Statistik Inferensial

PENDAHULUAN
 Peneliti menghadapi persoalan populasi yang terlalu besar
untuk melakukan pengujian
 Untuk mendapatkan seluruh data obyek atau kasus yang akan
dipelajari memerlukan biaya dan waktu
 Meskipun populasi kecil, juga akan melelahkan untuk melihat
kasus satu persatu
 Dengan demikian, peneliti sering merasa cukup untuk
mengambil sampel kasus atau obyek yang menjadi wakil dari
populasi yang akan diteliti.
 Apabila Penelitian dimaksudkan untuk membuat kesimpulan
umum tentang populasi , sementara data yang ada hanya
sampel dari populasi tersebut, maka harus dilakukan inferensi
tentang karakteristik populasi.
 PENGERTIAN
 Metoda Analisis Statistik Inferensial adalah metoda yang
membantu dalam membuat kesimpulan umum tentang
karakteristik populasi berdasarkan apa yang dapat
dipelajari dari sampel yang dipereoleh dari populasi
tersebut.
 Penerapan Analisis Statistik Inferensi dapat mengambil 2
bentuk:
 Prosedur EstimasiSuatu perkiraan Parameter Populasi yang
dibuat pada apa yang diketahui tentang sampel
 Pengujian Hipotesis Keakuratan suatu hipotesa tentang
populasi yang diuji terhadap hasil sampel
KONSEP DASAR
Tiga Pengetahuan Dasar diperlukan untuk memahami
prosedur Analisis Inferensial:
 Probabilitas Dasar
 Kurva Normal
 Distribusi Sampling
ISTILAH DALAM KONSEP SAMPLING
 Sampel Random/ Sampel probabilitas :
 Statistik : besaran yang dipakai untuk menerangkan beberapa
sifat karakteristik dari suatu sampel (mea, median, standar
deviasi)dari suatu sampel
 Populasi : kumpulan secara keseluruhan obyek atau orang
yang mewakili populasi
 Parameter : suatu yang dipakai utk menerangkan beberapa
sifat karakteristik dari suatu populasi
 Estimator yang tidak bias : besaran statistik yang memiliki
nilai harapan yang sama dengan parameter yang diestimasi
(populasi)
LAMBANG2..
 μ : lambang rata2 populasi, estimatornya x
 p : lambang proporsi populasi, estimatornya p̂
 σ : lambang standar deviasi populasi, estimatornya s.
untuk nilai ini, jika faktor koreksi belum termasuk di
dalamnya, estimator yang sesuai adalah

 N : jumlah besar populasi

 N : jumlah besar sampel
 KONSEP DASAR PROBABILITAS
7

 Banyak kejadian dalam kehidupan sehari-hari yang sulit

diketahui dengan pasti, terutama kejadian yang akan
datang.
 Meskipun kejadian-kejadian tersebut tidak pasti, tetapi
kita bisa melihat fakta-fakta yang ada untuk menuju
derajat kepastian atau derajat keyakinan bahwa sesuatu
akan terjadi.
 Derajat / tingkat kepastian atau keyakinan dari
munculnya hasil percobaan statistik disebut Probabilitas
(Peluang), yang dinyatakan dengan P.
8

 Eksperimen/percobaan probabilitas adalah segala kegiatan

dimana suatu hasil (outcome) diperoleh.
 Ruang sampel adalah himpunan seluruh kemungkinan
outcome dari suatu eksperimen/percobaan. Biasanya
dinyatakan dengan S. Banyaknya outcome dinyatakan dengan
n(S).
 Peristiwa/kejadian adalah himpunan bagian dari outcome
dalam suatu ruang sampel.
KURVA NORMAL
Distribusi normal adalah distribusi yang memiliki kurva
yang berkesinambungan berbentuk simetris
 Distribusi normal pertama kali diperkenalkan oleh
Abraham de Moivre dalam artikelnya pada tahun 1733 sebagai
pendekatan distribusi binomial untuk n besar. Karya tersebut
dikembangkan lebih lanjut oleh Pierre Simon de Laplace, dan
dikenal sebagai teorema Moivre-Laplace. Laplace menggunakan
distribusi normal untuk analisis galat. Metode kuadrat terkecil
diperkenalkan oleh Legendre pada tahun 1805. Sementara itu
Gauss1794 dengan mengasumsikan galatnya memiliki distribusi
normal.
 Istilah kurva lonceng diperkenalkan oleh Jouffret pada tahun 1872
untuk distribusi normal bivariat. Sementara itu istilah distribusi
normal secara terpisah diperkenalkan oleh Charles S. Peirce, Francis
Galton, dan Wilhelm Lexis sekitar tahun 1875. Terminologi ini
secara tidak sengaja memiliki nama sama.
 KARAKTERISTIK DISTRIBUSI KURVA NORMAL

1. Kurva berbentuk genta (= Md= Mo)

2. Kurva berbentuk simetris
3. Kurva normal berbentuk asimptotis. Kedua ekor kurva
memanjang tak berbatas dan pernah memotong
sumbu horizontal
4. Kurva mencapai puncak pada saat X= 
5. Luas daerah di bawah kurva adalah 1; ½ di sisi kanan
nilai tengah dan ½ di sisi kiri. Total=1
 JENIS-JENIS DISTRIBUSI NORMAL

Distribusi kurva normal dengan  sama dan  berbeda

10
9
8
7
6
5
4
3
2
1
0
m

Mesokurtic Platykurtic Leptokurtic

Distribusi kurva normal dengan  berbeda dan  sama

Mangga “C” Mangga “A”

Mangga “B”
Distribusi kurva normal dengan  dan  berbeda

85 850
 KURVA NORMAL
Kurva Normal merupakan model teoritis sejenis frekwensi
poligon yang benar-benar simetris dan mulus.
 Teori yang mendasari Statistik Inferensial
 Kurva Normal dikombinasikan dengan Standar Deviasi dapat
digunakan untuk membangun pernyataan deskriptif yang tepat
tentang distribusi empiris.
 Konsep Dasar Kurva Normal :
1. Berbentuk lonceng berarti simetris di kanan dan kiri dari 'mean‘
2. 'Mean' = 'median' = 'mode', nilai dari ketiga ukuran sentral ini terletak pada titik
yang sama pada sumbu X dan hanya mempunyai satu 'mode' (unimodal).
3. Jumlah seluruh daerah diatas sumbu X dan dibawah kurva setara dengan satu atau
seratus persen. Karena kurva Normal simetris,berbentuk lonceng dan unimodal
maka daerah di di kanan dan di kiri garis tegak lurus diatas meanmasing-masing
besarnya 0,5 atau 50%.
4. Kurva ditetapkan oleh dua parameteryaitu 'mean' yang merupakan pusat atau
konsentrasi distribusi dan standar deviasi yang menentukan penyebaran distribusi di
sekitar 'mean'.
5. Ujung-ujung kurva meruncing dikanan dan kiri tetapi tidak pernah mennyentuh
garis X (asymptotic), dan jarak keujungujungnya dari 'mean' menujukkan tingkat
frekuensi pengukuran.
6. Bila garis tegak lurus dibuat pada jarak satu standar deviasi di kanan dan di kiri
'mean' akan mencakup daerah seluas kira-kira 68% di dalamnya (antara garis
tersebut, kurva dan sumbu bila dua standard deviasi 95%, bila tiga standar deviasi
99,7% dan area di luar tiga
DAERAH KURVA NORMAL
 KURVA NORMAL STANDARD (KURVA NORMAL
BAKU)

 Nilai Z Nilai Standar Konversi Nilai asli ke Standar Deviasi

 Nilai Z  untuk menemukan prosentase wilayah total di bawah
kurva normal
CONTOH SOAL
CARA MENJAWAB SOAL
PENYELESAIAN
NILAI IQ SAMPEL WANITA

Proporsi Wanita
dengan IQ < 120
sebesar 97,72 %
NILAI IQ SAMPEL LAKI-LAKI

Proporsi Laki-laki
dengan IQ < 120
sebesar 84,13 %
 Distribusi Student t
 Prosedur untuk estimasi standard error dengan standart deviasi sampel
 S
x  
n n
Hanya sesuai bila sampel besar
S 
Atau Sx   x

Dengan Ukuran Sampel Kecil:

Kachigan < 30
Healey < 100
Hasil Interval kepercqayaan secara substansi menjadi salah
 Distribusi Student t dapat membantu mengatasi Interval Kepercayaan
dalam sampel kecil dan tidak diketahui


 Distribusi Student t
 Student t adalah suatu distribusi probabilitas yang mirip
dengan distribusi normal, tetapi dengan beberapa
perbedaan penting
 Student t digunakan untuk menemukan area di bawah
distribusi sampling dan untuk menentukan wilayah kritis
 Bentuk ditribusi t bergantung pada ukuran sampel
 Ukuran sampel kecil distribusi t lebih datar daripada
distribusi Z.
 Begitu sampel menjadi besar distribusi t mendekati bentuk
distribusi Z
 Keduanya identik bila ukuran sampel >120
 Bila Ukuran Sampel (n) meningkat Standard Deviasi Sampel
(s) semakin memenuhi sebagai estimator Standard Deviasi
Populasi (  )  distribusi t semakin dekat dengan distribusi z
DISTRIBUSI STUDENT T
 Distribusi Student t
 Distribusi t bergantung pada ukuran sampel ada
pertimbangan tentang Derajat Kebebasan
Derajat Kebebasan adalah jumlah observasi dalam data
yang bebas untuk berubah setelah statistik sampel
dihitung jumlah observasi yang tidak bias
Kasus satu sampel DF= N-1
Kasus dua sampel DF= N1+N2-2
 Seperti dalam Distribusi Z, tabel distribusi t akan
membantu menemukan wilayah di bawah kurva normal