TEORI PENDUGAAN STATISTIK

1
 Pengertian dan Kegunaan

 Teori Pendugaan adalah suatu proses dengan

menggunakan statistik sampel untuk menduga
parameter populasi
 Hasil pendugaan diharapkan mendekati kebenaran
dengan parameter populasinya
 Terdapat 2 Pendugaan; pendugaan titik (point
estimator) dan pendugaan interval

2
 Pendugaan titik Parameter Populasi
 Pendugaan titik (point estimator) adalah pendugaan
dengan menggunakan satu nilai saja untuk menduga
parameter
 Penduga titik menggunakan nilai tengah maupun
standart deviasi (sd)
 Ingat rata-rata atau nilai tengah penduga sampel (𝑋ത ),
sedangkan untuk parameter (),
 Proporsi untuk penduka sampel p sedangkan untuk
parameter P (Nilai parameter adalah nilai sebenarnya
dari populasi)

3
PENDUGA TUNGGAL (Penduga Titik)

𝑋ത atau sd = f( X1, X2, …, X n) Varians Populasi

di mana: 2
𝑋ത = 1 Xi 2
σ 𝑋−𝜇
𝜎 =
n 𝑁
𝑋ത = 1 (X1 + X2 + … + X n) Standart deviasi populasi
n
Standar deviasi merupakan akar dari varians dimana
σ 𝑋−𝜇 2
Varians sampel ; 𝜎=
𝑁
s2 = 1  (Xi - 𝑋ത ) 2 Rumus lain
n-1
Standar deviasi sampel;
s = 1 {(X1 - 𝑋ത ) 2 + (X2 - 𝑋ത ) 2 + … + (Xn - 𝑋ത ) 2}
2

n-1 Jika N dan σ diketahui

Standar deviasi sampel;  Nn
s
ത 2
σ(𝑋 − 𝑋) n N 1
𝑠=
𝑛−1
Standar deviasi sampel;
f( X 2)
f( X 3) N tidak diketahui, σ
f(X1)
diketahui

s 
n
4
SIFAT-SIFAT PENDUGA

 Penduga Tidak Bias

Penduga titik dikatakan tidak bias (unbiased estimator) jika sampel random
yang berasal dari populasi, nilai rata-ratanya atau nilai harapan (expexted
value, 𝑋ത ) yang didapat sama dengan parameter populasi () atau dapat
dilambangkan dengan E(𝑋ത ) = .

E( ഥ𝑋 ) = E( 𝑋ത )  

Gambar A Penduga Bersifat Tidak Bias Gambar B Penduga Bersifat Bias 5

 Penduga Efisien
Penduga yang efisien (efficient estimator) adalah penduga yang tidak bias dan
mempunyai varians terkecil (sx2) dari penduga-penduga lainnya.

 Penduga Konsisten
ത yang
Penduga yang konsisten (consistent estimator) adalah nilai dugaan (𝑋)
semakin mendekati nilai yang sebenarnya  dengan semakin bertambahnya
jumlah sampel (n).

6
Pendugaan Interval

• Pendugaan interval adalah menggunakan jarak

di mana suatu parameter populasi mungkin
berada.
• Hal ini didasarkan pada pertimbangan bahwa
nilai dugaan tidak mungkin dapat dipercaya
100% karena di peroleh dari sampel
• Pendugaan interval (Inteval keyakinan)
dibatasi oleh dua nilai yaitu batas bawah dan
batas atas

7
LETAK INTERVAL PENDUGAAN
(s – Zc/2.sx < P < s + Zc/2.sx ) = C

Di mana:

C : Probabilitas atau tingkat keyakinan yang dalam praktek sudah

ditentukan dahulu (Berada antara 0-1), semakin mendekati 1 semakin baik
s – Zsx : Nilai batas bawah keyakinan
s + Zsx : Nilai batas atas keyakinan
P : Nilai Parameter populasi yang tidak diketahui
s : Nilai statistik yang merupakan penduga parameter populasi (P)
Z : Nilai yang ditentukan oleh probabilitas yang berhubungan
dengan pendugaan interval.
Nilai Z diperoleh dari tabel luas di bawah kurva normal (tabel kurva normal
lampiran 2)
sx : Standar Error/kesalahan standar dari rata-rata hitung sampel

8
Nilai C

Berada dikisaran 0 sampa 1 (100%)

Semakin mendekati 1 maka semakin baik interval keyakinan nya

Misal C= 0,95 (interval keyakinannya 95%)

ini berarti 95 % interval yang disusun akan memuat nilai parameter
sesuai yang diduga

Misal C= 0,99 (interval keyakinannya 99%)

ini berarti 99 % interval yang disusun akan memuat nilai parameter
sesuai yang diduga
 Menentukan nilai Z pada C = ? %

Menggunakan contoh diatas adalah misal C = 95% dan 99%

0,50 0,50
X
X X X
X X 95% X 0,X4750
0, 4750
X X X X X X
X
0, 4950 X X X 99% X X X 0, 4950

0=

• Nilai C= 0,95 apabila dibagi menjadi dua bagian simetris maka

menjadi 0,95/2 = 0,4750

• Nilai C = 0,99, maka jika dibagi dua bagian maka luas nya sebelah
kan dan juga kiri sama 0,99/2 = 0,4950,
• Nilai C= 0,95 apabila dibagi
menjadi dua bagian
simetris maka menjadi
0,95/2 = 0,4750 Apabila
digunakan tabel luas di
bawah kurva normal
probabilitas 0,4750 maka
akan diperoleh nilai Z
sebesar 1,96 (angka kiri 1,9
dan angka atas 0,06 klo ke
dua angka kita gabung
menjadi 1,96)

• Nilai C = 0,99, maka jika

dibagi dua luasnya 0,99/2 =
0,4950, dalam tabel luas
dibawah kurva normal
0,4950 nilainya Z= 2,58.
(dengan cara yang sama
dilihat dihalaman 2
lampiran 2)
 0,50 0,50

0,4750 (0,95/2)
0,95 0,4750 (0,95/2)

0,4950 (0,99/2) 0,99 0,4950 (0,99/2)

Z= -2,58 Z= -1,96 0 Z= 1,96 Z= 2,58

• Nilai C= 0,95 maka luas nya dibagi menjadi dua bagian simetris maka
0,95/2 = 0,4750 Apabila digunakan tabel luas di awah kurva normal
probabilitas 0,4750 maka akan diperoleh nilai Z sebesar 1,96.
• Nilai C = 0,99, maka maka jika kita bagi dua 0,99/2 = 0,4950,
dilihat pada tabel luas dibawah kurva normal probablitas 0,4950 diperoleh nilai Z=
2,58.

Maka interval untuk

• Tingkat keyakinan 95% interval pendugaan terletak pada (s – 1,96.sx < P < s + 1,96.sx )
• Tingkat keyakinan 99% interval pendugaan terletak pada (s – 2,58.sx < P < s + 2,58.sx )
12
Kesalahan Standar (Standart error_ Sx)
Standart error dari rata-rata hitung sampel
adalah standar deviasi distribusi sampel
dari rata-rata hitung sampel. Kesalahan
standar dari rata-rata hitung sampel
dirumuskan:
Untuk Populasi tidak terbatas N tidak
diketahui atau (jika N diketahui tapi
nilai n/N < 0,05
Contoh:
Standart deviasi laba dari 488 emiten periode
januari-september 2013 adalah Rp. 1.657
miliar. Jika diambel sampel 20 perusahaan
yang melaporkan kinerja keuangannya maka
hitung standart errornya.
Diketahu ;
σ = 1,657 m
N = 488

sx  
n = 20

n Maka n/N = 20/488 = 0,04 lebih kecil 0,05

Populasi terbatas untuk N diketahui, Maka populasinya tidak terbatas sehingga
𝜎 1,657 𝑚
dan jika n/N> 0,05: 𝑆𝑥 = = = 𝑅𝑝. 370,52 𝑚
𝑛 20
 Nn
s
n N 1 Apabila sampelnya diambil 40 maka n/N =
40/488 = 0,082 lebih besar 0,05
Di mana: Maka populasinya terbatas sehingga
 : Standar deviasi populasi 𝜎 𝑁−𝑛 1,657 𝑚 488−40
𝑆𝑥 = 𝑛 𝑁−1
= 40 488−1
=
sx : Standar error / kesalahan standar
n : Jumlah atau ukuran sampel 𝑅𝑝. 355,33 𝑚
N : Jumlah atau ukuran populasi
13
Standar deviasi sampel (Sx) jika Standart deviasi populasi (σ )
tidak diketahui nilainya
Standar error untuk populasi tidak
terbatas atau terbatas tetapi n/N < 0,05

𝑠 Diketahui :
𝑆𝑥 = N = 120
𝑛
n = 10
Standar error untuk populasi yang 𝑋ത = 26% dari penerimaan
terbatas dan n/N > 0,05: Standart deviasi sampel S = 6 %
𝑠 𝑁−𝑛
𝑆𝑥 = Maka
𝑛 𝑁−1 n/N = 10/120 = 0,08 lebih besar dari
0,05 populasinya terbatas (σ tdk
Contoh : diketahui)
Tahun 2011 untuk mengetahui Fee Base 𝑆 𝑁−𝑛
𝑆𝑥 =
Income (FBI) perbankan nasional dari 120 𝑛 𝑁−1
bank nasional diambil 10 bank sebagai 0,06 120−10
sampel. Dari kesepuluh bank tersebut rata- =
10 120−1
ratanya FBI nya 26% dari total penerimaan. = 0,016 𝑥 0,961 = 0,0154
Dan standart deviasinya 6%. Hitung
Standart Error!
14
INTERVAL KEYAKINAN RATA-RATA

SKEMA PROSES INTERVAL

KEYAKINAN Populasi Tidak Terbatas
X  Z/2 s/n

Menentukan
Mulai sampel (n) dan Menentukan Keyakinan(C
Identifikasi nilai rata-rata
atau = (1 – C) dan Nilai Z
masalah X

Populasi Terbatas
X Z
/2 s/(N - n)/N-1 15
 Interval keyakinan untuk rata-rata hitung dirumuskan

(𝑋ത  Z /2 . Sx) = C

Interval keyakinan tersebut dapat digambarkan sebagai

berikut: = 1 – c

Misal C = 0,95
Batas bawah Maka
Batas atas
 = 1-0,95= 0,05
C=1- Τ = 0,05Τ = 0,025
2 2
ൗ ൗ (daerah berwarna hijau)
2 2 Daerah putih
-Z /2  Z /2 = 0,5 – 0,025 = 0,4750
Nilai parameter yang sebenarnya diharapkan adan terdapat pada
interval 1 -  dengan batas bawah –Z  /2 dan batas atas Z  /2.
16
Interval keyakinan untuk rata-rata hitung dirumuskan
(𝑋ത – Z/2 Sx <  < (𝑋ത + Z/2 Sx) = C
Di mana:

C : Tingkat keyakinan
𝑋ത : Rata-rata dari sampel
Z/2 : Nilai Z dari tingkat kepercayaan C atau  dimana  = (1 – C)
 : Rata-rata populasi yang diduga
Sx : Standar error / kesalahan standar dari rata-rata hitung sampel

Distribusi Normal dan standart deviasi populasi (σ) diketahui

Standar deviasi sampel untuk populasi tidak terbatas atau n/N < 0,05

sx 
n

Standar deviasi sampel untuk populasi terbatas, dimana n/N < 0,05
 N n
s 
x n N 1

17
Contoh ; penyusunan interval untuk nilai rata-rata
Pada pengamatan triwulan pertama tahun 2013 standar deviasi suku bunga deposito
(IDR) untuk jangka waktu 12 bulan adalah 2,25%. Untuk melihat pergerakan lebih
lanjut maka diambel sampel bank 10 dari 128 bank yang ada di Indonesia. Hasilnya
ternyata diperoleh rata-rata suku bunga deposito 3,77% buatlah interval kepercayaan
dengan tingkat keyakinan 95%

Diketahui;
Standart deviasi populasi σ = 2,25%
N = 128
n = 10
Rata-rata sampel 𝑋ത = 3,77

Maka;
Nilai Z untuk C = 95% luasnya 0,95/2 = 0,4750 adalah 1,96
n/N = 10/128 = 0,078 lebih besar dari 0,05 (populasi terbatas)
𝜎 𝑁−𝑛 2,25 128−10
σ diketahui maka 𝑆𝑥 = = = 0,712𝑥 0,964 = 0,686
𝑛 𝑁−1 10 128−1

Sehingga interval yang kemungkinan memuat Rata-rata populasi berada di daerah:

(𝑋ത - Z.Sx < µ < 𝑋ത + Z Sx) = 95%
3,77 – 1,96 . 0,686 < µ < 3,77 + 1,96. 0,686
2,43 <µ < 5,11

Jadi 95% probabilitas tingkat suku bunga deposito bank jangka waktu 12 bulan untuk
3 bulan pertama nanti akan berada dalam interval 2,43 <µ < 5,11
Distribusi Normal dan standart deviasi populasi (σ) tidak diketahui
Karena σ tidak diketahui maka diduga dengan s sehingga variabel random
tidak mengikuti distribusi normal. Variabel randomm mempunyai
distribusi yang dinakan distribusi t-student

Standart deviasi sampel Untuk populasi tidak terbatas atau terbatas dengan
n/N < 0,05
s
𝑆𝑥 =
𝑛
Standart deviasi sampel Untuk populasi terbatas dengan n/N < 0,05
s 𝑁−𝑛
𝑆𝑥 = .
𝑛 𝑁−1

Interval keyakinan untuk rata-rata hitung dirumuskan

(𝑋ത – t/2 Sx <  < (𝑋ത + t/2 Sx) = C
Di mana:
C : Tingkat keyakinan
𝑋ത : Rata-rata dari sampel
t/2 : Nilai t dari tingkat kepercayaan  dimana  = (1 – C) dengan df = n-1
 : Rata-rata populasi yang diduga
Sx : Standar error / kesalahan standar dari rata-rata hitung sampel

Note : lihat tabel t pada lampiran 4 19

Distribusi sampling mendekati normal dan standart deviasi populasi (σ) tidak diketahui
Pada kasus distribusi sampling mendekati normal dan standart populasi
tidak diketahui. Dan kita tidak yakin apakah distribusi normal atau tidak
normal maka jika sampel kita mendekati 30 maka distribusi akan mendekati
normal sehingga:
Standart deviasi sampel Untuk populasi tidak terbatas atau terbatas dengan
n/N < 0,05
𝑆
𝑆𝑥 =
𝑛
Standart deviasi sampel Untuk populasi terbatas dengan n/N < 0,05
𝑆 𝑁−𝑛
𝑆𝑥 = .
𝑛 𝑁−1

Interval keyakinan untuk rata-rata hitung dirumuskan

(𝑋ത – Z/2 Sx <  < (𝑋ത + Z/2 Sx) = C
Di mana:
C : Tingkat keyakinan
𝑋ത : Rata-rata dari sampel
Z/2 : Nilai Z dari tingkat kepercayaan C atau  = (1 – C)
 : Rata-rata populasi yang diduga
Sx : Standar error / kesalahan standar dari rata-rata hitung sampel
21
INTERVAL KEYAKINAN PROPORSI

• Proporsi menunjukan prosentase

• Proporsi memiliki distribusi sampling yang
bersifat normal
• Merupakan penduga tidak bias dari proporsi
populasi
• Teori dan prosedur pendugaan sama dengan
pendygaan pada rata-rata hitumg sampel

22
Untuk populasi yang tidak terbatas

p( 1  p ) N n
Sp 
n1 N 1

Untuk populasi yang terbatas

p(1  p)
Sp 
n1
Bentuk pendugaan proporsi populasi dirumuskan sebagai berikut:
Probabilitas (p - Z/2.Sp<P< p + Z/2.Sp)

Di mana:
p : Proporsi sampel
Z/2: Nilai Z dari tingkat keyakinan 
P :Proporsi populasi yang diduga
Sp : Standar error/kesalahan dari proporsi
C :Tingkat keyakinan
 :1 – C
23
 Contoh : hal 63