SlideShare uma empresa Scribd logo
1 de 8
Baixar para ler offline
Estimasi 1
Pendugaan Parameter
1 Pendahuluan
 Pendugaan Parameter Populasi dilakukan dengan menggunakan nilai Statistik Sampel
Misal :
1. x digunakan sebagai penduga bagi 
2. s digunakan sebagai penduga bagi 
3. p p
atau  digunakan sebagai penduga bagi  atau p
Catatan : Beberapa pustaka menulis p sebagai 
p (p topi)
p = proporsi "sukses" dalam Sampel acak (ingat
konsep percobaan binomial?)
1 - p = q = proporsi "gagal" dalam Sampel acak
 Pendugaan parameter diwujudkan dalam pembentukan selang kepercayaan, karena hampir
tidak pernah ditemukan nilai statistik tepat sama dengan nilai parameter.
 Selang Kepercayaan = Konfidensi Interval = Confidence Interval
 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 - 
  kemudian akan dibagi ke dua sisi
/2 di atas batas atas dan /2 di bawah batas bawah
 Selang kepercayaan menurut Distribusi z dan Distribusi t
 Selang Kepercayaan dengan Distribusi z (Tabel hal 175)
Nilai  dan Selang kepercayaan yang lazim digunakan antara lain :
Selang kepercayaan 90 % Derajat Kepercayaan = 1 -  = 9
 = 10 %  /2 = 5 %  z z
5 0 05 1 645
% . .
 
Selang kepercayaan 95 %  Derajat Kepercayaan = 1 -  = 95%
 = 5 %  /2 = 2.5 %  z z
2 5 0 025 1 96
. % . .
 
Selang kepercayaan 99 %  Derajat Kepercayaan = 1 -  = 99%
Estimasi 2
 = 1 %  /2 = 0.5 % z z
0 5% 0 005 2575
. . .
 
Contoh Distribusi z untuk SK 99 %
luas daerah tidak terarsir ini diketahui
dari Tabel (hal 175)
luasdaerahterarsir
luas daerah terarsir ini =
ini = /2 = 0.5% /2 = 0.5%
-2.575 0 2.575
 Selang Kepercayaan dengan Distribusi t (Tabel hal 177)
Nilai  (dan tentu saja /2) sudah diterakan dalam Tabel.
Perhatikan derajat bebas (db).
Nilai t tabel tergantung dari nilai derajat bebas (db) dan nilai /2 (Tabel hal 177)
Misal : Selang kepercayaan 99 %; db = 13  1 -  = 99%
 = 1 %  /2 = 0.5 %
t tabel (db=13;/2 = 0.5%) = 3.012
Contoh Distribusi t untuk SK 99 % ; db = 13
luas daerah terarsir luas daerah terarsir ini =
ini = /2 = 0.5% /2 = 0.5%
-t = -3.012 0 t =3.012
Estimasi 3
 Selang Kepercayaan yang baik?
Idealnya selang yang baik adalah selang yang pendek dengan derajat kepercayaan yang
tinggi.
 Banyak Selang Kepercayaan yang dapat dibentuk dalam suatu populasi adalah Tidak
terhingga, anda bebas menetapkan derajat kebebasan dan lebar selangnya.
Contoh 1 :
Di bawah ini terdapat 4 selang kepercayaan mengenai rata-rata umur mahasiswa. Semua selang
dibuat untuk populasi yang sama, manakah yang paling baik?
A. Selang kepercayaan 90 % rata-rata umur mahasiswa 18 - 25 tahun
B. Selang kepercayaan 99 % rata-rata umur mahasiswa 18 - 27 tahun
C. Selang Kepercayaan 90 % rata-rata umur mahasiswa 22 - 27 tahun
D. Selang Kepercayaan 99 % rata-rata umur mahasiswa 22 - 25 tahun
Jawab : D, karena................................
 Bentuk Umum Selang Kepercayaan
Batas Bawah < (Simbol) Parameter < Batas Atas
Untuk Sampel Berukuran Besar :
Statistik( z /2 StandardErrorSampel)<Parameter<Statistik+( z /2 Standard Error Sampel)
Untuk Sampel Berukuran Kecil :
Statistik(t db
( ; / )
 2 StandardErrorSampel)<Parameter<Statistik+(t db
( ; / )
 2 StandardErrorSampel)
Estimasi 4
2. Pendugaan Rata-rata
2.1. Pendugaan Rata-rata dari Sampel besar (n 30)
 Nilai simpangan baku populasi () diketahui
 Jika nilai simpangan baku populasi () tidak diketahui  gunakan simpangan baku Sampel (s)
Selang kepercayaan 1
Selang Kepercayaan sebesar (1-)100 % bagi  adalah :
x z x z
-
n
< < +
n
 



2 2
Jika  tidak diketahui, dapat digunakan s
 Ukuran Sampel bagi pendugaan 
Pada Derajat Kepercayaan (1-) ukuran sampel yang error(selisih atau galat)nya tidak lebih dari
suatu nilai E adalah
 
 
n
z
  
/2
2

n dibulatkan ke bilangan bulat terdekat yang paling besar (fungsi ceiling)
jika  tidak diketahui, gunakan s
E : error  selisih x dengan 
Contoh 2
Dari 36 mahasiswa tingkat II diketahui bahwa rata-rata IPK = 2.6 dengan simpangan baku = 0.3.
a. Buat selang kepercayaan 95 % untuk rata-rata IPKseluruh mahasiswa tingkat II?
Selang kepercayaan 95 %   = 5 %  /2 = 2.5 % z z
2 5 0 025 1 96
. % . .
 
x = 2.6 s = 0.3
x z
s
x z
s
-
n
< < +
n
0 025 0 025
. .

2.6- (1.96)(
36
) < < 2.6 +(1.96) (
36
0 3 0 3
. .
)

2.6 - 0.098 <  < 2.6 + 0.098
Estimasi 5
2.502 <  < 2.698
2.5 <  < 2.7
(catt : mengikuti nilaix yang hanya mempunyai 1 desimal, nilai-nilai dalam selang
dibulatkan satu desimal)
b. Berapa ukuran Sampel agar selisih rata-rata Sampel ( x ) dengan rata-rata populasi () pada
selang kepercayaan 95 % tidak lebih dari 10 %?
E = 10 % = 0.10
s = 0.3
Selang kepercayaan 95 %   = 5 %  /2 = 2.5 %  z z
2 5 0 025 1 96
. % . .
 
n z s
 0 025
2
.

 ( . )
.
1 96
0 10
2
(0.3)
= (5.88)² = 34. 5744  35
2.2. Pendugaan Rata-rata dari Sampel kecil (n < 30)
dan nilai simpangan baku populasi () tidak diketahui  gunakan simpangan baku Sampel (s²)
Selang Kepercayaan 2
Selang Kepercayaan sebesar (1-)100 % bagi  adalah :
x t
s
x t
s
db db
-
n
< < +
n
( ; ) ( ; )
 

2 2
db = derajat bebas = n-1
Estimasi 6
2.3. Pendugaan bagi Beda 2 Rata-rata dari Sampel-Sampel besar dan nilai ragam
populasi ( 1
2
dan 2
2
) diketahui dan jika nilai ragam populasi ( 1
2
dan 2
2
) tidak
diketahui  gunakan ragam Sampel ( s1
2
dan s2
2
)
Selang Kepercayaan 3
Selang Kepercayaan sebesar (1-)100 % bagi  
1 2
 adalah
x x
n n
x x
n n
1 2 1 2
- - z < - < - + z
 
 
 
 
2 2
1
2
1
2
2
2
1 2
1
2
1
2
2
2
 
1
2
dan 2
2
tidak diketahui  gunakan s1
2
dan s2
2
2.4 Pendugaan bagi Beda 2 Rata-rata dari Sampel-Sampel kecil dan nilai kedua
ragam populasi tidak sama ( 1
2
2
2
) dan tidak diketahui  gunakan ragam
Sampel (s1
2
dan s2
2
)
Selang Kepercayaan 4
Selang Kepercayaan sebesar (1-)100 % bagi  
1 2
  adalah
x x
s
n
s
n
x x
s
n
s
n
db db
1 2 1 2
- - t < - < - + t
( ; ) ( ; )
 
 
2 2
1
2
1
2
2
2
1 2
1
2
1
2
2
2
 
derajat bebas (db) =
( )
( ) ( ) ( ) ( )
s
n
s
n
s
n
s
n
n n
1
2
1
2
2
2
1
2
1
2
2
2
2
2
1
2
2
1 1

  
db : dibulatkan ke bilangan bulat terdekat
ATAU db dapat didekati dengan n n
1 2 2
 
Estimasi 7
2.5 Pendugaan bagi Beda 2 Rata-rata dari Sampel-Sampel kecil dan nilai kedua ragam
populasi sama ( 1
2
=2
2
) tidak diketahui gunakan ragam Sampel gabungan (sgab
2
)
Selang Kepercayaan 5
Selang Kepercayaan sebesar (1-)100 % bagi  
1 2
 adalah
x x
n n
x x
n n
db db
1 2 gab 1 2 gab
- - t s < - < - + t s
( ; ) ( ; )
 
 
2 2
1 1 1 1
1 2
1 2
1 2
  
s
n s n s
n n
gab
2 1 1
2
2 2
2
1 2
1 1
2

 
 
( ) ( )
+
dan s s
gab gab
 2
dan derajat bebas = n n
1 2 2
 
2.6. Pendugaan Proporsi dari Sampel besar
 Pengertian proporsi
 = proporsi populasi
p = proporsi "sukses" dalam Sampel acak
q = 1 - p = proporsi "gagal" dalam Sampel acak
Misal :
kelas "sukses"  "menyukai seafood" kelas "gagal"  "tidak menyukai seafood"
yang ditanyakan dalam soal  kelas “SUKSES”
Pendugaan Proporsi lebih lazim menggunakan Sampel besar, jadi lebih lazim menggunakan
Distribusi z.
Selang Kepercayaan 6
Selang Kepercayaan sebesar (1-)100 % bagi p adalah :
p z
pq
n
p z
pq
n
- < < +
 

2 2
ingat 1 - p = q
Estimasi 8
 Ukuran Sampel
Ukuran Sampel pada Selang Kepercayaan (1-)100 % dengan galat (selisih atau Error) tidak
akan melebihi suatu nilai E adalah :
n
z pq
E







/2
2
2 n dibulatkan ke atas !
n : ukuran sampel
E : error  selisih p dengan 
2.7 Pendugaan Beda 2 Proporsi dari Sampel-Sampel besar
Selang Kepercayaan-7
Selang Kepercayaan sebesar (1-)100 % bagi  
1 2
 adalah :
p p
p q
n
p q
n
p p
p q
n
p q
n
1 2 1 2
- - z < - < - + z
 
 
2 2
1 1
1
2 2
2
1 2
1 1
1
2 2
2
 
 selesai 

Mais conteúdo relacionado

Mais procurados

pendugaan titik dan pendugaan interval
 pendugaan titik dan pendugaan interval pendugaan titik dan pendugaan interval
pendugaan titik dan pendugaan intervalYesica Adicondro
 
Pendugaan interval
Pendugaan intervalPendugaan interval
Pendugaan intervalDanu Saputra
 
10.pendugaan interval
10.pendugaan interval10.pendugaan interval
10.pendugaan intervalhartantoahock
 
Estimasi mean
Estimasi meanEstimasi mean
Estimasi meanWindii
 
Statistik 1 3 dispersi
Statistik 1 3 dispersiStatistik 1 3 dispersi
Statistik 1 3 dispersiSelvin Hadi
 
Slide4 statistika
Slide4 statistikaSlide4 statistika
Slide4 statistikaAmrul Rizal
 
4 ukruran tendensi sentral
4  ukruran tendensi sentral4  ukruran tendensi sentral
4 ukruran tendensi sentralSalma Van Licht
 

Mais procurados (9)

pendugaan titik dan pendugaan interval
 pendugaan titik dan pendugaan interval pendugaan titik dan pendugaan interval
pendugaan titik dan pendugaan interval
 
Pendugaan interval
Pendugaan intervalPendugaan interval
Pendugaan interval
 
Pendugaan parameter
Pendugaan parameterPendugaan parameter
Pendugaan parameter
 
10.pendugaan interval
10.pendugaan interval10.pendugaan interval
10.pendugaan interval
 
Pendugaan Parameter
Pendugaan ParameterPendugaan Parameter
Pendugaan Parameter
 
Estimasi mean
Estimasi meanEstimasi mean
Estimasi mean
 
Statistik 1 3 dispersi
Statistik 1 3 dispersiStatistik 1 3 dispersi
Statistik 1 3 dispersi
 
Slide4 statistika
Slide4 statistikaSlide4 statistika
Slide4 statistika
 
4 ukruran tendensi sentral
4  ukruran tendensi sentral4  ukruran tendensi sentral
4 ukruran tendensi sentral
 

Destaque

Consumptie ijs: een kleine geschiedenis
Consumptie ijs: een kleine geschiedenis Consumptie ijs: een kleine geschiedenis
Consumptie ijs: een kleine geschiedenis Bakkerijmuseum Veurne
 
Угоди між ПТУ №50 та замовниками робітничих кадрів на 2015 рік
Угоди між ПТУ №50 та замовниками робітничих кадрів на 2015 рікУгоди між ПТУ №50 та замовниками робітничих кадрів на 2015 рік
Угоди між ПТУ №50 та замовниками робітничих кадрів на 2015 рікymcmb_ua
 
OpenStreetMap Budapest Meetup - Mozilla Location Service
OpenStreetMap Budapest Meetup - Mozilla Location ServiceOpenStreetMap Budapest Meetup - Mozilla Location Service
OpenStreetMap Budapest Meetup - Mozilla Location ServiceKálmán "KAMI" Szalai
 
Podsumowanie 13. edycji akcji charytatywnej "Czapka św. Mikołaja"
Podsumowanie 13. edycji akcji charytatywnej "Czapka św. Mikołaja"Podsumowanie 13. edycji akcji charytatywnej "Czapka św. Mikołaja"
Podsumowanie 13. edycji akcji charytatywnej "Czapka św. Mikołaja"MRMRybnika
 
Togaf VCCM tag clouds
Togaf VCCM tag cloudsTogaf VCCM tag clouds
Togaf VCCM tag cloudsRené MANDEL
 
Liceo AndréS Bello (A 94)
Liceo AndréS Bello  (A 94)Liceo AndréS Bello  (A 94)
Liceo AndréS Bello (A 94)guesteb1b96
 
Chủ đề - Gấp một số lên nhiều lần, giảm một số xuống một số lần (Cơ bản)
Chủ đề - Gấp một số lên nhiều lần, giảm một số xuống một số lần (Cơ bản)Chủ đề - Gấp một số lên nhiều lần, giảm một số xuống một số lần (Cơ bản)
Chủ đề - Gấp một số lên nhiều lần, giảm một số xuống một số lần (Cơ bản)Tùng Trịnh Thanh
 
PresentacióN De Microsoft Power Point
PresentacióN De Microsoft Power PointPresentacióN De Microsoft Power Point
PresentacióN De Microsoft Power Pointdrugger1
 
Presentacion traiborg ro123
Presentacion traiborg ro123Presentacion traiborg ro123
Presentacion traiborg ro123Dan Ioica
 
Презентация OdinPrint для оптовиков
Презентация OdinPrint для оптовиковПрезентация OdinPrint для оптовиков
Презентация OdinPrint для оптовиковRuslan Sharapov
 
Моделирующие антицеллюлитные средства "Мозуку" от МейТан
Моделирующие антицеллюлитные средства "Мозуку" от МейТанМоделирующие антицеллюлитные средства "Мозуку" от МейТан
Моделирующие антицеллюлитные средства "Мозуку" от МейТанНастя Ларина
 
Tim is my name
Tim is my nameTim is my name
Tim is my nameTim Brands
 
Acceso A Los Servicios De Salud En CentroaméRica
Acceso A Los Servicios De Salud En CentroaméRicaAcceso A Los Servicios De Salud En CentroaméRica
Acceso A Los Servicios De Salud En CentroaméRicalauyvivi
 

Destaque (18)

Consumptie ijs: een kleine geschiedenis
Consumptie ijs: een kleine geschiedenis Consumptie ijs: een kleine geschiedenis
Consumptie ijs: een kleine geschiedenis
 
31-734-1-PB
31-734-1-PB31-734-1-PB
31-734-1-PB
 
Alexa
AlexaAlexa
Alexa
 
Угоди між ПТУ №50 та замовниками робітничих кадрів на 2015 рік
Угоди між ПТУ №50 та замовниками робітничих кадрів на 2015 рікУгоди між ПТУ №50 та замовниками робітничих кадрів на 2015 рік
Угоди між ПТУ №50 та замовниками робітничих кадрів на 2015 рік
 
OpenStreetMap Budapest Meetup - Mozilla Location Service
OpenStreetMap Budapest Meetup - Mozilla Location ServiceOpenStreetMap Budapest Meetup - Mozilla Location Service
OpenStreetMap Budapest Meetup - Mozilla Location Service
 
Podsumowanie 13. edycji akcji charytatywnej "Czapka św. Mikołaja"
Podsumowanie 13. edycji akcji charytatywnej "Czapka św. Mikołaja"Podsumowanie 13. edycji akcji charytatywnej "Czapka św. Mikołaja"
Podsumowanie 13. edycji akcji charytatywnej "Czapka św. Mikołaja"
 
Logo
LogoLogo
Logo
 
Togaf VCCM tag clouds
Togaf VCCM tag cloudsTogaf VCCM tag clouds
Togaf VCCM tag clouds
 
MyThings
MyThingsMyThings
MyThings
 
Liceo AndréS Bello (A 94)
Liceo AndréS Bello  (A 94)Liceo AndréS Bello  (A 94)
Liceo AndréS Bello (A 94)
 
Chủ đề - Gấp một số lên nhiều lần, giảm một số xuống một số lần (Cơ bản)
Chủ đề - Gấp một số lên nhiều lần, giảm một số xuống một số lần (Cơ bản)Chủ đề - Gấp một số lên nhiều lần, giảm một số xuống một số lần (Cơ bản)
Chủ đề - Gấp một số lên nhiều lần, giảm một số xuống một số lần (Cơ bản)
 
Revista Lançamentos #224
Revista Lançamentos #224Revista Lançamentos #224
Revista Lançamentos #224
 
PresentacióN De Microsoft Power Point
PresentacióN De Microsoft Power PointPresentacióN De Microsoft Power Point
PresentacióN De Microsoft Power Point
 
Presentacion traiborg ro123
Presentacion traiborg ro123Presentacion traiborg ro123
Presentacion traiborg ro123
 
Презентация OdinPrint для оптовиков
Презентация OdinPrint для оптовиковПрезентация OdinPrint для оптовиков
Презентация OdinPrint для оптовиков
 
Моделирующие антицеллюлитные средства "Мозуку" от МейТан
Моделирующие антицеллюлитные средства "Мозуку" от МейТанМоделирующие антицеллюлитные средства "Мозуку" от МейТан
Моделирующие антицеллюлитные средства "Мозуку" от МейТан
 
Tim is my name
Tim is my nameTim is my name
Tim is my name
 
Acceso A Los Servicios De Salud En CentroaméRica
Acceso A Los Servicios De Salud En CentroaméRicaAcceso A Los Servicios De Salud En CentroaméRica
Acceso A Los Servicios De Salud En CentroaméRica
 

Semelhante a Estimasi1

TEORI-PENDUGAAN-STATISTIK.pptx
TEORI-PENDUGAAN-STATISTIK.pptxTEORI-PENDUGAAN-STATISTIK.pptx
TEORI-PENDUGAAN-STATISTIK.pptxTitaMarlina1
 
9 PENDUGAAN-PARAMETER RERATA DAN PROPORSI.pptx
9 PENDUGAAN-PARAMETER RERATA DAN PROPORSI.pptx9 PENDUGAAN-PARAMETER RERATA DAN PROPORSI.pptx
9 PENDUGAAN-PARAMETER RERATA DAN PROPORSI.pptxKosmetikolshop
 
Desain-Eksperimen-Pertemuan-14.ppt
Desain-Eksperimen-Pertemuan-14.pptDesain-Eksperimen-Pertemuan-14.ppt
Desain-Eksperimen-Pertemuan-14.pptfirmansyah231676
 
Konsep dasar pendugaan parameter
Konsep dasar pendugaan parameterKonsep dasar pendugaan parameter
Konsep dasar pendugaan parametermatematikaunindra
 
Pengukuran Dispersi - TM4.pptx
Pengukuran Dispersi - TM4.pptxPengukuran Dispersi - TM4.pptx
Pengukuran Dispersi - TM4.pptxBryanApriliano
 
Pendugaan interval
Pendugaan intervalPendugaan interval
Pendugaan intervalDanu Saputra
 
Statekbis - Pendugaan Interval
Statekbis - Pendugaan IntervalStatekbis - Pendugaan Interval
Statekbis - Pendugaan IntervalDanu Saputra
 
Ukuran dispersi(5)
Ukuran dispersi(5)Ukuran dispersi(5)
Ukuran dispersi(5)rizka_safa
 
Pendugaan interval
Pendugaan intervalPendugaan interval
Pendugaan intervalDanu Saputra
 
K6_INDRALAYA_DISTRIBUSI NORMAL_STATISTIKA PENDIDIKAN.pptx
K6_INDRALAYA_DISTRIBUSI NORMAL_STATISTIKA PENDIDIKAN.pptxK6_INDRALAYA_DISTRIBUSI NORMAL_STATISTIKA PENDIDIKAN.pptx
K6_INDRALAYA_DISTRIBUSI NORMAL_STATISTIKA PENDIDIKAN.pptxTriOktariana2
 
Interval Konfidens.pptx
Interval Konfidens.pptxInterval Konfidens.pptx
Interval Konfidens.pptxDewantoAndoko1
 
af31319af4158e0bbdaf5085471ecfdf.pptx
af31319af4158e0bbdaf5085471ecfdf.pptxaf31319af4158e0bbdaf5085471ecfdf.pptx
af31319af4158e0bbdaf5085471ecfdf.pptxRianAbang
 
STATISTIK DESKRIPTIF
STATISTIK DESKRIPTIFSTATISTIK DESKRIPTIF
STATISTIK DESKRIPTIFfikri asyura
 

Semelhante a Estimasi1 (20)

Pendugaan Parameter
Pendugaan ParameterPendugaan Parameter
Pendugaan Parameter
 
Teori penaksiran1
Teori penaksiran1Teori penaksiran1
Teori penaksiran1
 
TEORI-PENDUGAAN-STATISTIK.pptx
TEORI-PENDUGAAN-STATISTIK.pptxTEORI-PENDUGAAN-STATISTIK.pptx
TEORI-PENDUGAAN-STATISTIK.pptx
 
Pendugaan Parameter
Pendugaan ParameterPendugaan Parameter
Pendugaan Parameter
 
9 PENDUGAAN-PARAMETER RERATA DAN PROPORSI.pptx
9 PENDUGAAN-PARAMETER RERATA DAN PROPORSI.pptx9 PENDUGAAN-PARAMETER RERATA DAN PROPORSI.pptx
9 PENDUGAAN-PARAMETER RERATA DAN PROPORSI.pptx
 
Desain-Eksperimen-Pertemuan-14.ppt
Desain-Eksperimen-Pertemuan-14.pptDesain-Eksperimen-Pertemuan-14.ppt
Desain-Eksperimen-Pertemuan-14.ppt
 
Konsep dasar pendugaan parameter
Konsep dasar pendugaan parameterKonsep dasar pendugaan parameter
Konsep dasar pendugaan parameter
 
Teori pendugaan statistik
Teori pendugaan statistikTeori pendugaan statistik
Teori pendugaan statistik
 
Pengukuran Dispersi - TM4.pptx
Pengukuran Dispersi - TM4.pptxPengukuran Dispersi - TM4.pptx
Pengukuran Dispersi - TM4.pptx
 
Pendugaan interval
Pendugaan intervalPendugaan interval
Pendugaan interval
 
Statekbis - Pendugaan Interval
Statekbis - Pendugaan IntervalStatekbis - Pendugaan Interval
Statekbis - Pendugaan Interval
 
Ukuran dispersi(5)
Ukuran dispersi(5)Ukuran dispersi(5)
Ukuran dispersi(5)
 
Pendugaan interval
Pendugaan intervalPendugaan interval
Pendugaan interval
 
Pertemuan 5
Pertemuan 5Pertemuan 5
Pertemuan 5
 
Statistical Estimation
Statistical EstimationStatistical Estimation
Statistical Estimation
 
K6_INDRALAYA_DISTRIBUSI NORMAL_STATISTIKA PENDIDIKAN.pptx
K6_INDRALAYA_DISTRIBUSI NORMAL_STATISTIKA PENDIDIKAN.pptxK6_INDRALAYA_DISTRIBUSI NORMAL_STATISTIKA PENDIDIKAN.pptx
K6_INDRALAYA_DISTRIBUSI NORMAL_STATISTIKA PENDIDIKAN.pptx
 
Interval Konfidens.pptx
Interval Konfidens.pptxInterval Konfidens.pptx
Interval Konfidens.pptx
 
af31319af4158e0bbdaf5085471ecfdf.pptx
af31319af4158e0bbdaf5085471ecfdf.pptxaf31319af4158e0bbdaf5085471ecfdf.pptx
af31319af4158e0bbdaf5085471ecfdf.pptx
 
Distribusi probabilitas
Distribusi probabilitasDistribusi probabilitas
Distribusi probabilitas
 
STATISTIK DESKRIPTIF
STATISTIK DESKRIPTIFSTATISTIK DESKRIPTIF
STATISTIK DESKRIPTIF
 

Estimasi1

  • 1. Estimasi 1 Pendugaan Parameter 1 Pendahuluan  Pendugaan Parameter Populasi dilakukan dengan menggunakan nilai Statistik Sampel Misal : 1. x digunakan sebagai penduga bagi  2. s digunakan sebagai penduga bagi  3. p p atau  digunakan sebagai penduga bagi  atau p Catatan : Beberapa pustaka menulis p sebagai  p (p topi) p = proporsi "sukses" dalam Sampel acak (ingat konsep percobaan binomial?) 1 - p = q = proporsi "gagal" dalam Sampel acak  Pendugaan parameter diwujudkan dalam pembentukan selang kepercayaan, karena hampir tidak pernah ditemukan nilai statistik tepat sama dengan nilai parameter.  Selang Kepercayaan = Konfidensi Interval = Confidence Interval  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 -    kemudian akan dibagi ke dua sisi /2 di atas batas atas dan /2 di bawah batas bawah  Selang kepercayaan menurut Distribusi z dan Distribusi t  Selang Kepercayaan dengan Distribusi z (Tabel hal 175) Nilai  dan Selang kepercayaan yang lazim digunakan antara lain : Selang kepercayaan 90 % Derajat Kepercayaan = 1 -  = 9  = 10 %  /2 = 5 %  z z 5 0 05 1 645 % . .   Selang kepercayaan 95 %  Derajat Kepercayaan = 1 -  = 95%  = 5 %  /2 = 2.5 %  z z 2 5 0 025 1 96 . % . .   Selang kepercayaan 99 %  Derajat Kepercayaan = 1 -  = 99%
  • 2. Estimasi 2  = 1 %  /2 = 0.5 % z z 0 5% 0 005 2575 . . .   Contoh Distribusi z untuk SK 99 % luas daerah tidak terarsir ini diketahui dari Tabel (hal 175) luasdaerahterarsir luas daerah terarsir ini = ini = /2 = 0.5% /2 = 0.5% -2.575 0 2.575  Selang Kepercayaan dengan Distribusi t (Tabel hal 177) Nilai  (dan tentu saja /2) sudah diterakan dalam Tabel. Perhatikan derajat bebas (db). Nilai t tabel tergantung dari nilai derajat bebas (db) dan nilai /2 (Tabel hal 177) Misal : Selang kepercayaan 99 %; db = 13  1 -  = 99%  = 1 %  /2 = 0.5 % t tabel (db=13;/2 = 0.5%) = 3.012 Contoh Distribusi t untuk SK 99 % ; db = 13 luas daerah terarsir luas daerah terarsir ini = ini = /2 = 0.5% /2 = 0.5% -t = -3.012 0 t =3.012
  • 3. Estimasi 3  Selang Kepercayaan yang baik? Idealnya selang yang baik adalah selang yang pendek dengan derajat kepercayaan yang tinggi.  Banyak Selang Kepercayaan yang dapat dibentuk dalam suatu populasi adalah Tidak terhingga, anda bebas menetapkan derajat kebebasan dan lebar selangnya. Contoh 1 : Di bawah ini terdapat 4 selang kepercayaan mengenai rata-rata umur mahasiswa. Semua selang dibuat untuk populasi yang sama, manakah yang paling baik? A. Selang kepercayaan 90 % rata-rata umur mahasiswa 18 - 25 tahun B. Selang kepercayaan 99 % rata-rata umur mahasiswa 18 - 27 tahun C. Selang Kepercayaan 90 % rata-rata umur mahasiswa 22 - 27 tahun D. Selang Kepercayaan 99 % rata-rata umur mahasiswa 22 - 25 tahun Jawab : D, karena................................  Bentuk Umum Selang Kepercayaan Batas Bawah < (Simbol) Parameter < Batas Atas Untuk Sampel Berukuran Besar : Statistik( z /2 StandardErrorSampel)<Parameter<Statistik+( z /2 Standard Error Sampel) Untuk Sampel Berukuran Kecil : Statistik(t db ( ; / )  2 StandardErrorSampel)<Parameter<Statistik+(t db ( ; / )  2 StandardErrorSampel)
  • 4. Estimasi 4 2. Pendugaan Rata-rata 2.1. Pendugaan Rata-rata dari Sampel besar (n 30)  Nilai simpangan baku populasi () diketahui  Jika nilai simpangan baku populasi () tidak diketahui  gunakan simpangan baku Sampel (s) Selang kepercayaan 1 Selang Kepercayaan sebesar (1-)100 % bagi  adalah : x z x z - n < < + n      2 2 Jika  tidak diketahui, dapat digunakan s  Ukuran Sampel bagi pendugaan  Pada Derajat Kepercayaan (1-) ukuran sampel yang error(selisih atau galat)nya tidak lebih dari suatu nilai E adalah     n z    /2 2  n dibulatkan ke bilangan bulat terdekat yang paling besar (fungsi ceiling) jika  tidak diketahui, gunakan s E : error  selisih x dengan  Contoh 2 Dari 36 mahasiswa tingkat II diketahui bahwa rata-rata IPK = 2.6 dengan simpangan baku = 0.3. a. Buat selang kepercayaan 95 % untuk rata-rata IPKseluruh mahasiswa tingkat II? Selang kepercayaan 95 %   = 5 %  /2 = 2.5 % z z 2 5 0 025 1 96 . % . .   x = 2.6 s = 0.3 x z s x z s - n < < + n 0 025 0 025 . .  2.6- (1.96)( 36 ) < < 2.6 +(1.96) ( 36 0 3 0 3 . . )  2.6 - 0.098 <  < 2.6 + 0.098
  • 5. Estimasi 5 2.502 <  < 2.698 2.5 <  < 2.7 (catt : mengikuti nilaix yang hanya mempunyai 1 desimal, nilai-nilai dalam selang dibulatkan satu desimal) b. Berapa ukuran Sampel agar selisih rata-rata Sampel ( x ) dengan rata-rata populasi () pada selang kepercayaan 95 % tidak lebih dari 10 %? E = 10 % = 0.10 s = 0.3 Selang kepercayaan 95 %   = 5 %  /2 = 2.5 %  z z 2 5 0 025 1 96 . % . .   n z s  0 025 2 .   ( . ) . 1 96 0 10 2 (0.3) = (5.88)² = 34. 5744  35 2.2. Pendugaan Rata-rata dari Sampel kecil (n < 30) dan nilai simpangan baku populasi () tidak diketahui  gunakan simpangan baku Sampel (s²) Selang Kepercayaan 2 Selang Kepercayaan sebesar (1-)100 % bagi  adalah : x t s x t s db db - n < < + n ( ; ) ( ; )    2 2 db = derajat bebas = n-1
  • 6. Estimasi 6 2.3. Pendugaan bagi Beda 2 Rata-rata dari Sampel-Sampel besar dan nilai ragam populasi ( 1 2 dan 2 2 ) diketahui dan jika nilai ragam populasi ( 1 2 dan 2 2 ) tidak diketahui  gunakan ragam Sampel ( s1 2 dan s2 2 ) Selang Kepercayaan 3 Selang Kepercayaan sebesar (1-)100 % bagi   1 2  adalah x x n n x x n n 1 2 1 2 - - z < - < - + z         2 2 1 2 1 2 2 2 1 2 1 2 1 2 2 2   1 2 dan 2 2 tidak diketahui  gunakan s1 2 dan s2 2 2.4 Pendugaan bagi Beda 2 Rata-rata dari Sampel-Sampel kecil dan nilai kedua ragam populasi tidak sama ( 1 2 2 2 ) dan tidak diketahui  gunakan ragam Sampel (s1 2 dan s2 2 ) Selang Kepercayaan 4 Selang Kepercayaan sebesar (1-)100 % bagi   1 2   adalah x x s n s n x x s n s n db db 1 2 1 2 - - t < - < - + t ( ; ) ( ; )     2 2 1 2 1 2 2 2 1 2 1 2 1 2 2 2   derajat bebas (db) = ( ) ( ) ( ) ( ) ( ) s n s n s n s n n n 1 2 1 2 2 2 1 2 1 2 2 2 2 2 1 2 2 1 1     db : dibulatkan ke bilangan bulat terdekat ATAU db dapat didekati dengan n n 1 2 2  
  • 7. Estimasi 7 2.5 Pendugaan bagi Beda 2 Rata-rata dari Sampel-Sampel kecil dan nilai kedua ragam populasi sama ( 1 2 =2 2 ) tidak diketahui gunakan ragam Sampel gabungan (sgab 2 ) Selang Kepercayaan 5 Selang Kepercayaan sebesar (1-)100 % bagi   1 2  adalah x x n n x x n n db db 1 2 gab 1 2 gab - - t s < - < - + t s ( ; ) ( ; )     2 2 1 1 1 1 1 2 1 2 1 2    s n s n s n n gab 2 1 1 2 2 2 2 1 2 1 1 2      ( ) ( ) + dan s s gab gab  2 dan derajat bebas = n n 1 2 2   2.6. Pendugaan Proporsi dari Sampel besar  Pengertian proporsi  = proporsi populasi p = proporsi "sukses" dalam Sampel acak q = 1 - p = proporsi "gagal" dalam Sampel acak Misal : kelas "sukses"  "menyukai seafood" kelas "gagal"  "tidak menyukai seafood" yang ditanyakan dalam soal  kelas “SUKSES” Pendugaan Proporsi lebih lazim menggunakan Sampel besar, jadi lebih lazim menggunakan Distribusi z. Selang Kepercayaan 6 Selang Kepercayaan sebesar (1-)100 % bagi p adalah : p z pq n p z pq n - < < +    2 2 ingat 1 - p = q
  • 8. Estimasi 8  Ukuran Sampel Ukuran Sampel pada Selang Kepercayaan (1-)100 % dengan galat (selisih atau Error) tidak akan melebihi suatu nilai E adalah : n z pq E        /2 2 2 n dibulatkan ke atas ! n : ukuran sampel E : error  selisih p dengan  2.7 Pendugaan Beda 2 Proporsi dari Sampel-Sampel besar Selang Kepercayaan-7 Selang Kepercayaan sebesar (1-)100 % bagi   1 2  adalah : p p p q n p q n p p p q n p q n 1 2 1 2 - - z < - < - + z     2 2 1 1 1 2 2 2 1 2 1 1 1 2 2 2    selesai 