BAB VI

ESTIMASI SECARA STATISTIK

A. Pendahuluan

Estimasi memiliki beberapa pengertian ataupun pemahaman. Chaplin (Siswono &

Rizal, 2010) menyatakan bahwa estimasi adalah suatu nilai yang diperoleh dengan
pertimbangan subjektif, biasanya sesudah dilakukan pemeriksaan hati-hati mengenai data
yang mendasari perkiraan tersebut. Estimasi titik yang cukup penting adalah metode
maksimum likehood. Untuk mencapai estimasi titik yang cukup baik dapat dicari dan
diketahui dengan menggunakan metode estimasi likehood(Misbahussurur, 2009).

B. Ciri-ciri Estimasi
1) Tidak bias

Harga statistik sampel merupakan penduga yang tidak bias jika E (Harga statistik) =
Harga parameter. Bias dapat dirumuskan sebagai Bias = E (Harga statistik) – Harga
parameter.

2) Efisien

Distribusi penduga harga statistik sebaiknya terpusat atau mempunyai deviasi standar
yang kecil sekali. Diagram dibawah ini contoh penduga yang efisien.

Harga statistik

Harga parameter

3) Konsisten

Secara kasar penduga yang konsisten merupakan penduga yang berkonsentrasi secara
sempurna pada parameter jika besarnya sampel bertambah secara tak terhingga.

C. Cara Menduga Harga Parameter

1) Interval Estimation (Pendugaan interval)
2) Point Estimation (Pendugaan titik)

D. Pendugaan Harga Mean Populasi

1) Interval estimation untuk μ
 Oleh karena n ¿ 30, maka distribusi sampling harga mean dapat dianggap

mendekati distribusi normal dengan mean = μ dan deviasi standar = σ/¿ ¿ √n .

2) Point Estimation untuk μ

Apabila X digunakan sebagai pendugaan titik dari μ , maka besarnya error

dalam pendugaan ini adalah perbedaan antara μ dengan X , dinyatakan X - μ

.

3) Menentukan Besar Sampel (n)

Berdasarkan rumus menghitung besarnya error tersebut, kita dapat menentukan

berapa besarnya sampel random yang harus diambil untuk mendapatkan hasil dengan
2
1 , 96 σ
ketepatan tingkat tertentu. Besarnya sampel dapat dihitung dengan
n=
E [ ]
Keuntungan random sampling/sampel random (Budijanto, 2015) adalah mudah dan
estimator populasi unbias.

E. Pendugaan Harga Proprosi Populasi P

Kalau kita ingin menduga harga proporsi populasi, maka perlu diperkirakan adanya
distibusi sampling harga proprosi. Apabila Populasinya sangat besar dan proporsi P tidak

terlalu dekat dengan 0 ataupun 1, maka distribusi sampling harga proporsi

akan mendekati distribusi normal dan mempunyai mean sama dengan proporsi
¿¿
P(1−P )
populasinya ( μ p=P ) dan mempunyai deviasi standar √ n

F. Pendugaan Harga Persediaan Dua Mean ( μ1 −μ2 )

Untuk menduga harga perbedaan dua mean kita harus memahami adanya distribusi
sampling harga perbedaan dua mean, dimana apabila sampel-sampelnya besar distribusi

tersebut dianggap mendekati distribusi normal dengan mean = ( μ1 −μ2 ) dan deviasi

σ 21 σ 22
standar = √ +
n 1 n2

G. Pendugaan Harga Deviasi Standar Populasi

 Untuk menduga besarnya σ kita harus memahami adanya distribusi sampling
harga deviasi standar dengan sifat-sifatnya. Apabila populasinya normal dan sampel besar,
distribusi sampling harga S dianggap mendekati distribusi normal dengan mean = σ
σ
deviasi standar = √2n

DAFTAR PUSTAKA

Budijanto, D. (2015). Populasi, sampling dan besar sampel. Pusat Data

danInformasi. Kemenkes RI www. risbinkes. litbang. depkes. go.

id/2015/SAMPLING-DAN-BESARSAMPEL. pdf.

Misbahussurur, A. (2009). Estimasi parameter distribusi gamma dengan metode

maksimum likelihood (PhD Thesis). Universitas Islam Negeri Maulana

Malik Ibrahim.

Siswono, T. Y. E., & Rizal, M. (2010). Kemampuan Estimasi Guru Sekolah Dasar

dalam Operasi Hitung. Jurnal Forum Kependidikan, nomor, 1, 69–78.