MODUL PERKULIAHAN

STATISTIK INDUSTRI II

Estimasi – bagian 1

Fakultas Program Studii Tatap Muka Kode MK Disusun Oleh

02
Teknik Teknik Industri 0000000000 Ir. Miftahu Babil Yasari, MT.

Abstract Kompetensi
Menjelaskan tentang teori-teori estimasi Mahasiswa memahami dan menjelaskan
(penaksiran) serta jenis-jenis dari estimasi tentang teori estimasi serta jenisnya
 TEORI ESTIMASI (PENDUGAAN / PENAKSIRAN)

Estimasi sangat penting dalam statistika karena seringkali tidak mungkin atau tidak praktis
untuk mengumpulkan data dari seluruh populasi yang dimaksud. Oleh karena itu, dengan
menggunakan teknik estimasi, kita dapat membuat kesimpulan tentang populasi secara
keseluruhan berdasarkan sampel yang diambil.
Dalam Kamus Besar Bahasa Indonesia, arti estimasi adalah perkiraan. Makna dari kata ini tidak
jauh berbeda dengan penggunaannya dalam ilmu statistika.
Menurut Afriza Umami dalam buku Konsep Dasar Biotastistik, estimasi merupakan suatu
metode dimana kita dapat memperkirakan nilai Populasi dengan memakai nilai sampel.
Misalnya rata-rata sampel digunakan untuk menaksir rata-rata populasi, proporsi sampel untuk
menaksir proporsi populasi, dan jumlah ciri tertentu sampel untuk menaksir jumlah ciri tertentu
dari populasi.
Estimasi adalah teknik yang digunakan untuk membuat perkiraan atau prediksi tentang
parameter populasi berdasarkan data sampel. Parameter populasi adalah ukuran atau
karakteristik yang ingin kita ketahui tentang populasi secara keseluruhan, sedangkan sampel
adalah subset dari populasi yang digunakan untuk melakukan estimasi.

Teori estimasi memegang peranan penting dalam biostatistika inferensial karena teori estimasi
dan uji hipotesis merupakan dasar dari biostatistik inferens (yang dilandasi teori probabilitas).
Jika waktu dan informasi cukup memadai, maka estimasi yang akurat, menghasilkan ukuran
yang dapat dipertanggung jawabkan
Estimasi merupakan metode memperkirakan nilai populasi (parameter) dengan memakai nilai
sampel (statistik), hal ini karena perhitungan langsung pada seluruh populasi tidak mungkin
dilalukan. Dengan estimasi, tidak perlu mengambil sampel berulang kali untuk mengetahui
distribusi sampling

Salah satu informasi yang sangat penting diketahui untuk menyusun anggaran tahun depan
bagi seorang manajer pabrik peleburan baja adalah menaksir kebutuhan bahan bakar/energi.
Bagaimana caranya ia menaksir? Tentunya ia akan menggunakan data masa lalu. Seberapa
banyak data masa lalu yang ia butuhkan untuk bisa menaksir kebutuhan yang akan datang"?
Apakah data satu tahun lalu sudah cukup ? Atau minimal data 5 tahun lalu ? Misalkan dari data

Sistem Produksi
Ir. Miftahu Babil Yasari, MT. Halaman | 2
5 tahun lalu diperoleh rata-rata pemakaian bahan bakar adalah 11.400 ton per minggu dengan
standar deviasi sampel 700 ton perminggu. Bab ini secara khusus membahas penaksiran
statistik termasuk konsep dan metodenya.

Setiap orang pasti pernah melakukan penaksiran, jika anda akan menyeberang jalan anda
tentunya melakukan penaksiran terhadap kecepatan mobil-mobil yang lewat, jarak antara anda
dengan mobil dan kecepatan anda sendiri, agar bisa menyeberang dengan selamat. Dengan
proses penaksiran tersebul anda bisa memutuskan apakah menunggu, berjalan atau berlari.
Semua manajer juga perlu melakukan penaksiran dengan cepat dan akurat seperti seorang
penyeberang jalan di alas. Kualitas taksiran seorang manajer, akan berpengaruh pada jalannya
organisasi. Manajer Pamasaran perlu menaksir jumlah penjualan produk. Manajer produksi
perlu menaksir tingkal produktivitas karyawan. Manajer Akunting perlu menaksir biaya
persediaan. Seorang manajer yang terdidik dan profesional tentu akan menggunakan metode-
metode yang bisa diperlanggungjavvabkan untuk melakukan penaksiran. seperti yang akan
dibahas dalam bab ini. Materi pada bab ini tentang teori probabilitas yang digunakan untuk
menarik kesimpulan tentang parameter populasi dengan menggunakan statistik sampel
,sehingga mengandung kelidakpastian. merupakan dasar dari statistika inferensi, parameter
distribusi populasi. Parameter populasi yang ditaksir bisa berupa harga rata-rata, variansi atau
nilai proporsi.

Jenis-jenis Penaksiran
Teori Penaksiran atau pendugaan dapat dikelompokkan atas dua jenis, yaitu penaksiran titik
dan penaksiran interval.
1. Estimasi Titik (Point Estimation)
Estimasi titik adalah jenis estimasi yang menghasilkan satu angka sebagai perkiraan untuk
parameter populasi yang sedang diamati. Tujuan utama dari estimasi titik adalah untuk
mencari nilai yang paling mungkin atau paling representatif dari parameter populasi
berdasarkan data sampel yang tersedia.
Contoh umum dari estimasi titik adalah ketika kita menggunakan rata-rata sampel sebagai
estimasi untuk rata-rata populasi atau menggunakan proporsi sampel sebagai estimasi
untuk proporsi populasi.

Sistem Produksi
Ir. Miftahu Babil Yasari, MT. Halaman | 3
2. Estimasi Interval (Interval Estimation)
Estimasi interval adalah jenis estimasi yang menghasilkan rentang nilai sebagai perkiraan
untuk parameter populasi yang sedang diamati. Rentang ini memberikan batas atas dan
batas bawah yang mungkin berisi nilai sebenarnya dari parameter tersebut. Interval
kepercayaan adalah bentuk umum dari estimasi interval, di mana rentang nilai dibentuk
dengan tingkat kepercayaan tertentu.
Misalnya, kita dapat menghasilkan interval kepercayaan 95% untuk rata-rata populasi atau
proporsi populasi, yang berarti kita memiliki keyakinan 95% bahwa rentang tersebut berisi
nilai sebenarnya dari parameter tersebut.

Contoh kasus misalnya, direksi akan menetapkan sasaran tingkat penjualan tahun depan. Jika
dilakukan penaksiran titik, ditetapkan bahwa penjualan tahun depan sebesar Rp 100 milyar.
Dalam kenyataannya menaksir tingkat penjualan dengan suatu harga (titik) banyak
kemungkinan untuk meleset, bisa lebih kecil atau lebih besar dari taksiran kita. Oleh sebab
itu taksiran juga dapat dilakukan dengan menggunakan interval (misal antara Rp 75 – Rp 125
milyar) dengan suatu tingkat kepercayaan tertentu (confidence interval). Andaikan ditetapkan
tingkat kepercayaan 95 % berarti jika penaksiran dilakukan berulang kali, maka nilai
parameter (besarnya penjualan sebenarnya) akan berada dalam batas interval sebanyak 95 %
dari seluruh kasus. Dengan demikian, 5 % dari kasus akan berada di luar batas interval
(kemungkinan taksiran kita meleset sebesar 5 %).

Dalam membuat estimasi harga parameter populasi, seyogyanya variabel random harga
statistik sampel tidak bervariasi terlalu jauh dari harga parameter populasi yang konstan.
Misalnya, jika µ merupakan mean populasi dan X merupakan penduga bagi µ, maka dalam
menggunakan X sebagai penduga kita harus berharap variabel random X tidak akan
menyimpang terlalu jauh dari µ.

Dalam membuat estimasi harga parameter populasi, seyogyanya variabel random harga
statistik sampel tidak bervariasi terlalu jauh dari harga parameter populasi yang konstan.
Misalnya, jika µ merupakan mean populasi dan X̅ merupakan penduga bagi µ, maka dalam
menggunakan X̅ sebagai penduga kita harus berharap variabel random X̅ tidak akan
menyimpang terlalu jauh dari µ.

Sistem Produksi
Ir. Miftahu Babil Yasari, MT. Halaman | 4
Penduga yang baik memiliki beberapa sifat :
1. Tidak bias / Unbiased, jika : E (harga statistic) = harga parameter
2. Efisien, penduga mempunyai standard deviasi yang kecil sekali (terpusat)
3. Konsisten, penduga berkonsentrasi secara sempurna pada parameter jika besarnya sampel
bertambah secara tak terhingga

Gambar 1. Proses Estimasi

1. Pendugaan Dengan Point Estimation

A point estimate (estimasi titik) adalah bilangan tunggal yang digunakan sesuai parameter
populasi. Pada pendugaan titik, bila nilai parameter θ (tetha) dari populasi hanya diduga
dengan memakai satu nilai statistik θ̂ dari sampel yang diambil dari populasi tersebut.

Rumusan umum untuk pendugaan titik adalah sebagai berikut.

Rata-rata pendugaan titik X̅ = ∑ X . ............................................ (1)

n

Variansi pendugaan titik S = ∑ (x-x̄)2 ……………………………. (2)

n−1

Proporsi pendugaan titik p̂ = x/n ……………….................(3)

Sistem Produksi
Ir. Miftahu Babil Yasari, MT. Halaman | 5
 Contoh pemanfaatan pendugaan titik yaitu ketika seseorang ingin menduga berapa
sesungguhnya rata-rata tinggi badan orang Indonesia, untuk itu diambil sampel acak
sebanyak 1000 orang dan kita ukur tinggi badan masing-masing. Misal diperoleh rata-rata
tingginya X=164cm. Nilai rata-rata ini digunakan untuk menduga rata-rata tinggi badan
orang indonesia yang sesungguhnya. Oleh karena hanya memakai satu nilai saja X=164

2. Pendugaan Interval Estimation

Dalam prakteknya, pendugaan tunggal yang terdiri atas satu angka tidak memberikan
gambaran mengenai berapa jarak/ selisih nilai penduga tersebut terhadap nilai sebenarnya.
Hal ini didasarkan atas pertimbangan bahwa suatu nilai dugaan tidak mungkin dapat
dipercaya 100%.
Pendugaan interval menunjukkan pada interval berapa suatu parameter θ populasi akan
berada yang dibatasi oleh dua nilai, yang disebut nilai batas bawah dan nilai batas atas.
Pada pendugaan atau estimasi interval Bila nilai parameter θ̂ dari populasi diduga dengan
memakai beberapa nilai statistik θ̂ yang berbeda dalam suatu interval, misal θ̂ 1< θ < θ̂ 2,
maka statistik θ̂ disebut penduga interval.
Misal: rata–rata modal akan terletak dalam interval antara 95 juta – 105 juta. Kita
mengharapkan bahwa nilai rata – rata sebenarnya akan terletak di dalam interval tersebut.
Interval yang demikian disebut interval keyakinan atau selang keyakinan.
Untuk membuat pendugaan interval, harus ditentukan terlebih dahulu besarnya koefisien
keyakinan atau tingkat keyakinan, yang diberi simbol 1 - α. Besarnya nilai 1 - α, misalnya
adalah 90%, 95%, 99%, atau yang lainnya.
Perhatikan kurva normal berikut :
(luas kurva = 1 atau 100%)

α/2 α/2
1-α

-z α/2 z α/2

1 - α : koefisien keyakinan/ tingkat keyakinan

α : taraf signifikan atau besarnya kesalahan yang ditolerir dalam membuat keputusan

Sistem Produksi
Ir. Miftahu Babil Yasari, MT. Halaman | 6
 Misal: rata – rata modal terletak antara interval 95 juta – 105 juta (a = 95 juta, b = 105
juta) dan 1 - α = 0,90.
Artinya: Kita memutuskan bahwa interval 95 – 105 akan memuat µ dengan probabilitas
sebesar 0,90. Dan kesalahan yang ditolerir adalah sebesar 0,10. Kesalahan yang mungkin
terjadi adalah bahwa interval tersebut tidak memuat µ.

Nilai Confidence Interval

• Confidence Interval 99%, Z = ± 2.575
• Confidence Interval 95%, Z = ± 1.96
• Confidence Interval 90%, Z = ± 1.645
• Confidence Interval 80%, Z = ± 1.28

Rumus umum pendugaan interval dilakukan dengan mengambil sampel acak secara
berulang maka akan diperoleh distribusi nilai statistik θ sehingga probabilitas dari interval
θ̂ 1< θ <θ̂ 2 akan sama dengan nilai tertentu yang diinginkan, sesuai persamaan berikut.
P[ θ̂ 1 < θ < θ̂ 2] = 1−∝ ; dimana 0 <∝< 1 ……………..………..… (4)
▪ α disebut koefisien kepercayaan
▪ 1-α derajat kepercayaan
▪ P[ θ̂ 1 < θ < θ̂ 2] adalah interval kepercayaan

3. Pendugaan Interval Rata-rata Parameter Populasi dengan Sampel Besar (n ≥ 30)

Pada pendugaan populasi dengan sampel beesar terbagi atas empat jenis sampel yaitu
sampel rata-rata, beda sua rata-rata, proporsi dan beda dua proporsi. Pada jenis sampel
rata-rata, rumusan umum interval kepercayaan (1-α) untuk menduga rata-rata μ, bila σ
diketahui adalah sebagai berikut.

P .…….……….….… (5)

̅X̅ : rata-rata distribusi sampel rata2

Z∝/2 : nilai dari tabel distribusi normal kumulatif

σx̅ : simpangan baku distribusi sampel rata-rata

Α : koefisien kepercayaan

Sistem Produksi
Ir. Miftahu Babil Yasari, MT. Halaman | 7
 Simpangan baku untuk populasi terbatas 𝜎𝑥̅̅ sedangkan populasi tak terbatas

𝜎𝑥̅
adalah dengan menjadikan faktor koreksi sama dengan satu atau 𝜎𝑥̅̅ = dimana nilai σx̅
simpangan baku dari distribusi sampel rata-rata ; Bila σx̅ tidak diketahui, maka dapat
digunakan penduga dari σ yaitu S.

Suatu sampel acak berukuran n diambil dari polpulasi dengan variansi 𝜎2 yang diketahui
dan rata-rata x̄ yang dihitung sehingga menghasilkan selang kepercayaan (1 - α) 100 %
diberikan oleh :
σ σ
x̄ − zα/2 < μ < x̄ + zα/2 ………………………….. (6)
n n
Untuk sampel ukuran kecil yang berasal dari populasi yang tidak normal, derajat
kepercayaan tidak dapat diharapkan tinggi. Akan tetapi, bila ukuran sampel n ≥ 30, terlepas
dari bentuk kebanyakan populasi, teori sampel menjamin hasil yang baik.

Selang kepercayaan untuk μ ; α diketahui selang kepercayaan (1 - α) 100 % untuk μ ialah

dengan x̄ menyatakan rata-rata sampel ukuran n dari populasi dengan variansi 𝜎2 yang
diketahui dan zα/2 menyatakan nilai nilai distribusi normal baku sehingga daerah di sebelah
kanannnya mempunyai luas α/2.

Dalam menghitung selang kepercayaan (1 - α) 100 % untuk μ , dianggap bahwa α

diketahui. Karena pada umumnya keadaanya tak demikian, 𝜎 akan diganti dengan
simpangan baku sampel s, asal saja n ≥ 30.

4. Pendugaan Interval Rata-rata Parameter Populasi dengan Sampel Besar (n < 30)
Suatu sampel dikatakan sampel kecil jika jumlah sampelnya kurang dari tiga puluh (n <30).
Pada kondisi ini maka tabel yang digunakan untuk melihat nilai distribusinya adalah jenis
tabel distribusi student atau biasa disebut sebagai tabel distribusi t. Variabel random yang
digunakan juga bukan nilai Z melainkan variabel random t. Oleh karena itu rumusan umum
pada pendugaan dengan sampel kecil hanya berbeda pada nilai variabel random beserta

Sistem Produksi
Ir. Miftahu Babil Yasari, MT. Halaman | 8
 tabel distribusi yang digunakan. Pembahasan pertamauntuk samppe kecil dimulai dari
pendugaan parameter distribusi sampel rata-rata. Interval kepercayaan (1-α) untuk
menduga rata-rata μ dengan sampel kecil (n<30) yang diambil dari suatu populasi dimana
variansi σ2 tidak diketahui adalah sebagai berikut

P ………………………….. (7)

v = n − 1 dimana v aalah derajat kebebasan distribusi t

t = nilai t diperoleh dari table distribusi student (tabel distribusi t)

σ σ
x̄ − t < μ < x̄ + t ………………………….. (8)
n n

Nilai simpangan baku σ2 untuk populasi terbatas

Sedangkan untuk populasi tak terbatas adalah

STUDI KASUS 1
Seratus orang calon mahasiswa teknik mesin sebagai sampel acak, yang telah mengikuti
tes IQ, mempunyai rata – rata IQ sebesar 110 dan diketahui mempunyai simpangan baku
sebesar 20. Dengan menggunakan tingkat keyakinan sebesar 95 %, buatlah pendugaan
interval dari rata – rata IQ calon mahasiswa teknik mesin tersebut !

Penyelesaian :
σ σ
x̄ − zα/2 < μ < x̄ + zα/2
n n

110-1,96(20/√100) < μ < 110+1,96(20/√100)

110-3,92 < μ < 110 + 3,92
106,08 < μ < 113,92

Sistem Produksi
Ir. Miftahu Babil Yasari, MT. Halaman | 9
 STUDI KASUS 2
Lima orang mahasiswa teknik mesin dipilih secara acak untuk diukur tingginya.
X1 = 160 cm ; X2 = 160 cm ; X3 = 165 cm ; X4 = 175 cm ; X5 = 180. Buatlah pendugaan
interval tentang rata - rata tinggi mahasiswa dengan tingkat keyakinan 95 % !

Penyelesaian
X̅ = 168 S = 9,083

σ σ
x̄ − t < μ < x̄ + t
n n

168-1,96(9,083/√5) < μ < 168+1,96(9,083/√5)

160,038 < μ < 175,961

Daftar Pustaka

(1) Kreyzig, E, Advanced Engineering Mathematics, 10-th edition, John Wiley & Sons,
Singapore, 2011 WalpoRonald
(2) Johnson, James L, Probability and Statistics for computer science, wiley interscience,
English, 2011
(3) J. Ledolter, R. V. Hogg. Applied Statistics for Engineers and Physical Scientist,
Pearson Educational Inc, 2010.
(4) Walpole, Ronald E., Raymond H Myers.; “Ilmu Peluang Dan Statistika untuk Insinyur
dan Ilmuwan”, edisi ke-4, Penerbit ITB, Bandung, 1995.

Sistem Produksi
Ir. Miftahu Babil Yasari, MT. Halaman | 10