PENDUGAAN PARAMETER 1

A. Pengertian pendugaan dan penduga

● Pendugaan adalah proses yang menggunakan sampel statistic untuk menduga atau
menaksir hubungan parameter populasi yang tidak diketahui. Pendugaan
merupakan suatu pernyataan mengenai parameter populasi yang diketahui
berdasarkan informasi dari sampel, dalam hal ini sampel random, yang di ambil
dari populasi bersangkutan.
● Penduga adalah suatu statistic (harga sampel) yang digunakan untuk menduga
suatu parameter.
● Secara umum, parameter diberi lambing θ(theta)dan penduga di beri lambang
θ^ ( theta topi ) .
● Penduga statistic merupakan nilai-nilai atau angka-angka yang diperoleh dari
penduga parameter.
Table parameter dan penduganya

Parameter ( θ ) Penduga ( θ^ )

μ (rata-rata popolasi) X́ atau ^μ

P (proporsi/persentase) ^p

σ 2 (varians) S2 atau ^S2

σ (simpangan baku) S atau ^S

ρ (koefisien korelasi) r

β (koefisien regresi) b

B. Ciri-ciri pendugaan yang baik

1. Tidak bias (unbiased)

suatu penduga (θ^ ) dikatakan bias bagi parameternya ( θ ) apabila nilai penduga
sama dengan nilai yang diduganya (parameternya).
E(Penduga) = parameternya
Jadi, pennduga tersebut secara tepat dapat menduga nilai dari parameternya.
Suatu penduga dikatakan bias bagi parameternya jika niai penduga tersebut tidak
sama dengan nilai yang diduganya (parameternya).
E(Penduga) ≠ parameternya
Besarnya bias dari penduga dapat dicari dengan rumus:
Bias(penduga) = E(Penduga) – penduga
penduga bias dapar berupa:
 • Penduga bias positif, E ( θ^ ) > θ
• penduga bias negative, E ( θ^ ) < θ
2. Efisien
suatu penduga (θ^ ) dikatakan efisien bagi parameternya apabila penduga tersebut
memiliki varians yang kecil. Dua buah penduga dapat dibandingkan efisiennya
dengan menggunakan efisiensi relative. Efisiensi relative θ^ 2 terhadap θ^ 1
dirumuskan:

R ( θ^ 1−θ^ ) Var θ^ 1
R ( θ^ 2 , θ^ 1 ) = atau
R ( θ^ 2−θ^ ) Var θ^ 2
3. Konsisten
suatu penduga dikatakan konsisten apabila memenuhi syarat berikut
• Jika ukuran sampel semakin bertambah maka penduga akan mendekati
parameternya. Jika besarnya sampel menjadi tak berhingga maka penduga
konsisten harus dapat memberi suatu pendugaan titik yang sempurna
terhadap parameternya.θ^ merupakan penduga konsisten, jika dan hanya jika:
2
^
E ( θ−θ ) →0 jika n→
• Jika ukuran sampel bertambah tak berhingga maka distribusi sampling
penduga akan mengecil menjadi suatu garis tegak lurus di atas parameter
yang sebenarnya dengan probabilitas sama dengan 1.

C. Jenis-jenis pendugaan
1. jenis-jenis Pendugaan Berdasarkan cara penyajiannya
Didasarkan pada cara penyajiannya, pendugaan dapat dibedakan atas dua jenis,
yaitu pendugaan tunggal dan penduga interval
a. Pendugaan tunggal (point estimate)
pendugaan tunggal adalah pendugaan yang hanya mempunyai atau menyebutkan
1 nilai.
contoh:
1) Pendugaan untuk μ adalah rata-rata dari sampel X́ yang dirumuskan:
X 1+ X 2 + X 3 +…+ X n
X́ =
n
2) Pendugaan untuk σ 2 adalah varians dari sampel s2yang dirumuskan:
2 2 2
2 ( X 1−X ) + ( X 2−X ) + …+ ( X n −X )
s=
n−1
2
X 2 (∑ X )
Atau s = ∑ −
2
n−1 n ( n−1 )
Catatan
• Penduga untuk σ adalah √ s
s2
• Penduga varians rata-rata sampel adalah σ 2x́ =
n
• Penduga σ x́ adalah √ σ 2x́
3) Penduga untuk p adalah ^p, yaitu proporsi dalam sampel yang dirumuskan
 X
^p=
n
b. Pendugaan interval
pendugaan interval adalah pendugaan yang mempunyai dua nilai sebagai
pembatasan atau daerah pembatasan. Pada pendugaan interval digunakan tingkat
keyakinan (convidence) terhadap daerah yang nilai sebenarnya atau parameternya
akan berada. Interval keyakinan secara umum dirumuskan:
st−Z α /2 . σ st < parameter< st+ Z α /2 . σ st
Atau
P ( st −Z α /2 . σ st < parameter< st+ Z α / 2 . σ st )=1−α
P ( b< parameter <a )=1−α berarti bahwa probabilitas sebesar 1−α interval
( b−α )memuat nilai parameter sebenarnya.
Keterangan:
st−Z α /2 . σ st ¿batas bawah pendugaan interval
st+ Z α/ 2 . σ st ¿ batas atas pendugaan interval
st ¿ penduga (statistic sampel)
Z α /2 ¿koefisien yang sesuai dengan interval keyakinan yang
digunakan dalam pendugaan interval dan nilainya
diberikan dalam table luas kurva normal
σ st ¿simpangan baku penduga
Z α /2 . σ st ¿kesalahan duga
Contoh:
Pendugaan interval rata-rata dengan tingkat keyakinan 95%, dituliskan:
X́ −1,96 σ X́ < μ< X́ +1,96   σ X́
Atau
P ( X́ −1,96   σ X́ < μ< X́ + 1,96   σ X́   ) =0,95
2. jenis-jenis Pendugaan Berdasarkan Jenis Parameternya
Didasarkan pada jenis parameternya, pendugaan dapat dibedakan atas beberapa
jenis, antara lain pendugaan rata-rata, pendugaan proporsi, pendugaan varians,
dan pendugaan simpangan baku.
a. Pendugaan rata-rata
pendugaan rata-rata μadalah pendugaan mengenai nilai parameter μ yang
sebenarnya berdasarkan informasi rata-rata sampel.
contoh:
pendugaan rata-rata atau interval rata-rata dengan tingkat keyakinan 90%.
Dengan X́ =30 dan σ X́ =0,83adalah
X́ −Z α /2 σ X́ < μ< X́ + Z α/ 2   σ X́
30−Z 0,05 .0,83< μ<30+ Z0,05 .0,83
30−( 1,645 )( 0,83 )< μ< 30+ ( 1,645 ) ( 0,83 )
28,63< μ<31,37
b. Pendugaan proporsi
pendugaan proporsi adalah pendugaan dari proporsi populasi yang tidak
diketahui.
contoh:
 pendugaan proporsi (interval proporsi) dengan tingkat keyakinan 90%, p=0,07
dan S p=0,0114 adalah
p−Z α / 2 . S p < μ< p+ Z α / 2 . S p
0,07−Z 0,05 .0 , 0114< μ <0,07+ Z 0,05 .0 , 0114
30−( 1,645 )( 0,0114 ) < μ<30+ ( 1,645 )( 0,0114 )
0,051< μ<0,089
c. Pendugaan varians σ 2
pendugaan varians σ 2 adalah pendugaan dari dari varians populasi yang tidak
diketahui.
contoh:
pendugaan varians (interval varians σ 2 ) dengan tingkat keyakinan 95%, dengan
n=14 dan S2=9 adalah
( n−1 ) S 2 2 ( n−1 ) S 2
<σ <
χ 2b χ 2a
χ 2b= χ 20,025=24,73
}
χ 2a= χ 20,975=5,00
dari table χ 2 dengan db=n−1=13

( 13 )( 9 ) 2 ( 13 ) ( 9 )
<σ <
24,73 5,00
2
4,73< σ <23,14
d. Pendugaan simpangan baku
pendugaan simpangan baku adalah pendugaan dari simpangan baku populasi
(parameter) yang tidak diketahui.
contoh:
pendugaan simpangan baku (interval simpangan baku σ ) dengan tingkat
keyakinan 90%, dengan n=16 dan S2=25 adalah
( n−1 ) S 2 ( n−1 ) S2
√ χ 2b √<σ <

χ 2b = χ 20,05=24,996
χ 2a

χ 2a= χ 20,95=7,261
( 15 )( 25 ) ( 15 )( 25 )
√ 24,996
3,873<σ < 7,186
√
<σ <
7,261

D. Pendugaan interval untuk rata-rata

1. Untuk sampel besar ( n>30 )
a. Untuk populasi tidak terbatas atau populasi terbatas yang pengambilan sampelnya
dengan pengembalian dan σ diketahui
Untuk populasi yang tidak terbatas atau dari populasi terbatas yang pengambilan
sampelnya dengan pengembalian (with replacement) dan σ diketahui, pendugaan
interval untuk rata-rata dirumuskan:
σ σ
X́ −Z α /2 . < μ < X́ + Z α / 2 .
√n √n
Contoh soal
 Warung nasi SUM-SUM mengadakan penelitian perkiraan pengeluaran
karyawan perusahaan yang digunakan untuk membeli makanan di warungnya
selama setahun. Untuk keperluan penelitian tersebut di ambil sampel yang terdiri
dari 300 karyawan. Ternyata, rata-rata pengeluaran untuk membeli makanan
adalah Rp406.000,00 setahun dengan simpangan baku Rp165.000,00.
dugaanrata-rata pengeluaran karyawan untuk membeli makanan dalam setahun
dengan interval keyakinan 95 % !
Penyelesaian
n=300
X́ =406.000
σ =165.000
1−α=95 %
α =5 %
Z α /2 =Z 0,025=1,96
σ σ
X́ −Z α /2 . < μ < X́ + Z α / 2 .
√n √n
165.000 165.000
406.000−Z0,025 . < μ <406.000+ Z 0,025 .
√ 300 √300
406.000−( 1,96 ) ( 9.526,28 ) < μ< 406.000+ ( 1,96 ) ( 9.526,28 )
387.328,49< μ< 424.671,51
Artinya bahwa dugaan bahwa rata-rata pengeluaran karyawan yang berada di
antara Rp 387.328,49 sampai Rp 424.671,51 akan benar 95% dari keseluruhan
waktu, jika pendugaan ini dilakukan berulang-ulang dengan cara yang sama.

b. Untuk populasi terbatas, pengambilan sampel tanpa pengembalian, dan σ

diketahui
Untuk populasi terbatas yang pengambilan sampelnya dengan tanpa
n
pengembalian, dan σ diketahui atau ( ) N
>5 % pendugaan interval untuk rata-rata

dirumuskan:
σ N −n σ N −n
X́ −Z α /2 .
Contoh soal
√
√ n N−1
< μ< X́ + Z α /2 .
√√ n N −1
Perusahaan PT MAJU TERUS memiliki karyawan 250 orang. Untuk keperluan
tertentu, ingin diketahui rata-rata lama jam kerjanya per minggu. Untuk itu,
diambil sampel sebanyak 35 orang dan diperoleh data bahwa rata-rata jam kerja
karyawan tersebut adalah 39,76 jam per minggu. Jika simpangan baku rata-rata
jam kerjanya 0,93 jam, dugalah dengan tingkat keyakinan 90%, rata-rata jam
kerja karyawan tersebut!
Penyelesaian
N=250
n=235
X́ =39,76
σ =0,93
1−α=90 %
α =10 %=0,1
 Z α /2 =Z 0,05=1,645
σ N −n σ N −n
X́ −Z α /2 .
√
√ n N−1
< μ< X́ + Z α /2 .
√
√ n N −1
39,76−( 1,645 ) . ( 0,93
√ 35 ) ( √ 250−35
250−1 ) < μ<39,76+(1,645). (
0,93
√ 35 ) ( √ 250−35
250−1 )
39,52< μ< 40,00
Jadi, rata-rata jam kerja karyawan perusahaan PT. MAJU TERUS dengan tingkat
keyakinan 90% berada antara 39,52 jam sampai 40,00 jam per minggu.
2. Untuk sampel kecil ( n ≤ 30 )
Untuk sampel kecil yang pengambilan sampelnya dengan pengembalian dan σ
tidak diketahui, pendugaan interval untuk rata-rata dirumuskan:
s s
X́ −t α /2 . < μ< X́ +t α /2 .
√n √n
2

s=
√ ∑ X 2 − (∑ X )
n−1 n ( n−1 )
Contoh soal
Suatu sampel random yang terdiri atas 9 orang karyawan di sebuah prusahaan
memiliki waktu yang diperlukan untuk menyelesaikan sebuah pekerjaan, yaitu
14 ; 17 ; 15 ; 18 ; 18; 14 ;15 ; 19 ; 15 menit. Dugalah rata-rata waktu yang digunakan
bagi karyawan tersebut dengan interval keyakinan 99%
Penyelesaian
n=9
∑ X=145
∑ X 2=2.365
X́ =16,11
1−α=9 %
α =1 %=0,01
α /2=0,005
n−1=9−1=8
t 0,005÷ 8=3,355
2
2.365 ( 145 )
s=
s=1,9
√ 8
−
72

s s
X́ −t α /2 . < μ< X́ +t α /2 .
√n √n
1,9 1,9
16,11−( 3,355 )
3( )< μ<16,11−( 3,355 )
3 ( )
13,985< μ<18,235
Jadi, rata-rata waktu yang digunakan oleh karyawan perusahaan dengan interval
keyakinan 99% berkisar antara 13,985 menit sampai 18,235 menit.
E. Pendugaan interval untuk proporsi
1. Untuk sampel besar ( n>30 )
a. Untuk populasi tidak terbatas
 Untuk populasi yang tidak terbatas, pendugaan interval untuk proporsi
diasumsikan.
^p (1− ^p ) ^p (1− ^p )
^p−Z a

X
2 √ n √
< P< ^p + Z a
2 n
^p=
n
Contoh:
Sebuah peti kemas milik perusahaan PT GOMBAL diperiksa untuk menaksir
presentase barang yang ruasak. Untuk keperluan tersebut, diambil 60 buah barang
yang ada dalam peti kemas itu dan diperoleh 9 buah yang rusak. Dugalah
presentase barang yang rusak dalam peti tersebut, gunakan interval keyakinan
99%!
Penyelesaian
n=60
X =9
9
^p= =0,15
60
1−α=99 %
α =1 %=0,01
Z a =Z 0,005=2,5 75
2

^p (1− ^p ) p^ (1− ^p )
^p−Z a
2 √ n
< P< ^p + Z a
2 √n
0,15 (1−0,15 ) 0,15 ( 1−0,15 )
0,15−2,575
√ 60
< P<0,15+2,575
0,031< P<0,268
60 √
3,1 %< P< 26,8 %
Jadi, presentasi kerusakan barang dalam peti kemas tersebut pada interval
keyakinan 99% berada antara 3,1% sampai 26,8%.
b. Untuk populasi terbatas dan pengambilan sampel tanpa pengembalian
Untuk populasi terbatas dan pengambilan sampel tanpa pengambilan atau
n
( )
N
>5 % pendugaan interval untuk proporsi dirumusakan:

^p (1− ^p ) N −n ^p ( 1− ^p ) N−n
^p−Z a
2
Contoh:
√ n √ N −1
< P< ^p +Z a
2 √ n √ N−1

Sebuah perusahaan sepeda motor ingin memasarkan produksinya kepada

mahasiswa. Mereka merencanakan kredit khusus untuk mahasiswa. Untuk itu,
dari populasi mahasiswa sebanyak 300 orang, diambil sampel sebanyak 90 orang.
Dari 90 mahasiswa yang diinterview, 25 orang menyatakan senang, dugalah
dengan interval keyakinan 97% proposi mahasiswa yang senang sepeda motor
itu!
Penyelesaian:
N=300
n=90
 X =25
25
^p= =0,28
90
1−α=97 %
Z a =Z 0,015=2,17
2

^p (1− ^p ) N −n ^p ( 1− ^p ) N−n
^p−Z a
2√ n √ N −1
< P< ^p +Z a

0,28−2,17 √ ¿¿ ¿
2 √n N−1 √
0,1938< P< 0,3662
19,38 %< P< 36,62%
Jadi mahasiswa yang senang dengan sepeda motor buatan perusahaan tersebut
dengan interval keyakina 97%, diduga berkisar antara 19,38% sampai 36,62%
2. Untuk sampel kecil (n ≤ 30)
Untuk sampel kecil pendugaan interval untuk proporsi dirumuskan:
^p ( 1− ^p ) ^p ( 1− ^p )
^p−t a
2 √ n √
< P< ^p + t a
2 n
Rumus di atas kurang sesuai dengan distribusi t, namun hasilnya dianggap lebih
baik daripada distribusi Z. Beberapa ahli cendrung mengganti varians proporsi
1 1
dengan cara membuat maksimum ^p ( 1−^p ), yaitu jika ^p= maka ^p ( 1−^p )=
2 4
Dirumuskan:
1 1

Contoh:
√2 2√
^p−t a 4 < P< ^p +t a 4
n n

Penelitian terhadap sampel sebanyak 20 karyawan perpustakaan, 6 di antaranya

memiliki mobil, dengan interval keyakinan 95%, tentukan proporsi karyawan
yang memiliki mobil!
Penyelesaian:
n=20
X =6
6
^p= =0,3
20
1−α=95 %
α =5 %=0,05
a
=0,025
2
n−1=20−1=19
t 0,025: 19=2,093
^p ( 1− ^p ) ^p ( 1− ^p )
^p−t a
2√ n
< P< ^p + t a
2 √ n
( 0,3 ) ( 0,7 ) ( 0,3 )( 0,7 )
0,3−2,093
√ 20
< P<0,3+2,093
0,0855< P<0,5145
20 √
 8,55 % < P<51,45 %
Proporsi karyawan yang punya mobil berkisaran 8,55% sampai 51,45%.

Nama kelompok
NUR AMALIA (20700119044)
NURUL FADILA (20700119050)
SYARIF HIDAYATULLAH (20700119080)
Lampiran
1. Tabel Z
Lampiran
2. Tabel t student
Lampiran
3. Tabel chi kuadrat