Basic Statistics - 8 - Statistical Estimation PDF

NURUL FITRIYANI, S.Si., M.Si.
nurul.Fitriyani@unram.ac.id
FMIPA UNIVERSITAS MATARAM

2017
 Pendahuluan
 Statistika Deskriptif
 Peluang dan Distribusi Peluang
 Distribusi Sampling
 Statistika Inferensial
Basic Statistics - 2017 2

Mahasiswa diharapkan dapat :
 memahami pengertian dan macam-macam estimasi parameter
 melakukan estimasi parameter
 memahami pengertian hipotesis dan dapat merumuskan hipotesis
 memahami pengertian kesalahan tipe I dan II dan tingkat signifikansi
 menentukan taraf signifikansi
 memahami macam-macam uji hipotesis
 melakukan pengujian hipotesis

 STATISTIKA DESKRIPTIF
▪ mengkaji metode, menyajikan/ meringkas data,
dan menggambarkan hal-hal penting dari data
(pola, karakteristik data).
 STATISTIKA INFERENSIAL
▪ mengkaji semua yang berkaitan dengan analisis
data sebagai dasar penarikan kesimpulan tentang
keseluruhan data populasi.
Estimasi
Statistika
Inferensial
Uji Hipotesis

Membuat inferensi/ kesimpulan
mengenai karakteristik-karakteristik
populasi.

Populasi
Estimasi dan
Pengujian Sampel
Hipotesis
Statistik Sampel

Populasi
Mean, , tdk diketahui
95% yakin bahwa  Pengambilan Sampel

berada antara 40-60 secara Acak
Sampel Acak
Mean, x-bar =50
Estimasi
Parameter
Statistik Sampel
Populasi
Mean  x-bar
Proporsi p p
Varian 2 s2
Beda/ Selisih  1 - 2 x-bar 1 - x-bar 2

Misal : parameter  θ (tidak diketahui)
Diduga dengan : ̂  PENDUGA/ ESTIMATOR

PENDUGA
Terpenuhi YANG
BAIK
HARAPAN ˆ  
Tidak
Terpenuhi

Tak Bias
Kriteria
Variansi
Penduga yang
Minimum
Baik
Konsisten

̂ tak bias, jika rata-rata semua nilai ̂ yg mungkin
akan sama dengan .
ˆ
E   
TAK BIAS BIAS
Distr. Sampel 1 Distr. Sampel 2
statistik
̂1 ̂2
parameter


Penduga yg VARIANSINYA TERKECIL di
antara semua penduga untuk parameter yang
sama.

Sampel 1
lebih efisien
Sampel 1
Sampel 2
statistik
ˆ1  ˆ2
parameter


Jika ukuran sampel (n) diperbesar mendekati
ukuran populasi (N), dan ˆ mendekati nilai
sesungguhnya (  ), maka ˆ disebut
PENDUGA KONSISTEN.

STATISTIKA
INFERENSIAL
Estimasi Uji Hipotesis
Estimasi titik
selalu berada
dalam estimasi Titik Selang
selang

Parameter  nilainya diduga oleh hanya sebuah
nilai ̂ tertentu ̂ disebut ESTIMATOR
TITIK.

Nilainya sangat ditentukan oleh nilai
MEAN SAMPEL-SAMPEL yg diambil dari
populasi yg bersangkutan
Sulit mendapatkan
penduga yg baik

 Memberikan range nilai berdasarkan
pengamatan-pengamatan dari satu sampel.
 Memberikan informasi tentang kedekatan

dengan Parameter Populasi yang tidak
diketahui.
 Dinyatakan dalam bentuk peluang.

adalah peluang parameter populasi jatuh pada suatu tempat
dalam selang.
Selang Kepercayan Statistik

Sampel
Confidence Limit Confidence Limit

(Lower) (Upper)
= Batas Kepercayaan (Bawah) = Batas Kepercayaan (Atas)

Parameter = Statistik ± ERRORnya
  X  Error
X    Error    X

X  Error
Z 
X X
Erorr  Z x   X  Z X


X  Z  X  X  Z 
n
x_
_
X
  1.645 x   1.645 x
90% Sampel
  1.96 x   1.96 x
95% Sampel
  2.58 x   2.58 x
99% Sampel

 Merupakan suatu EXPECTED RELATIONSHIP
 Peluang bahwa parameter populasi yang tidak
diketahui ada di dalam selang kepercayaan
pada 100 percobaan.

Dilambangkan (1 - ) % = tingkat kepercayaan
misal : 90%, 95%, 99%
adalah peluang bahwa parameter tidak dalam

selang pada 100 percobaan.

Distribusi _
Sampling Mean x
1 -
/2 /2 _
X   X
Selang Kepercaaan
Panjang Interval : (1 - ) % dari

interval
X  Z X to X  Z X mengandung .
% Tidak.
 Variasi Data measured by 
 Ukuran Sampel X X / n
 Tingkat Kepercayaan (1 - )

Selang
Kepercayaan
Proporsi Mean Varian
Selisih Selisih Rasio

1 Proporsi 1 Mean 1 Varian
2 Proporsi 2 Mean 2 varian
 Populasi Varian Varian Tdk

Diketahui Terbatas Diketahui Diketahui
Data
s1 = s 2 s1 ≠ s2 Berpasangan
 Asumsi
▪ Simpangan baku Populasi () Diketahui
▪ Populasi Berdistribusi Normal
▪ Jika tidak Normal, gunakan sampel besar (n ≥ 30)
 Estimasi Selang Kepercayaan

 
X  Z / 2     X  Z / 2 
n n
 Contoh :
Suatu sampel acak 49 batang baja profil,
menghasilkan rata-rata kekuatan tarik sebesar 120
kg/mm2. Apabila standar deviasi populasinya
diketahui = 14 kg/mm2.
Buat selang kepercayaan 95 % untuk rata-rata
kekuatan tarik dari jenis baja profil tersebut.
 Penyelesaian :
 
X  Z / 2     X  Z / 2 
n n
14 14
120  1.96    120  1.96
49 49
116 .08    123 .92

 Untuk mengetahui rata-rata waktu transaksi
menggunakan mesin ATM, diambil sampel
sebanyak 38 transaksi dan diperoleh rata-rata
waktu transaksi selama 261 detik dengan standar
deviasi populasi 22 detik. Buat selang kepercayaan
99 % untuk rata-rata waktu transaksi menggunakan
ATM.
 Untuk mengestimasi rata-rata pendapatan mingguan
dari pekerja restoran, seorang peneliti
mengumpulkan data pendapatan mingguan dari
sampel acak sebanyak 75 pekerja restoran dan
didapatkan rata-rata $227 dengan standar deviasi
populasi $15. Buat selang kepercayaan 90% dan 80%
untuk rata-rata pendapatan mingguan pekerja
restoran tersebut.

 Dalam suatu studi kualitas nutrisi dari fast foods,
diukur kandungan lemak 35 sampel acak
hamburger. Diperoleh rata-rata 30.2 gr dengan
standar deviasi populasi 3.8 gr. Buat selang
kepercayaan 95% untuk rata-rata kandungan lemak
dalam hamburger.
 Pada studi yang sama, juga diukur kandungan
sodiumnya dan diperoleh rata-rata 658 mg dengan
simpangan baku populasi 47 mg. Buat selang
kepercayaan 98 % untuk rata-rata kandungan
sodium dalam hamburger.

Selang
Kepercayaan


Data
 Asumsi
▪ Simpangan baku Populasi () Tidak Diketahui
▪ Ukuran Sampel Kecil (n < 30)

 Menggunakan Distribusi Student’s t
 Estimasi Selang Kepercayaan
S S
X  t / 2,n1     X  t / 2,n1 
n n

Standard
Normal
• Bentuk
Lonceng t (db = 13)
• Simetris t (db = 5)
• Ekor ‘Lebih
Besar’ Z
0 t
Banyaknya pengamatan yang bebas
bervariasi setelah rata-rata sampel
dihitung.

Derajat bebas
=n–1 =3–1 =2
 Contoh
Rata-rata dari 3 bilangan adalah 2.
X1 = 1 (atau Bilangan Lain)
X2 = 2 (atau Bilangan Lain)
X3 = 3 (TIDAK bebas bervariasi)
Rata-rata = 2

Area Di atas Ekor Asumsi
/2 n=3
db 0.25 0.10 0.05
db = n - 1 = 2
1 1.000 3.078 6.314
 = 0.10
2 0.817 1.886 2.920 /2 = 0.05
3 0.765 1.638 2.353
0.05
0 2.920 t
Sebuah sampel acak dengan n = 25
mempunyai rata-rata 50 dan simpangan
baku 8. Buat estimasi selang kepercayaan
95 % untuk rata-rata.

 Data < 30
 Simpangan baku populasi tidak diketahui
 Gunakan distribusi Student’s t.

S S
X  t / 2,n 1     X  t / 2,n 1 
n n
8 8
50  t0.05 / 2 ; 251     50  t0.05 / 2 ; 251 
25 25
8 8
50  t0.025 ; 24     50  t0.025 ; 24 
5 5
8 8
50  2.064     50  2.064 
5 5
46.6976    53.3024
Selang
Kepercayaan


Data
Populasi 1 Populasi 2
 , 
1
2
1  ,  
2
2
2
Sampel 1 Sampel 2
n x
1, 1 , s1 
2
n x
2, 2 , s2
2

Estimator titik dari 1  2 
adalah x1  x2 
Bagaimana dengan estimasi selangnya?

E ( X 1 )  1
 2 E ( X 1  X 2 )  1  2
Var ( X 1 )  1
n1
Var( X 1  X 2 )  V ( X 1 )  V ( X 2 )
E ( X 2 )  2
 22  2
 2
Var ( X 2 )   1
 2
n2 n1 n2
Independen, saling lepas, dapat di pecah.

Selang
Kepercayaan


Data
1 = 2 1 ≠ 2 Berpasangan
Varian Diketahui
( X 1  X 2 ) ~ N ( 1  2 ,  / n1   / n2 )
2
1
2
2
( X 1  X 2 )  ( 1  2 )
~ N (0,1)
 12 / n1   22 / n2

 z / 2  Z 0,1  z / 2
( X 1  X 2 )  ( 1   2 )
 z / 2   z / 2
 12  22

n1 n2
 12  22  12  22
( X 1  X 2 )  z / 2   ( 1   2 )  ( X 1  X 2 )  z / 2 
n1 n2 n1 n2

Seorang importir mobil menerima 2 jenis mobil (A dan B).
Untuk mengetahui fuel ekonomi dari 2 jenis tersebut maka
dari 50 data yang dikumpulkan dari masing-masing jenis
ternyata rata-rata jarak tempuh per liter jenis A = 12.82
km/lt dan jenis B = 12.08 km/lt.
Bila standar deviasi masing-masing diketahui sebesar 0.8
km/lt dan 0.94 km/lt, buat selang kepercayaan 95 % untuk
beda rata-rata jarak tempuh per liter.
Estimasi Selang Selisih 2 Rata-rata
 12  22
( X 1  X 2 )  z / 2 
n1 n2
0.82 0.94 2
(12.82  12.08)  z0.025 
50 50
(0.74)  1.96 0.0128  0.0176
0.397784  ( 1   2 )  1.082216
64
Selang
Kepercayaan


Data
1 = 2 1 ≠ 2 Berpasangan
(1) Varian Tidak Diketahui dan 1 = 2
( X 1  X 2 )  ( 1  2 )
~ tn1 n2 2
1 1
s   
2
p
 n1 n2 
(n1  1) s  (n2  1) s
2 2
dengan s 
2 1 2
n1  n2  2
p
 t / 2,n1  n2  2  t n1  n2  2  t / 2,n1  n2  2
( X 1  X 2 )  ( 1   2 )
 t / 2,n1  n2  2   t / 2,n1  n2  2
1 1
s   
2
p
 n1 n2 

Jadi,
1 1
( X 1  X 2 )  t / 2,n1  n2  2  s p 
n1 n2
 ( 1   2 ) 
1 1
( X 1  X 2 )  t / 2,n1  n2  2  s p 
n1 n2

(2) Varian Tidak Diketahui dan 1 ≠ 2
( X 1  X 2 )  ( 1  2 )
~ t
2 2
s s

1 2
n1 n2
2
s 2
s  2

n n 
1 2

  2  12 2 
( s1 / n1 ) ( s22 / n2 ) 2

( n1  1) ( n2  1)
 t / 2,v  tv  t / 2,v
( X 1  X 2 )  ( 1   2 )
 t / 2,v   t / 2,v
s12 s22

n1 n2

Jadi,
2 2
s1 s2
( X 1  X 2 )  t / 2,v  
n1 n2
 ( 1   2 ) 
2 2
s1 s2
( X 1  X 2 )  t / 2,v  
n1 n2

Dua jenis baja diambil masing-masing 7 dan 6 sampel,
pengambilan dilakukan secara acak kemudian diuji
kekerasannya dan masing-masing memberikan hasil sebagai
berikut.
Baja I : 157.8; 156.2; 161.9; 154.4; 153.6; 156.4; 153.2
Baja II: 164.2; 158.7; 163.1; 162.5; 159.8; 159.2
Buat selang kepercayaan 95 % untuk beda/ selisih kekerasan
kedua jenis baja tersebut.
 Baja I :
n1  7 x1  156.2143 s12  9.01500625
 Baja II :
n2  6 x2  161.25 s22  5.299204

Jika 1 = 2
(7  1)9.015  (6  1)5.299 
2 2
s 
2
762
p
s p  s 2p  1.638

Jadi,
1 1
( X 1  X 2 )  t / 2,n1  n2  2  s p 
n1 n2
(161.25  156.2143)  t0.025, 7  6 2  1,638

1 1

7 6
(161.25  156.2143)  2,201  1,638

1 1

7 6
3.030  ( 1   2 )  7.0415
Jika 1 ≠ 2
2
s s 
2 2
   1 2
 2  n1 n2 
( s1 / n1 ) 2 ( s22 / n2 ) 2

( n1  1) ( n2  1)

9.01500625 2
/ 7  5.299204 / 6
2 2
9.01500625 2
/ 7  / 6  5.299204 / 6 / 5
2 2 2
 10.9  11
Jadi,
2 2
s1 s2
( X 1  X 2 )  t / 2,v  
n1 n2
2 2
s1 s2
( X 1  X 2 )  t0.025,11  
n1 n2
5.0357  2,201  9.015006252 / 7  5.2992042 / 6
1.8297  ( 1   2 )  8.2414
Selang
Kepercayaan


Data
Untuk Data Berpasangan
 Dua kelompok data yang diukur dari individu yang
sama.
 Percobaan yg perlakuannya dipasang-pasangkan.

Langkah – Langkah :
1. d = x 1 – x2
2. Hitung rata-rata (d) dan varian (d)
 1  2   d  t / 2,n 1
sd sd
3. d  t / 2,n 1
n n

Terdapat 15 orang pasien yang diukur tekanan
darahnya sebelum dan sesudah diberi obat “X”, untuk
mengetahui apakah obat tersebut dapat menurunkan
tekanan darah pemakainya. Buat selang kepercayaan
95 % untuk beda rata-rata tekanan darah sebelum dan
sesudah pemberian obat.

Sebelum(A) 70 80 72 76 76 76 72 78 82 64 74 92 74 68 84
Sesudah(B) 68 72 62 70 58 66 68 52 64 72 74 60 74 72 74
d=A–B 2 8 10 6 18 10 4 26 18 -8 0 32 0 -4 10
d  8.80
sd  10.98
t0.025;14  2.145

 1   2   d  t / 2,n 1
sd sd
d  t / 2,n 1
n n
 1   2   8.80  2.145 

10.98 10.98
8.80  2.145 
15 15
2.72  1   2   14.88

 Statdas Kim
▪ Rangkuman rumus untuk estimasi selang
kepercayaan yang belum dituliskan. (4 selang)
▪ Buatlah masing-masing 1 contoh beserta
penyelesaiannya, untuk masing-masing rumus
estimasi selang. Tidak diperkenankan memiliki
contoh yang sama. (10 selang)

Basic Statistics - 8 - Statistical Estimation PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Basic Statistics - 8 - Statistical Estimation PDF

Uploaded by

Copyright:

Available Formats

NURUL FITRIYANI, S.Si., M.Si.

FMIPA UNIVERSITAS MATARAM

 Peluang dan Distribusi Peluang

Basic Statistics - 2017 2

Basic Statistics - 2017 4

Basic Statistics - 2017 6

Basic Statistics - 2017 7

Basic Statistics - 2017 8

95% yakin bahwa  Pengambilan Sampel

Beda/ Selisih  1 - 2 x-bar 1 - x-bar 2

Basic Statistics - 2017 10

Diduga dengan : ̂  PENDUGA/ ESTIMATOR

Basic Statistics - 2017 11

Basic Statistics - 2017 12

Basic Statistics - 2017 13

Distr. Sampel 1 Distr. Sampel 2

Basic Statistics - 2017 15

antara semua penduga untuk parameter yang

Basic Statistics - 2017 16

Basic Statistics - 2017 17

Basic Statistics - 2017 18

Estimasi Uji Hipotesis

Basic Statistics - 2017 19

Basic Statistics - 2017 20

MEAN SAMPEL-SAMPEL yg diambil dari

Basic Statistics - 2017 21

 Memberikan informasi tentang kedekatan

 Dinyatakan dalam bentuk peluang.

Basic Statistics - 2017 22

Selang Kepercayan Statistik

Confidence Limit Confidence Limit

= Batas Kepercayaan (Bawah) = Batas Kepercayaan (Atas)

Basic Statistics - 2017 24

Basic Statistics - 2017 25

Basic Statistics - 2017 26

Basic Statistics - 2017 29

misal : 90%, 95%, 99%

adalah peluang bahwa parameter tidak dalam

Basic Statistics - 2017 30

Panjang Interval : (1 - ) % dari

 Ukuran Sampel X X / n

Basic Statistics - 2017 32

Proporsi Mean Varian

Selisih Selisih Rasio

 Populasi Varian Varian Tdk

 Estimasi Selang Kepercayaan

Basic Statistics - 2017 38

Basic Statistics - 2017 40

diukur kandungan lemak 35 sampel acak

hamburger. Diperoleh rata-rata 30.2 gr dengan

standar deviasi populasi 3.8 gr. Buat selang

kepercayaan 95% untuk rata-rata kandungan lemak

sodiumnya dan diperoleh rata-rata 658 mg dengan

simpangan baku populasi 47 mg. Buat selang

kepercayaan 98 % untuk rata-rata kandungan

sodium dalam hamburger.

Basic Statistics - 2017 42

Proporsi Mean Varian

Selisih Selisih Rasio

 Populasi Varian Varian Tdk

▪ Simpangan baku Populasi () Tidak Diketahui

▪ Ukuran Sampel Kecil (n < 30)

Basic Statistics - 2017 44