Chapter 14 Topik 6 Dan 7
Chapter 14 Topik 6 Dan 7
Masalah interval kepercayaan dan tingkat kepercayaan dibahas dalam diskusi berikut tentang
presisi dan kepercayaan.
PRESISI
Presisi mengacu pada seberapa dekat perkiraan kami dengan karakteristik populasi
sebenarnya. Biasanya, kami memperkirakan parameter populasi berada dalam
kisaran, berdasarkan estimasi sampel. Sebagai contoh, mari kita katakan bahwa dari studi
sampel acak sederhana 50 dari total 300 karyawan di sebuah bengkel, kita menemukan bahwa
tingkat produksi harian rata-rata per orang adalah 50 buah produk tertentu . Semakin sempit
interval ini, semakin besar presisi. Misalnya, jika kita dapat memperkirakan bahwa rata-rata
populasi akan berada di antara 45 dan 55 buah produksi daripada 40 dan 60 , maka kita
memiliki lebih presisi. Artinya, kami sekarang memperkirakan rata-rata berada dalam kisaran
yang lebih sempit, yang pada gilirannya berarti kami memperkirakan dengan ketepatan atau
presisi yang lebih besar.
Semakin kecil dispersi atau variabilitas ini, semakin besar kemungkinan rata-rata sampel akan
lebih dekat dengan rata-rata populasi. Kita tidak perlu mengambil beberapa sampel yang
berbeda untuk memperkirakan variabilitas ini. Kesalahan standar dihitung dengan rumus
berikut:
𝑠
di mana S adalah standar deviasi sampel, n adalah ukuran sampel, dan 𝑆𝑥̅ = menunjukkan
√𝑛
kesalahan standar atau tingkat presisi yang ditawarkan oleh sampel.
Perhatikan bahwa kesalahan standar berbanding terbalik dengan akar kuadrat dari ukuran
sampel. Hal lain yang perlu diperhatikan adalah bahwa semakin kecil variasi dalam
populasi, semakin kecil kesalahan standar, yang pada gilirannya menyiratkan bahwa ukuran
sampel tidak perlu besar. Singkatnya, semakin dekat kita ingin hasil sampel kita mencerminkan
karakteristik populasi,semakin besar presisi yang harus kita tuju.
KEPERCAYAAN DIRI
Sedangkan presisi menunjukkan seberapa dekat kita memperkirakan parameter populasi
berdasarkan statistik sampel,kepercayaan menunjukkan seberapa yakin kita bahwa perkiraan
kita akan benar-benar berlaku untuk populasi. Dalam contoh tingkat produksi sebelumnya, kita
tahu bahwa kita lebih tepat ketika kita memperkirakan produksi rata-rata sebenarnya jatuh di
suatu tempat antara 45 dan 55 buah daripada di antara 40 dan 60.Namun, kita mungkin lebih
percaya pada estimasi terakhir daripada di bekas. Dengan kata lain, ada trade-off antara presisi
dan keyakinan untuk setiap ukuran sampel yang diberikan, seperti yang akan kita lihat nanti
dalam bab ini.
Intinya, kepercayaan mencerminkan tingkat kepastian yang dengannya kita dapat menyatakan
bahwa perkiraan parameter populasi kita, berdasarkan statistik sampel kita, akan berlaku.
µ = 𝑋 ± 𝐾𝑆
𝑆
𝑆𝑋̅ =
√𝑛
Jadi,
10
𝑆𝑋̅ = = 1.25
√64
Singkatnya, ukuran sampel, n, adalah fungsi dari:
Kami telah mencatat bahwa jika kami ingin lebih presisi, atau lebih percaya diri, atau keduanya,
ukuran sampel perlu ditingkatkan - kecuali, tentu saja, ada sangat sedikit variabilitas dalam
populasi itu sendiri. Namun, jika ukuran sampel (n) tidak dapat ditingkatkan, untuk alasan apa
pun – katakanlah, kita tidak dapat menanggung biaya peningkatan pengambilan sampel –
maka, dengan n yang sama, satu-satunya cara untuk mempertahankan tingkat presisi yang
sama adalah dengan mengabaikan kepercayaan dengan mana kita dapat memprediksi
perkiraan kita. Artinya, kita mengurangi tingkat kepercayaan atau kepastian perkiraan kita.
Dengan demikian menjadi perlu bagi peneliti untuk mempertimbangkan setidaknya empat
aspek saat membuat keputusan tentang ukuran sampel yang diperlukan untuk melakukan
penelitian:
Hipotesis alternatif perbedaan akan dinyatakan secara non-arah (karena kami tidak tahu
apakah pelanggan membeli lebih banyak di Toko A atau Toko B) sebagai:
𝐻𝐴 ∶ 𝜇𝐴 − 𝜇𝐵 ≠ 0
Jika kita mengambil sampel 20 pelanggan dari masing-masing dua toko dan menemukan bahwa
nilai rata-rata pembelian dolar pelanggan di Toko A adalah 105 dengan standar deviasi 10, dan
angka yang sesuai untuk Toko B adalah 100 dan 15, masing-masing, kita melihat bahwa:
𝑋𝐴 − 𝑋𝐵 = 105 − 100 = 5
Sedangkan hipotesis nol kami telah mendalilkan tidak ada perbedaan . Untuk menentukan ini
pertama-tama kita harus menemukan probabilitas atau kemungkinan dari dua kelompok
berarti memiliki perbedaan 5 dalam konteks hipotesis nol atau perbedaan 0. Hal ini dapat
dilakukan dengan mengubah perbedaan rata-rata sampel menjadi statistik t dan melihat apa
probabilitas menemukan t dari nilai itu. Kita perlu menggunakan uji dua sisi karena kita tidak
tahu apakah perbedaan antara Toko A dan Toko B akan positif atau negatif.
Kesimpulannya, kemudian, adalah bahwa tidak ada perbedaan yang signifikan antara berapa
banyak pelanggan membeli (pengeluaran dolar) di Department Store A dan Department Store
B. Dengan demikian kami akan menerima hipotesis nol dan menolak alternatif.
Data sampel dengan demikian dapat digunakan tidak hanya untuk memperkirakan parameter
populasi, tetapi juga untuk menguji hipotesis tentang nilai populasi, korelasi populasi, dan
sebagainya, seperti yang akan kita lihat lebih lengkap di Bab 16.