PENDUGAAN PARAMETER

DARMANTO
PENDAHULUAN - 1
 Statistika Inferensial → Terdiri atas
metode untuk menarik kesimpulan atau
memprediksi mengenai populasi →
Dengan kata lain, menduga parameter
(karakteristik populasi) berdasarkan data
sampel.

 Dua metode pendugaan parameter:
1. Metode Klasik → Estimasi sepenuhnya
berasal dari data sampel.
2. Metode Bayes → Estimasi tidak
sepenuhnya berasal dari data sampel tapi
juga melibatkan informasi awal tentang
distribusi populasi.


PENDAHULUAN - 2
 Statistika inferensial berkutat pada 2 hal:
1. Pendugaan parameter
Seorang pengusaha yang hendak memasarkan
produk barunya mungkin ingin mengestimasi
proporsi sesungguhnya calon pembeli produk
barunya dengan menanyakan pendapat sampel
acak ukuran 100 calon pembeli.

2. Pengujian hipotesis
Seorang ibu ingin menentukan apakah sabun cuci
merek A lebih unggul dari merek B, dan setelah
mengadakan pengujian secukupnya, si ibu dapat
memutuskan apakah menerima atau menolak
hipotesis. [Parameter tidak diestimasi, tapi
mendapat keputusan yang benar mengenai
hipotesis yang ditetapkan sebelumnya.]
PENDAHULUAN - 3
 Metode estimasi:
1. Estimasi Titik
 Parameter = → Nilai estimasi = or
 Misal:
2. Estimasi Selang
 Estimasi dari berupa
 adl selang kepercayaan
(1‒α)100%
 1‒α adalah koefisien/taraf kepercayaan
 α adalah taraf nyata atau tingkat
signifikansi atau taraf kesalahan [Umumnya:
0.1; 0.05; 0.01]

ˆ
u
u
ˆ
( ) E u u =
2 2
ˆ ( ) ; ( ) ; ( ) E x E S E p p µ o = = =
u
1 2
ˆ ˆ
( ) 1 P u u u o < < = ÷
1 2
ˆ ˆ
u u u < <
ESTIMASI RATA-RATA
PENDUGAAN PARAMETER
RATA-RATA 1 POPULASI
ESTIMASI RATA-RATA
RATA-RATA 1 POP - 1
 Pandang estimasi selang untuk μ, bila
normal maka

 Ingat bahwa

 Dapat ditulis



/ 2 / 2
( ) 1 P z Z z
o o
o ÷ < < = ÷
/
x
Z
n
µ
o
÷
=
/ 2 / 2
1
/
x
P z z
n
o o
µ
o
o
÷ | |
÷ < < = ÷
|
\ .
/ 2 / 2
1 P x z x z
n n
o o
o o
µ o
| |
÷ < < + = ÷
|
\ .
RATA-RATA 1 POP - 2
 Selang kepercayaan untuk μ jika σ
diketahui dan n ≥ 30:
Bila rata-rata sampel acak berukuran n
dari suatu populasi dengan varians σ
2
yang
diketahui, maka selang kepercayaan
(1‒α)100% untuk μ adalah


Bila z
α/2
menyatakan nilai z sehingga
daerah di sebelah kanannya mempunyai
luas α/2.
x
/ 2 / 2
x z x z
n n
o o
o o
µ ÷ < < +
RATA-RATA 1 POP - 3
 Didapat dua batas kepercayaan
1 / 2 2 / 2
ˆ ˆ
dan x z x z
n n
o o
o o
u u = ÷ = +
z
z
α/2
-z
α/2
0
α/2 α/2 1‒α/2
RATA-RATA 1 POP - 4
 Contoh: Rata-rata IP sampel acak 36 mahasiswa
tingkat S-1 adalah 2.6. Hitung selang kepercayaan
95% dan 99% untuk rata-rata IP semua mahasiswa
S-1! Anggap bahwa standar deviasi populasinya
0.3.

 Solusi:
Diketahui x-bar = 2.6; σ = 0.3; z
0.025
= 1.96; z
0.005
= 2.575
◦ Selang kepercayaan 95% untuk rata-rata IP semua
mahasiswa S-I:



◦ Interpretasi: Dapat dipercaya sebesar 95% bahwa rata-
rata IP semua mahasiswa S-1 antara 2.50 hingga 2.70


( ) ( )
0.3 0.3
2.6 1.96 2.6 1.96
36 36
2.50 2.70
µ
µ
| | | |
÷ < < +
| |
\ . \ .
< <
RATA-RATA 1 POP - 5
 Selang kepercayaan 99% untuk rata-rata IP semua
mahasiswa S-I:



 Interpretasi: Dengan tingkat kesalahan 1%, dapat
dinyatakan bahwa rata-rata IP semua mahasiswa S-1
antara 2.47 hingga 2.73.
--00--

 Perhatikan:




( ) ( )
0.3 0.3
2.6 2.575 2.6 2.575
36 36
2.47 2.73
µ
µ
| | | |
÷ < < +
| |
\ . \ .
< <
/ 2
x z
n
o
o
÷
/ 2
x z
n
o
o
+
x
µ
galat
RATA-RATA 1 POP - 6
 Teorema: Bila x-bar dipakai untuk menaksir μ maka dengan
kepercayaan (1‒α)100% galatnya akan lebih kecil dari
.

◦ Pada contoh lalu, kita percaya 95% bahwa perbedaan
rata-rata sampel (2.6) dengan rata-rata sesungguhnya (μ)
kurang dari 0.1 dan percaya 99% bahwa perbedaan
tersebut kurang dari 0.13.

 Teorema: Bila x-bar dipakai untuk menaksir μ maka dengan
kepercayaan (1‒α)100% galatnya akan lebih kecil dari suatu
bilangan g yang ditetapkan sebelumnya asal saja ukuran
sampelnya adalah


/ 2
. z n
o
o
2
/ 2
z
n
g
o
o | |
=
|
\ .
RATA-RATA 1 POP - 6
 Contoh: Berapa besar sampel yang
diperlukan jika ingin percaya 95% bahwa
estimasi untuk μ kurang dari 0.05?
Diketahui standar deviasi populasi 0.3.



 Jadi, dengan kepercayaan 95% sampel
acak ukuran 138 akan memberikan
estimasi x-bar yang perbedaannya
dengan μ kurang dari 0.05.

( )( )
2
2
/ 2
1.96 0.3
138.3
0.05
z
n
g
o
o
| |
| |
= = =
|
|
\ .
\ .
RATA-RATA 1 POP - 7
 Seringkali varians populasi tidak diketahui dan
harus diestimasi berdasarkan data sampel.

 Dist. Z → Dist. t-student







/ 2 / 2
1 1
( ) 1
db n db n
P t t t
o o
o
= ÷ = ÷
÷ < < = ÷
dengan 1
/ /
x x
Z t db n
n S n
µ µ
o
÷ ÷
= ÷ = = ÷
/ 2 / 2
1 1
1
/
db n db n
x
P t t
S n
o o
µ
o
= ÷ = ÷
÷ | |
÷ < < = ÷
|
\ .
/ 2 / 2
1 1
1
db n db n
S S
P x t x t
n n
o o
µ o
= ÷ = ÷
| |
÷ < < ÷ = ÷
|
\ .
RATA-RATA 1 POP - 8
 Contoh: Tujuh botol yang mirip masing-masing
berisi asam sulfat 9.8; 10.2; 10.4; 9.8; 10.0; 10.2;
dan 9.6 liter. Carilah selang kepercayaan 95%
untuk rata-rata isi botol semacam itu bila
distribusinya dianggap hampir normal.

 Solusi:
◦ Dihitung x-bar = 10.0 dan S = 0.283
◦ Dari tabel t
0.025
db=6
= 2.447
◦ Selang kepercayaan 95% untuk rata-rata semua isi botol
sejenis itu adalah

( ) ( )
0.283 0.283
10.0 2.447 10.0 2.447
7 7
9.74 10.26
µ
µ
| | | |
÷ < < +
| |
\ . \ .
< <
RATA-RATA 1 POP - 9

RATA-RATA 1 POP - 10
 KESIMPULAN:
Selang kepercayaan (1-α)100%
untuk μ jika:
a. σ diketahui dan n ≥ 30


b. σ tidak diketahui dan n < 30
/ 2 / 2
x z x z
n n
o o
o o
µ ÷ < < +
/ 2 / 2
1 1 db n db n
S S
x t x t
n n
o o
µ
= ÷ = ÷
÷ < < ÷
LATIHAN
1. Suatu mesin minuman diatur sedemikian rupa sehingga
banyaknya minuman yang dikeluarkannya berdistribusi
hampir normal dengan standar deviasi 0.15 desiliter. Cari
selang kepercayaan 95% untuk rata-rata semua minuman
yang dikeluarkan mesin tersebut bila sampel acak 36
cangkir minuman berisi rata-rata 2.25 desiliter!

2. Sebuah mesin menghasilkan potongan logam yang
berbentuk silinder. Sampel beberapa potongan diukur dan
ternyata diameternya 1.01; 0.97; 1.03; 1.04; 0.99; 0.98;
0.99; 1.01; dan 1.03 cm. Hitunglah selang kepercayaan
99% untuk rata-rata diameter potongan yang dihasilkan
mesin tersebut bila dimisalkan distribusinya hampir normal!
TUGAS

SELISIH RATA-RATA 2
POPULASI
ESTIMASI RATA-RATA
SELISIH RATA-RATA 2 POP -
1
 Bila ada 2 populasi masing-masing
dengan rata-rata μ
1
dan μ
2,
varians σ
1
2

dan σ
2
2
, maka estimasi dari selisih μ
1

dan μ
2
adalah


 Sehingga,
1 2
. x x ÷
( ) ( )
1 2 1 2
2 2
1 2
1 2
x x
Z
n n
µ µ
o o
÷ ÷ ÷
=
| | | |
+
| |
\ . \ .
SELISIH RATA-RATA 2 POP -
2
 Dan,




/ 2 / 2
( ) 1 P z Z z
o o
o ÷ < < = ÷
( ) ( )
1 2 1 2
/ 2 / 2
2 2
1 2
1 2
1
x x
P z z
n n
o o
µ µ
o
o o
| |
|
÷ ÷ ÷
|
÷ < < = ÷
|
| | | |
|
+
| |
|
\ . \ .
\ .
( )
( )
2 2
1 2
1 2 / 2 1 2
1 2
2 2
1 2
1 2 / 2
1 2
1

x x z
n n
P
x x z
n n
o
o
o o
µ µ
o
o o
| |
| | | |
|
÷ ÷ + < ÷ <
| |
|
\ . \ .
= ÷
|
| | | | |
÷ + +
| | |
|
\ . \ .
\ .
SELISIH RATA-RATA 2 POP -
3
 Selang kepercayaan (1-α)100% untuk μ
1
‒μ
2
; σ
1
2

dan σ
2
2
diketahui:





 Contoh: Diketahui nilai ujian kimia yang diberikan
pada 50 siswa putri dan 75 siswa putra
mempunyai rata-rata secara berurutan adalah 76
dan 86. Cari selang kepercayaan 96% untuk
selisih μ
1
‒μ
2.
! Anggap standar deviasi populasi
untuk masing-masing putra dan putri adalah 8
dan 6.

( )
( )
2 2
1 2
1 2 / 2 1 2
1 2
2 2
1 2
1 2 / 2
1 2

x x z
n n
x x z
n n
o
o
o o
µ µ
o o
| | | |
÷ ÷ + < ÷ <
| |
\ . \ .
| | | |
÷ + +
| |
\ . \ .
SELISIH RATA-RATA 2 POP -
4
 Misal:
x-bar1 = 86 adl rata-rata nilai siswa putra, n
1
= 75 dan σ
1
= 8.
x-bar2 = 76 adl rata-rata nilai siswa putri, n
2
= 50 dan σ
2
= 6.
α = 0.04 → z
0.02
= 2.05
Selang kepercayaan 96% bagi selisih rata-rata nilai siswa
putra dengan siswa putri adalah
( ) ( )
( ) ( )
2 2
1 2
2 2
1 2
8 6
86 76 2.05
75 50
8 6
86 76 2.05
75 50
3.43 8.57
µ µ
µ µ
| | | |
÷ ÷ + < ÷ <
| |
\ . \ .
| | | |
÷ + +
| |
\ . \ .
< ÷ <
SELISIH RATA-RATA 2 POP -
5
 Interpretasi:
1. Dapat dipercaya 96% bahwa selisih rata-rata
nilai ujian kimia semua siswa putra dengan
siswa putri berkisar antara 3.43 hingga 8.57.
2. Dengan tingkat signifikansi 4%, rata-rata nilai
ujian kimia semua siswa putra lebih tinggi
antara 3.43 hingga 8.57 dari nilai ujian kimia
semua siswa putri.
3. Dll.
SELISIH RATA-RATA 2 POP -
6
 Selang kepercayaan (1-α)100% untuk μ
1
‒μ
2
;
dimana σ
1
2
= σ
2
2 ,
σ
1
2
dan σ
2
2
tidak diketahui:




 dengan,


( )
( )
1 2
1 2
/ 2
1 2 2 1 2
1 2
/ 2
1 2 2
1 2
1 1
1 1

db n n p
db n n p
x x t S
n n
x x t S
n n
o
o
µ µ
= + ÷
= + ÷
÷ ÷ + < ÷ <
÷ + +
( ) ( )
2 2
1 1 2 2
1 2
1 1
2
p
n S n S
S
n n
÷ + ÷
=
+ ÷
SELISIH RATA-RATA 2 POP -
7
 Contoh:
Dalam makalah “Macroinvertebrate Community Structure a sn
Indicator of Acid Mine Pollution” yang diterbitkan di Journal of
Enviromental Pollution (Vol.6, 1974), disajikan laporan mengenai
penelitian yang dilakukan di Cane Creek, Alabama, untuk
menentukan hubungan antara parameter fisiokimia yang terpilih
dengan ukuran yang berlainan dari struktur kelompok makro
invertebrata. Satu segi dari penelitian itu ialah penurunan kualitas air
akibat pembuangan asam tambang. Dari segi konsep, indeks yang
tinggi dari keragaman spesies makro invertebrata seharusnya
menunjukkan sistem perairan tidak terganggu, sedangkan indeks
keragaman yang rendah menunjukkan sistem perairan yang
terganggu.

Dua stasion sampling yang bebas dipilih untuk tujuan penelitian ini,
satu di titik muara pembuangan asam tambang dan satu lagi di hulu.
Sebanyak 12 sampel bulanan diambil dari stasiun muara, data
indeks keragaman spesiesnya menghasilkan nilai rata-rata 3.11 dan
standar deviasi 0.771, sedangkan dari stasiun hulu diambil 10
sampel bulanan dengan rata-rata indeks 2.04 dan standar deviasi
0.448. Buat selang kepercayaan 90% untuk selisih rata-rata
populasi dari kedua stasiun, anggap kedua populasi berdistribusi
hampir normal dengan varians sama!

SELISIH RATA-RATA 2 POP -
8
 Misal:
 x-bar1 = 3.11 adl rata-rata indeks stasiun muara, n
1
= 12, S
1
=
0.771.
 x-bar2 = 2.04 adl rata-rata indeks stasiun hulu, n
2
= 10, S
2
=
0.448.
 Diasumsikan varians sama, maka


 α = 0.1 → t
0.05
db=12+10-2
= t
0.05
db=20
= 1.725
 Jadi, selang kepercayaan 90% untuk selisih rata-rata indeks
keragaman spesies di muara dengan di hulu adalah


( )( ) ( )( )
2 2
12 1 0.771 10 1 0.448
0.646
12 10 2
p
S
÷ + ÷
= =
+ ÷
( ) ( )( )
( ) ( )( )
1 2
1 2
1 1
3.11 2.04 1.725 0.646
12 10
1 1
3.11 2.04 1.725 0.646
12 10
0.593 1.547
µ µ
µ µ
| |
÷ ÷ + < ÷ <
|
|
\ .
| |
÷ + +
|
|
\ .
< ÷ <
SELISIH RATA-RATA 2 POP -
9
 Selang kepercayaan (1-α)100% untuk
μ
1
‒μ
2
; dimana σ
1
2
≠ σ
2
2 ,
σ
1
2
dan σ
2
2

tidak diketahui:


 dengan,

( ) ( )
2 2 2 2
/ 2 / 2
1 2 1 2
1 2 1 2 1 2
1 2 1 2
db v db v
S S S S
x x t x x t
n n n n
o o
µ µ
= =
÷ ÷ + < ÷ < ÷ + +
( ) ( )
2
2 2
1 2
1 2
2 2
2 2
1 2
1 2
1 2
1 1
S S
n n
v
S S
n n
n n
| |
+
|
\ .
=
| | | |
| |
\ . \ .
+
÷ ÷
SELISIH RATA-RATA 2 POP -
10
 Contoh:
Suatu penelitian mengenai “Nutrient Retention and
Macroinvertebrata Community Response to Sewage Stress in
A Stream Ecosystem” yang dilakukan oleh Department of
Zoology di Virginia Polytechnic Institute and State University
tahun 1980 menaksir selisih banyaknya bahan kimia
ortofosfor yang diukur pada dua stasion yang berlainan di
Sungai James. Ortofosfor diukur dalam mg per liter.

Lima belas sampel dikumpulkan dari stasion 1 dan 12 sampel
diukur dari stasion 2. ke 15 sampel dari stasion 1 mempunyai
rata-rata kadar ortofosfor 3.84 mg/l dan standar deviasi 3.07
mg/l, sedangkan 12 sampel dari stasion 2 mempunyai rata-
rata kadar 1.49 mg/l dengan standar deviasi 0.80 mg/l. Cari
selang kepercayaan 95% untuk selisih rata-rata kadar
ortofosfor sesungguhnya pada kedua stasion tersebut,
anggap bahwa pengamatan berasal dari populasi normal
dengan varians yang berbeda!
SELISIH RATA-RATA 2 POP -
11
 Misal:
 x-bar1 = 3.84 adl rata-rata kadar ortofosfor stasion 1, n
1
= 15, S
1
= 3.07.
 x-bar2 = 1.49 adl rata-rata kadar ortofosfor stasion 2, n
2
= 12, S
2
= 0.80.
 Diasumsikan varians berbeda, maka





 α = 0.05 → t
0.025
db= v
= t
0.025
db=16
= 2.120
 Jadi, selang kepercayaan 95% untuk selisih rata-rata kadar ortofosfor di
stasion1 dengan stasion2 adalah



( ) ( )
2
2 2
2 2
2 2
3.07 0.80
15 12
16.3 16
3.07 0.80
15 12
15 1 12 1
v
| |
|
\ .
| | | |
| |
\ . \ .
+
= = ~
+
÷ ÷
( ) ( ) ( ) ( )
2 2 2 2
1 2
1 2
3.07 0.80 3.07 0.80
3.84 1.49 2.120 3.84 1.49 2.120
15 12 15 12
0.60 4.10
µ µ
µ µ
÷ ÷ + < ÷ < ÷ + +
< ÷ <
AMATAN BERPASANGAN
ESTIMASI RATA-RATA
AMATAN BERPASANGAN -1
 Sampel tidak bebas dan varians tidak
perlu sama.

 Setiap satuan percobaan mempunyai
sepasang pengamatan.

 Contoh: Pengujian metode diet A
terhadap 15 orang → Akan diamati
perubahan antara “sebelum” dengan
“sesudah” diet.
AMATAN BERPASANGAN -2
 Yang diamati adalah selisih untuk
setiap amatan berpasangan (d
i
).
Sehingga,
/ 2 / 2
1 1
( ) 1
db n db n
P t t t
o o
o
= ÷ = ÷
÷ < < = ÷
dengan 1
/ /
d
d
d d
d x
Z t db n
n S n
µ µ
o
÷ ÷
= ÷ = = ÷
/ 2 / 2
1 1
1
d d
d d
db n d db n
d d
S S
P d t d t
n n
o o
µ o
= ÷ = ÷
| |
÷ < < + = ÷ |
|
\ .
AMATAN BERPASANGAN - 3
 Contoh:
Dalam makalah “Essential
Elements in Fresh and Canned
Tomatoes”, yang diterbitkan di
Journal of Food Science (Jilid 46,
1981), kandungan unsur penting
ditentukan dalam tomat segar dan
kalengan menggunakan
spektrofotometer penyerapan
atom. Kandungan tembaga dalam
tomat segar dibanding dengan
kandungan tembaga pada tomat
yang sama setelah dikalengkan
dicatat dan hasilnya seperti di
samping.

Carilah selang kepercayaan 98%
untuk selisih sesungguhnya rata-
rata kandungan tembaga dalam
tomat segar dan kaleng bila
dianggap distribusi selisihnya
normal.

No. Tomat
Segar
Tomat
Kaleng
di
1 0.066 0.085 -0.019
2 0.079 0.088 -0.009
3 0.069 0.091 -0.022
4 0.076 0.096 -0.02
5 0.071 0.093 -0.022
6 0.087 0.095 -0.008
7 0.071 0.079 -0.008
8 0.073 0.078 -0.005
9 0.067 0.065 0.002
10 0.062 0.068 -0.006

d-bar -0.0117
Sd 0.008394
AMATAN BERPASANGAN - 4
 Misal:
 α = 0.02 → t
0.01
db= 9
= 2.821
 Jadi, selang kepercayaan 98% untuk selisih kandungan
tembaga pada tomat segar dengan tomat kalengan adalah




 Jadi, dapat disimpulkan bahwa dengan tingkat
kepercayaan 98% dipercaya selisih kandungan tembaga
antara tomat kalengan dengan tomat segar berkisar antara
0.0042 hingga 0.0192, sehingga dapat dikatakan bahwa
kandungan tembaga dalam tomat kalengan lebih besar
daripada tomat segar.
( ) ( )
0.0084 0.0084
0.0117 2.821 0.0117 2.821
10 10
0.0042 0.0192
d
d
µ
µ
÷ ÷ < < ÷ +
< <
TUGAS

ESTIMASI PROPORSI 1
POPULASI
PENDUGAAN PARAMETER
PROPORSI 1 POPULASI - 1
 Estimator untuk P adalah (baca: p-
hat / p-topi), dengan dimana x
adalah banyaknya kejadian sukses
dalam n kali percobaan (proses
bernoulli).

 Pendekatan Binomial dengan Normal
adalah


ˆ
p
ˆ
x
p
n
=
ˆ
. /
p p
Z
p q n
÷
=
PROPORSI 1 POPULASI - 2
 Definisi: Jika p-hat menyatakan
proporsi yang sukses dalam sampel
acak ukuran n, maka selang
kepercayaan (1-α)100% untuk
parameter binomial P adalah
/ 2 / 2
ˆ ˆ ˆ ˆ
. .
ˆ ˆ
p q p q
p z P p z
n n
o o
÷ < < +
PROPORSI 1 POPULASI - 3
 Contoh: Pada suatu sampel acak 500
kaluarga yang memiliki pesawat
televisi di kota Hamilton, Kanada,
ditemukan bahwa 340 keluarga tv-nya
berwarna. Carilah selang kepercayaan
95% untuk proporsi sesungguhnya
dari keluarga yang memiliki tv
berwarna di kota tersebut!

ESTIMASI SELISIH
PROPORSI 2 POPULASI
PENDUGAAN PARAMETER
SELISIH PROPORSI 2 POPULASI
- 1
 Definisi: Bila p1-hat dan p2-hat
menyatakan proporsi sukses dalam
sampel acak masing-masing
berukuran n1 dan n2, maka selang
kepercayaan (1-α)100% untuk selisih
kedua parameter binomial P1-P2
adalah
( )
( )
1 1 2 2
1 2 / 2 1 2
1 2
1 1 2 2
1 2 / 2
1 2
ˆ ˆ ˆ ˆ . .
ˆ ˆ
ˆ ˆ ˆ ˆ
. .
ˆ ˆ
p q p q
p p z P P
n n
p q p q
p p z
n n
o
o
÷ ÷ + < ÷ <
÷ + +
SELISIH PROPORSI 2 POPULASI
- 2
 Contoh: Suatu perubahan dalam cara
pembuatan suku cadang sedang
direncanakan. Sampel diambil dari cara
lama maupun yang baru untuk melihat
apakah cara baru tersebut memberikan
perbaiikan. Bila 75 dari 1500 suku
cadang yang berasal dari cara lama
ternyata cacat. Dan 80 dari 2000 yang
berasal dari cara baru ternyata cacat.
Carilah selang kepercayaan 90% untuk
selisih sesungguhnya proporsi yang baik
dalam kedua cara tersebut!
ESTIMASI VARIANS 1
POPULASI
PENDUGAAN PARAMETER
VARIANS 1 POPULASI - 1
 Estimasi selang untuk σ
2
diturunkan
dengan menggunakan statistik χ
2

(baca: chi-square) dengan derajat
bebas db = n-1
( )
2
2
2
1 n S
_
o
÷
=
χ
2
1-α/2
1-α
α/2
α/2
χ
2
α/2
VARIANS 1 POPULASI - 2
 Definisi: Bila S
2
varians sampel acak
ukuran n dari populasi normal maka
selang kepercayaan (1-α)100% untuk
σ
2
diberikan oleh
( ) ( )
2 2
2
2 2
/ 2 1 / 2
1 1 n S n S
o o
o
_ _
÷
÷ ÷
< <
VARIANS 1 POPULASI - 3
 Contoh: Data berikut menyatakan
berat, dalam gram, 10 bungkus bibit
sejenis tanaman yang dipasarkan oleh
suatu perusahaan: 46.6; 46.1; 45.8;
47.0; 46.1; 45.9; 45.8; 46.9; 45.2; dan
46.0. Carilah selang kepercayaan
95% untuk varians semua bungkusan
bibit yang dipasarkan perusahaan
tersbut, anggap populasinya normal!
ESTIMASI RASIO
VARIANS 2 POPULASI
PENDUGAAN PARAMETER
RASIO VARIANS 2 POPULASI -
1
 Bila σ
1
dan σ
2
varians dua populasi
normal, maka estimasi selang untuk
rasio σ
1

2
diperoleh dengan
menggunakan statistik F yakni


 Dengan derajat bebas v
1
=n
1
-1 dan
v
2
=n
2
-1
2 2
2 1
1, 2
2 2
1 2
.
~
.
v v
S
F F
S
o
o
=
RASIO VARIANS 2 POPULASI -
2
 Bila S
1
2
dan S
2
2
varians dari sampel
acak masing-masing berukuran n
1
dan
n
2
dari populasi normal, maka selang
kepercayaan (1-α)100% untuk rasio
σ
1

2
adalah



 Varians dikatakan sama jika dan
hanya jika selang mencakup nilai 1.
2 2 2
/ 2
1 1 1
2, 1
2 / 2 2 2
2 1, 2 2 2
1
v v
v v
S S
F
S F S
o
o
o
o
< <
RASIO VARIANS 2 POPULASI -
3
 Contoh: Suatu selang kepercayaan
untuk perbedaan rataan kadar
ortofosfor, diukur dalam mg/liter, pada
dua stasiun di sungai James telah
dihitung sebelumnya dengan
menganggap kedua varians populasi
normal tidak sama. Beri dukungan
atas anggapan ini dengan membuat
selang kepercayaan 98% untuk rasio
σ
1

2
!

PENDAHULUAN - 1

Statistika Inferensial → Terdiri atas metode untuk menarik kesimpulan atau memprediksi mengenai populasi → Dengan kata lain, menduga parameter (karakteristik populasi) berdasarkan data sampel. Dua metode pendugaan parameter:
1. Metode Klasik → Estimasi sepenuhnya berasal dari data sampel. 2. Metode Bayes → Estimasi tidak sepenuhnya berasal dari data sampel tapi juga melibatkan informasi awal tentang distribusi populasi.

PENDAHULUAN - 2

Statistika inferensial berkutat pada 2 hal:
1. Pendugaan parameter Seorang pengusaha yang hendak memasarkan produk barunya mungkin ingin mengestimasi proporsi sesungguhnya calon pembeli produk barunya dengan menanyakan pendapat sampel acak ukuran 100 calon pembeli. Pengujian hipotesis Seorang ibu ingin menentukan apakah sabun cuci merek A lebih unggul dari merek B, dan setelah mengadakan pengujian secukupnya, si ibu dapat memutuskan apakah menerima atau menolak hipotesis. [Parameter tidak diestimasi, tapi mendapat keputusan yang benar mengenai hipotesis yang ditetapkan sebelumnya.]

2.

PENDAHULUAN - 3

Metode estimasi:
1. Estimasi Titik
ˆ ˆ   Parameter = → Nilai estimasi or( )   = E 2 2 ˆ  Misal:E (  )  x ; E ( )  S ; E ( p)  p

2. Estimasi Selang

ˆ P ˆ  berupa(1     2 )  1    Estimasi dari ˆ ˆ  1     2 adl selang kepercayaan (1‒α)100%  1‒α adalah koefisien/taraf kepercayaan  α adalah taraf nyata atau tingkat signifikansi atau taraf kesalahan [Umumnya: 0.1; 0.05; 0.01]

PENDUGAAN PARAMETER

ESTIMASI RATA-RATA

ESTIMASI RATA-RATA RATA-RATA 1 POPULASI .

RATA-RATA 1 POP . bila normal maka P( z / 2  Z  z / 2 )  1     Ingat bahwa Z x  / n Dapat ditulis x    P   z / 2   z / 2   1   / n       P  x  z / 2    x  z / 2   1  n n  .1  Pandang estimasi selang untuk μ.

.RATA-RATA 1 POP . maka selang kepercayaan (1‒α)100% untuk μ adalah   x  z / 2    x  z / 2 n n Bila zα/2 menyatakan nilai z sehingga daerah di sebelah kanannya mempunyai luas α/2.2  Selang kepercayaan untuk μ jika σ diketahui dan n ≥ 30: Bila x rata-rata sampel acak berukuran n dari suatu populasi dengan varians σ2 yang diketahui.

3  Didapat dua batas kepercayaan   ˆ xz ˆ xz 1 dan  2  /2  /2 n n α/2 1‒α/2 z α/2 -zα/2 0 zα/2 .RATA-RATA 1 POP .

50    2.3 2.70 .6  1.025 = 1.005 = 2.96.575 ◦ Selang kepercayaan 95% untuk  rata-rata IP semua  0.RATA-RATA 1 POP .6.4  Contoh: Rata-rata IP sampel acak 36 mahasiswa tingkat S-1 adalah 2.96    mahasiswa 36    36  2. σ = 0.3.6.96   S-I:    2. Hitung selang kepercayaan 95% dan 99% untuk rata-rata IP semua mahasiswa S-1! Anggap bahwa standar deviasi populasinya 0.50 hingga 2.6  1.  Solusi: Diketahui x-bar = 2. z0. z0.70 ◦ Interpretasi: Dapat dipercaya sebesar 95% bahwa ratarata IP semua mahasiswa S-1 antara 2.3.3   0.

3   0.6   2. dapat dinyatakan bahwa rata-rata IP semua mahasiswa S-1 antara 2.RATA-RATA 1 POP .575      2.5  Selang kepercayaan 99% untuk rata-rata IP semua mahasiswa S-I:  0.6   2.73  36   Interpretasi: Dengan tingkat kesalahan 1%.73.575      36  2.3  2.47 hingga 2. --00-galat  Perhatikan: x  z / 2  n x  x  z / 2  n .47    2.

13.6) dengan rata-rata sesungguhnya (μ) kurang dari 0. ◦ Pada contoh lalu.1 dan percaya 99% bahwa perbedaan tersebut kurang dari 0. dari .6  Teorema: Bila x-bar dipakai untuk menaksir μ maka dengan z  kepercayaan (1‒α)100% galatnya akan lebih / 2keciln .  Teorema: Bila x-bar dipakai untuk menaksir μ maka dengan kepercayaan (1‒α)100% galatnya 2 akan lebih kecil dari suatu z  bilangan g yang ditetapkan / sebelumnya asal saja ukuran n 2  sampelnya adalah  g  . kita percaya 95% bahwa perbedaan rata-rata sampel (2.RATA-RATA 1 POP .

05? Diketahui standar deviasi populasi 0.05.3   0.3. dengan kepercayaan 95% sampel acak ukuran 138 akan memberikan estimasi x-bar yang perbedaannya dengan μ kurang dari 0.  z / 2    1.6  Contoh: Berapa besar sampel yang diperlukan jika ingin percaya 95% bahwa estimasi untuk μ kurang dari 0.RATA-RATA 1 POP .05  g    2 2  Jadi. .3  n   138.96  0.

Dist. Z → Dist.7  Seringkali varians populasi tidak diketahui dan harus diestimasi berdasarkan data sampel. t-student Z  x  x  t  dengan db  n  1 / n S/ n   P(tdb/2n 1  t  tdb/2n 1 )  1   x      P  tdb/2n1   tdb/2n1   1   S/ n   S S    /2  /2 P  x  tdbn1    x  tdbn1   1  n n  .RATA-RATA 1 POP .

0.447  0.283  10. 10. Solusi: ◦ Dihitung x-bar = 10. 9.8.0  2.26  .447 ◦ Selang kepercayaan 95% untuk rata-rata semua isi botol  0.2. Carilah selang kepercayaan 95% untuk rata-rata isi botol semacam itu bila distribusinya dianggap hampir normal.283 ◦ Dari tabel t0.283 sejenis itu adalah     10.0 dan S = 0.74    10.447       7  7    9.RATA-RATA 1 POP . 10.6 liter. dan 9. 10.8.8  Contoh: Tujuh botol yang mirip masing-masing berisi asam sulfat 9.0   2. 10.4.025db=6 = 2.2.

9 .RATA-RATA 1 POP .

10  KESIMPULAN: Selang kepercayaan (1-α)100% untuk μ jika: a.RATA-RATA 1 POP . σ tidak diketahui dan n < 30 x  tdb  n 1  /2 S S  /2    x  tdb  n 1 n n . σ diketahui dan n ≥ 30 x  z / 2  n    x  z / 2  n b.

0.03.97.01.25 desiliter! Sebuah mesin menghasilkan potongan logam yang berbentuk silinder. 0.15 desiliter. 1. Suatu mesin minuman diatur sedemikian rupa sehingga banyaknya minuman yang dikeluarkannya berdistribusi hampir normal dengan standar deviasi 0.LATIHAN 1.99. Cari selang kepercayaan 95% untuk rata-rata semua minuman yang dikeluarkan mesin tersebut bila sampel acak 36 cangkir minuman berisi rata-rata 2. dan 1.98.01.04. 0.03 cm. Hitunglah selang kepercayaan 99% untuk rata-rata diameter potongan yang dihasilkan mesin tersebut bila dimisalkan distribusinya hampir normal! 2. 1. Sampel beberapa potongan diukur dan ternyata diameternya 1.99. 0. . 1.

TUGAS .

ESTIMASI RATA-RATA SELISIH RATA-RATA 2 POPULASI .

danxμ2 adalah   Sehingga. maka estimasi dari selisih μ1 x1  2 . varians σ12 dan σ22.x1  x2    1  2  Z 2   12    2   n1    n2      .SELISIH RATA-RATA 2 POP 1  Bila ada 2 populasi masing-masing dengan rata-rata μ1 dan μ2.

SELISIH RATA-RATA 2 POP 2  Dan. P( z / 2  Z  z / 2 )  1       x1  x2    1  2   P   z / 2   z / 2   1     2   12    2     n1    n2          2     12    2    x1  x2   z / 2      1  2     n1   n2  P   1 2    12    2    x1  x2   z / 2          n1   n2     .

SELISIH RATA-RATA 2 POP 3  Selang kepercayaan (1-α)100% untuk μ1‒μ2 . ! Anggap standar deviasi populasi untuk masing-masing putra dan putri adalah 8 dan 6. σ12 dan σ22 diketahui:  x1  x2   z / 2 2   12    2      1  2   n1   n2   x1  x2   z / 2  2   12    2     n1   n2   Contoh: Diketahui nilai ujian kimia yang diberikan pada 50 siswa putri dan 75 siswa putra mempunyai rata-rata secara berurutan adalah 76 dan 86. Cari selang kepercayaan 96% untuk selisih μ1‒μ2. .

x-bar2 = 76 adl rata-rata nilai siswa putri.SELISIH RATA-RATA 2 POP 4  Misal: x-bar1 = 86 adl rata-rata nilai siswa putra. n2 = 50 dan σ2 = 6.04 → z0.05 Selang kepercayaan 96% bagi selisih rata-rata nilai siswa putra dengan siswa putri adalah 86  76    2. n1 = 75 dan σ1 = 8.02 = 2.57  82   6 2      75   50  . α = 0.05  82   6 2        1  2   75   50  86  76    2.43  1  2  8.05 3.

rata-rata nilai ujian kimia semua siswa putra lebih tinggi antara 3. 2. Dengan tingkat signifikansi 4%. Dll. . Dapat dipercaya 96% bahwa selisih rata-rata nilai ujian kimia semua siswa putra dengan siswa putri berkisar antara 3.43 hingga 8. 3.57 dari nilai ujian kimia semua siswa putri.43 hingga 8.57.SELISIH RATA-RATA 2 POP 5  Interpretasi: 1.

dimana σ12 = σ22 . σ12 dan σ22 tidak diketahui:  x1  x2   tdbn  n 2  /2 1 2 Sp 1 1   1  2  n1 n2   x1  x2   tdb/2n1  n2 2 S p  dengan. Sp  1 1  n1 n2  n1  1 S12   n2  1 S22 n1  n2  2 .SELISIH RATA-RATA 2 POP 6  Selang kepercayaan (1-α)100% untuk μ1‒μ2 .

sedangkan indeks keragaman yang rendah menunjukkan sistem perairan yang terganggu. disajikan laporan mengenai penelitian yang dilakukan di Cane Creek. untuk menentukan hubungan antara parameter fisiokimia yang terpilih dengan ukuran yang berlainan dari struktur kelompok makro invertebrata. Buat selang kepercayaan 90% untuk selisih rata-rata populasi dari kedua stasiun. Dua stasion sampling yang bebas dipilih untuk tujuan penelitian ini. Alabama.448. satu di titik muara pembuangan asam tambang dan satu lagi di hulu. indeks yang tinggi dari keragaman spesies makro invertebrata seharusnya menunjukkan sistem perairan tidak terganggu. Sebanyak 12 sampel bulanan diambil dari stasiun muara. 1974). data indeks keragaman spesiesnya menghasilkan nilai rata-rata 3.6.11 dan standar deviasi 0.771. Satu segi dari penelitian itu ialah penurunan kualitas air akibat pembuangan asam tambang.SELISIH RATA-RATA 2 POP 7  Contoh: Dalam makalah “Macroinvertebrate Community Structure a sn Indicator of Acid Mine Pollution” yang diterbitkan di Journal of Enviromental Pollution (Vol. anggap kedua populasi berdistribusi hampir normal dengan varians sama! .04 dan standar deviasi 0. sedangkan dari stasiun hulu diambil 10 sampel bulanan dengan rata-rata indeks 2. Dari segi konsep.

725  0.04  1.547 .646    12  10     0.448  2 2 p 12  10  2  α = 0.05db=12+10-2 = t0. n1 = 12.SELISIH RATA-RATA 2 POP 8  Misal:  x-bar1 = 3.725  Jadi.  S  12  1 0.1 → t0.725 0. S1 = 0.04   1. selang kepercayaan 90% untuk selisih rata-rata indeks  1 1  3.05db=20 = 1.771  10sama.11  2.593  1  2  1.11  2. maka0.448.04 adl rata-rata indeks stasiun hulu.11 adl rata-rata indeks stasiun muara.646 Diasumsikan varians  1 0. S2 = 0.  x-bar2 = 2.771.646   keragamanspesies di muara dengan di 1  adalah   12  10   hulu 2     1 1   3. n2 = 10.

dimana σ12 ≠ σ22 .SELISIH RATA-RATA 2 POP 9  Selang kepercayaan (1-α)100% untuk μ1‒μ2 . 2  S12 S 2     n1 n2  v  2 2 2 2  S1   S2      n1  n   2  n1  1  n2  1 2 . σ12 dan σ22 tidak diketahui:   x1  x2   tdb/2v 2 2 S12 S2 S12 S2    1  2   x1  x2   tdb/2v  n1 n2 n1 n2  dengan.

SELISIH RATA-RATA 2 POP 10  Contoh: Suatu penelitian mengenai “Nutrient Retention and Macroinvertebrata Community Response to Sewage Stress in A Stream Ecosystem” yang dilakukan oleh Department of Zoology di Virginia Polytechnic Institute and State University tahun 1980 menaksir selisih banyaknya bahan kimia ortofosfor yang diukur pada dua stasion yang berlainan di Sungai James.80 mg/l. ke 15 sampel dari stasion 1 mempunyai rata-rata kadar ortofosfor 3.84 mg/l dan standar deviasi 3. Ortofosfor diukur dalam mg per liter. Lima belas sampel dikumpulkan dari stasion 1 dan 12 sampel diukur dari stasion 2. anggap bahwa pengamatan berasal dari populasi normal dengan varians yang berbeda! . sedangkan 12 sampel dari stasion 2 mempunyai ratarata kadar 1.49 mg/l dengan standar deviasi 0. Cari selang kepercayaan 95% untuk selisih rata-rata kadar ortofosfor sesungguhnya pada kedua stasion tersebut.07 mg/l.

072 0.  Diasumsikan varians berbeda.120  Jadi.025db= v = t0.05 → t0.60  1  2  4.120  3.07. S1 = 3.802   1  2   3. n2 = 12.SELISIH RATA-RATA 2 POP 11  Misal:  x-bar1 = 3.84 adl rata-rata kadar ortofosfor stasion 1.07 2 0.84  1. S2 = 0.84  1.3  16 2 2  3. selang kepercayaan 95% untuk selisih rata-rata kadar ortofosfor di stasion1 dengan stasion2 adalah  3.80       15    12  2 15  1 12  1  α = 0.072 0.802     15 12   v 2 2  16.025db=16 = 2.802 3.80. maka  3. n1 = 15.49 adl rata-rata kadar ortofosfor stasion 2.  x-bar2 = 1.49    2.49    2.10 .07   0.120   15 12 15 12 0.

ESTIMASI RATA-RATA AMATAN BERPASANGAN .

  .AMATAN BERPASANGAN -1  Sampel tidak bebas dan varians tidak perlu sama. Setiap satuan percobaan mempunyai sepasang pengamatan. Contoh: Pengujian metode diet A terhadap 15 orang → Akan diamati perubahan antara “sebelum” dengan “sesudah” diet.

AMATAN BERPASANGAN -2  Yang diamati adalah selisih untuk setiap amatan berpasangan (di). Sehingga. d   dengan db  n  1 x  Z t  d / n Sd / nd d   P(tdb/2n 1  t  tdb/2n 1 )  1    S S   P  d  tdb/2nd 1 d  d  d  tdb/2nd 1 d  nd nd     1    .

008 -0.091 0.088 0.078 0.02 -0.3  Contoh: Dalam makalah “Essential Elements in Fresh and Canned Tomatoes”. No.022 -0.065 0.076 0. Carilah selang kepercayaan 98% untuk selisih sesungguhnya ratarata kandungan tembaga dalam tomat segar dan kaleng bila dianggap distribusi selisihnya normal.019 -0.062 0. Kandungan tembaga dalam tomat segar dibanding dengan kandungan tembaga pada tomat yang sama setelah dikalengkan dicatat dan hasilnya seperti di samping.093 0.022 -0.073 0.085 0. kandungan unsur penting ditentukan dalam tomat segar dan kalengan menggunakan spektrofotometer penyerapan atom.0117 0.066 0.008 -0.069 0.095 0.079 0.009 -0. yang diterbitkan di Journal of Food Science (Jilid 46.071 0.068 d-bar Sd di -0.005 0.079 0.006 -0.067 0.071 0. 1981).008394 .AMATAN BERPASANGAN . 1 2 3 4 5 6 7 8 9 10 Tomat Tomat Segar Kaleng 0.002 -0.096 0.087 0.

4  Misal:  α = 0. dapat disimpulkan bahwa dengan tingkat kepercayaan 98% dipercaya selisih kandungan tembaga antara tomat kalengan dengan tomat segar berkisar antara 0.821 0.0084  d  0.01db= 9 = 2. selang kepercayaan 98% untuk selisih kandungan tembaga pada tomat segar dengan tomat kalengan adalah 0.821 10 10 0.0192  Jadi. sehingga dapat dikatakan bahwa kandungan tembaga dalam tomat kalengan lebih besar daripada tomat segar. .0117   2.0117   2.02 → t0.0192.821  Jadi.0042 hingga 0.AMATAN BERPASANGAN .0084 0.0042  d  0.

TUGAS .

PENDUGAAN PARAMETER ESTIMASI PROPORSI 1 POPULASI .

q / n  .1  ˆ p Estimator untuk P adalah (baca: px ˆ p hat / p-topi). dengan dimana x n adalah banyaknya kejadian sukses dalam n kali percobaan (proses bernoulli). Pendekatan Binomial dengan Normal ˆ p p adalah Z p.PROPORSI 1 POPULASI .

2  Definisi: Jika p-hat menyatakan proporsi yang sukses dalam sampel acak ukuran n. maka selang kepercayaan (1-α)100% untuk parameter binomial P adalah ˆ p  z / 2 ˆ ˆ p.q n .q ˆ  P  p  z / 2 n ˆ ˆ p.PROPORSI 1 POPULASI .

Kanada. Carilah selang kepercayaan 95% untuk proporsi sesungguhnya dari keluarga yang memiliki tv berwarna di kota tersebut! .PROPORSI 1 POPULASI .3  Contoh: Pada suatu sampel acak 500 kaluarga yang memiliki pesawat televisi di kota Hamilton. ditemukan bahwa 340 keluarga tv-nya berwarna.

PENDUGAAN PARAMETER ESTIMASI SELISIH PROPORSI 2 POPULASI .

SELISIH PROPORSI 2 POPULASI -1  Definisi: Bila p1-hat dan p2-hat menyatakan proporsi sukses dalam sampel acak masing-masing berukuran n1 dan n2. maka selang kepercayaan (1-α)100% untuk selisih kedua parameter binomial P1-P2 ˆ ˆ ˆ ˆ p1.q2  n1 n2 .q1 p2 .q2 adalah  z ˆ ˆ   P P  p  p 1 2  /2 n1 n2 1 2 ˆ ˆ  p1  p2   z / 2 ˆ ˆ ˆ ˆ p1.q1 p2 .

SELISIH PROPORSI 2 POPULASI -2  Contoh: Suatu perubahan dalam cara pembuatan suku cadang sedang direncanakan. Sampel diambil dari cara lama maupun yang baru untuk melihat apakah cara baru tersebut memberikan perbaiikan. Dan 80 dari 2000 yang berasal dari cara baru ternyata cacat. Bila 75 dari 1500 suku cadang yang berasal dari cara lama ternyata cacat. Carilah selang kepercayaan 90% untuk selisih sesungguhnya proporsi yang baik dalam kedua cara tersebut! .

PENDUGAAN PARAMETER ESTIMASI VARIANS 1 POPULASI .

1  Estimasi selang untuk σ2 diturunkan dengan menggunakan statistik χ2 (baca: chi-square) dengan derajat bebas db = n-1  n  1 S 2 2   2 α/2 1-α α/2 χ21-α/2 χ2α/2 .VARIANS 1 POPULASI .

2  Definisi: Bila S2 varians sampel acak ukuran n dari populasi normal maka selang kepercayaan (1-α)100% untuk σ2 diberikan oleh  n  1 S  / 2 2 2  2  n  1 S   2 1 / 2 2 .VARIANS 1 POPULASI .

1. 10 bungkus bibit sejenis tanaman yang dipasarkan oleh suatu perusahaan: 46. 45.0. Carilah selang kepercayaan 95% untuk varians semua bungkusan bibit yang dipasarkan perusahaan tersbut.8.3  Contoh: Data berikut menyatakan berat.8.6. anggap populasinya normal! .1.9. dalam gram. 46. 45.VARIANS 1 POPULASI . 47. dan 46. 45. 46. 45.2. 46.0.9.

PENDUGAAN PARAMETER ESTIMASI RASIO VARIANS 2 POPULASI .

v 2 1 .RASIO VARIANS 2 POPULASI 1  Bila σ1 dan σ2 varians dua populasi normal. maka estimasi selang untuk rasio σ1/σ2 diperoleh dengan menggunakan statistik F yakni 2 2  2 .S2 Dengan derajat bebas v1=n1-1 dan v2=n2-1  .S1 F  2 2 ~ Fv1.

 .v1 2  /2 S2 Fv1.v 2  2 S2 Varians dikatakan sama jika dan hanya jika selang mencakup nilai 1.RASIO VARIANS 2 POPULASI 2  Bila S12 dan S22 varians dari sampel acak masing-masing berukuran n1 dan n2 dari populasi normal. maka selang kepercayaan (1-α)100% untuk rasio σ1/σ2 adalah 2 2 2 S1 1 1 S1  / 2  2  2 Fv 2.

Beri dukungan atas anggapan ini dengan membuat selang kepercayaan 98% untuk rasio σ1/σ2 ! .RASIO VARIANS 2 POPULASI 3  Contoh: Suatu selang kepercayaan untuk perbedaan rataan kadar ortofosfor. pada dua stasiun di sungai James telah dihitung sebelumnya dengan menganggap kedua varians populasi normal tidak sama. diukur dalam mg/liter.

Sign up to vote on this title
UsefulNot useful