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