Kumpulan Soal Dan Pembahasan Materi D.sampling Dan Estimasi - Revisi

KUMPULAN SOAL DAN SOLUSI MANUAL
DISTRIBUSI SAMPLING DAN ESTIMASI

STATISTIKA INDUSTRI
OLEH
HILMAN DWI ANGGANA, M. Si
PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS REKAYASA INDUSTRI
UNIVERSITAS TELKOM
2017
1
Kumpulan Soal dan Solusi Manual Distribusi Sampling dan Estimasi
Mata kuliah Statistika Industri
Dosen Hilman Dwi Anggana M.Si.
Soal Distribusi Sampling Rataan Sampel Kecil [HDG]

Suatu penelitian dilakukan untuk mengetahui rataan konsumsi beras rumah tangga setiap 10
hari. Berdasarkan data sebelumnya, pada populasinya diketahui bahwa rataan konsumsi beras
rumah tangga adalah 10.72 (kg/10 hari) . Sampel acak sebanyak 12 rumah tangga diambil dari
populasi ini sebagai berikut :
No. RT 1 2 3 4 5 6 7 8 9 10 11 12
Beras(kg/10hari) 11.3 12.7 11.3 13.4 11.2 9.6 10.1 12.2 9.6 13.2 11.4 12.9
Tentukan :
a. Rataan dan simpangan baku konsumsi beras rumah tangga setiap 10 hari dari 12 rumah
tangga yang terpilih sebagai sampel !
b. Berapa probabilitas bahwa rataaan konsumsi beras rumah tangga lebih dari rataan
sampel yang diperoleh pada point (a)?
Solusi :
a. Rataan sampel :
n
x i
x i 1
n
11.3  12.7  11.3  13.4  11.2  9.6  10.1  12.2  9.6  13.2  11.4  12.9

12
=11.58
Agar lebih mudah dalam proses perhitungan simpangan baku sampel terlebih dahulu
membuat tabel praktis sebagai berikut :
“Belajarlah segala sesuatu yang baru yang mendekatkan dirimu pada impian”
(Katrina Meyer)
2
No. ( ̅) ( ̅)
1 11.3 (11.3 - 11.58) 0.0756
2 12.7 (12.7 - 11.58) 1.2656
3 11.3 (11.3 - 11.58) 0.0756
4 13.4 (13.4 - 11.58) 3.3306
5 11.2 (11.2 - 11.58) 0.1406
6 9.6 (9.6 - 11.58) 3.9006
7 10.1 (10.1 - 11.58) 2.1756
8 12.2 (12.2 - 11.58) 0.3906
9 9.6 (9.6 - 11.58) 3.9006
10 13.2 (13.2 - 11.58) 2.6406
11 11.4 (11.4-11.58) 0.0306
12 12.9 (12.9-11.58) 1.7556
∑ 19.6825
Simpangan baku sampel merupakan akar kuadrat positif dari varians sampel sehingga
terlebih dahulu mencari nilai varians sampel (s2)
n
 x  x 
2
i
s2  i 1
n 1
12
 x  x 
2
i
i 1
=
12  1
19.6825
=
11
 1.7893
s  19.6825
 1.34
Jadi rataan dan simpangan baku konsumsi beras yang diperoleh dari sampel acak 12 rumah
tangga adalah 11.58 (kg/10 hari) dan 1.34 (kg/10 hari)
“Belajar yang utama. Bermain adalah setelahnya”

(Daniel D. Palmer)
3
b. Karena ukuran sampel n = 12 < 30 (sampel kecil) dan simpangan baku populasi tidak
diketahui maka distribusi sampling rataannya menggunakan distribusi t-student.
Diketahui :   10.72 , x  11.58 , dan s  1.34
 x  
P( X  11.73)  P  T  
 s/ n 
 11.58  10.72 
 P T  
 1.34 / 12 
 0.86 
 P T  
 0.38 
=P T  2.26 
𝑃(𝑇 )
-t 0 t0.025;11 = 2.20 +t
2. 2.
Berdasarkan tabel distribusi t-student untuk α = 0.025 dan db = 12 – 1 = 11 maka

( ) . Karena nilai T = 2.26 > T = 2.2 atau nilai T = 2.26 terletak di sebelah kanan
T = 2.2 maka berlaku ( ) lebih kecil dari ( ) sehingga ( ) .
Jadi kurang dari 2.5% rumah tangga mengonsumsi beras lebih dari rataan konsumsi beras 11.58
(kg/ 10 hari).
“Jika kamu bisa membayangkannya, kamu bisa mencapainya”

(Walt Disney)
4
Soal Distribusi Sampling Rataan Sampel Kecil [HDG]

Diketahui bahwa rataan umur sebuah bola lampu tipe smooth LED dari perusahaan HDG adalah
850 jam. Manajer perusahaan melakukan penelitian untuk mengetahui apakah bola lampu tipe
smooth LED ini mengalami penurunan kualitas. Untuk kepentingan penelitian tersebut, manajer
mengambil sampel acak sebanyak 25 bola lampu. Jika manajer menetapkan bahwa lampu yang
tidak layak adalah 5% bola lampu yang memiliki rataan umur kurang dari 850 jam, kesimpulan
apa yang diperoleh manajer jika sampel bola lampu yang diambil memberikan rataan umur bola
lampu 843 jam dan simpangan baku umur bola lampu 25 jam ?
Solusi :
Diketahui :
µ = 850
̅
s = 25
n = 25
db = n – 1 = 25 – 1 = 24
5% pengamatan yang terletak dibawah nilai rataan atau dikatakan sebagai 5% pengamatan
yang memiliki nilai-nilai terendah pada kurva distribusi t-student dinyatakan sebagai luas
dibawah kurva distribusi t-student untuk nilai (- tα = 0.05 ; db = 24). Dengan demikian jika nilai t hasil
perhitungan jatuh disebelah kanan (- tα = 0.05 ; db = 24 ) maka pengamatan atau sampel terletak
diatas 5% pengamatan yang memiliki nilai-nilai terendah artinya sesuai kasus ini bahwa sampel
bola lampu yang diambil tidak terjadi penurunan kualitas. Berdasarkan tabel distribusi t-student
diperoleh bahwa nilai untuk - tα = 0.05 ; db = 24 = -1.71
x 
T
s n
843  850

25 25
 1.4
Permasalahan ini dapat digambarkan dalam kurva distribusi t-student sebagai berikut :
Jangan hanya menunggu. Tidak pernah ada “waktu yang tepat.”

(Napoleon Hill)
5
Luas dibawah
kurva yang Nilai t hasil perhitungan dari
meyatakan bahwa statistik sampel t = -1.4
bola lampu
mengalami
penurunan kualitas
-t -t = -1.71 t =-1.4 0 +t
0.05;24 h
2. 2.
Karena nilai t hasil perhitungan lebih besar dari nilai - tα = 0.05 ; db = 24 maka manajer menyimpulkan
bahwa sampel bola lampu yang diperoleh tidak mengalami penurunan kualitas.
Soal Distribusi Sampling Rataan Sampel Besar [HDG]

Menurut pengalaman diketahui bahwa rataan tinggi badan mahasiswa FRI adalah 163.2 cm
dengan simpangan baku 8.2 cm. Jika diambil sampel acak sebanyak 36 mahasiswa FRI, tentukan
a. Berapa probabilitas seorang mahasiswa FRI memiliki tinggi badan lebih dari 175 cm ?
b. Jika rataan tinggi badan dari 36 mahasiswa FRI adalah 165 cm, tentukan probabilitas
rataan tinggi badan mahasiswa lebih dari 165?
c. Berapa probabilitas rataan tinggi badan dari 36 mahasiswa FRI antara 160 cm sampai 165
cm?
Solusi :
Diketahui :
µ = 163.2
σ = 8.2
X adalah variabel acak yang menyatakan tinggi badan mahasiswa FRI
̅ adalah variabel acak yang menyatakan rataan tinggi badan mahasiswa FRI
“Kecerdasan tanpa kemauan seperti burung tanpa sayap”

(Salvador Deli)
6
 x 
a. P( X  x)  P  Z 
  
 175  163.2 
P( X  175)  P  Z  
 8.2 
 11.8 
 PZ  
 8.2 
 P  Z  1.44 
 1  P  Z  1.44 
 1  0.9251
 0.0749
𝑃(𝑍 1 ) 7 9
-z 0 z =1.44 +z
Jadi sebanyak 7.49% mahasiswa FRI memiliki tinggi badan lebih dari 175 cm.
 x  
b. P( X  x )  P  Z  
  n
“Belajarlah seolah-olah kamu hidup selamanya; dan hiduplah seolah-olah esok hari kamu mati.”
(Maria Mitchell)
7
 165  163.2 
P( X  165)  P  Z  
 8.2 36 
 1.8 
 PZ  
 1.37 
 P  Z  1.31
 1  P  Z  1.31
 1  0.9049
 0.0951
𝑃(𝑍 1 1) 91
-z 0 z =1.31 +z
Jadi sebanyak 9.1% mahasiswa FRI memiliki rataan tinggi badan lebih dari 165 cm.
 x    x1   
c. P( x1  X  x2 )  P  Z 2  2   P  Z1  
  n   n
 165  163.2   160  163.2 
P(160  X  165)  P  Z 2    P  Z1  
 8.2 36   8.2 36 
 1.8   3.2 
 P  Z2    P  Z1  
 1.37   1.37 
 P  Z 2  1.31  P  Z1  2.34 
 0.9049  0.0096
 0.8953
“Jika kita melakukan apa yang bisa kita lakukan, kita akan terpana dengan apa yang bisa
kita capai”
(Thomas Alva Edison)
8
-z z=-2.34 0 z=1.31 +z
Jadi sebanyak 89.53% mahasiswa FRI memiliki rataan tinggi badan antara 160 cm sampai 165
cm.
Soal Distribusi Sampling Selisih Rataan Sampel Besar [HDG]

Rataan tinggi mahasiswa laki-laki FRI 163 cm dan simpangan baku 5.2 cm. Sedangkan untuk
mahasiswa perempuan FRI rataan tinggi badannya 152 cm dan simpangan baku 4.9 cm. Dari
kedua kelompok mahasiswa itu masing-masing diambil sebuah sampel acak secara bebas
berukuran sama 140 orang. Berapa probabilitas rataan tinggi mahasiswa laki-laki paling sedikit
10 cm lebihnya dari rataan tinggi mahasiswa perempuan ?
Solusi :
Misal indeks 1 untuk menyatakan mahasiswa laki-laki dan indeks 2 untuk meyatakan
mahasiswa perempuan.
1
1
9
“Untuk mengubah kebiasaan buruk, kita harus mempelajari kebiasaan orang-orang sukses”
Jack Canfield
9
1
̅ adalah variabel acak yang menyatakan rataan tinggi badan mahasiswa laki-laki FRI
̅ adalah variabel acak yang menyatakan rataan tinggi badan mahasiswa perempuan FRI
Rataan tinggi mahasiswa laki-laki paling sedikit 10 cm lebihnya dari rataan tinggi mahasiswa
perempuan artinya  X 1  X 2   10
 

 x  x    1  2  
P  X 1  X 2    x1  x2    P  Z  1 2
 5.22 4.92 
  
 140 140 
Cara terbaik melihat masa depan ialah dengan menciptakannya"

(Abraham Lincoln)
10
 
 

P  X 1  X 2    x1  x2    P Z 
 x1  x2    1  2  
  12  22 
  
 n1 n2 
 
 10  163  152  
 P Z  
 5.22 4.92 
  
 140 140 
 
 1 
 P Z  
 27.04 24.01 
 
140 140 
 
 1 
 P Z  
 27.04 24.01 
 
140 140 
 1 
 P Z 
 0.6039 
 P  Z  1.66
 1  P  Z  1.66
 1  0.0485
 0.9515
Belajarlah untuk mempersiapkan diri menghadap ujian hidup

11
-z z=-1.66 0 +z
Jadi probabilitas rataan tinggi badan mahasiswa laki-laki paling sedikit 10 cm lebihnya dari mahasiswa
perempuan adalah 0.9515.
Soal Distribusi Sampling Proporsi [HDG]
Ada petunjuk bahwa 20% anggota masyarakat tergolong kedalam golongan A. Sebuah sampel acak
terdiri atas 100 orang telah diambil. Tentukan probabilitas bahwa dari 100 orang itu akan ada paling
sedikit 25 orang dari golongan A !
Solusi :
Diketahui :
(proporsi populasi anggota masyarakat yang tergolong kedalam golongan A)

1 orang
orang golongan A
Ditanyakan :
( )?
Kasus ini terlebih dahulu mengubah probabilitas binomial menjadi probabilitas normal umum dengan
menambah besaran koreksi sebesar -0.5. Kemudian untuk menentukan probabilitas barulah
Aku belajar untuk memiliki kemampuan belajar dan aku diajarkan untuk mencintai belajar
12
probabilitas normal umum ditransformasi kedalam normal baku/standard.
P  X  x   P  X  ( x  0.5) 
P  X  25  P  X  (25  0.5)   P  X  24.5 
Transformasi normal umum ke normal baku :
 p p
P  X  x*   P  Z   , dimana :
 
 p 
*
x
p adalah proporsi sampel
n
p(1  p)
p  adalah simpangan baku dari proporsi sampel
n
x* adalah x yang sudah terkoreksi
  24.5  
    0.2 
P  X  24.5   P  Z   100  
 0.2(1  0.2) 
 
 100 
 
 0.245  0.2 
=P  Z  
 0.2(0.8) 
 
 100 
 P  Z  1.13
 1  P  Z  1.13
 1  0.8708
 0.1292
Ingatlah semakin menunda, semakin besar bebanmu semakin kecil peluang suksesmu
13
𝑃(𝑍 11 ) 1 9
-z 0 z =1.13 +z
Jadi ada sebanyak 12.92% dari masyarakat termasuk kedalam dolongan A paling sedikit 25 orang.
Soal Distribusi Sampling Selisih Proporsi [HDG]
Suatu survei dilakukan untuk mengetahui proporsi pengguna sabun “Love boy” di kota A dan kota B.
Berdasarkan data masa lalu diketahui bahwa sebanyak 65% masyarakat di kota A menggunakan sabun
Love boy dan 70% masyarakat di kota B menggunakan sabun Love boy. Jika diambil sampel acak 200
orang di kota A dan 250 orang di kota B, tentukan :
a. Probabilitas dari proporsi pengguna sabun Love boy di kota B lebih dari 2% lebih banyak
dibandingkan proporsi pengguna sabun Love boy di kota A
b. Probabilitas dari proporsi pengguna sabun Love boy di kota B lebih banyak antara 2% sampai 10%
dibandingkan proporsi pengguna sabun Love boy di kota A
Solusi :
Anggap p1 = 70% = 0.70 sebagai proporsi populasi pengguna sabun Love boy di kota B dan p2 = 65% =
0.65 sebagai proporsi populasi pengguna sabun Love boy di kota A sehingga ukuran sampel untuk
masing-masing kota adalah n1 = 250 orang dan n2 = 200 orang.
a
Apalagi kalau kamu lulus ujian dengan nilai bagus. Pastilah semua itu menjadi kepuasan
tersendiri. Terlebih bila hasil kerja keras, bukan hasil kecurangan
14
 a  ( p1  p2 ) 
P  p1  p2   a   P  Z   , dimana :
  p1  p2 
 x1 x2 
 p1  p2      adalah selisih dari proporsi sampel
 n1 n2 
p1 (1  p1 ) p2 (1  p2 )
 p p   adalah simpangan baku dari selisih proporsi sampel
1 2
n1 n2
Sehingga :
 
 0.02  (0.70  0.65) 
P  p1  p2   0.02   P  Z  
 0.70(1  0.70) 0.65(1  0.65) 
  
250 200
 0.03 
=P  Z  
 0.00084  0.00114 
 0.03 
 P Z 
 0.04 
 P  Z  0.75
 1  P  Z  0.75
 1  0.2266
 0.7734
𝑃(𝑍 7 ) 77
-z z= -0.75 0 +z
Belajar dan beramal tidak dapat dipisahkan. Keduanya harus berjalan seiring
15
Jadi probabilitas dari proporsi pengguna sabun Love boy di kota B lebih dari 2% lebih banyak
dibandingkan proporsi pengguna sabun Love boy di kota A adalah 0.7734.
b.
 b  ( p1  p2 )   a  ( p1  p2 ) 
P  a   p1  p2   b   P  Z    P Z  
  p1  p2    p1  p2 
Sehingga :
 0.10  0.05   0.02  0.05 

P 0.02   p1  p2   0.10  P  Z    P Z 
 0.04   0.04 
=P  Z  1.25  P  Z  0.75
 0.8944  0.2266
 0.6678
𝑃(𝑍 1 ) 𝑃(𝑍 7 ) 7
-z z= -0.75 0 z=1.25 +z
Jadi probabilitas dari proporsi pengguna sabun Love boy di kota B lebih banyak antara 2% sampai 10%
dibandingkan proporsi pengguna sabun Love boy di kota A adalah 0.6678.
Kalau Kamu bilang sukses berarti itu adalah titik mati dari bakat kamu, maka dari itu kita harus
terus belajar untuk sukses selama-lamanya
16
Soal Sifat Estimator [HDG]
X 1 , X 2 , X 3 , X 4 , dan X 5 adalah sampel acak yang diambil dari sebuah populasi berdistribusi normal
dengan rataan µ dan varians σ2. Jika T1 , T2 , T3 , dan T4 adalah statistik yang merupakan fungsi sampel
yang digunakan sebagai penaksir µ dimana :
X1  X 2  X 3  X 4  X 5
T1 
5
X1  X 2  2 X 3  X 4  X 5
T2 
5
0.5 X1  X 2  2 X 3  X 4  0.5 X 5
T3 
5
X1  2 X 2  3 X 3  2 X 4  X 5
T4 
5
Diantara T1 , T2 , T3 , dan T4 mana yang merupakan penaksir tak bias paling efisien bagi µ ?
Solusi :
 Langkah pertama mencari penaksir tak bias (unbiased estimator) bagi µ
Suatu penaksir Ti bagi µ dikatakan tak bias jika E (Ti )    0 (nilai biasnya adalah 0)
 X  X2  X3  X4  X5 
E (T1 )  E  1 
 5 
E  X1   E  X 2   E  X 3   E  X 4   E  X 5 

5


5

Bias E (T1 )        0 sehingga T1 adalah penaksir tak bias (unbiased estimator) bagi µ.
Sukses hanya bisa diraih melalui gigih belajar, kerja keras dan doa yg ikhlas. Bukan hanya
dengan lamunan.
17
 X  X2  2X3  X4  X5 
E (T2 )  E  1 
 5 
E  X1   E  X 2   2E  X 3   E  X 4   E  X 5 

5
    2    

5
6
 
5
 1.2
Bias E (T2 )    1.2    0.2 sehingga T2 adalah penaksir bias (biased estimator) bagi µ.
 0.5 X 1  X 2  2 X 3  X 4  0.5 X 5 
E (T3 )  E  
 5 
0.5E  X 1   E  X 2   2 E  X 3   E  X 4   0.5E  X 5 

5
0.5    2    0.5

5

Bias E (T3 )        0 sehingga T3 adalah penaksir tak bias (unbiased estimator) bagi µ.
 X  2 X 2  3X 3  2 X 4  X 5 
E (T4 )  E  1 
 5 
E  X 1   2 E  X 2   3E  X 3   2 E  X 4   E  X 5 

5
  2  3  2  

5
9
 
5
 1.8
Bias E (T4 )    1.8    0.8 sehingga T4 adalah penaksir bias (biased estimator) bagi µ.
 Langkah kedua mencari penaksir tak bias (T1 dan T3) yang memiliki varians minimum.
Takkan pernah berhenti untuk belajar, karena, ilmu takkan pernah habis untuk kita cari.
18
Ingat sifat dari varians :
1. Jika a adalah sebuah konstanta dan X adalah variabel acak maka

2. Jika a1 , a2 , … , an adalah konstanta-konstanta yang bersesuaian dengan variabel acak
X1 , X2 , … , Xn maka
 X  X2  X3  X4  X5 
V (T1 )  V  1 
 5 
V ( X1 )  V ( X 2 )  V ( X 3 )  V ( X 4 )  V ( X 5 )

52
 2  2  2  2  2

25
1
 2
5
 0.2 2
 0.5 X 1  X 2  2 X 3  X 4  0.5 X 5 
V (T3 )  V  
 5 
0.5 V ( X 1 )  V ( X 2 )  2 V ( X 3 )  V ( X 4 )  0.52V ( X 5 )
2 2

52
0.25 2   2  4 2   2  0.25 2

25
6.5 2
 
25
 0.26 2
V (T1 )  0.2 2  V (T3 )  0.26 2 sehingga T1 adalah penaksir tak bias bagi µ yang paling efisien.
Soal Estimasi Rataan Sampel Besar [HDG]

Seorang manajer sebuah perusahaan tertarik meneliti umur dari lampu tipe tertentu. Sampel
sebanyak 50 buah lampu tipe tertentu tersebut diambil dari suatu populasi yang berdistribusi normal.
Jika berdasarkan pengalaman diketahui bahwa simpangan baku umur lampu 22.3 jam dan rataaan
umur lampu dari sampel 856.7 jam. Tentukan :
a. Taksiran interval kepercayaan 95% bagi rataan umur lampu tipe tertentu tersebut !
Kesuksesan yg paling besar dalam hidup adalah, bisa bangkit kembali dari kegagalan.
19
b. Jika menginginkan margin of error rataan umur lampu kurang dari 5 jam, berapa ukuran sampel
minimalnya ?
Solusi :
Diketahui :   22.3 jam ; x  856.7 jam ; n  50
a. Interval kepercayaan (1 )100% untuk µ adalah :
̅ ̅
√ √
Interval kepercayaan 95% maka sehingga :
̅ ̅
√ √
7 19 ( ) 7 19 ( )
√ √
7 1 7 1
Tingkat kepercayaan 95%
850.52 µ 862.88 𝑋̅
Jadi dengan kepercayaan 95% kita yakin bahwa untuk rataan umur lampu tipe tertentu tersebut
adalah 850.52 jam sampai dengan 862.88 jam.
b. Ukuran sampel minimal (n) jika margin of error yg ditentukan sebesar 5 jam (E≤5)
Saat kau gagal, sesungguhnya kau tidak gagal sepenuhnya. Saat itu kau telah sukses belajar
sesuatu untuk berhasil
20
z  
2
n    /2 
 E 
2
 (1.96)(22.3) 
 
 5 
 76.41
 77
Jadi, agar margin of error yang diinginkan kurang dari 5 jam haruslah mengambil sampel berukuran 77
buah lampu.
Soal Estimasi Rataan Sampel Kecil dan Varians Populasi tidak diketahui [HDG]
Sebuah perusahaan mobil mengeluarkan tipe mobil baru. Untuk keperluan penelitian mengenai
rataan jarak tempuh per satuan konsumsi bahan bakar dilakukan pengambilan sampel sebanyak 15
mobil. Jika dari sampel diperoleh rataan jarak tempuh per satuan bahan bakar adalah 21.2 (km/liter)
dan simpangan baku 1.4 (km/liter). Tentukan taksiran interval 90% untuk rataan jarak tempuh per
satuan bahan bakar !
Solusi :
Diketahui : s  1.4 km/liter ; x  21.2 km/liter ; n  15 mobil ; db  15 -1  14
Karena ukuran sampel 15 kurang dari 30 (sampel kecil) dan simpangan baku populasi tidak diketahui
sehingga interval kepercayaan (1 )100% untuk µ adalah :
̅ ̅
√ √
Interval kepercayaan 90% maka 1 dan db = 14 sehingga : t0.05;14 = 1.76
̅ ̅
√ √
1 1
1 17 ( ) 1 17 ( )
√1 √1
1 1
1
Dua hal yg merangsang ide agar kita belajar adalah: kegagalan untuk meraih kesuksesan, dan
kesedihan untuk meraih kebahagian.
21
20.56 µ 21.84 𝑋̅
Jadi dengan kepercayaan 90% kita yakin bahwa rataan jarak tempuh per satuan bahan bakar adalah
20.56 km/liter sampai dengan 21.84 km/liter.
Soal Estimasi Selisih Rataan Sampel Besar [HDG]

Sebuah perusahaan otomotif sedang mempertimbangkan 2 tipe baterai untuk mobil rakitannya.
Sampel sebanyak 35 baterai tipe A dan 40 baterai tipe B diambil untuk diketahui skor performasi
terhadap mobil rakitan. Berdasarkan pengalaman diketahui bahwa simpangan baku skor performansi
baterai tipe A dan tipe B adalah 2.57 dan 2.74. Jika berdasarkan sampel baterai tipe A dan tipe B
diperoleh rataan skor performansi sebesar 32.91 dan 30.47. Tentukan taksiran interval kepercayaan
90% untuk selisih rataan skor performansi baterai tipe A dan baterai tipe B (Anggap skor performansi
kedua tipe baterai berdistribusi normal) !
Solusi :
Misal indeks 1 menyatakan tipe baterai A dan indeks 2 menyatakan tipe baterai B
Diketahui :
̅ 91 ; ̅ 7 ; ; : 7 ; 7
Interval kepercayaan (1 )100% untuk ( ) adalah :
( ̅ ̅ ) √ ( ) ( ̅ ̅ ) √
Kita layak mendapatkan kesuksesan sejati jika kita tidak pernah berhenti untuk terus belajar
salama hidup di dunia.
22
Interval kepercayaan 90% maka 1 sehingga :
( ̅ ̅ ) √ ( ) ( ̅ ̅ ) √
7 7 7 7
( 91 7) 1 √ ( ) ( 91 7) 1 √
7 7 7 7
1 √ ( ) 1 √
1 ( 1 ) ( ) 1 ( 1 )
1 ( )
1.43 µ1 - µ2 3.45 (𝑋̅ 𝑋̅ )
Jadi dengan kepercayaan 90% kita yakin bahwa selisih rataan skor performansi baterai tipe A dan tipe
B adalah dari 1.43 sampai dengan 3.45.
Kesuksesan seseorang berbanding lurus dengan kemauannya untuk belajar, bangkit, dan
mencoba.
23
Soal Estimasi Selisih Rataan Sampel Kecil, Varians tidak diketahui tetapi homogen [HDG]
Dua merk cat sedang dipertimbangkan untuk digunakan. Lima belas specimen dari setiap merk cat
dipilih secara acak untuk diukur waktu kering dalam satuan jam.
Cat A Cat B
3.5 2.7 3.9 4.2 3.6 4.7 3.9 4.5 5.5 4
2.7 3.3 5.2 4.2 2.9 5.3 4.3 6 5.2 3.7
4.4 5.2 4 4.1 3.4 5.5 6.2 5.1 5.4 4.8
Jika diasumsikan waktu kering kedua cat berdistribusi normal dengan varians homogen. Tentukan
taksiran interval 95% untuk selisih rataan waktu kering kedua cat !
Solusi :
Misal indeks 1 menyatakan cat A dan indeks 2 menyatakan cat B
Persoalan ini masuk kedalam selisih rataan sampel kecil (n<30) dan varians/simpangan baku populasi
tidak diketahui tetapi homogen sehingga digunakan distribusi t-student untuk varians homogen.
Terlebih dahulu mencari rataan dan simpangan baku dari kedua sampel sebagai berikut :
Cat A
Rataan sampel :
n
x 1i
x1  i 1
n
3.5  2.7  ...  3.4

15
=3.82
Untuk apa meratapi kegagalan, iri pada kesuksesan orang lain, lebih baik belajar dari kegagalan
dan kesuksesan orang lain.
24
No. ( ̅) ( ̅)
1 3.5 (3.5-3.82) 0.102
2 2.7 (2.7-3.82) 1.254
3 3.9 (3.9-3.82) 0.006
4 4.2 (4.2-3.82) 0.144
5 3.6 (3.6-3.82) 0.048
6 2.7 (2.7-3.82) 1.254
7 3.3 (3.3-3.82) 0.27
8 5.2 (5.2-3.82) 1.904
9 4.2 (4.2-3.82) 0.144
10 2.9 (2.9-3.82) 0.846
11 4.4 (4.4-3.82) 0.336
12 5.2 (5.2-3.82) 1.904
13 4 (4-3.82) 0.032
14 4.1 (4.1-3.82) 0.078
15 3.4 (3.4-3.82) 0.176
∑ 0.607
 x  x1 
2
1i
s12  i 1
n 1
15
 x  3.82 
2
1i
i 1
=
15  1
8.504
=
14
 0.607
s1  0.607
 0.78
Semua manusia mempunyai potensi yang sama untuk sukses. Yang membedakan adalah seberapa
efektif kita belajar untuk sukses.
25
Cat B
Rataan sampel :
n
x 2i
x2  i 1
n
4.7  3.9  ...  4.8

15
=4.94
No. ( ̅) ( ̅)
1 4.7 (4.7-4.94) 0.058
2 3.9 (3.9-4.94) 1.082
3 4.5 (4.5-4.94) 0.194
4 5.5 (5.5-4.94) 0.314
5 4 (4-4.94) 0.884
6 5.3 (5.3-4.94) 0.13
7 4.3 (4.3-4.94) 0.41
8 6 (6-4.94) 1.124
9 5.2 (5.2-4.94) 0.068
10 3.7 (3.7-4.94) 1.538
11 5.5 (5.5-4.94) 0.314
12 6.2 (6.2-4.94) 1.588
13 5.1 (5.1-4.94) 0.026
14 5.4 (5.4-4.94) 0.212
15 4.8 (4.8-4.94) 0.02
∑ 7.956
 x  x2 
2
2i
s22  i 1
n 1
15
 x  4.94 
2
2i
i 1
=
15  1
7.956
=
14
 0.568
Masa muda itu untuk belajar dan bekerja dengan baik, agar kita bisa bersenang-senang di masa
tua yang sehat dan mampu
26
s2  0.568
 0.75
Interval kepercayaan (1 )100% untuk ( ) untuk kasus sampel kecil, varians populasi tidak
diketahui tetapi homogen adalah :
1 1 1 1
( ̅ ̅ ) √ ( ) ( ̅ ̅ ) √
dimana :
db  n1  n2  2
sp 
 n1  1 s12   n2  1 s22
db
db  15  15  2  28
sp 
15  1 0.607  15  1 0.568
28
= 0.767
t0.025;28 = 2.05
1 1 1 1
( ̅ ̅ ) √ ( ) ( ̅ ̅ ) √
1 1 1 1
( 9 ) √ ( ) ( 9 ) √
1 1 1 1
11 ( )( 7 7)√ ( ) 11 ( )( 7 7)√
1 1 1 1
( ) 1 9
Jangan pernah meremehkan kemampuanmu. Jika kamu menyadari betapa kuatnya pikiranmu,
kamu tak akan pernah berpikir tuk menyerah.
27
0.55 µ2 - µ1 1.69 (𝑋̅ 𝑋̅ )
Jadi dengan kepercayaan 95% kita yakin bahwa selisih rataan waktu kering cat A dan cat B adalah
antara 0.55 jam sampai 1.69 jam.
Soal Estimasi Proporsi [HDG]

Sebuah perusahaan manufaktur MP3 player melakukan pengujian terhadap fungsi elektrikal dari
produk. Seluruh produk MP3 player harus lulus uji sebelum dijual. Jika sebuah sampel acak berukuran
500 MP3 player ternyata ada sebanyak 15 MP3 player yang tidak lulus uji. Tentukan :
a. Taksiran 95% interval kepercayaan untuk proporsi MP3 player yang layak jual !
b. Jika menginginkan margin of error taksiran proporsi MP3 player yang layak jual kurang dari 1%,
berapa ukuran sampel minimal yg seharusnya ?
Solusi :
15 MP3 player tidak lulus uji maka 485 MP3 player lulus uji/layak jual.
Proporsi MP3 player layak jual berdasarkan sampel adalah ̂ ( ⁄ ) 97
Motivasi dan kegigihan menuntut ilmu yang membuat impian besar itu tercapai.
28
a. Interval kepercayaan (1 )100% untuk p adalah :
̂ (1 ̂) ̂ (1 ̂)
̂ √ ̂ √
̂ (1 ̂) ̂ (1 ̂)
̂ √ ̂ √
̂ (1 ̂) ̂ (1 ̂)
̂ 19 √ ̂ 19 √
97(1 97) 97(1 97)

97 19 √ 97 19 √
97(1 97) 97(1 97)

97 19 √ 97 19 √
97 (1 9 )( ) 97 (1 9 )( )
9 9
0.955 p 0.985 𝑝̂
Jadi dengan kepercayaan 90% kita yakin bahwa proporsi MP3 player yang layak jual antara 0.955
sampai dengan 0.985.
Air selalu mengalir ketempat yang lebih rendah. Ilmu selalu mengalir kepada siswa yang rendah
hati
29
b. Menentukan ukuran sampel minimal (n) jika margin of error yang diinginkan kurang dari 1%
(E<0.01)
2
z 
n    /2  p (1  p )
 E 
2
1.96 
 0.97(1  0.97)
 0.01 
 1117.9
 1118
Jadi sampel minimal yang harus diambil agar margin of error proporsi MP3 player yang layak jual
kurang dari 1% adalah 1118 MP3 player.
Soal Estimasi Selisih Proporsi [HDG]

Suatu survei dilakukan untuk mengetahui proporsi perempuan yang bekerja sebagai insinyur. Dari dua
kelompok keilmuan teknik elektro dan teknik mesin diambil sampel secara acak masing-masing 250
orang dan 175 orang, dimana dari 250 orang alumnus teknik elektro ada sebanyak 80 perempuan dan
dari 175 orang alumnus teknik mesin ada sebanyak 40 perempuan. Tentukan taksiran interval
kepercayaan 95% untuk selisih proporsi perempuan yang bekerja sebagai insinyur pada dua kelompok
keilmuan teknik elektro dan teknik mesin !
Solusi :
Diketahui :
x1  80 (banyaknya insinyur perempuan dari teknik elektro)
n1  250 (banyaknya insinyur teknik elektro yang disurvei)
x2  40 (banyaknya insinyur perempuan dari teknik mesin)
n2  175 (banyaknya insinyur teknik mesin yang disurvei)
p1   80 250  =0.32 (proporsi sampel insinyur perempuan dari teknik elektro )
p2   40 175  =0.23 (proporsi sampel insinyur perempuan dari teknik mesin )
p1  p2  0.32  0.23  0.09
Interval kepercayaan (1 )100% untuk adalah :

̂ (1 ̂ ) ̂ (1 ̂ ) ̂ (1 ̂ ) ̂ (1 ̂ )
( ̂ ̂ ) √ ( ) ( ̂ ̂ ) √
Sukses itu bukan hanya nilai yang tinggi namun sukses adalah jika hati kita tenang, tentram
dan puas dengan apa yang kita dapatkan.
30

̂ (1 ̂ ) ̂ (1 ̂ ) ̂ (1 ̂ ) ̂ (1 ̂ )
( ̂ ̂ ) √ ( ̂ ̂ ) √
( ) ( 77) ( ) ( 77)
9 19 √ 9 19 √
17 17
9 19 ( ) 9 19 ( )
17
0.005 p1 – p2 0.175 𝑝̂ -𝑝̂
Jadi dengan kepercayaan 95% kita yakin bahwa selisih proporsi perempuan yang bekerja sebagai
insinyur teknik elektro dan teknik mesin adalah 0.005 sampai dengan 0.175
“Pengalaman adalah sebuah nama untuk kesalahan yang kita lakukan”

(Oscar Wilde)
31
32
Formulasi Distribusi Sampling :
Parameter Statistik CLT atau t-student Digunakan ketika

Sampel
Rataan (µ) ̅ ̅ X normal atau n≥30; σ diketahui
⁄√
Rataan (µ) ̅ ̅ n≤30 dan atau σ tidak diketahui
⁄√
Proporsi (p) ̂ ̂ ̂ , (1 ̂ ) ≥10
atau ( ⁄ )
√ (1 )
Selisih rataan ( ̅ ̅ ) ( ̅ ̅ ) ( ) Kedua variabel normal atau n1 ,

( ) n2 ≥30
√ σ1 dan σ2 diketahui
Selisih rataan ( ̅ ̅ ) ( ̅ ̅ ) ( ) n1 , n2 <30 dan atau σ1 dan σ2

( ) 1 1 tidak diketahui, tetapi σ1 = σ2
√
Selisih proporsi ( ̂ ̂ ) ( ̂ ̂ ) ( ) ̂ , (1 ̂ ) ≥10 atau
( ) (1 ) (1 ) ( ⁄ ) untuk setiap
√ kelompok.
33
Formulasi Taksiran Interval Kepercayaan untuk Parameter :
Statistik ± Margin of Error
Parameter Statistik Margin of error Digunakan ketika

Sampel
Rataan (µ) ̅ X normal atau n≥30; σ diketahui
√
Rataan (µ) ̅ n≤30 dan atau σ tidak diketahui
√
Proporsi (p) ̂ ̂ , (1 ̂ ) ≥10
̂ (1 ̂)
√ atau ( ⁄ )
Selisih rataan ( ̅ ̅ ) Kedua variabel normal atau n1 ,

( ) √ n2 ≥30
σ1 dan σ2 diketahui
Selisih rataan ( ̅ ̅ ) n1 , n2 <30 dan atau σ1 dan σ2
1 1
( ) ( )
√ tidak diketahui, tetapi σ1 = σ2
Selisih proporsi ( ̂ ̂ ) ̂ , (1 ̂ ) ≥10 atau

̂ (1 ̂ ) ̂ (1 ̂ )
( ) √ ( ⁄ ) untuk setiap
kelompok
34
35
36
37
##### SEMOGA LANCAR DALAM MENEMPUH UJIAN #####

Kumpulan Soal Dan Pembahasan Materi D.sampling Dan Estimasi - Revisi

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Kumpulan Soal Dan Pembahasan Materi D.sampling Dan Estimasi - Revisi

Загружено:

Авторское право:

Доступные форматы

KUMPULAN SOAL DAN SOLUSI MANUAL

DISTRIBUSI SAMPLING DAN ESTIMASI

PROGRAM STUDI TEKNIK INDUSTRI

Soal Distribusi Sampling Rataan Sampel Kecil [HDG]

“Belajar yang utama. Bermain adalah setelahnya”

Berdasarkan tabel distribusi t-student untuk α = 0.025 dan db = 12 – 1 = 11 maka

“Jika kamu bisa membayangkannya, kamu bisa mencapainya”

Soal Distribusi Sampling Rataan Sampel Kecil [HDG]

Jangan hanya menunggu. Tidak pernah ada “waktu yang tepat.”

Soal Distribusi Sampling Rataan Sampel Besar [HDG]

“Kecerdasan tanpa kemauan seperti burung tanpa sayap”

Soal Distribusi Sampling Selisih Rataan Sampel Besar [HDG]

Cara terbaik melihat masa depan ialah dengan menciptakannya"

Belajarlah untuk mempersiapkan diri menghadap ujian hidup

Soal Distribusi Sampling Proporsi [HDG]

(proporsi populasi anggota masyarakat yang tergolong kedalam golongan A)

probabilitas normal umum ditransformasi kedalam normal baku/standard.

P  X  25  P  X  (25  0.5)   P  X  24.5 

Transformasi normal umum ke normal baku :

Soal Distribusi Sampling Selisih Proporsi [HDG]

 0.10  0.05   0.02  0.05 

Soal Sifat Estimator [HDG]

 Langkah pertama mencari penaksir tak bias (unbiased estimator) bagi µ

Ingat sifat dari varians :

1. Jika a adalah sebuah konstanta dan X adalah variabel acak maka

Soal Estimasi Rataan Sampel Besar [HDG]

Interval kepercayaan 95% maka sehingga :

Tingkat kepercayaan 95%

Interval kepercayaan 90% maka 1 dan db = 14 sehingga : t0.05;14 = 1.76

Tingkat kepercayaan 90%

Soal Estimasi Selisih Rataan Sampel Besar [HDG]

Interval kepercayaan 90% maka 1 sehingga :

Tingkat kepercayaan 90%

1.43 µ1 - µ2 3.45 (𝑋̅ 𝑋̅ )

Tingkat kepercayaan 95%

0.55 µ2 - µ1 1.69 (𝑋̅ 𝑋̅ )

Soal Estimasi Proporsi [HDG]

a. Interval kepercayaan (1 )100% untuk p adalah :

Interval kepercayaan 95% maka sehingga :

97(1 97) 97(1 97)

97(1 97) 97(1 97)

Tingkat kepercayaan 95%

Soal Estimasi Selisih Proporsi [HDG]

Interval kepercayaan (1 )100% untuk adalah :

Interval kepercayaan 95% maka sehingga :

0.005 p1 – p2 0.175 𝑝̂ -𝑝̂

“Pengalaman adalah sebuah nama untuk kesalahan yang kita lakukan”

Formulasi Distribusi Sampling :

Parameter Statistik CLT atau t-student Digunakan ketika

Selisih rataan ( ̅ ̅ ) ( ̅ ̅ ) ( ) Kedua variabel normal atau n1 ,

Selisih rataan ( ̅ ̅ ) ( ̅ ̅ ) ( ) n1 , n2 <30 dan atau σ1 dan σ2

Formulasi Taksiran Interval Kepercayaan untuk Parameter :

Statistik ± Margin of Error

Parameter Statistik Margin of error Digunakan ketika

Selisih rataan ( ̅ ̅ ) Kedua variabel normal atau n1 ,

Selisih proporsi ( ̂ ̂ ) ̂ , (1 ̂ ) ≥10 atau

##### SEMOGA LANCAR DALAM MENEMPUH UJIAN #####

Вам также может понравиться