MAKALAH BIOSTATIK

“ESTIMASI”

DISUSUN OLEH :

NAMA NIM
1. Luciana Budiharti P05140419025
2. Luciana Dwi Nusanti P05140419026
3. Magdalena Meiuni S P05140419027
4. Maria Rika Ulita S P05140419028

DOSEN PEMBIMBING: Dr. Demsa Simbolon, SKM, MKM

KEMENTERIAN KESEHATAN REPUBLIK INDONESIA

POLTEKKES KEMENKES BENGKULU
DIPLOMA IV ALIH JENJANG
JURUSAN KEBIDANAN
T.A 2019/2020
 KATA PENGANTAR

Puji dan syukur kami panjatkan kehadirat Tuhan Yang Maha Esa atas rahmat dan
karunia sehingga penulisan makalah ini yang berjudul “Estimasi” dapat terselesaikan
dengan baik tepat pada waktunya. Apapun yang kami sajikan semoga selalu bermanfaat
bagi para pembacanya.

Adapun makalah ini dibentuk dengan berbagai bantuan pihak sehingga dapat
memperlancar pembuatan makalah ini.Untuk itu kami tidak lupa menyampaikan
terimakasih kepada semua pihak dalam pembuatan makalah ini.

Kami  menyadari bahwa laporan  ini masih memiliki banyak kekurangan baik isi

maupun teknik penulisan. untuk itu kritik dan saran sangat diperlukan untuk perbaikan.

Akhir penyusunan kami berharap semoga makalah ini dapat dijadikan sebagai
acuan informasi serta bermanfaat terhadap para pembaca.

Penyusun

ii
 DAFTAR ISI

HALAMAN JUDUL..............................................................................................i
KATA PENGANTAR............................................................................................ii
DAFTAR ISI..........................................................................................................iii
BAB I PENDAHALUAN.......................................................................................1
A. Latar Belakang.............................................................................................1
B. Rumusan Masalah........................................................................................1
C. Tujuan..........................................................................................................2
BAB II PEMBAHASAN........................................................................................3
A. Pengertian Estimasi......................................................................................3
B. Jenis-Jenis Estimasi......................................................................................4
C. Menentuan Besarnya Sampel dalam Penelitian...........................................5
BAB III PENUTUP................................................................................................21
A. Kesimpulan..................................................................................................22
B. Saran.............................................................................................................21
DAFTAR PUSTAKA............................................................................................22
lampiran

iii
 BAB I
PENDAHULUAN

A. Latar Belakang
Penggunaan statistik dalam kehidupan sehari-hari disadari atau tidak memegang
peranan yang cukup penting, meskipun dalam bentuk yang sangat sederhana. Misalnya
seorang ibu rumah tangga menggunakan statistik untuk mengetahu berapa rata-rata
pengeluarannya selama sebulan. Statistik juga digunakan di Pemerintahan, industri,
Rumah Sakit, Perusahaan Swasta dan lain sebagainya untuk perencanaan dan
penyusunan program-program yang didasari atas fakta di lapangan, dengan kata lain
harus berdasarkan data real. Dari data tersebut kemudian diolah sehingga
menghasilkan informasi yang dijadikan dasar untuk mengambil keputusan.
Biostatistik adalah data atau informasi yang berkaitan dengan masalah
kesehatan. Statistik kesehatan sangat bermanfaat untuk kepentingan administratif,
seperti merencanakan program pelayanan kesehatan, menentukan
alternatif penyelesaian masalah kesehatan, dan melakukan analisis tentang berbagai
penyakit selama periode waktu tertentu. Statistik kesehatan dikenal dengan istilah
“biostatistik”.  Biostatistik terdiri dari dua kata dasar yaitu bio dan statistik. Bio berarti
hidup, sedangkan statistik adalah kumpulan angka-angka. Sehingga secara harfiah
biostatistik adalah kumpulan angka-angka tentang kehidupan.
Estimasi merupakan kegiatan penarikan kesimpulan statistik yang berawal dari
hal-hal yang bersifat umum ke hal – hal yang bersifat khusus, agar penarikan
kesimpulan dapat dibenarkan dan mampu mendekati kebenaran maka dibutuhkan
suatu alat untuk memproses data secara benar, jika kegiatan estimasi dapat dilakukan
secara benar maka semua keputusan yang berkaitan dengan estimasi dapat
dilakukan juga dengan benar dan dapat untuk mengatasi segala persoalan statistik.
Dalam bidang kesehatan kehadiran statistik sangat banyak sekali manfaat dan
kegunaannya seiring dengan perkembangan ilmu dan pengetahuan bidang kesehatan
tersebut. Oleh sebab itu pemahaman terhadap statistik sudah menjadi suatu keharusan,
khususnya bagi para mahasiswa kesehatan, akademisi dan praktisi bidang kesehatan.

B. Rumusan Masalah
1. Apa pengertian estimasi?
2. Apa saja jenis-jenis estimasi?
3. Bagaimana cara menentuan besarnya sampel dalam penelitian?
1
C. Tujuan
1. Untuk mengetahui pengertian estimasi
2. Untuk mengetahui jenis-jenis estimasi
3. Untuk mengetahui cara menentuan besarnya sampel dalam penelitian

2
 BAB II
PEMBAHASAN

A. Pengertian Estimasi
Estimasi merupakan suatu metode dimana kita dapat memperkirakan nilai
Populasi dengan memakai nilai sampel.
Estimasi adalah menaksir ciri-ciri tertentu dari populasi atau
memperkirakan nilai populasi (parameter) dengan memakai nilai sampel
(statistik).
Estimasi merupakan kegiatan penarikan kesimpulan statistik yang berawal dari
hal-hal yang bersifat umum ke hal – hal yang bersifat khusus, agar penarikan
kesimpulan dapat dibenarkan dan mampu mendekati kebenaran maka dibutuhkan
suatu alat untuk memproses data secara benar, jika kegiatan estimasi dapat dilakukan
secara benar maka semua keputusan yang berkaitan dengan estimasi dapat
dilakukan juga dengan benar dan dapat untuk mengatasi segala persoalan
statistik.
Parameter populasi yang akan ditaksir dalam hal ini berupa: rata-rata (mean),
simpangan baku dan persen, standar deviasi, dan juga proporsi. Sebelum menaksir
sebuah populasi, sebaiknya perlu diketahui tentang istilah penaksir.
Estimasi adalah taksiran dan yang diestimasi adalah parameter populasi. Data
yang digunakan untuk melakukan estimasi parameter populasi adalah statistik sampel
sebagai estimator. Estimasi dipelajari berdasarkan data yang diambil baik secara
sampling maupun sensus. Dalam kenyataannya, mengingat berbagai faktor, untuk
keperluan tersebut diambil sebuah sampel yang representatif, lalu berdasarkan pada
hasil analisis terhadap data sampel. Kelakuan populasi yang akan ditinjau disini
hanyalah mengenai parameter populasi dan sampel yang digunakan adalah sampel
acak. Data sampel dianalisis. Nilai-nilai yang perlu yaitu stastistik, dihitung dan dari
nilai-nilai statistik ini kita simpulkan bagaimana parameter bertingkah laku. Cara
pengambilan kesimpulan tentang parameter yang pertama kali akan dipelajari ialah
sehubungan dengan cara-cara menaksir harga parameter. Jadi harga parameter yang
sebenarnya tetapi tidak diketahui itu akan ditaksir berdasarkan statistik sampel yang
diambil dari populasi yang bersangkutan.
Parameter populasi yang akan ditaksir dan diuraikan dalam bagian ini
terutama adalah rata-rata, simpangan baku dan persen.

3
B. Jenis-Jenis Estimasi
Ada dua area di dalam statistik inferensi yaitu:
1. Estimasi (estimation) yaitu statistik sampel untuk mengestimasi nilai parameter
populasi yang tidak diketahui.
2. Uji hipotesis test of hipotesis yaitu tentang keyakinan kebenaran sample terhadap
nilai parameter populasi yang tidak diketahui
Ada dua jenis estimasi terhadap parameter populasi:
1. Estimasi titik (point estimation)
Estimasi titik adalah nilai tertentu yang digunakan untuk mengestimasi nilai
populasi, ada tiga kriteria ketepatan estimasi titik sehingga bisa digunakan untuk
membuat keputusan tentang parameter populasi yaitu:
a. Tidak bias, tidak bias maksudnya disini adalah nilai statistik sampel tidak akan
persis sama dengan nilai parameter populasi. Nilainya kemungkinan akan di
bawah atau di atas karena kesalahan sampling. Oleh karena itu Keinginan kita
adalah bahwa nilai harapan (expected value) atau nilai rata-rata semua nilai
statistik sampel yang diestimasi secara random dari semua kemungkinan sampel
yang ada sama dengan parameter populasi. Jika hal ini benar maka dikatakan
bahwa statistik sampel adalah estimator yang tidak bias dari parameter populasi.
b. Konsisten, yaitu sebuah titik estimasi dikatakan konsisten bila nilai statistik
sampel cenderung sama dengan parameter populasi tidak bias ketika jumlah
sampel terus bertambah.
c. Efisiensi di mana suatu estimator yang tidak biasa mempunyai ciri yang efisien
bila mempunyai deviasi standar atau standard error yang lebih kecil di dalam
populasi yang sama.
2. Estimasi interval (interval estimation)
Estimasi interval yaitu nilai interval dari statistik sampel yang berisi
kemungkinan terjadinya parameter populasi. Ketepatan estimasi sample bisa diukur
dengan menggunakan estimasi interval. Estimasi interval adalah sebuah interval
keyakinan (confidence interval) berisi pernyataan keyakinan bahwa interval tersebut
berisi nilai parameter. Besarnya estimasi interval ini dipengaruhi oleh 3 faktor:
a. Besarnya sampel (n)
b. Tingkat keyakinan atau kepercayaan yang dipilih (level of confidence)
c. Variabilitas dari populasi yang diukur dengan standar deviasi.

4
 Dari ketiga faktor tersebut kita bisa menentukan jenis distribusi mana yang
digunakan di dalam menghitung estimasi interval. Jika populasi berdistribusi
normal, maka pertanyaan berikutnya Apakah standar deviasi dari populasi diketahui
atau tidak. Jika diketahui maka kita menggunakan uji distribusi Z. Namun jika tidak
diketahui maka kita menggunakan uji distribusi t. Bila populasi tidak mempunyai
distribusi normal tetapi sampel datanya besar yaitu paling tidak 30 atau lebih maka
digunakan uji distribusi Z. Sedangkan jika sampelnya kurang dari 30 maka
digunakan uji non parametrik.
a. Interval rata-rata dan standar deviasi diketahui
b. Interval rata-rata dan standar deviasi tidak diketahui dengan sampel besar
c. Interval rata-rata dan standar deviasi tidak diketahui pada sampel kecil
d. Estimasi interval proporsi
Estimasi ini bisa digunakan untuk menghitung proporsi. Proporsi (p) merupakan
perbandingan antara jumlah kejadian yang sukses Dengan jumlah seluruh observasi
yang dilakukan. Kita dapat menggunakan persamaan dalam estimasi interval
proporsi apabila:
a. Probabilitas kejadian merupakan probabilitas binomial
b. Nilai dari np Dan n(1-p) harus sama atau lebih besar dari 5
C. Menentuan besarnya sampel dalam penelitian
1. Derajat kepercayaan yang kita inginkan (level of confidence desired)
Faktor pertama peneliti harus memiliki derajat kepercayaan dalam hal ini biasanya
derajat kepercayaan yang digunakan adalah sebesar 99% atau 95%. Namun setiap
nilai antara 0 dan 100% dimungkinkan untuk digunakan. Semakin besar derajat
kepercayaan yang dipilih semakin besar sampel yang dibutuhkan.
2. Margin kesalahan yang ditoleransi (allowable error)
Margin kesalahan maksimum yang bisa ditoleransi adalah jumlah yang harus
ditambah dan dikurangi kepada rata-rata sampel atau proporsi simple untuk
menentukan nilai terakhir dari interval keyakinan. Margin kesalahan ini merupakan
jumlah kesalahan yang bisa ditoleransi. Semakin kecil kesalahan yang bisa
ditoleransi maka semakin besar sampel yang dibutuhkan dan sebaliknya Semakin
besar kesalahan yang bisa ditoleransi maka semakin kecil sampel yang dibutuhkan.
3. Variabilitas populasi (variability in population)
Faktor ketiga yaitu variabilitas populasi dilihat dari standar deviasi populasi jika
populasi tersebar luas maka dibutuhkan sampel yang besar. Sebaliknya pada kasus
5
 populasi terkonsentrasi maka diperlukan sampel yang lebih kecil. Selanjutnya kita
menentukan besarnya sampel untuk uji rata-rata dan besarnya sampel untuk uji
proporsi.
1. Penaksir
Secara umum, parameter populasi akan diberi simbol θ (baca theta). Jadi θ
bisa merupakan rata-rata µ, simpangan baku σ, proporsi π dan sebagainya. Jika θ,
yang tidak dikatahui harganya, ditaksir oleh θ^ (baca : theta topi), maka θ^ dinamakan
penaksir. Jelas bahwa sangat dikehendaki θ^ = θ, yaitu bisa mengatakan harga θ yang
sebenarnya. Tetapi ini merupakan keinginan yang boleh dibilang ideal sifatnya.
Kenyataan yang bisa terjadi adalah :
a. Menaksir θ oleh θ^ terlalu tinggi, atau
b. Menaksir θ oleh θ^ terlalu rendah.

Keduanya ini jelas tidak dikehendaki. Karenanya kita menginginkan penaksir

yang baik. Dibawah ini kriteria penaksir yang baik, yaitu tak bias, mempunyai varians
minimum dan konsisten.

a. Penaksir θ^ dikatakan penaksir tak bias, jika rata-rata semua harga θ^ yang mungkin
akan sama dengan θ. Dalam bahasa ekspektasi, ditulis ε (θ^ ) = θ. Penaksir yang tak
bias, disebut penaksir bias.
b. Penaksir bervarians minimum ialah penaksir dengan varians terkecil diantara
semua penaksir untuk parameter yang sama. Jika θ^ 1 dan θ^ 2 dua penaksir untuk θ

dimana varians θ^ 1 lebih kecil dari varians untuk θ^ 2, maka θ^ 1 merupakan penaksir
bervarians minimum.
c. Misalkan θ^ penaksir untuk θ yang dihitung berdasarkan sebuah sampel acak
berukuran n. jika ukuran sampel n makin besar mendekati ukuran populasi me
nyebabkan θ^ mendekati θ, maka θ^ disebut penaksir konsisten.
d. Penaksir yang tak bias dan bervarians minimum dinamakan penaksir terbaik.

Beberapa contoh :

1) Rata-rata x́ untuk sampel berukuran n yang diambil dari populasi dengan rata-rata µ
merupakan penaksir tak bias untuk µ, jadi ε (x́) = µ.

6
 2) Varians s2 yang dihitung dengan rumus V (5) atau rumus VI (6), untuk sampel acak
berukuran n yang diambil dari populasi dengan varians σ 2, adalah penaksir tak bias
untuk σ 2. Akan tetapi s merupakan penaksir bias untuk σ.
3) Rata-rata sampel x́adalah penaksir terbaik untuk µ, jadi untuk x́ itu merupakan
penaksir tak bias dan penaksir bervarians minimum.

Cara-cara menaksir

1) Jika parameter θ di taksir oleh θ^ sebuah harga tertentu, maka θ^ dinamakan penaksir
atau titik taksiran.
2) Hasil taksiran dinyatakan melalui interval taksiran atau selang taksiran yaitu menaksir
harga parameter diantara batas-batas dua harga.
3) Semakin besar panjang interval, semakin percaya akan kebenaran penaksiran yang
dilakukan.
4) Hasil penaksiran yang dicari adalah interval taksiran yang sempit dan derajat
kepercayaan yang memuaskan.
5) Derajat kepercayaan menaksir disebut koefisien kepercayaan donotasikan dengan
lambang γ (gamma) yang memiiki nilai 0 < γ < 1, merupakan nilai peluang.
6) Menaksir rata-rata µ

7) Kemungkinan kondisi populasi :

σ diketahui, populasi berdistribusi normal.

8) Jika n/N > 5%, maka :

σ tidak diketahui, populasi berdistribusi normal.

7
 9) Jika n/N > 5%, maka :

tidak diketahui, populasi berdistribusi tidak normal.

Contoh :

Sebuah sampel acak terdiri dari 100 mahasiswa telah diambil dari sebuah universitas,
lalu nilai IQ-nya di catat.

Diperoleh X́ = 112 dan S = 10

1) Dapat dikatakan : IQ rata-rata untuk mahasiswa Universitas tersebut adalah 112,

karena X́ telah digunakan.
2) Dalam interval taksiran IQ rata-rata dengan koefisien kepercayaan 95%, maka :
a) 112 – (1,987) 10 / √ 100 < µ < 112 + (1,987) 10 / √ 100
b) 110 < µ < 114
3) Jika koefisien kepercayaan γ = 99 %, maka t p = 2,654
a) 112 – (2,654) 10 /√ 100 < µ < 112 + (2,654) 10 / √ 100
b) 109,3 < µ < 114,7

Tabel – t Sudjana
α 5% =

2 Ekor
α 1% =

Tabel – t Sudjana
α 5% =

1 Ekor
α 1% =

8
Tabel – z Sudjana
5% =

2 Ekor
=
1%

Tabel – z Sudjana
=
5%

1 Ekor (σ)
2. Menaksir Standar Deviasi
=
1%
a. s2 adalah penaksir tak bias dari σ 2
b. sadalah penaksir yang bias untuk σ
c.Selang interval taksiran untuk varians adalah

Dimana :
n = ukuran sampel
χ 21/2 (1+γ) = di dapat dari tabel chi-kuadrat
Dengan p = ½ (1+γ) dan p = ½ (1-γ),
Dengan dk = n-1

Contoh :

Sebuah sampel acak berukuran 30 telah diambil dari sebuah populasi yang
berdistribusi normal dengan simpangan baku σ. Dihasilkan harga statistik s2 = 7,8.
Dengan koefisien kepercayaan 95% dan dk=29, maka dari tabel chi-kuadrat diperoleh
nilai χ 20,975 = 45,7 dan χ 20,025 = 16,0 sehingga :

Interval taksiran untuk σ adalah : 2,23 < σ < 3,75. Kita merasa 95 % percaya
bahwa simpangan baku σ aka nada dalam interval yang dibatasi oleh 2,23 dan 3,75

9
 3. Menaksir Proporsi (π)
a. Taksiran titik untuk π adalah (x/n) dimana x adalah banyaknya peristiwa A
yang terjadi di dalam populasi.
b. Banyaknya kejadian A ini memiliki distribusi Binomial.
c. Jika dikehendaki interval penaksiran π dengan kepercayaan γ = 100%, maka :
Dimana :
P = x/n
q = 1-P
Z1 /2 γ diperoleh dari tabel distribusi normal dengan peluang ½ γ

Contoh :

Ingin ditaksir berapa persen anggota masyarakat yang berumur 15 tahun keatas yang
termasuk kedalam golongan A. untuk itu diambil sebuah sampel acak dengan ukuran
1200 dan ternyata ada 504 orang termasuk golongan A. Jadi persentasi golongan A
dalam sampel adalah 504/1200 x 100% = 42%.

Jika ditaksir ada 42% anggota masyarakat yang berumur 15 tahun keatas, maka dalam
hal ini digunakan titik taksiran. Untuk menentukan 95% interval kepercayaan
parameter π digunakan :

P = 0,42, q=0,58 Z 0,475= 1,96, maka :

0,42 x 0,58 0,42 x 0,58

0,42 – (1,96)
√ 1200
< π < 0,42 + (1,96)
√ 1200

= 0,39 < π < 0,45

Kita merasa 95% yakin bahwa persentase anggota masyarakat yang termasuk
golongan A berada dalam interval 39% sampai 45%.

1. Permasalahan
a. Membuat data N = 100 secara random yang diperoleh dari skripsi mahasiswa
fakultas teknik.
b. Menghitung estimasi sebuah rata-rata (mean) secara manual dan SPSS.
c. Menghitung estimasi standar deviasi secara manual dan SPSS.
d. Menghitung estimasi nilai proporsi secara manual dan SPSS.
e. Menghitung estimasi rata-rata, standar deviasi dan proporsi dengan koefisien
kepercayaan 95% dan 99%

10
2. Pembahasan
 Cara Manual
Dalam menaksir sebuah data, digunakan tabel data tunggal. (koefisien kepercayaan
95% dan 99%)

a. Mengestimasi mean

Karena nilai dari populasi tidak diketahui, maka digunakan cara yang kedua (kondisi
σ tidak diketahui, populasi berdistribusi normal). Dari data tunggal, diperoleh x́ = 77
dengan s = 10,75.

1) Untuk koefisien kepercayaan (γ ) = 95%.

Saat koefisien kepercayaan (γ ) = 95%, maka taraf kesalahan (∝) yaitu 5%. Nilai
t p yaitu:

t p=t ∝ =t 5% =t 0,05 =t 1−0,025 =t 0,975 .

1− 1− 1−
2 2 2

Saat t 0,975, diperoleh ν atau dk = n−1=100−1=¿ 99 dan ∝ = 0,05 . Melalui tabel

T diperoleh tiga kondisi diantaranya:

dk 1=60 dant p1=2,00

Tabel T
{ dk 2=99 dan t p2=?
dk 3=120 dant p3=1,98

Maka untuk mendapatkan t p saat dk = 99, digunakan metode interpolasi.

( x 2−x 1 ) ( y 3− y 1 )
[ x 3−x 1 ] + y 1= y 2

Anggap bahwa dk disimbolkan sebagai x dan t p disimbolkan sebagai y. Maka

menjadi:

( x 2−x 1 ) ( y 3− y 1 )
y 2=
[ x 3−x 1 ] [
+ y 1=
( 99−60 ) ( 1,98−2,00 )
120−60 ]
+2,00

( 39 ) (−0,02 )
y 2= [ 60 ]
+2,00=
−0,78
60 (
+2,00=−0,013+2,00 )
y 2=1,987 .

Maka t p=1,987 . Langkah selanjutnya yaitu memasukkan nilai t pkedalam rumus:

11
 s s
x́−t p . < μ< x́+t p .
√n √n
10,75 10,75
77−( 1,987 ) . < μ< 77+ ( 1,987 ) .
√ 100 √ 100
77−( 1,987 ) 1,075< μ <77+ ( 1,987 ) 1,075

77−( 2,136 ) < μ<77+ (2,136 ) → 74,864< μ<79,136.

b. Untuk koefisien kepercayaan (γ ) = 99%

Saat koefisien kepercayaan 99%, maka taraf kesalahan (∝) yaitu 1%. Nilai t p
yaitu:

t p=t ∝ =t 1% =t 0,01 =t 1−0,005 =t 0,995 .

1− 1− 1−
2 2 2

Saat t 0,995, diperoleh ν atau dk = n−1=100−1=¿ 99 dan ∝ = 0,01 . Melalui tabel T

diperoleh tiga kondisi diantaranya:

dk 1=60 dan t p1=2,66

Tabel T
{ dk 2=99 dan t p2=?
dk 3=120 dant p3=2,62

Maka untuk mendapatkan t p saat dk = 99, digunakan metode interpolasi.

( x 2−x 1 ) ( y 3− y 1 )
[ x 3−x 1 ] + y 1= y 2

Anggap bahwa dk disimbolkan sebagai x dan t p disimbolkan sebagai y. Maka

menjadi:

( x 2−x 1 ) ( y 3− y 1 ) ( 99−60 ) ( 2,62−2,66 )

y 2=
[ x 3−x 1 ] [
+ y 1=
120−60 ]
+2,66

( 39 ) (−0,04 )
y 2= [ 60 ]
+2,66=
−1,56
60 (
+2,00=−0,026+2,66 )
y 2=2,634 .

Maka t p=2,634 . Langkah selanjutnya yaitu memasukkan nilai t pkedalam rumus.

s s
x́−t p . < μ< x́+t p .
√n √n

12
 10,75 10,75
77−( 2,634 ) . < μ<77+ ( 2,634 ) .
√ 100 √100

77−( 2,634 ) 1,075< μ<77+ ( 2,634 ) 1,075

77−( 2,831 )< μ <77+ ( 2,831 ) →74,169< μ<79,831.

2) Mengestimasi standar deviasi

( n−1 ) s 2 2 ( n−1 ) s2
<σ <
χ 2 χ 2
½ (1+ γ ) ½ ( 1−γ )

Dari data tunggal pada cara 1 (tugas 1b), diperoleh s2 = 115,6 dengan s = 10,75.

a. Untuk koefisien kepercayaan (γ ) = 95%

 Langkah pertama yaitu mencari nilai χ 2 untuk ½(1+γ ¿saat koefisien

kepercayaan (γ ) = 95%, maka taraf kesalahan (∝) yaitu 5%.

χ 2 =χ 2 = χ 2 =χ 2 .
½ ( 1+γ ) ½ ( 1+0,95 ) ½ ( 1,95 ) 0,975

Saat χ 2 bernilai 0,975 diperoleh ν atau dk = n−1=100−1=¿ 99 dan ∝ = 0,05 .

Melalui tabel Chi-kuadrat diperoleh tiga kondisi diantaranya:

dk=90 dan χ 12=118,1

Tabel χ 2
{
dk =99 dan χ 22=?
dk=100 dan χ 32=129,6

Maka untuk mendapatkan χ 2 saat dk = 99, melalui metode interpolasi didapatkan:

( x 2−x 1 ) ( y 3− y 1 )
[ x 3−x 1 ] + y 1= y 2

Anggap bahwa dk disimbolkan sebagai x dan χ 2 disimbolkan sebagai y. Maka

menjadi:

( x 2−x 1 ) ( y 3− y 1 ) ( 99−90 ) ( 129,6−118,1 )

y 2=
[ x 3−x 1 ] [
+ y 1=
100−90 ]
+118,1

( 9 )( 11,5 ) 103,5
y 2= [ 10 ] +118,1=
10 ( )
+118,1=10,35+118,1

13
 y 2 atau χ 2 =128,45
.
½ ( 1+γ )

 Langkah kedua yaitu mencari nilai untuk ½(1-γ ).

χ 2 =χ 2 =χ 2 =χ 2 .
½ ( 1−γ ) ½ ( 1−0,95 ) ½ ( 0,05 ) 0,025

Saat χ 2 bernilai 0,025 diperoleh ν atau dk = n−1=100−1=¿ 99 dan ∝ = 0,05 .

Melalui tabel Chi-kuadrat diperoleh tiga kondisi diantaranya:

dk =90 dan χ 12=65,6

Tabel χ 2

{
dk =99 dan χ 22=?
dk=100 dan χ 32=74,2

maka untuk mendapatkan χ 2 saat dk = 99, digunakan metode interpolasi.

( x 2−x 1 ) ( y 3− y 1 )
[ x 3−x 1 ] + y 1= y 2

Anggap bahwa dk disimbolkan sebagai x dan χ 2 disimbolkan sebagai y. Maka

menjadi:

( x 2−x 1 ) ( y 3− y 1 )
y 2=
[ x 3−x 1 ] [ + y 1=
( 99−90 ) ( 74,2−65,6 )
100−90 ]
+65,6

( 9 )( 8,6 ) 77,4
y 2= [ 10 ] +65,6=
10 ( )
+65,6=7,74+65,6

y 2 atau χ 2 =73,34
.
½ ( 1−γ )

 Langkah ketiga yaitu memasukkan nilai χ 2 kedalam rumus:

2 =128,45 dan χ 2 =73,34
diketahui χ
½ 1+γ
( (
) ½ 1−γ )
( )
( n−1 ) s 2 2 ( n−1 ) s2
<σ <
χ 2 χ 2
½ (1+ γ ) ½ ( 1−γ )

( 100−1 ) 115,6 2 ( 100−1 ) 115,6

<σ <
128,45 73,34

14
 ( 99 ) 115,6 2 ( 99 ) 115,6 11444,4 2 11444,4
<σ < = <σ <
128,45 73,34 128,45 73,34

89,09< σ 2< 156,04 atau 9,43< σ <12,49.

Dari hasil menunjukkan bahwa kita percaya 95% simpangan baku (σ ) berada didalam
interval yang dibatasi oleh 9,43 dan 12,49.

b. Untuk koefisien kepercayaan 99%.

 Langkah pertama yaitu mencari nilai χ 2 untuk ½(1+γ ¿saat koefisien

kepercayaan (γ ) = 99%, maka taraf kesalahan (∝) yaitu 1%.

χ 2 =χ 2 = χ 2 =χ 2 .
½ 1+γ
( ) ½ 1+0,99
( ) ½ ( 1,99 ) 0,995

Saat χ 2 bernilai 0,995 diperoleh ν atau dk = 99 dan ∝ = 0,01. Melalui tabel Chi-kuadrat
diperoleh tiga kondisi diantaranya:

dk =90 dan χ 12=128,3

Tabel χ 2
{
dk =99 dan χ 22=?
dk=100 dan χ 32=140,2

maka untuk mendapatkan χ 2 saat dk = 99, melalui metode interpolasi didapatkan:

( x 2−x 1 ) ( y 3− y 1 )
[ x 3−x 1 ] + y 1= y 2

Anggap bahwa dk disimbolkan sebagai x dan χ 2 disimbolkan sebagai y. Maka menjadi:

( x 2−x 1 ) ( y 3− y 1 ) ( 99−90 ) ( 140,2−128,3 )

y 2=
[ x 3−x 1 ] [
+ y 1=
100−90 ]
+128,3

( 9 )( 11,9 ) 107,1
y 2= [ 10 ] +128,3=
10 ( )
+128,3=10,71+128,3

y 2 atau χ 2 =139,01
.
½ ( 1+γ )

 Langkah kedua yaitu mencari nilai untuk ½(1-γ ).

χ 2 =χ 2 =χ 2 =χ 2 .
½ 1−γ
( ) ½ 1−0,99
( ) ½ ( 0,01 ) 0,005

Saat χ 2 bernilai 0,005 diperoleh ν atau dk = 99 dan ∝ = 0,05. Melalui tabel Chi-kuadrat
diperoleh tiga kondisi diantaranya:

15
 dk=90 dan χ 12=59,2
Tabel χ 2

{
dk =99 dan χ 22=?
dk=100 dan χ 32=67,3

maka untuk mendapatkan χ 2 saat dk = 99, digunakan metode interpolasi.

( x 2−x 1 ) ( y 3− y 1 )
[ x 3−x 1 ] + y 1= y 2

Anggap bahwa dk disimbolkan sebagai x dan χ 2 disimbolkan sebagai y. Maka menjadi:

( x 2−x 1 ) ( y 3− y 1 ) ( 99−90 ) ( 67,3−59,2 )

y 2=
[ x 3−x 1 ] [ + y 1=
100−90 ]
+59,2

( 9 )( 8,1 ) 72,9
y 2= [ 10 ] +59,2=
10 ( )
+ 59,2=7,29+59,2

y 2 atau χ 2 =66,49
.
½ ( 1−γ )

 Langkah ketiga yaitu memasukkan nilai χ 2 kedalam rumus:

2 =139,01 dan χ 2 =66,49
diketahui χ (
½ ( 1+γ ) ½ ( 1−γ ) )
( n−1 ) s 2 ( n−1 ) s2
<σ 2 <
χ 2 χ 2
½ (1+ γ ) ½ ( 1−γ )

( 100−1 ) 115,6 2 ( 100−1 ) 115,6

<σ <
139,01 66,49

( 99 ) 115,6 2 ( 99 ) 115,6 11444,4 2 11444,4

<σ < = <σ <
139,01 66,49 139,01 66,49

82,32<σ 2<172,12 atau 9,07< σ <13,11.

Dari hasil menunjukkan bahwa kita percaya 99% simpangan baku (σ ) berada didalam
interval yang dibatasi oleh 9,07 dan 13,11.
3. Mengestimasi proporsi
Dari sebuah sampel yang berjumlah 100, jumlah laki-laki diperkirakan yaitu sekitar
88 orang dan jumlah perempuan diperkirakan sekitar 12 orang. Sehingga presentasi

88
jumlah laki-laki dalam sampel yaitu .100 %=0,88.100 %=88 % . Dalam
100

16
menentukan interval kepercayaan parameter π, diperlukan nilai koefisien kepercayaan
untuk mendapatkan skor baku. Langkah untuk mendapatkan skor baku berdasarkan
nilai koefisien kepercayaan diantaranya:
a. Untuk koefisien kepercayaan 95%.
 Langkah pertama yaitu mencari nilai Z ½γ saat koefisien kepercayaan (γ ) =
95% dan taraf kesalahan (∝) yaitu 5%.
Z ½γ =Z ½ (0,95 )=Z 0,475 atau Z ∝ =Z =Z ½−0,025=Z 0,475 .
½−( )
2
½− ( 0,052 )
Saat Z ½γ bernilai 0,475, maka melalui tabel distribusi normal baku (tabel Z), harga Z
dapat dicari dengan cara mengalikan 0,475 dengan 1000 yaitu (0,475x1000 = 4750) lalu
mencari nilai 4750 ke dalam tabel Z dan diperoleh harga Z = 1,96. Maka parameter p
dan parameter q bisa dicari.
x jumlah laki−laki 88
p= = = =0,88.
n jumlah sampel 100

x jumlah perempuan 12
q= = = =0,12 atau q=1− p=1−0,88=0,12.
n jumlah sampel 100

 Langkah kedua yaitu memasukkan nilai yang telah didapatkan tadi kedalam
rumus.
( Z 0,475=1,96 ; p=0,88 ; q=0,12 ).

pq pq
p−Z ½ γ
√ n
<π < p+ Z ½ γ
n √
( 0,88 ) ( 0,12 ) ( 0,88)( 0,12)
0,88−( 1,96 )
√ 100
< π <0,88+(1,96)
100 √
0,105 0,105
0,88−( 1,96 )
√ 100
<π < 0,88+(1,96)
100 √
0,88−( 1,96 ) √ 10,5 x 10−4 < π <0,88+(1,96) √10,5 x 10−4

0,88−( 1,96 ) ( 0,0324 ) < π <0,88+(1,96)(0,0324)

0,88−0,0635< π <0,88+0,0635

0,8165< π <0,9435.

17
 Sehingga, kita merasa yakin bahwa persentase siswa yang berjumlah laki-laki berada
dalam interval antara 81,65% sampai dengan 94,35%.

b. Untuk koefisien kepercayaan 99%.

 Langkah pertama yaitu mencari nilai Z ½γ saat koefisien kepercayaan (γ ) =

99% dan taraf kesalahan (∝) yaitu 1%.

Z ½γ =Z ½ (0,99 )=Z 0,495 atau Z ∝ =Z =Z ½−0,005=Z 0,495 .

½−( )
2
½− ( 0,012 )
Melalui tabel distribusi normal baku (tabel Z), harga Z dapat dicari dengan cara
mengalikan 0,495 dengan 1000 yaitu (0,495x1000 = 4950) lalu mencari nilai 4950 ke
dalam tabel Z. Diperoleh harga Z = 2,575 (harga Z didapat melalui proses interpolasi).
Proses Interpolasi dilakukan melalui cara sebagai berikut:

Saat Z ½γ bernilai 4950, melalui tabel Z diperoleh tiga kondisi diantaranya:

Z ½ γ =4949 dan Z 1=2,57

Tabel Z
{ Z ½γ =4950 dan Z 2=?
Z ½ γ =4951 dan Z 3=2,58

maka untuk mendapatkan Z saat Z ½γ =4950 , digunakan metode interpolasi.

( x 2−x 1 ) ( y 3− y 1 )
[ x 3−x 1 ] + y 1= y 2

Anggap bahwa Z ½γ disimbolkan sebagai x dan Z disimbolkan sebagai y. Maka menjadi:

( x 2−x 1 ) ( y 3− y 1 ) ( 4950−4949 )( 2,58−2,57 )

y 2=
[ x 3−x 1 ] [
+ y 1=
4951−4949
+2,57 ]
( 1 ) ( 0,01 ) 0,01
y 2= [ 2 ] + 2,57=
2 ( )
+2,57=0,005+2,57

y 2 atau Z2 =2,575.

Maka parameter p dan parameter q bisa dicari.

x jumlah laki−laki 88
p= = = =0,88.
n jumlah sampel 100

x jumlah perempuan 12
q= = = =0,12 atau q=1− p=1−0,88=0,12.
n jumlah sampel 100

18
  Langkah kedua yaitu memasukkan nilai yang telah didapatkan tadi kedalam
rumus.
( Z 0,495=2,575 ; p=0,88 ; q=0,12 ).

pq pq
p−Z ½ γ
√ n
<π < p+ Z ½ γ
n √
( 0,88 ) ( 0,12 )
0,88−( 2,575 )
√ 100
< π <0,88+(2,575)
(0,88)(0,12)
√
100

0,105 0,105
0,88−( 2,575 )
√ 100
< π < 0,88+(2,575)
100 √
0,88−( 2,575 ) √ 10,5 x 10−4 < π <0,88+(2,575) √ 10,5 x 10−4

0,88−( 2,575 ) ( 0,0324 ) < π <0,88+(2,575)( 0,0324)

0,88−0,0834< π <0,88+ 0,0834

0,7966< π <0,9634.

Sehingga, kita merasa yakin bahwa persentase siswa yang berjumlah laki-laki berada
dalam interval antara 79,66% sampai dengan 96,34%.

 Cara SPSS
a.Estimasi mean

a. Koefisien Kepercayaan 95%

Case Processing Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

Nilai 100 100.0% 0 0.0% 100 100.0%

Descriptives

Statistic Std. Error

Nilai Mean 77.5800 .76332

95% Confidence Interval for Lower Bound 76.0654

Mean Upper Bound 79.0946

5% Trimmed Mean 77.8000

Median 80.0000

Variance 58.266

19
 Std. Deviation 7.63323

Minimum 60.00

Maximum 93.00

Range 33.00

Interquartile Range 7.00

Skewness -.479 .241

Kurtosis .158 .478

b. Koefisien kepercayaan 99%

Case Processing Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

Nilai 100 100.0% 0 0.0% 100 100.0%

Descriptives

Statistic Std. Error

Nilai Mean 77.5800 .76332

99% Confidence Interval for Lower Bound 75.5752

Mean Upper Bound 79.5848

5% Trimmed Mean 77.8000

Median 80.0000

Variance 58.266

Std. Deviation 7.63323

20
 Minimum 60.00

Maximum 93.00

Range 33.00

Interquartile Range 7.00

Skewness -.479 .241

Kurtosis .158 .478

BAB III
PENUTUP

A. KESIMPULAN
Biostatistik merupakan ilmu yang mempelajari cara pengumpulan, pengolahan,
penyajian dan analisis data termasuk cara pengambilan kesimpulan dengan
memperhitungkan unsur ketidakpastian berdasarkan konsep propabilitas.
Estimasi merupakan kegiatan penarikan kesimpulan statistik yang berawal dari hal-
hal yang bersifat umum ke hal – hal yang bersifat khusus, agar penarikan kesimpulan
dapat dibenarkan dan mampu mendekati kebenaran maka dibutuhkan suatu alat untuk
memproses data secara benar, jika kegiatan estimasi dapat dilakukan secara benar maka
semua keputusan yang berkaitan dengan estimasi dapat dilakukan juga dengan
benar dan dapat untuk mengatasi segala persoalan statistik.
B. SARAN

21
 Dalam pembuatan makalah ini masih jauh dari sempurna. Oleh karena itu, penulis
meminta kritik dan saran yang sifatnya membangun dari pembaca untuk kesempurnaan
makalah selanjutnya. Semoga makalah yang kami buat dapat bermanfaat bagi
pembaca dan pendebgar.

DAFTAR PUSTAKA

Basuki, Ismet. 2005. Handout 4 Mata Kuliah Statistika ( Print Out Power Point).
Hastono Priyo Sutanto dan Sabri Luknis. Statistik Kesehatan. PT Rajagrafindo Persada,
Jakarta. 2011
http://cokroaminoto.blogetery.com/2010/02/18/manfaat-mempelajari-biostatistik-dalam-
penyusunan-proposal-penelitian diakses, 25 Agustus 2020
Sudjana. 1992. Metoda Statistika. Bandung: Tarsito.

22
Notulen:

1. Pertanyaan Anisa istiqomah dijawab oleh Magdalena Meiuni Simbolon

Jelaskan kembali faktor-faktor dalam estimasi interval!
Jawab:
Estimasi interval yaitu nilai interval dari sampel yang kemungkinan menjadi penentu
parameter suatu populasi:
a. Besarnya sampel (n): seberapa banyak sampel yang kita peroleh dari suatu penelitian
b. Tingkat keyakinan atau kepercayaan yang dipilih (level of confidence): peluang
kepercayaan yang terbentuk benar-benar memuat parameter populasi jika proses
estimasinya dilakukan secara berulang-ulang.
c. Variabilitas dari populasi yang diukur dengan standar deviasi: ukuran yang
digunakan untuk mengukur jumlah variasi atau sebaran sejumlah nilai data.

2. Pertanyaan Desi Zunet dijawab oleh Magdalena Meiuni Simbolon

23
 Jabarkan rumus dari kemungkinan kondisi populasi!
Jawab:

diketahui rumus pada gambar diatas dengan keterangan:

P= proporsi populasi
x= jumlah populasi
Z1/2γ= tingkat kepercayaan
γ=koefisien kepercayaan (95%)
σ=simpangan baku
n = jumlah sampel
µ= rata-rata

3. Pertanyaan Anisa Reja dijawab oleh Magdalena Meiuni Simbolon dan Luciana Dwi
Nusanti
Apakah dalam literature review masih menggunakan perhitungan estimasi?
Jawab:
Dalam literature review masih menggunakan proses estimasi karena kita masih
menghitung distribusi dari mean, standar deviasi, bentuk populasi atau mengitung
tingkat kepercayaan sampel dari hasil penelitian kita (untuk judul yang sesuai) yang
tidak bisa diketahui secara pasti .
Sedikit menambahkan. Estimasi merupakan metode memperkirakan nilai populasi
(parameter) dengan memakai nilai sampel (statistic). Dalam bidang kesehatan digunakan
contoh untuk mengestimasi prevalensi penderita penyakit; mengestimasi angka
kematian, seperti AKI dan AKB

4. Pertanyaan Musfiratuh Fathinah dijawab oleh Luciana Dwi Nusanti

24
 Langkah cara spss ini di gunakan memasukkan nilai yang telah di dapatkan pada cara
estimasi standar deviasi!
Jawab:
Spss ini langkah mncari koefisien kepercayaan 95% menggunakan spss. Spss ini
mrupakan aplikasi perangkat lunak statistik multiguna yang bermanfaat untuk mengolah
dan menganalisis data penelitian. Spss menggunakn menu serta kotak dialog untuk
memudahkan dalam memproses data. Bebagai jenis jendela yang ada di program SPSS
meliputi Data Editor, Output, Membuat Variabel (Name, Type, Lebar, Decimal, Label,
Value,etc)

5. Pertanyaan Hardiana Bela dijawab oleh Luciana Budiharti

Jelaskan contoh dari mengestimasi proporsi dengan tingkat kepercayaan 95%!
Jawab:
Mengestimasi proporsi
Contoh:
Dari sebuah sampel yang berjumlah 100, jumlah laki-laki diperkirakan yaitu sekitar 88
orang dan jumlah perempuan diperkirakan sekitar 12 orang. Sehingga presentasi jumlah

88
laki-laki dalam sampel yaitu .100 %=0,88.100 %=88 % . Dalam menentukan
100
interval kepercayaan parameter π, diperlukan nilai koefisien kepercayaan untuk
mendapatkan skor baku. Langkah untuk mendapatkan skor baku berdasarkan nilai
koefisien kepercayaan diantaranya:
a. Untuk koefisien kepercayaan 95%
1) Langkah pertama yaitu mencari nilai Z ½γ saat koefisien kepercayaan (γ ) = 95%
dan taraf kesalahan (∝) yaitu 5%.
Z ½γ =Z ½ (0,95 )=Z 0,475 atau Z ∝ =Z =Z ½−0,025=Z 0,475 .
½−( )
2
½− ( 0,052 )
Saat Z ½γ bernilai 0,475, maka melalui tabel distribusi normal baku (tabel Z), harga Z
dapat dicari dengan cara mengalikan 0,475 dengan 1000 yaitu (0,475x1000 = 4750)
lalu mencari nilai 4750 ke dalam tabel Z dan diperoleh harga Z = 1,96. Maka
parameter p dan parameter q bisa dicari.
x jumlah laki−laki 88
p= = = =0,88.
n jumlah sampel 100

25
 x jumlah perempuan 12
q= = = =0,12 atau q=1− p=1−0,88=0,12.
n jumlah sampel 100

2) Langkah kedua yaitu memasukkan nilai yang telah didapatkan tadi kedalam
rumus.
( Z 0,475=1,96 ; p=0,88 ; q=0,12 ).

pq pq
p−Z ½ γ
√ n √
<π < p+ Z ½ γ
n

( 0,88 ) ( 0,12 ) ( 0,88)( 0,12)

0,88−( 1,96 )
√ 100
< π <0,88+(1,96)
√ 100

0,105 0,105
0,88−( 1,96 )
√ 100
<π < 0,88+(1,96)
100√
0,88−( 1,96 ) √ 10,5 x 10−4 < π <0,88+(1,96) √10,5 x 10−4

0,88−( 1,96 ) ( 0,0324 ) < π <0,88+(1,96)(0,0324)

0,88−0,0635< π <0,88+0,0635

0,8165< π <0,9435.

Sehingga, kita merasa yakin bahwa persentase siswa yang berjumlah laki-laki berada
dalam interval antara 81,65% sampai dengan 94,35%.

26