Pertemuan - 7 Sampel Dan Pendugaan
Pertemuan - 7 Sampel Dan Pendugaan
Statistik;
1. Statistik deskriptif (statistik I)
2. Statistik induktif (inferensia), tujuannya untuk memperoleh informasi tentang suatu populasi berdasarkan informasi
yang diperoleh dr sampel.
Apabila data diperoleh dari populasi, maka kita memperoleh data sesungguhnya (parameter), sedangkan dr penarikan
sampel maka kita akan memperoleh data berupa perkiraan atau penduga (statistik).
PENARIKAN SAMPEL ACAK SEDERHANA (Simple Random Sampling)
Sebuah sampel sederhana berukuran n dr populasi terbatas N, adalah sampel yg dipilih sedemikian rupa shg setiap
anggota populasi memiliki probabilitas yang sama untuk dijadikan sampel. Misal dengan lotre/undian, atau dgn tabel
angka acak.
Populasi dgn
Sampel acak sederhana dgn ukuran
rata-rata
n dipilih dr populasi
μ =?
Varians
Populasi terbatas
2=
N-n σ2
σx
N-1 n
Populasi tak terbatas (atau populasi terbatas namun pengambilan sampel dgn pengembalian)
σ2
σx2 = n
Standar Deviasi
Populasi terbatas
N-n σ2
σx = √ n
N-1
Populasi tak terbatas
σ 2
σx = √ n
Central Limit Theorem
Dalam penarikan sampel acak sederhana dengan ukuran sampel n dari suatu populasi yang berasal dari distribusi
apapun (binomial, poisson, dan lainnya), maka distribusi dari rata-rata sampel dapat didekati dgn distribusi
probabilitas normal untuk ukuran sampel yg besar.
Jika X ~ N(μ, σ2), artinya X berdistribusi normal dgn rata-rata μ dan varians σ2
X ~ N(μ, σ2/n), artinya X berdistribusi normal dgn rata-rata μ dan varians σ2/n
X–μ
Z=
σ/√n
TAKSIRAN (PENDUGAAN) TUNGGAL
Penduga tunggal (point estimator) adalah pendugaan yg terdiri dr satu nilai saja. Misal, rata-rata konsumsi susu
perbulan tiap rumah tangga sebanyak 35 kaleng (X = 35 sebagai penduga dr μ), atau persentase nasabah tidak puas
sebesar 25% (p^ = 0,25) sebagai penduga. Dapat dikatakan bahwa X dan ^p disebut sbg penduga μ dan p yg
merupakan parameter.
Penduga = X p
^
s r b
Parameter = μ p σ ρ B
Sifat-sifat Penduga:
^ ^
1. θ merupakan penduga tak bias (unbiased estimator) dari θ jika E(θ) = θ. Sebuah penduga dikatakan tak bias, jika
rata-rata dr seluruh kemungkinan sampel akan sama dgn nilai parameter dr parameter yg diduga.
2. θ merupakan penduga konsisten (consistent estimator) bagi θ, apabila nilai θ cenderung mendekati nilai
^ ^
Dalam praktek penduga tunggal tidak dapat memberikan gambaran mengenai jarak penduga tersebut thd nilai
sebenarnya. Mk digunakan pendugaan interval (selang), suatu pendugaan berupa interval yg dibatasi oleh 2 titik
(nilai batas bawah dan nilai batas atas). Misal, dgn keyakinan 95%, rata-rata modal akan terletak dlm interval
antara Rp. 95 juta s./d. Rp. 105 juta.
^ ^ ^
Berdasarkan dalil batas memusat, apabila θ = parameter, θ = penduga, F(θ) = θ, dan σ^θ = kesalahan baku θ, dan
n mendekati tak terhingga, maka
^
θ–θ
Z = σ^ ~ N(0,1)
θ
Pendugaan interval untuk rata-rata μ
^
θ–θ
Z= σ^θ ~ N(0,1)
^
Apabila θ = X, θ = μ dan σ^θ = σ/√n , maka
σ N-n σ N-n
2. X – Zα/2 < μ < X + Zα/2
√n N-1 √n N-1 untuk sampel besar (n ≥ 30), dan populasi terbatas
s s
3. X – tα/2 < μ < X + tα/2
√n √n untuk sampel kecil (n < 30), dan σ tidak diketahui
1
s= Σ(Xi – X)2 perkiraan σ
n-1
Misal; Seratus orang mahasiswa ilmu statistik sbg sampel acak, telah mengikuti tes TPA. Hasil test tersebut rata-rata
mahasiswa memiliki IQ 110, dgn simpangan baku 20. Dgn menggunakan tingkat keyakinan 95 % buat pendugaan interval.
n = 100, X = 110, dan σ = 20, 1 - α = 95%, maka α/2 = 2,5%, Zα/2 = 1,96 (tabel distribusi normal)
σ σ
X – Zα/2 < μ < X + Zα/2
√n √n
100 – 1,96 (20/√100) < μ < 100 + 1,96 (20/√100)
Lima mhsiswa FE UNEJ dipilih scr acak diukur tinggi badan, diperoleh X1 = 160, X2 = 170, X3 = 165, X4 = 175, dan X5 = 180
170 – 2,7765 . (7,9057/√5) < μ < 170 + 2,7765 . (7,9057/√5) = 160,18 < μ < 179,82
Pendugaan Interval untuk Proporsi (Persentase)
X (1 - X ) X X
X n n X n (1 - n
)
– Zα/2 < P< + Zα/2
n n n n
n > 30
Misal; Sampel random dr suatu barang sebanyak 100 buah, ternyata setelah diperiksa ada 30 buah yg rusak. Dgn menggunakan
tingkat keyakinan 95%, buat pendugaan interval P yg menunjukkan proporsi barang yg rusak.
0,30 – 1,96 . √(0,30 * 0,70)/100 < P < 0,30 + 1,96 . √(0,30 * 0,70)/100
(X1 – X2) – Zα/2 σ(x -x ) < (μ1 – μ2) < (X1 – X2) + Zα/2 σ(x -x )
1 2 1 2
σ σ
σ(x -x ) = +
1 2 n1 n2
untuk sampel besar (n < 30), dan σ1 dan σ2 tidak diketahui
(X1 – X2) – tα/2 s(x -x ) < (μ1 – μ2) < (X1 – X2) + tα/2 s(x -x )
1 2 1 2
(p1 – p2) – Zα/2 s(p1–p2) < (P1 – P2) < (p1 – p2) + Zα/2 s(p1–p2)
p1 (1 – p1) p2 (1 – p2)
s(p1-p2) = +
n1 n2
TERIMA KASIH