Statistika Industri

Muhammad Iqbal Faturohman, S.T., M.B.A., [Link].

Outline: Estimasi Parameter
1. Konsep estimasi

2. Estimasi rataan

3. Estimasi proporsi
Inferential Statistic
• Tujuan utama dalam pengambilan sampel dari suatu populasi adalah untuk memperoleh
informasi mengenai parameter populasi tersebut.

• Misalnya, suatu populasi diketahui berdistribusi normal. Tapi parameter rata-rata 𝜇 dan
simpangan baku 𝜎 tidak diketahui.

• Untuk mengetahui nilai parameter tersebut, maka digunakan statistika inferensial, yang
didasarkan pada statistik atau besaran yang dihitung dari sampel.
Estimasi Parameter
Konsep Estimasi Parameter
• Suatu populasi dikarakterisasi oleh ukuran-ukuran yang disebut parameter, sedang sampel
dikarakterisasi oleh ukuran yang disebut statistik.

• Dengan statistika kita berusaha untuk menyimpulkan populasi.

• Untuk itu sifat-sifat populasi dipelajari berdasarkan hasil analisis data dari sampling atau
sensus.

• Salah satu cara pengambilan kesimpulan tentang parameter adalah estimasi (penaksiran)
harga parameter.
 Sampling
Populasi
N

𝜃መ = 𝑥,ҧ 𝑠, 𝑝Ƹ

𝜃 = 𝜇, 𝜎, 𝜌
Sampel
Mengapa parameter populasi sulit
diketahui secara langsung?
Statistika Inferensial
• Parameter populasi bersifat teoritis/abstrak karena sering dan sulit diketahui.
Sedangkan statistik bersifat empiris/nyata karena dapat dihitung langsung dari
sampel.

• Statistik 𝜃෠ berperan sebagai penduga, dan parameter 𝜃 berkedudukan sebagai

sesuatu yang diduga.
 Estimasi yang Baik

1. Tidak Bias. Dikatakan tidak bias jika harga statistik (sampel) sama
dengan harga parameter (populasi).
2. Efisien. Distribusi estimator harga statistik memiliki standar deviasi
yang kecil.
3. Konsisten. Secara matematis, harga statistik yang konsisten harus
dapat memberi suatu estimasi titik yang sempurna terhadap harga
parameter
Tidak Bias
Efisien

Sampel 1 mempunyai variansi

paling kecil, maka dikatakan 𝜎11
merupakan penduga yang efisien.
Konsisten

Semakin besar ukuran sampel

statistik maka penduga θ makin
mendekati parameter θ dari
populasi, dimana distribusi
sampel konsisten bergerak ke
kiri
Jenis Estimasi

ESTIMASI TITIK
Diberikan dalam bentuk suatu nilai
Contoh: konsentrasi polutan rata-rata adalah 7,8 gram/liter

ESTIMASI INTERVAL
Diberikan dalam bentuk suatu rentang (antara dua batas nilai)
Contoh: konsentrasi polutan rata-rata sekitar 6,7 hingga 8,9 gram/liter
Penduga Titik

෡ dari
Bila nilai parameter θ dari populasi hanya diduga dengan memakai satu nilai statistik 𝜽
sampel yang diambil dari populasi tersebut, maka statistik 𝜃෠ disebut pendugaan titik.

Contoh:

• Jika rata-rata tinggi badan dari sampel yang diambil adalah 170 cm, maka 170 cm ini adalah estimasi
titik dari rata-rata tinggi populasi.

• Dari sampel yang terdiri dari 100 orang, rata-rata berat badan adalah 70 kg. Maka, estimasi titik dari rata-
rata berat badan populasi adalah 70 kg.
Penduga Interval

• Pendugaan interval di sini artinya melakukan estimasi nilai parameter populasi yang
dinyatakan di dalam interval. Apabila nilai parameter θ dari populasi diduga dengan memakai

beberapa nilai statistik 𝜃መ yang berada dalam suatu interval, katakanlah interval 𝜃መ < θ < 𝜃,
መ
෡ disebut penduga interval.
maka statistik 𝜽

• Pendugaan titik hanya memakai satu nilai θ, sedangkan pendugaan interval menggunakan lebih
መ Interval tersebut dinyatakan berada dalam suatu batas bawah dan batas
dari satu nilai 𝜃.
atas tertentu.
Contoh Penduga Interval
• Jika dari sampel diperoleh interval kepercayaan 95% untuk rata-rata tinggi populasi adalah
168 cm hingga 172 cm, ini berarti kita 95% yakin bahwa rata-rata tinggi populasi berada
dalam rentang 168 cm hingga 172 cm.

• Berdasarkan sampel 100 orang, rata-rata berat badan 70 kg dengan simpangan baku 10 kg.
Jika kita menghitung interval kepercayaan 95% untuk rata-rata berat badan populasi, kita
mungkin mendapatkan rentang 68 hingga 72 kg. Artinya, kita 95% yakin bahwa rata-rata
berat badan sebenarnya dalam populasi berada dalam rentang 68 hingga 72 kg.
Estimasi Statistik Suatu
Populasi
Estimasi Statistik Suatu Populasi
• Untuk melakukan estimasi statistik suatu populasi, dibutuhkan varians dari data dari
populasi maupun dari sampel, ukuran sampel yang baik, dan interval kepercayaan.

• Keputusan diambil berdasarkan tingkat atau derajat kepercayaan.

• Derajat kepercayaan (1 - 𝛼) bergantung pada persoalan yang dihadapi dan seberapa besar
si peneliti ingin yakin. Derajat kepercayaan yang biasa digunakan adalah 0,95 atau 0,99
Tingkat Kepercayaan
Estimasi Statistik Suatu Populasi

1 2

PENDUGAAN PARAMETER PENDUGAAN PARAMETER

POPULASI DENGAN POPULASI DENGAN
SAMPEL BESAR SAMPEL KECIL
PENDUGAAN PARAMETER POPULASI
DENGAN SAMPEL BESAR
ESTIMASI / PENDUGAAN PARAMETER
RATA-RATA (𝝁)
ESTIMASI / PENDUGAAN PARAMETER RATA-RATA (𝝁)

Misalkan diberikan populasi terbatas atau tak terbatas dimana simpangan baku σ diketahui.
Kita tahu bahwa rata-rata 𝑥ҧ adalah penduga yang tak bias untuk µ. Bila diambil sampel
berukuran cukup besar secara berulang, maka distribusi sampel rata-rata 𝑥ҧ akan mempunyai
simpangan baku 𝜎𝑥ҧ , dengan ketentuan sebagai berikut.

𝜎𝑥
𝜎𝑥ҧ = , bila populasi tak terbatas
𝑛

𝜎𝑥 𝑁−𝑛
𝜎𝑥ҧ = . , bila populasi terbatas
𝑛 𝑁−1
ESTIMASI / PENDUGAAN PARAMETER RATA-RATA (𝝁)

Sehingga, interval kepercayaan untuk pendugaan parameter 𝜇 dan 𝜎 adalah

Dimana,
𝑥ҧ = rata-rata distribusi sampel rata-rata

𝑍𝛼 = nilai dari tabel distribusi normal kumulatif

2

𝜎𝑥ҧ = simpangan baku distribusi sampel rata-rata

𝛼 = tingkat kesalahan
ESTIMASI / PENDUGAAN PARAMETER RATA-RATA (𝝁)

Gambar untuk interval kepercayaan (1 – α) tersebut adalah sebagai berikut.

ESTIMASI / PENDUGAAN PARAMETER RATA-RATA (𝝁)

Contoh:

Dari populasi para pegawai suatu perusahaan diambil sampel sebanyak 100 orang dan dicatat gaji
tahunan masing-masing. Rata-rata dan simpangan baku gaji mereka itu adalah:

𝑥ҧ = Rp 300.000.000

S = Rp 6.000.000

Buatlah selang kepercayaan 95% untuk menduga berapa sesungguhnya rata-rata gaji para pegawai
di perusahaan tersebut!
ESTIMASI / PENDUGAAN PARAMETER RATA-RATA (𝝁)

Diketahui: 𝜎𝑥 6.000.000
𝜎𝑥ҧ = = = 600.000
𝑛 100
Populasi dianggap tak terbatas sebab ukurannya tidak
Untuk interval kepercayan 95%, diperoleh
diketahui
𝑍𝛼 = 1,96
n = 100 2

Maka,
𝑥ҧ = Rp 300.000.000
𝑥ҧ − 𝑍𝛼 . 𝜎𝑥ҧ = 30.000.000 – (1,96) x
S = Rp 6.000.000 2

(600.000) = 28.824.000
Ukuran sampel n cukup besar. Karena 𝜎 tidak diketahui,

maka harus ditaksir dengan S, yaitu: 𝑥ҧ + 𝑍𝛼 . 𝜎𝑥ҧ = 30.000.000 + (1,96) x

2

(600.000) = 31.176.000
ESTIMASI / PENDUGAAN PARAMETER RATA-RATA (𝝁)

Jadi, interval kepercayaan 95% untuk rata-rata (µ) gaji tahunan yang sesungguhnya dari para pegawai
di perusahaan tersebut adalah P(28.824.000 < µ < 31.176.000).

Artinya kita percaya 95% bahwa rata-rata (µ) gaji tahunan yang sesungguhnya dari para pegawai di
perusahaan itu berkisar antara Rp 28.824.000 sampai dengan 31.176.000 setahun.
ESTIMASI / PENDUGAAN
PARAMETER PROPORSI
 ESTIMASI / PENDUGAAN PARAMETER PROPORSI
𝑋
Bila suatu populasi berukuran N mengandung jenis tertentu dengan proporsi 𝑝 = dan pada
𝑁

populasi itu diambil secara berulang sampel berukuran n yang mengandung jenis tertentu dengan
𝑥
proporsi 𝑝Ƹ = , maka distribusi sampel proporsi 𝑝Ƹ akan mampunyai rata-rata 𝜇𝑝ො = p dan simpangan
𝑛

baku:

𝑝(1−𝑝)
𝜎𝑝ො = , bila populasi tak terbatas
𝑛

𝑝(1−𝑝) 𝑁−𝑛
𝜎𝑝ො = . , bila populasi terbatas
𝑛 𝑁−1
 ESTIMASI / PENDUGAAN PARAMETER PROPORSI

Dengan demikian interval kepercayaan untuk penduga p adalah:

Oleh karena proporsi p pada populasi tidak diketahui dan akan diduga dengan proporsi 𝑝Ƹ
pada sampel, maka simpangan baku 𝜎𝑝ො pada rumus di atas dapat diganti dengan:

෡(1−𝑝
𝑝 ෡)
𝜎𝑝Ƹ = , bila populasi tak terbatas
𝑛
෡(1−𝑝
𝑝 ෡) 𝑁−𝑛
𝜎𝑝Ƹ = . , bila populasi terbatas
𝑛 𝑁−1
 ESTIMASI / PENDUGAAN PARAMETER PROPORSI
Contoh:
Pada suatu sampel acak berukuran n = 500 orang di suatu kota ditemukan bahwa 340 orang diantaranya suka nonton
TV acara berita selebriti. Tentukan interval kepercayaan 95% untuk menduga berapa proporsi sesungguhnya
penduduk di kota itu yang suka nonton TV untuk acara berita selebriti!
Jawab:
𝑝Ƹ = proporsi orang yang nonton TV acara dunia selebriti

340
𝑝Ƹ = = 0,68
500
Sehinga, simpangan baku sampel proporsi 𝑝Ƹ adalah:

𝑝(1
Ƹ − 𝑝)Ƹ (0,68)(0,32)
𝜎𝑝ො = = = 0,002
𝑛 500
 ESTIMASI / PENDUGAAN PARAMETER PROPORSI
Jumlah populasi penduduk di kota itu yang suka nonton berita selebriti dianggap tidak terbatas, sebab
jumlahnya tidak diketahui, sehingga diperoleh:

𝑝Ƹ − 𝑍𝛼 . 𝜎𝑝ො = 0,68 – (1,96) x (0,02) = 0,641

2

𝑝Ƹ + 𝑍𝛼 . 𝜎𝑝ො = 0,68 + (1,96) x (0,02) = 0,719

2

Jadi interval kepercayaan 95% untuk penduga p adalah P(0,641 < p < 0,719) = 0,95
Artinya kita percaya 95% bahwa proporsi penduduk di kota itu yang sesungguhnya suka nonton TV untuk
acara berita selebriti adalah antara 64,1% sampai dengan 71,9%.
ESTIMASI / PENDUGAAN PARAMETER BEDA
RATA-RATA
 ESTIMASI / PENDUGAAN PARAMETER BEDA RATA-RATA 𝝁𝟏 − 𝝁𝟐

Terdapat dua populasi. Populasi pertama mempunyai rata-rata µ1 dan simpangan baku σ1;
sedangkan populasi kedua mempunyai rata-rata µ2 dan simpangan baku σ2. Dari populasi
pertama, diambil sampel acak sebanyak n1 dan dari populasi kedua diambil sampel acak
sebanyak n2.

Selanjutnya kita hitung rata-rata 𝑋ത1 untuk sampel pertama dan rata – rata 𝑋ത2 untuk sampel kedua.
Misalkan dua sampel itu saling bebas.

Bila kedua sampel acak itu diambil secara berulang, maka akan diperoleh distribusi sampel beda

𝜎12 𝜎22
dua rata-rata (𝑋ത1 - 𝑋ത2 ) dengan rata-rata (µ1 - µ2 ) dan simpangan baku 𝜎𝑋ത1 − 𝜎𝑋ത1 = +
𝑛1 𝑛2
 ESTIMASI / PENDUGAAN PARAMETER BEDA RATA-RATA 𝝁𝟏 − 𝝁𝟐

Dengan demikian, interval kepercayaan untuk pendugaan beda dua rata-rata (µ1 - µ2 )
bilamana σ1 dan σ2 diketahui adalah:

Dengan:
 ESTIMASI / PENDUGAAN PARAMETER BEDA RATA-RATA 𝝁𝟏 − 𝝁𝟐

Jika 𝜎12 dan 𝜎22 diketahui dan 𝜎12 = 𝜎22 = 𝜎 2 , maka simpangan baku distribusi sampel beda
dua rata-rata menjadi:

Jika 𝜎12 dan 𝜎22 tidak diketahui dan 𝜎12 ≠ 𝜎22 , maka 𝜎12 ditaksir dengan 𝑆12 dan 𝜎22 ditaksir
dengan 𝑆22 . Sehingga simpangan baku sampel beda dua rata-rata menjadi:
 ESTIMASI / PENDUGAAN PARAMETER BEDA RATA-RATA 𝝁𝟏 − 𝝁𝟐

Contoh Soal:
Ujian Akuntansi diberikan kepada dua kelompok mahasiswa, yaitu mahasiswa perempuan
sebanyak 75 orang dan mahasiswa laki-laki sebanyak 50 orang. Kelompok mahasiswa
perempuan memperoleh nilai rata-rata 82 dengan simpangan baku 8, sedangkan kelompok
mahasiswa laki-laki memperoleh nilai rata-rata 76 dengan simpangan baku 6. Bila µ1
menyatakan rata-rata nilai ujian kelompok mahasiswa perempuan, sedangkan µ2 menyatakan
rata-rata nilai ujian kelompok mahasiswa laki-laki. Buatlah interval kepercayaan 96% untuk
menduga berapa sesungguhnya beda rata-rata dua kelompok mahasiswa tersebut !
 ESTIMASI / PENDUGAAN PARAMETER BEDA RATA-RATA 𝝁𝟏 − 𝝁𝟐

Dua populasi dianggap tidak terbatas

Kelompok Perempuan Kelompok laki-laki
n1 = 75 n2 = 50
𝑋ത1 = 82 𝑋ത2 = 76
S1 = 8 S2 = 6
Simpangan baku dua populasi mahasiswa tidak diketahui, maka simpangan baku sampel
dua rata-rata:
 ESTIMASI / PENDUGAAN PARAMETER BEDA RATA-RATA 𝝁𝟏 − 𝝁𝟐

Penduga untuk (µ1 - µ2 ) adalah (𝑋ത1 - 𝑋ത2 ). Untuk interval kepercayaan 96%, maka 𝑍𝛼 = 2,05.
2

Sehingga diperoleh:

𝑋ത1 − 𝑋ത2 − 𝑍𝛼 . 𝜎𝑋ത1 − 𝑋ത2 = (82 – 76) – (2,05) x (1,254) = 3,429

2

𝑋ത1 − 𝑋ത2 + 𝑍𝛼 . 𝜎𝑋ത1 − 𝑋ത2 = (82 – 76) + (2,05) x (1,254) = 8,571

2

Jadi, interval kepercayaan 96% untuk menduga (µ1 - µ2) adalah: P(3,429 < µ1 - µ2 < 8,571) = 0,96
Artinya 96% dapat dipercaya bahwa beda sesungguhnya nilai rata-rata ujian akuntansi dua
kelompok mahasiswa itu terletak antara 3,429 sampai dengan 8,571.
ESTIMASI / PENDUGAAN PARAMETER BEDA
PROPORSI
 ESTIMASI / PENDUGAAN PARAMETER BEDA PROPORSI

𝑋1
Terdapat dua populasi. Populasi pertama mengandung jenis tertentu dengan 𝑝1 = dan
𝑁1

𝑋2
populasi kedua mengandung jenis tertentu dengan 𝑝2 = . Bila pada dua populasi diambil
𝑁2

sampel acak masing-masing n1 dan n2, maka sampel pertama akan mengandung jenis tertentu
𝑋1
dengan proporsi 𝑝Ƹ1 = dan sampel kedua akan mengandung jenis tertentu dengan proporsi
𝑁1

𝑋2
𝑝Ƹ 2 = . Bila sampel diambil secara berulang dan saling bebas, maka akan diperoleh distribusi
𝑁2

sampel beda proporsi 𝑝Ƹ1 − 𝑝Ƹ 2 .

 ESTIMASI / PENDUGAAN PARAMETER BEDA PROPORSI

Sehingga dengan demikian interval kepercayaan untuk penduga beda dua proporsi (p1 – p2)
adalah:
 ESTIMASI / PENDUGAAN PARAMETER BEDA PROPORSI

Contoh: Survei diadakan terhadap pengunjung Pameran di Pamulang Square yang terletak di
Tangerang Selatan. Untuk itu diambil dua kelompok sampel. Sampel pertama adalah ibu-ibu
sebanyak 500 orang dan ketika mereka ditanya sebanyak 325 orang mengatakan puas dengan
pameran ditanya sebanyak 325 orang mengatakan puas dengan pameran di Pamulang
Square, sedangkan sampel kedua terdiri dari pengunjung bapak-bapak sebanyak 700 orang
dan 400 diantaranya menyatakan puas dengan pameran di Pamulang Square. Buatlah interval
kepercayaan 95% untuk menduga berapa sesungguhnya beda dua populasi pengunjung yang
puas dengan pameran di Pamulang Square !
Kelompok ibu-ibu
325
𝑝Ƹ1 = 𝑝𝑟𝑜𝑝𝑜𝑟𝑠𝑖 𝑝𝑢𝑎𝑠 𝑑𝑒𝑛𝑔𝑎𝑛 𝑝𝑎𝑚𝑒𝑟𝑎𝑛 = = 0,65
500
Kelompok bapak-bapak
400
𝑝Ƹ 2 = 𝑝𝑟𝑜𝑝𝑜𝑟𝑠𝑖 𝑝𝑢𝑎𝑠 𝑑𝑒𝑛𝑔𝑎𝑛 𝑝𝑎𝑚𝑒𝑟𝑎𝑛 = = 0,57
700
Dua populasi pengunjung dianggap tidak terbatas. Maka diperoleh:

𝑝Ƹ1 − 𝑝Ƹ 2 − 𝑍𝛼 . 𝜎𝑝ො1−𝑝ො2 = 0,65 − 0,57 − 1,96 0,03 = 0,02

2

𝑝Ƹ1 − 𝑝Ƹ 2 + 𝑍𝛼 . 𝜎𝑝ො1−𝑝ො2 = 0,65 − 0,57 − 1,96 0,03 = 0,14

2

Sehingga, interval untuk beda proporsi sesungguhnya yang puas dengan pameran di Pamulang Square dari dua

kelompok pengunjung tersebut adalah P(0,02 < p1 – p2 < 0,14) = 0,95. Artinya kita dapat percaya 95% bahwa beda

proporsi sesungguhnya pengunjung yang puas dengan pameran di Pamulang Square adalah antara 2% sampai

dengan 14%.
PENDUGAAN PARAMETER POPULASI
DENGAN SAMPEL KECIL
Pengantar
• Semua rumus pendugaan parameter populasi yang telah dibahas tersebut hanya berlaku untuk
sampel acak berukuran besar, yaitu n ≥ 30. Pendugaan itu berlaku untuk populasi berdistribusi
normal maupun tidak normal.

• Jarang sekali variansi σ2 dari suatu populasi diketahui. Akan tetapi, bila sampel yang diambil
bersifat acak dan berukuran besar maka σ2 dapat ditaksir dengan variansi yang dihitung dari
sampel.

• Dengan sampel yang besar, maka fluktuasi S2 tidak akan terlalu besar, artinya nilai-nilai S2 tidak
akan terlalu berbeda antara sampel yang satu dengan sampel yang lain.

• Sehingga variansi σ2 dapat didekati dengan variansi sampel yaitu S2, karena S2 merupakan
penduga yang baik untuk σ2.
Pengantar
• Bila sampel yang diambil ukurannya kecil yaitu n < 30, maka variansi S2 tidak lagi stabil,
melainkan berfluktuasi cukup besar, atau perbedaannya cukup besar antara sampel yang
ത
𝑋−𝜇 𝜎𝑥
satu dengan sampel yang lain sehingga statistik , dimana 𝜎𝑋ത = tidak lagi berdistribusi
𝜎𝑋
ഥ 𝑛

normal.

• Oleh karena itu, jika sampel berukuran kecil, distribusi statistik merupakan distribusi student
yang ditulis t
Pengantar
• Asumsi yang dipakai dalam merumuskan distribusi student t adalah bahwa sampel acak
diambil dari suatu populasi berdistribusi normal.

• Distribusi t sangat mirip dengan distribusi normal standar z, yaitu sama-sama simetri
terhadap rata-rata µ = 0 dan bergantung pada dua besaran yang berubah-ubah yaitu X dan S2.

• Probabilitas t yang terletak antara dua nilai tertentu sama dengan luas di bawah kurva
distribusi t dan dibatasi oleh dua nilai absis yang berpadanan dengan nilai tertentu tersebut.
Pengantar

Perhitungan distribusi t dilakukan dengan

memakai tabel distribusi t. Pada tabel telah
tercantum nilai-nilai t untuk derajat kebebasan ϑ
dan probabilitas atau luas daerah sebesar α yaitu
α = 0,25; 0,2; 0,15 dan lainnya, kemudian derajat
kebebasan ϑ = 1, 2, 3, dan seterusnya.
 ESTIMASI / PENDUGAAN PARAMETER RATA-RATA (𝝁)

• Cara merumuskan interval kepercayaan (1 – α) x 100% dari pendugaan parameter µ dengan

sampel kecil sama seperti memutuskan interval kepercayaan dari pendugaan parameter µ
dengan sampel besar.

• Faktor 𝒁𝜶 pada interval kepercayaan untuk pendugaan parameter dengan sampel besar
𝟐

diganti dengan faktor 𝒕 𝜶

,𝝑
pada interval kepercayaan, untuk pendugaan parameter dengan
𝟐

sampel kecil. Demikian juga untuk merumuskan interval kepercayaan, untuk pendugaan
parameter populasi p, untuk menduga parameter beda dua rata-rata (µ1 - µ2), dan untuk
pendugaan parameter beda dua proporsi (p1 - p2)
 ESTIMASI / PENDUGAAN PARAMETER RATA-RATA (𝝁)

Interval kepercayaan untuk pendugaan parameter µ dengan sampel kecil (n < 30) yang
diambil dari suatu populasi dimana variansi σ2 dari populasi itu tidak diketahui:

derajat
kebebasan 𝜗
ESTIMASI / PENDUGAAN PARAMETER RATA-RATA (𝝁)

Suatu sampel acak sebanyak 15 mahasiswa diambil dari populasi mahasiswa di suatu
universitas. Ke-15 mahasiswa diberikan ujian mata kuliah statistik dan diperoleh rata-rata
yaitu 75 dan simpangan baku 8. Buatlah interval kepercayaan 95% untuk menduga
kemampuan statistic semua mahasiswa di universitas tersebut!
Jawab:
Populasi dianggap tidak terbatas dan berdistribusi normal dengan simpangan baku 𝜎 yang
tidak diketahui.
Sampel acak n = 15, 𝑋ത = 75, dan S = 8
 ESTIMASI / PENDUGAAN PARAMETER RATA-RATA (𝝁)
Simpangan baku distribusi sampel rata-rata

𝑆 𝑆
𝜎𝑋ത = = = 2,07
𝑛 15
𝛼
𝛼 = 5% 2 = 2,5% = 0,025
• Derajat kebebasan distribusi t adalah 𝜗 = 𝑛 − 1 = 15 − 1 = 14
𝛼
• Maka tabel distribusi t untuk = 0,025 dan derajat kebebasan 𝜗 = 14, diperoleh 𝑡 𝛼
,𝜗
= 𝑡(0.025,14) = 2,145
2 2

Dengan demikian,

𝑋ത − 𝑡 𝛼 . 𝜎𝑋ത = 75 – (2,145) 𝑥 (2,07) = 70,6 Artinya kita percaya 95% bahwa

2 ,𝜗 kemampuan rata-rata statistik
𝑋ത + 𝑡 𝛼 . 𝜎𝑋ത = 75 + (2,145) 𝑥 (2,07) = 79,4 semua mahasiswa di universitas
2 ,𝜗 itu terletak antara 70,6 sampai
dengan 79,4.
ESTIMASI / PENDUGAAN PARAMETER RATA-RATA (𝝁)
 ESTIMASI / PENDUGAAN PARAMETER BEDA RATA-RATA

• Misalkan diketahui dua populasi masing-masing mempunyai rata-rata µ1 dan µ2 dan distribusinya mendekati
normal. Misalkan variansi dua populasi itu sama yaitu 𝜎12 = 𝜎22 = 𝜎 2 tetapi tidak diketahui berapa besarnya.

• Kita ambil sampel acak berukuran n1 dari populasi pertama kemudian dihitung rataratanya yaitu 𝑋ത1 dan
variansinya 𝑆12 . Begitu juga kita ambil sampel acak berukuran n2 dari populasi kedua kemudian dihitung rata-
ratanya yaitu 𝑋ത2 dan variansinya 𝑆22 .

• Andaikan sampel pertama dan kedua saling bebas, maka interval kepercayaan untuk pendugaan parameter
beda dua rata-rata (µ1 - µ2) dari dua populasi, yaitu.
 ESTIMASI / PENDUGAAN PARAMETER BEDA RATA-RATA
Akan tetapi bila variansi dua populasi itu tidak sama besarnya, yaitu 𝜎12 ≠ 𝜎22 dan kedua
variansi tidak diketahui nilainya, maka interval kepercayaan untuk pendugaan parameter
beda dua rata-rata (µ1 - µ2) dari dua populasi itu berubah menjadi:
ESTIMASI / PENDUGAAN PARAMETER RATA-RATA (𝝁)
Contoh:

Seorang dosen ingin membandingkan hasil belajar mahasiswa dalam mata kuliah akuntansi di
suatu universitas berdasarkan dua metode mengajar yang dipakai. Untuk itu dibuat dua kelas yaitu
kelas A dan kelas B. Pada kelas A terdiri atas 12 mahasiswa yang diajar dengan metode biasa. Di
kelas B terdiri dari 10 mahasiswa yang diajar dengan metode baru. Setelah diadakan tes akhir
semester, ternyata mahasiswa di kelas A mendapatkan nilai rata-rata 85 dengan simpangan baku
4, sedangkan mahasiswa kelas B didapatkan rata-rata 81 dan simpangan baku 5. Diasumsikan
populasi mempunyai distribusi mendekati normal dan variansinya sama. Buatlah interval
kepercayaan 80% untuk menduga beda kemampuan mahasiswa pada mata kuliah akuntansi
dengan dua macam metode ajar tersebut!
 ESTIMASI / PENDUGAAN PARAMETER BEDA RATA-RATA
Jawab:
Kelas A dengan metode biasa: 𝑋ത1 = 85, S1 = 4, n = 12
Kelas B dengan metode baru: 𝑋ത2 = 81, S2 = 5, n = 10
Karena variansi 𝜎12 dan 𝜎22 tidak diketahui dan dianggap sama, yaitu 𝜎12 = 𝜎22 = 𝜎 2 , maka:

2 2
2
𝑛1 − 1 𝑆1 + 𝑛 2 − 1 𝑆2 11 42 + (9)52
𝑆𝑝 = = = 20,05
𝑛1 + 𝑛2 − 2 12 + 10 − 2
Simpangan baku gabungan 𝑆𝑝 = 20,05 = 4,48
Sedangkan simpangan baku distribusi sampel beda dua rata-rata adalah:

1 1 1 1
𝜎𝑋ത1 − 𝑋ത2 = 𝑆𝑝 + = 4,48 . + = 1,92
𝑛1 𝑛2 12 10
 ESTIMASI / PENDUGAAN PARAMETER BEDA RATA-RATA

Untuk 1 – α = 80% atau α = 20% dan derajat kebebasan 𝜗

= = 20, diperoleh nilai 𝑡 𝛼

,𝜗
= 𝑡(0.1;20) = 1,325
2

Sehingga dengan demikian diperoleh:

𝑋ത1 − 𝑋ത2 − 𝑡𝛼 . 𝜎𝑋ത1− 𝑋ത2 = (85 – 81) – (1,325) x (1,92) = 1,456

2

𝑋ത1 − 𝑋ത2 + 𝑡𝛼 . 𝜎𝑋ത1− 𝑋ത2 = (85 – 81) + (1,325) x (1,92) = 6,544

2

Jadi interval kepercayaan untuk perbedaan kemampuan mahasiswa dalam mata kuliah
akuntansi yang diajar dengan dua metode adalah P(1,456 < µ1 - µ2 < 6,544) = 0,80.
Thank You!
 ESTIMASI / PENDUGAAN PARAMETER RATA-RATA (𝝁)
Bila 𝑥ҧ merupakan penduga untuk µ, maka dapat dipercayakan (1 – α) x 100% bahwa kesalahan akan
lebih dari suatu besaran tertentu e yang ditetapkan sebelumnya dengan syarat, yaitu:

Tampak bahwa rumus di atas sesungguhnya mempunyai syarat bahwa simpangan baku σ dari
populasi harus diketahui. Akan tetapi, bila σ tidak diketahui dan sampel cukup besar (n ≥ 30), maka σ
dapat ditaksir dengan simpangan baku S yang dihitung dari sampel.
 ESTIMASI / PENDUGAAN PARAMETER RATA-RATA (𝝁)

Contoh:

Rata-rata dan simpangan baku nilai statistika dari sampel acak berukuran n = 36 mahasiswa masing-masing

adalah 2,6 dan 0,3. Bila ingin dibuat selang kepercayaan 95% dan pendugaan untuk µ meleset kurang dari 0,05.

Berapakah besar sampel yang diperlukan.

Jawab:

Karena ukuran sampel adalah n = 36 cukup besar dan σ tidak diketahui, maka σ kita taksir dengan S = 0,3.

Banyaknya sampel yang diperlukan adalah:

2
𝑍𝛼.𝜎 (1,96)(0,3)
2
2
𝑛= = = 138,3 ≈ 138 𝑚𝑎ℎ𝑎𝑠𝑖𝑠𝑤𝑎
𝑒 0,05