BAB IV

TEORI PENDUGAAN
SECARA STATISTIK
4.1. Pendugaan Parameter
 Satu aspek yang penting dalam statistik inference
ini adalah pendugaan (estimasi) parameter
populasi atau secara singkat disebut parameter
dari statistik sampel atau secara singkat sering
disebut statistik.
 Atau menduga Nilai parameter (populasi) dengan
menggunakan nilai statistik ( nilai Sampel)
 PERBEDAAN NOTASI / LAMBANG YANG
DIPERGUNAKAN :
NILAI SAMPEL
(STATISTIK )
X = Rata-rata
X1 -X2 = Perbedan 2 rata-rata
P = proporsi = x/n
P 1-P 2 = Perbedaan 2 proporsi
s = Standar deviasi
n = anggota sampel
NILAI POPULASI
(PARAMETER)
µ = Rata-rata
µ1- µ2 = Perbedan 2 rata-rata
P = proporsi = X/N
P1-P2 = Perbedaan 2 proporsi
σ = Standar deviasi
N = anggota populasi
 4.2. Ciri-Ciri Penduga Yang Baik

1. Tidak bias (Unbias Estimator)

2. Konsisten
3. Efisien
1. Penduga tidak bias
(Unbias Estimator)
 Penduga tidak bias jika didalam sampel random
sederhana yang berulang-ulang dari suatu populasi,
rata-rata atau nilai harapan (expected value) dari
statistik sama dengan parameter populasi yang sesuai,
atau dengan kata lain dikatakan penduga tidak bias,
apabila penduga tersebut secara tepat menduga nilai
parameter.
 Misalnya:
 Rata-rata sampel (X) = Rata-rata populasi () atau
(X)= 
 Proporsi sampel (p) = Proporsi Populasi (P) atau (p)=
P
Contoh :
 Rata-rata sampel = 20 sedangkan rata-rata
populasi yang diduga ternyata nilainya = 20,
maka dikatakan rata-rata sampel merupakan
penduga yang baik atau tidak bias. {(X)=  =
20 }
 Jika digambarkan dalam bentuk grafik akan
nampak sebagai berikut :

(X)=  = 20
2. Penduga Konsisten
 Suatu penduga dikatakan konsisten , apabila besarnya
sampel semakin bertambah mendekati tidak berhingga ,
maka penduga tersebut akan semakin berkonsentrasi
secara sempurna pada parameter yang diduga. Atau
dengan kata lain Suatu penduga dikatakan konsisten
bila memenuhi dua syarat sebagai berikut :
 Jika ukuran sampel bertambah, penduga akan semakin
mendekati parameter yang sesungguhnya.
 Jika ukuran sampel bertambah tak berhingga, distribusi
sampling penduga akan mengempis atau menjadi suatu
garis tegak lurus di atas parameter yang sesungguhnya
dengan probabilitas sama dengan satu.
Jika digambarkan dalam bentuk grafik
akan nampak sebagai berikut :

n = Tak berhingga

n = Sangat besar

n = besar
n = Kecil

P(parameter)
3. Penduga Efisien
 Suatu penduga dikatakan efisien adalah penduga yang mempunyai
varian terkecil diantara penduga yang tidak bias lainnya.
 Sebagai contoh dapat dikemukakan penduga parameter yang terdiri
dari rata-rata sampel dan median sampel, keduanya merupakan
penduga yang tidak bias terhadap rata-rata populasi.
 Kedua penduga statistik ini masing-masing mempunyai varians,
yakni varians rata-rata dan varians median.
 Varian rat-rata (mean) : 2X = 2/n
 Varian median : 2med = 2/2n = 3,14159
 Efisiensi relatif (Er) : Er = 2X / 2med = 2/n / 2/2n = 2/
=0,64 atau 64%
 Efisiensi relatif 64% , artinya varian rata-rata hanya 64% dari
varians median, ini berarti untuk memperoleh varians yang sama,
rata-rata hanya memerlukan sampel dengan n = 64 elemen.
Sedangkan untuk median diperlukan sampel dengan n = 100
elemen.
Bila kedua penduga tersebut digambarkan dalam diagram
akan nampak sebagai berikut :

Distribusi sampling
nilai rata-rata

Distribusi Sampling
Median

 = Rata-rata Populasi
4. Penduga Sufisien
 Suatu penduga dikatakan sufisien apabila
penduga tersebut mempunyai seluruh informasi
tentang parameter yang akan diduga. Sebagai
contoh bahwa rata-rata sampel adalah penduga
yang sufisien terhadap rata-rata populasi, sebab
rata-rata sampel tidak ada ukuran lain misalnya
median atau modus, yang dapat dipergunakan
sebagai penduga yang lebih baik.
4.3. Metode Menduga Harga Parameter

1. Pendugaan Interval,
yaitu pendugaan harga parameter dengan
harga statistik pada probabilitas tertentu,
dengan menggunakan dua batas nilai
2. Pendugaan Titik,
yaitu harga parameter hanya diduga dengan
satu harga statistik sampelnya.
 4.4. Pendugaan Harga Rata-rata Populasi ( )
1. Pendugaan Interval
a. Bila Sampel Besar ( n  30 )
 Jika n  30 , maka distribusi sampling harga rata-rata dapat dianggap
mendekati distribusi normal dengan rata-rata populasi () dan deviasi
standar populasi ( X) = /n Dengan probabilitas tertentu atau
interval keyakinan tertentu (katakanlah 95%), bahwa jika X adalah
rata-rata dari sampel random dengan anggota n besar, Z = (X - ) /
/n akan terletak antara – 1,96 dan 1,96 atau - 1,96 < (X - ) /
/n < 1,96, dengan manipulasi aljabar, maka akan didapat interval
yang memuat  sebagai berikut :
 -1,96 /n <X -  < 1,96 /n
 X - 1,96 /n <  < X + 1,96 /n
 Untuk dapat menghitung interval keyakinan dengan rumus tersebut
haruslah diketahui deviasi standar populasinya (). Umumnya deviasi
standar populasi () tidak diketahui, oleh karena pada kebanyakan
penelitian hanya mendasarkan pada sampel. Agar interval keyakinan itu
dapat dihitung maka  dapat diganti dengan dengan harga penduganya
yakni deviasi standar sampelnya (s). Dengan demikian “interval
keyakinan 95% untuk  menjadi :
 X - 1,96 s/n <  < X + 1,96 s/n
Secara umum dapat dinyatakan dengan rumus :

 X- Z /2 s/ n <  <  X + Z /2 s/ n

 Diamana :
  X- Z /2 s/ n = Lower confidence (batas keyakinan bawah)
  X+ Z /2 s/ n = upper confidence (batas keyakinan atas)
 Contoh Penerapannya
Suatu Biro Research ingin mengestimasi rata2 konsumsi anak
jalanan. Untuk itu diambil sampel random sebanyak 100 anak. Dari
100 anjal tsb rata2 konsumsi perhari Rp 9600,-dengan standar
deviasi Rp Rp 160. dengan tingkat keyakinan 98% hitunglah
estimasi konsumsi perhari dari seluruh anak jalanan?
 S
 Jawab :
 n = 100 , X = Rp.9600,- s =
Rp.160,-
 Interval keyakinan 98% untuk rata-rata
konsumsi perhari dari seluruh anak
jalanan
 Catatan :
Angka 2,58 didapat dari tabel
kurva normal dengan cara
mencari posisi 0,5 - 0.005 =
 Z 0,4950 Atau 0,99/2 = 0,4950
-Z
. jika tidak ada cari angka yang
- 2,58 0 2,58 paling dekat dengan angka
tersebut.Dalam kasus ini 2,58

Z = (X -  ) / (s / n)
Dengan interval keyakinan 99%
- 2,58 < (X -  ) / (s / n) < 2,58
Rumus :
X - Z/2 (s / n) <  < X + Z/2 (s / n)

 394.300 - 2,58( 41.500 / 300) <  < 394.300 + 2,58( 41.500 /

300)
 394.300 - 6181,7<  < 394.300 + 6181,7
 388.118,3 <  < 400.481,7
 Jadi pengeluaran rata-rata seluruh keluarga diseberang ulu
palembang untuk pembelian pakaian anak-anak dalam setahun
berkisar antara Rp 388.118,3 hingga Rp.400.481,7 akan benar
99% dari keseluruhan waktu jika pendugaan sedemikian itu
dilakukan secara berulang-ulang dan dalam cara yang sama. Dapat
dinyakan dengan :
 P(388.118,3 <  < 400.481,7 ) = 0,99
 Besarnya confidence coeffficient () yang akan digunakan dalam
pendugaan akan ditentukan sendiri oleh yang ingin menghitung
pendugaan harga-harga parameter. Dasar pertimbangan dalam
memilihnya adalah : dengan risiko kesalahan yang cukup kecil
masih bisa didapatkan interval yang relatif cukup kecil terhadap .
Bila Sampel Kecil ( n < 30 )
 Untuk sampel random kecil, pendugaan mean populasi dilakukan
dengan distribusi t . Jika sampel-sampel randon dengan n< 30
maka masing-masing diambil dari suatu populasi normal, dan
apabila untuk masing-masing sampel dihitung haga t dengan
rumus :

t = (X - ) / s/n
 Pendugaan mean populasi dengan sampel kecil secara umum
dapat digunakan rumus sebagai berikut :
 X – t( /2, n-1) s/ n <  <  X + t( /2, n-1) s/ n

Dimana n-1 = degree of freedom (derajat bebas)
 Contoh penerapannya adalah sebagai berikut :
 Jawab:
 X = 1/n Xi = 1/6 ( 13 + 14 + 12 + 16 + 12 + 11) = 1/6 (78) = 13
 S =   ( X - X)2/ (n –1) = 1,79
 Interval konfindensi 95%, maka  = 1- 0,95 = 0.05
 t/2:n-1 = t 0,025 ; 5 = 2,571(lihat tabel nilai t)

- Pendugaan Interval :

 X - t/2:n-1. s/ n <  < X + t/2:n-1. s/ n

 13 – 2,571 x 1,79/6 <  <13 + 2,571 x 1,79/6
 13 - 1,88 <  < 13 + 1,88
 11,12 menit <  < 14,88 menit
 jadi rata-rata waktu yang sesungguhnya untuk merakit suatu alat
mekanis tersebut berkisar antara 11,12 menit hingga 14,88 menit pada
tingkat keyakinan 95%
2. Pendugaan Titik
a. Bila sampel besar (n  30)

 Jika X digunakan sebagai pendugaan titik dari Rata-rata populasi

( ), maka besarnya error (kesalahan dalam pendugaan ini
adalah perbedaan antara  dengan X, dinyatakan dengan X - .
 Bila digunakan confidence coefficient 99% , maka :
 - 2,58 /n < Error < 2,58 /n
 Dengan probabilitas 99% kesalahan itu akan terletak antara -
2,58 /n hingga 2,58 /n atau dengan kata lain besarnya
kesalahan itu kurang dari 2,58 /n. Oleh karena umumnya 
tidak diketahui maka standar deviasi sampel (s) dapat digunakan,
sehingga dapat dinyatakan keslahan itu kurang dari 2,58 s/ n.
 Dari contoh diatas, X = 394.300 digunakan sebagai penduga
titik dari , maka besarnya kesalahan dalam pendugaan titik itu
adalah lebih kecil 2,58 s/n = 2,58 (41.500) / 300.= 6181,7
b. Jika Sampel Kecil ( n < 30 )
 Bila digunakan pendugaan titik, besarnya
error akan lebih kecil :
 t/2:n-1. s/ n
 Dari contoh diatas X = 13 digunakan
sebagai penduga titik, rata-rata populasi
(), maka besarnya kesalahan dalam
pendugaan titik itu adalah lebih kecil
t/2:n-1. s/ n = 2,571 x 1,79/6 = 1,88
 Menentukan besarnya sampel (n)

 Berdasarkan rumus menghitung besarnya error tersebutdapat digunakan untuk

menentukan besarnya sampel random yang harus diambil untuk mendapatkan
hasil dengan tingkat ketepatan tertntu ( accuracy).
 Besarnya sampel dapat dihitung dengan rumus sebagai berikut :

 n = [ Z /2 .  / Error ]2

Untuk lebih jelasnya dapat diikuti contoh berikut ini :

 Misalkan diantara suatu produk yang dibuat melalui suatu proses produksi
tertentu memiliki distribusi normal dengan standar deviasi ( ) = 0,5, berapa
besarnya sampel yang harus diambil agar 95% diyakini bahwa rata-rata
sampelnya tidak berselisih dari rata-rata populasinya lebih dari 0,1.
 Penyelesaiannya :
 Standar deviasi ( ) = 0,5
 Error = 0,1
 Z0,025 = 1,96
 n = [ Z/2 .  / Error ]2
 n = [ 1,96 x 0,5/ 0,1 ]2= 96,04
 Maka besarnya sampel yang harus diambil adalah sebanyak 96.
4.5. Pendugaan Harga Proporsi ( P )
Didalam menduga harga proporsi populasi (P), perlu
dipikirkan adanya distribusi sampling harga
proporsi.
Jika populasi sangat besar dan proporsi P tidak
terlalu dekat dengan 0 atau 1, maka distribusi
sampling harga proporsi ( p = x/n) akan
mendekati distribusi normal dan mempunyai rara-
rata sama dengan proporsi populasinya ( p = P )
dan

mempunyai deviasi standar (standard Error of the

proportion) =  P(1-P)/ n
a. Pendugaan Interval Untuk P

Untuk menduga proporsi populasi (P) dapat digunakan

rumus sebagai berikut :

p - Z/2  P(1-P) / n < P < p + Z/2  P(1-P) / n

Oleh karena P tidak diketahui, maka dapat diganti

dengan harga penduganya, yakni proporsi sampelnya
= p = x/n
Secara umum dengan interval keyakinan (1 -  )
rumus tersebut dapat dinyatakan

p - Z/2  p(1-p) / n < P < p + Z/2  p(1-p) / n

 Contoh penerapannya:
 Selama tahun 2014, 60 dari sampel random sebanyak 100
angkatan kerja dijumpai sedang menganggur. Buatlah interval
keyakinan proporsi penganggur didaerah itu dengan
menggunakan tingkat keyakinan 90%

 Penyelesaiannya :

 Diketahui : n = 100 x = 60 p = x/n = 60/100 = 0,6 pada

confidence coefficient 90%, maka nilai Z/2 = Z0,05 = 1,64
 p - Z /2  p(1-p) / n < P < p + Z /2  p(1-p) / n
 0,6 – 1,64 0,6(1-0,6 )/ 100 < P < 0,6 +1,64 0,6(1-0,6) /
100
 0,6 – 1,64(0,049) < P < 0,06 +1,64(0,049)
 0,6 – 0,08 < P < 0,6 +0,08
 0, 52 < P < 0,68
 Dengan interval keyakinan 90% proporsi populasinya berkisar
antara 52% hingga 68%
 b. Pendugaan Titik Untuk P
 Apabila p=x/n digunakan untuk menduga P,
maka dengan probabilitas tertentu besarnya
error adalah lebih kecil dari :
 Z /2  p(1-p) / n
 Dari contoh diatas , bila digunakan pendugaan
titik besarnya kesalahan adalah kurang dari :

 1,64 0,6(1-0,6) / 100 = 0,08

 Menentukan besarnya Sampel
 Untuk menentukan besarnya sampel dapat digunakan
rumus sebagai berikut :
 n = ¼ [ Z /2 /Error]2
 Contoh Penerapannya:
 Jika kita ingin memperkirakan proporsi masyarakat yang
meng asuransikan rumahnya untuk menghindari resiko
kebakaran, Berapa besarnya sampel yang diperlukan
apabila dengan probabilitas 95% kesalahan yang
mungkin terjadi tidak lebih dari 9%.
 Penyelesaian :
 n = ¼ [ Z /2 /Error]2
 n = ¼ [ 1,96/0,09]2 = 118,57
 Jadi sampel yang harus diambil sebanyak 119 keluarga
 4.6. Pendugaan Harga
Perbedaan Dua Mean :(  1- 2)

 a. Sampel Besar ( n1, n2 > 30 )

 Pendugaan Interval
 Jika X1 dan X2 adalah dua rata-rata sampel dari dua populasi
dengan distribusi sampling masing-masing mendekati normal, maka
pendugaan interval pebedaan dua mean populasi ( 1-2) yang
merupakan sumber pengambilan sampel dirumuskan sebagai
berikut :
 ( X1- X2) - Z /2   12/n1 +  22/n2 < 1- 2< ( X1- X2) +
Z /2   12/n1 +  22/n2
 Apabila 1 dan 2 tidak diketahui dapat digunakan deviasi standar
sampelnya yakni s1 dan s2, maka rumus diatas dapat dirubah
menjadi sebagai beikut :
 ( X1- X2) - Z /2  S12/n1 + S22/n2 < 1- 2< ( X1- X2) +
Z /2  S12/n1 + S22/n2
 Contoh Penerapannya :
 Suatu sampel random yang terdiri dari 100 pedagang di Pasar 16 ilir
Palembang menunjukkan rata-rata keuntungan Rp.15.900,- dengan deviasi
standar Rp.190,- Sedangkan sampel random lain yang terdiri dari 120
pedagang di Pasar lemabang Palembang menunjukkan rata-rata
keuntungan Rp.15.700,- dengan deviasi sandar Rp.165,-. Hitunglah
confidence interval 95% untuk perbedaan rata-rata keuntungan pedagang
yang berada di kedua pasar itu ?
 Penyelesaian :
 Sampel di Pasar 16 Ilir
 n1 = 100 , X1 = Rp.15.900 ,S1 = Rp190,-
 Sampel di Pasar Lemabang
 n2 = 120X2 = Rp.15.700 S2 = Rp165,-
 ( X1- X2) - Z /2  S12/n1 + S22/n2 < 1- 2< ( X1- X2) + Z /2 
S12/n1 + S22/n2
 (15900-15700) – 1,96 1902/100 + 1652/120 <1-2<(15900-15700) +
1,96 1902/100 + 1652/120
 (200) – 1,96.(24,25) <1-2<(200) + 1,96.(24,25)
 (200) – 47,53 <1-2<(200) + 47,53
 152,47 <1-2<247,53
 Jadi perbedaan rata-rata keuntungan pedagang-pedagang yang ada di
kedua pasar itu adalah berkisar antara Rp. 152,47 hingga Rp.247,53
 2. Pendugaan Titik
 Jika (X1 - X2 ) digunakan untuk pendugaan
titik 1-2, maka dengan interval keyakinan (1 -
) besarnya error adalah lebih kecil dari :
 Z /2  S12/n1 + S22/n2
 Dari contoh diatas besarnya error lebih kecil dari
 1,96 1902/100 + 1652/120 = 47,53
 b. Sampel Kecil ( n1,n2, < 30 )
 Jika sampel random n < 30 diambil dari
dua populasi normal, dan apabila masing-
masing dihitung nilai t dengan rumus :
 t = {(x1-x2) – (1- 2)} / [{(n1-1)S12
+(n2-1)S22} / (n1 +n2 –2)] [1/n1+1n2]
 maka didatkan distribusi nilai t dengan
degre of freedom ( n1 + n2 –2 )
 Pendugaan perbedaan dua meannya adalah
sebagai beruikut :
 Pendugaan Interval
 (x1-x2) – t(/2; n1 + n2 –2 ) [{(n1-1)S12
+(n2-1)S22} / (n1 +n2 –2)] [1/n1+1n2] <
 1-  2 < ( x1-x2)+t(/2; n1+n2–
2)[{(n1-1)S12 +(n2-1)S22}/(n1 +n2 –2)]
[1/n1+1n2]
 Contoh:
 Suatu sampel random dengan dengan 10 orang
eskportir Kopi di Palembang menunjukkan volume
Ekspor rata-rata 1.000 ton, dengan deviasi standar 80
ton. Sedangkan sampel random lain dengan 6 orang
eksportir Kopi di Bengkulu, menunjukkan volume ekspor
rata-rata 900 ton dengan standar deviasi 90 ton.
Hitunglah confidence interval 95% untuk perbedaan
rata-rata volume ekspor dari kedua daerah itu ?
 Jawab :
Eskportir di Palembang Eskportir di Bengkulu
n1 = 10 n2 = 6
X1 = 1.000 X2 = 900
S1 = 80 S2 = 90
(X1 - X2) =100
d.f. = 10 + 6 – 2 = 14
t(0,025; 14) = 2,145

(x1-x2) – t(/2; n1 + n2 –2 ) [{(n1-1)S12 +(n2-1)S22} / (n1 +n2

–2)] [1/n1+1/n2] < 1- 2 <(x1-x2)+t(/2; n1+n2–2)[{(n1-
1)S12 +(n2-1)S22}/(n1 +n2–2)] [1/n1+1/n2]
100 – 21,145 {9(80)2 +5(90)2} /(10+6–2)] [1/10+1/6]< 1- 2
<100+21,145 {9(80)2 +5(90)2} /(10+6–2)] [1/10+1/6]
100 – 92,72 < 1- 2 <100 + 92,72
7,28 < 1- 2 < 192,72
Perbedaan rata-rata volume ekspor di kedua daerah diatas berkisar
antara 7,28 ton hingga 192,72 ton
 b. Pendugaan Titik
 Jika (X1 - X2 ) digunakan untuk pendugaan
titik 1-2, maka dengan interval keyakinan (1
- ) besarnya error adalah lebih kecil dari :
 t(/2; n1+n2–2)[{(n1-1)S12 +(n2-1)S22}/(n1
+n2–2)] [1/n1+1/n2]
 Dari contoh diatas besarnya error lebih kecil
dari
 1,96 1902/100 + 1652/120 = 47,53
 b. Sampel Kecil ( n1,n2, < 30 )

 Jika sampel random n < 30 diambil dari dua populasi

normal, dan apabila masing-masing dihitung nilai t
dengan rumus :

 t = {(x1-x2) – (1- 2)} / [{(n1-1)S12 +(n2-1)S22} /

(n1 +n2 –2)] [1/n1+1n2]

 maka didatkan distribusi nilai t dengan degre of freedom

( n1 + n2 –2 )
 Pendugaan perbedaan dua meannya adalah
sebagai beruikut :
 Pendugaan Interval
 (x1-x2) - t(/2; n1 + n2 –2 )[{(n1-1)S12 +(n2-
1)S22} / (n1 +n2 – 2)] [1/n1+1/n2] <  1-  2 <
(x1-x2) + t(/2; n1 + n2 –2 ) [{(n1-1)S12 +(n2-
1)S22} / (n1+n2 – 2)] [1/n1+1/n2]
 Atau
  1-  2 = (x1-x2) ± t(/2; n1 + n2 –2 )
[{(n1-1)S12 +(n2-1)S22} / (n1 +n2 –
2)] [1/n1+1/n2]
 Contoh:
 Suatu sampel random dengan dengan 10 orang
eskportir Kopi di Palembang menunjukkan
volume Ekspor rata-rata 1.000 ton, dengan
deviasi standar 80 ton. Sedangkan sampel
random lain dengan 6 orang eksportir Kopi di
Bengkulu, menunjukkan volume ekspor rata-rata
900 ton dengan standar deviasi 90 ton.
Hitunglah confidence interval 95% untuk
perbedaan rata-rata volume ekspor dari kedua
daerah itu ?
 Jawab :
Eskportir di Palembang Eskportir di Bengkulu
n1 = 10 n2 = 6
X1 = 1.000 X2 = 900
S1 = 80 S2 = 90
(X1 - X2) =100
d.f. = 10 + 6 – 2 = 14
T(0,025; 14) = 2,145

(x1-x2) – t(/2; n1 + n2 –2 ) [{(n1-1)S12 +(n2-1)S22} / (n1 +n2

–2)] [1/n1+1/n2] < 1- 2 < (x1-x2)+t(/2; n1+n2–2)[{(n1-
1)S12 +(n2-1)S22}/(n1 +n2–2)] [1/n1+1/n2]
100 – 21,145 {9(80)2 +5(90)2} /(10+6–2)] [1/10+1/6] < 1- 2 <
100+21,145 {9(80)2 +5(90)2} /(10+6–2)] [1/10+1/6]
100 – 92,72 < 1- 2 <100 + 92,72
7,28 < 1- 2 < 192,72
Perbedaan rata-rata volume ekspor di kedua daerah diatas
berkisar antara 7,28 ton hingga 192,72 ton
 Pendugaan Titik

 Jika (X1 - X2 ) digunakan untuk pendugaan titik 1-

2, maka dengan interval keyakinan (1 - ) besarnya
error adalah lebih kecil dari :
 t(/2; n1+n2–2)[{(n1-1)S12 +(n2-1)S22}/(n1 +n2–
2)] [1/n1+1/n2]
 Dari contoh diatas besarnya error lebih kecil dari
 21,145 {9(80)2 +5(90)2} /(10+6–2)] [1/10+1/6] =
92,72
4.7. Pendugaan Harga Perbedaan Dua
Proporsi Populasi (P1-P2)
 Pendugaan Interval

 (p1-p2) - Z/2 P1(1-P1)/n1 + P2(1-P2)/n2 < P1 –P2 <(p1-p2)

+ Z/2 P1(1-P1)/n1 + P2(1-P2)/n2

 Oleh karena P1 dan P2 tidak diketahui, maka didalam menghitung

deviasi standar dari distribusi sampling harga perbedaan dua
proporsi , dapat digunakan proporsi sampelnya p1 dan p2 atau
( x1/n1 dan x2/n2 ) dengan interval keyakinan (1 -  ) dapat
dirumuskan sebagai berikut :

 (p1-p2) - Z/2 p1(1-p1)/n1 + p2(1-p2)/n2 < P1 –P2 < (p1-

p2) + Z/2 p1(1-p1)/n1 + p2(1-p2)/n2

 atau dapat pula ditulis sebagai berikut :

 P1 –P2 = (p1-p2)  Z /2  p1(1-p1)/n1 + p2(1-p2)/n2
 Contoh Penerapannya:
 Dari sampel random sebanyak 400 ibu rumah tangga di
Kota Lahat 240 diantaranya lebih menyukai sabun Mandi
Merk “Harum” dari pada merk lainnya. Sampel random
lainnya dikota Muara Enim sebanyak 200 ibu rumah
tangga diketahui 80 diantaranya lebih menyukai sabun
mandi merk “harum” dari pada merk lainnya.
Estimasikan perbedaan proporsi ibu rumah tangga yang
lebih menyukai sabun mandi merk “harum” dari kedua
kota tersebut. Gunakan interval keyakinan (konfidensi)
95%
 Jawab :
 Sampel dikota lahat Sampel di kota Muara Enim
 n1 = 400 n2 = 200
 X1 = 240 , X2= 80
 p1=X1/n1 = 240/400 = 0,6 p2 = X2/n2 = 80/200 = 0,40
 Tingkat keyakinan 95%,  = 1- 95% = 5% = 0,05
 (p1-p2) - Z/2 p1(1-p1)/n1 + p2(1-p2)/n2 < P1 –P2 < (p1-p2)
+ Z/2 p1(1-p1)/n1 + p2(1-p2)/n2
 0,20 – 1,96 ( 0,042) < P1 – P2 < 0,20 + 1,96 ( 0,042)
 0,20 – 0,08 < P1 – P2 < 0,20 + 0,08
 0,12 < P1 – P2 < 0,28
 Jadi perbedan proporsi penggunaan sabun mandi merk “harum” di
kedua kota lahat dan Muara Enim berkisar antara 12% sampai 28%
pada tingkat keyakinan sebesar 95%.
 Pendugaan Titik

 Jika (p1-p2) digunakan sebagai pendugaan

titik untuk P1-P2 maka dengan interval
keyakinan (1-  ) besarnya error adalah lebih
kecil dari :
 Z/2  p1(1-p1)/n1 + p2(1-p2)/n2
 Dari contoh diatas, besarnya error adalah :
 Z/2  p1(1-p1)/n1 + p2(1-p2)/n2
 1,96 0,6 (1-0,6) /400 + 0,4( 1 – 0,4) / 200 =
0,08
 4.8. Pendugaan Harga Deviasi
Standar Populasi ( )
 Untuk menduga  harus dipahmi terlebih dahulu
adanya disrtibusi sampling harga deviasi standar
dengan sifat-sifatnya. Apabila populasinya normal dan
sampelnya besar, distribusi sampling harga S dianggap
mendekati distribusi dengan mean =  dan diviasi
standar = /2n
 Secara umum pendugaan harga deviasi standar
Populasi :
 S - Z /2  / 2n <  < S + Z /2  / 2n
 Atau
 (S) / (1+ Z /2 / 2n) <  < (S) / (1 - Z /2
/ 2n)
 Contoh :
 Suatu sampel ramdom dengan 50 industri
kecil disuatu daerah mempunyai piutang
rata-rata Rp.2.400.000,- dan deviasi
standar Rp.320.000,- Hitunglah confidence
interval 95% untuk , yaitu deviasi standar
piutang semua industri kecil di daerah itu ?
 Jawab :

 S = 320.000 n = 50  = 1 – 95% = 5% Z/2 = 0,025 = 1,96

 (S) / (1+ Z/2 /2n) <  < (S) / (1 - Z/2 /2n)

 (320.000) / (1+ 1,96 /2x50) <  < (320.000) / (1 – 1,96 /2x50)

 320.000 /1,196 <  < 320.000/ 0,804

 267.558,53 <  < 398.009,95

 Deviasi standar populasi berkisar antara Rp. 267.558,53 hingga

Rp. 398.009,95