SlideShare a Scribd company logo
1 of 17
Download to read offline
PENDUGAAN PARAMETER RATA RATA DAN VARIANS
(Individu dan Kelompok)
DOSEN PENGAMPU
Dr. Musnaini, S.E., M.M
DISUSUN OLEH
TRISANA MURTI
(19103161201204)
PROGRAM STUDI MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS MUHAMMADIYAH JAMBI
Identitas Penulis
NAMA : TRISANA MURTI
NPM : 19103161201204
KELAS : MONETER RA.8
MATA KULIAH : STATISTIKA
DOSEN PENGAMPU : Dr. Musnaini, S.E., M.M
PROGRAM STUDI : MANAJEMEN
FAKULTAS : EKONOMI DAN BISNIS
KATA PENGANTAR
Puji dan syukur kehadirat Allah SWT, Tuhan Yang Maha Esa yang telah
memberikan rahmat serta hidayahnya sehingga penulis dapat menyelesaikan
tugas makalah ini yang berjudul “Pendugaan Parameter Rata-rata dan Varians”
dengan tepat pada waktunya.
Penulis berharap semoga makalah yang penulis buat dapat menambah
wawasan, pengetahuan, serta pemahaman bagi para pembacanya. Namun
penulis menyadari bahwa makalah ini masih jauh dari kata sempurna, oleh
karena itu kritik dan saran yang bersifat membangun dari pembaca sangat
diperlukan demi kesempurnaan makalah ini.
Jambi, 26 Agustus 2020
Penulis
BAB I
PEMBAHASAN
PENDUGAAN PARAMETER RATA RATA DAN VARIANS
1.1. KONSEP DASAR PENDUGAAN PARAMETER
Pendugaan parameter erat kaitannya dengan bagaimana cara
didalam menduga atau menguji hipotesis tentang parameter suatu
populasi yang belum diketahui, dengan melalui contoh acak dan hitung
peluang. Didalam pendugaan parameter, dugaan terhadap parameter
dapat berupa titik atau selang. Tujuan utamanya yakni melakukan
estimasi terhadap nilai dugaan/taksiran suatu parameter tertentu, karena
pada umumnya nilai parameter suatu distribusi tidak diketahui. Proses
yang menggunakan sampel statistik untuk menduga/ menaksir hubungan
parameter populasi yg tidak diketahui.
Penduga : suatu statistik yg digunakan untuk menduga suatu parameter
1.2. CIRI CIRI PENDUGA YANG BAIK
A. Tidak Bias (Unbiased) : apabila nilai penduga sama dengan nilai yg
diduganya
B. Efisien : Jika terdapat beberapa penduga yang tidak bias, maka
penduga yang mempunyai ragam paling terkecil merupakan penduga
yang paling efisien. Jadi semakin kecil ragam suatu penduga, maka
penduga tersebut akan semakin efisien. (Apabila penduga memiliki
varians yg kecil)
C. Kecukupan (Surfficiency) : Suatu penduga selain tidak bias dan efisien
masih terdapat kriteria lain yakni bahwa penduga tersebut harus
mengandung semua informasi terkait dengan suatu parameter populasi
atau dengan kata lain penduga tersebut harus mempunyai syarat
kecukupan. Didalam hal ini median dan modus bukanlah penduga
yang berkecukupan, hal ini dikarenakan median dan modus hanya
mencakup satu nilai pada pertengahan suatu data yang telah diurutkan
atau nilai yang mempunyai frekuensi tertinggi.
D. Konsisten jika ukuran sampel semakin bertambah maka penduga akan
mendekati parameternya.
E. Konsisten jika ukuran sampel bertambah tak berhingga maka distribusi
sampling penduga akan mengecil menjadi tegak lurus di atas
parameter yg sebenarnya dengan probabilitas sama dengan satu.
1.3. JENIS JENIS PENDUGAAN BERDASARKAN CARA
PENYAJIANNYA
● Pendugaan tunggal
Pendugaan yang hanya mempunyai atau menyebutkan satu nilai. Tidak
memberikan selisih atau jarak antara nilai penduga dengan nilai
sebenarnya (parameter).
● Pendugaan interval
Pendugaan yang mempunyai dua nilai sebagai pembatasan/ daerah
pembatasan. Digunakan tingkat keyakinan terhadap daerah yg nilai
sebenarnya/ parameternya akan berada. Nilai (1-α) disebut koefisien
kepercayaan.
BAB II
CONTOH SOAL DAN PEMBAHASAN
2.1. Contoh soal terkait dengan pendugaan interval untuk rata-rata
Contoh: Rata-rata IP sampel acak 36 mahasiswa tingkat S-1 adalah 3.6. Hitung selang
kepercayaan 95% dan 99% untuk rata-rata IP semua mahasiswa S-1! Anggap bahwa
standardeviasi0.3.
Pembahasan
Diketahui x-bar = 2.6; σ = 0.3; z0.025 = 1.96; z0.005 = 2.575
Selang kepercayaan 95% untuk rata-rata IP semua mahasiswa S-I:
Interpretasi: Dapat dipercaya sebesar 95% bahwa rata-rata IP semua mahasiswa S-1 antara
2.50 hingga 2.70
Sementara itu
Selang kepercayaan 99% untuk rata-rata IP semua mahasiswa S-I:
Interpretasi: Dengan tingkat kesalahan 1%, dapat dinyatakan bahwa rata-rata IP semua
mahasiswa S-1 antara 2.47 hingga 2.73.
2.2. Contoh soal
Sebuah perusahaan ingin mengestimasi rata-rata waktu yang diperlukan
oleh sebuah mesin yang digunakan untuk memproduksi satu jenis kain.
Diambil secara acak 36 pis kain, waktu rata-rata yang diperlukan untuk
memproduksi 1 pis kain adalah 15 menit. Jika diasumsikan standar
deviasi populasi 3 menit, tentukan estimasi interval rata-rata dengan
tingkat confidence (tingkat kepercayaan) 95% ?
Pembahasan :
X (Rata-rata) = 15 menit
n = 36
Simpangan Baku = 3
Nilai standar Deviasi = 3 : √36 = 0.5
Tingkat Kepercayaan 95%, dari tabel distribusi normal diperoleh Ztabel
= 1.96
14.02 < µ < 15.98
BAB III
PENUTUP
3.1. SIMPULAN
● Pendugaan parameter erat kaitannya dengan bagaimana cara didalam
menduga atau menguji hipotesis tentang parameter suatu populasi yang
belum diketahui, dengan melalui contoh acak dan hitung peluang.
Didalam pendugaan parameter, dugaan terhadap parameter dapat berupa
titik atau selang. Tujuan utamanya yakni melakukan estimasi terhadap
nilai dugaan/taksiran suatu parameter tertentu, karena pada umumnya
nilai parameter suatu distribusi tidak diketahui. Proses yang
menggunakan sampel statistik untuk menduga/ menaksir hubungan
parameter populasi yg tidak diketahui.
● Adapun Ciri-ciri Penduga yang Baik diantaranya
A. Tidak Bias (Unbiased) : apabila nilai penduga sama dengan nilai yg
diduganya
B. Efisien : Jika terdapat beberapa penduga yang tidak bias, maka
penduga yang mempunyai ragam paling terkecil merupakan penduga
yang paling efisien. Jadi semakin kecil ragam suatu penduga, maka
penduga tersebut akan semakin efisien. (Apabila penduga memiliki
varians yg kecil)
C. Kecukupan (Surfficiency) : Suatu penduga selain tidak bias dan efisien
masih terdapat kriteria lain yakni bahwa penduga tersebut harus
mengandung semua informasi terkait dengan suatu parameter populasi
atau dengan kata lain penduga tersebut harus mempunyai syarat
kecukupan
D. Konsisten jika ukuran sampel semakin bertambah maka penduga akan
mendekati parameternya.
E. Konsisten jika ukuran sampel bertambah tak berhingga maka distribusi
sampling penduga akan mengecil menjadi tegak lurus di atas
parameter yg sebenarnya dengan probabilitas sama dengan satu.
BAB IV
DAFTAR RUJUKAN
MatematikaUnindra.2012.Konsep dasar Pendugaan Parameter.
https://www.slideshare.net/matematikaunindra/konsep-dasar-pendugaan-parameter. [25
Juli 2020]
PENDUGAAN PARAMETER RATA RATA DAN VARIANS
DOSEN PENGAMPU
Dr. Musnaini, S.E., M.M
DISUSUN OLEH
ANISA FAIRYNTINA (19103161201174)
OGAN PUTRA WIJAYA (19103161201183)
TRISANA MURTI (19103161201204)
PROGRAM STUDI MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS MUHAMMADIYAH JAMBI
KATA PENGANTAR
Puji dan syukur kehadirat Allah SWT, Tuhan Yang Maha Esa yang telah
memberikan rahmat serta hidayahnya sehingga penulis dapat menyelesaikan
tugas makalah ini yang berjudul “Pendugaan Parameter Rata-rata dan Varians”
dengan tepat pada waktunya.
Penulis berharap semoga makalah yang penulis buat dapat menambah
wawasan, pengetahuan, serta pemahaman bagi para pembacanya. Namun
penulis menyadari bahwa makalah ini masih jauh dari kata sempurna, oleh
karena itu kritik dan saran yang bersifat membangun dari pembaca sangat
diperlukan demi kesempurnaan makalah ini.
BAB I
PEMBAHASAN
PENDUGAAN PARAMETER RATA RATA DAN VARIANS
1.1. KONSEP DASAR PENDUGAAN PARAMETER
Pendugaan parameter erat kaitannya dengan bagaimana cara
didalam menduga atau menguji hipotesis tentang parameter suatu
populasi yang belum diketahui, dengan melalui contoh acak dan hitung
peluang. Didalam pendugaan parameter, dugaan terhadap parameter
dapat berupa titik atau selang. Tujuan utamanya yakni melakukan
estimasi terhadap nilai dugaan/taksiran suatu parameter tertentu, karena
pada umumnya nilai parameter suatu distribusi tidak diketahui.Proses
yang menggunakan sampel statistik untuk menduga/ menaksir hubungan
parameter populasi yg tidak diketahui.
Penduga : suatu statistik yg digunakan untuk menduga suatu parameter
1.2. CIRI CIRI PENDUGA YANG BAIK
A. Tidak Bias (Unbiased) : apabila nilai penduga sama dengan nilai yg
diduganya
B. Efisien : Jika terdapat beberapa penduga yang tidak bias, maka
penduga yang mempunyai ragam paling terkecil merupakan penduga
yang paling efisien. Jadi semakin kecil ragam suatu penduga, maka
penduga tersebut akan semakin efisien. (Apabila penduga memiliki
varians yg kecil)
C. Kecukupan (Surfficiency) : Suatu penduga selain tidak bias dan efisien
masih terdapat kriteria lain yakni bahwa penduga tersebut harus
mengandung semua informasi terkait dengan suatu parameter populasi
atau dengan kata lain penduga tersebut harus mempunyai syarat
kecukupan. Didalam hal ini median dan modus bukanlah penduga
yang berkecukupan, hal ini dikarenakan median dan modus hanya
mencakup satu nilai pada pertengahan suatu data yang telah diurutkan
atau nilai yang mempunyai frekuensi tertinggi.
D. Konsisten jika ukuran sampel semakin bertambah maka penduga akan
mendekati parameternya.
E. Konsisten jika ukuran sampel bertambah tak berhingga maka distribusi
sampling penduga akan mengecil menjadi tegak lurus di atas
parameter yg sebenarnya dengan probabilitas sama dengan satu.
1.3. JENIS JENIS PENDUGAAN BERDASARKAN CARA
PENYAJIANNYA
• Pendugaan tunggal
Pendugaan yang hanya mempunyai atau menyebutkan satu nilai. Tidak
memberikan selisih atau jarak antara nilai penduga dengan nilai
sebenarnya (parameter).
• Pendugaan interval
Pendugaan yang mempunyai dua nilai sebagai pembatasan/ daerah
pembatasan. Digunakan tingkat keyakinan terhadap daerah yg nilai
sebenarnya/ parameternya akan berada. Nilai (1-α) disebut koefisien
kepercayaan.
BAB II
CONTOH SOAL DAN PEMBAHASAN
2.1. Contoh soal terkait dengan pendugaan interval untuk rata-rata
Contoh: Rata-rata IP sampel acak 36 mahasiswa tingkat S-1 adalah 3.6. Hitung selang
kepercayaan 95% dan 99% untuk rata-rata IP semua mahasiswa S-1! Anggap bahwa
standardeviasi0.3.
Pembahasan
Diketahui x-bar = 2.6; σ = 0.3; z0.025 = 1.96; z0.005 = 2.575
Selang kepercayaan 95% untuk rata-rata IP semua mahasiswa S-I:
Interpretasi: Dapat dipercaya sebesar 95% bahwa rata-rata IP semua mahasiswa S-1 antara
2.50 hingga 2.70
Sementara itu
Selang kepercayaan 99% untuk rata-rata IP semua mahasiswa S-I:
Interpretasi: Dengan tingkat kesalahan 1%, dapat dinyatakan bahwa rata-rata IP semua
mahasiswa S-1 antara 2.47 hingga 2.73.
2.2. Contoh soal
Sebuah perusahaan ingin mengestimasi rata-rata waktu yang diperlukan
oleh sebuah mesin yang digunakan untuk memproduksi satu jenis kain.
Diambil secara acak 36 pis kain, waktu rata-rata yang diperlukan untuk
memproduksi 1 pis kain adalah 15 menit. Jika diasumsikan standar
deviasi populasi 3 menit, tentukan estimasi interval rata-rata dengan
tingkat confidence (tingkat kepercayaan) 95% ?
Pembahasan :
X (Rata-rata) = 15 menit
n = 36
Simpangan Baku = 3
Nilai standar Deviasi = 3 : √36 = 0.5
Tingkat Kepercayaan 95%, dari tabel distribusi normal diperoleh Ztabel
= 1.96
14.02 < µ < 15.98
BAB III
PENUTUP
3.1. SIMPULAN
• Pendugaan parameter erat kaitannya dengan bagaimana cara didalam
menduga atau menguji hipotesis tentang parameter suatu populasi yang
belum diketahui, dengan melalui contoh acak dan hitung peluang.
Didalam pendugaan parameter, dugaan terhadap parameter dapat berupa
titik atau selang. Tujuan utamanya yakni melakukan estimasi terhadap
nilai dugaan/taksiran suatu parameter tertentu, karena pada umumnya
nilai parameter suatu distribusi tidak diketahui. Proses yang
menggunakan sampel statistik untuk menduga/ menaksir hubungan
parameter populasi yg tidak diketahui.
• Adapun Ciri-ciri Penduga yang Baik diantaranya
A. Tidak Bias (Unbiased) : apabila nilai penduga sama dengan nilai yg
diduganya
B. Efisien : Jika terdapat beberapa penduga yang tidak bias, maka
penduga yang mempunyai ragam paling terkecil merupakan penduga
yang paling efisien. Jadi semakin kecil ragam suatu penduga, maka
penduga tersebut akan semakin efisien. (Apabila penduga memiliki
varians yg kecil)
C. Kecukupan (Surfficiency) : Suatu penduga selain tidak bias dan efisien
masih terdapat kriteria lain yakni bahwa penduga tersebut harus
mengandung semua informasi terkait dengan suatu parameter populasi
atau dengan kata lain penduga tersebut harus mempunyai syarat
kecukupan
D. Konsisten jika ukuran sampel semakin bertambah maka penduga akan
mendekati parameternya.
E. Konsisten jika ukuran sampel bertambah tak berhingga maka distribusi
sampling penduga akan mengecil menjadi tegak lurus di atas
parameter yg sebenarnya dengan probabilitas sama dengan satu.
BAB IV
DAFTAR RUJUKAN
MatematikaUnindra.2012.Konsep dasar Pendugaan
Parameter.https://www.slideshare.net/matematikaunindra/konsep-dasar-pendugaan-
parameter. [25 Juli 2020]

More Related Content

What's hot

Teori pendugaan statistik presentasi
Teori pendugaan statistik presentasiTeori pendugaan statistik presentasi
Teori pendugaan statistik presentasiPerum Perumnas
 
Metode maximum likelihood
Metode maximum likelihoodMetode maximum likelihood
Metode maximum likelihoodririn12
 
Beberapa distribusi peluang kontinu
Beberapa distribusi peluang kontinuBeberapa distribusi peluang kontinu
Beberapa distribusi peluang kontinuRaden Maulana
 
Analisis korelasi-berganda
Analisis korelasi-bergandaAnalisis korelasi-berganda
Analisis korelasi-bergandaMitha Viani
 
Momen kemiringan dan_keruncingan(7)
Momen kemiringan dan_keruncingan(7)Momen kemiringan dan_keruncingan(7)
Momen kemiringan dan_keruncingan(7)rizka_safa
 
Uji hipotesis 1 & 2 rata rata
Uji hipotesis 1 & 2 rata rataUji hipotesis 1 & 2 rata rata
Uji hipotesis 1 & 2 rata ratayositria
 
Statistika non-parametrik dengan metode Uji Tanda
Statistika non-parametrik dengan metode Uji Tanda Statistika non-parametrik dengan metode Uji Tanda
Statistika non-parametrik dengan metode Uji Tanda RindyArini
 
MODUL 6 Regresi Linier Sederhana
MODUL 6 Regresi Linier SederhanaMODUL 6 Regresi Linier Sederhana
MODUL 6 Regresi Linier Sederhananur cendana sari
 
Selang kepercayaan
Selang kepercayaanSelang kepercayaan
Selang kepercayaansidesty
 
Beberapa distribusi peluang diskrit (1)
Beberapa distribusi peluang diskrit (1)Beberapa distribusi peluang diskrit (1)
Beberapa distribusi peluang diskrit (1)Raden Maulana
 
Pengantar statistika 4
Pengantar statistika 4Pengantar statistika 4
Pengantar statistika 4Az'End Love
 
Analisis varian dua arah
Analisis varian dua arahAnalisis varian dua arah
Analisis varian dua arahTri Supadmi
 

What's hot (20)

T test
T testT test
T test
 
Statistika inferensial 1
Statistika inferensial 1Statistika inferensial 1
Statistika inferensial 1
 
Teori pendugaan statistik presentasi
Teori pendugaan statistik presentasiTeori pendugaan statistik presentasi
Teori pendugaan statistik presentasi
 
Metode maximum likelihood
Metode maximum likelihoodMetode maximum likelihood
Metode maximum likelihood
 
Hipotesis 2 rata rata
Hipotesis 2 rata rataHipotesis 2 rata rata
Hipotesis 2 rata rata
 
Beberapa distribusi peluang kontinu
Beberapa distribusi peluang kontinuBeberapa distribusi peluang kontinu
Beberapa distribusi peluang kontinu
 
Uji tukey & Uji scheffe
Uji tukey & Uji scheffeUji tukey & Uji scheffe
Uji tukey & Uji scheffe
 
Analisis korelasi-berganda
Analisis korelasi-bergandaAnalisis korelasi-berganda
Analisis korelasi-berganda
 
Analisis Regresi
Analisis RegresiAnalisis Regresi
Analisis Regresi
 
PPT Analisis Regresi.pptx
PPT Analisis Regresi.pptxPPT Analisis Regresi.pptx
PPT Analisis Regresi.pptx
 
Model antrian
Model antrianModel antrian
Model antrian
 
Momen kemiringan dan_keruncingan(7)
Momen kemiringan dan_keruncingan(7)Momen kemiringan dan_keruncingan(7)
Momen kemiringan dan_keruncingan(7)
 
Uji hipotesis 1 & 2 rata rata
Uji hipotesis 1 & 2 rata rataUji hipotesis 1 & 2 rata rata
Uji hipotesis 1 & 2 rata rata
 
Statistika non-parametrik dengan metode Uji Tanda
Statistika non-parametrik dengan metode Uji Tanda Statistika non-parametrik dengan metode Uji Tanda
Statistika non-parametrik dengan metode Uji Tanda
 
MODUL 6 Regresi Linier Sederhana
MODUL 6 Regresi Linier SederhanaMODUL 6 Regresi Linier Sederhana
MODUL 6 Regresi Linier Sederhana
 
Selang kepercayaan
Selang kepercayaanSelang kepercayaan
Selang kepercayaan
 
Beberapa distribusi peluang diskrit (1)
Beberapa distribusi peluang diskrit (1)Beberapa distribusi peluang diskrit (1)
Beberapa distribusi peluang diskrit (1)
 
Pengantar statistika 4
Pengantar statistika 4Pengantar statistika 4
Pengantar statistika 4
 
Analisis varian dua arah
Analisis varian dua arahAnalisis varian dua arah
Analisis varian dua arah
 
Syntax Macro Minitab (Elvira Dian Safire/ITS)
Syntax Macro Minitab (Elvira Dian Safire/ITS)Syntax Macro Minitab (Elvira Dian Safire/ITS)
Syntax Macro Minitab (Elvira Dian Safire/ITS)
 

Similar to Tugas Akhir statistika Trisana Murti

Materi p2 sttk inferensial_sig & b bebas
Materi p2 sttk inferensial_sig & b bebasMateri p2 sttk inferensial_sig & b bebas
Materi p2 sttk inferensial_sig & b bebasJen Kelana
 
Yazid aufar j1 f111023
Yazid aufar j1 f111023Yazid aufar j1 f111023
Yazid aufar j1 f111023Yazid Aufar
 
Laporan Pratikum analisis regresi linier sederhana
Laporan Pratikum analisis regresi linier sederhanaLaporan Pratikum analisis regresi linier sederhana
Laporan Pratikum analisis regresi linier sederhanagita Ta
 
Aplikasi statistika dalam penelitian kuantitatif
Aplikasi statistika dalam penelitian kuantitatifAplikasi statistika dalam penelitian kuantitatif
Aplikasi statistika dalam penelitian kuantitatifStevie Principe
 
Presentation populasi dan sampel
Presentation populasi dan sampel Presentation populasi dan sampel
Presentation populasi dan sampel Dewaayu Nopiyanti
 
Bahan ajar statistik bisnis
Bahan ajar statistik bisnisBahan ajar statistik bisnis
Bahan ajar statistik bisnisNardiman SE.,MM
 
FORECASTING DAN PRESCRIPTION DALAM ANALISIS KEBIJAKAN.pptx
FORECASTING DAN PRESCRIPTION DALAM ANALISIS KEBIJAKAN.pptxFORECASTING DAN PRESCRIPTION DALAM ANALISIS KEBIJAKAN.pptx
FORECASTING DAN PRESCRIPTION DALAM ANALISIS KEBIJAKAN.pptxWidiYaWidi1
 
Penelitian dan Statistik
Penelitian dan StatistikPenelitian dan Statistik
Penelitian dan StatistikOphyeDjamiManu
 
Siva Alfira, Power Point Human Engineering
Siva Alfira, Power Point Human EngineeringSiva Alfira, Power Point Human Engineering
Siva Alfira, Power Point Human Engineeringsivaalfira
 
ANTROPHOMETRI FOR PRODUCT DESIGN
ANTROPHOMETRI FOR PRODUCT DESIGNANTROPHOMETRI FOR PRODUCT DESIGN
ANTROPHOMETRI FOR PRODUCT DESIGNDewiAnnisa6
 
ANALISA DATA PENELITIAN.ppt
ANALISA DATA PENELITIAN.pptANALISA DATA PENELITIAN.ppt
ANALISA DATA PENELITIAN.pptNurulLaili25
 
2022_2_P2_Pengantar Sttk Inferensial_Sig & B Bebas.pdf
2022_2_P2_Pengantar Sttk Inferensial_Sig & B Bebas.pdf2022_2_P2_Pengantar Sttk Inferensial_Sig & B Bebas.pdf
2022_2_P2_Pengantar Sttk Inferensial_Sig & B Bebas.pdfM. Jainuri, S.Pd., M.Pd
 

Similar to Tugas Akhir statistika Trisana Murti (20)

Pengantar Statistika Inferensial
Pengantar Statistika InferensialPengantar Statistika Inferensial
Pengantar Statistika Inferensial
 
P2_Pengantar Statistika Inferensial
P2_Pengantar Statistika InferensialP2_Pengantar Statistika Inferensial
P2_Pengantar Statistika Inferensial
 
Materi p2 sttk inferensial_sig & b bebas
Materi p2 sttk inferensial_sig & b bebasMateri p2 sttk inferensial_sig & b bebas
Materi p2 sttk inferensial_sig & b bebas
 
Yazid aufar j1 f111023
Yazid aufar j1 f111023Yazid aufar j1 f111023
Yazid aufar j1 f111023
 
2. STATISTIK INDUSTRI - STATISTIK DESKRIPTIF
2. STATISTIK INDUSTRI - STATISTIK DESKRIPTIF2. STATISTIK INDUSTRI - STATISTIK DESKRIPTIF
2. STATISTIK INDUSTRI - STATISTIK DESKRIPTIF
 
Laporan Pratikum analisis regresi linier sederhana
Laporan Pratikum analisis regresi linier sederhanaLaporan Pratikum analisis regresi linier sederhana
Laporan Pratikum analisis regresi linier sederhana
 
Materi p2 sttk inferensial
Materi p2 sttk inferensialMateri p2 sttk inferensial
Materi p2 sttk inferensial
 
Ukuran penyebaran data
Ukuran penyebaran dataUkuran penyebaran data
Ukuran penyebaran data
 
Aplikasi statistika dalam penelitian kuantitatif
Aplikasi statistika dalam penelitian kuantitatifAplikasi statistika dalam penelitian kuantitatif
Aplikasi statistika dalam penelitian kuantitatif
 
Presentation populasi dan sampel
Presentation populasi dan sampel Presentation populasi dan sampel
Presentation populasi dan sampel
 
Bahan ajar statistik bisnis
Bahan ajar statistik bisnisBahan ajar statistik bisnis
Bahan ajar statistik bisnis
 
statistik_cek1.pptx
statistik_cek1.pptxstatistik_cek1.pptx
statistik_cek1.pptx
 
FORECASTING DAN PRESCRIPTION DALAM ANALISIS KEBIJAKAN.pptx
FORECASTING DAN PRESCRIPTION DALAM ANALISIS KEBIJAKAN.pptxFORECASTING DAN PRESCRIPTION DALAM ANALISIS KEBIJAKAN.pptx
FORECASTING DAN PRESCRIPTION DALAM ANALISIS KEBIJAKAN.pptx
 
Penelitian dan Statistik
Penelitian dan StatistikPenelitian dan Statistik
Penelitian dan Statistik
 
Siva Alfira, Power Point Human Engineering
Siva Alfira, Power Point Human EngineeringSiva Alfira, Power Point Human Engineering
Siva Alfira, Power Point Human Engineering
 
Populasi, Sampel, dan Variabel Penelitian.pdf
Populasi, Sampel, dan Variabel Penelitian.pdfPopulasi, Sampel, dan Variabel Penelitian.pdf
Populasi, Sampel, dan Variabel Penelitian.pdf
 
Pjj
PjjPjj
Pjj
 
ANTROPHOMETRI FOR PRODUCT DESIGN
ANTROPHOMETRI FOR PRODUCT DESIGNANTROPHOMETRI FOR PRODUCT DESIGN
ANTROPHOMETRI FOR PRODUCT DESIGN
 
ANALISA DATA PENELITIAN.ppt
ANALISA DATA PENELITIAN.pptANALISA DATA PENELITIAN.ppt
ANALISA DATA PENELITIAN.ppt
 
2022_2_P2_Pengantar Sttk Inferensial_Sig & B Bebas.pdf
2022_2_P2_Pengantar Sttk Inferensial_Sig & B Bebas.pdf2022_2_P2_Pengantar Sttk Inferensial_Sig & B Bebas.pdf
2022_2_P2_Pengantar Sttk Inferensial_Sig & B Bebas.pdf
 

Recently uploaded

PSAK-10-Pengaruh-Perubahan-Valuta-Asing-IAS-21-23032015.pptx
PSAK-10-Pengaruh-Perubahan-Valuta-Asing-IAS-21-23032015.pptxPSAK-10-Pengaruh-Perubahan-Valuta-Asing-IAS-21-23032015.pptx
PSAK-10-Pengaruh-Perubahan-Valuta-Asing-IAS-21-23032015.pptxRito Doank
 
Cryptocurrency dalam Perspektif Ekonomi Syariah.pptx
Cryptocurrency dalam Perspektif Ekonomi Syariah.pptxCryptocurrency dalam Perspektif Ekonomi Syariah.pptx
Cryptocurrency dalam Perspektif Ekonomi Syariah.pptxumusilmi2019
 
PERAN KARYAWAN DALAM PENGEMBANGAN KARIR.pptx
PERAN KARYAWAN DALAM PENGEMBANGAN KARIR.pptxPERAN KARYAWAN DALAM PENGEMBANGAN KARIR.pptx
PERAN KARYAWAN DALAM PENGEMBANGAN KARIR.pptxHakamNiazi
 
uang dan lembaga keuangan uang dan lembaga keuangan
uang dan lembaga keuangan uang dan lembaga keuanganuang dan lembaga keuangan uang dan lembaga keuangan
uang dan lembaga keuangan uang dan lembaga keuanganlangkahgontay88
 
Pengantar Ilmu Ekonomi Kewilayahan, Teori dan Contoh Implementasi
Pengantar Ilmu Ekonomi Kewilayahan, Teori dan Contoh ImplementasiPengantar Ilmu Ekonomi Kewilayahan, Teori dan Contoh Implementasi
Pengantar Ilmu Ekonomi Kewilayahan, Teori dan Contoh ImplementasiGustiAdityaR
 
Presentasi Leasing Pada Lembaga Keuangan Non Bank
Presentasi Leasing Pada Lembaga Keuangan Non BankPresentasi Leasing Pada Lembaga Keuangan Non Bank
Presentasi Leasing Pada Lembaga Keuangan Non Bankzulfikar425966
 
Introduction fixed asset (Aset Tetap).ppt
Introduction fixed asset (Aset Tetap).pptIntroduction fixed asset (Aset Tetap).ppt
Introduction fixed asset (Aset Tetap).ppttami83
 
Perhitungan Bunga dan Nilai Uang (mankeu).ppt
Perhitungan Bunga dan Nilai Uang (mankeu).pptPerhitungan Bunga dan Nilai Uang (mankeu).ppt
Perhitungan Bunga dan Nilai Uang (mankeu).pptSalsabillaPutriAyu
 
BAB 18_PENDAPATAN57569-7854545gj-65.pptx
BAB 18_PENDAPATAN57569-7854545gj-65.pptxBAB 18_PENDAPATAN57569-7854545gj-65.pptx
BAB 18_PENDAPATAN57569-7854545gj-65.pptxFrida Adnantara
 
KEPEMIMPINAN DALAM MENJALANKAN USAHA/BISNIS
KEPEMIMPINAN DALAM MENJALANKAN USAHA/BISNISKEPEMIMPINAN DALAM MENJALANKAN USAHA/BISNIS
KEPEMIMPINAN DALAM MENJALANKAN USAHA/BISNISHakamNiazi
 
Modal Kerja manajemen keuangan modal kerja.ppt
Modal Kerja manajemen keuangan modal kerja.pptModal Kerja manajemen keuangan modal kerja.ppt
Modal Kerja manajemen keuangan modal kerja.pptFrida Adnantara
 
Ukuran Letak Data kuartil dan beberapa pembagian lainnya
Ukuran Letak Data  kuartil  dan  beberapa pembagian  lainnyaUkuran Letak Data  kuartil  dan  beberapa pembagian  lainnya
Ukuran Letak Data kuartil dan beberapa pembagian lainnyaIndhasari3
 
DAMPAK MASIF KORUPSI yang kian merajalela
DAMPAK MASIF KORUPSI yang kian merajalelaDAMPAK MASIF KORUPSI yang kian merajalela
DAMPAK MASIF KORUPSI yang kian merajalelaarmanamo012
 
PPT KELOMPOK 4 ORGANISASI DARI KOPERASI.pptx
PPT KELOMPOK 4 ORGANISASI DARI KOPERASI.pptxPPT KELOMPOK 4 ORGANISASI DARI KOPERASI.pptx
PPT KELOMPOK 4 ORGANISASI DARI KOPERASI.pptxZefanya9
 
MOTIVASI MINAT, BAKAT & POTENSI DIRI.pptx
MOTIVASI MINAT, BAKAT & POTENSI DIRI.pptxMOTIVASI MINAT, BAKAT & POTENSI DIRI.pptx
MOTIVASI MINAT, BAKAT & POTENSI DIRI.pptxHakamNiazi
 
Ekonomi Makro Pertemuan 4 - Tingkat pengangguran: Jumlah orang yang menganggu...
Ekonomi Makro Pertemuan 4 - Tingkat pengangguran: Jumlah orang yang menganggu...Ekonomi Makro Pertemuan 4 - Tingkat pengangguran: Jumlah orang yang menganggu...
Ekonomi Makro Pertemuan 4 - Tingkat pengangguran: Jumlah orang yang menganggu...ChairaniManasye1
 
7 Indikator Analisis Teknikal Saham Yang Paling Populer.pptx
7 Indikator Analisis Teknikal Saham Yang Paling Populer.pptx7 Indikator Analisis Teknikal Saham Yang Paling Populer.pptx
7 Indikator Analisis Teknikal Saham Yang Paling Populer.pptxObyMoris1
 
WAWASAN NUSANTARA SEBAGAI GEOPOLITIK INDONESIA.pptx
WAWASAN NUSANTARA SEBAGAI GEOPOLITIK INDONESIA.pptxWAWASAN NUSANTARA SEBAGAI GEOPOLITIK INDONESIA.pptx
WAWASAN NUSANTARA SEBAGAI GEOPOLITIK INDONESIA.pptxMunawwarahDjalil
 
Presentasi Tentang Asuransi Pada Lembaga Keuangan
Presentasi Tentang Asuransi Pada Lembaga KeuanganPresentasi Tentang Asuransi Pada Lembaga Keuangan
Presentasi Tentang Asuransi Pada Lembaga Keuanganzulfikar425966
 
Ekonomi Teknik dan perencanaan kegiatan usaha
Ekonomi Teknik dan perencanaan kegiatan usahaEkonomi Teknik dan perencanaan kegiatan usaha
Ekonomi Teknik dan perencanaan kegiatan usahaWahyuKamilatulFauzia
 

Recently uploaded (20)

PSAK-10-Pengaruh-Perubahan-Valuta-Asing-IAS-21-23032015.pptx
PSAK-10-Pengaruh-Perubahan-Valuta-Asing-IAS-21-23032015.pptxPSAK-10-Pengaruh-Perubahan-Valuta-Asing-IAS-21-23032015.pptx
PSAK-10-Pengaruh-Perubahan-Valuta-Asing-IAS-21-23032015.pptx
 
Cryptocurrency dalam Perspektif Ekonomi Syariah.pptx
Cryptocurrency dalam Perspektif Ekonomi Syariah.pptxCryptocurrency dalam Perspektif Ekonomi Syariah.pptx
Cryptocurrency dalam Perspektif Ekonomi Syariah.pptx
 
PERAN KARYAWAN DALAM PENGEMBANGAN KARIR.pptx
PERAN KARYAWAN DALAM PENGEMBANGAN KARIR.pptxPERAN KARYAWAN DALAM PENGEMBANGAN KARIR.pptx
PERAN KARYAWAN DALAM PENGEMBANGAN KARIR.pptx
 
uang dan lembaga keuangan uang dan lembaga keuangan
uang dan lembaga keuangan uang dan lembaga keuanganuang dan lembaga keuangan uang dan lembaga keuangan
uang dan lembaga keuangan uang dan lembaga keuangan
 
Pengantar Ilmu Ekonomi Kewilayahan, Teori dan Contoh Implementasi
Pengantar Ilmu Ekonomi Kewilayahan, Teori dan Contoh ImplementasiPengantar Ilmu Ekonomi Kewilayahan, Teori dan Contoh Implementasi
Pengantar Ilmu Ekonomi Kewilayahan, Teori dan Contoh Implementasi
 
Presentasi Leasing Pada Lembaga Keuangan Non Bank
Presentasi Leasing Pada Lembaga Keuangan Non BankPresentasi Leasing Pada Lembaga Keuangan Non Bank
Presentasi Leasing Pada Lembaga Keuangan Non Bank
 
Introduction fixed asset (Aset Tetap).ppt
Introduction fixed asset (Aset Tetap).pptIntroduction fixed asset (Aset Tetap).ppt
Introduction fixed asset (Aset Tetap).ppt
 
Perhitungan Bunga dan Nilai Uang (mankeu).ppt
Perhitungan Bunga dan Nilai Uang (mankeu).pptPerhitungan Bunga dan Nilai Uang (mankeu).ppt
Perhitungan Bunga dan Nilai Uang (mankeu).ppt
 
BAB 18_PENDAPATAN57569-7854545gj-65.pptx
BAB 18_PENDAPATAN57569-7854545gj-65.pptxBAB 18_PENDAPATAN57569-7854545gj-65.pptx
BAB 18_PENDAPATAN57569-7854545gj-65.pptx
 
KEPEMIMPINAN DALAM MENJALANKAN USAHA/BISNIS
KEPEMIMPINAN DALAM MENJALANKAN USAHA/BISNISKEPEMIMPINAN DALAM MENJALANKAN USAHA/BISNIS
KEPEMIMPINAN DALAM MENJALANKAN USAHA/BISNIS
 
Modal Kerja manajemen keuangan modal kerja.ppt
Modal Kerja manajemen keuangan modal kerja.pptModal Kerja manajemen keuangan modal kerja.ppt
Modal Kerja manajemen keuangan modal kerja.ppt
 
Ukuran Letak Data kuartil dan beberapa pembagian lainnya
Ukuran Letak Data  kuartil  dan  beberapa pembagian  lainnyaUkuran Letak Data  kuartil  dan  beberapa pembagian  lainnya
Ukuran Letak Data kuartil dan beberapa pembagian lainnya
 
DAMPAK MASIF KORUPSI yang kian merajalela
DAMPAK MASIF KORUPSI yang kian merajalelaDAMPAK MASIF KORUPSI yang kian merajalela
DAMPAK MASIF KORUPSI yang kian merajalela
 
PPT KELOMPOK 4 ORGANISASI DARI KOPERASI.pptx
PPT KELOMPOK 4 ORGANISASI DARI KOPERASI.pptxPPT KELOMPOK 4 ORGANISASI DARI KOPERASI.pptx
PPT KELOMPOK 4 ORGANISASI DARI KOPERASI.pptx
 
MOTIVASI MINAT, BAKAT & POTENSI DIRI.pptx
MOTIVASI MINAT, BAKAT & POTENSI DIRI.pptxMOTIVASI MINAT, BAKAT & POTENSI DIRI.pptx
MOTIVASI MINAT, BAKAT & POTENSI DIRI.pptx
 
Ekonomi Makro Pertemuan 4 - Tingkat pengangguran: Jumlah orang yang menganggu...
Ekonomi Makro Pertemuan 4 - Tingkat pengangguran: Jumlah orang yang menganggu...Ekonomi Makro Pertemuan 4 - Tingkat pengangguran: Jumlah orang yang menganggu...
Ekonomi Makro Pertemuan 4 - Tingkat pengangguran: Jumlah orang yang menganggu...
 
7 Indikator Analisis Teknikal Saham Yang Paling Populer.pptx
7 Indikator Analisis Teknikal Saham Yang Paling Populer.pptx7 Indikator Analisis Teknikal Saham Yang Paling Populer.pptx
7 Indikator Analisis Teknikal Saham Yang Paling Populer.pptx
 
WAWASAN NUSANTARA SEBAGAI GEOPOLITIK INDONESIA.pptx
WAWASAN NUSANTARA SEBAGAI GEOPOLITIK INDONESIA.pptxWAWASAN NUSANTARA SEBAGAI GEOPOLITIK INDONESIA.pptx
WAWASAN NUSANTARA SEBAGAI GEOPOLITIK INDONESIA.pptx
 
Presentasi Tentang Asuransi Pada Lembaga Keuangan
Presentasi Tentang Asuransi Pada Lembaga KeuanganPresentasi Tentang Asuransi Pada Lembaga Keuangan
Presentasi Tentang Asuransi Pada Lembaga Keuangan
 
Ekonomi Teknik dan perencanaan kegiatan usaha
Ekonomi Teknik dan perencanaan kegiatan usahaEkonomi Teknik dan perencanaan kegiatan usaha
Ekonomi Teknik dan perencanaan kegiatan usaha
 

Tugas Akhir statistika Trisana Murti

  • 1. PENDUGAAN PARAMETER RATA RATA DAN VARIANS (Individu dan Kelompok) DOSEN PENGAMPU Dr. Musnaini, S.E., M.M DISUSUN OLEH TRISANA MURTI (19103161201204) PROGRAM STUDI MANAJEMEN FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS MUHAMMADIYAH JAMBI
  • 2. Identitas Penulis NAMA : TRISANA MURTI NPM : 19103161201204 KELAS : MONETER RA.8 MATA KULIAH : STATISTIKA DOSEN PENGAMPU : Dr. Musnaini, S.E., M.M PROGRAM STUDI : MANAJEMEN FAKULTAS : EKONOMI DAN BISNIS
  • 3. KATA PENGANTAR Puji dan syukur kehadirat Allah SWT, Tuhan Yang Maha Esa yang telah memberikan rahmat serta hidayahnya sehingga penulis dapat menyelesaikan tugas makalah ini yang berjudul “Pendugaan Parameter Rata-rata dan Varians” dengan tepat pada waktunya. Penulis berharap semoga makalah yang penulis buat dapat menambah wawasan, pengetahuan, serta pemahaman bagi para pembacanya. Namun penulis menyadari bahwa makalah ini masih jauh dari kata sempurna, oleh karena itu kritik dan saran yang bersifat membangun dari pembaca sangat diperlukan demi kesempurnaan makalah ini. Jambi, 26 Agustus 2020 Penulis
  • 4. BAB I PEMBAHASAN PENDUGAAN PARAMETER RATA RATA DAN VARIANS 1.1. KONSEP DASAR PENDUGAAN PARAMETER Pendugaan parameter erat kaitannya dengan bagaimana cara didalam menduga atau menguji hipotesis tentang parameter suatu populasi yang belum diketahui, dengan melalui contoh acak dan hitung peluang. Didalam pendugaan parameter, dugaan terhadap parameter dapat berupa titik atau selang. Tujuan utamanya yakni melakukan estimasi terhadap nilai dugaan/taksiran suatu parameter tertentu, karena pada umumnya nilai parameter suatu distribusi tidak diketahui. Proses yang menggunakan sampel statistik untuk menduga/ menaksir hubungan parameter populasi yg tidak diketahui. Penduga : suatu statistik yg digunakan untuk menduga suatu parameter 1.2. CIRI CIRI PENDUGA YANG BAIK A. Tidak Bias (Unbiased) : apabila nilai penduga sama dengan nilai yg diduganya B. Efisien : Jika terdapat beberapa penduga yang tidak bias, maka penduga yang mempunyai ragam paling terkecil merupakan penduga yang paling efisien. Jadi semakin kecil ragam suatu penduga, maka penduga tersebut akan semakin efisien. (Apabila penduga memiliki varians yg kecil) C. Kecukupan (Surfficiency) : Suatu penduga selain tidak bias dan efisien masih terdapat kriteria lain yakni bahwa penduga tersebut harus mengandung semua informasi terkait dengan suatu parameter populasi atau dengan kata lain penduga tersebut harus mempunyai syarat kecukupan. Didalam hal ini median dan modus bukanlah penduga yang berkecukupan, hal ini dikarenakan median dan modus hanya mencakup satu nilai pada pertengahan suatu data yang telah diurutkan atau nilai yang mempunyai frekuensi tertinggi.
  • 5. D. Konsisten jika ukuran sampel semakin bertambah maka penduga akan mendekati parameternya. E. Konsisten jika ukuran sampel bertambah tak berhingga maka distribusi sampling penduga akan mengecil menjadi tegak lurus di atas parameter yg sebenarnya dengan probabilitas sama dengan satu. 1.3. JENIS JENIS PENDUGAAN BERDASARKAN CARA PENYAJIANNYA ● Pendugaan tunggal Pendugaan yang hanya mempunyai atau menyebutkan satu nilai. Tidak memberikan selisih atau jarak antara nilai penduga dengan nilai sebenarnya (parameter). ● Pendugaan interval Pendugaan yang mempunyai dua nilai sebagai pembatasan/ daerah pembatasan. Digunakan tingkat keyakinan terhadap daerah yg nilai sebenarnya/ parameternya akan berada. Nilai (1-α) disebut koefisien kepercayaan.
  • 6. BAB II CONTOH SOAL DAN PEMBAHASAN 2.1. Contoh soal terkait dengan pendugaan interval untuk rata-rata Contoh: Rata-rata IP sampel acak 36 mahasiswa tingkat S-1 adalah 3.6. Hitung selang kepercayaan 95% dan 99% untuk rata-rata IP semua mahasiswa S-1! Anggap bahwa standardeviasi0.3. Pembahasan Diketahui x-bar = 2.6; σ = 0.3; z0.025 = 1.96; z0.005 = 2.575 Selang kepercayaan 95% untuk rata-rata IP semua mahasiswa S-I: Interpretasi: Dapat dipercaya sebesar 95% bahwa rata-rata IP semua mahasiswa S-1 antara 2.50 hingga 2.70 Sementara itu Selang kepercayaan 99% untuk rata-rata IP semua mahasiswa S-I: Interpretasi: Dengan tingkat kesalahan 1%, dapat dinyatakan bahwa rata-rata IP semua mahasiswa S-1 antara 2.47 hingga 2.73.
  • 7. 2.2. Contoh soal Sebuah perusahaan ingin mengestimasi rata-rata waktu yang diperlukan oleh sebuah mesin yang digunakan untuk memproduksi satu jenis kain. Diambil secara acak 36 pis kain, waktu rata-rata yang diperlukan untuk memproduksi 1 pis kain adalah 15 menit. Jika diasumsikan standar deviasi populasi 3 menit, tentukan estimasi interval rata-rata dengan tingkat confidence (tingkat kepercayaan) 95% ? Pembahasan : X (Rata-rata) = 15 menit n = 36 Simpangan Baku = 3 Nilai standar Deviasi = 3 : √36 = 0.5 Tingkat Kepercayaan 95%, dari tabel distribusi normal diperoleh Ztabel = 1.96 14.02 < µ < 15.98
  • 8. BAB III PENUTUP 3.1. SIMPULAN ● Pendugaan parameter erat kaitannya dengan bagaimana cara didalam menduga atau menguji hipotesis tentang parameter suatu populasi yang belum diketahui, dengan melalui contoh acak dan hitung peluang. Didalam pendugaan parameter, dugaan terhadap parameter dapat berupa titik atau selang. Tujuan utamanya yakni melakukan estimasi terhadap nilai dugaan/taksiran suatu parameter tertentu, karena pada umumnya nilai parameter suatu distribusi tidak diketahui. Proses yang menggunakan sampel statistik untuk menduga/ menaksir hubungan parameter populasi yg tidak diketahui. ● Adapun Ciri-ciri Penduga yang Baik diantaranya A. Tidak Bias (Unbiased) : apabila nilai penduga sama dengan nilai yg diduganya B. Efisien : Jika terdapat beberapa penduga yang tidak bias, maka penduga yang mempunyai ragam paling terkecil merupakan penduga yang paling efisien. Jadi semakin kecil ragam suatu penduga, maka penduga tersebut akan semakin efisien. (Apabila penduga memiliki varians yg kecil) C. Kecukupan (Surfficiency) : Suatu penduga selain tidak bias dan efisien masih terdapat kriteria lain yakni bahwa penduga tersebut harus mengandung semua informasi terkait dengan suatu parameter populasi atau dengan kata lain penduga tersebut harus mempunyai syarat kecukupan D. Konsisten jika ukuran sampel semakin bertambah maka penduga akan mendekati parameternya.
  • 9. E. Konsisten jika ukuran sampel bertambah tak berhingga maka distribusi sampling penduga akan mengecil menjadi tegak lurus di atas parameter yg sebenarnya dengan probabilitas sama dengan satu. BAB IV DAFTAR RUJUKAN MatematikaUnindra.2012.Konsep dasar Pendugaan Parameter. https://www.slideshare.net/matematikaunindra/konsep-dasar-pendugaan-parameter. [25 Juli 2020]
  • 10. PENDUGAAN PARAMETER RATA RATA DAN VARIANS DOSEN PENGAMPU Dr. Musnaini, S.E., M.M DISUSUN OLEH ANISA FAIRYNTINA (19103161201174) OGAN PUTRA WIJAYA (19103161201183) TRISANA MURTI (19103161201204) PROGRAM STUDI MANAJEMEN FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS MUHAMMADIYAH JAMBI
  • 11. KATA PENGANTAR Puji dan syukur kehadirat Allah SWT, Tuhan Yang Maha Esa yang telah memberikan rahmat serta hidayahnya sehingga penulis dapat menyelesaikan tugas makalah ini yang berjudul “Pendugaan Parameter Rata-rata dan Varians” dengan tepat pada waktunya. Penulis berharap semoga makalah yang penulis buat dapat menambah wawasan, pengetahuan, serta pemahaman bagi para pembacanya. Namun penulis menyadari bahwa makalah ini masih jauh dari kata sempurna, oleh karena itu kritik dan saran yang bersifat membangun dari pembaca sangat diperlukan demi kesempurnaan makalah ini.
  • 12. BAB I PEMBAHASAN PENDUGAAN PARAMETER RATA RATA DAN VARIANS 1.1. KONSEP DASAR PENDUGAAN PARAMETER Pendugaan parameter erat kaitannya dengan bagaimana cara didalam menduga atau menguji hipotesis tentang parameter suatu populasi yang belum diketahui, dengan melalui contoh acak dan hitung peluang. Didalam pendugaan parameter, dugaan terhadap parameter dapat berupa titik atau selang. Tujuan utamanya yakni melakukan estimasi terhadap nilai dugaan/taksiran suatu parameter tertentu, karena pada umumnya nilai parameter suatu distribusi tidak diketahui.Proses yang menggunakan sampel statistik untuk menduga/ menaksir hubungan parameter populasi yg tidak diketahui. Penduga : suatu statistik yg digunakan untuk menduga suatu parameter 1.2. CIRI CIRI PENDUGA YANG BAIK A. Tidak Bias (Unbiased) : apabila nilai penduga sama dengan nilai yg diduganya B. Efisien : Jika terdapat beberapa penduga yang tidak bias, maka penduga yang mempunyai ragam paling terkecil merupakan penduga yang paling efisien. Jadi semakin kecil ragam suatu penduga, maka penduga tersebut akan semakin efisien. (Apabila penduga memiliki varians yg kecil) C. Kecukupan (Surfficiency) : Suatu penduga selain tidak bias dan efisien masih terdapat kriteria lain yakni bahwa penduga tersebut harus mengandung semua informasi terkait dengan suatu parameter populasi atau dengan kata lain penduga tersebut harus mempunyai syarat kecukupan. Didalam hal ini median dan modus bukanlah penduga yang berkecukupan, hal ini dikarenakan median dan modus hanya mencakup satu nilai pada pertengahan suatu data yang telah diurutkan atau nilai yang mempunyai frekuensi tertinggi.
  • 13. D. Konsisten jika ukuran sampel semakin bertambah maka penduga akan mendekati parameternya. E. Konsisten jika ukuran sampel bertambah tak berhingga maka distribusi sampling penduga akan mengecil menjadi tegak lurus di atas parameter yg sebenarnya dengan probabilitas sama dengan satu. 1.3. JENIS JENIS PENDUGAAN BERDASARKAN CARA PENYAJIANNYA • Pendugaan tunggal Pendugaan yang hanya mempunyai atau menyebutkan satu nilai. Tidak memberikan selisih atau jarak antara nilai penduga dengan nilai sebenarnya (parameter). • Pendugaan interval Pendugaan yang mempunyai dua nilai sebagai pembatasan/ daerah pembatasan. Digunakan tingkat keyakinan terhadap daerah yg nilai sebenarnya/ parameternya akan berada. Nilai (1-α) disebut koefisien kepercayaan.
  • 14. BAB II CONTOH SOAL DAN PEMBAHASAN 2.1. Contoh soal terkait dengan pendugaan interval untuk rata-rata Contoh: Rata-rata IP sampel acak 36 mahasiswa tingkat S-1 adalah 3.6. Hitung selang kepercayaan 95% dan 99% untuk rata-rata IP semua mahasiswa S-1! Anggap bahwa standardeviasi0.3. Pembahasan Diketahui x-bar = 2.6; σ = 0.3; z0.025 = 1.96; z0.005 = 2.575 Selang kepercayaan 95% untuk rata-rata IP semua mahasiswa S-I: Interpretasi: Dapat dipercaya sebesar 95% bahwa rata-rata IP semua mahasiswa S-1 antara 2.50 hingga 2.70 Sementara itu Selang kepercayaan 99% untuk rata-rata IP semua mahasiswa S-I: Interpretasi: Dengan tingkat kesalahan 1%, dapat dinyatakan bahwa rata-rata IP semua mahasiswa S-1 antara 2.47 hingga 2.73.
  • 15. 2.2. Contoh soal Sebuah perusahaan ingin mengestimasi rata-rata waktu yang diperlukan oleh sebuah mesin yang digunakan untuk memproduksi satu jenis kain. Diambil secara acak 36 pis kain, waktu rata-rata yang diperlukan untuk memproduksi 1 pis kain adalah 15 menit. Jika diasumsikan standar deviasi populasi 3 menit, tentukan estimasi interval rata-rata dengan tingkat confidence (tingkat kepercayaan) 95% ? Pembahasan : X (Rata-rata) = 15 menit n = 36 Simpangan Baku = 3 Nilai standar Deviasi = 3 : √36 = 0.5 Tingkat Kepercayaan 95%, dari tabel distribusi normal diperoleh Ztabel = 1.96 14.02 < µ < 15.98
  • 16. BAB III PENUTUP 3.1. SIMPULAN • Pendugaan parameter erat kaitannya dengan bagaimana cara didalam menduga atau menguji hipotesis tentang parameter suatu populasi yang belum diketahui, dengan melalui contoh acak dan hitung peluang. Didalam pendugaan parameter, dugaan terhadap parameter dapat berupa titik atau selang. Tujuan utamanya yakni melakukan estimasi terhadap nilai dugaan/taksiran suatu parameter tertentu, karena pada umumnya nilai parameter suatu distribusi tidak diketahui. Proses yang menggunakan sampel statistik untuk menduga/ menaksir hubungan parameter populasi yg tidak diketahui. • Adapun Ciri-ciri Penduga yang Baik diantaranya A. Tidak Bias (Unbiased) : apabila nilai penduga sama dengan nilai yg diduganya B. Efisien : Jika terdapat beberapa penduga yang tidak bias, maka penduga yang mempunyai ragam paling terkecil merupakan penduga yang paling efisien. Jadi semakin kecil ragam suatu penduga, maka penduga tersebut akan semakin efisien. (Apabila penduga memiliki varians yg kecil) C. Kecukupan (Surfficiency) : Suatu penduga selain tidak bias dan efisien masih terdapat kriteria lain yakni bahwa penduga tersebut harus mengandung semua informasi terkait dengan suatu parameter populasi atau dengan kata lain penduga tersebut harus mempunyai syarat kecukupan D. Konsisten jika ukuran sampel semakin bertambah maka penduga akan mendekati parameternya.
  • 17. E. Konsisten jika ukuran sampel bertambah tak berhingga maka distribusi sampling penduga akan mengecil menjadi tegak lurus di atas parameter yg sebenarnya dengan probabilitas sama dengan satu. BAB IV DAFTAR RUJUKAN MatematikaUnindra.2012.Konsep dasar Pendugaan Parameter.https://www.slideshare.net/matematikaunindra/konsep-dasar-pendugaan- parameter. [25 Juli 2020]