MAKALAH

ESTIMASI

KELOMPOK 4:

1. Sisilia Siliyani Prity Wara (061210123)

2. Maria Aprilia (061210143)

UNIVERSITAS NUSA NIPA

FAKULTAS EKONOMI
PROGRAM STUDI AKUNTANSI
2022
 Kata Pengantar

Puji dan syukur atas kehadirat Tuhan Yang Maha Esa, karena atas berkat dan bimbingannya,
kami dapat menyelesaikan makalah mata kuliah statistika 1 yang berjudul “Estimasi” ini tepat pada
waktunya. Makalah ini dibuat dengan tujuan untuk menambah wawasan pengetahuan bagi para
pembaca maupun penulis. Untuk itu kami mengucapkan terima kasih kepada “ “ selaku dosen mata
kuliah statistika 1 atas didikan selama ini sehingga kami dapat menyelesaikan makalah ini dengan baik.
Kami menyadari bahwa dalam penulisan makalah ini masih belum sempurna, oleh karena itu,
kami mengharapkan saran dan kritik dari pembaca. Semoga makalah ini dapat memberikan manfaat
untuk penulis dan pembaca.
 DAFTAR ISI
KATA PENGANTAR..........................................................................................................................
DAFTAR ISI.........................................................................................................................................
BAB I PENDAHULUAN.....................................................................................................................
1.1 Latar Belakang..........................................................................................................
1.2 Rumusan Masalah.....................................................................................................
1.3 Tujuan Penulisan......................................................................................................
BAB II PEMBAHASAN......................................................................................................................
2.1 Pengertian Estimasi
2.2 Hubungan rata-rata hitung dengan median dan modus rata-rata tertimbang............
2.3 Rata-rata harmonis dan rata-rata ukur......................................................................
BAB III PENUTUP..............................................................................................................................
3.1 Kesimpulan...............................................................................................................
3.2 Saran.........................................................................................................................
 BAB I
Pendahuluan
1.1 Latar Belakang
Estimasi merupakan suatu metode dimana kita dapat memperkirakan nilai Populasi dengan
memakai nilai sampel. Misalnya rata-rata sampel digunakan untuk menaksir rata-rata pupolasi proporsi
sampel untuk menaksir proporsi populasi  ( p ), dan jumlah ciri tertentu sampel untuk menaksir jumlah
ciri tertentu populasi. Nilai penduga disebut dengan estimator, sedangkan hasil estimasi disebut dengan
estimasi secara statistik.
2.2 Jenis-jenis Estimasi
a. Estimasi Titik
Titik estimasi merupakan salah satu cara untuk mengadakan estimasi terhadap parameter
populasi yang tidak diketahui. Titik estimasi ialah nilai tunggal yang digunakan untuk mengadakan
estimasi terhadap parameter populasi. Titik estimasi yang dapat digunakan untuk mengadakan estimasi
parameter populasi ialah rata-rata sampel terhadap rata-rata populasi, proporsi sampel terhadap
proporsi populHasi, jumlah variabel tertentu yang terdapat dalam sampel untuk menaksir jumlah
variabel tersebut dalam populasi, dan varians atau simpangan baku sampel untuk menaksir simpangan
baku populasi.
E  (  µ ) =  ; E  ( σ2 ) = S2 ; E  ( p ) =

b. Estimasi Interval
Dari penelitian dan perhitungan-perhitungan harga statistik suatu sampel, bisa dihitung suatu
interval dimana  dengan peluang tertentu harga parameter yang hendak ditaksir terletak dalam interval
tersebut. Estimasi interval merupakan sekumpulan nilai statistik sampel dam interval tertentu yang
digunakan untuk mengadakan estimasi terhadap parameter populasi dengan harapan bahwa nilai
parameter populasi terletak dalam interval tersebut. Estimasi Rata – rata : dalam statistik di asumsikan
suatu ukuran sampel dikatakan besar apabila  n ≥ 30, sampel dikatakan kecil apabila n ≤ 30. Estimasi
rata-rata untuk sampel kecil  n < 30, maka interval konfidensi untuk  m adalah :
            – t ( n-1 ; a/2 ).   S  ≤ μ ≤ + t ( n-1 ; α/2 ) .   S

√n                                                   √n
Ciri-ciri Estimasi
Berikut ini adalah beberapa ciri-ciri estimasi yaitu:

 Tidak bias
Jika mean dari distribusi sampling  suatu statistik sama dengan parameter populasi korespondensinya,
maka statistik ini disebut sebagai estimator tak bias dari parameter tersebut. Kebalikannya, jika mean
dari distribusi sampling suatu statistik tidak sama dengan parameter populasi korespondensinya, maka
statistik ini disebut sebagai estimator bias dari parameter tersebut. Nilai-nilai korespondensi dari
statistik-statistik ini msaing-masing disebut estimasi bias dan estimasi tak bias.

 Efisien
Jika distribusi sampling dari dua statistik memiliki mean atau ekspektasi yang sama, maka statistik
dengan varians yang lebih kecil disebut  sebagai estimator efisien dari mean, sementara statistik yang
lain disebut sebagai estimator tak efisien. Adapun nilai-nilai yang berkorespondensi dengan statistik-
statistik ini masing-masing disebut sebagai estiamsi efisien dan estimasi tak efisien. Jika semua
kemungkinan statistik yang distribusi samplingnya memiliki mean yang sama, maka statistik dengan
varian terkecil terkadang disebut sebagai  estimator paling efisien atau terbaik dari mean ini.

 Konsisten
Bila besarnya sampel bertambah maka hampir dapat dipastikan bahwa nilai statistik sampel akan lebih
mendekati nilai parameter populasi, estimator demikian disebut konsisten. Estimator konsisten adalah
estimator yang cenderung sarna dengan nilai sebenarnya meskipun ukuran sampel semakin lama
semakin besar. Dalam Kasus ini, apakah kita tahu bahwa nilai barn dari x akan lebih mendekati mean
(rata-rata) Dari J.l Atau ada kemungkinan lebih jauh? Estimator Yang konsisten adalah estimator yang
akan bergerak mendekati nilai sebenarnya bila jumlah elemen sampel ditambah.
Metode Klasifikasi Estimasi
Pada umumnya, klasifikasi dan estimasi biaya yang lebih dapat diandalkan diperoleh dengan
menggunakan pendekatan analisis biaya masa lalu, dengan beberapa metode yaitu :

1. Metode Titik Tertinggi dan Titik Terendah (High and Low Point Method)
Metode titik tertinggi dan titik terendah yaitu suatu metode pemisahan biaya campuran ke dalam
elemen-elemen biaya tetap dan biaya variabelnya dengan mendasarkan analisis pada selisih biaya
antara tingkat aktivitas tertinggi dan terendah. Maksud dari titik tertinggi dan terendah disini adalah
titik tertinggi adalah suatu titik dengan tingkat output dan aktivitas tertinggi sedangkan titik terendah
adalah titik dengan tingkat output dan aktivitas yang terendah.

Secara umum perhitungan metode titik tertinggi dan terendah dapat dilakukan dengan cara :

a. Memilih jumlah biaya paling tinggi dari data yang tersedia.

b. Memilih jumlah biaya paling rendah dari data yang tersedia.
c. Menghitung selisih jumlah aktivitas dan selisih biaya dari dua titik tertinggi dan terendah.
d. Memasukan selisih kedalam formula untuk menghitung komponen biaya tetap dan biaya
variabel.

2. Metode Biaya Berjaga (Stand By Cost Method)

Metode biaya berjaga digunakan untuk menaksir biaya tetap dan biaya variabel bila sebuah perusahaan
menutup kegiatan usahanya untuk sementara. Metode ini disebut biaya berjaga karena untuk
menghitung cadangan dana yang harus disiapkan untuk berjaga-jaga selama tenggang waktu tanpa
kegiatan normal. Metode ini mencoba menghitung beberapa biaya yang harus tetap dikeluarkan andai
kata perusahaan ditutup untuk sementara, jadi produknya sama dengan nol. Biaya ini disebut biaya
terjaga, dan biaya terjaga ini merupakan bagian yang tetap.

3. Metode Kuadrat Terkecil (Least-Square Method)

Pada umumnya metode kuadrat terkecil dimulai dari asumsi bahwa terdapat hubungan yang linier
antara variabel terikat dan variabel bebas. Asumsi ini juga dapat diterapkan dalam analisis hubungan
perilaku biaya dengan faktor yang menyebabkan terjadinya biaya yang bersangkutan. metode kuadrat
terkecil juga membuat asumsi tentang sifat dan distribusi “eror term” dalam estimasi hubungan antara
biaya overhead dan jam mesin. Atas dasar asumsi tersebut maka dianggap bahwa fluktuasi biaya
sebagai variabel terikat (y) akan ditentukan secara linier oleh perubahan volume aktivitas (x) sebagai
variabel bebasnya. Metode ini merupakan pengukuran dari jumlah biaya yang ada untuk mengetahui
rata-rata biaya tetap dan rata-rata biaya variabel. Metode kuadrat terkecil untuk mengestimasi suatu
hubungan linier didasarkan pada persamaan untuk sebuah garis lurus y = a + bx.
 BAB II
PEMBAHASAN

2.3 Hubungan Rata-rata Hitung dengan Median dan Modus Rta-rata Tertimbang

Rata-rata hitung (mean), median dan modus adalah nilai yang digunakan untuk mewakili
seperangkat data. Ketiga nilai tersebut sering juga disebut dengan ukuran kecenderungan
terpusat (measure of central tendency). Sebab kecenderungan dari nilai-nilai tersebut memusat pada
bagian tengah suatu perangkat data.
Pada analisis data biasanya fokus perhatian tidak terletak pada keseluruhan data, tetapi terletak
hanya dimana data tersebut memusat. Oleh karena itulah nilai-nilai rata-rata, median dan modus sering
digunakan untuk mewakili seperangkat data dalam analisis statistik.
Pada suatu distribusi frekuensi, hubungan antara rata-rata, median dan modus adalah sebagai
berikut:
a. Jika rata-rata, median dan modus memiliki nilai yang sama, maka nilai rata-rata, median
dan modus akan terletak pada satu titik dalam kurva distribusi frekuensi. Kurva
distribusi frekuensi tersebut akan terbentuk simetris.

b. Jika rata-rata lebih besar dari median, dan median lebih besar dari modus, maka pada
kurva distribusi frekuensi, nilai rata-rata akan terletak di sebelah kanan, sedangkan
median terletak di tengahnya dan modus di sebelah kiri. Kurva distribusi frekuensi yang
terbentuk adalah menceng kanan atau kemencengan positif.
c. Jika rata-rata lebih kecil dari median, dan median lebih kecil dari modus, maka pada
kurva distribusi frekuensi, nilai rata-rata akan terletak di sebelah kiri, sedangkan median
terletak di tengahnya dan modus di sebelah kanan. Kurva distribusi frekuensi yang
terbentuk adalah menceng kiri atau kemencengan negatif.

d. Jika kurva distribusi frekuensi tidak simetris (menceng ke kiri atau ke kanan), maka
biasanya akan berlaku hubungan antara rata-rata median dan modus sebagai berikut.

Rata-rata – Modus = 3 (Rata-rata – Median)

2.4 Rata-rata Harmonis dan Rata-rata Ukur

a. Rata-rata harmonik (harmonic average) adalah rata-rata yang dihitung dengan cara

mengubah semua data menjadi pecahan, dimana nilai data dijadikan sebagai penyebut
dan pembilangnya adalah satu, kemudian semua pecahan tersebut dijumlahkan dan
selanjutnya dijadikan sebagai pembagi jumlah data. Rata-rata harmonik sering disebut
juga dengan kebalikan dari Rata-rata Hitung (Aritmatik).
Secara matematis rata-rata harmonis dirumuskan sebagai berikut:
 Data tunggal

 Distribusi frekuensi

Keterangan :
H : rata-rata harmonik,
n : banyaknya data,
xi : nilai data ke-i
xi : tanda kelas (nilai tengah)
fi : frekuensi yang sesuai dengan xi

b. Rata-rata ukur (geometrik) adalah rata-rata yang diperoleh dengan mengalikan semua
data dalam suatu kelompok sampel, kemudian diakar pangkatkan dengan banyaknya
data sampel tersebut. Karena mengikuti proses akar pangkat, maka apabila terdapat
unsur data yang bernilai negatif maka rata-rata ukur tidak bisa dilakukan.Berikut ini
adalah rumus-rumus untuk menghitung rata-rata geometrik untuk data tunggal dan data
berkelompok.
 Rata-rata ukur data tunggal

Keterangan:
U= rata-rata ukur (rata-rata geometrik)
n= banyaknya sampel
п= Huruf kapital п (pi) yag menyatakan jumlah dari hasil kali unsur-unsur data.
  Rata-rata ukur distribusi

Keterangan :
xi = tanda kelas (nilai tengah)
fi = frekuensi yang sesuai dengan xi
 BAB III
PENTUP
3.1 Kesimpulan
3.2 saran