6 MENAKSIR

6.1 BEBERAPA PENGERTIAN

D. 6. Metode utama
1 Defenisi : yang dibicarakan dalam tulisan ini adalah penaksiran parameter
populasi a.
yangPenaksir
didasarkan sepenuhnya
ialah padayang
suatu nilai informasi
dapat yang diperoleh
diyakini dari sampel
mewakili atau
acak yang diambil dari populasi.
mencirikan parameter. Karena sampel yang diambil memberi berbagai ke-
mungkinan b. cara, maka tak
Penaksir nilaibias
taksiran
ialahpun dapat bermacam-macam
penaksir yang rata-ratanya tergantung sampel
sama dengan
yang diperoleh, oleh karena
parameter. itu orang berusaha mencari sampel yang dianggap mewa-
kili populasi
c. dinamakan sampel representatif.
Penaksir bervariasi minimum ialah penaksir dengan varians ter-
kecil penaksir ini disebut juga penaksir lebih efisiens
d. Penaksir konsisten ialah penaksir yang sifatnya makin mendekati
parameter apabila ukuran sampel yang digunakan menaksir
makin diperbesar.
e. Penaksir terbaik ialah penaksir yang tak bias dan bervarians mi-
nimum.

Bila suatu parameter disimbolkan dengan  , maka penaksirnya lazimnya

diberi symbol ̂ , ada tanda topi di atasnya ( baca  topi ), misalnya parameter rata-
rata μ penaksirnya μ̂ , parameter σ penaksirnya σ̂ .
Menurut defenisi
̂ Penaksir tak bias  bila E( ̂ ) = 
Contoh 6. 1

Buktikanlah bahwa s2 penaksir tak bias parameter σ 2

Bukti :
n n

( x
i =1
i − x ) = [ ( x i − μ ) − ( x - μ ) ]
2

i =1
2

n n
=  ( xi − μ )2 − 2 ( x -μ )  ( xi − μ ) + n ( x − μ )2
i =1 i =1

88
 n
=  ( xi − μ )2 − n ( x − μ )2
i =1
n
E ( s 2 ) = E [(  ( x i − x ) 2 ] / ( n −1) ]
i =1

1 n 
=  E ( x i − x ) − nE ( x − μ ) 
2 2

n −1  i =1 
1 n 2  1
=  σ x i − n σ x  = (n σ 2 − n σ 2 /n)
2

n −1  i =1  n − 1
sebab σ X i i = σ untuk i =1, 2, ....., n dan σ 2x = σ 2 / n
2 2

Walaupun s2 merupakan penaksir tak bias σ 2 , tetapi sebaliknya s merupakan

penaksir yang bias dari σ , dan bias ini menjadi tak berarti jika ukuran sampel besar.
Jadi penaksir yang lebih efisien untuk σ 2 adalah s2 yang bervariasi lebih kecil.
̂ penaksir bervarians minimum bila untuk semua indeks j berlaku
Var  i ( )
ˆ  Var  ˆ ,
j ( )
Gambar 6. 1 menunjukkan sebaran sampel dari empat penaksir,
ˆ dan ̂ 4 dengan varians berbeda
ˆ2, 
̂ 1  3

ˆ2 Var (ˆ )  Var ( 

ˆ )
 2 3

ˆ ˆ
Var (  )  Var (  )
4 1

ˆ 2 dan 
 ˆ 3 berpusat
ˆ ̂
 ˆ adalah
3 4 di  maka  2
̂1 penaksir lebih efisien


Gambar 6. 1. Sebaran sampel berbeda

Karena penaksir terbaik adalah penaksir tak bias dan bervarians terkecil me-
nunjukkan bahwa taksiran suatu parameter tidak hanya satu dan oleh karena mencari
varians terkecil adalah pekerjaan berulang-ulang mengambil sampel dan statistik
yang diperlukan maka taksiran suatu parameter sebaiknya ditunjukkan dengan selang
(interval) yang dapat diyakini bahwa parameter tersebut didalamnya. Keyakinan yang

89
diberikan menerima suatu selang disebut dengan derajat kepercayaan. Derajat ke-
percayaan disajikan dengan suatu angka dinamakan dengan koefisien kepercayaan.
Bila dikatakan kedudukan suatu parameter di antara dua nilai penaksir P dan Q selang
kepercayaan 95%, bahwa parameter berada pada selang dengan batas kedua nilai ter-
sebut, ditulis P (P<  < Q) = 95%, dan tidak diartikan peluang berada diantara P
dan Q adalah 95%, melainkan dengan peluang 0,95 sampel acak yang diambil akan
menghasilkan suatu selang yang mengandung parameter sesungguhnya 
Umumnya bentuk penaksiran adalah P( ˆ −m  ˆ + m) = γ , ̂ adalah
statistik dan γ adalah koefisien kepercayaan. Apabila dari suatu sampel berukuran n
diperoleh  ˆ  yang digunakan dalam penaksiran yang dinamakan sebagai taksir-
0

an titik maka P( ˆ −m  ˆ + m) = γ , bila dihubungkan dengan pertidaksamaan

ˆ − kσ    
chebyshev. P (  ˆ + k σ ) = 1 − 12 . Jadi selang sering dinyatakan
0  0  k

berjarak k simpangan baku sebaran sampel di bawah ̂ 0 dan k simpangan baku

sebaran sampel di atas ̂ 0 . ̂ 0 berfungsi sebagai titik tengah, sedangkan k tergan-
tung . Makin lebar selang kepercayaan makin yakin parameter berada dalam selang
tersebut.

6. 2 MENAKSIR RATAAN

Statistik yang digunakan adalah X , taksiran titik adalah x yang berasal dari
suatu sampel berukuran n,
σ N−n σ n
Sehingga σ x = atau = untuk  0,05 atau n > 30
n N −1 n N
Apabila koefisien kepercayaan  maka dengan anggapan populasi normal
maka maka P(−z 1 γ  z  z 1 γ ) = γ
2 2

x −μ
P(− z 1 γ   z 1γ ) = γ
σx
2 2

P(−z 1 γ σ x  x − μ  z 1 γ σ x ) = γ
2 2

P( x − z 1 γ σ x  μ  x + z 1 γ σ x ) = γ
2 2

Untuk suatu taksiran titik sampel x diperoleh

 N−n N−n 
P  x − z 1 γ (σ / n ) ( )  μ  x + z 1 γ (σ / n ) ( ) = γ
 2 n − 1 2 n − 1 
N−n
Jika n/N < 0,05 atau n > 30, dapat diabaikan atau dianggap mendekati satu
N −1
sehingga

90
 
P x − z 1 γ (σ / n  μ  x + z 1 γ (σ / n = γ
2 2

Bila varians suatu populasi tidak diketahui digunakan s (simpangan baku sam-
pel) sebagai pengganti σ, dan sebaran t sebagai pengganti z, sehingga
 s N−n s N−n
P  x − t 1 (1+ γ ) ; n −1  μ  x + t 1 (1+ γ ) ; n −1 =γ
 2
n N −1 2
n N −1 
Jika ukuran n relative besar terhadap populasi (n/N > 0,05)
 s s 
P  x − t 1 (1+ γ ) ; n −1  μ  x + t 1 (1+ γ ) ; n −1 =γ
 2
n 2
n 
Jadi dalam penaksiran rataan harus diperhatikan sebaran populasi (apakah
populasi memiliki memiliki sebaran normal atau tidak), varians populasi (diketahui
atau tidak), memilih sebaran Z atau T, besarnya n atau perbandingan n terhadap N
(n/N ≤ 0,05 atau n/N > 0,05)

M.1 Menaksir rataan, untuk selang kepercayaan μ

a. σ diketahui, n/N > 0,05
Jika x rataan suatu sample acak berukuran n dari suatu populasi
normal sehingga n/N > 0,05, dengan varians σ2 diketahui, koefisien
kepercayaan  maka selang kepercayaan untuk μ:

σ N−n σ N−n
x − z1γ  μ  x + z1γ
2
n N −1 2
n N −1

b. σ diketahui, n/N ≤ 0,05

σ σ
x −z1γ  μ  x + z1γ
2
n 2
n
c. σ tidak diketahui, n/N > 0,05
Jika x rataan dan s2 varians sample acak berukuran n dari suatu
populasi normal atau hampir normal sehingga n/N > 0,05, dengan
varians σ2 tidak diketahui, koefisien kepercayaan  maka selang
kepercayaan untuk μ:
s N−n s N−n
x − t 1 (1+ γ) ; n −1  μ  x + t 1 (1+ γ) ; n −1
2
n N −1 2
n N −1

91
 d. σ tidak diketahui, n/N ≤ 0,05
Jika x rataan dan s2 varians sampel acak berukuran n dari suatu
populasi normal atau hampir normal sehingga n/N ≤ 0,05, dengan
varians σ2 tidak diketahui, koefisien kepercayaan  maka selang
kepercayaan untuk μ:
s s
x − t 1 (1+ γ) ; n −1  μ  x + t 1 (1+ γ) ; n −1
2
n 2
n

n(x; x, σ x ) n(z; 0,1)

γ
1
(1 − γ)
1
2 (1 − γ)
2

− z 1γ z 1γ Z
2 0 2

σ σ
x − z 1α  x μ  x + z 12 α X
2
n d n
galat d  z 1 α σ
n
2

Gambar 6.2 Luas daerah kurva normal menunjuk penapsiran

untuk μ-x,dengan σ diketahui.

Dengan gambar dapat ditunjukan teorema T.10.1

T.6.1 Jika x dipakai untuk menafsir μ, maka dapat dipercaya  bahwa galat
(d = μ-x) akan
σ
a. Kurang dari z 1 γ .
2 n
b. Lebih dari suatu bilangan g yang ditetapkan sebelumnya asal saja
ukuran sampel
2
 z 1 γσ 
n= 2 
 g 

Jika batas galat telah ditentukan duluan kurang dari suatu bilangan tertentu g,

92
 σ
yang berarti galat mencapai semaksimalnya g = z 1 γ , sehingga seminimalnya n
2
n
= (z 1 γ .σ) 2
2

Contoh 6.2

Seorang peneliti mangambil sebuah sampel acak terdiri dari 50 buah bola lam-
pu neon. Setelah dites ternyata daya tahannya 794 jam. Bila populasi dianggap memi-
liki sebaran normal, tentukannlah taksiran rata-rata daya tahan lampu neon apabila:
a. Simpangan baku populasi diketahui 60 jam.
b. Simpangan baku sampel tersebut dihitung = 59 jam dengan menganggap ba-
hwa σ tidak diketahui.
Jika seandainya peneliti tidak menginginkan galat taksirannya tidak melebihi
dari 7,12 jam tentukanlah
c. Besar sample yang harus diambil peneliti dengan keyakinan 95%

Jawab:

Telah diberitahukan n = 50, σ = 60 dan s = 59, dan x = 794, dalam soal ini
digunakan sebagai titik penaksiran. Jumlah n = 50>30 terhadap semua bola lampu
neon << 0,05 oleh karena itu M.1.b digunakan menjawab pertanyaan a, dan M.1. d.
digunakan untuk menjawab pertanyaan b (σ dianggap tidak diketahui), sedangkan
untuk menjawab pertanyaa c digunakan T.10.1. dengan σ = 60

a. 794 - z 0.475 .60 / 50    794 + z 0.475 .60 / 50

794 – 1,96.60 / 50    794 + 1,96.60 / 50
785,415 < μ < 802,485
Berarti rata-rata daya tahan (masa hidup) lampu antara 785,415 jam dengan
802,485 jam (gambar 6.3)

γ = 0,95
0,025 0,025
− 1,96 0 1,96 Z
785,415  μ  802,485 X
x = 794
Gambar 6.3. Luas daerah kurva normal menunjukkan
penaksir P (785,415 < μ < 802,485) = 0.95

93
b. 795 − t 0,975;49 .59 / 50  μ  795 + t 0,975;49 .59 / 50
795 − 2,011.59 / 50  μ  795 + 2,011.59 / 50
777,220 < μ < 810,780
Berarti peneliti yakin 95% bahwa rata-rata daya tahan populasi lampu neon
berada di antara 777,220 jam dengan 810,780 jam.

γ = 0,95
0,025 0,025
− 2,011 0 2,011 T
777,220  μ  810,780 X
x = 794
Gambar 6.4. Diagram untuk contoh 8.8. b dengan penaksir
P(777,220 < μ < 810,780) = 0,95.

c. Agar tidak terdapat galat taksiran melebihi 1,81 maka ukuran sampel harus meme-
nuhi
n = [ (1,96.60)/7,12]2 = 272,81
sehingga sebaiknya sampel acak sebanyak 273 buah lampu neon.

6.3 MENAKSIR SELISIH RATAAN

Dengan menganalogikan penaksiran selisih rata-rata terhadap penaksiran rata-

rata, dapat disimpulkan penaksiran berikut:

M.2. Menaksir selisih rataan. Untuk selang kepercayaan μ1 – μ2;

σ 12 danσ 22 diketahui
Jika x 1 dan x 2 adalah rataan dua peubah acak bebas ukuran n1
dan n2 dari populasi yang diketahui variansnya σ 12 danσ 22 diketahui
berturut-turut, maka 100% selang kepercayaan untuk μ1 – μ2
diberikan oleh
σ 12 σ 22 σ 12 σ 22
(x 1 − x 2 ) − z 1 γ +  μ 1 − μ 2  (x 1 − x 2 ) + z 1 γ +
2 n1 n 2 2 n1 n 2

94
Akibat M.2

Jika pada M.2. σ 12 = σ 22 = σ maka 100τ% selang kepercayaan untuk μ1 – μ2

adalah
1 1 1 1
(x1 − x 2 ) − z 1 γ σ +  μ 1 − μ 2  (x1 − x 2 ) + z 1 γ σ +
2 n1 n 2 2 n1 n 2

M.3 Menaksir selisih rataan. Untuk selang kepercayaan μ1 – μ2;

σ 12 = σ 22 tidak diketahui, sample ukuran kecil

Jika x 1 dan x 2 adalah rataan dua peubah acak bebas ukuran n1 dan n2
dari populasi yang tidak diketahui variansnya, maka 100% selang
kepercayaan untuk μ1 – μ2 diberikan oleh:
1 1 1 1
(x1 − x 2 ) − t 1 (1+ γ) ; ν s +  μ 1 − μ 2  (x1 − x 2 ) + t 1 (1+ γ) ; ν s +
2 n1 n 2 2 n1 n 2
(n 1 − 1)s 12 + (n 2 − 1)s 22
s = 2
(Varians gabungan)
n1 + n 2 − 2
Derajat bebas ν = n1 + n 2 − 2

M.4 Menaksir selisih rataan. Untuk selang kepercayaan μ1 – μ2,

σ 12  σ 22 tidak diketahui, ukuran sample kecil.

Jika x 1 dan x 2 adalah rataan dan varians dua sampel acak bebas
berukuran n1 dan n2 berturut-turut dari populasi hampir normal
yang variansnya tidak sama dan tidak diketahui, maka 100% se-
lang kepercayaan untuk μ1 – μ2 diberikan oleh

s 12 s 22 s2 s2
( x1 − x 2 ) − t 1 ( 1+ γ )
+  μ 1 − μ 2  ( x 1 − x 2 ) + t 1 ( 1+ γ ) 1 + 2
2 n1 n 2 2 n1 n 2
(s 12 /n 1 + s 22 /n 2 )
Dengan derajat bebas: ν=
[(s 12 /n 1 ) 2 /(n 1 − 1)] + [(s 12 /n 2 ) 2 /(n 2 − 1)]

ν jarang bilangan bulat; lakukan pendekatan

bilangan bulat terdekat

95
 M.5 Menaksir selisih rataan. Untuk selang kepercayaan μ1 – μ2;
σ 12  σ 22 tidak diketahui, ukuran sample cukup besar.

Jika x 1 dan x 2 adalah rataan dan varians dua sampel acak bebas
berukuran n1 dan n2 berturut-turut dari populasi hampir normal
yang variansnya tidak sama dan tidak diketahui, maka 100% selang
kepercayaan untuk μ1 – μ2 diberikan oleh:

s 12 s 22 s2 s2
(x 1 − x 2 ) − z 1 γ
+  μ 1 − μ 2  (x 1 − x 2 ) + z 1 γ 1 + 2
2 n1 n 2 2 n1 n 2

Contoh 6.3.

Suatu ujian teori probabilitas yang dibakukan diberikan kepada 50 orang

mahasiswi dan 75 mahasiswa. Mahasiswi mendapat rataan skor 76 dan mahasiswa
82. tentukanlah 95% selang kepercayaan selisih rata-rata skor mahasiswi dengan
mahasiswa apabila
a. Melalui pengalaman bahwa simpangan baku skor untuk mahasiswi adalah 6
dan mahasiswa adalah 8.
b. Simpangan baku populasi tidak diketahui tetapi mahasiswi dan mahasiswa
berasal dari satu populasi, dan simpangan baku sampel mahasiswi adalah 6
dan sampel mahasiswa adalah 8.
c. Simpangan baku populasi untuk mahasiswi dan mahasiswa berbeda dan tidak
diketahui, sedang simpangan baku sampel mahasiswi adalah 6 dan sampel
mahasiwa adalah 8.

Jawab:

Berilah indeks 1 menyatakan mahasiswa dan indeks 2 menyatakan mahasiswi

sehingga n1= 75, n2 = 50, x1 = 82, dan x 2 = 76, sedangkan  = 95 %. Jadi taksiran titik
untuk μ1 – μ2 ialah x1 − x 2 = 82 − 76 = 6
a. Pertanyaan a memberi keterangan tentang simpangan baku untuk populasi σ1=
8, σ2 = 6, sehingga untuk menaksir selisih rata-rata menggunakan rumus M.2.
z 1 = z 0, 475 = 1,96
γ
2

s12 s 22 s12 s 22
(x1 − x 2 ) − z 1 γ
+  μ1 − μ 2  (x1 − x 2 ) + z 1 γ +
2 n1 n 2 2 n1 n 2

96
 64 36 64 36
6 − 1,96 +  μ1 − μ 2  6 + 1,96 +
75 50 75 50
3,542  μ1 − μ 2  8,458

b. Pertanyaan b memberi keterangan bahwa varians populasi sama dan tidak di-
ketahui, sedangkan s1=8 dan s2 = 6, sehingga untuk manksir digunakan M.3.
ν = n1 + n 2 − 2 = 75 + 50 − 2 = 123, t 1 (1+ τ); ν = t 0,975;123 = 1,98
2

(n 1 − 1)s + (n 2 − 1)s
2
74.46 + 49.36
2
s2 = 1
= 2
= 52,846;8 = 7,27
n1 + n 2 − 2 123
1 1 1 1
(x1 − x 2 ) − t 1 (1+ γ ); v
s +  μ1 − μ 2  ( x 1 − x 2 ) + t 1 (1+ γ );v s +
2 n1 n 2 2 n1 n 2
1 1 1 1
6 − 1,98.7,27 ( + )  μ 1 − μ 2  6 + 1,98.7,27 ( + )
75 50 75 50

3,386  μ1 − μ 2  8,081

c. Pertanyaan c memberi keterangan bahwa varians populasi berbeda dan tidak

diketahui, sedangkan s1=8 dan s2 = 6, sehingga untuk menaksir digunakan
M.4
s12 s 22 s12 s 22
( x 1 − x 2 ) − t 1 (1+ γ) +  μ 1 − μ 2  ( x 1 − x 2 ) + t 1 (1+ γ) +
2 n1 n 2 2 n1 n 2

s12 / n 1 + s 22 / n 2
Dengan derajat bebas ν =
  
(s12 / n 1 ) 2 /( n 1 − 1) + (s 22 / n 2 ) 2 /( n 2 − 1) 
64 / 75 + 36 / 50
= = 77,225 atau  = 77(pendekatan)
(64 / 75) 2 / 74 + (36 / 50) 2 / 49

t 1/2(1+ γ );v = t 0,957;77 = 1,994

Jadi 6-1,994(64/75+36/50) <µ 1 -µ 2 <6+1,994 (64/75+36/50)

3,501 <µ 1 − µ 2 < 8,498

6.4 MENAKSIR SELISIH RATAAN SAMPEL ACAK BERPASANGAN

Cara lain untuk menaksir selisih rata-rata adalah dengan mengambil dua
sampel acak berpasangan dari dua populasi, misalnya x dan y beturut-turut. Untuk

97
menaksir diperlukan selisih pasangan X-Y =D, rata-rata D dan simpangan baku untuk
D. Misalnya salah satu pengambilan sampel acak seperti diagram gambar 6.5

Sampel Sampel Pasangan Selisih

acak X acak Y X,Y X-Y

x1 y1 x 1 ,y 1 x 1 -y 1 = d 1

x 2 ,y 2 x 2 -y 2 = d 2 Taksiran
x2 y2 titik d

x3 y3 x 3 ,y 3 x 3 -y 3 = d 3 Sim,baku
3

. . sd
. .
. . . .
. . . .
xn yn xn,yn xn-yn= dn

Gambar 6.5. Diagram sampel berpasangan

Dengan anggapan D berasal dari sebaran normal dengan µD dan Varians  2D

tidak diketahui, sehingga 100 % selang kepercayaan µD dapat diturunkan dari
P(−t 1 (1+γ ; n −1  T  t 1 (1+γ ); n −1 ) = γ
2 2

D − μD
dengan T=
Sd
n
P[d − t 1 ( 1 + γ ) ; n - 1 Sd
n
 μ D  d − t 1 (1 + γ ) ; n -1 Sd
n
]= γ
2 2

di mana μˆ D = d , dan σˆ 2D = s d2  S d2

Jadi disimpulkan

M.6. Selang kepercayaan untuk μ D = μ1 − μ 2 pengamatan berpasangan

Jika D da s D adalah rataan dan simpanan baku dari n pengamatan
sampel berpasangan yang memiliki sebaran normal, maka 100%
selang kepercayaan untuk μ D = μ1 − μ 2 adalah
d − t1 (1+ γ) ; n −1
sd / n  μD  d + t 1 (1+ γ); n −1
sd / n
2 2

98
 Σd Σ(d − d ) 2 nΣd 2 − (Σd) 2
d= , s d2 = =
n n −1 n (n − 1)

Contoh 6.4

Untuk melihat benda tinggi loncatan pria dan wanita dari sejumlah pelajar yang
sebaya, tiap pasangan mempunyai pebedaan tinggi dan berat badan yang dapat di-
abaikan. Loncatan dicatat dalam cm sebagai berikut

Tabel 6.1 Tnggi loncatan 10 pasang pria dan wanita

Pasangan Tinggi Tinggi Selisih/ Kwadrat
Pria dan Loncatan Loncatan beda Selisih
Wanita Pria Wanita Loncatan Loncatan
X Y d d2
I 100 98 2 4
II 150 145 5 25
III 156 162 -6 36
IV 125 130 -5 25
V 147 147 0 0
VI 161 149 12 144
VII 149 151 -2 4
VIII 157 160 -3 9
IX 160 159 1 1
X 152 149 3 9
 7 257

Dicari rata-rata selisih loncatan pria dengan wanita dengan derajat kepercayaan 95%.

Jawaban:

Pada tabel telah dilengkapi dengan d = 7 dan d 2 = 257

Taksiran titik adalah d = 0,7
s d2 = (10.257 − 49) /(10.9) = 28,011
s d = 5,29
Untuk  = 0,95 dan derajat kebebasan n-1 = 9 diperoleh
t 1 (1+γ );n −1 = t 0,975;9 = 2,26.
2
Maka selang kepercayaan µ1 - µ2 = µD
0,7 - 2,26.5,29/10 < µD < 0,7 + 2,26.5,29/10
-1,56 < µD < 2,96

99
 Dengan keyakinan 95% selang kepercayaan selisih atau beda loncatan pria de-
ngan wanita dari -1,56 hingga 2,96 cm, selang melalui titik nol yang berarti memberi
kemungkinan selisih rata-rata loncatan nol, sehingga tidak dapat disimpulkan bahwa
yang satu lebih tinggi loncatannya dari yang lain.

6.5. MENAKSIR PROPORSI

Pada suatu percobaan binomial yang terdiri dari suku sukses x/n dan gaga (1-
x/n), statistik x/n adalah proporsi. Misalnya parameter populasi suatu sebaran propor-
si adalah δ, penaksir titik ditentukan oleh statistikx/n.
E(x/n) = E(x)/n = nδ/n = δ, sehingga menurut defenisi D.6.1b. taksiran titik
adalah sampel x/n, atau δ = x/n. Dengan memandang x/n menghampiri normal maka
varians proporsi adalah
σ 2x = σ 2X /n 2 = n δ (1 − δ)/n 2 = δ(1 − δ)/n
n

dan
x/n − δ
P(−z 1 γ
Zz1 γ
= T di mana Z =
2 2 [δ (1 - δ)/n]
x
−
P(− z 1  n
 z 1 γ)= γ
2
γ
δ(1 − δ)/n 2

Selanjutnya dapat diturunkan menjadi

P{(x/n)-z 1 γ  [δ(1-δ)/n] < δ < (x/n) +z 1 γ

 {δ(1-δ)/n]} = t,
2 2

Ternyata nilai parameter δ berada pada semua ruas ketidaksamaan, oleh karena itu
pada ruas kiri dan kanan nilai δ diganti dengan penaksir titik pada sampel δ̂ = x/n,
juga x/n diganti dengan x/n sehingga 100  % selang kepercayaan untuk δ adalah
δ̂(1 − δ̂) δ̂(1 − δ̂)
δ̂ − z 1 γ  δ  δ̂ + z 1 γ
2 n 2 n
Atau
x x
(1 − nx ) x x
(1 − nx )
− z 1γ n
 δ  − z 1γ n

n 2 n n 2 n

M. 7 Selaqng kepercayaan untuk δ, Sampel besar

Jika δ̂ adalah proporsi sukses dalam suatu sampel acak berukuran n,
dan θˆ = 1 - δˆ , suatu hampiran 199 % selang kepercayaan untuk
parameter binomial δ diberikan oleh
δˆ − z δˆ θˆ /n  δ  δˆ + z
1 γ δˆ θˆ /n 1 γ
2 2

100
M.7. dapat digambarkan sebagai berikut
galat

δˆ − z 1 γ
δˆ θˆ /n δ̂ δ δˆ + z 1 γ
δˆ θˆ /n
2 2

Gambar M.7 Galat bila δ ditaksir dengan δ̂

Kelihatan bahwa δ- δ̂  z 1 γ  [δ̂ θ̂/n ] sehingga berlaku memenuhi teorema

2

T.6.2 Teorema Jika δ̂ dipakai sebagai taksiran δ dengan koefisien

kepercayaan  maka galat akan kurang dari z δˆ θˆ /n 1 γ
2

Sebagai pembatasan pada taksiran rata-rata, maka diperlukan ukuran minimal

sampel sehingga galat tidak melebihi suatu angka tertentu, dan ini terjadi untuk batas
g = z 1 γ  [δ̂θ̂/n ] , dan dapat dihitung.
2

T.6.3 Teorema Jika δ̂ dipakai sebagai taksiran δ dengan koefisien

kepercayaan  sehingga galat kurang dari g, maka ukuran sampel
adalah
z 1 γ δˆ θˆ
n = 22
g

Selanjutnya untuk δ̂ yang manapun δ̂θ̂  1

4 sebab δ̂θ̂ = δ̂(1 − δ̂) = −(δ̂ 2 − δ̂)
= 1
4 − (δ̂ − 1 2 ) 2  1 4 sehingga batas n dapat ditentukan.

T.6.3 Teorema Jika δ̂ dipakai sebagai taksiran δ dengan koefisien keeper-

cayaan paling sedikit T sehingga galat kurang dari g, maka ukuran
z1 γ
sampel adalah n = 22
4g

Contoh 6.5

Suatu sampel acak 1200 orang kepala rumah tangga disuatu propinsi sudah
ditemukan 300 orang yang mengikuti program KB,

101
a. Berapa persenkah ditaksir dari seluruh kepala rumah tangga pada propinsi
tersebut mengikuti program KB?
b. Berapakah seharusnya sampel diambil agar taksiran tidak berbeda lebih dari
3% dari proporsi yang sesungguhnya dengan keyakinan 99%

Jawaban:

Yang mengikuti program KB x = 300 sedangkan n = 1200. Jadi taksiran titik

digunakan adalah x/n = 300/1200 = 0,25 = δ̂ dan θ̂ = 0.75 . Jika  = 0,99 diperoleh
z 1 γ = z 0,495 = 2,575 sehingga
2

0,25.0,75 0,25.0,75
a. 0,25 − 2,575  δ  0,25 + 2,575
1200 1200
Jadi dapat diyakini 99% bahwa peserta program KB di propinsi tersebut berada
dalam selang 22% dan 28%.
b. Agar terdapat galat yang tidak melebihi 0,10 dengan keyakinan paling sedikit 99%
maka digunakan T.6.3
(2,575) 2
n= = 1527,51 2
4(0,03) 2
Jadi sebaiknya diambil sampel sebanyak 1528 orang.

6.6 MENAKSIR SELISIH PROPORSI

Misalkan dua populasi binomial dengan parameter 1 dan 2 menyatakan suk-

ses dan gagal θ1=1- 1 dan θ2 =1- 2, dan titik penaksiran diberikan oleh statistik
x x
P̂1 = 1 dan P̂2 = 2
n1 n2
Dengan memperhatikan cara penurunan M.7 dan menggunakan T.4.14 dan
T.4.15 dengan koefisien kepercayaan  diharapkan pembaca dapat menurunkan

(ˆ1 − ˆ 2 ) − (s1 − s 2 )
P( − z 1   z1 γ) = γ
2
γ
(s1θ1 / n 1 ) + (s 2 θ 2 / n 21 ) 2

Dan dengan menggunakan data sampel acak sebagai penaksir gantilah

P̂1dengan x 1 / n = δ̂1 , P̂2 dengan x 2 / n = δ̂ 2 , δ1 , θ1` , δ 2 , θ 2 padapenyeb utdengan ŝ1 , θ̂1` , ŝ 2 , θ̂ 2

sehingga diperoleh M.8.

102
 M.8 Selang kepercayaan untuk 1- 2, sampel besar

Jika δ̂1 dan δ̂ 2 adalah proporsi sukses dalam sampel acak berukuran n1
dan n2 berturut-turut, θ1=1- 1 dan θ2 =1- 2, suatu hampiran  se-lang
kepercayaan untuk selisih dua parameter binominal 1- 2 diberi-kan
oleh:

sˆ 1 .θˆ 1 sˆ 2 .θˆ 2 sˆ .θˆ sˆ .θˆ

(sˆ 1 − sˆ 2 ) − z 1 γ +  s 1 − s 2  (sˆ 1 − sˆ 2 ) + z 1 γ 1 1 + 2 2
2 n1 n2 2 n1 n2

Contoh 6.6:

Dari dua sampel yang terdiri dari 600 orang guru dan 400 orang pedagang
didapat 450 orang guru dan 100 orang pedagang yang menabung uangnya ke suatu
bank. Berapakah 95% selang kepercayaan perbedaan proporsi guru dengan pedagang
yang menabung uang ke bank?

Jawaban:

n1 = 600 n2 = 400
1 = 450/600 = 0,75 2 = 100/400 = 0,25
θ1=1-0,75 = 0,25 θ2 = 1-0,25 = 0,75

0,75.0,25 0,25.0,75
σ̂ sp
2
= +
600 400
= 0,00078125
σ sp = 0,02795

Jadi selisih proporsi guru dengan pedagang manabung uangnya di bank berada dalam
selang 0,445 < 1- 2 < 0,555.

6.7 MENAKSIR SIMPANGAN BAKU

Walaupun s2 penaksir tak bias untuk σ2, tetapi s merupakan penaksir bias un-
tuk σ. Untuk sampel besar s dapat dipakai menaksir σ.
Menurut T.4.18 untuk populasi yang memiliki sebaran normal (n-1)s2/ σ2
memiliki sebaran 2, sehingga

103
 χ 21 γ ; n −1
 (n − 1)s 2 / σ 2  χ 21 (1+ γ ); n - 1
2 2

1 1
 σ 2 /( n − 1)s 2 
χ 2
1 (1+ ) ; n - 1 χ 2
1  ; n -1
2 2

M.9 Selang kepercayaan untuk σ2, populasi normal

Jika s2 adalah varians dari suatu sampel acak berukuran n yang
diambil dari populasi normal maka 100 % selang kepercayaan untuk
σ2 diberikan oleh:
(n − 1)s 2 (n − 1)s 2
σ  2
2

χ 21 (1+ γγ; n - 1 χ 1 γ ;n -1
2 2
Untuk menaksir  adalah dengan mengakar sebagai berikut
(n − 1)s 2 (n − 1)s 2
 σ 
χ 21 (1+ γγ; n - 1 χ 21 γ ; n - 1
2 2

Contoh 6.7

Varians nilai 40 orang mahsiswa dalam mata kuliah A yang dipilih secara
acak adalah 100. Tentukanlah dalam koefisien kepercayaan 95% selang kepercayaan
untuk varians nilai mahasiswa pada mata kuliah A.

Jawab:

Ukuran sampel n = 40, s2 = 100, sedangkan untuk  = 0,05 diperoleh nilai

 0.025;39 = 23,64 dan 2 0.755;39 = 59,07 (dengan interpolasi), sehingga
2

39.100 39.100 atau 66,023< σ 2 < 164,975 dan

 σ2 
23,64 59,07
8,125 <  < 12,844

Jadi 95% selang kepercayaan untuk 2 dapat diyakini bahwa varians berada
dalam selang antara 66,023 dengan 164,975, dan simpangan baku berada dalam se-
lang antara 8,125 dengan 12,844.

104
6.8. MENAKSIR NISBAH (PERBANDINGAN) DUA VARIANS

Bila σ12 dan σ 22 adalah varians dua populasi maka yang dimaksud dalam topik
σ 12
ini adalah menaksir perbandingan 2
σ2

σ 12
M.10 Selang kepercayaan untuk , populasi normal
σ 22
Misalkan s 12 dan s 22 adalah varians dua sampel acak bebas berukuran
n1 dan n2 yang berasal dari dua populasi normal yang variansnya ber-
turut σ 12 dan σ 22 maka dengan keyakinan 100% selang kepercayaan
σ 12
untuk 2 adalah
σ2
s 12 1 σ 12 s 12 1
 2  2
s 2 f 1 2(1 − γ); (ν 1 , ν 2 ) σ 2 s 2 f 1 2(1 + γ); (ν 1 , ν 2 )
2

Derajat bebas adalah 1 = n1 – 1 dan 2 = n2 - 1

σ 22 S12
Menurut T.4.25 memiliki sebaran F, sehingga dalam keyakinan 100%,
σ 12 S 22
σ 22S12
P[f 2 (1+ γ); ν , ν2
  f 2 (1− γ); ν , ν ] = γ
2 1
σ12S 22 2 1 2

Derajat bebas
1 = n1-1
2 = n2-1
γ
1
2 (1 − γ) 1
2 (1 − γ)
F
f 1 (1+ γ ) f 1 (1− γ )
2 2

Gambar 6.6 P[f 2 (1+ γ); ν1 , ν 2  F  f 2 (1− γ); ν1 , ν 2 ] = γ

2 2

Dengan menggunakan sifat-sifat ketaksamaan aljabar biasa pada ketaksamaan dalam

[ ]dapat diturunkan menjadi:

105
 S12 1 σ12 S12 1
P[   2 ]= γ
S 2 f 1 (1 - γ ) ; 1 , 2 σ 2 S 2 f 1 (1 + γ ) ; 1 , 2
2 2
2 2

1
Dan menurut T.4.24 = f 1 ( 1 - γ ) ; , 1
sehingga dapat ditulis
f 1 (1 + γ ) ;  1 , 2
2 2

S12 1 σ12 S12

P[ 2  2  2 f 1 (1- γ ) ; ν , ν = γ
S2 f 1 (1 + γ ) ; ν1 , ν 2
σ 2 S2 2 2 1

s122 S122
Untuk dua sampel dengan varians s dan s , taksiran titik 2 menggantikan 2
1 2
s2 S2
diperoleh M.10.

Contoh 6.8

Dengan koefisien kepercayaan 90% carilah taksiran untuk perbandingan

varians mahasiswi dengan mahasiswa pada contoh 6.3.b.

Jawab:

n1= 50 dan n2 = 76 sedang s1= 6 dan s2 = 8, karena  = 90% maka f 0, 05; 49, 75 =1,534 dan
f 0, 05;75, 49 =1,576. Jadi selang kepercayaan yang diminta
36 1 σ 2 36 σ2
 12  1,576 atau 0,376  12  0,887
64 1,1534 σ 2 64 σ2

6.9. BATAS TOLERANSI

Jika pengambilan sampel dilakukan berulang kali hingga semua taksiran titik
terjadi maka penaksiran juga memberikan selang yang berbeda-beda. Memang
diharapkan selang memuat parameter yang ditaksir yang nilainya tunggal, tetapi harus
diakui bahwa tidak semua selang mengandung parameter tersebut. Dalam suatu taraf
keyakinan tertentu, berapa proporsi dari semua pengukuran dalam suatu selang yang
disebut selang toleransi dalam batas tertentu yang disebut batas toleransi. Selang
toleransi lebih panjang dari pada selang kepercayaan dalam taraf keyakinan yang
sama.
Perhatikanlah pengambilan sampel berukuran n dari suatu populasi normal
dengan selang kepercayaan untuk μ pada gambar di bawah ini.

106
 x1 − z 1 γ σ
n
x1 x1 + z 1 γ σ
n
2 2

x2 − z1 γ σ
n
x2 x2 + z1 γ σ
n
x3 − z 1 γ σ
n
x3 x3 + z 1 γ σ
n
2 2 2 2

x4 − z1 γ σ
n
x4 x4 + z1 γ σ
n
2 2

x5 − z 1 γ σ
n
x5 x5 + z 1 γ σ
n
2 2

x6 − z1 γ σ
x6 x6 + z1 γ σ
2
n 2
n
x7 − z1 γ σ
n
x7 x7 + z1 γ σ
n
2 2

x8 − z 1 γ σ
n
x8 x8 + z 1 γ σ
n
2 2

x9 − z 1 γ σ
n
x9 x9 + z 1 γ σ
n
2 2

x 10 − z 1 γ σ
n
x 10 x 10 + z 1 γ σ
n
2 2

μ − z 1 γσ μ μ + z 1 γσ
2 2

Gambar 6.7. Taksiran selang untuk μ dan batas toleransi

Diperlihatkan dari gambar 6.7, tidak semua selang yang memuat μ, oleh
karena itu dengan memperluas selang akan memberi harapan μ terjangkau atau
didekati oleh selang dan ini diharapkan berada pada selang toleransi yang lebih
panjang dari selang kepercayaan untuk μ pada taraf tertentu. Jika  dan  di ketahui
maka batas toleransi adalah μ  z 1 γ . Batas toleransi dapat sebagai M. 11.
2

M.11 Batas toleransi, sebaran normal,  dan  tidak diketahui.

Untuk pengukuran yang memiliki sebaran normal dengan ratarata 
dan simpangan baku  tidak diketahui, batas toleransi diberikan
oleh x = ks, k ditentukan sedemikian rupa sehingga dapat ditegaskan
dengan 100 kepercayaan bahwa batas tersebut mengandung
paling sedikit  proporsi pengukuran.

Untuk memudahkan perhitungan nilai k telah disusun sebuah tabel faktor

toleransi sebarab normal khusus dalam keyakinan  = 0,90 , 0,95, 0,99, ;  = 0,95,
0,99 dan untuk beberapa nilai n dari 2 sampai 1000. (terlampir)

107
Contoh 6.9
 = 0,95

0,90 0,95 0,99
2 32,019 37,674 48,430 Untuk  = 0,95
3 8,380 9,916 12,861  = 0,99
… … … … sampel acak berukuran
... … … … n = 17 dari populasi
17 2,400 2,858 3,375 diperoleh k = 3,754
… … … …
… … … …
1000 1,709 2,036 2,676

Contoh 6.10

Suatu sampel A berukuran 17 hasil dari sebuah pencobaan memberikan x =

2,085 dan s = 0,035. Carilah batas toleransi 95% yang akan mengandumg 99% A
dalam percobaan bila dianggap A berasal dari populasi hampir normal.

Jawab:

x = 2,085, s = 0,035 dan untuk n = 17,  = 0,95 dan  = 0 99 diperoleh k =

3,754, sehingga batas toleransi 95% diberikan oleh

2,085  3,754 . 0,035 = 2,085  0,13139

Angka ini berarti bahwa selang toleransi dari 1,954 sampai 2,216 akan me-
ngandung paling sedikit 99% A dalam percobaan tersebut dengan keyakinan 95%.

108