INSTITUT TRANSPORTASI DAN LOGISTIK TRISAKTI

TEORI PENDUGAAN (ESTIMASI)

Kuliah #4 Statistik II

Dr. Darmawan Apriyadi, S.T., M.T.

Pendahuluan :

¡ Tujuan utama kita mengambil sampel

dari suatu populasi adalah untuk
memperoleh informasi mengenai
parameter populasi.
¡ Oleh karena parameter populasi tidak
diketahui, maka dalam statistika
inferensia dipelajari bagaimana cara
mengetahui parameter tersebut.
¡ Ada dua cara untuk mengetahui
parameter populasi yang dipelajari
dalam statistika inferensia, yaitu :
l Cara pendugaan (penaksiran/estimasi)
l Pengujian hipotesis.
¡ Dua cara ini didasarkan pada besaran
yang dihitung dari sampel.
Suatu proses menduga parameter
populasi dengan menggunakan
statistik sampel

Suatu proses untuk memutuskan

apakah hasil dugaan tersebut
diterima atau tidak
θˆ

¡ Parameter populasi ditulis dengan huruf latin θ, di

mana θ bisa berupa:
l rata-rata populasi,
l simpangan baku populasi,
l proporsi populasi.
¡ Sedangkan statistik dari sampel ditulis θ (topi),
bisa berupa :
l rata-rata sampel,
l simpangan baku sampel,
l proporsi sampel.
¡ Dalam statistika inferensia, statistik θ (topi) inilah
yang dipakai untuk menduga parameter θ dari
populasi
Teori Pendugaan dikenal dua jenis
pendugaan (estimasi) yaitu :

¡ Pendugaan Titik (Estimasi Titik).

l Bila nilai parameter θ dari populasi hanya diduga
dengan memakai satu nilai statistik θ (topi) dari
sampel yang diambil dari populasi tersebut
¡ Pendugaan Interval (Estimasi Interval).
l Bila nilai parameter θ dari populasi diduga dengan
memakai beberapa nilai statistik θ (topi) yang
berada dalam suatu interval, misalnya θ1 (topi) <
θ < θ2 (topi)
Penduga yang baik

Ciri - ciri
Penduga titik dikatakan tidak bias (unbiased
estimator) jika di dalam sampel random
yang berasal dari populasi, rata-rata atau
nilai harapan (expected value) dari statistik
sampel sama dengan parameter populasi

E (X) = µ µ E (X )
Penduga yang efisien (efficient estimator)
adalah penduga yang tidak bias dan
mempunyai varian terkecil (sx2) dari
penduga lainnya.
sx12
Sx12 < sx22
sx22
 Penduga yang konsisten (consisten
estimator) adalah nilai dugaan ( X ) yang
semakin mendekati nilai yang sebenarnya µ
dengan semakin bertambahnya jumlah
sample (n).

n sangat
n tak besar
terhingga n besar

n kecil
Pendugaan Titik
X =
∑ X ¡ penduga titik untuk
n µ

S =
2 ∑ ( X − X ) 2

n −1 ¡ penduga titik untuk

σ2
X
p=
n ¡ penduga titik untuk
P
Estimasi Interval
Sampel Besar ( n ≥ 30 )
 Pendugaan parameter rata-rata µ :

¡ Interval kepercayaan (1 - α) untuk

menduga rata-rata µ, bila σ diketahui
adalah σ
: σ
X − Zα / 2 < µ < X + Zα / 2
n n
Bila σ tidak diketahui, maka dapat digunakan
penduga dari σ yaitu S
Pendugaan perameter proporsi P:

¡ Interval kepercayaan (1 - α)
untuk menduga proporsi P adalah
: pq pq
p − Zα / 2 < P < p + Zα / 2
n n
Dimana :

X ˆ x
P= dan P= p=
N n
 Pendugaan parameter beda dua rata-rata
(µ1 - µ2) :

¡ Interval kepercayaan (1 - α) untuk

menduga beda dua rata-rata µ1 - µ2 :

σ 12 σ 22 σ 12 σ 22
( X1 − X 2 ) − Zα / 2 + < µ1 − µ2 < ( X1 − X 2 ) + Zα / 2 +
n1 n2 n1 n2
 Pendugaan parameter beda dua proporsi
(P1 - P2):

¡ Interval kepercayaan (1 - α)
untuk menduga beda dua
proporsi ( P1 - P2 ) adalah :

p1q1 p2 q2 p1q1 p2 q2
( p1 − p2 ) − Zα / 2 + < P1 − P2 < ( p1 − p2 ) + Zα / 2 +
n1 n2 n1 n2
Sampel Kecil ( n < 30 )
Pendugaan parameter rata-rata µ :

¡ Interval kepercayaan (1 - α)
untuk menduga rata-rata µ.
dengan sampel kecil, bila σ tidak
diketahui adalah:
S S
X − tα / 2,υ < µ < X + tα / 2,υ
n n
 Pendugaan parameter beda dua rata-rata
(µ1 - µ2) :

¡ Misalkan diketahui dua populasi

masing-masing mempunyai rata-rata
µ1 dan µ2 , dan distribusinya mendekati
normal.
¡ Misalkan variansi dua populasi itu
sama yaitu σ12 = σ22 = σ2 tetapi tidak
diketahui berapa besarnya.

1 1 1 1
( X 1 − X 2 ) − tα / 2,υ S p + < µ1 − µ 2 < ( X 1 − X 2 ) + tα / 2,υ S p +
n1 n2 n1 n2
di mana : derajat kebebasan υ = n1 + n2 - 2

Simpangan baku gabungan adalah

2 2
(n1 − 1) S1 + (n2 − 1) S 2
Sp =
n1 + n2 − 2
 ¡ bila variansi dua populasi itu tidak sama
besarnya yaitu σ12 ≠ σ22 dan kedua variansi
tidak diketahui nilainya, maka interval
kepercayaan (1-α) untuk beda dua rata-
rata (µ1 - µ2) dari dua populsai tersebut
adalah :
2 2 2 2
S1 S2 S1 S2
( X 1 − X 2 ) − tα / 2,υ + < µ1 − µ 2 < ( X 1 − X 2 ) + tα / 2,υ +
n1 n2 n1 n2
2
⎛ S12
S2
2
⎞
⎜ + ⎟
⎜ n n2 ⎟
⎝ 1 ⎠
di mana derajat kebebasan υ = ⎧ 2
⎞ ⎫
2 2
⎛ S1 ⎞ ⎛ S2 2
⎪⎜ ⎜ n
⎟⎟ ⎜⎜
n
⎟⎟ ⎪
⎪⎝ 1⎠ ⎝ 2 ⎠ ⎪
⎨ + ⎬
⎪ n1 − 1 n2 − 1 ⎪
⎪ ⎪
⎩ ⎭
Pendugaan parameter beda dua rata-rata (µ1 - µ2)
jika kedua sampel tidak bebas :

¡ Misalnya bila pengamatan dalam kedua

sampel diambil secara berpasangan
sehingga kedua sampel saling terkait, maka
interval kepercayaan (1-α) untuk beda dua
rata-rata (µ1 - µ2 = µd) dari dua populasi
tersebut adalah :

Sd Sd
d − tα / 2,v < µ d < d + tα / 2,v
n n
Dimana derajat kebebasan υ = n - 1
Pendugaan Interval
¡ Menunjukkan pada interval berapa suatu
parameter populasi akan berada.
¡ Pertimbangan bahwa suatu nilai dugaan
tidak mungkin dapat dipercaya 100%.
¡ Interval keyakinan (confidence interval)
yang dibatasi oleh 2 (dua) nilai yang
disebut batas atas dan batas bawah (suatu
parameter akan berada pada kisaran
interval tersebut)
 Bentuk Umum
Interval Keyakinan

(S – Zsx < P < S + Zsx) = C

- Nilai C berada pada kisaran 0 sampai 1
- Semakin mendekati 1 semakin baik interval keyakinannya

Dimana :
S : Statistik penduga parameter populasi (P)
P : Parameter Populasi yang tidak diketahui
Sx : Standar deviasi distribusi sampel statistik
Z : Probabilitas yang berhubungan dengan
pendugaan interval
C : Probabilitas keyakinan (ditentukan terlebih
dahulu)
S – Zsx : Nilai batas bawah keyakinan
S + Zsx : Nilai batas atas keyakinan
 X

X X X

X X 95 X X
%
X X X X X X X

99
X X X X X X X X X X X X
%
Z = -2,58 Z = -1,96 Z = 1,96 Z = 2,58

• Untuk interval keyakinan 95%, terhubung dengan nilai Z antara -1,96

sampai 1,96 X
(bahwa 95% dari rata-rata hitung sampel ( ) akan terletak di dalam
± 1,96 kali standar deviasinya)
• Untuk interval keyakinan 99%, maka rata-rata hitungnya akan terletak
di dalam ± 2,58 kali standar deviasinya.

C = 0,95 adalah µ ± 1,96 dan untuk C = 0,99 adalah µ

± 2,58
 0,5 0,5
0 0

0,4750 0,4750
(0,9/2) (0,9/2)
0,025 0,025
(0,50/2) (0,50/2)

Menentukan Z (menggunakan kurva normal)

- Luas kurva normal = 1
- Kurva normal simetris (sisi kanan = sisi kiri
= 0,5)
Contoh

Buatlah rumus umum untuk interval

keyakinan sebesar 80% dan 90%, apabila BPS
merencanakan akan melakukan survei tingkat
kecelakaan lalu lintas di Indonesia

C= 0,8
(S – 1,28.sx < P < S + 1,28.sx)

C= 0,9
(S – 1,64.sx < P < S + 1.64sx)
Nilai Z dari Luas di bawah kurva
normal baku
Kesalahan Standar dari Rata-rata Hitung
Sampel (Standard Error of Sample Mean)
 Kesalahan Standar dari Rata-rata Hitung Sampel (Standard
Error of Sample Mean)

Kesalahan standar dari rata-rata hitung sampel adalah

standar deviasi distribusi sampel dari rata-rata hitung
sampel.
Dihitung dengan rumus berikut :
Populasi yang tidak terbatas Populasi yang terbatas
n/N < 0,05 n/N > 0,05

sx =
σ σ N −n
sx =
n n N −1

σ : Standar deviasi populasi

sx : Standar error/kesalahan standar dari rata-rata hitung sampel
n : Jumlah atau ukuran sampel
N : Jumlah atau ukuran populasi
 Kesalahan Standar dari Rata-rata Hitung Sampel (Standard
Error of Sample Mean)

Contoh
Standar deviasi dari harga saham
kelompok real estate pada bulan agustus
2013 adalah 232. Apabila diambil sampel
sebanyak 33 perusahaan dari anggota real
estate, berapa standar errornya ?
 Kesalahan Standar dari Rata-rata Hitung Sampel (Standard
Error of Sample Mean)

Jawab
• Jumlah sampel 33 dan tidak ada jumlah N untuk populasi,
sehingga termasuk populasi tidak terbatas

σ 232
sx = = = 40,38
n 33
Jika diketahui bahwa seluruh anggota real estate Indonesia
sebanyak 508

Jawab
• Nilai n/N = 33/508 = 0,065 atau lebih besar dibandingkan
0,05, maka termasuk dalam populasi terbatas

σ N −n 232 508 − 33
sx = = = 40,38 x 0,968 = 39,09
n N −1 33 508 − 1
 Menyusun Interval Keyakinan
Rumus interval keyakinan rata-rata hitung X ± Z α/2s/√n
Untuk populasi yang terbatas, faktor koreksi menjadi √ (N–n)/N-1.
Nilai X merupakan rata-rata dari sampel, sedangkan nilai Z untuk beberapa
nilai C

Nilai Z untuk beberapa C :

Tingkat C/2 Nilai Nilai Z

Keyakina Terdekat
n
0,99 0,495 0,4951 2,58
0,98 0,490 0,4901 2,53
0,95 0,475 0,4750 1,96
0,90 0,450 0,4505 1,65
0,85 0,425 0,4251 1,44
0,80 0,400 0,3997 1,28
 Interval Keyakinan Untuk Rata-rata

Populasi Tidak
Terbatas
X ± Zα/2 s/√n

Menentukan Menentukan Keyakinan

Identifik
- Sampel (n) C atau α = (1 – C) dan
asi
- nilai rata- Nilai Z
masalah X
rata

Populasi Terbatas
X ± Zα/2 s/√(N - n)/N-1
Distribusi & Standar Deviasi Populasi
Distribusi Sampling : Normal
Standar Deviasi Populasi : Diketahui

Probabilitas ( X – Zα/2 σx < µ < ( X ± Zα/2 s/√(N – n)/N – 1n sx ) = C

atau

Probabilitas ( X ± Zα/2 sx ) = C

X : Rata-rata dari sampel

Zα/2 : Nilai Z dari tingkat kepercayaan α
µ : Rata-rata populasi yang diduga
σx : Standar error / kesalahan standar dari rata-rata
hitung sampel
C : Tingkat keyakinan
α : (1 – C)
 Distribusi & Standar Deviasi
Populasi
Distribusi Sampling : Normal
Standar Deviasi Populasi : Tidak Diketahui

Standar error untuk populasi Standar error untuk populasi yang

tidak terbatas terbatas dan n/N > 0,05:

Distribusi normal standar

Distribusi t dengan n=25
Distribusi t dengan n=15
Distribusi t dengan n=5

38
Distribusi & Standar Deviasi Populasi
Distribusi Sampling : Mendekati Normal
Standar Deviasi Populasi : Tidak Diketahui

( X – tα/2 sx< µ < ( X + tα/2 sx )

X : Rata-rata dari sampel

tα/2 : Nilai t dari tingkat kepercayaan α

µ : Rata-rata populasi yang diduga

sx : Standar error/kesalahan standar dari rata-rata

hitung sampel

C : Tingkat keyakinan

α :1–C
 Distribusi & Standar Deviasi
Populasi
Untuk populasi yang tidak terbatas

Untuk populasi yang terbatas

Rumus pendugaan proporsi populasi

Probabilitas (p - Zα/2.Sp<P< p + Zα/2.Sp)

p : Proporsi sampel

Zα/2: Nilai Z dari tingkat keyakinan α

P :Proporsi populasi yang diduga

Sp : Standar error/kesalahan dari proporsi

C :Tingkat keyakinan

α :1 – C
 Interval keyakinan untuk selisih Rata-rata

Probabilitas
(( X1 - X2) - Zα/2. σx1-x2) < ( X-1 ) <X2( - X2. σx1-x2 )
) X+1 Zα/2

Di mana standar error dari nilai selisih rata-rata adalah:

Apabila standar deviasi dari populasi tidak ada, maka dapat diduga dengan standar deviasi
sampel yaitu:
Di mana:

σx1-x2 : Standar deviasi selisih rata-rata populasi

sx1-x2 : Standar error selisih rata-rata
sx1, sx1: Standar deviasi sampel dari dua populasi
n1, n2: Jumlah sampel setiap populasi
 Interval keyakinan untuk selisih Proporsi
Probabilitas

Probabilitas ((p1-p2) - Zα/2. sp1-p2) <(P1-P2) < (p1-p2) + Zα/2. sp1-p2)

Di mana standar error dari nilai selisih proporsi adalah:

p1, p2 : Proporsi sampel dari dua populasi

Sp1, sp1: Standar error selisih proporsi dari dua populasi
n1, n2 : Jumlah sampel setiap populasi
 FAKTOR UKURAN SAMPEL
Faktor yang memengaruhi jumlah
sampel:

Tingkat keyakinan yang dipilih

Kesalahan maksimum yang diperbolehkan

Variasi dari populasi

 Rumus Jumlah Sampel
untuk Menduga Rata-rata Populasi
Rumus jumlah sampel dalam populasi dirumuskan sebagai
berikut:
n = [(Za/2.s)/e]2

Rumus tersebut diturunkan dari interval keyakinan

sebagaimana diuraikan sebagai berikut:

P (–Za/2 < Z < Za/2 ) = C = 1 – a

(–Za/2 < ( – m)/(s/Ön) < Za/2)
(–Za/2 (s/Ön) < ( – m) < Za/2(s/Ön))
(x – m) < Za/2(s/Ön); ingat bahwa error e = –m
e < Za/2(s/Ön);
e2 = (Za/2)2(s2/n);
n = [(Za/2.s)/e]2
Rumus Jumlah Sampel
untuk Menduga Rata-rata Populasi
Untuk mendapatkan rumus jumlah sampel dalam
pendugaan proporsi populasi dapat diturunkan
sebagai berikut:

P (–Zα/2 < Z < Zα/2 ) = C = 1 – α

(–Zα/2 < (p1 – p2)/(σ/√n) <Zα/2)
(–Zα/2(√[(p(1 – p)]/n – 1) < (p1 – p2) < Zα/2(√[p(1– p)]/n–1)
(p1 – p2) < Zα/2(√[(p(1 – p)]/n – 1); ingat bahwa error ε = p1 – p2
ε < Zα/2(√[(p(1 – p)]/n – 1); dikuadratkan kedua sisi menjadi
ε2 = (Zα/2)2[(p(1 – p)]/n – 1; dipindahkan n – 1 ke sisi kiri
n –1 = (Zα/2.)2 p(1 – p) sehingga n menjadi
ε2
n = (Zα/2.)2 p(1 – p) + 1
ε2
 TUGAS 2
1. Berat badan rata-rata mahasiswa pria Institut ABC
adalah 81,6 kg. Anda akan menguji seberapa akurat
Anda bisa memprediksi berat badan mahasiswa pria
di Institut ABC dalam interval kepercayaan tertentu.
Sample diambil 1000 diketahui Xbar 180 dan
standar deviasi 30.
2. Reksadana mempunyai hasil lebih dari bunga bank
survei terhadap 9 perusahaan dari 59 perusahaan
mampu memberikan hasil investasi 13,7 % dengan
standar deviasi 1,83% dengan tingkat kepercayaan
95% buat interval keyakinan rata-rata hasil investasi
reksa dana tersebut.