Estimasi

11/6/2021 3:41 PM

STATISTIK

Kela A
3 November 2021

Agung Sudharmawan
 11/6/2021 3:41 PM

A. Pendahuluan

1. Hakikat Estimasi

Estimasi adalah taksiran dan yang diestimasi adalah

parameter populasi

Data yang digunakan untuk melakukan estimasi

parameter populasi adalah statistik sampel sebagai
estimator

Terdapat prosedur tertentu untuk melaksanakan estimasi

Agung Sudharmawan
 11/6/2021 3:41 PM

2. Parameter yang Diestimasi

Parameter yang diestimasi adalah parameter yang
digunakan di dalam pengujian hipotesis

Sebagai gambaran estimasi parameter yang dibicarakan

di sini mencakup
Satu rerata
Satu proporsi
Satu koefisien korelasi
Satu koefisien regresi
Perbandingan dua variansi
Selisih dua rerata
Selisih dua proporsi
Selisih dua koefisien korelasi
Selisih dua koefisien regresi
Agung Sudharmawan
 11/6/2021 3:41 PM

3. Jenis Estimasi

Ada beberapa jenis estimasi, di antaranya adalah estimasi titik,

estimasi interval, dan estimasi kebolehjadian maksimum

• Pada estimasi titik, hasil estimasi adalah satu nilai parameter (sama
dengan nilai statistik)

 Statistik sampel

 Parameter populasi

• Pada estimasi interval, hasil estimasi adalah suatu interval nilai

parameter

 Statistik sampel

Parameter populasi

Agung Sudharmawan
• Pada estimasi kebolehjadian maksimum hasil estimasi adalah satu
nilai parameter yang diperoleh dari menghitung nilai maksimum
dari semua kebolehjadian (likelihood)

Kebolehjadian : L()
Parameter :
Kebolehjadian maksimum
dL( )
0
d

Di sini pembahasan dibatasi pada estimasi interval serta sedikit

pembahasan tentang estimasi melalui kebolehjadian maksimum

Catatan: Masih ada sejumlah estimasi lainnya seperti estimasi

Bayes namun mereka tidak dibahas di sini

11/6/2021 3:41 PM Agung Sudharmawan

 11/6/2021 3:41 PM

3. Estimasi Interval

Hasil estimasi adalah suatu interval pada parameter populasi,

biasanya,  suatu nilai di sekitar estimasi titik

Jika estimasi titik adalah , maka estimasi interval adalah

  

     + 

sehingga interval estimasi menjadi

   ≤  ≤  + 
Agung Sudharmawan
 11/6/2021 3:41 PM

4. Sifat Estimasi

• Diketahui statistik sampel (sebagian) dan berbicara tentang

parameter (seluruh), estimasi parameter mengandung
probabilitas keliru

• Makin lebar interval estimasi  makin kecil probabilitas keliru

• Namun makin lebar interval estimasi  makin kecil ketepatannya

sehingga makin rendah kadar informasinya

• Sebaliknya, makin sempit interval estimasi  makin besar

probabilitas keliru, namun makin tinggi kadar informasinya

• Interval estimasi  berusaha mencari imbangan terbaik di antara

probabilitas keliru dan kadar informasi
Agung Sudharmawan
 11/6/2021 3:41 PM

Probabilitas keliru dan kadar informasi

Probabilitas keliru relatif kecil

Kadar informasi relatif rendah

Probabilitas keliru relatif besar

Kadar informasi relatif tinggi
Agung Sudharmawan
5. Interval Keyakinan

Interval keyakinan adalah komplemen dari probabilitas keliru

Jika probabilitas keliru adalah , maka interval keyakinan adalah

1
Beberapa contoh rumusan estimasi

(a) Pada interval keyakinan 0,95, rerata

populasi X adalah
6,25 ≤ X ≤ 7,75

(b) Pada interval keyakinan 0,99 perbandingan

variansi populasi X dan Y yang independen
adalah
 X2
0,66  2  1,84
Y

11/6/2021 3:41 PM Agung Sudharmawan

 11/6/2021 3:41 PM

(c) Pada interval keyakinan 0,95, selisih dua

rerata populasi X dan Y yang independen
adalah

2,15 ≤ X  Y ≤ 3,85

(d) Pada interval keyakinan 0,98 proporsi

populasi X adalah

0,45 ≤ X ≤ 0,55

(e) Pada interval keyakinan 0,90 selisih dua

proporsi populasi X dan Y yang independen
adalah

0,035 ≤ X  Y ≤ 0,065

(f) Pada interval keyakinan 0,95 koefisien

korelasi linier di antara populasi X dan Y
adalah

0,5564 ≤ XY ≤ 0,8298

Agung Sudharmawan
 11/6/2021 3:41 PM

(g) Pada interval keyakinan 0,98 selisih di

antara koefisien korelasi populasi X dan Y
dan koefisien korelasi populasi U dan V
yang independen adalah

0,010 ≤ XY  UV ≤ 0,030

(h) Pada interval keyakinan 0,99 koefisien

regresi populasi X dan Y adalah

1,24 ≤ B ≤ 1,76

(i) Pada interval keyakinan 0,95 selisih di

antara koefisien regresi B1 dan koefisien
regresi B2 adalah

0,25 ≤ B1  B2 ≤ 1,45
Agung Sudharmawan
 11/6/2021 3:41 PM

6. Kaitan dan Persyaratan Estimasi

Estimasi berkaitan dengan statistik sampel dan parameter populasi

Seperti halnya pengujian hipotesis parametrik, estimasi ini berkaitan

pula dengan

Distribusi probabilitas pensampelan

Kekeliruan baku
Taraf signifikansi ()
Nilai kritis pada taraf signifikansi 

Persyaratan estimasi adalah seperti persyaratan pada pengujian

hipotesis parametrik, meliputi

Data minimal berskala interval

Kondisi populasi dan cara penarikan sampel tertentu perlu dipenuhi

Agung Sudharmawan
 11/6/2021 3:41 PM

B. Estimasi Interval

1. Parameter dan Statistik

Populasi dengan parameter tertentu dapat menghasilkan

beramcam-macam statistik sampel (ada kekeliruan pensampelan)

Sebaliknya, sampel dengan statistik tertentu dapat berasal dari

populasi dengan bermacam-macam parameter

Sebagai contoh, statistik sampel rerata X = 6 dapat berasal dari

populasi dengan

X = 6
X = 4
X = 8
dan seterusnya

Agung Sudharmawan
 11/6/2021 3:41 PM

Sampel nX = 2 dari beberapa populasi NX = 5

sampel rerata
4 5 4,5
4 6 5
4 7 5,5
4 5 6 7 8
4 8 6 X = 6
5 6 5,5
5 7 6
5 8 6,5
6 7 6,5
6 8 7
7 8 7,5

rerata frek prob

4,5 1 0,1
5 1 0,1
5,5 2 0,2
6 2 0,2
6,5 2 0,2
7 1 0,1
7,5 1 0,1
Agung Sudharmawan
 11/6/2021 3:41 PM

Sampel nX = 2 dari beberapa populasi NX = 5

sampel rerata
3 4 3,5
3 4 5 6 7 3 5 4
X = 5 3 6 4,5
3 7 5
4 5 4,5
4 6 5
4 7 5,5
5 6 5,5
5 7 6
6 7 6,5
rerata frek prob
3,5 1 0,1
4 1 0,1
4,5 2 0,2
5 2 0,2
5,5 2 0,2
6 1 0,1 Agung Sudharmawan
6,5 1 0,1
 11/6/2021 3:41 PM

Sampel nX = 2 dari beberapa populasi NX = 5

sampel rerata
5 6 5,5
5 6 7 8 9 5 7 6
X = 7 5 8 6,5
5 9 7
6 7 6,5
6 8 7
6 9 7,5
7 8 7,5
7 9 8
8 9 8,5
rerata frek prob
5,5 1 0,1
6 1 0,1
6,5 2 0,2
7 2 0,2
7,5 2 0,2
8 1 0,1 Agung Sudharmawan
8,5 1 0,1
 11/6/2021 3:41 PM

Parameter X Probabilitas untuk X = 6

6 0,2
5 0,1
7 0,1

 X=6

X
Probabilitas 5 6 7
0,1 0,2 0,1

Makin jauh rerata populasi dari 6 (estiamsi titik), makin kecil

probabilitasnya menghasilkan rerata sampel = 6

Sampai probabilitas  kita menerima bahwa rerata sampel = 6 masih

berasal dari populasi dengan rerata = 6  X
Agung Sudharmawan
2. Batas Estimasi
• Ada dua batas estimasi, batas bawah ( – ) dan batas atas (
+ )

• Kalau batas estimasi itu ditentukan oleh probabilitas sebesar ,

maka masing-masing batas bawah dan batas atas
memperoleh ½

• Pada contoh kita, batas bawah adalah X dengan probabilitas

½ untuk menghasilkan sampel

• Batas atas juga adalah X dengan probabilitas ½ untuk

menghasilkan sampel

½ ½

Batas bawah Batas atas

11/6/2021 3:41 PM Agung Sudharmawan

 11/6/2021 3:41 PM

• Nilai  ditentukan oleh bebarapa besaran meliputi

Distribusi probabilitas pensampelan

Kekeliruan baku
Taraf keyakinan
Nilai kritis

dengan

 = (kekeliruan baku)(nilai kritis

sehingga interval estimasi menjadi

 –      + 

Agung Sudharmawan
3. Contoh Prosedur Estimasi

Kita gunakan satu contoh untuk melihat prosedur estimasi

secara interval dengan interval keyakinan (1 – ) = 0,95

Suatu rerata sampel kecil berasal dari populasi berdistribusi

probabilitas normal melalui penarikan sampel acak

nX = 49 X = 70 sX = 14

Distribusi probabilitas pensampelan

DPP : DP t-Student s 14
X

Kekeliruan baku X    2,00
nX 49
 X  n X  1  48

11/6/2021 3:41 PM Agung Sudharmawan

Estimasi titik

X = 70

Probabilitas untuk batas bawah dan batas atas adalah

½ = 0,025

Pada batas bawah

t(0,975)(48) = 2,011 X  X
t ( 0 ,975 )( 48 ) 
X
 X bawah  X   X t ( 0, 025 )( 48 )
 70,00  ( 2,00)( 2,011)
 65,978

11/6/2021 3:41 PM Agung Sudharmawan

Pada batas atas
t(0,025)(48) = – 2,011

X  X
t ( 0 , 025 )( 48) 
X
 X atas  X   X t ( 0 ,025)( 48)
 70,00  ( 2,00)( 2,011)
 74,022
Batas estimasi
65,978  X  74,022

pada  = 0,05 atau

pada Interval keyakinan

1 –  = 0,95

11/6/2021 3:41 PM Agung Sudharmawan

Batas estimasi

0,025 0,025

65,978 70,00 74,022

Untuk batas bawah, 0,025 di ujung atas sehingga

 = 0,975

Untuk batas atas, 0,025 di ujung bawah sehingga

 = 0,025

11/6/2021 3:41 PM Agung Sudharmawan

 11/6/2021 3:41 PM

4. Bentuk Umum Estimasl Interval

Pada contoh tampak bahwa

Interval keyakinan 1 – 
Estimasi titik
Batas bawah – X t(½)(x)
Batas atas + X t(½)(x)

Pada bentuk umum

Interval keyakinan 1 – 
Estimasi titik 
Batas bawah  – 
Batas atas  + 

 = (kekeliruan baku)(nilai kritis)

Agung Sudharmawan
 11/6/2021 3:41 PM

5. Sistematika Estimasi Interval

Prosedur estimasi interval ini dapat kita susun ke dalam sistematika

enam langkah

Seperti halnya pada pengujian hipotesis parametrik, keenam

langkah prosedur estimasi interval adalah sebagai berikut

Langkah

• Pertama : Rumusan estimasi

• Kedua : Sampel
• Ketiga : Distribusi probabilitas pensampelan
• Keempat : Interval keyakinan
• Kelima : Bentangan estimasi
• Keenam : Interval estimasi

Agung Sudharmawan
 11/6/2021 3:41 PM

Kita sistematiskan estimasi interval untuk contoh di atas ke dalam

enam langkah berikut

Langkah pertama

Rumusan estimasi

Pada interval keyakinan 0,95 estimasi parameter rerata

Langkah kedua

Data sampel

Sampel acak kecil menghasilkan

nX = 49 = 70 sX = 14
Agung Sudharmawan
Langkah ketiga

Distribusi probabilitas pensampelan

DPP : DP t-Student
Kekeliruan baku
sX 14
X    2,00
nX 49
 X  n X  1  48
Langkah keempat
Interval keyakinan 1 –  = 0,95
 = 0,05

Untuk batas bawah t(0,975)(48) = 2,011

Untuk batas atas t(0.025)48) = – 2,011

11/6/2021 3:41 PM Agung Sudharmawan

 11/6/2021 3:41 PM

Langkah kelima

Bentangan estimasi

Untuk batas bawah

X t(0,975)(48) = (2,00)(2,011)
= 4,022

Untuk batas atas

X t(0,025)(48) = (2,00)(– 2,011)

= – 4,022

Langkah keenam

Interval estimasi

Estimasi pada interval keyakinan 0,95

70,00 – 4,022  X  70,00 + 4,022

65,978  X  74,022
Agung Sudharmawan
 11/6/2021 3:41 PM

C. Estimasi Interval pada Satu Rerata

1. Dasar

• Hakikat estimasi interval pada parameter berdasarkan data dari

sampel sudah dikemukakan di muka dengan mengambil contoh
satu rerata

• Di sini, kita melakukan estimasi interval untuk parameter satu

rerata dengan menggunakan beberapa contoh

• Prosedur estimasi ini menggunakan sistematika enam langkah

dengan memanfaatkan distribusi probabilitas pensampelan
pada Bab 6A dan 6B

• Estimasi interval akan menghasilkan

X – X  X  X + X
Agung Sudharmawan
 11/6/2021 3:41 PM

2. Beberapa Contoh Estimasi

Contoh 1

Pada interval keyakinan 0,99 diestimasi rerata populasi X. Telah

diketahui bahwa populasi X berdistribusi probabilitas normal serta
memiliki simpangan baku sebesar 0,3. Sampel acak dengan
pengembalian berukuran 36 menghasilkan rerata sampel sebesar
2,6

Rumusan estimasi

Pada interval keyakinan 0,99 estimasikan rerata populasi X

Sampel

Sampel acak dengan pengembalian

nX = 36 X = 2,6

Agung Sudharmawan
Distribusi probabilitas pensampelan
DPP : DP normal
Simpangan baku : X = 0,3
Kekeliruan baku

X
0,3
X   0,05
nX 36
Interval keyakinan

Interval keyakinan 0,99

1 –  = 0,99
 = 0,01
½ = 0,005
Nilai kritis
ujung bawah z(0,005) = 2,576
ujung atas z(0,995) = – 2,576

11/6/2021 3:41 PM Agung Sudharmawan

 11/6/2021 3:41 PM

Bentangan estimasi

X – = – z(½) X
= 2,6 – (2,576)(0,05)
= 2,4712

X + = + z(½) X
= 2,6 + (2,576)(0,05)
= 2,7288

Interval estimasi
Pada interval keyakinan 0,99, estimasi rerata adalah

2,4712  X  2,7288

Agung Sudharmawan
 11/6/2021 3:41 PM

Contoh 2

Pada interval keyakinan 0,90, estimasi rerata populasi X yang

berdistribusi probabilitas normal. Sampel acak kecil berukuran 64
memberikan rerata sampel sebesar 25 dengan simpangan baku 6.

Rumusan estimasi

Pada interval keyakinan 0,90 estimasikan rerata populasi X

Sampel

Sampel acak kecil

nX =
X =
sX =

Agung Sudharmawan
 11/6/2021 3:41 PM

Distribusi probabilitas pensampelan

DPP :
Kekeliruan baku dan derajat kebebasan

Interval keyakinan

Interval keyakinan 1 –  =
 =
½ =

Nilai kritis

Ujung bawah

Ujung atas
Agung Sudharmawan
 11/6/2021 3:41 PM

Bentangan estimasi

X – X =

X + X =

Interval estimasi

Pada interval keyakinan 0,90, rerata adalah

Agung Sudharmawan
 11/6/2021 3:41 PM

Contoh 3

Pada interval keyakinan 0,90, estimasi rerata populasi X yang

berdistribusi probabilitas normal. Sampel acak berukuran kecil
sebesar 16 memberikan rerata sampel 23 dengan simpangan
baku 12.

Contoh 4

Pada interval keyakinan 0,90 estimasi rerata penurunan

timbangan badan X setelah subyek menjalankan usaha diet.
Sampel acak kecil menghasilkan timbangan badan (dalam kg)

Sebelum 80 92 67 50 115 70 86 98 75 67
Sesudah 75 87 75 42 95 74 75 90 77 60
Agung Sudharmawan
 11/6/2021 3:41 PM

Contoh 5

Sampel acak 150 sepeda motor menunjukkan bahwa rerata

kecepatan adalah 56,3 km/jam dengan simpangan baku 3,1
km/jam. Pada interval keyakinan 0,95, estimasi rerata
kecepatan sepeda motor.

Contoh 6

Ahli kelautan mengukur temperatur air laut di teluk. Sampel

acak 20 teluk menunjukkan rerata temperatur 23,60 C dengan
simpangan baku 3,30 C. Pada interval keyakinan 0,99 estimasi
rerata temperatur air laut di teluk.

Contoh 7

Seorang petani mengukur pH tanah seluas satu ha. Sampel

acak 8 tempat menujukkan pH

5,9 6,2 6,7 6,2 6,1 6,6 6,2 6,6

Pada interval keyakinan 0,95 estimasi rerata pH tanah itu

Agung Sudharmawan
 11/6/2021 3:41 PM

D. Estimasi Interval pada Satu Proporsi

1. Dasar

• Hakikat estimasi interval pada parameter satu proporsi

berdasarkan data dari sampel mirip dengan estimasi interval
pada satu rerata

• Pada kekeliruan baku, kita dapat menggunakan dua macam

variansi yakni variansi berdasarkan proporsi dan variansi
maksimum (= 0,25)

• Prosedur estimasi ini menggunakan sistematika enam langkah

dengan memanfaatkan distribusi probabilitas pensampelan
pada Bab 6A dan 6B

• Estimasi interval akan menghasilkan Agung Sudharmawan

pX – pX  X  pX + pX
 11/6/2021 3:41 PM

2. Beberapa Contoh Estimasi

Contoh 8

Sebelum hari pemilihan diadakan jajak pendapat di suatu wilayah.

Sampel acak 100 pemilih ditanya dan 60 memilih calon X. Pada
interval keyakinan 0,90, estimasi proporsi pemilih yang memilih
calon X

Rumusan Estimasi

Pada interval keyakinan 0,90, estimasi X dengan X sebagai

proporsi pemilih calon X

Sampel

nX = 100 pX = 60 / 100 = 0,60

Agung Sudharmawan
Distribusi probabilitas pensampelan

DPP : pendekatan ke DP normal

Kekeliruan baku
pX (1 pX ) (0,60)(1 0,60)
p    0,049
X
nX 100

Interval keyakinan

Interval keyakinan 1 –  = 0,90

Ujung atas dan ujung bawah ½ = 0,05

Nilai kritis ujung bawah

z(0,05) = – 1,64

Nilai kritis ujung atas

z(0,95) = 1,64

11/6/2021 3:41 PM Agung Sudharmawan

 11/6/2021 3:41 PM

Bentangan estimasi

pX – pX = pX – px z(0,95)

= 0,60 – (0,049)(1,64)
= 0,52

pX + pX = pX + px z(0,05)

= 0,60 + (0,049)(1,64)
= 0,68

Interval estimasi

Pada interval keyakinan 0,90, proporsi

0,52  X  0,68

Catatan: apabila estimasi mencakup  0,50 maka timbul masalah,

karena membentang dari tidak terpilih ( < 0,50) sampai terpilih ( 
0,50)
Agung Sudharmawan
Contoh 9
Kita ulangi estimasi pada contoh 8 dengan menggunakan
variansi maksimum pada kekeliruan baku
Distribusi probabilitas pensampelan
DPP : pendekatan ke DP normal
Kekeliruan baku (dengan variansi maksimum)
1 1 1 1
 p    0 , 05
X
2 n X 2 100

Bentangan estimasi
pX – pX = 0,60 – (0,050)(1,64) = 0,518
pX + pX = 0,60 + (0,050)(1,64) = 0,682
Inereval estimasi
0,518  X  0,682

11/6/2021 3:41 PM Agung Sudharmawan

 11/6/2021 3:41 PM

Contoh 10

Sampel acak 200 orang memesan kaca mata baru. Di

antaranya 162 orang memilih lensa plastik (X). Pada interval
keyakinan 0,95, estimasi proporsi orang pemesan kaca mata
dengan lensa plastik

Rumusan estimasi

Sampel

Distribusi pensampelan
Agung Sudharmawan
 11/6/2021 3:41 PM

Distribusi probabilitas pensampelan

DPP :
Kekeliruan baku

Interval keyakinan

Bentangan interval

Interval estimasi
Agung Sudharmawan
 11/6/2021 3:41 PM

Contoh 11

Ulangi contoh 10 dengan menggunakan variansi maksimum pada

kekeliruan baku

Contoh 12

Sampel acak 300 penerbangan, 74% tepat waktu (X). Pada interval
keyakinan 0,99, estimasi proporsi penerbangan yang tepat waktu

Contoh 13

Ulangi contoh 9 dengan menggunakan variansi maksimum pada

kekeliruan baku

Contoh 14

Sampel acak 600 alat dari pengiriman 20000 alat menunjukkan 16

cacat. Pada interval keyakinan 0,98, estimasi berapa proporsi alat
rusak. Estimasi juga berapa banyak alat rusak.
Agung Sudharmawan