Probabilitas dan Statistik

http://www.unhas.ac.id/amil/S1TIF/probstat2019/
L5. Inferensi
Amil Ahmad Ilham
Populasi dan Sampel

Sampel=sebagian (kecil)
Karakteristik sampel: statistik

Populasi=
Keseluruhan

Karakteristik populasi: parameter

Inferensi
Inferensi : Menggunakan data sebagian dari obyek penelitian [sampel]
untuk menyimpulkan seluruhnya [populasi]

Contoh Inferensi:
• Menyimpulkan prediksi presiden Indonesia 2019 berdasarkan pendapat 400 orang yang
diamati/ditanyai
• Menyimpulkan pola perilaku pelanggan PT Telkom berdasarkan data 200 pelanggan terpilih
dalam survey
Populasi dan Sampel
Uraian Pupulasi Sampel
Rata-rata  x
Simpangan baku  s
Uji Hipotesis
• Metode statistika untuk mengevaluasi hipotesis tentang parameter
populasi menggunakan data sampel.
Uji Hipotesis
• Jika standar deviasi populasi diketahui (Uji z)

• Jika standar deviasi populasi tidak diketahui (Uji t)

𝑆=𝜎
Pengujian hipotesis dengan distribusi t
• Pengujian hipotesis yang menggunakan distribusi t sebagai uji
statistik.
• Tabel pengujiannya disebut tabel t-student
• Hasil uji statistiknya dibandingkan dengan nilai yang ada pada tabel t
untuk kemudian menerima atau menolak hipotesis nol (Ho) yang
dikemukakan
Fungsi Pengujian Distribusi t
• Untuk memperkirakan interval rata-rata.
• Untuk menguji hipotesis tentang rata-rata suatu sampel.
• Menunjukkan batas penerimaan suatu hipotesis.
• Untuk menguji suatu pernyataan apakah sudah layak untuk dipercaya.
Ciri-Ciri Distribusi t
• Sampel yang diuji berukuran kecil ( n < 30 )
• Penentuan nilai tabel dilihat dari besarnya tingkat signifikan (α) dan
besarnya derajat bebas (db)
Uji rata-rata satu populasi

x = rata-rata sampel
μ = rata-rata populasi
s = standar deviasi
n = jumlah sampel

Db = n – 1 (derajat bebas)
α = tingkat signifikan
Penyusunan Hipotesis Nol (Ho), Hipotesis Alternatif (Ha)
dan Pengambilan Kesimpulan

Dua Arah ( Ho : μ1 = μ2, Ha : μ1 ≠ μ2 )

Ho diterima jika : -t tabel ( α/2, Db ) < t_uji < t tabel ( α/2, Db )

Ho ditolak jika : t_uji > t tabel ( α/2, Db ) atau t_uji < – t tabel ( α/2, Db )
Penyusunan Hipotesis Nol (Ho), Hipotesis Alternatif (Ha)
dan Pengambilan Kesimpulan

Satu Arah, Sisi Kanan ( Ho : μ1 ≤ μ2, Ha : μ1 > μ2 )

Ho diterima jika : t_uji < t tabel ( α, Db )

Ho ditolak jika : t_uji > t tabel ( α, Db )
Penyusunan Hipotesis Nol (Ho), Hipotesis Alternatif (Ha)
dan Pengambilan Kesimpulan

Satu Arah, Sisi Kiri ( Ho : μ1 ≥ μ2, Ha : μ1 < μ2 )

Ho diterima jika : t_uji > – t tabel ( α, Db )

Ho ditolak jika : t_uji < – t tabel ( α, Db )
Penyusunan Hipotesis Nol (Ho)
Perhatikan:
Ho selalu mengandung “=“
=
>
<

Ha  “” atau “>” atau “<“

 Menentukan Tingkat signifikansi a
• Nilai a yang umum adalah 0.01 (selang keyakinan 99%), 0.05 (selang
keyakinan 95%)
• a ditentukan di awal
Prosedur Pengujian
1. Tentukan Ho dan Ha
2. Tentukan arah uji hipotesa ( satu arah atau dua arah )
3. Hitung nilai t_uji
4. Tentukan nilai t_tabel
• Tentukan tingkat signifikan ( α )
• Tentukan nilai derajat bebas ( Db )
5. Buat kesimpulan dengan membandingkatn niai t_uji dengan t_tabel
Contoh Uji rata-rata 1 populasi
• Aktivis lingkungan mengatakan bahwa sungai Tello keruh dan
mengandung bakteri. Penelitian untuk melihat kesehatan air di sungai
Tello dilakukan dengan menghitung jumlah bakteri dalam volume per
mm3. Dikatakan sehat jika jumlah bakteri < 200. Dari 10 sampel
didapatkan data: 175, 190, 205, 193, 184, 207, 204, 193, 196, 180
• Apakah air di Sungai Tello masih sehat ? Gunakan alpha=5%
(1) Tentukan Ho dan Ha
• Aktivis lingkungan mengatakan bahwa
sungai Tello keruh dan mengandung
• Ho: >200 bakteri. Penelitian untuk melihat
• Ha: <200 kesehatan air di sungai Tello dilakukan
dengan menghitung jumlah bakteri
dalam volume per mm3. Dikatakan
sehat jika jumlah bakteri < 200. Dari 10
• Ho: Air sungai tercemar sampel didapatkan data: 175, 190,
205, 193, 184, 207, 204, 193, 196, 180
• Ha: Air sungai sehat
• Apakah air di Sungai Tello masih sehat?
Gunakan alpha=5%
(2) Tentukan arah uji hipotesa ( satu arah atau
dua arah )
• Ho: >200 • Ho: Air sungai tercemar
• Ha: <200 • Ha: Air sungai tidak tercemar
(3) Hitung nilai t_uji • Dikatakan sehat jika jumlah bakteri < 200. Dari 10 sampel
didapatkan data: 175, 190, 205, 193, 184, 207, 204, 193,
196, 180
• Apakah air di Sungai Tello masih sehat ? Gunakan alpha=5%

x = 192.7
μ = 200
s = 10.812
n = 10

t_uji = -2.1351
(4) Tentukan nilai t_tabel
n = 10
Db = df = n – 1 = 9
α = 5% = 0.05 (uji satu arah)
• Dikatakan sehat jika jumlah bakteri < 200. Dari 10 sampel
didapatkan data: 175, 190, 205, 193, 184, 207, 204, 193,
196, 180
• Apakah air di Sungai Tello masih sehat ? Gunakan alpha=5%

t_tabel= 𝑡0.05;9 = 1.833

-t_tabel = -1.833
 • Dikatakan sehat jika jumlah bakteri < 200. Dari 10 sampel
didapatkan data: 175, 190, 205, 193, 184, 207, 204, 193,
(5) Kesimpulan 196, 180
• Apakah air di Sungai Tello masih sehat ? Gunakan alpha=5%

• Ho: >200 • Ho: Air sungai tercemar

• Ha: <200 • Ha: Air sungai sehat
t_uji = -2.1351
-t_tabel= 𝑡0.05;9 = -1,833
t_uji < -t_tabel maka Ho ditolak

Kesimpulan: Air sungai sehat

(selang keyakinan 95%)
Anda yakin 99%?
n = 10
Db = df = n – 1 = 9
α = 1% = 0.01 (uji satu arah)
t_tabel= 𝑡0.01;9 = ?
-t_tabel= 𝑡0.01;9 = ?
t_uji = -2.1351
• Dikatakan sehat jika jumlah bakteri < 200. Dari 10 sampel
didapatkan data: 175, 190, 205, 193, 184, 207, 204, 193,
196, 180
• Apakah air di Sungai Tello masih sehat ?
• Ho: >200
• Ha: <200
Penyelesaian dengan Python
• Aktivis lingkungan mengatakan bahwa sungai Tello keruh dan
mengandung bakteri. Penelitian untuk melihat kesehatan air di sungai
Tello dilakukan dengan menghitung jumlah bakteri dalam volume per
mm3. Dikatakan sehat jika jumlah bakteri < 200. Dari 10 sampel
didapatkan data: 175, 190, 205, 193, 184, 207, 204, 193, 196, 180
• Apakah air di Sungai Tello masih sehat ? Gunakan alpha=5%
Penyelesaian dengan Python
Penyelesaian dengan Python