ESTIMASI PARAMETER
Pengantar
Uraian dalam bab ini membahas tentang pengertian estimasi dan bagaimana mempelajari cara melakukan estimasi parameter. Untuk lebih mudah memahami uraian tentang estimasi parameter ini, disarankan pembaca bab 10 tentang distribusi sampling, karena dalam melakukan estimasi parameter diperlukan distribusi statistik dan galat baku statistik sebagai kerangka estimasinya. Dalam kesempatan yang terbatas ini hanya akan diuraikan estimasi parameter dengan bilangan statistik yang sering ditemui, yaitu; rerata, dan proporsi. Setelah mempelajari pokok bahasan ini pembaca diharapkan dapat memperoleh pemahaman tentang : 1. pengertian estimasi 2. penggunaan galat baku statistik sebagai alat estimasi.
115
ESTIMASI PARAMETER
A. Pengertian dan Prosedur Estimasi
Melakukan estimasi berarti menaksir keadaan parameter dengan menggunakan statistik. Dari sebuah populasi dapat diperoleh berbagai macam parameter, demikian juga dari suatu sampel juga dapat dihitung berbagai statistiknya. Oleh karena itu dengan sebuah sampel kita dapat menaksir berbagai macam parameter. Yang perlu diperhatikan adalah bahwa statistik penaksir itu harus sejenis dengan parameternya. Pada umumnya estimasi parameter menempuh langkah-langkah : 1. 2. 3. 4. 5. Menetapkan besaran parameter yang akan diestimasi Memilih kerangka estimasi, yaitu distribusi sampling yang Menentukan taraf kepercayaan Proses perhitungan Membuat kesimpulan berdasarkan proses perhitungan
Pada pokok bahasan ini hanya akan dibahas estimasi rerata dan proporsi.
B. Estimasi Rerata
Distribusi sampling selalu mendekati distribusi normal, oleh karena itu dapat diberlakukan sifat-sifat kurve normal. Dengan asumsi tersebut dengan sebuah rerata yang diperoleh dari satu sampel random, kita dapat menyatakan probabilitas letak rerata statistik itu dalam distribusi sampling rerata, seandainya kita mengadakan penyelidikan pada sampel-sampel yang kita ambil berulangkali dari populasi yang sama. Hal ini juga sama dengan mengadakan estimasi tentang probabilitas letak rerata parametrik (M p ) kalau kita mengadakan penyelidikan serupa dari sampel-sampel yang kita ambil secara terus menerus dari populasi tersebut. Tetapi pada kenyataannya kita tidak pernah mengambil sampel berulang kali. Oleh karena itu harus menyadari bahwa rerata statistik yang diperoleh dari sampel yang diselidiki tidak identik dengan rerata parametriknya (M p )
116
yang tidak pernah kita selidiki. Artinya rerata statistik (M S ) yang kita peroleh mungkin terletak di atas atau di bawah rerata parametriknya (M p ). namun demikian kita tidak perlu risau karena dengan menggunakan galat baku rerata (SD M ) kita dapat melakukan penaksiran terhadap letak rerata parametrik (M p ). Dalam penaksiran ataupun penelitian biasanya digunakan taraf kepercayaan 95% atau 99%. Taraf kepercayaan 95% berarti taraf kesalahan (toleransi kesalahan) 5% dan taraf kepercayaan 99% berarti taraf kesalahannya 1%. Dalam distribusi normal persentase sebesar 95% terletak antara Z = -1,96 dan Z = 1,96, sedang persentase sebesar 99% terletak antara Z = -2,58 dan Z = 2,58.
1,96 2,58
Dengan demikian kita dapat melakukan estimasi dengan taraf keyakinan 95% mengenai rerata parametrik, dengan rumus : . Rumus 9.1
Mp = MS + 1,96 SDM
Mp = MS + 2,58 SDM
MP MS SD M
. Rumus 9.2
= Rerata parameter = Rerata statistik = Galat baku rerata; sebagai ukuran variasi rerata sampel sekitar rerata populasi.
117
Contoh 1 : Dari sampel acak berukuran n = 50, diperoleh rerata (M) = 70 dan simpangan baku (SD) = 7. Berdasarkan data statistik tersebut kita dapat melakukan estimasi rerata parameter (M p ) sebagai berikut : M s = 70 Maka, n = 50 SD = 7
SDM =
SD n 1
7 50 1
=1
Dengan demikian jika digunakan interval kepercayaan 95% : Mp = M s + 1,06 SD M = 70 + 1,96 (1) = 70 + 1,96 Jika digunakan interval kepercayaan 99% Mp = Ms + 2,58 SD M = 70 + 2,58 (1) = 70 + 2,58
Contoh 2 : Jika dari sampel acak berukuran n = 30 diperoleh data seperti tabel 8.3 di depan, berapakah rerata parameternya, jika kita estimasi dengan taraf kepercayaan 95% dan 99%. Dari tabel 10.3, jika dihitung reratanya diperoleh :
MS =
fX
n
747 = 24,9 30
SD M = 0,768
Maka rerata parametriknya dengan t.k. 95% Mp = M S + 1,96 SD M = 24,9 + 1,96 (0,768) = 24,9 + 1,505
118
Jika dengan tk. 99%, maka : Mp = M S + 2,58 SD M = 24,9 + 2,58 (0,768) = 24,9 + 1,981 Jika kita perbandingkan rumus 9.1 dan rumus 9.2, serta hasil perhitungan dari contoh di atas, tampak jelas bahwa estimasi dengan taraf kepercayaan 99% memiliki interval yang lebih panjang daripada taraf kepercayaan 95%. Dengan demikian, berarti bahwa estimasi dengan tingkat kepercayaan semakin tinggi, maka intervalnya semakin luas. Selanjutnya perhatikan pula rumus SDM =
SD n 1
tampak bahwa n
atau ukuran sampel sangat menentukan besarnya SD M . Jika n atau besarnya sampel bertambah besar, maka SD M akan semakin kecil. Jika n bertambah terus, maka SD M akan mendekati nol. Bahkan jika n sama besarnya dengan populasi (Total Sampel), maka SD M -nya = 0. Hal ini disebabkan karena besarnya sampel sama dengan populasi sehingga tidak ada lagi variabilitas yang disebabkan oleh kesalahan sampling.
Perlatihan 9.1. 1. Dari sebuah sampel berukuran n = 50 diperoleh M = 100 dan SD = 12. Jika
dilakukan estimasi dengan taraf kepercayaan 99%, berapakah rerata parametriknya (M P ) ?
3.
Di bawah ini adalah data dari sampel yang diambil secara random.
119
C. Estimasi Proporsi
Untuk melakuan estimasi tentang proporsi parameter, kita dapat menggunakan cara yang sama seperti mengestimasi rerata parameter. Perhatikan rumus 9.3.
P p = P s + z SDp
Keterangan : Pp = Proporsi parameter Ps = Proporsi statistik Z = Koefisien kepercayaan SDp= Simpangan baku proporsi
rumus 9.3.
120
Contoh 1 :
Observasi terhadap 400 random sampel mahasiswa fakultas psikologi di Jakarta, menunjukkan perbandingan pria dan wanita adalah 2 : 8. Berapakah proporsi pria dari mahasiswa psikologi di Jakarta secara keseluruhan ? Jawab : N = 400 P = 0,2 (dari p : w = 2 : 8)
SD P = =
( 0.2)( 0,8)
400
p(1 p ) n
= 0,02
Jika digunakan taraf kepercayaan 95% proporsi mahasiswa laki-laki adalah : Pp = Ps + 1,96 SDp = 0,2 + 1,96 (0,02) = 0,2 + 0,0392 Jadi proporsi mahasiswa laki-laki terletak antara 0,1608 sampai 0,2392 atau antara 16,08% sampai 23,92% Jika digunakan taraf kepercayaan 99% diperoleh : Pp = Ps + 2,58 (SDp) = 0,2 + 2,58 (0,02) = 0,2 + 0,0516 Jadi proporsi mahasiswa laki-laki terletak antara 0,1484 sampai 0,2516 atau antara 14,84% sampai 25,16%.
Contoh 2 : 121
Sebuah iklan yang ditayangkan di TV, menyatakan bahwa 9 dari 10 artis Indonesia menggunakan sabun mandi merk X. Dapatkah kita menerima kebenaran pernyataan iklan tersebut, jika dari observasi terhadap 60 artis, ternyata hanya 40 orang yang menggunakan sabun mandi merk X tersebut. Jawab : n = 60 p=
40 = 0,667 60
SD P =
( 0,667 )( 0,333)
60
= 0,667 + 1,96 (0,0608) = 0,667 + 0,1192 dengan kepercayaan 95% proporsi parameter terletak antara 0,5478 sampai 0,7862. Jadi dengan kepercayaan 95% kita menolak kebenaran pernyataan iklan tersebut, karena proporsi 0,9 berada jauh di atas batas proporsi yang dapat kita terima.
Perlatihan 9.2 :
1. Dari sampel berukuran n = 200 yang diambil secara random, diperoleh data bahwa perbandingan laki dan perempuan mahasiswa fakultas psikologi di Jakarta adalah 3 : 8 sedangkan pada mahasiswa fakultas teknik dengan sampul berukuran n = 150 diperoleh perbandingan 8 : 2 untuk laki-laki dan perempuan. Berapakah proporsi mahasiswa laki-laki pada kedua fakultas tersebut?
122
2.
Sebuah laporan menyatakan bahwa 95% anak usia sekolah diseluruh pelosok tnah air telah tertampung di bangku sekolah. Dapatkah kita menerima kebenaran laporan tersebut, jika ternyata dari berbagai LSM menemukan bahwa dari 10.000 anak di Jawa ada 4,5% yang belum tertampung di SD, sedangkan di luar pulau Jawa dari 12.000 anak ada 14% yang tidak tertampung di SD. Berdasarkan temuan-temuan LSM tersebut dapatkah kita membenarkan laporan tersebut di atas ?
123