Penaksiran

Parameter
LISMA NINGSIH, SKM, MKM
I. Teori Estimasi

Pendahuluan
Untuk mengetahui parameter populasi sasaran, peneliti
cukup mengamati sejumlah subjek sampel untuk
menaksir parameter pada populasi sasaran. Penarikan
kesimpulan statistik tentang parameter populasi
berdasarkan statistik (parameter) sampel disebut
inferensi statistik.

Makin besar sampel, makin kecil kesalahan penaksiran

parameter populasi, sebaliknya makin kecil sampel
makin besar kesalahan penaksiran parameter populasi.
Yang berperan bagi terjadinya kesalahan dalam inferensi
statistik adalah peluang (probabilitas). Inferensi statistik
dibagi dua yakni estimasi dan uji hipotesis.
Definisi

 Estimasi
 Estimasi, yaitu membuat penaksiran parameter
populasi sasaran berdasarkan statistik sampel.
 Estimasi adalah suatu metode dimana kita dapat
memperkirakan nilai populasi (parameter) dengan
memakai nilai sampel (statistik)

 Uji Hipotesis
 Uji hipotesis, yaitu pengujian kemaknaan secara
statistik terhadap hipotesis yang dibuat peneliti
tentang parameter populasi.
Ciri-ciri estimator yang baik

 Didalam estimasi nilai statistik yang dipakai untuk

menduga nilai populasi atau parameter disebut
estimator
 Ciri-Ciri :
 Tidak Bias, adalah estimator yang hasil
estimasinya mengandung nilai parameter yang
diestimasi
 Efisien, apabila hasil estimasi memakai nilai
tersebut pada rentang yang kecil saja sudah
mengandung nilai parameter
 Konsisten, berapapun besarnya sampel pada
rentangnya akan mengandung nilai parameter
yang sedang diestimasi
II. Macam-Macam Estimasi
Estimasi terdiri dari :
1. Estimasi Titik
2. Estimasi Selang

 Estimasi Titik (Point Estimation)

 Kita menduga nilai di populasi di suatu
titik yang ada di sampel atau dengan kata
lain nilai statistik (nilai-nilai sampel)
digunakan sebagai pendugaan nilai
parameter
 Contoh : nilai mean sampel kita anggap
sebagai nilai mean populasi
µ diestimasi sama dengan ×
s diestimasi sama dengan σ
Kelemahan Estimasi Titik

 Kita tidak dapat mengetahui berapa kuat

kebenaran dugaan kita, dan kemungkinan
besar akan salah
 Presisi sangat tidak akurat
 Kelemahan estimasi titik dapat
dihilangkan dengan melakukan estimasi
selang(interval)
 Estimasi Selang (Interval Estimation)

 Lebih populer disebut interval keyakinan

adalah penaksiran nilai-nilai parameter
populasi sasaran yang masih dianggap benar
dalam tingkat keyakinan tertentu
 Sampel-sampel yang diambil dari suatu
populasi akan berdistribusi normal sekitar µ
dengan simpangan baku (SE)
 Dalam estimasi selang kita membahas
tentang kurva normal dimana ada batas
minimum dan maksimum
 Kita menentukan batas tertinggi (maksimum)
dan terendah (minimum) dengan confidens
interval (CI) atau wilayah keyakinan (90%,
95%, 99%)
 Rentang Interval dapat dipersempit
dengan tiga cara:
 Memperkecil CI misal 95% menjadi 90%
 Memperbesar n (besar sampel)
 Meningkatkan ketelitian sehingga
didapatkan varian sampel yang kecil
Rumus Umum

 St – Z1/2  SE ≤ Parameter ≤ St + Z1/2  SE

 St = Nilai Statistik (Sampel = X)
 Z = Deviasi relatif (standar score, besarnya ditentukan
oleh CI)
 SE = Standar Error
 Parameter = Nilai Populasi yang diduga = µ
 LATIHAN SOAL

 Untuk mengetahui BB bayi di Depok,

diambil sampel 100 bayi. Hasil survei di
dapatkan rata-rata 2200 gr dan standar
deviasi 400 gr. Estimasikan berat bayi
di Depok dengan tingkat kepercayaan
95%.
LATIHAN SOAL

 Survei BB Mahasiswa FKM diambil sampel

25 orang mahasiswa. Hasil survei di
dapatkan rata-rata 60 kg dengan standar
deviasi 10 kg. Estimasikan BB mahasiswa
FKM dengan CI 95%.
 LATIHAN SOAL

 Surveikepuasan pasien di RS X diambil

sampel 100 pasien. Hasil survei
didapatkan 60 orang mengaku puas.
Estimasikan tingkat kepuasan pasien
dengan tingkat kepercayaan 99%.
TUGAS

 Rata-rata tekanan darah diastolik

untuk 100 orang sehat didapatkan
73 mmHg dan simpangan baku 11,6
mmHg. Hitung µ pada 95% confiden
interval (CI).