MAKALAH

BIOSTATISTIK (PROBABILITAS)

DISUSUN OLEH

1. Laila dewi : 21115062

2. Ade hikmatuttoyyibah : 21115065
3. Endah oktaviani : 21115085
4. Putri anggraika : 21115086
5. Arie nugraha : 21115097

PROGRAM STUDI ILMU KEPERAWATAN

STIKes MUHAMMADIYAH PALEMBANG

TAHUN AKADEMIK 2017/2018

1
 ESTIMASI

A. Pengertian Estimasi
Estimasi merupakan kegiatan penarikan kesimpulan statistik yang
berawal dari hal-hal yang bersifat umum ke hal – hal yang bersifat khusus, agar
penarikan kesimpulan dapat dibenarkan dan mampu mendekati kebenaran
maka dibutuhkan suatu alat untuk memproses data secara benar, jika kegiatan
estimasi dapat dilakukan secara benar maka semua keputusan yang berkaitan
dengan estimasi dapat dilakukan juga dengan benar dan dapat untuk mengatasi
segala persoalan statistik.
Dalam statistik, penarikan kesimpulan merupakan bagian terpenting dan
harus. Ini merupakan focus dan pusat perhatian bagi statistic modern, dengan
penarikan kesimpulan yang benar akan dapat menghasilkan informasi yang
berguna.
Dalam penarikan kesimpulan ada dua metode :
1. Metode deduksi adalah kesimpulan yang berpangkal pada hal-hal yang
bersifat umum kemudian di ambil kesimpulan yang bersifat khusus.
2. Metode induksi adalah kesimpulan yang didasarkan pada hal-hal yang
bersifat khusus kemudian ditarik kesimpulan pada hal-hal yang bersifat
umum.
Dalam kenyataannya secara praktek / realistis, terhadap kedua metode
diatas, statistik berpegang pada metode induksi yaitu penarikan kesimpulan
pada sifat-sifat sampel untuk dipakai sebagai dasar penarikan kesimpulan sifat-
sifat populasi. Metode induksi lebih banyak digunakan karena bisa menghemat
waktu dan biaya.

Estimasi adalah menafsirkan keadaan populasi berdasarkan kesimpulan

yang diperoleh pada sampel. Tiap-tiap estimasi dapat memiliki taraf validitas
yang berbeda. Suatu data Statistik merupakan alat estimasi yang tepat atau
valid apabila data statitik tersebut tidak berbeda dengan data parametriknya.

2
 Suatu estimasi di samping memiliki taraf validitas juga memiliki
taraf reliabilitas,reliabilitas estimasi ini di tentukan oleh jenis estimasi yang
dipergunakan di dalam statistik kita membedakan dua macam estimasi, yaitu :
1. Estimasi tunggal
Estimasi tunggal point estimate adalah estimasi yang menggunakan satu
bilangan saja, contoh rata-rata kecerdasan anak SD di Bali adalah 120
2. Estimasi berjarak
Estimasi berjarak atau interval estimate adalah estimasi yang
menggunakan dua bilangan, contoh rata-rata kecerdasan anak SD di bali
adalah dianatara 115 dan 125
Dalam statsitik kita selalu menggunakan estimasi berjarak dan
hampir tidak pernah menggunakan estimasi tunggal, hal ini disebabkan
karena estimasi berjarak menunjukkan reliabilitas yang jauh lebih besar
dari pada estimasi tunggal.

B. Jenis-jenis Estimasi
1. Estimasi Titik
Estimasi titik merupakan salah satu cara untuk mengadakan estimasi
terhadap parameter populasi yang tidak diketahui. Estimasi titik ialah nilai
tunggal yang digunakan untuk mengadakan estimasi terhadap parameter
populasi.
Estimasi titik yang dapat digunakan untuk mengadakan estimasi
parameter populasi ialah rata-rata sampel terhadap rata-rata populasi,
proporsi sampel terhadap proporsi populasi, jumlah variabel tertentu yang
terdapat dalam sampel untuk mentaksir jumlah variabel tersebut dalam
populasi, dan varians atau simpangan baku sampel untuk menaksir
simpangan baku populasi.
E(µ)= ; E ( 2 ) = S2 ; E ( p ) =
Misal : seorang peneliti menyimpulkan berdasar pengamatan dari
sampel bahwa rata-rata pendapatan penduduk kota surabaya sebesar Rp.
1.800.000,- per bulan. Jadi rata-rata per bulan penduduk surabaya memiliki

3
 pendapatan relatif Rp. 1.800.000,- Kenyataannya penghasilan warga
surabaya rata-rata ada yang lebih besar dan ada yang lebih kecil dari angka
tersebut di atas. Kondisi ini tentunya sangat berbahaya bila angka tersebut
dipakai sebagai patokan. Berdasar kondisi tersebut Point estimation jarang
digunakan.

2. Estimasi Interval
Estimasi interval merupakan pengembangan estimasi titik. Bahwa
nilai taksiran parameter tidak terfokus pada satu titik tetapi di dasarkan
pada range tertentu, sehingga estimasinya memiliki nilai tertinggi (max)
dan nilai terendah (min). Interval ini lebih dikenal dengan interval
konfidensi. Nilai yang muncul adalah nilai yang didasarkan probabilitas
tertentu, dalam praktek biasanya yang dipilih 90%, 95% atau 99%.
Estimasi rata – rata : dalam statistik di asumsikan suatu ukuran sampel
dikatakan besar apabila n ≥ 30, sampel dikatakan kecil apabila n ≤ 30.
a. Estimasi rata-rata untuk sampel kecil n < 30, maka interval konfidensi
untuk m adalah :
Xbar – t (n-1;a/2). S ≤ μ ≤ Xbar + t (n-1;α/2) . S
√n √n
Contoh:
Winda, Budi, Roni melakukan pengamatan mengenai lama usia pakai
baterey merk Alkalin yang digunakan pada alfalinknya masing-masing,
menurut mereka dari 4 baterey merk Alfalink tersebut rata-rata bisa
dipakai selama 1200 jam dengan simpangan baku 200 jam, dengan
interval konfidensi 98% temukan berapa rata-rata usia pakai sebenarnya
dari baterey merk Alkalin tersebut ?
Estimasinya:
Xbar = 1200 jam.
N = 4
S = 1200 jam
1-α = 98%

4
 α = 0,02
= 0,01
tn-1; ) = t(3;0,01) = 4,451 (dari tabel t).
Xbar – t (n-1;a/2). S ≤ μ ≤ Xbar + t (n-1;α/2) . S
√n √n
1200-[4,451. 200 ] ≤ µ ≤ 1200 + [4,451 . 200 ]
√4 √4
754,9 jam ≤ µ ≤ 1546,1 jam
ternyata setelah di uji dengan interval konfidensi 98%, usia pakai
baterey merk Alkalin berkisar (sebenarnya) antara 754,9 jam minimum
dan 1645,1 jam maksimum.
b. Estimasi rata-rata untuk sampel besar: Dalam sampel besar ( n ≥ 30 )
distribusi populasi tidak harus normal. Jadi apapun distribusi
populasinya asalkan dia punya mean ( µ ) dan variance ( σ² ) maka
interval konfidensinya untuk µ adalah seperti contoh berikut di bawah:
Contoh:
Sebuah lembaga penelitian mengambil sampel random sebanyak 150
keluarga suatu daerah tertentu. Sampel keluarga tersebut menunjukkan
penghasilan bulanan rata-rata sebesar Rp. 860.600,- dengan standart
deviasi Rp. 685.407,- , dengan interval konfidensi 90%, tentukan
penghasilan bulanan rata-rata semua keluarga di daerah tersebut !
Xbar = 860.600
S = 685.407
N = 150
1-α = 90%
Α =0,1
Z = Z 0,05 = 1,64
Xbar – Zα/2. S ≤ µ ≤ Xbar + Zα/2 . S
√n √n
860.600-[1,64 x 685.407] ≤ µ ≤ 860.600 + [1,64 x 685.407]
√ 150 √ 150

5
 768.820,27 ≤ µ ≤ 952.379,73
setelah dilakukan uji konfidensi 90%, penghasilan rata-rata per bulan
semua penduduk didaerah tersebut adalah : minimum Rp. 768.820,27
dan maksimum Rp. 952.379,73

C. Penetapan Jumlah Sampel

Menentukan ukuran jumlah sampel yang rasional dalam suatu penelitian
agar kesalahan estimasi tidak melebihi D (batasan toleransi) di dapat dengan
rumus sebagai berikut:
Dimana :
σ : Standart Deviasi
D : Kesalahan Estimasi
n : ukuran jumlah sampel
Zα/2 . σ
n = ( ————– ) ²
D
Artinya survey atau penelitian yang dilakukan, hasil akhir dapat mendekati
nilai normalnya, karena nilai (n) telah diukur secara Seakurat mungkin, dalam
statistik pendekatan sebuah hasil perhitungan dapat diterima secara umum jika
telah melalui prosedur tertentu yang dianjurkan. Pelanggaran terhadap hal ini
akan memberikan arti hasil analisa atau pengujian tidak mendekatai kuva
normal, atau hasilnya diluar kewajaran.

D. Ciri Estimator yang Baik

1. Tidak Bias
Jika mean dari distribusi sampling suatu statistik sama dengan
parameter populasi korespondensinya, maka statistik ini disebut sebagai
estimator tak bias dari parameter tersebut. Kebalikannya, jika mean dari
distribusi sampling suatu statistik tidak sama dengan parameter populasi
korespondensinya, maka statistik ini disebut estimator bias dari parameter

6
 tersebut. Nilai-nilai korespondensi dari statistik-statistik ini masing-masing
disebut estimasi bias dan estimasi tak bias.
2. Efisien
Jika distribusi sampling dari dua statistik memiliki mean atau
ekspektasi yang sama, maka statistik dengan varians yang lebih kecil
disebut sebagai estimator efisien dari mean, sementara statistik yang lain
disebut estimator tak efisien. Adapun nilai-nilai yang berkorespondensi
dengan statistik-statistik ini masing-masing disebut sebagai estimasi efisien
dan estimasi tak efisien. Jika semua kemungkinan statistik yang distribusi
samplingnya memiliki mean yang sama, maka statistik dengan varian
terkecil terkadang disebut sebagai estimator paling efisien atau terbaik dari
mean ini.
3. Konsisten
Bila besarnya sampel bertambah maka hampir dapat dipastikan bahwa nilai
statistik sampel akan lebih mendekati nilai parameter populasi, estimator
demikian disebut konsisten. Estimator konsisten adalah estimator yang
cenderung sama dengan nilai sebenarnya meskipun ukuran sampel semakin
lama semakin besar. Estimator yang konsisten adalah estimator yang akan
bergerak mendekati nilai sebenarnya bila jumlah elemen sampel ditambah.

7
 DAFTAR PUSTAKA

Budiarto, Eko. 2011. Biostatistik untuk Kedokteran dan Kesehatan Masyarakat.

Jakarta: EGC.

http://antho-765.mhs.narotama.ac.id/2012/05/04/makalah-singkat-mengenai-
estimasi-tugas-mata-kuliah-statistik-bisnis-oleh-bpk-i-putu-artayase-mm/
diakses pada tanggal 08 April 2018 jam 10.28 WIB.

http://elearning.gunadarma.ac.id/docmodul/statistik_untuk_ekonomi_dan_bisnis/b
ab10_estimasi_statistik.pdf diakses pada tanggal 08 April 2018 jam 10.40
WIB.