ESTIMASI PARAMETER

DISUSUN OLEH:
KELOMPOK 3

1. MARSYA(2303111935)

2. MUHAMMAD ZIDAN(2303119766)

3. NUR ARWANISA(2303111971)

4. IHZA MAHENDWIANI(2303112350)

5. NUR SHAHARA RAMADHANI(2303112528)

PROGRAM STUDI STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS RIAU

T.A 2023/2024
 Daftar isi

Daftar isi………………………………………………………………………………………1

Kata pengantar………………………………………………………………………………..2

BAB l…………………………………………………………………………………………..3

Pendahuluan………………………………………………………………………………….3

1.1 Latar Belakang……………………………………………………………………….……4

1.2 Rumusan Masalah…………………………………………………………………….…..4

1.3 Tujuan Pembahasan………………………………………………………………………4

BAB ll……………………………………………………………………………………….….5

Pembahasan…………………………………………………………………………………..5

2.1 Teori Penaksiran…………………………………………………………………………..5

2.2 Ciri-ciri Penaksir yang Baik…………………………………………………………….….5

2.3 Penaksiran Titik…………………………………………………………………………...8

2.4 Penaksiran Interval……………………………………………………………………….9

2.4.1 Penaksiran Rata-rata…………………………………………………………………..11

2.4.2 Penaksiran Proporsi………………………………………………………………...….13

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

Goldameir atas bimbingannya selama ini.

Pembahasan pada makalah ini mengenai Penaksiran Proporsi dan Simpangan Baku.

Semoga makalah ini dapat dipahami bagi siapapun yang mempelajarinya. Kami juga

menyadari sepenuhnya bahwa di dalam makalah ini terdapat kekurangan-kekurangan. Oleh

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.

Pekanbaru, Oktober 2023

Penyusun

2
 BAB l

Pendahuluan

Dalam membuat taksiran (pendugaan) sangat diperlukan konsep probabilitas karena

sangat berguna dalam pembuatan keputusan pada kondisi ketidakpastian. Setiap orang selalu
pernah membuat suatu dugaan, contoh hari ini cuaca mendung, maka dugaan kita bahwa hari
ini akan hujan. Seorang Manajer juga harus melakukan dugaan-dugaan. Seringkali mereka
dituntut untuk membuat dugaan yang rasional dalam kondisi yang penuh ketidakpastian tanpa
informasi yang lengkap. Agar dugaan yang dilakukan dapat menghasilkan suatu dugaan yang
baik, maka mereka harus menguasai konsep pendugaan secara statistik, contoh: manajemen
memutuskan untuk memproduksi barang pada tingkat tertentu berdasarkan kemungkinan
permintaan yang akan terjadi terhadap barang tersebut. Pertimbangan yang dilakukan dapat
berdasarkan pengalaman yang lalu (data histories), kondisi alam (musim hujan, musim
kemarau), pesaing, dan lain sebagainya. Dalam analisis statistik, penarikan kesimpulan
merupakan bagian yang sangat penting. Kesimpulan yang diambil mengenai sekelompok
sampel akan 127 digeneralisasikan terhadap populasinya. Generalisasi kesimpulan tersebut
mengandung risiko bahwa akan terdapat kekeliruan atau ketidaktepatan. Kriteria taksiran
(pendugaan) yang baik, yaitu:

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.

4. Kecukupan (Sufficiency), Artinya suatu taksiran dikatakan memiliki kecukupan jika

taksiran tersebut dapat memberikan informasi yang cukup mengenai sifat populasinya. Ada
dua jenis taksiran (pendugaan) yang dilakukan terhadap populasi, yaitu:

1. Pendugaan titik (Point Estimation)

2. Pendugaan interval (Interval Estimation).

3
1.1 LATAR BELAKANG

Statistika adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan

bahan-bahan atau keterangan, pengolahan serta penganalisisan, penarikan kesimpulan serta
pembuatan keputusan yang beralasan berdasarkan penganalisisan yang dilakukan. Bagian
statistika yang berhubungan dengan pembuatan kesimpulan mengenai populasi dinamakan
statistika induktif, sedang bagian yang lainnya dinamakan statistika deskriptif.

Karena adanya berbagai alasan seperti banyaknya individu dalam populasi

pengamatan, maka penelitian keseluruhan terhadap populasi tersebut tidaklah ekonomis, baik
tenaga, waktu, maupun biaya, maka penelitian hanya menggunakan sampel saja. Harga-harga
parameter hanya diestimasikan/ diduga berdasarkan harga-harga statistik sampelnya.
Pendugaan dalam kehidupan sehari-hari tidak dapat dihindari. Permasalahannya adalah
bagaimana pendugaan tersebut mendekati kebenaran. Oleh karena itu, statistika induktif
mengembangkan teori pendugaan (estimasi/ penaksiran). Maka Teori pendugaan (estimasi/
penaksiran) adalah suatu proses dengan menggunakan statistik sampel untuk menduga
parameter populasi.

1.2 Rumusan Masalah

1.Apa yang dimaksud dengan penaksiran?

2.Apa yang dimaksud dengan penaksiran proporsi?

3.Apa yang dimaksud dengan penaksiran simpangan baku?

1.3 Tujuan Pembahasan

1.Untuk mengetahui pengertian penaksiran

2.Untuk mengetahui penaksiran proporsi

3.Untuk mengetahui penaksiran simpangan baku

4
 BAB II

PEMBAHASAN

2.1 Teori Penaksiran

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).

Dalam membuat taksiran (pendugaan) sangat diperlukan konsep probabilitas karena

sangat berguna dalam pembuatan keputusan pada kondisi ketidakpastian, Ada jenis
penaksiran yaitu penaksiran titik (Point Estimation) dan penaksiran interval (Interval
Estimation).

2.2 Ciri-ciri Penaksir Yang Baik

Banyak ciri atau syarat untuk menentukan apakah sebuah penaksir tergolong baik atau
tidak. Suatu penaksir dikatakan baik apabila memiliki ciri-ciri berikut:

a. Tidak Bias (Unbiased)

Misalkan ϑ adalah penaksir dengan nilai taksiran ^ϑ dari parameter populasi
yang tidak diketahui μ. Kita menginginkan distribusi sampling Θ mempunyai
rataan sama dengan parameter yang ditaksir. Penaksir yang memiliki sifat seperti

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.

2.3 Penaksiran Titik

Penaksiran titik (Point Estimation) mengandung pengertian bahwa suatu parameter

(misal µ) akan ditaksir hanya dengan menggunakan satu bilangan saja (misalnya dengan 𝑋).
Penaksiran titik sering mengalami kekeliruan, sehingga probabilitas suatu penaksiran titik
tersebut tepat adalah sangat kecil atau mendekati nol. Sehingga penaksiran titik jarang
digunakan.

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

Berdasarkan data tersebut, maka rata-rata TOEFLnya adalah:

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.

2.4 Penaksiran Interval

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.

Penaksiran interval dibedakan menjadi 2 yaitu:

1. Penaksiran rata-rata untuk data yang bersifat kontinu

2. Penaksiran proporsi untuk data yang bersifat diskrit

Penaksiran dilakukan terhadap angka-angka statistic atau angka-angka yang diperoleh

dari sample. Sampel yang digunakan untuk perhitungan dibedakan antara sample kecil (n<
30) dan sample besar (n>=30), pembedaan sample tersebut digunakan untuk pemilihan tabel
distribusi yang akan digunakan dalam perhitungan.

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:

α = tingkat kesalahan duga

n = jumlah sample (observasi)

Contoh: Apabila jumlah sample 15 dengan α=5% (0,05), uji dua sisi maka:

t½(α).n-1 = t½(0, 05).15-1

t0,025. 14 = 2,145 (lihat tabel distribusi student “t”)

Cara membaca tabel:

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:

α = tingkat kesalahan duga

Contoh:

Apabila jumlah sample 35 dengan α=5% (0,05), uji dua sisi maka:

Z½α = Z½0, 05

Z0,025 maka (1:2) – 0,025= 0,4750

Z0,025 = 1,96 (lihat tabel distribusi Normal Standart)

Cara membaca tabel

2.4.1 Penaksiran Rata-rata

i. Penaksiran rata-rata untuk parameter yang rata-rata dan standar deviasinya diketahui
dengan populasi tidak terbatas
a. Sampel kecil (n < 30), Penaksiran rata-rata dengan sampel kecil menggunakan tabel
distribusi student t, dengan derajat kebebasan (degree of freedom/df) adalah n–1
𝑆𝐷
μ = 𝑋±𝑡½α. 𝑛 − 1
𝑛

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:

µ adalah rata-rata parameter yang ditaksir

𝑋 adalah rata-rata satistik
𝑍½α adalah batas keyakinan yang digunakan
n adalah jumlah sampel yang digunakan
SD adalah standar deviasi statistik
ii. Penaksiran rata-rata untuk parameter yang rata-rata dan standar deviasinya diketahui
dengan populasi terbatas.
a. Sampel kecil (n < 30)
𝑆𝐷 𝑁−𝑛
μ = 𝑋±𝑡½α. 𝑛 − 1 𝑁−1
𝑛

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%.

b. Untuk sampel besar (n ≥ 30)

𝑆𝐷 𝑁−𝑛
μ = 𝑋 ± 𝑍½α 𝑁−1
𝑛

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.

N = jumlah seluruh populasi

q=1–p
Z½α = batas interval keyakinan
b. Penaksiran proporsi dengan populasi terbatas:

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

Berdasarkan pembahasan dari teori penaksiran, dapat disimpulkan bahwa :Dalam

membuat taksiran (pendugaan) sangat diperlukan konsep probabilitas karena sangat berguna

dalam pembuatan keputusan pada kondisi ketidakpastian. Ada jenis penaksiran yaitu

penaksiran titik (Point Estimation) dan penaksiran interval (Interval Estimation).Penaksiran

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

mendekati nol. Sehingga penaksiran titik jarang digunakan.Penaksiran interval merupakan

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

keyakinan/kepastian disebut dengan Confidence Coefficient, sedangkan batas-batasnya

dinamakan Confidence Interval.Untuk menentukan rata-rata dalam penaksiran, digolongkan

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

dari populasi terbatas dan populasi tidak terbatas.

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.

Diakses pada 29 Oktober 2023 dari

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