Anda di halaman 1dari 43

Penaksiran

Parameter

Materi ke 7

M.Hasbi,S.Pd,M.Pd

Pendahuluan

Dengan statistika kita berusaha untuk menyimpulkan


populasi berdasarkan data yang diambil baik secara
sampling ataupun sensus.
Kenyataannya dalam mengingat berbagai faktor
diambil sebuah sampel yang refresentatif lalu
berdasarkan pada hasil analisis terhadap data sampel
kesimpulan mengenai populasi dibuat.
Kelaluan populasi yang akan ditinjau disini hanyalah
mengenai parameter populasi dan sampel yang
digunakan adalah sampel acak.
Data sampel dianalisis, nilai-nilai yang perlu seperti
statistik, dihitung dan nilai-nilai statistik ini kita
simpulkan bagaimana parameter bertingkah laku.

Cara pengambilan simpulan tentang


parameter yang pertama kali akan
dipelajari ialah sehubungan dengan
cara-cara
menaksir
harga-harga
parameter.
Jadi
harga
parameter
yang
sebanarnya tidak diketahui itu akan
ditaksir berdasarkan statistik sampel
yang diambil dari populasi yang
bersangkutan.

Penaksir

Secara umum, parameter populasi akan diberi simbul


theta. Jadi theta bisa merupakan rata-rata myu,
simpangan baku sigma, proporsi phi dan sebagainya.
Jika theta yang tidak diketahui harganya, ditaksir oleh
harga theta topi maka theta topi dinamakan penaksir.
Sangat dikehendaki theta topi=theta, yaitu bisa
mengatakan harga theta yang sebenarnya. Tetapi ini
merupakan keinginan yang boleh dibilang ideal sifatnya.
Kenyataan yang bisa terjadi adalah menaksir theta oleh
theta topi terlalu tinggi dan menaksir theta oleh theta
topi terlalu rendah.
Keduanya jelas tidak dikehendaki., karenanya yang
diinginkan penaksir yang baik.

Sifat-sifat penaksir

Penaksir theta topi dikatakan penaksir tak bias jika rata-rata


semua haarga theta topi yang mungkin akan sama dengan theta.
Penaksir tidak tak bias disebut penaksir bias.
Penaksir bervarians minimum ialah penaksir dengan varians
terkecil diantara semua penaksir untuk parameter yang sama. Jika
theta topi 1 dan theta topi 2 dua penaksir untuk theta di mana
varians untuk theta topi lebih kecil dari varians untuk theta topi 2
maka theta topi 1 merupakan penaksir bervarians minimum.
Misalkan theta topi penaksir untuk theta yang dihitung
berdasarkan sebuah sampel acak berukuran n. jika ukuran sampel
n makin besar mendekati ukuran populasi menyebabkan theta
topi mendekati theta, maka theta topi disebut penaksir konsisten.
Penaksir yang tak bias dan bervarians minimum dinamakan
penaksir terbaik.

Cara-cara Menaksir

Jika parameter theta harganya ditaksir oleh sebuah


harga theta topi yang tertentu, maka theta topi
dinamakan penaksir, tepatnya titik taksiran.
Titik taksiran=penaksir.
Contoh: untuk menaksir tinggi rata-rata mahasiswa
indonesia kita ambil sebuah sampel secara acak.
Data sampel dikumpulkan lalu dihitung rataratanya. Misalkan didapat xbar=163. jika 163 cm
ini dipakai untuk menaksir rata-rata tinggi
mahasiswa indonesia.
Secara umum xbar adalah penaksir atau titik
taksiran untuk Mu.

Titik taksiran untyk sebuah parameter Mu harganya


akan berlainan bergantung pada haarga x bar yang
didapat sampel-sampel yang diambil.
Orang merasa kurang yakin atau kurang percaya atas
hasil penaksiran macam ini, sebagai gantinya dipakai
interval Taksiran atau selang Taksiran, menaksir harga
parameter diantara batas-batas dua harga.
Misalnya kita dapat menaksir rata-rata tinggi mahasiwa
antara 155 cm dan 170 cmatau antara 150 cm dan 175
cm dan sebagainya.
Makin besar jarak interval makin percaya tentang
kebebaran penaksiran yang dilakukan.
Dalam prakteknya harus divcari interval taksiran yang
sempit dengan derajat kepercayaan yang memuaskan.
Derajat kepercayaan menaksir disebut koefisien
kepercayaan, merupakan pernyataan dalam bentuk
peluang.

Jika koefisien kepercayaan dinyatakan dengan


gamma, maka 0<gamma<1. harga gamma yang
digunakan bergantung pada persoalan
yag
dihadapi dan seberapa besar sipeneliti ingin yakin
dalam membuat pernyataannya.
Yang biasa digunakan 0,95 atau 0,99 yakni
gamma=0,95 atau gamma=0,99.
Untuk menentukaninterval taksiran parameter
theta dengan koefisien kepercayaan gamma, maka
sebuah sampel acak diambil, lalu dihitung nilai-nilai
statistik yang diperlukan. Perumusan dalam bentuk
peluang untuk parameter theta antara A dan B
adalah P(A<theta<B)=Gamma (XI-1). Dengan A
dan B fungsi daripada statistik, jadi merupakan
variabel acak, tetapi tidak bergantung pada theta.

Perumusan
(XI-1)
diartikan:peluangnya
adalah gamma bahwa interval yang sifatnya
acak yang terbentang dari A ke B akan
berisikan
yang
sifatnya
acak
yang
terbentang dari A ke B akan berisikan theta.
Apabila selanjutnya A dan B dihitung
harganya berdasarkan data sampel, maka A
dan B dihitung harganya berdasarkan data
sampel, maka A dan B sekarang
merupakan bilangan tetap.
Dalam hal ini pernyataan diatas tidak lagi
benar tetapi harus dikatakan sebagai
berikut:

Kita merasa 100gamma% percaya


bahwa parameter theta akan ada
didalam interval (A,B), jadi tidaklah
dikatakan: peluanya sama dengan
gamma bahwa theta terletak antara
A dan B, melainkan seorang hanya
yakin 100gamma% bahwa theta itu
terletak antara A dan B.
Perbedaan ini perlu dipahami, karena
theta memang terletak atau tidak
terletak anatar A dan B yang
peluangnya masing-masing 1 atau 0.

Menaksir Rata-rata Mu

Misalkan kita mempunyai sebuah populasi berukuran N


dengan rata-rata Mu dan simpangan baku Sigma, dari
populasi ini parameter rata-rata Mu akan ditaksir.
Untuk keperluan ini, diambil sebuah sampel acak
berukuran n, lalu dihitung statistik yang perlu ialah
xbar dan s.
Titik Taksiran untuuk rata-rata Mu adalah xbar, dengan
kata lain nilai Mu besarnya ditaksir oleh harga xbar
yang didapat dari sampel.
Untuk memperoleh taksiran yang lebih tinggi derajat
kepercayaannya, digunakan interval taksiran atau
selang taksiran disertai nilai koefisien kepercayaan
yang dikehendaki. Dibedakan 3 hal:

Simpangan baku Sigma diketahui dan


populasinya berdistribusi Normal

Untuk ini rumus XI-1 menjadi XI-2

Dengan gamma=koefisien kepercayaan dan Zindeks


1/2gamma=bilangan z didapat dari tabel normal baku
untuk peluang 1/2gamma.
Rumus XI-2 dapat dinyatakan dalam bentuk lain, ialah
untuk memperoleh 100gamma% interval kepercayaan
parameter Mu dapat digunakan rumus (XI-3)

Simpangan Baku Sigma tidak diketahui


dan populasi tidakberditribusi normal

Parameter Sigma jarang sekali diketahui, bahkan


tidak
diketahui,
kecuali
barangkali
dari
pengalaman. Karena itu rumus XI-2 harus diganti
oleh XI-4:

Dengan gamma=koefisien kepercayaan dan


tp=nilai t didapat dari daftar distribusi student
degan p=1/2(1+gamma) dan dk=(n-1). Untuk
interval kepercayaanya. Rumus XI-5

Bilangan-bilangan yang didapat dari


XI_4
masing-masing
dinamakan
batas
atas
dan
batas
bawah
kperecayaan.
Jika
ukuran
n
relatif
besar
dibandingkan
dengan populasi N,
yakni (n/N)>5%, maka rumus XI3menjadi XI-6
Dan rumus XI-5 menjadi XI-7

Simpangan Baku Sigma tidak diketahui dan


populasi tidak berdistribusi Normal

Jika ukuran sampel n tidak terlalu kecil, maka dalil


limit pusat dapat digunakan. Selanjutnya aturanaturan yang diuraikan dalam hal 2) dimuka dapat
digunakan dengan kekeliruan yang sangat kecil.
Jika distribusi populasi sangat menyimpang dari
normal dan ukuran sampel kecil sekali, maka teorinya
harus dipecahkan dengan menggunakan bentuk
distribusi asli dari populasi yang bersangkutan.
Hal
ini
tidak
diberikan
mengingat
dalam
perhitungannya akan memerlukan matematika yang
tinggi dan karenanya sudah menyimpang dari tujuan
pokok materi kita atau buku ini.

Contoh

Sebuah sanpel acak terdiri dari 100 mahasiswa telah diambil dari sebuah
Universitas lalu nilai-nilai Iqnya dicatat didapat xbar =112 dan s=10
Kita dapat mengatakan IQ rata-rata untuk mahasiswa Universitas
itu=112. dalam hal Ini titik taksiran telah digunakan.
Jika dikehendaki nterval taksiran IQ rata-rata
dengan koefisien
kepercayaan 0,95 maka dipakai rumus XI-5. untuk p=0,975 dan dk=99
dengan interpolasi dari daftar G dalam lampiran didapat tp=1,987.
dengan rumus XI-5 diperoleh interval 110<Mu<114. jadi didapat 95%
interval kepercayaan untuk IQ rata-rata mahasiswa ialah 110<Mu<114
secara lain dapat dikatakan:kita merasa 95%yakin(percaya) bahwa IA
rata-rata mahasiswa akan ada dalam interval dengan batas 110 dan 114.
Makin besar koefisien kepercayaan makin lebar jarak interval
kepercayaan dan sebaliknya. Jika batas-batas selang kepercayaan
menjadi satu, kita peroleh titik taksiran dengan derajat kepercayaan
paling kecil.

Menaksir Proporsi Phi

Misalkan Populasi binom berukuran N dimana


terdapat proporsi phi untuk peristiwa A yang
ada dalam populasi itu.
Sebuah sampel acak berukuran n diambil dari
populasi itu.
Misalkan terdapat x peristiwa A, sehingga
proporsi sampel untuk peristiwa A=(x/n), jadi
titik taksiran untuk phi adalah (x/n).
Jika 100gamma% interval kepercayaan untuk
penaksiran phi dikehendaki, maka kedua
persamaan berikut harus diselesaikan.

Rumus XI-8

Rumus XI-9

Jawab atau harga phi yang didapat dari rumus XI_8


merupakan batas bawah interval kepercayaan sedangkan
jawab dari rumus XI-9 menjadi batas atasnya.
Rumus diatas sangat panjang, tidak praktis dan
membosankan untuk diselesaikan. Karenanya sering
digunakan pendekatan oleh normal kepada binom untuk
ukuran sampel n cukup besar. Rumus 100gamma% yakin
untuk interval kepercayaan phi, dalam hal ini berbentuk.

Rumus XI-10

Dengan p=x/n dan q=1-p sedangkan Zindeks 1/2gamma


adalah bilangan z didapat dari daftra normal baku untuk
peluang 1/2gamma.

Contoh

Misalkan kita ingin menaksir data berapa persen anngota


masyarakat berumur 15 tahun keatas yang termasuk kedalam
golongan A. untuk ini sebuah sampel acak berukuran n=1.200
diambil yang menghasilkan 504 tergolong kategori A.
Persentase golongan A dalam sampel 504/1.200 x100%=42%
Jika ditaksir ada 42% anggota masyarakat berumur 15 tahun
keatas yang termasuk golongan A, maka dalam halini telah
digunakan titik taksiran. Untuk menentukan 95% interval
kepercayaan parameter phi, rumus XI-10 jelas dapat digunakan
mengingat ukuran sampel n cukup besar.
Dengan p=0,42, q=0,58 dan Z0,475=1,96, maka: diperoleh
0,39<phi<0,45.
Kita meras 95% yakin bahwa persentase anggota masyarakat
yang termasuk golongan A akan ada dalaminterval 39% dan
45%.

Menaksir Simpangan Baku Sigma

Untuk menaksir varians (sigma pangkat 2) dari


sebuah populasi, sampel varians (s pangkat2)
berdasarkan sampel acak berukuran n perlu
dihitung.
Rumus yang digunakan ialah XI-11
Ternyata varians (s pangkat2) adalah penaksir tak
bias untuk varians (sigma pangkat 2). Akan tetapi
simpangan baku s bukan penaksir tak bias untuk
simpangaan baku sigma. Jadi titik taksiran s untuk
sigma adalah bias.

Jika populasinya berdistribusi normal dengan


varians (sigma pangkat 2), maka 100gamma%
interval kepercayaan untuk sigma pangkat 2
ditentukan dengan menggunakan distribusi
chi-kuadrat.
Rumusnya adalah XI-12
Dengan n= ukuran sampel dan dk=n-1
Untuk
mendapatkan
interval
taksiran
simpangan baku sigma, ttinggallah melakukan
penarikan akar ketidaksamaa dalam rumus XI12. hasil ini tidak eksak, akan tetapi cukup
akuran untuk maksud-maksud tertentu.

Contoh

Sebuah sampel acak berukuran 30 telah diambil dari


sebuah populasi yang berdistribusi normal dengan
simpangan baku sigma. Dihasilkan harga statistik
spangkat 2=7,8. dengan koefisien kepercayaan 0,95
dan dk=29, maka dari daftar chi kuadrat didapat:
Chi kuadrat 0,975=45,7 dan chikuadrat 0,025=16
Dari rumus XI-12 diperoleh 4,95<sigmapangkat
2<14,14
Interval taksiran untuk simpangan baku sigma
2,23<sigma<3,75
Kita merasa 95% percaya bahwa simpangan baku
sigma akan ada dalam interval yang dibatasi oleh 2,23
dan 3,75.

Menaksir Selisih Rata-rata

Misalkan kita mempunyai dua buah populasi, kedua-duanya


berdistribusi normal.
Rata-rata dan simpangan bakunya masing-masing Mu1dan
Sigma 1 untuk populasi kesatu, Mu2 dan sigma 2 untuk
populasi kedua.
Dari masing-masing populasi secara independen diambil
sebuah sampel acak dengan ukuran n1 dan n2.
Rata-rata dan simpangan baku dari sampel-sampel itu
berturut-turut xbar 1,s1 dan xbar2,s2. akan ditaksir selisih
rata-rata(Mu1-Mu2)
Jelas bahwa titik taksiran untuk (Mu1-Mu2) adalah(xbar1xbar2).
Bagaimana interval taksirannya? Kita bedakan hal-hal
berikut:

Hal A. Sigma 1=Sigma 2

Jika kedua populasi normal itu


mempunyai sigma 1=sigma 2=sigma
dan
besarnya
diketahui,
maka
100gamma% interval kepercayaan
untuk (Mu1-Mu2) ditentukan oleh
rumus:

Dengan z indeks gamma didapat


dari normal baku dengan peluang
1/2gamma.
Dalam hal sigma1=sigma 2=sigma
tetapi tidak dikatehui besarnya,
pertama-tama dari sampel-sampel
kita
perlu
tentukan
varians
gabungannya, dinyatakan dengan s
kuadrat, besarnya diberikan oleh
rumus XI-14:

Interval kepercayaanya ditentukan


dengan
menggunakan
distribusi
student. Rumus untuk 100gamma %
interval
kepercayaan(Mu1-Mu2)
adalah XI-15

Dengan s didapat dari rumus XI-14


dan tp didapat dari daftar distribusi
student. Dengan p=1/2(1+gamma)
dan dk=(n1+n2-2)

Hal B. Sigma 1 tidak sama dengan


sigma 2.

Untuk populasi normal dengan sigma 1 tidak sama dengan sigma 2,


teori diatas tidak berlaku dan teori yang ada hanya bersifat
pendekatan.
Dengan memisalkan s1=sigma 1 dan s2=sigma 2, untuk sampelsampel acak berukuran besar. Kita dapat melakukan pendekatan
kepada distribusi normal. Rumus interval kepercayaannya
ditentukan oleh: (XI-16)

Dengan zindeks 1/2gamma didapat daridaftar normala baku dengan


peluang 1/2gamma.
Penggunaan rummus XI-16 harus hati-hati sekali karena bukan saja
pendekatan kepada distribusi normal yang mungkin meragukan,
tetapi juga asumsi bahwa varians sampel dengan varians populasi.

Contoh

Ada dua cara pengukuran untuk mengukur kelembapan


sesuatu zat. Cara 1 dilakukan 50kali yang meghasilkan
xbar1=60,2 dan s1kuadrat=24,7. cara 2 dilakukan 60 kali
dengan xbar2=70,4 dan s2kuadrat=37,2.
Supaya ditentukan interval kepercayaan 95% mengenai
perbedaan rata-rata pengukuran dari kedua cara itu.
Jika dimisalkan hasil kedua cara pengukuran berdistribusi
normal, maka rumus XI-14 didpat varians gabungan=31,53
selanjutnya dihitung s x akar 1/n1 dan 1/n2=1,08.
Dengan p=0,975 dan dk=108 diperoleh t=1,984
Dari rumus XI-15 diperoleh 8,06<Mu1-Mu2<12,34
95% percaya bahwa selisih rata-rata pengukuran kedua
cara itu akan ada didalam interval yang dibatsi oleh 8,06
dan 12,34.

Hal C. observasi
Berpsangan

Misalkan populasi kesatu mempunyai variabel


acak X dan populasi kedua variabel acak Y.
Rata-rata masing-masing Mux dan Muy.
Diambil dua sampelacak masing masing
sebuah dari tiap populasi, yang berukuran
sama,n1=n2=n didapat data sampel: (x1,x2,
,xn) dan (y1,y2,,yn).
kedua data hasil observai ini dimisalkan
berpasangan sebagai berikut: x1 berpasangan
dengan y1 dan x2 berpsangan dengan y2,,
xn berpsangan dengan yn.

Dalam hal pasangan data seperti begini, maka


untuk menakssir selisih atau beda rata-rata
MuB=Mux-Muy, dapat pula dibentuk selisih atau
beda tiap pasangan data. Jadi dicari B1=x1y1,B2=x2-y2,,Bn=xn-yn.
Dari sampel berukuran n yang datanya terdiri
dari B1, B2,,Bn supaya dihitung rata-rata B dan
simpangan baku dengan menggunakan rumus:

100gamma% interval kepercayaan untuk MuB


ditentukan oleh XI-17

Contoh

Data berikut adalah mengenai tinggi


anak laki-laki pertama(X) dan tinggi
ayah (Y) dinyatakan dalam cm.
Tinggi Anak

Tinggi Ayah

Beda (B)

Bkuadrat

158
160
163
157
154
164
169
158
162
161

161
159
162
160
156
159
163
160
158
160

-3
1
1
-3
-2
5
6
-2
4
1

9
1
1
9
4
25
36
4
16
1

106

Jumlah

Jawab

Untuk menentukan interval taksiran beda


rata-rata tinggi badan dibuat kolom 3 dan
kolom 4 yang bersisikan B dan Bkuadrat
dengan B=X-Y
Bbar=0,8 dan simpangan baku=11,07
Dengan mengambil asumsi tinggi badan
berdistribusi
normal
dan
tinggi
anak
berpasangan dengan tinggi ayah , maka
rumus XI-17 kita dapat menentukan interval
kepercayaan 95% untuk MuB ialah:
-1,6<MuB<3,2

Menaksir Selisih Proporsi

Kita mempunyai dua populasi binom dengan


parameter untuk peristiwa yang sama masingmasing Phi 1 dan Phi 2.
dari populasi ini secara independen masingmasing diambil sebuah sampel acak berukuran n1
dan n2 dari populasi kesatu dan kedua.
Proporsi untuk peristiwa yang diperhatikan dari
sampel-sampel
itu
adalah
p1=x1/n1
dan
p2=x2/n2 dengan x1 dan x2 berturut-turut
menyatkan
banyaknya
peristiwa
yang
diperhatikan yang didapat didalam sampel kesatu
dan kedua.

Akan ditentukan interval taksiran


untuk (phi1-phi2).
Untuk ini digunakan pendekatan oleh
distribusi normal asalkan n1 dan n2
cukup besar. Rumus yang digunakan
untuk
interval
kepercayaan
100gamma%
selisih(phi1-phi2)
adalah (XI-18)
Dengan q1=1-p1, q2=1-p1
Zindeks 1/2gamma didapat
normalbaku.

dan
dari

Contoh

Dua sampel acak yang satu terdiri dari


500 pemudi dan satu lagi 700 pemuda
yang mengunjungi sebuah pameran telah
diambil. Ternyata bahwa 325 pemudi dan
400 pemuda menyenangi pameran itu.
Tentukan interval kepercayaan 95% untuk
perbedaan persentase pemuda dan
pemudi yang mengunjungi pameran dan
menyenanginya.

Jawab

Persentse
pemudi
yang
menyenangi
pameran=p1=325/500
x100%=65%
dan
untuk pemuda=p2=400/700 x 100%=57%.
Jadi q1=35% dan q2=43%
N1=500 dan n2=700
Diperoleh 0,024<phi1-phi2<0,136
Jadi 95%yakin bahwa perbedaan persentase
pemudi dan pemuda yang mengunjungi
pameran dan menyenanginya akan ada
dalaminterval yang dibatasi oleh 2,4% dan
13,6%.

Menentukan Ukuran
Sampel
Berapa ukuran sampel yang diperlukan untuk melakukan
suatu penelitian?
Untuk menjawabnya ini bergantung kepada berbagai
faktor, antara lain untuk apa sampel itu diperlukan.
Khusu sehubungan dengan teori menaksir ukuran sampel
dapat ditentukan antara lain berdasarkan kepada:
Apa yang akan ditaksir?
Berapa besar perbedaan yang masih mau diterima antara
yang ditaksir dan penaksir?
Berapa derajat kepercayaan atau koefisien kepercayaan
yang diinginkan dalam melakukan penaksiran?
Berapa lebar interval kepercayaan yang masih mau
diterima?

Ketika menaksir parameter theta oleh theta


topi, dua hal yang terjadi ialah menaksir
terlalu tinggi atau menaksir terlalu rendah.
Perbedaan antara theta dan theta topi ialah
b=mutlak theta=theta topi.
Makin kecil beda b makin baik menaksir
karena makin dekat penaksir yang kita
pakai kepada parameter yang sedang
ditaksir.
Dalam arah ini suatu ketika akan tiba pada
ketentuan berapa besar beda b yang masih
mau
diterima
dan
dengan
derajat
kepercayaan berapa.

Ketika menaksir rata-rata Mu oleh


statistik xbar, maka beda b=mutlak
Mu-xbar.
Untuk koefisien kepercayaan gamma
dan populasi berdistribusi normal
dengan simpangan baku sigma
diketahui, maka ukuran sampel n
ditentukan oleh:
Rumus XI-19

Contoh

Untuk menaksir rata-rata waktu yang diperlukan oleh


setiap mahasiswa dalam menyelesaikan sebuah soal
tertentu, diperlukan sebuah sampel. Ketika menaksir
rata-rata tersebut, dikehendaki derajat kepercayaan
99% dengan beda lebih kecil dari 0,05 menit. Jika
diketahui simpangan baku waktu yang diperlukan=0,5
menit. Berapa mahasiswa yang perlu diambil untuk
sampel tersebut?
Denngan sigma=0,5 menit,b=0,05 menit dan z=2,58
maka rumus 19 didapat:
N>665,64. oleh karena ukuran sampel harus merupakan
bilangan diskrit, maka paling sedikit n=666. jadi paling
sedikit sampel itu harus terdiri atas 666 mahasiswa.

Jika yang ditaksir itu proporsi phi oleh


statistik p=x/n, maka beda yang terjadi
besarnya b=mutlak phi-p.
dengan memisalkan bahwa pendekatan
distribusi normal kepada binom berlaku dan
koefisien kepercayaan =gamma, maka
sampel dapat ditentukan dengan rumus XI20.
Kecuali jika varians phi(1-phi) diketahui,
maka dalam hal lain rumus diatas tidak
dapat digunakan. Dalam hal ini varians
phi(1-phi) diganti oleh harga maksimumnya
ialah 0,25.

Contoh

Misalkan departemen p dan k perlu mengetahui


ada berapa persen kira-kira anak-anak SD yang
bercita-cita ingin menjadi guru, ketika melakukan
perkiraan ini koefisien kepercayaan diambil 95%
dengan kekeliruan menaksir tidak lebih dari 2%.
Berapa anak Sd yang perlu dteliti.
Disini varians phi(1-phi) harus diambil 0,25 karena
soal tersebut sama sekali tidak menyebutkan
tentang harga phi. Dengan b=0,02 dan z=1,96,
maka dari rumus XI-20 didapat n>2.401.
Sampel itu paling sedikit 2.402 anak-anak SD.

Jika untuk contoh diatas dari pengalaman


diketahui ada 12% anak-anak bercita-cita ingin
menjadi guru, tentukan berapa ukuran sampel
sekarang?
Kedalam rumus XI-20 kita substitusikan phi=0,12
dan 1-phi=0,88, b=0,02 dan z=1,96 didpat hasil
N>1.014,18
Paling sedikit sampel 1.015 anak SD.
Dari kedua contoh terakhir ini dapat dilihat
bahwa dengan diketahu harga phi, ukuran
sampel telah sangat berkuran dari 2.402 menjadi
1.015. ini menyatkan bahwa informasi terdahulu
sangat berfaedah, ikut membantu meringankan
analisir dan juga meringankan biaya.

Anda mungkin juga menyukai