dan Pendugaan
pengolahan dal
Dalam buku Jilid 1, kita telah memahami bahwa populasi dan sampel adalah dua
aspek penting dalam mempelajari statistika. Untuk menyegarkan kembali ingatan kita,
perhatikan definisi dari populasi dan sampel berikut ini:
Statistika pada dasarnya dapat dikelompokkan menjadi dua, yaitu statistika deskriptif
dan statistika induktif (inferensia). Statistik deskriptif telah kita pelajari pada buku Jilid
1, sedangkan statistik induktif akan lebih banyak dibahas dalam buku Jilid Iini |
PA | ga |
memerlukan pel!
jan terseDut IN
2: 1 2 PA Aa 1
nisi dari penarikan sampel acak seder
Contoh dari populasi terbatas adalah seluruh mahasiswa di Jakarta tahun 2013,
seluruh karyawan Bank Indonesia tahun 2013, seluruh kendaraan milik Pertamina,
seluruh petak sawah di Kecamatan Cibadak, Sukabumi, atau seluruh petani Kabupaten
Karawang. Populasi terbatas dapat dihitung mulai dari 1, 2, ..., IN. Sedangkan populasi
tak terbatas biasanya dihubungkan dengan suatu proses. Misalnya, proses produksi dari
waktu ke waktu (hari ke hari, bulan ke bulan, tahun ke tahun) :
Suatu populasi dianggap tidak terbatas apabila proses yang terjadi dapat dilakuk
secara terus-menerus sampai proses itu dihentikan. Dalam hal ini ukan
Sebagian dari proses ini lalu dianggap seba N tak terbatas nilainya.
b | ya, rod
arang A selama 10 tahun (Xy, X,, 3 Ayo): harga beras selama 12 bulan X, SA
. YP...
Penarikan Sampel da
Xy Xy dan X,. Sampel dengan 7 — 3 (berarti 3 elemen) diambil dari 5 elemen yang ada.
O) Ko Kas (6) Xu Xp X3
0) Ko Aati 7) XX Xi
(3) Xp Xp X5 (8) Xp Xp Ke
4) Xp Xp X5 (9) Xp Xp A5
(5) Xu Xp X4 (10) Xu Xp NM.
diperlukan 10 potong kertas, diberi nomor 1 sampai dengan 10, dilipat. ep hap.
ke dalam kotak, dikocok kemudian diambil satu. Jika mendapat nomor s ar. re
Xu Xy X4, jika nomor 9: X3, Xp Xs, jika nomor 3: X,, X,, X,, dan seterusnya peinya:
Banyaknya kombinasi d i a
Midi yaknya kombinasi dapat diperoleh dengan rumus yang telah diuraikan dal |
BENNe an
NGn Ta Sa Ne aa i
Ci 5! n 5-.4:3.92.1 P:
59 Bai 0.210 1
sedikit, seperti di
Dalam praktiknya, penarikan sampel tanpa pengembalian merupakan cara yang paling
sering digunakan.
Di dalam Tabel Bilangan Acak (lihat Lampiran VII), terdapat bilangan-bilangan yang
dapat digunakan untuk memilih sampel acak. Angka-angka pada tabel ini dihasilkan dari
satu proses pengacakan (dalam hal ini, oleh komputer). Setiap digit dari angka-angka
tersebut mempunyai probabilitas yang sama, baik angka 0, 1, 2, . . . 9.
Misalkan 1000 orang karyawan dari suatu perusahaan akan diselidiki untuk
mengetahui berapa persen yang puas dengan gaji yang diterima. Untuk itu, 100 karyawan
dipilih secara acak. Perhatikan potongan Tabel Angka Acak pada Tabel 3.1. Untuk mulai
memilih karyawan secara acak, pilihlah salah satu angka sebagai titik awal. Misalkan
pada saat itu jarum jam menunjukkan pukul 04.15. Kita bisa saja mengambil ini sebagai
inisiatif untuk memulai pemilihan. Lihat kolom ke 4, dan telusurilah sampai bertemu
dengan angka yang ada pada baris ke 15. Angka yang tertera adalah 78351. Karena hanya
ada 1000 karyawan, ambillah tiga digit pertama, yaitu 783 sebagai nomor karyawan yang
pertama terpilih. Kita juga bisa melanjutkan penelusuran ke mana saja. Misalkan kita
bergerak ke bawah, maka karyawan kedua yang terpilih adalah yang bernomor 280 (tiga
digit pertama dari 28042). Demikian seterusnya. Angka yang dipilih tidak boleh melebihi
jumlah populasi, dan apabila terpilih angka yang sama, kita boleh melewatkannya saja.
27104 54374 83559 “75559. 90159 12338 36248 65036 47393 26242
85694 38272 69261 97432 94143 55827 37871 82946 18894 19132
77853 22702 28785 51876: 02936 B2362 73695 41692 19725 15049
86600 07664 89694 " 99067: 51985 30784 95287 18448 91182 29128
26383 75981 54705 99061 93115 50695 57523 11214 64728 88875
45827 58215 58603 “43/98 31221 78476 78063 44014 67083 14321
23011 53152 15022 23592. 89899 — 37661 17709 99827 73371 18303
28398 55932 20104 .73139.. 96574 23366 21128 21770 43886 23508
99848 26278 14123 “744720 97826 09121 00773 06158 65603 65568
62758 51058 48298 6057. 72308 62016 05105 78524 39564 10347
98136 36786 33878 18548, 72354 54715 19117 18929 54414 14321
18677 97088 89968 78156 26378 51126 83467 98723 B5121 18308
40571 59619 34125 04 44. 45123 89107 15229 49271 12864 23808
62454 42436 94025 M4? 5. . 52746 09096 53333 50151 8104 65568
drat)
si 5 kura sampel
N — ukuran populasi au
Pembuktian rumus tersebut dibahas pada lampiran bab ini. Dalam hal populasi terbatas,
jika pengambilan sampel dilakukan dengan pengembalian (sampling with replacement),
maka populasinya dianggap tak terbatas. Pengambilan sampel dengan pengembalian
berarti, unit yang sudah terpilih dapat terpilih kembali. Jadi untuk populasi terbatas
Gio.
Berikut adalah contoh pengambilan sampel acak sederhana
M.A PA ab ani
Populasi tersebut :
tunglah jp, ix, 0? dan Oz. At dengan Pengambilan
Penyelesaian:
Sampel
Jadi, dari hasil di atas jelas bahwa X mempunyai nilai berbeda-beda yaitu Xii Aap Map
AA
10"
91
Pi Ae NG
Nilai dari parameter populasi u dan 0? dapat diperoleh dengan perhitungan berikut:
8)
aj
“MX G131446170-0-5
N
DO
10
—
5
- Vo? - v2 - 1,4142
Karena X juga merupakan variabel, maka seluruh nilai x juga merupakan populasi
tersendiri dengan elemen sebanyak L - ,C,, di mana ,,C,, menyatakan seluruh
kemungkinan sampel dengan « elemen yang diambil dari populasi dengan N elemen.
Pada umumnya:
Km Kp Apas os Ki
varians dari X.
NCn L
SEA.
Ur 5 — ii“ LA
ni NCn isl Li.
BB
Boke
-52 MH. A15.15 17) 150
BA. aa aA 5-0
.2
2 OX BR)
Pa
. PN BPA BA BaREnd Ea ) 1
sela 4 (0,33)? 4 (DD? 1 (0,67)? $ (0,33)
2
$ (0,33)? 4 (0,67)
(1 10100 :01010,1097 1 t 0,449 1 0,1
- 033
09 1 0,109 #7 0,109 « 0,
Namun dengan menggunakan Rumus (3.2), kita secara langsung dapat menghitung og
yaitu:
N—no
ai “Nm
-— 5-3.2 2. 2 1.033
5-13 4 3
Catatan:
pengembalian. Banyaknya sampel dengan n elemen yang diambil dari suatu populasi
dengan N elemen, adalah sebagai berikut. i
a) Dengan pengembalian:
LN
Kalau N — 5, 1 - 3 — banyaknya sampel — L — 53 — 125
Kalu N-4n-2— banyaknya sampel - L — 42 16
b) Tanpa pengembalian:
- NM
LNG MAN ny
Kalu N - 5, n-3—,c, E 5!
"
“1-2.1
” 10 (lihat Contoh di atas)
Kaliu Nego 6 na 4!
Gb,
Diketahui populasi dengan ukuran Ny - 4. $
I secara langsi
i seluruh rata-rata sampe i di
H asil Ea DE ai praktis. Sebagai penggantinya,
praktiknya jarang dilakukan, karen
oz an
20
- 1,25 N
Apabila pengambilan sampel dilakukan tanpa pengembalian, hasilnya harus dikali)
N—n
dengan 377 sebagai suatu koreksi, seperti telah ditunjukkan dalam contoh sebelumn
duktif
BESI 7 Magi :
£r Dalil Batas Memuat (Cen
di Dalam pemilihan $ | cl
ai bad MP 2)
Jika O (theta) adalah parameter dari distribusi populasi dan 9 (theta topi) adalah
penduga dari 9, maka untuk # menuju tak terhingga, atau untuk sampel yang besar (1
» 120), 0 sebetulnya hanya mendekati normal saja. Akan tetapi dalam praktiknya, kita
dapat menggunakan Tabel Distribusi Normal untuk menghitung probabilitas bahkan
untuk # » 30. Untuk 1 £ 30, sampelnya disebut sampel kecil, sehingga harus digunakan
Tabel Distribusi £ sebagai pengganti Tabel Distribusi Normal.
TABEL
. Dari Peraga 3.2 dapat dilihat bahwa kurva px) sama sekali tidak normal, tetapi
- nia. PX) mendekati kurva normal. Hal ini menunjukkan bahwa X mendekati normal
pun X tidak mengikuti distribusi normal, sesuai dengan Dalil Batas Memusat.
B : AP
TEMAN) Eerint — atag mara apabila X - I 2X, yaitu rata-rata sampel yang
n rata- A :
sedangkan Z meru Ban rata-rata yu dan deviasi standar atau simpangan baku 9,
populasi terbatas dianggap sebagai pengambilan sampel dari populasi tak terbatas).
Penyelesaian: ’
Banyaknya sampel dari pengambilan dengan pengembalian, L — N’"-4-16
Populasi: NN -4,X, - 1, X3 7 2, X3 7 4, X4 7 5
14
u -1Xx,
-IIX,
- 501121445)
z3
2 -1IK-u
“10-30 -344-3 465 -3)5
KE
Giaa,
Penyelesaian:
Untuk X - 155 pon, Z - AH
o/Vn
- 155 — 150
(21/V81)
- 214
Jadi P(X » 155) - Pfz 5 2,14)
- 0:5000 - 0,4838
- 0,0162
Statistik induktif meliputi dua hal, yaitu teori pendugaan dan pengujian hipotesis
statistik. Ada dua macam pendugaan yaitu pendugaan tunggal (point estimate) dan
pendugaan interval (interval estimate). Pendugaan interval dan pengujian hipotesis,
akan kita bahas setelah pembahasan Pendugaan Tunggal berikut ini.
be ai aa aa Ten aa aa
Taksiran (Pendugaan) Tunggal
Suatu penduga tunggal (point estimator) ialah pendugaan yang terdiri dari satu nilai
saja, misalnya, rata-rata konsumsi susu per bulan tiap keluarga sebanyak 35 kaleng
(X — 35 sebagai penduga dari ju), ataupun persentase nasabah yang tidak puas sebesar
25986 (Pp — 0,25) sebagai penduga 2 X dan p disebut penduga atau estimator dari ju dan
Pp yang merupakan parameter. Di bawah ini, akan diberikan beberapa penduga dan
parameter, yaitu
Penduga : X p $ r b
Parameter : Hu p lo) Pp B
di mana p (dibaca rho) adalah koefisien korelasi sebenarnya, dan 8 adalah koefisien
regresi sebenarnya. Satu parameter dapat mempunyai beberapa penduga. Berikut ini
akan dibicarakan sifat-sifat yang dimiliki suatu penduga.
Penduga tunggal (point estimator) merupakan fungsi dari nilai observasi yang
berasal dari sampel dengan «1 elemen. Apabila penduga diberi simbol i (— theta cap
atau theta topi) dan Xy, X,, ..., X,, merupakan suatu sampel acak, maka Of Xp Ap
n
, A,). Misalnya,
apabila
@ XX IX
3 2, SA “ X)
dan apabila
9 : : 3 DUA AN
pa (X Kd | 93
ka nilai 9 akan berbeda-beda dari sampel yang satu dengan sampel lainnya. Seperti
kita ketahui, dari suatu populasi dengan N elemen akan diperoleh sebanyak K sampel
(lihat uraian se
ImMnyaj.
Dari Peraga 3.3 dapat dilihat bahwa di antara 3 penduga, 8, adalah yang terbaik
sebab nilai estimasinya mendekati 9. Telah disebutkan di atas bahwa setiap penduga
merupakan variabel. Nilai salah satu variabel tersebut merupakan nilai taksiran/estimasi.
Jadi, penaksir 6 menghasilkan taksiran/penduga sebanyak K, yaitu 8, : 0. Ba and Bi
Sifat-sifat Penduga
(a) 8 merupakan penduga If
penduga dikatakan tak bias
sama dengan ni
penduga yang bias dan tak bias.
k bias (unbiased
jika rata-rata
pan
Distribusi penarikan
sampel dari 9
jang
EF) — 8
Distribusi penarikan
sampel dari 9
Distribusi penarikan
sampel dari DB, NS,
Distribusi penarikan
sampel dari 8,
@
9
Parameter
Sedangkan untuk mencari penduga, ada beberapa metode yang dapat digunakan
seperti metode “momen” dan metode “maximum likelihood” Salah satu contoh metode
maximum likelihood telah diberikan pada Lampiran Bab 2.
Taksiran/Pendugaan Interval
Dalam praktiknya, pendugaan tunggal yang terdiri dari satu angka tidak memberikan
gambaran mengenai berapa jarak/selisih nilai penduga tersebut terhadap nilai sebenarnya.
Kecuali jika diberikan besarnya kesalahan yang mungkin terjadi. Misalnya, apabila
sampel suatu perusahaan diselidiki dan memberikan nilai penduga modal (— X) sebesar
Rp100 juta, berapa nilai rata-rata modal sebenarnya (- yu)? Kita tahu bahwa DX — ul) —
£ (€£ — kesalahan). Itulah sebabnya sering digunakan pendugaan interval (selang), yaitu
suatu pendugaan berupa interval yang dibatasi oleh dua nilai, yang disebut nilai batas
bawah dan nilai batas atas. Misalnya, dengan tingkat keyakinan 9596 rata-rata modal
akan terletak dalam interval antara Rp95 juta — Rp105 juta. Kita mengharapkan bahwa
nilai rata-rata modal sebenarnya akan terletak di dalam interval tersebut. Interval yang
demikian itu disebut interval keyakinan atau selang keyakinan (confidence interval).
Misalnya 9 ( theta) adalah parameter yang akan diestimasi berdasarkan hasil penelitian
sampel. Untuk membuat pendugaan interval, harus ditentukan terlebih dahulu besarnya
koefisien keyakinan atau tingkat keyakinan, yang diberi simbol 1 — c. Besarnya nilai 1 —
a misalnya 0,90 (« — 1096), 0,95 (G4 — 596), 0,99 (4 — 196) atau angka lainnya. Perhatikan
suatu kurva normal sebagai berikut (luas kurva - 1 atau 10096).