Maria Anzelina S.

21070117140088

PENDUGAAN PARAMETER
Maria Anzelina S.
Departemen Teknik Industri , Universitas Diponegoro Semarang
Jl. Prof.H.Soedarto, S.H.Tembalang, Kota Semarang, Jawa Tengah 50275
Email: angelina.maria@ymail.com

ABSTRAK
Statistika dikelompokkan menjadi dua yaitu statistik deskriptif dan statistik inferensia. Statistik
deskriptif merupakan metode yang berhubungan dengan pengumpulan dan penggambaran satu set
data untuk mendapatkan informasi yang berarti dan hanya memberikan informasi dari data yang
dikumpulkan yaitu sampel dan tidak dapat memberikan kesimpulan atau inferensia untuk
kelompok data yang lebih besar atau kita sebut populasi. Metode yang berhubungan dengan
análisis dari sebuah sampel yang akan memberikan prediksi atau inferensia tentang seluruh set
data atau populasi disebut dengan statistik inferensia. Statistik inferensia dapat dibagi menjadi dua
kelompok, yaitu pendugaan (estimation) dan uji hipotesis (hypotheses testing). Untuk mengetahui
ukuran populasi atau disebut dengan Parameter biasanya seorang peneliti mengukurnya tidak
secara langsung melainkan dengan cara mengambil sampel kemudian mengukurnya. Selanjutnya
hasil pengukuran sampel tersebut digunakan untuk “menduga” ukuran sebenarnya (ukuran
populasinya atau parameternya). Dari sinilah berasal istilah “Pendugaan Parameter”. Secara umum
parameter yang diduga ialah nilai tengah (mean), proporsi, atau ragam.

Kata Kunci : Penduga Variansi , Penduga Nilai Rata-Rata Selisih 2 Populasi, Penduga Proporsi
Selisih 2 Populasi

PENDAHULUAN
Pendugaan merupakan proses yang menggunakan sampel statistik untuk menduga/ menaksir
hubungan parameter populasi yg tidak diketahui. Penduga adalah suatu statistik yang digunakan
untuk menduga suatu parameter. Estimasi adalah pengukuran terhadap nilai parameternya atau
populasi dari data sampel yang diketahui. Dalam penelitian kita harus memiliki penduga yang baik
yang memiliki ciri-ciri sebagai berikut :
 Maria Anzelina S.
21070117140088

 Tidak Bias (Unbiased) : apabila nilai penduga sama dengan nilai yang diduganya
 Efisien : apabila penduga memiliki varians yg kecil
 Konsisten : Jika ukuran sampel semakin bertambah maka penduga akan mendekati
parameternya dan jika ukuran sampel bertambah tak berhingga maka distribusi sampling
penduga akan mengecil menjadi tegak lurus di atas parameter yang sebenarnya dengan
probabilitas sama dengan satu

Metode pendugaan parameter ada dua , yaitu :

1. Metode Klasik : estimasi sepenuhnya berasal dari data sampel
2. Metode Bayes : estimasi tidak sepenuhnya berasal dari data sampel tapi juga melibatkan
informasi awal tentang distribusi populasi

Pendugaan berdasarkan cara penyajiannya dibagi menjadi 2 jenis , yaitu :

 Pendugaan tunggal
Pendugaan yang hanya mempunyai atau menyebutkan satu nilai. Tidak memberikan selisih
atau jarak antara nilai penduga dengan nilai sebenarnya (parameter)
 Pendugaan interval
Pendugaan yang mempunyai dua nilai sebagai pembatasan/ daerah pembatasan dan
digunakan tingkat keyakinan terhadap daerah yang nilai sebenarnya/ parameternya akan
berada. Nilai (1-α) disebut koefisien kepercayaan. Selang kepercayaan : (1-α) x 100%

Pendugaan berdasarkan parameternya dibagi menjadi 3 jenis , yaitu :

 Pendugaan rata-rata
 Pendugaan proporsi
 Pendugaan varians

TINJAUAN PUSTAKA
 Rumus Pendugaan Interval Selisih 2 Rata-Rata
Bila ada 2 populasi masing-masing dengan rata-rata μ1 dan μ2, varians σ12 dan σ22, maka
estimasi dari selisih μ1 dan μ2 adalah 𝑋̅1 − 𝑋̅2. Sehingga
 Maria Anzelina S.
21070117140088

(𝑋̅1 − 𝑋̅2 ) − (𝜇1 − 𝜇2 )

𝑍=
𝜎2 𝜎2
√( 1 ) + ( 2 )
𝑛 1 𝑛 2

(𝑋̅1 − 𝑋̅2 ) − 𝑍𝛼 𝜎(𝑋̅1 −𝑋̅2 ) < (𝜇1 − 𝜇2 ) < (𝑋̅1 − 𝑋̅2 ) − 𝑍𝛼 𝜎(𝑋̅1 −𝑋̅2 )
2 2

Untuk populasi besar (n ≥ 30) dan 𝜎12 dan 𝜎22 diketahui

𝜎12 𝜎22
𝜎(𝑋̅1 −𝑋̅2) =√ +
𝑛1 𝑛2

(𝑋̅1 − 𝑋̅2 ) − 𝑡𝛼 𝑠(𝑋̅1 −𝑋̅2 ) < (𝜇1 − 𝜇2 ) < (𝑋̅1 − 𝑋̅2 ) − 𝑡𝛼 𝑠(𝑋̅1 −𝑋̅2)
2 2

Untuk populasi kecil (n < 30) dan 𝜎12 dan 𝜎22 tidak diketahui

(𝑛1 − 1)𝑠12 + (𝑛2 − 1)𝑠22 1 1

𝑠(𝑋̅1 −𝑋̅2 ) = √ √( ) + ( )
𝑛1 + 𝑛2 − 2 𝑛1 𝑛2
𝑛1
1
𝑠12 = ∑(𝑋𝑖1 − 𝑋̅1 )2
𝑛1 − 1
𝑖=1
𝑛2
1
𝑠22 = ∑(𝑋𝑖2 − 𝑋̅2 )2
𝑛2 − 1
𝑖=1

Selang kepercayaan (1-α)100% untuk 𝜇1 − 𝜇2 , dimana 𝜎12 ≠ 𝜎22 dan 𝜎12 & 𝜎22 tidak
diketahui
𝛼
𝑆2 𝑠2 𝛼/2 𝑆2 𝑠2
(𝑋̅1 − 𝑋̅2 ) − 𝑡𝑑𝑏=𝑣
2 √ 1 + 2 < (𝜇1 − 𝜇2 ) < (𝑋̅1 − 𝑋̅2 ) + 𝑡𝑑𝑏=𝑣 √ 1+ 2
𝑛1 𝑛2 𝑛1 𝑛2
𝑠2 𝑠2
( 1 + 2 )2
𝑛1 𝑛2
Dengan , 𝑣 = 𝑠2 𝑠2
( 1 )2 ( 2 )2
𝑛1 𝑛2
[(𝑛 ]+[(𝑛 ]
1 −1) 2 −1)

 Penduga Nilai Perbedaan Dua Proporsi (𝜋1 − 𝜋2 ) Populasi

Standar deviasi :
 Maria Anzelina S.
21070117140088

𝜋1 (1 − 𝜋1 ) 𝜋2 (1 − 𝜋2 )
𝜎=√ +
𝑛1 𝑛2
𝐴 𝐴
𝑑𝑖𝑚𝑎𝑛𝑎 𝜋1 = 𝑁1 dan 𝜋2 = 𝑁2
1 2

Selang kepercayaan untuk beda dua proporsi (𝜋1 − 𝜋2 ) :

𝛼1 𝛼 𝛼2 𝛼
𝛼1 𝛼2 (1− 1 ) (1− 2 )
) ± 𝑍𝛼 (√ 1
𝑛 𝑛1 𝑛2 𝑛2
(𝜋1 − 𝜋2 ) ≤ (𝑛 − 𝑛 + )
1 2 2 𝑛1 𝑛2

 Penduga Nilai Rata-Rata (Nilai Tengah) Populasi (µ)

Untuk sampel besar (n ≥ 30) , maka selang kepercayaan (interval konfindensi) :
𝜎 𝜎
𝑋̅ − (𝑍𝛼 ) ≤ 𝜇 ≤ 𝑋̅ + (𝑍𝛼/2 )
2 √𝑛 √𝑛
Untuk sampel kecil (n < 30) , maka selang kepercayaan (interval konfindensi) :
𝑆 𝑆
𝑋̅ − (𝑡(𝑛−1;𝛼) ) ≤ 𝜇 ≤ 𝑋̅ + (𝑡(𝑛−1;𝛼) )
2 √𝑛 2 √𝑛

 Penduga Nilai Proporsi Populasi (𝜋)

Selang kepercayaan :

𝛼 𝑝(1 − 𝑝) 𝛼 𝑝(1 − 𝑝)
− 𝑍𝛼 √ < 𝜋 < + 𝑍𝛼 √
𝑛 2 𝑛 𝑛 2 𝑛

Bila 𝛼 tidak diketahui, maka diganti dengan P

1
Nilai kesalahan maksimum : 𝐸𝑚𝑎𝑥 = 𝑍𝛼/2 . 2
√𝑛

 Penduga Nilai Simpangan Baku Populasi (𝜎)

Jika sampel besar (n ≥ 30) , selang kepercayaannya :
𝑠 𝑠
≤𝜎≤
𝑍𝛼/2 𝑍𝛼/2
1+ 1−
√2𝑛 √2𝑛
Jika sampel kecil (n < 30) , selang kepercayaannya :
(𝑛 − 1)𝑠 2 (𝑛 − 1)𝑠 2
√𝑋 ≤ 𝜎 ≤ √𝑋
𝛽 𝛽
( ;𝑛−1) (1− ;𝑛−1)
2 2
 Maria Anzelina S.
21070117140088

 Estimasi Varians Populasi

Estimasi Varians populasi sangat diperlukan untuk mengetahui sejauh mana sebaran nilai
parameter sehingga dapat dijadikan untuk mengambil langkah-langkah dalam
mengendalikannya. Misalnya yang berkaitan dengan suatu tingkat kualitas produk,
diinginkan agar bukan hanya rata-rata nilai parameternya ysng memenuhi suatu
persyaratan tetapi juga konsistensi dari nilai tersebut harus bisa terjamin. Estimasi interval
varians populasi berbentuk:
𝑣𝑠 2 2
𝑣𝑠 2
2 < 𝜎𝑥 < 2
𝑋𝛼/2,𝑣 𝑋1−𝛼/2,𝑣
Dimana :
2
𝑋𝛼/2,𝑣 = nilai kritis 𝑋 2 yang tergantung tingkat kepercayaan dan derajat
kebebasan
α = 1 – tingkat kepercayaan (sering disebut chance of error)
v = derajat kebebasan (df) = n – 1

 Pendugaan Interval Selisih 2 Proporsi

(𝑝̅1 − 𝑝̅2 ) − 𝑍𝛼 𝑠(𝑝̅1 −𝑝̅2) < (𝑝1 − 𝑝2 ) < (𝑝̅1 − 𝑝̅2 ) + 𝑍𝛼 𝑠(𝑝̅1 −𝑝̅2 )
2 2

𝑝̅1 (1 − 𝑝̅1 ) 𝑝̅2 (1 − 𝑝̅2 )

𝑠(𝑝̅1 −𝑝̅2) = √ +
𝑛1 𝑛2

 Pendugaan Selisih Dua Parameter Proporsi

𝑝̅1 𝑞̅1 𝑝̅2 𝑞̅2 𝑝̅1 𝑞̅1 𝑝̅2 𝑞̅2

(𝑝̅1 − 𝑝̅2 ) − 𝑍1−𝛼 √ + < (𝑝1 − 𝑝2 ) < (𝑝̅1 − 𝑝̅2 ) + 𝑍1−𝛼 √ +
2 𝑛1 𝑛2 2 𝑛1 𝑛2
𝑥1
𝑝̅1 =
𝑛1
𝑥2
𝑝̅2 =
𝑛2
 Maria Anzelina S.
21070117140088

 Penduga Dua Sampel Saling Bebas (Selisih Rataan Dua Populasi)

Untuk sampel besar :
Selang kepercayaan jika 𝜎1 dan 𝜎2 diketahui dan 𝜎1 = 𝜎2

𝜎2 𝜎2 𝜎2 𝜎2
(𝑥̅1 − 𝑥̅2 ) − 𝑍𝛼 √ 1 + 2 < 𝜇1 − 𝜇2 < (𝑥̅1 − 𝑥̅ 2 ) + 𝑍𝛼 √ 1 + 2
2 𝑛1 𝑛2 2 𝑛1 𝑛2

Selang kepercayaan jika 𝜎1 dan 𝜎2 tidak diketahui dan 𝜎1 ≠ 𝜎2

𝑠2 𝑠2 𝑠2 𝑠2
(𝑥̅1 − 𝑥̅2 ) − 𝑍𝛼 √ 1 + 2 < 𝜇1 − 𝜇2 < (𝑥̅1 − 𝑥̅ 2 ) + 𝑍𝛼 √ 1 + 2
2 𝑛1 𝑛2 2 𝑛1 𝑛2

Selang kepercayaan beda rata-rata untuk sampel besar dimana 𝜎1 dan 𝜎2 tidak diketahui
akan tetapi 𝜎1 = 𝜎2 maka distribusinya menyebar menurut t-student dengan derajat bebas
db = 𝑛1 + 𝑛2 − 2, sehingga selang kepercayaan beda rata-ratanya adalah :

1 1 (𝑛1 − 1)𝑆12 + (𝑛2 − 1)𝑆22

|𝜇1 − 𝜇2 | < (𝑥̅1 − 𝑥̅2 ) ± 𝑡(𝑛 𝛼 √( + )√
1 +𝑛2 −2; 2 ) 𝑛1 𝑛2 𝑛1 + 𝑛2 − 2

Untuk sampel kecil :

Selang kepercayaan jika 𝜎1 dan 𝜎2 diketahui :

𝜎12 𝜎22
|𝜇1 − 𝜇2 | ≤ (𝑥̅1 − 𝑥̅2 ) ± 𝑡(𝑛 𝛼 √( + )
1 +𝑛2 −2; )
2 𝑛1 𝑛2

Selang kepercayaan jika 𝜎1 dan 𝜎2 tidak diketahui :

𝑆12 𝑆22
|𝜇1 − 𝜇2 | ≤ (𝑥̅1 − 𝑥̅2 ) ± 𝑡(𝑣;𝛼) √( + )
2 𝑛1 𝑛2

Dengan derajat bebas (v) :

𝑠2 𝑠2
(𝑛1 + 𝑛2 )2
1 2
𝑑𝑏 = 𝑣 =
𝑠2 𝑠2
(𝑛1 )2 (𝑛2 )2
1 2
[ ]+[ ]
(𝑛1 − 1) (𝑛2 − 1)

Jika 𝜎1 dan 𝜎2 tidak diketahui dan diasumsikan sama :

 Maria Anzelina S.
21070117140088

2
1 1 2
1 1
(𝑥̅1 − 𝑥̅ 2 ) − 𝑡𝛼(𝑣) √𝑠𝑔𝑎𝑏 ( + ) < 𝜇1 − 𝜇2 < (𝑥̅1 − 𝑥̅ 2 ) + 𝑡𝛼(𝑣) √𝑠𝑔𝑎𝑏 ( + )
2 𝑛1 𝑛2 2 𝑛1 𝑛2

2 (𝑛1 −1)𝑠12 +(𝑛2 −1)𝑠22

𝑠𝑔𝑎𝑏 = dan 𝑣 = 𝑛1 + 𝑛2 − 2
𝑛1 +𝑛2 −2

Jika 𝜎1 dan 𝜎2 tidak diketahui dan diasumsikan tidak sama :

𝑠12 𝑠22 𝑠12 𝑠22

(𝑥̅1 − 𝑥̅ 2 ) − 𝑡𝛼(𝑣) √( + ) < 𝜇1 − 𝜇2 < (𝑥̅1 − 𝑥̅ 2 ) + 𝑡𝛼(𝑣) √( + )
2 𝑛1 𝑛2 2 𝑛1 𝑛2

𝑠2 𝑠2
(𝑛1 + 𝑛2 )2
1 2
𝑣=
𝑠2 𝑠2
(𝑛1 )2 (𝑛2 )2
1 2
[ ]+[ ]
(𝑛1 − 1) (𝑛2 − 1)

 Dua sampel berpasangan

𝑠𝑑 𝑠𝑑
𝑑̅ − 𝑡𝛼(𝑛−1) < 𝜇𝐷 < 𝑑̅ + 𝑡𝛼(𝑛−1)
2 √𝑛 2 √𝑛
∑𝑖(𝑑𝑖 −𝑑̅ )2
𝑠𝑑2 = dan 𝑑𝑖 = 𝑥1𝑖 − 𝑥2𝑖
𝑛−1

DAFTAR PUSTAKA
Siagian, Dergibson. 2006. Metode Statistika. Jakarta : PT. Gramedia Pustaka Utama.
Slamet dan Sutopo. 2017. Statistika Inferensial. Yogjakarta : CV ANDI.
Setiawan ,dkk. 2012. Statistika II. Yogjakarta : CV ANDI.