STATISTIK SOSIAL

oleh :
Yunia Hasnataeni

Semester Genap, Program Studi Sarjana Pendidikan

Sosiologi, Fakultas Pendidikan, Universitas Nahdatul Ulama
 Estimasi parameter (penaksiran parameter) adalah
pendugaan karakteristik populasi (parameter) dengan
menggunakan karakteristik sampel (statistik).
Populasi biasanya memiliki ukuran yang sangat banyak, sehingga
untuk mengetahui karakteristiknya melalui sensus sangat sulit
dilakukan. Sensus sangat tidak ekonomis dari segi waktu, tenaga
dan biaya.
Estimasi Oleh karena itu, kita dapat melakukan pendugaan dengan
melakukan survei terhadap sampel yang diambil secara acak dari
Parameter populasi tersebut yang selanjutnya hasil karakteristik sampel dari
survei tersebut kita gunakan untuk menduga karakteristik populasi.
Sampel yang digunakan dalam survei adalah sampel yang benar-
benar mewakili populasi.
Oleh karena itu, untuk dapat memperoleh sampel yang
representatif, ada syarat-syarat tertentu yang harus terpenuhi, yaitu
teknik pengambilan sampel (teknik sampling) dan jumlah anggota
sampel.
 Statistik inferensial bertugas atau berfungsi untuk menaksir
populasi berdasarkan sampel, misalnya yang berupa data-data
deskriptif seperti rata-rata hitung, simpangan baku, median, modus
dll.
Data deskriptif yang dihitung dari sampel itulah yang biasanya
Fungsi disebut sebagai data statistik sedangkan.
Estimasi Data deskriptif yang dihitung dari populasi disebut sebagai
parameter.
Statistik
Keakuratan penaksiran sangat dipengaruhi oleh ketepatan dalam
Inferensial pengambilan sampel (teknik sampling) yang digunakan.
Namun, pada saat pengambilan sampel tidak akan luput dari
kesalahan-kesalahan yang diakibatkan karena keterbatasan-
keterbatasan dalam penggeneralisasian, kesalahan inilah yang
disebut sebagai kesalahan sampel.
 Kesalahan sampling dihitung dari selisish antara rata-rata hitung
populasi (𝜇) dengan rata-rata hitung sampel (𝑥).ҧ Jika dituliskan
dengan rumus sebagai berikut:

𝑒𝑖 = 𝜇 − 𝑥ҧ𝑖
Fungsi Keterangan:
Estimasi 𝑒𝑖 : kesalahan sampel ke-i
Statistik 𝜇 : rata-rata hitung populasi (parameter)
Inferensial 𝑥ҧ𝑖 : rata-rata hitung sampel ke-i

Pada umumnya besarnya rata-rata populasi tidak diketahui, dan

yang bisa dihitung adalah besarnya kesalahan sampling dan rata-
rata hitung sampel .
 Sebuah kasus perhitungan rata-rata sampel 𝑥ҧ TPA dari 3 kelompok
sampel yang diambil dari populasi yang sama dan ternyata
mengasilkan 3 buah 𝑥ҧ yang berbeda.
Jika penarik sampel dilakukan secara terus menerus, misalnya
sampai 100 kelompok sampel, maka berapakah 𝑥ҧ yang bebeda-
beda dihasilkan?
Akan dihasilkan 100 𝑥ҧ yang berbeda-beda dari 100 sampel
Distribusi Rata-rata hitung sampel (𝑥)ҧ tersebut dapat pula dibuat menjadi
distribusi, dan hal ini disebut sebagai distribusi sampling rata-rata
Statistik hitung yang merupakan salah satu dari sekian distribusi statistik.
Semakin banyak jumlah sampel (mendekati jumlah populasi) yang
digunakan, maka nilai rata-rata hitung sampel (𝑥)ҧ akan semakin
mendekati nilai rata-rata hitung populasi (𝜇). Karena perhitungan 𝜇
dirumuskan sebagai berikut:

𝑥ҧ1 + 𝑥ҧ2 + 𝑥ҧ3 + ⋯ + 𝑥ҧ𝑛

𝜇=
𝑛
 Selain rata-rata hitung, berdasarkan distribusi statistik tersebut
dapat juga dihitung simpangan bakunya dengan rumus sebagai
berikut:
𝛴 𝑥𝑖 − 𝑥ҧ 2
𝑆=
𝑁
Sedangkan untuk menghitung simpangan baku rata-rata hitung
Distribusi (𝑆𝑥ҧ ) digunakan rumus sebagai berikut:
Statistik
𝑆
𝑆𝑥ҧ =
𝑁−1
Keterangan:
S : Simpangan baku yang dihitung dari data mentah
N : Jumlah subjek sempel
 Contoh:
Sebuah TPA (Tes Potensi Akademik) terhadap mahasiswa baru
memiliki data hasil pengukuran yaitu 𝑥ҧ = 105,57, S = 7,286 dan N =
100. Berdasarkan data tersebut hitunglah besar simapangan baku
rata-rata hitungnya!

𝑆 7,286 7,286 7,286

𝑆𝑥ҧ = = = = = 0,732
Distribusi 𝑁−1 100 − 1 99 9,95

Statistik

Hasil perhitungan simpangan baku rata-rata hitung tersebut

kemudian dipergunakan untuk menaksirkan letak angka rata-rata
hitung parametrik ( 𝜇 ). Cara penaksiran letak 𝜇 dengan
menggunakan interval kepercayaan.
 Inetrval kepercayaan merupakan rentang bilangan dari angka dan
ke angka tertentu yang didalamnya diperkirakan letak kemungkinan
bilangan 𝜇 berada.
Penaksiran terhadap 𝜇 dilakukan berdasarkan 𝑥ҧ dan 𝑆𝑥ҧ yang telah
diketahui. Penaksiran letak 𝜇 pada umumnya menggunakan taraf
signifikansi 5% dan 1%.
Estimasi letak harga 𝜇 dengan taraf signifikansi 5% dan 1% dapat
Interval dituliskan dengan rumus-rumus sebagai berikut:
Kepercayaan 𝜇 = 𝑥ҧ ± 1,96 𝑆𝑥ҧ untuk signifikansi 5%
𝜇 = 𝑥ҧ ± 2,58 𝑆𝑥ҧ untuk signifikansi 1%
 Inetrval kepercayaan merupakan rentang bilangan dari angka dan ke
angka tertentu yang didalamnya diperkirakan letak kemungkinan
bilangan 𝜇 berada.
Penaksiran terhadap 𝜇 dilakukan berdasarkan 𝑥ҧ dan 𝑆𝑥ҧ yang telah
diketahui. Penaksiran letak 𝜇 pada umumnya menggunakan taraf
signifikansi 5% dan 1%.
Penaksiran yang mempergunakan taraf signifikansi 5% artinya dengan
mempergunakan nilai Z-tabel 1,96 maka memiliki kemungkinan daerah
Interval probabilitas penerimaan 95% dan kemungkinan penolakan atau salah
sebesar 5%. Begitu pula dengan taraf signifikansi 1%.
Kepercayaan Namun dari kedua taraf signifikansi, taraf 1% lebih dapat
dipertanggungjawabkan karena besarnya daerah penolakan hanya
memiliki kemungkinan 1%.
Estimasi letak harga 𝜇 dengan taraf signifikansi 5% dan 1% dapat
dituliskan dengan rumus-rumus sebagai berikut:
𝜇 = 𝑥ҧ ± 1,96 𝑆𝑥ҧ untuk signifikansi 5%
𝜇 = 𝑥ҧ ± 2,58 𝑆𝑥ҧ untuk signifikansi 1%
 Contoh:
Sebuah TPA (Tes Potensi Akademik) terhadap mahasiswa baru
memiliki data hasil pengukuran yaitu 𝑥ҧ = 105,57, S = 7,286, N = 100
dan 𝑆𝑥ҧ = 0,732. Berdasarkan data tersebut hitunglah interval
kepercayaan dengan taraf signifikansi 5% dan 1%.
Taraf signifikansi 5%
𝜇 = 𝑥ҧ ± 1,96 𝑆𝑥ҧ
Interval 𝜇 = 105,57 ± 1,96 0,732
Kepercayaan 𝜇 = 105,57 ± 1,43472
𝜇 = 105,57 − 1,43472 − 105,57 + 1,43472
𝜇 = 104,135 − 107,005
Artinya kemungkinan nilai terendah 𝜇 adalah 104,135 dan
kemungkinan nilai tertinggi 𝜇 adalah 107,005 (niali 𝜇 terletak
diantara nilai 104,135 samapai dengan nilai 107,005).
 Taraf signifikansi 1%
𝜇 = 𝑥ҧ ± 2,58 𝑆𝑥ҧ
𝜇 = 105,57 ± 2,58 0,732
𝜇 = 105,57 ± 1,88856
𝜇 = 105,57 − 1,88856 − 105,57 + 1,88856
Interval 𝜇 = 103,68 − 107,46

Kepercayaan Artinya kemungkinan nilai terendah 𝜇 adalah 103,68 dan

kemungkinan nilai tertinggi 𝜇 adalah 107,46 (niali 𝜇 terletak
diantara nilai 103,68 samapai dengan nilai 107,46).
 Gambar daerah penerimaan probabilitas letak 𝜇

Interval
Kepercayaan
SEKIAN