IDENTITAS PENYUSUN
1
PENGANTAR
2
SUB MATERI
3
MATERI
4
IDENTITAS PENYUSUN
EPAN NURSIGIT
18416262201105
AK 18 E
PENGANTAR
Tujuan utama kita mengambil sampel dari suatu populasi adalah untuk memperoleh
Informasi mengenai parameter populasi. Oleh karena parameter populasi tidak diketahui,
Maka dalam statistika inferensia dipelajari bagaimana cara mengetahui parameter tersebut.
SUB MATERI
Pendugaan Interval
Pengujian Hipotesa Sampel Besar
Kesalahan Standar dari Rata-rata Hitung
Sampel
Pengujian Hipotesa Sampel Kecil
Menyusun Interval Keyakinan
Analisis Regresi dan Korelasi Linier
Interval Keyakinan Rata-rata dan
Proporsi
Analisis Regresi dan Korelasi Berganda
Interval Keyakinan Selisih Rata-rata dan
Proporsi
Konsep Dasar Persamaan Simultan
Memilih Ukuran Sampel
PENDUGA TUNGGAL SEBAGAI FUNGSI UNSUR POPULASI
f( X2)
f( X3)
f(X1)
X
SIFAT-SIFAT PENDUGA
(expexted value, X )
dari statistik sampel
sama dengan
parameter populasi
() atau dapat
dilambangkan
dengan E( X ) =
E( X )
PENDUGA EFISIEN
PENDUGA EFISIEN
Penduga yang efisien adalah penduga yang tidak bias dan mempunyai
varians terkecil (sx2) dari penduga-penduga lainnya.
sx12
n tak terhingga
n sangat besar
n besar
n kecil
PENDUGAAN INTERVAL
Pendugaan interval
menyatakan jarak di dalam
mana suatu parameter
populasi mungkin berada.
Rumus Interval Pendugaan
0.50 0,50
X
X X X
X X 95% X X
X X X 99%
X X X X
X X X X X X
Luas kurva adalah 1 dan simetris yaitu sisi kanan dan kiri luasnya sama yaitu 0,5.
Nilai C= 0,95 apabila dibagi menjadi dua bagian simetris maka menjadi 0,4750 yang
diperoleh dari 0,95/2. Apabila digunakan tabel luas di bawah kurva normal untuk
probabilitas 0,4750 maka akan diperoleh nilai Z sebesar 1,96. Begitu juga untuk
C= 0,99, maka probabilitasnya adalah 0,99/2 = 0,4950, nilai probabilitas ini
terhubung dengan nilai Z= 2,58.
Setelah menemukan nilai Z dan standar deviasinya, maka dapat dibuat interval
keyakinan dengan mudah misalnya untuk C= 0,95 adalah P( – 1,96sx < m < +
1,96sx) = 0,95 sedang untuk C= 0,99 adalah P( – 2,58sx < m < + 2,58sx) = 0,99.
x = –1,96sx x = –1,96sx
x1 = interval 1 mengandung µ
Pada gambar di atas terlihat bahwa interval 1 dengan nilai rata-rata interval 95
dengan rata-rata 95 mengandung nilai parameternya yaitu dan hanya 96
sampai 100 atau 5% interval saja yang tidak dari statistik mengandung .
Jadi interval keyakinan C= 95 dapat diartikan bahwa sebanyak 95% interval
mengandung nilai parameter aslinya yaitu dan hanya 5% interval saja yang tidak
mengandung parameternya.
KESALAHAN STANDAR
Bab 12: Teori Pendugaan Statistik Kesalahan Standar dari Rata-rata Hitung
Rumus kesalahan standar
Untuk populasi yang tidak
terbatas n/N < 0,05:
14
Bab 12: Teori Pendugaan Statistik Kesalahan Standar dari Rata-rata Hitung
Interval keyakinan rata-rata hitung
Rumus interval keyakinan rata-rata hitung X Z /2s/n
Batas bawah
Batas atas
1 -
/2 /2
-Z /2 Z /2
Populasi Terbatas
X Z/2 s/(N - n)/N-1
atau
X
Probabilitas ( Z/2 sx ) = C
X
: Rata-rata dari sampel
Z/2 : Nilai Z dari tingkat kepercayaan
: Rata-rata populasi yang diduga
x : Standar error / kesalahan standar dari rata-rata
hitung sampel
C : Tingkat keyakinan
: (1 – C)
S S N n
Sx S
n x
n N 1
Distribusi normal standar
Distribusi t dengan n=25
C : Tingkat keyakinan
:1–C
C :Tingkat keyakinan
:1 – C
22
Bab 12: Teori Pendugaan Statistik Interval Keyakinan Rata-rata dan
Interval keyakinan untuk selisih rata-rata
Probabilitas
(( X1- X)2 - Z/2. x1-x2) < ( - X1 ) <X2( - X)1+ ZX2/2. x1-x2)
Bab 12: Teori Pendugaan Statistik Interval Keyakinan Rata-rata Selisih dan
Interval keyakinan untuk selisih proporsi
Probabilitas
p1 (1 p1 ) p2 (1 p2 )
s p1 p2
n1 1 n2 1
Bab 12: Teori Pendugaan Statistik Interval Keyakinan Rata-rata Selisih dan
FAKTOR UKURAN SAMPEL
Faktor yang memengaruhi jumlah sampel:
n = [(Za/2.s)/e]2
Rumus tersebut diturunkan dari interval keyakinan sebagaimana
diuraikan sebagai berikut: