DISUSUN OLEH :
PENDAULUAN
A. Latar belakang
secara acak berulang ulang hingga semua sampel yang mugkin dapat ditarik dari
populasi tersebut. Sampel yang diambil dari populasi terbatas dan sebelum
populasi. Proses ini akan berulang- ulang dalam jumlah yang sangat banyak
menghasilkan nilai rata-rata yang berbeda hingga dapat disusun menjadi suatu
baku rata-rata (standar error rata-rata ). Demikian pula untuk proporsi disebut
Proses estimasi merupakan peristiwa yang dialami oleh setiap orang dalam
kehidupan sehari-hari. Misalnya, bila kita akan menyebrang jalan dan melihat ada
kendaraan yang akan lewat maka kita membuat estimasi tentang kecepatan
kendaraan, lebar jalan, dan kecepatan kita untuk membuat keputusan, apakah kita
parameter populasi seperti rata-rata atau proporsi variabel tertentu yang dalam
maka untuk menduganya digunakan variance sampel. Hal yang sama apabila
kemungkinan nilai mean akan berbeda-beda untuk tiap sample. Perbedaan ini
dapat menimbulkan variasi pada penduga mean. Variasi pada penduga itulah
penduga disebut sebagai standard error mean. Dari masalah ini dapat diambil
ada hal pokok yang membedakan. Ilustrasinya sebagai berikut: Apabila kita ingin
beda untuk tiap sample. Perbedaan ini dapat menimbulkan variasi pada penduga
mean. Variasi pada penduga itulah yang disebut sebagai standard error. Oleh
karena dalam ilustrasi menggunakan penduga mean maka variasi penduga disebut
sebagai standard error mean. Dari masalah ini dapat diambil kesimpulan bahwa
B. Rumusan Masalah
a. Apa yang dimaksud dengan Dalil limit pusat?
b. Apa jenis Dalil limit pusat?
c. Apa yang dimaksud dengan estimasi?
d. Apa macam-macam estimasi?
e. Apa yang dimaksud distribusi t?
f. Apa yang dimaksud dengan standar error rata-rata?
C. Tujuan Masalah
a. Untuk mengetahui tentang Dalil limit pusat
b. Untuk mengetahui jenis Dalil limit pusat
c. Untuk mengetahui tentang estimasi
d. Untuk mengetahui tentang macam-macam estimasi
e. Untuk mengetahui tentang distribusi t
f. Untuk mengetahui tentang standar error rata-rata
BAB II
TINJAUAN PUSTAKA
Dalil limit pusat ialah hubungan antara bentuk distribusi populasi dengan
bentuk distribusi sampling rata rata. Hubungan tersebut adalah sebagai berikut :
1. Rata – rata dari distribusi rata – rata sampel sama dengan rata – rata
𝜇 𝑥̅ =𝜇
populasi.
2. Dalil limid pusat merupakan dalil yang sangat penting dalam statistika
populasi. Misalnya, Rata – rata sampel ( 𝑥̅ ) digunakan untuk menaksir rata – rata
populasi (𝜇 ), proporsi sampel (𝑝̅ ) untuk menaksir proporsi populasi (p). dan
Estimit ialah angka atau nilai yang digunakan sebagai estimator untuk
yang baik. Oleh karena itu, untuk menentukan statistic sebagai estimator yang
1. Tidak bias
2. Efisien
3. Konsisten
1. Tidak bias
Tidak bias merupakan salah satu criteria estimator yang penting untuk
menentukan estimator yang baik. Suatu estimator dikatakan tidak bias bila nilai
hasil statistic sampel mempunyai nilai yang sama dengan parameter populasi.
Ini berarti, nilai – nilai statistic yang terletak diatas nilai parameter populasi sama
dengan nilai – nilai statistic yang terletak dibawah nilai parameter. Misalnya, rata
– rata sampel merupakan estimator yang tidak bias, demikian pula dengan
2. Efisien
Suatu estimator dikatakan efisien apabila statistic sampel mempunyai
kesalahan baku yang kecil. Bila kita harus menentukan satu estimator dari dua
statistic maka statistic dengan kesalahan baku yang lebih kecil kita ambil dari
estimator karena statistic dengan kesalahan baku yang kecil mempunyai peluang
Misalnya,kita akan menaksir rata rata populasi melalui statistic rata – rata dan
median sampel . Dari ditribusi rata – rata sampel diperoleh kesalahan baku sebesar
1,03, Sedangkan kesalahan baku median sebesar 1,64 maka dikatakan bahwa “rata
3. Konsisten
nilai statistic sampel akan lebih mendekati nilai parameter populasi estimator
Ini berarti bahwa dengan estimator yang konsisten maka ketepatan akan
meningkat dengan sampel yang besar. Oleh karena itu, bila kita ingin
Macam-macam estimasi
statistik sample yang digunakan sebagai estimator dan bergantung pula pada
besarnya sample dan deviasi standar populasi. Secara garis besar, macam-macam
a. Estimasi rata-rata
1. Titik estimasi
2. Interval estimasi
b. Estimasi proporsi
1. Interval estimasi
1. Interval estimasi
terhadap parameter populasi yang tidak diketahui. Tunggal yang digunakan yang
hasil penelitian yang dilakukan terhadap penderita rawat, inap, seorang dokter
rumah sakit mengatakan bahwa rata-rata penderita rawat inap per minggu adalah
memuaskan karena dengan titik estimasi kita hanya dapat mengetahui apakah
estimasi tersebut benar atau salah. Misalnya, pada contoh penderita rawat inap
tersebut diperoleh rata-rata 28 penderita per minggu dan kita katakan bahwa
estimasi tersebut salah. Ini berarti bahwa titik estimasi merupakan nilai taksiran
yang kaku.
Oleh karena itu, titik estimasi akan lebih bermanfaat bila disertai dengan
penyimpangan yang masih dapat diterima. Ini berarti bahwa perbedaan dengan
nilai titik estimasi tidak berpengaruh terhadap kesimpulan yang kita buat.
Contoh
160,161,158,157,163,171,168,166,155,173,160,165,154,156,161,162,150,153,170
,164
x̅ = 3227/20 = 161,4 cm
Tinggi badan 161,4 cm merupakan titik estimasi terhadap tinggi badan mahasiswa
fakultas kedokteran.
Contoh
Bila kita ingin mengetahui presentase penduduk suatu kota yang menderita
keratitis.untuk itu, kita ambil sampel sebanyak 100 orang yang berkunjung ke
rumah sakit mata dan ternyata terdapat 5 orang yang menderita penyakit keratitis.
Dari hasil tersebut dibuat taksiran bahwa 5% penduduk kota tersebut menderita
n = besarnya sampel
p = 5 /100 = 5 %
titik estimasi jumlah ciri tertentu sampel (x’) terhadap ciri tertentu dalam
populasi (x’)
titik estimasi jumlah ciri tertentu dalam variabel yang terdapat pada sampel
populasi.
Rumus x’ = (1/f)x
f = n/N
n = banyaknya sampel
N = besarnya populasi
X = jumlah hasil (outcome) katagori yang ingin kita ketahui jumlahnya.
Misalnya, kita ingin mengetahui jumlah pengunjung wanita yang terdapat di suatu
rumah sakit. Diketahui jumlah penderita yang berkunjung sebanyak 500 orang per
minggu. Dari jumlah tersebut diambil sebanyak 50 orang sebagai sampel dan dari
n’ = 1(50/500)x10
100 orang pengunjung wanita digunakan sebagai titik estimasi terhadap 500 orang
yang berobat ke rumah sakit. Dengan kata lain, diestimasikan bahwa dari 500
orang yang berobat ke rumah sakit tersebut 100 orang di antaranyaadalah wanita.
Titik estimasi deviasi standar sampel (s) terhadap deviasi standar populasi
(𝝈) Untuk mengadakan estimasi terhadap kadar gula darah telah dilakukan
normal.
Dari pemeriksaan tersebut dihasilkan rata-rata 102 mg%. Dari hasil tersebut kita
populasi. Hasil ini tidak bias karena sebagai penyebut digunakan koreksi ‘’n-1’’.
dengan harapan bahwa nilai parameter populasi terletak dalam interval tersebut.
Contoh :
Seorang kepala rumah sakit ingin menaksirkan rata-rata petugas rumah sakit yang
absen setiap hari. Untuk itu diambil sampel sebanyak 50 hari kerja dan diperoleh
rata-rata 8 orang petugas yang absen per hari. Bila hasil ini di gunakan rata-rata
petugas absen maka taksisaran tersebut yang absen merupakan titik estimasi ,
tetapi kepala rumah sakit ingin juga mengetahui besarnya variasi dari angka rata-
rata tersebut untuk menentukan apakah akan mempengaruhi kegiatan rumah sakit
atau tidak.
Dari data yang lalu diketahui bahwa besarnya simpangan baku adalah 4 orang.
𝜎𝑥̅ = 𝜎/ √𝑛
= 4/ √50 = 0, 57
Dari hasil tersebut dinyatakan bahwa probabilitas petugas yang absen 8 orang
tersebut terketak antara ± 0,57, yaitu terletak antara 7,43 dan 8,57 sebagai interval
estimasi terhadap parameter populasi dan diharapkan nilai absen populasi terletak
Setelah kita ketahui besarnya interval estimasi maka kita ingin mengetahui
pada belahan luas kurva dan bila kita lihat dalam tabel maka sama dengan 1,96
merupakan interval kepercayaan dengan limit atas dan limit bawah ± 1,96.
Batas ini merupakan interval estimasi terhadap parameter populasi. Ini berarti kita
95% percaya bahwa nilai rata-rata dengan penyimpangan ke kanan 1,96 dan ke
kiri 1,96.
Untuk lebar interval estimasi yang digunakan, tidak ada ketentuan yang baku,
tetapi yang harus dipertimbangan adalah apabila interval estimasi terlalu sempit
maka taksiran akan lebih akurat, tetapi banyak terjadi kesalahan dalam menaksir
parameter populasi.
besarnya sampel, simpangan baku populasi, dan besarnya populasi. Oleh karena
5. Populasi tak terhingga deviasi standar tidak diketahui dan sampel besar
(n>30)
6. Populasi tak terhingga deviasi standar tak diketahui dan sampel kecil
(n<30)
Kita ketahui dari pembahasan yang lalu bahwa kesalahan baku bergantung
pada deviasi standar populasi dan besarnya sampel karena distribusi probabilitas
terbatas dan populasi tak terhingga dengan deviasi standar yang diketahui dan tak
Bila interval estimasi dilakukan dengan sampel kecil (<30) maka distribusi normal
standar tidak dapat digunakan, tetapi harus menggunakan distribusi lain yaitu
distribusi ‘’t’’.
Distribusi ‘’t’’
Distribusi ini mula-mula ditemukan oleh william S Gossett pada awal abad
populasi
Distribusi ‘’t’’ mempunyai bentuk yang mirip dengan distribusi normal dan
besarnya sampel n. Bila n telah mencapai lebih dari 30 maka puncak kurva
kebebasan.
a. Derajat kebebasan
Derajat kebebasan adalah jumlah nilai ynag dapat ditentukan secara bebas.
Misalnya, kita berhadapan dengan dua sampel a dan b dengan rata-rata 25, maka
𝑎+𝑏
= 25 atau a + b = 50
2
Dari persamaan diatas, salah satunya yaitu a atau b dapat kita tentukan nilai
berapa saja dan setelah ditentukan, misalnya nilai a = 40, maka nilai b tidak lagi
dapat ditentukan secara bebas, tetapi harus ditentukan nilainya hingga jumlah a
𝑞̅ = 1- 𝑝̅
N = jumlah populasi
n = jumlah sampel
b. estimasiduapopulasi
rata-rata 𝑥̅1 dan 𝑥̅2 . Bila selisih rata-rata (𝑥̅1 - 𝑥̅2 ) digunakan untuk menaksir rata-
1. Estimasi rata-rata dua populasi dengan sampel besar (n>30) dan simpangan
baku kedua populasi sama dan diketahui besarnya (𝜎1 =𝜎2 diketahui besarnya).
tidak diketahui.
∑(𝑥1−̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
̅𝑥 2 + ∑ (𝑥 ̅̅̅̅̅̅̅̅̅̅̅̅
̅𝑥
2− 2) 2
2 1)
𝑠 = (𝑛1+ 𝑛2) − 2
c. Estimasiperbedaanproporsidua propulasi
Estimasi tersebut dapat dilakukan terhadap satu populasi, tetapi dapat pula
Untuk mengadakan estimasi terhadap selisih proporsi dua populasi maka sampel
̅̅
𝑝̅̅𝑞
1 ̅̅̅1̅ ̅̅
𝑝̅̅𝑞
2 ̅̅̅2̅
̅̅̅1 − ̅̅̅)
Interval kepercayaan: (𝑝 𝑝2 ± 𝑧√ +
𝑛1 𝑛2
STANDAR ERROR
Standar error adalah standar deviasi dari rata-rata. Bila kita mempunyai
beberapa kelompok data, misalnya tiga kelompok, maka kita akan mempunyai
tiga buah nila rata-rata. Bila kita hitung nilai standar deviasi dari tiga buah nilai
rata-rata tersebut, maka nilai standar deviasi dari nilai rata-rata tersebut disebut
nilai standar error. Simbol standar error untuk sampel adalah atau kadang-
Contoh:
Kita mempunyai data jumlah anakan padi varietas Pandan Wangi sbb:
Sampel I II III
1 28 30 36
2 32 30 40
3 15 27 31
4 21 22 26
5 22 24 30
6 17 20 24
7 17 17 22
8 14 15 14
9 29 27 31
10 28 30 39
11 27 26 36
12 29 23 31
Secara teori, standar error adalah standar deviasi dari nilai rata-rata. Dari
contoh di atas, nilai rata-rata ada 3 buah, yaitu 23,25 24,25 30. Oleh karenanya,
bila kita hitung nilai standar deviasi dari ke tiga nilai tersebut, maka nilai itu
disebut juga nilai standar error dari keseluruhan data di atas (lihat rumus
menghitung standar deviasi di blog ini). Namun, untuk keperluan praktis, maka
perhitungan nilai standar error tidak dihitung dari nilai rata-ratanya, tetapi
maka untuk menduganya digunakan variance sampel. Hal yang sama apabila
kemungkinan nilai mean akan berbeda-beda untuk tiap sample. Perbedaan ini
dapat menimbulkan variasi pada penduga mean. Variasi pada penduga itulah
yang disebut sebagai standard error. Oleh karena dalam ilustrasi menggunakan
penduga mean maka variasi penduga disebut sebagaistandard error mean. Dari
statistics.
-. Standard deviation score test adalah variasi nilai antara 40 murid tersebut yang
-. Standard error score test adalah variasi nilai dari seorang murid bernama Ali
Hal ini membuktikan bahwa memang pengertian standard deviation hampir sama
dengan standard error, dan kebingungan dua istilah ini memang dapat dimaklumi.
ukuran sample. Dari rumus tersebut dapat diketahui pula bahwa nilai standard
error akan turun apabila ukuran sample diperbanyak dan variance atau
standard deviation sample dikurangi. Oleh karena itu, standard error dapat
digunakan untuk menentukan dan mengontrol ukuran sample, hal ini berbeda
Standard error dapat menunjukkan bagaimana tingkat fluktuasi dari penduga atau
1. Nilai penduga atau statistic yang dibagi dengan standard error penduga
akan menunjukkan apakah statistic sama dengan nol, kemudian nilai tersebut
nilai penduga atau statistic dengan standard error disebut dengan Wald Test, atau
2. Standard error sebagai bagian dari confidence interval. Untuk sample yang
besar, 95% confidence interval diperoleh dari 1.96 x standard error penduga.
Standard error yang digunakan untuk confidence interval adalah standard error
Contoh: Dalam sekumpulan cabe, diketahui mean untuk 64 cabe adalah 10 gram,
Penggunaan lain dari standard error adalah tidak sebagai bagian dari penduga
atau statistic tetapi bagian dari logaritma statistic. Sebagai contoh, model
logistic regresion dihitung dari odds ratio data, tapi standard error bukan sebagai
odds ratio melainkan sebagai log odds ratio. Dalam kondisi ini diperlukan
perhitungan secara komputer untuk mendapatkan confidence interval dalam log
Standard error dapat diketahui dari nilai confidence interval dan selang interval,
dengan rumus:
Contoh: Masih dalam sekumpulan cabe, kita ingin mengetahui berapa standard
error dari cabe apabila kita ingin menduga 95% confidence interval dengan selang
+/- 0.5 gram. Standar errorr diperoleh dari SE(mean) = 0.5/1.96 = 0.26
Standard error dapat juga digunakan untuk menentukan ukuran sample secara
kuadrat dari pembagian standard deviasi dibagi standard error. Contoh: Sama
seperti contoh di atas, kita ingin mengetahui berapa ukuran sample dari cabe
apabila kita ingin menduga 95% confidence interval dengan selang +/- 0.5 gram
dengan standar error 0.26, standard deviasi 2. Ukuran contoh diperoleh dari n =
PENUTUP
KESIMPULAN
sampling rata rata. Hubungan tersebut adalah sebagai berikut :n Rata – rata dari
distribusi rata – rata sampel sama dengan rata – rata populasi dan tidak bergantung
distribusi rata – rata sampel akan mendekati distribusi normal dan tidak
Estimit ialah angka atau nilai yang digunakan sebagai estimator untuk
yang baik. Oleh karena itu, untuk menentukan statistic sebagai estimator yang
baik terdapat beberapa criteria sebagai berikut : Tidak bias, Efisien,. Konsisten
. Bila kita hitung nilai standar deviasi dari tiga buah nilai rata-rata
tersebut, maka nilai standar deviasi dari nilai rata-rata tersebut disebut nilai
standar error. Simbol standar error untuk sampel adalah atau kadang-kadang
ditulis SE.
Daftar pustaka
indonesia. Jakarta.EGC
.jakarta: EGC
Mahasiswa Kesehatan.salemba.