Statistik Ekonomi II

PENARIKAN SAMPEL DAN

PENDUGAAN
Dr. Edy Santoso, SE., MSc.
SAMPEL ATAU SAMPLING

Populasi = kumpulan seluruh elemen atau objek yg diteliti

Sampel/sampling = bagian dari populasi

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)

A. Penarikan Sampel dr Populasi Terbatas

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.

B. Penarikan Sampel dr Populasi Tak Terbatas

Sebuah sampel acak sederhana dr populasi tak terbatas, adalah sampel yg dipilih sedemikian rupa shg kondisi
berikut terpenuhi: (1) setiap elemen yg terpilih berasal dr populasi yg sama, (2) setiap elemen dipilih scr
independen. Misal, memperkirakan rata-rata waktu tunggu antara pemesanan dgn menerima makanan bg
pelanggan dr sebuah rumah makan selama makan siang. Populasi sulit ditentukan batas jumlah pengunjung yg
datang, mk kita menentukan batas waktu antara jam 11.30 – 13.00. Populasi adalah seluruh pelanggan yg datang
untuk makan siang, kondisi kedua pemilihan sampel tidak mempengaruhi pemiliham pelanggan yg lain.
DISTRIBUSI PENARIKAN SAMPEL ( x )

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 =?

Nilai χ digunakan untuk menduga Ringkasan data sampel memberikan

nilai μ nilai bagi rata-rata sampel χ
Varians dan Standar Deviasi dr x (σx2 dan σx)

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
^ ^

parameter θ untuk n (besar sampel) mendekati tak terhingga.

^ ^
3. θ merupakan penduga yang efisien (efficient estimator) bagi θ jika penduga θ memiliki varians atau standar
deviasi yg lebih kecil dibandingkan penduga lainnya.
merupakan penduga yang cukup (sufficient estimator) bagi θ jika penduga θ mencakup seluruh informasi
^ ^
4. θ
tentang θ yg terkandung dalam sampel.
TAKSIRAN (PENDUGAAN) INTERVAL

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

P( -Z α/2 < Z < Z α/2 ) = 1 - α

X –μ
P(-Z α/2 < < Z α/2 ) =1-α
σ/√n
P(-Z α/2 σ/√n < X – μ < Z α/2 σ/√n) =1–α

P(X - Z α/2 σ/√n < μ < X + Z α/2 σ/√n) =1–α

batas bawah batas atas

Misal; P(95 < μ < 105) = 0,95

Pendugaan interval rata-rata
σ σ
1. X – Zα/2 < μ < X + Zα/2
√n √n
untuk sampel besar (n ≥ 30), dan populasi tak terbatas

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)

106,08 < μ < 113,92

Lima mhsiswa FE UNEJ dipilih scr acak diukur tinggi badan, diperoleh X1 = 160, X2 = 170, X3 = 165, X4 = 175, dan X5 = 180

n = 5, X = 1/n ΣXi = 1/5(X1 + X2 + X3 + X4 + X5) = 170

s = √ 1/n Σ(Xi – X)2 = 7,9057

Karena n < 30, tabel t untuk tα/2,n-1 = t2,5.4 = 2,7765

s s
X – tα/2 < μ < X + tα/2
√n √n

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.

n = 100, X = 30, Zα/2 = 1,96

0,30 – 1,96 . √(0,30 * 0,70)/100 < P < 0,30 + 1,96 . √(0,30 * 0,70)/100

0,21 < P < 0,39

21% < P < 39%
Pendugaan Interval tentang Perbedaan/Selisih antara Dua Rata-rata

 untuk sampel besar (n ≥ 30), dan σ1 dan σ2 diketahui

(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

(n1 – 1)s12 + (n2 – 1) s22 1 1

s(x -x ) = n1 + n2
1 2 n1 + n2 – 2

s12 = 1/n Σ(X1i – X1)2

Pendugaan Interval tentang Perbedaan/Selisih antara Dua Proporsi

(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