STATISTIKA INDUSTRI (ISI2F3)

Dita Pramesti, M.Si. (DTP)

BAB 3
ESTIMASI PARAMETER
3.1 Pengertian dan Sifat-Sifat
Estimator
3.2 Estimasi Rataan
3.3 Estimasi Proporsi
3.4 Estimasi Variansi
3.1 Pengertian dan Sifat-sifat Estimator
a. Pengertian Estimasi (penaksiran/pendugaan)

Menurut Bluman (2009, p.356):

Estimasi merupakan proses menaksir nilai sebuah parameter berdasarkan informasi
yang diperoleh dari sebuah sampel.

Misalnya hasil suatu survey menyatakan estimasi sebagai berikut :

• Rataan pengeluaran pulsa/bulan mahasiswa di Bandung pada tahun 2020 sebesar
Rp. 98.500,-
• Lima belas persen profesi orang tua mahasiswa di Tel-U adalah PNS
• Rataan harga mobil bekas 1500 cc tahun 2020 antara Rp. 100 juta sd.Rp. 200 juta.

Nilai-nilai ini mendeskripsikan suatu populasi yang berukuran besar, yang hanyalah
suatu taksiran terhadap parameter sebenarnya yang diperoleh dari data hasil
sampling.
 Macam-macam Estimasi Statistik

Suatu parameter  dapat diestimasi melalui 2 macam

෠ yaitu :
penaksiran statistik θ,
1. Menaksir dengan sebuah nilai statistik dikenal dengan
istilah point estimate θ෠
2. Menaksir dengan selang nilai statistik dikenal dengan
istilah interval estimate θ෠ 1 < θ < θ෠ 2

@copyright axy_2015
b. Sifat-sifat Estimator

Sifat-Sifat Estimator
1. Unbias Estimator
Jika statistik sampel sama dengan parameter populasi (AKURAT).
2. Relatively Efficient Estimator
Unbias estimator yang memiliki variansi terkecil (PRESISI).
3. Consistent Estimator
Unbias estimator yang mendekati nilai yang sebenarnya sejalan dengan
bertambahnya ukuran sampel.
1. Unbiased Estimator

Apa yang menjadi persoalan Seperti apa penaksiran yang

dalam estimasi? dikehendaki?

Penaksiran yang BIAS Penaksiran yang IDEAL

(BIASED) (UNBIASED)
Hasil penaksiran θ෠ yang terlalu tinggi atau Jika nilai suatu penaksiran θ෠ sama dengan
terlalu rendah dari  yang sebenarnya. nilai  yang sebenarnya.

biased unbiased

 
Akurat?

biased unbiased

 
Konsep Estimasi Parameter
KONSEP ESTIMASI PARAMETER
Konsep Estimasi Parameter
KONSEP ESTIMASI PARAMETER
2. Relatively Efficient Estimator

lebih baik


Presisi?

lebih baik


3. Consistent Estimator

Unbias estimator yang mendekati nilai yang sebenarnya sejalan dengan

bertambahnya ukuran sampel. Pertanyaan penting dalam estimasi adalah
berapa besar ukuran sampel yang harus ditetapkan agar menciptakan
suatu estimasi yang akurat. Salah satu faktor yang menentukan ukuran
sampel adalah standar deviasi, oleh karena itu semakin besar ukuran
sampelnya menyebabkan variansi semakin kecil dan konsekuensinya
menciptakan unbias estimator yang lebih baik.

terbaik
n =50

n =15

n =5

µ X
Istilah dalam Estimasi
• Interval estimate (estimasi interval) adalah selang/interval/rentang nilai
suatu statistik yang digunakan untuk menaksir suatu parameter
• Confidence interval (interval kepercayaan) adalah kemungkinan estimasi
interval akan mengandung parameter yang berasal dari pemilihan
sejumlah sampel yang besar.
• Confidence level/degree of confidence (tingkat kepercayaan) adalah
suatu nilai kepercayaan yang ekivalen dengan nilai desimal (1–𝛼) atau
persentasi (1–𝛼)100%.
• Notasi 𝛼 dikenal level of significence sebagai nilai dari tingkat
kesalahan/taraf nyata yang dapat dikatakan sebagai kemungkinan nilai
suatu estimasi parameter berada di luar batas kiri atau kanan 𝛼 /2.

Suatu interval kepercayaan selalu menetapkan tingkat kepercayaan biasanya dengan

90%, 95%, atau 99%, yang merupakan ukuran dari keandalan (reliability) prosedur.
Semakin besar kepercayaan maka semakin lebar interval parameternya.
(1 − 𝛼)100% confidence level
95% confidence level
3.2 Estimasi Rataan

Misalkan suatu populasi berdistribusi normal memiliki parameter

rataan 𝜇 dan standar deviasi 𝜎. Dengan asumsi bahwa 𝜎 diketahui
maka nilai 𝜇 yang tidak diketahui akan ditaksir.

Penaksiran rataan dari satu populasi meliputi taksiran rataan:

• Sampel besar dan

• Sampel kecil
a. Estimasi Rataan Sampel Besar

Interval Kepercayaan Rataan 

dengan Simpangan baku  DIKETAHUI
Jika 𝑥 rataan sampel acak berukuran n dari suatu populasi berdistribusi
normal dengan variasi σ2 yang diketahui, maka untuk α yang spesifik rumus
untuk taksiran interval kepercayaan sebesar (1-α)100% untuk  (confidence
interval of the mean) adalah:

𝜎 𝜎
𝑥 −𝑧𝛼 2 < 𝜇 < 𝑥 + 𝑧𝛼 2
𝑛 𝑛

Dimana zα/2 adalah nilai sebaran normal

menghasilkan luas α/2 di sebelah kanan
dan kirinya. Menggunakan tabel normal
1 ̶ a
dapat dicari nilai dari zα/2 yang
ditentukan oleh tingkat kepercayaaan.
a/2 a/2 z
-za/2 za/2
 Margin Error dan Ukuran Sampel (n) Minimal
Formulasi ukuran sampel untuk taksiran rataan populasi diperoleh dari
formulasi margin error-nya :
𝜎
𝐸 = 𝑍𝛼 /2
𝑛
Formulasi ukuran sampel minimum untuk taksiran interval rataan populasi
sebagai berikut (Walpole, 2012):
Jika 𝑥 digunakan untuk menaksir µ, kita dapat percaya (1-α)100% bahwa
kekeliruannya akan kurang dari nilai “e” tertentu jika jumlah sampelnya adalah:
2
𝑍𝛼 /2 . 𝜎
𝑛=
𝐸
Teorema ini dapat diterapkan jika variansi populasi diketahui, atau tersedia
n ≥ 30 untuk melakukan taksiran variansi tersebut.
 2
𝑍𝛼 /2 . 𝜎
𝐸
Memperhatikan formulasi ini dapat dirinci 3 hal yang mempengaruhi ukuran
sampel (n), yaitu :

1. Tingkat kesalahan atau kesalahan maksimum yang diijinkan

2. Standar deviasi populasi
3. Tingkat kepercayaan

Ringkasan nilai zα/2 untuk suatu (1–α)100% tertentu:

• untuk suatu interval kepercayaan 90%, maka zα/2 =z0.05=1.65
• untuk suatu interval kepercayaan 95%, maka zα/2 =z0.025=1.96
• untuk suatu interval kepercayaan 99%, maka zα/2 =z0.005=2.56
b. Estimasi Rataan Sampel Kecil
Selang Kepercayaan Rataan 
dengan Simpangan baku  TIDAK DIKETAHUI
Jika 𝑥 dan s adalah rataan dan simpangan baku sampel berukuran n < 30 dari suatu
populasi yang terdistribusi mendekati normal, maka selang kepercayaan
(1 – α)100% untuk rataan µ adalah:

𝑠 𝑠
𝑥 − 𝑡α 2 < 𝜇 < 𝑥 + 𝑡α 2
𝑛 𝑛

Dimana 𝑡α 2 adalah nilai distribusi-

t dengan derajat kebebasan
sebesar v=n-1 menghasilkan luas
α/2 di sebelah kanan dan kirinya. 1 ̶ a

a/2 a/2 t
-ta/2 ta/2
Contoh 1

Manajer Marketing sebuah dealer otomotif ingin memperkirakan berapa lama waktu yang dibutuhkan
untuk menjual suatu jenis mobil. Hasil sampling 50 mobil memiliki rataan waktu 54 hari dan
diasumsikan standar deviasi populasi 6 hari, maka:
Pertanyaan:
a. Tentukan taksiran interval kepercayaan 95% dari rataan waktu terjualnya suatu jenis mobil dari
populasi yang sebenarnya?

Solusi:
a. Dengan taksiran titik rataan populasi sebesar 54 hari yang diperoleh dari rataan sampelnya, maka
taksiran interval kepercayaan 95% menggunakan nilai zα/2 = z0.025=1.96 diperoleh :
𝜎 𝜎 *) Nilai margin error 1.7 merupakan
𝑥 −𝑧𝛼 2 < 𝜇 < 𝑥 + 𝑧𝛼 2
𝑛 𝑛 pembulatan 1 digit desimal dari 1.663.
6 6 Kesimpulan: Dengan kepercayaan
54 − 1.96 < 𝜇 < 54 + 1.96
50 50 95% diperoleh taksiran rataan waktu
terjualnya suatu jenis mobil dari
54 − 1.7 < 𝜇 < 54 + 1.7
populasi yang sebenarnya dengan
52.3 < 𝜇 < 55.7 𝑎𝑡𝑎𝑢 54  1.7∗ interval antara 52.3 dan 55.7 hari dari
sampling sebanyak 50 mobil.
Contoh 1 (lanjutan)

Manajer Marketing sebuah dealer otomotif ingin memperkirakan berapa lama waktu yang dibutuhkan
untuk menjual suatu jenis mobil. Hasil sampling 50 mobil memiliki rataan waktu 54 hari dan
diasumsikan standar deviasi populasi 6 hari, maka:
Pertanyaan:
b. Apabila margin error yang diinginkan kurang dari 1 hari, berapa ukuran sampel minimalnya?
Solusi:
b. Penyelesaian di atas diperoleh untuk
margin error 1.7 hari dengan ukuran
sampel 50. Apabila margin error yang
diharapkan kurang dari 1 hari, maka
ukuran sampel minimalnya adalah:

Kesimpulan: Apabila margin error yang diharapkan kurang dari 1 hari, maka ukuran sampel
minimalnya 139 mobil. Semakin kecil tingkat kesalahan minimumnya maka ukuran sampel
minimalnya bertambah dari 54 menjadi 139 mobil (karakteristik konsistensi taksiran).
Contoh 2

Pada persoalan Contoh 1, misalnya ukuran sampelnya adalah 25 dengan rataan

waktu 54 hari dan standar deviasi sampelnya adalah 5 hari berasal dari populasi
berdistribusi hampiran normal, maka:
Pertanyaan:
Tentukan taksiran interval kepercayaan 95% dari rataan populasinya?
Solusi:
Persoalan taksiran sampel kecil 25<30, dengan standar deviasi sampel diketahui 5 hari yang
berasal dari populasi berdistribusi hampiran normal; dan karena standar deviasi
populasinya  tidak diketahui, maka disubstitusi dari standar deviasi sampel s = 5 hari,
sehingga berlaku formulasi taksiran interval kepercayaan 95% untuk sampel kecil sebagai
berkut:
Dengan taksiran titik rataan populasi sebesar 54 𝑠 𝑠
hari yang diperoleh dari rataan sampelnya, 𝑥 −𝑡𝛼 2 < 𝜇 < 𝑥 + 𝑡𝛼 2
𝑛 𝑛
maka taksiran interval kepercayaan 95%
menggunakan nilai tα/2 = t0.025 dengan v = n– 5 5
54 − 2.064 < 𝜇 < 54 + 2.064
1=25–1=24 atau ditulis sebagai t0.025;24 = 2.064 25 25
diperoleh : 54 − 2.1 < 𝜇 < 54 + 2.1
*) Nilai margin error 2.1 merupakan pembulatan 1 digit
desimal dari 2.064.
51.9 < 𝜇 < 56.1 𝑎𝑡𝑎𝑢 54  2.1∗
Contoh 2 (lanjutan)

Kesimpulan: Dengan kepercayaan 95% 𝑠 𝑠

𝑥 −𝑡𝛼 2 < 𝜇 < 𝑥 + 𝑡𝛼 2
diperoleh taksiran rataan waktu 𝑛 𝑛
terjualnya suatu jenis mobil dari populasi 5 5
54 − 2.064 < 𝜇 < 54 + 2.064
yang sebenarnya dengan interval antara 25 25
51.9 dan 56.1 hari dari sampling 54 − 2.1 < 𝜇 < 54 + 2.1
sebanyak 25 mobil. 51.9 < 𝜇 < 56.1 𝑎𝑡𝑎𝑢 54  2.1∗
*) Nilai margin error 2.1 merupakan pembulatan 1
digit desimal dari 2.064.
c. Estimasi Selisih Rataan Sampel Kecil

Taksiran selisih rataan adalah penaksiran selisih rataan (μ1–μ2) yang berasal
dari 2 buah populasi.
Ada 3 persoalan dalam interval taksiran selisih rataan μ1 – μ2 :
1. Kasus pertama, jika simpangan baku 1 dan 2 DIKETAHUI.
2. Kasus kedua, jika simpangan baku 1 dan 2 TIDAK DIKETAHUI
tetapi 1=2
3. Kasus ketiga, jika simpangan baku 1 dan 2 TIDAK DIKETAHUI
tetapi 1 tidak sama 2
Pertama:
Interval taksiran selisih rataan μ1 – μ2
jika simpangan baku 1 dan 2 DIKETAHUI.
Jika 𝑥1 dan 𝑥2 masing-masing adalah rataan sampel acak berukuran n1 dan n2
yang diambil dari populasi yang simpangan bakunya diketahui 1 dan 2, maka
selang kepercayaan (1 – a)100% untuk μ1 – μ2 diberikan oleh:

 12  2 2  12  2 2
( x1 − x2 ) − Za / 2 +  1 −  2  ( x1 − x2 ) + Za / 2 +
n1 n2 n1 n2
Kedua:
Interval taksiran selisih rataan μ1 – μ2
jika simpangan baku 1 dan 2TIDAK DIKETAHUI
tetapi 1=2
Jika 𝑥1 dan 𝑥2 masing-masing adalah rataan sampel acak berukuran n1 dan n2
yang bebas berasal dari 2 populasi yang hampir normal dengan simpangan
bakunya TIDAK DIKETAHUI, tetapi 1 = 2, maka selang kepercayaan
(1 – a)100% untuk μ1 – μ2 diberikan oleh:

 1 1  1 1
( x1 − x2 ) − ta / 2 Sp +  1 −  2  ( x1 − x2 ) + ta / 2 Sp +
n1 n2 n1 n2

Dimana: (n − 1) s1 + (n2 − 1) s2
2 2
Sp 2 = 1
Sp= taksiran gabungan dari n1 + n2 − 2
simpangan baku populasi
Dengan ν = n1 + n2-2.
Ketiga:
Interval taksiran selisih rataan
jika simpangan baku 1 dan 2TIDAK DIKETAHUI
tetapi 1≠2
Jika 𝑥1 dan 𝑠12 , dan 𝑥2 dan 𝑠22 , masing-masing rataan dan variansi sampel kecil
bebas berukuran n1 dan n2 dari distribusi hampiran normal dengan variansi
tidak diketahui dan tidak sama, maka selang kepercayaan hapiran (1-a)100%
untuk μ1 – μ2 diberikan oleh:

2 2 2 2
s1 s2 s s
( x1 − x2 ) − ta / 2 +  1 −  2  ( x1 − x2 ) + ta / 2 1 + 2
n1 n2 n1 n2

+
2 2 2
Dengan: = ( s1 / n1 s 2 / n 2 )
[(s1 / n1 ) 2 /(n1 − 1)] + [(s2 / n2 ) 2 /(n2 − 1)]
2 2
Contoh 3

Tedapat 2 buah populasi masing-masing terdiri dari bola lampu merek A dan B yang saling bebas, memiliki
standar deviasi σA = 120 jam dan σB = 80 jam. Random sampling terhadap populasi pertama sebanyak nA =
150 buah bola lampu merek A diperoleh rataan 𝑥𝐴 = 1400 jam dan populasi kedua sebanyak nB = 200 buah
bola lampu merek B diperoleh rataan 𝑥𝐵 = 1200 jam.
Pertanyaan:
Carilah taksiran interval kepercayaan 95% dari selisih rataannya kedua populasinya?
Solusi:

Karena 𝑥𝐴 = 1400 dan 𝑥𝐵 = 1200 masing-masing adalah rataan sampel acak berukuran nA = 150 dan nB
=200 yang diambil dari populasi bebas yang simpangan bakunya populasi keduanya diketahui A = 120 jam
dan B = 80 jam, maka interval kepercayaan 95% untuk selisih rataan μ1 – μ2 merupakan contoh dari kasus
pertama dan oleh karena itu:
Batas-batas interval kepercayaan 95% menggunakan nilai zα/2 = z0.025=1.96 untuk selisih rataan populasinya
(µ1–µ2) adalah :

 A2  B2 120 2 80 2
( x A − xB )  Za / 2 + = (1400 − 1200 )  1.96 + = 200  24.8
nA nB 150 200
Kesimpulan: Dengan kepercayaan 95% diperoleh taksiran selisih rataan populasi bola lampu merek A dan B
dengan interval antara 175.2 dan 224.8 jam.