STATISTIKA TERAPAN:

Pertemuan 1-2
Oleh: Agung Priyo Utomo
Bahan Kuliah untuk Program D-IV Jurusan
Transportasi Darat
STTD

Agung PU - agung@stis.ac.id 1
SAMPLING DAN DISTRIBUSI
SAMPLING
CAKUPAN MATERI:
n  Sampel Acak Sederhana (Simple Random Sampling
– SRS)
n  Estimasi Titik (Point Estimation)
n  Distribusi Sampling untuk Rata-rata
n  Distribusi Sampling untuk Proporsi
n  Sifat Penaksir (estimator) Titik
n  Estimasi Interval (Interval Estimation)

Agung PU - agung@stis.ac.id 2
INFERENSIA STATISTIK

n  Tujuan dari inferensia statistik adalah untuk

memperoleh informasi tentang populasi berdasarkan
informasi sampel.
n  Populasi adalah kumpulan dari seluruh obyek yang
diamati.
n  Sampel adalah himpunan bagian dari populasi.
n  Hasil dari sampel adalah nilai estimasi dari
karakteristik populasi.
n  Parameter adalah karakteristik dari populasi.
n  Dengan metode sampling yang sesuai/tepat, sampel
yang terpilih akan menghasil estimator yang “baik”
mengenai karakteristik populasi.
Agung PU - agung@stis.ac.id 3
INFERENSIA STATISTIK (L)

n  Inferensi Statistik meliputi:

1.  Estimasi Parameter, terdiri dari:
n  Estimasi Titik (Point Estimation), yaitu suatu
nilai dari sampel sebagai estimator parameter
n  Estimasi Interval (Interval Estimation), yaitu
suatu interval yang dengan tingkat
kepercayaan tertentu memuat nilai parameter.

2.  Pengujian Hipotesis

Agung PU - agung@stis.ac.id 4
SAMPEL ACAK SEDERHANA
(SIMPLE RANDOM SAMPLING – SRS)

1.  Populasi Terbatas (Finite Population)

–  SRS untuk populasi terbatas berukuran N adalah
sampel yang dipilih sedemikian sehingga masing-
masing kemungkinan sampel berukuran n
memiliki peluang yang sama untuk terpilih.
–  Ada 2 (dua) tipe, yaitu:
n  Dengan Pengembalian (with replacement -
WR)
n  Tanpa Pengembalian (without replacement -
WOR)
Agung PU - agung@stis.ac.id 5
SAMPEL ACAK SEDERHANA
(SIMPLE RANDOM SAMPLING – SRS)

2.  Populasi Tak Terbatas (Infinite Population)

–  SRS dari populasi tak terbatas merupakan
sampel yang dipilih sedemikian sehingga kondisi
berikut terpenuhi:
n  Masing-masing elemen dipilih dari populasi
yang sama
n  Setiap elemen dipilih secara bebas
(independent)

Agung PU - agung@stis.ac.id 6
ESTIMASI TITIK
(POINT ESTIMATION)

n  Dalam estimasi titik kita menggunakan data sampel

untuk menghitung suatu nilai statistik sebagai
estimasi parameter populasi.
n  Contoh:
–  x sebagai estimator titik dari rata-rata populasi,
µ.
–  s sebagai estimator titik dari simpangan baku
populasi, σ.
–  p̂ sebagai estimator titik dari proporsi populasi,
p.
Agung PU - agung@stis.ac.id 7
SAMPLING ERROR

n  Sampling error merupakan perbedaan absolut antara

estimator tak bias (unbiased) dengan paramemter
populasi.
n  Contoh sampling error:
| x − µ | untuk rata-rata sampel
| s − σ | untuk simpangan baku sampel
| p̂ − p | untuk proportsi sampel

Agung PU - agung@stis.ac.id 8
DISTRIBUSI SAMPLING
UNTUK X
n  Proses Inferensi Statistik

Population Sampel Acak sederhana

dg Rata-rata berukuran n dipilih
µ=? dari populasi.

Nilai x digunakan Data sampel

Untuk membuat menghasilkan nilai
inferensi tentang µ. rata-rata sampel x .
Agung PU - agung@stis.ac.id 9
 DISTRIBUSI SAMPLING
UNTUK X (L)
n  Distribusi sampling untuk x adalah distribusi
probabilita dari semua kemungkinan nilai rata-rata
sampel x .
n  Expected Value
E( x ) = µ
dimana µ = rata-rata populasi
n  Simpangan baku dari x
–  Populasi Terbatas Populasi Tak terbatas
σ N−n σ
σx = ( ) σx =
n N −1 n
( N −n )
–  ( N−1) merupakan faktor koreksi
Agung PU - agung@stis.ac.id 10
 DISTRIBUSI SAMPLING
UNTUK X (L)
n  Populasi terbatas diperlakukan seperti populasi tak
terbatas bila n/N < 0,05.
n  σ x merupakan kesalahan baku (standard error) dari
rata-rata.
n  Jika n > 30, Teorema Limit Pusat (central limit
theorem) menyatakan bahwa distribusi sampling
untuk x mendekati distribusi Normal.
n  Jika n < 30), distribusi sampling x dapat diasumsikan
normal jika dan hanya jika populasinya memiliki/
diasumsikan berdistribusi Normal.
Agung PU - agung@stis.ac.id 11
 DISTRIBUSI SAMPLING
UNTUK p̂
n  Distribusi sampling untuk p̂ adalah distribusi
probabilita dari semua kemungkinan nilai proporsi
sampel p̂ .
n  Expected Value
E( p̂ ) = p
dimana p = proporsi populasi
n  Simpangan baku dari p̂
–  Populasi Terbatas Populasi Tak terbatas
p(1 − p) N − n p(1 − p)
σ p̂ = σ p̂ =
n N −1 n

–  σ p̂ merupakan kesalahan baku dari proporsi

Agung PU - agung@stis.ac.id 12
SIFAT PENAKSIR
(ESTIMATOR) TITIK
n  Sebelum menggunakan suatu nilai sampel sebagai
estimator titik, perlu diperiksa apakah nilai sampel
tersebut memenuhi sifat-sifat sebagai estimator yang
baik, yaitu:
a.  Tak bias (Unbiased), yaitu jika nilai harapan dari
estimator sama dengan nilai parameter populasi
yang diestimasi.
b.  Efisien (Efficient), yaitu jika estimator tersebut
memiliki standar error yang paling kecil
dibandingkan estimator tak bias yang lain.
c.  Konsisten (Consistent)
Agung PU - agung@stis.ac.id 13
SIFAT PENAKSIR
(ESTIMATOR) TITIK (L)
c.  Konsisten (Consistent)
Suatu estimator dikatakan memiliki sifat
konsisten, apabila estimator tersebut cenderung
mendekati nilai parameter populasi jika ukuran
sampel ditingkatkan (semakin besar).

Agung PU - agung@stis.ac.id 14
ESTIMASI INTERVAL
(INTERVAL ESTIMATION)
n  Interval kepercayaan untuk rata-rata populasi normal.
Varian populasi diketahui.
Misalkan variabel acak n observasi/sampel dari suatu
populasi berdistribusi normal dengan rata-rata µ dan
varian σ2. Jika σ2 diketahui dan rata-rata sampel yang
diobservasi adalah x maka interval kepercayaan
100(1 – α)% untuk rata-rata populasi adalah:
zα 2 σ zα 2 σ
x− < µ < x+
n n
dimana zα 2 memenuhi
α
P( Z > zα 2 ) =
2
dan Z mempunyai distribusi normal baku.
Agung PU - agung@stis.ac.id 15
ESTIMASI INTERVAL
(INTERVAL ESTIMATION) (L)
n  Interval kepercayaan untuk rata-rata populasi: sampel
dengan ukuran besar
Misalnya n observasi/sampel dari suatu populasi
dengan rata-rata µ. Maka jika n besar, interval
kepercayaan 100(1 – α)% untuk µ adalah:
zα 2 s zα 2 s
x− <µ <x+
n n
dimana s = simpangan baku sampel
Penafsiran ini secara khusus akan tetap sesuai
walaupun distribusi populasi bukan normal.
Agung PU - agung@stis.ac.id 16
DISTRIBUSI t
n  Kurva dari distribusi t memiliki bentuk mirip dengan
kurva normal, namun lebih runcing.
n  Ciri khusus: distribusi t tergantung pada suatu
parameter yang disebut derajat bebas (degrees of
freedom).
n  Jika derajat bebas meningkat maka perbedaan
distribusi t dengan distribusi normal baku semakin
kecil.
n  Distribusi t dengan derajat bebas yang lebih besar
memiliki varian yang lebih kecil.
n  Rata-rata dari distribusi t = 0 (nol).

Agung PU - agung@stis.ac.id 17
DISTRIBUSI t
n  Membaca Tabel Student’s t
Misalkan α = 0,05 dan n = 10, maka nilai tabel
tn-1,α/2 = t(10-1);0,025 = 2,262
Degrees Area in Upper Tail
of Freedom .10 .05 .025 .01 .005
. . . . . .
7 1.415 1.895 2.365 2.998 3.499
8 1.397 1.860 2.306 2.896 3.355
9 1.383 1.833 2.262 2.821 3.250
10 1.372 1.812 2.228 2.764 3.169
. . . . . .
Agung PU - agung@stis.ac.id 18
ESTIMASI INTERVAL
(INTERVAL ESTIMATION) (L)
n  Interval kepercayaan untuk rata-rata populasi normal:
varian populasi tidak diketahui
Misalnya n observasi dari variabel acak dari populasi
berdistribusi normal dengan rata-rata µ dan varian
tidak diketahui. Interval kepercayaan 100(1-α)%
untuk rata-rata populasi adalah
t n−1,α 2 s x t n−1,α 2 s x
x− <µ <x+
n n
dimana tn-1,α/2 memenuhi
P(tn-1 > tn-1,α/2 ) = α/2
Variabel acak tn-1 mempunyai distribusi student’s t
dengan derajat bebas (n–1).
Agung PU - agung@stis.ac.id 19
UKURAN SAMPEL UNTUK ESTIMASI
INTERVAL RATA-RATA POPULASI

n  Misalkan E = nilai sampling error maksimum yang

ditentukan.
n  E sering disebut sebagai batas kesalahan (margin of
error).
σ
maka E = zα 2
n
sehingga
( z α 2 )2 σ 2
n=
E2
Agung PU - agung@stis.ac.id 20
 ESTIMASI INTERVAL
(INTERVAL ESTIMATION) (L)
n  Interval kepercayaan untuk proprosi populasi
(sampel besar)
Jika p̂ menotasikan proporsi “sukses” dalam sampel
acak dari n observasi suatu populasi dengan
proporsi sukses p. Maka, jika n besar, interval
kepercayaan 100(1 – α)% untuk proporsi populasi
adalah
p̂ x (1 − p̂ x ) p̂ x (1 − p̂ x )
p̂ − zα 2 < p < p̂ + zα 2
n n
dimana zα/2 memenuhi
P (Z > zα/2) = α/2
Z mempunyai distribusi normal baku.
Agung PU - agung@stis.ac.id 21
UKURAN SAMPEL UNTUK
ESTIMASI INTERVAL PROPORSI
POPULASI
n  Misalkan E = nilai sampling error maksimum yang
ditentukan.
n  E sering disebut sebagai batas kesalahan (margin of
error).

p(1 − p)
maka E = zα 2
n
sehingga
( zα 2 )2 p(1 − p)
n=
E2
Agung PU - agung@stis.ac.id 22
 CONTOH
ESTIMASI INTERVAL
1.  Berat muatan kendaraan yang melalui ruas jalan
tertentu diketahui berdistribusi normal dg simpangan
baku 1,2 ton. Suatu sampel 25 kendaraan niaga
diambil dan memiliki rata-rata 19,8 ton. Buatlah
selang kepercayaan 95% utk rata-rata populasi berat
muatan kendaraan yang melintasi ruas jalan tsb!
SOLUSI: α = 0,05 zα/2 = 1,96
zα 2 σ zα 2 σ
x− < µ < x+
n n
(1,96)(1,2) (1,96)(1,2)
19,8 − < µ < 19,8 +
25 25
19,33 < µ < 20,27
Agung PU - agung@stis.ac.id 23
 CONTOH
ESTIMASI INTERVAL (L)
2.  Sampel acak berukuran 172 taruna STTD ditanya
pendapat mereka ttg pentingnya suatu pekerjaan
dengan skala 1 (tidak penting) s.d. 5 (sangat penting).
Ternyata diperoleh rata-rata nilai adalah 4,38 dengan
standar deviasi 0,7. Buat selang kepercayaan 99%
untuk rata-rata populasi.
SOLUSI: α = 0,01 zα/2 = 2,575
zα 2 s zα 2 s
x− < µ < x+
n n
(2,575)(0,7) (2,575)(0,7)
4,38 − < µ < 4,38 +
172 172
4,24 < µ < 4,52
Agung PU - agung@stis.ac.id 24
 CONTOH
ESTIMASI INTERVAL (L)
3.  Sampel acak berukuran 6 mobil dari suatu model
tertentu memiliki konsumsi bahan bakar sbb (mil per
galon):
18,6 18,4 19,2 20,8 19,4 20,5
Buat selang kepercayaan 90% untuk rata-rata
konsumsi bahan bakar populasi.
SOLUSI: α = 0,10 tn-1,α/2 = t5;0,05 = 2,015
t n−1,α 2 s t n−1,α 2 s
x− < µ < x+
n n
(2,015)(0,98) (2,015)(0,98)
19,48 − < µ < 19,48 +
6 6

18,67 < µ < 20,29 Agung PU - agung@stis.ac.id 25

 CONTOH
ESTIMASI INTERVAL (L)
4.  Sampel acak berukuran 344 pemilik perusahaan ditanya
mengenai kebijakan perusahaan pada bagian pembelian
barang jika diberi hadiah oleh pemasok. Ternyata, 83
menyatakan tidak ada kebijakan apapun. Buat selang
kepercayaan 90% untuk proporsi populasi yg menyatakan
tidak ada kebijakan apapun berkenaan dg hal tersebut.
SOLUSI: α = 0,10 zα/2 = 1,645
p̂ x (1 − p̂ x ) p̂ (1 − p̂ x )
p̂ − zα 2 < p < p̂ + zα 2 x
n n
(0,241)(0,759) (0,241)(0,759)
0,241 − 1,645 < p < 0,241 + 1,645
344 344
0,203 < p < 0,279 Agung PU - agung@stis.ac.id 26
Latihan
n  Diketahui waktu tempuh kendaraan dari Bekasi ke Jakarta
mengikuti distribusi Normal dg simpangan baku 20 menit. Jika
sampel acak sebanyak 10 kendaraan diambil dan diperoleh
rata-rata waktu tempuh kendaraan dari Bekasi – Jakarta
sebesar 120 menit, gunakan tingkat kepercayaan 90% untuk
memperkirakan interval rata-rata waktu tempuh seluruh
kendaraan dari Bekasi ke Jakarta.
n  Pada suatu pemilihan ketua panitia tertentu, diketahui dari
100 sampel taruna STTD 70 diantaranya memilih calon A.
dengan tingkat kepercayaan 95%, hitung perkiraan interval
proporsi pemilih calon A.

Agung PU - agung@stis.ac.id 27
 Latihan
n  Sebuah penelitian dilakukan untuk mengetahui rata-rata muatan
bagasi bus dari Bekasi tujuan New Yorkarto. Selanjutnya diambil
sampel sebanyak 50 bus tujuan Bekasi-NewYorkarto dan
diperoleh rata-rata sebesar 100 kg dengan simpangan baku 10
kg. Dengan tingkat kepercayaan 95%, pada interval berapakah
rata-rata muatan seluruh bus jurusan Bekasi-NewYorkarto?
n  Dalam suatu ujicoba alarm pintu KA untuk mengetahui daya
tahan alarm tersebut dapat berfungsi dg baik. Untuk itu diambil
sampel sebanyak 10 alarm baru, selanjutnya diamati berapa lama
alarm tersebut dapat berfungsi dg baik. Hasil pengamatan
diketahui rata-rata alarm tersebut dpt berfungsi dg baik selama
100 hari, dg simpangan baku 10 hari. Perkirakan interval rata-
rata seluruh alarm pintu KA, dg tingkat kepercayaan 95%.

Agung PU - agung@stis.ac.id 28
 Latihan
n  Sebuah penelitian dilakukan untuk mengetahui proporsi calon
pemudik menggunakan bus umum untuk keperluan mudiknya.
Berdasarkan penelitian sebelumnya, diketahui pemudik yang
menggunakan moda bus umum hanya 50%. Tentukan berapa
jumlah sampel minimum jika dikehendaki margin of error sebesar
5% dan tingkat kepercayaan 95%.
n  Penelitian dilakukan untuk mengetahui rata-rata waktu tembuh
kendaraan dari Bekasi-Jkt. Jika sampel acak sebanyak 10
kendaraan diambil dan data waktu tempuh yg diperoleh sbb:
120 100 90 130 140
120 125 110 100 140
Gunakan tingkat kepercayaan 90% untuk memperkirakan interval rata-rata waktu
tempuh seluruh kendaraan dari Bekasi ke Jakarta.

Agung PU - agung@stis.ac.id 29
 SEKIAN &
SEE YOU NEXT SESSION

Agung PU - agung@stis.ac.id 30