5.

1 P e n g a n t a r
Secara umum, parameter populasi akan diberi simbol θ (dibaca : theta), dimana θ ini
bisa merupakan rata-rata (µ), simpangan baku (σ), proporsi (P) dan sebagainya.

Jika θ yang tidak diketahui harga atau nilainya diduga oleh θ^ (dibaca : theta cap), maka

θ^ dinamakan estimasi (penduga atau penaksir). Jelas bahwa sangat dikehendaki θ^

= θ , yaitu bisa mengatakan harga θ yang sebenarnya. Tetapi ini merupakan

keinginan yang boleh dikatakan ideal sifatnya. Kenyataan yang bisa terjadi adalah
^ ^
menduga θ oleh θ terlalu tinggi atau menduga θ oleh θ terlalu rendah.
Untuk itu dibawah ini diuraikan 4 ciri-ciri penduga atau penaksir yang baik, antara
lain :
1. Tidak Bias (Unbiasedness).
Suatu penduga dikatakan tidak bias, apabila penduga tersebut secara tepat dapat
^
menduga nilai parameternya atau dinyatakan dengan E( θ ) = θ .

Misalnya : Rata-rata X̄ untuk sampel berukuran n yang diambil dari populasi

dengan rata-rata µ, maka penduga yang tidak bias dinyatakan dengan E( X̄ ) = µ.

2. Konsistensi (Consistensy).
Suatu penduga dikatakan konsisten, apabila besarnya sampel semakin bertambah
^
mendekati ukuran populasinya menyebabkan θ mendekati θ .
3. Efisiensi (Efficiency).
Suatu penduga dikatakan efisien, apabila penduga tersebut memiliki varians yang
kecil.
4. Sufisiensi (Sufficiency).
Suatu penduga dikatakan sufisien (artinya cukup), apabila penduga itu mempunyai
seluruh informasi tentang parameter yang diduga. Dengan kata lain tidak ada ukuran
statistik lain sebagai penduga yang lebih baik untuk menduga parameter.

66
Statistik Induktif Untuk Ekonomi dan Bisnis
5.2 Metode Pendugaan (Estimasi)
Metode pendugaan secara statistik pada hakekatnya dibedakan menjadi 2 macam,
yakni :
1. Pendugaan nilai tunggal (Point Estimation).
2. Pendugaan interval (Interval Estimation).

1. Pendugaan nilai tunggal (Point Estimation)

Pendugaan nilai tunggal adalah pendugaan nilai populasi (parameter) atas dasar
satu nilai dari sampel.
Misalnya ; kita ingin menduga rata-rata keuntungan seluruh pedagang kaki lima (PKL) di
kota M. Untuk itu diambil sampel dan dihitung rata-rata keuntungan PKL, katakanlah

keuntungan perhari rata-rata ( X̄ ) sebesar Rp. 50.000.

Kemudian kita katakan “diduga bahwa rata-rata keuntungan per hari dari seluruh PKL di
kota M sebesar Rp. 50.000”. Jadi bila kita menduga parameter µ dengan satu nilai sampel

( X̄ ), maka pendugaan ini disebut dengan pendugaan atas dasar nilai tunggal (point
estimation).

2. Pendugaan Interval (Interval Estimation)

Pendugaan interval adalah suatu pendugaan terhadap nilai populasi (parameter)
berdasarkan suatu interval dengan keyakinan tertentu.
Pendugaan interval akan memberikan kita nilai parameter dalam suatu interval dan bukan
nilai tunggal, sehingga hasil dari pendugaan interval ini diharapkan akan lebih obyektif.
Misalnya ; dari contoh diatas, kita menduga bahwa “rata-rata keuntungan seluruh PKL di
kota Mataram antara Rp. 48.000 sampai dengan Rp. 52.000”.
Pendugaan interval ini akan merupakan interval keyakinan atau interval kepercayaan
(confidence Interval) atau disebut juga tingkat atau derajat keyakinan (Confidence Level)
dan secara umum dirumuskan, sebagai berikut :

¿ ¿
θ−Z α/2 . σ < θ < θ +Z α/2 . σ θ
¿ ¿
θ (5.1)

67
Statistik Induktif Untuk Ekonomi dan Bisnis
Keterangan ; θ = Parameter
¿
θ = Penduga atau statistik sampel
¿
σ θ = Simpangan baku dari sampel
Zα/2 = Koefisien yang sesuai dengan derajat atau tingkat keyakinan yang
dipergunakan dalam pendugaan interval dan nilainya diperoleh
dalam tabel luas kurve normal.
Dalam pendugaan interval, besarnya derajat keyakinan (Confidence Level) atau disebut
juga interval keyakinan (Confidence Interval) pada umumnya berkisar antara 90% sampai
dengan 99%.
Misalnya, dalam pendugaan digunakan derajat keyakinan (Confidence Level) sebesar
90%, maka hal tersebut berarti dalam jangka panjang kita akan mentolerir kesalahan duga
(error of estimate ) yang dilambangkan dengan “α” adalah sebesar 10%. Dengan kata
lain, dalam jangka panjang, jika pendugaan diatas dilakukan berkali-kali dengan cara
yang sama, parameter populasi akan tercakup di dalam interval 90% dari keseluruhan
waktu.
Bila α = 10%, maka koefisien standar Zα/2 atau Z0,10/2 atau Z0,05 yang sesuai dengan kedua
nilai batas keyakinan menjadi ; 0,5000 – 0,05 = 0,450. Dengan melihat tabel luas kurve
normal, maka nilai koefisien standar Z0,05 adalah ± 1,64.
Dengan derajat keyakinan (Confidence Level) sebesar 95%, maka α = 5%, sehingga
koefisien standar Zα/2 atau Z0,05/2 atau Z0,025 yang sesuai dengan kedua nilai batas keyakinan
menjadi ; 0,5000 – 0,025 = 0,4750. Berdasarkan tabel luas kurve normal, nilai koefisien
standar Z0,025 adalah ± 1,96.
Dengan derajat keyakinan (Confidence Level ) sebesar 99%, maka α = 1%, sehingga
koefisien standar Zα/2 atau Z0,01/2 atau Z0,005 yang sesuai dengan kedua nilai batas keyakinan
menjadi ; 0,5000 – 0,005 = 0,4950. Berdasarkan tabel luas kurve normal, nilai koefisien
standar Z0,005 adalah ± 2,58.
Kurva pendugaan interval dengan interval keyakinan 90%, 95%, dan 99%, sebagai
berikut :

68
Statistik Induktif Untuk Ekonomi dan Bisnis
 Parameter

Gambar 27. Pendugaan Parameter Dengan Derajat Keyakinan 90%

Batas Keyakinan Bawah Batas Keyakinan Atas

Derajat Keyakinan 0,90

st
1,64 σst st +1,64 σst

Gambar 28. Pendugaan Parameter Dengan Derajat Keyakinan 95%

Batas Keyakinan Bawah Batas Keyakinan Atas

Derajat Keyakinan 0,95

0,025% 0,025
st
st -1,96σst θ st+1,96 σst

Gambar 29. Pendugaan Parameter Dengan Derajat Keyakinan 99%

Batas Keyakinan Bawah

Batas Keyakinan Atas
Derajat Keyakinan 0,99

st
- 2,58 σst θ st+2,58 σst

Pendugaan Interval dapat juga dinyatakan dalam probabilita, sebagai berikut :

69
Statistik Induktif Untuk Ekonomi dan Bisnis
 p( st−Z α/2 . σ st < θ <st+ Z α/2 . σ st )=1−α
(5.2)

Dengan interval keyakinan 90% (α = 10%), maka pendugaan intervalnya menjadi :

p(st−1,64 σ st < θ <st+1,64 σ st )=1−0,10
⇒ p(st−1,64 σ st < θ <st +1,64 σ st )=0,90

Dengan interval keyakinan 95% (α = 5%), maka pendugaan intervalnya menjadi :

p(st−1,96 σ st < θ <st+1,96 σ st )=1−0,05

⇒ p(st−1,96 σ st < θ <st+1,96 σ st )=0,95

Dengan interval keyakinan 99% (α = 1%), maka pendugaan intervalnya menjadi :

p(st−2,58 σ st < θ <st+2,58 σ st )=1−0,01
⇒ p(st−2,58 σ st < θ <st+2,58 σ st )=0,99

5.3 Pendugaan (Estimasi) Parameter Pada Sampel Besar ( n > 30 )

5.3.1. Pendugaan (Estimasi) Satu Parameter Rata-rata ( μ )

1. Bila penduga X̄ adalah rata-rata dari sampel random berukuran n yang diambil
dari populasi tidak terbatas dengan simpangan baku σ, maka pendugaan interval bagi
parameter μ adalah :
σ σ
X̄ −Z α/2⋅ < μ < X̄ +Z α/2⋅
√n √n
(5.3)

atau dinyatakan dalam probabilita :

σ σ
(
p X̄ −Z α/2⋅
√n
< μ < X̄ + Z α/2⋅
√n
=1−α )
(5.4)

70
Statistik Induktif Untuk Ekonomi dan Bisnis
 Contoh 5.1. Staf pengajar dari sebuah lembaga pendidikan pariwisata ingin
memperkirakan pengeluaran rata-rata para wisatawan asing yang sedang berkunjung.
Guna keperluan ini dilakukan peneliitian dengan mengambil sampel secara random
yang terdiri dari 100 wisatawan asing dari populasi yang tidak terbatas. Dari hasil
penelitian diketahui bahwa pengeluaran rata-rata setiap kunjungannya sebesar $ 900
per wisatawan. Jika dianggap simpangan baku semua wisatawan konstan sebesar
$ 150, maka dengan derajat keyakinan sebesar 95%, buatlah pendugaan interval rata-
rata pengeluaran semua wisatawan asing yang berkunjung tersebut.

Penyelesaian

Diketahui ; n = 100; X̄ = $ 900; σ = $ 150; derjat keyakinan = 0.95, maka α =

0.05 sehingga
Z α/2 = Z = Z = ± 1,96
0,05/2 0,025

σ σ
Jadi ;
(
p X̄ −Z α/2⋅
√n
< μ < X̄ + Z α/2⋅
√n
=1−α )
150 150
(
⇒ p 900−1 .96
√ 100
< μ < 900+1 .96
√ 100 )
=1−0 . 05

⇒ p ( 900−1. 96 x 15 < μ < 900+1 . 96 x 15 ) =0 . 95

⇒ p ( 800−29. 4 < μ < 800+29. 4 ) =0 . 95
⇒ p ( 770 .6 < μ < 829 . 4 ) =0 . 95
Artinya ; dengan derajat keyakinan sebesar 95%, diduga bahwa rata-rata pengeluaran
semua wisatawan asing yang berkunjung antara $ 770.6 sampai dengan $ 829.4 per
wisatawan pada setiap kunjungannya.
Dengan kata lain, peluang (probabilta) bahwa rata-rata pengeluaran semua wisatawan
asing yang berkunjung antara $ 770.6 sampai dengan $ 829.4 per wisatawan pada
setiap kunjungannya adalah 95%.

2. Bila populasi terbatas berukuran N dengan simpangan baku σ, maka pendugaan

interval parameter µ adalah :

71
Statistik Induktif Untuk Ekonomi dan Bisnis
 σ N −n σ N −n
(
p X̄ −Z α/2⋅ ⋅
√
√ n N −1
< μ < X̄ +Z α/2⋅ ⋅
√ n N −1
=1−α
√ )
(5.5)

N −n
Dimana √ N −1 adalah Faktor Koreksi (Corection Factor)
Contoh 5.2. Dari sampel random sebanyak 36 orang mahasiswi penghuni sebuah
asrama diperoleh rata-rata pengeluaran mingguan untuk jajan sebesar $ 8. Jika
seluruh penghuni asrama berjumlah 100 orang mahasiswi dan simpangan bakunya
dianggap konstan sebesar $ 2, maka buatlah pendugaan interval rata-rata pengeluaran
mingguan untuk jajan dari seluruh penghuni asrama tersebut, dengan derajat
keyakinan 90%.

Penyelesaian

Diketahui ; n = 36 orang; X̄ = $ 8; N = 100 orang; σ = $ 2; derajat keyakinan =

0.90, maka α = 0.10 sehingga

Z α/2 = Z = Z = ± 1.64
0.10/2 0.05

Jadi ;
σ N−n σ N−n
(
p X̄ −Z α/2 ⋅
√n √ N −1
< μ < X̄+ Z α/2⋅
√n √ )N−1
=1−α

2 100−36 2 100−36
(
⇒ p 8−1 .64
√
√ 36 100−1
< μ < 8+1.64
√36 100−1 √
=1−0 .10 )
⇒ p ( 8−1. 64 x 0 .33 x 0 .65 < μ < 8+1. 64 x 0 .33 x 0. 65 )=0 . 90
⇒ p ( 8−0 .35 < μ < 8+ 0 . 35 )=0. 90

⇒ p ( 7 .65 < μ < 8 .35 )=0 . 90

72
Statistik Induktif Untuk Ekonomi dan Bisnis
 Artinya ; dengan derajat keyakinan sebesar 90%, diduga bahwa rata-rata pengeluaran
mingguan untuk jajan dari seluruh penghuni asrama antara $ 7.65 sampai
dengan $ 8.35
Dengan kata lain, peluang (probabilta) bahwa rata-rata pengeluaran mingguan untuk
jajan dari seluruh penghuni asrama antara $ 7.65 sampai dengan $ 8.35 adalah 90%.

c. Bila populasi tak terbatas dan simpangan baku populasi σ tidak diketahui, maka
pendugaan interval parameter µ, sebagai berikut :

s s
(
p X̄ −Z α/2⋅
√n
< μ < X̄ + Z α/2⋅
√n
=1−α
)
(5.6)
Contoh 5.3. Sebuah sampel random terdiri dari 100 orang pedagang kaki lima yang
diambil dari seluruh pedagang kaki lima di kota M. Rata-rata keuntungan yang
diperoleh per hari sebesar Rp. 50.000 dan simpangan baku Rp. 5.000. Dengan derajat
keyakinan 99%, buatlah pendugaan interval bagi rata-rata keuntungan seluruh
pedagang kaki lima di kota M tersebut.

Penyelesaian

Diketahui ; n = 100, X̄ = Rp. 50.000, s = Rp. 5.000, derajat keyakinan = 0,99,

maka α = 0,01, sehingga

Z α/2 = Z = Z = ± 2,58.
0,01/2 0,005

s s
Jadi ;
(
p X̄ −Z α/2⋅
√ n
< μ < X̄ + Z α/2⋅
√ n )
=1−α

5 .000 5. 000
(
⇒ p 50 . 000−2 , 58⋅
√ 100
< μ < 50 . 000+2 , 58⋅
√ 100 )
=1−0 ,01

⇒ p ( 50 .000−2 ,58 x 500 < μ < 50 . 000+2 ,58 x 500 ) =0 , 99

⇒ p ( 50 .000−1. 290 < μ < 50 . 000+1. 290 ) =0 ,99
⇒ p ( 48 . 710 < μ < 51. 290 ) =0 , 99 ,

73
Statistik Induktif Untuk Ekonomi dan Bisnis
 Artinya ; dengan derajat keyakinan sebesar 99%, diduga bahwa rata-rata keuntungan
seluruh pedagang kaki lima di kota M antara Rp. 48.710 sampai dengan Rp. 51.290.
Dengan kata lain peluang (probabilta) rata-rata keuntungan seluruh pedagang kaki
lima di kota M antara Rp. 48.710 sampai dengan Rp. 51.290 adalah 99%.

5.3.2. Pendugaan Selisih/Beda Dua Parameter Rata-rata ( µ1 - µ2 )

Bila penduga
X̄ 1 dan
X̄ 2 masing-masing adalah rata-rata dari sampel
random berukuran n1 dan n2 yang diambil dari dua populasi dengan ragam masing-
σ σ
masing 12 dan 22 , maka pendugaan interval selisih/beda dua parameter rata-rata
( µ1 - µ2 ), sebagai berikut :

p ( X̄ 1 − X̄ 2−Z α/2⋅σ X̄ 1− X̄ 2 < μ 1−μ2 < X̄ 1− X̄ 2 + Zα/2 ¿ σ X̄1 −X̄ 2 )=1−α

(5.7)

σ σ

Dimana
(5.8)
:
σ X̄ −X̄
1 2 = √ n1
1
2
+
n2
2
2

Bila
σ1 dan
σ2 tidak diketahui, maka digunakan s1 dan s2 sehingga menjadi :

p ( X̄ 1 − X̄ 2−Z α/2⋅s X̄ 1 − X̄ 2 < μ1 −μ2 < X̄ 1 − X̄ 2 + Z α/2 ¿ s X̄ 1−X̄ 2 )=1−α

(5.9)

s s

Dimana
(5.10)
:
s X̄ − X̄
1 2 = √ n1
1
2
+
n2
2
2

74
Statistik Induktif Untuk Ekonomi dan Bisnis
Contoh 5.4. Sebuah penelitian selama 9 bulan mencoba menduga selisih pendapatan rata-
rata antara Profesor yang mengajar di Perguruan Tinggi Swasta (PTS) dan Perguruan
Tinggi Negeri (PTN) di kota Virginia. Untuk itu diambil sampel acak sebanyak 200
orang Profesor PTS yang menunjukkan pendapatan rata-rata sebesar $ 26000 dengan
simpangan baku $ 1400. Suatu sampel random juga diambil sebanyak 100 orang Profesor
PTN menunjukkan pendapatan rata-rata $ 25000 dengan simpangan baku $ 1200. Buat
pendugaan interval bagi selisih antara pendapatan rata-rata Profesor yang mengajar di
PTS dan PTN di kota tersebut dengan derajat keyakinan sebesar 90%.

Penyelesaian

Diketahui ; n1 = 200 orang; n2 = 100 orang;

X̄ 1 = $ 26000; X̄ 2 = $ 25000;
s1 = $ 1400; s2 = $ 1200; derajat keyakinan = 0.90, maka α = 0.10 sehingga

Z α/2 = Z = Z = ± 1.64
0.10/2 0.05

Dihitung dulu :
X̄ 1 - X̄ 2 = $ 26000 - $ 25000 = $ 1000

s s (1400)2 ( 1200 )2
s X̄ − X̄
1 2 = √ 1
n1
2
+ 2
n2
2
=
√ 200
+
100
=
155.56

Selanjutnya :

p ( X̄ 1 − X̄ 2−Z α/2⋅s X̄1 − X̄ 2 < μ1 −μ2 < X̄ 1 − X̄ 2 + Z α/2 ¿ s X̄ 1−X̄ 2 )=1−α

⇒ p ( 1000−1 .64 x 155 .56 < μ1 −μ2 < 1000−1. 64 x 155 .56 )=1−0 .10

⇒ p ( 1000−255 . 12 < μ 1−μ 2 < 1000+ 255. 12 )=0. 90

⇒ p ( 744 . 88 < μ1 − μ2 < 1255 .12 ) =0 . 90

Artinya ; dengan derajat keyakinan sebesar 90%, diduga bahwa beda atau selisih antara
pendapatan rata-rata Profesor yang mengajar di PTS dan PTN di kota Virginia antara
$ 744.88 sampai dengan $ 1255.12

75
Statistik Induktif Untuk Ekonomi dan Bisnis
Dengan kata lain, peluang (probabilita) selisih antara pendapatan rata-rata Profesor yang
mengajar di PTS dan PTN di kota Virginia antara $ 744.88 sampai dengan $ 1255.12
adalah 90%.

5.3.3. Pendugaan Satu Parameter Proporsi ( P )

Bila penduga ^p adalah proporsi dari sampel random berukuran n yang diambil
dari sebuah populasi, maka pendugaan interval bagi parameter P sebagai berikut :

p^ (1− p^ ) p^ (1− p^ )
(
p ^p−Z α/2⋅
√ n
< P < p^ + Z α/2⋅
√ n )=1−α

(5.11)

Contoh 5.5. Dari suatu sampel random sebanyak 500 orang yang makan siang di sebuah
restoran selama beberapa hari Jum’at diperoleh informasi bahwa 160 orang yang
menyukai makanan laut (sea food). Buatlah pendugaan interval bagi proporsi
sesungguhnya orang yang menyukai makanan laut (sea food) untuk makan siangnya pada
hari Jum’at di restoran tersebut dengan derajat keyakinan 95%.

Penyelesaian
160
=0 ,32
Diketahui ; n = 500 orang, x = 160 orang , maka ^p= 500 ,
derajat keyakinan = 0,95, maka α = 0,05,

sehingga
Z α/2 = Z = Z = ± 1,96
0,05/2 0,025

p^ ( 1− p^ ) p^ ( 1− p^ )
;
(
p ^p−Z α/2⋅
√ n √
< P < p^ + Z α/2⋅
n )
=1−α
Jadi

0 ,32(1−0,32 ) 0 ,32(1−0 ,32 )

(
⇒ p 0 ,32−1 ,96⋅
√ 500 √
< P < 0 , 32+1 , 96⋅
500 ) =1−0, 05

⇒ p ( 0 , 32−1 , 96 x 0 , 0209 < P < 0 , 32+1 , 96 x 0 , 0209 )=0 ,95

⇒ p ( 0 , 32−0 , 04 < P < 0 , 32+0 , 04 ) =0 , 95

76
Statistik Induktif Untuk Ekonomi dan Bisnis
 ⇒ p ( 0 , 28 < P < 0 , 36 )=0 , 95 ,
Artinya ; dengan derajat keyakinan 95%, proporsi sesungguhnya orang yang
menyukai makanan laut (sea food) untuk makan siangnya pada hari Jum’at di
restoran yang bersangkutan antara 28% sampai dengan 36%.
Dengan kata lain, peluang (probabilita) dari proporsi sesungguhnya orang yang
menyukai makanan laut (sea food) untuk makan siangnya pada hari Jum’at di
restoran yang bersangkutan antara 28% sampai dengan 36% adalah 95%.

5.3.4. Pendugaan Beda Dua Parameter Proporsi (P1 – P2)

Bila ^p1 dan ^p2 masing-masing adalah proporsi sampel acak berukuran n 1
dan n2 yang juga merupakan penduga dari parameter P1 dan P2, maka pendugaan interval
selisih/beda dua proporsi (P1 – P2 ), sebagai berikut :

p ( ^p1 − ^p2 −Zα/2⋅σ ^p 1− ^p2 < P1 −P2 < ^p1 − ^p2 +Z α/2 ¿ σ p^ 1 −p^ 2 ) = 1−α

(5.12)

p^ 1 ( 1− ^p1 ) p
^ (1− p^ 2 )
Dimana ;
σ p^ −^p
1 2
=
√ n1
+ 2
n2 (5.13)

Contoh 5.6. Suatu penelitian mengenai kesukaan konsumen terhadap sabun mandi cap
Mawar telah dilakukan oleh perusahaan sabun yang bersangkutan. Berdasarkan
pendapatan rata-rata per bulan, para konsumen dibagi 2 golongan, yaitu golongan yang
mampu dan kurang mampu.
Dari golongan yang mampu diambil sampel random sebanyak 400 keluarga dan terdapat
240 keluarga yang menyatakan suka pada sabun cap Mawar.
Sedangkan dari golongan yang kurang mampu diambil sampel sebanyak 500 keluarga
dan terdapat 200 keluarga yang menyatakan suka pada sabun tersebut.
Dengan derajat keyakinan 95%, buatlah pendugaan interval beda (selisih) proporsi kedua
golongan diatas yang menyukai sabun cap Mawar.

77
Statistik Induktif Untuk Ekonomi dan Bisnis
Penyelesaian

Diketahui ; n1 = 400, x1 = 240, maka

^p1 =240/400 = 0,6,

n2 = 500, x2 = 200, maka

^p2 =200/500 = 0,4,
derajat keyakinan = 0,95, maka α = 0,05,

sehingga
Z α/2 = Z = Z = ± 1,96.
0,05/2 0,025

Dihitung dulu : ^p1 - ^p2 = 0,6 – 0,4 = 0,2

p^ 1 ( 1− ^p1 ) ^p2 (1− p^ 2 )

σ p^ − ^p
1 2
=
√ n1
+
n2

0,6(1−0,6 ) 0,4 (1−0,4 ) 0,6 (0,4 ) 0,4(0,6 )

=
√ 400
+
500
=
√ 400
+
500
=
0,
03

Selanjutnya ;

p ( ^p1 − ^p2 −Zα/2⋅σ ^p 1− ^p2 < P1 −P2 < ^p1 − ^p2 + Z α/2 ¿ σ p^ 1 −p^ 2 ) = 1−α

⇒ p ( 0,2−1 , 96 x 0 , 03 < P1−P 2 < 0,2+1 , 96 x 0 , 03 ) = 1−0 ,05

⇒ p ( 0,2−0 , 06< P1 −P2 < 0,2+ 0 , 06 ) = 0 , 95

⇒ p ( 0 ,14 < P1−P 2 < 0 ,26 )=0 ,95 ,

Artinya ; dengan derajat keyakinan 95%, beda atau selisih proporsi golongan yang
mampu dan kurang mampu yang menyukai sabun cap Mawar adalah 14% sampai
dengan 26%.
Dengan kata lain, peluang (probabilita) dari beda atau selisih proporsi golongan yang
mampu dan kurang mampu yang menyukai sabun cap Mawar antara 14% sampai
dengan 26% adalah sebesar 95%.
5.4 Pendugaan (Estimasi) Parameter Pada Sampel Kecil ( n ≤ 30 )

78
Statistik Induktif Untuk Ekonomi dan Bisnis
 Pada umumnya, jika sampel random kecil ( n ≤ 30 ) maka pendugaan parameter
populasi sebaiknya dilakukan dengan distribusi t atau dikenal dengan nama distribusi

X̄ −μ
=
Student yang variabelnya distandarisir dengan t s/ √ n .

5.4.1. Pendugaan (Estimasi) Satu Parameter Rata-rata ( µ )

Bila penduga X̄ adalah rata-rata dari sampel random berukuran n dengan

simpangan baku s, yang diambil dari populasi yang hampir normal, maka pendugaan
interval bagi parameter μ adalah :

s s
(
p X̄−t α/2, df⋅
√n
< μ < X̄ +t α/2, df⋅
√n
=1−α
)
(5.14)

Dimana : df = derajat bebas (degree of freedom),

df = n - 1

Contoh 5.7. Menurut penelitian Dr. W.H. Bowen dari National Institute Of Health dan
Dr. J. Yudben, Profesor Gizi dan Ilmu Diit pada University Of London, bahwa
mengkonsumsi sereal yang telah diberi pemanis secara terus menerus menyebabkan
pembusukan gigi, penyakit jantung dan penyakit-penyakit menurunnya fungsi tubuh
lainnya. Dari suatu sampel random sebesar 25 bungkus Alpha-Bits diperoleh rata-rata
kadar gulanya adalah 11,3 gram dengan simpangan baku 2,45 gram. Bila kadar gula itu
menyebar normal, maka susunlah pendugaan interval rata-rata kadar gula seluruh Alpha-
Bits dengan interval keyakinan 99%.

Penyelesaian

Diketahui ; n = 25 bungkus, X̄ = 11,3 gram, s = 2,45 gram,

derajat keyakinan = 0,99, maka α = 0,01,
t α/2, df t α/2,(n-1) t 0,01/2,,(25−1) t 0,005;24
sehungga = = = = ± 2,797

79
Statistik Induktif Untuk Ekonomi dan Bisnis
 s s
(
Jadi ; p X̄ −t α/2, df⋅
√n
< μ < X̄ + t α/2, df⋅
√n
=1−α
)
2 , 45 2 , 45
(
⇒ p 11, 3−2 , 797 x
√ 25
< μ < 11, 3+2 , 797 x
√ 25
=1−0 ,01
)
⇒ p ( 11 , 3−2 , 797 x 0 , 49 < μ < 11, 3+2 ,797 x 0 , 49 )=0 , 99

⇒ p ( 11, 3−1,4 < μ < 11, 3+1,4 ) =0 , 99

⇒ p ( 9,9 < μ < 12, 7 ) =0 , 99
Artinya ; dengan derajat keyakinan 99%, diduga bahwa rata-rata kadar gula seluruh
Alpha-Bits antara 9,9 gram sampai dengan 12,7 gram.
Dengan kata lain bahwa peluang (probabilita) dari rata-rata kadar gula seluruh Alpha-
Bits antara 9,9 gram sampai dengan 12,7 gram adalah 99%.

5.4.2. Pendugaan Beda Dua Parameter Rata-rata (µ1 - µ2)

Bila dua penduga

X̄ 1 dan
X̄ 2 masing-masing adalah rata-rata dari sampel
random bebas berukuran kecil n1 dan n2 yang diambil dari populasi yang hampir normal
dengan ragam yang sama tetapi tidak diketahui nilainya, maka pendugaan interval beda
dua parameter rata-rata (µ1 - µ2), sebagai berikut :

p ( X̄ 1− X̄ 2−t α/2, df⋅s X̄ < μ1 −μ2 < X̄ 1− X̄ 2 + t α/2, df ¿ s X̄ − X̄ ) =1−α

1− X̄ 2 1 2

(5.15)

Dimana ;

( n1 −1) s 2 +( n2 −1) s
s X̄ − X̄
(5.16)
1 2
=
√ 1
n1 +n2 −2
22
⋅
√ 1
+
1
n1 n 2

Sedangkan derajat bebasnya ; df=n1 +n 2−2

80
Statistik Induktif Untuk Ekonomi dan Bisnis
Contoh 5.8. Sebuah perusahaan taksi sedang berusaha untuk menentukan apakah akan
memilih ban merk A atau merk B. Untuk menduga beda kekuatan atau ketahanan kedua
merk ban tersebut, dilakukan percobaan dengan mengambil 12 buah ban untuk masing-
masing merk. Semua ban itu dicoba sampai harus diganti. Hasilnya adalah rata-rata
kekuatan atau ketahanan ban Merk A adalah 38.100 km. dan simpangan baku sebesar
2.100 km. Sedangkan ban Merk B rata-rata kekuatan atau ketahanan adalah 36.300 km.
dan simpangan baku sebesar 1.000 km.
Bila diasumsikan populasinya menyebar normal, buatlah pendugaan interval bagi beda
kekuatan atau ketahanan seluruh ban merk A dan B dengan derajat keyakinan 95%.

Penyelesaian

Diketahui ; nA = 12 buah,
X̄ A = 38.100 km, s = 2.100 km,
A

nB = 12 buah,
X̄ B = 36.300 km, s = 1.000 km,
B

derajat keyakinan = 0,95, maka α = 0,05,

t α/2, df t α/2,(n
A +n B -2)
t 0,05/2,,(12+12−2) t 0,025;22
sehingga = = = = ± 2,074

Dihitung dulu :
X̄ 1 - X̄ 2 = 38.100 – 36.300 = 1.800

( n1 −1 ) s 2 +( n 2−1 ) s
s X̄ − X̄
1 2
=
√ 1
n1 +n 2−2
22
⋅
√ 1 1
+
n1 n2

( 12−1 )( 2. 100)2 +( 12−1 )( 1. 000)2

=
√
12+12−2
⋅
1
+
12 12
1
√
(11 )( 4 . 410 . 000)+(11)(1 . 000. 000 ) 2
=
√ 22
⋅
12 √
= ( 1. 644 , 6884 ) (0, 4082) = 671,4

Selanjutnya ;

p ( X̄ 1− X̄ 2−t α/2, df⋅s X̄1− X̄2 < μ1 −μ2 < X̄ 1− X̄ 2 + t α/2, df ¿ s X̄1 −X̄ 2 ) =1−α

81
Statistik Induktif Untuk Ekonomi dan Bisnis
 ⇒ p ( 1. 800−2, 074 x 671 , 4 , < μ 1−μ 2 < 1 .800+ 2 ,074 x 671 , 4 )=1−0 , 05

⇒ p ( 1 .800−1 .392 , 4 < μ1 −μ 2 < 1 . 800+1. 392 , 4 ) =0 , 95

⇒ p ( 407 , 6 < μ 1−μ 2 < 3 .192 , 4 )=0 ,95 ,

Artinya ; dengan derajat keyakinan 95%, diduga bahwa beda kekuatan atau ketahanan
seluruh ban merk A dan B antara 407,6 km. sampai dengan 3.192,4 km.
Dengan kata lain peluang (probablita) dari beda kekuatan atau ketahanan seluruh ban
merk A dan B antara 407,6 km. sampai dengan 3.192,4 km. adalah 95%.

5.4.3. Pendugaan Beda Dua Parameter Rata-rata Untuk Pengamatan Berpasangan

Bila penduga d̄ adalah rata-rata selisih n pengamatan berpasangan dengan,

simpangan baku
sd , maka pendugaan interval bagi
μd =μ 1−μ2 adalah :

sd sd
(
p d̄−t α/2, df⋅
√n
< μd < d̄+t α/2, df⋅
√n ) =1−α

(5.14)

Dimana ;
n
∑ di
d̄= i =1
n (5.15)

n n 2

(5.16)
sd =
√ n ∑ d 2−
i=1 i ( )
n( n− 1)
∑ di
i=1

Sedangkan derajat bebasnya ; df = n -1

82
Statistik Induktif Untuk Ekonomi dan Bisnis
Contoh 5.9. Suatu sampel random sebanyak 5 buah perusahaan yang ikut serta dalam
pengembangan UKM oleh Bank Indonesia. Diperoleh data pendapatan sebelum dan
sesudah pengembangan, sebagai berikut : ( dalam jutaan rupiah )
Nama Sebelum Sesudah
CV Buana 150 155
Kop. Bina Mulya 127 136
UD Permata 120 125
Kop. Nabila 132 140
CV Toko Tiga 128 134

Dengan derajat keyakinan 95%, buatlah pendugaan interval bagi beda atau selisih
pendapatan aktual sesudah dan sebelum pengembangan UKM oleh Bank Indonesia.

Penyelesaian
Nama Sesudah Sebelum d d2
CV Buana 155 150 5 25
Kop. Bina Mulya 136 127 9 81
UD Permata 125 120 5 25
Kop. Nabila 140 132 8 64
CV Toko Tiga 134 128 6 36
Jumlah 33 231

Diketahui ; n = 5, ∑d = 33, ∑ d2 = 231, derajat keyakinan = 0,95, maka α =

t α/2, df t α/2,(n-1) t 0,01/2,,(5−1 ) t 0,005;4

0,05, sehingga = = = = ± 2,776

n
∑ di
33
d̄= i =1 = =6,6
Dihitung dulu : n 5

n n 2

sd =
√ n ∑ d 2−
i=1

1. 155−1 . 089
i

n( n− 1)
(∑ )
i=1
di
=
5(231)−(33)2
√ 5(5−1 )

=
√ 20

83
Statistik Induktif Untuk Ekonomi dan Bisnis
 66
=
√ 20 =√ 3,3= 1,8166=1,82

sd sd
Selanjutnya :
(
p d̄−t α/2, df⋅
√n
< μd < d̄+t α/2, df⋅
√n ) =1−α

1 , 82 1 , 82
(
⇒ p 6,6−2 ,776 x
√5
< μd < 6,6+2 ,776 x
√5
=1−0 , 05 )
1 , 82 1, 82
(
⇒ p 6,6−2, 776 x
2 ,24
< μd < 6,6+2 ,776 x
2 , 24
=0 , 95 )
⇒ p ( 6,6−2 ,776 x 0 , 8125 < μ d < 6,6+2 , 776 x 0 ,8125 ) = 0 , 95

⇒ p ( 6,6−2 , 2555 < μ d < 6,6+ 2, 2555 ) = 0 , 95

⇒ p ( 4 , 3445 < μd < 8 , 8555 ) = 0 , 95 ,

Artinya ; dengan derajat keyakinan 95%, diduga bahwa beda atau selisih pendapatan
aktual sebelum dan setelah pengembangan UKM oleh Bank Indonesia antara 4,3445 juta
rupiah sampai dengan 8,8555 juta rupiah.
Dengan kata lain, peluang (probablita) dari beda atau selisih pendapatan aktual sebelum
dan setelah pengembangan UKM oleh Bank Indonesia antara 4,3445 juta rupiah sampai
dengan 8,8555 juta rupiah adalah 95%.
Juga kita dapat mengatakan bahwa pendapatan perusahaan lebih baik sesudah
pengembangan UKM.

84
Statistik Induktif Untuk Ekonomi dan Bisnis