Bab 8A

Estimasi 1
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

Bab 8A
ESTIMASI 1

A. Pendahuluan

1. Hakikat Estimasi

• Estimasi adalah taksiran dan yang diestimasi

adalah parameter populasi

• Data yang digunakan untuk melakukan estimasi

parameter populasi adalah statistik sampel
sebagai estimator

• Terdapat prosedur tertentu untuk

melaksanakan estimasi
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

2. Parameter yang Diestimasi

Parameter yang diestimasi adalah parameter yang

digunakan di dalam pengujian hipotesis

Sebagai gambaran estimasi parameter yang

dibicarakan di sini mencakup

• Satu rerata
• Satu porporsi
• Satu koefisien korelasi
• Satu koefisien regresi
• Perbandingan dua variansi
• Selisih dua rerata
• Selisih dua proporsi
• Selisih dua koefisien korelasi
• Selisih dua koefisien regresi
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

3. Jenis Estimasi

Ada beberapa jenis estimasi, di antaranya adalah

estimasi titik, estimasi interval, dan estimasi
kebolehjadian maksimum

• Pada estimasi titik, hasil estimasi adalah satu nilai

parameter (sama dengan nilai statistik)

 Statistik sampel

 Parameter populasi

• Pada estimasi interval, hasil estimasi adalah suatu

interval nilai parameter

 Statistik sampel

Parameter populasi
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

• Pada estimasi kebolehjadian maksimum hasil

estimasi adalah satu nilai parameter yang
diperoleh dari menghitung nilai maksimum dari
semua kebolehjadian (likelihood)

Kebolehjadian : L()
Parameter :
Kebolehjadian maksimum

dL( )
0
d

Di sini pembahasan dibatasi pada estimasi

interval serta sedikit pembahasan tentang
estimasi melalui kebolehjadian maksimum

Catatan: Masih ada sejumlah estimasi lainnya

seperti estimasi Bayes namun mereka tidak
dibahas di sini

•
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

3. Estimasi Interval

Hasil estimasi adalah suatu interval pada

parameter populasi, biasanya,  suatu nilai di
sekitar estimasi titik

Jika estimasi titik adalah , maka estimasi interval

adalah

  

     + 

sehingga interval estimasi menjadi

   ≤  ≤  + 
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

4. Sifat Estimasi

• Diketahui statistik sampel (sebagian) dan berbicara

tentang parameter (seluruh), estimasi parameter
mengandung probabilitas keliru

• Makin lebar interval estimasi  makin kecil

probabilitas keliru

• Namun makin lebar interval estimasi  makin kecil

ketepatannya sehingga makin rendah kadar
informasinya

• Sebaliknya, makin sempit interval estimasi 

makin besar probabilitas keliru, namun makin tinggi
kadar informasinya

• Interval estimasi  berusaha mencari imbangan

terbaik di antara probabilitas keliru dan kadar
informasi
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

Probabilitas keliru dan kadar informasi

• Probabilitas keliru relatif kecil

• Kadar informasi relatif rendah

• Probabilitas keliru relatif besar

• Kadar informasi relatif tinggi
 ------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

5. Interval Keyakinan

Interval keyakinan adalah komplemen dari

probabilitas keliru

Jika probabilitas keliru adalah , maka interval

keyakinan adalah 1  

Beberapa contoh rumusan estimasi

(a) Pada interval keyakinan 0,95, rerata

populasi X adalah

6,25 ≤ X ≤ 7,75

(b) Pada interval keyakinan 0,99 perbandingan

variansi populasi X dan Y yang independen
adalah

 X2
0,66  2  1,84
Y
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

(c) Pada interval keyakinan 0,95, selisih dua

rerata populasi X dan Y yang independen
adalah

2,15 ≤ X  Y ≤ 3,85

(d) Pada interval keyakinan 0,98 proporsi

populasi X adalah

0,45 ≤ X ≤ 0,55

(e) Pada interval keyakinan 0,90 selisih dua

proporsi populasi X dan Y yang independen
adalah

0,035 ≤ X  Y ≤ 0,065

(f) Pada interval keyakinan 0,95 koefisien

korelasi linier di antara populasi X dan Y
adalah

0,5564 ≤ XY ≤ 0,8298

------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

(g) Pada interval keyakinan 0,98 selisih di

antara koefisien korelasi populasi X dan Y
dan koefisien korelasi populasi U dan V
yang independen adalah

0,010 ≤ XY  UV ≤ 0,030

(h) Pada interval keyakinan 0,99 koefisien

regresi populasi X dan Y adalah

1,24 ≤ B ≤ 1,76

(i) Pada interval keyakinan 0,95 selisih di

antara koefisien regresi B1 dan koefisien
regresi B2 adalah

0,25 ≤ B1  B2 ≤ 1,45
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

6. Kaitan dan Persyaratan Estimasi

Estimasi berkaitan dengan statistik sampel dan

parameter populasi

Seperti halnya pengujian hipotesis parametrik,

estimasi ini berkaitan pula dengan

• Distribusi probabilitas pensampelan

• Kekeliruan baku
• Taraf signifikansi ()
• Nilai kritis pada taraf signifikansi 

Persyaratan estimasi adalah seperti persyaratan

pada pengujian hipotesis parametrik, meliputi

• Data minimal berskala interval

• Kondisi populasi dan cara penarikan sampel
tertentu perlu dipenuhi
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

B. Estimasi Interval

1. Parameter dan Statistik

• Populasi dengan parameter tertentu dapat

menghasilkan beramcam-macam statistik
sampel (ada kekeliruan pensampelan)

• Sebaliknya, sampel dengan statistik tertentu

dapat berasal dari populasi dengan bermacam-
macam parameter

• Sebagai contoh, statistik sampel rerata X = 6

dapat berasal dari populasi dengan

X = 6
X = 4
X = 8
dan seterusnya
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

Sampel nX = 2 dari beberapa populasi NX = 5

sampel rerata
4 5 4,5
4 5 6 7 8 4 6 5
X = 6 4 7 5,5
4 8 6
5 6 5,5
5 7 6
5 8 6,5
6 7 6,5
6 8 7
7 8 7,5

rerata frek prob

4,5 1 0,1
5 1 0,1
5,5 2 0,2
6 2 0,2
6,5 2 0,2
7 1 0,1
7,5 1 0,1
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

Sampel nX = 2 dari beberapa populasi NX = 5

sampel rerata
3 4 3,5
3 4 5 6 7 3 5 4
X = 5 3 6 4,5
3 7 5
4 5 4,5
4 6 5
4 7 5,5
5 6 5,5
5 7 6
6 7 6,5

rerata frek prob

3,5 1 0,1
4 1 0,1
4,5 2 0,2
5 2 0,2
5,5 2 0,2
6 1 0,1
6,5 1 0,1
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

Sampel nX = 2 dari beberapa populasi NX = 5

sampel rerata
5 6 5,5
5 6 7 8 9 5 7 6
X = 7 5 8 6,5
5 9 7
6 7 6,5
6 8 7
6 9 7,5
7 8 7,5
7 9 8
8 9 8,5

rerata frek prob

5,5 1 0,1
6 1 0,1
6,5 2 0,2
7 2 0,2
7,5 2 0,2
8 1 0,1
8,5 1 0,1
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

Parameter X Probabilitas untuk X = 6

6 0,2
5 0,1
7 0,1

 X=6

X 5 6 7
Probabilitas 0,1 0,2 0,1

Makin jauh rerata populasi dari 6 (estiamsi titik),

makin kecil probabilitasnya menghasilkan rerata
sampel = 6

Sampai probabilitas  kita menerima bahwa rerata

sampel = 6 masih berasal dari populasi dengan
rerata = 6  X
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

2. Batas Estimasi

• Ada dua batas estimasi, batas bawah ( – )

dan batas atas ( + )

• Kalau batas estimasi itu ditentukan oleh

probabilitas sebesar , maka masing-masing
batas bawah dan batas atas memperoleh ½

• Pada contoh kita, batas bawah adalah X dengan

probabilitas ½ untuk menghasilkan sampel X

• Batas atas juga adalah X dengan probabilitas ½

untuk menghasilkan sampel X

½ ½

Batas bawah Batas atas

------------------------------------------------------------------------------
Bab 8A
-----------------------------------------------------------------------------

• Nilai  ditentukan oleh bebarapa besaran meliputi

Distribusi probabilitas pensampelan

Kekeliruan baku
Taraf keyakinan
Nilai kritis

dengan

 = (kekeliruan baku)(nilai kritis

sehingga interval estimasi menjadi

 –      + 
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

3. Contoh Prosedur Estimasi

Kita gunakan satu contoh untuk melihat prosedur

estimasi secara interval dengan interval
keyakinan (1 – ) = 0,95

Suatu rerata sampel kecil berasal dari populasi

berdistribusi probabilitas normal melalui
penarikan sampel acak

nX = 49 X = 70 sX = 14

• Distribusi probabilitas pensampelan

DPP : DP t-Student
Kekeliruan baku

sX 14
X    2,00
nX 49
 X  n X  1  48
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

• Estimasi titik

X = 70

• Probabilitas untuk batas bawah dan batas

atas adalah

½ = 0,025

• Pada batas bawah

t(0,975)(48) = 2,011

X  X
t ( 0 ,975)( 48 ) 
X
 X bawah  X   X t ( 0, 025)( 48 )
 70,00  ( 2,00)( 2,011)
 65,978
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

• Pada batas atas

t(0,025)(48) = – 2,011

X  X
t ( 0, 025 )( 48 ) 
X
 X atas  X   X t ( 0,025 )( 48 )
 70,00  ( 2,00)( 2,011)
 74,022
• Batas estimasi

65,978  X  74,022

pada  = 0,05 atau

pada Interval keyakinan

1 –  = 0,95
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

Batas estimasi

0,025 0,025

65,978 70,00 74,022

Untuk batas bawah, 0,025 di ujung atas sehingga

 = 0,975

Untuk batas atas, 0,025 di ujung bawah sehingga

 = 0,025
------------------------------------------------------------------------------
Bab 8A
-----------------------------------------------------------------------------

4. Bentuk Umum Estimasl Interval

Pada contoh tampak bahwa

• Interval keyakinan 1 – 
• Estimasi titik X
• Batas bawah X – X t(½)(x)
• Batas atas X + X t(½)(x)

Pada bentuk umum

• Interval keyakinan 1 – 
• Estimasi titik 
• Batas bawah  – 
• Batas atas  + 

  = (kekeliruan baku)(nilai kritis)

------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

5. Sistematika Estimasi Interval

Prosedur estimasi interval ini dapat kita susun ke

dalam sistematika enam langkah

Seperti halnya pada pengujian hipotesis parametrik,

keenam langkah prosedur estimasi interval adalah
sebagai berikut

Langkah

• Pertama : Rumusan estimasi

• Kedua : Sampel
• Ketiga : Distribusi probabilitas pen-
sampelan
• Keempat : Interval keyakinan
• Kelima : Bentangan estimasi
• Keenam : Interval estimasi
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

Kita sistematiskan estimasi interval untuk contoh di

atas ke dalam enam langkah berikut

• Langkah pertama

Rumusan estimasi

Pada interval keyakinan 0,95 estimasi

parameter rerata

• Langkah kedua

Data sampel

Sampel acak kecil menghasilkan

nX = 49 X = 70 sX = 14
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

• Langkah ketiga

Distribusi probabilitas pensampelan

DPP : DP t-Student
Kekeliruan baku
sX 14
X    2,00
nX 49
 X  n X  1  48

• Langkah keempat

Interval keyakinan 1 –  = 0,95

 = 0,05

Untuk batas bawah t(0,975)(48) = 2,011

Untuk batas atas t(0.025)48) = – 2,011

------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

• Langkah kelima

Bentangan estimasi

Untuk batas bawah

X t(0,975)(48) = (2,00)(2,011)
= 4,022

Untuk batas atas

X t(0,025)(48) = (2,00)(– 2,011)

= – 4,022

• Langkah keenam

Interval estimasi

Estimasi pada interval keyakinan 0,95

70,00 – 4,022  X  70,00 + 4,022

65,978  X  74,022
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

C. Estimasi Interval pada Satu Rerata

1. Dasar

• Hakikat estimasi interval pada parameter

berdasarkan data dari sampel sudah
dikemukakan di muka dengan mengambil
contoh satu rerata

• Di sini, kita melakukan estimasi interval

untuk parameter satu rerata dengan
menggunakan beberapa contoh

• Prosedur estimasi ini menggunakan

sistematika enam langkah dengan
memanfaatkan distribusi probabilitas
pensampelan pada Bab 6A dan 6B

• Estimasi interval akan menghasilkan

X – X  X  X + X
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

2. Beberapa Contoh Estimasi

Contoh 1

Pada interval keyakinan 0,99 diestimasi rerata

populasi X. Telah diketahui bahwa populasi X
berdistribusi probabilitas normal serta memiliki
simpangan baku sebesar 0,3. Sampel acak
dengan pengembalian berukuran 36
menghasilkan rerata sampel sebesar 2,6

• Rumusan estimasi

Pada interval keyakinan 0,99 estimasikan

rerata populasi X

• Sampel

Sampel acak dengan pengembalian

nX = 36 X = 2,6
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

• Distribusi probabilitas pensampelan

DPP : DP normal
Simpangan baku : X = 0,3
Kekeliruan baku

X 0,3
X    0,05
nX 36

• Interval keyakinan

Interval keyakinan 0,99

1 –  = 0,99
 = 0,01
½ = 0,005
Nilai kritis
ujung bawah z(0,005) = 2,576
ujung atas z(0,995) = – 2,576
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

• Bentangan estimasi

X – X = X – z(½) X
= 2,6 – (2,576)(0,05)
= 2,4712

X + X = X + z(½) X
= 2,6 + (2,576)(0,05)
= 2,7288

• Interval estimasi

Pada interval keyakinan 0,99, estimasi

rerata adalah

2,4712  X  2,7288
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

Contoh 2

Pada interval keyakinan 0,90, estimasi rerata

populasi X yang berdistribusi probabilitas
normal. Sampel acak kecil berukuran 64
memberikan rerata sampel sebesar 25 dengan
simpangan baku 6.

• Rumusan estimasi

Pada interval keyakinan 0,90 estimasikan

rerata populasi X

• Sampel

Sampel acak kecil

nX =
X =
sX =
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

• Distribusi probabilitas pensampelan

DPP :
Kekeliruan baku dan derajat kebebasan

• Interval keyakinan

Interval keyakinan 1 –  =
 =
½ =

Nilai kritis

Ujung bawah

Ujung atas
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

• Bentangan estimasi

X – X =

X + X =

• Interval estimasi

Pada interval keyakinan 0,90, rerata

adalah
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

Contoh 3

Pada interval keyakinan 0,90, estimasi rerata

populasi X yang berdistribusi probabilitas
normal. Sampel acak berukuran kecil sebesar
16 memberikan rerata sampel 23 dengan
simpangan baku 12.

Contoh 4

Pada interval keyakinan 0,90 estimasi rerata

penurunan timbangan badan X setelah subyek
menjalankan usaha diet. Sampel acak kecil
menghasilkan timbangan badan (dalam kg)

Sebelum 80 92 67 50 115 70 86 98 75 67
Sesudah 75 87 75 42 95 74 75 90 77 60
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

Contoh 5

Sampel acak 150 sepeda motor menunjukkan

bahwa rerata kecepatan adalah 56,3 km/jam
dengan simpangan baku 3,1 km/jam. Pada
interval keyakinan 0,95, estimasi rerata
kecepatan sepeda motor.

Contoh 6

Ahli kelautan mengukur temperatur air laut di

teluk. Sampel acak 20 teluk menunjukkan
rerata temperatur 23,60 C dengan simpangan
baku 3,30 C. Pada interval keyakinan 0,99
estimasi rerata temperatur air laut di teluk.

Contoh 7

Seorang petani mengukur pH tanah seluas satu

ha. Sampel acak 8 tempat menujukkan pH

5,9 6,2 6,7 6,2 6,1 6,6 6,2 6,6

Pada interval keyakinan 0,95 estimasi rerata pH

tanah itu
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

D. Estimasi Interval pada Satu Proporsi

1. Dasar

• Hakikat estimasi interval pada parameter

satu proporsi berdasarkan data dari
sampel mirip dengan estimasi interval pada
satu rerata

• Pada kekeliruan baku, kita dapat

menggunakan dua macam variansi yakni
variansi berdasarkan proporsi dan variansi
maksimum (= 0,25)

• Prosedur estimasi ini menggunakan

sistematika enam langkah dengan
memanfaatkan distribusi probabilitas
pensampelan pada Bab 6A dan 6B

• Estimasi interval akan menghasilkan

pX – pX  X  pX + pX
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

2. Beberapa Contoh Estimasi

Contoh 8

Sebelum hari pemilihan diadakan jajak

pendapat di suatu wilayah. Sampel acak 100
pemilih ditanya dan 60 memilih calon X. Pada
interval keyakinan 0,90, estimasi proporsi
pemilih yang memilih calon X

• Rumusan Estimasi

Pada interval keyakinan 0,90, estimasi X

dengan X sebagai proporsi pemilih calon
X

• Sampel

nX = 100 pX = 60 / 100 = 0,60

------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

• Distribusi probabilitas pensampelan

DPP : pendekatan ke DP normal

Kekeliruan baku

p X (1  p X ) (0,60)(1  0,60)
 pX    0,049
nX 100

• Interval keyakinan

Interval keyakinan 1 –  = 0,90

Ujung atas dan ujung bawah ½ = 0,05

Nilai kritis ujung bawah

z(0,05) = – 1,64

Nilai kritis ujung atas

z(0,95) = 1,64
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

• Bentangan estimasi

pX – pX = pX – px z(0,95)

= 0,60 – (0,049)(1,64)
= 0,52

pX + pX = pX + px z(0,05)

= 0,60 + (0,049)(1,64)
= 0,68

• Interval estimasi

Pada interval keyakinan 0,90, proporsi

0,52  X  0,68

• Catatan: apabila estimasi mencakup  0,50

maka timbul masalah, karena membentang dari
tidak terpilih ( < 0,50) sampai terpilih (  0,50)
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

Contoh 9

Kita ulangi estimasi pada contoh 8 dengan

menggunakan variansi maksimum pada
kekeliruan baku

• Distribusi probabilitas pensampelan

DPP : pendekatan ke DP normal

Kekeliruan baku (dengan variansi
maksimum)

1 1 1 1
 pX    0,05
2 n X 2 100

• Bentangan estimasi

pX – pX = 0,60 – (0,050)(1,64) = 0,518

pX + pX = 0,60 + (0,050)(1,64) = 0,682

• Inereval estimasi

0,518  X  0,682
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

Contoh 10

Sampel acak 200 orang memesan kaca mata

baru. Di antaranya 162 orang memilih lensa
plastik (X). Pada interval keyakinan 0,95,
estimasi proporsi orang pemesan kaca mata
dengan lensa plastik

• Rumusan estimasi

• Sampel

• Distribusi pensampelan
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

• Distribusi probabilitas pensampelan

DPP :
Kekeliruan baku

• Interval keyakinan

• Bentangan interval

• Interval estimasi
------------------------------------------------------------------------------
Bab 8A
------------------------------------------------------------------------------

Contoh 11

Ulangi contoh 10 dengan menggunakan

variansi maksimum pada kekeliruan baku

Contoh 12

Sampel acak 300 penerbangan, 74% tepat

waktu (X). Pada interval keyakinan 0,99,
estimasi proporsi penerbangan yang tepat
waktu

Contoh 13

Ulangi contoh 9 dengan menggunakan variansi

maksimum pada kekeliruan baku

Contoh 14

Sampel acak 600 alat dari pengiriman 20000

alat menunjukkan 16 cacat. Pada interval
keyakinan 0,98, estimasi berapa proporsi alat
rusak. Estimasi juga berapa banyak alat rusak.