Suatu populasi terdiri dari seluruh observasi aktuil maupun

hipotetis yang mungkin dilakukan terhadap fenomena yang

tertentu, sedangkan suatu sampel hanya merupakan sebagian
dari populasi tersebut.
POPULASI
SAMPEL

Dalam analisa statistik, pendugaan parameter populasi

dilakukan atas dasar statistik sampel. Penarikan konklusi dari
sampel secara cukup meyakinkan membutuhkan prosedur
sampling serta metode inferens yang baik sekali

dibuat oleh Heri Sunaryo 2

Sampel Random dan Independen
Sampel dikatakan random (acak) bila dan hanya bila setiap unsur
dalam populasi memiliki kesempatan yang sama untuk terpilih.
Sampel random akan independen bila pengambilannya dengan
pengembalian sebelum memilih sampel berikutnya (with
replacement).

Sepuluh butir kelereng yang berbeda Kesepuluh kelereng

warnanya dimasukkan ke dalam sebuah kotak. dimasukkan bertumpuk ke
Kotak tersebut diguncang-guncang agar dalam pipa yang berdiameter
kelereng di dalamnya benar-benar tercampur hampir sama dengan
dengan sempurna. Pengambilan sebutir kelereng, bagaimanapun cara
kelereng dari dalam kotak (tanpa dipilih) akan meng- guncang-guncangnya,
menghasilkan sebutir kelereng yang entah apa kelereng teratas pastilah yang
warnanya, sehingga setiap kelereng memiliki akan terambil
kesempatan yang sama untuk terambil,
dengan kata lain, pengambilan sebuah
kelereng merupakan hasil yang random sampel yang bias
(biased sample)
dibuat oleh Heri Sunaryo 3
Distribusi Teoritis Rata-rata Sampel
Distribusi nilai rata-rata kelompok sampel yang terdiri dari hasil
kejadian sebagai akibat pemilihan sampel random
Contoh : sebuah populasi terdiri 6 kartu diberi nomor 1, 2, 3, 4, 5 dan 6.
Sampel yang terdiri dari 3 kartu dipilih secara random dari populasi tsb.
Secara teoritis, seluruh kemungkinan hasil pemilihan sampel mrpkan
persoalan kombinasi dari 6 obyek yang dipilih sekaligus sebanyak 3,
sehingga jumlah sampel yg bisa terjadi adalah 20, sbb :
No kombinasi s(X) No kombinasi s(X)
1. 1, 2, 3 6 11. 1, 4, 6 11
2. 1, 2, 4 7 12. 2, 3, 6 11
3. 1, 2, 5 8 13. 2, 4, 5 11
4. 1, 3, 4 8 14. 1, 5, 6 12
5. 1, 2, 6 9 15. 2, 4, 6 12
6. 1, 3, 5 9 16. 3, 4, 5 12
7. 2, 3, 4 9 17. 2, 5, 6 13
8. 1, 3, 6 10 18. 3, 4, 6 13
9. 1, 4, 5 10 19. 3, 5, 6 14
10. 2, 3, 5 10 20. 4, 5, 6 15
dibuat oleh Heri Sunaryo 4
Dari distribusi jumlah sampel yg mungkin terjadi, didapat Distribusi teoritis
rata-rata sampel dan nilai-nilai probabilitas rata-ratanya , sbb :
s(X) x fi Probabilitas f x
6 2,00 1 0,05
7 2,33 1 0,05
8 2,67 2 0,10
9 3,00 3 0,15
10 3,33 3 0,15
11 3,67 3 0,15
12 4,00 3 0,15
13 4,33 2 0,10
14 4,67 1 0,05
15 5,00 1 0,05
20 1

Semakin besar jumlah sampelnya, maka frekwensi relatif distribusi

eksperimentilnya akan lebih mendekati fungsi probabilitasnya
dibuat oleh Heri Sunaryo 5
 Sifat distribusi sampling
1) Bila populasi yang terbatas terdiri dari N unsur dan didistribusikan
secara normal dengan rata-rata dan deviasi standar , maka rata-
rata sampel x yang didasarkan pada sampel random yang terdiri
dari n unsur dan dipilih dari populasi di atas tanpa pengembalian
(without replacement) akan memiliki distribusi normal dengan

x dan x
Nn
n N1
Nn Disebut Faktor koreksi bagi populasi terbatas
N1

x disebut sebagai standard error
n
Bila pengambilan sampel dilakukan dengan pengembalian (with
replacement), maka faktor koreksi akan mendekati nilai 1, shg :

x
n dibuat oleh Heri Sunaryo 6
2) Bila populasi yang terbatas terdiri dari N unsur dan didistribusikan secara
normal dengan rata-rata dan deviasi standar maka hasil
penjumlahan nilai-nilai sampel s(X) yang didasarkan pada sampel
random yang terdiri dari n unsur dan yang dipilih dari populasi di atas
tanpa pengembalian akan memiliki distribusi normal dengan

x s ( X ) n
N n
ss ( X ) n
dan
N 1
jika jumlah unsur N yang terdapat dalam populasi luar biasa besarnya
(tidak terbatas), maka faktor koreksi akan mendekati 1 , shg :

ss ( X ) n
dibuat oleh Heri Sunaryo 7
Cara Menghitung Probabilitas Distribusi Sampling Dengan
Luas Kurva Normal

Rata-rata sampel random yang diperoleh dari populasi yang terbatas dapat
diubah ke dalam variabel random standar sebagai berikut

x
Z

/ n
N n
N 1

yang diperoleh dari populasi yang tidak terbatas dapat diubah ke dalam variabel
random standar
x
Z
( / n )
rata-rata yang distandarkan dengan jalan pengubahan ke dalam variabel random
standar juga merupakan variabel normal standar dan probabilitas rata-rata
sampelnya dapat dicari dengan bantuan tabel luas kurva normal standar

dibuat oleh Heri Sunaryo 8

Contoh : Diketahui bahwa distribusi kecepatan maximal dari 1000 mobil toyota
kijang memiliki rata-rata 148,2 km/jam dengan deviasi standar sebesar 5,4 km/jam.
Jika sebuah sampel yang terdiri 100 mobil tersebut diambil secara random dan
tanpa pengembalian dari populasi diatas, berapakah probabilitas kecepatan rata-
rata dari 100 mobil tersebut lebih besar dari 149 km/jam ?
N = 1000, n = 100, = 148,2 , = 5,4 dan x = 149 .
Jika x 148,2

Dan
x / n N n
N 1

5,4
100
900
999
0,51254 0,513

x 149 148,2
maka Z 1,5594 1,56
/ n N n
N 1
0,513

Sehingga p( x > 149 ) = p( Z > 1,56 )

Sesuai dengan tabel luas kurva normal standar,
p( Z > 1,56 ) = 0,5 0,4406 = 0,0594 6 %.
Ternyata, hanya 6% mobil yang memiliki kecepatan rata-rata lebih dari
149 km/jam dibuat oleh Heri Sunaryo 9
Dalil Batas Tengah (The Central Limit Theorem).

jika sampel random dipilih dari

populasi dengan rata-rata dan
varians 2 dan jika besarnya
sampel n bertambah secara tidak
terbatas maka rata-rata sampelnya
akan memiliki distribusi yang
mendekati distribusi normal dengan
rata-rata x dan

deviasi standar x n

dibuat oleh Heri Sunaryo 10

Distribusi sampling tentang proporsi.
x
Proporsi populasi (population proportion)
p
N
x
proporsi sampel (sample proportion) p
n
binomial dengan
Jika sampel random sebesar n dipilih dari populasi
cara pengembalian, maka distribusi sampling p akan mengikuti
distribusi probabilitas binomial dengan fungsi probabilitas

n x
p( x / n p ) p (1 p ) n x
x
np
Dgn rata-rata E ( p) p
p
n
p(1 p)
Deviasi standar nya p
n
dibuat oleh Heri Sunaryo 11
Jika sampling dilakukan tanpa pengembalian, maka distribusi
sampling akan memiliki

rata-rata E ( p ) p p
p(1 p) N n
Deviasi standar

N 1
p
n

Jika sampel relatif kecil dibandingkan dengan

populasi (kurang dari 5%) , maka faktor
koreksi bagi populasi terbatas di atas dapat
diabaikan karena faktor koreksi tersebut akan
mendekati 1.

dibuat oleh Heri Sunaryo 12


Distribusi sampling p bagi sampel random yang dipilih dengan
pengembalian akan mendekati distribusi normal jika n , atau

jika sampel n besar, sehingga variabel random p di atas dapat
diubah ke bentuk normal standar sebagai berikut

p p
Z
p
Sebaliknya, jlka n relatif kecil dibandingkan dengan populasi,
pendekatan dengan distribusi normal harus menggunakan faktor
koreksi kontinuitas (continuity correction factor) sebesar 1
2n
atau 2n sehingga bentuk pengubahan variabel randomnya ke
dalam normal standar menjadi
1
p p
Z 2n
p
dibuat oleh Heri Sunaryo 13
Contoh : Pada suatu pengiriman 20 produk elektronika telah diketahui
terdapat 6 unit yang tidak memenuhi kualitas standar. Jika sampel
random sebesar 500 dipilih dari populasi diatas dengan pengembalian,
berapa besar probabilitas sampel proporsi produk yang tidak memenuhi
kualitas
a. Akan kurang dari 150/500 ?
b. Antara 114/500 dan 145/500 ?
c. Lebih besar dari 164/500 ?
Jawab:
Rata-rata proporsi produk yang tidak memenuhi kualitas standar adalah :

E ( p ) p p 6 / 20 0,3

dengan standar deviasi

p(1 p) 0,3(0,7)


p 0,020494 0,0205
n 500

dibuat oleh Heri Sunaryo 14

a. 150 1
p 0,3 dan faktor koreksi 0,001
500 2(500)

sesuai rumus diatas

1
p p
2 n 0,3 0,001 0,3
Z 0,04878 0,049
p 0,0205

dari tabel normal standar

p(x/n < 0,3) = p(Z < 0,049)

= 0,5 + 0,0199 = 0,5199
Sehingga probabilitas sampel proporsi produk yang tidak memenuhi
kualitas standar kurang dari 150/500 adalah 0,5199
dibuat oleh Heri Sunaryo 15
 144/500 = 0,288
b.
p1 dan p = 145/500 = 0,290
2

0,288 0,001 0,3

sehingga Z1 0,54
0,0205
0,29 0,001 0,3
dan Z2 0,44
0,0205
dari tabel normal standar, didapat :

p(0,288 < x/n < 0,290) = p( - 0,54 < Z < - 0,44 )

= 0,2054 0,1700 = 0,0354

Sehingga probabilitas sampel proporsi produk yang tidak memenuhi

kualitas standar antara 114/500 dan 145/500 adalah 0,0354

dibuat oleh Heri Sunaryo 16

Distribusi sampling tentang beda antara 2 rata-rata
Jika 2 sampel random yang independen dipilih dari 2 populasi normal dan
bila sampel pertama sebesar n1 dipilih dari populasi normal di atas dengan
rata-rata 1 dan deviasi standar 1, sedangkan sampel kedua sebesar n2
dipilih dari populasi normal lainnya dengan rata-rata 2 dan deviasi standar
2 , maka beda antara kedua rata-rata sampel dapat dinyatakan
dengan x , dan didistribusikan secara normal dengan
rata-rata E(x) x1 x 2 1 2

Dan standar deviasinya 12 22

x1 x 2
n1 n2
Rata-rata sampel didistribusikan secara normal jika besarnya sampel n.
Andaikan x1 dan x2 independen dan di distribusikan secara normal, maka x
atau x1 x2 juga akan memiliki distribusi normal jika n1 dan n2 ,
sehingga variabel randomnya dapat diubah ke dalam variabel standar,

(x1 x 2 ) 1 2
Z
x1 x 2 dibuat oleh Heri Sunaryo 17
Contoh : Besi baja produksi perusahaan A memiliki daya regang rata-rata
4500 lbs dan varian 40000 lbs2, sedangkan besi baja produksi perusahaan B
memiliki daya regang rata-rata 4000 lbs dengan varians 90000 lbs2.
Andaikan sampel random sebesar n1 = 50 dipilih dari besi baja hasil produksi
perusahaan A dan sampel random sebesar n2 = 100 dipilih dari besi baja hasil
produksi perusahaan B, berapa probabilitas daya regang rata-rata besi baja
perusahaan A akan lebih besar 600 lbs daripada daya regang rata-rata
besi baja perusahaan B ?
Jawab : ( x1 x2) = 4500 4000 = 500
12 22
40000 90000
x 1 x2
41,2315
n1 n2 50 100
sehingga Z = (600 500) / 41,23 = 2,43
Dari tabel normal standar didapat :
x x
P( 1 2 > 600) = p( Z > 2,43 ) = 0,5 0,4925 = 0,0075
Ternyata probabilitas daya regang rata-rata besi baja perusahaan A
akan lebih besar 600 lbs dari daya regang rata-rata besi baja perusahaan B
hanyalah sebesar 0,0075. dibuat oleh Heri Sunaryo 18
Distribusi sampling tentang beda antara 2 proporsi
Jika 2 sampel random yang independen dipilih dari 2 populasi binomial
dan bila sampel pertama sebesar n1 dipilih dari populasi binomial dengan

p1 sedangkan sampel kedua sebesar n2 dipilih dari populasi binomial
lainnya dengan p2 , maka beda antara kedua sampel proporsi p
merupakan statistik sampel dan didistribusikan dengan

rata-rata E(p) p 1 p 2 p1 p2
p1(1 p1) p2 (1 p2 )
Deviasi standar p 1 p 2
n1 n2

Jika n1 dan n2 cukup besar, maka distribusi sampling tentang p1 dan

p di atas akan mendekati distribusi normal dan variabel randomnya
2
dapat diubah ke dalam variabel standar

(p1 p1) (p1 p 2 )
Z
p1p1
dibuat oleh Heri Sunaryo 19
 Contoh : Amir dan Yogi melakukan pelemparan sekeping uang logam yang
setimbang masing-masing 50 kali. Amir dinyatakan menang jika ia memperoleh 5
sisi muka lebih dari pada yang diperoleh Yogi. Berapakah probabilitas Amir akan
memenangkan taruhan di atas?
Jawab : Proporsi Amir dan Yogi dalam memperoleh sisi muka besarnya
sama, yaitu 0,5, sehingga :

E ( p ) p1 p 2 p1 p2 0,5 0,5 0
dan
p1 (1 p1 ) p2 (1 p2 ) 0,5(1 0,5) 0,5(1 0,5)

p1 p 2 0,10
n1 n2 50 50
Agar Amir menang, ia harus memperoleh 5 sisi muka lebih banyak dari Yogi
dalam 50 pelemparan. Berarti, Amir harus memperoleh 5/50 = 0,10 sisi muka
lebih banyak dari Yogi, sehingga

( p1 p1 ) ( p1 p2 ) 0,1 0
Z 1
p p
1 1
0,1
dari tabel normal standar, didapat

p( p > 0,1) = p(Z > 1) = 0,5 0,3413 = 0,1587
Kemungkinan Amir untuk menang sebesar 15,87% saja
dibuat oleh Heri Sunaryo 20
Pada umumnya, masalah statistika yang ada adalah melaku-
kan pendugaan terhadap nilai parameter (nilai2 populasi)
dengan menggunakan nilai statistik (nilai2 sampel) yang
didapat dari pengolahan data sampel.
Nilai statistik sampel yang dipergunakan untuk menduga
parameter yang bersangkutan disebut sebagai penduga
(estimator).
Nilai-nilai yang dinyatakan dengan angka-angka yang kita
peroleh dengan jalan mengevaluasi penduga dinamakan
dugaan secara statistik (statistical estimate).
Misalnya, rata-rata sampel x merupakan penduga bagi
rata-rata populasi dibuat oleh Heri Sunaryo 21
 Karena penduga merupakan fungsi dari nilai-nilai
sampel, maka penduga juga merupakan variabel
random dan memiliki distribusi sampling,
sehingga ada kemungkinan sebuah parameter
mempunyai banyak sekali penduga.

Oleh karena itu, perlu dilakukan pemilihan terhadap

berbagai alternatif penduga yang dapat dianggap
sebagai penduga parameter yang "paling baik".

dibuat oleh Heri Sunaryo 22

Ciri-Ciri Penduga Yang Baik

Andaikan parameter populasi dinyatakan sebagai dan

penduga parameter dinyatakan sebagai , maka
seharusnya variabel random akan bervariasi tidak
terlalu jauh di sekitar yang konstan. Statistik penduga
dinilai sebagai penduga parameter "yang baik" jika
memenuhi 3 syarat berikut, yaitu tidak bias, efisien dan
konsisten.

a. Tidak Bias (unbiased)

merupakan penduga yang tidak bias bagi
jika E ( ) =

Penduga dianggap bias jika E ( )

dibuat oleh Heri Sunaryo 23

 b. Efisiensi. Distribusi penduga sebaiknva
terkonsentrasi atau memiliki variansi yang kecil sekali.
Semakin kecil variansinya, maka penduga makin efisien.

c. Konsisten. Penduga yang konsisten merupakan

penduga yang berkonsentrasi secara sempurna pada
parameter jika besarnya sampel bertambah secara tidak
terhingga.

Pendugaan secara statistik dapat dibedakan menjadi 2

macam, yaitu pendugaan titik (point estimation) dan
pendugaan interval (interval estimation).

dibuat oleh Heri Sunaryo 24

Pendugaan Parameter Distribusi Normal
Misalkan x1, x2, x3, x4, xn menyatakan unsur-unsur
dari sampel random sebesar n yang dipilih dari suatu
populasi normal dengan rata-rata dan variansi yang
tidak diketahui
Penduga yang paling baik bagi rata-rata populasi adalah rata-
rata sampel x , karena
E( x ) x
Ratarata sampel x dihitung menggunakan rumus
n

x i
x i 1

n dibuat oleh Heri Sunaryo 25

Pendugaan variansi populasi 2 menggunakan variansi sampel
s2 dengan derajat kebebasan (degree of freedom) sebesar (n 1)
yaitu : n

i
( x
i 1
x ) 2

s2
n 1
2
Variansi rata-rata sampel diatas adalah 2
x
n
jika 2 tidak diketahui, 2 diganti dengan s2. Sehingga rumus
menjadi 2
s
2
x
n
Deviasi standarnya didapat dengan
mengakarkan nilai variansi diatas.
dibuat oleh Heri Sunaryo 26
Pendugaan Parameter Distribusi Binomial
Proporsi sukses atau kerusakan p distribusi binomial diduga
secara tidak bias dengan proporsi sampel , dimana x
menyatakan jumlah sukses atau kerusakan yang diobservasi,
sedangkan n menyatakan besarnya sampel.

Rata-rata distribusi proporsi sampel nya

E ( p ) p p

dan variansinya

p(1 p)
2

p
n
dibuat oleh Heri Sunaryo 27
Karena p dapat diduga dengan = x/n, maka pendugaan tentang
variansi populasi jumlah sukses x menggunakan rumus

x x
n 1
2

n n

Sedangkan Pendugaan variansi proporsi sampel x/n dilakukan

dengan rumus

x x
1
n n
p
2

Pendugaan deviasi standarnya didapat dgn mengakarkan

kedua rumus diatas
dibuat oleh Heri Sunaryo 28
PENDUGAAN INTERVAL (SELANG) /
INTERVAL ESTIMATION

Pendugaan titik tidak memungkinkan untuk

mengukur derajat kepercayaan terhadap ketelitian
pendugaan yang telah dilakukan. Jika
menginginkan suatu pengukuran yang obyektip
tentang derajat kepercayaan terhadap ketelitian
pendugaan, maka sebaiknya menggunakan
pendugaan interval (interval estimation).
Pendugaan interval akan memberikan nilai-nilai
statistik dalam suatu interval dan bukan nilai
tunggal sebagai penduga parameter

dibuat oleh Heri Sunaryo 29

 Pendugaan interval akan menghasilkan interval
kepercayaan atau interval keyakinan (confidence
interval), dan dirumuskan secara umum sebagai berikut
{ ( st Z/2 st < parameter < st + Z/2 st ) }

Bila dinyatakan dalam bentuk probabilitas, rumus menjadi

P(st Z/2 st < parameter < st + Z/2 st ) = (1 )
keterangan :
= koefisien kepercayaan / level of significant
(1 )= derajat kepercayaan
st = statistik sampel atau penduga
st = deviasi standar statistik sampel
Z/2 = koefisien yang sesuai dengan yang dipergunakan
dalam pendugaan interval dan nilainya diberikan
dalam Tabel luas kurva normal.
dibuat oleh Heri Sunaryo 30
Nilai nilai Z/2 tergantung dari besarnya yang digunakan.
Makin besar nya, maka derajat kepercayaannya makin
kecil, sehingga rentang intervalnya akan makin lebar.
Berikut adalah tabel nilai-nilai Z/2 yang dihitung dari tabel
normal standar.
No 1 Z /2
1. 0,27% 99,73% 3,0
2. 1% 99% 2,8
3. 2% 98% 2,33
4. 4% 96% 2,05
5. 4,55% 95,45% 2,00
6. 5% 95% 1,96
7. 10% 90% 1,645
8. 20% 80% 1,28
9. 31,8% 68,2% 1,00
10 50% 50% 0,6745
dibuat oleh Heri Sunaryo 31
Pendugaan Parameter (rata-rata populasi) Dengan
Sampel Besar
a. Pendugaan bila diketahui.
Bila diambil sampel berukuran cukup besar secara berulang,
maka distribusi sampel rata-rata akan mempunyai standar
deviasi x yg nilainya
x
x bila populasi tak terbatas
n
x N n
x bila populasi terbatas
n N 1
Shg pendugaan parameter bila diketahui adalah:
Px Z / 2 . x x Z / 2 . x 1
ket :
x = rata-rata distribusi sampel rata-rata
Z/2 = nilai dari tabel normal
x = standar deviasi distribusi sampel rata-rata
= koefisien kepercayaan
dibuat oleh Heri Sunaryo 32
Contoh

Diadakan suatu penelitian untuk mengetahui besarnya

pengeluaran per bulan para prajurit TNI AU. Guna keperluan
di atas, suatu sampel random yang terdiri dari 100 prajurit
telah dipilih guna diinterview dari populasi yang dianggap
tidak terhingga dan terdiri dari semua prajurit TNI AU. Dari
hasil interview di atas, diketahui bahwa rata-rata
pengeluaran per bulannya adalah Rp. 800.000,-. Jika
dianggap deviasi standar dari pengeluaran semua prajurit
kurang lebih konstan dan sebesar Rp.120.000,-, maka
buatlah interval keyakinan sebesar 95% guna menduga
rata-rata pengeluaran para prajurit per bulannya.

dibuat oleh Heri Sunaryo 33

 Jawaban : Dari data di atas, diketahui :
n = 100 x = 800.000,- = 120.000,-
1 = 0,95 = 0,05 Z/2 = Z0,025 = 1,96
x 120000
sehingga x 12000
n 100
dan
P( 800000 1,96 (12000) < < 800000 + 1,96 (12000) ) = 0,95
P(776480 < < 823530) = 0,95

Jadi : Rata-rata pengeluar-

an para prajurit per bulan
berkisar Rp. 776.480,-
hingga Rp. 823.520,-.

dibuat oleh Heri Sunaryo 34

Pendugaan bila tidak diketahui

Harga diduga dengan menggunakan

standar deviasi sampel s, sehingga
pendugaan bila tidak diketahui dengan
koefisien kepercayaan sebesar adalah :

s s
P x Z / 2 . x Z / 2 . 1
n n

dibuat oleh Heri Sunaryo 35

Contoh :
100 Karbol diberi semacam test kecerdasan guna menentukan
tingkat IQ nya. Angka rata-rata bagi keseratus Karbol di atas
ternyata sebesar 112 dengan deviasi standar sebesar 11.
Berilah interval keyakinan sebesar 95% guna menduga angka
rata-rata IQ seluruh Karbol.

Pada soal di atas,

n = 100 x = 112 s = 11
1 = 0,95 = 0,05 Z /2 = 1,96
Karena sampeI cukup besar, maka diduga dengan s = 11 ,
sehingga interval kepercayaannya adalah :
P{112 1,96 (11/100) < < 112 + 1,96 (11/100)} = 0,95
P( 109,844 < < 114,156 ) = 0,95
Ternyata, angka rata-rata IQ Karbol terletak antara 109,84
hingga 114,156. dibuat oleh Heri Sunaryo 36
c. Pendugaan Parameter Beda Dua Rata-Rata ( 1 2 )

Populasi pertama mempunyai rata-rata 1 dan standar

deviasi 1 ; populasi kedua mempunyai rata-rata 2 dan
standar deviasi 2 ; Dari populasi pertama diambil sampel
random sebanyak n1 dengan rata rata x1 dan populasi kedua
diambil sampel random sebanyak n2 dengan rata-rata x 2 ,
kedua kelompok sampel itu saling bebas.

Interval kepercayaan untuk pendugaan beda dua rata-rata

(1 2) bila 1 dan 2 diketahui adalah

P X1 X 2 Z / 2. ( x1 x2 ) 1 2 X1 X 2 Z / 2. ( x1 x2 ) 1

dibuat oleh Heri Sunaryo 37

dengan
12 22
(x x ) bila populasinya tak terbatas
1 2
n1 n2

12 22 ( N1 N 2 ) (n1 n2 ) bila populasi terbatas

(x x ) .
1 2
n1 n2 ( N1 N 2 ) 1
Bila 12 dan 22 diketahui dan 12 = 22 = 2 , maka standar
deviasi distribusi sampel beda dua rata-rata menjadi
2
2
1 1
(x x ) 1
2

1 2
n1 n2 n1 n2
Bila 12 dan 22 tidak diketahui dan 12 22 , maka 12
diduga dengan S12 dan 22 diduga dengan S22 , sehingga
standar deviasi sampel beda dua rata-rata menjadi ;
S12 S 22
(x x )
1 2
n1 n2 dibuat oleh Heri Sunaryo 38
Contoh :

Seorang ahli senjata menerima 2 jenis senjata A dan B dalam

jumlah yang besar sekali. Sang Ahli secara random memilih
dari kedua jenis senjata masing-masing 50 buah serta menguji
daya tahannya secara cermat sekali. Dari hasil pengujian
tersebut, senjata A mampu menembakkan peluru rata-rata
1282 buah tanpa henti, sedangkan jenis B rata-rata 1208
peluru. Berdasarkan pengalamannya sebagai seorang ahli
senjata, bahwa deviasi standar penembakan kedua jenis
senjata kurang lebih konstan dan masing-masing sebesar 80
dan 94 jam. Buatlah dugaan tentang beda rata-rata
kemampuan penembakan kedua jenis senjata di atas dengan
menggunakan interval keyakinan sebesar 95%.

dibuat oleh Heri Sunaryo 39

Jawaban :
n1 = 50 n2 = 50
x1 = 1282 x2 = 1208
1 = 80 2 = 94
(1 )= 0,95 = 0,05 /2 = 0,025

maka
12 22 802 94 2
x 1 x2
17,321
n1 n2 50 50
sehingga

P{74 1,96 (17,321) < 1 2 < 74 + 1,96 (17,321)} = 0,95

P( 40,05 < 1 2 < 107,95 ) = 0,95

Jadi dengan = 5%, beda rata-rata kemampuan penembakan

kedua jenis senjata tsb antara 40,05 hingga 107,95 peluru.
dibuat oleh Heri Sunaryo 40
Pendugaan Proporsi (p)
Interval kepercayaan untuk penduga p adalah :

P p Z / 2 . p p p Z / 2 . p (1 )
x
p dihitung dgn p
n
Karena proporsi p populasi tidak diketahui dan diduga dengan
proporsi p pada sampel, maka standar deviasi p adalah

p (1 p )
p bila populasi tak terbatas
n

p (1 p ) N n
p . bila populasi terbatas.
n N 1
dibuat oleh Heri Sunaryo 41
Contoh : Dinas Kesehatan menyelidiki persentasi anggota TNI
AU yang merokok paling tidak satu bungkus perhari. Sebuah
sampel random sebesar n = 300 dipilih, ternyata 36 orang
merokok paling sedikit satu pak per hari. Buatlah interval
keyakinan sebesar 95% guna menduga proporsi anggota TNI
AU yang merokok paling sedikit satu pak per harinya.
Jawaban :
p = x/n = 36/300 = 0,12.

(0,12)(0,88) (0,12)(0,88)

P 0,12 1,96 p 0,12 1,96 0,95
300 300

P(0,12 0,037 < p < 0,12 + 0,037) = 0,95
P(0,083 < p < 0,157) = 0,95
jika dipergunakan interval keyakinan sebesar 95%, maka
dugaan bahwa proporsi anggota TNI AU yang merokok paling
sedikit satu pak per hari adalah 8,396 % hingga 15,7%
dibuat oleh Heri Sunaryo 42
Pendugaan Parameter Beda Dua Proporsi (p1 p2)
Interval kepercayaan untuk penduga beda dua proporsi adalah :

P{( p1 p 2 ) Z / 2 . ( p p 2 ) p1 p2 ( p1 p 2 ) Z / 2 . ( p p 2 ) } 1
1 1

dengan
p1 (1 p1 ) p 2 (1 p 2 )
( p p 2 ) bila populasi tak terbatas
1
n1 n2
bila populasi terbatas, maka
p1 (1 p1 ) p 2 (1 p 2 ) ( N1 N 2 ) (n1 n2 )
( p 1 p 2 )
n1 n2 ( N1 N 2 ) 1

x1 x2
p 1 & p 2
n1 n2
dibuat oleh Heri Sunaryo 43
Contoh :
Suatu survei diadakan terhadap dua kelompok pengunjung
Museum Dirgantara Mandala. Sampel pertama sebanyak 500
orang dan yang mengatakan puas dengan kondisi museum
sebanyak 325 orang. Kelompok kedua diambil sampel
sebanyak 700 orang dan 400 diantaranya mengatakan puas.
Buatlah interval kepercayaan 95% untuk menduga berapa
sesungguhnya beda dua populasi pengunjung yang puas.

Jawaban : x1 325
Proporsi yang puas kelompok pertama = p1
0,65
n1 500

x2 400
Proporsi yang puas kelompok kedua = p 2 0,57
n2 700

dibuat oleh Heri Sunaryo 44

Dua populasi pengunjung dianggap tak terbatas, maka diperoleh
p1 (1 p1 ) p 2 (1 p 2 ) 0,65 0,35 0,57 0,43
( p p 2 ) 0,03
1
n1 n2 500 700

untuk interval kepercayaan 95%, maka Z/2 = 1,96 , sehingga

P{( p1 p 2 ) Z / 2 . ( p 1 p 2 ) ( p1 p2 ) ( p1 p 2 ) Z / 2 . ( p 1 p 2 )} 1
Untuk memudahkan, dihitung per bagian
( p1 p 2 ) Z / 2 . ( p 1 p 2 ) = (0,65 0,57) (1,96) x (0,03) = 0,02 = 2%

( p1 p 2 ) Z / 2 . ( p 1 p 2 ) = (0,65 0,57) + (1,96) x (0,03) = 0,14 = 14%

jadi interval kepercayaan beda proporsi sesungguhnya yang

puas dari kedua kelompok pengunjung adalah
P(0,02 < p1 p2 < 0,14) = 0,95
Artinya, kita dapat percaya 95% bahwa beda proporsi
sesungguhnya yang puas dari kedua kelompok pengunjung
adalah 2% sampai 14%.
dibuat oleh Heri Sunaryo 45
Pendugaan Parameter Populasi Dengan Sampel Kecil
Jika sampel yang diambil jumlahnya kecil (apabila n < 30),
distribusi statistiknya merupakan distribusi student
(distribusi t) , dengan rumus
x
t
s/ n
Perhitungan distribusi t dilakukan dengan memakai tabel
Distribusi t. Dalam tabel distribusi t tersebut, tercantum nilai-
niai t untuk derajat kebebasan db = (n 1) dan probabilitas
atau luas daerah sebesar .

- t 0 t
dibuat oleh Heri Sunaryo 46
a. Pendugaan Parameter Dengan Sampel Kecil

Interval kepercayaan untuk pendugaan parameter dengan

sampel kecil ( n < 30 ) yang diambil dari populasi dimana 2
populasi tidak diketahui adalah :



P X t . x X t . x 1


, db
2
, db
2

Dgn : nilai t diperoleh dari tabel distribusi t
, db
2

s
x bila populasi tak terbatas
n

s N n
x . bila populasi terbatas
n N 1
dibuat oleh Heri Sunaryo 47
Contoh : Suatu sampel random 15 Karbol diambil dari
populasi Karbol AAU. Ke 15 Karbol dites bahasa Inggris dan
diperoleh nilai rata-rata 75 dengan standar deviasi 8. Buatlah
interval kepercayaan 95% untuk menduga kemampuan
bahasa Inggris seluruh Karbol AAU.

Jawaban : n = 15, x = 75 dan s = 8,

maka standar deviasi distribusi sampel rata-rata adalah
s 8
x 2,07
n 15
Interval kepercayaan yang akan dibuat besarnya 95%, maka
= 5%, sehingga /2 = 0,025 dan dengan derajat
kebebasan db = 15 1 = 14, didapat nilai t dari tabel
distribusi t sbb :
t
t0, 025;14 2,145
, db
2
dibuat oleh Heri Sunaryo 48
Sehingga interval kepercayaannya adalah



P X t . x X t . x 1


, db
2
, db
2

P { 75 (2,145 . 2,07) < < 75 + (2,145 . 2,07)} = 0,95

P { 70,6 < < 79,4 } = 0,95

jadi, interval kepercayaan 95% untuk pendugaan

kemampuan rata-rata Karbol AAU dalam bahasa Inggris
adalah P { 70,6 < < 79,4 } = 0,95

Dengan kata lain, kita percaya 95% bahwa kemampuan

rata-rata bahasa Inggris Karbol AAU terletak antara 70,6
sampai dengan 79,4
dibuat oleh Heri Sunaryo 49
b. Pendugaan Parameter Beda Dua Rata-Rata (1 2)
Dengan Sampel Kecil
Jika 12 = 22 = 2 tidak diketahui nilainya, maka interval
kepercayaan (1 2) dari populasi normal adalah

P X 1 X 2 t . x1 x2 1 2 X 1 X 2 t . x1 x2 (1 )

, db , db
2 2

1 1
di mana x x S p
1 2
n1 n2

dengan S p n1 1S12 n2 1S22

n1 n2 2

SP disebut standar deviasi gabungan, dan derajat

kebebasan db = n1 + n2 2.
dibuat oleh Heri Sunaryo 50
Tetapi, bila variansi dua populasi itu tidak sama besarnya,
12 22 yang besarnya tidak diketahui, maka

S12 S22
( x1 x2 )
n1 n2

, dan derajat bebas

2
S 2
S
2

1 2

db n1 n2


2
S1 / n1
2

2

S 2 / n2
2

(n1 1) (n2 1)

dibuat oleh Heri Sunaryo 51

Contoh : Ingin dibandingkan penguasaan Statistika antara
kelas A dan B. Klas A terdiri 12 siswa yang diajar dengan
metode biasa. Klas B terdiri 10 siswa dan diajar dengan
metode baru. Setelah diadakan tes, ternyata klas A
memperoleh rata-rata 85 dengan standar deviasi 4, dan klas
B memperoleh rata-rata 81 dengan standar deviasi 5.
Buatlah interval kepercayaan 80% untuk menduga beda
kemampuan siswa dalam penguasaan statistika.
Diasumsikan bahwa dua populasi tersebut mempunyai
distribusi mendekati normal dan variansinya sama.

Jawab :
Kelas A, dengan metode biasa : x1 85 S1= 4 dan n1 = 12

Kelas B, dengan metode baru : x2 81 , S2= 5 dan n2 = 10.

dibuat oleh Heri Sunaryo 52

Karena variansi 12 dan 22 tidak diketahui dan dianggap
sama, yaitu 12 = 22 = 2 , maka

S2p
n1 1S12 n2 1S22
11.42 9.52
20,05
n1 n2 2 12 10 2

maka simpangan baku gabungan Sp = 20,05 = 4,48

Simpangan baku distribusi sampel beda dua rata-rata adalah :

1 1 1 1
(x x ) Sp 4,48 1,92
1 2
n1 n2 12 10

Untuk (1 ) = 80% atau = 20% dan derajat bebas

db = n1 + n2 2 = 12 +10 2 = 20, diperoleh nilai
t
t ( 0,10;20) 1,325
, db
2
dibuat oleh Heri Sunaryo 53
dengan demikian diperoleh

X 1 X 2 t
, db
. x1 x2 (85 81) (1,325)(1,92) 1,456
2

X 1 X 2 t
, db
. x1 x2 (85 81) (1,325)(1,92) 6,544
2

jadi interval kepercayaan untuk perbedaan kemampuan

penguasaan Statistika antara kelas A dan B yang diajar
dengan metode berbeda adalah :

P (1,456 < 1 2 < 6,544) = 0,80

dibuat oleh Heri Sunaryo 54

 Menduga Variansi
Bila sampel berukuran n diambil dari populasi normal dengan
variansi 2 , dan variansi sampel s2 dihitung maka diperoleh
suatu nilai statistik S2. Variansi sampel hasil perhitungan ini
akan digunakan sebagai taksiran / penduga titik untuk 2.

a. Penduga interval untuk 2 diberikan oleh

(n 1) S 2 2
2

( n 1) S
2 12
2 2

2
2
1
dengan dan
2 2
menyatakan nilai distribusi khi kuadrat (chi square)
dengan derajat bebas v = (n 1).
dibuat oleh Heri Sunaryo 55
 12
b. Penduga untuk 2
2
Bila s12 dan s22 variansi dari sampel bebas yang masing-
masing berukuran n1 dan n2 dari populasi normal maka
2
selang kepercayaan (1 ) untuk nisbah 12 adalah
2
s12 1 12 s12
2 . 2 2 . f / 2 (v2 , v1 )
s2 f / 2 (v1 , v2 ) 2 s2
f / 2 (v1, v2 ) menyatakan nilai distribusi F dengan derajat
kebebasan v1 = (n1 1) dan v2 = (n2 1)
sehingga luas sebelah kanannya /2.

f / 2 (v2 , v1) menyatakan nilai distribusi F dengan derajat

kebebasan v2 = (n2 1) dan v1 = (n1 1) .
dibuat oleh Heri Sunaryo 56
Besarnya n (sampel yang diambil)

a. Bila x dipakai untuk menaksir pada taraf kepercayaan ,

maka kesalahan duganya akan lebih kecil dari suatu bilangan
g yang ditetapkan sebelumnya asal saja ukuran sampelnya
2
z / 2 2

n
g

b. Bila p dipakai sebagai penaksir p, maka dengan keperca-

yaan paling sedikit (1 )100% kesalahan/galat akan lebih
kecil dari besaran tertentu g bila ukuran sampelnya adalah

Z2 / 2
n
4g 2
dibuat oleh Heri Sunaryo 57