PENAKSIRAN atau ESTIMASI

A. Pengertian
Secara umum, parameter populasi akan diberi simbul θ (baca : theta). Jika θ , yg
tidak diketahui harganya, ditaksir oleh harga θ^ (baca : theta topi), maka θ^
dinamakan penaksir. Sangat dikehendaki θ^ = θ , yaitu bisa mengatakan harga θ
yg sebenarnya, tetapi kenyataannya bisa terjadi :
1. Menaksir θ oleh θ^ terlalu tinggi; atau
2. Menaksir θ oleh θ^ terlalu rendah
Di dalam estimasi nilai statistik yang dipakai untuk menduga nilai populasi atau
parameter disebut estimator.hasil dari pendugaan disebut estimasi secara
statistik.
Beberapa definisi kriteria untuk mendapatkan penaksir yang baik, yaitu :
1. Tidak Bias / Tak Bias
Tidak bias / tak bias adalah estimator yang hasil estimasinya mengandung
nilai parameter yang diestimasi.
Penaksir θ^ dikatakan penaksir takbias jika rata2 semua harga θ^ yg mungkin
akan sama dg θ . Dalam bahasa ekspektasi ditulis ε (θ^ ) = θ . Penaksir yg tidak
takbias disebut penaksir bias.
2. Efisien atau Bervarians Minimum
Efisien apabila hasil estimasi memakai nilai tersebut pada rentang yang kecil
saja sudah mengandung nilai parameter.
Penaksir bervarians minimum ialah penaksir dengan varians terkecil di
antara semua penaksir untuk parameter yg sama. Jika θ^ 1 dan θ^ 2 dua penaksir
untuk θ dimana varians untuk θ^ 1 < θ^ 2, maka θ^ 1 merupakan penaksir
bervarians minimum.
3. Konsisten
Konsisten adalah berapa pun besarnya sampel pada rentangnya akan
mengandung nilai parameter yang sedang diestimasi.
Misalkan θ^ penaksir untuk θ yg dihitung berdasarkan sebuah sampel acak
berukuran n. Jika ukuran sampel n makin besar mendekati ukuran populasi
menyebabkan θ^ mendekati θ , maka θ^ disebut penaksir konsisten.
4. Penaksir yg takbias dan bervarians minimum dinanakan panaksir terbaik.
 Estimasi adalah suatu metode di mana kita dapat memperkirakan nilai populasi
(parameter) dengan memakai nilai sampel (statistik).
B. Cara-Cara Menaksir
Secara umum, x adalah penaksir atau titik taksiran untuk μ. Harganya akan
berlainan bergantung pada harga x yang didapat dari sampel-sampel yang
diambil, karenanya orang sering merasa kurang percaya atau kurang yakin atas
hasil penaksiran semacam ini. Sebagai gantinya dipakai interval taksiran atau
selang taksiran, yaitu menaksir harga parameter di antara batas-batas dua
harga. Contoh : menaksir rata-rata TB mahasiswa antara 140 cm dan 170 cm
dsb. Makin besar jarak interval makin percaya tentang kebenaran penaksiran
yang dilakukan. Dalam prakteknya harus dicari interval taksiran yang sempit
dengan derajat kepercayaan yang memuaskan. Derajat kepercayaan menaksir,
disebut koefisien kepercayaan, merupakan pernyataan dalam bentuk peluang.
Jika koefisien kepercayaan dinyatakan dg γ (baca : gamma), maka 0 < γ < 1.
Harga γ yang digunakan bergantung pada persoalan yang dihadapi dan berapa
besar si peneliti ingin yakin dalam membuat pernyataannya. Yang biasa
digunakan ialah 0,95 atau 0,99.
Untuk menentukan interval taksiran parameter θ dengan koefisien kepercayaan
γ , maka sebuah sampel acak diambil, lalu hitung nilai-nilai statistik yang
diperlukan. Perumusan dalam bentuk peluang untuk parameter θ antara A dan B
adalah :
P(A < θ < B) = γ
C. Macam-Macam Penaksiran (Sudjana, 1992)
1. Menaksir Rata-Rata μ
a. Simpangan baku σ diketahui dan populasinya berdistribusi normal
Rumus XI (2) :

σ σ
P (x - Z ½ γ < µ < x + Z ½γ )=γ
√n √n
Dengan :
γ = koefisien kepercayaan
Z ½ γ = bilangan Z
Atau
 σ σ
x - Z ½γ < µ < x + Z ½γ
√n √n

b. Simpangan baku σ tidak diketahui dan populasinya berdistribusi normal

s s
P ( x - tp < µ < x + tp )=γ
√n √n
Dengan :
γ = koefisien kepercayaan
tp = nilai t didapat dari daftar distribusi student dengan p = ½ (1 + γ ) dan dk
= (n – 1), maka :

c. Simpangan baku σ tidak diketahui dan populasinya tidak berdistribusi

normal
2. Menaksir Proporsi π
Titik taksiran untuk π adalah (x/n)
3. Menaksir Simpangan Baku σ
4. Menaksir Selisih Rata-Rata
5. Menaksir Selisih Proporsi
6. Menentukan Ukuran Sampel
Berkaitan dg teori menaksir, ukuran sampel dapat ditentukan antara lain
berdasarkan kepada :
a. Apa yg akan ditaksir?
b. Berapa besar perbedaan yg masih mau diterima antara yg ditaksir dan
penaksir?
c. Berapa derajat kepercayaan atau koefisien kepercayaan yg diinginkan
dalam melakukan penaksiran?
d. Berapa lebar interval kepercayaan yg masih mau diterima?
Perbedaan antara θ dan θ^ adalah b = (θ - θ^ ), makin kecil beda b makin baik
menaksir karena makin dekat penaksir yg kita pakai kepada parameter yg
sedang ditaksir. Ketika menaksir rata2 μ oleh statistik x , maka beda b = ( μ - x
). Untuk koefisien kepercayaan γ dan populasi berdistribusi normal dg
simpangan baku σ diketahui, maka ukuran sampel n ditentukan oleh : XI (19)

σ z½γ 2
n> ____________
_
B

Jika yg ditaksir itu proporsi π oleh statistik p = x/n, maka beda yg terjadi
besarnya b = ( π - p). Dg memisalkan bahwa pendekatan distribusi normal
kepada binom berlaku dan koefisien kepercayaan = γ , maka ukuran sampel
dapat ditentukan dari rumus :
XI (20)
Kecuali jika varians π (1 – π ) diketahui, maka dalam hal lain rumus di atas
tidak dapat digunakan. Dalam hal ini varians π (1 – π ) diganti oleh harga
maksimumnya ialah 0,25.
Bentuk Estimasi (Hastono dan Sabri, 2006), yaitu :
1. Estimasi Titik (Point Estimation)
Nilai statistik (nilai-nilai sampel) digunakan sebagai pendugaan nilai
parameter karena nilai-nilai ini merupakan estimator yang baik untuk
menduga atau mengestimasi nilai parameter.
Misalnya, nilai mean sampel kita anggap sebagai nilai mean populasi
μdiestimasi sama dengan x
s diestimasi sama dengan σ
Contoh : penelitian terhadap suatu sampel ibu hamil di Kota Tasikmalaya
dari 210 ibu didapatkan Hb rata-rata 7,5gr%. Kalau kita menduga kadar
Hb ibu hamil di Kota Tasikmalaya dengan estimasi titik, kita katakan kadar
Hb ibu hamil di Kota Tasikmalaya adalah 7,5gr%.
Kelemahan estimasi titik adalah kita tidak dapat mengetahui berapa kuat
kebenaran dugaan kita itu. Kelemahan estimasi titik ini dapat dihilangkan
dengan melakukan estimasi selang (interval).
2. Estimasi Selang (Interval Estimation)
Dasar estimasi interval adalah bahwa sampel-sampel yang diambil dari
suatu populasi akan berdistribusi (normal) sekitar µ, dengan simpangan
baku = SE (sifat dari distribusi sampling). Dengan ini kita menentukan
batas minimum dan maksimum terletaknya nilai µ. Jarak dari batas
tertinggi dan terendah ini ditentukan sebagai confiden interval = confiden
limit, yaitu luas daerah di bawah kurva normal ditentukan dengan
persentase, misalnya 90%, 95%, 99%.
Rumus Umum :
St – Z ½α SE ≤ PARAMETER ≤ St + Z 1/2α SE
Dimana :
St = nilai statistik (sampel = x )
Z = deviasi relatif (standar score, besarnya ditentukan oleh confiden
interval)
SE = standar error
Parameter = nilai populasi yang diduga = µ
Atau :
X – Z.SE ≤ ^µ ≤ X + Z.SE

Contoh :
Suatu sampel random sebanyak 100 orang ibu hamil yang diambil di Kota
Tasikmalaya didapatkan kadar Hb = 9,5 gr%. Simpangan baku di dalam
populasi 5 gr% dan confiden interval 95%, maka akan menghasilkan kadar
Hb ibu hamil adalah :
X mean sampel = 9,5 gr%
n sampel = 100
δ = 5 gr%
SE = √5 100 = 0,5 gr%
CI = 95 % .......... Z = 1,96 (lihat tabel kurva normal)

Maka :
= X – Z.SE ≤ ^µ ≤ X + Z.SE
= 9,5 gr% - 1,96 . 0,5 gr% ≤ ^µ ≤ 9,5 gr% + 1,96 . 0,5 gr%
= 8,5 ≤ ^µ ≤ 10,48

Artinya :
1. Kita yakin 95% bahwa Hb ibu hamil di Kota Tasikmalaya terletak antara
8,5 gr% sampai 10,48;
2. Kalau kita ambil berulang kali sampel yang besarnya 100 ibu di daerah
itu, maka 95% dari mean sampel-sampel tersebut berada pada nilai 8,5
gr% sampai 10,48.
Dengan estimasi interval kita mengakui bahwa dengan confiden interval
90%, 95%, ataupun 99% kebenaran taksiran ini benar. Dengan kata lain,
jujur diakui kemungkinan (peluang) salah adalah 100% - 95% = 5% atau
10% atau 1% (dikenal sebagai α ).
Kalau sampel yang diambil ibu hamil di Kota Tasikmalaya tersebut 25 ibu
hamil dan δ (simpangan baku) tidak diketahui, maka distribusi sampling
kita asumsikan berdistribusi seperti distribusi “student t” dimana untuk
menentukan nilai “t” diperlukan, di samping α juga derajat kebebasan
(degree of freedom / df) yang besarannya n-1 .......
Maka rumus umum menjadi :
St – t SE ≤ ^µ ≤ St + t SE
X – t.SE ≤ ^µ ≤ X + t.SE

Contoh : dari 25 ibu hamil yang diambil secara random didapatkan kadar
Hb = 9 gr%, simpangan baku sampel 7,7 gr%, maka nilai pendugaan akan
menjadi :
X = 9 gr%
s = 7,7 gr%
n = 25 ibu
SE = 7,7 gr%√ 25 = 1,54 gr%
CI = 95%, alfa = 5 %,
df = 25 – 1 = 24 .................t = 1,711
maka :
= St – t SE ≤ ^µ ≤ St + t SE
= 9 gr% - 1,711 x 1,54 ≤ ^µ ≤ 9 gr% + 1,711 x 1,54
= 6,36506 ≤ ^µ ≤ 11,63494
Jadi : kadar Hb ibu hamil berada pada 6,36506 sampai 11,63494 (CI
95%).
Rentang interval dapat dipersempit dengan 3 cara :
1. Memperkecil CI, misalnya dari 95% menjadi 90%;
2. Memperbesar n (besar sampel);
3. Meningkatkan ketelitian sehingga didapatkan varian sampel yang kecil.