TAKSIRAN DAN

UKURAN SAMPEL
DISADUR DARI TRIOLA (2015)
OLEH MULYANA CHANDRA HADIATI
PENGAJAR PKN STAN
TAKSIRAN TITIK
Adalah suatu nilai tunggal (atau titik) yang digunakan untuk menaksir suatu
parameter populasi.

PROPORSI SAMPEL
Proporsi sampel 𝑝Ƹ adalah taksiran titik terbaik dari proporsi populasi p.
 INTERVAL KEPERCAYAAN
1. Interval Kepercayaan (atau Taksiran Interval) adalah suatu rentang (atau suatu
interval) nilai yang digunakan untuk menaksir nilai yang sebenarnya dari parameter
populasi.
Biasa disingkat sebagai CI (Confidence Interval).
2. Adalah peluang 1   dimana interval kepercayaan sebenarnya mengandung
parameter populasi, dengan asumsi bahwa proses penaksiran diulang banyak kali.
Tingkat kepercayaan (Confidence Level) disebut juga derajat kepercayaan atau
koefisien kepercayaan.
CONTOH
• Contoh Interval Kepercayaan berdasarkan data dari 1007 sampel berdasarkan
survei kepada orang dewasa, dengan 85% dari mereka mengetahui apa itu
Twitter.
• Taksiran Interval Kepercayaan 95% dari proporsi populasi p adalah 0,828 < p <
0,872.
• Interpretasi yang benar: Kita percaya 95% bahwa interval dari 0,828 ke 0,872
mengandung nilai sebenarnya dari proporsi populasi p.
• Artinya apabila kita memilih sampel yang berbeda sebanyak 1007 dan
menentukan interval kepercayaan, 95% sampel tersebut akan mengandung
proporsi populasi p.
• Tingkat kepercayaan 95% berarti bahwa proses yang kita gunakan, dalam jangka
panjang, menghasilkan batas interval kepercayaan yang mengandung proporsi
populasi sebenarnya sebanyak 95% kali.
ILUSTRASI GRAFIS

• Misal proporsi sebenarnya dari populasi

orang dewasa yang mengetahui apa itu
Twitter adalah p = 0,90.
• Figure 7-1 mengilustrasikan 19 dari 20
interval kepercayaan mengandung nilai
proporsi yang diasumsikan p = 0,90.
• Dengan tingkat kepercayaan 95%, kita
harapkan 19 dari 20 interval
kepercayaan mengandung nilai
sebenarnya dari p.
PERINGATAN

Interval kepercayaan dapat digunakan secara informal untuk membandingkan set

data yang berbeda, tetapi interval kepercayaan yang tumpang tindih (overlap)
tidak boleh digunakan untuk membuat kesimpulan formal dan final tentang
kesetaraan proporsi.
NILAI KRITIS
Nilai z Standar dapat digunakan untuk membedakan statistik
sampel yang kemungkinan akan terjadi dan tidak mungkin terjadi.
Nilai z seperti ini disebut sebagai nilai kritis.
Nilai kritis berdasarkan observasi berikut:
1. Dalam keadaan tertentu, distribusi sampling dari proporsi
sampel dapat didekati dengan distribusi normal.
2. Suatu nilai z terkait dengan suatu proporsi sampel yang
memiliki peluang /2 yang jatuh pada ekor sebelah kanan
Figure 7-2.
3. Nilai z yang memisahkan area pada ekor sebelah kanan
dilambangkan dengan 𝑧𝛼Τ2 dan disebut sebagai nilai kritis
karena berada di garis batas yang memisahkan nilai z dari
proporsi sampel menjadi kemungkinan akan terjadi dan tidak
mungkin terjadi.
 NILAI KRITIS
Adalah bilangan pada garis batas yang memisahkan statistik sampel menjadi
kemungkinan akan terjadi dan tidak mungkin terjadi.
Bilangan 𝑧𝛼Τ2 adalah nilai kritis dimana suatu nilai z dengan sifat memisahkan area 𝛼 Τ2
pada ekor sebelah kanan dari distribusi normal standar.
 ERROR
Saat mengumpulkan data sampel yang menghasilkan proporsi, maka dapat diidentifikasi
proporsi sampel 𝑝.Ƹ Karena variasi acak dalam sampel, proporsi sampel 𝑝Ƹ biasanya
berbeda dengan proporsi populasi p.
Selisih antara proporsi sampel dan proporsi populasi dapat dianggap sebagai suatu error.

MARGIN OF ERROR
Saat data dari sampel acak sederhana digunakan untuk menaksir suatu proporsi
populasi p, Margin of Error atau E, adalah selisih kemungkinan maksimum (dengan
peluang 1  , seperti 0,95) antara proporsi sampel 𝑝Ƹ dan nilai sebenarnya dari
proporsi populasi p.
Margin of Error E juga disebut sebagai Maximum Error of the Estimate dan dapat
diperoleh dengan mengalikan nilai kritis dan standar deviasi dari proporsi sampel.
ෝ𝒒
𝒑 ෝ
𝑬 = 𝒛𝜶Τ𝟐
𝒏
 INTERVAL KEPERCAYAAN UNTUK
MENAKSIR PROPORSI POPULASI
1. Sampel merupakan sampel acak sederhana.
2. Memenuhi syarat Distribusi Binomial, yaitu: adanya banyak percobaan yang tetap,
percobaan saling independen, adanya dua kategori hasil (sukses & gagal), dan
peluang (sukses) konstan untuk setiap percobaan.
3. Memenuhi np  5 dan nq  5 sehingga dapat didekati dengan Distribusi Normal.
Apabila ketiga syarat terpenuhi, maka Interval Kepercayaan untuk p adalah:
𝑝Ƹ − 𝐸 < 𝑝 < 𝑝Ƹ + 𝐸
atau
Catatan:
𝑝Ƹ ± 𝐸 Bulatkan
Hasil ke
atau
tiga digit
𝑝Ƹ − 𝐸, 𝑝Ƹ + 𝐸 signifikan
MENENTUKAN UKURAN SAMPEL
Apabila kita berencana mengambil data sampel dengan tujuan menaksir proporsi
populasi, bagaimana cara mengetahui berapa banyak sampel harus diambil?

Apabila 𝑝Ƹ diketahui
2
𝑧𝛼Τ2 𝑝Ƹ 𝑞ො
𝑛=
𝐸2

Apabila 𝑝Ƹ tidak diketahui

2 Catatan:
𝑧𝛼Τ2 0,25 Bulatkan
𝑛= Hasil ke
𝐸2 bilangan bulat
berikutnya
MENENTUKAN TAKSIRAN TITIK DAN
MARGIN OF ERROR DARI
INTERVAL KEPERCAYAAN
Taksiran Titik dari 𝑝:Ƹ
𝑏𝑎𝑡𝑎𝑠 𝑎𝑡𝑎𝑠 𝑘𝑒𝑝𝑒𝑟𝑐𝑎𝑦𝑎𝑎𝑛 + 𝑏𝑎𝑡𝑎𝑠 𝑏𝑎𝑤𝑎ℎ 𝑘𝑒𝑝𝑒𝑟𝑐𝑎𝑦𝑎𝑎𝑛
𝑝Ƹ =
2

Margin of Error:
𝑏𝑎𝑡𝑎𝑠 𝑎𝑡𝑎𝑠 𝑘𝑒𝑝𝑒𝑟𝑐𝑎𝑦𝑎𝑎𝑛  𝑏𝑎𝑡𝑎𝑠 𝑏𝑎𝑤𝑎ℎ 𝑘𝑒𝑝𝑒𝑟𝑐𝑎𝑦𝑎𝑎𝑛
𝐸=
2
TAKSIRAN TITIK DARI MEAN POPULASI

Mean Sampel 𝑥ҧ adalah taksiran titik terbaik dari Mean Populasi .

 INTERVAL KEPERCAYAAN UNTUK MENAKSIR
MEAN POPULASI DENGAN  DIKETAHUI
Syarat:
1. Sampel merupakan sampel acak sederhana.
2. Memenuhi salah satu atau keduanya: Populasi berdistribusi normal atau n > 30.

Interval Kepercayaan untuk menaksir Mean Populasi (dengan  diketahui):

𝑥ҧ − 𝐸 < 𝜇 < 𝑥ҧ + 𝐸
atau
𝑥ҧ ± 𝐸
atau
𝑥ҧ − 𝐸, 𝑥ҧ + 𝐸
dimana
𝜎
𝐸 = 𝑧𝛼Τ2 •
𝑛
INTERVAL KEPERCAYAAN UNTUK MENAKSIR
MEAN POPULASI DENGAN  TIDAK DIKETAHUI
Syarat:
1. Sampel merupakan sampel acak sederhana
2. Memenuhi salah satu atau keduanya: Populasi berdistribusi normal atau n >30.

Interval Kepercayaan untuk menaksir Mean Populasi (dengan  tidak diketahui):

𝑥ҧ − 𝐸 < < 𝑥ҧ + 𝐸
atau
𝑥ҧ ± 𝐸 Catatan:
atau Bulatkan
Batas Interval
𝑥ҧ − 𝐸, 𝑥ҧ + 𝐸 ke satu digit
dimana desimal lebih
banyak
𝑠 daripada data
𝐸 = 𝑡𝛼Τ2 • original.
𝑛
DISTRIBUSI STUDENT’S T
Apabila populasi berdistribusi normal, maka distribusi dari
𝑥ҧ − 𝜇
𝑡=
𝑠Τ 𝑛
adalah berdistribusi student’s t untuk semua sampel berukuran n.

Dengan derajat bebas (degrees of freedom) = n – 1

Untuk mencari 𝑡𝛼Τ2 dapat menggunakan Tabel A-3.
MENCARI TAKSIRAN TITIK DAN E
DARI INTERVAL KEPERCAYAAN
Saat diketahui taksiran interval dari  adalah 𝑥ҧ − 𝐸, 𝑥ҧ + 𝐸
Taksiran titik dari  :
𝑏𝑎𝑡𝑎𝑠 𝑎𝑡𝑎𝑠 𝑘𝑒𝑝𝑒𝑟𝑐𝑎𝑦𝑎𝑎𝑛 + 𝑏𝑎𝑡𝑎𝑠 𝑏𝑎𝑤𝑎ℎ 𝑘𝑒𝑝𝑒𝑟𝑐𝑎𝑦𝑎𝑎𝑛
𝑥ҧ =
2
Margin of Error:
𝑏𝑎𝑡𝑎𝑠 𝑎𝑡𝑎𝑠 𝑘𝑒𝑝𝑒𝑟𝑐𝑎𝑦𝑎𝑎𝑛 − 𝑏𝑎𝑡𝑎𝑠 𝑏𝑎𝑤𝑎ℎ 𝑘𝑒𝑝𝑒𝑟𝑐𝑎𝑦𝑎𝑎𝑛
𝐸=
2
MENCARI UKURAN SAMPEL YANG DIPERLUKAN
UNTUK MENAKSIR MEAN POPULASI
Apabila kita ingin mengumpulkan sampel untuk menaksir mean populasi , berapa
banyak sampel yang diperlukan?
Syarat:
Sampel harus merupakan sampel acak sederhana.

maka Ukuran Sampel yang diperlukan adalah:

𝑧𝛼Τ2 𝜎 2
Catatan:
𝑛= Bulatkan
𝐸
Hasil ke
bilangan bulat
berikutnya
MEMILIH DISTRIBUSI YANG TEPAT
MENAKSIR STANDAR DEVIASI ATAU
VARIANSI POPULASI
Variansi sampel s2 merupakan taksiran titik terbaik dari variansi populasi 2.
Standar deviasi sampel s biasa digunakan sebagai taksiran titik dari  (meskipun
merupakan penaksir yang bias).
INTERVAL KEPERCAYAAN UNTUK
MENAKSIR STANDAR DEVIASI ATAU
VARIANSI POPULASI
Syarat:
1. Sampel merupakan sampel acak sederhana
2. Populasi harus berdistribusi normal

Interval Kepercayaan untuk Variansi Populasi 2:

𝑛 − 1 𝑠2 2 <
𝑛 − 1 𝑠 2
< 𝜎
2𝑅 2𝐿

Interval Kepercayaan untuk Standar Deviasi Populasi  :

𝑛 − 1 𝑠2 𝑛 − 1 𝑠2
<<
𝑅
2
2𝐿
 DISTRIBUSI CHI-SQUARE
Dalam populasi yang berdistribusi normal dengan variansi 2, apabila kita pilih secara
acak sampel independen dengan ukuran n, dan untuk setiap sampel dihitung s2 (kuadrat
dari standar deviasi sampel s), maka statistik sampel:
𝑛 − 1 𝑠 2
2 =
𝜎2
memiliki distribusi sampling yang disebut Distribusi Chi-Square.

Nilai Kritis pada ekor sebelah Kanan dinotasikan 2𝑅

Nilai Kritis pada ekor sebelah Kiri dinotasikan 2𝐿
Keduanya dapat dicari menggunakan tabel A-4 dengan derajat bebas:
degrees of freedom = n  1
SIFAT DISTRIBUSI CHI-SQUARE
1. Distribusi Chi-Square tidak simetris.
2. Nilai chi-square dapat bernilai nol atau positif, tapi tidak bias negatif.
3. Distribusi chi-square berbeda untuk setiap nilai derajat bebas. Saat derajat
bebas semakin membesar, distribusi chi-square mendekati distribusi normal.
MENENTUKAN
UKURAN
SAMPEL
UNTUK
MENAKSIR  2
DAFTAR PUSTAKA

Triola, Mario F. 2015. Essential of Statistics. Fifth Edition. Pearson

Thank You TERIMA KASIH