Ummu Kalsum UNIVERSITAS GUNADARMA

dokumen-dokumen yang mirip
STATISTIKA BISNIS PENDUGAAN STATISTIKA. Deden Tarmidi, SE., M.Ak., BKP. Modul ke: Fakultas Ekonomi dan Bisnis. Program Studi Akuntansi

Penduga : x p s r b. Pertemuan Ke 9. BAB V PENDUGAAN PARAMETER

ESTIMASI. Arna Fariza PENDAHULUAN

Materi Kuliah: Statistik Inferensial

Materi Kuliah: Statistik Inferensial

TEORI PENDUGAAN STATISTIK. Oleh : Riandy Syarif

SEBARAN PENARIKAN CONTOH

ESTIMASI. Podojoyo, SKM, M.Kes. Podojoyo 1

PENAKSIRAN PARAMETER TM_3

PENARIKAN SAMPEL & PENDUGAAN PARAMETER

Pendugaan Parameter. Ayundyah Kesumawati. April 13, Prodi Statistika FMIPA-UII. Ayundyah (UII) Pendugaan Parameter April 13, / 30

STATISTIKA INDUSTRI 2 TIN 4004

PENGUJIAN HIPOTESIS RATA- RATA. Oleh : Riandy Syarif

(ESTIMASI/ PENAKSIRAN)

PENGERTIAN PENGUJIAN HIPOTESIS

Populasi dan Sampel. Materi 1 Distribusi Sampling

UJI HIPOTESIS SATU-SAMPEL

TEORI PENDUGAAN (TEORI ESTIMASI)

Pengertian Pengujian Hipotesis

MODUL TEORI ESTIMASI ATAU MENAKSIR TEORI ESTIMASI ATAU MENAKSIR

PENDUGAAN PARAMETER STATISTIK INDUSTRI 1

Haryoso Wicaksono, S.Si., M.M., M.Kom. Haryoso Wicaksono, S.Si., M.M., M.Kom. 1

BAB III UJI STATISTIK DAN SIMULASI. Menggunakan karakteristik dari distribusi tersebut dan transformasi / = ( ) (3.1.1) / = ( ) (3.1.

SEBARAN PENARIKAN CONTOH

Metode Statistika. Statistika Inferensia: Pendugaan Parameter (Selang Kepercayaan)

STATISTIKA II Distribusi Sampling. (Nuryanto, ST., MT)

STATISTIKA II IT

TEORI PENDUGAAN. diketahui berdasarkan informasi sampel.

PENDUGAAN PARAMETER STATISTIK INDUSTRI 1

Bab 5 Distribusi Sampling

1. PENGERTIAN. Manfaat Sampling :

Muhammad Arif Rahman

Ayundyah Kesumawati. April 27, 2015

KULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output:

PENS. Probability and Random Process. Topik 8. Estimasi Parameter. Prima Kristalina Juni 2015

STATISTIKA. Muhamad Nursalman Pendilkom/Ilkom UPI

SEBARAN PENARIKAN SAMPEL LOGO

Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan:

STATISTIK Hypothesis Testing 2 Contoh kasus

STATISTIKA II IT

STATISTIKA INDUSTRI 2 TIN 4004

Distribusi Sampling. Ayundyah K., M.Si. PROGRAM STUDI STATISTIKA UNIVERSITAS ISLAM INDONESIA 2015

Uji Mengenai Variansi dan Proporsi. Oleh Azimmatul Ihwah

DISTRIBUSI SAMPLING besar

LAMPIRAN. Lampiran 1. Data Performa Reproduksi Sapi Perah Impor Pertama

STMIK KAPUTAMA - BINJAI

STATISTIKA. Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll.

PENGUJIAN HIPOTESIS 1

16-Aug-15. Haryoso Wicaksono, S.Si., M.M., M.Kom. Haryoso Wicaksono, S.Si., M.M., M.Kom. 1

Bagian 2. Probabilitas. Struktur Probabilitas. Probabilitas Subyektif. Metode Frekuensi Relatif Kejadian untuk Menentukan Probabilitas

BAB 6 PENAKSIRAN PARAMETER

MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean

PENGUJIAN HIPOTESIS O L E H : R I A N D Y S Y A R I F

Distribusi Sampling Sebaran Penarikan Contoh. Bidang Inferensia Statistik membahas generalisasi/penarikan kesimpulan dan prediksi/peramalan.

DISTRIBUSI NORMAL. Pertemuan 3. 1 Pertemuan 3_Statistik Inferensial

The Central Limit Theorem

BAB 2 LANDASAN TEORI

DISTRIBUSI SAMPLING. Berdistribusi normal dengan rataan. Dan variasi

APLIKASI RAPID SURVEY

DISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1

ESTIMASI. Widya Setiafindari

STATISTIK PERTEMUAN XI

KONSISTENSI ESTIMATOR

Kontrak Kuliah Metode Statistika 2

PENGUJIAN HIPOTESIS (2)

STK 511 Analisis statistika. Materi 4 Sebaran Penarikan Contoh

STK 211 Metode Statistika PENGUJIAN HIPOTESIS

4.1.1 Distribusi Binomial

Materi 1 : Review Statistika Inferensia Pengujian Hipotesis PERANCANGAN PERCOBAAN

Biostatistika (KUI 611) TOPIK 3: VARIABEL RANDOM & DISTRIBUSI PROBABILITAS

S T A T I S T I K A OLEH : WIJAYA

Terima hipotesis Tidak membuat kesalahan Kesalahan tipe II Tolak hipotesis Kesalahan tipe I Tidak membuat kesalahan

Pada prakteknya hanya sebuah sampel yang biasa diambil dan digunakan untuk hal tersebut. Sampel yang diambil ialah sampel acak dan dari sampel

Contoh Solusi PR 4 Statistika & Probabilitas. 1. Nilai probabilitas pada masing-masing soal mengacu pada tabel Standard Normal Distribution.

Probabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata

PENGUJIAN HIPOTESIS. Langkah-langkah pengujian hipótesis statistik adalah sebagai berikut :

Distribusi Sampling 6.2. Debrina Puspita Andriani /

STATISTIKA 2 IT

Interval Estimation. Tjipto Juwono, Ph.D. May 13, TJ (SU) Interval Estimation May / 17

Distribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah

RENCANA MUTU PEMBELAJARAN

Uji Hipotesis. Atina Ahdika, S.Si, M.Si. Universitas Islam Indonesia 2015

BEBERAPA DISTRIBUSI PELUANG KONTINU. Normal, Gamma, Eksponensial, Khi-Kuadrat, Student dan F

Haryoso Wicaksono, S.Si., M.M., M.Kom.

III OBJEK DAN METODE PENELITIAN. Objek penelitian ini menggunakan catatan reproduksi sapi FH impor

Regresi Linier Sederhana dan Korelasi. Pertemuan ke 4

Teknik Analisis Data dengan Statistik Parametrik

STK511 Analisis Statistika. Pertemuan 5 Statistika Inferensia (1)

PENGUJIAN HIPOTESA #1

BAB 2 LANDASAN TEORI

BAB 2 TINJAUAN PUSTAKA

STATISTIKA INDUSTRI 2 TIN 4004

S T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON

Sampling, Estimasi dan Uji Hipotesis

Makalah Statistika Distribusi Normal

PENGUJIAN HIPOTESIS. 100% - 5 % = 95% (Ho di terima) 2,5% (Ho ditolak) 2,5% ( Ho ditolak ) - Zα 0 Zα

INTERVAL KEPERCAYAAN

Pengujian Hipotesis. Oleh : Dewi Rachmatin

STATISTIKA II (BAGIAN

BAB II DISTRIBUSI PROBABILITAS

Transkripsi:

Ummu Kalsum UNIVERSITAS GUNADARMA 2016

Inferensia Statistika : Mencakup semua metode yang digunakan untuk penarikan kesimpulan atau generalisasi mengenai populasi dengan melakukan pengambilan sampel (sampling) Pendugaan Parameter Yaitu penentuan nilai suatu parameter populasi berdasarkan nilai dari statistik sampel Sedangkan statistik sampel yang digunakan untuk menduga nilai suatu parameter populasi disebut estimator

Tidak bias (unbiased) Nilai suatu penduga sama dengan nilai yang diduganya (parameternya) Efisien Apabila penduga tersebut memiliki varians yang kecil Konsisten, apabila: Jika ukuran sampel semakin bertambah penduga akan mendekati parameternya Jika ukuran sampel bertambah tak berhingga distribusi sampling penduga akan mengecil

1. Menentukan sebuah sampel 2. Mengumpulkan informasi yg diperlukan dari tiap anggota sampel 3. Menghitung nilai statistik sampel 4. Menghubungkan nilai statistik sampel dengan parameter populasi Suatu nilai x, hasil hitung dari contoh yang berukuran n, merupakan nilai dugaan (estimator) bagi parameter populasi μ

Suatu selang pendugaan bagi parameter populasi x, tergantung nilai statistiknya dan juga pada sebaran penarikan sampel Jika simpangan baku σx besar, maka selang pendugaan juga harus besar Selang pendugaan yang didasarkan pada tingkat kepercayaan disebut selang kepercayaan p (x1 < x < x2 )=(1 - α). 100% untuk 0< α< 1 dimana,(1 - α) = koefesien/derajat kepercayaan α= significance level

dimana n 30, digunakan distribusi normal baku z untuk menghitung selang kepercayaan μ Teori limit Pusat Dengan sampel besar, x merupakan penduga yang akurat bagi μ

1 - α

Suatu perusahaan penerbitan melakukan penelitian ttg harga buku Pengantar Statistika terbitannya yang tersebar di pasaran. Didapatkan 36 sampel dengan ratarata harga $48.40. Telah diketahui bahwa simpangan baku untuk seluruh buku $4.50. a. Berapa titik penduga untuk rata-rata harga semua buku yang beredar? Dan berapa margin kesalahan untuk penduga tersebut? b. Buat rata-rata harga buku tersebut dengan selang kepercayaan 90%.

n = 36, x = $48.40, dan σ = $4.50 Maka, σx = $ 4.50/ 36 = $ 0.75 A. µ = x = $ 48.40 P(Z) = 1 α = 0.9 α = 0.1 ; sehingga α/2 = 0.05 Maka Z(α/2) = 1.65

= 48.40 ± (1.65 * 0.75) = 48.40 ± 1.24 = 47.16 s/d 49.64 Atau $ 47.16 < μ < $ 49.64

Bila x digunakan untuk menduga μ, maka dengan tingkat kepercayaan/level confidence: (1- α).100%, galat pendugaan maksimum, (e) adalah Berapa besar sebuah sampel harus diambil, agar galat pendugaan μ tidak melebihi suatu nilai e. Dalam hal ini jumlah sampel n, adalah

N = jumlah populasi n = jumlah sampel

dimana n < 30; simpangan baku (σ) tidak diketahui; dan distribusi mendekati normal untuk menghitung pendugaan interval μ, digunakan ditribusi sampel t Selang kepercayaan (1 - α).100% bagi μ : P(-T α /2 < T < T α /2) = 1 α

Tα/2 adalah nilai T dengan derajat bebas df = n-1 yg di sebelah kanan terdapat daerah seluas α/2

Dr John ingin memprediksi rata-rata tingkat kolesterol untuk semua orang dewasa di sebuah kota. Ia mengambil 25 laki-laki dewasa sebagai sampel dan menemukan rata-rata tingkat kolesterol sampel tersebut yaitu 186 dengan simpangan baku 12. Jika diasumsikan tingkat kolesterol untuk semua laki-laki dewasa di kota tersebut terdistribusi normal, tentukan selang kepercayaan 95% untuk rata-rata populasi μ.

n = 25, x = 186, dan s = 12 df = n -1 = 25-1= 24 Tabel distribusi T df = 24; α/2 = 0.025 T = 2.064

= x (T α/2 * ) < µ < x + (T α/2 * ) = 186 {2.064*(12/ 25)} < µ < 186 + {2.064*(12/ 25)} = 186 (2.064*2.4) < µ < 186 + (2.064*2.4) = 181.05 < µ < 190.95

1. Sebuah pabrik menduga daya tahan lampu produksinya dalam interval +10 jam dengan tingkat kepercayaan 95%. Berdasarkan pengalaman, simpangan baku nya 30 jam. Berapa sampel yang harus di ambil? 2. Suatu sampel random sebanyak 100 mahasiswa menghasilkan rata-rata berat bdan 60 kg dan std deviasi 10 kg. berapakah titik penduga untuk rata-rata semua berat badan yang beredar, jika selang kepercayaannya 90%?

3. Dosen statistika ingin memprediksi ratarata nilai UTS di kelas A. Ia mengambil 27 sampel dan menemukan rata-rata nilai statistika adalah 85 dengan simpangan baku 15. jika diasumsikan nilai tersebut terdistribusi normal, tentukan rata-rata populasi µ jika selang kepercayaannya 90%? 4. Soal no 3, jika selang kepercayaan 95%?

22

α α/2

Terima kasih