DISUSUN OLEH:
KELOMPOK 3
1. MARSYA(2303111935)
2. MUHAMMAD ZIDAN(2303119766)
3. NUR ARWANISA(2303111971)
4. IHZA MAHENDWIANI(2303112350)
UNIVERSITAS RIAU
T.A 2023/2024
Daftar isi
Daftar isi………………………………………………………………………………………1
Kata pengantar………………………………………………………………………………..2
BAB l…………………………………………………………………………………………..3
Pendahuluan………………………………………………………………………………….3
BAB ll……………………………………………………………………………………….….5
Pembahasan…………………………………………………………………………………..5
BAB 3………………………………………………………………………………………....14
Penutup……………………………………………………………………………………....14
3.1 Kesimpulan…………………………………………………………………………....…14
3.2 Saran……………………………………………………………………………………..14
Daftar Pustaka……………………………………………………………………………….15
1
KATA PENGANTAR
Segala puji bagi Allah SWT karena berkat-Nya lah kami sekelompok dapat
menyelesaikan makalah ini tepat pada waktunya. Kami hanya bisa berusaha dalam menyusun
makalah ini dan Allah lah yang mempermudah urusan kami ini. Sholawat serta salampun
dihaturkan kepada junjungan kita Nabi Muhammad SAW dan keluarga serta para sahabat,
karena perjuangan mereka dalam mendakwahkan Islam mampu membuat kita mengenal
Islam, mengenal Allah SWT, Tuhan seluruh alam. Ucapan terima kasih juga kami berikan
kepada orang tua dan dosen pengampu mata kuliah Metode Statistika yaitu ibu Noor Ell
Pembahasan pada makalah ini mengenai Penaksiran Proporsi dan Simpangan Baku.
Semoga makalah ini dapat dipahami bagi siapapun yang mempelajarinya. Kami juga
sebab itu, kami berharap adanya kritik dan saran demi perbaikan makalah di masa yang akan
datang, mengingat tidak ada sesuatu yang sempurna tanpa kritik dan saran yang
membangun.
Penyusun
2
BAB l
Pendahuluan
1. Tidak bias (Unbiasedness), Artinya statistik sampel yang digunakan sebagai penduga harus
sama atau mendekati parameter populasi penduga
2. Efisiensi (Efficiency), Artinya statistik sampel memiliki deviasi standar yang kecil
3. Konsistensi (Consistency), Artinya jika ukuran sampel meningkat maka statistik sampel
akan semakin mendekati parameter populasinya.
3
1.1 LATAR BELAKANG
4
BAB II
PEMBAHASAN
Penaksiran adalah proses yang menggunakan sampel statistik untuk menduga atau
menaksir parameter populasi yang tidak diketahui. Penaksiran merupakan suatu pernyataan
mengenai parameter populasi yang diketahui berdasarkan informasi dari sampel. Dalam hal
ini sampel random, yang diambil dari populasi bersangkutan. Jadi dengan penaksiran itu,
keadaan parameter populasi dapat diketahui. Penaksir adalah suatu statistik (harga sampel)
yang digunakan untuk menggunakan untuk menaksir suatu parameter. Dengan penaksir,
dapat diketahui seberapa jauh suatu parameter populasi yang tidak diketehui disekitar sampel
(statistik sampel).
Teori penaksiran adalah cabang statistika yang berfokus pada penggunaan data yang
tersedia untuk menghasilkan perkiraan atau estimasi tentang populasi atau parameter yang
tidak dapat diamati secara langsung. Estimasi ini penting dalam kehidupan sehari-hari dan
berbagai bidang, seperti ekonomi, ilmu sosial, kesehatan, dan bisnis.
Secara umum, parameter diberi lambang ϑ (dibaca: theta) dan penaksir diberi
lambang ^ϑ (dibaca: theta topi). Selain penaksiran parameter, dikenal juga penaksir statistik,
yaitu nilai-nilai atau angka-angka yang diperoleh dari penaksir parameter (Hasan, 2002).
Banyak ciri atau syarat untuk menentukan apakah sebuah penaksir tergolong baik atau
tidak. Suatu penaksir dikatakan baik apabila memiliki ciri-ciri berikut:
5
ini disebut 7 Penaksir yang memiliki sifat seperti ini disebut dengan tak bias
(unbiased).
Sebuah statistik ^ϑ dikatakan penaksir tak bias dari parameter Θ jika:
µθ = E (θ) = θ
Contoh 1. Nilai rataan x̄ dari sampel berukuran n yang diambil secara acak dari
populasi dengan rataan µ merupakan penaksir tak bias karena E (x̄) = µ. Dalam
hal ini, statistik x̄ = ^ϑ dan parameter Θ = µ
Contoh 2. Tunjukkan bahwa S² adalah penaksir tak bias dari σ²!
Jawaban:
Kita tuliskan
6
𝑛 𝑛
∑ (𝑋-𝑋) = ∑ [(𝑋 − μ) − (𝑋 − μ)]²
𝑖=1 𝑖=1
𝑛
= ∑ (𝑋 − μ)²
𝑖=1
𝑛 𝑛
-2 (𝑋 − μ) ∑ (𝑋 − μ) + (𝑋 − μ)² = ∑ (𝑋 − μ)² − 𝑛(𝑋 − μ)²
𝑖=1 𝑖=1
Sekarang tentukan
𝑛
⎡ ∑ (𝑋 −𝑋) ⎤ 𝑛
⎢ ⎥ 1 ⎡ 2 ⎤
E(S²) = E ⎢ 𝑖=1𝑛−1 ⎥= ⎢ ∑ 𝐸 (𝑋 − μ) − 𝑛𝐸(𝑋 − μ)²⎥
⎢ ⎥
𝑛−1 ⎢𝑖=1 ⎥
⎣ ⎦
⎣ ⎦
( )
𝑛
1 2
= 𝑛−1 ∑ σ 𝑥 − 𝑛σ²𝑠
𝑖=1
Tetapi,
2 2 σ²
σ 𝑥 = σ² untuk i pada x = 1.2, …, n dan σ 𝑥 = 𝑛
Sehingga
E (S²) =
1
𝑛−1 (𝑛σ² − 𝑛 ) = σ²
σ²
𝑛
b. Efisien
Suatu penaksir (^ϑ) dikatakan efisien bagi parameternya (ϑ) apabila penkasir
tersebut memiliki varians yang kecil. Apabila terdapat lebih dari satu
penaksir, penaksir yang efisien adalah penaksir yang memiliki varians terkecil.
Dua buah penduga dapat dibandingkan efisiensinya dengan mengunakan efisiensi
efektif (relative effieciency)
c. Konsisten
Suatu penaksir (^ϑ) dikatakan konsisten bagi parameternya (ϑ) apabila
memenuhi syarat berikut:
a.Jika ukuran sampel semakin bertambah maka penaksir akan mendekati
parameternya. Jika besarnya sampel menjadi tak terhingga maka penaksir
konsisten harus dapat memberi suatu penaksiran titik yang sempurna terhadap
parameternya. Jadi, ϑ merupakan penaksir yang konsisten. Jika dan hanya jika:
b. Jika ukuran sampel bertambah tak terhingga maka distribusi sampling penaksir
akan mengecil menjadi suatu garis tegak lurus di atas parameter yang sebenarnya
dengan probabilitas sama dengan 1.
7
Catatan: suatu penaksir konsisten belum tentu merupakan penaksir yang baik,
karena konsisten hanya merupakan salah satu syarat.
d. Kecukupan
Artinya suatu taksiran dikatakan memiliki kecukupan jika taksiran tersebut
dapat memberikan informasi yang cukup mengenai sifat populasinya.
Penaksiran titik, sebuah penaksiran titik dari parameter populasi adalah sebuah nilai
tunggal dari statistik. Sebagai contoh, rata-rata (mean) sampel (x) adalah sebuah penaksiran
titik dari nilai rata-rata (mean) pupulasi M. Begitu juga dengan proporsi sample (p) adalah
nilai estimasi titik untuk proporsi populasi P.
Taksiran titik untuk rata-rata populasi (µ) dan proporsi populasi (π) menggunakan
rata-rata sample ( 𝑋 ) dan proporsi sample (p) yang dapat dihitung dengan menggunakan
rumus:
∑𝑋
𝑋 = 𝑛
(1)
𝑋
p= 𝑛
(2)
Contoh:
Seorang peneliti ingin mengetahui rata-rata TOEFL mahasiswa Prodi Manajemen Fakultas
Ekonomi UMY yang akan menempuh pendadaran periode bulan Januari. Dengan
menggunakan sample sebanyak 10 orang dan data TOEFL masing-masing mahasiswa
sebagai berikut:
8
NO Mahasiswa TOEFL
1 Ihza 375
2 Han 425
3 Dwiani 425
4 Bangchan 500
5 Seungmin 475
6 Hyunjin 385
7 Changbin 400
8 Jeongin 400
9 Minho 350
10 Felix 385
Diketahui ΣX = 4120
n = 10
maka,
∑𝑋
4120
𝑋 = 𝑛
= 10
= 412
Jadi dapat disimpulkan rata-rata TOEFL mahasiswa Prodi Manajemen FE UMY yang akan
mengambil pendadaran periode bulan Januari 2007 adalah 412.
Penaksiran interval (Interval Estimation) merupakan interval nilai (range) yang nilai
parameter populasi berada di dalamnya. Tujuan membuat penaksiran interval adalah
mengurangi kesalahan penaksiran. Penaksiran interval memiliki batas-batas tertentu sehingga
penaksiran akan berada di antaranya. Batas-batas tersebut adalah batas bawah taksiran (lower
limit estimate) yang merupakan nilai taksiran parameter populasi terendah dan batas atas
taksiran (upper limit estimate) merupakan nilai taksiran parameter populasi tertinggi.
Batas-batas dalam penaksiran dengan interval harus ditunjang dengan adanya derajat
keyakinan/kepastian yang biasanya dinyatakan dengan prosentase. Derajat keyakinan tersebut
disebut dengan Confidence Coefficient, besarnya derajat keyakinan sama dengan 1 - α (α =
9
tingkat kesalahan duga), misalnya: derajat keyakinan 90% maka α= 10%; derajat keyakinan
95% maka α= 5%. Sedangkan batas-batasnya dinamakan Confidence Interval.
Apabila sample kecil maka digunakan tabel Distribusi Student “t” dengan degree of
freedom (df) atau derajat kebebasan = n-1.
t½(α).n-1 (uji dua sisi) atau atau tα. n-1 (uji satu sisi) dimana:
Contoh: Apabila jumlah sample 15 dengan α=5% (0,05), uji dua sisi maka:
Apabila sample besar maka digunakan Tabel Distribusi Normal Standart. Tidak
menggunakan degree of freedom (df)
10
Z½α (uji dua sisi) atau Zα (uji satu sisi)
Keterangan:
Contoh:
Apabila jumlah sample 35 dengan α=5% (0,05), uji dua sisi maka:
Z½α = Z½0, 05
Keterangan:
µ adalah rata-rata parameter yang ditaksir
𝑋 adalah rata-rata satistik
𝑡½α. 𝑛 − 1 adalah batas keyakinan yang digunakan
n adalah jumlah sampel yang digunakan
SD adalah standar deviasu statistik
11
b. Sampel besar (n ≥ 30), Pada penaksiran rata-rata dengan sampel besar akan digunakan tabel
Z (tabel kurva normal standar) dengan rumus:
𝑆𝐷
μ = 𝑋 ± 𝑍½α
𝑛
Keterangan:
Keterangan:
µ adalah rata-rata parameter yang ditaksir
𝑋 adalah rata-rata satistik
𝑡½α. 𝑛 − 1 adalah batas keyakinan yang digunakan
n adalah jumlah sampel yang digunakan
N adalah jumlah populasi yang digunakan
SD adalah standar deviasi statistik
Contoh: Suatu perusahaan alat elektronik ingin meneliti waktu yang diperlukan
karyawannya dalam memasang komponen X. Untuk itu diambil sampel 10
karyawan dan diperoleh data waktu rata-rata 55 menit dengan varian 100 menit.
Bila jumlah karyawan seluruhnya adalah 100 orang, hitunglah berapa rata-rata
waktu pemasangan untuk seluruh karyawan tersebut, gunakan α = 5%.
Keterangan:
µ adalah rata-rata parameter yang ditaksir
12
𝑋 adalah rata-rata satistik
𝑍½α adalah batas keyakinan yang digunakan
n adalah jumlah sampel yang digunakan
N adalah jumlah populasi yang digunakan
SD adalah standar deviasi statistik
4.2.2 Penaksiran Proporsi
Penaksiran proporsi akan digunakan apabila data yang ada bersifat diskrit. Penaksiran
proporsi ini sebaiknya digunakan untuk sampel besar. Terdapat dua rumus:
a. Penaksiran proporsi dengan populasi yang tidak diketahui:
P = p ± Z½α 𝑝.𝑞
𝑛
Keterangan:
P = proporsi dari parameter
p = proporsi statistik, yang besarnya dapat diduga dengan p = x/n
X = nilai dari sample
n = jumlah sampel yang digunakan
Add Headings (Format > Paragraph styles) and they will appear in your table of contents.
P = p ± Z½α 𝑝.𝑞
𝑛
𝑁−𝑛
𝑁−1
Keterangan:
P = proporsi dari parameter
p = proporsi statistik, yang besarnya dapat diduga dengan p = x/n
X = nilai dari sample
n = jumlah sampel yang digunakan
N = jumlah seluruh populasi
q=1–p
Z½α = batas interval keyakinan
13
BAB III
PENUTUP
3.1 Kesimpulan
membuat taksiran (pendugaan) sangat diperlukan konsep probabilitas karena sangat berguna
dalam pembuatan keputusan pada kondisi ketidakpastian. Ada jenis penaksiran yaitu
titik mengandung pengertian bahwa suatu parameter (misal ) akan ditaksir hanya dengan
menggunakan satu bilangan saja (misalnya dengan ). Penaksiran titik sering mengalami
kekeliruan, sehingga probabilitas suatu penaksiran titik tersebut tepat adalah sangat kecil atau
interval nilai (range) yang nilai parameter populasi berada di dalamnya. Tujuan membuat
penaksiran interval adalah mengurangi kesalahan penaksiran dan ada dua batas yaitu batas
bawah taksiran (lower limit estimate) dan batas atas taksiran (upper limit estimate).
Batas-batas dalam penaksiran dengan interval harus ditunjang dengan adanya derajat
antara populasi terbatas dan populasi tidak terbatas dan sample juga digolongkan antara
sample kecil dan sample besar.Penaksiran proporsi akan digunakan apabila data yang ada
bersifat diskrit. Penaksiran proporsi ini sebaiknya digunakan untuk sample besar yang terdiri
3.2 Saran
Untuk mendapatkan penaksir yang baik, maka sebaiknya perlu mengetahui beberapa
kriteria yang ada, yaitu tidak bias, konsisten dan variansinya kecil atau efisiensi. Selain itu,
hendaknya dilakukan lebih teliti dalam proses mengumpulkan data, menganalisis data dan
menyusun laporan.
14
Daftar Pustaka
Aulia, Randy. 2013. Penaksiran Titik dan Selang (Interval) – Globalstatistik Academic.
https://www.globalstatistik.com/penaksiran-titik-dan-interval/
Munir, Rinaldi. 2010. Teori Penaksiran – Informatika. Diakses pada 29 Oktober 2023 dari
https://informatika.stei.itb.ac.id/~rinaldi.munir/Probstat/2010-2011/Teori%20Penaksiran.pdf
15