Kuliah Statistika Dasar

PENDUGAAN
PARAMETER
 PENGANTAR
• Statistik digunakan untuk menduga parameter.
• Besaran nilai µ dan σ2 adalah parameter, berturut-turut
merupakan nilai tengah populasi dan ragam populasi.
• Untuk menduga parameter µ digunakan statistik nilai
ത sedangkan untuk menduga
tengah sampel (𝑥ҧ atau 𝑌)
parameter σ2 digunakan statistik ragam atau varian
sampel (s2).

Pendugaan parameter diwujudkan dalam pembentukan

selang kepercayaan (Confidence Interval) , karena
hampir tidak pernah ditemukan nilai statistik tepat sama
dengan nilai parameter.
 Kriteria penduga yang baik:

Tidak bias: statistik sampel yang digunakan sebagai

penduga harus sama atau mendekati populasi yang diduga.

Konsisten: jika ukuran sampel meningkat maka statistik

sampel akan semakin mendekati parameter populasinya.
Atau jika n (jumlah sampel) membesar maka s (standar
deviasi) mengecil, dan jika n = ~ maka s = 0

Efisien: statistik sampel memiliki standar deviasi

yang kecil
PENDUGAAN YANG PALING EFISIEN →
Ragamnya terkecil

µ
PENDUGAAN PALING EFISIEN → Ragamnya terkecil

B
PENDUGAAN PALING EFISIEN →
Ragamnya terkecil

µ
Walpole =31&35 & 36
PENDUGAAN PARAMETER
Pendugaan parameter didasarkan pada sebuah dalil penarikan contoh yang
dikenal sebagai Dalil Limit Pusat (Central Limit Theorem): bahwa nilai
tengah contoh (Ῡ) dari populasi bersebaran apapun yang bernilai tengah µ
dan beragam σ2, akan memiliki nilai tengah 𝜇𝑌ത = 𝜇, simpangan baku
𝜎
𝜎𝑌ത = 𝑛 dan menyebar normal atau semakin mendekati normal apabila
ukuran contoh n yang diambil semakin besar.

Berdasar dalil tersebut, Ῡ dapat ditransformasi menjadi Z:

ത
𝑌−𝜇
𝑍=𝜎
ൗ 𝑛
 JENIS-JENIS PENDUGAAN
BERDASARKAN PARAMETERNYA

1. Pendugaan rata-rata
2. Pendugaan proporsi
3. Pendugaan varians
PENDUGAAN PARAMETER
Satu Populasi Dua Populasi

 1
2

 p 2 1 −  2 p1 − p2  2
2

2
s
x p̂ s 2
x1 − x2 pˆ 1 − pˆ 2
1
2
s 2
 TARAF NYATA DAN TARAF KEPERCAYAAN
• Konsep taraf nyata dan taraf kepercayaan sangat penting dalam pendugaan parameter dan
pengujian hipotesis.

• Taraf nyata (α): peluang melakukan kekeliruan, yaitu menolak (kesimpulan) yang benar.
Kekeliruan seperti ini disebut Galat Jenis I (Type I Error).

• Taraf kepercayaan atau selang kepercayaan mempunyai nilai 1 – α: besarnya peluang

menarik kesimpulan yang benar (menolak kesimpulan yang salah).

• Misalkan pada suatu penelitian yang menggunakan α = 0,05 atau 5% disimpulkan bahwa
bahan insektisida tertentu efektif untuk mengendalikan hama.

• Kesimpulan tsb tidak bisa diyakini 100% benar. Kesimpulan itu ditarik dengan taraf
kepercayaan 95% (= 100% – 5%). Artinya ada peluang sebesar 5% bahwa bisa saja
kesimpulan itu keliru. Ringkasnya, taraf kepercayaan adalah peluang bahwa suatu
kesimpulan yang ditarik itu benar sedangkan taraf nyata adalah peluang bahwa
kesimpulan tersebut bisa saja salah.
Selang Kepercayaan (1 -  )
• Didekati dengan distribusi normal (distribusi z atau distribusi t)
• Mempunyai 2 batas: batas atas (kanan) dan batas bawah (kiri)
•  kemudian akan dibagi ke dua sisi: /2 di atas batas atas dan
/2 di bawah batas bawah

Pada sebaran Z, taraf kepercayaan merupakan luas daerah di

bawah kurva di antara –Zα/2 dan Zα/2.

Dengan kata lain, pada taraf kepercayaan 1 – α (atau pada taraf

nyata α), nilai Z terletak pada selang:
–Zα/2 < Z < Zα/2 atau

P (–Zα/2 < Z < Zα/2) = 1 – α

 PENDUGAAN µ DAN PENENTUAN UKURAN
SAMPEL (n)
ത
𝑌−𝜇
𝑍=𝜎
ൗ 𝑛
Pada Sebaran Z, taraf kepercayaan merupakan luas daerah di bawah kurva
di antara –Zα/2 dan Zα/2. Dengan kata lain, pada taraf kepercayaan 1 – α
(atau pada taraf nyata α), nilai Z terletak pada selang –Zα/2 < Z < Zα/2 atau P (–Zα/2 < Z < Zα/2) = 1 – α

ത
𝑌−𝜇
Mensubstitusikan nilai Z pada rumus diperoleh: P (–Zα/2 < 𝜎 < Zα/2) = 1 – α
ൗ 𝑛

Akhirnya diperoleh model pendugaan µ 𝜎 𝜎

P (Ῡ – Zα/2 < µ < Ῡ + Zα/2 )=1–α
𝑛 𝑛
Untuk sampel kecil yang dipilih dari populasi
tidak normal, kita tidak dapat mengharapkan
tingkat kepercayaan akurat. Namun, untuk
sampel berukuran n > 30, dengan bentuk
sebaran yang tidak terlalu miring, teori
sampling menjamin hasil yang baik.
Selang Kepercayaan Nilai Tengah (µ)

1- α

Pada sebaran Z, taraf kepercayaan merupakan luas daerah di bawah kurva di

antara –zα/2 dan zα/2.

Pada taraf kepercayaan 1 – α (atau pada taraf nyata α), nilai Z terletak pada
selang –zα/2 < Z < zα/2 atau P (–Zα/2 < Z < Zα/2) = 1 – α

Rentangan atau selang (interval) –zα/2 < Z < zα/2 itu dikenal sebagai selang
kepercayaan (confidence interval) untuk Z.
Titik Kritis Sebaran Z (n=besar)

Nilai z = p(1-/2)= (1-0,05/2) =(1-0,025) = p(0,975) = ???

…
Nilai  dan selang kepercayaan
yang lazim digunakan:
WALPOLE Halaman 244
Rerata konsentrasi zat seng (zinc) yang diukur dari 36 lokasi (sungai) yang berbeda adalah
2,6 gram per mililiter. Berapakah interval kepercayaan 95% dan 99% untuk rerata konsentrasi
seng rata-rata di sungai tersebut? Diasumsikan bahwa simpangan baku dari konsentrai seng
adalah 0,3 g/mm.

SK 95% ➔ 2,502< µ< 2,698

Excel= Confidence

2,6 - 0,098 < µ<2,6 + 0,098

PENGERTIAN SELANG KEPERCAYAAN 95%
2,502< µ< 2,698
Benar:
Terdapat keyakinan sebesar 95%
bahwa di dalam selang dari 2.502
hingga 2.698 terdapat nilai tengah (µ).
Ini berarti bahwa jika kita memilih
banyak sampel yang berukuran 36 dan
dari masing-masing sampel dibuat
interval kepercayaannya maka 95%
dari interval kepercayaan tersebut
akan berisi nilai rata-rata populasi .
Salah:
Terdapat 95% kemungkinan bahwa
nilai sebenarnya dari nilai tengah (µ)
akan jatuh antara 9798,49 dan
6639,51.
Catatan: parameter populasi (μ )
merupakan nilai yang tetap (fixed),
bukan variabel acak. Jadi, tidak benar
ada 95% kemungkinan bahwa rata-
rata populasi akan “berada" dalam
interval ini.
 Pengertian Selang Kepercayaan 95%
2,502< µ<2,698

Interval ini tidak

mengandung µ

Interval ini tidak

mengandung µ
Dalil (Theorem) 9.1:
Jika nilai 𝑥ҧ digunakan sebagai penduga µ maka kita mempunyai keyakinan sebesar
100(1-α) bahwa errornya tidak lebih dari: 𝜎
𝑧𝛼/2
𝑛

Dalam contoh di atas:

Kita 95% yakin bahwa rerata sampel 𝑥ҧ = 2,26 berbeda dengan nilai
tengah yang sesungguhnya dengan jumlah kurang dari 0,1 dan
99% yakin bahwa perbedaannya kurang dari 0.13.
 𝑲𝑨𝑺𝑼𝑺 𝑫𝑬𝑵𝑮𝑨𝑵 𝝈 𝑻𝑰𝑫𝑨𝑲 𝑫𝑰𝑲𝑬𝑻𝑨𝑯𝑼𝑰
• Seringkali, kita harus memperkirakan rerata
populasi ketika ragamnya tidak diketahui.

• Jika kita memiliki sampel acak yang berdistribusi

normal maka variabel acak:

• Mempunyai distribusi-t Student dengan n-1 derajat

bebas (df).

• S adalah standar deviasi sampel. Dalam situasi ini,

dengan ragam populasi 𝜎 tidak diketahui, T dapat
digunakan untuk menghitung interval kepercayaan
dari µ.
CONTOH PERHITUNGAN
Hasil skor nilai Tes Potensi Akademik (TPA) dari sampel acak 500
siswa mempunyai rata-rata nilai = 501 dan standar deviasi = 112.

Hitunglah interval kepercayaan 99% pada rata-rata skor TPA

tersebut.

Karena ukuran sampel besar (500 siswa) maka digunakan

pendekatan distribusi normal. Dengan table diperoleh nilai
z0.005 = 2.575. Sehingga CI 99% untuk μ adalah:

   
P X − z / 2    X + z / 2  = (1 −  )
 n n
https://www.geogebra.org/t/statistics
https://www.geogebra.org/m/gsC8gAYX#material/j6pSWAVF