BAB I
PENAKSIRAN PARAMETER
A. PENDAHULUAN
Apabila kita mengumpulkan data kuantitatif dengan jalan melakukan penelitian
sampel (sample study), sebenarnya kita berharap agar dapat menarik suatu kesimpulan
tentang peristiwa yang sedang kita selidiki dengan menggunakan data yang kita
kumpulkan.dari penelitian sampel tersebut di atas. Berdasarkan hasil penelitian pada
sampel, kita ingin menarik kesimpulan tentang populasi dari mana sampel itu. penarikan
kesimpulan itu antara lain dapat berbentuk estimasi (penaksiran) tentang satu atau
beberapa nilai parameter.
Seperti telah dikemukakan diambil pada bab terdahulu, karena berbagai alasan seperti
sangat banyaknya individu populasi itu, maka penelitian keseluruhan akan tidak
ekonomis, baik tenaga, waktu maupun biaya; maka penelitian pada umumnya hanya
menggunakan sampel saja. Harga-harga parameter (µ, σ, µ1- µ2, P, P1-P2) hanya
diestimasikan berdasarkan harga-harga statistic sampelnya.
Kita tidak akan mengetahui dengan tepat harga-harga parameter itu selama kita tidak
melakukan observasi yang menyeluruh data yang meliputi seluruh unsure populasi itu.
berdasarkan pengertian distribusi sampling harga statistic yang telah dijelaskan pada bab
di muka, dengan cara-cara tertentu kita dapat membuat estimasi harga parameter
berdasarkan satu sampel random yang diambil dari populasi yang bersangkutan. Harga
sampel yang kita pergunakan untuk tujuan yang demikian dianggap sebagai estimator
(penduga). Sedangkan harga-harga yang dinyatakan dengan angka-angka dan yang kita
peroleh dengan jalan mengevaluasi penduga tersebut dinamakan estimasi secara statistic
(Statistical Estimate). Misalnya mean sampel x merupakan penduga bagi mean populasi
µ.
Karena penduga merupakan fungsi dari harga-harga sampel, maka penduga juga
merupakan variable random dan memiliki distribusi sampling seperti lazimnya berbagai
distribusi sampling. Distribusi sampling demikian itu merupakan distribusi teoritis
tentang berbagai kemungkinan sampel dengan jumlah n yang sama dan yang dapat dipilih
dari populasi tertentu.
B. TINJAUAN TEORI
1. Definisi Penaksir dan Ciri-ciri Penaksir yang Baik
Untuk mempelajari kelakuan populasi dapat dilakukan berdasarkan data yang
diambil secara sampling atau sensus. Dari populasi tersebut diambil sampel yang
representative, lalu dianalisis dan diambil kesimpulan. Kelakuanyang akan dipelajari dari
populasi di sini mengenai parameter populasi.
Secara umum, parameter populasi akan diberi symbol θ (baca : theta). Jika θ ,
yang tidak diketahui ditaksir oleh harga θ (baca : theta topi), maka θ dinamakan
penaksir. Jelas sangat diharapkan harga θ yang sebenarnya yaitu bila θ = θ . Namun
kenyataan yang biasa terjadi adalah :
a. menaksir θ oleh θ yang terlalu tinggi, atau
b. menaksir θ oleh θ yang terlalu rendah.
Oleh karena itu, diberikan criteria untuk mendapatka penaksir yang baik yaitu ;
1) tak bias
Penaksir θ dikatakan penaksir tak bias bila rata-rata semua harga θ = 0 ditulis ε ( θ
) = 0.
2) bervarians minimum
Penaksir bervarians minimum ialah penaksir dengan varians terkecil di antara semua
penaksir untuk parameter yang sama. Jika θ1 dan θ2 dua penaksir θ dimana varians
θ1 < θ2 maka θ1 merupakan penaksir bervarians minimum.
3) konsisten
Penaksir konsisten adalah penaksir yang berkonsentrasi secara sempurna bila
besarnya sampel bertambah secara tak hngga. Penaksir konsisten merupakan penaksir
dengan deviasi standar mendekati 0 yaitu jika n → ~
4) efisien
Distribusi penaksir terpusat atau mempuyai deviasi standar yang kecil sekali.
Pada umumnya penaksir terbaik adalah penaksir yang tak bias dan bervarians minimum.
2. Cara-cara Menaksir
Harga parameter dapat ditaksir dengan dua cara yaitu :
1) Point estimation (penaksiran titik)
Bila kita menaksir tinggi rata-rata orang Indonesia kemudian diambil sampel
secara acak dan dihitung rata-ratanya yaitu x = 164 cm. Maka 164 adalah titk
taksiran untuk tinggi orang Indonesia. Secara umum adalah penaksir atau titik
taksiran untuk.
2) Interval estimation (penaksiran interval)
Karena kekurangpercayaan orang terhadap hasil dari point estimation maka
sebagai gantinya digunakan interval estimation yaitu menaksir harga parameter di
antara batas-batas dua harga. Untuk contoh di atas, kita dapat menaksir tinggi rata-rata
orang Indonesia antara 150 cm dan 170 cm. Dalam praktiknya harus dicari interval
taksiran yang sempitdengan derajat kepercayaan yang memuaskan.
Derajat kepercayaan menaksir disebut koefisien kepercayaan dinyatakan
dengan ∂ dan besarnya 0 < ∂ < 1. Harga tergantung persoalan dan seberapa besar
peneliti ingin yakin dalam membuat pernyataannya. Yang biasa digunakan ∂ = 0,95
atau ∂ = 0,99. Nilai bias digunakan sebagai peluang untuk parameter θ antara
A dan B dan ditulis : P ( A < θ < B ) = ∂ ........(1)
3. Menaksir Rata-rata µ
Misalkan terdapat populasi berukuran N dengan rata-rata µ dan simpangan baku
σ . Dari populasi akan ditaksir parameter rata-rata µ . Untuk sampel acak berukuran n..
Titik sasaran untuk rata-rata µ adalah Χ . Jadi nilai µ besarnya ditaksir oleh harga Χ
yang didapat dari sampel. Untuk memperoleh taksiran yang lebih tinggi derajat
keperdayaannya digunakan interval estimation disertai nilai koefisien keperdayaan yang
dikendaki.
Ada 3 hal:
1) Simpangan baku σ diketahui dan populasi berdistribusi normal maka
σ σ
P(Χ − Ζ 1 < µ < Χ + Ζ1 ) = ∂ ………(2)
∂ n ∂ n
2 2
σ N −n σ Ν−n
Χ − Ζ1 < µ < Χ + Ζ1 …………(6)
2
∂ n N −1 2
∂ n Ν −1
n
Bila n > N, yakni > 5% maka
N
s N −n s Ν−n
Χ − tp < µ < Χ + tp …………..(7)
n N −1 n Ν −1
Catatan khusus:
Bila interval kepercayaan 50% memberikan Ζ 1 = 0,6745 maka
2
σ σ
Χ − 0,6745 < µ < Χ + 0,6745
n n
σ
Ini berarti peluangnya setengah-setengah dan bilangan 0,6745. dinamakan
n
kekeliruan peluang.
3) Simpangan baku tidak diketahui an populasi tidak berdistribusi normal.
Jika n tidak terlalu kecil maka dalil limit pusat dapat digunakan dan jika distribusi
populasi sangat menyimpang dari normal dan ukuran sample kecil sekali maka
teorinya harus dipecahkan dengan menggunakan bentuk distribusi asli dari
populasi yang bersangkutan.
4. Menaksir Proporsi π
Bila diketahui populasi binom berukuran N dimana terdapat proporsi π untuk
peristiwa A dalam populasi itu. Sebuah sample acak berukuran π diambil dari populasi
x
itu Misalkan terdapat x peristiwa A sehingga proporsi sample untuk peristiwa Α = .
n
x
Jadi titik taksiran untuk π adalah .
n
Jika 100∂% interval kepercayaan untuk penaksiran π dikehendaki maka
n
1
- batas bawah kepercayaan : ∑ ( )π (1 − π )
y= x
n
y
y n− y
=
2
(1 − y ) ...........(8)
x
1
- batas atas kepercayaan : ∑ ( )π (1 − π )
y =0
n
y
y n− y
=
2
(1 − y ) ...........(9)
pq pq
p − Ζ1 < π < p +Ζ ………..(10)
2
∂ n 1
∂ n
2
x
dengan : p =
n
q =1− p
1
Ζ 1 = bilangan Z didapat dari daftar normal saku untuk peluang ∂.
2
∂ 2
kedua. Kemudian diambil sample acak dengan ukuran σ 1 dan σ 2 . Rata-rata dan
simpangan baku sample tersebut adalah x1 dan s1 serta x 2 dan s 2 . Akan ditaksir selisih
a. Bila σ 1 = σ 2
1 1 1 1
(x1 − x2 ) − tp.s + < µ1 − µ 2 < ( x1 − x 2 ) + tp.s + v
n1 n 2 n1 n 2
...........(15)
1
dengan tp dari daftar distribusi student dan p = (1 + ∂ ) , dk= (n1 + n2 − 2)
2
b. Misal s1 = σ 1 dan s 2 = σ 2 dan sample acak berukuran cukup besar, maka dapat
s12 s 22 s12 s 22
(x1 − x 2 ) − Ζ 1 ∂ + < µ1 − π 2 < ( x1 − x 2 ) + Ζ + ……(16)
2
n1 n 2 1
∂
n 1 n 2
2
1
dengan Ζ 1 dari daftar normal baku dengan peluang ∂
2
∂ 2
c. Observasi Berpasangan
Misal populasi kesatu bervariabel acak x, rata-raatanya µ x dan populasi kedua
= Β 1 = Χ 1 − Υ1 , Β 2 = Χ 2 − Υ2 ,......., Β n = Χ n − Υn
∑ Βi n∑ Βi 2 − (∑ Bi )
2
2
Β=Β= dan simpangan bakunya S =
n(n − 1)
B
n
Sehingga 100∂% interval kepercayaan untuk µ B =
SB SB
Β − tp. < µ B < Β + ip.
n n
1
dengan tp dari daftar distribusi student untuk p = (1 + ∂ ) dan (n − 1)
2
berukuran p1 untuk populasi ke-1 dan p 2 untuk populasi ke-2. Proporsi untuk peristiwa
x1 x
dari sampel-sampel itu adalah p1 = dan p 2 = 2 dengan x1 , x 2 adalah banyaknya
n1 n2
peristiwa yang diperhatikan yang didapat didalam sampel kesatu dan kedua. Rumus untuk
interval kepercayaan 100∂% selisih (µ1 − µ 2 ) adalah
p1 .q1 p 2 .q 2 p1 .q1 p 2 .q 2
( p1 − p 2 ) − Ζ 1 ∂ + < µ1 − µ 2 < ( p1 − p 2 ) + Ζ 1 +
2
n1 n2 2
∂ n1 n2
............(!8)
dengan q1 = 1 − p, q 2 = 1 − p 2 dan Ζ 1 didapat dari daftar normal baku dengan
∂
2
1
peluang ∂.
2
8. Menentukan Ukuran Sampel
Sesuai dengan teori menaksir, ukuran sampel dapat ditentukan sebagai berikut;
a. Apa yang akan ditaksir
b. Berapa besarperbedaan yang masih mau diterima antara yang ditaksir dan penaksir?
c. Berapa derajat kepercayaan/koefisien kepercayaan yang diinginkan dalam melakukan
penaksiran?
d. Berapa lebar interval kepercayaan yang masih mau diterima?
Ketika menaksir parameter θ oleh θˆ , dua hal yang terjadi ialah menaksir terlalu
tinggi atau terlalu rendah. Beda θ dan θˆ adalah b = θ − θˆ b<< berarti makin baik
menaksir karena makin dekat penaksir yang dipakai kepada parameter yang sedang
ditaksir. Suatu ketika akan ada ketentuan berapa besar beda b yang masih mau diterima
dan dengan derajat kepercayaan berapa.
Ketika menaksir rata-rata µ oleh statistic x , maka b = µ − x , dengan koefisien
2) Menaksir Proporsi π
Untuk sebuah sampel acak berukuran n = 1200 diambil yang menghasilkan 504
golongan darah B. Bila kita ingin menaksir ada berapa persen anggota masyarakat yang
berumur 15 tahun ke atas yang bergolongan darah B?
Penyelesaian:
504
Persentase golongan darah B dalam sampel = x 100% = 42%
1200
Bila ditaksir ada 42% anggota masyarakat berumur 15 tahun ke atas yang bergolongan darah
B maka dalam hal ini telah digunakan titik taksiran.
Untuk menentukan 95% interval kepercayaan parameter π, rumus 10 dapat digunakan.
Dengan p = 0,42; q = 0,58; dan z0,475 = 1,96 maka:
dengan p = 108, dari distribusi t didapat t = 1,984. dengan mengguanakn rumus 15 diperoleh:
(70,4 – 60,2) – (1,984)(1,08) < µ 1 - µ 2 < (70,4 – 60,2) + (1,984)(1,08) atau: 8,06 < µ 1 - µ 2 <
12,34.
Jadi, kita 95% percaya bahwa selisih rata-rata pengukuran kedua cara akan ada dalam interval
yang dibatasi oleh 8,06 dan 12,34.