Pendugaan Parameter

Pendahuluan
• Untuk mengetahui karakteristik umum dari suatu populasi atau
parameter populasi. Misalnya berapa rata-rata pendapatan
penduduk Indonesia, berapa persen yang berada di bawah garis
kemiskinan, apakah metode pengobatan baru lebih efektif
dibandingkan dengan metode lama dan sebagainya.
• Pada kasus-kasus ini kita berbicara mengenai suatu penduga bagi
parameter populasi.
• Untuk menggambarkan karakteristik umum suatu populasi yang
diukur dalam skala rasio,bisa digunakan rata-rata atau proporsinya.
• Untuk mempelajari suatu populasi, umumnya digunakan sebagian
anggotanya saja (sampel) dan informasi besarnya statistik sampel
digunakan untuk menduga parameter.
 Sifat penduga yang diinginkan
 
• Takbias
Nilai harapan penduga sama dengan parameter yang diduga. Misalnya penduga
harga rata-rata merupakan penduga yang tak bias bagi rata-rata populasi µ. Hal
ini berarti apabila proses penarikan contoh diulang-ulang dan untuk setiap contoh
tersebut dihitung rata-rata nya, maka rata-rata tadi akan sama dengan µ.

• Efisien.
Efisiensi penduga ditunjukkan oleh besarnya simpangan baku (deviasi standar)
penduga tersebut. Makin kecil simpangan baku suatu penduga, makin efisien
penduga tersebut.

• Konsisten.
Makin besarnya ukuran contoh maka simpangan baku penduga makin kecil.
 Klasifikasi penduga
• Pendugaan Titik
Untuk menduga rata-rata populasi µ digunakan rata-rata
sampel . Rata-rata sampel dikatakan sebagai penduga titik
bagi µ.
 
• Pendugaan selang.
Penduga titik sering tidak memuaskan karena kemungkinan
besar nilainya tidak sama dengan µ sehingga tingkat
kepercayaan kecil, oleh karena itu dikembangkan penduga
dalam bentuk selang dengan tingkat kepercayaan tertentu
(penduga selang).
 Teorema batas tengah
(Central limit theorem)
• Bila adalah rata-rata suatu sampel acak yang
diambil dari suatu populasi dengan ukuran n,
rata-rata μ dan deviasi standar σ, maka bentuk
batas distribusinya

• bila n mendekati ∞, distribusinya adalah

distribusi normal standar.
 
• Aproksimasi normal bagi akan baik untuk n≥30 asalkan
distribusi populasi tidak terlalu condong.
• Bila n<30, aproksimasi akan baik hanya jika populasi tidak terlalu
jauh dari distribusi normal, dan bila populasi nya normal,
distribusi sampling yang dihasilkan akan mengikuti distribusi
normal tidak peduli seberapa kecil ukuran sampel.
• Ukuran sampel n=30 menjadi pegangan untuk menggunakan
teorema batas tengah.
• Distribusi makin mendekati normal untuk n yang makin besar.
Dapat dilihat juga bahwa harga rata-rata dari tetap sebesar µ
untuk setiap besaran sampel, hanya varians akan bertambah kecil
dengan meningkatnya n.
Ilustrasi teorema batas tengah untuk
n=1
n kecil sampai moderat
n besar.
 Selang kepercayaan
(confidence interval).
• Selang kepercayaan adalah sebuah interval antara dua angka, dipercaya
nilai parameter sebuah populasi terletak di dalam interval tersebut.
• Didekati dengan distribusi Normal (Distribusi z atau Distribusi t)
• Mempunyai 2 batas : batas atas (kanan) dan batas bawah (kiri)
• Derajat Kepercayaan = Tingkat Kepercayaan = Koefisien Kepercayaan = 1 -

•  dibagi ke dua sisi
/2 di atas adalah batas atas dan /2 di bawah adalah batas bawah
• st - zα/2 σst < parameter < st + zα/2 σst
st = statistik sampel
σst = simpangan baku statistik sampel
zα/2 = koefisien yang sesuai dengan interval keyakinan yang digunakan
dalam pendugaan interval yang nilainya diberikan dalam tabel luas kurva
normal
Distribusi z untuk selang kepercayaan 99%.

Luas daerah terarsir Luas daerah terarsir

α/2 = 0,5% α/2 = 0,5%
luas daerah tidak terarsir
dilihat menggunakan tabel distribusi Normal
• Selang kepercayaan 99 %  Derajat
Kepercayaan = 1 -  = 99%

•  = 1 % /2 = 0.5 % = 0,005

• Luas daerah tidak terarsir = 0,99.
• P(0<z<zα/2 ) = 0,495
• z 0,005 = 2,575
 Distribusi t (1)
• Distribusi t mempunyai kesamaan dengan distribusi Z di mana
keduanya simetri terhadap harga rata-rata = nol.
• Kedua distribusi mempunyai bentuk lonceng, tetapi distribusi t
lebih variatif, karena nilai t tergantung kepada fluktuasi nilai harga
rata-rata dan deviasi standar sedang nilai z tergantung hanya
kepada perubahan harga rata-rata dari satu sampel ke lainnya.
Perbedaan ini disebabkan varians dari t tergantung kepada besar
sampel n dan selalu lebih besar dari satu.
• Derajat kebebasan = n-1
• Untuk n mendekati tak terhingga, distribusi t sama dengan
distribusi normal standar.
 Distribusi t (2)
• Derajat kebebasan (degrees of freedom) diartikan
sebagai jumlah total pengamatan dalam sampel (= N)
dikurangi banyaknya kendali (linier) bebas atau
pembatasan (restriksi) yang diletakkan atas
pengamatan tadi.
• Dengan perkataan lain, derajat kebebasan adalah
banyaknya pengamatan bebas dari total pengamatan
N.
• df = N – k
k =banyaknya parameter yang ditaksir
Distribusi t (3)

Distribusi t untuk derajat kebebasan

ʋ =2, ʋ = 5 dan ʋ = ∿
Tabel distribusi t
 Distribusi t (5)
• Distribusi t digunakan dalam persoalan inferensi harga
rata-rata atau dalam persoalan sampel komparatif untuk
menentukan bahwa beda antara dua harga rata-rata
cukup signifikan.

• Penggunaan rumus diatas dengan catatan X 1, X2... Xn

normal.
• untuk n ≥30 digunakan distribusi normal standar
 
Pendugaan parameter harga rata-rata sampel besar
(n≥30)

• Bila nilai simpangan baku populasi (σ)

diketahui, gunakan σ, bila nilai simpangan
baku populasi (σ) tidak diketahui, gunakan
nilai simpangan baku sampel (s)
Contoh
Pendugaan parameter harga rata-rata sampel kecil (n<30)
Contoh
 Besaran sampel
• Pada derajad kepercayaan (1-α), galat(error)
maksimal adalah E, ukuran sampel adalah
Contoh
Pendugaan parameter proporsi
Contoh (1)
Contoh(2)
Pendugaan parameter beda antara dua harga
rata-rata (n>30)
Pendugaan beda rata-rata (n<30)
Contoh (1)
Contoh (2)
Pendugaan parameter beda antara dua
proporsi
Contoh