sampling.pdf
TRANSCRIPT
Probabilitas & Statistik 2012 Teknik Elektro halaman - 1
TEORI PENARIKAN SAMPEL (SAMPLING)
Dalam setiap penelitian banyaknya pengamatan dinyatakan sebagai
ukuran populasi yang mungkin :
- kecil
- besar tapi masih berhingga
- tidak berhingga
PPPPopuopuopuopulasilasilasilasi (population) adalah adalah kumpulan dari seluruh obyek
yang diamati.
Tiap pengamatan dalam populasi merupakan suatu nilai dari suatu
peubah Acak X dengan suatu distribusi peluang f(x).
Sampel Sampel Sampel Sampel (Sample) adalah himpunan bagian dari populasi yang
karakteristiknya hendak diselidiki/diduga; dianggap bisa mewakili
populasi.
InInInInferensiferensiferensiferensiaaaa Statistik Statistik Statistik Statistik Tujuan dari inferensia statistik adalah untuk memperoleh informasi
tentang populasi berdasarkan informasi sampel untuk menarik suatu
kesimpulan.
Alasan Pengambilan Sampel :Alasan Pengambilan Sampel :Alasan Pengambilan Sampel :Alasan Pengambilan Sampel : 1. Hasil penelitian dengan hasil ketelitian yang tidak mutlak,
sehingga dapat menghemat biaya dan waktu
2. Untuk sumberdaya yang terbatas dan obyek bersifat seragam,
pengambilan sampel dapat memperluas cakupan studi
3. Bila proses riset bersifat destruktif, pengambilan sampel dapat
menghemat produk
4. Apabila akses ke seluruh populasi tidak dapat dilakukan,
pengambilan sampel adalah satu satunya pilihan
5. Mudah mengontrol tingkat kesalahan non sampling (non teknis)
dalam menentukan hipotesa untuk pengambilan keputusan
Probabilitas & Statistik 2012 Teknik Elektro halaman - 2
JenisJenisJenisJenis----jenis Sampling :jenis Sampling :jenis Sampling :jenis Sampling : A. A. A. A. Random SamplingRandom SamplingRandom SamplingRandom Sampling
1.1.1.1. Simple random samplingSimple random samplingSimple random samplingSimple random sampling (SRS)(SRS)(SRS)(SRS)
a. Populasi Terbatas (Finite Population)
– SRS untuk populasi terbatas berukuran N adalah sampel
yang dipilih sedemikian sehingga masing-masing
kemungkinan sampel berukuran n memiliki peluang yang
sama untuk terpilih.
– Ada 2 (dua) tipe, yaitu:
� Dengan Pengembalian (with replacement - WR)
� Tanpa Pengembalian (without replacement - WOR)
b. Populasi Tak Terbatas (Infinite Population)
– SRS dari populasi tak terbatas merupakan sampel yang
dipilih sedemikian sehingga kondisi berikut terpenuhi:
� Masing-masing elemen dipilih dari populasi yang
sama
� Setiap elemen dipilih secara bebas (independent)
2. Stratified random sampling
3. Systematic random sampling
4. Cluster random sampling
B. B. B. B. NonNonNonNon random Samplingrandom Samplingrandom Samplingrandom Sampling
1. Convenience sampling
2. Judgement sampling
3. Quota sampling
KesalahanKesalahanKesalahanKesalahan 1. Kesalahan Sampling
2. Kesalahan Non Sampling (dapat terjadi pd sensus/sample
survey), disebabkan oleh : a. populasi yang tidak jelas (sumber informasi populasi)
b. pertanyaan yang tdk tepat (kuisioner yg tdk jelas)
c. kesalahan lain : kalkulasi, salah ketik dll
Probabilitas & Statistik 2012 Teknik Elektro halaman - 3
Setiap Pensamplingan akan menghasilkan suatu kesimpulan yang
konsisten dalam menaksir/estimasi, sehingga perlu diperiksa apakah
nilai sampel tersebut memenuhi sifat-sifat sebagai estimator yang
baik, yaitu:
1. Tak bias (Unbiased), yaitu jika nilai harapan dari estimator sama
dengan nilai parameter populasi yang diestimasi.
2. Efisien (Efficient), yaitu jika estimator tersebut memiliki standar
error yang paling kecil dibandingkan estimator tak bias yang
lain.
3. Konsisten (Consistent), apabila estimator tersebut cenderung
mendekati nilai parameter populasi jika ukuran sampel
ditingkatkan (semakin besar).
Tujuan memilih sampel acak yaitu untuk mendapatkan keterangan
mengenai parameter populasi yang belum diketahui.
Bias = nilai statistik Bias = nilai statistik Bias = nilai statistik Bias = nilai statistik (sample) (sample) (sample) (sample) –––– nilai parameter (populasi)nilai parameter (populasi)nilai parameter (populasi)nilai parameter (populasi)
Nilai statistik adalah setiap fungsi dari peubah acak yang membentuk
suatu sampel acak.
Deviasi standar = SDeviasi standar = SDeviasi standar = SDeviasi standar = S
Deviasi standar = SDeviasi standar = SDeviasi standar = SDeviasi standar = S
Probabilitas & Statistik 2012 Teknik Elektro halaman - 4
Nilai Statistik dari sampel :Nilai Statistik dari sampel :Nilai Statistik dari sampel :Nilai Statistik dari sampel :
Mean = Rerata = n
XX
n
ii∑
== 1
Variansi = 1
)(1
2
2
−
−=∑
=
n
XXS
n
ii
, bila nilai rerata bilangan bulat
Variansi = )1(
2
11
2
2
−
−⋅=
∑∑==
nn
XXn
S
n
ii
n
ii
, bila nilai rerata bilangan pecahan
Simpangan Baku = Standart Deviasi dari sampel dinyatakan dengan S yang Simpangan Baku = Standart Deviasi dari sampel dinyatakan dengan S yang Simpangan Baku = Standart Deviasi dari sampel dinyatakan dengan S yang Simpangan Baku = Standart Deviasi dari sampel dinyatakan dengan S yang didefinisikan sebagai akar positif dari variansi sampel.didefinisikan sebagai akar positif dari variansi sampel.didefinisikan sebagai akar positif dari variansi sampel.didefinisikan sebagai akar positif dari variansi sampel.
Probabilitas & Statistik 2012 Teknik Elektro halaman - 5
DISTRIBUSI SAMPELDISTRIBUSI SAMPELDISTRIBUSI SAMPELDISTRIBUSI SAMPEL
Merupakan bidang statistik inferensi yaitu dengan melakukan
pengamatan untuk memperoleh prediksi (estimasi) dari populasi.
Distribusi Sampel merupakan distribusi peluang dari suatu nilai
statistik.
� Dalam menentukan jumlah sampel, angka yang dicari adalah
angka yang cukup besar sehingga pengukurannya nanti cukup
reliabel, cukup presisi dan sebagainya tapi tidak terlalu besar
sehingga terlalu mahal, kurang manageable, dan sebagainya.
� Jadi penentuan sampel tidak langsung menetapkan sekian
persen dari populasi (10%, 25%, dsb.).
� Aturan umum untuk jumlah sampel adalah sekitar 30 ke atas
walau sebenarnya jumlah itu terlalu sedikit. Di bawah jumlah itu,
rumus statistik yang digunakan adalah rumus2 statistik
nonparametrik yaitu untuk analisa statistik jumlah kecil.
� Angka 30 tersebut karena distribusi frekuensinya sudah mulai
berbentuk kurve normal yaitu bentuk kurve dari distribusi
frekuensi populasi.
� Jika jumlah populasi target tidak banyak, disarankan sensus yang
tidak ada sampling error-nya (tapi coverage-nya harus tinggi
misalnya 95% populasi ter-cover)
Probabilitas & Statistik 2012 Teknik Elektro halaman - 6
InInInInferensi Statistik meliputi:ferensi Statistik meliputi:ferensi Statistik meliputi:ferensi Statistik meliputi:
1. Estimasi Parameter, terdiri dari:
� Estimasi Titik (Point Estimation), yaitu suatu nilai dari
sampel sebagai estimator parameter
� Estimasi Interval (Interval Estimation), yaitu suatu
interval yang dengan tingkat kepercayaan tertentu
memuat nilai parameter.
2. Pengujian Hipotesis
� Dalam estimasi titik kita menggunakan data sampel untuk
menghitung suatu nilai statistik sebagai estimasi parameter
populasi.
Contoh:
– X sebagai estimator titik dari rata-rata populasi, µ.
– s sebagai estimator titik dari simpangan baku populasi, σ.
– p sebagai estimator titik dari proporsi populasi, p.
� Sampling error merupakan perbedaan absolut antara estimator
tak bias (unbiased) dengan paramemter populasi.
Contoh sampling error (Galat Baku) : µ−X untuk rata-rata sampel
σ−S untuk simpangan baku sampel
pp − untuk proportsi sampel
Bila X mendekati � maka sampling masih dikatakan layak.
Bila X jauh � maka ada kesalahan dalam sampling.
Distribusi sampel dari suatu statistik akan tergantung pada ukuran
populasi, ukuran sampel dan metode memilih sampel.
Probabilitas & Statistik 2012 Teknik Elektro halaman - 7
DISTRIBUSI SAMPEL DARI RERATA (DISTRIBUSI SAMPEL DARI RERATA (DISTRIBUSI SAMPEL DARI RERATA (DISTRIBUSI SAMPEL DARI RERATA ( X ))))
Jika ada n pengamatan diambil dari populasi normal dengan rerata �
dan varians σ2. Tiap pengamatan Xi (sampel) ; i = 1,2,3,…..,n dari
sampel acak akan berdistribusi normal juga yang sama dengan
populasi yang diambil sampelnya.
n
XXXX n+++
=LL21
Berdistribusi normal dengan rerata dan varians:
µµµµµ =+++=nX
LL
nnX
22222 σσσσσ =+++= LL
Bila populasi yang disampling tidak diketahui distribusinya, berhingga
atau tidak, maka distribusi sampel X masih akan berdistribusi hampir
normal dengan rerata � dan varians n
2σ , asalkan n yang besar.
TEOREMA LIMIT TENGAH UNTUK RATATEOREMA LIMIT TENGAH UNTUK RATATEOREMA LIMIT TENGAH UNTUK RATATEOREMA LIMIT TENGAH UNTUK RATA----RATA (HAMPIRAN NORMAL)RATA (HAMPIRAN NORMAL)RATA (HAMPIRAN NORMAL)RATA (HAMPIRAN NORMAL)
• Apabila sampel berukuran n besar (>30) diambil dari populasi
yang mempunyai rata-rata µ dan deviasi standar σ, maka rata-
rata sampel X akan terdistribusi normal dengan rata-rata µ dan
deviasi standar σ/√n
• Khusus: apabila populasinya terdistribusi normal, maka n pada
teorema di atas tidak harus besar. Jadi :
n
XZ
/σµ−=
adalah normal standart : n(Z,0,1)
Probabilitas & Statistik 2012 Teknik Elektro halaman - 8
Bila sampel bebas dengan ukuran n1 dan n2 diambil secara acak
dari dua populasi diskrit maupun kontinu, masing-masing
dengan rerata �1 dan �2 dan varians σ12 dan σ22, maka distribusi
sampel dari selisih rerata, 21 XX − berdistribusi hampir normal
dengan rerata dan varians :
2121µµµ −=−XX dan
2
22
1
212
21 nnXX
σσσ +=−
Sehingga :
2
22
1
21
2121 )()(
nn
XXZ
σσµµ
+
−−−=
Secara hampiran merupakan peubah normal baku.
DISTRIBUSI SAMPEL DARI VARIANS sDISTRIBUSI SAMPEL DARI VARIANS sDISTRIBUSI SAMPEL DARI VARIANS sDISTRIBUSI SAMPEL DARI VARIANS s2222
Bila n sampel diambil dari populasi normal dengan rerata dan varians
� dan σ2 dan varians sampel s2 dihitung (belum diketahui), maka
diperoleh suatu nilai statistik s2 akan berdistribusi khi kuadratkhi kuadratkhi kuadratkhi kuadrat dengan
besaran :
2
22 )1(
σχ sn −= ; dengan derajat kebebasan υ = n-1
Derajat kebebasan Derajat kebebasan Derajat kebebasan Derajat kebebasan (Degrees of Freedom)(Degrees of Freedom)(Degrees of Freedom)(Degrees of Freedom) : dari suatu besaran dengan
distribusi hampiran normal (khi kuadrat dan t-student) adalah
banyaknya variable yang berpengaruh pada perhitungan besaran
tersebut.
Probabilitas & Statistik 2012 Teknik Elektro halaman - 9
Nilai distribusi khi kuadarat χ2 (tidak simetris) dinyatakan dalam tabel
dirtribusi χ2 dengan luasan α (taraf kepercayaan), nilai tersebut
biasanya dinyatakan dengan χ2α.
υ α
0,995 0,99 0,98 0,975 …. 0,025
1
..
4 0,484 11,668
..
30
CONTOH :CONTOH :CONTOH :CONTOH :
1. Suatu pabrik baterai mobil menjamin dengan keyakinan 95 %
bahwa baterainya akan tahan rata-rata 3 tahun dengan
simpangan baku 1 tahun. Bila lima baterai tahan 1,9; 2,4; 3,0;
3,5 dan 4,2 tahun, apakan pembuat baterai masih yakin bahwa
simpangan baku masih 1 tahun.
DISTRIBUSI DISTRIBUSI DISTRIBUSI DISTRIBUSI tttt----StudentStudentStudentStudent Bila n sampel yang diambil dari populasi kecil (<30) dengan s2 yang
berubah cukup besar dari sampel satu ke sampel lain dan nilai σ2
tidak deketahui distribusi peubah acak )//()( nXZ σµ−= akan
menyimpang jauh dari distribusi normal baku.
Maka kondisi tersebut distribusi peubah acak normal baku (Z) dapat
dinyatakan dengan distribusi T-student, dinyatakan sbb :
ns
XT
/
µ−=; dengan derajat kebebasan υ = n-1
Probabilitas & Statistik 2012 Teknik Elektro halaman - 10
CIRICIRICIRICIRI----CIRI DISTRIBUSI T :CIRI DISTRIBUSI T :CIRI DISTRIBUSI T :CIRI DISTRIBUSI T :
� Kurva dari distribusi t memiliki bentuk mirip dengan kurva
normal, namun lebih runcing dengan luasan α.
� Ciri khusus: distribusi t tergantung pada suatu parameter yang
disebut derajat bebas (degrees of freedom).
� Jika derajat bebas meningkat maka perbedaan distribusi t
dengan distribusi normal baku semakin kecil.
� Distribusi t dengan derajat bebas yang lebih besar memiliki
varian yang lebih kecil.
� Rata-rata dari distribusi t = 0 (nol).
� Membaca Tabel Student’s t
Misalkan α = 0,05 dan n = 10,
maka nilai tabel tn-1,α/2 = t(10-1);0,025 = ±2,262
CONTOH :CONTOH :CONTOH :CONTOH :
2. Tentukan P(-t0,025<T<t0,05)
3. Cari nilai k yang memenuhi P(k<T<-1,761) = 0,045 untuk
suatu sampel acak berukuran 15 yang diambil dari populasi
dengan distribusi normal.
Degrees ααααof Freedom .10 .05 .025 .01 .005
. . . . . .
7 1.415 1.895 2.365 2.998 3.499
8 1.397 1.860 2.306 2.896 3.355
9 1.383 1.833 2.262 2.821 3.250
10 1.372 1.812 2.228 2.764 3.169
. . . . . .
Probabilitas & Statistik 2012 Teknik Elektro halaman - 11
4. Suatu pabrik bola lampu yakin bahwa bola lampunya akan
tahan menyala rata-rata selama 500 jam. Untuk
mempertahankan nilai tersebut, tiap bulan diuji 25 bola lampu.
Bila nilai t yang dihitung terletak antara –t0,05 dan t0,05 maka
pengusaha pabrik tadi akan mempertahankan keyakinannya.
Kesimpulan apakah yang seharusnya diambil dari sampel
dengan rerata X = 518 jam dan simpangan baku s = 40 jam.
Anggap bahwa distribusi waktu lama lampu secara hampiran
normal.
Probabilitas & Statistik 2012 Teknik Elektro halaman - 12
PENAKSIRAN PENAKSIRAN PENAKSIRAN PENAKSIRAN ((((ESTIMASI) SEBAGAI FUNGSI KEPUTUSANESTIMASI) SEBAGAI FUNGSI KEPUTUSANESTIMASI) SEBAGAI FUNGSI KEPUTUSANESTIMASI) SEBAGAI FUNGSI KEPUTUSAN
Misal X suatu penaksir dengan nilai x sebagai suatu taksiran titik
parameter populasi x yang tidak diketahui, tentu saja diharapkan
mendapatkan nilai rerata populasi akan sama dengan rerata sampel,
sehingga didapatkan penaksiran yang tidak bias (X → x).
Penaksiran Tidak Bias :Penaksiran Tidak Bias :Penaksiran Tidak Bias :Penaksiran Tidak Bias :
xXEx == )(µ
Efisiensi / Penaksiran dengan VariansEfisiensi / Penaksiran dengan VariansEfisiensi / Penaksiran dengan VariansEfisiensi / Penaksiran dengan Varians
Bila 1X dan 2X dua penaksir tak bias parameter populasi x sama maka
kita akan memilih penaksir dengan varians σ2 yang lebih kecil.
Bila 2
1Xσ <
22X
σ , maka dikatakan 1X lebih efisien dari 2X
Konsisten :Konsisten :Konsisten :Konsisten :
Bila jumlah sampel besar (n↑) dan varians kecil (s2↓)
PENAKSIRAN SELANGPENAKSIRAN SELANGPENAKSIRAN SELANGPENAKSIRAN SELANG
Dasar : tidak pernah melakukan penaksiran sampel tepat dengan nilai
parameter populasi.
21 xxx << ; x1 dan x2 tergantung dari X1 dan X2
Bila ukuran sampel membesar, maka nX
22 σσ = mengecil, sehingga
kemungkinan taksiran bertambah dekat dengan parameter �.
10 ; 1)( 21 <<−=<< ααxxxP
1-α : koefisien kepercayaan (level of confidence)
(1-α).100 % : selang kepercayaan
α : taraf keterandalan (significant level)
1X dan 2X : batas kepercayaan
Probabilitas & Statistik 2012 Teknik Elektro halaman - 13
1-α
Interval kepeInterval kepeInterval kepeInterval kepercayaan untuk ratarcayaan untuk ratarcayaan untuk ratarcayaan untuk rata----rata populasi normal. Varian populasirata populasi normal. Varian populasirata populasi normal. Varian populasirata populasi normal. Varian populasi
(σ(σ(σ(σ2222) ) ) ) diketahui.diketahui.diketahui.diketahui.
� Misalkan variabel acak n sampel dari suatu populasi berdistribusi
normal dengan rata-rata µ dan varian σ2. Jika σ2 diketahui dan
rata-rata sampel yang diobservasi adalah X maka interval
kepercayaan (1 – α).100% untuk rata-rata populasi adalah:
α/2 α/2
n
xZ
nx
x
/σµ
σσ
µµ
−=
=
=
2/αz− 0 2/αz ααα −=<<− 1)( 2/2/ ZZZP
nZX
nZX
σµσαα22
+<<− n ≥ 30
Bila X dan µ nilainya sama artinya didapat penaksiran yang tepat,
umumnya X ≠ µ menyatakan galat (error).
Galat = µ−X < n
Zσ
α2
dengan selang kepercayaan (1-α).100 %
nZX
σα2
− X µ n
ZXσ
α2
+
galat
Besarnya sampel yang diperlukan dengan interval kepercayaan (1–
α).100% dapat ditentukan dengan persamaan : 2
2
.
=galat
Z
n
σα
Probabilitas & Statistik 2012 Teknik Elektro halaman - 14
1-α ns
XT
/
µ−=
CONTOH :CONTOH :CONTOH :CONTOH :
1. Suatu proses memproduksi kantong-kantong gula. Berat
kantong-kantong diketahui berdistribusi normal dengan
simpangan baku 1,2 ons. Suatu sampel 35 kantong diambil dan
memiliki rata-rata 19,8 ons. Buatlah selang kepercayaan 95% dan
99 % untuk rata-rata populasi berat kantong gula!
2. Berapa besar sampel yang diperlukan pada contoh no. 1 dengan
selang kepercayaan 95% dan galat kurang dari 0,05.
Interval kepercayaan untuk rataInterval kepercayaan untuk rataInterval kepercayaan untuk rataInterval kepercayaan untuk rata----rata populasi normalrata populasi normalrata populasi normalrata populasi normal : varian populasi : varian populasi : varian populasi : varian populasi
tidak diketahuitidak diketahuitidak diketahuitidak diketahui,,,,
Misalnya n observasi dari variabel acak dari populasi
berdistribusi normal dengan rata-rata µ dan varian tidak diketahui.
Interval kepercayaan (1-α).100% untuk rata-rata populasi dilakukan
dengan pendekatan dengan diatribusi t student, adalah:
n
stX
n
stX
22
αα µ +<<− n<30
α/2 α/2
2/αt− 2/αt
υ = n-1 (derajat kebebasan)
Probabilitas & Statistik 2012 Teknik Elektro halaman - 15
CONTOH :CONTOH :CONTOH :CONTOH :
3. Sampel acak berukuran 6 mobil dari suatu model tertentu
memiliki konsumsi bahan bakar sbb (mil per galon):
18,6 18,4 19,2 20,8 19,4 20,5
Buat selang kepercayaan 90% untuk rata-rata konsumsi bahan
bakar populasi.
MENAKSIR SELISIH DUA RERATAMENAKSIR SELISIH DUA RERATAMENAKSIR SELISIH DUA RERATAMENAKSIR SELISIH DUA RERATA
Untuk selang kepercayaan �1-�2 dan varian 21σ dan
22σ populasi
diketahui, maka :
Bila 1X dan 2X menyatakan rerata sampel acak bebas dengan ukuran
n1 dan n2 yang berasal dari dua populasi yang variansnya diketahui,
maka selang kepercayaan (1-α).100% untuk �1-�2 diberikan oleh :
2
22
1
21
2
21212
22
1
21
2
21 )()(nn
ZXXnn
ZXXσσµµσσ
αα ++−<−<+−−
CONTOH :CONTOH :CONTOH :CONTOH :
4. Suatu ujian statistik diikuti oleh 50 mahasiswa dan 75
mahasiswi. Nilai rerata mahasiswa 82, sedang mahasiswi 76.
Carilah selang kepercayaan 96% untuk selisih �1-�2 bila �1
adalah rerata mahasiswa dan �2 adalah rerata mahasiswi.
Simpangan baku masing-masing 6 dan 8.
Probabilitas & Statistik 2012 Teknik Elektro halaman - 16
Untuk sampel n < 30 dan varians 21σ dan
22σ populasi tidak
diketahui, maka digunakan pendekatan dengan distribusi t. Ukuran n1
dan n2 yang bebas berasal dari dua populasi yang hampir normal
adalah :
212
2121212
21
11)(
11)(
nnstXX
nnstXX pp ++−<−<+−− αα µµ
Dengan :
2
)1()1(
21
222
2112
−+−+−
=nn
snsns p taksiran gabungan dari
simpangan baku populasi
υ = n1+n2-2 (derajat kebebasan)
Probabilitas & Statistik 2012 Teknik Elektro halaman - 17
PENGUJIAN HIPOTESISPENGUJIAN HIPOTESISPENGUJIAN HIPOTESISPENGUJIAN HIPOTESIS
Pengertian HipotesisPengertian HipotesisPengertian HipotesisPengertian Hipotesis : anggapan atau pernyataan mengenai populasi
yang perlu diuji kebenarannya melalui sampel.
Hipotesis Statistik :Hipotesis Statistik :Hipotesis Statistik :Hipotesis Statistik : suatu anggapan atau pernyataan yang mungkin
benar atau tidak mengenai satu populasi atau lebih.
Kebenaran atau tidak suatu hipotesis statistik tidak pernah akan
diketahui kecuali bila seluruh populasi diamati → tidak praktis.
Hipotesis diterimaHipotesis diterimaHipotesis diterimaHipotesis diterima bila dilengkapi bukti yang mendukung
Hipotesis ditolakHipotesis ditolakHipotesis ditolakHipotesis ditolak bila bukti digunakan tidak mendukung
HIPOTESIS NOL DAN TANDINGANHIPOTESIS NOL DAN TANDINGANHIPOTESIS NOL DAN TANDINGANHIPOTESIS NOL DAN TANDINGAN
Struktur pengujian hipotesis dirumuskan dengan istilah hipotesis nol
(H0), ini menyatakan hipotesis yang akan diuji.
Penolakan H0 akan didapat menerima suatu hipotesis tandingan (H1).
UJI HIPOTESISUJI HIPOTESISUJI HIPOTESISUJI HIPOTESIS
Setiap uji hipotesis dengan tandingan yang berpihak pada suatu pihak
(arah) :
H0 : � = �0
H1 ; � < �0 (satu sisi kiri distribusi uji statistik)
H1 ; � > �0 (satu sisi kanan distribusi uji statistik)
H1 ; � ≠ �0 (dua sisi)
LANGKAHLANGKAHLANGKAHLANGKAH----LANGKAH UJI HIPOTESISLANGKAH UJI HIPOTESISLANGKAH UJI HIPOTESISLANGKAH UJI HIPOTESIS ::::
1. Tentukan H0, misal → H0 : � = �0
2. Tentukan tandingan H1, misal → H1 : � ≠ �0
3. Pilih taraf keberartian (significant) α.
4. Uji statistik dan tentukan daerah kritis (distribusi ?)
5. Hitung nilai statistik dari sampel
6. Kesimpulan (diterima atau ditolak)
Probabilitas & Statistik 2012 Teknik Elektro halaman - 18
UJI HIPOTESIS UNTUK SATU RERATA (�) DENGAN VARIANSUJI HIPOTESIS UNTUK SATU RERATA (�) DENGAN VARIANSUJI HIPOTESIS UNTUK SATU RERATA (�) DENGAN VARIANSUJI HIPOTESIS UNTUK SATU RERATA (�) DENGAN VARIANSIIII DIKETAHUIDIKETAHUIDIKETAHUIDIKETAHUI
Bila sampel acak X yang diambil dari populasi dengan rerata � dan
variansi σ2 > 0 diketahui, maka susun hipotesis, misal :
H0 : � = �0
H1 ; � ≠ �0
Peubah acak X berdistribusi hampir normal dengan rerata dan
variansi adalah µµ =X
dan nX
2
2 σσ = . Kemudian ditentukan daerah
kritisnya dalam contoh diatas mempunyai dua daerah kritis untuk uji
ini.
Peubah acak X berdistribusi hampir normal dibawa ke distribusi
normal baku Z dengan taraf keberartian α :
n
XZ
/σµ−=
H0 : � = �0, maka n
X
/σµ−
berdistribusi normal dengan peluang :
ααα −=<<− 1][22
ZZZP
Bila nilai X diketahui maka uji ini akan MenolakMenolakMenolakMenolak H0 bila uji statistik
Z > Zα/2 atau Z < -Zα/2
dan akan Menerima Menerima Menerima Menerima H0 bila -Zα/2 < Z < Zα/2
-Zαααα/2
H0 ditolak H0 ditolak
H0 diterima
Zαααα/2
1-αααα
Probabilitas & Statistik 2012 Teknik Elektro halaman - 19
CONTOH :CONTOH :CONTOH :CONTOH :
3. Suatu perusahaan pembuat perlengkapan olahraga membuat tali
pancing sintetik yang baru dengan rata-rata mampu menahan
beban 8 kg dengan simpangan baku 0,5 kg. Ujilah hipotesis
bahwa hasil produksi tersebut mempunyai tepat mempunyai
rerata 8 kg bila sampel acak terdiri dari 50 tali diuji dan ternyata
rata-rata daya tahannya 7,8 kg dengan tingkat kepercayaan 99
%, beri kesimpulan dan tentukan nilai peluangnya.
Jawab :Jawab :Jawab :Jawab :
4. Suatu sampel acak harapan hidup 100 orang di suatu daerah
rata-rata 71,8 tahun, simpangan baku 8,9 tahun, apakan ini
menunjukkan bahwa rata-rata usia dewasa ini lebih dari 70
tahun? Gunakan taraf keberartian α = 0,05 beri kesimpulan dan
berapa nilai peluangnya.
Jawab : Jawab : Jawab : Jawab :
UJI HIPOTESIS UNTUK SATU RERATA (�) DENGAN VARIANSUJI HIPOTESIS UNTUK SATU RERATA (�) DENGAN VARIANSUJI HIPOTESIS UNTUK SATU RERATA (�) DENGAN VARIANSUJI HIPOTESIS UNTUK SATU RERATA (�) DENGAN VARIANSIIII TIDAK TIDAK TIDAK TIDAK
DIKETAHUIDIKETAHUIDIKETAHUIDIKETAHUI
Idem dengan yang diatas, bila sampel jumlahnya kecil dan variansi
dari populasi tidak diketahui, maka digunakan pendekatan dengan
distribusi tdistribusi tdistribusi tdistribusi t----studestudestudestudentntntnt....
ns
XT
/
µ−=
Probabilitas & Statistik 2012 Teknik Elektro halaman - 20
CONTOH :CONTOH :CONTOH :CONTOH :
5. Rata-rata konsumsi energi alat penyedot debu pada rumah
tangga adalah 46 kWh/tahun. Bila dilakukan survey terhadap 12
rumah tangga alat penyedot debu rata-rata mengkonsumsi
energi 42 kWh/th dengan simpangan baku 11,9 kWh/th. Dengan
taraf signifikansi 0,05 apakah rata-rata alat penyedot debu
menggunakan energi kurang dari 46 kWh/th. Anggap bahwa
populasi berdistribusi normal.
Probabilitas & Statistik 2012 Teknik Elektro halaman - 21
ANALISIS REGRESI DAN KORELASIANALISIS REGRESI DAN KORELASIANALISIS REGRESI DAN KORELASIANALISIS REGRESI DAN KORELASI
Pengamatan pada suatu objek dapat dilakukan pada dua atau lebih
peubah acak (variable) X dan Y.
Contoh : pengamatan jumlah permintaan barang produksi (Y) sebagai
akibat tinggi rendahnya biaya iklan (X).
Usaha untuk mengetahui hubungan atau kaitan antara peubah X
(bebas) dengan peubah Y (terikat) → misalnya hubungan garis linier,
maka :
Garis Regresi diharapkan dapat mewakili karakteristik data
(kecondongan, pencaran).
Persamaan Regresi Linier :Persamaan Regresi Linier :Persamaan Regresi Linier :Persamaan Regresi Linier :
Y = a + b.XY = a + b.XY = a + b.XY = a + b.X
X Y
… …
… …
… …
… …
… …
… …
… …
… …
… …
Garis regresi linier
yi (data)
yi (estimasi)
Y
X
Probabilitas & Statistik 2012 Teknik Elektro halaman - 22
Nilai a dan b harus dicari (diduga), dugaan a dan b ditentukan atas
dasar prinsip jumlah kesalahan kuadrat minimum (least square
method), yaitu :
X Y X*Y X2 Y2 Jumlah(ΣΣΣΣ)
( )∑ ∑∑∑∑
−⋅−⋅= 22 XXn
YXYXnb
n
XbYa ∑ ∑⋅−=
n = jumlah data
Nilai estimasi suatu data Yi, yang berkaitan dengan nilai Xi adalah :
Yi = a + b.Xi
Batas perkiraan (Limit of prediction) dari peubah acak tak bebas Yii
terhadap nilai estimasi pada persamaan regresi linier yang berubah
terhadap nilai Xi dengan taraf keberartian (level of significant) α dapat
dinyatakan sebagai berikut :
YYYY----A < Y < Y+AA < Y < Y+AA < Y < Y+AA < Y < Y+A
Probabilitas & Statistik 2012 Teknik Elektro halaman - 23
Nilai A sebagai batas perkiraan dari perubahan nilai variabel bebas X
dengan jumlah n sampel dapat dicari menggunakan pendekatan
dengan distribusi t-student dengan derajat kebebasan v = n-2, yaitu :
( )
∑ −
−+
+=
22
2
;2
1*
xnx
xx
n
nStA
XYv
α ; v = n-2
Nilai rerata variabel X dinyatakan dengan : n
Xx ∑=
Standard Error of Prediction dari dua variabel X dan Y adalah :
2
2
−−−= ∑ ∑∑
n
XYbYaYS
XY
KorKorKorKorelasielasielasielasi Menyatakan tingkat keeratan hubungan antara X dan Y. Ukuran
keeraran dinyatakan oleh koefisien korelasi r, yang nilainya :
-1 ≤ r ≤ 1
Nilai koefisien korelasi r dihitung dengan :
( ) ( )
−⋅
−
−=
∑∑
∑∑
∑ ∑∑
n
YY
n
XX
n
YXXY
r2
2
2
2
Probabilitas & Statistik 2012 Teknik Elektro halaman - 24
CONTOH :CONTOH :CONTOH :CONTOH :
1. Karakteristik genset mesin diesel menyakan hubungan
pemakaian bahan bakar terhadap daya yang dihasilkan
dinyatakan sebagai dua variabel X dan Y dengan data sebagai
berikut :
Volume BBM (liter) 2 3 5 7 9 10
Daya (Watt) 22 25 34 43 56 60
a. carilah persamaan regresinya dan prediksikan berapa daya
yang dihasilkan bila digunakan 15 liter BBM.
b. Tentukan koefisien korelasinya, beri kesimpulan.
c. Apabila dengan tingkat kepercayaan (level of confidence) 95
%, tentukan batas perkiraan daya yang dihasilkan dengan
penggunaan BBM sebanyak 15 liter.