6 - 1

Statistika Inferensia
6 - 2
Metode Statistika
Metode
Statistika
Statistika
Deskriptif
Statistika
Inferensia
6 - 3
Statistika Inferensia
1. Cakupan:
Estimasi
Uji Hipotesis
2. Tujuan
Membuat kesimpulan
tentang karakteristik
populasi
Populasi?
6 - 4
Proses Inferensi
6 - 5
Proses Inferensi
Populasi
6 - 6
Proses Inferensi
Populasi
Sampel
6 - 7
Proses Inferensi
Populasi
Sampel
Statistik
(X)
6 - 8
Proses Inferensi
Populasi
Sampel
Statistik
(X)
estimasi &
uji
hipotesis
6 - 9
Variabel random digunakan untuk menduga
parameter populasi
Rata-rata sampel, standar deviasi sampel
X adalah penduga bagi parameter Mean

X = 3 berarti 3 adalah nilai dugaan untuk
Estimator (Penduga)
6 - 10
Menyimpulkan karakteristik populasi
(parameter) berdasarkan karakteristik
sampel (statistik)
6 - 11
Populasi laki-laki
dan perempuan
Berapa Rata-rata Berat Badan
masing-masing?
6 - 12
Populasi
6 - 13
Populasi
6 - 14
Sampel
Populasi
6 - 15
Sampel
Pengukuran
Berat Badan
Rata-rata Sampel =
Nilai ini dipakai untuk memprediksi rata-rata kedua kelompok
6 - 16
Proses Inferensi
6 - 17
Proses Inferensi
Populasi
X
Mean =?

6 - 18
Proses Inferensi
Populasi
Sampel
X
6 - 19
Proses Inferensi
Populasi
Sampel
Statistik
(X)
X
6 - 20
Proses Inferensi
Populasi
Sample
Statistik
(X)
Menduga
parameter
&
mengujinya
6 - 21
Dengan demikian, penarikan kesimpulan
tentang parameter populasi dapat
dilakukan dengan 2 cara yaitu:
1. Estimasi
2. Pengujian hipotesis

6 - 22
Estimasi:
1. Konsep dasar estimasi
2. Estimasi rata-rata suatu populasi
a. Bila o diketahui
b. Bila o diduga dari sampel
Buku 1: 5.11-5.12
Buku 3:Chapter 7
dan Chapter 9
ESTIMASI
6 - 23
Salah satu fungsi dari statistika adalah membuat kesimpulan
tentang populasi didasarkan pada informasi yang terdapat di
dalam sampel. Karena populasi dideskripsikan oleh ukuran-
ukuran numeris yang disebut parameter, maka tujuan analisis
secara statistis adalah membuat kesimpulan tentang satu atau
lebih parameter populasi. Sebagian besar prosedur penarikan
kesimpulan mencakup dua hal, yaitu pendugaan parameter
dan pengujian hipotesis.
6 - 24
Pendugaan parameter banyak diterapkan dalam masalah-
masalah sehari-hari. Sebagai contoh, produsen mesin cuci ingin
mengetahui proporsi (p) mesin cuci produksinya yang rusak
sebelum masa garansi berakhir. Manajer apotik ingin mengetahui
rata-rata () dan standar deviasi (o) waktu yang dibutuhkan untuk
mengantri di kasir untuk tujuan peningkatan layanan. Untuk
penyederhanaan istilah, akan digunakan istilah parameter
sasaran (target parameter) untuk parameter-parameter populasi
yang menjadi pusat perhatian analisis.
6 - 25
Pendugaan parameter dibedakan menjadi 2, yaitu :
1. Pendugaan titik,
2. Pendugaan selang.
Sebagai contoh, bila seorang peneliti mengambil sampel 1 ons
materi dari suatu lokasi geografis dan mengukur rata-rata sampel
kandungan merkuri yang dapat diekstrak darinya untuk menduga
rata-rata kandungan merkuri di lokasi tersebut, maka proses ini
tergolong dalam pendugaan titik.

Definisi
Pendugaan titik adalah penentuan suatu nilai
tunggal yang dapat dengan sebaik-baiknya
mendekati nilai parameter yang tidak diketahui.
6 - 26
Di sisi lain, penetapan nilai rata-rata kandungan merkuri dapat
berupa interval yang barbatas bawah dan atas, misalnya rata-rata
kandungan merkuri terletak dia antara 0.07 ons sampai 0.19 ons.
Interval yang dihasilkan ini diharapkan dapat memuat parameter
rata-rata kandungan merkuri di lokasi tersebut.

Definisi
Pendugaan selang adalah penentuan suatu selang nilai yang
dengan peluang besar memuat parameter yang sebenarnya.

6 - 27
Statistik sampel rata-rata dan standar deviasi S merupakan
penduga titik terbaik bagi rata-rata populasi dan standar
deviasi populasi . Sebagai contoh, jika dari sampel random 20
tablet pada suatu masa mroduksi (batch) diperoleh berat rata-
rata =49.8 maka nilai ini merupakan penduga terbaik bagi rata-
rata berat tablet populasi pada batch tersebut. Namun
demikian kita tahu bahwa karena nilai ini berasal dari sampel,
maka dimungkinkan nilainya bervariasi dari sampel satu ke
sampel yang lain. Peneliti lain dapat menemukan nilai rata-
rata sampel yang berbeda. Oleh karenanya, penduga titik tidak
memiliki derajat kepastian bahwa nilai tersebut dekat dengan
nilai yang sesungguhnya.

6 - 28
Oleh karenanya, pernyataan dugaan dalam bentuk interval
lebih disukai, misalnya dalam bentuk interval antara

47.8 sampai 51.8.

Interval ini memiliki derajat kepercayaan tertentu akan memuat
rata-rata yang sebenarnya. Derajat kepercayaan itu
dinyatakan dalam persen (%). Seperti kita menyatakan
berapa persen kita percaya bahwa sore hari ini akan hujan?
kepercayaan yang tinggi akan dinyatakan dengan persentase
yang mendekati 100%, meskipun kita tidak akan pernah
mencapainya (100% percaya) karena menyangkut sesuatu
yang belum terjadi.

6 - 29
|
.
|

\
|
~
|
.
|

\
| o

o o
n
s
z y
n
z y
2 / 2 /
Jika standar deviasi populasi o diketahui, selang kepercayaan
(1-o)100% dari dunyatakan dalam interval berikut:
Dalam hal o tidak diketahui, nilainya diduga dengan S
6 - 30
Contoh :

Jika dari sampel random 20 diperoleh rata-rata
49.8 dan =2 ,
maka selang kepercayaan 95% bagi adalah

Atau antara 45.8 sampai 53.7
Interpretasi dari interval ini adalah: kita percaya 95%
bahwa interval tersebut akan memuat rata-rata populasi
yang sebenarnya.
n
S
6 - 31
n
S
t Y
n
S
t Y
v v ) (
2
) (
2
o o
+ < <
Dalam kebanyakan praktik, o tidak diketahui karena
ketidakmampuan mengobservasi seluruh anggota
populasi. Selain itu, biaya yang mahal (seperti percobaan
farmasi) mengharuskan peneliti tidak dapat mengambil
sampel dalam jumlah (ukuran) yang besar. Dalam kondisi
ini, penggunaan distribusi normal Z tidak tepat, dan
sebagai gantinya digunakan distribusi t-student. Selang
kepercayaan yang dibentuk analog dengan selang
sebelumnya, dimana z digantikan dengan t.

Pendugaan rata-rata satu populasi dengan n kecil
6 - 32
Sekilas tentang distribusi t
Ditemukan oleh William Gosset
Distribusinya mirip dengan distribusi Normal
Untuk ukuran sampel yang semakin besar, distribusi t
akan mendekati distribusi Normal
Tabel t digunakan untuk selang kepercayaan dengan sampel
berukuran kecil (n <30)
6 - 33
adalah nilai t tabel dengan derajat bebas v
yang luas daerah di sebelah kirinya o/2.
) (
2
v
t
o
Dalam kasus satu populasi, v = n-1
Perhatikan tabel t berikut:
df=v=derajat bebas
6 - 34
0.025
Contoh
Jika diketahui n = 11 maka v=11-1 = 10
Nilai
Untk o= 0.05 maka
22814 , 2
) 10 ( 025 . 0
) (
2
= = t t
v
o
t
Perhatikan nilai 0.025 pada baris pertama tabel
2,22814
6 - 35