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