Bab 12 Teori Pendugaan Statistik

BAB
BAB12
12
TEORI
TEORIPENDUGAAN
PENDUGAANSTATISTIK
STATISTIK
1
Teori Pendugaan Statistik Bab 12
OUTLINE
Bagian
Bagian 33 Statistik
StatistikInduktif
Induktif
Metode dan Distribusi Sampling Pengertian Teori dan Kegunaan
Pendugaan
Pendugaan
Teori Pendugaan Statistik
Teori Pendugaan Statistik Pendugaan Titik Parameter
Pendugaan Titik Parameter
Pendugaan Interval
Pengujian Hipotesis Sampel Besar Pendugaan Interval
Pengujian Hipotesis Sampel Besar
Kesalahan Standar dari Rata-Rata Hitung
Pengujian Hipotesis Sampel Kecil Sampel
Menyusun Interval Keyakinan
Analisis Regresi dan Korelasi Linier
Analisis Regresi dan Korelasi Linier Interval Keyakinan Rata-Rata dan
Interval Keyakinan Rata-Rata dan
Proporsi
Proporsi
Analisis Regresi dan Korelasi Berganda
Analisis Regresi dan Korelasi Berganda Interval Keyakinan Selisih Rata-Rata dan
Interval Keyakinan Selisih Rata-Rata dan
Proporsi
Proporsi
Konsep Dasar Persamaan Simultan
Konsep Dasar Persamaan Simultan Memilih Ukuran Sampel
Memilih Ukuran Sampel
2
PENDUGA TUNGGAL SEBAGAI FUNGSI UNSUR

POPULASI
Standar Deviasi
X atau Sd = f ( X1 , X2 ,..., Xn ) di mana
1 2
1 S2 = å ( Xi - X)
X = å Xi n- 1
n
1
1
X = ( X1 + X2 + ... + Xn )
S2 =
n- 1
{ 2 2
( X1 - X) + ( X2 - X) + ... + ( Xn - X)
2
}
n
X
f( )
2
X
X f( 3 )
f( 1)
3
SIFAT-SIFAT PENDUGA
 Penduga Tidak Bias

Penduga titik dikatakan tidak bias (unbiased estimator) jika di
dalam sampel random yang berasal dari populasi, rata-rata atau
nilai harapan (expexted value) dari statistik sampel sama dengan
parameter populasi () atau dapat dilambangkan dengan E( X) = .
Gambar A Penduga Bersifat Tidak Bias Gambar B Penduga Bersifat Bias 4

SIFAT-SIFAT PENDUGA
 Penduga Efisien
Penduga yang efisien (efficient estimator) adalah penduga yang tidak bias dan
mempunyai varians terkecil (sx2) dari penduga-penduga lainnya.
sx12
sx12 < sx22

sx22
5
DEFINISI
 Penduga Konsisten
Penduga yang konsisten (consistent estimator) 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
6
OUTLINE
Bagian
Bagian 33 Statistik
StatistikInduktif
Induktif
Pendugaan
Pendugaan
Pendugaan Interval
Proporsi
Proporsi
Proporsi
Proporsi
7
DEFINISI PENDUGAAN INTERVAL
Pendugaan interval:
Pendugaan interval adalah suatu interval yang menyatakan

selang di mana suatu parameter populasi mungkin berada.
8
RUMUS INTERVAL PENDUGAAN
(S – Zsx < P < S + Zsx ) = C
Di mana:
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 praktik sudah
ditentukan dahulu.
S – Zsx : Nilai batas bawah keyakinan
S + Zsx : Nilai batas atas keyakinan
9
CONTOH MENENTUKAN JUMLAH SAMPEL

SETIAP 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 =2,58
Z=-1,96 0= 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
X 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.
10

SETIAP STRATUM
0,50 0,50
0,4750 0,4750
(0,95/2) (0,95/2) 0,025
0,025
(0,50/2) (0,50/2)
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 <  < + 1,96sx) = 0,95 sedang untuk C= 0,99 adalah P( X– 2,58s x <  < X+
2,58sx) = 0,99.
11

SETIAP STRATUM
x = –1,96sx x = –1,96sx
x1
Interval 1 mengandung 
x2
x95
x96-100
Interval 95 sampai 100 tidak mengandung 
Pada gambar di atas terlihat bahwa interval 1 dengan nilai rata-rata X interval 95 dengan
rata-rata X 95 mengandung nilai parameternya, yaitu dan hanya X 96 sampai X100 atau
5% interval saja yang tidak dari statistik mengandung . Jadi, interval keyakinan C= 95
dapat diartikan bahwa sebanyak 95% interval dari statistik X mengandung nilai
parameter aslinya, yaitu  dan hanya 5% interval saja yang tidak mengandung
parameternya.
12
OUTLINE
Bagian
Bagian 33Statistik
StatistikInduktif
Induktif
Pendugaan
Pendugaan
Pendugaan Interval
Kesalahan Standar dari Rata-Rata
Kesalahan Standar dari Rata-Rata
Pengujian Hipotesis Sampel Kecil Hitung Sampel
Pengujian Hipotesis Sampel Kecil Hitung Sampel
Proporsi
Proporsi
Proporsi
Proporsi
13
KESALAHAN STANDAR DARI RATA-RATA
HITUNG SAMPEL
Kesalahan standar dari rata-rata hitung sampel adalah standar deviasi distribusi
sampel dari rata-rata hitung sampel. Kesalahan standar dari rata-rata hitung
dihitung dengan rumus sebagai berikut:
s
Untuk populasi yang tidak terbatas n/N < 0,05: SX =
n
untuk populasi yang terbatas dan n/N> 0,05:
s N- n
SX =
n N- 1
Di mana:
 : Standar deviasi populasi
sx : Standar error/kesalahan standar dari rata-rata hitung sampel
n : Jumlah atau ukuran sampel
N : Jumlah atau ukuran populasi
14
OUTLINE
Bagian
Bagian 33 Statistik
StatistikInduktif
Induktif
Pendugaan
Pendugaan
Pendugaan Interval
Proporsi
Proporsi
Proporsi
Proporsi
15
CONTOH INTERVAL KEYAKINAN RATA-RATA

HITUNG
Interval keyakinan untuk rata-rata hitung dirumuskan
X ± Zα / 2S/ n
Untuk populasi yang terbatas, faktor koreksi menjadi  (N ‒ n)/N ‒ 1. Nilai X
merupakan rata-rata dari sampel, sedangkan nilai Z untuk beberapa nilai C
dapat disajikan sebagai berikut.
16

HITUNG
Berdasarkan pada nilai Z dan diasumsikan bahwa n > 30 maka

dapat disusun interval beberapa keyakinan sebagai berikut:
1. Interval keyakinan 99%: X  2,58 s/n

17

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 adan terdapat

pada interval 1 ‒  dengan batas bawah ‒Z /2 dan batas atas
Z /2.
18
OUTLINE
Bagian
Bagian 33 Statistik
StatistikInduktif
Induktif
Pendugaan
Pendugaan
Pendugaan Interval
Proporsi
Proporsi
Proporsi
Proporsi
19
SKEMA PROSES INTERVAL KEYAKINAN
Populasi Tidak Terbatas

X  Z/2 s/n
Mulai Menentukan sampel

Menentukan Keyakinan(C
Identifikasi (n) dan nilai rata-rata
X atau = (1 – C) dan Nilai Z
masalah
Populasi Terbatas
X  Z/2 s/(N ‒ n)/N ‒1
20
DISTRIBUSI NORMAL DAN STANDAR DEVIASI
POPULASI DIKETAHUI
Probabilitas ( X – Z/2 x <  < ( X  Z/2 s/(N – n)/N – 1n sx ) =C

atau Probabilitas ( X  Z/2 sx ) = C
Di mana:
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)
21
DISTRIBUSI NORMAL DAN STANDAR DEVIASI
POPULASI TIDAK DIKETAHUI
Standar error untuk populasi tidak terbatas

S
SX =
n
Standar error untuk populasi yang terbatas dan n/N > 0,05:
S N- n
SX =
n N- 1
Distribusi normal standar
Distribusi t dengan n=25
22
DISTRIBUSI SAMPLING MENDEKATI NORMAL
DAN STANDAR DEVIASI POPULASI TIDAK DIKETAHUI
{ ( X- t α / 2SX ) < μ < ( X + t α / 2SX ) }
Di mana:
X : Rata-rata dari sampel

t α / 2 : Nilai t dari tingkat kepercayaan 
 : Rata-rata populasi yang diduga
sx : Standar error/kesalahan standar dari rata-rata hitung sampel
 :1–C
23
OUTLINE
Bagian
Bagian 33 Statistik
StatistikInduktif
Induktif
Pendugaan
Pendugaan
Pendugaan Interval
Proporsi
Proporsi
Analisis Regresi dan Korelasi Berganda Interval Keyakinan Selisih Rata-Rata
Interval Keyakinan Selisih Rata-Rata
dan Proporsi
dan Proporsi
24
STANDAR DEVIASI PROPORSI SAMPEL

Untuk populasi yang tidak terbatas
p( 1  p ) N n
Sp 
n1 N 1
Untuk populasi yang terbatas

p(1- p)
Sp =
n- 1
Bentuk pendugaan proporsi populasi dirumuskan sebagai berikut:

Probabilitas
( p - Z α / 2.Sp < P < p + Zα / 2 .Sp)
Di mana:
P : Proporsi sampel
Zα / 2 : Nilai Z dari tingkat keyakinan 
P : Proporsi populasi yang diduga
Sp : Standar error/kesalahan dari proporsi
 :1–C
25
OUTLINE
Bagian
Bagian I I Statistik
StatistikInduktif
Induktif
Pendugaan
Pendugaan
Pendugaan Interval
Proporsi
Proporsi
Proporsi
Proporsi
26
INTERVAL KEYAKINAN UNTUK SELISIH RATA-RATA
Probabilitas
{ ( éëX -
1
û- Z α / 2SX ) < μ1 - μ2 < ( ëX1 - X2 û+ Z α / 2SX )
X2 ù é ù }
Di mana standar error dari nilai selisih rata-rata adalah:
σ2x1 σ2x2
σ x1- x2 = +
n1 n2
Apabila standar deviasi dari populasi tidak ada, maka dapat diduga dengan standar deviasi
sampel yaitu:
S2x1 S2x2
Sx1- x2 = +
n1 n2
Di mana:
x1-x2 :Standar error 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 27
INTERVAL KEYAKINAN UNTUK SELISIH PROPORSI
Probabilitas
Probabilitas ( ( p1 - p 2 ) - Z α / 2 .Sp1- p2 ) < ( ( P1 - P2 ) < ( p1 - p 2 ) + Z α / 2 .Sp1- p2 )
Di mana standar error dari nilai selisih proporsi adalah:
p1 ( 1- p1 ) p 2 ( 1- p 2 )
Sp1- 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
28
OUTLINE
Bagian
Bagian 33 Statistik
StatistikInduktif
Induktif
Pendugaan
Pendugaan
Pendugaan Interval
Proporsi
Proporsi
Proporsi
Proporsi
29
FAKTOR UKURAN SAMPEL
Faktor yang memengaruhi jumlah sampel

1. Tingkat keyakinan yang dipilih.
2. Kesalahan maksimum yang diperbolehkan.
3. Variasi dari populasi.
30
RUMUS JUMLAH SAMPEL UNTUK
MENDUGA RATA-RATA POPULASI
Rumus jumlah sampel dalam populasi dirumuskan sebagai berikut:
n = [(Z/2.)/]2
Rumus tersebut diturunkan dari interval keyakinan sebagaimana

diuraikan sebagai berikut:
P (–Z/2 < Z < Z/2 ) = C = 1 – 

(–Z/2 < ( X – )/(/n) < Z/2)
(–Z/2 (/n) < ( X – ) < Z/2(/n))
X
(x – ) < Z/2(/n); ingat bahwa error  = – 
 < Z/2(/n);
2 = (Z/2)2(2/n);
n = [(Z/2.)/]2
31
RUMUS JUMLAH SAMPEL UNTUK MENDUGA
RATA-RATA PROPORSI 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 32
TERIMA KASIH
33

Bab 12 Teori Pendugaan Statistik

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Bab 12 Teori Pendugaan Statistik

Diunggah oleh

Hak Cipta:

Format Tersedia

BAB

PENDUGA TUNGGAL SEBAGAI FUNGSI UNSUR

 Penduga Tidak Bias

Gambar A Penduga Bersifat Tidak Bias Gambar B Penduga Bersifat Bias 4

sx12 < sx22

DEFINISI PENDUGAAN INTERVAL

Pendugaan interval adalah suatu interval yang menyatakan

RUMUS INTERVAL PENDUGAAN

(S – Zsx < P < S + Zsx ) = C

S : Statistik yang merupakan penduga parameter populasi (P)

CONTOH MENENTUKAN JUMLAH SAMPEL

CONTOH MENENTUKAN JUMLAH SAMPEL

CONTOH MENENTUKAN JUMLAH SAMPEL

CONTOH INTERVAL KEYAKINAN RATA-RATA

Interval keyakinan untuk rata-rata hitung dirumuskan

CONTOH INTERVAL KEYAKINAN RATA-RATA

Berdasarkan pada nilai Z dan diasumsikan bahwa n > 30 maka

1. Interval keyakinan 99%: X  2,58 s/n

CONTOH INTERVAL KEYAKINAN RATA-RATA

Interval keyakinan tersebut dapat juga digambarkan

Batas bawah Batas atas

Nilai parameter yang sebenarnya diharapkan adan terdapat

SKEMA PROSES INTERVAL KEYAKINAN

Populasi Tidak Terbatas

Mulai Menentukan sampel

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

Standar error untuk populasi tidak terbatas

Distribusi normal standar

Distribusi t dengan n=25

Distribusi t dengan n=15

Distribusi t dengan n=5

{ ( X- t α / 2SX ) < μ < ( X + t α / 2SX ) }

X : Rata-rata dari sampel

STANDAR DEVIASI PROPORSI SAMPEL

Untuk populasi yang terbatas

Bentuk pendugaan proporsi populasi dirumuskan sebagai berikut:

INTERVAL KEYAKINAN UNTUK SELISIH RATA-RATA

INTERVAL KEYAKINAN UNTUK SELISIH PROPORSI

Probabilitas ( ( p1 - p 2 ) - Z α / 2 .Sp1- p2 ) < ( ( P1 - P2 ) < ( p1 - p 2 ) + Z α / 2 .Sp1- p2 )

Di mana standar error dari nilai selisih proporsi adalah:

p1, p2 : Proporsi sampel dari dua populasi

FAKTOR UKURAN SAMPEL

Faktor yang memengaruhi jumlah sampel

Rumus jumlah sampel dalam populasi dirumuskan sebagai berikut:

Rumus tersebut diturunkan dari interval keyakinan sebagaimana

P (–Z/2 < Z < Z/2 ) = C = 1 – 

Untuk mendapatkan rumus jumlah sampel dalam pendugaan

P (–Z/2 < Z < Z/2 ) = C = 1 – 

Anda mungkin juga menyukai