INTERVAL KEPERCAYAAN DAN UKURAN SAMPEL

Salah satu aspek dari statistik inferensial adalah estimasi, yaitu proses
memperkirakan nilai suatu parameter dari informasi yang diperoleh dari suatu
sampel. Karena populasi dari mana nilai-nilai ini diperoleh besar, nilai-nilai ini
hanya perkiraan dari parameter yang sebenarnya dan berasal dari data yang
dikumpulkan dari sampel.
Prosedur statistik untuk memperkirakan mean populasi, proporsi, varians, dan
standar deviasi akan dijelaskan dalam bagian ini. Sebuah pertanyaan penting
dalam estimasi adalah ukuran sampel. Berapa besar sampel yang harus diambil
untuk membuat perkiraan yang akurat? Pertanyaan ini tidak mudah dijawab
karena ukuran sampel tergantung pada beberapa faktor, seperti akurasi yang
diinginkan dan kemungkinan membuat perkiraan yang benar. Pertanyaan tentang
ukuran sampel akan dijelaskan dalam bab ini juga.
Teknik statistik inferensial memiliki berbagai asumsi yang harus dipenuhi
sebelum dapat diperoleh kesimpulan yang valid. Salah satu asumsi umum adalah
bahwa sampel harus dipilih secara acak. Asumsi umum lainnya adalah bahwa
ukuran sampel harus lebih besar atau sama dengan 30 atau populasi harus
berdistribusi normal atau mendekati normal jika ukuran sampel kurang dari 30.

1. Interval Keyakinan untuk Mean Ketika σ Diketahui

Tujuan utama dari bagian ini adalah untuk menunjukkan prosedur memperkirakan
nilai rata-rata populasi yang tidak diketahui ketika standar deviasi populasi
diketahui.
Misalkan seorang pimpinan perguruan tinggi (PT) ingin memperkirakan usia rata-
rata mahasiswa yang menghadiri kelas semester ini. Pimpinan PT dapat memilih
sampel acak dari 100 mahasiswa dan menemukan usia rata-rata mahasiswa ini,
katakanlah, 22,3 tahun. Dari rata-rata sampel, pimpinan PT dapat menyimpulkan
bahwa usia rata-rata semua mahasiswa adalah 22,3 tahun. Jenis estimasi ini
disebut estimasi titik.

Estimasi titik adalah estimasi nilai numerik spesifik dari suatu parameter.
Estimasi titik terbaik dari mean populasi adalah mean sampel X .

Ukuran sampel (yaitu, statistik) digunakan untuk memperkirakan ukuran populasi

(yaitu, parameter). Statistik ini disebut estimator. Seperti yang dinyatakan
sebelumnya, rata-rata sampel adalah penduga yang lebih baik dari rata-rata
populasi daripada median sampel atau mode sampel.

1
 Penaksir yang baik harus memenuhi tiga sifat yang dijelaskan selanjutnya.
Tiga Sifat Penaksir yang Baik
1. Penaksir harus merupakan penaksir tak bias. Artinya, nilai yang diharapkan
atau rata-rata dari estimasi yang diperoleh dari sampel dengan ukuran tertentu
sama dengan parameter yang diestimasi.
2. Penaksir harus konsisten. Untuk estimator yang konsisten, dengan
bertambahnya ukuran sampel, nilai estimator mendekati nilai parameter yang
diestimasi.
3. Penaksir harus merupakan penaksir yang relatif efisien. Artinya, dari semua
statistik yang dapat digunakan untuk mengestimasi suatu parameter, estimator
yang relatif efisien memiliki varians yang paling kecil.

Interval kepercayaan (confidence interval)

Rata-rata sampel akan agak berbeda dari rata-rata populasi karena kesalahan
pengambilan sampel. Oleh karena itu, Anda mungkin mengajukan pertanyaan
kedua: Tidak ada cara untuk mengetahui seberapa dekat perkiraan titik tertentu
dengan rata-rata populasi. Untuk keakuratan perkiraan titik, ahli statistik lebih
memilih jenis estimasi lain, yang disebut estimasi interval.
Estimasi interval suatu parameter adalah interval atau rentang nilai yang
digunakan untuk mengestimasi parameter. Estimasi ini mungkin atau mungkin
tidak mengandung nilai parameter yang diestimasi.

Dalam perkiraan interval, parameter ditentukan sebagai antara dua nilai.

Misalnya, perkiraan interval untuk usia rata-rata semua siswa mungkin 21,9 < 𝜇 <
22,7, atau 22,3 ± 0,4 tahun. Entah interval berisi parameter atau tidak. Tingkat
kepercayaan (biasanya persen) harus ditetapkan sebelum perkiraan interval dibuat.
Misalnya, Anda mungkin ingin yakin 95% bahwa interval tersebut berisi rata-rata
populasi yang sebenarnya.

Pertanyaan lain kemudian muncul. Mengapa 95%? Mengapa tidak 99 atau 99,5%?
Jika Anda ingin lebih percaya diri, seperti 99 atau 99,5% percaya diri, maka Anda
harus membuat interval yang lebih besar. Misalnya, interval kepercayaan 99%
untuk usia rata-rata mahasiswa mungkin 21,7 < 𝜇 < 22,9, atau 22,3 ± 0,6. Oleh
karena itu, terjadi pertukaran. Untuk lebih yakin bahwa interval berisi rata-rata
populasi sebenarnya, Anda harus membuat interval lebih lebar.

Tingkat kepercayaan dari penaksir interval suatu parameter adalah probabilitas

bahwa penduga interval akan berisi parameter, dengan asumsi bahwa sejumlah
besar sampel dipilih dan bahwa proses pendugaan pada parameter yang sama
diulang.

2
Interval kepercayaan adalah estimasi interval spesifik dari parameter yang
ditentukan dengan menggunakan data yang diperoleh dari sampel dan dengan
menggunakan tingkat keyakinan spesifik dari estimasi.
Interval yang dibangun dengan cara ini disebut interval kepercayaan. Tiga
interval kepercayaan umum digunakan: interval kepercayaan 90%, 95%, dan 99%.

Teorema batas pusat menyatakan bahwa ketika ukuran sampel besar, kira-kira
95% rata-rata sampel dari sampel berukuran sama yang diambil dari suatu
populasi akan berada dalam ± 1,96 kesalahan standar rata-rata populasi, yaitu,

Sekarang, jika rata-rata sampel tertentu dipilih, katakanlah, X , ada probabilitas

95% bahwa interval μ ±1,96 ( )σ

√n
memuat X . Demikian juga, ada probabilitas

95% bahwa interval yang ditentukan oleh :

( )
X ± 1,96
σ
√n
akan berisi 𝜇, seperti yang akan ditunjukkan nanti. Dinyatakan dengan cara lain,
X −1,96( ) σ
√n ( )
< μ< X +1,96
σ
√n

Oleh karena itu, kita dapat 95% yakin bahwa rata-rata populasi terkandung dalam
interval tersebut ketika nilai-nilai variabel terdistribusi secara normal dalam
populasi.
Nilai yang digunakan untuk interval kepercayaan 95%, 1,96, diperoleh dari Tabel
Z. Untuk interval kepercayaan 99%, nilai 2,58 digunakan sebagai pengganti 1,96
dalam rumus.

Karena interval kepercayaan lainnya digunakan dalam statistik, simbol zα/2

digunakan dalam rumus umum untuk interval kepercayaan. Huruf Yunani (alfa)
mewakili luas total di kedua ekor kurva distribusi normal standar, dan α/2
mewakili luas di masing-masing ekor. Nilai zα/2 disebut nilai kritis.

Hubungan antara dan tingkat kepercayaan adalah bahwa tingkat kepercayaan yang
dinyatakan adalah persentase yang setara dengan nilai desimal 1−α, dan
sebaliknya. Ketika interval kepercayaan 95% akan ditemukan, α = 0,05, karena
1−0,05 = 0,95, atau 95%.
Ketika α = 0,01, maka 1− α = 1− 0,01 = 0,99, dan interval kepercayaan 99%
sedang dihitung.

3
 Rumus untuk interval keyakinan dari mean untuk α (alpha) tertentu
untuk σ diketahui
X −Z α /2
σ
( )
√n
< μ< X +Z α /2
( )
σ
√n

Istilah Z α/2 ( √σn ) disebut margin of error (juga disebut error maksimum dari
penaksiran). Untuk nilai tertentu, katakanlah, = 0,05, 95% rata-rata sampel akan
berada dalam nilai kesalahan ini di kedua sisi rata-rata populasi, seperti yang
dijelaskan sebelumnya. Lihat Gambar 1.

Margin of error, juga disebut error maksimum dari penaksiran, adalah

kemungkinan perbedaan maksimum antara estimasi titik suatu parameter dan nilai
sebenarnya dari parameter tersebut.

Gambar 1 : 95% interval kepercayaan

Asumsi untuk menemukan interval keyakinan untuk Mean ketika σ

diketahui
1. Sampel adalah sampel acak.
2. Baik n ≥ 30 atau populasi terdistribusi normal jika n < 30.

Asumsi akan dinyatakan dalam soal-soal latihan, tetapi asumsi harus sering
diperiksa untuk melihat bahwa asumsi ini telah terpenuhi sebelum melanjutkan.
Beberapa teknik statistik disebut robust. Artinya distribusi variabel agak
menyimpang dari normalitas, dan masih dapat diperoleh kesimpulan yang valid.

Contoh 1 : Hari yang Dibutuhkan untuk Menjual Aveo

Seorang peneliti ingin memperkirakan jumlah hari yang dibutuhkan dealer mobil
untuk menjual Chevrolet Aveo. Sebuah sampel acak dari 50 mobil memiliki
waktu rata-rata di tempat dealer selama 54 hari. Asumsikan simpangan baku
populasi menjadi 6,0 hari. Temukan waktu terbaik dari mean populasi dan interval
kepercayaan 95% dari mean populasi.

4
 Solusi
Estimasi titik terbaik dari mean populasi adalah 54 hari. Untuk interval
kepercayaan 95% gunakan z = 1,96.

Oleh karena itu, seseorang dapat mengatakan dengan keyakinan 95% bahwa
interval antara 52,3 dan 55,7 hari memang mengandung rata-rata populasi,
berdasarkan sampel 50 mobil.

Contoh 2 : Jumlah Pasien

Sebuah pusat perawatan darurat yang besar dengan 4 dokter menemukan bahwa
mereka dapat melihat rata-rata 18 pasien per jam. Asumsikan simpangan bakunya
adalah 3,2. Sebuah sampel acak dari 42 jam dipilih. Tentukan selang kepercayaan
99% dari mean!

Solusi
Estimasi titik terbaik dari mean populasi adalah 18. Tingkat kepercayaan 99%
adalah

Ukuran Sampel
Rumus untuk ukuran sampel diturunkan dari rumus margin of error.

dan rumus ini diselesaikan untuk n sebagai berikut:

5
 di mana E adalah margin kesalahan. Jika perlu, bulatkan jawaban untuk
mendapatkan bilangan bulat.
Artinya, jika ada pecahan atau bagian desimal dalam jawaban, gunakan bilangan
bulat berikutnya untuk ukuran sampel n.

Contoh 3 : Pencurian Mobil

Seorang sosiolog ingin memperkirakan jumlah rata-rata pencurian mobil di
sebuah kota besar per hari dalam 2 mobil. Dia ingin menjadi 99% percaya diri,
dan dari studi sebelumnya standar deviasi ditemukan menjadi 4,2. Berapa hari
yang harus dia pilih untuk survei?

Solusi
Karena = 0,01 (atau 1 0,99), zα/2 = 2,58 dan E = 2. Substitusi ke dalam rumus :

Bulatkan nilainya menjadi 30. Oleh karena itu, agar 99% yakin bahwa perkiraan
berada dalam 2 mobil dari rata-rata yang sebenarnya, sosiolog perlu mengambil
sampel pencurian setidaknya selama 30 hari.

2. Interval Keyakinan untuk Mean Ketika σ Tidak Diketahui

Jika σ diketahui dan ukuran sampel 30 atau lebih, atau populasi terdistribusi
normal jika ukuran sampel kurang dari 30, interval kepercayaan untuk rata-rata
dapat ditemukan dengan menggunakan distribusi z. Akan tetapi, seringkali nilai σ
tidak diketahui, sehingga harus diestimasi dengan menggunakan s, yaitu standar
deviasi sampel. Ketika s digunakan, terutama ketika ukuran sampel kecil, nilai
kritis lebih besar dari nilai zα/2 digunakan dalam interval kepercayaan untuk
menjaga interval pada tingkat tertentu, seperti 95%. Nilai-nilai ini diambil dari
distribusi t Student, yang paling sering disebut distribusi t.
Untuk menggunakan metode ini, sampel harus sampel acak sederhana, dan
populasi dari mana sampel diambil harus berdistribusi normal atau mendekati
normal, atau ukuran sampel harus 30 atau lebih.

6
 Karakteristik Distribusi t

Distribusi t memiliki beberapa karakteristik dari distribusi normal

standar dan berbeda dari yang lain. Distribusi t mirip dengan distribusi
normal standar dengan cara berikut:
1. Berbentuk lonceng.
2. Ini simetris tentang mean.
3. Mean, median, dan modus sama dengan 0 dan terletak di pusat
distribusi.
4. Kurva mendekati tetapi tidak pernah menyentuh sumbu x.
Distribusi t berbeda dari distribusi normal standar dengan cara berikut:
1. Varians lebih besar dari 1.
2. Distribusi t sebenarnya adalah keluarga kurva berdasarkan konsep
derajat kebebasan, yang terkait dengan ukuran sampel.
3. Dengan bertambahnya ukuran sampel, distribusi t mendekati
distribusi normal standar. Lihat Gambar 2.

Gambar 2 : Kurva distribusi t

Banyak distribusi statistik menggunakan konsep derajat kebebasan, dan rumus

untuk menemukan derajat kebebasan bervariasi untuk pengujian statistik yang
berbeda. Derajat kebebasan adalah jumlah nilai yang bebas untuk bervariasi
setelah statistik sampel dihitung, dan mereka memberi tahu peneliti kurva spesifik
mana yang digunakan ketika distribusi terdiri dari keluarga kurva.

Misalnya, jika rata-rata dari 5 nilai adalah 10, maka 4 dari 5 nilai tersebut bebas
untuk bervariasi. Tetapi setelah 4 nilai dipilih, nilai kelima harus berupa bilangan
tertentu untuk mendapatkan jumlah 50, karena 50 ÷ 5 = 10. Oleh karena itu,
derajat kebebasannya adalah 5 − 1 = 4, dan nilai ini memberi tahu peneliti kurva t
mana yang digunakan. Simbol df (dk) akan digunakan untuk derajat kebebasan.
Derajat kebebasan untuk interval kepercayaan untuk rata-rata ditemukan dengan
mengurangkan 1 dari ukuran sampel. Artinya, df = n − 1.

Catatan: Untuk beberapa uji statistik yang digunakan kemudian dalam buku ini,
derajat kebebasan tidak sama dengan n − 1.

7
Contoh 4 :
Temukan nilai tα/2 untuk selang kepercayaan 95% ketika ukuran sampel adalah 22.

Solusi
df = 22 - 1, atau 21. Temukan 21 di kolom kiri dan 95% di baris berlabel
Confidence Intervals. Perpotongan tempat keduanya bertemu memberikan nilai
tα/2, yaitu 2.080. Lihat Gambar 3.

Gambar 3 : Tabel F

Ketika df lebih besar dari 30, mungkin berada di antara dua nilai tabel. Misalnya,
jika df = 68, nilainya antara 65 dan 70. Banyak teks mengatakan untuk
menggunakan nilai terdekat, misalnya, 68 lebih dekat ke 70 daripada 65; namun,
dalam teks ini digunakan pendekatan konservatif. Dalam hal ini, selalu bulatkan
ke bawah ke nilai tabel terdekat. Dalam hal ini, 68 dibulatkan menjadi 65.

Rumus interval kepercayaan spesifik untuk Mean ketika σ tidak

diketahui
X −t α /2
( )
s
√n
< μ< X +t α/ 2
( )
s
√n
Derajat kebebasannya adalah df = n - 1.

Asumsi untuk Menemukan Interval Keyakinan untuk Mean Ketika kσ Tidak

Diketahui
1. Sampel adalah sampel acak.
2. Baik n ≥ 30 atau populasi terdistribusi normal jika n < 30.

Contoh 5 : Suhu di Hari Thanksgiving

Sampel acak suhu tinggi selama 12 Hari Thanksgiving baru-baru ini memiliki
rata-rata 42°F. Asumsikan variabel terdistribusi normal dan simpangan baku suhu

8
 sampel adalah 8°F. Tentukan selang kepercayaan 95% dari rata-rata populasi
untuk suhu.

Solusi
X = 42 s=8 n = 12
Karena kσ tidak diketahui dan s harus menggantikannya, distribusi t (Tabel F)
harus digunakan untuk selang kepercayaan. Jadi, dengan 11 derajat kebebasan, t α/2
= 2,201. Interval kepercayaan 95% dapat ditemukan dengan mengganti rumus:

Oleh karena itu, seseorang dapat yakin 95% bahwa rata-rata populasi untuk suhu
pada Hari Thanksgiving adalah antara 36,92°F dan 47,08°F.

3. Interval Kepercayaan dan Ukuran Sampel untuk Proporsi

Salah satu jenis interval kepercayaan yang paling umum adalah yang
menggunakan proporsi. Banyak studi statistik melibatkan pencarian proporsi
populasi yang memiliki karakteristik tertentu. Pada bagian ini, Anda akan belajar
bagaimana menemukan interval kepercayaan untuk suatu populasi.
Proporsi dapat diperoleh dari sampel atau populasi. Simbol berikut akan
digunakan.

Simbol yang digunakan dalam notasi Proporsi

p = proporsi populasi
^p (baca “p hat”) = proporsi sampel

Untuk proporsi sampel,

x n−x
^p= dan q^ = atau q^ =1− ^p
n n

dimana
X = jumlah unit sampel yang memiliki karakteristik yang diinginkan
n = ukuran sampel.

Misalnya, dalam sebuah penelitian, 200 orang ditanya apakah mereka puas
dengan pekerjaan atau profesi mereka; 162 mengatakan puas. Dalam hal ini, n =

9
 x 62
200, X=162, dan ^p= = = 0,81. Dapat dikatakan bahwa untuk sampel ini,
n 200
0,81 atau 81% dari mereka yang disurvei merasa puas dengan pekerjaan atau
profesinya. Proporsi sampel adalah ^p = 0,81.
Proporsi orang yang tidak menanggapi dengan baik ketika ditanya apakah mereka
n−x
puas dengan pekerjaan atau profesi mereka merupakan q^ , di mana q^ = .
n
200−62 38
Untuk survei ini, q^ = =¿ , atau 0,19, atau 19%. Jika ^p dan q^
200 200
dinyatakan dalam desimal atau pecahan, ^p + q^ = 1. Jika ^p dan q^ dinyatakan
dalam persentase, ^p+q^ 100%. Maka, berikut, bahwa q^ = 1 - ^p, atau ^p = 1 - q^ ,
ketika ^p dan q^ dalam bentuk desimal atau pecahan. Untuk sampel survei kepuasan
kerja, q^ juga dapat dicari dengan menggunakan q^ = 1- ^p, atau 1 - 0,81 = 0,19.
Alasan serupa berlaku untuk proporsi populasi; yaitu, p = 1-q, q=1-p, dan p+q=1,
jika p dan q dinyatakan dalam bentuk desimal atau pecahan. Jika p dan q
dinyatakan dalam persentase, p+q=100%, p=100% - q, dan q = 100% - p.

Contoh 6 : Korban Penyerangan

Sebuah sampel acak dari 150 korban penyerangan di sebuah kota besar
menemukan bahwa 45 tidak melakukan tindakan perlindungan diri terhadap
penjahat. Temukan ^p dan q^ , di mana ^p adalah proporsi korban yang tidak
melakukan tindakan perlindungan diri terhadap penjahat.

Solusi
Dalam hal ini, X = 45 dan n = 150.

Juga q^ dapat ditemukan dengan menggunakan rumus q^ = 1 - ^p, Dalam hal ini, q^
=1-0,30 = 0,70. Jadi 70% dari korban menggunakan beberapa tindakan pembelaan
diri terhadap penjahat.

Interval kepercayaan untuk p tertentu didasarkan pada distribusi sampling ^p.

Ketika ukuran sampel n tidak lebih dari 5% dari ukuran populasi, distribusi
sampling ^p mendekati normal dengan rata-rata p dan simpangan baku √ pq /n, di
mana q = 1-p.

Interval keyakinan
Untuk membangun interval kepercayaan tentang proporsi, Anda harus
menggunakan margin kesalahan, yaitu:

10
Interval kepercayaan tentang proporsi harus memenuhi kriteria n ^p ≥5 dan n q^ ≥ 5.

Rumus untuk Interval Keyakinan Spesifik untuk Proporsi

^p−z α /2
dengan n ^p ≥5 dan n q^ ≥ 5
√ ^p q^
n √
< p< ^p + z α / 2
^p q^
n

Asumsi untuk Menemukan Interval Keyakinan untuk Proporsi Populasi

1. Sampel adalah sampel acak.
2. Kondisi percobaan binomial terpenuhi
Contoh 7: Menutupi Biaya Kuliah
Sebuah survei yang dilakukan oleh Sallie Mae dan Gallup terhadap 1404
responden menemukan bahwa 323 siswa membayar pendidikan mereka dengan
pinjaman siswa. Temukan interval kepercayaan 90% dari proporsi sebenarnya dari
siswa yang membayar pendidikan mereka dengan pinjaman siswa.

Solusi
Langkah 1
Tentukan ^p dan q^ .

Langkah 2
Tentukan nilai kritis.

Langkah 3
Substitusikan ke dalam rumus

11
 Oleh karena itu, Anda dapat 90% yakin bahwa persentase siswa yang membayar
pendidikan perguruan tinggi mereka dengan pinjaman mahasiswa adalah antara
21,1 dan 24,9%.

Ukuran sampel untuk proporsi

Rumus ukuran sampel minimum yang dibutuhkan untuk pendugaan

interval dari proporsi populasi

Hasilnya dapat dibulatkan ke atas untuk memperoleh bilangan bulat

Contoh 8: Telepon Jalur Darat

Seorang peneliti ingin memperkirakan, dengan keyakinan 95%, proporsi orang
yang tidak memiliki telepon rumah. Sebuah studi sebelumnya menunjukkan
bahwa 40% dari mereka yang diwawancarai tidak memiliki telepon rumah.
Peneliti ingin akurat dalam 2% dari proporsi yang benar. Temukan ukuran sampel
minimum yang diperlukan.

Solusi
Karena zα/2 = 1,96, E = 0,02, ^p = 0,40, dan q^ = 0,60, maka

yang jika dibulatkan adalah 2305 orang untuk diwawancarai. Jadi peneliti harus
mewawancarai 2305 orang.

4. Interval Keyakinan untuk Varians dan Standar Deviasi

Bagian ini akan menjelaskan bagaimana menemukan interval kepercayaan untuk

varians dan standar deviasi. Dalam statistik, varians dan standar deviasi suatu
variabel sama pentingnya dengan mean. Misalnya, ketika produk yang cocok satu
sama lain (seperti pipa) diproduksi, penting untuk menjaga variasi diameter
produk sekecil mungkin; jika tidak, mereka tidak akan cocok bersama dengan
benar dan harus dibuang. Dalam pembuatan obat, varians dan standar deviasi obat
dalam pil memainkan peran penting dalam memastikan pasien menerima dosis
yang tepat.

12
Untuk alasan ini, interval kepercayaan untuk varians dan standar deviasi adalah
diperlukan. Untuk menghitung interval kepercayaan ini, diperlukan distribusi
statistik baru. Ini disebut distribusi chi-kuadrat. Variabel chi-kuadrat mirip
dengan variabel t dalam distribusinya adalah keluarga kurva berdasarkan jumlah
derajat kebebasan. Simbol untuk chi-kuadrat adalah x 2 (huruf Yunani chi,
diucapkan “ki”). Beberapa distribusi ditunjukkan pada Gambar 4, bersama dengan
s2
derajat kebebasan yang sesuai. Distribusi chi-kuadrat diperoleh dari nilai ( n−1 ) 2
σ
ketika sampel acak dipilih dari populasi yang berdistribusi normal yang
variansnya σ 2.

Variabel chi-kuadrat tidak boleh negatif, dan distribusinya miring ke kanan. Pada
sekitar 100 derajat kebebasan, distribusi chi-kuadrat menjadi agak simetris. Area
di bawah setiap distribusi chi-kuadrat sama dengan 1,00, atau 100%.

Gambar 4 : Keluarga kurva x 2

Gambar 5 : kurva x 2 untuk df = n-1

Karakteristik Distribusi Chi-Kuadrat

1. Semua nilai chi-kuadrat lebih besar dari atau sama dengan 0.
2. Distribusi chi-kuadrat adalah keluarga kurva berdasarkan derajat kebebasan.
3. Luas daerah di bawah setiap kurva distribusi chi-kuadrat sama dengan 1.
4. Distribusi chi-kuadrat miring positif.

13
Contoh 9
Tentukan nilai χ2 kanan dan χ2 kiri untuk selang kepercayaan 90% ketika n = 25.

Solusi
Untuk mencari χ2 kanan, kurangi 1 - 0,90 = 0,10; kemudian bagi 0,10 dengan 2
untuk mendapatkan 0,05. Untuk mencari χ2 kiri, kurangi 1 - 0,05 = 0,95.
Kemudian gunakan kolom 0,95 dan 0,05 dengan d.f. = n − 1 = 25 − 1 = 24. Lihat
Gambar 6.

Gambar 6 : Tabel χ2

Nilai-nilai tersebut adalah

χ2 kanan = 36,415
χ2 kiri = 13,848
Lihatpada Gambar 7.

Gambar 7 : Kurva χ2

Jika angka untuk derajat kebebasan tidak diberikan dalam tabel, gunakan nilai
terendah terdekat dalam tabel. Misalnya, untuk d.f. = 53, gunakan d.f. = 50. Ini
adalah pendekatan konservatif.

Rumus untuk Interval Keyakinan untuk Varians

14
 Rumus untuk Interval Keyakinan untuk Deviasi Standar

Ingat bahwa s2 adalah simbol untuk varians sampel dan s adalah simbol untuk
standar deviasi sampel. Jika soal memberikan deviasi standar sampel s, pastikan
untuk mengkuadratkannya saat Anda menggunakan rumus. Tetapi jika soal
memberikan varians sampel s2, jangan kuadratkan saat Anda menggunakan
rumus, karena varians sudah dalam satuan kuadrat.

Contoh 10 : Usia Wanita

Sebuah penelitian terhadap 30 wanita menemukan standar deviasi usia mereka
adalah 5,2 tahun. Temukan interval kepercayaan 95% dari varians untuk variabel
usia. Asumsikan variabel terdistribusi normal.

Solusi
Karena = 0,05, dua nilai kritis, dengan hormat, untuk tingkat 0,025 dan 0,975
untuk 29 derajat kebebasan adalah 45,722 dan 16,047.
Substitusi ke dalam rumus:

Oleh karena itu, Anda dapat 95% yakin bahwa varians sebenarnya untuk usia
adalah antara 17,2 dan 48,9 tahun.
Untuk simpangan baku, selang kepercayaannya adalah

Oleh karena itu, Anda dapat 95% yakin bahwa standar deviasi sebenarnya dari
variabel usia adalah antara 4,1 dan 7,0 berdasarkan sampel 30 wanita.

15