Kalkulator Interval Kepercayaan

• Perhitungan CI langkah demi langkah: kalkulator kami menunjukkan setiap langkah — standard error, nilai kritis, margin of error, dan batas akhir. Lihat persis bagaimana CI diturunkan memakai rumus distribusi t atau z.
• Dukungan distribusi t & z: kalkulator kami mendukung distribusi t (direkomendasikan untuk sampel kecil atau SD populasi tidak diketahui) dan distribusi z (untuk sampel besar atau σ diketahui). Beralih di antaranya dengan satu klik.
• Kalkulator interval kepercayaan online yang aman: semua perhitungan terjadi lokal di browser — data Anda tidak pernah meninggalkan perangkat. Gunakan kalkulator online kami dengan privasi penuh dan tanpa pengumpulan data.
• Bilah CI visual & tingkat kepercayaan kustom: kalkulator kami menampilkan bilah visual dengan batas CI dan mean. Mendukung 90%, 95%, 99%, 99,9%, dan tingkat kustom apa pun dari 0 hingga 100%.

• Riset akademik & survei: hitung interval kepercayaan untuk hasil survei, data eksperimen, dan temuan riset. Kalkulator kami membantu peneliti melaporkan hasil dengan ketidakpastian statistik yang tepat.
• Uji medis & klinis: hitung interval kepercayaan untuk hasil uji klinis, pengukuran efikasi obat, dan data pasien. Kalkulator kami mendukung distribusi t untuk sampel klinis kecil.
• Bisnis & riset pasar: hitung interval kepercayaan untuk skor kepuasan pelanggan, hasil uji A/B, dan data riset pasar. Gunakan kalkulator kami untuk mengukur ketidakpastian metrik bisnis.
• Kontrol kualitas & manufaktur: hitung interval kepercayaan untuk pengukuran produk, parameter proses, dan metrik kualitas. Kalkulator kami membantu insinyur kualitas menentukan apakah proses berada dalam batas spesifikasi.
• Pendidikan statistik: pelajari dan ajarkan konsep interval kepercayaan dengan kalkulator langkah demi langkah kami. Siswa melihat persis bagaimana standard error, nilai kritis, dan margin of error bergabung menghasilkan batas CI.
• Sains data & analitik: hitung interval kepercayaan untuk metrik performa model, hasil uji A/B, dan estimasi populasi. Kalkulator kami menangani distribusi t dan z untuk segala ukuran sampel.

Interval kepercayaan (CI) adalah rentang nilai yang kemungkinan memuat parameter populasi sebenarnya (seperti mean populasi) dengan tingkat kepercayaan tertentu. Misalnya, interval kepercayaan 95% berarti jika Anda mengulang proses pengambilan sampel 100 kali, sekitar 95 interval yang dihasilkan akan memuat mean populasi sebenarnya. Kalkulator kami menghitung CI untuk mean populasi dari statistik sampel: mean sampel (x̄), simpangan baku (s), dan ukuran sampel (n). Rumusnya: CI = x̄ ± (nilai kritis × SE), dengan SE = s / √n adalah standard error.

1. 1. Masukkan statistik sampel: masukkan mean sampel (x̄), simpangan baku (s), dan ukuran sampel (n). Pilih tingkat kepercayaan Anda (90%, 95%, 99%, 99,9%, atau kustom) dan jenis distribusi. Semua pemrosesan terjadi lokal di browser Anda.
2. 2. Nilai kritis dihitung: kalkulator menemukan nilai kritis dari distribusi yang dipilih. Untuk distribusi t, ia memakai derajat kebebasan df = n − 1. Untuk distribusi z, ia memakai tabel normal standar. Nilai kritis sesuai probabilitas ekor α/2 = (1 − tingkat kepercayaan) / 2.
3. 3. Batas CI ditampilkan: kalkulator menghitung margin of error (ME = nilai kritis × SE) dan batas CI (bawah = x̄ − ME, atas = x̄ + ME). Hasilnya mencakup bilah visual, rincian langkah demi langkah, dan interpretasi bahasa sederhana.

• Gunakan distribusi t ketika: simpangan baku populasi (σ) tidak diketahui dan Anda mengestimasinya dari sampel (memakai s). Ini kasus paling umum dalam praktik. Distribusi t memiliki ekor lebih berat dari normal, menghasilkan CI lebih lebar yang memperhitungkan ketidakpastian tambahan. Gunakan t saat n < 30, atau setiap kali σ tidak diketahui. Kalkulator kami memakai df = n − 1 derajat kebebasan.
• Gunakan distribusi z ketika: σ diketahui persis, atau ketika n besar (n ≥ 30) dan teorema limit pusat memastikan distribusi sampel mendekati normal. Nilai kritis z umum: z* = 1,645 (90%), 1,960 (95%), 2,576 (99%).
• Catatan praktis: untuk n ≥ 30, distribusi t dan z memberi hasil yang sangat mirip. Untuk n < 30, distribusi t memberi interval lebih lebar (lebih konservatif) dan secara statistik lebih tepat. Kalkulator kami memakai distribusi t secara bawaan.
• Interpretasi tingkat kepercayaan: CI 95% BUKAN berarti ada 95% peluang mean sebenarnya berada di interval spesifik ini. Artinya prosedur yang dipakai membangun interval akan menangkap mean sebenarnya 95% dari waktu pada sampel berulang. Mean sebenarnya ada di interval atau tidak — probabilitas merujuk frekuensi jangka panjang metode.

• Ukuran sampel (n): sampel lebih besar menghasilkan CI lebih sempit karena SE = s / √n menurun saat n bertambah. Menggandakan ukuran sampel mengurangi lebar CI dengan faktor √2 ≈ 1,41.
• Simpangan baku (s): variabilitas data yang lebih tinggi menghasilkan CI lebih lebar. Mengurangi noise pengukuran atau mengendalikan kondisi eksperimen mempersempit CI.
• Tingkat kepercayaan: tingkat kepercayaan lebih tinggi memerlukan interval lebih lebar. CI 99% selalu lebih lebar dari CI 95% untuk data yang sama, karena perlu jaring yang lebih luas untuk lebih yakin.