W1 - Pengantar Dan Estimasi Parameter (1 Populasi) - 1
W1 - Pengantar Dan Estimasi Parameter (1 Populasi) - 1
https://bit.ly/backupASG
RUBRIK PENILAIAN
A 85 - 100
AB 80 - 84
B 75 - 79
BC 70 - 74
C 60 - 69
D 50 - 59
RISE YOUR
HAND
*Kehadiran dinilai dari
partisipasi, bukan dari
penampakan kamera
MINIMAL HADIR
80% VIDEO ON
*DARI TOTAL 14
PERTEMUAN
PERKULIAHAN ONLINE
https://bit.ly/kelasASG
BUKU REFERENSI
Eric Goh Ming Hui. Learn
R for Applied Statistics:
With Data Visualizations,
Regressions, and
Statistics. Apress.
Singapore. 2019
BUKU REFERENSI
Dieter Rasch, Dieter
Schott. Mathematical
Statistics. Wiley. 2018.
BUKU REFERENSI
Dharmaraja Selvamuthu,
Dipayan Das.
Introduction to
Statistical Methods,
Design Experiments and
Statistical Quality
Control. Springer.
Singapore. 2018
BUKU REFERENSI
Theodore T. Allen.
Introduction to
Engineering Statistics and
Lean Six Sigma Statistical
Quality Control and
Design of Experiments
and Systems. Springer.
USA. 2019
DOWNLOAD E-BOOK
https://bit.ly/ebookASG
SOFTWARE
2
R
3
MATLAB
SPSS
Statistika adalah ilmu yang mempelajari metode,
teknik atau cara mengumpulkan, mengolah,
menganalisis dan menginterpretasikan data untuk
disajikan secara lengkap dalam bentuk yang mudah
dipahami oleh penggunanya, mencakup metode
statistika, statistika inferensia, estimasi parameter,
analisis korelasi, analisis regresi linier, analisis variansi,
pengujian kecocokan model, statistika non
parametrik dan percobaan faktorial.
POPULASI DAN SAMPEL
Memahami bagaimana cara mengambil sampel dari populasi agar sampel yang
diperoleh representatif dipelajari dalam TEORI SAMPLING.
What you
want to talk What you actually
about? observe in the
data?
Sampling process
POPULASI
POPULASI atau UNIVERSE adalah wilayah
generalisasi yang terdiri atas: objek dan subjek yang
mempunyai kuantitas dan karakteristik tertentu yang
ditetapkan oleh peneliti untuk dipelajari kemudian
ditarik kesimpulannya (Sugiyono, 2014, p.148).
STUDY POPULATION
Populasi studinya: Lengkap 25 orang
mahasiswa laki-laki yang akan/dapat
di akses/ jangkau (disajikan dalam
kerangka sampling).
Study Samples
(enrolled participants)
Sample studi: Setiap unit sampling
teridiri dari 20 mhs laki-laki (hasil
sampling) yang akan dipelajari.
2. Merinci Pengertian Dasar dalam Suatu Populasi
POPULATION SOURCE
, >30 …?
n<N
PENGERTIAN SAMPLING
TIDAK REPRESENTATIF ? →
TIDAK REPRESENTATIF ?
Pertanyaan: Solusi:
Jelaskan: Memperhatikan definisi populasi di atas terhadap persoalan ini,
1. Populasi sebagai objek? maka :
2. Populasi sebagai subjek? 1. Populasi sebagai objek: perusahaan manufaktur.
3. Populasi dalam 2. Populasi sebagai subjek: karyawan.
pengertian kuantitias? 3. Populasi dalam pengertian kuantitias: sejumlah karyawan.
4. Populasi dalam 4. Populasi dalam pengertian karakteristik subjek: struktur
pengertian karakteristik karyawan yang meliputi pimpinan, karyawan kantor dan buruh
subjek? 5. Populasi dalam pengertian karakteristik objek: SOP
5. Populasi dalam
pengertian karakteristik
objek?
DISTRIBUSI SAMPLING
Notasi statistik :
σ𝑛
𝑖=1 𝑥𝑖
❑𝑥ҧ = (rata-rata sampel)
𝑛
𝑥
❑𝑝Ƹ = 𝑛 (proporsi sampel)
σ𝑛
𝑖=1(𝑥𝑖 −𝜇)
2
❑𝑠 2 = (variansi sampel)
Berdasarkan ilustrasi diatas maka : 𝑛−1
• Rata-rata volume minuman kaleng kemasan ❑n (ukuran sampel)
kecil yang ditetapkan perusahan yaitu 300 ml (µ)
sebagai parameter
• Rata-rata volume minuman kaleng kemasan
kecil yang diperoleh dari sampel 25 kaleng yaitu
298.8 ml (𝑋)
ത sebagai statistik
▪ Karena sampel “hanya” bagian dari populasi, nilai statistik tidak
diharapkan sama persis dengan nilai parameter.
Distribusi sampling dari sebuah statistik adalah distribusi probabilitas dari statistik tersebut.
Distribusi probabilitas dari rata-rata sampel acak inilah yang kemudian dinamakan distribusi sampling rata-rata
Bobot serpihan Oat dalam lot produksi besar diambil sampelnya setiap jam. Manajer ingin menetapkan batas
kendali yang mencakup 99,73% dari rata-rata sampel
▪ Setiap 1 jam dipilih secara acak 9 kotak lalu ditimbang
▪ Standar deviasi populasi (𝜎) diketahui 1 ons
▪ Setiap memilih 9 kotak secara acak diulang sampai jam ke-12
ESTIMASI PARAMETER
1. Unbias Estimator
Jika nilai harapan statistic sampel sama dengan
parameter populasi (AKURAT)
3. Consistent Estimator
Unbias estimator yang mendekati nilai yang
sebenarnya sejalan dengan bertambahnya
ukuran sampel.
1. Unbiased Estimator
Apa yang menjadi persoalan dalam estimasi? Seperti apa penaksiran yang dikehendaki?
biased unbiased
2. Relatively Efficient Estimator
3. Consistent Estimator
Unbias estimator yang mendekati nilai yang sebenarnya sejalan dengan bertambahnya
ukuran sampel. Pertanyaan penting dalam estimasi adalah berapa besar ukuran sampel
yang harus ditetapkan agar menciptakan suatu estimasi yang akurat. Salah satu faktor
yang menentukan ukuran sampel adalah standar deviasi, oleh karena itu semakin besar
ukuran sampelnya menyebabkan variansi semakin kecil dan konsekuensinya
menciptakan unbias estimator yang lebih baik (presisi).
terbaik
n =50
n =15
n =5
µ X
Ilustrasi Sifat Estimator
Istilah dalam Estimasi
Sampel Besar
Interval Kepercayaan rataan 𝝁 dengan Dimana, Z 𝛼/2 adalah nilai sebaran normal
simpangan baku 𝝈 “diketahui” menghasilkan luas 𝛼/2 di sebelah kanan
dan kiri nya. Menggunakan tabel normal
dapat dicari nilai dari Z 𝛼/2 yang ditentukan
Jika 𝑥ҧ rataan sampel acak berukuran n dari oleh tingkat kepercayaan
suatu populasi berdistribusi normal dengan
variasi 𝜎2 diketahui, maka untuk 𝛼 yang
spesifik rumus untuk taksiran interval
kepercayaan sebesar (1- 𝛼)100% untuk 𝜇
(confidence interval of the mean) adalah :
Margin Error dan Ukuran Sampel (n) Minimal
Memperhatikan formulasi ini dapat dirinci 3 hal yang mempengaruhi ukuran sampel (n), yaitu :
3. Tingkat kepercayaan
ത dengan persamaan :
o Transformasi variabel acak rata-rata sampel (𝑋)
𝑋ത − 𝜇
𝑇= 𝑠
ൗ 𝑛
o Jika ukuran sampel besar (n≥30) distribusi t-student tidak jauh berbeda dengan
distribusi normal
Jika X1 , X2 , …, Xn sampel acak berukuran n dari populasi dengan
rata-rata µ dan simpangan baku 𝜎 tidak diketahui sehingga
diestimasi dengan simpangan baku sampel s, maka variabel acak :
𝑋ത − 𝜇
𝑇=
𝑆ൗ
𝑛
Gambar 1. Distribusi t untuk v=2, v=5, v=∞ Gambar 2. Distribusi t sifat simetris
Tabel T
Menghitung nilai t untuk α dan v = n-1 tertentu (𝑡𝛼;𝑣 )
Manajer Marketing sebuah dealer otomotif ingin memperkirakan berapa hari waktu yang dibutuhkan untuk
menjual sebuah mobil merk kujang. Hasil sampling tehadap 50 buah dihitung rataan waktunya 54 hari.
Asumsikan standar deviasi populasi 6 hari, maka:
Pertanyaan:
a. Tentukan taksiran interval kepercayaan 95% untuk rataan waktu terjualnya mobil kujang dari populasi
yang sebenarnya?
Solusi:
a. Diketahui taksiran titik terhadap rataan populasinya 54 hari (diperoleh dari rataan sampelnya), maka
taksiran interval kepercayaan 95% menggunakan nilai zα/2 = z0.025=1.96 diperoleh :
Kesimpulan:
Apabila margin error yang diharapkan kurang dari 1 hari, maka ukuran sampel minimalnya 139 mobil.
Semakin kecil margin of error maka ukuran sampel minimalnya bertambah dari 50 menjadi 139 mobil
(sifat estimator yang konsisten).
Contoh 2
Pada persoalan contoh 1, misalnya ukuran sampelnya adalah 25 diperoleh rataan waktu 54 hari dan
standar deviasi sampelnya adalah 5 hari. Anggap populasi berdistribusi hampiran normal, maka:
Pertanyaan:
Tentukan taksiran interval kepercayaan 95% dari rataan populasinya?
Inteval Kepercayaan Sampel Besar untuk p Bila n kecil dan proporsi p yang tidak
Jika 𝑝Ƹ menyatakan proporsi yang berhasil diketahui diyakini dekat ke 0 atau ke 1
dalam sampel acak berukuran n, dan 𝑞ො = 1 − maka cara mencari selang kepercayaan ini
𝑝Ƹ , maka taksiran interval kepercayaan (1– tidak dapat diandalkan dan sebaiknya
α)100% untuk parameter binomila p adalah: tidak digunakan.
𝑝Ƹ 𝑞ො 𝑝Ƹ 𝑞ො
𝑝Ƹ − 𝑧𝛼 2 < 𝑝 < 𝑝Ƹ + 𝑧𝛼 2
𝑛 𝑛
Ukuran sampel minimum untuk taksiran interval proporsi populasi sebagai berikut (Walpole, 2012):
Jika 𝑝Ƹ digunakan untuk menaksir p, kita dapat percaya (1-α)100% bahwa kekeliruannya akan kurang
dari nilai “g” tertentu jika jumlah sampelnya adalah:
2
𝑍𝛼/2
𝑛= 𝑝Ƹ 𝑞ො
𝐺
Sebuah sampel dari 500 lamaran pada suatu perusahaan terdapat 340 diantaranya
adalah laki-laki. Pertanyaan:
a. Carilah taksiran interval kepercayaan 90% untuk proporsi pria yang melamar?
Solusi:
𝑥 340
a. Apabila taksiran titik untuk p ialah 𝑝Ƹ = = = 0.68 dan 𝑞
ො = 1 − 𝑝Ƹ =
𝑛 500
1 − 0.68 = 0.32 , maka:
Batas-batas interval kepercayaan 90% menggunakan nilai zα/2 = z0.05=1.65 untuk
proporsi populasinya adalah :
𝑝Ƹ 𝑞
ො (0.68)(0.32)
𝑝Ƹ ∓ 𝑧𝛼 2 = 0.68 ± 1.65 = 0.68 ± 0.041
𝑛 500
Atau: margin of error
0.64 <p< 0.72 (0.041)
Kesimpulan: Dengan kepercayaan 90% diperoleh taksiran interval proporsi pria yang
melamar antara 64% dan 72% yang merupakan hasil sampling sebanyak 500 pelamar.
Sebuah sampel dari 500 lamaran pada suatu perusahaan terdapat 340 diantaranya
adalah laki-laki. Pertanyaan:
b. Apabila margin error yang diinginkan kurang dari 0.05, berapa ukuran sampel
minimalnya?
Solusi:
b. Penyelesaian di atas diperoleh untuk margin error 0.041. Apabila margin error
yang diharapkan kurang dari 5%, maka ukuran sampel minimalnya adalah:
2 2
𝑍𝛼 /2 1.65
𝑛= ො =
𝑝Ƹ 𝑞 (0.68)(0.32) = 237
𝐺 0.05
Kesimpulan: Apabila margin error yang diharapkan kurang dari 5% pria, maka ukuran
sampel minimalnya 237. Semakin besar margin of error maka ukuran sampel
minimalnya berkurang dari 500 menjadi 237.
Persoalan ini termasuk taksiran diketahui dari penelitian sebelumnya, maka formula
dapat digunakan langsung.
Lampiran Tabel T
Contoh 2
Kembali ke Soal