BAB 2

TEORI PENDUGAAN STATISTIK

Dalam bab ini kita akan membahas bagaimana ukuran-ukuran sampel yang disebut statistic
berperan dalam pendugaan terhadap ukuran-ukuran populasi yang dikenal dengan istilah
parameter yang pada umumnya belum diketahui.

Banyak alasan yang dikemukakan mengapa kita mengadakan pendugaan terhadap ukuran
populasi ini atas dasar ukuran sampel, antara lain dilihat dari sudut pertimbangan biaya, serta
keterbatasan waktu untuk mengadakan perhitungan terhadap seluruh populasi.

Beberapa contoh dikemukakan sebagai berikut:

• Seorang manajer produksi ingin mengetahui apakah proses produksi yang baru memang
lebih baik dari proses produksi yang lama dengan cara mengadakan pengamatan
terhadap sampel hasil produksi
• Seorang manajer pemasaran ingin mengetahui kemampuan masyarakat untuk membeli
barang yang ditawarkan dengan mengadakan pengamatan terhadap tingkat penghasilan
masyarakat secara sampel
• Seorang pengusaha real estate ingin mengetahui tentang kemampuan masyarakat
terhadap pembelian rumah yang akan dibangun di suatu daerah. Untuk itu diperlukan
data penghasilan dan pengeluaran masyarakat.

Kebutuhan akan informasi-informasi di atas tidaklah mudah dipenuhi tanpa digunakan metode
sampel yang selanjutnya dapat digunakan untuk mengadakan pendugaan terhadap parameter.
Informasi tersebut tidak perlu terinci sekali, sehingga cukup dipenuhi dengan mengadakan
pendugaan secara statistik.

1. Macam Metode Pendugaan Statistik

a. Pendugaan atas dasar nilai tunggal atau point of estimation
Adalah pendugaan nilai populasi atas dasar satu nilai dari satu sampel.
Contoh:
Rata-rata sampel (x̅) = Rp 100.000,00 maka kita akan menduga nilai rata-rata populasi
(μ) = Rp 100.000,00
Proporsi sampel (x/n) = 0,60 maka proporsi populasi (P) akan kita duga sebesar 0,60
pula.
Cara pendugaan atas dasar satu nilai ini sangat sederhana, namun nilai penduga yang
demikian ini sukar sekali dapat identic dengan parameter yang kita duga. Apabila
nilai penduga dapat identik dengan parameternya, hal ini kemungkinan besar
disebabkan oleh faktor kebetulan saja.

1
 Cara pendugaan yang didasarkan pada satu nilai ini, tidak memungkinkan kita untuk
mengukur derajat kepercayaan kita terhadap ketelitian pendugaan yang telah kita
lakukan.
b. Pendugaan interval atau interval estimation
Adalah suatu pendugaan terhadap parameter berdasarkan suatu interval, di dalam
interval mana kita harapkan dengan keyakinan tertentu parameter itu akan terletak.
Hasil dari pendugaan interval ini diharapkan akan lebih obyektif. Pendugaan interval
akan memberikan kita nilai parameter dalam suatu interval dan bukan nilai tunggal.
Pendugaan interval ini merupakan interval keyakinan atau interval kepercayaan atau
confidence limit / interval dan dapat dirumuskan secara umum sebagai berikut:

( S – Z α/2. σst < Parameter (P) < S + Z α/2. σst) = C

Dimana:
S = statistic yang merupakan penduga parameter populasi (P)
Parameter (P) = parameter populasi yang tidak diketahui
Z α/2 = koefisien yang sesuai dengan interval keyakinan yang
dipergunakan dalam pendugaan interval.
S – Z α/2. σst = nilai batas bawah keyakinan
S + Z α/2. σst = nilai batas atas keyakinan
C = probabilitas atau tingkat keyakinan yang dalam praktik sudah
ditentukan dahulu

Nilai C berada kisaran 0 – 1. Apabila nilainya mendekati 1, maka akan semakin baik
interval keyakinannya. Misalkan nilai C = 0,95 atau interval keyakinannya 95%. Dapat
diartikan bahwa sekitar 95% dari interval yang disusun akan mengandung parameter
yang sama dengan yang diduga. Apabila nilai C = 0,99 berarti juga bahwa 99% dari
interval yang disusun akan mengandung parameter yang sama dengan yang diduga.
Jadi, semakin besar interval keyakinan, maka akan semakin yakin bahwa nilai
parameter akan sama dengan nilai dugaannya. Oleh sebab itu, apabila nilai C semakin
rendah, maka keyakinan bahwa interval tersebut mengandung parameter yang sama
dengan yang diduga juga semakin kecil.
Dalam jangka Panjang, jika pendugaan itu dilakukan berulang-ulang dengan cara
yang sama, maka parameter populasi akan tercakup dalam interval yang berkaitan
95% dari keseluruhan waktu atau dalam jangka Panjang kita akan mentolerir
kesalahan duga (error of estimate) sebesar 5%. Hal tersebut dapat digambarkan
dalam diagram berikut:

2
 Dari diagram di atas jelas bahwa interval keyakinan (confidence interval) dibatasi
oleh batas keyakinan bawah (lower confidence level) dan batas keyakinan atas (upper
confidence level).
Dengan interval keyakinan 95%, maka masing-masing batas keyakinan atas maupun
bawah = 2,5% (0,0250). Koefisien Z dapat dicari pada tabel luas daerah kurva normal
untuk luas daerah kurva (0,5000 – 0,0250 = 0,4750) nilai z = 1,96, maka parameter akan
terletak antara 𝑥̅ – 1,96 𝜎𝑥̅ dan 𝑥̅ + 1,96 𝜎𝑥̅
Tingkat Nilai
C/2 Nilai Z
Keyakinan Terdekat
0,99 0,4950 0,4951 2,58
0,98 0,4900 0,4901 2,33
0,95 0,4750 0,4750 1,96
0,90 0,4500 0,4505 1,65
0,85 0,4250 0,4251 1,44
0,80 0,4000 0,3997 1,28

2. Metode Maximum Likelihood

a. Pendugaan parameter dengan sampel besar (n > 30)
1) Pendugaan terhadap parameter rata-rata (μ)
Untuk mengadakan pendugaan parameter μ ini, dipergunakan rata-rata sampel 𝑥̅
dengan interval keyakinan (confidence interval) tertentu. Rumus yang
dipergunakan berasal dari rumus Z untuk distribusi sampling sebagai berikut
𝑥̅ − 𝜇
𝑍=
𝜎/√𝑛
Berdasarkan rumus di atas, maka rata-rata populasi (μ) akan terletak dalam batas-
batas sebagai berikut:
𝜎 𝜎
𝑥̅ − 𝑧 < 𝜇 < 𝑥̅ + 𝑧
√𝑛 √𝑛

3
 Dimana:
𝑥̅ = rata-rata sampel
𝑧 = tabel Z sesuai dengan confidence level
𝜎 = standar deviasi populasi
𝑛 = jumlah sampel

Rumus ini berlaku bagi sampel besar (n > 30) berasal dari populasi yang tidak
terbatas (infinite population) atau populasi yang terbatas (finite population)
pengambilan sampel dengan pemulihan.

Apabila standar deviasi populasi (σ) tidak diketahui, maka dapat dipergunakan
standar deviasi sampel, sehingga rumus diatas menjadi sebagai berikut:

𝑠 𝑠
𝑥̅ − 𝑧 < 𝜇 < 𝑥̅ + 𝑧
√𝑛 √𝑛
s = standar deviasi sampel
sedang untuk populasi (N) yang terbatas dan pengambilan sampel tanpa pemulihan,
bila sampel yang digunakan (n) = 5% atau lebih dari N, maka digunakan rumus
dengan faktor koreksi sebagai berikut:
𝑠 𝑁−𝑛 𝑠 𝑁−𝑛
𝑥̅ − 𝑧 × √ < 𝜇 < 𝑥̅ + 𝑧 × √
𝑛 𝑁−1 √𝑛 𝑁−1
Dimana:
𝑁−𝑛
√ = faktor koreksi
𝑁−1

Pendugaan parameter 𝝁 dengan σ diketahui dan populasi tidak terbatas. Untuk

menduga parameter μ dengan interval keyakinan sebesar 95% sedang σ telah
diketahui, maka interval keyakinan diberikan sebagai

𝑥̅ – z 0,025 x 𝜎𝑥̅ < μ < 𝑥̅ + 0,025 x 𝜎𝑥̅

𝜎
𝜎𝑥̅ =
√𝑛
Menurut tabel z, maka interval keyakinan 95% adalah 1,96.

Contoh soal:

Sebuah biro perjalanan di Yogyakarta mengadakan suatu penelitian tentang

kepariwisataan di Yogyakarta dan ingin memperkirakan pengeluaran rata-rata para
wisatawan asing yang berkunjung ke Yogyakarta. Guna keperluan ini diambil sampel
secara random yang terdiri dari 100 wisatawan asing yang akan dijadikan responden
dalam penelitian ini. Dari hasil penelitian dapat diketahui bahwa pengeluaran rata-
rata setiap pengunjung sebesar $500 per wisatawan. Jika kita anggap deviasi

4
pengeluaran semua wisatawan konstan sebesar $100, maka dengan interval keyakinan
sebesar 95%, buatlah pendugaan rata-rata pengeluaran para wisatawan asing yang
berkunjung ke Yogyakarta.

Jawab:

n = 100, 𝑥̅ = $500, 𝑧 = 1,96, 𝜎 = $100

sehingga,
𝜎 $100
𝜎𝑥̅ = = = $10
√𝑛 √100
Maka rata-rata populasi akan terletak:
𝜎 𝜎
𝑥̅ − 𝑧 < 𝜇 < 𝑥̅ + 𝑧
√𝑛 √𝑛

500 – 1,96 (10) < μ < 500 + 1,96 (10)

500 – 19,6 < μ < 500 + 19,6

480,4 < μ < 519,6

Rata-rata pengeluaran para wisatawan per orang yang berkunjung ke Yogyakarta

berkisar $480,4 hingga $519,6. Hal ini dapat digambarkan sebagai berikut:

Pendugaan parameter μ dengan σ diketahui dan populasi terbatas. Jika sampel

yang random dipilih dari populasi yang terbatas tanpa pemulihan, 𝜎𝑥̅ cenderung
𝜎
akan kurang dari . Berapa selisihnya akan tergantung pada jumlah
√𝑛
5
 populasinya relativ dibandingkan dengan besarnya sampel. Makin besar
persentase populasi yang dipilih sebagai sampel, makin kurang variasi 𝑥̅ dari
sampel ke sampel.
Contoh:
Jika sampel sebesar n = 100 dan 𝑥̅ = $500 dipilih dari populasi yang terbatas sebesar
N = 500 dan diketahui memiliki deviasi standar (σ) = $100, maka pendugaan
parameter dengan interval keyakinan 95% adalah sebagai berikut:

𝜎
𝜎𝑥̅ = x √𝑁−𝑛 = (100/10) x (400/499) = 10 x 0,895 = 8,95
√𝑛 𝑁−1
Jadi parameter μ akan terletak

500 – 1,96 (8,95) < μ < 500 + 1,96 (8,95)

500 – 17,5 < μ < 500 + 17,5

482,5 < μ < 517,5

Pendugaan parameter μ dengan σ tidak diketahui. Pada hakikatnya σ tergantung

pada devias kuadrat dari μ, sehingga mustahil jika σ diketahui μ tidak diketahui.
Dalam kenyataannya kita tidak mengetahui tentang sesuatu apa pun mengenai
parameter selain sampel. Jadi, apabila deviasi standar populasi tidak diketahui,
maka kita melakukan pendugaan deviasi standar sampel (s), sehingga digunakan
rumus
𝑠 𝑠
𝑥̅ − 𝑧 < 𝜇 < 𝑥̅ + 𝑧
√𝑛 √𝑛
Contoh:
Sebuah sampel random terdiri dari 100 orang pedagang kaki lima yang dipilih
dari seluruh pedagang kaki lima di Jogja. Rata-rata tingkat keuntungan yang
diperoleh 20% dengan standar deviasi 2%. Dengan menggunakan interval
keyakinan 95%, berapa tingkat keuntungan semua pedagang kaki lima di Jogja.
Jawab: n = 100, 𝑥̅ = 20% = 0,2, s = 2% = 0,02, z0,025 = 1,96

20 – 1,96 (2/10) < μ < 500 + 1,96 (2/10)

20 – 0,392 < μ < 20 + 0,392

19,6 < μ < 20,4

2) Pendugaan terhadap parameter proporsi (P)

Pendugaan parameter proporsi dapat dilakukan dengan menggunakan proporsi
sampel (x/n) secara tidak bias jika sampel random dipilih besar.

6
 Rumus yang digunakan adalah sebagai berikut:
𝑥⁄𝑛 (1− 𝑥⁄𝑛) 𝑥⁄𝑛 (1− 𝑥⁄𝑛)
x/n – z √ < P < x/n + z √
𝑛 𝑛
contoh soal:
Suatu penelitian dilakukan oleh sebuah perguruan tinggi negeri terhadap
ketepatan waktu pembayaran SPP dari mahasiswa. Dari 100 orang mahasiswa
yang diteliti ternyata 30 orang tidak melakukan pembayaran SPP tepat waktu.
Dengan menggunakan interval keyakinan 95%, tentukan pendugaan interval
proporsi dari mahasiswa yang melakukan pembayaran tidak tepat waktu.

Jawab: n = 100, x = 30, z0,025 = 1,96

0,30 𝑥 0,70 0,30 𝑥 0,70
30/100 – 1,96 √ < P < 30/100 + 1,96 √
100 100
0,21 < P < 0,39
Dengan interval keyakinan 95%, kita dapat mengatakan bahwa antara 21% - 39%
dari mahasiswa yang membayar SPP tidak tepat waktu. Apabila ada unsur
popoulasi (N) diketahui dan populasi yang terbatas sedang sampel diambil tanpa
pemulihan (without replacement), maka perlu dilakukan koreksi populasi terbatas
yaitu:

𝑁−𝑛
√ = faktor koreksi
𝑁−1

Sehingga rumusnya menjadi

𝑥⁄𝑛 (1− 𝑥⁄𝑛) 𝑁−𝑛 𝑥⁄𝑛 (1− 𝑥⁄𝑛) 𝑁−𝑛

x/n – z √ x √𝑁−1 < P < x/n + z √ 𝑥√
𝑛 𝑛 𝑁−1
pada contoh diatas, jika populasinya (N) = 500, maka factor koreksi populasi
terbatas adalah
500−100 400
√ = √499 = √0,801 = 0,895
500−1

Sehingga, hasil pendugaan interval proporsinya menjadi

0,30 – 1,96 (0,046 x 0,895) < P < 0,30 + 1,96 (0,046 x 0,895)

0,30 – (1,96)(0,04) < P < 0,30 + (1,96)(0,04)

0,22 <P< 0,38

b. Pendugaan parameter dengan sampel kecil (n ≤ 30)

Kriteria suatu sampel yang kecil jika n kurang dari 30. Pada sampel kecil pendugaan
parameter dengan menggunakan s akan menghasilkan selisih kesalahan. Pada

7
umumnya jika sampel kecil pendugaan parameter dilakukan dengan distribusi t yang
variabelnya sudah distandarkan sebagai:
𝑥− 𝜇
𝑡=
𝜎/√𝑛
Pada dasarnya distribusi t menyerupai distribusi normal. Perbedannya terletak pada
σ yang umumnya tidak diketahui. Sedang pada distribusi t, pengubahan dilakukan
dengan menggunakan σ yang dihitung sebagai sampel. Tabel t tidak disusun menurut
besarnya sampel n, melainkan menurut derajat kebebasan (degree of freedom) yang
dirumuskan dengan n-1.

1) Pendugaan Parameter μ dengan σ Tidak diketahui dan populasi tidak terbatas

Contoh:
Penelitian terhadap sampel sejumlah 16 orang wisatawan asing yang berkunjung
di Jogja menunjukkan pengeluaran rata-rata selama tinggal di Jogja sebesar $500
dengan deviasi standar $100. Tentukan pengeluaran rata-rata yang sebenarnya
dengan menggunakan interval keyakinan 95%.
Jawab:
n = 16, 𝑥̅ = $500, s = $100, interval keyakinan 95%
t0,025 df = 1, tabel t = 2,131
rumus yang digunakan adalah
𝑠 𝑠
𝑥̅ − 𝑡 < 𝜇 < 𝑥̅ + 𝑡
√𝑛 √𝑛
500 – 2,131 (100/4) < 𝜇 < 500 + 2,131 (100/4)

500 – 53,275 < 𝜇 < 500 + 53,275

446,275 < 𝜇 < 553,275

Jadi pengeluaran rata-rata yang sebenarnya adalah sekitar $ 446,7 - $553,3.

Penggunaan distribusi t membawa asumsi bahwa variabel x harus memiliki
distribusi normal, jika distribusi tidak menyerupai distribusi normal, maka
penggunaan distribusi t hasilnya meragukan.
2) Pendugaan Parameter μ dengan σ Tidak diketahui dan populasi terbatas
Sebagaimana telah dijelaskan di atas untuk populasi yang terbatas ini perlu
adanya faktor koreksi populasi terbatas yakni
𝑁−𝑛
√ = faktor koreksi
𝑁−1
Contoh:
Dalam contoh sebelumnya sampel sebanyak 16 dipilih dari populasi (N = 100),
maka faktor koreksinya adalah

8
 100−16 84
√ = √99 = 0,92
100−1

Sehingga hasil pendugaan menjadi

500 – (53,275 x 0,92) < 𝜇 < 500 + (53,275 x 0,92)

500 – 49,07 < 𝜇 < 500 + 49,07

450,93 < 𝜇 < 549,07

Jadi, pengeluaran rata-rata yang sebenarnya dari wisatawan asing yang tinggal di
Jogja antara $ 450,93 - $ 549,07
3) Pendugaan parameter proporsi
𝑥⁄𝑛 (1− 𝑥⁄𝑛) 𝑥⁄𝑛 (1− 𝑥⁄𝑛)
x/n – t √ < P < x/n + t √
𝑛 𝑛
car aini sebenarnya kurang sesuai dengan distribusi t, namun demikian hasilnya
dianggap lebih baik daripada distribusi z. beberapa ahli bahkan cenderung untuk
mengganti varians proporsi dengan cara memaksimalkan x/n (1 – x/n), jika x/n =
1/2 , maka x/n (1 – x/n) = ¼. Dengan demikian rumusnya menjadi
1/4 1/4
x/n – t √ < P < x/n + t √
𝑛 𝑛
contoh:
penelitian terhadap sampel sebanyak 16 mahasiswa ternyata 4 diantaranya
mempunyai kendaraan sendiri. Dengan interval keyakinan 95%, tentukan
proporsi mahasiswa yang memiliki kendaraan sendiri.
n = 16, x = 4, x/n = 0,25, t0,025, df = 15 = 2,131
jawaban:
0,25 – 2,131 x √0,1875/16 < P < 0,25 + 2,131 x √0,1875/16
0,25 – 2,131 x 0,108 < P < 0,25 2,131 x 0,108
0,25 – 0,23 < P < 0,25 + 0,23
0,02 < P < 0,48
c. Pendugaan interval untuk perbedaan dua rata-rata dan dua proporsi
1) Pendugaan parameter μ1 – μ2 , Jika σ1 dan σ2 Diketahui
(𝑥̅ 1 – 𝑥̅ 2) – z (σ𝑥̅ 1 – 𝑥̅ 2) < μ1 – μ2) < (𝑥̅ 1- 𝑥̅ 2) + z (σ𝑥̅ 1-𝑥̅ 2)
Dimana:
𝜎12 𝜎22
σ𝑥̅ 1 – 𝑥̅ 2 = √ +
𝑛1 𝑛2

contoh:
Upah mingguan karyawan perusahaan asing dari 90 orang karyawan rata-rata Rp
100.000,00 dan σ1 = Rp 9.000,00; sedangkan upah karyawan dari perusahaan

9
 nasional dari 90 orang karyawan rata-rata Rp 50.000,00 dan σ2 = Rp 5.000,00.
Dengan menggunakan tingkat keyakinan 95%, buatlah pendugaan interval antara
μ 1 – μ 2.
Jawab:
𝜎12 𝜎22
σ𝑥̅ 1 – 𝑥̅ 2 =√ +
𝑛1 𝑛2
81 25
= √90 + 90 = √106/90 = 1,18 (dalam ribuan rupiah)
(100 – 50) – 1,96 (1,18) < μ1 – μ2 < (100 – 50) + 1,96 (1,18)
50 – 2,31 < μ1 – μ2 < 50 + 2,31
47,69 < μ1 – μ2 < 51,18

Jadi, dengan interval keyakinan 95%, selisih rata-rata upah mingguan karyawan
perusahaan asing dan nasional antara Rp 47.690,00 sampai dengan Rp 51.180,00.

2) Pendugaan parameter μ1 – μ2 , Jika σ1 dan σ2 Tidak Diketahui.

Jika σ1 dan σ2 Tidak Diketahui maka digunakan dugaan standar deviasi sampel.
(𝑥̅ 1 – 𝑥̅ 2) – t (σ𝑥̅ 1 – 𝑥̅ 2) < μ1 – μ2) < (𝑥̅ 1- 𝑥̅ 2) + t (σ𝑥̅ 1-𝑥̅ 2)
Dimana:
(𝑛1 −1)𝑠12 +(𝑛2 −1) 𝑠22 1 1
s𝑥̅ 1 – 𝑥̅ 2 = √ × √ +
𝑛1 + 𝑛2 −2 𝑛 𝑛 1 2
contoh:
penghasilan setiap minggu dari pedagang kaki lima yang berjualan di jalan Solo
dan jalan Malioboro adalah sebagai berikut (dalam ribuan rupiah)
pedagang jalan Solo : 40 46 40 36 38 34 42 44 40
pedagang Malioboro: 30 24 16 25 35 40 46 38 34
Dengan interval keyakinan 95%, buatlah pendugaan interval μ1 – μ2 dimana x1 =
rata-rata penghasilan pedagang kaki lima di jalan solo, x2 = rata-rata penghasilan
pedagang kaki lima di jalan malioboro.
Jawaban:
n1 = 9, x1 = 40, s1 = √14 = 3,74
n2 = 9, x2 = 32, s2 = √85,25 = 9,23
t0,025, df = 9 + 9 – 2 = 16, tabel t = 2,120

112+682 1 1
s𝑥̅ 1 – 𝑥̅ 2 = √ × √ + = 3,32
16 9 9

(40 - 32) – 2,12 (3,32) < μ1 – μ2 < (40 - 32) + 2,12 (3,32)
0,96 < μ1 – μ2 < 15,04

10
 Dengan interval keyakinan 95%, kita harapkan perbedaan antara penghasilan
pedagang kaki lima di jalan solo dan jalan malioboro adalah antara Rp 960,00 – Rp
15.040,00.

3) Pendugaan Perbedaan Dua Proporsi

Pendugaan interval perbedaan dua proporsi (P1 – P2) dirumuskan sebagai
berikut:
𝑥1 𝑥2 𝑥1 𝑥2
[ − ] − 𝑧 (𝑠𝑃1− 𝑃2 ) < 𝑃1− 𝑃2 < [ − ] − 𝑧 (𝑠𝑃1− 𝑃2 )
𝑛1 𝑛1 𝑛1 𝑛1
Dimana:
𝑥 𝑥
𝑥1 ⁄𝑛1 (1− 1 ) 𝑥2 ⁄𝑛2 (1− 2 )
𝑠𝑃1− 𝑃2 = √
𝑛1 𝑛2
+
𝑛1 𝑛2

Contoh soal:
Dari sampel nasabah sebanyak 120 orang di kota A, sebanyak 90 orang di
antaranya adalah pengusaha besar dan 120 orang nasabah bank di kota B, 60 orang
diantaranya adalah pengusaha besar. Dengan tingkat keyakinan 95%, buatlah
pendugaan interval P1 – P2, jika P1 = proporsi nasabah pengusaha besar di kota A
dan P2 = proporsi nasabah pengusaha besar di kota B.

Jawaban:
n1 = n2 = 120, x1/n2 = 90/120 = 0,75, x2/n2 = 60/120 = 0,50, z0,025 = 1,96
(0,75)(0,25) (0,50)(0,50) 0,1875 0,25
sp1-p2 =√ + =√ +
120 120 120 120

= √0,4375⁄120 = √0,003645 = 0,06

(0,75 – 0,50) – 1,96 (0,06) < P1 - P2 < (0,75 – 0,50) + 1,96 (0,06)
0,25 – 0,1176 < P1 - P2 < 0,25 + 0,1176

0,1324 < P1 - P2 < 0,3676

Dengan interval keyakinan 95%, kita harapkan interval antara 0,13 atau 13%
sampai 0,37 atau 37% merupakan selisih proporsi nasabah bank di kota A dan B
yang terdiri dari pengusaha besar

d. Pendugaan interval untuk parameter (σ)

Setelah kita bahas pendugaan interval untuk parameter μ dan P, maka selanjutnya
kita akan mengadakan pendugaan parameter yang lain yakni deviasi standar untuk
populasi.

11
 Dalam teori telah sampel telah dijelaskan bahwa jika n besar, maka distribusi
sampling akan menyerupai kurva normal.
Dengan demikian kita dapat mengatakan bahwa jika suatu random sampel cukup
besar, dengan interval keyakinan 95% deviasi standar populasi akan terletak dalam
jarak
s – Z σs < σ < s + Z σs
𝒔
dimana: σs =
√𝟐𝒏
𝒔 𝒔
atau persamaannya menjadi s – Z <σ<s+Z
√𝟐𝒏 √𝟐𝒏
contoh soal:
sampel sebesar 8 menunjukkan deviasi standar = 3. Dengan interval keyakinan 95%,
tentukan interval σ.
Jawaban:
Diketahui: n = 8, s = 3, z0,025 1,96
3 3
3 – 1,96 < σ < 3 + 1,96
√2(8) √2(8)
3 – 1,47 < σ < 3 + 1,47
1,53 < σ < 4,47
Dengan interval keyakinan 95% kita harapkan σ akan terletak antara 1,53 dan 4,47

e. Besarnya sampel dan ketepatan pendugaan

Pada umumnya sebelum kita memilih sampel secara acak untuk menduga parameter,
kita menetapkan terlebih dahulu berapa besar sampel yang akan kita ambil, agar kita
dapat menduga parameter dengan ketepatan yang kita inginkan yang diukur
berdasarkan lebar interval keyakinan yang kita kehendaki. Misalkan kita ingin
mengetahui berapa besar sampel yang akan kita gunakan agar dengan interval
keyakinan 95%, selisih rata-rata populasi yang sesungguhnya tidak lebih dari 5 secara
searah. Lebar interval akan tergantung pada varians dan besarnya sampel. Jika
varians diketahui, lebarnya interval keyakinan dapat dirumuskan sebagai berikut:

𝜀 𝜀
z= atau 𝑧 =
𝑠 𝜎 ⁄√𝑛
𝜀 = error = penyimpangan
s = standar deviasi sampel

12
Dari rumus diatas selanjutnya ditentukan besarnya sampel (n) sebagai berikut:
𝑧 × 𝜎2
n=[ ]
𝜀

n = besarnya sampel
z = nilai z yang besarnya ditentukan oleh interval keyakinan
σ = standar deviasi populasi
ε = besarnya kesalahan yang diharapkan

contoh:
Jika σ populasi normal diketahui sebesar 10 dan jika kita ingin interval keyakinan 95%
yang mencakup parameter tidak melebihi 10 lebarnya, berapa besar sampel yang kita
ambil?
Jawaban:
ε = 5, σ = 10, z0,025 = 1,96
1,96 × 102
n=[ ] = 15,36 atau 16
5

penentuan besarnya sampel dapat pula dihitung berdasarkan pendugaan interval

proporsi

𝜀 𝑃 (1−𝑃)
𝑧= [ ] atau √ 𝑛
= ε /z
𝑃 (1−𝑃)
√
𝑛

𝑧 2 𝑃 (1−𝑃
𝑛= 𝜀2

13
Apabila P tidak diketahui, maka (1-P) kita ganti dengan ¼, yaitu nilai maksimum
untuk P(1-P).

Contoh:
Perusahaan penjualan alat-alat kosmetik ingin menduga proporsi konsumen yang
menyukai produknya. Dalam proses pendugaan ini pengusaha ingin agar selisih
dugaannya tidak melebihi 2% dari parameternya, sedang interval kepercayaannya
95%. Berapa besar sampel bagi pendugaan proporsi populasi ini?

Jawaban:
1
1,962 (4) 0,9604
𝑛= 0,022
=
0,0004
= 2.401

Untuk keperluan pendugaan diperlukan sampel 2.401.

Contoh:
PT LG Elektronik menghasilkan produk TV terbaru berupa layer datar yang
dilengkapi berbagai fasilitas pada tahun 2017. Untuk mencoba apakah produk ini
disukai konsumen atau tidak, perusahaan tersebut melakukan survei di beberapa
kota besar. Apakah dengan tingkat keyakinan 95% dan kesalahan penarikan sampel
sebesar 3%, berapa jumlah sampel yang harus diwawancarai?

Jawab
1
1,962 (4) 0,9604
𝑛= 0,032
=
0,0009
= 1.068

14