PENARIKAN SAMPEL DAN PENDUGAAN

ARTI PENARIKAN SAMPEL

Statistik pada dasarnya dapat dikelompokkan menjadi dua yaitu statistika
deskriptif dan statistika induktif(inferensi). Kita sekarang akan mempelajari
statistik induktif.
Tujuan dari statistika induktif adalah untuk memperoleh informasi tetang suatu
populasi berdasarkan informasi yang diperoleh dari sample. Apabila kita
mengumpulkan data dari seluruh elemen dalam suatu populasi, maka kita akan
memperoleh informsi yangsesungguhnya, yang biasanya dikenal dengan istilah
parameter, sedangkan jika kita melakukan peanrikan sample(mengumpulkan
data sebagian elemen dari suatu populasi) maka kita akan memperoleh hasil
berupa data pendugaan yang biasanya disebut statistik.
PENARIKAN SAMPEL ACAK SEDERHANA
Beberapa metode dapat digunakan untuk memilih sebuah sample dari
sebuah populasi. Salah satu metode yang paling umum adalah penarikan
sample acak sederhana. Definisi penarikan sample acak sederhana dan proses
pemilihan sampelnya bergantung pada apakah populasinya terbatas atau tak
terbatas.
Populasi terbatas dapat dihitung mulai dari 1,2,...,N. Suatu populasi dianggap tidak
terbatas apabila proses yang terjadi dapat dilakukan secara terus menarus
sampai proses itu dihentikan. Dalam hal ini, N tak terbatas nilainya.Sebagaian dari
proses ini lalu dianggap sebagai sample acak.

HIPOTESIS
Pengujian hipotesis adalah pengujian terhadap suatu pernyataan dengan menggunakan
metode statistik sehingga hasil pengujian tersebut dapat dinyatakan signifikan secara
statistik.

Sebelum melakukan pengujian hipotesis, kita harus menetapkan terlebih dahulu

hipotesis tersebut terlrbih dahulu. Hipotesis adalah pernyataan yang kebenarannya
masih lemah.
Selanjutnya agar pernyataan pada hipotesis tidak diragukan lagi maka kita
melakukan pengumpulan data dan melakukan pengujian secara statistik.
Pengujian hipotesis adalah pengujian terhadap suatu pernyataan dengan
menggunakan metode statistik sehingga hasil pengujian tersebut dapat dinyatakan
signifikan secara statistik.
Sebelum melakukan pengujian hipotesis, kita harus menetapkan terlebih dahulu
hipotesis tersebut terlrbih dahulu. Hipotesis adalah pernyataan yang kebenarannya
masih lemah.
Selanjutnya agar pernyataan pada hipotesis tidak diragukan lagi maka kita
melakukan pengumpulan data dan melakukan pengujian secara statistik.
Dengan melakukan pengujian statistik terhadap hipotesis kita dapat memutuskan
apakah hipotesis dapat diterima (data tidak memberikan bukti untuk menolak
hipotesis) atau ditolak (data memberikan bukti untuk menolak hipotesis).
Berikut ini adalah langkah-langkah pengujian hipotesis:

1. Menetapkan hipotesis
Hipotesis dibagi menjadi dua bagian, yaitu:
1. Hipotesis null (H0)
Hipotesis null merupakan pernyataan yang akan diuji kebenarannya. Secara
statistik H0 diartikan bahwa tidak terdapat perbedaan antara karakteristik
populasi dan karakteristik sampel.
2. Hipotesis alternatif (H1)
Hipotesis alternatif adalah pernyataan ketika pernyataan (H0) ditolak. Dengan
demikian, secara statistik H1 diartikan bahwa terdapat perbedaan antara
karakteristik populasi dan karakteristik sampel.
Hipotesis terbagi dalam 3 jenis, yaitu:
1. Hipotesis deskriptif
Pernyataan yang menyebutkan bahwa nilai parameter populasi sama dengan
nilai tertentu.
2. Hipotesis komparatif
Pernyataan yang menyebutkan bahwa nilai parameter suatu populasi sama
dengan nilai parameter populasi yang lain.
3. Hipotesis asosiatif
Pernyataan yang menyatakan adanya hubungan antar dua variabel.

2. Menentukan kriteria pengujian

Pengujian secara statistik dibagi lagi menjadi dua, yaitu:
1. Uji satu arah
2. Uji dua arah

3. Melakukan pengujian statistik

Statistik uji yang digunakan harus sesuai dengan hipotesis.

4. Menetapkan tingkat signifikansi dan titik kritis

Tingkat signifikansi \alphaα adalah besarnya toleransi yang digunakan dalam
menerima kesalahan pengujian secara statistik. Tingkat signifikansi yang
sering digunakan adalah 0,01, 0,05 dan 0,1 (biasa ditulis 1%, 5% dan 10%),
tergantung tingkat ketelitian yang digunakan oleh peneliti.
Pendekatan dengan distribusi peluang statistik, maka tingkat signifikansi
menyatakan luas daerah kritis yang merukan eilayah penolakan terhadap H0.
 Untuk mempermudah pengambilan keputusan, maka digunakan titik kritis yang
merupakan batas penolakan H0.

KORELASI DAN REGRESI

Analisis korelasi berkaitan erat dengan regresi, tetapi secara konsep
berbeda dengan analisis regresi. Analisis korelasi adalah mengukur suatu
tingkat atau kekuatan hubungan linear antara dua variabel. Koefisien
korelasi adalah mengukur kekuatan hubungan linear. Sebagai contoh, kita
tertarik untuk menemukan korelasi antara merokok dengan penyakit
kanker, berdasarkan penjelasan statistik dan matematika, pada anak
sekolah dan mahasiswa (dst).

Untuk mengetahui hubungan antara dua variabel, maka cukup melihat nilai
dari koefisien korelasi. Koefisien korelasi (r) merupakan indeks atau
bilangan yang digunakan untuk mengukur keeratan hubungan antar
variabel.
Berikut adalah rumus dari koefisien korelasi.

Dalam korelasi sempurna tidak diperlukan lagi pengujian hipotesis, karena

kedua variabel mempunyai hubungan linear yang sempurna. Artinya
variabel X mempengaruhi variabel Y secara sempurna. Jika korelasi sama
dengan nol (0), maka tidak terdapat hubungan antara kedua variabel
tersebut. Dalam korelasi sebenarnya tidak dikenal istilah variabel bebas dan
variabel tergantung. Biasanya dalam penghitungan digunakan simbol X
untuk variabel pertama dan Y untuk variabel kedua. Dalam contoh
hubungan antara variabel remunerasi dengan kepuasan kerja, maka
variabel remunerasi merupakan variabel X dan kepuasan kerja merupakan
variabel Y. Analisis korelasi sederhana (Bivariate Correlation) digunakan
untuk mengetahui keeratan hubungan antara dua variabel dan untuk
mengetahui arah hubungan yang terjadi. Koefisien korelasi sederhana
menunjukkan seberapa besar hubungan yang terjadi antara dua variabel.

Regresi
Secara umum, analisis regresi pada dasarnya adalah studi mengenai
ketergantungan satu variabel dependen (terikat) dengan satu atau lebih
variabel independent (variabel penjelas/bebas), dengan tujuan untuk
mengestimasi dan/ atau memprediksi rata-rata populasi atau niiai rata-rata
variabel dependen berdasarkan nilai variabe! independen yang diketahui.
Pusat perhatian adalah pada upaya menjelaskan dan mengevalusi
hubungan antara suatu variabel dengan satu atau lebih variabel
independen.

Hasil analisis regresi adalah berupa koefisien regresi untuk masing-masing

variable independent. Koefisien ini diperoleh dengan cara memprediksi
nilai variable dependen dengan suatu persamaan.

Jika dalam analisis korelasi peneliti hanya tertarik pada derajat asosiasi
atau kecenderungan umum dua buah peubah atau lebih, maka dalam
analisis regresi peneliti ingin memperoleh hubungan fungsional antara dua
peubah yang dinyatakan dalam bentuk , Y a bX = + yang merupakan
penduga dari fungsi yang ada pada populasi yang biasa dinotasikan dengan
0 1 , atau = , Y X Y X α βββ = ++ atau untuk peubah bebas lebih dari sa tu
dinyatakan sebagai = ,… Y X X β ββ ++ Melalui analisis regresi peneliti ingin
menghitung nilai penduga untuk j β yang sesuai dengan data. Selain
melakukan penghitungan nilai penduga untuk j β juga sekaligus melakukan
uji apakah nilainya signifikan atau dapat diabaikan (tidak signifikan).
Regresi mengukur seberapa besar suatu variabel mempengaruhi variabel
yang lain, sehingga dapat digunakan untuk melakukan peramalan nilai
suatu variabel berdasarkan variabel lain. Analisa regresi ada dua : Analisa
Regresi Sederhana dan Analisis Regresi Berganda
Persamaan regresi sederhana secara umum dituliskan sebagai berikut:

KESALAHAN BAKU ESTIMASI

Kesalahan baku atau selisih taksir standar regresi adalah nilai menyatakan
seberapa jauh menyimpangnya nilai regresi tersebut terhadap nilai
sebenarnya. Nilai ini digunakan untuk mengukur tingkat ketepatan suatu
pendugaan dalam menduga nilai. Jika nilai ini sama dengan nol maka
penduga tersebut memiliki tingkat ketepatan 100%.Rumus Kesalahan baku
estimasi:
Contoh Korelasi

Anggaplah kita memiliki data usia dan berat badan anak di sebuah kelas.
Berdasarkan data tersebut, coba temukan nilai korelasi di antara keduanya!

Berdasarkan hasil pengujian, kita menemukan bahwa tingkat korelasi

antara usia dan tinggi badan adalah 0,90. Artinya, terdapat hubungan yang
sangat kuat antara usia dan berat badan.

Contoh Regresi

Sebuah penelitian terhadap pohon Mahoni, dimana akan diteliti apakah ada
hubungan antara tinggi pohon dengan diameter batang pohon, dengan
artian apakah ada pengaruh diameter batang pohon terhadap tinggi pohon
tersebut.

Diambil sampel secara acak sejumlah delapan pohon mahoni.Dapat dilihat

dari Tabel 1 pada kolom X dan Y.

Hal pertama yang akan kita lakukan adalah membentuk persamaan regresi,
yaitu :

Y’ = a + bX

Selanjutnya adalah menentukan konstanta a dan koefisien b, kita ikuti

langkah sebagai berikut :

Persamaan regresi diperoleh :

Y’ = -1,3147 + 4,5413X

dimana :

Y’ = Tinggi pohon mahoni yang diprediksi

X = Diameter batang pohon mahoni

Interpretasi dari koefisien regresi :

 Nilai a = -1,3147 artinya tidak ada diameter batang pohon maka

tidak ada tinggi pohon. (karena tidak ada tinggi yang bernilai
negatif sehingga dianggap nol).
 Nilai b = 4,5413 artinya jika terjadi peningkatan diameter batang
pohon mahoni satu satuan maka akan terjadi peningkatan tinggi
pohon mahoni sebesar 4,5413 satuan.

Koefisien Determinasi R2 :

r = 0,886 bernilai positif dan kuat

artinya terdapat hubungan atau korelasi yang kuat antara tinggi pohon
mahoni dengan diameter batang pohon mahoni. Semakin besar diameter
batang pohon mahoni maka semakin tinggi batang pohon mahoni.

R2 = 0,8862 = 0,785
artinya sekitar 78,5% variasi dari variabel diameter batang pohon mahoni
dapat menjelaskan variasi dari variabel tinggi pohon mahoni.

(cukup tinggi)

Standar Error Estimate Persamaan Regresi:

Jadi besarnya standar error estimate persamaan regresi adalah 6,6364. Hal
ini menunjukkan penyimpangan data-data terhadap garis regresi, atau
bagaimana penyimpangan data yang menyebar disekitar garis regresi.

(cukup kecil).

Pengujian Koefisien Regresi :

> Hipotesis Uji

Ho : b = 0

Ha : b ≠ 0

> Taraf Signifikansi

Pilih nilai signifikansi a = 5%

> Daerah Kritis

dengan nilai a = 5% dan derajat bebas n-2=8–2=6, maka diperoleh nilai t-

tabel pada 5%/2 = 2,5% yaitu 2,447.

> Statistik Uji

CONTOH PENGHITUNGAN MANUAL ANALISIS REGRESI
SEDERHANA
Sebuah penelitian terhadap pohon Mahoni, dimana akan diteliti apakah ada
hubungan antara tinggi pohon dengan diameter batang pohon, dengan
artian apakah ada pengaruh diameter batang pohon terhadap tinggi pohon
tersebut.

Diambil sampel secara acak sejumlah delapan pohon mahoni.Dapat dilihat

dari Tabel 1 pada kolom X dan Y.

Hal pertama yang akan kita lakukan adalah membentuk persamaan regresi,
yaitu :

Y’ = a + bX

Selanjutnya adalah menentukan konstanta a dan koefisien b, kita ikuti

langkah sebagai berikut :
maka diperoleh :

Persamaan regresi diperoleh :

Y’ = -1,3147 + 4,5413X

dimana :

Y’ = Tinggi pohon mahoni yang diprediksi

X = Diameter batang pohon mahoni

Interpretasi dari koefisien regresi :

  Nilai a = -1,3147 artinya tidak ada diameter batang pohon maka
tidak ada tinggi pohon. (karena tidak ada tinggi yang bernilai
negatif sehingga dianggap nol).
 Nilai b = 4,5413 artinya jika terjadi peningkatan diameter batang
pohon mahoni satu satuan maka akan terjadi peningkatan tinggi
pohon mahoni sebesar 4,5413 satuan.

Koefisien Determinasi R2 :

r = 0,886 bernilai positif dan kuat

artinya terdapat hubungan atau korelasi yang kuat antara tinggi pohon
mahoni dengan diameter batang pohon mahoni. Semakin besar diameter
batang pohon mahoni maka semakin tinggi batang pohon mahoni.

R2 = 0,8862 = 0,785

artinya sekitar 78,5% variasi dari variabel diameter batang pohon mahoni
dapat menjelaskan variasi dari variabel tinggi pohon mahoni.

(cukup tinggi)

Standar Error Estimate Persamaan Regresi:

Jadi besarnya standar error estimate persamaan regresi adalah 6,6364. Hal
ini menunjukkan penyimpangan data-data terhadap garis regresi, atau
bagaimana penyimpangan data yang menyebar disekitar garis regresi.

(cukup kecil).

Pengujian Koefisien Regresi :

> Hipotesis Uji

Ho : b = 0

Ha : b ≠ 0

> Taraf Signifikansi

Pilih nilai signifikansi a = 5%

> Daerah Kritis

dengan nilai a = 5% dan derajat bebas n-2=8–2=6, maka diperoleh nilai t-

tabel pada 5%/2 = 2,5% yaitu 2,447.

> Statistik Uji

> Keputusan

nilai t-hitung = 4,6805 > t-tabel = 2,447 sehingga Ho ditolak dan Ha

diterima.

> Kesimpulan
Dengan tingkat signifikansi 5% cukup menjelaskan bahwa ada pengaruh
diameter batang pohon mahoni terhadap tinggi pohon mahoni.

16