Anda di halaman 1dari 16

Metode Statistika

Statistika Inferensia:
Pendugaan Parameter
(Selang Kepercayaan)
Pengantar
¡ Seringkali kita tertarik dengan
karakteristik umum dari suatu populasi à
parameter
¡ Misalnya saja berapa rata-rata
pendapatan penduduk Indonesia, berapa
persen yang berada di bawah garis
kemiskinan, apakah metode pengobatan
baru lebih efektif dibandingkan dengan
metode lama.
Pengantar

¡ Pada kasus-kasus ini kita berbicara


mengenai suatu penduga bagi
paramater
¡ Klasifikasi penduga:
l Penduga titik
l Penduga selang
Pendugaan Parameter

¡ Untuk menggambarkan karakteristik umum


suatu populasi yang diukur dalam skala
rasio, bisa digunakan rata-ratanya (µ).
¡ Untuk mempelajari suatu populasi
umumnya digunakan sebagian anggotanya
saja (contoh).
¡ Sehingga informasi besarnya x (statistik)
digunakan untuk menduga µ (parameter).
¡ Namun untuk menduga µ dapat pula
digunakan median ataupun modus contoh.
à perlu pemilihan penduga
¡ Sifat-sifat penduga yang
diinginkan
l Takbias
l Efisien
l Konsisten
Tak Bias
¡ Takbias berarti nilai harapan penduga
sama dengan parameter yang diduga.
Penduga x merupakan penduga yang
takbias bagi µ. Hal ini berarti apabila
proses penarikan contoh diulang-ulang
dan untuk setiap contoh tersebut dihitung
x-nya, maka rata-rata dari tadi akan
sama dengan µ.
Efisien

¡ Efisiensi penduga ditunjukkan oleh


besarnya ragam penduga tersebut.
Makin kecil ragam suatu penduga
makin efisien penduga tersebut.
Secara teori, di antara penduga
yang takbias, x merupakan
penduga dengan ragam paling kecil.
Konsisten

¡ Konsisten berarti dengan makin


besarnya ukuran contoh maka
ragam penduga makin kecil
Pendugaan Titik bagi µ

¡ Untuk menduga rata-rata populasi


(µ) digunakan rata-rata contoh ( x ).
¡ Rata-rata contoh dikatakan sebagai
penduga titik bagi µ.
¡ Penduga x sering tidak memuaskan
l Terpengaruh oleh adanya pencilan
¡ Kemungkinan besar nilai tidak
sama dengan µ.
l à tingkat kepercayaan kecil
l à dikembangkan penduga dalam
bentuk selang nilai dengan tingkat
kepercayaan tertentu (penduga
selang).
Pendugaan Terhadap Nilai Tengah
Satu Populasi

¡ Dari Sebaran Penarikan Contoh x ∼


Normal (µ,σ2/n).
¡ Konsep sebaran normal :
X −μ
l P(-Zα/2 < Z < Zα/2) = 1- α Z=
σ/ n
X− μ
¡ Sehingga P(-Zα/2 < σ/ n < Zα/2) = 1-α

X ± zα/2σ / n
¡ Nilai x ± Zα/2 σ/√n dinamakan
sebagai selang kepercayaan (1-
α)x100% bagi µ.
¡ Apabila σ tidak diketahui dan
digunakan s à sebaran t-student
l SK (1- α) 100% bagi µ adalah

X ± t α/2,n -1 s / n
Teladan
¡ Sebuah mesin minuman ringan diatur sehingga
banyaknya minuman yang dikeluarkan menyebar
normal dengan simpangan baku 1,5 dl. Tentukan
selang kepercayaan 95% dan 99% bagi rata-rata
banyaknya minuman yang dikeluarkan oleh mesin
ini, bila suatu contoh acak 36 gelas mempunyai isi
rata-rata 22.5 dl.
¡ Seorang ahli hendak menentukan waktu yang
diperlukan untuk membuat tiga lubang pada suatu
penjepit logam. Berapa besar contoh yang
diperlukan agar ia percaya 95% bahwa rata-rata
contohnya berada dalam 15 detik dari nilai tengah
yang sesungguhnya? Anggap bahwa dari penelitian
terdahulu diketahui bahwa σ=40 detik.
Pendugaan Terhadap Proporsi
Satu Populasi

¡ Dari Sebaran Binomial p̂ ∼ Normal


(p, p(1-p)/n)
¡ Dari konsep mengenai sebaran
normal P(-Zα/2 < Z < Zα/2) = 1- α
p̂ − p
Z=
p(1 − p)/n
p̂ − p
¡ Sehingga P(-Zα/2 < < Zα/2)
= 1- α p(1 − p)/n
¡ SK (1-α)100% bagi p adalah:

p̂ ± Zα/2 p(1 − p)/n

¡ Nilai p biasanya diduga oleh


dugaannya
Teladan
¡ Dari suatu contoh acak 1000 rumah di
sebuah kota, ditemukan bahwa 628 rumah
menggunakan pemanas gas alam. Buat
selang kepercayaan 98% bagi proporsi
rumah-rumah di kota ini yang
menggunakan pemanas gas alam.
¡ Berapa besarnya ukuran contoh pada
latihan no.1 di atas apabila kita ingin
percaya 95% bahwa proporsi contoh yang
diperoleh akan terletak dalam jarak yang
tidak lebih daripada 0.05 dari proporsi
populasi yang sebenarnya