Bab 12 TEORI PENDUGAAN STATISTIK

BAB
BAB12
12
TEORI
TEORIPENDUGAAN
PENDUGAANSTATISTIK
STATISTIK
1
Teori Pendugaan Statistik Bab 12
OUTLINE
Bagian
Bagian I I 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 Hipotesa Sampel Besar Pendugaan Interval
Pengujian Hipotesa Sampel Besar
Kesalahan Standar dari Rata-rata Hitung
Pengujian Hipotesa Sampel Kecil Sampel
Menyusun Interval Keyakinan
Analisis Regresi dan Korelasi Linier
Interval Keyakinan Rata-rata dan 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
OUTLINE
Bagian
StatistikInduktif
Induktif
Pendugaan
Pendugaan
Pendugaan Interval
Proporsi
Proporsi
3
4
PENDUGA TUNGGAL SEBAGAI FUNGSI UNSUR

POPULASI
Xatau S = f( X1, X2, …, X n) Standar deviasi

di mana:
s2 = 1  (Xi - X) 2
X = 1 Xi
n-1
n X X X
s2 = 1 {(X1 - ) 2 + (X2 - x) 2 + … + (Xn - ) 2}
X
= 1 (X1 + X2 + … + X n)
n-1
n
f( X 2)
f( X 3)
f(X 1)
5
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, X) dari statistik sampel sama dengan
parameter populasi () atau dapat dilambangkan dengan E( X ) = .
X X
E( ) = E( )  
Gambar A Penduga Bersifat Tidak Bias Gambar B Penduga Bersifat Bias 6

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
7
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
8
OUTLINE
Bagian
StatistikInduktif
Induktif
Pendugaan
Pendugaan
Pendugaan Interval
Proporsi
Proporsi
9
DEFINISI
Pendugaan interval:
Pendugaan interval adalah menyatakan jarak di dalam

mana suatu parameter populasi mungkin berada.
10
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 praktek sudah
ditentukan dahulu.
s – Zsx : Nilai batas bawah keyakinan
s + Zsx : Nilai batas atas keyakinan
11
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.
12

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 < m < + 1,96sx) = 0,95 sedang untuk C= 0,99 adalah P( X – 2,58sx <  < X+
2,58sx) = 0,99.
13

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 X 100 atau
5% interval saja yang tidak dari statistik mengandung . Jadi interval keyakinan C= 95
dapat diartikan bahwa sebanyak 95% interval X mengandung nilai parameter aslinya yaitu 
dan hanya 5% interval saja yang tidak mengandung parameternya.
14
OUTLINE
Bagian
StatistikInduktif
Induktif
Pendugaan
Pendugaan
Pendugaan Interval
Kesalahan Standar dari Rata-rata
Kesalahan Standar dari Rata-rata
Pengujian Hipotesa Sampel Kecil Hitung Sampel
Pengujian Hipotesa Sampel Kecil Hitung Sampel
Proporsi
Proporsi
15
DEFINISI
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:
Untuk populasi yang tidak terbatas n/N < 0,05:

se 
n
untuk populasi yang terbatas dan n/N> 0,05:
 N n
s 
e 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
16
OUTLINE
Bagian
StatistikInduktif
Induktif
Pendugaan
Pendugaan
Pendugaan Interval
Proporsi
Proporsi
17
CONTOH INTERVAL KEYAKINAN RATA-RATA

HITUNG
Interval keyakinan untuk rata-rata hitung dirumuskan

X Z /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

Tingkat Keyakinan C/2 Nilai Terdekat Nilai Z
0,99 0,495 0,4951 2,58
0,98 0,49 0,4901 2,33
0,95 0,475 0,475 1,96
0,9 0,45 0,4505 1,65
0,85 0,425 0,4251 1,44
0,8 0,4 0,3997 1,28
18

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

19

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.
20
ndapatan asli daerah. Dari 500 buah kamar yang didata ternyata sewa per kamarnya rata-rata Rp 200 ribu dengan standar deviasi sebe
 Pemerintah Daerah Kotamadya Bogor ingin mendata tentang

jumlah kamar hotel, sebagai upaya untuk peningkatan
pendapatan asli daerah. Terdapat 500 buah kamar, dari 20
buah kamar yang didata ternyata sewa per kamarnya rata-rata
Rp 200 dengan standar deviasi sebesar Rp 30 . Dengan
menggunakan tingkat kepercayaan 95%, buatlah interval
keyakinan untuk biaya sewa kamar hotel di Bogor.
 Interval keyakinan
 X-Z. se <  < X+Z . Se
21
 Departemen Perindustrian dan Perdagangan ingin mengetahui
pendapatan rata-rata dari usaha UKM di Jawa Barat tahun
2003. Dari total 660 UKM di bawah bimbingan Departemen,
diambil sampel 120 UKM yang terdapat di Bogor, Cirebon,
Tasikmalaya dan Cianjur. Rata-rata pendapatan perbulannya
ternyata meningkat menjadi 2,1 juta dengan standar deviasi
populasinya 0,8 juta. Dengan tingkat keyakinan 95%, buatlah
interval rata-rata kenaikan pendapatan UKM di Jawa Barat!
 Interval keyakinan
(x-Z /2 . /n<  < (x+Z /2 ./n)
22
OUTLINE
Bagian
StatistikInduktif
Induktif
Pendugaan
Pendugaan
Pendugaan Interval
Proporsi
Proporsi
23
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
24
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)
25
DISTRIBUSI NORMAL DAN STANDAR DEVIASI
POPULASI TIDAK DIKETAHUI
Standar error untuk populasi tidak terbatas

𝑆 𝑆
𝑥 =
√𝑛
❑
Standar error untuk populasi yang terbatas dan n/N > 0,05:
𝑆 𝑥 = 𝑆 𝑁 −𝑛
√𝑛
❑
❑
√ 𝑁 −1
Distribusi normal standar
Distribusi t dengan n=25
26
DISTRIBUSI SAMPLING MENDEKATI NORMAL
DAN STANDAR DEVIASI POPULASI TIDAK DIKETAHUI
( X – t/2 sx<  < ( X + t/2 sx )
Di mana:
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
27
OUTLINE
Bagian
StatistikInduktif
Induktif
Pendugaan
Pendugaan
Pendugaan Interval
Analisis Regresi dan Korelasi Berganda Interval Keyakinan Selisih Rata-rata
Interval Keyakinan Selisih Rata-rata
dan Proporsi
dan Proporsi
28
CONTOH MENGHITUNG RETURN ON ASSET

Untuk populasi yang terbatas > 0.05
Sp= ❑ 𝑝 (1 − 𝑝 ) 𝑁 −𝑛
√ 𝑛 −1
❑
√ 𝑁 −1
Untuk populasi yang tidak terbatas < 0.05

𝑝 (1 − 𝑝 )
Sp= ❑
√ 𝑛 −1
Bentuk pendugaan proporsi populasi dirumuskan sebagai berikut:

Probabilitas (p - Z/2.Sp<P< p + Z/2.Sp)
Di mana:
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 29
OUTLINE
Bagian
StatistikInduktif
Induktif
Pendugaan
Pendugaan
Pendugaan Interval
Proporsi
Proporsi
30
INTERVAL KEYAKINAN UNTUK SELISIH RATA-RATA
Probabilitas
(( X - X ) - Z/2. x1-x2) <( X- X) < ( X-
1 2 1 2 1 ) + Z/2. x1-x2)
X2
Di mana standar error dari nilai selisih rata-rata adalah:

𝜎
𝜎𝑥 𝜎𝑥
𝑥 1− 𝑥 2= ¿ =
❑
√ 𝑛❑
2
1
1
+
𝑛2
2
2
¿
Apabila standar deviasi dari populasi tidak ada, maka dapat diduga dengan standar deviasi
sampel yaitu:
Di mana:
𝑠
𝑠𝑥 𝑠𝑥
𝑥1 − 𝑥 2=¿ =
❑
√ 𝑛❑
2
1
1
+
𝑛2
2
2
¿
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
31
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:

𝑠

𝑝 1( 1 − 𝑝 1) 𝑝2 (1 − 𝑝 2)
𝑝 1 − 𝑝 2= ¿ = ❑
√ 𝑛❑ − 1
1
+
𝑛 2 −1
¿
p1, p2 : Proporsi sampel dari dua populasi

Sp1, sp1: Standar error selisih proporsi dari dua populasi
n1, n2 : Jumlah sampel setiap populasi
32
OUTLINE
Bagian
StatistikInduktif
Induktif
Pendugaan
Pendugaan
Pendugaan Interval
Proporsi
Proporsi
33
FAKTOR UKURAN SAMPEL
Faktor yang mempengaruhi jumlah sampel
1. Tingkat keyakinan yang dipilih.

2. Kesalahan maksimum yang diperbolehkan.
3. Variasi dari populasi.
34
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
35
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 36
 Kontroversi tentang presiden wanita mendorong
sebuah stasiun TV membuat jajak pendapat. Dari
1400 orang yang terdiri dari 800 pria dan 600 wanita,
ternyata 360 pria dan 500 wanita menyukai
presiden wanita. Berapa beda proporsi antara pria
dan wanita yang menyukai presiden wanita dengan
menggunakan tingkat keyakinan 95%?
37
 Kontroversi tentang presiden wanita mendorong sebuah stasiun TV
membuat jajak pendapat. Dari 1400 orang yang terdiri dari 800 pria
dan 600 wanita, ternyata 360 pria dan 500 wanita menyukai presiden
wanita. Berapa beda proporsi antara pria dan wanita yang menyukai
presiden wanita dengan menggunakan tingkat keyakinan 95%?
 PT Lipo Karawaci yang merupakan perusahaan perumahan di

Indonesia akan membangun perumahan di Sentul, Bogor. Untuk
keperluan tersebut diadakan survey tentang daya beli masyarakat.
Berdasarkan data di Kecamatan diketahui standar deviasi pendapatan
masyarakat sebesar 0,8 juta. Apabila diasumsikan bahwa kesalahan
penarikan sampel sebesar 0,1 juta, dengan tingkat kepercayaan 99%,
berapa sampel yang harus diambil oleh PT Lipo Karawaci?
38
TERIMA KASIH
39

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

Xatau S = f( X1, X2, …, X n) Standar deviasi

 Penduga Tidak Bias

Gambar A Penduga Bersifat Tidak Bias Gambar B Penduga Bersifat Bias 6

sx12 < sx22

Pendugaan interval adalah menyatakan jarak di dalam

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

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

CONTOH INTERVAL KEYAKINAN RATA-RATA

Interval keyakinan untuk rata-rata hitung dirumuskan

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

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 pada interval 1 - 

 Pemerintah Daerah Kotamadya Bogor ingin mendata tentang

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 t dengan n=25

Distribusi t dengan n=15

Distribusi t dengan n=5

( X – t/2 sx<  < ( X + t/2 sx )

X : Rata-rata dari sampel

CONTOH MENGHITUNG RETURN ON ASSET

Untuk populasi yang tidak terbatas < 0.05

Bentuk pendugaan proporsi populasi dirumuskan sebagai berikut:

INTERVAL KEYAKINAN UNTUK SELISIH RATA-RATA

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

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

INTERVAL KEYAKINAN UNTUK SELISIH PROPORSI

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, p2 : Proporsi sampel dari dua populasi

FAKTOR UKURAN SAMPEL

Faktor yang mempengaruhi jumlah sampel

1. Tingkat keyakinan yang dipilih.

Rumus jumlah sampel dalam populasi dirumuskan sebagai berikut:

Rumus tersebut diturunkan dari interval keyakinan sebagaimana

Untuk mendapatkan rumus jumlah sampel dalam pendugaan

P (–Z/2 < Z < Z/2 ) = C = 1 – 

 PT Lipo Karawaci yang merupakan perusahaan perumahan di

Anda mungkin juga menyukai