Estimasi Interval Varian

PROSEDUR ESTIMASI INTERVAL UNTUK VARIAN DENGAN TINGKAT KEYAKINAN 95%

I. PENDAHULUAN
1.1 Parameter Estimasi

Estimasi adalah suatu metode dimana kita dapat memperkirakan nilai dari suatu populasi dengan
menggunakan nilai dari sampel. Estimator adalah nilai pendugaan/suatu data statistik, sebagai sampel
yang digunakan untuk mengisi suatu parameter. Ada dua jenis estimasi terhadap parameter populasi:

A. Estimasi titik (point estimation) yaitu nilai tunggal statistik sampel yang digunakan untuk
mengestimasi parameter populasi.
B. Estimasi interval (interval estimation) yaitu nilai interval dari statistik sampel yang berisi
kemungkinan terjadinya parameter populasi.

Berikut beberapa terminologi yang perlu diperhatikan ketika akan melakukan estimasi interval
parameter populasi:

A. Estimasi titik
B. Jumlah kemungkinan kesalahan di dalam estimasi titik atau interval kemungkinan
C. Pernyataan tentang derajat keyakinan yang mana interval berisi nilai parameter populasi

1.2 Estimasi titik

Estimasi titik adalah nilai tertentu yang digunakan untuk mengestimasi nilai populasi ada tiga
kriteria ketepatan estimasi titik sehingga bisa digunakan untuk membuat keputusan tentang
parameter populasi yaitu:
A. Tidak bias, tidak bias maksudnya disini adalah nilai statistik sampel tidak akan persis sama
dengan nilai parameter populasi. Nilainya kemungkinan akan di bawah atau di atas karena
kesalahan sampling. Oleh karena itu Keinginan kita adalah bahwa nilai harapan (expected
value) atau nilai rata-rata semua nilai statistik sampel yang diestimasi secara random dari
semua kemungkinan sampel yang ada sama dengan parameter populasi. Jika hal ini benar
maka dikatakan bahwa statistik sampel adalah estimator yang tidak bias dari parameter
populasi.
B. Konsisten, yaitu sebuah titik estimasi dikatakan konsisten bila nilai statistik sampel
cenderung sama dengan parameter populasi tidak bias ketika jumlah sampel terus
bertambah.
C. Efisiensi di mana suatu estimator yang tidak biasa mempunyai ciri yang efisien bila
mempunyai deviasi standar atau standard error yang lebih kecil di dalam populasi yang
sama.

1.3 Estimasi interval

Ketepatan estimasi sample bisa diukur dengan menggunakan estimasi interval. Estimasi interval
adalah sebuah interval keyakinan (confidence interval) berisi pernyataan keyakinan bahwa interval
tersebut berisi nilai parameter. Besarnya estimasi interval ini dipengaruhi oleh 3 faktor:
A. Besarnya sampel (n)

Kelompok 6 1
 Estimasi Interval Varian

B. Tingkat keyakinan atau kepercayaan yang dipilih (level of confidence)

C. Variabilitas dari populasi yang diukur dengan standar deviasi.

Dari ketiga faktor tersebut kita bisa menentukan jenis distribusi mana yang digunakan di dalam
menghitung estimasi interval. Jika populasi berdistribusi normal, maka pertanyaan berikutnya
Apakah standar deviasi dari populasi diketahui atau tidak. Jika diketahui maka kita menggunakan
uji distribusi Z. Namun jika tidak diketahui maka kita menggunakan uji distribusi t. Bila populasi
tidak mempunyai distribusi normal tetapi sampel datanya besar yaitu paling tidak 30 atau lebih maka
digunakan uji distribusi Z. Sedangkan jika sampelnya kurang dari 30 maka digunakan uji non
parametrik.

A. Interval rata-rata dan standar deviasi diketahui

B. Interval rata-rata dan standar deviasi tidak diketahui dengan sampel besar
C. Interval rata-rata dan standar deviasi tidak diketahui pada sampel kecil

1.4 Ciri Estimator yang Baik

A. 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 sebagai
estimator bias dari parameter tersebut. Nilai-nilai korespondensi dari statistik-statistik
ini msaing-masing disebut estimasi bias dan estimasi tak bias.

B. 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 sebagai estimator tak efisien. Adapun nilai-
nilai yang berkorespondensi dengan statistik-statistik ini masing-masing disebut
sebagai estiamsi 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.

C. 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 sarna dengan nilai
sebenarnya meskipun ukuran sampel semakin lama semakin besar. Dalam Kasus ini,
apakah kita tahu bahwa nilai barn dari x akan lebih mendekati mean (rata-rata) Dari J.l
Atau ada kemungkinan lebih jauh? Estimator Yang konsisten adalah estimator yang
akan bergerak mendekati nilai sebenarnya bila jumlah elemen sampel ditambah.

Kelompok 6 2
 Estimasi Interval Varian

1.5 Estimasi interval proporsi

Estimasi ini bisa digunakan untuk menghitung proporsi. Proporsi (p) merupakan perbandingan
antara jumlah kejadian yang sukses Dengan jumlah seluruh observasi yang dilakukan. Kita dapat
menggunakan persamaan dalam estimasi interval proporsi apabila:
A. Probabilitas kejadian merupakan probabilitas binomial
B. Nilai dari np Dan n(1-p) harus sama atau lebih besar dari 5
C. penentuan besarnya sampel dalam penelitian

1.6 Derajat kepercayaan yang kita inginkan (level of confidence desired)

Faktor pertama peneliti harus memiliki derajat kepercayaan dalam hal ini biasanya derajat
kepercayaan yang digunakan adalah sebesar 99% atau 95%. Namun setiap nilai antara 0 dan 100%
dimungkinkan untuk digunakan. Semakin besar derajat kepercayaan yang dipilih semakin besar
sampel yang dibutuhkan.

1.7 Margin kesalahan yang ditoleransi (allowable error)

Margin kesalahan maksimum yang bisa ditoleransi adalah jumlah yang harus ditambah dan
dikurangi kepada rata-rata sampel atau proporsi simple untuk menentukan nilai terakhir dari interval
keyakinan. Margin kesalahan ini merupakan jumlah kesalahan yang bisa ditoleransi. Semakin kecil
kesalahan yang bisa ditoleransi maka semakin besar sampel yang dibutuhkan dan sebaliknya
Semakin besar kesalahan yang bisa ditoleransi maka semakin kecil sampel yang dibutuhkan.

1.8 Variabilitas populasi (variability in population)

Faktor ketiga yaitu variabilitas populasi dilihat dari standar deviasi populasi jika populasi tersebar
luas maka dibutuhkan sampel yang besar. Sebaliknya pada kasus populasi terkonsentrasi maka
diperlukan sampel yang lebih kecil. Selanjutnya kita menentukan besarnya sampel untuk uji rata-
rata dan besarnya sampel untuk uji proporsi.

II. PEMBAHASAN
Estimasi interval untuk varian dengan tingkat keyakinan 95% dapat dicari dengan rumus sebagai
berikut :

Misalkan sebuah penelitian dilakukan pada sebuah populasi yang berukuran N yang memiliki rata-
rata µ yang tidak diketahui serta varian σ2 diketahui. Penelitian tersebut akan mengestimasi nilai
rata-rata µ dengan menggunakan selang kepercayaan. Untuk mengestimasi rata-rata µ, maka diambil
sampel sebanyak n dari populasi N. Distribusi sampling tersebut biasanya didekati dengan distribusi
normal, oleh karena itu dengan menggunakan data sampel, dihitung nilai estimasi titik dari rata-rata
µ yaitu sebagai berikut.

Kelompok 6 3
 Estimasi Interval Varian

Selanjutnya dapat dibuat selang kepercayaan dengan menggunakan rumus sebagai berikut.

Nilai α yang sering digunakan adalah 5% (lihat tabel z distribusi normal).

Kelompok 6 4
 Estimasi Interval Varian

Contoh Selang Kepercayaan Rata-rata µ (Varian Diketahui)

Telah diambil secara acak sampel yang terdiri dari 100 orang mahasiswa sebuah universitas
di Jakarta. Melalui test IQ terhadap 100 mahasiswa tersebut diperoleh rata-rata IQ sebesar
112 dan varians 100. Dengan menggunakan tingkat keyakinan (confidence level) sebesar
95%, tentukan interval konfidens untuk nilai rata-rata IQ seluruh mahasiswa universitas
tersebut.

Diketahui : n = 100 X  112 s2  100  s  10

1 –  = 0.95  0.5 = 0.025  Z0.025 = 1.96

Ditanyakan : P( . . .    . . . ) = 0.95

 
PX  Z 0.5 s    X  Z 0.5 s   1 
Jawab :  n n

 10 10 
P112  1.96    112  1.96   0.95
 100 100 

P112  1.96    112  1.96  0.95  P110.04    113.96  0.95

Kita merasa yakin sebesar 95% bahwa rata-rata IQ seluruh mahasiswa universitas tersebut
antara 110.04 dan 113.96

Kelompok 6 5
 Estimasi Interval Varian

III. PENUTUP
3.1 KESIMPULAN
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. Estimator : setiap statistik (mean sampel,varians
sampel) yang digunakan untuk mengestimasi sebuah parameter haruslah meliputi kriteria di
bawah ini:
a. Estimator tak bias
b. Estimator konsisten
c. Estimator terbaik

Kelompok 6 6
 Estimasi Interval Varian

DAFTAR PUSTAKA

 Budiarto, Eko. 2011. Biostatistika 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/
 http://elearning.gunadarma.ac.id/docmodul/statistika_untuk_ekonomi_dan_bisnis/bab10_estimasi
statistik.pdf

Kelompok 6 7