ESTIMASI PARAMETER (TITIK DAN

INTERVAL)

PROGRAM STUDI KESEHATAN MASYARAKAT

FAKULTAS KEDOKTERAN
UNIVERSITAS LAMBUNG MANGKURAT
2018
 2

Kelompok 7
Aulia Shafarina 1710912220010
Fitriani 1710912320022
Gusti Mawaddah 1710912320024
Mega Silvyana Putri 1710912120009
Muhammad Adryan Anugrah
1710912110010
Muhammad Noor Aditya Pratama
1710912210026
Rada Helmina 1710912320051
Rena Hafizah 1710912220035
Said Muhammad Aliajid R. 1710912110019
 3

Indikator
1. Estimasi Mean
2. Estimasi Proporsi
 4

Latar Belakang
Statistika inferensia merupakan teknik pengambilan keputusan
tentang suatu parameter berdasarkan contoh yang diambil dari
populasi tersebut yang meliputi dua hal penting, salah satunya
adalah pendugaan (estimation) parameter. Hasil estimasi yang
diperoleh haruslah dapat dipertanggungjawabkan.
 5

Definisi Estimasi

kegiatan penarikan kesimpulan

statistik yang berawal dari hal-hal yang
bersifat umum ke hal – hal yang
bersifat khusus, agar penarikan
kesimpulan dapat dibenarkan dan
mampu mendekati kebenaran maka
dibutuhkan suatu alat untuk
memproses data secara benar untuk
mengatasi segala persoalan statistik.
 6

Estimasi Titik
Estimasi Titik atau Point Estimation adalah menetapkan suatu nilai
sebagai taksiran dari parameter tetapi penentuan ini kurang
memuaskan karena nilai yang di tentukan terlalu optimis. Seakan-
akan mengandung suatu kebenaran yang pasti, padahal masih
merupakan suatu perkiraan.
 7

Misal : seorang peneliti menyimpulkan berdasar pengamatan dari sampel

bahwa rata-rata pendapatan penduduk kota surabaya sebesar Rp. 1.800.000,-
per bulan. Jadi rata-rata per bulan penduduk surabaya memiliki pendapatan
relatif Rp. 1.800.000,- Kenyataannya penghasilan warga surabaya rata-rata
ada yang lebih besar dan ada yang lebih kecil dari angka tersebut di atas.
 8

Estimasi Interval
Interval estimasi adalah sekumpulan nilai statistik
sampel dalam interval tertentu yang digunakan untuk
mengadakan estimasi terhadap parameter populasi
dengan harapan bahwa nilai parameter populasi
terletak dalam interval tersebut.
 9
Contoh :
Seorang kepala rumah sakit ingin menaksir
rata-rata petugas rumah sakit yang absen
setiap hari. Untuk itu diambil sampel
sebanyak 50 hari kerja dan diperoleh rata-
rata 8 orang petugas yang absen per hari.
Bila hasil ini digunakan untuk menaksir rata-
rata petugas yang absen maka taksiran
tersebut merupakan titik estimasi,tetapi
kepala rumah sakit ingin juga mengetahui
besarnya variasi dari angka rata-rata tersebut
untuk menentukan apakah akan
mempengaruhi kegiatan rumah sakit atau
tidak. Dari data yang lalu diketahui bahwa
besarnya simpangan baku adalah 4 orang.
 10

»=  
= 4/ = 0,57

Dari hasil tersebut dinyatakan bahwa probabilitas petugas yang absen 8

orang tersebut terletak antara ±0,57,yaitu terletak antara 7,43 dan 8,57
sebagai interval estimasi terhadap parameter populasi dan diharapkan nilai
absen populasi terletak antara angka tersebut. Hasil di atas masih belum
seluruhnya memuaskan karena disamping penyimpangan satu kesalahan
baku,interval estimasi juga dapat dilakukan berdasarkan 2 kesalahan baku
dan 3 kesalahan baku.
 11

» Untuk 2 kesalahan baku : 8± (2 x 0,57)

» Rata-rata absensi terletak antara 6,86-9,14
» Untuk 3 kesalahan baku : 8± (2 x 0,57)
» Rata-rata absensi terletak antara 6,29- 9,71
 12

Estimasi Mean
»  ada populasi berukuran N diukur
Jika
variabel untuk setiap unit maka rata-rata
populasi untuk variabel Y didefinisikan.

 
 13

»  
populasi beruuran N ditarik sampel n melalui SRS dan
dari sampel tersebut diukur variabel Y maka rata-rata
sampel yang merupakan estimator tak bias dari μ
didefinisikan.
 14

»Bila  berdasarkan SRS, sampel berukuran n diukur Y

sebagai estimator dari U, maka merupakan estimator
tak bias untuk ( E <> = U )

populasi N diambil sampel melalui SRS sebesar n dan

dari sampel tersebut dihitung s2 = sebagai estimator
dari varian populasi maka s2 merupakan estimator tak
biasnya utuk S2, ( E < s2> = S2 )
 sampel sebanyak 20 orang dengan hasil sebagai 15

berikut (2):
160, 161, 158, 157, 163, 171, 168, 166, 155,
173, 160, 165, 154, 156, 161, 162, 150, 153,
170, 164

= 3227 / 20 = 161,4 cm

Tinggi badan 161, 4 cm merupakantutuk

estimasi terhadap tinggi badanmahasiswa
Fakultas Kedokteran.

 
Contoh
 16

Beberapa hal yang terlebih dahulu harus diperhatikan yaitu:

1. Ukuran sampel (apakah besar n > 30 atau kecil n < 30)

2. Informasi tentang distribusi populasinya (apakah distribusi
normal atau tidak)
3. Deviasi standard populasinya (diketahui atau tidak)
4. Pemilihan jenis distribusi yang menjadi dasar estimasi
 17

Estimasi Proporsi
 Estimasiproporsi adalah pendugaan dari proporsi populasi
yang tidak diketahui. Rumus yang di gunakan untuk
menghitung esitmasi proporsi sebagai berikut.
 

Dengan
 18

Contoh

» Dua
  penelitian terhadap 100 orang secara acak diperoleh bahwa 7%
pengunjung Puskesmas adalah penderita DM (diabetes melitus). Dengan
tingkat kepercayaan 90% berapa perkiraan proporsi penderita DM?
Diketahui:
» = 0,07
» = = 1-0,07 = 0,93
»
 19

Jawaban diatas berarti jika diambil sampel secara 
berulang kali maka 90% nilai proporsi penderita DM 
terletak antara 0,029 (2,9%) sampai dengan 0,11 (11%).
 20

»  
Pendekatan tersebut dapat dilakukan dengan
persyaratan berikut (8).
a. Sampel cukup besar (n>30) »Keterangan:
 
b. np dan nq masing-masing minimal 5 » = kesalahan baku
proporsi
c. np ≥ 5 bila p < 0,5 dan nq ≤ 5 bila p > 0,5
» = proporsi yang
Untuk interval estimasi berlaku rumus kesalahan
diinginkan
baku berikut (9).
» =
» Populasi tak terhingga :
» = jumlah populasi
» = jumlah sampel
» Populasi terbatas :
» Interval kepercayaan :
 21

besarnya perbedaan yang timbul antara

rata-rata nilai yang sudah diketahui dari
sampel-sampel yang diambil dari suatu
populasi terhadap rata-rata nilai yang belum
diketahui dari seluruh sampel di dalam
populasi tersebut, di mana rata-rata nilai Estimasi 
yang belum diketahui ini ditaksir Varians
berdasarkan rata-rata nilai yang sudah
diketahui dari sampel-sampel tersebut
dengan menggunakan variogram
eksperimental dan varians dispersi dari
rata-rata nilai yang sudah diketahui
dari sampel-sampel tersebut
 22

Pada suatu endapan fosfat, telah diambil 95

conto pemboran dengan grid 50 x 50 m 2.
Kadar rata-rata ź akumulasi kadar dan
ketebalan adalah 365 m%. Variogram
model Matheron untuk endapan ini Contoh 
memberikan sill C = 77.912 m2%2. Nugget
variance (Co) =30.000 m2%2, dan range a =
150 m. Hitunglah varians estimasi global dan
standar deviasi relatif dari akumulasi kadar
dan ketebalan. ndapan fosfat dengan grid 50
m x 50 m. Jumlah sampel 95 buah.
 23

» range (a) = 150 m.

» C = 77.912 m2%2.
» Co = 30.000 m2%2.
» N = 95 (Jumlah conto bor).
» Grid = 50 m x 50 m
Kadar rata-rata akumulasi kadar dan ketebalan = 365 m%.
Ditanya: Varians estimasi global dan standar deviasi
relatif dari akumulasi kadar danketebalan ?
 24

» Karena ini adalah contoh untuk bidang bujur sangkar, maka:

h/a = 50/150 = 0,333 dan l/a = 50/150 = 0,333. Maka
diperoleh varians ekstensi titik terhadap bidang bujur sangkar
0,333 dan 0,333 adalah 0,125.
» Dari sini diperoleh varians estimasinya adalah: σ2E (r) = σ2E
(□) = Co + (C x 0,125) = 39.739m2%2.
» Untuk seluruh bidang, diperoleh varians estimasi global adalah:
σ2E (R) = [1/N] x σ2E (r) =(1/95) x 39.739 = 418,3 m2%2.
» Sehingga standar deviasinya adalah √ 418,3 m2%2 = 20,4 m%.
Jadi standar deviasi relatifnya adalah (20,4/365) x 100% = 5,6%.
 25

Kesimpulan
Dalam ilmu statistik, ada suatu cara bagi kita untuk dapat memprediksi
suatu kejadian berdasarkan data yang sebelumnya sudah didapatkan, cara
tersebut disebut juga dengan pengestimasian. Estimasi merupakan suatu
perkiraan akan suatu nilai yang akan terjadi. Penetapan estimasi sendiri
dapat dilakukan melalui beberapa metode diantaranya estimasi titik
(estimasi berbentuk satu nilai) dan estimasi interval (estimasi berbentuk
sebaran nilai). Untuk estimasi nilai populasi ada beberapa metode yang bisa
diterapkan diantaranya adalah estimasi mean yang berpatok pada nilai rata-
rata, estimasi proporsi yang berpatok pada perbandingan sampel dengan
karakteristik tertentu, serta estimasi varians yang mengacu pada seberapa
besar kemungkinan nilai tersebar.
 26

Saran
Dalam penetapan suatu estimasi sebaiknya kita bisa
memahami dengan jelas tujuan dari pengestimasian
tersebut. Kita harus benar benar paham data apa yang
benar-benar kita butuhkan sehingga ada
pengestimasian tersebut. Maka dengan memahami
hal tersebut kita nantinya mampu memilih metode
pengestimasian yang tepat dan efektif.
 27

DAFTAR PUSTAKA

1. Aritonang I, Heru SK, Maria HB, dkk. Aplikasi statistika dalam pengolahan
dan analisis data kesehatan. Yogyakarta: Media Pressindo; 2005.
2. Budiarto E. Biostatistika untuk kedokteran dan kesehatan masyarakat.
Jakarta: EGC; 2012.
3. Sarwono J. Mengenal sejarah, pengertian estimasi. Jurnal Manajemen
Bisnis 2011; 11(2): 285-296.
4. Rizal M. Pengembangan perangkat pembelajaran estimasi berhitung
sekolah dasar 2011; 2(3): 225-235.
5. Spiegel RM, Stephens JL. Statistika Edisi Ketiga. Jakarta: Erlangga; 2007.
 28

6. Sari ES. Audience research: pengantar studi penelitian terhadap

pembaca, pendengar dan pemirsa. Yogyakarta: Andi Offest; 1993.
7. Harinaldi. Prinsip-prinsip statistik untuk teknik dan sains. Jakarta:
Erlangga; 2005.
8. Rachmat M. Buku ajar biostatistika: aplikasi pada penelitian kesehatan.
Jakarta: EGC; 2013.
9. Diana E, Soehardjoepri. Pendekatan metode bayesian untuk kajian
estimasi parameter distribusi log-normal untuk non-informatif prior.
Jurnal Sains dan Seni ITS. 2016; 5(2): 2337-3520.
 29

Terima Kasih