MAKALAH STATISTIKA

³INFERENCES ABOUT A POPULATION PROPORTION´

Oleh: 1.
JURUSAN TEKNIK INFORMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET 2011

Fase kedua adalah statistika induktif. Jadi harga parameter yang sebenarnya tetapi tak diketahui itu akan ditaksir berdasarkan statistik sampel yang diambil dari populasi yang bersangkutan. kuantitatif ataupun kualitatif. mengingat berbagai faktor.PENDAHULUAN Kita tahu bahwa statistika terbagi atas dua fase ialah statistika deskriptif dan statistika induktif. Cara pengambilan kesimpulan tentang parameter yang pertama kali akan dilakukan dengan cara-cara menaksir. yaitu statistik. nilai-nilai statistik yang perlu dihitung kemudian dibandingkan ± menggunakan kriteria tertentu ± dengan hipotesis. untuk keperluan tersebut diambil sebuah sampel yang representatif lalu berdasarkan pada hasil analisis terhadap data sampel. Fase pertama dikerjakan unyuk melakukan fase kedua. daripada karakteristik tertentu mengenai sekumpulan obyek yang lengkap dan jelas. Dalam pengujian hipotesis. penelitian dilakukan. Dalam makalah ini akan membahas tentang kekeliruan yang akan terjadi. Kelakuan populasi yang akan ditinjau di sini hanyalah mengenai parameter populasi dan sampel yang digunakan adalah sampel acak. kesimpulan mengenai populasi dibuat. sampel acak diambil. Populasi adalah totalitas semua nilai yang mungkin. nilai-nilai yang perlu. yang pada umunya dilakukan berdasarkan pada data sampel yang diambil dari populasi yang bersangkutan. Sampel adalah sebagian yang diambil dari populasi dengan menggunakan cara-cara tertentu. . baik hasil menghitung maupun pengukuran. Dalam kenyataannya. dihitung dan dari nilai-nilai statistik ini kita simpulkan bagaimana parameter bertingkah laku. Dalam melakukan pengujian hipotesis pasti akan muncul kekeliruan yang dapat terjadi. Dengan statistika kita berusaha untuk menyimpulkan populasi. Data sampel dianalisi. berusaha menyimpulkan tentang karakteristik populasi. Untuk ini kelakuan populasi dipelajari berdasarkan data yang diambil baik secara sampling ataupun sensus.

sangat penting bagi semua kesimpulan tentang proporsi populasi . Ingat dari bagian 6 itu. Contoh 2 menganggap sampling n = 500 orang untuk menyimpulkan tentang proporsi penduduk yang menganggur. data akan terdiri dari menghitung X dari jumlah sampel elemen memiliki karakteristik. . diilustrasikan pada Gambar 12. ketika n adalah besar. jumlah sampel X memiliki distribusi binomial dengan mean np dan standar deviasi . Secara khusus adalah :   Z= = Bentuk terakhir.Alasan yang menyebabkan estimasi rata-rata juga berlaku untuk masalah estimasi perkiraan dari proporsi populasi. Jika jumlah X memiliki distribusi binomial. Hal ini menunjukkan bahwa mean dan standar deviasi  adalah biasanya didistribusikan dengan ESTIMASI TITIK p Intuitif. variabel binomial X baik didekati oleh np normal dengan mean dan deviasi standar dimana dapat dirumuskan  Z= Pernyataan ini dapat dikonversi menjadi sebuah pernyataan tentang proporsi dengan membagi pembilang dan penyebut dengan n. dimana q = (1-p). Notasi topi mengingatkan kita bahwa Bila ukuran sampel n adalah hanya sebagian kecil dari ukuran populasi. sebagai penduga dari p. proporsi sampel  adalah estimator yang wajar dari proporsi populasi p. Pemikiran umum menunjukkan proporsi sampel adalah :    adalah statistik. Ketika elemen n secara acak sampel dari populasi.

= Ketika n adalah besar.E) . atau Estimasi S.954 bahwa kesalahan estimasi   akan kurang dari 2 X (Estimasi S. sifat expetation memberikan sd Dengan kata lain.E = for Kesalahann Standard estimasi dapat diperoleh dengan menggantikan estimasi sampel dan =1untuk q dalam formula. Sejak E(  = = sd(X) =  = X / n. Hasil kedua menunjukkan bahwa kesalahan umum dari estimator adalah : S.E. probabilitas adalah mendekati sekitar 0. distribusi sampling dari memiliki rata sebesar proporsi populasi. sebelum pengambilan sampel./2 1- /2  p ± z /2 p p + z /2 Gambar 12 perkiraan distribusi normal  E(X) = np.

028 = 0.056 = 0.028 95. ( = = = 0. sehingga estimasi proporsi populasi adalah = = 0.28    Estimasi S.4%?.Titik Estimasi dari Proporsi populasi Parameter: proporsi populasi Data: X = Nilai yang memiliki karakteristik dalam sampel acak berukuran n Estimator:  =  dan Estimasi S.06 Oleh karena itu.28 dengan 95.4% batas kekeliruan yaitu 0. Penyelesaian : Nomor dalam sampel mewakili hanya sebagian kecil dari total keanggotaan. Berdasarkan sampel pengiriman.E. Di sini n = 250 dan X = 70.4% batas kekeliruan = 2 . = S.E Untuk nilai n besar.E. proporsi perkiraan adalah . sebuah kesalahan batas (margin) yang mendekati 100 (1 ± ) adalah z /2 Contoh Soal 1. Pertanyaan : Berikan titik perkiraan (estimasi point) proporsi dari anggota klub yang bisa diharapkan untuk membeli item dan melampirkan margin kesalahan 95. Sebuah pengiriman mengirim sebuah sample acak dari 250 anggota yang dipilih dari daftar lebih dari 9000 pelangggan. 70 anggota memutuskan untuk membeli item tersebut. Sebuah klub pesanan besar yang menawarkan harapan spesial bulanan ingin mencoba sebuah item baru. sehingga jumlah dapat diperlakukan seolah-olah itu adalah variabel binomial.

6%) dalam persentase.918.025 = diamati = 41/500 = 0. Pertimbangkan data dari contoh 2.8%.)% interval untuk p diberikan dengan :  -z /2 . +z /2 Contoh soal 2. Karena prosedur kita akan . Namun. dibenarkan. Kemudian menghitung z. 0.106). di mana 41 orang ditemukan menganggur dari sebuah sampel acak 500 orang dari angkatan kerja negara.082 0. 100 (1. Hitung interval kepercayaan 95% untuk tingkat pengangguran di negara ini. sehingga pendekatan normal terhadap distribusi proporsi sampel 1. standar deviasi melibatkan yang merupakan parameter yang tidak diketahui.96    Oleh karena itu.058. jadi kita gunakan standard deviasi estimsated standar / n untuk mengatur nilai akhir dari sebuah interval keyakinan.) = 95. z /2 adalah sebuah kandidat. didapat interval 95% untuk tingkat pengangguran di negara ini 0.025 dan z. dua angka desimal) KEYAKINAN INTERVAL UNTUK p Sebuah keyakinan interval sampel besar untuk sebuah proporsi populasi berikut dari pendekatan normal proporsi sample . Sejak hampir normal dengan mean dan standart deviasi interval acak p . 10. atau (5.82 = 0.024 = (0.082.025 = 1. Penyelesaian : Ukuran sampel n = 500 adalah besar. ketika (1 .96. kita memiliki / 2 = 0. dan    = 1-0. Perhatikan lagi bahwa bentuk umum dari interval keyakinan adalah : Estimate(perkiraan) (z-value) (estimated standart error) Interval Sample besar untuk p Untuk n besar.(dua angka dibelakang koma.

menghasilkan pernyataan yang benar 95% dari waktu. yang ’‘“‘   Akibatnya.8 dan 10. maka n dapat ditentukan dari Tanpa pengetahuan sebelumnya dari p. Berdasarkan hipotesis nol. perkiraan numerik karena itu. kita dapat 95% yakin bahwa tingkat pengangguran adalah antara 5. ukuran sampel yang diperlukan diperoleh dengan menyamakan z /2 dimana d adalah batas kesalahan (margin error) yang ditetapkan. Oleh = d.6%. proporsi   memiliki nilai o kira-kira mendekati distribusi normal. sebelum mengambil sample. MENENTUKAN UKURAN SAMPEL Perhatikan bahwa. untuk 100 (1dari tidak tersedia. pq bisa digantikan oleh ¼ maksimal nilai kemungkinan dan n ditentukan dari hubungan n= PENGUJIAN SAMPEL BESAR TENTANG p pengujian Ho = sampel o = o versus H1: o. kita menggunakan ekspresi z /2  . )% error margin untuk estimasi p. Kemudian Diperoleh n= Jika nilai p diketahui kira-kira di lingkungan sebuah nilai n= (1 ) . statistik standar . Dengan jumlah besar dari n percobaan. ditentukan dan distribusi adalah mendekati N o.

Karena hipotesis alternatif dua sisi.1). kami menggunakan penguujian satu sisi dengan cara yang persis sama kita dibahas di Bagian 4 sehubungan dengan tes tentang miu.Z= ’‘“‘  ’‘ Memiliki distribusi N(0. daerah tingkat penolakan pengujian diberikan dengan R: z /2 Untuk alternatif satu sisi. .

Hukum Pertambahan dari Probabilitas . didalamnya terdapat hubungan Inklusif 2 Hukum Probabilitas yang berlaku adalah: 1. Peristiwa saling lepas (mutually exclusive) . Peristiwa bebas ( Independen event) 3. Peristiwa dengan probabilitas bersyarat (conditional probability) 2.KESIMPULAN Terdapat beberapa hubungan peristiwa. yaitu: 1. Peristiwa tidak saling bebas (dependent event) 4. Hukum Perkalian Probabilitas 2.

Sign up to vote on this title
UsefulNot useful