Harapan
berupa
Menarik Kesimpulan Menarik Kesimpulan
(Sample) estimasi (Populasi)
(pendugaan)
Harga Sampel
= Estimator
(penduga)
Misal : X Penduga µ
Estimasi Secara
X
Statistik
µ
harga statistik
E (harga statistik) = harga parameter
Bias
harga statistik
harga parameter E (harga statistik)
harga parameter
harga statistik Standar deviasi lebih besar
harga parameter
KONSISTE
KONSISTE
NN
n = 50
n = 10
n=5
harga statistik
Penduga yang konsisten bila:
E (harga statistik – harga parameter)2 = 0
jika n ∞ atau
Bias maupun Deviasi Standar mendekati 0, jika n ∞
Cara Menduga Harga Parameter
1. Interval Estimation
2. Point Estimation
µx = µ
n
mendekati normal bila n ≥ 30
1. Interval Estimation
95 %
2,5 %
0,4750 0,4750
µx = µ
Z
n
Dengan probabilitas 95 % bahwa jika adalah mean dari sample random
dengan n besar, Z akan terletak antara -1,96 dan 1,96
n
1,96 < < 1,96
n
1,96. < < 1,96.
n n
1,96. < < 1,96 .
n n
Jadi dengan probabilitas 95 %, interval dari 1,96. sampai 1,96.
n n
mengandung µ
S S
1,96. < < 1,96.
n n
S
atau 1,96.
n
Secara Umum S S
. < < .
2 n 2 n
S S
90% 1,64. < < 1,64.
n n
S S
98% 2,33. < < 2,33.
n n
99% 2,58.
S < < 2,58. S
n n
Contoh:
Suatu biro riset ingin mengestimate rata-rata pengeluaran untuk pembelian bahan
makanan per minggu dari ibu-ibu rumah tangga. Sebuah sample random yang terdiri dari
100 ibu rumah tangga telah dipilih dari populasi ibu rumah tangga. Dari keseratus ibu
rumah tangga tersebut diketahui bahwa rata-rata pengeluarannya adalah Rp 9.600,00
dengan deviasi standar Rp 160,00. Hitunglah “interval keyakinan 98%” untuk
pengeluaran rata-rata untuk pembelian bahan makanan per minggu dari semua ibu-ibu
rumah tangga.
Jawab:
S S
n = 100 α = 0,02 . < < .
S = 160 Z = 2,33 2 n 2 n
160 160
9.600 2,33. < < 9.600 2,33.
100 100
9.600 37,28 < < 9.600 37,28
9.562,72 < < 9.637,28
Jadi dugaan bahwa pengeluaran rata-rata akan terletak diantara Rp 9.562,72 hingga
Rp 9.637,28 akan benar 98%
Dapat dinyatakan P(9.562,72 < µ < 9.637,28) = 0,98
2. Point Estimation untuk µ
Apabila digunakan sebagai pendugaan titik dari µ, maka besarnya error (kesalahan)
dalam pendugaan ini adalah perbedaan antara µ dengan , dinyatakan dengan - µ
error
Confidence coefficient 98%, maka: 2,33. < < 2,33.
n n
Jadi dengan probabilitas 98% kesalahan itu akan terletak antara 2,33. hingga 2,33.
n n
atau error < 2,33.
n
S
tidak diketahui diganti S, maka: Error < 2,33.
n
Contoh : bila = 9.600 digunakan sebagai penduga titik dari µ, maka besarnya
kesalahan dalam pendugaan itu adalah:
160
Error < 2,33.
100
Error < 37,28
3. Menentukan Besarnya Sampel (n)
2
Error = E, maka E = error maksimum
n 2
Besarnya sample dapat dihitung dengan:
n 2
Contoh : Andaikan diantara pelat baja yang dibuat melalui suatu proses tertentu
memiliki distribusi normal dengan σ = 0,50, berapa besarnya sample yang harus
kita ambil agar kita 95% yakin bahwa rata-rata sampelnya tidak akan berselisih
dari rata-rata populasinya lebih dari 0,1 ?
2
Jawab : σ = 0,50 1,96 0,50
E = 0,1 n
1,96 0,1
2
n 96,04
Maka besarnya sample yang harus diambil adalah 97
PENDUGAAN HARGA PROPORSI POPULASI : P
1. Interval Estimation
P (1 P ) P(1 P)
pˆ Z . < P < pˆ Z .
2 n 2 n
Karena P tidak diketahui, maka diganti harga estimasinya
pˆ (1 pˆ ) pˆ (1 pˆ )
pˆ Z . < P < pˆ Z .
2 n 2 n
2. Point Estimation
pˆ (1 pˆ )
E < Z .
2 n
3. Besarnya Sampel
P tidak diketahui, maka P(1 – P) tidak diketahui
pˆ (1 pˆ )
Z . besarnya.
2 n Karena P selalu 0 – 1, maka besarnya P(1 – P)
maksimal dapat dicari:
2
f(P) = P – P2
n P (1 P ) 2 df(P)
1 2P
dP
df ( P )
Maksimal apabila 0
dP
1 2P 0
1
P
2
1 1 1
Jadi harga maksimal dari f(P): P (1 P )
Besarnya sample menjadi: 2 2 4
2
1 2
n
4
PENDUGAAN HARGA PERBEDAAN 2 MEAN : (µ1 - µ2)
1. Interval Estimation
12 22 12 22
(1 2 ) Z . 1 2 ( 1 2 ) Z .
2 n1 n2 2 n1 n2
Apabila σ1 dan σ2 tidak diketahui:
S 12 S 22 S 12 S 22
(1 2 ) Z . 1 2 ( 1 2 ) Z .
2 n1 n2 2 n1 n2
2. Point Estimation
12 22
Error Z .
2 n1 n2
PENDUGAAN HARGA PERBEDAAN 2 PROPORSI : (P1 - P2)
1. Interval Estimation
2. Point Estimation
pˆ 1 (1 pˆ 1 ) pˆ 2 (1 pˆ 2 )
Error Z .
2 n1 n2
PENDUGAAN HARGA DEVIASI STANDAR : σ
Interval Estimation
S S
S Z . S Z .
2 2n 2 2n
S S
Z Z
1 2
1 2
2n 2n
PENDUGAAN HARGA PARAMETER
SAMPEL KECIL (n < 30)
Jika n < 30 ada cara tersendiri untuk menduga µ, yaitu dengan distribusi – t.
t Distribusi sampling harga t
(distribusi student t)
S n
Sifat-sifatnya:
Kurvenya simetris
Luas kurvenya = 1 dengan derajat kebebasan (degree of freedom) n – 1
d.f = 5
d.f = 2
d.f = 1
. . . . . . . . . . .
-5 -4 -3 -2 -1 0 1 2 3 4 5
t0,025=1,96 t0,025=4,30
=Z0,025
95 %
S S
– t(0,025; n-1) < < + t (0,025; n-1)
n n
2. Point Estimation
S
Error < t(0,025; n-1)
n
Contoh : Suatu sample random dengan 25 potong kain batik yang dijual di Toko
Ramai mempunyai harga rata-rata Rp 2.850,00 dengan deviasi standar Rp
120,00. Hitunglah confidence interval 98 % untuk harga rata-rata semua kain
batik yang dijual di Toko Ramai itu.
S S
– t(0,01; n-1) n<
< + t(0,01; n-1) n
120
< < 2.850 + 2,492 25
120
2.850 – 2,492
25
( 1 2 ) ( 1 2 )
t df = n1+n2-2
( n1 1) S ( n2 1) S 1 1
2 2
1 2
n1 n2 2 n1 n2
Interval Estimation