Statistik Inferensial

Juweti charisma
PENDAHULUAN
Peneliti menghadapi persoalan populasi yang terlalu
besar untuk melakukan pengujian
Untuk mendapatkan seluruh data obyek atau kasus
yang akan dipelajari memerlukan biaya dan waktu
Meskipun populasi kecil, juga akan melelahkan untuk
melihat kasus satu persatu
Dengan demikian, peneliti sering merasa cukup untuk
mengambil sampel kasus atau obyek yang menjadi
wakil dari populasi yang akan diteliti.
Apabila Penelitian dimaksudkan untuk membuat
kesimpulan umum tentang populasi , sementara data
yang ada hanya sampel dari populasi tersebut, maka
harus dilakukan inferensi tentang karakteristik
populasi.
 PENGERTIAN
Metoda Analisis Statistik Inferensial adalah
metoda yang membantu dalam membuat
kesimpulan umum tentang karakteristik
populasi berdasarkan apa yang dapat dipelajari
dari sampel yang dipereoleh dari populasi
tersebut.
Penerapan Analisis Statistik Inferensi dapat
mengambil 2 bentuk:
Prosedur EstimasiSuatu perkiraan Parameter
Populasi yang dibuat pada apa yang diketahui tentang
sampel
Pengujian Hipotesis Keakuratan suatu hipotesa
tentang populasi yang diuji terhadap hasil sampel
KONSEP DASAR
Tiga Pengetahuan Dasar diperlukan untuk
memahami prosedur Analisis Inferensial:
Probabilitas Dasar
Kurva Normal
Distribusi Sampling
ISTILAH DALAM KONSEP SAMPLING
Sampel Random/ Sampel probabilitas :
Statistik : besaran yang dipakai untuk menerangkan
beberapa sifat karakteristik dari suatu sampel (mea,
median, standar deviasi)dari suatu sampel
Populasi : kumpulan secara keseluruhan obyek atau
orang yang mewakili populasi
Parameter : suatu yang dipakai utk menerangkan
beberapa sifat karakteristik dari suatu populasi
Estimator yang tidak bias : besaran statistik yang
memiliki nilai harapan yang sama dengan parameter
yang diestimasi (populasi)
LAMBANG2..
: lambang rata2 populasi, estimatornya x
p : lambang proporsi populasi, estimatornya p
: lambang standar deviasi populasi,
estimatornya s. untuk nilai ini, jika faktor
koreksi belum termasuk di dalamnya, estimator
yang sesuai adalah

N : jumlah besar populasi

N : jumlah besar sampel
 KONSEP DASAR PROBABILITAS
7

Banyak kejadian dalam kehidupan sehari-hari

yang sulit diketahui dengan pasti, terutama
kejadian yang akan datang.
Meskipun kejadian-kejadian tersebut tidak pasti,
tetapi kita bisa melihat fakta-fakta yang ada
untuk menuju derajat kepastian atau derajat
keyakinan bahwa sesuatu akan terjadi.
Derajat / tingkat kepastian atau keyakinan dari
munculnya hasil percobaan statistik disebut
Probabilitas (Peluang), yang dinyatakan dengan
P.
8

Eksperimen/percobaan probabilitas adalah segala

kegiatan dimana suatu hasil (outcome) diperoleh.
Ruang sampel adalah himpunan seluruh
kemungkinan outcome dari suatu
eksperimen/percobaan. Biasanya dinyatakan dengan
S. Banyaknya outcome dinyatakan dengan n(S).
Peristiwa/kejadian adalah himpunan bagian dari
outcome dalam suatu ruang sampel.
KURVA NORMAL
Juweti Charisma
Distribusi normal adalah distribusi yang memiliki
kurva yang berkesinambungan berbentuk simetris
 Distribusi normal pertama kali diperkenalkan oleh
Abraham de Moivre dalam artikelnya pada tahun 1733
sebagai pendekatan distribusi binomial untuk n besar.
Karya tersebut dikembangkan lebih lanjut oleh Pierre
Simon de Laplace, dan dikenal sebagai teorema Moivre-
Laplace. Laplace menggunakan distribusi normal untuk
analisis galat. Metode kuadrat terkecil diperkenalkan oleh
Legendre pada tahun 1805. Sementara itu Gauss1794
dengan mengasumsikan galatnya memiliki distribusi
normal.
Istilah kurva lonceng diperkenalkan oleh Jouffret pada
tahun 1872 untuk distribusi normal bivariat. Sementara
itu istilah distribusi normal secara terpisah diperkenalkan
oleh Charles S. Peirce, Francis Galton, dan Wilhelm Lexis
sekitar tahun 1875. Terminologi ini secara tidak sengaja
memiliki nama sama.
 KARAKTERISTIK DISTRIBUSI KURVA NORMAL

1. Kurva berbentuk genta (m= Md= Mo)

2. Kurva berbentuk simetris
3. Kurva normal berbentuk asimptotis. Kedua ekor kurva
memanjang tak berbatas dan pernah memotong
sumbu horizontal
4. Kurva mencapai puncak pada saat X= m
5. Luas daerah di bawah kurva adalah 1; di sisi kanan
nilai tengah dan di sisi kiri. Total=1
 JENIS-JENIS DISTRIBUSI NORMAL

Distribusi kurva normal dengan m sama dan berbeda

10
9
8
7
6
5
4
3
2
1
0
m

Mesokurtic Platykurtic Leptokurtic

Distribusi kurva normal dengan m berbeda dan sama

Mangga C Mangga A

Mangga B

0 0 0
15 30 45
Distribusi kurva normal dengan m dan berbeda

85 850
 KURVA NORMAL
Kurva Normal merupakan model teoritis sejenis
frekwensi poligon yang benar-benar simetris dan
mulus.
Teori yang mendasari Statistik Inferensial
Kurva Normal dikombinasikan dengan Standar Deviasi
dapat digunakan untuk membangun pernyataan deskriptif
yang tepat tentang distribusi empiris.
 Konsep Dasar Kurva Normal :
1. Berbentuk lonceng berarti simetris di kanan dan kiri dari 'mean
2. 'Mean' = 'median' = 'mode', nilai dari ketiga ukuran sentral ini terletak
pada titik yang sama pada sumbu X dan hanya mempunyai satu 'mode'
(unimodal).
3. Jumlah seluruh daerah diatas sumbu X dan dibawah kurva setara
dengan satu atau seratus persen. Karena kurva Normal
simetris,berbentuk lonceng dan unimodal maka daerah di di kanan dan
di kiri garis tegak lurus diatas meanmasing-masing besarnya 0,5 atau
50%.
4. Kurva ditetapkan oleh dua parameteryaitu 'mean' yang merupakan
pusat atau konsentrasi distribusi dan standar deviasi yang menentukan
penyebaran distribusi di sekitar 'mean'.
5. Ujung-ujung kurva meruncing dikanan dan kiri tetapi tidak pernah
mennyentuh garis X (asymptotic), dan jarak keujungujungnya dari
'mean' menujukkan tingkat frekuensi pengukuran.
6. Bila garis tegak lurus dibuat pada jarak satu standar deviasi di kanan
dan di kiri 'mean' akan mencakup daerah seluas kira-kira 68% di
dalamnya (antara garis tersebut, kurva dan sumbu bila dua standard
deviasi 95%, bila tiga standar deviasi 99,7% dan area di luar tiga
DAERAH KURVA NORMAL
 KURVA NORMAL STANDARD (KURVA NORMAL BAKU)

Nilai Z Nilai Standar Konversi Nilai asli ke Standar Deviasi

Nilai Z untuk menemukan prosentase wilayah total di bawah
kurva normal
CONTOH SOAL
CARA MENJAWAB SOAL
PENYELESAIAN
NILAI IQ SAMPEL WANITA

Proporsi Wanita
dengan IQ < 120
sebesar 97,72 %
NILAI IQ SAMPEL LAKI-LAKI

Proporsi Laki-laki
dengan IQ < 120
sebesar 84,13 %
 Distribusi Student t
Prosedur untuk estimasi standard error dengan standart deviasi sampel
S
x
n n
Hanya sesuai bila sampel besar
S
Atau Sx x
Dengan Ukuran Sampel Kecil:
Kachigan < 30
Healey < 100
Hasil Interval kepercqayaan secara substansi menjadi salah
Distribusi Student t dapat membantu mengatasi Interval Kepercayaan
dalam sampel kecil dan tidak diketahui

 Distribusi Student t
Student t adalah suatu distribusi probabilitas yang mirip
dengan distribusi normal, tetapi dengan beberapa
perbedaan penting
Student t digunakan untuk menemukan area di bawah
distribusi sampling dan untuk menentukan wilayah kritis
Bentuk ditribusi t bergantung pada ukuran sampel
Ukuran sampel kecil distribusi t lebih datar daripada
distribusi Z.
Begitu sampel menjadi besar distribusi t mendekati bentuk
distribusi Z
Keduanya identik bila ukuran sampel >120
Bila Ukuran Sampel (n) meningkat Standard Deviasi Sampel
(s) semakin memenuhi sebagai estimator Standard Deviasi
Populasi ( ) distribusi t semakin dekat dengan distribusi z
DISTRIBUSI STUDENT T
 Distribusi Student t
Distribusi t bergantung pada ukuran sampel ada
pertimbangan tentang Derajat Kebebasan
Derajat Kebebasan adalah jumlah observasi dalam data
yang bebas untuk berubah setelah statistik sampel
dihitung jumlah observasi yang tidak bias
Kasus satu sampel DF= N-1
Kasus dua sampel DF= N1+N2-2
Seperti dalam Distribusi Z, tabel distribusi t akan
membantu menemukan wilayah di bawah kurva normal