Metode Penarikan sampel: pengambilan sebagian obyek dari keseluruhan obyek,dan atas hasil penyeledikan

itu suatu keputusan atau kesimpulan mengnai keseluruhan itu dibuat

Populasi adalah kumpulan dar seluruh elemen(unit,individu) sejenis dan dapat dibedakan yang
menjadi obyek penyelidikan(penelitian)
Sampel adalah sebagan dari populasi yang karakteristiknya hendak diselidiki

Alasan menarik sampel dari populasi:

1. Obyek yg diteliti sifatnya mudah rusak,contoh bolam, rasa jajan
2. Obyek yg diteliti bersifat homogen,contoh kadar garam air laut
3. Tdk mungkin meneliti secara fisik seluruh obyek dalam populasi,contoh
ular,burung,ikan dan sejenisnya yg merupakan populasi yg sangat besar dan
berpindah pindah.
4.Untuk menghemat biaya
5. Untk menghemat waktu dan tenaga
6. Keakuratan hasil sampel, kadangkala hasil dengan memeriksa
sampel,memberikan hasil yg lebih akurat dibandingkan dengan cara
memeriksa seluruh obyek yang diteliti(secara sensus).
Pendugaan/penaksiran adalah menduga paramater populasi berdasarkan statistik sampel atau dengan
kata lain menduga keadaan populasi berdasarkan kesimpulan yang diperoleh pada sampel.

Ciri ciri penduga yang baik:

1. Penduga tidak bias. Penduga dikatakan tidak bias apabila penduga tsb secara tepat menduga
nilai paramaternya
E(Ô) = 0 artinya nilai yg diharapkan sebagai penduga = nilai yg diduga E(Ô) > 0 bias positif, dan
bila E(Ô) < 0 bias negatif spt pada gambar

2. Penduga yang efisien. Penduga dikatakan efisien bila penduga tsb memiliki varians yg kecil.
3. Penduga yg konsisten. Suatu penduga dikatakan konsisten bila ukuran sampel bertambah
mendekati tak terhingga(n ∞ ) mk penduga tsb akan semakin terkonsentrasi scr sempurna
pada paramater yang diduga atau nilai penduga mendekati nilai paramater.
4. Penduga yang sufisien(kecukupan). Bila penduga itu mempunyai seluruh informasi tentang
paramater yang akan diduga
Metode Pendugaan scr statistik: Pendugaan titik (point estimation)dan pendugaan
jarak(interval).
Pendugaan titik adalah pendugaan atas dasar nilai tunggal atau pendugaan
paramater atas dasarsatu(nilai) statistik sampel.
Pendugaan interval adalah pendugaan terhadap paramater populasi,berdasarkan dua
batas nilai(interval) dan dalam interval itu kita harapkan dengan keyakinan tertentu
paramater itu akan termuat.
ESTIMASI /PENAKSIRAN/PENDUGAAN
PERTEMUAN XI

Oleh : Sunlip Wibisono

PRODI AKUNTANSI
FAKULTAS EKONOMI
UNIVERSITAS JEMBER
 ESTIMASI TITIK
1. Estimasi adalah keseluruhan proses yang menggunakan sebuah
estimator untuk menghasilkan sebuah estimate dari suatu
parameter.
2. Sebuah estimasi titik dari sebuah parameter  adalah sesuatu
angka tunggal yang dapat dianggap sebagai nilai yang masuk
akal dari .
 Contoh
1. Seorang ahli sosial ekonomi ingin mengestimasi rata-rata
penghasilan buruh di suatu kota. Sebuah sampel dikumpulkan
menghasilkan rata-rata Rp 2.000.000,-.
2. Dalam hal ini telah dilakukan estimasi titik, dengan
menggunakan estimator berupa statistic mean ( X ) untuk
mengestimasi parameter mean populasi (μ). Nilai sampel Rp
2.000.000,- sebagai nilai estimate dari mean populasi.
 ESTIMASI INTERVAL
1. Sebuah estimasi interval (interval estimate) dari sebuah parameter , adalah suatu
sebaran nilai nilai yang digunakan untuk mengestimasi interval.
2. Jika dimiliki sampel X1, X2, …., Xn dari distribusi normal N(, 2) maka

2
X ~ N( , )
n
1. Akibatnya interval kepercayaan (1-)100% untuk mean
populasi  adalah

 
X  Z / 2    X  Z / 2
n n

dengan Z/2 adalah kuantil ke-/2 dari distribusi normal

baku dan jika  tidak diketahui maka dapat diestimasi
dengan simpangan baku (standard deviation) sampel s
yaitu s = s2.
Catatan : 1. Didunakan σx = S / √n bila populasi tak terbatas
2. Digunakan σx = S / √n ( √ N-n ) bila populasi terbatas
N-1
2. Jadi interval kepercayaan (confidence interval) adalah
estimasi interval berdasarkan tingkat kepercayaan tertentu
dan batas atas serta batas bawah interval disebut batas
kepercayaan (confidence limits).

3. Dari prakteknya tingkat kepercayaan dilakukan sebelum

estimasi dilakukan, jadi dengan menetapkan tingkat
kepercayaan interval sebesar 90 persen (90 %).

4. Artinya seseorang yang melakukan tersebut ingin agar 90

persen yakin bahwa mean dari populasi akan termuat dalam
ESTIMASI INTERVAL UNTUK BEBERAPA
TINGKAT KEPERCAYAAN (1-)100%.
 Contoh
1. Seorang guru ingin mengestimasi waktu rata-rata yang
digunakan untuk belajar.
2. Suatu sampel acak ukuran 36 menunjukan bahwa rata-rata
waktu yang digunakan siswa untuk belajar di rumah setiap
harinya adalah 100 menit.
3. Informasi sebelumnya menyatakan bahwa standar deviasi
adalah 20 menit.
1. Estimasi interval dengan tingkat kepercayaan 95 persen dapat ditentukan berikut ini :
2. Unsur unsur yang diketahui :
X = 100 ;  = 20; n=36; tingkat kepercayaan 95 %.
3. Dengan tingkat kepercayaan 95 % maka nilai z adalah 1,96 jadi estimasi interval dari
nilai waktu rata-rata sesungguhnya adalah :

100  (1,96)( 20 / 6)    100  1,96 ( 20 / 6)

93,47    106,53
4. Dengan kata lain guru mengestimasi dengan tingkat keyakinan 95 % bahwa rata-rata
waktu belajar adalah antara 93,47 menit hingga 106,53 menit
 JIKA n > 30
 Dari seluruh siswa 4 kelas diambil sebagai sampel 40 siswa dan didapatkan nilai Matematika dari 40
siswa tersebut sebagai berikut :
58 48 56 43
58 57 48 35
43 47 49 41
64 58 46 44
47 55 42 48
54 29 46 47
59 47 52 43
47 49 40 58
60 50 50 50
64 36 43 44
maka estimasi rata-rata nilai Matematika sesungguhnya dengan tingkat kepercayaan 90 persen
yaitu :
Dengan tingkat kepercayaan 90 % maka nilai z adalah 1,645 jadi estimasi
interval dari rata-rata sesungguhnya adalah :
HASIL OUTPUT SPSS
 JIKA n  30

 Jika dimiliki sampel X1, X2, …., Xn dari distribusi normal N(, 2)
dengan 2 tidak diketahui maka :
X 
T
S/ n

P( X –t α/2 σ/ √ n < U < X + t α/2 σ/ √n ) = 1- α

berdistribusi t dengan derajat bebas n-1.
 SIFAT-SIFAT DISTRIBUSI t

1. Distribusi ini serupa dengan distribusi Z dengan mean nol dan simetris
berbentuk lonceng / bell shape terhadap mean.

2. Bentuk distribusi tergantung pada ukuran sampel. Jadi distribusi adalah

kumpulan keluarga distribusi dan perbedaan satu dengan yang lainnnya
tergantung pada ukuran sampel.

3. Pada ukuran sampel yang kecil keruncingan berbentuk distribusi t kurang

dibandingkan dengan distribusi Z dan jika meningkatnya ukuran sampel
mendekati 30 maka bentuk distribusi semakin mendekati bentuk distribusi Z.
(Jadi jika n >30 maka digunakan nilai z).
GRAFIK FUNGSI DISTRIBUSI t
 Untuk n  30, interval kepercayaan (1-)100% untuk mean
populasi  adalah
s s
X  t ( / 2 , df )    X  t ( / 2,df )
n n

dengan t(/2, df) dengan derajat bebas(df)= n-1 dan s adalah

simpangan baku (standard deviation) sampel dengan s = s2 yaitu
akar dari variansi sampel.
 Catatan : 1. Didunakan σx = S / √n bila populasi tak terbatas
N-n
2. Digunakan σx = S / √n ( √ ) bila populasi terbatas
N-1
 Contoh
1. Misalkan diberikan nilai Matematika 10 siswa sebagai berikut : 58, 58, 43, 64, 47, 54, 59,
47, 60, dan 64.
2. Estimasi rata-rata nilai Matematika sesungguhnya (populasi). Nilai rata-rata Matematika
dengan tingkat kepercayaan 95 persen dapat diestimasi sebagai berikut

Hasil perhitungan dari data

interval kepercayaan  (rata-rata populasi)
dengan koefisien kepercayaan 95 % :

tn – 1;0,975 = 2,262 lihat tabel t pd baris 9;0,975 =

2,262 atau t (α/2;n-1) = t (0,025; 9)= 2,262
HASIL OUTPUT SPSS
Pendugaan beda dua mean sampel besar

Pendugaan beda dua mean sampel kecil

Pendugaan proporsi

Pendugaan beda dua proporsi

TERIMAKASIH