STATISTIKA

SESI 2
PARAMETER ESTIMATION
Inferential Statistics
• Statistikan inferensial adalah bagian ilmu statistika yang mempelajari metode-metode yang dapat
digunakan untuk mengambil kesimpulan terhadap suatu populasi berbasis data yang diperoleh
dari sampel.

• Contoh metode:
• Confidence Interval; metode untuk mengestimasi nilai parameter populasi menggunakan nilai statistik
dari sampel.

• Hypothesis Testing; metode untuk menguji kesahihan dari suatu dugaan (hypothesis) terhadap
parameter dari populasi menggunakan nilai statistik dari sampel.
Sampling
Sampling adalah proses memilih sebagian
anggota populasi untuk dijadikan sampel POPULASI
(Ukuran N)

• Probability Sampling
• Simple Random Sampling
• Systematic Sampling
• Stratified Sampling
• Cluster Sampling

• Non Probability Sampling Sampel

• Convenience Sampling (ukuran n)
• Judgmental (Purposive) Sampling
• Snowball Sampling
Estimasi Parameter
• Statistics yang diperoleh dari sampel digunakan
sebagai estimator dari parameter populasi
• Syarat estimator yang baik adalah tidak bias POPULASI
(nilai expected value dari estimator sama dengan (Ukuran N)
nilai parameter)

Sampel
(ukuran n)

Contoh statistics (estimator atau sampling): Contoh parameter:

𝑥ҧ Point estimate tidak akurat, 𝜇

𝑝 sebaiknya gunakan interval
estimate (buat perkiraan rentang 𝜋
nilai parameter)
𝑠 𝜎
Sampling Distribution dan Central Limit
Theorem
• Sampling distribution adalah bentuk distribusi (histogram atau polygon) dari ukuran-ukuran yang
diperoleh dari sampel (statistics)
• Central Limit Theorem menyatakan:
• sampling distribution dari sample means (𝑥)ҧ akan menyerupai distribusi normal ketika
ukuran sampel (n) semakin besar;
• di mana nilai expected value dari sample mean sama dengan nilai mean dari parameternya
(𝑥ҧ = 𝜇);
𝜎
• dan nilai standar deviasi dari sample mean sebagai berikut 𝜎𝑥ҧ =
𝑛

• apapun bentuk dari distribusi nilai x di dalam populasinya.

Sampling Distribution dan Central Limit
Theorem

https://www.pinterest.com/pin/656962664383161337/
Bahan Pak Martoyo
Manfaat Central Limit Theorem
• CLT menjadi dasar untuk membuat perkiraan rentang nilai parameter dengan
memasukkan unsur tingkat keyakinan (probabilitas akurasi perkiraan di
dalamnya).
• Rentang perkiraan nilai parameter yang mengandung unsur tingkat keyakinan
di dalamnya disebut dengan Confidence Interval (Interval Keyakinan)
 Confidence Interval
Rumus Confidence Interval untuk mean populasi Rumus Confidence Interval untuk proporsi populasi

𝜎 𝑁−𝑛 𝑝× 1−𝑝 𝑁−𝑛

𝜇 = 𝑥ҧ ± 𝑧 × × 𝜇 =𝑝±𝑧 × ×
𝑛 𝑁−1 𝑛 𝑁−1

𝑠 𝑁−𝑛 𝑝 × 100 − 𝑝 𝑁−𝑛

𝜇 = 𝑥ҧ ± 𝑡 × × 𝜇 =𝑝±𝑧 × ×
𝑁−1 𝑛 𝑁−1
𝑛

• Rumus yang di atas digunakan bila σ diketahui atau bila • Rumus yang di atas digunakan bila p dinyatakan dalam
n cukup besar desimal
• Rumus yang di bawah digunakan bila σ tidak diketahui • Rumus yang di bawah digunakan bila p dinyatakan
dan n kecil dalam persentase
𝑁−𝑛 𝑁−𝑛
• Faktor koreksi digunakan bila N diketahui • Faktor koreksi digunakan bila N diketahui
𝑁−1 𝑁−1
Confidence Level
• Confidence level (CL) menunjukkan seberapa besar probabilitas nilai parameter yang di-estimasi akan
berada dalam rentang perkiraan yang dibuat bila proses sampling dilakukan berulang-ulang.
• Lawan dari confidence level adalah probabilitas nilai parameter yang di-estimasi tidak berada dalam rentang
perkiraan yang dibuat; Lambang yang digunakan untuk menunjukkan probabilitas ini biasanya adalah α.
Nilai z dan t
• Nilai z atau nilai t merupakan angka konstanta tertentu yang terkait dengan tingkat keyakinan yang ingin dicapai
• Daftar nilai z dan hubungannya dengan tingkat keyakinan dapat diperoleh dari tabel standard normal
distribution
• Daftar nila t dan hubungannya dengan tingkat keyakinan dapat diperoleh dari tabel student’s t distribution
• Berikut contoh nilai z dan tingkat keyakinan yang umum digunakan

Bahan Pak Martoyo

 Tabel Standard Normal Distribution
Lihat file standardnormaltable

https://www.dummies.com/education/math/statistics/how-to-find-probabilities-for-z-with-the-z-table/
Tabel Student’s t Distribution
Lihat file t-table
Latihan
(sumber bahan Pak Martoyo)
Anda bermaksud melakukan penelitian untuk mengetahui rata-rata
pendapatan per bulan para pemulung di Jakarta. Untuk itu Anda
mengambil sample 144 orang pemulung. Ternyata rata-rata
pendapatannya per bulan adalah Rp 700.000,- dengan standar
deviasi Rp 80.000,-. Dengan  = 10%, berapa rata-rata pendapatan
pemulung di Jakarta?
Latihan
(sumber bahan Pak Martoyo)
Untuk mengetahui rata-rata berat ayam kampung dari suatu
peternakan ayam kampung, Anda mengambil sample 81 ekor
ayam. Ternyata rata-rata beratnya adalah 0,9 kg dengan
standard deviasi 0,135 kg. Dengan  = 1%, berapa rata-rata
berat ayam dari peternakan tersebut?
Latihan
(sumber bahan Pak Martoyo)
Untuk mengetahui berapa persen paku cacat yang dihasilkan
suatu mesin pembuat paku, Anda mengambil sample 2000
batang paku . Ternyata terdapat 50 batang paku yang cacat.
Dengan  = 5%, berapa persen paku cacat yang dihasilkan
dari mesin tersebut?
Latihan
(sumber bahan Pak Martoyo)
Ada dua kandidat gubernur pada suatu propinsi, yaitu Pak Ali dan
Pak Badu. Untuk memperkirakan siapa yang bakal menjadi
pemenang, Anda mengambil sample dua ribu orang yang telah
Anda pilih secara acak dari berbagai kabupaten. Ternyata
terdapat 1.140 orang yang memilih Pak Ali. Dengan  = 10%,
berapa persen perkiraan suara yang bisa diperoleh Pak Ali pada
penyelenggaraan pilkada?
Latihan
(sumber bahan Pak Martoyo)
Untuk mengetahui rata-rata bobot buah alpukat di suatu kebun,
Anda mengambil 15 butir yang dipilih secara acak. Ternyata rata-
rata bobotnya 550 gram dengan standard deviasi 40 gram,
Dengan α = 0,05, berapa rata-rata bobot buah alpukat di kebun
tersebut?
Menentukan Ukuran Sampel
(sumber bahan Pak Martoyo)
(𝑝)(100 −𝑝)
π=p ± Z 𝑛

σ (𝑝)(100 −𝑝)
E=Z E=Z
𝑛 𝑛
𝑍. σ
𝑛= (𝑝)(100 −𝑝)
𝐸 E2 = Z2 𝑛
𝑍.σ 2 𝑍 2
𝑛= n = (𝐸) (𝑝)(100 − 𝑝)
𝐸
Karena belum ada p  diambil
p = 50
𝑍 2
n = (2500)
𝐸
Latihan
(sumber bahan Pak Martoyo)
Anda berencana melakukan survai untuk mengetahui berapa
persen penduduk Jakarta yang berencana memilih Partai Kancil.
Saat ini Anda sama sekali belum mempunyai gambaran tentang
angka tersebut. Anda hanya berharap agar kalau terjadi kesalahan
perkiraan, kesalahan tersebut tidak lebih dari 0,5%. Dengan  =
5%, berapa jumlah sampel yang sebaiknya diambil?