BIOSTATISTIK INFERENSIAL

ESTIMASI

DISUSUN OLEH :

KHALLISTA INDAH AYUDA

NIM : 1805015284
KELAS 2E

BIOSTATISTIK INFERENSIAL
NIA MUSNIATI MKM.
KESEHATAN MASYARAKAT
FAKULTAS ILMU-ILMU KESEHATAN
UNIVERSITAS MUHAMMADIYAH PROF.DR.HAMKA

2019

1
 BIOSTATISTIK INFERENSIAL
“ESTIMASI”

PENDAHULUAN

Telah dijelaskan bahwa walaupun kita hanya mengambil sampel, sebenarnya kita inigi
mengetahui nilai populasi. Dalam teorema limit pusat dinyatakan bahwa distribusi sampling
terjadi jika 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 tersebut kita dapat melakukan estimasi atau
perkiraan terhadap nilai populasi.

Estimasi adalah suatu metode di mana kita dapat memperkirakan nilai populasi (parameter)
dengan memakai nilai sampel (statistik). Dengan estimasi, tidak perlu mengambil sampel
berulang kali untuk mengetahui distribusi sampling.

Dalam bidang kesehatan serimg digunakan untuk mengestimasi prevalensi penderita penyakit,
mengestimasi angka kematian, seperti AKI dan AKB. Di rumah sakit teori estimasi dapat
digunakan untuk memperkirakan jumlah pengunjung atau pronogsa (kemungkinan sembuh)
suatu penyakit.

A. Ciri Estimator Yang Baik

Estimator dapat diartikan sebagai nilai statistik atau sampel (statistik) yang digunakan untuk
menduga nilai populasi (parameter). Estimator yang baik haruslah mempunyai sifat : tidak bias,
efisien, dan konsisten.

1. Tidak Bias
Estimator yang tidak bias adalah estimator yang hasil estimasinya mengandung nilai
parameter atau nilai populasi yang diestamasi.

2. Efisien
Dikatakan efisien apabila hasil estimasi memakai nilai tersebut pada rentang yang kecil
saja sudah mengandung nilai parameter.yaitu dengan simpangan baku yang kecil
sehingga peluang untuk mendekati nilai parameter/populasi menjadi lebih besar.

3. Konsisten
Konsisten sebagai sifat estimator yang dimaksud adalah berapa pun besarnya sampel
pada rentangnya akan mengandung nilai parameter (nilai populasi) yang sedang
diestimasi.

2
 B. Bentuk Estimasi

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

1. Estimasi Titik (Point Estimation)

Nilai statistik (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,
sehingga estimasi titik merupakan nilai taksiran yang kaku.
Estimasi titik mengandung perhitungan angka tunggal untuk mengestimasi nilai
parameter, yang dapat digunakan untuk mengadakan estimasi parameter populasi adalah
rata-rata sampel terhadap rata-rata populasi, estimasi titik proporsi sampel terhadap
proporsi populasi, dan varians dan simpangan baku sampel untuk menaksir simpangan
baku populasi.

2. Estimasi Selang (Interval Estimation)

Dasar estimasi interval 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 ditentukan sebagai confident interval yaitu luas
daerah di bawah kurva normal ditentukan dengan persentase, misalnya 90%, 95%, 99%.

Rumus Umum :

St−Z 1 /2 α . SE ≤ PARAMETER ( μ ) ≤ St +Z 1 /2 α . SE

Keterangan :

St = nilai statistik (sampel= X́ )

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

SE = standar error

Parameter = nilai populasi yang diduga/diestimasi = μ

Atau : X́ −Z 1 /2 α . SE ≤ PARAMETER ( μ ) ≤ X́ + Z 1/ 2α . SE

3
Nilai Confidence Interval atau Tingkat Kepercayaan (Didapat dari tabel distribusi normal
standar), yaitu :

 CI 99% → Z 1/ 2 α =± 2.575
 CI 95% → Z1 /2 α =± 1.96
 CI 90% → Z 1/ 2 α =±1.645
 CI 80% → Z 1/ 2 α =±1.28

Confidence interval dimaknai dengan peneliti mengakui bahwa dengan confidence interval 90%,
atau 95%, atau 99% maka rentang nilai mean yang didapat, kemungkinan mengandung/memuat
nilai mean populasi. Sebaliknya diakui ada 10%, 5%, 1% peluang dimana rentang nilai mean
yang diadapat kemungkinan tidak mengandung/memuat nilai mean populasi.

Jika CI 95 % → α =5 %=0,05

C. Confidence Interval (CI) dan Keakuratan Estimasi Nilai Mean Populasi

 Semakin LEBAR rentang nilai mean sampel MAKA semakin TIDAK AKURAT nilai
mean sampel itu mewakili nilai mean populasi yang sesungguhnya.
 Semakin SEMPIT rentang nilai mean sampel MAKA semakin AKURAT nilai mean
sampel itu mewakili nilai mean populasi sesungguhnya.

D. DISTRIBUSI STUDENT t

 ketika jumlah sampel tidak besar, umunya kurang dari 30, sehingga standard deviasi (s)
mungkin lemah untuk diandalkan mengestimasi nilai standard deviasi populasi (μ), maka
σ tidak diketahui.
 Oleh karena itu, ditribusi sampel diasumsikan berditribusi seperti distribusi student t.
 Untuk menentukan nilai t diperlukan nilai degree of freedom (df) dan nilai α.

SE=s / √n df =n−1

Rumus umum :

St−t . SE ≤ μ ≤ St+t . SE
Contoh Soal :
X́ −t . SE ≤ μ ≤ X́+ t . SE
4
Besarnya kadar hemoglobin laki-laki dewasa normal diketahui 15 gr/100 ml dengan standar
deviasi 2 gr. Dari penelitian terhadap kelompok pekerja tertentu didapatkan 25 orang pekerja
tersebut kadar Hb = 16,0 gr/100 ml. tentukan 95% CI berapa kadar populasi ( μ), bandingkan
dengan kadar Hb laki-laki dewasa, dan apa interpretasinya !

Penyelesaian :

S 2 2
Diketahui : μ=15 gr SE = = = =0,4
√ N √ 25 5
s = 2 gr α =5 %=0,05

n = 25 pekerja df = 25-1 = 24

x́ = 16 gr

24 2,064 t = 2,064

Ditanya : Tentukan 95% CI berapa kadar populasi ( μ), bandingkan dengan kadar Hb laki-laki

dewasa, dan apa interpretasinya?

Jawab :

X́ −t . SE ≤ μ ≤ X́+ t . SE

= 16−2,064 ( 0,4 ) ≤ μ≤ 16+2,064 (0,4)

¿ 16−8,25 ≤ μ ≤16 +8,25

¿ 7,75 gr ≤ μ≤ 24,25 gr

Interpretasinya :

5
95% CI, diperkirakan kadar hemoglobin para pekerja berada pada interval 7,75 gr/100 ml sampai
24,25 gr/100 ml.

Jika dibandingkan dengan kadar Hb laki-laki normal pada populasi yang sebesar 15 gr/100 ml
dapat disimpulkan bahwa rentang nilai sampel kadar Hb para pekerja telah mewakili nilai mean
pada populasi.

DAFTAR PUSTAKA

Sabri, L. dkk. (2014). Statistik Kesehatan. Jakarta: Rajawali Pers.

Supangat, D. A. (210AD). STATISTIKA : Dalam Kajian Deskriptif, Inferensi, Dan Non
Parametrik (Pertama). Jakarta: Kencana Prenada Media Group.