TEORI PENDUGAAN STATISTIK

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

Bagian I Statistik Induktif

Pengertian Teori dan Kegunaan
Metode dan Distribusi Sampling Pendugaan

Teori Pendugaan Statistik Pendugaan Titik Parameter

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

Xatau S = f( X1, X2, …, X n)

di mana:
s2 = 1  (X i- X ) 2
n-1
1 Xi
X= s = 1 {(X1 - X) 2 + (X2 - Xx) 2 + … + (Xn - X ) 2}
2
n n-1
X = 1 (X1 + X2 + … + X n)
n

f( X2)
f( X3)
f(X1)

X
 SIFAT-SIFAT PENDUGA

Penduga Penduga Penduga

Tidak Bias Efisien Konsisten
• Unbiased • Efficient • Consistent
estimator estimator estimator
 PENDUGA TIDAK BIAS
Penduga Tidak Bias

• Jika di dalam sampel

random yang
berasal dari
populasi, rata-rata
atau nilai harapan E( X ) =

(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

sx12 <s x22

sx22
 PENDUGA KONSISTEN
Penduga Konsisten

Penduga yang konsisten adalah nilai dugaan (X ) yang semakin mendekati

nilai yang sebenarnya  dengan semakin bertambahnya jumlah sampel
(n).

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

(s – Zsx < P < s + Zsx ) = C

S : statistik yang merupakan penduga parameter populasi (P)

P : parameter populasi yang tidak diketahui

Sx : standar deviasi distribusi sampel statistik

Z : suatu nilai yang ditentukan oleh probabilitas yang berhubungan

dengan pendugaan interval, Nilai Z diperoleh dari tabel luas
di bawah kurva normal

C : Probabilitas atau tingkat keyakinan yang dalam praktek sudah

ditentukan dahulu

s – Zsx : nilai batas bawah keyakinan

s + Zsx : nilai batas ataskeyakinan

 Menentukan jumlah sampel tiap stratum

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

Z =-2,58 Z=-1,96 0= Z =2,58

Z=1,96

Pada gambar terlihat untuk interval keyakinan 95% terhubungkan dengan

nilai Z antara –1,96 sampai 1,96. Ini dapat diartikan juga bahwa 95% dari
rata-rata hitung sampel akan terletak di dalam  1,96 kali standar
deviasinya. Sedangkan untuk keyakinan 99%, maka rata-rata hitungnya
juga akan terletak di dalam  2,58 kali standar deviasinya. Interval
keyakinan juga dapat dituliskan untuk C= 0,95 adalah   1,96x dan
untuk C=0,99 adalah   2,58sx.
 0.50 0,50

0,95/2 = 0,4750 0,95/2 = 0,4750

0,50/2 = 0,025 0,50/2 = 0,025

Z=-1,96 Z=1,96

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

x95 = interval 95 mengandung µ x2 = interval 1 mengandung µ

x95 = interval 95—100 tidak 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

Kesalahan standar dari rata-rata

hitung sampel adalah standar deviasi
distribusi sampel dari rata-rata

Bab 12: Teori Pendugaan Statistik Kesalahan Standar dari Rata-rata Hitung
 Rumus kesalahan standar
Untuk populasi yang tidak
terbatas n/N < 0,05:

  : Standar deviasi populasi

sx 
n sx : Standar error/kesalahan
standar dari rata-rata
hitung sampel
Untuk populasi yang
terbatas n/N > 0,05: n : Jumlah atau ukuran
sampel
 N n
sx  N : Jumlah atau ukuran
n N 1 populasi

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

Untuk populasi Tingkat C/2 Nilai Terdekat Nilai Z

yang
Keyakinan
terbatas, faktor
koreksi menjadi 0,99 0,495 0,4951 2,58
 (N–n)/N-1.
0,98 0,490 0,4901 2,53
Nilai merupakan
rata-rata dari 0,95 0,475 0,4750 1,96
sampel, sedangk
0,90 0,450 0,4505 1,65
an nilai Z untuk
beberapa 0,85 0,425 0,4251 1,44
nilai C 0,80 0,400 0,3997 1,28

Bab 12: Teori Pendugaan Statistik Menyusun Interval Keyakinan

 Interval keyakinan rata-rata hitung
Berdasarkan pada nilai Z dan diasumsikan bahwa n>30
maka dapat disusun interval beberapa keyakinan
sebagai berikut:

99% •  2,58 s/n

98% •  2,33 s/n
95% •  1,96 s/n
99% •  1,65 s/n
98% •  1,44 s/n

Bab 12: Teori Pendugaan Statistik Menyusun Interval Keyakinan

 Interval keyakinan rata-rata hitung
Interval keyakinan tersebut dapat juga digambarkan sebagai berikut:

Batas bawah
Batas atas

1 -

 /2  /2

-Z /2  Z /2

Nilai parameter yang sebenarnya diharapkan akan terdapat pada interval

1 -  dengan batas bawah -Z /2 dan batas atas Z /2.

Bab 12: Teori Pendugaan Statistik Menyusun Interval Keyakinan

SKEMA PROSES INTERVAL KEYAKINAN

Populasi Tidak Terbatas

X  Z/2 s/n

Mulai Identifikasi Menentukan

sampel (n) dan Menentukan Keyakinan(C
masalah atau = (1 – C) dan Nilai Z
nilai rata-rata
X

Populasi Terbatas
X  Z/2 s/(N - n)/N-1

Bab 12: Teori Pendugaan Statistik Interval Keyakinan Rata-rata dan

 DISTRIBUSI & STANDAR DEVIASI POPULASI

Distribusi Sampling: Normal

Standar Deviasi Populasi: Diketahui
Probabilitas ( X – Z/2 x <  < ( X  Z/2 s/(N – n)/N – 1n sx ) = C

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)

Bab 12: Teori Pendugaan Statistik Interval Keyakinan Rata-rata dan

 Distribusi & standar deviasi populasi
Distribusi Sampling: Normal
Standar Deviasi Populasi: Tidak Diketahui
Standar error untuk populasi Standar error untuk populasi yang
tidak terbatas terbatas dan n/N > 0,05:


S S N n
Sx S 
n x
n N 1
Distribusi normal standar
Distribusi t dengan n=25

Distribusi t dengan n=15

Distribusi t dengan n=5

Bab 12: Teori Pendugaan Statistik Interval Keyakinan Rata-rata dan

 Distribusi & standar deviasi
Distribusi Sampling: Mendekati Normal
Standar Deviasi Populasi: Tidak Diketahui
( X – t/2 sx<  < ( X + t/2 sx )

X : Rata-rata dari sampel

t/2 : Nilai t dari tingkat kepercayaan 

 : Rata-rata populasi yang diduga

sx : Standar error/kesalahan standar dari rata-rata

hitung sampel

C : Tingkat keyakinan

 :1–C

Bab 12: Teori Pendugaan Statistik Interval Keyakinan Rata-rata dan

 Distribusi & standar deviasi
Untuk populasi yang tidak terbatas p(1  p) N  n
Sp 
n  1 N  1
p(1 p)
Untuk populasi yang terbatas Sp 
n 1
Rumus pendugaan proporsi populasi
Probabilitas (p - Z/2.Sp<P< p + Z/2.Sp)
p : Proporsi sampel

Z/2 : Nilai Z dari tingkat keyakinan 

P :Proporsi populasi yang diduga

Sp : Standar error/kesalahan dari proporsi

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+ ZX2/2. x1-x2)

Di mana standar error dari nilai selisih rata-rata adalah:

 x1 2  x2 2
 x1 x 2  
n1 n2
Apabila standar deviasi dari populasi tidak ada, maka dapat diduga dengan
standar deviasi sampel yaitu:
Di mana: 2 2
s x1 s x2
s x1  x2  
n1 n2

x1-x2 : Standar deviasi selisih rata-rata populasi

sx1-x2 : Standar error selisih rata-rata
sx1, sx1: Standar deviasi sampel dari dua populasi
n1, n2: Jumlah sampel setiap populasi

Bab 12: Teori Pendugaan Statistik Interval Keyakinan Rata-rata Selisih dan
 Interval keyakinan untuk selisih proporsi

Probabilitas

Probabilitas ((p1-p2) - Z/2. sp1-p2) <(P1-P2) < (p1-p2) + Z/2. sp1-p2)

Di mana standar error dari nilai selisih proporsi adalah:

p1 (1 p1 ) p2 (1 p2 )
s p1 p2  
n1 1 n2 1

p1, p2 : Proporsi sampel dari dua populasi

Sp1, sp1: Standar error selisih proporsi dari dua populasi
n1, n2 : Jumlah sampel setiap populasi

Bab 12: Teori Pendugaan Statistik Interval Keyakinan Rata-rata Selisih dan
FAKTOR UKURAN SAMPEL
Faktor yang memengaruhi jumlah sampel:

Tingkat keyakinan yang dipilih

Kesalahan maksimum yang diperbolehkan

Variasi dari populasi

Bab 12: Teori Pendugaan Statistik Memilih Ukuran Sampel

RUMUS JUMLAH SAMPEL UNTUK MENDUGA RATA-
RATA POPULASI
Rumus jumlah sampel dalam populasi dirumuskan sebagai berikut:

n = [(Za/2.s)/e]2
Rumus tersebut diturunkan dari interval keyakinan sebagaimana
diuraikan sebagai berikut:

P (–Za/2 < Z < Za/2 ) = C = 1 – a

(–Za/2 < ( – m)/(s/Ön) < Za/2)
(–Za/2 (s/Ön) < ( – m) < Za/2(s/Ön))
(x – m) < Za/2(s/Ön); ingat bahwa error e = – m
e < Za/2(s/Ön);
e2 = (Za/2)2(s2/n);
n = [(Za/2.s)/e]2

Bab 12: Teori Pendugaan Statistik Memilih Ukuran Sampel

RUMUS JUMLAH SAMPEL UNTUK MENDUGA RATA-RATA POPULASI

Untuk mendapatkan rumus jumlah sampel dalam

pendugaan proporsi populasi dapat diturunkan
sebagai berikut:
P (–Z/2 < Z < Z/2 ) = C = 1 – 
(–Z/2 < (p1 – p2)/(/n) <Z/2)
(–Z/2([(p(1 – p)]/n – 1) < (p1 – p2) < Z/2([p(1– p)]/n–1)
(p1 – p2) < Z/2([(p(1 – p)]/n – 1); ingat bahwa error  = p1 – p2
 < Z/2([(p(1 – p)]/n – 1); dikuadratkan kedua sisi menjadi
2 = (Z/2)2[(p(1 – p)]/n – 1; dipindahkan n – 1 ke sisi kiri
n –1 = (Z/2.)2 p(1 – p) sehingga n menjadi
2
n = (Z/2.)2 p(1 – p) + 1
2

Bab 12: Teori Pendugaan Statistik Memilih Ukuran Sampel

THANKS FOR ATENTTION