MAKALAH STATISTIK 1

Nama Dosen : Nanda Aula Rumana

Sesi : 12

Disusun oleh :

KELOMPOK 04

Adam Maulana I ( 2014-66-085 )

Arif Maududi A ( 2014-66-110 )
Haryanto ( 2014-66-060 )
Meiliantha ( 2015-66-025 )
Risky Asdamayanti ( 2014-66-102 )
Selvy Royna Ginting ( 2014-66-021 )
Siti Halimah ( 2014-66-107 )
Silvester Sule ( 2014-66-015 )
Tito Wicaksono ( 2014-66-137 )

UNIVERSITAS ESA UNGGUL

JAKARTA
2016
 ESTIMASI

Pendahuluan
Telah dijelaskan bahwa walaupun kita hanya mengambil sampel , sebenarnya kita
ingin mengetahui nilai populasi. Dalam teorema limit pusat dinyatakan bahwa distribusi
sampling terjadi kalua sampel diambil berulang kali. Dalam kenyataan sehari-hari tidak
mungkin kita melakukan pengambilan sampel berulang kali. Selain tidak mudah, juga
mungkin tidak perlu karena dengan memakaikan sifat-sifat teorema tersebutkita dapat
melakukan estimasi atau perkiraan terhadap nilai populasi.
Estimasi adalah suatu metode di mana kita dapat memperkirakan nilai populasi
(parameter) dengan memakai nilai sampel (statistic).

Ciri-ciri Estimator yang Baik

Di dalam estimasi nilai statistic yang di pakai untuk menduga nilai populasi atau
parameter disebut estimator. Hasil dari pendugaan disebut estimasi secara statistic
(statistical estimate). Estimator yang baik haruslah mempunyai sifat: tidak bias, efisien,
dan konsisten.
Estimator yang tidak bias adalah estimator yang hasil estimasinya mengandung
nilai parameter yang diestimasi. Dikatakan efisien apabila hasil estimasi memakai nilai
tersebut pada rentang yang kecil saja sudah mengandung nilai parameter. Sementra itu,
yang dimaksud dengan konsisten adalah berapapun besar sampelnya pada rentangnya
akan mengandung nilai parameter yang sedang diestimasi.

Bentuk Estimasi
Dalam menduga nilai parameter kita dapat melakukan dua macam pendugaan
berikut :1

1
Sutanto Priyo Hastono dan Luknis Sabri. Statistik Kesehatan (PT. Raja Grafindo Persada,2013)
hal 65.
 Estimasi Titik (Point Estimation)
Nilai statistic (nilai-nilai sampel) digunakan sebagai pendugaan nilai parameter
karena nilai-nilai ini merupakan estimator yang baik untuk menduga atau mengestimasi
nilai parameter.
Misalnya: nilai mean sampel kita anggap sebagai nilai mean populasi.
diestimasi sama dengan S diestimasi sama dengan
Contoh:
Dari sebuah penelitian terhadap suatu sampel ibu hamil di Kab. Cianjur dari 210 ibu
hamil didapatkan Hb rata-rata 7,5 gr%. Kalua kita menduga kadar Hb ibu hamil di Kab.
Cianjur dengan estimasi titik, kita katakana kadar Hb ibu hamil di Kab. Cianjur adalah
7,5gr%.
Sebetulnya nilai populasi atau μ bisa kia duga dari bermacam-macam nilai di dalam
sampel seperti nilai median ataupun nilai mode atau salah satu dari nilai pengamatan,
namun yang dikatakan tidak bias adalah nilai mean.
Walaupun demikian, estimasi titik ini juga mempunyai kelemahan tertentu. Kelemahan
estimasi titk adalah kita dapat mengetahui berapa kuat kebenaran dugaan kita itu. Dan
kemungkinan besar akan salah. Kelemahan estimasi titik ini dapat dihilangkan dengan
melakukan estimasi selang (interval).

Estimasi selang (Interval Estimation)

Dasar dari estimasi interval ini adalah bahwa sampel-sampel yang diambil dari
suatu populasi akan berdistribusi (normal) sekitar , dengan simpangan baku = SE (sifat
dari distribusi sampling). Dengan ini kita menentukan batas minimum dan maksimum
terletaknya nilai . Jarak dari batas tertinggi dan terendah ini ditentukan sebagai confiden
interval = confiden limit yaitu luas daearh dibawah kurva normal ditentukan dengan
persentase misalnya 90%, 95%, 99%.2

Rumus Umum :
St – Z 1/2a SE PARAMETER St + Z 1/2a SE

St = nilai statistic (sampel = )

2
Sutanto Priyo Hastono dan Luknis Sabri. Statistik Kesehatan (PT. Raja Grafindo Persada,2013) hal 66-67.
 Z = deviasi relative (standar score, besarnya ditentukan oleh confiden interval)

SE = standar error

Parameter = nilai populasi yang diduga =

Atau :

= Z SE + Z SE

Contoh:

Dari suatu sampel random sebanyak 100 orang ibu hamil yang diambil di Kab. Cianjur
didapatkan Hb 9,6 gr% . simpangan baku didalam populasi 5 gr%. Dengan confiden
interval 95% akan dihasilkan kadar Hb ibu hamil di Kab. Cianjur adalah:

X mean sampel = 9,6 gr%

N sampel = 100

σ = 5 gr%

SE = 5/ V100 = 0,5 gr%

CI = 95%....Z = 1,96

9,5 gr% - 1,96 x 0,5 gr% 9,5 gr% + 1,96 x 0,5 gr%

8,5 gr% 10,48 gr%.3

Artinya:

Kita yakin 95% bahwa Hb ibu hamil di Cianjur terletak antara 8,52 gr% sampai 10,48 gr
%.
Kalua kita ambil berulang kali sampel yang besarnya 100 ibu di daerah itu, maka 95%
dari mean sampel-sampel tersebut berada pada nilai 8,52 gr% sampai 10,48 gr%.
Dengan estimasi interval kita mengetahui bahwa dengan confiden interval 95%,90%
ataupun 99% kebenaran taksiran ini benar. Dengan kata lain, jujur diakui kemungkinan
(peluang) salah adalah 100%-95% = 5% atau 10% atau 1% (dikenal sebagai @).

Didalam contoh diatas dinyatakan simpangan baku di dalam populasi (σ)

diketahui. Biasanya kalau kita mengambil suatu sampel jarang simpangan baku populasi
3
Sutanto Priyo Hastono dan Luknis Sabri. Statistik Kesehatan (PT. Raja Grafindo Persada,2013) hal 68-69.
 diketahui. Kalau sampel yang diambil ibu hamil di Cianjur tersebut tidak 100 ibu, tetapi
25 ibu saja dan σ tidak diketahui. Dalam hal σ tidak diketahui maka distribusi sampling
kita asumsikan berdistribusi seperti distribusi “student, t” di mana untuk menentukan nilai

“t” diperlukan, di samping juga derajat kebebasan (degree of freedom) yang besarnya

n-1.
Dengan demikian, rumus umum menjadi:

St-t.SE ≤ µ≤ St + t.SE

X- t.SE ≤ µ≤ X + T. SE

Contoh:

Kalua dari 25 ibu hamil yang diambil secara Random didapatkan kadar HB = 9 gr%,
simpanagn baku sampel 7,7 gr%

Maka, nilai pendugaan akan menjadi:

X = 9 gr% S = 7,7 gr% N = 25 ribu

SE = 7,7/√25 = 1,54 gr%

Cl = 95% alfa = 5%, df = 25-1 =24 ………. t = 2,064

9 gr%-2,064x1,54 gr% ≤ µ ≤ 9 gr% + 2,064x1,54 gr%

5,82 gr% ≤ µ ≤ 12, 19 gr %

Dengan ini kita akan menyatakan kadar Hb ibu hamil di kabupaten Cirebon berada pada
5,82 gr%; 12,19 gr% (Cl 95%).

Rentang binterval dapat dipersempit dengan tiga cara:

1. Memperkecil confiden interval, misalnya dari 95% menjadi 90%;

2. Memperbesar n (besar sampel);
3. Meningkatkan ketelitian sehingga didapatkan varian sampel yang kecil.4

Bentuk estimasi

Dalam menduga nilai parameter kita dapat melakakukan dua macam pendugaan berikut.

4
Sutanto Priyo Hastono dan Luknis Sabri. Statistik Kesehatan (PT. Raja Grafindo Persada,2013) hal 84-85.
 1. Estimasititik ( point estimation ) digunakan sebagai pendugaan nilai parameter
karena nilai-nilai ini merupakan estimator yang baik untuk menduga atau mengestimasi
nilai parameter. Misalnya nilai mean sampel kita anggap sebagai nilai mean populasi.

µ diestimasi sama dengan S diestimasi sama dengan ơ

sebagai contoh,

dari suatu penelitian terhadap suatu sampel ibu hamil di kab cianjur dari 210 ibu
didapatkan Hb rata-rata 7,5 gr %. Kalau kita menduga kadar Hb ibu hamil didaerah
cianjur dengan estimasi titik, kita katakan kadar Hb ibu hamil di kab cianjur adalah 7,5 gr
%. Sebetulnya nilai populasi atau µ bisa kita duga dari bermacam – macam nilai di dalam
sampel seperti nilai median ataupun nilai mode atau salah satu dari nilai pengamatan,
namun yang dikatakan tidak bias adalah nilai mean.

Walapun demikian, estimasi titik ini juga mempunyai kelemahan tertentu.Kelemahan

estimasi titik adalah kita tidak dapat mengetahui berapa kuat kebenaran dugaan kita itu.
Dan kemungkinan akan besar akan salah. Kelemahan estimasi titik ini dapat dihilangkan
dengan melakukan estimasi selang (interval).

2. Estimasi Selang (Interval Estimation)

Dasar estimasi interval ini adalah bahwa sampel – sampel yang diambil dari suatu
populasi akan berdistribusi (normal) sekitar µ, dengan simpangan baku = SE (sifat dari
distribusi sampling). Dengan ini kita menentukan batas minimum dan maksimum
terletaknya nilai µ.Jarak dari batas tertinggi dan terendah ini di tentukan sebagai confiden
interval = confiden limit yaitu luas daerah dibawah kurva normal ditentukan dengan
persentase misalnya 90%, 95%, 99%.

Rumus umum : St - SE ≤ PARAMETER ≤ St + SE

St = nilai statistik (sampel = )

Z = deviasi realatif (standar score, besarnya ditentukan oleh confiden interval)

SE = standar error

Parameter = nilai populasi yang diduga = µ 5

Daftar Pustaka

5
Mikha Agus Widiyanto, Statistika Terapan ( Jakarta: PT elex media komputindo, 2013 )hlm. 50-51.
Agus, Mikha Widiyanto. 2013. Statistika Terapan. Jakarta: PT elex media komputindo.

Sabri, Luknis dan Hastono, Sutanto Priyo. 2013. Statistik Kesehatan. Jakarta: PT. Raja
Grafindo Persada.