LAPORAN PRAKTIKUM 3

METODE STATISTIKA

INTERVAL KEPERCAYAAN

OLEH :

NAMA : ZETI ZARLINA

NIM : 60600123033
KELAS : B
KELOMPOK : 5 (LIMA)
ASISTEN : NURFADILLAH
ALHUMAERAH

PROGRAM STUDI MATEMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI ALAUDDIN MAKASSAR

2023
 LAPORAN PRAKTIKUM

PERTEMUAN 3

INTERVAL KEPERCAYAAN

1. Pendahuluan

Pada praktikum kali ini akan dibahas bagaimana menyelesaikan kasus

interval kepercayaan dengan membuat diagram dan menentukan interval dengan
sigma yang diketahui dan sigma yang tidak diketahui serta rata-rata data yang
terdiri dari 20 jumlah data yang ditentukan oleh praktikan sendiri, dengan jumlah
level keyakinan 95%.

Interval kepercayaan adalah salah satu parameter untuk mengukur/

mengestimasi seberapa akurat rerata atau proporsi sebuah sampel mewakili
populasi sesungguhnya. Nilai dari suatu kelompok sampel dalam populasi dapat
diperkirakan dengan dua cara, yakni point estimate (Pendugaan Titik) dan Interval
estimate (Pendugaan Interval). Point estimate (Pendugaan Titik) adalah suatu nilai
(suatu titik) yang digunakan untuk menduga suatu nilai parameter. Point estimate
dapat berupa rerata atau proporsi. Interval estimate (Pendugaan Interval)
merupakan suatu interval yang menyatakan selang, dimana nilai yang sebenarnya
dari populasi mungkin berada.

Interval kepercayaan merupakan nilai parameter dari suatu populasi yang

ingin ditaksir berdasarkan data dari sampel. Pada pendekatan ini harus ditentukan
batas atas dan batas bawah interval. Setiap pengambilan sampel akan menghasilkan
nilai yang berbeda dalam rentang interval. Lebar interval menentukan ketepatan
suatu estimasi. Interval kepercayaan yang sempit menghasilkan presisi yang baik
dan sebaliknya apabila interval kepercayaan yang lebar menghasilnya presisi yang
buruk. Interval kepercayaan dapat digunakan untuk mengukur variasi sampel dalam
suatu populasi dan dapat memperkirakan letak nilai yang sebenarnya dari
populasi tersebut.
 Tingkat kepercayaan adalah peluang bahwa interval kepercayaan yang
terbentuk benar-benar memuat parameter populasi jika proses estimasinya
dilakukan secara berulang-ulang. Sebuah tingkat kepercayaan menggambarkan
kemungkinan dimana sebuah metode penarikan sampel akan menghasilkan sebuah
interval kepercayaan dimana parameter populasi yang sesungguhnya berada di
dalamnya. Tingkat kepercayaan yang sering digunakan adalah 90% (dengan α =
0,1), 95% (dengan α = 0,05), dan 0,99 (dengan α = 0,01). Dari ketiga pilihan
tersebut, selang kepercayaan yang paling sering digunakan adalah 95%. Semakin
tinggi tingkat kepercayaan, semakin lebar margin of errornya. Untuk menghitung
interval kepercayaan dapat dilakukan dengan rumus sebagai berikut:

Sigma diketahui:
𝑎 𝑎
𝑥̅ − 𝑧𝑎 . ≤ µ ≤ 𝑥̅ + 𝑧𝑎 .
2 √𝑛 2 √𝑛

Sigma tidak diketahui:

𝑠 𝑠
𝑥̅ − 𝑡𝑑𝑓.𝑎 . ≤ µ ≤ 𝑥̅ + 𝑡𝑑𝑓.𝑎 .
2 √𝑛 2 √𝑛
Keterangan :

𝑧𝛼⁄2 = Koefisien yang sesuai dengan interval keyakinan yang dipergunakan dalam
pendugaan interval dan nilainya diperoleh dari tabel z

𝑡𝑑𝑓,𝛼⁄2 = Koefisien yang sesuai dengan interval keyakinan yang dipergunakan

dalam pendugaan interval dan nilainya diperoleh dari tabel t

𝛼 = Standar deviasi populasi

𝑠 = Standar deviasi sampel

𝑛 = Jumlah/ukuran sampel

𝜇 = Rata-rata populasi

𝑥̅= Rata-rata sampel

II. Metode

Metode yang digunakan untuk menyelesaikan praktikum adalah;

A. Menentukan interval kepercayaan untuk sigma yang diketahui

1. Mulai
2. Membuka aplikasi Rstudio
3. Input 20 data yang didefinisikan sebagai data x
4. Menjalankan fungsi par untuk membuat tampilan diagram.
5. Menjalankan fungsi hits untuk membuat histogram.
6. Menjalankan fungsi qqnorm untuk membuat diagram plot normal
7. Menjalankan fungsi boxplot untuk membuat diagram boxplot.
8. Menjalankan fungsi rata2, sigma dan sem untuk menghitung nilai
statistik.
9. Menjalankan fungsi rata2 ditambah sem dan dikali qt(0.025, 19) atau
rata2 dikurang sem dan dikali qt(0.975, 19) untuk menghitung nilai dengan
rumus interval di z negative
10. Menjalankan fungsi rata2 dikurang sem dan dikali qt(0.025, 19) atau
rata2 ditambah sem dan dikali qt(0.975, 19) untuk menghitung nilai dari
rumus interval di z positif.
11. Jalankan program tersebut dengan klik run dan output akan muncul
12. Selesai
B. Menentukan interval kepercayaan untuk sigma yang tidak diketahui
1. Mulai
2. Membuka aplikasi Rstudio
3. Membuat file baru di R sricpt
4. Input 20 data yang didefinisikan sebagai data x.
5. Menjalankan fungsi xbar, sigma, dan sem untuk menghitung nilai
statistik.
6. Menjalankan fungsi xbar ditambah sem dan dikali qqnorm(0.025) untuk
menghitung nilai dengan rumus interval dengan t negatif.
 7. Menjalankan fungsi xbar kurang sem dan dikali qnorm(0.025) atau xbar
tambah sem kali qqnorm(0.975) untuk menghitung nilai dari rumus interval
dengan t positif.
8. Jalankan program dengan menekan run dan output akan muncul.
9. Selesai

III. Hasil

A. Program
1. Menentukan interval kepercayaan dengan sigma yang diketahui
x<-c
(33,56,68,70,23,17,29,36,45,10,92,83,75,66,43,78,88,94,41,52)
par(mfrow=c(2,2))
hist(x)
qqnorm(x)
boxplot(x,main="Box Plot",ylab="Umur")
qnorm(0.025)
qnorm(0.975)
xbar<-mean(x)
sigma<-12.1
sem<-sigma/sqrt(20)
sem
xbar+sem*qnorm(0.025)
#low limit
xbar-sem*qnorm(0.025)
#upper limi
xbar+sem*qnorm(0.975)
2. Menentukan interval kepercayaan dengan sigma yang tidak
diketahui
x<-c
(33,56,68,70,23,17,29,36,45,10,92,83,75,66,43,78,88,94,41,52)
par(mfrow=c(2,2))
hist(x)
qqnorm(x)
boxplot(x,main="Box Plot",ylab="Umur")
ttab1<-qt(0.025,19)
ttab1
ttab2<-qt(0.975,19)
ttab2
 rata2<-mean(x)
rata2
s<-sd(x)
s
sem<-s/sqrt(20)
sem

#low limit
rata2+sem*qt(0.025,19)

#upper limit
rata2-sem*qt(0.975,19)
#atau
rata2+sem*qt(0.975,19)
B. Output
1. Menentukan interval kepercayaan dengan sigma yang diketahui
a. Consule
 b. Diagram

2. Menentukan interval kepercayaan dengan sigma yang tidak

diketahui

a. Consule
 b. Diagram

IV. Pembahasan

1. Menentukan interval kepercayaan dengan sigma yang diketahui

Langkah awal yang dilakukan Untuk membuat program interval
kepercayaan dengan sigma yang diketahui, pertama ketik x<-
c(33,56,68,70,23,17,29,36,45,10,92,83,75,66,43,78,88,94,41,52),
dimana data tersebut sudah di input dan dimisalkan sebagai variabel c,
dimana variabel c tersebut didefinisikan sebagai x. Selanjutnya, ketik
par(mfrow=c(2,2)) yang berfungsi untuk membuat hasil output tersusun
dua baris kebawah dan dua baris kesamping.
Lalu ketik hist(x), Dimana hist berfungsi untuk membuat diagram
histogram dan x adalah nama dari data yang sebelumnya telah
didefinisikan. Kemudian, ketik qqnorm(x), qqnorm berfungsi untuk
membuat plot kuantil-kuantil normal dari data distribusi nilai tersebut.
Setelah itu, ketik boxplot(x,main=”Box Plot”, ylab=”Umur”), dimana
boxplot ini berfungsi untuk membuat diagram kotak dari suatu
Kumpulan data dan akan membuat boxplot dari vector (x) tersebut dan
main sebagai judul dimana judul dari diagram tersebut adalah “Box
Plot”. Ylab sebagai label untuk sumbu y dimana umur adalah label dari
data tersebut.
Kemudian, ketik qnorm(0.025), untuk menghitung nilai distribusi
normal pada data ke 0.025, dimana 0.025 tersebut didapatkan dari hasil
𝑧𝛼⁄2 atau 1 − 0.95 = 0.05/2 sehingga nilai yang didapatkan adalah -
1.959964. Lalu ketik qnorm(0.975), untuk menghitung nilai distribusi
normal pada data ke 0.975, Dimana 0.975 ini diperoleh dari hasil 1 −
0.025 sehingga nilai yang didapatkan adalah 1.959964. Setelah itu, ketik
xbar<-mean(x), Dimana xbar<-mean berfungsi untuk mencari nilai rata-
 rata dari data yang dimasukkan dan x merupakan nama data yang akan
dicari nilai rata-ratanya.
Kemudian, ketik sigma<-12.1, sebagai standar deviasi populasi dari
x. Ketik sem<-sigma/sqrt(20), yang digunakan untuk menghitung
standar error mean (sem) dan juga merupakan perkiraan standar deviasi
dari mean sampel, dimana dalam rumus tersebut sigma adalah standar
deviasi populasi dan sqrt(20) adalah akar dari ukuran sampel dan 20
adalah jumlah data yang telah diinput. Untuk memanggil fungsi tersebut
ketik sem dan hasil yang diperoleh adalah 2.705642.
Setelah itu, pada bagian #low limit, ketik xbar+sem*qnorm(0.025),
dimana xbar adalah rata-rata sampel, sem adalah standar deviasi error
mean dan qnorm (0.025) digunakan untuk memberikan nilai kuartil
bawah dari distribusi standar normal untuk membentuk interval
kepercayaan 95% dimana hasil yang diperoleh adalah 49.64704. Pada
bagian #upper limit, ketik xbar- sem*qnorm(0.025) atau xbar+
sem*qnorm(0.975) yang digunakan untuk menghitung batas bagian atas
dari interval kepercayaan 95% untuk rata-rata populasi, dimana hasil
yang diperoleh adalah 60.25296. Jadi interval kepercayaan untuk level
kepercayaan 95% berada diantara nilai 49.64704 dan 60.25296 atau bisa
juga ditulis 49.64704 ≤ µ ≤ 60.25296.
2. Menentukan interval kepercayaan dengan sigma yang tidak diketahui
Langkah awal yang dilakukan untuk membuat program interval
kepercayaan dengan sigma yang diketahui, pertama ketik x<-
c(33,56,68,70,23,17,29,36,45,10,92,83,75,66,43,78,88,94,41,52),
dimana data tersebut sudah di input dan dimisalkan sebagai variabel c, dimana
variabel c tersebut didefinisikan sebagai x. Selanjutnya, ketik
par(mfrow=c(2,2)) yang berfungsi untuk membuat hasil output tersusun dua
baris kebawah dan dua baris kesamping. Lalu ketik hist(x), Dimana hist
berfungsi untuk membuat diagram histogram dan x adalah nama dari data yang
sebelumnya telah didefinisikan. Kemudian, ketik qqnorm(x), qqnorm
berfungsi untuk membuat plot kuantilkuantil normal dari data distribusi nilai
tersebut.
Setelah itu, ketik boxplot(x,main=”Box Plot”, ylab=”Umur”), dimana
boxplot ini berfungsi untuk membuat diagram kotak dari suatu Kumpulan data
dan akan membuat boxplot dari vector (x) tersebut dan main sebagai judul
dimana judul dari diagram tersebut adalah “Box Plot”. Ylab sebagai label
untuk sumbu y dimana Umur adalah label dari data tersebut.
Kemudian, ketik ttba1<-qt(0.025,19), dimana ttba1 berarti baris ke
0.025, qt untuk menghitung nilai distribusi dari data ke 0.025 dan 19
adalah angka yang diperoleh dari (n-1), untuk memanggil fungsi
tersebut ketik ttba1 dan nilai yang diperoleh adalah -2.009575. Lalu
 ketik ttba2<- qt(0.975,19), dimana ttba1 berarti baris ke 0.975, qt untuk
menghitung nilai distribusi dari data ke 0.975 dan 19 adalah angka yang
diperoleh dari (n-1), untuk memanggil fungsi tersebut ketik ttba1 dan
nilai yang diperoleh adalah 2.009575.
Setelah itu, ketik rata2<-mean(x) untuk mecari nilai rata-rata dari
data yang telah diinput, dimana untuk memanggil fungsi tersebut ketik
rata2 dan hasil yang diperoleh adalah 54.95. Lalu ketik, s<- sd(x) untuk
mecari standar deviasi dari data yang telah diinput, dan untuk
memanggil fungsi tersebut ketik s dan hasil yang diperoleh adalah
25.82425. Selanjutnya, ketik sem<-s/sqrt(20) untuk menghitung standar
error mean dalam statistik, s merupakan standar deviasi, sqrt(20) adalah
akar dari ukuran sampel(n). Untuk memanggil fungsi tersebut ketik sem
dan hasil yang diperoleh adalah 5.774479.
Pada bagian #low limit, ketik rata2+sem*qt(0.025,19) atau rata2-
sem*qt(0.975,19) berfungsi untuk menghitung nilai dari 𝑥̅− 𝑡𝑑𝑓,𝛼⁄2 ∙ 𝑠
√𝑛 dimana rata2 = 54.95, sem 5.774479=, qt(0.025,19) = -2.009575, dan
akan menghasilkan nilai 42.86388. Pada bagian #upper limit, ketik
rata2- sem*qt(0.025,19) atau rata2+sem*qt(0.975,19) berfungsi untuk
menghitung nilai dari 𝑥̅+ 𝑡𝑑𝑓,𝛼⁄2 ∙ 𝑠 √𝑛 dimana rata2 = 54.95, sem
5.774479= , qt(0.975,19) =2.009575, dan akan menghasilkan nilai
67.03612. Jadi interval kepercayaan untuk level kepercayaan 95%
berada diantara nilai 42.86388 dan 67.03612 atau bisa juga ditulis
42.86388 ≤ µ ≤ 67.03612.

V. Referensi

Alegsa , L. (2022). Interval Kepercayaan. Alegsaonline.com.

Mardapi, Djemari. Pengujian Hipotesis Nihil: Uji signifikansi dan Interval

Kepercayaan. Jurnal Buletin Psikologi. ISSN : 0854-7108. 2000

Wicaksono, Nyco Maulana., dkk. Analisis Stabilitas Lereng Berdasarkan Konsep

Interval Kepercayaan di Bukit Ganoman Kecematan Matesih Kabupaten
Karanganyar. E-Jurnal MATRIKS TEKNIK SIPIL. Hal. 103- 109. 2017