Anda di halaman 1dari 26

BAB I

PENDAHULUAN

Metode penaksiran parameter didasarkan pada asumsi bahwa distribusi probabilitas


normal dapat digunakan dengan ketentuan n 30, jika n<30 dengan syarat distribusi populasi
adalah normal dan simpangan populasi diketahui.. Secara umum penaksiran adalah dugaan
atas sesuatu yang akan terjadi dalam kondisi tidak pasti. Semakin tepat penaksiran atau
perkiraan terhadap output yang dihasilkan, maka semakin efektif dan efisien alokasi sumbersumber daya yang dimiliki oleh pengusaha untuk mendukung realisasi output yang dihasilkan
Dalam membuat taksiran (pendugaan) sangat diperlukan konsep probabilitas karena
sangat berguna dalam pembuatan keputusan pada kondisi ketidakpastian. Setiap orang selalu
pernah membuat suatu dugaan, contoh hari ini cuaca mendung, maka dugaan kita bahwa hari
ini akan hujan. Seorang Manajer juga harus melakukan dugaan-dugaan. Seringkali mereka
dituntut untuk membuat dugaan yang rasional dalam kondisi yang penuh ketidakpastian tanpa
informasi yang lengkap. Agar dugaan yang dilakukan dapat menghasilkan suatu dugaan yang
baik, maka mereka harus menguasai konsep pendugaan secara statistik, contoh: manajemen
memutuskan untuk memproduksi barang pada tingkat tertentu berdasarkan kemungkinan
permintaan yang akan terjadi terhadap barang tersebut.
Pertimbangan yang dilakukan dapat berdasarkan pengalaman yang lalu (data
histories), kondisi alam (musim hujan, musim kemarau), pesaing, dan lain sebagainya. Dalam
analisis statistik, penarikan kesimpulan merupakan bagian yang sangat penting. Kesimpulan
yang diambil mengenai sekelompok sampel akan digeneralisasikan terhadap populasinya.
Generalisasi kesimpulan tersebut mengandung risiko bahwa akan terdapat kekeliruan atau
ketidaktepatan.
Dengan statistik kita berusaha untuk menyimpulkan populasi. Untuk ini kelakuan
populasi dipelajari berdasarkan data yang diambil baik secara sampling ataupun sensus.

Dalam kenyataannya, mengingat berbagai faktor, untuk keperluan tersebut diambil sebuah
sampel yang representatif lalu berdasarkan pada hasil analisis terhadap data sampel,
kesimpulan mengenai populasi dibuat. Kelakuan populasi yang akan ditinjau disni hanyalah
mengenai parameter populasi dan sampel yang digunakan adalah sampel acak. Data sampel
dianalisis, nilai-nilai yang perlu, yaitu statistik, dihitung dan dari nilai-nilai statistik ini kita
simpulkan bagaimana parameter bertingkah laku. Cara pengambilan kesimpulan tentang
parameter yang pertama kali akan dipelajari ialah sehubungan dengan cara-cara menaksir
harga parameter. Jadi harga parameter yang sebenarnya tetapi tak diketahui itu akan ditaksir
berdasarkan statistik sampel yang diambil dari populasi yang bersangkutan.

BAB II
PENAKSIRAN PARAMETER
A. PENAKSIR
Secara umum, parameter populasi akan diberi symbol . Jadi bisa merupakan ratarata , simpangan baku , proporsi dan sebagainya. Jika , yang tidak diketahui harganya,
ditaksir oleh harga

, maka

dinamakan penaksir. Jelas bahwa sangat dikehendaki

= ,

yaitu bisa mengatakan harga yang sebenarnya. Tetapi ini merupakan keinginan yang boleh
dibilang ideal sifatnya. Kenyataan yang bisa terjadi adalah
a. Menaksir oleh terlalu tinggi
b. Menaksir oleh

terlalu rendah

Dibawah ini diberikan criteria untuk mendapatkan penaksir yang baik, yaitu : takbias,
mempunyai varians minimum dan konsisten.
Beberapa defenisi:
1) Tidak bias (Unbiasedness),
Artinya statistik sampel yang digunakan sebagai penduga harus sama atau mendekati
parameter populasi penduga. Penaksir
semua harga
(

dikatakan penaksir takbias jika rata-rata

yang mungkin akan sama dengan . Dalam bahasa ekspektasi ditulis

= . Penaksir yang tidak takbias disebut penaksir bias. Misalkan * adalah

estimator yang nilai *-nya adalah estimasi titik dari parameter populasi tak diketahui
.Tentu diinginkan bahwa sebaran cuplikan * akan memiliki mean yang sama
dengan parameter yang diestimasi. Parameter yang seperti ini disebut bersifat tak bias
(Ronald & Raymond 1995). Dengan kata lain penaksir tak bias bagi parameter E
(*) = , jika dikatakan penaksir bias bagi parameter E (*) , jika . Namun
penaksir bias dapat diubah menjadi penaksir takbias jika ruas kanan dikalikan atau
ditambahkan dengan konstanta tertentu.

2) Efisiensi (Efficiency), Artinya statistik sampel memiliki deviasi standar yang kecil.
Penaksir bervarians minimum ialah penaksir dengan varians terkecil di antara semua
penaksir untuk parameter yang sama. Jika
varians untuk

dan

lebih kecil dari varians untuk

dua penaksir untuk dimana


maka

merupakan penaksir

bervarians minimum.
3) Konsistensi (Consistency), Artinya jika ukuran sampel meningkat maka statistik
sampel akan semakin mendekati parameter populasinya . Misalkan

penaksir untuk

yang dihitung berdasarkan sebuah sampel acak berukuran n. Jika ukuran sampel n
makin besar mendekati ukuran populasi menyebabkan

mendekati , maka

disebut

penaksir konsisten
4) Kecukupan (Sufficiency), Artinya suatu taksiran dikatakan memiliki kecukupan jika
taksiran tersebut dapat memberikan informasi yang cukup mengenai sifat
populasinya.Statistik T = T (X1, X2. X3,xn) dikatakan cukup bagi parameter, jika
fungsi kepadatan bersyarat P (x1, x2, x3,xn) T (x1, x2, x3,xn) = t tidak
bergantung pada .
Ada dua jenis taksiran (pendugaan) yang dilakukan terhadap populasi, yaitu:
1. Penaksiran Titik (Point Estimation)
Penaksiran titik mengandung pengertian bahwa suatu parameter (misal ) akan
ditaksir hanya dengan menggunakan satu bilangan saja (misalnya dengan Xrata-rata).
Penaksiran titik sering mengalami kekeliruan, sehingga probabilitas suatu penaksiran titik
tersebut tepat adalah sangat kecil atau mendekati nol. Sehingga penaksiran titik jarang
digunakan. Taksiran titik untuk rata-rata populasi () dan proporsi populasi () menggunakan
rata-rata sample ( Xrata-rata ) dan proporsi sample (p) yang dapat dihitung dengan
menggunakan rumus:

Contoh:
Seorang peneliti ingin mengetahui rata-rata TOEFL mahasiswa Prodi Pendidikan Kimia
Pascasarjana UNIMED yang akan menempuh pendadaran periode bulan Januari. Dengan
menggunakan sample sebanyak 10 orang dan data TOEFL masing-masing mahasiswa sebagai
berikut:
Score TOEFL Mahasiswa

NO
NAMA
TOEFL
1
Tini
375
2
Badu
425
3
Jono
425
4
Ruli
500
5
Meri
475
6
Didi
385
7
Badu
400
8
Tuti
400
9
Susi
350
10
Dedi
385
Berdasarkan data tersebut, maka rata-rata TOEFLnya adalah:
Jawab:
Diketahui : X = 4120, n = 10
maka
=

Jadi dapat disimpulkan rata-rata TOEFL mahasiswa Pendidikan Kimia Pascasarjana


UNIMED yang akan mengambil pendadaran periode bulan Januari 2007 adalah 412.

2. Penaksiran Interval (Interval Estimation)


Penaksiran interval merupakan interval nilai (range) yang nilai parameter populasi
berada di dalamnya.Tujuan membuat penaksiran interval adalah mengurangi kesalahan
penaksiran. Penaksiran interval memiliki batas-batas tertentu sehingga penaksiran akan
berada di antaranya. Batas-batas tersebut adalah batas bawah taksiran (lower limit estimate)
yang merupakan nilai taksiran parameter populasi terendah dan batas atas taksiran (upper
limit estimate) merupakan nilai taksiran parameter populasi tertinggi.. Batas-batas dalam
penaksiran dengan interval harus ditunjang dengan adanya derajat keyakinan/kepastian yang
biasanya dinyatakan dengan prosentase. Derajat keyakinan tersebut disebut dengan
Confidence Coefficient, besarnya derajat keyakinan sama dengan 1 - ( = tingkat kesalahan

duga), misalnya: derajat keyakinan 90% maka = 10%; derajat keyakinan 95% maka = 5%.
Sedangkan batas-batasnya dinamakan Confidence Interval. Penaksiran interval dibedakan
menjadi 2 yaitu:
1. Penaksiran rata-rata untuk data yang bersifat kontinu
2. Penaksiran proporsi untuk data yang bersifat diskrit
Penaksiran dilakukan terhadap angka-angka statistic atau angka-angka yang diperoleh
dari sample. Sampel yang digunakan untuk perhitungan dibedakan antara sample kecil (n<
30) dan sample besar (n>=30), pembedaan sample tersebut digunakan untuk pemilihan tabel
distribusi yang akan digunakan dalam perhitungan. Apabila sample kecil maka digunakan
tabel Distribusi Student t dengan degree of freedom (df) atau derajat kebebasan = n-1.
t1/2 ().n-1 (uji dua sisi) atau t. n-1 (uji satu sisi)
dimana:
= tingkat kesalahan duga
n = jumlah sample (observasi)

Contoh:
Apabila jumlah sample 15 dengan =5% (0,05), uji dua sisi maka:
t1/2 ().n-1 = t1/2 (0,05). 15-1
t0,025. 14 = 2,145 (lihat tabel distribusi student t)
Cara membaca table
Tabel distribusi student t

Apabila sample besar maka digunakan Tabel Distribusi Normal Standart.


Tidak menggunakan degree of freedom (df)
Z1/2 (uji dua sisi) atau Z (uji satu sisi)
dimana:
= tingkat kesalahan duga
Contoh:
Apabila jumlah sample 35 dengan =5% (0,05), uji dua sisi maka:
Z1/2 ()= Z (0,05)
Z0,025 maka (1:2) 0,025= 0,4750
Z0,025 = 1,96 (lihat tabel distribusi Normal Standart)
Penaksiran dengan menggunakan interval dapat dibedakan menjadi dua bagian, yaitu :
a) Penaksiran rata-rata
b) Penaksiranproporsi

B. CARA-CARA MENAKSIR
Jika parameter harganya ditaksir oleh sebuah harga

yang tertentu, maka

dinamakan penaksir, tepatnya titik taksiran. Barangkali titik taksiran akan lebih enak bila
cukup dikatakan penaksir saja.
Titik taksiran untuk sebuah parameter misalnya, harganya akan berlainan
bergantung pada harga

yang didapat dari sampel-sampel yang diambil. Karenanya orang

sering merasa kurang yakin atau kurang percaya atas hasil penaksiran macam ini. Sebagai
gantinya, dipakai dipakai interval taksiran atau selang taksiran, yaitu menaksir harga
parameter di antara batas-batas dua harga. Dalam prakteknya harus dicari interval taksiran

yang sempit dengan derajat kepercayaan yang memuaskan. Derajat kepercayaan menaksir,
disebut koefisien kepercayaan, merupakan pernyataan dalam bentuk peluang.
Jika koefisien kepercayaan dinyatakan dengan , maka 0 < < 1. Harga yang
digunakan bergantung pada persoalan yang dihadapi dan berapa besar si peneliti ingin yakin
dalam mebuat pernyataannya. Yang biasa digunakan ialah 0,95 atau 0,99 , yakni = 0,95
atau = 0,99.
Untuk menentukan interval taksiran parameter dengan koefisien kepercayaan ,
maka sebuah sampel acak diambil, lalu hitung nilai-nilai statistik yang diperlukan.
Perumusan dalam bentuk peluang untuk parameter antara A dan B adalah :
P (A < < B ) =

Dengan A dan B fungsi dari pada statistik, jadi merupakan variabel acak,tetapi tidak
bergantung pada .
Perumusan XI(1) diartikan : peluangnya adalah bahwa interval yang sifatnya acak
yang terbentang dari A ke B dihitung harganya berdasarkan data sampel, maka A dan B
sekarang merupakan bilangan tetap. Dalam hal ini, pernyataan diatas tidak lagi benar tetapi
harus dikatakan sebagai berikut:
Kita merasa 100 % percaya bahwa parameter aka nada di dalam interval (A,B).
Jadi tidaklah dikatakan : peluangnya sama dengan bahwa terletak antara A dan B,
melainkan seseorang hanya yakin 100 % bahwa itu terletak antara A dan B. Perbedaan ini
perlu dipahami, karena

memang terletak atau tidak terletak antara A dan B yang

peluangnya masing-masing 1 atau 0

1. Menaksir Rata-Rata

Misalkan kita mempunyai sebuah populasi berukuran N dengan rata-rata dan


simpangan baku . Dari populasi ini parameter rata-rata akan ditaksir. Untuk keperluan ini,
ambil sebuah sampel acak berukuran n, lalu hitung statistik yang perlu, ialah
taksiran untuk rata-rata ialah

dan s. Titik

. Dengan kata lain, nilai besarnya ditaksir oleh harga

yang didapat dari sampel.


Untuk memperoleh taksiran yang lebih tinggi derajat kepercayaannya, digunakan
interval taksiran atau selang taksiran disertai nilai koefisien kepercayaan yang dikehendaki.
1. Simpangan baku diketahui dan populasinya berdistribusi normal.
Untuk ini rumus (2) menjadi

Dengan

= koefisien kepercayaan dan

baku untuk peluang

memperoleh 100

= bilangan Z didapat dari tabel normal

. Rumus dapat dinyatakan dalam bentuk lain, ialah untuk

% interval kepercayaan parameter dapat digunakan rumus :

2. Simpangan baku tidak diketahui dan populasi berdistribusi normal.


Dalam kenyataannya, parameter jarang sekali diketahui bahkan tidak diketahui,
kecuali barangkali dari pengalaman. Karena itu rumus (2) harus diganti oleh :

Dengan

= koefisien kepercayaan dan

student dengan p =

= nilai t didapat dari daftar distribusi

dan dk = (n-1) untuk interval kepercayaannya,rumus (3)

diganti oleh

Bilangan bilangan yang didapat dari

dan

masing-

masing dinamakan batas bawah dan batas atas kepercayaan. Jika ukuran sampel n relatif
besar dibandingkan dengan ukuran populasi N, yakni (

, maka rumus (3)

menjadi :

Dan rumus (5) menjadi :

Khusus dalam hal interval kepercayaan 50% yang memberikan

maka

rumus (3) dimuka menjadi

Ini berarti peluangnya setengah-setengah bawa interval acak

akan mengandung rata-rata . Bilangan

dinamakan kekeliruan peluang untuk

rata-rata.
1. Penaksiran rata-rata untuk parameter yang rata-rata dan standar
deviasinya diketahui dengan populasi tidak terbatas
a. Sampel kecil (n < 30)

Penaksiran rata-rata dengan sampel kecil menggunakan tabel distribusi


student t, dengan derajat kebebasan (degree of freedom/d.f) adalah n1
= t1 2 .n1

di mana:
= rata-rata parameter yang ditaksir
X = rata-rata statistik
SD = standar deviasi statistik
n = jumlah sampel yang digunakan
t1/2 .n-1 = batas keyakinan yang digunakan
Contoh:
Sebuah LSM ingin mengetahui rata-rata penghasilan pengamen yang ada di Yogyakarta.
Untuk penelitian tersebut diambil sampel 29 pengamen, dan diperoleh data bahwa rata-rata
penghasilan pengamen per hari adalah Rp. 19.500,- dengan standar deviasi Rp. 4.200,-.
Dengan menggunakan interval keyakinan 95%, tentukan penaksiran rata-rata penghasilan
pengamen di Yogyakarta tersebut?
Diketahui:
n = 29
X = 19.500
SD = 4.200
= 5% (0,05)
t1/2 . n-1 = t1/2 (0,05). 29-1 = t0,025. 28 = 2,048
Jawab:
= t1 2 .n1
= 19.500 2,048

= 19 .500 2 ,048 (779 ,92 )


=19.5001.559,84
=19.5001.560 (dibulatkan)
=19.500+1.560 = 21.060
=19.5001.560 =17.940
Atas dasar perhitungan tersebut dapat disimpulkan bahwa rata-rata penghasilan pengamen
yang ada di Yogyakarta paling besar adalah Rp Rp21.060 dan yang paling kecil adalah Rp
17.940.

b. Sampel besar (n 30)


Pada penaksiran rata-rata dengan sampel besar akan digunakan tabel Z (tabel kurva normal
standar) dengan rumus:
= 1 2

dimana :
= rata-rata parameter yang ditaksir
X = rata-rata statistik
SD = standar deviasi statistik
n = jumlah sampel yang digunakan
Z1/2 .n-1 = batas keyakinan yang digunakan
Contoh:
Seseorang melakukan pengamatan mengenai lama usia bola lampu OHP. Berdasarkan
pengamatan pada 64 buah bola lampu OHP dan ternyata mempunyai rata-rata masa pakai 50
jam dengan SD selama 4 jam. Dengan menggunakan = 5%, tentukan rata-rata usia pakai
yang sebenarnya dari bola lampu OHP tersebut menggunakan penaksiran rata-rata interval.

Jawab:
Diketahui:
n = 64
X = 50 jam
SD = 4 jam
= 5% (0,05)
Z1/2 (0,05).= t0,025= 1,96
Maka
= 1 2

= = 50 1,96

= 50 1,96 (0 ,5 )
= 50 0,98
Dapat disimpulkan rata-rata usia pakai bola lampu OHP paling lama 50,98 jam (50+0,98) dan
paling cepat 49,02 jam (50-0,98).

2. Penaksiran rata-rata untuk parameter yang rata-rata dan standar


deviasinya diketahui dengan populasi terbatas.
a. Sampel kecil (n < 30)

= t1/2. n -1

Contoh:

Suatu perusahaan alat elektronik ingin meneliti waktu yang diperlukan karyawannya dalam
memasang komponen X. Untuk itu diambil sampel 10 karyawan dan diperoleh data waktu
rata-rata 55 menit dengan varian 100 menit. Bila jumlah karyawan seluruhnya adalah 100
orang, hitunglah berapa rata-rata waktu pemasangan untuk seluruh karyawan
tersebut, gunakan = 5%.
b. Untuk sampel besar (n 30)

= 1/2

= rata-rata parameter
X = rata-rata statistik
t1/2 .n-1 = batas keyakinan yang digunakan
Z1/2 = batas keyakinan yang digunakan
N = jumlah populasi
n = jumlah sampel
SD = standar deviasi statistik.
Secara singkat dapat dilihat pada table berikut ini :

2. Menaksir Proporsi

Perhatikanlah populasi binom berukuran N dimana terdapat proporsi untuk pariasi A


yang ada didalam populasi itu. Sebuah sampel acak berukuran n diambil dari populasi itu.
Misalkan terdapat x peristiwa A, sehingga proporsi sampel untuk peristiwa A =
titik taksiran untuk adalah

. Jika 100

. Jadi

% interval kepercayaan untuk penaksiran

dikehendaki, maka kedua persamaan berikut harus diselesaikan :

Jawaban atau harga yang didapat dari rumus (8) merupakan batas bawah interval
kepercayaan sedangkan jawaban dari rumus (9) menjadi batas atasnya.
Rumus rumus diatas sangat panjang dan tidak praktis. Karenanya sering digunakan
Pendekatan binom untuk ukuran n sampel cukup besar. Rumus 100

% yakni untuk interval

kepercayaan , dalam hal ini berbentuk

Dengan

dan q = 1-P sedangkan

normal baku untuk peluang

adalah bilangan z didapat dari daftar

Untuk memudahkannya dapat diperhatikan table berikut ini :

3. Menaksir Simpangan Baku

Untuk menaksir varians

dari sebuah populasi, sampel varians

berdasarkan

sampel acak berukuran n perlu dihitung, dan rumus yang digunakan ialah rumus:

Ternyata bahwa varians

adalah penaksir tak bias untuk varians 2. Akan tetapi

simpangan baku s bukan penaksir tak bias untuk simpangan baku . Jadi titik taksiran untuk
adalah bias. Jika populasinya berdistribusi normal dengan varians 2, maka 100
interval kepercayaan untuk 2 ditentukan dengan menggunakan distribusi

chi-kuadrat.

Rumusnya adalah :

Dengan n = ukuran sampel sedangkan

kuadrat berturut-turut untuk P =

dan

dan

di dapat dari daftar chi-

dengan dk = (n-1).

Untuk mendapatkan interval taksiran simpangan baku , tinggal melakukan penarikan


ketidaksamaan dalam rumus (12). Hasil ini tidak eksak, akan tetapi cukup akurat untuk
maksud-maksud tertentu.

4.Menaksir Selisih Rata-rata


Misalkan kita punya dua buah populasi, kedua-duanya berdistribusi normal. Rata-rata
dan simpangan bakunya masing-masig 1 dan 1 untuk populasi satu, 2 dan 2 untuk
populasi dua. Dari masing-masing populasi diambil sebuah sampel secara acak dengan

ukuran n1 dan n2. Rata-rata dan simpangan baku dari sampel-sampel itu berturut-turut adalah
, s1 dan

, s2. Akan ditaksir selisih rata-rata (1 - 2).

a. 1 = 2
Jika kedua populasi normal itu mempunyai 1 = 2 = dan besarnya diketahui, maka
100 % interval kepercayaan untuk (1 - 2) ditentukan oleh rumus:

Dengan

didapat dari daftar normal baku dengan peluang .

Jika kedua populasi normal itu mempunyai 1 = 2 = tetapi tidak diketahui besarnya,
maka dihitung terlebih dahulu varians gabungannya (s2) dengan rumus:

Interval kepercayaannya ditentukan dengan menggunakan distribusi student. Rumus untuk


100 % interval kepercayaan untuk (1 - 2) adalah:

Dengan s (varians gabungan) dan tp didapat dari dstribusi Student (daftar G) dengan p = (1
+ ) dan dk = (n1 + n2 2)
b. 1 2
Untuk populasi normal 1 2 , dengan memisalkan s1 = 1 dan s2 = 2 , untuk sampel
acak berukuran besar, dapat dilakukan pendekatan kepada distribusi normal. Rumus interval
kepercayaannya ditentukan oleh:

Contoh:
Ada dua pengukuran untuk mengukur kelembaban suatu zat. Cara I dilakukan 50 kali yang
menghasilkan

= 60,2 dan

= 24,7. Cara II dilakukan 60 kali dengan

= 70,4 dan

37,2. Tentukan interval kepercayaan 95% mengenai perbedaan rata-rata kedua pengukuran
tersebut!
Jawab:

Selanjutnya dihitung:

Dengan p = 0,975 dan dk = 108, dari daftar distribusi t didapat t = 1,984

atau

Jadi, 95% percaya bahwa selisih rata-rata pengukuran kedua cara itu akan ada dalam interval
yang dibatasi 8,06 dan 12,34

c. Observasi bepasangan
Misalkan populasi kesatu mempunyai variabel acak X dan populasi kedua dengan
variabel acak Y. Rata-rata masing-masing

. Diambil dua sampel acak masing-

masing sebuah dari tiap populasi, yang berukuran sama, jadi n 1 = n2 = n. Didapat data

sampel: (x1, x2,......,xn) dan (y1, y2,........,yn). Kedua data hasil observasi ini dimisalkan
berpasangan menjadi:
x1 berpasangan dengan y1
x2 berpasangan dengan y2
...........................................
xn berpasangan dengan yn
100 % interval kepercayaan untuk B ditentukan oleh:

Dengan tp didapat dari daftar distribusi Student untuk p = (1 + ) dan dk = (n 1)

Contoh:
Data berikut adalah mengenai tinggi anak laki-laki pertama (X) dan tinggi ayah (Y)
dinyatakan dalam cm.
Tinggi anak
(1)
158
160
163
157
154
164
169
158
162
162
Jumlah

Tinggi ayah
(2)
161
159
162
160
156
159
163
160
158
160

Beda (B)
(3)
-3
1
1
-3
-2
5
6
-2
4
1
8

Tentukan interval taksiran beda rata-rata tinggi badan tersebut!


Jawab:

B2
(4)
9
1
1
9
4
25
36
4
16
1
106

Untuk menentukan interval taksiran beda rata-rata tinggi badan dibuat kolom (3) dan (4)
yang berisikan beda B dan B2 dengan B = X Y.

Dengan mengambil asumsi tinggi badan berdistribusi normal dan tinggi anak berpasangan
denagn tinggi ayah, maka kita dapat menentukan interval kepercayaan 95% untuk B ialah:

Atau

5. Menaksir Selisih Proporsi


Kita mempunyai dua populasi dengan parameter untuk peristiwa yang sama masingmasing

dan

. Dari populasi ini secara independen masing-masing diambil sebuah

sampel acak berukuran n1 dari populasi kesatu dan n2 dari populasi kedua. Proporsi untuk

peristiwa yang diperhatikan dari sampel-sampel itu adalah

dan

dengan x1 dan x2 adalah banyaknya peristiwa yang diperhatikan dalam sampel satu dan dua.

Akan ditentukan interval taksiran untuk (

). Untuk ini digunakan pendekatan dengan

distribusi normal asalkan n1 dan n2 cukup besar. Rumus yang digunakan untuk interval
kepercayaan 100 % selisih (

) adalah:

Dengan

dan

didapat dari daftar normal baku dengan peluang

.
Contoh:
Suatu sampel acak yang terdiri dari 500 pemudi dan satu lagi terdiri dari 700 pemuda yang
mengunjungi suatu pameran. Ternyata 325 pemudi dan 400 pemuda yang menyenangi
pameran itu. Tentukan interval kepercayaan 95% untuk perbedaan persentase pemuda dan
pemudi yang mengunjungi pameran dan menyenanginya!
Jawab:
Persentasi pemudi:

Persentasi pemuda:

Jadi q1 = 35% dan q2 = 43%


Dengan n1 = 500 dan n2 = 700, didapat:

Dengan z = 1,96, diperoleh:

Atau

Jadi 95% yakin bahwa perbedaan persentasi pemudi dan pemuda yang mengunjungi pameran
dan menyenanginya akan ada dalam interval yang dibatasi oleh 2,4% dan 13,6%.

6. Menentukan Ukuran Sampel


Sehubungan dengan teori menaksir, ukuran sampel dapat ditentukan antara lain
berdasarkan kepada:
a. Apa yang akan ditaksir?
b. Berapa besar perbedaan yang masih mau diterima antara yang ditaksir dan penaksir?
c. Berapa derajat kepercayaan atau koefisien kepercayaan yang diinginkan dalam
melakukan penaksiran?
d. Berapa lebar interval kepercayaan yang masih mau diterima?
Ketika menaksir parameter

oleh

tinggi atau terlalu rendah. Perbedaan antara

, dua hal yang terjadi ialah menaksir terlalu


dan

ialah

. Makin kecil nilai b

maka semakin baik menaksir karena makin dekat penaksir yang dipakai kepada parameter
yang sedang ditaksir. Dalam arah ini, suatu ketika akan tiba pada ketentuan berapa besar
beda b yang masih mau dterima dan dengan derajat kepercayaan berapa.
Ketika menaksir rata-rata oleh statistik

, maka beda

. Untuk

koefisien kepercayaan dan populasi berdistribusi normal dengan simpangan baku


diketahui, maka ukuran sampel n dapat diketahui:

Contoh:
Untuk menaksir rata-rata waktu yang diperlukan oleh mahasiswa dalam menyelesaikan
sebuah soal tertentu, diperlukan sebuah sampel. Ketika menaksir rata-rata tersebut,
dikehendaki derajat kepercayaan 99% dengan beda yang lebih kecil dari 0,05 menit. Jika
diketahui simpangan baku waktu yang diperlukan = 0,5 menit, berapa mahasiswa yang perlu
diambil untuk sampel tersebut?

Jawab:
Dengan = 0,5 menit, b = 0,05 menit, dan z = 2,58, maka didapat:

Oleh karena ukuran sampel harus merupakan bilangan bulat diskrit, maka paling sedikit n =
666 mahasiswa.
Jika yang ditaksur itu proporsi

oleh statistik

, maka beda yang terjadi besarnya

. Dengan memisalkan bahwa pendekatan distribusi normal kepada kedua binom


berlaku dan koefisien kepercayaan = , maka ukuran sampel dapat ditentukan dengan rumus:

Kecuali jika varians


Dalam hal ini varians

diketahui, maka dalam hal lain rumus diatas tidak digunakan.


diganti oleh harga maksimumnya ialah 0,25.

Contoh:
Misalkan Departemen P dan K perlu mengetahui ada berapa persen kira-kira anak-anak SD
yang bercita-cita ingin menjadi guru. Ketika melakukan perkiraan ini, koefisien kepercayaan
diambil 95% dengan kekeliruan menaksir tidak lebih dari 2%. Berapa anak SD yang perlu
diteliti?
Jawab:
Disini varians
menyebutkan tentang harga

harus diambil 0,25 karena soal tersebut sama sekali tidak


. Dengan b = 0,02 dan z = 1,96 maka:

Sampel itu paling sedikit harus terdiri dari 2402 anak-anak SD.
Contoh:
Jika untuk contoh diatas, dari pengalaman diketahui ada 12% anak bercita-cita ingin menjadi
guru, tentukan berapa ukuran sampel sekarang!
Jawab:
Kedalam rumus disubstitusikan

= 0,12 dan

- 1 = 0,88, b = 0,02 dan z = 1,96, maka:

Paling sedikit sampel itu harus terdiri dari 1015 anak-anak SD.
Dari kedua contoh diatas, dapat dilihat bahwa dengan diketahuinya harga

, ukuran

sampel telah sangat berkurang dari 2402 menjadi 1015. Ini menyatakan bahwa informasi
terdahulu sangat bermanfaat, ikut membantu meringankan analisis dan biaya.

BAB III
SIMPULAN
Dalam membuat taksiran (pendugaan) sangat diperlukan konsep probabilitas karena
sangat berguna dalam pembuatan keputusan pada kondisi ketidakpastian, Ada jenis
penaksiran yaitu penaksiran titik (Point Estimation) dan penaksiran interval (Interval
Estimation). Penaksiran Titik (Point Estimation) : suatu parameter (misal ) akan ditaksir
hanya dengan menggunakan satu bilangan saja (misalnya dengan Xrata-rata). Penaksiran
interval merupakan interval nilai (range) yang nilai parameter populasi berada di dalamnya.
Untuk menentukan rata-rata dalam penaksiran, digolongkan antara populasi terbatas dan
populasi tidak terbatas dan sample juga digolongkan antara sample kecil dan sample besar
Penaksiran proporsi akan digunakan apabila data yang ada bersifat diskrit. Penaksiran
proporsi ini sebaiknya digunakan untuk sampel besar yang terdiri dari populasi terbatas dan
populasi tidak terbatas.

DAFTAR PUSTAKA
Sudjana, 1997, Metoda Statistika, Penerbit Tarsito Bandung, Bandung.
materi-vi-teori-penaksiran-1.html