STATISTIK

INFERENSIAL

Nama : Iren Rawung

Nim : 19302029
Kelas : Ma19302029 n-3A
 STATISTIK INFERENSIAL

Statistika inferensial membahas dua hal pokok,

yaitu :
Estimasi, dan
Uji hipotesis
Estimasi adalah statistik sampel untuk
mengestimasi parameter populasi yang tidak
diketahui.
Contoh statistik inferensial
Anggaplah seorang kepala daerah melakukan klaim bahwa tingkat kemiskinan di
daerahnya sangatlah rendah. Untuk membuktikan hal tersebut, ia melakukan survei
pendapatan dan pengeluaran rumah tangga yang secara teori mampu menghasilkan
angka kemiskinan.
Berdasarkan pertimbangan waktu dan biaya, maka dipilihlah 10.000 sampel rumah
tangga dari total 100.000 rumah tangga yang ada di kabupaten tersebut (asumsi
standar deviasi adalah 500).
Berdasarkan hasil survei, ditemukan bahwa masih terdapat sebesar 3.000 penduduk
miskin. Tentu angka ini tidak sepenuhnya benar mengingat survei selalu memiliki
error.
Karena itu, dibuatlah confidence interval untuk memperkuat hasil survei ini
Berikut hasil pengujian yang dilakukan :
z-value dari 95 persen adalah 1.96

Berdasarkan hasil pengujian, dengan tingkat kepercayaan sebesar 95 persen, bisa

disimpulkan bahwa jumlah penduduk miskin di kota tersebut berkisar antara 2990 hingga
3010 orang.
Uji hipotesis adalah uji tentang
keyakinan kebenaran statistik sampel
terhadap nilai parameter populasi yang
tidak diketahui.
ESTIMASI
Ada dua jenis estimasi :
1. Estimasi Titik (Point Estimation): nilai tunggal statistik sampel yang digunakan
untuk mengestimasi nilai parameter populasi.

2. Estimasi Interval (Interval Estimation): nilai interval dari statistik sampel yang
berisi kemungkinan terjadinya parameter populasi.
Dasar teori yang digunakan adalah Teorema Limit
Sentral: menyatakan bahwa mean sampel.

dari suatu sampel (X1, X2, ………, Xn) yang diambil dari sembarang populasi akan
mendekati distribusi normal jika ukuran sampel cukup besar, dengan dan , di mana
dan adalah mean dan variansi dari populasi itu.
CONTOH PROBLEM INFERENSI
STATISTIK TENTANG HARGA MEAN
POPULASI YANG TIDAK DIKETAHUI
1. Untuk mengestimasi harga mean po -pulasi (μ) bobot kambing di Kabupaten
Sumbawa, diambil 400 ekor kambing sebagai sampel random. Rata-rata bobot
kambing tersebut adalah = 25 kg.
2. Dua kelompok ternak sapi diberikan ransum pakan yang berbeda, yaitu ransum A
dan ransum B. Kelompok pertama dengan 30 ekor menghasilkan pertambahan berat
badan harian (PBBH) rata-rata 600 gram per ekor per hari , sedangkan kelompok
kedua dengan 30 ekor menghasilkan PBBH rata-rata 800 gram per ekor per hari.
Dapatkah disimpulkan bahwa ransum pakan mempengaruhi PBBH?
Dalam contoh 1):
Ingin mengestimasi rata-rata bobot kambing di Kabupaten Sumbawa (µ).
Dalam contoh 2):
Ingin menguji hipotesis Null :
dimana = rata-rata bobot kambing dengan ransum A dan = rata-rata bobot kambing
dengan ransum B.
Contoh Estimasi Titik
- sebagai estimator
- sebagai estimator
- sebagai estimator p (proporsi)

Contoh Estimasi Interval

Estimasi Interval lebih bermanfaat dari pada estimasi titik.
Estimasi interval dipengaruhi oleh tiga faktor:
 1). Besar Sampel (n)
 2). Tingkat keyakinan atau kepercayaan (1-α)
 3). Variabilitas populasi yang diukur dengan standar deviasi (s).
Distribusi Sampling Mean dengan Tingkat Keyakinan 95%
(1-α) = 95% atau α = 5%
α/2
α /2
0,4750
0,4750
1,96
- 1,96
μ
JIKA STANDAR DEVIASI TIDAK DIKETAHUI
Untuk mengestimasi harga mean populasi (μ) bobot kambing di Kabupaten
Sumbawa, diambil 400 ekor kambing sebagai sampel random. Rata-rata bobot
kambing tersebut adalah = 25 kg. Standar deviasi populasi = 3 kg.
Solusi:
25 ± 0,387
24,613 ≤ μ ≥ 25,387
Jika sampel kecil
Distribusi Z untuk populasi berdistribusi normal dengan SD populasi diketahui atau
jika populasi tidak berdistribusi normal tetapi sampel yang digunakan besar.
Distribusi ini untuk sampel besar (n>30).
Distribusi t = student’s t distribution: merupakan distribusi kontinyu hampir sama
dengan distribusi Z tetapi memiliki SD lebih besar dari pada distribusi Z. Distribusi
ini untuk sampel kecil (n<30).
DISTRIBUSI -ZS
DISTRIBUSI -tS
Nilai distribusi-t ditentukan oleh dua hal, yaitu: (1) tingkat keyakinan (1-α) dan (2)
degree of freedom (df) yang besarnya = n-1.
Misal: tingkat keyakinan = 99% dengan jumlah sampel = 5, maka nilai t = 4,604
Karena distribusi lebih mendatar maka pada tingkat keyakinan yang sama nilai t
akan lebih besar dari pada nilai Z.
Distrubusi-Z
95%
- 1,96
1,96
95%
Distrubusi-t
- 3,25
3,25
ESTIMASI INTERVAL UNTUK µ DENGAN SAMPEL KECIL (N <30) DENGAN
TINGAT KEYAKINAN 1-α
Rumus:
= nilai t pada distribusi t dalam area α/2 baik di sisi kiri maupun di sisi kanan