Penerapan Distribusi T-Student Untuk Penaksiran Interval Pada Data Sampel Kecil Menggunakan Python
DOI:
https://doi.org/10.69533/atc8bx33Keywords:
Distribusi t-Student, Interval Kepercayaan, Data Sampel Kecil, Python, Analisis StatistikAbstract
Penelitian ini dilatarbelakangi oleh tantangan signifikan dalam analisis statistik menggunakan data sampel kecil, di mana estimasi parameter populasi sering kali kurang akurat. Ukuran sampel yang terbatas dan ketidakpastian varians populasi menyulitkan peneliti dalam pengolahan data statistik. Oleh karena itu, penelitian ini bertujuan menerapkan distribusi t-Student sebagai solusi alternatif untuk mengestimasi interval kepercayaan pada data dengan ukuran sampel kecil. Metode penelitian menggunakan pendekatan kuantitatif deskriptif dengan menganalisis data rata-rata lama sekolah tahun 2022 dari Badan Pusat Statistik (BPS). Penelitian menerapkan simulasi data statistik menggunakan bahasa pemrograman Python, dengan memanfaatkan pustaka numpy, pandas, dan scipy untuk menghitung statistik deskriptif dan inferensial. Perhitungan interval kepercayaan dilakukan dengan distribusi t-Student pada tingkat kepercayaan 95%. Hasil penelitian menunjukkan bahwa rata-rata lama sekolah berada pada kisaran 8 tahun, dengan interval kepercayaan 95% pada rentang [8,4; 8,7] tahun. Analisis statistik deskriptif mengungkapkan ukuran sampel sebesar 549, rata-rata 8,57, dan deviasi standar 1,59. Visualisasi histogram memperlihatkan sebaran data dengan mayoritas daerah memiliki rata-rata lama sekolah antara 7-9 tahun. Kesimpulan penelitian menunjukkan bahwa distribusi t-Student efektif digunakan untuk menghitung interval kepercayaan pada data sampel kecil. Penggunaan Python membuktikan efisiensi dalam menganalisis data, mendukung proses penelitian yang transparan dan dapat direproduksi. Penelitian ini memberikan kontribusi penting dalam metode analisis statistik pendidikan dan membuka peluang untuk eksplorasi lebih lanjut dalam pengambilan kebijakan berbasis data.
Downloads
References
N. Harahap and U. Sumatera Utara, “IJM: Indonesian Journal of Multidisciplinary Penaksiran Parameter Generalized Linear Mixed Model Menggunakan Maximum Likelihood,” IJM Indones. J. Multidiscip., vol. 1, pp. 2289–2296, 2023, [Online]. Available: https://journal.csspublishing/index.php/ijm
M. A. Suleman and Z. Idayanti, “Analisis Faktor-Faktor Yang Mempengaruhi Keberhasilan Pembelajaran Berbasis Teknologi,” J. Basicedu, vol. 7, no. 6, pp. 3559–3570, 2023, doi: 10.31004/basicedu.v7i6.6368.
A. Habibi, “Kajian Simulasi Distribusi Sampling, Teorema Limit Pusat dan Estimasi Parameter,” J. Bayesian J. Ilm. Stat. dan Ekon., vol. 3, no. 1, pp. 1–27, 2023.
M. Rodríguez, Velastequí, “No 主観的健康感を中心とした在宅高齢者における 健康関連指標に関する共分散構造分析Title,” vol. 3, no. 2, pp. 1–23, 2019.
I. Igushkin, “Student ’ s t-table modification for the linear correlation coefficients estimation in the small samples cases”.
R. Amelia, B. P. Statistik, and J. Tengah, “Strategi Menjaga Ketahanan Industri Furnitur Jawa Tengah di Era Digitalisasi,” pp. 81–90, 2022.
M. F. Hakim, “Kajian Debit Air Pada Penambangan Bahan Galian C Di Desa Candimulyo Dan Pagerejo Kertek Wonosobo,” Device, vol. 14, no. 1, pp. 75–79, 2024, doi: 10.32699/device.v14i1.6973.
A. M. Priyatno, F. I. Firmanda, R. J. Farhas, F. Amalia, and W. F. R. Sudirman, “Pelatihan Data Science menggunakan Bahasa Pemrograman Python di PT Ilmu Data Indonesia,” Dedik. J. Pengabdi. Pendidik. dan Teknol. Masy., vol. 1, no. 1, pp. 31–36, 2023, doi: 10.31004/dedikasi.v1i1.12.
B. Siregar, C. Della Evania, and Yosia, “Data Analysis Training Using Python at JNE,” J. Pengabdi. Masy. Bestari, vol. 2, no. 2, pp. 161–170, 2023, doi: 10.55927/jpmb.v2i2.3056.
N. M. Wicaksono, R. H. Dananjaya, and N. S. Surjandari, “Analisis Stabilitas Lereng Berdasarkan Konsep Interval Kepercayaan Di Bukit Ganoman Kecamatan Matesih Kabupaten Karanganyar,” Matriks Tek. Sipil, vol. 5, no. 1, pp. 103–109, 2017, [Online]. Available: https://jurnal.uns.ac.id/matriks/article/view/36944
A. Azis, “Analisis Kemampuan Dasar Statistik Mahasiswa pada Awal Mata Kuliah Statistik Matematika,” J. Akad. Pendidik. Mat., vol. 6, pp. 67–74, 2020, doi: 10.55340/japm.v6i1.200.
H. Li, H. Zhang, L. Zhu, N. Li, and J. Sun, “Estimation of the additive hazards model with interval-censored data and missing covariates,” Can. J. Stat., vol. 48, no. 3, pp. 499–517, 2020, doi: 10.1002/cjs.11544.
J. Tindaon and E. Muliani, “Pengaruh Lingkungan Tempat Tinggal Terhadap Prestasi Belajar Pkn Siswa Kelas V Di Sd Negeri 101846 Kutalimbaru Tahun Ajaran 2019/2020,” J. Handayani, vol. 11, no. 2, p. 103, 2020, doi: 10.24114/jh.v11i2.22096.
A. S. B. Karno, “Analisis Data Time Series Menggunakan LSTM (Long Short Term Memory) Dan ARIMA (Autoregressive Integrated Moving Average) Dalam Bahasa Python,” Ultim. InfoSys J. Ilmu Sist. Inf., vol. XI, no. 1, pp. 1–7, 2020.
S. Yahya and B. A. Fianto, “Analisis Statistik Deskriptif Terkait Penggunaan Fintech Syariah Di Indonesia,” J. Ekon. Syariah Teor. dan Terap., vol. 7, no. 7, p. 1336, 2020, doi: 10.20473/vol7iss20207pp1336-1349.
M. Sari, H. Rachman, N. Juli Astuti, M. Win Afgani, and R. Abdullah Siroj, “Explanatory Survey dalam Metode Penelitian Deskriptif Kuantitatif,” J. Pendidik. Sains dan Komput., vol. 3, no. 01, pp. 10–16, 2022, doi: 10.47709/jpsk.v3i01.1953.
R.-D. Hilgers, N. Heussen, and S. Stanzel, Statistik, deskriptive, no. 1. 2019. doi: 10.1007/978-3-662-48986-4_2900.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Ryan Delon Pratama, Atong Nazarius, Rifky Mustaqim Handoko, Jadiaman Parhusip
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
