Statistika Inferensi : Estimasi Titik & Estimasi Interval
description
Transcript of Statistika Inferensi : Estimasi Titik & Estimasi Interval
Statistika Inferensi : Statistika Inferensi : Estimasi Titik & Estimasi Estimasi Titik & Estimasi IntervalInterval
Estimasi titikEstimasi titikEstimasi adalah keseluruhan
proses yang menggunakan sebuah estimator untuk menghasilkan sebuah estimate dari suatu parameter.
Sebuah estimasi titik dari sebuah parameter adalah sesuatu angka tunggal yang dapat dianggap sebagai nilai yang masuk akal dari .
ContohContohSeorang ahli sosial ekonomi ingin
mengestimasi rata-rata penghasilan buruh di suatu kota. Sebuah sampel dikumpulkan menghasilkan rata-rata Rp 2.000.000,-.
Dalam hal ini telah dilakukan estimasi titik, dengan menggunakan estimator berupa statistic mean ( ) untuk mengestimasi parameter mean populasi (μ). Nilai sampel Rp 2.000.000,- sebagai nilai estimate dari mean populasi.
X
Estimasi IntervalEstimasi IntervalSebuah estimasi interval (interval
estimate) dari sebuah parameter , adalah suatu sebaran nilai nilai yang digunakan untuk mengestimasi interval.
Jika dimiliki sampel X1, X2, …., Xn dari distribusi normal N(, 2) maka
),(~2
nNX
Akibatnya interval kepercayaan (1-)100% untuk mean populasi adalah
dengan Z(1-/2) adalah kuantil ke-(1-
/2) dari distribusi normal baku dan jika tidak diketahui maka dapat diestimasi dengan simpangan baku (standard deviation) sampel s yaitu s = s2.
nZX
nZX
2/12/1
Jadi interval kepercayaan (confidence interval) adalah estimasi interval berdasarkan tingkat kepercayaan tertentu dan batas atas serta batas bawah interval disebut batas kepercayaan (confidence limits).
Dari prakteknya tingkat kepercayaan dilakukan sebelum estimasi dilakukan, jadi dengan menetapkan tingkat kepercayaan interval sebesar 90 persen (90 %).
Artinya seseorang yang melakukan tersebut ingin agar 90 persen yakin bahwa mean dari populasi akan termuat dalam interval yang diperoleh.
Estimasi interval untuk Estimasi interval untuk beberapa tingkat beberapa tingkat kepercayaan (1-kepercayaan (1-)100%. )100%.
ContohContohSeorang guru ingin mengestimasi
waktu rata-rata yang digunakan untuk belajar.
Suatu sampe acak ukuran 36 menunjukan bahwa rata-rata waktu yang digunakan siswa untuk belajar di rumah setiap harinya adalah 100 menit.
Informasi sebelumnya menyatakan bahwa standar deviasi adalah 20 menit.
Estimasi interval dengan tingkat kepercayaan 95 persen dapat ditentukan berikut ini :
Unsur unsur yang diketahui : = 100 ; = 20; n=36; tingkat
kepercayaan 95 %.Dengan tingkat kepercayaan 95 % maka nilai
z adalah 1,96 jadi estimasi interval dari nilai waktu rata-rata sesungguhnya adalah :
Dengan kata lain guru mengestimasi dengan tingkat keyakinan 95 % bahwa rata-rata waktu belajar adalah antara 93,47 menit hingga 106,53 menit
X
53,10647,93
)6/20(96,1100)6/20)(96,1(100
Jika n > 30Jika n > 30 Dari seluruh siswa 4 kelas diambil sebagai sampel 40
siswa dan didapatkan nilai Matematika dari 40 siswa tersebut sebagai berikut :
58 48 56 4358 57 48 3543 47 49 4164 58 46 4447 55 42 4854 29 46 4759 47 52 4347 49 40 5860 50 50 5064 36 43 44
maka estimasi rata-rata nilai Matematika sesungguhnya dengan tingkat kepercayaan 90 persen yaitu :
Dengan tingkat kepercayaan 90 % maka nilai z Dengan tingkat kepercayaan 90 % maka nilai z adalah 1,645 jadi estimasi interval dari rata-rata adalah 1,645 jadi estimasi interval dari rata-rata sesungguhnya adalah :sesungguhnya adalah :
Hasil output spssHasil output spss
Jika n Jika n 30 30
Jika dimiliki sampel X1, X2, …., Xn dari distribusi normal N(, 2) dengan 2 tidak diketahui maka :
berdistribusi t dengan derajat bebas n-1.
nS
XT
/
Sifat-sifat distribusi Sifat-sifat distribusi ttDistribusi ini serupa dengan distribusi Z
dengan mean nol dan simetris berbentuk lonceng / bell shape terhadap mean.
Bentuk distribusi tergantung pada ukuran sampel. Jadi distribusi adalah kumpulan keluarga distribusi dan perbedaan satu dengan yang lainnnya tergantung pada ukuran sampel.
Pada ukuran sampel yang kecil keruncingan berbentuk distribusi t kurang dibandingkan dengan distribusi Z dan jika meningkatnya ukuran sampel mendekati 30 maka bentuk distribusi semakin mendekati bentuk distribusi Z. (Jadi jika n >30 maka digunakan nilai z).
Grafik fungsi distribusi tGrafik fungsi distribusi t
Untuk n 30, interval kepercayaan (1-)100% untuk mean populasi adalah
dengan tn-1; (1-/2) adalah kuantil
ke-(1-/2) dari distribusi t dengan derajat bebas n-1 dan s adalah simpangan baku (standard deviation) sampel dengan s = s2 yaitu akar dari variansi sampel.
n
stX
n
stX nn 2/1;12/1;1
Contoh Contoh Misalkan diberikan nilai
Matematika 10 siswa sebagai berikut : 58, 58, 43, 64, 47, 54, 59, 47, 60, dan 64.
Estimasi rata-rata nilai Matematika sesungguhnya (populasi). Nilai rata-rata Matematika dengan tingkat kepercayaan 95 persen dapat diestimasi sebagai berikut:
Hasil perhitungan dari Hasil perhitungan dari datadata
interval kepercayaan interval kepercayaan (rata-rata populasi) dengan (rata-rata populasi) dengan koefisien kepercayaan 95 % koefisien kepercayaan 95 % : :
Hasil output spssHasil output spss
Pengujian Hipotesis (Satu Pengujian Hipotesis (Satu Sampel)Sampel)
Secara umum, hipotesis statistik pernyataan mengenai distribusi probabilitas populasi atau pernyataan tentang parameter populasi.
Contoh :Nilai Matematika siswa kelas 10 SMAN 1 Salatiga berdistribusi normal. Akan diuji hipotesis :
rata-ratanya 60.
Pernyataan : Rata-ratanya 60 ( = 60 ) hipotesis statistik
Kesalahan yang mungkin Kesalahan yang mungkin Kesalahan jenis pertama (type-I
error) bila menolak menolak hipotesis yang seharusnya diterima.
Kesalahan jenis kedua (type-II error) bila menerima hipotesis yang seharusnya ditolak.
Prosedur Uji hipotesisProsedur Uji hipotesisPernyataan Hipotesis nol dan hipotesis
alternatifPemilihan tingkat kepentingan ( level of significance ), α kesalahan tipe
IPernyataan aturan keputusan ( Decision
Rule)Perhitungan nilai-p berdasarkan pada data
sampelPengambilan keputusan secara statistik
(Penarikan kesimpulan)
Pernyataan Hipotesis nol dan Pernyataan Hipotesis nol dan hipotesis alternatifhipotesis alternatif
Hipotesis nol (H0) adalah asumsi yang akan diuji.
Hipotesis nol dinyatakan dengan hubungan sama dengan.
Jadi hipotesis nol adalah menyatakan bahwa parameter (mean, presentase, variansi dan lain-lain) bernilai sama dengan nilai tertentu.
Hipotesis alternatif (H1) adalah hipotesis yang berbeda dari hipotesis nol.
Hipotesis alternatif merupakan kumpulan hipotesis yang diterima dengan menolak hipotesis nol.
ContohContohDalam suatu prosedur pengujian hipotesis
mengenai mean dari suatu populasi, pernyataan-pernyataan mengenai hipotesis nol sebagai mean populasi 60 secara umum dinotasikan :
H0 : µ = 60
H1 : µ ≠ 60.
Pemilihan tingkat kepentingan Pemilihan tingkat kepentingan ( ( level of significancelevel of significance ), α ), αTingkat kepentingan ( level of significance )
menyatakan suatu tingkat resiko melakukan kesalahan dengan menolak hipotesis nol.
Dengan kata lain, tingkat kepentingan menunjukkan probabilitas maksimum yang ditetapkan untuk menghasilkan jenis resiko pada tingkat yang pertama.
Dalam prakteknya, tingkat kepentingan yang digunakan adalah 0.1, 0.05 atau 0.01.
Jadi dengan mengatakan hipotesis bahwa ditolak dengan tingkat kepentingan 0.05 keputusan itu bisa salah dengan probabitas 0.05.
Pernyataan aturan keputusan Pernyataan aturan keputusan ((Decision RuleDecision Rule))
Suatu nilai-P didefinisikan sebagai nilai tingkat kepentingan yang teramati yang merupakan nilai tingkat signifikan terkecil di mana hipotesis nol akan ditolak apabila suatu prosedur pengujian hipotesis tertentu pada data sampel.
Menolak H0 jika nilai-p (p-value) < dan menerima H0 jika nilai-p (p-value) > .
Perhitungan nilai-p Perhitungan nilai-p berdasarkan data sampel & berdasarkan data sampel & KesimpulanKesimpulan
Berdasarkan sampel dihitung nilai-p.
Karena nilai-p < maka Ho ditolak atau sebalinya nilai-p > maka Ho diterima.
Uji Hipotesis dengan Mean Uji Hipotesis dengan Mean TunggalTunggalPengujian ini dibedakan atas dua
jenis yaitu :
Uji dua ujung ( two tailed test)
Uji satu ujung ( one tailed test).
Uji Dua UjungUji Dua UjungUji dua ujung (two tailed) adalah uji
hipotesis yang menolak hipotesis nol jika statistik sampel secara significant lebih tinggi atau lebih rendah dari pada nilai parameter populasi yang diasumsikan.
Dalam hal ini hipotesis nol dan hipotesis alternatifnya masing-masing :
H0 : µ = nilai yang diasumsikan
H1 : µ ≠ nilai yang diasumsikan
ContohContoh
Nilai Matematika siswa kelas 10 SMAN 1 Salatiga berdistribusi normal. Akan diuji hipotesis :
rata-ratanya 60.
Hipotesis nol : H0 : = 60
Hipotesis alternatif : H1 : 60
Hasil output SPSSHasil output SPSS
Berdasarkan hasil output SPSS diperoleh nilai-p mendekati nol dan karena
nilai- p < = 0,10 (10 %) maka H0 ditolak berarti H1 diterima.
Dengan kata lain, 60 berarti rata-rata nilai Matematika siswa kelas 10 tidak sama dengan 60.
ContohContoh
Nilai Matematika siswa kelas 10 SMAN 1 Salatiga berdistribusi normal. Akan diuji hipotesis :
rata-ratanya 50.
Hipotesis nol : H0 : = 50
Hipotesis alternatif : H1 : 50
Hasil output SPSSHasil output SPSS
Berdasarkan hasil output SPSS diperoleh nilai-p = 0,367 dan karena
nilai- p > = 0,10 (10 %) maka H0 diterima.
Dengan kata lain, = 50 berarti rata-rata nilai Matematika siswa kelas 10 sama dengan 50.
STATISTIKA INFERENSI : STATISTIKA INFERENSI : UJI HIPOTESIS (SAMPEL UJI HIPOTESIS (SAMPEL GANDA)GANDA)
OutlineOutlineUji Hipotesis Mean dengan
Sampel ganda :
- Uji t untuk populasi saling bergantung
- Uji t untuk populasi saling bebas
Uji t pasangan untuk populasi Uji t pasangan untuk populasi saling tergantungsaling tergantung
Prosedur : Pernyataan Hipotesis nol dan Hipotesis Alternatif
Dalam uji ini hipotesis nolnya adalah metode baru sama dengan metode lama (perbedaan rata-ratanya adalah nol).
Sedangkan hipotesis alternatifnya adalah metode baru tidak sama dengan metode lama (terdapat perbedaan nilai rata-rata).
H0 : μd = 0 ( metode lama sama dengan metode baru)H1 : μd ≠ 0 uji dua ujung
( μd > 0 uji satu ujung )(metode lama tidak sama dengan metode baru)
Pemilihan tingkat kepentingan (level of significance), α
Aturan pengambilan keputusan :
H0 ditolak jika nilai-p < dan sebaliknya H0 diterima jika nilai-p .
ContohContohSeorang guru akan mengevaluasi
metode pembelajaran baru untuk siswa.
Jika dalam program baru tersebut terdapat penghematan waktu dari pada program saat ini maka ia akan merekomendasikan perusahaan tersebut dengan program baru.
Suatu sampel yang terdiri dari 8 diambil dan kemudian diperoleh nilai sebelum dan setelah digunakan metode pembelajaran yang baru.
Nilai yang diperoleh sebelum dan setelah digunakan metode pembelajaran yang baru ditunjukkan pada tabel berikut :
Nilai sebelum dan sesudah Nilai sebelum dan sesudah penggunaan metode barupenggunaan metode baru
Uji hipotesis dilakukan dengan langkah sebagai berikut :
HipotesisH0 : metode baru tidak
meningkatkan nilaiH1 : metode baru meningkatkan
nilaiTingkat kepentingan α = 0,05 = 5 %Aturan Keputusan
H0 ditolak dan H1 diterima jika nilai-p < 0,05 dan sebaliknya H0 diterima dan H1 ditolak jika nilai-p > 0,05.
Hasil output SPSSHasil output SPSS(terlihat t(terlihat thithit = 1,366 dan nilai- = 1,366 dan nilai-pp = 0,214 > = 0,214 > 0,05 0,05 sehingga Hsehingga H00 diterima) diterima)
KesimpulanKesimpulanMetode pembelajaran baru tidak
meningkatkan nilai. Hal tersebut juga didukung oleh
informasi tambahan pada hasil output SPSS berikut ini.
Tidak terdapat perbedaan yang signifikan antara rata-rata nilai sebelum dan nilai sesudah penggunaan metode pembelajaran baru.
Hasil output SPSSHasil output SPSS
Uji t untuk populasi yang Uji t untuk populasi yang saling bebas (saling bebas (independentindependent))
Digunakan bila :
Sampel yang diambil dari kedua populasi yang saling bebas dan berdistribusi normal.
Ukuran kedua sampel kurang dari 30 ( untuk n > 30, hasil yang diperoleh
merupakan pendekatan ).
Prosedur uji hipotesisnya sebagai berikut :
Pernyataan hipotesis nol dan hipotesis alternatif
Dalam uji hipotesis nol dan hipotesis alternatifnya adalah :H0 : μ1 = μ2 (rata-rata kedua kelompok sama)H1 : μ1 ≠ μ2 (rata-rata kedua kelompok tidak sama)
Pemilihan tingkat kepentingan α
Aturan pengambilan keputusan :
H0 ditolak jika nilai-p < dan sebaliknya H0 diterima jika nilai-p .
ContohContoh
Hasil output SPSSHasil output SPSS
Kelas A mempunyai rata-rata nilai 75,60 dan deviasi standard 15,298.
Kelas B mempunyai rata-rata nilai 77,60 dan deviasi standard 11,944.
Apakah ada perbedaan yang signifikan antara nilai rata-rata kedua kelas ?
Dengan kata lain apakah kelas A dan kelas B mempunyai rata-rata yang sama ?
HipotesisHipotesisHipotesis nol :
Rata-rata kelas A dan kelas B sama.
Hipotesis alternatif :
Rata-rata kelas A dan kelas B tidak sama.
Tingkat signifikansi (level of significance) yang dipilih = 0,05.
Aturan penerimaan dan penolakan :
H0 ditolak jika nilai-p < = 0,05 dan
sebaliknya H0 diterima jika nilai-p = 0,05.
Hasil output SPSS Hasil output SPSS (terlihat nilai-p > 0,05 sehingga H0 (terlihat nilai-p > 0,05 sehingga H0 diterima yaitu rata-rata kedua kelas diterima yaitu rata-rata kedua kelas samasama
Hasil output SPSS Hasil output SPSS (terlihat nilai-p > 0,05 sehingga H0 (terlihat nilai-p > 0,05 sehingga H0 diterima yaitu rata-rata kedua kelas diterima yaitu rata-rata kedua kelas samasama
KesimpulanKesimpulanRata-rata nilai kelas A dan kelas
B sama (tidak berbeda secara signifikan).
Contoh – sampel kecil Contoh – sampel kecil
Hasil output SPSSHasil output SPSS
Hipotesis nol : Rata-rata kelas A dan kelas B sama.
Hipotesis alternatif : Rata-rata kelas A dan kelas B tidak sama.
Tingkat signifikansi dipilih 0,10 (10 %).Karena nilai-p mendekati nol sehingga
lebih kecil dari = 0,10 sehingga H0 ditolak sehingga berarti bahwa rata-rata kelas A dan kelas B tidak sama.
Bila dilihat dari besarnya nilai rata-rata kelas A maka rata-rata kelas A lebih baik.