MAKALAH STATISTIKA

³INFERENCES ABOUT A POPULATION PROPORTION´

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

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

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

/2 1- /2  p ± z /2 p p + z /2 Gambar 12 perkiraan distribusi normal  E(X) = np.E) . Hasil kedua menunjukkan bahwa kesalahan umum dari estimator adalah : S. atau Estimasi S.E. sifat expetation memberikan sd Dengan kata lain. distribusi sampling dari memiliki rata sebesar proporsi populasi. = Ketika n adalah besar. probabilitas adalah mendekati sekitar 0.954 bahwa kesalahan estimasi   akan kurang dari 2 X (Estimasi S. Sejak E(  = = sd(X) =  = X / n.E = for Kesalahann Standard estimasi dapat diperoleh dengan menggantikan estimasi sampel dan =1untuk q dalam formula. sebelum pengambilan sampel.

28 dengan 95.4% batas kekeliruan = 2 . ( = = = 0.028 = 0. sehingga jumlah dapat diperlakukan seolah-olah itu adalah variabel binomial. 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. Di sini n = 250 dan X = 70.E Untuk nilai n besar.056 = 0. sehingga estimasi proporsi populasi adalah = = 0.4%?. Sebuah klub pesanan besar yang menawarkan harapan spesial bulanan ingin mencoba sebuah item baru.Titik Estimasi dari Proporsi populasi Parameter: proporsi populasi Data: X = Nilai yang memiliki karakteristik dalam sampel acak berukuran n Estimator:  =  dan Estimasi S.028 95. Sebuah pengiriman mengirim sebuah sample acak dari 250 anggota yang dipilih dari daftar lebih dari 9000 pelangggan.28    Estimasi S.06 Oleh karena itu.E.4% batas kekeliruan yaitu 0. = S. Penyelesaian : Nomor dalam sampel mewakili hanya sebagian kecil dari total keanggotaan.E. Berdasarkan sampel pengiriman. 70 anggota memutuskan untuk membeli item tersebut.

058.025 = diamati = 41/500 = 0.8%. Hitung interval kepercayaan 95% untuk tingkat pengangguran di negara ini. sehingga pendekatan normal terhadap distribusi proporsi sampel 1.82 = 0. +z /2 Contoh soal 2. Perhatikan lagi bahwa bentuk umum dari interval keyakinan adalah : Estimate(perkiraan) (z-value) (estimated standart error) Interval Sample besar untuk p Untuk n besar. atau (5. 100 (1.(dua angka dibelakang koma. Karena prosedur kita akan .082. ketika (1 .) = 95. Namun. Sejak hampir normal dengan mean dan standart deviasi interval acak p .082 0. kita memiliki / 2 = 0. di mana 41 orang ditemukan menganggur dari sebuah sampel acak 500 orang dari angkatan kerja negara.025 dan z. Penyelesaian : Ukuran sampel n = 500 adalah besar. Kemudian menghitung z. jadi kita gunakan standard deviasi estimsated standar / n untuk mengatur nilai akhir dari sebuah interval keyakinan. dua angka desimal) KEYAKINAN INTERVAL UNTUK p Sebuah keyakinan interval sampel besar untuk sebuah proporsi populasi berikut dari pendekatan normal proporsi sample .96    Oleh karena itu. 10.106).6%) dalam persentase.)% interval untuk p diberikan dengan :  -z /2 . didapat interval 95% untuk tingkat pengangguran di negara ini 0.024 = (0. 0. dibenarkan.918. z /2 adalah sebuah kandidat. Pertimbangkan data dari contoh 2. dan    = 1-0.96. standar deviasi melibatkan yang merupakan parameter yang tidak diketahui.025 = 1.

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

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

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

Sign up to vote on this title
UsefulNot useful