DISTRIBUSI SAMPLING

&
PENAKSIRAN PARAMETER

AZURA (1806335)
INTAN SEPTIANI ROSA (1802553)

PROGRAM STUDI PENDIDIKAN FISIKA

SEKOLAH PASCASARJANA
UNIVERSITAS PENDIDIKAN INDONESIA
2019
DISTRIBUS
I
SAMPLING
 OUTLINE

PENGERTIAN DISTRIBUSI DISTRIBUSI SIMPANGAN

01 SAMPLING 04 BAKU 𝜎

DISTRIBUSI SELISIH DAN JUMLAH

DISTRIBUSI RATA-RATA 𝜇
02 05 RATA-RATA

DISTRIBUSI SELISIH
DISTRIBUSI PROPORSI 𝜋
03 06 PROPORSI

3
 PENGERTIAN

Distribusi sampling adalah distribusi dari mean-

mean yang diambil secara berulang kali dari suatu
Distribusi
populasi. sampling biasanya diberi nama
bergantung pada nama statistik yang digunakan..
Demikianlah umpamanya kita kenal distribusi
sampling rata-rata, distribusi sampling proporsi,
distribusi simpangan baku, dan lain-lain
4
 DITRIBUSI RATA-RATA

 Misalkan kita mempunyai sebuah populasi berkukuran terhingga N dengan parameter rata-rata µ
dan simpangan baku σ. Dari populasi ini diambil secara acak berukuran n. Jika sampling dilakukan
𝑁
tanpa pengembalian, kita tahu semuanya ada 𝑛
buah sampel yang berlainan. Untuk semua sampel
𝑁
yang didapat, masing-masing dihitung rata-ratanya. Dengan demikian diperoleh 𝑛
buah rata-rata.

 Jadi didapat rata-rata daripada rata-rata, diberi simbol 𝝁𝒙ഥ (baca: mu indeks eks garis), dan
simpangan baku daripada rata-rata, diberi simbol 𝜎𝑥ഥ (baca: sigma indeks eks garis).
n : ukuran sampel s : standar deviasi sampel
x : rata-rata sampel N : ukuran populasi
μ : rata-rata populasi μx: rata-rata antar semua sampel
σ : standar deviasi populasi σx :standar deviasi antar semua sampel = standard error =
galat baku

5
 Distribusi Sampling Rata-rata

a. Pemilihan sampel dari populasi terbatas (Coladarci, Theodore, 2013)

(Sudjana, 2005) Setiap distribusi sampling rata-rata dapat dicirikan oleh
1. Utk pengambilan sampel tanpa pengembalian mean, standar deviasi, dan bentuknya. Mean dari distribusi

atau n/N > 5% sampling rata-rata yang dilambangkan dengan 𝜇𝑥ഥ , mean dari
distribusi sampling rata-rata akan sama dengan rata-rata
x   populasi skor (𝜇)
 N n
x  𝜇𝑥ഥ = 𝜇
n N 1
Simpangan baku rata-rata dalam distribusi sampel dikenal
2. Utk pengambilan sampel dgn pengembalian atau sebagai standar error rata-rata, dilambangkan dengan 𝜎𝑥ഥ
n/N ≤ 5%
x   𝜎𝑥ഥ =
𝜎
𝑛

x 
n
 CONTOH

1. Diberikan sebuah populasi dengan N=10 yang datanya : 98, 99, 97, 98, 99,
98, 97, 97, 98, 99. Jika dihitung, populasi ini mempunyai µ = 98 dan σ = 0,78.
10
Diambil sampel berukuran n=2 . Semuanya ada 2
= 45 buah sampel.
Untuk setiap sampel kita hitung rata-ratanya.
Data dalam tiap sampel dan rata-rata tiap sampel diberikan dalam daftar
berikut ini.
Semua Sampel Berukuran n = 2

7
Rata-ratanya Diambil dari Populasi Berukuran N = 10

8
 Distribusi Sampling Rata-rata
Jumlah ke-45 buah rata-rata = 4.410, maka rata-ratanya untuk ke-45 rata-
4.410
rata ini = = 98. Jadi, 𝜇𝑥ഥ = 98.
45
Simpangan baku ke-45 rata-rata di atas juga dapat dihitung. Besarnya
adalah: 𝜎𝑥ഥ = 0,52
Tetapi rata-rata populasi 𝜇 = 98 dan simpangan baku 𝜎 = 0,78.
Selanjutnya kita hitung:

𝜎 𝑁 − 𝑛 0,78 10 − 2
= = 0,52
𝑛 𝑁−1 2 10 − 1

9
b. Pemilihan sampel dari populasi yg
tidak terbatas


x   dan  x 
n 2. Utk populasi tdk terbatas atau n/N ≤ 5%

(Minium, Bruce, 1993)

X  
c. Daftar distribusi normal untuk distribusi Z 
sampling rata-rata 
1. Utk populasi terbatas atau n/N > 5%
n
X 
Z 
 N n
n N 1
 CONTOH
Tinggi badan mahasiswa rata-rata mencapai 165 cm dan simpangan
baku 8,4 cm. Telah diambil sebuah sampel acak terdiri atas 45
mahasiswa. Tentukan berapa peluang tinggi rata-rata ke-45 mahasiswa
tersebut :
a. Antara 160 cm dan 168 cm
b. paling sedikit 166 cm

11
 PENYELESAIAN
Jika ukuran populasi tidak dikatakan besarnya, selalu dianggap cukup besar untuk berlakunya teori.
Ukuran sampel n= 45 tergolong sampel besar sehingga dalil limit pusat berlaku. Jadi rata-rata 𝑥ҧ untuk
tinggi mahasiswa akan mendekati distribusi normal dengan :
Rata-rata 𝜇𝑥ഥ = 165 cm
8,4
Simpangan baku 𝜎𝑥ഥ = cm = 1,252 cm.
45

Dari rumus X(3) dengan 𝑥ҧ = 160 cm dan 𝑥ҧ = 168 cm didapat :

160−165 168−165
𝑧1 = = −3,99 dan 𝑧2 = = 2,40
1,252 1,252

Penggunaan daftar distribusi normal baku memberikan luas kurva = 0,5 + 0,4918 = 0,9818.
Peluang rata-rata tinggi ke-45 mahasiswa antara 160 cm dan 168 cm adalah 0,9918.
166−165
Rata-rata tinggi paling sedikit 166 cm memberikan angka z paling sedikit = = 0,80
1,252

Dari daftar normal baku, luas kurva = 0,5-0,2881 = 0,2119. Peluang yang dicari = 0,2119
12
d. Apabila dari populasi diketahui variansnya dan perbedaan antara rata-rata dari
sampel ke sampel diharapkan tidak lebih dari sebuah harga d yang ditentukan, maka
berlaku hubungan

𝜎𝑥ഥ ≤ 𝑑

CONTOH:
Untuk contoh diatas, misalkan harga-harga 𝒙
ഥ dari sampel yang satu dengan sampel yang
lainnya diharapkan tidak lebih dari 1 cm.
Jika populasi cukup besar, maka :

𝝈 𝟖,𝟒
≤ 𝒅 yang menghasilkan ≤ 𝟏 atau n ≥ 70,58.
𝒏 𝒏

Paling sedikit perlu diambil sampel terdiri atas 71 mahasiswa.

 Distribusi Sampling Proporsi

 Distribusi sampling dari proporsi adalah distribusi

proporsi-proporsi dari seluruh sampel acak berukuran
n yang mungkin yang dipilih dari sebuah populasi
 Uraian untuk distribusi proporsi sejalan dengan untuk
distribusi rata-rata. Misalkan populasi diketahui
berukuran N yang didalamnya didapat peristiwa A
sebanyak Y di antara N. Maka didapat parameter
proporsi A sebesar µ = (Y/N).
 Distribusi Sampling Proporsi
1.jika ukuran populasi kecil dibandingkan dengan ukuran
sampel, yakni (n/N) > 5%, maka
𝝁𝒙 = 𝝅
𝒏

𝝅(𝟏 − 𝝅) 𝑵 − 𝒏
𝝈𝒙 =
𝒏 𝒏 𝑵−𝟏

2. jika ukuran populasi besar dibandingkan dengan

ukuran sampel, yakni (n/N) ≤ 5% maka
𝝁𝒙 = 𝝅
𝒏

𝝅(𝟏 − 𝝅)
𝝈𝒙 =
𝒏 𝒏

σx/n dinamakan kekeliruan baku proporsi atau galat baku proporsi

 Distribusi Sampling Proporsi
1. jika ukuran populasi tidak terbatas, yakni n ≥ 30, maka Untuk perhitungan,
daftar distribusi normal baku dapat digunakan dan untuk itu diperlukan
transformasi
𝑥
−𝜋
𝑧= 𝑛
𝜎𝑥
𝑛

2. Jika perbedaan antara proporsi sampel yang satu dengan yang lainnya
diharapkan tidak lebih dari sebuah harga d yang ditentukan, maka berlaku

𝜎𝑥 ≤ 𝑑
𝑛
 CONTOH
Ada petunjuk kuat bahwa 10% anggota masyarakat tergolong ke dalam
golongan A. Sebuah sampel acak terdiri atas 100 orang telah diambil.
a. Tentukan peluangnya bahwa dari 100 orang itu akan ada paling sedikit
15 orang dari golongan A.
b. Berapa orang harus diselidiki agar persentase golongan A dari sampel
yang satu dengan yang lainnya diharapkan berbeda paling besar
dengan 2%?

17
 PENYELESAIAN
Untuk ukuran sampel 100, diantaranya paling sedikit 15 tergolong kategori A, maka paling
sedikit x/n = 0,15. Kekeliruan bakunya adalah :

𝝅(𝟏 − 𝝅) 𝟎, 𝟏𝟎 × 𝟎, 𝟗𝟎
𝝈𝒙 = = = 𝟎, 𝟎𝟑
𝒏 𝒏 𝟏𝟎𝟎

𝟎,𝟏𝟓−𝟎,𝟏𝟎
Bilangan z paling sedikit = = 𝟏, 𝟔𝟕
𝟎,𝟎𝟑

Dari daftar normal baku, luasnya = 0,5 – 0,4525 = 0,0475.

Peluang dalam sampel itu aka nada paling sedikit 15 kategori A adalah 0,0475.
Dari rumus (8) dengan π = 0,1 dan 1 – π = 0,9 sedangkan d = 0,02, maka :

𝟎,𝟏+𝟎,𝟗
≤ 𝟎, 𝟎𝟐 yang menghasilkan n ≥ 225
𝒏

Paling sedikit sampel harus berukuran 225. 18

 Distribusi Simpangan Baku

 Seperti biasa kita mempunyai populasi berukuran N.

Diambil sampel-sampel acak berukuran n, lalu untuk tiap
sampel dihitung simpangan bakunya, yaitu s. Dari
kumpulan ini sekarang dapat dihitung rata-ratanya, diberi
symbol 𝜇𝑠 dan simpangan bakunya, diberi simbol 𝜎𝑠 .
 Distribusi Simpangan Baku
1. Jika populasi berdistribusi normal atau hampir normal, maka
distribusi simpangan baku, untuk n besar, biasanya n ≥ 100,
sangat mendekati distribusi normal dengan
𝜇𝑠 = 𝜎
𝜎
𝜎𝑠 =
2𝑛

2. Transformasi yang diperlukan untuk membuat distribusi

menjadi normal baku adalah
𝑠−𝜎
𝑧=
𝜎𝑠
 CONTOH
Varians sebuah populasi yang berdistribusi normal 6,25. Diambil sampel berukuran
225. Tentukan peluang sampel tersebut akan mempunyai simpangan bakulebih dari
3,5.
Jawab:
Varians = 6,25 berupa 𝝈 = 𝟐, 𝟓. Ukuran sampel cukup besar, maka distribusi
simpangan baku mendekati distribusi normal dengan rata-rata 𝝁𝒔 = 𝟐, 𝟓 dan
𝟐,𝟓
simpangan baku 𝝈𝒔 = = 𝟎, 𝟏𝟏𝟖.
𝟒𝟓𝟎

Bilangan z untuk s = 3,5 adalah

𝟑, 𝟓 − 𝟐, 𝟓
𝒛= = 𝟖, 𝟒𝟕
𝟎, 𝟏𝟏𝟖
Praktis tidak menjadi sampel berukuran 225 dengan simpangan baku lebih dari 3,5.
21
 Distribusi Selisih dan Jumlah Rata-rata

Distribusi selisih rata-rata. 𝝁𝑿ഥ −𝒀ഥ Distribusi jumlah rata-rata. 𝝁𝑿ഥ +𝒀ഥ
dan 𝝈𝑿ഥ −𝒀ഥ dan 𝝈𝑿ഥ +𝒀ഥ

𝝈𝟏 𝟐 𝝈𝟐 𝟐  𝝁𝑿ഥ +𝒀ഥ = 𝝁𝟏ഥ + 𝝁𝟐ഥ

𝝁𝑿ഥ −𝒀ഥ = 𝝁𝟏ഥ − 𝝁𝟐ഥ 𝝈𝑿ഥ −𝒀ഥ = +
𝒏𝟏 𝒏𝟐
𝝈𝟏 𝟐 𝝈𝟐 𝟐
 𝝈𝑿ഥ +𝒀ഥ = +
𝒏𝟏 𝒏𝟐
𝝈𝟏 𝟐 𝝈𝟐 𝟐
𝝁𝒀ഥ−𝑿ഥ = 𝝁𝟐ഥ − 𝝁𝟏ഥ 𝝈𝒀ഥ−𝑿ഥ = +
𝒏𝟏 𝒏𝟐
Untuk membuat menjadi normal baku
Untuk membuat distribusi normal ini perlu digunanakan transformasi
menjadi distribusi normal baku ഥ +𝒀
ഥ −(𝝁𝟏 +𝝁𝟏 )
𝑿
digunakan transformasi.  𝒛=
𝝈𝑿ഥ +𝒀ഥ

ഥ −𝒀
𝑿 ഥ − (𝝁𝟏 − 𝝁𝟏 ) 22
 CONTOH

Rata-rata tinggi mahasiswa laki-laki 163cm dan simpangan bakunya 5,2

cm, sedangkan untuk mahasiswa perempuan, parameter tersebut
berturut-turut 152 cm dan 4,9 cm. Dari kedua kelompok mahasiwa itu
masning-masing diambil sebuah sampel acar secara independen
berukuran sama ialah 140 orang. Berapa peluang rata-rata tinggi
mahasiswa laki-laki paling sedikit 10 cm lebihnya dari rata-rata tinggi
mahasiwa perempuan?

23
 PENYELESAIAN
ഥ dan 𝒀
Misalkan 𝑿 ഥ masing-masing menyatakan rata-rata tinggi dari sampel
untuk mahasiswa laki-laki dan perempuan. Yang dinyatakan adalah
ഥ −𝒀
peluang 𝑿 ഥ paling sedikit 10 cm. Dari yang diketahui, dapat: 𝝁𝟏 = 𝝁𝒙 =
163 cm, 𝝁𝟐 = 𝝁𝒚 = 152 cm, 𝝈𝟏 = 𝝈𝒙 = 5,2 cm, 𝝈𝟐 = 𝝈𝒚 = 4,9 cm dan 𝒏𝟏 =
𝒏𝟐 = (163-152) cm = 11 cm dan

(𝟓,𝟐)𝟐 (𝟒,𝟗)𝟐
Simpangan baku 𝝈𝒀ഥ−𝑿ഥ = + cm = 0,6038 cm.
𝟏𝟒𝟎 𝟏𝟒𝟎

𝟏𝟎−𝟏𝟏
Menurut rumus X(14), maka 𝒛 = = - 1,66
𝟎,𝟔𝟎𝟑𝟖

Luas daerah normal baku yang diperlukan adalah 0,5 + 0,4515 = 0,9515.
Jadi peluang yang dicari = 0,9515. 24
 Distribusi Selisih Proporsi
1. Rata-rata
𝜇𝑠𝑝 = 𝜋1 + 𝜋2
2. Simpangan Baku

𝝅𝟏 (𝟏−𝝅𝟏 ) 𝝅𝟐 (𝟏−𝝅𝟐 )
𝝈𝒔𝒑 = +
𝒏𝟏 𝒏𝟐

3. Untuk n1 dan n2 dengan n1, n2 ≥ 30

𝒙/𝒏𝟏 − 𝒚/𝒏𝟐 − (𝝅𝟏 − 𝝅𝟐 )

𝒛=
𝝈𝒔𝒑
 CONTOH

Ada petunjuk bahwa calon A akan mendapat suara 60% dalam

pemilihan. Dua buah sampel acak independen telah diambil
masing-masing terdiri atas 300 orang. Tentukan peluangnya akan
terjadi perbedaan persentase tidak lebih dari 10% yang akan
memilih A

26
 PENYELESAIAN
Kedua sampel diambil dari sebuah populasi, jadi kita anggap dua populasi yang
sama, sehingga 𝝅𝟏 = 𝝅𝟐 = 0,6. Jika x = banyak otang yang memilih A dalam sampel
kesatu, dan y = banyak orang yang memilih A dalam sampel kedua, maka yang
dicari adalah peluang (𝒙/𝒏𝟏 − 𝒚/𝒏𝟐 ) < 10% atau (𝒚/𝒏𝟐 − 𝒙/𝒏𝟏 ) < 10%.
Setelah digabungkan menjadi -10% < (𝒙/𝒏𝟏 − 𝒚/𝒏𝟐 ) <10%.

Menurut teori di atas: 𝝁𝒔𝒑 = 0,6 – 0,6 = 0

𝟎,𝟔 𝒙 𝟎,𝟒 𝟎,𝟔 𝒙 𝟎,𝟒

Dan 𝝈𝒔𝒑 = + = 𝟎, 𝟎𝟒
𝟑𝟎𝟎 𝟑𝟎𝟎

Bilangan z yang perlu ialah:

−𝟎,𝟏−𝟎 𝟎,𝟏−𝟎
𝒛𝟏 = = −𝟐, 𝟓𝟎 dan 𝒛𝟐 = = 𝟐, 𝟓𝟎
𝟎,𝟎𝟒 𝟎,𝟎𝟒

Luas daerah normal baku yang diperlukan = 2(0,4938) = 0,9876.

27
PENAKSIR
AN
PARAMET
 OUTLINE

PENAKSIRAN DAN CARA- MENAKSIR SIMPANGAN

01 CARA MENAKSIR 04 BAKU 𝜎

MENAKSIR SELISIH
MENAKSIR RATA-RATA 𝜇
02 05 𝜇 DAN SELISIH 𝜋

MENENTUKAN UKURAN
MENAKSIR PROPORSI 𝜋
03 06 SAMPEL

29
PENAKSIRAN
DAN CARA-
CARA
MENAKSIR
 PENAKSIRAN

Penaksiran parameter adalah pendugaan atau

taksiran nilai parameter populasi berdasarkan
Penaksiran
sampel. parameter ada dua jenis yaitu
penaksiran titik dan penaksiran interval.
Secara umum, parameter populasi akan diberi
simbol θ (baca theta). Jadi θ bisa merupakan rata-
rata µ, simpangan baku σ, proporsi π
31
 PENAKSIRAN

Estimasi titik adalah nilai tunggal "titik" diambil dari sampel dan
digunakan untuk memperkirakan parameter terkait dalam populasi. X
estimasi μ, estimasi s σ, estimasi s2 σ2, estimasi r ρ, dan estimasi P π.
Perkiraan
(Coladarci,interval adalah
Theodore, rentang nilai suatu “interval” yang mana dapat
2013)
dinyatakan dengan keyakinan yang wajar bahwa parameter populasi
terletak. (Coladarci, Theodore, 2013)
Perkiraan interval disertai dengan pernyataan tingkat kepercayaan
bahwa parameter populasi termasuk dalam interval. Tingkat
kepercayaan diputuskan sebelumnya dan biasanya menggunakan 95%
atau 99% —yaitu, (1 - α) (100) persen. Interval itu sendiri dikenal sebagai
interval kepercayaan, dan batasnya disebut batas kepercayaan.
32
(Coladarci, Theodore, 2013)
 KRITERIA PENAKSIR YANG BAIK

TAK BIAS

Penaksir 𝜽෡ dikatakan penaksir tak bias, jika

rata-rata semua harga 𝜽෡ yang mungkin akan
sama dengan θ. Dalam bahasa ekspektasi,
෡ =θ
ditulis ε (𝜽)
VARIANS MINIMUM

Penaksir bervarians minimum ialah

penaksir dengan varians terkecil diantara
semua penaksir untuk parameter yang
KONSISTEN
෡ 𝟏 dan 𝜽
sama. Jika 𝜽 ෡ 𝟐 dua penaksir untuk θ
෡ penaksir untuk θ yang dihitung
Misalkan 𝜽 dimana varians 𝜽 ෡ 𝟏 lebih kecil dari varians
berdasarkan sebuah sampel acak berukuran n. ෡ 𝟐 , maka 𝜽
untuk 𝜽 ෡ 𝟏 merupakan penaksir
jika ukuran sampel n makin besar mendekati bervarians minimum
ukuran populasi menyebabkan 𝜽 ෡ mendekati θ,
33
෡ disebut penaksir konsisten
maka 𝜽
 CARA-CARA MENAKSIR
෡ yang tertentu, maka 𝜽
Jika parameter 𝜽 harganya ditaksir oleh sebuah harga 𝜽 ෡
dinamakan penaksir, tepatnya titik taksiran.
Contoh:
Untuk menaksir tinggi rata-rata mahasiswa Indonesia diambil sebuah sampel
ഥ = 163 cm. Jika 163 ini dipakai untuk menaksir rata-rata
acak. Misalkan didapat 𝑿
tinggi mahasiswa Indonesia, maka 163 adalah titik taksiran untuk rata-rata tinggi
mahasiswa Indonesia.
ഥ adalah penaksir atau titik taksiran untuk 𝝁
Secara umum 𝑿
 Untuk memperoleh taksiran yang lebih tinggi derajat kepercayannya, digunakan
interval taksiran atau selang taksiran disertai nilai koefisien kepercayaan yang
dikehendaki.
34
MENAKSIR
RATA-
RATA 𝝁
MENAKSIR RATA-RATA 𝝁

Titik Taksiran
Misalkan kita mempunyai sebuah populasi
berukuran N dengan rata-rata 𝝁 dan simpangan
baku 𝝈. Dari populasi ini parameter rata-rata
𝝁 akan ditaksir.
ഥ
Titik taksiran untuk rata-rata 𝝁 adalah 𝑿

36
 Interval Taksiran

Simpangan baku 𝝈 tidak

Simpangan baku 𝝈 diketahui dan diketahui (s yang diketahui) dan
populasi berdistribusi normal populasi berdistribusi normal
(Sudjana, 2005) (Sudjana, 2005)
𝝈 𝝈 𝒔 𝒔
ഥ − 𝒛𝟏ൗ .𝜸 .
 𝑿 ഥ + 𝒛𝟏ൗ .𝜸 .
<𝝁<𝑿 ഥ − 𝒕𝒑 .
 𝑿 ഥ + 𝒕𝒑 .
<𝝁<𝑿
𝟐 𝒏 𝟐 𝒏 𝒏 𝒏

 𝜸 = koefisien kepercayaan , 𝒛𝟏ൗ𝟐.𝜸 = 𝜸 = koefisien kepercayaan , 𝒕𝒑 = nilai t

bilangan z didapat dari tabel normal didapat dari daftar distribusi Student
baku untuk peluang ½ 𝜸 dengan p = ½ (1+𝜸), dan dk = (n-1)

 Gunakan tabel z Gunakan tabel t distribusi Student .

 Jika (n/N) > 5%, Jika (n/N) > 5%,

𝒔 𝑵−𝒏 𝒔 𝑵−𝒏
𝝈 𝑵−𝒏 𝝈 𝑵−𝒏 ഥ − 𝒕𝒑 .
𝑿 ഥ
< 𝝁 < 𝑿 + 𝒕𝒑 .
ഥ − 𝒛𝟏 .
𝑿 ഥ + 𝒛𝟏 .
<𝝁<𝑿 𝒏 𝑵−𝟏 𝒏 𝑵−𝟏
ൗ𝟐.𝜸
𝒏 𝑵−𝟏 ൗ𝟐.𝜸
𝒏 𝑵−𝟏 37
 Interval Taksiran

Simpangan baku 𝝈 tidak

Simpangan baku 𝝈 diketahui dan diketahui (s yang diketahui) dan
populasi berdistribusi normal populasi berdistribusi normal
(Coladarci, Theodore, 2013) (Sudjana, 2005)
ഥ ± zα 𝝈𝑿ഥ
 𝑿 ഥ ± tα 𝒔𝑿ഥ
𝑿

 zα adalah nilai z yang membatasi area tengah
dari distribusi sampling yang sesuai dengan
tingkat kepercayaan. Seperti yang Anda lihat
sebelumnya, zα 1.96 untuk interval
kepercayaan 95% (karena nilai ini menandai
tengah 95% dari distribusi sampling)
 tα adalah nilai tabel dari t yang mencakup
persentase tengah (1 - α) (100) dari area
distribusi Siswa untuk df = n − 1
 𝒔𝑿ഥ = 𝒔ൗ 𝒏
 Gunakan tabel t distribusi Student .

 zα 2.58 untuk interval kepercayaan 99% karena

mengikat 99% tengah

 Gunakan tabel z
38
𝝈
 Contoh M𝐞𝐧𝐚𝐤𝐬𝐢𝐫 𝐑𝐚𝐭𝐚 − 𝐫𝐚𝐭𝐚 𝝁
1. Sebuah sampel acak terdiri dari 100 mahasiswa telah diambil dari
ഥ = 112 dan
sebuah universitas lalu nilai-nilai IQ nya dicatat, didapat 𝑿
s =10. tentukan
a. Titik taksiran
b. Interval taksiran Jika dikehendaki interval taksiran IQ rata-rata
dengan koefisien kepercayaan 0,95
Penyelesaian:
ഥ = 112, s =10, 𝜸 = 0.95
n = 100, 𝑿
ഥ=
a. Titik taksiran: : IQ rata-rata untuk mahasiswa Universitas itu 𝑿
112

39
 Contoh M𝐞𝐧𝐚𝐤𝐬𝐢𝐫 𝑹𝒂𝒕𝒂 − 𝒓𝒂𝒕𝒂 𝝁
b. Interval taksiran (s =10)
Untuk p = ½ (1+𝜸) p = 0,975 dan dk = (n-1)= 99
Tabel t
dari daftar tabel t dalam lampiran, didapat tp = 1,987.

𝒔 𝒔
ഥ − 𝒕𝒑 .
𝑿 ഥ + 𝒕𝒑 .
<𝝁<𝑿
𝒏 𝒏

𝟏𝟎 𝟏𝟎
𝟏𝟏𝟐 − 𝟏, 𝟗𝟖𝟕. < 𝝁 < 𝟏𝟏𝟐 + 𝟏, 𝟗𝟖𝟕.
𝟏𝟎𝟎 𝟏𝟎𝟎
𝟏𝟏𝟎, 𝟎 < 𝝁 < 𝟏𝟏𝟒, 𝟎
Jadi didapat: 95% interval kepercayaan untuk IQ rata-rata
mahasiswa adalah 𝟏𝟏𝟎, 𝟎 < 𝝁 < 𝟏𝟏𝟒, 𝟎

40
 MENAKSIR
PROPORSI 𝝅
MENAKSIR PROPORSI 𝝅

Titik Taksiran
Misalkan sebuah sampel acak berukuran n diambil
dari populasi binomial berukuran N dimana terdapat
proporsi π untuk peristiwa A yang ada dalam populasi
tersebut. Jika terdapat x peristiwa A, sehingga
proporsi sampel untuk peristiwa 𝑨 = 𝒙Τ𝒏 . Jadi titik
taksiran untuk π adalah 𝒙
( Τ𝒏).
42
 INTERVAL TAKSIRAN PROPORSI 𝝅

𝒑𝒒 𝒑𝒒
 𝒑 − 𝒛𝟏ൗ𝟐.𝜸 . < 𝝅 < 𝒑 + 𝒛𝟏ൗ𝟐.𝜸 .
𝒏 𝒏

 𝒑 = 𝒙Τ𝒏 dan q = 1− p sedangkan 𝒛𝟏ൗ𝟐.𝜸 adalah bilangan z

didapat dari daftar normal baku untuk peluang 𝟏Τ𝟐 𝜸
 Gunakan tabel z

43
 Contoh M𝐞𝐧𝐚𝐤𝐬𝐢𝐫 Proporsi 𝝅
1. Tentukanlah titik taksiran dan interval taksiran proporsi dari
anggota masyarakat berumur 15 tahun keatas yang termasuk
kedalam golongan A. sebuah sampel acak berukuran n =1200
diambil yang menghasilkan 504 tergolong kategori A. jika interval
kepercayaan parameter π = 95% !

44
 Penyelesaian
n = 1200, X = 112, 𝜸 = 95% = 0.95

a. Titik taksiran: 𝒑 = 𝒙Τ = 𝟓𝟎𝟒 𝒙𝟏𝟎𝟎% = 𝟒𝟐%

𝒏
𝟏𝟐𝟎𝟎

b. Interval taksiran
Dengan 𝒑 = 𝒙Τ𝒏 =0,42, q = 1− p =1 -0,42 = 0,58 dan 𝒛𝟏ൗ𝟐.𝜸 = 𝒛𝟎,𝟒𝟕𝟓 = 𝟏, 𝟗𝟔 Tabel z

𝒑𝒒 𝒑𝒒
𝒑 − 𝒛𝟏ൗ .𝜸 . < 𝝅 < 𝒑 + 𝒛𝟏ൗ .𝜸 .
𝟐 𝒏 𝟐 𝒏

𝟎, 𝟒𝟐 𝒙 𝟎, 𝟓𝟖 𝟎, 𝟒𝟐 𝒙 𝟎, 𝟓𝟖
𝟎, 𝟒𝟐 − 𝟏, 𝟗𝟔. < 𝝅 < 𝟎, 𝟒𝟐 + 𝟏, 𝟗𝟔.
𝟏𝟐𝟎𝟎 𝟏𝟐𝟎𝟎

𝟎, 𝟑𝟗 < 𝝅 < 𝟎, 𝟒𝟓
Jadi kita merasa 95% yakin bahwa persentase anggota masyarakat yang
termasuk golongan A berada dalam interval 39% dan 45%.
45
 Latihan

1. Diadakan survei terhadap sebuah populasi masyarakat di

kota Semarang dengan mengambil sampel 100 orang dan
diperoleh yang suka berolahraga sejumlah 60 orang.
Dengan koefisien kepercayaan 95%, taksirlah interval
kesukaan berolahraga masyarakat di kota Semarang
tersebut.

46
 MENAKSIR
S
𝐈𝐌𝐏𝐀𝐍𝐆𝐀𝐍 𝐁𝐀𝐊𝐔 𝛔
MENAKSIR S𝐈𝐌𝐏𝐀𝐍𝐆𝐀𝐍 𝐁𝐀𝐊𝐔 𝛔

Titik Taksiran
Untuk menaksir varians σ2 dari sebuah populasi, maka perlu
dihitung sampel varians s2 berdasarkan sampel acak
berukuran n.

𝟐 ഥ 𝟐
σ 𝑿𝒊 −𝑿
𝑺 = …….. (1.7)
𝒏−𝟏

Ternyata varians s2 adalah penaksir takbias untuk varians

σ2, akan tetapi simpangan baku s bukan penaksir takbias
48
INTERVAL TAKSIRAN S𝐈𝐌𝐏𝐀𝐍𝐆𝐀𝐍 𝐁𝐀𝐊𝐔 𝛔

(𝒏−𝟏)𝑺𝟐 𝟐 (𝒏−𝟏)𝑺𝟐
 <𝝈 <
𝑿𝟐𝟏/𝟐(𝟏+𝜸) 𝑿𝟐𝟏/𝟐(𝟏−𝜸)

𝟐 𝟐
 n = ukuran sampel sedangkan 𝑿𝟏/𝟐(𝟏+𝜸) dan 𝑿𝟏/𝟐(𝟏−𝜸)
didapat dari daftar chi-kuadrat berturut-turut untuk 𝒑 =
𝟏Τ 𝟏 + 𝜸 dan 𝒑 = 𝟏Τ𝟐 𝟏 − 𝜸 dengan dk = (n-1)
𝟐

 Gunakan distribusi chi-kuadrat

49
 Contoh M𝐞𝐧𝐚𝐤𝐬𝐢𝐫 𝐒𝐢𝐦𝐩𝐚𝐧𝐠𝐚𝐧 𝐁𝐚𝐤𝐮 𝛔
1.Sebuah sampel acak berukuran 30 telah diambil dari sebuah
𝟐
populasi yang berdistribusi normal dengan 𝑺 = 𝟕, 𝟖,
koefisien kepercayaan 0,95 dan dk = 29. Tentukan interval
taksiran simpangan baku!

50
 Penyelesaian
n =30, 𝑺𝟐 = 𝟕, 𝟖, 𝜸 = 95% = 0.95

𝑿𝟐𝟏/𝟐(𝟏+𝜸) = 𝑿𝟐𝟏/𝟐 = 𝑿𝟐𝟎,𝟗𝟕𝟓 = 𝟒𝟓, 𝟕𝟐

𝟏+𝟎,𝟗𝟓 Tabel 𝑋 2
𝑿𝟐𝟏/𝟐(𝟏−𝜸) = 𝑿𝟐𝟏/𝟐(𝟏−𝟎.𝟗𝟓) = 𝑿𝟐𝟎.𝟎𝟐𝟓 = 𝟏𝟔, 𝟎5

Interval taksiran

(𝒏−𝟏)𝑺𝟐 (𝒏−𝟏)𝑺𝟐
< 𝝈𝟐 <
𝑿𝟐𝟏/𝟐(𝟏+𝜸) 𝑿𝟐𝟏/𝟐(𝟏−𝜸)

𝟐𝟗 𝟕,𝟖 𝟐𝟗 𝟕,𝟖
< 𝝈𝟐 <
𝟒𝟓,𝟕𝟐 𝟏𝟔,𝟎𝟓
𝟒, 𝟗𝟓 < 𝝈𝟐 < 𝟏𝟒, 𝟏𝟒
Interval taksiran untuk simpangan baku adalah:
𝟐, 𝟐𝟐 < 𝝈 < 𝟑, 𝟕𝟓
Jadi kita merasa 95% percaya bahwa simpangan baku 𝝈 aka nada dalam
interval yang dibatasi oleh 2,22 dan 3,75.
51
 Latihan

1. Dari sebuah populasi yang berdistribusi normal,

diambil sampel yang representatif dan diperoleh
simpangan baku sebesar 6 dengan ukuran sampel
31. Dengan koefisien kepercayaan 99%, taksirlah
interval dari simpangan baku populasi.

52
MENAKSIR SELISIH
RATA-RATA
 MENAKSIR SELISIH RATA-RATA

Titik Taksiran
Misalkan dipunyai dua buah populasi, keduanya berdistribusi normal
dengan rata-rata dan simpangan baku masing-masing µ1 dan σ1
untuk populasi pertama, µ2 dan σ 2 untuk populasi kedua. Secara
independen diambil sebuah sampel acak dengan ukuran n1 dan n2
dari masing-masing populasi. Rata-rata dan simpangan baku dari
ഥ 𝟏 , s1 dan 𝑿
sampel-sampel itu berturut-turut 𝑿 ഥ 𝟐 , s2. Akan ditaksir
selisih rata-rata (µ1 − µ2). Titik taksiran untuk (µ1 − µ2) adalah
54
ഥ −𝑿
𝑿 ഥ .
 Interval Taksiran
Dalam hal σ1 = σ 2 (Sudjana,
2005)
 Jika kedua populasi normal dan memiliki σ1 = σ 2 = 𝝈 yang
besarnya diketahui, (gunakan tabel z)

𝟏 𝟏 𝟏 𝟏
ഥ𝟏 − 𝑿
𝑿 ഥ𝟐 − 𝒛 𝟏 . 𝝈
𝟐𝜸
+
𝒏𝟏 𝒏𝟐
ഥ ഥ
< µ𝟏 − µ𝟐 < 𝑿𝟏 − 𝑿𝟐 + 𝒛 𝟏 . 𝝈
𝟐𝜸 𝒏𝟏
+
𝒏𝟐 Dalam hal σ1≠ σ 2 (Sudjana, 2005)
 Dalam (Coladarci, Theodore, 2013)
𝑺𝟐𝟏 𝑺𝟐𝟐 𝑺𝟐𝟏 𝑺𝟐𝟐
ഥ𝟏 − 𝑿
 𝑿 ഥ𝟐 − 𝒛 𝟏 . + ഥ𝟏 − 𝑿
< µ𝟏 − µ𝟐 < 𝑿 ഥ𝟐 + 𝒛 𝟏 . +
𝟐𝜸
𝒏𝟏 𝒏𝟐 𝟐𝜸
𝒏𝟏 𝒏𝟐

 Jika kedua populasi normal dan memiliki σ1 = σ 2 = 𝝈 tetapi

 𝜸 = koefisien kepercayaan , Dengan 𝒛 𝟏 diperoleh dari daftar
besarnya tidak diketahui (Gunakan tabel t distribusi Student 𝟐𝜸

𝟏
𝟏 𝟏 𝟏 𝟏 normal baku untuk peluang
ഥ𝟏 − 𝑿
ഥ𝟐 ഥ ഥ 𝟐𝜸
𝑿 − 𝒕𝒑 . 𝑺 + < µ𝟏 − µ𝟐 < 𝑿𝟏 − 𝑿𝟐 + 𝒕𝒑 . 𝑺 +
𝒏𝟏 𝒏𝟐 𝒏𝟏 𝒏𝟐
 Gunakan tabel z.
𝒕𝒑 diperoleh dari daftar distribusi student dengan p = ½ (1+𝜸), dan
𝒏𝟏 −𝟏 𝑺𝟐𝟏 + 𝒏𝟐 −𝟏 𝑺𝟐𝟐
dk = 𝒏𝟏 + 𝒏𝟐 − 𝟐  𝑺𝟐 =
𝒏𝟏 +𝒏𝟐 −𝟐
𝟐 𝟐
𝒏𝟏 − 𝟏 𝑺 𝟏 + 𝒏𝟐 − 𝟏 𝑺 𝟐
𝑺𝟐 =
𝒏𝟏 + 𝒏𝟐 − 𝟐
55
 Interval Taksiran
Dalam hal σ1 = σ 2
 Jika kedua populasi normal dan memiliki σ1 = σ 2 = 𝝈 yang
besarnya diketahui, (gunakan tabel z)

𝟏 𝟏 𝟏 𝟏
ഥ𝟏 − 𝑿
𝑿 ഥ𝟐 − 𝒛 𝟏 . 𝝈
𝟐𝜸
+
𝒏𝟏 𝒏𝟐
ഥ ഥ
< µ𝟏 − µ𝟐 < 𝑿𝟏 − 𝑿𝟐 + 𝒛 𝟏 . 𝝈
𝟐𝜸 𝒏𝟏
+
𝒏𝟐 Dalam hal σ1≠ σ 2
 Jika kedua populasi normal dan memiliki σ1 = σ 2 = 𝝈 tetapi
besarnya tidak diketahui (Gunakan tabel t distribusi Student ) 𝑺𝟐𝟏 𝑺𝟐𝟐 𝑺𝟐𝟏 𝑺𝟐𝟐
ഥ𝟏 − 𝑿
 𝑿 ഥ𝟐 − 𝒛 𝟏 . + ഥ𝟏 − 𝑿
< µ𝟏 − µ𝟐 < 𝑿 ഥ𝟐 + 𝒛 𝟏 . +
𝟐𝜸
𝒏𝟏 𝒏𝟐 𝟐𝜸
𝒏𝟏 𝒏𝟐
𝟏 𝟏 𝟏 𝟏
ഥ𝟏 − 𝑿
𝑿 ഥ 𝟐 − 𝒕𝒑 . 𝑺 + ഥ𝟏 − 𝑿
< µ𝟏 − µ𝟐 < 𝑿 ഥ 𝟐 + 𝒕𝒑 . 𝑺 +
𝒏𝟏 𝒏𝟐 𝒏𝟏 𝒏𝟐  𝜸 = koefisien kepercayaan , Dengan 𝒛 𝟏 diperoleh dari daftar
𝟐𝜸
𝒕𝒑 diperoleh dari daftar distribusi student dengan p = ½ (1+𝜸), dan 𝟏
normal baku untuk peluang
dk = 𝒏𝟏 + 𝒏𝟐 − 𝟐 𝟐𝜸

𝒏𝟏 − 𝟏 𝑺𝟐𝟏 + 𝒏𝟐 − 𝟏 𝑺𝟐𝟐  Gunakan tabel z.

𝑺𝟐 =
𝒏𝟏 + 𝒏𝟐 − 𝟐
𝒏𝟏 −𝟏 𝑺𝟐𝟏 + 𝒏𝟐 −𝟏 𝑺𝟐𝟐
 𝑺𝟐 =
𝒏𝟏 +𝒏𝟐 −𝟐

56
 Contoh M𝐞𝐧𝐚𝐤𝐬𝐢𝐫 𝐒𝐞𝐥𝐢𝐬𝐢𝐡 𝐑𝐚𝐭𝐚 − 𝐫𝐚𝐭𝐚
Ada dua cara pengukuran untuk mengukur kelembaban suatu zat.
ഥ 𝟏 = 60,2 dan s12 = 24,7.
Cara I dilakukan 50 kali yang menghasilkan 𝑿
ഥ 𝟐 = 70,4 dan s22 = 37,2. Tentukan
Cara II dilakukan 60 kali dengan 𝑿
interval kepercayaan 95% mengenai perbedaan rata-rata pengukuran
dari kedua cara tersebut.

57
 Penyelesaian
ഥ 𝟏 = 60,2 dan s12 = 24,7 𝑿
Diketahui 𝑿 ഥ 𝟐 = 70,4 dan s22 = 37,2
Misalkan hasil kedua cara pengukuran berdistribusi normal.
p = ½ (1+𝜸) = ½ (1+𝟎, 𝟗𝟓) = 0,975; dk = 50 + 60 – 2 = 108
karena kedua populasi normal dan memiliki σ1 = σ 2 = 𝝈 tetapi besarnya tidak diketahui, maka varians gabungan
dari sampel adalah

𝟐 𝟐
𝟐
𝒏𝟏 − 𝟏 𝑺 𝟏 + 𝒏𝟐 − 𝟏 𝑺 𝟐 𝟓𝟎 − 𝟏 𝟐𝟒, 𝟕 + 𝟔𝟎 − 𝟏 𝟑𝟕, 𝟐
𝑺 = = = 𝟑𝟏, 𝟓𝟑
𝒏𝟏 + 𝒏𝟐 − 𝟐 𝟓𝟎 + 𝟔𝟎 − 𝟐
Maka interval kepercayaan

𝟏 𝟏 𝟏 𝟏
ഥ𝟏 − 𝑿
𝑿 ഥ 𝟐 − 𝒕𝒑 . 𝑺 + ഥ ഥ
< µ𝟏 − µ𝟐 < 𝑿𝟏 − 𝑿𝟐 + 𝒕𝒑 . 𝑺 +
𝒏𝟏 𝒏𝟐 𝒏𝟏 𝒏𝟐

𝟑𝟏, 𝟓𝟑 𝟑𝟏, 𝟓𝟑 𝟑𝟏, 𝟓𝟑 𝟑𝟏, 𝟓𝟑

𝟕𝟎, 𝟒 − 𝟔𝟎, 𝟐 − 𝒕𝟎,𝟗𝟕𝟓;𝟏,𝟎𝟖 . + < µ𝟏 − µ𝟐 < 𝟕𝟎, 𝟒 − 𝟔𝟎, 𝟐 − 𝒕𝟎,𝟗𝟕𝟓;𝟏,𝟎𝟖 . +
𝟓𝟎 𝟔𝟎 𝟓𝟎 𝟔𝟎

(70,4 − 60,2) − (1,984). (1,08) < µ1 − µ2 < (70,4 − 60,2) + (1,984). (1,08)
8,06 < µ1 − µ2 < 12,34
Jadi, kita merasa 95% yakin (percaya) bahwa selisih rata-rata pengukuran dari kedua cara tersebut akan ada
dalam interval yang dibatasi oleh 8,06 dan 12,34
58
MENAKSIR SELISIH
PROPORSI
 MENAKSIR SELISIH PROPORSI

Misalkan dipunyai dua populasi binomial π1 dan π 2, secara independen dari

tiap populasi diambil sebuah sampel acak berukuran n1 dan n2. Proporsinya
𝒙𝟏 𝒙𝟐
adalah 𝒑𝟏 = dan 𝒑𝟐 = dengan x1 dan x2 menyatakan banyaknya
𝒏𝟏 𝒏𝟐
peristiwa yang diamati. Akan ditentukan interval taksiran untuk (π1 - π2)

𝒑𝟏 .𝒒𝟏 𝒑𝟐 .𝒒𝟐 𝒑𝟏 .𝒒𝟏 𝒑𝟐 .𝒒𝟐

 𝒑𝟏 − 𝒑𝟐 − 𝒛 𝟏 . + < 𝝅𝟏 − 𝝅𝟐 + 𝒛 𝟏 . +
𝟐𝜸
𝒏𝟏 𝒏𝟐 𝟐𝜸
𝒏𝟏 𝒏𝟐

 𝒒𝟏 = 𝟏 − 𝒑𝟏 dan 𝒒𝟐 = 𝟏 − 𝒑𝟐 dan 𝒛 𝟏 didapat dari daftar normal baku

𝟐𝜸

𝟏
dengan peluang
𝟐𝜸

60
 Contoh M𝐞𝐧𝐚𝐤𝐬𝐢𝐫 𝐒𝐞𝐥𝐢𝐬𝐢𝐡 𝐏𝐫𝐨𝐩𝐨𝐫𝐬𝐢

Diambil dua sampel acak yang masing-masing terdiri atas 500 pemudi
dan 700 pemuda yang mengunjungi sebuah pameran. Ternyata
diperoleh bahwa 325 pemudi dan 400 menyukai pameran itu. Tentukan
interval kepercayaan 95% mengenai perbedaan persentase pemuda
dan pemudi yang mengunjungi pameran dan menyukainya

61
 Penyelesaian

𝒙𝟏 𝟑𝟐𝟓
Persentase pemudi yang menyukai pameran 𝒑𝟏 = = 𝒙 𝟏𝟎𝟎% = 𝟔𝟓%
𝒏𝟏 𝟓𝟎𝟎

𝒙𝟐 𝟒𝟎𝟎
Persentase pemuda yang menyukai pameran 𝒑𝟐 = = 𝒙 𝟏𝟎𝟎% = 𝟓𝟕%
𝒏𝟐 𝟕𝟎𝟎

Jadi, 𝒒𝟏 = 𝟏 − 𝒑𝟏 = 𝟏 − 𝟔𝟓% = 𝟑𝟓% dan 𝒒𝟐 = 𝟏 − 𝒑𝟐 = 𝟏 − 𝟓𝟕% = 𝟒𝟑%

Maka interval kepercayaan

𝒑𝟏 . 𝒒𝟏 𝒑𝟐 . 𝒒𝟐 𝒑𝟏 . 𝒒𝟏 𝒑𝟐 . 𝒒𝟐
𝒑 𝟏 − 𝒑𝟐 −𝒛𝟏. + < 𝝅𝟏 − 𝝅𝟐 + 𝒛 𝟏 . +
𝟐𝜸 𝒏𝟏 𝒏𝟐 𝟐𝜸 𝒏𝟏 𝒏𝟐

𝟎, 𝟔𝟓 𝟎, 𝟑𝟓 𝟎, 𝟓𝟕 𝟎, 𝟒𝟑 (𝟎, 𝟔𝟓)(𝟎, 𝟑𝟓) (𝟎, 𝟓𝟕)(𝟎, 𝟒𝟑)

𝟎, 𝟔𝟓 − 𝟎, 𝟓𝟕 − 𝒛𝟎,𝟗𝟓 . + < (𝝅𝟏 − 𝝅𝟐 ) < 𝟎, 𝟔𝟓 − 𝟎, 𝟓𝟕 + 𝒛𝟎,𝟗𝟓 . +
𝟓𝟎𝟎 𝟕𝟎𝟎 𝟓𝟎𝟎 𝟕𝟎𝟎

𝟎, 𝟔𝟓 − 𝟎, 𝟓𝟕 − 𝟏, 𝟗𝟔. 𝟎, 𝟎𝟐𝟖𝟒 < 𝝅𝟏 − 𝝅𝟐 < 𝟎, 𝟔𝟓 − 𝟎, 𝟓𝟕 + 𝟏, 𝟗𝟔. (𝟎, 𝟎𝟐𝟖𝟒)

𝟎, 𝟎𝟐𝟒 < 𝝅𝟏 − 𝝅𝟐 < 𝟎, 𝟏𝟑𝟔
Jadi, kita merasa 95% yakin (percaya) bahwa perbedaan persentase pemuda dan pemudi yang mengunjungi
pameran dan menyukainya akan ada dalam interval yang dibatasi oleh 2,4% dan 13,6%.
62
 MENENTUKAN
UKURAN SAMPEL
 MENENTUKAN UKURAN SAMPEL

Misalkan dipunyai dua populasi binomial π1 dan π 2, secara independen dari

tiap populasi diambil sebuah sampel acak berukuran n1 dan n2. Proporsinya
𝒙𝟏 𝒙𝟐
adalah 𝒑𝟏 = dan 𝒑𝟐 = dengan x1 dan x2 menyatakan banyaknya
𝒏𝟏 𝒏𝟐
peristiwa yang diamati. Akan ditentukan interval taksiran untuk (π1 - π2)

𝒑𝟏 .𝒒𝟏 𝒑𝟐 .𝒒𝟐 𝒑𝟏 .𝒒𝟏 𝒑𝟐 .𝒒𝟐

 𝒑𝟏 − 𝒑𝟐 − 𝒛 𝟏 . + < 𝝅𝟏 − 𝝅𝟐 + 𝒛 𝟏 . +
𝟐𝜸
𝒏𝟏 𝒏𝟐 𝟐𝜸
𝒏𝟏 𝒏𝟐

 𝒒𝟏 = 𝟏 − 𝒑𝟏 dan 𝒒𝟐 = 𝟏 − 𝒑𝟐 dan 𝒛 𝟏 didapat dari daftar normal baku

𝟐𝜸

𝟏
dengan peluang
𝟐𝜸

64
 MENENTUKAN UKURAN SAMPEL

01
Apa yang
akan
02
Berapa besar
ditaksir? perbedaan
Berapa derajat
03
yang masih
mau diterima
kepercayaan atau
04
koefisien Berapa lebar interval
antara yang
kepercayaan yang
ditaksir dan kepercayaan yang masih
diinginkan dalam
penaksir mau diterima
melakukan
65
penaksiran.
 MENENTUKAN UKURAN SAMPEL
Ketika menaksir parameter θ oleh 𝜽, ෡ dua hal yang terjadi adalah menaksir
terlalu tinggi atau menaksir terlalu rendah. Dalam hal pertama 𝜽෡ > 𝛉 dan 𝜽
෡ < 𝛉.
෡ adalah 𝒃 = 𝜽 − 𝜽
Perbedaan θ dan 𝜽 ෡ . Makin kecil beda b makin baik menaksir
karena makin dekat penaksir yang kita pakai kepada parameter yang ditaksir.
Ketika menaksir rata-rata µ oleh statistik 𝒙
ഥ, maka beda 𝒃 = µ − 𝒙
ഥ . Untuk
koefisien kepercayaan 𝜸 dan populasi berdistribusi normal dengan
simpangan baku diketahui, maka ukuran sampel n ditentukan oleh:
𝝈. 𝒛𝟏/𝟐𝜸 𝟐
𝒏>
𝒃
Jika yang ditaksir itu proporsi 𝝅 oleh statistic 𝒑 = 𝒙Τ𝒏, maka beda 𝒃 = 𝝅 − 𝒑 .
Dengan memisalkan bahwa pendekatan distribusi normal kepada binom
berlaku dan koefisien kepercayaan 𝜸, maka ukuran sampel n ditentukan dari
rumus
𝒛𝟏/𝟐𝜸 𝟐
𝒏 > 𝝅(𝟏 − 𝝅)
𝒃 66
THANK YOU!
ANY QUESTIONS?