KONSEP ESTIMASI PARAMETER, MEAN DENGAN N BESAR DAN KECIL

SERTA PROPORSI DAN SELISIH

Disusun untuk memenuhi tugas
Mata Kuliah: Biometrik Dasar
Dosen Pengampu: Drs. Slamet Abadi, M.Si

Disusun Oleh:

Ferdi Ardiansyah 2310731090112

Husna Khairunnisa 2310631090114
Naufal Widyadhana 2310631090123
Zamilah Aeni Khoerunnisa 2310631090131

KELAS 2E AGROTEKOLOGI
FAKULTAS PERRTANIAN
UNIVERSITAS SINGAPERBANGSA KARAWANG
 KATA PENGANTAR

Puji Syukur kami panjatkan kehadirat Allah SWT, yang telah memberikan Rahmat
serta karunia-Nya kepada kami sehingga dapat menyelesaikan makalah ini tepat pada
waktunya guna memenuhi tugas kelompok untuk Mata Kuliah Biometrik Dasar dengan judul
“Konsep Estimasi Parameter, mean dengan n besar dan kecil serta proporsi dan selisih”
Pada kesempatan ini kami mengucapkan terima kasih yang sebesar-besarnya kepada
bapak Drs. Slamet Abadi, M.Si selaku dosen pengampu Mata Kuliah Biometrik Dasar yang
telah memberikan tugas kepada kami. Kami juga berterima kasih kepada pihak-pihak yang
turut membantu dalam pembuatan makalah ini.
Kami menyadari sepenuhnya bahwa makalah ini jauh dari kata sempurna. Oleh karena
itu, kami mengarapkan segala bentuk kritik serta saran yang membangun agar makalah ini
dapat lebih baik lagi. Akhir kata kami berharap makalah ini dapat memberikan wawasan dan
pengetahuan kepada para pembaca dan khususnya kami selaku penulis makalah.

i
 DAFTAR ISI

KATA PENGANTAR ............................................................................................................... i

DAFTAR ISI ............................................................................................................................ii
BAB I PENDAHULUAN ........................................................................................................ 1
1.1. Latar Belakang .......................................................................................................... 1
1.2. Rumusan Masalah ..................................................................................................... 1
1.3. Tujuan........................................................................................................................ 1
BAB II PEMBAHASAN ......................................................................................................... 2
2.1. Estimasi Parameter .................................................................................................... 2
2.2. Jenis-jenis Estimasi ................................................................................................... 2
2.3. Menaksir rata-rata µ .................................................................................................. 3
2.4. Menaksir proporsi π .................................................................................................. 4
2.5. Menaksir simpangan baku σ ..................................................................................... 5
2.6. Menaksir selisih rata-rata .......................................................................................... 5
2.7. Menaksir selisih proporsi .......................................................................................... 7
BAB III PENUTUP ................................................................................................................. 8
3.1. Kesimpulan................................................................................................................ 8
3.2. Saran .......................................................................................................................... 8
DAFTAR PUSTAKA ............................................................................................................... 9

ii
 BAB I
PENDAHULUAN
1.1.Latar Belakang
Estimasi parameter (penaksiran parameter) adalah pendugaan
karakteristik populasi (parameter) dengan menggunakan karakteristik sampel
(statistik).
Estimasi parameter adalah metode statistik untuk memperkirakan nilai
parameter atau populasi suatu sampel. Artinya, dalam statistik, estimasi parameter
digunakan untuk memperkirakan suatu parameter populasi dengan melakukan
perhitungan dengan sampel data.
Secara umum, parameter suatu populasi tidak diketahui dan umumnya
terlalu besar untuk mempelajari seluruh individunya. Dengan demikian, diambil
sampel dari populasi, sampel tersebut dianalisis secara statistik, dan terakhir, hasil
yang diperoleh disimpulkan dari seluruh populasi. Dengan demikian, estimasi
parameter statistik memungkinkan kita memiliki gambaran perkiraan tentang nilai
parameter populasi.
Parameter populasi disebut juga dengan nilai sebenarnya (true value) dan
biasanya dilambangkan dengan θ (dibaca: theta). Parameter θ dapat berupa rata-
rata populasi (µ), varian populasi (σ²) atau proporsi populasi (p).
Sedangkan statistik sampel disebut juga dengan nilai estimasi (estimate
value). Statistik sampel dapat berupa rata-rata sampel (x̄) varian sampel (s²) atau
proporsi sampel (pˆ).

1.2. Rumusan Masalah

1. Apa yang dimaksud dengan estimasi parameter?
2. Apa saja jenis-jenis estimasi parameter?
3. Bagaimana cara menaksir rata-rata µ?
4. Bagaimana cara menaksir proporsi π?
5. Bagaimana cara menaksir simpangan baku σ?
6. Bagaimana cara menaksir selisih rata-rata?
7. Bagaimana cara menaksir selisih proporsi?

1.3.Tujuan
1. Mengetahui pengertian dari estimasi parameter.
2. Mengetahui jenis-jenis dari estimasi parameter.
3. Mengetahui cara menaksir rata-rata µ.
4. Mengetahui cara menaksir proporsi π.
5. Mengetahui cara menaksir simpangan baku σ.
6. Mengetahui cara menaksir selisih rata-rata.
7. Mengetahui cara menaksir selisih proporsi.

1
 BAB II
PEMBAHASAN

2.1.Estimasi Parameter
Estimasi merupakan proses yang digunakan untuk menghasilkan suatu nilai tertentu
terhadap suatu parameter. Data yang digunakan untuk memperkirakan parameter ini adalah
sampel, yang dalam pengembangannya akan difunakan oleh estimator untuk menghasilkan
nilai parameter. Estimasi parameter (penaksiran parameter) adalah pendugaan karakteristik
populasi (parameter) dengan menggunakan karakteristik sampel (statistic). Populasi
biasanya memiliki ukuran yang sangat banyak, sehingga untuk mengetahui karakteristiknya
melalui sensus sangat sulit dilakukan. Estimasi parameter disebabkan oleh berbagai hal,
seperti banyaknya individu dalam sebuah populasi pengamatan sehingga penelitian untuk
keseluruhan populasinya menjadi tidak ekonomis baik dari sisi tenaga, waktu, serta biaya.
Estimasi parameter pada awalnya akan digunakan untuk memperkirakan populasi dari suatu
sampel. Estimasi diklasifikasikan menjadi dua jenis, yaitu estimasi titik dan estimasi
interval. Estimasi merupakan langkah terpenting dalam menentukan model peluang yang
sesuai dari kumpulan data.

2.2.Jenis-jenis Estimasi
• Estimasi titik
Estimasi titik melibatkan memperkirakan nilai pasti parameter populasi dari
data sampel. Artinya, estimasi titik memberikan nilai spesifik dari suatu
parameter populasi dengan menggunakan nilai sampel dari parameter
tersebut sebagai acuan. Terdapat tiga kriteria ketepatan estimasi titik
sehingga bisa digunakan untuk membuat kepuutusan tentang parameter
populasi yaitu:
a. Penduga tak bias
Penduga titik dikatakan tak bias (unbiased estimator) jika di dalam
sampel random ysang berasal dari pupolasi, rata-rata atau nilai harapan
(expected value) dari statistic sampel sama dengan parameter populasi

b. Penduga yang efisien

Penduga yang efisien (efficient estimator) yaitu jika estimator tersebut
memiliki standart error (varian) yang paling kecil dibandingkan estimator
tak bias yang lain. Suatu estimator yang tidak biasa mempunyai ciri yang

2
 efisien bila mempunyai deviasi standar atau standard error yang lebih
kecil di dalam populasi yang sama.
c. Konsisten
Penduga yang konsisten (consisten estimator) adalah estimator cenderung
mendekati nilai parameter populasi jika ukuran sampel ditingkatkan
(semakin besar) Dimana sebuah titik estimasi dikatakan konsiste bila
nilai statistik sampel cenderung sama dengan parameter populasi tidak
bias ketika jumlah sampel terus bertambah.

• Estimasi interval
Estimasi interval merupakan sebuah interval keyakinan (confidence interval)
berisi pernyataan keyakinan bahwa interval tersebut berisi nilai parameter.
Besarnya interval ini dipengaruhi oleh 3 faktor:
1. Besarnya sampel (n)
2. Tingkat keyakinan atau kepercayaan yang dipilih (level of confidence)
3. Variabilitas dari populasiyang diukur dengan standar deviasi
Dari ketiga factor tersebut bisa ditentukan jenis distribusi mana yang
digunakan dalam menghitung estimasi interval. Contohnya jika populasi
berdistribusi normal dan jika diketahui standar deviasinya maka kita
menggunakan uji distribusi z. Namun jika tidak diketahui maka kita
menggunakan uji distribusi t. Bila populasi tidak mempunyai distribusi
normal tetapi sampel datanya besar yaitu paling tidak 30 atau lebih makan
digunakan uji distribusi z. Jika sampelnya kurang dari 30 maka digunakan uji
non parametrik.
2.3.Menaksir rata-rata µ
Misalkan terdapat satu populasi dengan rata-rata µ dan varians σ². Taksiran titik dari
µ diberikan oleh statistik x̄. Oleh karena itu, untuk mendapatkan taksiran titik dari µ,
kita harus memilih dua sampel acak bebas berukuran n dari populasi tersebut. Ini
menyebaban kita harus memperhatikan distribusi penyampelan dari x̄. Untuk
memperoleh taksiran yang tinggi kepercayaannya, digunakan interval taksiran atau
selang taksiran disertai nilai koefisien kepercayaan yang dikehendaki.

a. Simpangan baku σ diketahui dan populasi berdistribusi normal

Rumus (I.1) menjadi:

𝜎 𝜎
(I.2) 𝑝 (𝑥̅ − 𝑧1⁄ 𝑦 . < 𝜇 < 𝑥̅ + 𝑧1⁄ 𝑦 . )=𝑦
2 √𝑛 2 √𝑛

Dengan γ = koefisien kepercayaan dan 𝑧1⁄ 𝑦 = bilangan z dari tabel normal baku untuk
2
peluang1⁄2 γ.
Untuk memperoleh 100 γ % interval kepercayaan parameter µ dapat
digunakan rumus:
𝜎 𝜎
(I.3) 𝑥̅ − 𝑧1⁄ 𝑦 . 𝑛 < 𝜇 < 𝑥̅ + 𝑧1⁄ 𝑦 . 𝑛
2 √ 2 √

3
 b. Simpangan baku σ tidak diketahui dan populasi berdistribusi normal
Kenyataan parameter σ jarang sekali di ketahui :
𝑠 𝑠
(I.4) 𝑝 (𝑥̅ − 𝑡𝑝 . < 𝜇 < 𝑥̅ + 𝑡𝑝 . )=𝑦
√𝑛 √𝑛

Dengan γ = koefisien kepercayaan dan 𝑡𝑝 = nilai t dari daftar distribusi Student

dengan p = 1⁄2(1+ γ ) dan dk = (n-1).

Untuk interval kepercayaannya:

𝑠 𝑠
(I.5) 𝑥̅ − 𝑡𝑝 . 𝑛 < 𝜇 < 𝑥̅ + 𝑡𝑝 .
√ √𝑛

𝑠 𝑠
Bilangan 𝑥̅ − 𝑡𝑝 . dan 𝑥̅ + 𝑡𝑝 . masing-masing merupakan batas bawah dan
√𝑛 √𝑛
batas atas kepercayaan

Jika ukuran sampel n relatif besar dibandingkan dengan ukuran populasi N yakni
𝑛
> %5 , maka rumus (I..3) dan rumus (I.5) menjadi:
𝑁
𝜎 𝑁−𝑛 𝜎 𝑁−𝑛
(I.6) 𝑥̅ − 𝑧1⁄ 𝑦 . √ <𝜇 < 𝑥̅ + 𝑧1⁄ 𝑦 . √
2 √𝑛 𝑁−1 2 √𝑛 𝑁−1

𝑠 𝑁−𝑛 𝑠 𝑁−𝑛
(I.7) 𝑥̅ − 𝑡𝑝 . √ < 𝜇 < 𝑋̅ + 𝑡𝑃 . √
√𝑛 𝑁−1 √𝑛 𝑁−1

c. Simpangan baku σ tidak diketahui dan populasi tidak berdistribusi normal

Jika ukuran sampel n tidak terlalu kecil, maka dapat digunakan dalil limit
pusat. Selanjutnya aturan-aturan yang diuraikan dalam bagian (b) di atas dapat
digunakan dengan kekeliruan yang sangat kecil. Jika distribusi populasi sangat
menyimpang dari normal dan ukuran sampel kecil sekali, maka teorinya harus
dipecahkan menggunakan bentuk distribusi asli dari populasi yang bersangkutan.
Hal ini tidak dibicarakan di sini.

2.4.Menaksir proporsi π
Misalkan sebuah sampel acak berukuran n diambil dari populasi binomial berukuran
N dimana terdapat proporsi π untuk peristiwa A yang ada dalam populasi tersebut.
Jika terdapat x peristiwa A, sehingga proporsi sampel untuk peristiwa A = x/n. Jadi
titik taksiran untuk π adalah x/n . Digunakan pendekatan oleh distribusi normal
kepada binomial untuk ukuran sampel n cukup besar.

Rumus 100 γ % keyakinan untuk interval kepercayaan π adalah

𝑝𝑞 𝑝𝑞
(1.8) 𝑝 − 𝑧1⁄ 𝑦 . √ 𝑛 < 𝜋 < 𝑝 + 𝑧1⁄ 𝑦 . √ 𝑛
2 2

4
 Dengan 𝑝 = 𝑥⁄𝑛 dan q = 1 – p sedangkan 𝑧1⁄ 𝑦 adalah bilangan z yang diperoleh dari daftar
2
normal buku untuk peluang 1⁄2𝑦

2.5.Menaksir simpangan baku σ

Untuk menaksir varians σ2 dari sebuah populasi, maka perlu dihitung sampel
varians s2 berdasarkan sampel acak berukuran n.
∑(𝑥𝑖−𝑥̅ )2
(1.9) s2 = 𝑛−1

Varians s2 adalah penaksir takbias untuk varians σ2, tetapi simpangan baku s bukan
penaksir takbias untuk simpangan baku σ. Jadi titik taksiran s untuk σ adalah bias.
Jika populasinya berdistribusi normal dengan varians σ2, maka 100 y% interval
kepercayaan untuk σ2 ditentukan dengan menggunakan distribusi chi-kuadrat.
(𝑛−1)𝑠2 (𝑛−1)𝑠2
(1.10) < 𝜎2 <
𝑥12 𝑥12
⁄ (1+𝑦) ⁄ (1−𝑦)
2 2

dengan n ukuran sampel sedangkan 𝑥12⁄ dan 𝑥12⁄ diperoleh dari daftar chi-
2(1+𝑦) 2(1−𝑦)
1 1
kuadrat berturut-turut untuk Ρ = 2( 1 + 𝑦) dan Ρ = 2 (1 − 𝑦) dengan dk = ( n – 1 ).

Interval taksiran simpangan baku 𝜎 diperoleh dengan melakukan penarikan akar

ketidaksamaan dalam rumus (I.10).

2.6.Menaksir selisih rata-rata

Menaksir Selisih Rata-Rata Misalkan dipunyai dua buah populasi, keduanya
berdistribusi normal dengan rata-rata dan simpangan baku masing-masing µ1 dan
σ1 untuk populasi pertama, µ2 dan σ2 untuk populasi kedua. Secara independen
diambil sebuah sampel acak dengan ukuran n1 dan n2 dari masing-masing populasi.
Rata-rata dan simpangan baku dari sampel-sampel itu berturut-turut 𝑥̅ 1, s1 dan 𝑥̅ 2,
s2 .
a. Dalam hal σ1 dan σ2
Jika kedua populasi normal dan memiliki σ1 = σ2 = σ yang besarnya diketahui,
maka 100 γ % interval kepercayaan untuk (µ1 − µ2) adalah

1 1 1 1
(1.11) (𝑥̅ 1 +𝑥̅ 2)- 𝑧1⁄ σ √𝑛1 + < µ1 − µ2 < (𝑥̅ 1 - 𝑥̅ 2 ) + 𝑧1⁄ 𝑦 σ √𝑛1+𝑛2
2𝑦 𝑛2 2

dengan 𝑧1⁄ diperoleh dari daftar normal baku untuk peluang 1/2y.
2𝑦

Jika kedua populasi normal dan memiliki σ1 = σ2 = σ tetapi besarnya tidak

diketahui, maka perlu tentukan varians gabungan dari sampel yang dinyatakan
dengan s2.
(𝑛1 −1)𝑠12 +(𝑛2 +1)𝑠22
(1.12) s2 = 𝑛1 +𝑛2 −2

5
Interval kepercayaannya ditentukan dengan menggunakan distribusi Student.
Rumus untuk 100 γ % interval kepercayaan (µ1 − µ2) adalah
1 1 1 1
(1.13) (𝑥̅1 − 𝑥̅2 ) − 𝑡𝑝 . 𝑠√ + < µ1 − µ2 < (𝑥̅1 − 𝑥̅2 ) + 𝑡𝑝 . 𝑠√ +
𝑛 𝑛 1 2 𝑛 𝑛 1 2

dengan s diperoleh dari rumus (I.12) dan 𝑡𝑝 dari daftar distribusi Student dengan
𝑝 = 1⁄2 (1 + 𝑦) dan 𝑑𝑘 = 𝑛1 + 𝑛2 − 2.

b. Dalam hal σ1 ≠ σ2
Untuk populasi normal dengan σ1 ≠ σ2 teori di atas tidak berlaku dan teori yang ada
hanya bersifat pendekatan.
Dengan memisalkan s1 = σ1 dan s2 = σ2 untuk sampel-sampel acak berukuran cukup
besar, dapat dilakukan pendekatan kepada distribusi normal. Rumus interval
kepercayaan ditentukan oleh :

𝑠12 𝑠2 𝑠2 𝑠2
(1.14) (𝑥̅1 − 𝑥̅2 ) − 𝑧1⁄ 𝑦 √
𝑛1
+ 𝑛2 < 𝜇1 − 𝜇2 < (𝑥̅1 − 𝑥̅2 ) + 𝑧1⁄ 𝑦 √𝑛1 + 𝑛2
2 2 2 1 2

Dengan 𝑧1⁄ diperoleh dari daftar normal baku untuk peluang 1⁄2𝑦
2𝑦

c. observasi berpasangan
Misalkan populasi pertama memiliki variabel acak X dan populasi kedua dengan
variabel acak Y. Rata-ratanya masing-masing µ1 dan µ2 . Diambil sampel acak dari
tiap populasi yang berukuran sama, n1 = n2 = n.
Diperoleh data sampel (x1, x2,………., xn)dan (y1, y2,…….., yn)dan bila data
observasi ini berpasangan maka
X1 berpasangan dengan y1
X2 berpasangan dengan y2
.
.
.
Xn berpasangan dengan y2
Dalam hal berpasangan, maka untuk menaksir selisih atau beda rata-rata µ=µ-µ,
dapat pula dibentuk selisih atau beda tiap pasangan data yaitu B1 = x1 – y1 , B2 = x2
– y2,………., Bn = xn – yn
Dari sampel berukuran n yang datanya terdiri dari B1, B2,……….., Bn, dihitung rata
rata 𝐵̅ dan simpangan baku sB dengan menggunakan
∑𝐵 2
𝑛 ∑ 𝐵1 −(∑ 𝐵𝑖 )2
𝐵̅ = 𝑛 𝑖 dan 𝑠𝐵 = 𝑛(𝑛−1)

Rumus untuk 100 γ % interval kepercayaan µB adalah

6
 𝑠 𝑠
(1.15) 𝐵̅ − 𝑡𝑝 . 𝐵𝑛 < 𝜇𝐵 < 𝐵̅ + 𝑡𝑝 . 𝐵𝑛
√ √

dengan tp diperoleh dari daftar distribusi Student dengan p = ½ (1+y) dan dk = (n-
1).
2.7.Menaksir selisih proporsi
a. Misalkan dipunyai dua populasi binomial dengan parameter untuk peristiwa
yang sama masing-masing π1 dan π2. secara independen dari tiap populasi
diambil sebuah sampel acak berukuran n1 dan n2 . Proporsi untuk peristiwa
𝑥 𝑥
yang diperhatikan pada sampel tersebut adalah 𝑝1 = 𝑛1 dan 𝑝2 = 𝑛2 dengan
1 2
x1 dan x2 menyatakan banyaknya peristiwa yang diperhatikan.
Akan ditentukan interval taksiran untuk (π1 −π2) dengan menggunakan pendekatan
oleh distribusi normal asalkan n1 dan n2 cukup besar. Rumus untuk 100 γ % interval
kepercayaan selisih (π1 −π2) adalah
𝑝1 𝑞1 𝑝2 𝑞2 𝑝1 𝑞1 𝑝2 𝑞2
(1.16) (𝑝1 − 𝑝2 ) − 𝑧1⁄ 𝑦 √ + < 𝜋1 − 𝜋2 < (𝑝1 − 𝑝2 ) + 𝑧1⁄ 𝑦 √ +
2 𝑛1 𝑛2 2 𝑛1 𝑛2

Dengan q1 = 1 – p1 dan q2 = 1 – p2 sedangkan 𝑧1⁄ diperoleh dari daftar normal buku

2𝑦
untuk peluang 1⁄2𝑦

7
 BAB III
PENUTUP

3.1.Kesimpulan
Estimasi merupakan proses yang digunakan untuk menghasilkan
suatu nilai tertentu terhadap suatu parameter. Data yang digunakan untuk
memperkirakan parameter ini adalah sampel, yang dalam
pengembangannya akan digunakan oleh estimator untuk menghasilkan nilai
parameter.
Estimasi parameter (penaksiran parameter) adalah pendugaan
karakteristik populasi (parameter) yang menggunakan karakteristik sampel
(statistic). Populasi biasanya memiliki ukuran yang sangat banyak, sehingga
untuk mengetahui karakteristiknya melalui sensus sangat sulit dilakukan.
Estimasi parameter diklasifikasikan menjadi dua jenis, yaitu
estimasi titik dan estimasi interval. Estimasi merupakan langkah terpenting
dalam menentukan model peluang yang sesuai dari kumpulan data.

3.2.Saran
Kami sadar bahwa masih banyak kekurangan yang kami miliki, baik
dari tulisan maupun bahasan yang kami sajikan. Oleh karena itu mohon
diberikan sarannya agar kami bisa membuat makalah lebih baik lagi. Dan
semoga makalah ini bisa bermanfaat bagi kita semua, dan menjadi wawasan
kita dalam memahami estimasi parameter.

8
 DAFTAR PUSTAKA

Rado Yendra, E. T. (2015, juli 2). Perbandingan Estimasi Parameter Pada distribusi Eksponensial
Dengan Menggunakan Metode Maksimum Likelihood dan Metode Bayesian. jurnal sains
matematika dan statiska vol. 1, 72.

Sukardi. (2015). penaksiran rata-rata satu populasi . Diambil kembali dari

https://mathcyber1997.com/.

Sukardi. (2023, april 25). penaksiran-rata-rata-satu-populasi. Diambil kembali dari

mathcyber1997.com: https://mathcyber1997.com/penaksiran-rata-rata-satu-populasi/

tien, a. a. (2016, maret 24). Estimasi dan Interval Estimasi (Rangkuman). Diambil kembali dari
kompasiana.com:
https://www.kompasiana.com/apriancos/56f3427f1393736c054e8e65/estimasi-dan-
interval-estimasi-rangkuman#