BAB 3.

PENARIKAN SAMPEL DAN PENDUGAAN

Populasi adalah kumpulan seluruh objek yang diteliti.

Sampel adalah bagian dari populasi.
Parameter adalah informasi data dari seluruh objek yang diteliti.
Statistik adalah penduga parameter.
Sampel random serderhana dari populasi terbatas adalah sampel dimana setiap anggota
populasi mempunyai anggota yang sama untuk menjadi anggota sampel.
Sampel random serderhana dari populasi tak terbatas adalah sampel dimana setiap
elemen dipilih secara independen dan berasal dari populasi yang sama.

Distribusi Sampling
Distribusi sampling adalah probabilitas dengan statistik sebagai
variabel randomnya.
 Distribusi Sampling Rata – rata
Misal rata – rata dan standar deviasi dari populasi adalah  dan  ,
sedangkan rata – rata dan standar deviasi dari distribusi sampling rata –

rata adalah  x dan  x , maka

x = 

x  

Teorema Limit Pusat

a. rata – rat dari distribusi sampling rata – rata sama dengan rata – rata

populasi (  x =  )

b. standar deviasi rata – rata  x


x 
n , populasi infinite / sampling dengan pengembalian

 N n
x 
n N  1 , populasi finite / sampling tanpa pengembalian

c. jika ukuran sampel cukup besar (n  30 ) distribusi sampling rata –

rata mendekati distribusi normal.
  Distribusi Sampling Proporsi
Distribusi sampling proporsi mempunyai:
p  P
Rata – rata,
P 1  P  N n
p 
Standar deviasi, n N  1 , populasi finite / tanpa

pengembalian

P 1  P 
p 
n , populasi infinite dengan pengembalian
Untuk kasus binomial, proporsi sampling mendekati distribusi normal

p  p pP
Z 
p p
jika nP  5 dan n(1-P)  5 sehingga, .
Karena distribusi binomial merupakan distribusi diskrit
didekati dengan distribusi normal yang kontinu maka
membutuhkan faktor koreksi kekontinuan, sehingga

 1 
 p  n  P
 2 
Z
p

 Distribusi Samplind Selisih Rata – Rata

Misal terdapat 2 populasi dengan rata – rata  1 dan  2 , standar deviasi  1 dan  2

kemudian diambil sampel n1 dan n 2 . Dari populasi 1 diperoleh rata – rata  x1 dan

standar deviasi  x1 . dari populasi 2 diperoleh  x 2 dan  x 2 .Distribusi sampling

selisih rata – rata X 1  X 2 mempunyai:

 x  x   x   x  1   2
Rata – rata, 1 2 1 2
 1  2
 x1  x2   x1   x2  
n1 n 2
Standar deviasi, (populasi infinite )
1  2 N n
 x1  x2  
n1 n 2 N 1
( populasi finite )

Jika n1 dan n 2 besar (n  30 ) maka distribusi sampling selisih rata- rata mendekati

 x1  x 2    1   2 
Z
 x1  x2
normal dengan variabel random standar

 Distribusi Sampling Selisih Proporsi

Dengan cara yang sama dapat diperoleh distribusi sampling 2 proporsi sampel

p1 & p 2 dengan selisih proporsi ( p1  p 2 ).

 p  p   p   p  P1  P2
1 2 1 2

P1 1  P1  P2 1  P2 
 p1  p2   p1 2   p2 2  
n1 n2

N n
Jika populasi finite dengan n > 0,05 N, faktor koreksi N  1 digunakan dalam

menghitung standar eror proporsi. Jika n1 P1 , n1 (1- P1 ), n 2 P2 , n 2 (1- P2 )  5,

distribusi sampling selisih proporsi mendeksti normal dengan variabel random

 p1  p 2    P1  P2 
Z
 p1  p2
sederhana

Teori Pendugaan

Penduga ( estimator ) : suatu statistik sampel yang digunakan untuk menduga suatu
parameter yang tidak diketahui.

Penduga titik : suatu angka tunggal yang digunakan untuk menduga parameter
populasi.
Penduga interval : interval nilai dimana nilai parameter populasi berada didalamnya,
bertujuan untuk mengurangi kesalahan penaksiran. Pada taksiran interval terdapat batas
atas ( merupakan nilai taksiran tertinggi ) dan batas bawah ( nilai taksiran terendah ).

Penduga interval kepercayaan : penduga interval yang disertai kepercayaan.

Ciri- ciri estimator yang baik:

a. Tidak bias : jika rata – rata dari distribusi sampel dari suatu populasi sama
dengan nilai rata – rata populasinya
b. Efisien : distribusi penduga harga statistik terpusat atau mempunyai standar
deviasi yang kecil sekali
c. Konsisten: jika anggota sampel ditambah maka nilai nilai statistik sampel
tersebut Cenderung mendekati nilai parameter populasinya.

 Penduga Interval Rata – rata Populasi

Untuk sampel random besar, penduga mean populasi dilakukan dengan distribusi

X 
Z
Z. Andaikan sampel random diambil dari populasi normal maka x ,

sehingga jika  diketahui maka:

P X  Z   x    X  Z   x   1  
 2 2 

x 
n , populasi infinite

 N n
x 
n N  1 , populasi finite

X  Z  x , X  Z  x
Jadi interval konfidensi rata –rata populasi 1-  adalah ( 2 2 ).
 Untuk sampel random kecil, penduga mean populasi dilakukan dengan distribusi t.

X 
t
s
Andaikan sampel random diambil dari populasi normal maka n , sehingga

 s s 
P X  t  ,( n 1)    X  t  ,( n1)   1  
jika  tidak diketahui maka:  n n
2 2

2
 Z  
 2 
  
Ukuran sample: n =   ,  = standar eror

CONTOH:

Suatu sampel random sebanyak 100 mahasiswa menghasilkan rata-rata

berat badan 60 kg dan standar deviasi 10 kg. Jika populasi berjumlah 250,
a. buatlah interval keyakinan rata-rata populasi kalau digunakan tingkat
keyakinan 90 %
Jawab;
Karena n = 100, n > 0,05 (250) dan standar deviasi populasi tak diketahui,
maka digunakan rumus :

P X  Z   x    X  Z   x   1  
 2 2  dengan

 N n 10 250  100
x  249
n N  1 = 100 = 0,7762

Jadi
60  (1,65)(0,7762)    60  (1,65)(0,7762)

58,72    61,72
b. Berapa tingkat keyakinan yang digunakan agar rata-rata
populasi terletak dalam interval 58 – 62
Jawab; Jika interval keyakian 58 - 62, maka kesalahan duganya
adalah (62 – 58)/2 = 2
Z  / 2 .S Xˆ  2
Kemudian è Z / 2  2,576 . Sehingga tingkat
keyakinan yang digunakan adalah 2(0,4950) = 99 %

 Penduga Interval Proporsi Populasi

Apabila populasi besar dan proporsi P tidak mendekati 0 atau 1

x
maka distribusi sampling harga proporsi p̂ atau n akan
mendekati distribusi normal dinama,
P 1  P 
 pˆ  P  pˆ 
dan n , sehingga jika P tidak diketahui maka

x
diganti dengan harga estimasinya: p̂ atau n

 pˆ 1  pˆ  pˆ 1  pˆ  
P pˆ  Z   P  pˆ  Z  2
 1

 2 n n 
2
1  Z 2 

4  
Ukuran sampel n =  

CONTOH
1. Dalam pemilihan lurah pada suatu desa terdapat dua calon yaitu A dan B. Dari sampel
random sebanyak 100 orang terdapat 60 orang yang memilih A. Bila seluruh penduduk
berjumlah 400 orang berapa interval keyakinan proporsi populasi yang memberikan
suara pada A dengan tingkat keyakinan 90 % .
Jawab:
P = 0,6, n = 100, N = 400 ,   10% è Z  / 2  1,65 , sehingga

06.0,4 400  100

(1,65)  0,22
100 399

Jadi 0,6  0,22  P  0,6  0,22

0,378  P  0,822
2. Sebuah pabrik ingin menduga proporsi lampu cacat dalam interval 0,1 dengan
tingkat keyakinan 95 %. Berapa ukuran sampel minimum jika berdasar pengalaman
masa lalu proporsi lampu yang cacat sebesar 0,2
(1,96) 2 (0,2)(0,8)
np   61,46  62
Jawab: (0,1) 2


  Penduga Interval Perbedaan 2 Mean

Dengan cara yang sama maka:

Untuk sampel random besar dan  1 dan  2 diketahui

 
 
 12  2 2
 1   2   X 1  X 2   Z 
 12  2 2

P X 1  X 2  Z     1
 2 n1 n2 n1 n2 
 2 

Untuk sampel random besar dan  1 dan  2 tidak diketahui

 S 
 
2 2 2 2
 S1
 2  1   2   X 1  X 2   Z 
S S1
P X 1  X 2  Z   2   1
 2 n1 n2 n1 n2 
 2 

Untuk sampel random kecil dan sampel diambil dari

distribusi normal maka penduga interval perbedaan 2 mean
dilakukan dengan distribusi t yaitu

t
X 1  X 2    1   2 
 n1  1 S12   n2  1 S 2 2  1 
1

n1  n2  2 n n2 
 1 sehingga penduga intervalnya
adalah
  n1  1 S12   n2  1 S 2 2  1 1 
P  X 1  X 2   t   n  n   1   2 
 , n1  n2  2  n1  n2  2  1 2 
 2

 n1  1 S12   n2  1 S 2 2  1 1  
X 1  X 2   t n    1
, n1  n2  2  n1  n2  2  1 n2  
2 
  Penduga Interval Perbedaan 2 Proporsi

Dengan cara yang sama diperoleh:

 pˆ 1 1  pˆ 1  pˆ 2 1  pˆ 2 
P  pˆ 1  pˆ  2  Z    P1  P2 
 2
n1 n2
pˆ 1 1  pˆ 1  pˆ 2 1  pˆ 2  
 pˆ 1  pˆ 2   Z     1

2
n1 n2 

 Penduga Interval 2 Mean  1   2  Sampel Berpasangan

Untuk sampel berpasangan, harga perbedaan dua mean diduga

dengan rumus:
SD SD
D  t  1   2  D  t 
2
,n 1 n 2
, n 1 n , dengan

D
 X 1  X2

D
n n = rata – rata dari harga perbedaan setiap
pasang nilai

D  D 
2

SD 
n 1 = standar deviasi dari harga perbedaan setiap
pasang nilai, n = banyak pengamatan