Prodi Akuntansi

Fakultas Ekonomi dan Bisnis

Universitas Nusa Cendana

Statistika Ekonomi dan Bisnis 2

TEORI PENDUGAAN
STATISTIK

1
PENDUGA TUNGGAL SEBAGAI FUNGSI UNSUR POPULASI

atau S = f( X1, X2, …, X n)

X

di mana: s2 = 1  (X i - X ) 2
n-1
X=
1 Xi s2 = 1 {(X1 - X ) 2 + (X2 - Xx) 2 + … + (Xn - X ) 2}
n n-1
X = 1 (X1 + X2 + … + X n)
n

f( X2)
f( X3)
f(X1)

Bab 12: Teori Pendugaan Pendugaan Titik

 SIFAT-SIFAT PENDUGA

Penduga Tidak Pendug Penduga

Bias a Konsiste
Efisien n
• Unbiased • Efficient • Consistent
estimator estimator
estimato
r

4
Bab 12: Teori Pendugaan Pendugaan Titik
 Penduga tidak bias

Penduga Tidak Bias

• Jika di dalam sampel random

yang berasal dari populasi,
rata-rata atau nilai harapan
(expexted value, X ) dari
statisti ksampel sama dengan E( X ) =
parameter populasi () atau
dapat dilambangkan dengan
E( X ) = 

E( X )   4
Bab 12: Teori Pendugaan Pendugaan Titik
 Penduga efisien
Penduga Efisien

Penduga yang efisien adalah penduga yang tidak bias dan

mempunyai varians terkecil (sx2) dari penduga-penduga lainnya.

2
sx1
2 <s 2
sx1 x2
2
sx2

5
Bab 12: Teori Pendugaan Pendugaan Titik
 Penduga Konsisten
Penduga Konsisten
Penduga yang konsisten 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
Bab 12: Teori Pendugaan Pendugaan Titik
 Pendugaan interval

Pendugaan interval
menyatakan jarak di dalam
mana suatu parameter
populasi mungkin berada.

Bab 12: Teori Pendugaan Pendugaan

 Rumus interval pendugaan

(s – Zsx < P < s + Zsx ) = C

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 – Zs : nilai batas bawah keyakinan 9

Bab 12: Teori Pendugaanx Pendugaan
 Menentukan jumlah sampel tiap Stratum

0.50 0,50

X
X X X

X X X
95% X
X X X 99%
X X X X
X X X X X X

Z =-2,58 Z=-1,96 0= Z =2,58

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 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.
Bab 12: Teori Pendugaan Pendugaan
 Menentukan jumlah sampel tiap Stratum

0.50 0,50

0,95/2 = 0,4750 0,95/2 = 0,4750

0,50/2 = 0,025 0,50/2 = 0,025

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( – 2,58sx < m < + 2,58sx) =
0,99.
Bab 12: Teori Pendugaan Pendugaan
 Menentukan jumlah sampel tiap Stratum

x = –1,96sx x = –1,96sx

x1 = interval 1 mengandung µ

x2 = interval 1 mengandung µ
x95 = interval 95 mengandung µ
x95 = interval 95—100 tidak mengandung µ

Pada gambar di atas terlihat bahwa interval 1 dengan nilai rata-rata interval 95
dengan rata-rata 95 mengandung nilai parameternya yaitu dan hanya
96 sampai 100 atau 5% interval saja yang tidak dari statistik
mengandung .
Jadi interval keyakinan C= 95 dapat diartikan bahwa sebanyak 95% interval
mengandung nilai parameter aslinya yaitu  dan hanya 5% interval saja yang tidak
mengandung parameternya.
12 12
Bab 12: Teori Pendugaan Statistik Pendugaan
 Kesalahan standar

Kesalahan standar dari rata-

rata hitung sampel adalah standar
deviasi
distribusi sampel dari rata-rata

Bab 12: Teori Pendugaan Kesalahan Standar dari Rata-rata

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

  : Standar deviasi
sx 
populasi
n
sx : Standar
error/kesalahan
Untuk populasi yang standar dari rata-rata
terbatas n/N > hitung sampel
0,05:
n : Jumlah atau
sx  Nn ukuran sampel

n
N1
N : Jumlah atau
ukuran
Bab 12: Teori Pendugaan populasi
Kesalahan Standar dari Rata-rata
14
 Interval keyakinan rata-rata hitung
Rumus interval keyakinan rata-rata hitung
X  Z /2s/n

Untuk populasi Tingkat C/2 Nilai Terdekat Nilai Z

yang Keyakinan
terbatas, faktor
koreksi 0,99 0,495 0,4951 2,58
menjadi 0,98 0,490 0,4901 2,53
 (N–n)/N-1.
Nilai merupakan 0,95 0,475 0,4750 1,96
rata-rata dari 0,90 0,450 0,4505 1,65
sampel, sedangk
an nilai Z untuk 0,85 0,425 0,4251 1,44
beberapa 0,80 0,400 0,3997 1,28
nilai C

Bab 12: Teori Pendugaan Menyusun Interval

 Interval keyakinan rata-rata hitung

Berdasarkan pada nilai Z dan diasumsikan bahwa n>30

maka dapat disusun interval beberapa keyakinan
sebagai berikut:

99% •  2,58 s/n

98% •  2,33 s/n
95% •  1,96 s/n
99% •  1,65 s/n
98% •  1,44 s/n

15
Bab 12: Teori Pendugaan Menyusun Interval
 Interval keyakinan rata-rata 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 akan terdapat pada interval

1 -  dengan batas bawah -Z /2 dan batas atas Z /2.
16
Bab 12: Teori Pendugaan Menyusun Interval
SKEMA PROSES INTERVAL KEYAKINAN
Populasi Tidak Terbatas
X  Z /2 s/n

Mulai Identifikasi Menentukan

sampel (n) dan Menentukan Keyakinan(C
masalah atau = (1 – C) dan Nilai Z
nilai rata-rata
X

Populasi Terbatas
X  Z /2 s/(N - n)/N-1

Bab 12: Teori Pendugaan Interval Keyakinan Rata-rata

 DISTRIBUSI & STANDAR DEVIASI POPULASI
Distribusi Sampling: Normal
Standar Deviasi Populasi: Diketahui
Probabilitas ( X – Z/2  x <  < ( X 
Z/2 s/(N – n)/N – 1n sx ) = C
X
atau
Probabilitas (  Z/2 sx ) = C
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)

Bab 12: Teori Pendugaan Interval Keyakinan Rata-rata

Distribusi & standar deviasi populasi
Distribusi Sampling: Normal
Standar Deviasi Populasi: Tidak Diketahui
Standar error untuk populasi Standar error untuk populasi yang
tidak terbatas terbatas dan n/N > 0,05:

Sx  S N
S
S  n nN 
x

n
1
Distribusi normal standar
Distribusi t dengan n=25

Distribusi t dengan
n=15
Distribusi t dengan n=5

20
Bab 12: Teori Pendugaan Interval Keyakinan Rata-rata
Distribusi & standar deviasi
Distribusi Sampling: Mendekati Normal
Standar Deviasi Populasi: Tidak Diketahui
( X – t/2 sx<  < ( X + t/2 sx )

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
Bab 12: Teori Pendugaan Interval Keyakinan Rata-rata
Distribusi & standar deviasi
Untuk populasi yang atas
tidak terbatas Sp  p(1  p) N 
n n  1 N 
Untuk populasi yang t e r b a t a s p(1
1 p)
Sp 
n 1
Rumus pendugaan p ro p o rsi populasi
P r o b a b i l i t a s ( p - Z  / 2 .Sp<P< p + Z  / 2 .S p)
p : Proporsi
sampel
Z  / 2 : N i l a i Z d a r i t i n g k a t keyakinan 

P : P r o p o r s i popul asi yang diduga

Sp : Standar e r r o r / k e s a l a h a n d a r i pr opor s i

C : Ti n g k a t keyakinan

 :1 – C 22
Bab 12: Teori Pendugaan Interval Keyakinan Rata-rata
 Interval keyakinan untuk selisih rata-rata

Probabilitas

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

2 2
x x
x 1 x 2 
 1
 2

n1 n2
Apabila standar deviasi dari populasi tidak ada, maka dapat diduga dengan
standar deviasi sampel yaitu:
Di mana: 2 2
sx sx
sx  x  1
 2

1 2
n1 n2
: Standar deviasi selisih rata-rata populasi
x1-x2
: Standar error selisih rata-rata
sx1-x2
sx1, sx1: Standar deviasi sampel dari dua populasi
n1, n2: Jumlah sampel setiap populasi

Bab 12: Teori Pendugaan Interval Keyakinan Rata-rata Selisih

 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:

sp  p  p1 (1 p1 ) p2 (1 p2 )
1 2
n 1  n2 1
1

p1, p2 : Proporsi sampel dari dua populasi

Sp1, sp1: Standar error selisih proporsi dari dua populasi
n1, n2 : Jumlah sampel setiap populasi

Bab 12: Teori Pendugaan Interval Keyakinan Rata-rata Selisih

FAKTOR UKURAN SAMPEL
Faktor yang memengaruhi jumlah sampel:

Tingkat keyakinan yang dipilih

Kesalahan maksimum yang diperbolehkan

Variasi dari populasi

24
Bab 12: Teori Pendugaan Memilih Ukuran
RUMUS JUMLAH SAMPEL UNTUK MENDUGA RATA-
RATA POPULASI
Rumus jumlah sampel dalam populasi dirumuskan sebagai berikut:

n = [(Za/2.s)/e]2
Rumus tersebut diturunkan dari interval keyakinan sebagaimana
diuraikan sebagai berikut:

P (–Za/2 < Z < Za/2 ) = C = 1 – a

(–Za/2 < ( – m)/(s/Ön) < Za/2)
(–Za/2 (s/Ön) < ( – m) < Za/2(s/Ön))
(x – m) < Za/2(s/Ön); ingat bahwa error e =
– m e < Za/2(s/Ön);
e2 = (Za/2)2(s2/n);
n = [(Za/2.s)/e]2
25
Bab 12: Teori Pendugaan Memilih Ukuran
RUMUS JUMLAH SAMPEL UNTUK MENDUGA RATA-RATA 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
26
Bab 12: Teori Pendugaan 2 Memilih Ukuran
 SEKIAN
TERIMA KASIH