Skip to content Skip to sidebar Skip to footer
Home / Data Science / Statistika

Statistika Inferensial Beserta Contohnya

Penulis - Abdul Muiz Khalimi, S.Kom
Statistika Inferensial

Statistika Inferensial, adalah proses pengambilan keputusan atau kesimpulan dari sampel yang dianalisis menjadi lebih umum untuk populasi.

 Assalamualaikum Wr. Wb
Dari penjelasan mengenai statistika inferensial diatas pasti akan banyak menimbulkan pertanyaan dibenak kalian, oleh karena itu saya akan membagikan sedikit informasi mengenai statistika inferensial untuk memberi pengalaman anda yang beredukasi.

 Sebelum itu terdapat 3 hal mengenai statistika inferensial yaitu, Estimasi Titik, Estimasi interval dan Uji Hipotesis. Apa itu semua ?
  • Estimasi Titik, merupakan nilai tunggal untuk parameter populasi
  • Estimasi Interval, merupakan dugaan nilai parameter populasi dalam bentuk interval
  • Uji Hipotesis, adalah proses menentukan apakah dugaan nilai parameter populasi didukung kuat oleh data sampel atau tidak. Hal ini harus dilakukan karena bertujuan untuk melihat apakah ukuran statistik yang digunakan dapat ditarik menjadi kesimpulan yang lebih luas dalam populasi
Dalam Statistika Inferensial sangat penting mengetahui pola Distribusi data sampel untuk menentukan ukuran statistik. Secara umum Distribusi Data dalam Statistika Inferensial terdapat 6 bagian yaitu. 

1. Distribusi Uniform, merupakan distribusi paling sederhana yang memiliki peluang setiap peubah acak(x) bernilai sama. Distribusi ini biasa digunakan dalam proses stokastik dan banyak berkontribusi dalam engineering. rumusnya sebagai berikut :

Distribusi Uniform

2. Distribusi Binomial, ini biasa dilakukan untuk eksperimen dilakukan sebanyak (n) kali trivial secara independen, dan setiap trivial ada 2 kemungkinan yaitu sukses atau gagal. Jika variabel random X menunjukkan banyaknya sukses dalam (n) trivial yang independen maka dapat dideskripsikan sebagai berikut :

Distribusi Binomial

3. Distribusi Bernouli, merupakan distribusi dengan percobaan hanya satu kali dengan menghasilkan dua kemungkinan yaitu sukses atau gagal. Bisa dikatakn distribusi bernouli ketika distribusi binomial (n) = 1

4. Distribusi Poisson, merupakan distribusi probabilitas diskret yang menyatakan peluang banyaknya sebuah peristiwa terjadi dalam waktu dan daerah tertentu. Distribusi ini biasa digunakan dalam Queueing Theory (Teori Antrian) untuk menganalisis kedatangan pelanggan. 

5. Distribusi Normal ( Distribusi Gauss), merupakan model distribusi kontinyu yang banyak digunakan sebagai asumsi dalam berbagai uji statistik, seperti asumsi untuk error pada analisis regresi. Dan bisa dikatakan distribusi  normal standar apabila mean =1 dan standar deviasai = 0.
Untuk mencari probabilitas Kumulatif dari Distribusi Normal sampai nilai ke x. rumusnya sebagai berikut.
Distribusi Normal

6. Distribusi Chi Sqare, merupakan jenis Uji Komparatif non Parametris yang dilakukan pada dua variabel skala nominal. Jika terdapat satu variabel skala nominal, maka harus diuji pada derajat terendah. Syarat Distribusi ini harus frekuensinya responden atau sampel bernilai besar. Rumusnya sebagai berikut :

Distribusi Chi Sqare


Teorema Limit Pusat (Central Limit Theorem)
Sebelum kita membahas lebih lanjut mengenai Teorema Limit Pusat kita harus pahami dulu mengenai Distribusi Variabel, ini merupakan nilai variabel dalam populasi yang mengikuti distribusi probabilitas yang berbeda.

 Teorema Limit Pusat (Central Limit Theorem), adalah teori yang menyatakan semakin besar ukuran sampel, maka sifat dari distribusi akan semakin mendekati distribusi normal. Dengan kata lain bahwa teori ini menegaskan bahwa Jika ukuran sampel n cukup besar, maka distribusi dari  sampel mean akan mendekati distribusi normal.

Sekian itulah sedikit informasi yang bisa admin sampaikan, semoga bermanfaat dan satu kata "Jangan Lupa Bernafas & Tetap Bersyukur" .