Estimasi: Interval Rata-rata

INF0733 Statistik 2
Pertemuan 03

R. Kristoforus JB
Klaudius Jevanda BS
Fakultas Sains & Teknologi
Universitas Katolik Musi Charitas
Capaian Mata Kuliah
• Mahasiswa mengetahui dan memahami konsep estimasi atau
pendugaan
• Mahasiswa mengetahui ciri-ciri pendugaan yang baik
• Mahasiswa mengetahui jenis-jenis pendugaan
• Mahasiswa mengetahui dan memahami pendugaan rata-rata
• Mahasiswa mengetahui dan memahami pendugaan beda dua rata-rata
• Mahasiswa mengetahui dan memahami pendugaan beda dua rata-rata
pada observasi berpasangan
• Mahasiswa dapat melakukan estimasi rata-rata dengan one-sample T
test.
• Mahasiswa dapat melakukan estimasi beda rata-rata dengan
independent-samples T test
• Mahasiswa dapat melakukan estimasi beda rata-rata observasi
berpasangan dengan paired-samples T test

2
Outline
• Teori:
– Konsep Estimasi
– Kriteria estimasi
– Jenis estimasi
– Estimasi rata-rata
– Estimasi beda rata-rata
• Praktikum:
– One-Sample T test
– Independent-samples T test
– Paired-samples T test

3
Yang perlu dipersiapkan
• Tabel Distribusi normal
• Tabel T student
• File Data (INF0733_data_03.xlsx)
• Kunjungi laman:
http://www.tutor-
homework.com/statistics_tables/statistics_tables.html

4
Pengantar
• Pendugaan: proses menggunakan sampel statistik untuk
menduga hubungan parameter populasi yg tidak diketahui.
• Penduga: harga statistik yg digunakan untuk menduga
parameter

5
Kriteria estimasi yang baik
• Unbiasedness
– rata-rata dari distribusi rata-rata sampel yang diambil dari populasi sama
dengan nilai rata-rata populasinya. E(estimasi) = parameternya.
• Efficiency
– efisien apabila penduga tersebut mempunyai varians yang kecil.
• Consistency
– jika anggota sampel ditambah maka nilai statistik sampel tersebut akan
cenderung mendekati nilai parameter populasinya.
• Sufficiency
– cukup jika taksiran tersebut dapat memberikan informasi dibandingkan
dengan taksiran yang lain.

6
Kriteria estimasi: tidak bias
• Penduga tidak bias jika:
E (harga statistik) = harga parameter
• Bias = E – harga parameter

7
Kriteria estimasi: efisien
• Penduga semakin efisien jika:
Standar deviasinya semakin kecil.

8
Kriteria estimasi: konsisten
• Penduga konsistem jika:
nilai dugaan (mis: X) yang semakin mendekati nilai yang
sebenarnya () dengan semakin bertambahnya jumlah
sampel (n).

9
Jenis estimasi
• Berdasarkan cara penyajian:
– Pendugaan titik
– Pendugaan interval

• Berdasarkan Jenis Parameter:

– Pendugaan rata-rata
– Pendugaan proporsi
– Pendugaan varians
– Pendugaan simpangan baku

10
Estimasi titik
• Nilai tunggal yang digunakan untuk menaksir (to
estimate) paramater populasi yang tidak diketahui.
• Harga parameter hanya diduga dgn satu harga
(harga statistik sampel).
• Juga harus menentukan error yg mungkin timbul.
• Contoh:
– Penduga untuk  adalah s
– Penduga varians rata-rata sampel x2 = s2/n

11
Estimasi titik
• Pendugaan untuk µ adalah rata-rata dari sampel X :
X 1  X 2  X 3  ...  X n
X
n
• Pendugaan untuk σ2 adalah varians dari sampel s2:

s2 
X 1  
2
2

 X  X 2  X  ...  X n  X 
2

n 1
^
• Pendugaan untuk p adalah p , yaitu proporsi dalam sampel:
^ X
p
n

12
Estimasi titik
• Rata-rata sampel:
n
xi
x  i 1 n
• Varians sampel:
n
( x  x ) 2
s2   i
i 1 ( n  1)

• Standar deviasi:
( xi  x) 2
n
s 
i 1 ( n  1)

13
Contoh 3.1
1. Soal: No Volume (ml)
Sebuah mesin pengisi air otomatis, diharapkan 1 2016
mengisi air sebanyak 2 liter ke dalam setiap botol. 2 2025
Untuk pengujian diambil sampel sebanyak 12 botol
3 1968
(data pada tabel). Berdasarkan sampel tersebut,
4 2007
perkirakan berapa volume air pada umumnya yg
5 2031
ada dalam botol?
6 2055
7 2039
8 1981
9 1975
10 1964
11 2036
12 1987

14
Contoh 3.1
• Solusi: No Botol Xi (x-x)2
1 2016 81
– Rata-rata sampel = 24084/12 = 2007 ml
2 2025 324
– Varians sampel = 10620/12-1 = 965,45
3 1968 1521
ml2
4 2007 0
– Standar deviasi = √965,45 = 31,07 ml
5 2031 576
– Interpretasi:
6 2055 2304
• Pada umumnya setiap botol akan diisi
air sebanyak 2007ml 7 2039 1024
8 1981 676
9 1975 1024
10 1964 1849
11 2036 841
12 1987 400
Jumlah 24084 10620

15
Estimasi Interval
• Dari perhitungan harga statistik suatu sampel, bisa dihitung suatu
interval (2 batas nilai) dimana dgn probabilitas tertentu, harga
parameter yg hendak diduga terletak dlm batas nilai tsb.
• Pada pendugaan interval digunakan tingkat keyakinan (confidence)
terhadap daerah yg nilai parameternya akan berada.
• Pendugaan interval yg disertai dgn keyakinan: interval keyakinan atau
interval kepercayaan.
• Tujuan estimasi/taksiran interval: mengurangi kesalahan penaksiran.

16
Estimasi interval
• Interval keyakinan secara umum dpt dirumuskan:

st  Z  st  parameter  st  Z  st
2 2
• Ket:
– St – Z/2st : batas bawah pendugaan interval
– St + Z/2st : batas atas pendugaan interval
– Z/2st : koefisien yg sesuai dgn interval keyakinan yg
digunakan

17
Estimasi interval
• Contoh:
– Pendugaan interval rata-rata dgn tingkat keyakinan 95%, ditulis:
X – 1,96 <  < X + 1,96 

Atau:

P(X – 1,96 <  < X + 1,96 ) = 0,95

18
Estimasi interval rata-rata
1. Untuk sampel besar (n > 30)
a. Untuk populasi tidak terbatas atau terbatas yg pengambilan
sampelnya dgn pengembalian dan  diketahui:
 
X  Z / 2     X  Z / 2 
n n
b. Untuk populasi terbatas, pengambilan sampel tanpa
pengembalian, dan  diketahui:

N n N n
X  Z / 2     X  Z / 2 
N 1 N 1
Ingat: GUNAKAN TABEL DISTRIBUSI NORMAL

19
Estimasi interval rata-rata
2. Untuk sampel kecil (n ≤ 30)
a. Untuk sampel kecil yg pengambilan sampelnya dgn pengembalian
dan  tidak diketahui:
s s
X  t / 2     X  t / 2  dengan: s   X 2


( X ) 2
n n n 1 n(n  1)

b. Jika (n/N) > 5% maka:

s N n s N n
X  t / 2     X  t / 2 
n N 1 n N 1

Ingat: GUNAKAN TABEL T STUDENT

20
Contoh 3.2
1. Soal: • Solusi:
Warung nasi SUM SUM  n = 300
mengadakan penelitian perkiraan  X = 406000
pengeluaran karyawan perusahaan   = 165000
yg digunakan untuk membeli
makanan di warungnya selama  /√n = 165000/√300 = 9526,28
setahun. Untuk diambil sampel  1 -  = 95%
sebanyak 300 karyawan. Ternyata,   = 0,05
rata-rata pengeluaran karyawan  Z/2 = Z0,025 = 1,96
untuk membeli makanan adalah  Selanjutnya:
Rp 406.000,- setahun dgn
simpangan baku Rp 165.000,-. lower lim it  406000  1,96  9526,28  387328,49
Dugalah rata-rata pengeluaran upper lim it  406000  1,96  9526,28  424671,51
karyawan untuk membeli
makanan dalam setahun dengan  387328,49 <  < 424671,51
tingkat keyakinan 95%

21
Contoh 3.2
2. Soal: • Solusi:
 N = 250
Suatu perusahaan memiliki
 n = 35
karyawan 250 org. untuk
 N – n = 215
keperluan tertentu, ingin
 N – 1 = 249
diketahui rata-rata jam kerjanya
 √(N-n)/(N-1) = 0,929
per minggu. Untuk itu diambil  X = 39,76
sampel sebanyak 35 org. dan   = 0,93
diperoleh data bahwa rata-rata  /√n = 0,93/√35 = 0,157
jam kerja karyawan tersebut  1 -  = 90% = 0,9
adalah 39,76 jam per minggu.   = 10% = 0,1
Jika simpangan baku rata-rata  Z/2 = Z0,05 = 1,65
jam kerjanya 0,93 jam, dugalah  Batas bawah:
dgn tingkat keyakinan 90%,  (39,76) – (1,65)(0,157) (0,929) = 39,52

rata-rata jam kerja karyawan  Batas atas:

 (39,76) + (1,65)(0,157) (0,929) = 40
tersebut.
 Jadi: 39,52 <  < 40

22
Contoh 3.2
3. Soal: No Volume (ml)
Sebuah mesin pengisi air otomatis, diharapkan 1 2016
mengisi air sebanyak 2 liter ke dalam setiap botol. 2 2025
Untuk pengujian diambil sampel sebanyak 12 botol
3 1968
(data pada tabel). Berdasarkan sampel tersebut,
4 2007
perkirakan rata-rata volume air dengan tingkat
5 2031
keyakinan 95%
6 2055
• Solusi: 7 2039
– Rata-rata sampel =X = 24084/12 = 2007 ml 8 1981
– Varians sampel = 10620/12-1 = 965,45 ml2 9 1975
– Standar deviasi = s = √965,45 = 31,07 ml 10 1964
11 2036
12 1987

23
Contoh 3.2
• Solusi:
– Dengan tingkat keyakinan: 95% maka, C = 0,95 dan  = 1 – C = 1 –
0,95 = 0,05
– Selanjutnya, /2 = 0,05/2 = 0,025.
– Selanjutnya menentukan degree of freedom (df) = n – 1 = 11
– Selanjutnya kita mencari nilai t0,025;11 dari tabel t student.
– Kita akan menemukan nilai 2,201
– Selanjutnya kita menentukan nilai s/√n = 8,97
– Selanjutnya:
2007  2,201 8,97    2007  2,201 8,97
1987,257    2026,743

24
Latihan 3.1
1. Suatu sampel random terdiri dari 9 org karyawan No IP
di sebuah perusahaan memiliki waktu yg 1 3,5
2 3,2
diperlukan untuk menyelesaikan sebuah 3 3,4
pekerjaan, yaitu: 14; 17; 15; 18; 18; 14; 15; 19; 15. 4 3,2
dugalah rata-rata waktu yg digunakan bagi 5 3,1
karyawan tersebut dgn interval keyakinan (99%, 6 3,6
7 2,5
97%, 95%, 90%) 8 2,8
2. Seorang peneliti ingin mengetahui tingkat rata- 9 2,9
rata indeks prestasi mahasiswa pada satu 10 3,8
11 3
universitas. Untuk keperluan tersebut diambil 12 3,1
secara acak 20 sampel mahasiswa (tabel di 13 3,2
samping). Dengan tingkat kepercayaan (99%, 97%, 14 3,2
95%, 90%) berapakah taksiran interval untuk rata- 15 3,4
16 3,3
rata indeks prestasi mahasiswa. Berikut hasil data 17 3,3
indeks prestasi 20 responden yang diamati. 18 3,5
19 3,2
20 3,4

25
Latihan 3.1.
No Nama JK Nilai No Nama JK Nilai
3. Tabel berikut adalah hasil UAS 1 Zaenuri L 67 21 Nono L 72
Statistik 40 mahasiswa IF 2 Agus L 75 22 Rika W 80
Universitas Gunung Dempo. 3 Gunawan L 81 23 Tika W 75
4 Rita W 60 24 Tono L 67
Dugalah rata-rata nilai UAS
5 Imam L 80 25 Toni L 72
yang diperoleh dengan tingkat 6 Rudi L 75 26 Ika W 79
keyakinan (99%, 97%, 95%, 7 Rini W 71 27 Ian L 80
8 Nindi W 68 28 Lili W 81
90%)
9 Dinda W 80 29 Ari L 75
10 Pandu L 78 30 Aryani W 71
11 Bowo L 71 31 Tejo L 74
12 Yulia W 80 32 Tarjo L 65
13 Priyo L 65 33 Ngadiman L 55
14 Edi L 57 34 Ngadimin L 70
15 Mona W 78 35 Teno L 72
16 Gito L 63 36 Wuri W 82
17 Sukirman L 76 37 Wilian L 67
18 Kirun L 73 38 Ida W 94
19 Maryati W 63 39 Ita W 60
20 Nani W 65 40 Susi W 79

26
Estimasi interval beda rata-rata
1. Untuk sampel besar dan 1 dan 2 diketahui:

( X1  X 2 )  Z / 2 ( x1  x2 )  (1  2 )  ( X1  X 2 )  Z / 2 ( x1  x2 )
Dengan:

 12  22
 (x x )  
1 2
n1 n2

27
Estimasi interval beda rata-rata
2. Untuk sampel kecil dan 1 dan 2 tidak diketahui

( X1  X 2 )  t / 2 s( x1  x2 )  (1  2 )  ( X1  X 2 )  t / 2 s( x1  x2 )
Dengan:
(n1  1) S12  (n2  1) S 22 1 1
s( x1  x2 )      
n1  n2  2  n1   n2 

S 2  1
X 2


 X 1
2

X1 
 X 1
1
n 1 n(n  1) n1

S 
2  X 22 
 X 2
2

X2 
 X 2
2
n 1 n(n  1) n2

28
Estimasi interval beda rata-rata

3. Untuk observasi berpasangan

d  t / 2;n 1sd    d  t / 2;n 1sd

Dengan:
sd
sd 
n
n d i2   d i 
2
d = X1-X2
sd  X1 = data sebelum
n(n  1) X2 = data sesudah

29
Contoh 3.3
1. Soal:
Upah mingguan 60 orang karyawan perusahaan asing rata-rata
Rp250.000,- dgn simpangan baku Rp27.000,-. Untuk perusahaan
nasional, dari 60 org karyawan diketahui bahwa upah mingguan rata-
rata adalah Rp125.000,- dgn simpangan baku Rp10.000,-. Dgn interval
keyakinan 99%, buatlah pendugaan beda rata-rata upah karyawan
perusahaan asing dgn perusahaan nasional.

30
Contoh 3.3
n1=60; = 250.000, σ1=27.000
n2=60; = 125.000, σ2=10.000
1-=99%,  = 1%, /2 = 0,005 → Z /2 = 2,58

 x  x  
2 1

2
2

27.0002  10.0002  3.717,1
1 2
n1 n2 60 60
X 1  X 2  250.000  125.000  125.000
X 1   
 X 2  Z / 2 X 1  X 2  1  2   X 1  X 2  Z / 2 X 1  X 2
125.000  (2,58)(3.717,1)  1  2   125.000  (2,58)(3.717,1)
115.409,882  1  2   134.590,118

Jadi, beda rata-rata upah karyawan perusahaan X dan Y

berkisar antara Rp. 115.409,882 sampai Rp. 134.590,118.

31
Contoh 3.3
2. Soal:
Sampel random di perusahaan A sebanyak 400 karyawan diperoleh
informasi bahwa upah rata-rata per hari Rp 20.000,00 dan standar
deviasi Rp. 6.000,00. Sedangkan sampel random di perusahaan B
sebanyak 300 karyawan diperoleh informasi bahwa upah rata-rata per
hari Rp. 16.000,00 dan standar deviasi Rp. 7.500,00. Dengan tingkat
konfidensi 95%, tentukan taksiran beda upah rata-rata per hari di
perusahaan A dan perusahaan B.

32
Contoh 3.3
1  2 (6000) 2 (75000) 2
 x x      526,78
1 2
n1 n2 400 300

X 1   
 X 2  Z / 2 X 1  X 2  1  2   X 1  X 2  Z / 2 X 1  X 2

20.000 16.000  (1,96)(526,78)  1  2   20.000 16.000  (1,96)(526,78)

2.968  1   2   5.033

• Jadi beda (selisih) upah rata-rata karyawan yang diterima

karyawan antara perusahaan A dan perusahaan B adalah
Rp. 2.968,- sampai dengan Rp. 5.033,-

33
Contoh 3.3
3. Soal:
Waktu yang dibutuhkan setiap karyawan dalam menyelesaikan satu
unit barang sebelum dan sesudah pelatihan adalah sebagai berikut
(dalam jam):

Karyawan ke… 1 2 3 4 5 6
Sebelum Pelatihan 6 8 7 10 9 7
Sesudah Pelatihan 5 6 7 8 7 5

Buatlah taksiran interval beda waktu rata-rata yang dibutuhkan

karyawan dalam menyelesaikan satu unit produk sebelum dan
sesudah pelatihan dengan tingkat konfidensi 95%.

34
Contoh 3.3
• Solusi

Sebelum Sesudah
No. d=X1-X2 d2
(X1) (X2)
1. 6 5 1 1
2. 8 6 2 4
3. 7 7 0 0 d  9
4. 10 8 2 4  d  17
2

5. 9 7 2 4
6. 7 5 2 4
9 17

35
Contoh 3.3
n d i2  ( d i ) 2 6(17)  (9) 2
Sd    0,84
n(n  1) 6(6  1)
Sd (0,84) t / 2  2,57
Sd    0,343
n 6
d  t α/2;n 1Sd  (μ1  μ 2 )  d  t α/2;n 1Sd
1,5  (2,57)(0,343)  ( 1   2 )  1,5  (2,57)(0,343)
1,5  (0,88)  ( 1   2 )  1,5(0,88)
0,62  ( 1   2 )  2,38
• Jadi beda (selisih) waktu rata-rata yang dibutuhkan
karyawan untuk menyelesaikan unit barang adalah 0,62
jam sampai dengan 2,38 jam.

36
Latihan 3.2
1. Sebuah perusahaan MEKAR mengadakan No. Cara I Cara II
penelitian mengenai IQ para karyawannya. Sampel (jam) (jam)
Untuk keperluan tersebut diambil sampel
sebanyak 80 karyawan secara acak. Jika 1 3 2
diketahui rata-rata sampel adalah 109 2 7 4
dengan simpangan baku populasinya 20,
3 9 5
buatlah pendugaan interval dari rata-rata
IQ dengan tingkat keyakinan (90%, 95%, 4 3 7
97%, 99%) 5 4 2
2. Tabel berikut berisikan lamanya produksi
6 2 5
semacam barang yg dilakukan dgn 2 cara.
Dugalah perbedaan rata-rata cara kerja 7 4 4
produksi barang tersebut dgn interval 8 8 6
keyakinan (90%, 95%, 97%, 99%)
9 5 1

37
Latihan 3.2
3. Seorang guru ingin meneliti pengaruh les tambahan LT TLT
di sekolah terhadap prestasi belajar siswanya untuk 80 78
mata pelajaran matematika. Dari 20 siswa, akan
78 76
dibagi menjadi 2 kelompok, yaitu kelompok yang
mengikuti les tambahan (LT) dan kelompok yang 77 74
tidak mengikuti les tambahan (TLT). Setelah 68 70
beberapa bulan diadakan tes prestasi belajar 82 74
matematika dan hasilnya pada tabel berikut. 76 70
Dengan tingkat keyakinan (90%, 95%, 97%, 99%) 75 75
dugalah perbedaan rata-rata antara kelompok LT
78 70
dan TLT
70 72
73 70

38
Latihan 3.2
4. Dosen fenomenologi agama ingin mengetahui
perbedaan prestasi belajar mahasiswa IF dan IF SI
mahasiswa SI. Dari 20 mahasiswa (10 IF dan 10 SI), 60 80
diambil nilai UASnya pada tabel berikut. Dengan 33 50
tingkat keyakinan (90%, 95%, 97%, 99%) dugalah
76 95
perbedaan nilai UAS rata-rata antara IF dan SI.
54 67
66 77
86 96
45 58
55 69
50 64
62 75

39
Latihan 3.2
5. Sebuah pusat pelatihan kebugaran
ingin menguji peningkatan kekuatan No Nama Prates Postes
1 Hendra Wirawan 23 27
otot dengan pelatihan angkat
2 Satya Buana 25 30
dumbell. Sebanyak 15 sampel diambil 3 Agung Putra 22 27
dan dilakukan pengujian. Tabel 4 Adi Putra 21 25
berikut adalah data pengujian 5 Agus Nata 26 32
sebelum (prates) dan setelah (postes) 6 Alit Darmika 25 30
pelatihan. Dengan tingkat keyakinan 7 Alit Gimantra 26 33
(90%, 95%, 97%, 99%) dugalah 8 Oka Shantika 23 28
perbedaan rata-ratanya. 9 Rai Sudana 27 32
10 Yudana Pranata 23 33
11 Adi Tirta 28 29
12 Putu Bagus 29 21
13 Bayu Nugraha 28 35
14 Pratama Putra 27 32
15 Mahendra Putra 29 34

40
Latihan 3.2
6. Seorang guru ingin mengetahui apakah
terdapat perbedaan prestasi belajar siswa
yang diajarkan dengan model pembelajaran
Jigsaw dan Problem Basic Learning (PBL).
Berikut ini hasil prestasi belajar 25 orang
siswa dari kedua model pembelajaran
tersebut. Dengan tingkat keyakinan (90%,
95%, 97%, 99%) dugalah perbedaan rata-
ratanya.

41
Jadwal
Prt Tgl Teori Praktik
1 06/09 Pengantar kuliah statistik 2: Pengenalan tools statistik
2 13/09 Populasi & sampel Desain model penelitian
3 20/09 Estimasi: interval rata-rata Uji validitas & reliabilitas
4 27/09 Estimasi: interval proporsi T-Test
5 04/10 Uji hipotesis: rata-rata Uji F
6 11/10 Uji hipotesis: proporsi Kai kuadrat
7 18/10 Uji hipotesis: independensi, Kai kuadrat
kompatibilitas, homogen
8 25/10 UTS Presentasi Project 1

42
Jadwal
Prt Tgl Teori Praktik
9 01/11 Korelasi: pearson, spearman pearson, spearman
10 08/11 Uji asumsi klasik: normalitas, heteroskedastisitas
normalitas, heteros
11 15/11 Regresi: linier sederhana multikolinearitas, autokorelasi
12 22/11 Regresi: linier berganda Regression
13 29/11 regresi: nonlinier Nonlienar regression
14 06/12 Statistik non parametrik: Sign test, wilcoxon
sign test, Wilcoxon,
15 13/12 Probabilitas kruskal-walls, Mann-Whitney
16 UAS Presentasi Project 2

43