Relatif Kumulatif adalah distribusi frekuensi yang nilai frekuensi
kumulatif diubah menjadi nilai frekuensi relatif atau dalam bentuk persentase
a. Tulisan
Hampir semua bentuk laporan dari pengumpulan data diberikan tertulis, mulai dari
bagaimana proses pengambilan sampel, pelaksanaan pengumpulan data sampai hasil analisa yang
berupa informasi dari pengumpulan data tersebut.
Tujuan:
Contoh:
Daerah Jawa-Madura dibagi menjadi 5 daerah, yaitu DKI Jakarta 560 km 2, Jawa Barat 46.317
km2, Jawa Tengah 34.206 km2, dan Jawa Timur (termasuk Madura) seluas 47.922km2
b. Tabel
Tujuan:
• Menyajikan suatu agregate dari data numerik di dalam suatu bentuk tabel, dimana data
disusun dalam baris dan kolom sedemikian rupa sehingga dapat memberikan gambaran
atau perbandingan.
• Tabel yang baik harus sederhana dan self-explanatory
Disebut juga dengan tabel naskah (text tabel). Bentuknya singkat, sederhana, fungsi tabel
ini memberi gambaran yang sistematiis tentang sesuatu peristiwa yang merupakan hasil penelitian
atau observasi. Contoh tabel laporan tulisan ilmiah.
Beberapa cara penyusunan tabel:
c. Grafik
Bagian-bagian Grafik:
• Nomor
• Judul
• Aksis (sumbu X)
• Ordinat (sumbuY)
• Plotting data
• Legend/Keterangan
• Sumber
Judul
Apakah tiap aksis sudah diberi label dengan singkat dan jelas ?
Apakah satuan ukuran telah dijelaskan pada label aksis?
Apakah skala aksis sudah jelas ?
Apakah skala aksis sesuai dengan data yang ada ?
Apakah sumbu y mulai dari nol ?
Jenis jenis grafik:
Diagram garis digunakan untuk menggambarkan data diskrit. Data dengan skala nominal
yang menggambarkan perubahan dari waktu ke waktu atau perubahan dari suatu tempat ke tempat
lainnya
Digunakan untuk menyajikan data diskrit atau data dengan dengan skala nominal maupun
ordinal. Beda balok-balok diagram batang dengan balok- balok histogram adalah pada histogram
balok-baloknya menyabung sebab histogram adalah menggambarkan data kontinu.Gambar balok
dapat dalam bentuk vertikal dan horizontal
• Single bar
• Multiple bar
• Subdivided bar
Diagram Pinca (pie diagram)
Diagram ini digunakan untuk menyajikan data diskrit atau data dengan skala nominal dan
ordinal atau disebut juga data kategori. Luas satu lingkaran adalah 360 derajat. Proporsi data yang
akan disajikan dalam bentuk derajat
Diagram yang digunakan untuk menggambarkan hubungan dua macam variabel yang
diperkirakan ada hubungan. Sumbu Y menggambarkan variabel dependen sedangkan sumbu X
menggambarkan variabel independen
Ogive
Box plot,
Steam-and-leaf
Pictogram
Diagram yang digambar sesuai dengan objeknya, misalnya ingin menunjukkan jumlah
penduduk dengan menggambarkan bentuk orang. Dengan menggunakan simbol tertentu untuk
menunjukkan jumlah, misalnya simbol satu orang mewakili 25 orang.
Mapgram
Digunakan map atau peta dari suatu daerah. Permasalahan yang akan digambarkan
ditunjukkan pada peta tersebut. Dapat menunjukkan suatu penyebaran obyek tertentu.
BAB III
KONSEP PROBABILITAS DAN PELUANG
3.1 Himpunan
Himpunan adalah kumpulan objek yang didefenisikan secara jelas dan dapat dibeda –
bedakan. Setiap objek yang secara kolektif membentuk setiap himpunan tersebut disebut elemen
atau unsur atau anggota dari himpunan tersebut. Dilambangkan dengan pasangan kurung kurawal
{} dan biasanya dinyatakan dengan huruf kapital seperti A, B dan C. Himpunan dalam statistika
disebut populasi. Anggota himpunan Є
Himpunan dapat ditulis dengan 2 cara :
1. Cara Pendaftaran
unsur himpunan ditulis satu – persatu
Contoh :
A = {a, b, c, d, e}
B = {1, 2, 3, 4, 5}
2. Cara Pencirian
unsur himpunan ditulis dengan menyebutkan sifat – sifat atau ciri – ciri himpunan
tersebut.
Contoh :
A = {X: x huruf hidup}
B = {X: 1≤x≤5}
2. Himpunan Kosong
Himpunan yang tidak memiliki anggota (dilambangkan dengan “Ø” atau {}).
3. Himpunan Bagian
Himpunan yang menjadi bagian dari himpunan lain. Dilambangkan dengan “”.
Contoh :
A = {1, 2, 3}
a. Banyaknya himpunan A adalah 2³= 8
b. Himpunan bagian : {},{1},{2},{3},{1,2},{1,3},{2,3},{1,2,3}
4. Himpunan Komplemen
Himpunan semua unsur yang tidak termasuk dalam himpunan yang diberikan.
Dilambangkan dengan Aᶜ atau A’.
Contoh:
S = {1,2,3,4,5,6,7}
B = {2,4,6}
Bᶜ = {1,3,5,7}
Contoh
1. Contoh: Gabungan
Jika diketahui S = {X: 0≤ x ≤ 10}
P = {2,3,5,7}
G= {2,4,6,8,10}
P (E) = X / N
P = Probabilitas
E = Event (Kejadian)
X = Jumlah kejadian yang diinginkan (Peristiwa)
N = Keseluruhan kejadian yang mungkinn terjadi
2. Pandangan Empiris/Relatif
Dalam pandangan ini probabilitas berdasarkan observasi, pengalaman, atau
kejadian (peristiwa) yang telah terjadi atau lampau.
3. Pandangan Subjektif
Di dalam pandangan subjektif probabilitas ditentukan oleh pembuat pernyataan,
misalnya seorang buruh/karyawan meyakini bahwa kalau ada kesempatan untuk
pendidikan lanjut, yang akan dikirim adalah dirinya.
Dua peristiwa atau lebih dapat terjadi bersama – bersama (tetapi tidak selalu bersama).
Contoh : Penarikan kartu As dan berlian, seorang laki – laki dan dokter
2. Hukum Perkalian
a. Peristiwa Bebas (Independent)
Apabila kejadian atau ketidakjadian suatu peristiwa tidak mempengaruhi peristiwa lain.
Peluang dua event yang terjadi bersamaan atau berturut – berturut merupakan hasil kali peluang
masing – masing event.
Rumus :
Suatu event mempunyai hubungan bersyarat bila suatu event itu terjadi setelah event lain.
Misalnya, dua buah kartu ditarik dari set kartu bridge dan tarikan kedua tanpa memasukkan
kembali kartu pertama. Maka, probabilitas kartu kedua sudah tergantung pada kartu pertama yang
ditarik.
1. Permutasi, merupakan susunan dari suatu himpunan objek yang dapat dibentuk dengan
memperhatikan urutan.
Rumus :
2. Kombinasi, merupakan susunan dari suatu himpunan objek yang dapat dibentuk tanpa
memperhatikan urutan.
Rumus :
BAB VI
DISTRIBUSI NORMAL
Jika x mempunyai bentuk ∞ < x < ∞ maka disebut variabel acak x berdistribusi normal. Dan rumus
di atas dapat digambarkan sbb:
Perubahan bentuk dari normal umum menjadi normal baku dilakukan dengan langkah-
langkah sbb:
2. Gambarkan kurvanya
3. Tuliskan nilai z hitung pada sumbu x di kurva di atas dan tarik garis dari titik zhitung ke atas
sehinggga memotong garis kurva.
4. Luas yang terdapat dalam tabel merupakan luas daerah antara garis tegak ke titik 0 di tengah
kurva.
6. Luas kurva normal = 1, karena μ = 0, maka luas dari 0 ujung ke kiri = 0,5. luas dari 0 ke titik
kanan = 0,5. jika z bilangan bulat, maka luas daerah (dalam %) adalah sbb:
Jika z bukan bilangan bulat, maka luas daerahnya dicari dengan menggunakan tabel kurva normal
baku.
Tabel distribusi normal standar terdiri dari kolom dan baris. Kolom paling kiri
menunjukkan nilai Z, tertera angka 0 sampai 3 dengan satu desimal dibelakangnya. Desimal
berikutnya terletak pada baris paling atas dengan angka dari 0 sampai 9.
A. Maka di kolom kiri kita cari nilai1,9 dan baris atas kita cari angka 6
B. Dari kolom 6 bergarak ke bawah, hingga pertemuan titik yang menunjukkan angka 0,4750.
C. Berarti luas daerah di dalam kurva normal antara rata-rata dengan 1,96 SD ke kanan adalah
0,475.
D. Karena luas kurva ke kanan dan ke kiri sama, maka luas penyimpangan 1,96 ke kanan dan
ke kiri dari rata-rata adalah 0,95 (95%).
Sebagai contoh aplikasi distribusi normal, dilakukan suatu evaluasi thd pengobatan TB
menggunakan Rifampicin dengan rata-rata kesimpulan 200 hari dan standar deviasinya sebesar
10. Berapakah probabilitas kesembuhan antara 190 dan 210?
Jawab :
Z= (210-200)/10 = 1=0,3413
DISTRIBUSI SAMPLING
5.2 Pengertian Populasi, Sampel, Distribusi Sampling , Standar Error, Central Limit
Theorem
a. Pengertian Populasi
Populasi adalah semua anggota kelompok yang mana akan diambil kesimpulan.
b. Pengetian Sampel
Sampel adalah bagian dari populasi yang dipilih untuk diukur dan dianalis.
Ukuran-Ukuran Sampel Populasi
Mean ᵡ μ
Standar Deviasi s σ
Jumlah Unit n N
Contoh Soal :
1. Dari sampel 250 ibu hamil di Kota Padang didapatkan rata- rata kadar Hb adalah 11,5 g/Dl
sehingga diduga dengan estimasi titik kadar Hb Ibu hamil di Kota Padang adalah 11,5 g/dl
2. Penelitian terhadap penduduk berusia >30 tahun di Kab X tahun 2014 dari 242 sampel didapatkan rata-rata kadar
gula darah 115 mg/dL Jika kita menduga kadar gula darah penduduk berusia >30 tahun di Kab X dengan estimasi
titik adalah 120 mg/dL, maka estimasi kita adalah salah Estimasi Titik Rata-Rata (x ) Terhadap Rata-Rata Populasi
(µ) Untuk membuat estimasi rata-rata TB mahasiswi FIKES UHAMKA dilakukan pengambilan sampel sebanyak
20 orang dengan hasil sbb : Maka didapatkan estimasi titik terhadap TB mahasiswa FIKES UHAMKA adalah X
= 3227/20 = 161,4 cm Tinggi badan 161,4 cm merupakan titik estimasi terhadap tinggi badan mahasiswa
BAB VII
Estimasi selang ( confidence interval ) adalah sebuah indikator presisi pengukuran Anda.
Ini juga merupakan sebuah indikator mengenai seberapa stabil perkiraan Anda, yang merupakan
ukuran seberapa dekat pengukuran Anda dengan perkiraan semula jika Anda mengulangi
eksperimen.
Estimasi intrerval adalah sampel-sampel yang diambil dari populasi akan berdistribusi
normal sekitar π dengan simpangan baku = SE. Dan pada estimasi interval terdapat jarak batas
tertinggi dan terendah yang ditentukan sebagai Confidence interval ( CI ).
CI yaitu luas daerah dibawah kurva normal, dimana dinotasikan dengan CL = 100 (1α)%,
dan biasa nya dipakai yaitu Convidence Interval ( CI ) 90%, 95%, 99%.
X Z / 2 X Z / 2
n n
Dimana :
2. Estimasi interval terhadap µ di populasi bila standar deviasi populasi TIDAK diketahui
S S
X t / 2,n 1 X t / 2,n 1
n n
1. Tulis fenomena yang ingin Anda uji. Katakan saja misalnya Anda bekerja dengan situasi
berikut: Berat badan rata-rata mahasiswa pria Universitas ABC adalah 81,6 kg. Anda akan menguji
seberapa akurat Anda bisa memprediksi berat badan mahasiswa pria di Univeritas ABC dalam
interval kepercayaan tertentu.
2. Pilih sampel dari populasi yang Anda pilih. Inilah yang akan Anda gunakan untuk
mengumpulkan data dengan tujuan menguji hipotesis Anda. Katakanlah Anda telah memilih
secara acak 1.000 mahasiswa pria.
3. Hitung nilai rata-rata dan deviasi standar sampel Anda. Pilih sebuah sampel statistik (misalnya
rata-rata sampel, deviasi standar sampel) yang ingin Anda gunakan untuk memperkirakan
parameter populasi pilihan. Parameter populasi adalah nilai yang merepresentasikan suatu
karakteristik populasi tertentu. Berikut ini cara mencari rata-rata sampel dan deviasi standar
sampel:
Untuk menghitung nilai rata-rata sampel data, tambahkan berat badan 1.000 pria yang
Anda pilih dan bagi hasilnya dengan 1000, jumlah pria tersebut. Maka akan didapatkan
berat badan rata-rata 81,6 kg.
Untuk menghitung deviasi standar sampel, Anda harus mencari nilai rata-rata data.
Selanjutnya, Anda harus mencari variansi data, atau rata-rata jumlah kuadrat selisih data
dari nilai rata-rata. Setelah Anda menemukan angka ini, ambil akarnya. Katakanlah deviasi
standar di sini adalah 13,6 kg. (Perhatikan kadang-kadang informasi ini diberikan kepada
Anda selama mengerjakan soal statistik.)
4. Pilih tingkat kepercayaan yang Anda inginkan. Tingkat kepercayaan yang paling umum
digunakan adalah 90 persen, 95 persen dan 99 persen. Ini mungkin juga disediakan untuk Anda
ketika mengerjakan sebuah soal. Katakanlah Anda telah memilih 95%.
5. Hitung margin kesalahan (margin of error) Anda. Anda bisa mencari margin kesalahan dengan
menggunakan rumus berikut: Za/2 * σ/√(n). Za/2 = koefisien kepercayaan, di mana a = tingkat
kepercayaan, σ = deviasi standar, dan n = ukuran sampel. Ada cara lain, yaitu Anda harus
mengalikan titik kritis (critical value) dengan kesalahan standar. Begini cara Anda menyelesaikan
soal menggunakan rumus ini dengan memerincinya menjadi bagian-bagian:
Untuk menentukan titik kritis, atau Za/2: Di sini, tingkat kepercayaannya adalah 0,95%.
Konversikan persentase menjadi desimal, 0,95, kemudian bagi 2 untuk mendapatkan
0,475. Selanjutnya, periksa z table untuk mencari nilai yang sesuai dengan 0,475. Anda
akan mengetahui bahwa titik terdekat adalah 1,96, pada persimpangan antara lajur 1,9 dan
kolom 0,06.
Untuk menemukan kesalahan standar, ambil deviasi standar, 30, lalu bagi dengan akar
ukuran sampel, 1.000. Anda mendapatkan 30/31,6, atau 0,43 kg.
Kalikan 1,96 dengan 0,95 (titik kritis Anda dengan kesalahan standar Anda) untuk
mendapatkan 1,86, margin kesalahan Anda.
6. Nyatakan interval kepercayaan Anda. Untuk menyatakan interval kepercayaan, Anda harus
mengambil nilai rata-rata (180), dan menuliskannya di sebelah ± dan margin kesalahan.
Jawabannya adalah: 180 ± 1.86. Anda dapat menemukan batas atas dan batas bawah interval
kepercayaan dengan menambahkan atau mengurangkan margin kesalahan dari rata-rata. Jadi,
batas bawah Anda adalah 180 – 1,86, atau 178,14, dan batas atas Anda adalah 180 + 1,86, atau
181,86.
Anda juga bisa menggunakan rumus praktis ini untuk mencari interval kepercayaan: x̅ ± Za/2 *
σ/√(n). Di sini, x̅ merepresentasikan nilai rata-rata.
Dari ketiga faktor tersebut kita bisa menentukan jenis distribusi mana yang digunakan di
dalam menghitung estimasi interval. Jika populasi berdistribusi normal, maka pertanyaan
berikutnya Apakah standar deviasi dari populasi diketahui atau tidak. Jika diketahui maka kita
menggunakan uji distribusi Z. Namun jika tidak diketahui maka kita menggunakan uji distribusi t.
Bila populasi tidak mempunyai distribusi normal tetapi sampel datanya besar yaitu paling tidak 30
atau lebih maka digunakan uji distribusi Z. Sedangkan jika sampelnya kurang dari 30 maka
digunakan uji non parametrik.