BAB 12

TEORI PANDUGAAN STATISTIK

Nama : Cahyadi Isnul Amin

NIM: A1B020073
Jurusan : Manajemen B
 BAGIAN III STATISTIK INDUKTIF

Metode dan distribusi sampling Pengertian teori dan kegunaan pendugaan

TEORI PENDUGAAN STATISTIK Pendugaan titik parameter

Pengujian hipotesa sampel besar Pendugaan interval

Kesalahan standar dari rata-rata hitung

Pengujian hipotesa sampel kecil
sampel

Analisis regresi dan korelasi linier Menyusun interval keyakinan

Analisis regresi dan korelasi berganda Interval keyakinan rata-rata dan proporsi

Fungsi, Varibael, dan masalah dalam analisis Interval keyakinan selisih rata-rata dan
regresi proporsi

Memilih ukuran sampel

12.2 Pendugaan Titik Parameter Populasi

Pendugaan adalah seluruh proses dengan menggunakan

statistik sampel untuk menduga parameter yang tidak
diketahui.
Pendugaan titik (point estimator) adalah pendugaan
yang terdiri dari satu nilai saja yang digunakan untuk
menduga parameter.

Penduga tunggal sebagai fungsi unsur populasi

x atau s=f(X1, X2,....X n) di mana::
Standar deviasi
Sebaik-baiknya dugaan adalah penduga yang mendekati nilai parameter yang akan diduganya. Misalnya ada 3 penduga untuk ẋ yaitu ẋ 1, ẋ2 dan
ẋ3 maka estimasi yang paling baik adalah penduga uang mendekati ẋ. Dengan demikian, nilai penduga ẋ 2, relatif lebih baik dibandingkan
dengan penduga ẋ1 dan ẋ3.
 12.2.1 Sifat-sifat Penduga
A. Penduga tidak bias

Jika di dalam sampel random yang

berasal dari populasi, rata-rata atau
nilai harapan (expexted value, ẋ)
dari statistik sampel sama dengan
parameter populasi (μ) atau dapat
dilambangkan dengan E (ẋ) = μ
 B. Penduga efisien

Penduga yang efisien adalah penduga yang tidak bias dan mempunyai
varians terkecil (Sx2) dari penduga-penduga lainnya.
 C. Penduga konsisten

penduga yang konsisten adalah nilai dugaan (ẋ) yang semakin

mendekati nilai yang sebenarnya μ dengan semakin bertambahnya
jumlah sampel (n).
12.3 Pendugaan Interval

“Pendugaan interval adalah suatu interval yang

menyatakan selang di mana suatu parameter
populasi mungkin berada.”
 Menentukan jumlah sampel tiap stratum

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 μ ±1,96s x dan untuk C = 0,99 adalah μ
± 2,58sx.
 Menentukan jumlah sampel tiap stratum

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 probabilitas adalah 0,99/2 =
0,4950, nilai probabilitas ini terhubung dengan nilai Z =2,58
Setelah menemukan Z dan standar deviasinya, maka dapat dibuat interval keyakinan dengan mudal misalnya untuk c= 0,95
adalah P(ẋ-1,96sx < μ < ẋ + 1,96sx) = 0,95 sedang untuk C= 0,99 adalah P(ẋ + 2,58sx < μ < ẋ 2,58sx)) = 0,99.
 Menentukan jumlah sampel tiap stratum

Pada gambar terlihat bahwa interval 1 dengan nilai rata-rata ẋ 1 interval 95 dengan rata-rata ẋ95
mengandung nilai parameternya yaitu ẋ95, dan hanya ẋ96 sampai ẋ100 atau 5% interval saja yang tidak
mengandung μ. Jadi interval keyakinan C= 95 dapat diartikan bahwa sebanyak 95% interval dari
statistik ẋ mengandung nilai parameter aslinya yaitu μ dan hanya 5% interval saja yang tidak
mengandung parameternya.
 12.4 kesalahan standar dari rata-rata hitung
sampel (standar error of sample mean)
Kesalahan standar dari
rata-rata hitung sampel
adalah standar deviasi
distribusi sampel dari
rata-rata hitung sampel.
Rumus kesalahan standar

Untuk populasi yang tidak terbatas n/N > 0,05 N:

Untuk populasi yang terbatas dan n/N > 0,05 N:

Di mana:
Ϭ : Standar deviasi populasi
Sx : Standar error/kesalahan standar dari rata-rata hitung sampel
n : Jumlah atau ukuran sampel
N : Jumlah atau ukuran populasi
CONTOH 12-2

Standar deviasi dari harga saham kelompok real estate pada agustus 2003 adalah 232. Apabila diambil
sampel sebanyak 33 perusahan dari anggota real estate, berapa standar errornya?

Jumlah sampel sebanyak 33 dan ada jumlah N untuk populasi, sehingga termasuk populasi tidak
terbatas.

Apabila dari soal diatas diketahui bahwa keseluruhan anggota real estate indonesia berjumlah 5080
perusahan, sehingga nilai n/N = 33/508 = 0,065 dan lebih besar dibandingkan dengan 0,05, maka
soal ini termasuk dalam populasi yang terbatas, sehingga standar error menjadi:

untuk populasi yang terbatas dan n/N > 0,05:

12.5 Menyusun interval keyakinan
Rumus interval keyakinan rata-rata
hitung Tingkat C/2 Nilai terdekat Nilai Z
keyakinan
0,99 0,4950 0,4951 2,58

0,98 0,4900 0,4901 2,33

Untuk populasi yang terbatas,
faktor koreksi menjadi √(N-n)/N-1, 0,95 0,4750 0,4750 1,96
nilai ẋ merupakan rata-rata dari
sampel, sedangkan nilai Z untuk 0,90 0,4500 0,4505 1,65
beberapa nilai C dapat disajikan
0,85 0,4250 0,4251 1,44

0,80 0,4000 0,3997 1,28

 Berdasarkan pada nilai Z dan diasumsikan bahwa n > 30, dapat disusun interval beberapa keyakinan sbb:

99% ẋ ± 2,58 s/n

98% ẋ ± 2,33 s/n

95% ẋ ± 2,96 s/n

90% ẋ ± 2,65 s/n

85% ẋ ± 2,44 s/n

95% ẋ ± 2,28 s/n

Interval keyakinan tersebut dapat juga digambarkan sebagai berikut:
12.6 Interval Keyakinan untuk rata-rata

Skema proses interval keyakinan

Populasi tidak terbatas

Mulai indefikasi Menentukan sampel (n) dan Menentukan keyakinan

masalah nilai rata-rata ẋ (C atau a = (1 – C) dan nilai Z

Populasi terbatas
12.6.1 Distribusi normal dan standar deviasi populasi
diketahui
Distribusi sampling : Normal
Standar deviasi populasi : Diketahui

Di mana :
ẋ : Rata-rata dari sampel
Za/2 : Nilai Z dari tingkat kepercayaan a
μ : Rata-rata populasi yang diduga
ϭx : Standar error/kesalahan standar dari rata-rata hitung sampel
C : Tingkat keyakinan
‘a : 1-C
 12.6.2 Distribusi normal dan standar deviasi populasi tidak diketahui

Distribusi sampling : Normal

Standar deviasi populasi : Tidak diketahui

Standar error untuk populasi yang terbatas dan

Standar error untuk populasi tidak terbatas
n/N > 0,05:
 Distribusi sampling : Mendekati normal
Standar deviasi populasi : Tidak diketahui

Di mana :
ẋ : Rata-rata dari sampel
ta/2 : Nilai t dari tingkat kepercayaan
μ : Rata-rata populasi yang diduga
sx : Standar error/kesalahan standar dari rata-rata hitung sampel
C : Tingkat keyakinan
a : 1-C
12.6.3 Distribusi sampling mendekati normal dan standar deviasi populasi tidak diketahui

Rumus umum pendugaan untuk distribusi sampling mendekati normal dan standar deviasi
populasi tidak diketahui:

Di mana :
ẋ : Rata-rata dari sampel
Za/2 : Nilai Z dari tingkat keyakinan
μ : Rata-rata populasi yang diduga
sx : Standar error/kesalahan standar dari rata-rata hitung sampel
C : Tingkat keyakinan
a : 1-C
 12.7 Interval keyakinan untuk proporsi

Untuk populasi yang

tidak terbatas

Untuk populasi yang Di mana :

terbatas p : proporsi sampel
Za/2 : Nilai Z dari tingkat keyakinan
P : Proporsi populasi yang diduga
sp : Standar error/kesalahan dari proporsi
C : Tingkat keyakinan
a : 1-C
12.8 Interval keyakinan selisih rata-rata dan
proporsi

12.8 .1 Interval keyakinan untuk selisih rata-rata

probabilitas

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

Apabila standar deviasi dari populasi tidak ada, maka

dapat diduga dengan standar deviasi sampel yaitu:

Ϭx1=x2 : Standar error selisih rata-rata populasi

Ϭx1,ϭx2 : Standar deviasi dari dua populasi
Sx1-x2 : Standar error selisih rata-rata sampel
Sx1,Sx2 : Standar deviasi sampel dari dua populasi
n1,n2 : Jumlah sampel setiap populasi
 12.8 .2 Interval keyakinan untuk selisih proporsi

Probabilitas

Standar error dari nilai selisih proporsi adalah :

Di mana:
p1,p2 : Proporsi sampel dari dua populasi
Sp1-p2 : Standar error selisih proporsi dari dua populasi
n1,n2 : Jumlah sampel setiap populasi
 12.9 Memilih ukuran sampel

Ada tiga faktor penting yang harus diperhatikan untuk memilih sampel yang baik yaitu:

Tingkat keyakinan yang

dipilih

Kesalahan maksimum
yang diperoleh

Variasi dari populasi

 12.9.1 Jumlah sampel untuk menduga rata-rata populasi

Rumus jumlah sampel dalam populasi

Rumus tersebut diturunkan dari interval keyakinan

sebagaimana diuraikan sbb:
12.9.2 Jumlah sampel untuk menduga proporsi populasi

Untuk mendapatkan rumus jumlah sampel dalam proporsi populasi dapat diturunkan
sbb:
THANK YOU
Insert the Sub Title of Your Presentation