Proses Estimasi
Sample
Ada 2 pendekatan dalam estimasi:
1. Estimasi titik (point estimation)
2. Estimasi interval (interval estimation)
n1 θ1
θ merupakan
estimator unbiased
n2 θ2
Θ bila E(θ) = Θ
nj θj
σ1 Min variansi
σ2
Unbiased
σ3
E(θ)=Θ
Estimasi Titik
Selisih rata2 1 2 X1 X 2
n
Σ Xi
i=1
μ= -------------
Mean Sampel
n
n _
Σ (Xi – X)2
i=1
σ
2
= -------------------
Variansi
n-1
n _
Σ (Xi – X)2
i=1
Standard deviasi
σ
2
= -------------------
n-1
Interval Estimation
Membidik satu titik jauh lebih susah
Kemungkinan berhasilnya jauh lebih besar
0 ≤ CI ≥ 1
Mean
Proporsi
L U
95% = 0,95 N
5% = level of significant
CI = CL = 1- ά
Interval Konfidensi untuk µ
(σ diketahui)
Beberapa asumsi
standard deviation Populasi diketahui
Populasi berdistribusi normal
Jika populasi tidak normal, gunakan sampel
besar
Interval Konfidensi diestimasi
X Z / 2 X Z / 2
n n
Tingkat Kepercayaan
Dinotasikan dengan 100 1 %
Interpretasi frequensi relatif
Dari 100 kali pengambilan sample akan diperoleh
sebanyak 100 1 % sampel yang memuat µ
Tidak ada kepercayaan sampai 100%
Interval dan tingkat kepercayaan
Distribusi sampling Mean
_
X
Z / 2 X /2 Z / 2 X
1 /2
Interval X
diluar
X
100 1 %
X Z X interval
to memuat
X Z X parameter
Interval konfidensi
Factor Pengaruh
Lebar Interval
Variasi data Interval konfidensi
Diukur dengan X - Z to X + Z
x x
Ukuran sampel
X
n
Tingkat kepercayaan
100 1 %
Z 2 2 1.645 45
2 2
219.2 220
n 2
2
Error 5
Dibulatkan
Interval Konfidensi untuk µ
(σ tidak diketahui)
Beberapa asumsi
Standart deviasi populasi tidak diketahui
Populasi berdistribusi normal
Jika populasi tidak berdistribusi normal gunakan
sampel besar
Gunakan distribusi student t
Confidence Interval Estimate
S S
X t / 2,n 1 X t / 2, n 1
n n
Distribusi Student’s t
Normal
Standart
Z
t
0
Derajat bebas (db)
Jumlah observasi sampel yang bebas linear
terhadap rata-rata sampel
Contoh degrees of freedom
Mean dari 3 angka adalah 2 = n -1
= 3 -1
=2
X1 = 1 ; X2 = 2 ; X3 = 3
Tabel Student’s t
Let: n = 3
Luas ekor kanan db = n - 1 = 2
df .25 .10
= .10
.05
/2 =.05
1 1.000 3.078 6.314
menggantikan
Interval konfidensi
untuk Proporsi
Beberapa asumsi
Data berupa dua kategori
Populasi mengikuti distribusi binomial
Pendekatan Normal dapat digunakan jika
np 5 dan n 1 p 5
Interval konfidensi
pS 1 pS pS 1 pS
pS Z / 2 p p S Z / 2
n n
Contoh
ps 1 ps ps 1 ps
ps Z / p ps Z /
n n
.08 1 .08 .08 1 .08
.08 1.96 p .08 1.96
400 400
.053 p .107
Ukuran Sample untuk Proportion
Dari populasi 1,000, secara random diperoleh
100 sampel dan 30 diantaranya rusak. Berapa
ukuran sampel dibutuhkan dalam toleransi ±
5% dengan tingkat kepercayaan 90% ?
n 2
2
Error 0.05
227.3 228
IK untuk Total Populasi
Estimasi titik
NX
IK estimasi
N n
S
NX N t / 2,n 1
n N 1
Contoh
Seorang auditor dihadapkan
pada 1000 populasi voucher
dan ingin diestimasi nilai
total dari populasi voucher.
sample dari 50 voucher
dengan rata-rata $1076.39,
standard deviation $273.62.
Hitunglah IK 95% jumlah
nilai total voucher
Penyelesaian
N 1000 n 50 X $1076.39 S $273.62
NX N t / 2,n 1
S N n
n N 1
273.62 1000 50
1000 1076.39 1000 2.0096
100 1000 1
1, 076,390 75,830.85
2
X
X
1,96
X Z / 2 X Z / 2
n n
Soal-soal
1. Ingin diketahui diameter pohon jati disalah satu kawasan
hutan tanaman industri (HTI). Untuk itu dilakukan pengukuran
secara acak (random) sebanyak 10 pohon dan didapat
diameter rata-rata 43,8 cm dengan standard deviasi sebesar
0,6 cm. Hitunglah interval konfidensi 99% untuk rata-rata
diameter sesungguhnya pohon jati yang ada dikawasan HTI
tersebut.