Lind et al. (2018:300) dan Berenson et al. (2020:321)
menjelaskan bahwa estimasi rentang keyakinan atas sebuah proporsi umumnya
menggunakan data kategori atau dalam hal ini adalah data yang diukur dengan skala
nominal. Menurut Lind et al. (2018:300), proporsi
(atau disebut juga sebagai keseimbangan) adalah pecahan, rasio, atau persentasi
yang mengindikasikan bahwa bagian dari sampel atau populasi memiliki sebuah
sifat yang menarik (karakter). Formula untuk menentukan proporsi sampel
disajikan berikut.
r adalah proporsi
sampel, X adalah jumlah item yang mengandung karakter yang ingin dikaji, dan n
adalah jumlah sampel. Berdasarkan proporsi sampel yang diperoleh maka
selanjutnya digunakan formula berikut untuk menentukan rentang keyakinan.
Zα/2 adalah nilai
kritis (lihat bahasan estimasi rentang keyakinan).
Lind et al. (2018:301) dan Berenson et al. (2020:321), jumlah X dan n - X
sebaiknya lebih besar dari 5 (lima).
Contoh 1 (modifikasi kasus dari Berenson et al., 2020:321-322)
Sebuah perusahaan ingin mengetahui kemungkinan jumlah
dokumen penjualan yang mengandung kesalahan administrasi di dalam sebuah
populasi. Pada bidang ilmu akuntansi, adanya kesalahan dalam administrasi
keuangan cenderung mengakibatkan salah saji dalam laporan keuangan. Sampel
dipilih sebanyak 100 dokumen penjualan dimana 10 dokumen mengandung kesalahan
administrasi. Tingkat keyakinan yang digunakan adalah 95%.
= 0.10 ± (1.96)(0.03)
= 0.10 ± 0.0588
Pada tingkat keyakinan 95% dapat disimpulkan bahwa
titik minimum adalah 0.10 – 0.0588 atau 0.0412 sedangkan titik maksimum adalah
0.10 + 0.0588 atau 0.1588. Berdasarkan hasil ini maka estimasi rentang
keyakinan atas proporsi populasi (π) adalah:
0.0412 ≤ π ≤ 0.1588
Rentang ini dapat
diinterpretasikan bahwa 4.12% hingga 15.88% dari proporsi populasi dokumen
penjualan memiliki kesalahan administrasi. Pertanyaan lainnya adalah kesimpulan
apa yang akan diperoleh jika menggunakan tingkat keyakinan 99% dan 90%?= 0.10 ± (1.64)(0.03)
= 0.10 ± 0.0492
Rentang yang diperoleh adalah 0.0508 ≤ π ≤ 0.1492. Pada kasus ini perlu diperhatikan bahwa nilai dari proporsi
sampel adalah sama dengan α = 0.10 atau 10% sehingga hasil analisis pada tingkat
keyakinan 90% cenderung menghasilkan rentang yang tidak valid. Perhatikan
contoh kasus berikut.
Contoh 2 (modifikasi kasus dari Berenson et al., 2020:322)
Seorang manajer operasional ingin mengetahui
kemungkinan jumlah surat kabar yang memiliki kesalahan cetak di dalam sebuah
populasi. Sampel dipilih sebanyak 200 surat kabar dimana 35 dokumen diantaranya
mengandung kesalahan cetak. Tingkat keyakinan yang digunakan adalah 90%.
= 0.175 ± (1.645)(0.0269)
= 0.175 ± 0.0442
Rentang yang diperoleh adalah 0.1308 ≤ π ≤ 0.2192. Pada kasus ini perlu diperhatikan bahwa nilai dari proporsi
sampel adalah lebih besar dari α = 0.10 atau 10% sehingga hasil analisis pada
tingkat keyakinan 90% cenderung menghasilkan rentang yang valid.
Data dari Contoh 1 dan Contoh 2 disajikan pada tabel
berikut.
Keterangan data:
Kode 1 diberikan jika data memiliki karakter yang akan
diuji
Kode 0 diberikan jika data tidak memiliki karakter
yang akan diuji
Referensi
Berenson, M. L., Levine, D. M., Szabat, K. A., &
Stephan, D. F. (2020). Basic Business Statistics: Concepts and Applications, 14th
Edition. Harlow: Pearson Education Limited.
Lind, D. A., Marchal, W. G., & Wathen, S. A. (2018).
Statistical Techniques in Business and Economics, 17th Edition. New
York: McGraw-Hill Education.
.png)
.png)
.png)
.png)
.png)
No comments:
Post a Comment