BAB VI-ESTIMASI

SELAMAT DATANG
:

DOSEN

DRS. SARWOKO, MSI

Estimasi Titik dan Estimasi Interval

Tujuan pembelajaran:
Memahami hubungan antara
estimasi titik dan estimasi interval
Menghitung dan menginterprestasi
confidence interval

Estimasi:
Estimasi adalah penggunaan data sampel
untuk menjawab pertanyaan-pertanyaan
khusus tentang parameter-parameter
populasi.
Estimation A process whereby we select
a random sample from a population and
use a sample statistic to estimate a
population parameter.

Estimasi:

Merupakan bagian dari statistik inferensi

Estimasi = pendugaan, atau menaksir harga parameter

populasi dengan harga-harga statistik sampelnya.

Misal : suatu populasi yang besar akan diselidiki hargaharga parameternya, untuk mengetahuinya akan
dilakukan pengamatan terhadap unit-unit dalam
sampel yang akan diestimasi meskipun akan
menimbulkan ketidak pastian

Definisi Parameter
POPULASI
RATA-RATA
PROPORSI
VARIAN

BEDA

SAMPEL

s2

1 - 2

X1 -X2

Estimasi Statistik
Tiap anggota populasi
memiliki kesempatan
yang sama untuk
dipilih sebagai sampel
Population

Parameters
Random sample

estimasi
Statistics

RATA-RATA

POPULASI

SAMPEL

Saya percaya bahwa 90%

rata-rata berat badan mhs
BBANK berada antara 50 kg
sampai dengan 70 kg

Salah satu sifat estimator yang diinginkan

adalah tidak bias. Namun demikian, ada
beberapa sifat lain yang perlu kita
perhatikan.

1 Tidak Bias
Bias = E(X) -
Prob. (X)

E(X) =
Prob. (X)

Gambar 6.1a: estimator bias

Gambar 6.1b: Estimator tidak bias

2. Efesiensi
Prob. X

Prob. X

X
, tidak efisien

Gambar no. 6.2: Efisiensi

, efisien

3. Konsistensi
plim E(X) sama dengan jika N mendekati tak
terhingga, probabilitas bahwa - E (X) akan
lebih kecil daripada (sebuah angka positif yang
sangat kecil) akan sama dengan satu.
atau

lim P - E(X) < = 1 < 0

n
dimana P adalah singkatan dari probabilitas. Ini sering
dinyatakan sebagai berikut
plim E(X) =
n

.... Konsistensi
Prob. (X)

N sangat besar

N besar

N kecil

0
Gambar no. 6.3: Konsistensi

 4. Mean Square Error yang minimum

Mean square error (MSE) =E E(X) - .

Persamaan tersebut identik dengan

MSE(X) = E(X- )2
= E X - E(X) + E(X) - 2
= E X - E(X) 2 + E(X) - 2 + 2E X- E(X)
E(X) -
oleh karena 2E X - E(X) E(X) - = 0, maka yang
tertinggal adalah
= E X - E(X) 2 + E(X) - 2
MSE(X) = Bias X2 + Var (X).

X3
X2
MSE paling kecil

X1

Gambar 6.4: Rata-rata nilai distribusi X2 merupakan estimator dengan kombinasi bias dan
varian yang paling baik.

lanjutan estimasi statistik

Estimate
Point estimate
sample mean
sample proportion

Interval estimate
confidence interval for mean
confidence interval for proportion

Estimasi titik selalu berada di dalam estimasi

interval

Estimasi Titik(Point Estimate):

Nilai tunggal dari sebuah statistik yang
digunakan untuk memperkirakan sebuah
parameter.
Estimasi Interval(Interval Estimate):
Nilai-nilai statistik dalam suatu jarak
(range) interval dimana parameter berada
di dalamnya.

Kita ingin membangun suatu

estimasi dimana rata-rata populasi
jatuh berdasarkan statistikstatistik sampel

Rata-rata sampel

Parameter
populasi
jatuh
berada
pada garis
statistik
sampel

Ada dua tujuan yang ingin dicapai dalam menetapkan

estimasi interval:
1. Membuat estimasi setepat mungkin sambil mempertahankan

tingkat keyakinan yang tinggi bahwa di dalam interval itu

sesungguhnya termasuk parameter yang diinginkan.
2. Memperkirakan nilai probabilitas yang dikaitkan dengan

keyakinan kita bahwa interval itu meliputi parameter itu.

Estimasi interval itu disebut dengan interval Keyakinan

(confidence interval). Batas-batas bawah dan atas disebut

dengan batas-batas Keyakinan (confidence limits), batas bawah
(the lower limit) dan batas atas (the upper limit). Nilai

probabilitas yang dikaitkan dengan Interval ini disebut dengan

Koefisien keyakinan (confidence coefficient).

Interval Keyakinan (Confidence Interval):

Suatu interval yang memiliki suatu

probabilitas (keyakinan) bahwa parameter
populasi berada di dalamnya.

Koefisien Keyakinan (Confidence Coefficient):

Probabilitas( tingkat keyakinan) bahwa di dalam

interval tertentu terdapat parameter populasi.

A. Estimasi Interval dari sebuah VariabelPopulasi Tunggal

Confidence interval (CI): Interval Keyakinan
Memberikan kepada kita nilai-nilai di dalam sebuah range
interval yang kita mempercayai dengan suatu tingkat
keyakinan tertentu berisi sebuah nilai yang benar.
CI for the poipulation means

X Z / 2

X Z / 2

Beberapa asumsi
standard deviation Populasi diketahui
Populasi berdistribusi normal
Jika populasi tidak normal, gunakan sampel
besar

Interval Konfidensi diestimasi te

X Z / 2

X Z / 2

Tingkat Kepercayaan

Dinotasikan dengan 100 1 %

Interpretasi frequensi relatif

Dari 100 kali pengambilan sample akan
diperoleh sebanyak 100 1 % sampel yang
memuat

Tidak ada kepercayaan sampai 100%

Oleh karena interval ini menggunakan dua sisi kurva

normal, maka untuk menentukan nilai z dari tabel
distribusi-z, nilai di bagi 2, sehingga terasa
lebih sempurna jika interval itu ditulis

X Z / 2

X Z / 2

X z /2 . X
X 1,96. X untuk interval Keyakinan 95%
X 2,58. X untuk interval keyakinan 99%

 lanjutan estimasi interval

Confidence interval (CI): interval keyakinan

2%

14%

-3.0 -2.0
-2.58

-1.0
-1.96

34%

34%

0.0

14%
1.0
1.96

2%
2.0

3.0

z
2.58

Contoh 1:
Dalam contoh ini, misalnya seorang praktisi statistik
mengambil sampel sebanyak 36 orang mahasiswa
untuk dihitung tinggi rata-ratanya, X misalnya 170
cm. Anggaplah pula bahwa deviasi standar, dari
rata-rata tinggi mahasiswa perguruan tinggi tersebut
(populasi) diketahui, misalnya 10 cm.
Untuk itu kesalahan baku (standar error) dari ratarata sampel adalah


X =
n
10
X = = 1,67
36

Dengan demikian estimasi interval dari tinggi

mahasiswa Perguruan tinggi itu adalah
= X 1,96 (X)
= 170 1,96 (1,67) = 170 3,27
= 166,73 cm sampai dengan 173,27 cm.

Andaikata, kita membayangkan bahwa

adalah sebuah angka (ingat bahwa angka
yang sebenarnya tidak pernah kita ketahui),
Katakanlah 168 cm, kita akan melihat
bahwa estimasi interval pertama yang
dibangun oleh praktisi statistik itu termasuk
nilai .

Interval estimation
Confidence interval (CI), interpretation and example
50

Frequency

40
30
20
10
0

166.73

170

173.27

x= 170, SD= 1.67, SEM=3.27, 95% CI (166.73-173.27),

Distribusi rata-rata sampel

164,73 cm

168 cm

171,27 cm

estimasi interval pertama

170 cm

estimasi interval kedua

166 cm
estimasi interval ketiga

X
dan seterusnya

X
satu estimasi tidak tepat

*
*
*

estimasi interval yang ke duapuluh

Gambar 6.6: dari 20 kali membangun estimasi interval, kirakira 95% akan meliputi target u.

Contoh 2:

Seorang pemilik toko aksesories mobil ingin

mengetahui rata-rata waktu memasang kaca film
mobil. Dari pengalaman waktu-waktu yang lalu
deviasi standar waktu memasang kaca film adalah 8
menit. Dengan mengambil sampel secara random
sebanyak 36 buah mobil yang sedang membutuhkan
kaca film di toko itu diperoleh informasi rata-rata
waktu untuk memacang kaca film adalah 78 menit.
Dengan menggunakan derajat keyakinan 95 %,
maka estimasi interval waktu pemasangan kaca film
di toko itu adalah

Rata-rata waktu pemasangan, X = 78 menit

Kesalahan baku (standar error) adalah

8
X = = = 1,33 menit
n
36
Dengan derajat keyakinan 95% untuk , maka
= X 1,96 X
= 78 1,96. (1,33)
= 78 2,61
= 75,39 menit 80,61 menit
atau
75,39 menit 80,61 menit

Ilustrasi Estimasi Interval: Untuk sampel

besar dan tidak diketahui
Misalnya, untuk memperbaiki mutu pelayanan kiriman
barang dari kantor pengiriman ke rumah-rumah pelanggan
yang dituju, seorang pimpinan sebuah perusahaan
pengiriman barang di wilayah sebuah kota metropolitan
mengadakan pengamatan terhadap waktu-waktu

pengiriman paket-paket barang dari kantor pengiriman ke

rumah-rumah pelanggan yang dituju. Dari 100 kali
pengamatan terhadap pengiriman barang oleh perusahaan
tersebut, diperoleh informasi waktu rata-rata pengiriman
adalah 31,50 menit dengan deviasi standar 5 menit.

Dengan menggunakan derajat interval keyakinan

95% untuk rata-rata waktu seluruh pengiriman
barang di wilayah itu adalah
Pertama, kita menghitung estimasi standar error
s
5
Sx = = = 0,50
n
100
Kemudian, kita membangun interval keyakinan
dengan menggunakan derajat keyakinan 95%
= X z /2 . S X
= 31,50 1,96 (0,50) = 31,50 0,98

 Kita merasa yakin bahwa waktu rata-rata yang

dibutuhkan untuk mengirimkan barang dari

kantor pengiriman ke tempat-tempat tujuan
pelanggan di mana saja di wilayah kota
metropolitan itu adalah antara 30,52 sampai
dengan 32, 48 menit.

Estimasi Interval : Untuk Sampel Ukuran

Kecil dan tidak diketahui
Apabila deviasi standar populasi, tidak diketahui, tetapi
sampelnya kecil, interval keyakinan adalah

X tdk sX
Di mana tdk adalah nilai t pada derajat kebebasan tertentu
dan oleh karena interval ini menggunakan dua sisi kurva
normal, maka untuk menentukan nilai t dari tabel distribusit, nilai di bagi 2, sehingga terasa lebih sempurna jika
interval itu ditulis

X tdk. /2 . sx
Contoh:
Sebuah perusahaan asuransi sedang
mempertimbangkan pertanggungan asuransi mobil
baru. Untuk itu pimpinan perusahaan itu
mempelajari faktor-faktor yang mempengaruhi
kecelakan mobil di jalan. Dari sampel sebanyak
delapan kecelakan mobil diperoleh informasi umur
pengemudi sebagaimana terdapat dalam tabel 6-1.

Pengemudi

Umur

1
2
3
4
5
6
7
8

23 tahun
24
24
27
27
27
29
31

X
1
s2 = (X -X)2
n-1
s=

s2

26,50
7,43
2,73

Dengan menggunakan tingkat keyakinan sebesar

95% dan derajat kebebasan = 7, dari lampiran
Tabel V: Tabel distribusi normal standar-t = 2,365.
Dengan demikian, interval keyakinan untuk akan
terletak pada
26,50 2,365. 2,73/ 8
26,50 2,28
atau
24,22 28,78 tahun
Kita merasa yakin bahwa umur rata-rata
pengemudi mobil pada saat terjadi kecelakaan
adalah antara 24,22 sampai dengan 28,78 tahun.

Apabila ukuran populasinya terbatas, N dan

dengan cara pengambilan sampel tanpa
mengembalikan subjek yang telah dipilih (sampling
without replacement), perlu ada faktor koreksi
untuk menaksir standart error hasil estimasi. Baik
sampel ukuran besar ataupun ukuran kecil
standart error dikalikan dengan faktor koreksi itu
Faktor koreksi

N-n

N-1

Dengan persamaan estimasi standart error

adalah
sX

s
=
n

N-n

N-1

Oleh karena faktor koreksi selalu lebih kecil dari

satu, hal ini akan memiliki pengaruh
mempersempit interval keyakinan.

Contoh:
Sebuah perusahaan memiliki 1.000 rekening piutang.

Untuk mengetahui nilai rata-rata dari rekening

piutang ini, diambil sampel secara random sebanyak
100 rekening piutang. Dari sampel itu, diperoleh
informasi nilai rata-rata adalah Rp. 532.350 dengan
deviasi standar Rp. 61.220. Dengan tingkat interval
keyakinan (confidence coeficient) 95%, berapakah
nilai rata-rata piutang sebanyak 1.000 rekening itu?

Jawab:

s
N-n
=X z/2 sX = X z/2 .
n
N-1
= 532.350 1,96 (61.220/10) ( (900/999))
= 532.350 11.390
Kita merasa yakin bahwa nilai rata-rata dari
1.000 rekening piutang adalah antara
520.960 sampai dengan 543.740 rupiah.

B. Estimasi Interval untuk Beda antara RataRata Variabel Independen-Dua Populasi

Untuk sampel ukuran besar dan
tidak diketahui:
s21 s22
1 - 2 = (X1 -X2) z/2 . +
n1
n2

Estimasi Beda RataRata-Dua Populasi

Population-1

Population-2

Parameters-1

Parameters-2

estimasi

estimasi
Sample-1
Statistics-1, X1

Sample-2

Beda?

Statistics-2, X2

Untuk sampel ukuran kecil dan tidak diketahui:

n1 s21 + n2 s22
1 - 2 = (X1 -X2) t/2 .
(n1 + n2 - 2)

1
1
+
n1
n2

Contoh 1: Untuk sampel ukuran besar dan tidak diketahui.

Bagian Riset dan Pengembangan pada sebuah perusahaan
lampu pijar Terang Terus menyatakan bahwa bagian itu telah
menemukan kawat pijar yang baru yang dapat meningkatkan
masa hidup bolam lampu pijar. Empat puluh (40) bolam lampu
pijar yang menggunakan kawat pijar lama dan 40 bolam lampu
pijar yang menggunakan kawat pijar baru dipilih secara
random. Kedua sampel bolam lampu pijar itu dianggap
memiliki distribusi bebas (independen), karena pemilihan
salah satu jenis dari bolam lampu itu

tidak akan mempengaruhi pemilihan jenis bolam Lampu yang

lain. Kedua jenis lampu itu dipijarkan terus-menerus dibawah
kondisi laboratorium yang terkendali. Masa hidup masingmasing bolam dicatat dan hasilnya ditunjukkan berikut di
bawah ini:

Rata2 masa hidup

Deviasi standar
Jumlah sampel, n

Sampel 1
(kawat pijar
baru)
742 hari
125 hari
40 buah

Sampel 2
(kawat pijar lama)
667 hari
138 hari
40 buah

Estimasi titik perbedaan antara rata-rata

populasi adalahX1 -X2 = 742 - 667 = 75
hari. Karena jumlah sampel sama, kita
menggunakan formula 6.14. Dengan
demikian, estimasi error standar dari perbedaan
rata-rata itu adalah
(125)2 (138)2

s X1 - X2 =

+
40

= 29,44 hari

40

Dengan tingkat keyakinan 95% interval keyakinan

Menjadi
1 - 2 = (X1 -X2 ) z/2 . S X1 -X2
= 75 (1,96) (29,44)
= 75 57,70
= 17,30 sampai dengan 132,70 hari
Kita merasa yakin bahwa rata-rata perbedaan masa
hidup dari kedua jenis bolam lampu itu adalah antara
17,30 sampai dengan 132,70 hari.

Contoh 2: Untuk sampel ukuran kecil dan tidak

diketahui
Seorang pemilik toko, katakan toko A merasa

khawatir akhir-akhir ini penjualan terus menurun

sejak toko baru, katakan toko B berada tidak jauh
dari lokasi tokonya. Ia ingin tahu apakah ada
perbedaan jumlah nilai pembelian oleh para
pelanggan di masing-masing toko itu. Dari
pengamatan yang dilakukan oleh pemilik toko A,
diperoleh informasi sebagai berikut

-Rata-rata belanja
pelanggan
-Deviasi standar
Jumlah pelanggan, n

Toko A

TokoB

Rp. 105 juta

Rp. 100 juta

Rp. 10 juta

Rp. 15 juta

20 orang

20 orang

Estimasi titik perbedaan antara rata-rata populasi

adalahXA -XB = 105 - 100 = 5 juta. Karena jumlah sampel
berukuran kecil, kita menggunakan formula 6.15. Dengan
demikian, estimasi error standar dari perbedaan rata-rata
itu adalah

S X1 -X2 =

20(10)2 + 20(15)2 1
1
+
(20 + 20 - 2)
20 20

= 4,136 juta

Dengan tingkat keyakinan 95% dan dengan

derajat kebebasan = 38, interval keyakinan
menjadi
1 - 2 = (X1 -X2 ) t/2 .s X1 -X2
= 5 (2,021) (4,136)
= 5 8,36
Kita merasa yakin bahwa perbedaan rata-rata
belanja para pelanggan kedua toko tersebut
adalah antara 3,36 sampai dengan 13,36 juta
rupiah.

C. Estimasi Proporsi- Populasi Tunggal

Estimasi Interval untuk Proporsi Populasi:
Sampel ukuran besar

Seringkali dalam sebuah penelitian melibatkan variabel

kualitatif, sehingga kita cenderung memusatkan perhatian
kepada distribusi frekuensi relatif dari sebuah kejadian yang
merupakan karakteristik di dalam sebuah populasi.
Misalnya, kita tertarik kepada proporsi sejumlah orang yang
menggunakan produk tertentu buatan luar negeri, atau
proporsi produk yang rusak diantara semua produk yang
dihasilkan oleh sebuah mesin. Jika menganggap bahwa
adalah proporsi di dalam populasi dan P adalah proporsi di

dalam sampel, maka estimasi interval

Keyakinan dengan menggunakan pendekatan
distribuisi normal adalah

= P Z/2

(1- )

Oleh karena proporsi populasi, jarang

diketahui, kita dapat mengganti dengan
P untuk yang berada di dalam akar dari
formula 6.16 itu

= P Z/2

P (1- P )

Apabila kita menggunakan tingkat keyakinan

sebesar 95% atau 99%, di bawah kurva
normal akan terletak pada
P (1- P )
= P 1,96

= P 2,58

n
P (1- P )

Contoh:
Sebuah penelitian pasar dari lembaga pendidikan
yang terkenal ingin mengetahui pangsa pasar
mobil merk PIA terhadap seluruh penjualan mobil
di negara kita. Dari 100 pembeli mobil yang dipilih
secara random diperoleh informasi bahwa 34 orang
pembeli mobil menggunakan mobil merk PIA.
Dengan menggunakan tingkat keyakinan 95%,
berapakah rata-rata pembeli mobil merk PIA?
Jawab:
Jika kita anggap pembeli mobil merk PIA adalah x,
maka x = 34, dan seluruh pembeli mobil adalah n,
maka n = 100, maka P = x/n = 34/100 = 0,34.
Interval keyakinan adalah

0,34 (0,66)
= 0,34 1,96

100
= 0,34 1,96 . (0,04737)
= 0,34 0,0928
= 0,2472 sampai dengan
0,4328
Kita merasa yakin bahwa rata-rata proporsi
Pembeli mobil merk PIA adalah antara 24,72%
sampai dengan 43,28%.

D. Estimasi Interval untuk Beda antara Dua

Proporsi Sampel Besar
Analogi estimasi interval untuk beda antara dua rata-rata
proporsi hampir sama dengan estimasi interval untuk beda
antara dua rata-rata variabel-variabel independen. Formula
yang kita gunakan adalah
1 - 2 = (P1 - P2) z/2 . S (p1 - p 2)
1 - 2 = (P1 - P2) z/2.

P (1 - P) ( 1/n1 + 1/n2 )

Estimasi Beda RataRata-Dua Populasi

Population-1

Population-2

Parameters-1

Parameters-2

estimasi

estimasi
Sample-1
Statistics-1, P1

Sample-2
Beda?

Statistics-2, P2

dimana
n 1 P 1 + n2 P 2
P =
n 1 + n2
Apabila kita menggunakan tingkat keyakinan
sebesar 95% atau 99%, di bawah kurva
normal akan terletak pada
1 - 2 = (P1 - P2) 1,96. s (p1 - p 2)
1 - 2 = (P1 - P2) 2,58. s (p1 - p 2)

Contoh:
Setiap terjadi resisi ekonomi, banyak perusahaan
memotong atau menghilangkan pembagian
dividen. Kenyataan, beberapa perusahaan
mampu mempertahankan kebijakan diividen
untuk memberi kesan baik kepada para investor
bahwa perusahaan dalam keadaan sehat. Sebuah
studi dilakukan oleh suatu lembaga penelitian
ekonomi memberikan informasi bahwa pada 1980
persentase perusahaan-perusahaan yang
melakukan pengurangan atau penghapusan
dividen hampir sama dengan apa yang terjadi
pada tahun 1975.

Berdasarkan survey terhadap 1.537

perusahaan pada tahun 1975, 24,14 persen
perusahaan menurunkan atau menghapus
dividen; sementara pada tahun 1980 dari
2.026 perusahaan , 9,62 persen melakukan
hal yang sama. Dengan menggunakan tingkat
keyakinan 95%, berapakah estimasi rata-rata
perusahaan memiliki kebijakan dividen
tersebut?

Data yang diperoleh:

1975
1980

P1 = 24.14%
P2 = 9,62%
n1 = 1.537
n2 = 2.026
Rata-rata estimasi proporsi populasi tertimbang adalah
(1.537) (0,2414) + (2.026) (0,0962)
P =
1.537 + 2.026
= 0,1588 (15,88%)

Oleh karena itu

s (p1 - p 2) =

1
1
(0,1588) (0,8412) +
1.537
2.026

= 0,0122
Dengan demikian, estimasi interval keyakinan adalah
1 - 2 = (0,2414 - 0.0962) 1,96 (0,0122)
= 0,1452 0,0239
= 0,1213(12,13%) sampai dengan
= 0,1691(16,91%)
Kita merasa yakin bahwa beda rata-rata proporsi
Kebijakan dividen antara tahun 1975 dengan tahun
1980 adalah antara 12,13% sampai dengan 16,91%.

Estimasi Ukuran Sampel

Estimasi Ukuran Sampel dengan Estimasi
Interval terhadap Rata-Rata
Salah satu pertanyaan yang sering muncul ditujukan
kepada para ahli satatistik adalah, "Berapa besar
ukuran sampel ?" Jawabannya tergantung dari
beberapa pertimbangan atau alasan-alasan.

Seberapa besar tingkat ketepatan yang

diinginkan(precision)?

Apakah deviasi standar populasi diketahui?

Jika tidak, apakah tersedia data sample yang

dapat memberikan estimasi terhadap deviasi
standar populasi. Pertimbangan-pertimbangan
ekonomis juga dapat dijadikan alasan
menentukan besar kecilnya ukuran sampel,
berapa anggaran penelitian yang tersedia, waktu
penelitian dan tenaga yang dibutuhkan untuk
penelitian.

Anggaplah kita sedang menentukan besarnya ukuran

sampel dengan menggunakan pertimbangan tingkat
ketepatan yang diinginkan, yakni dengan probabilitas
tingkat keyakinan 1 - , tingkat kesalahan yang
diestimasi (standart error) tidak lebih dari (Z/2. / n)
dan juga batas atau selisih antara rata-rata populasi dengan
rata-rata sampel tidak lebih dari nilai e =X - .
Formula yang dipakai adalah
Z/2. / n e
n / Z/2. 1/e
Z/2.
n
e

(Z /2. )2
=
e2

Z/2

. / n e

n /Z/2. 1/e
Z/2.
n
e
Z/2.
n
e

(Z/2. )2
=
e2
2
(Z/2. )2
=
e2
2

Aplikasi dari rumus ini menuntut deviasi standar populasi,

diketahui. Karena ini jarang diketahui, maka perlu dilakukan
"dugaestimasi" terhadap . Dalam praktek, ini dapat dilakukan
dengan berbagai cara.
Kadang-kadang sampel-sampel awal memberikan estimasi yang
dapat dipercaya untuk yang diharapkan tetap stabil walaupun
rata-rata populasi, telah berubah. Dalam situasi yang lain,
sebuah sampel kecil untuk eksperimen (pilot). Deviasi standar
dari sampel itu, s digunakan untuk mengganti dalam rumus

Cara lain, memperkirakan range nilai di dalam populasi.

Seringkali, pengalaman peneliti dapat menunjukkan kepada

peneliti tentang nilai-nilai yang terbesar dan terkecil dari data

Populasi untuk variabel random tertentu. Range itu pada
umumnya antara empat sampai enam kali deviasi standar

populasi:
Range / 6 < < Range / 4

Range yang lebih besar, Range / 4, memberikan dugaan besar

yang bersifat konservatif untuk , menjamin bahwa ukuran
sampel yang dihitung dengan rumus itu kelihatan lebih

dari cukup.

Contoh 1:
Terdapat kecendurungan bahwa untuk mengobati
penyakit-penyakit tertentu, masyarakat lebih
menyukai obat generik, tanpa merk dengan alasan
lebih murah daripada obat-obatan yang bermerk
terkenal. Anggaplah sebuah penelitian sedang
dilakukan
untuk
mengukur
karakteristik
penghasilan masyarakat pengguna obat-obat
generik. Dari sebuah penelitian awal sebagai pilot
proyek, ditemukan bahwa deviasi standar
penghasilan orang-orang yang menjadi sampel
adalah Rp. 60.000 per tahun.

Berapakah jumlah sampel yang dibutuhkan, n

untuk mengestimasi penghasilan rata-rata
masyarakat pengguna obat-obat generik, apabila
kita menggunakan tingkat keyakinan kebenaran
atas estimasi bahwa batas selisih error, e
sebesar Rp. 10.000 adalah 95%?

Jawab:
= 60.000, e = 10.000 dan Confidence Coeficient = 95%
atau z/2 = 1,96, jumlah sampel yang memuaskan adalah
(Z/2. )2
n
e2
(1,96 x 60.000)2
n
(10.000)2
n 139
Sebenarnya, persamaan rumus tersebut memberikan pemahaman
tentang tarik-ulur antara biaya sampling, tingkat keyakinan dan
derajat ketepatan estimasi. Kita memperhatikan ada dua sifat
penting dari rumus itu.

Pertama, menurunkan batas selisih kesalahan

akan dibarengi dengan kenaikan yang tidak
proporsional dari ukuran sampel. Misalnya, batas
selisih kesalahan dari pendapatan itu turun
separuhnya, maka diperlukan jumlah sampel
sebanyak empat kalinya. Misalnya, e adalah Rp.
5.000,
(1,96 x 60.000)2
n
(5.000)2
n 554

Kedua, kenaikan tingkat keyakinan (confidence

coefficient) akan meningkatkan ukuran sampel
yang relatif besar. Sebagai contoh, jika tingkat
keyakinan berubah dari 95% menjadi 99% atau
pada tingkat kesalahan (significant level), = 1%,
dimana pada tingkat itu z0,005 (z%) = 2,57. Ukuran
sampel menjadi minimum
(2,57 x 60.000)2
n
(5.000)2
n 951
(Naik hampir dua kali dari ukuran semula)

Estimasi Ukuran Sampel dengan Estimasi

Interval terhadap Proporsi
Estimasi terhadap ukuran sampel juga digunakan

untuk sebuah penelitian yang melibatkan variabel

kualitatif, sebagaimana telah dijelaskan pada sesi
6.5, sehingga kita cenderung memusatkan perhatian
kepada distribusi frekuensi relatif dari sebuah
kejadian yang merupakan karakteristik di dalam
sebuah populasi. Misalnya, kita tertarik kepda
proporsi sejumlah orang yang menggunakan produk
tertentu buatan luar negeri, atau proporsi produk
yang rusak diantara semua produk yang dihasilkan
oleh sebuah mesin.

Jika menganggap bahwa adalah proporsi di dalam populasi

dan P adalah proporsi di dalam sampel, maka estimasi ukuran

sampel dengan menggunakan pendekatan distribuisi normal
adalah
Z/2.

(1 -)/n e
Z2/2 . (1 -)
n
e2

Oleh karena jarang diketahui, kita mendekatinya dengan

estimasi proporsi sampel, sehingga Oleh karena jarang
diketahui, kita mendekatinya dengan estimasi proporsi sampel,
sehingga

Z2/2 . P (1 -P)
n
e2
Z2/2 . P. Q
n
e2
dimana
Q=1-P
e = P -

Z2/2 . P. Q
n
e2

Contoh:
Seorang pimpinan perusahaan ingin memeriksa catatan tingkat
persediaan dengan jumlah phisik persediaan yang ada dengan

menggunakan sampel. Untuk itu ia memperkirakan maksimum

error (e) Tidak lebih dari 5% di atas atau di bawah proporsi
sesungguhnya dari catatan-catatan yang kurang akurat,

menggunakan tingkat keyakinan (confidence coefficient)

99,73% dan proporsi persediaan yang tidak akurat diperkirakan
35% berdasarkan pengalaman masa lalu.

Berapkah jumlah sampel yang dibutuhkan?

Jawab:
P = 35%, pada tingkat keyakinan 99,73%, z = 3,00,
e = 0,05

32 (0,35) (1 - 0,35)
n
(0,05)2
n 819