VI.

ESTIMASI PARAMETER
Estimasi Parameter :
Metode statistika yang berfungsi untuk
mengestimasi/menduga/memperkirakan nilai karakteristik dari populasi
atau parameter populasi berdasarkan nilai karakteristik sampel atau
statistik sampel.
Syarat : sampel harus dapat mewakili populasi  sampling dilakukan
secara acak.

Contoh :
Hasil pemilu dihitung secara cepat (Quickcount) dengan sampel untuk tiap
wilayah pemilihan, valid jika pengambilan sampel dilakukan secara acak.

Cara estimasi :
1.Estimasi Titik
Parameter populasi diestimasi dengan karakteristik sampel
(Statistik)
Mean populasi =  =
Variansi populasi
X =  2 = s2
standar deviasi =  = s
2. Estimasi Interval
Nilai parameter populasi diestimasi pada kisaran tertentu.
Misal X1,X2,X3,…Xn adalah sampel acak dari suatu populasi dengan 
adalah parameter populasi maka estimasi interval untuk  adalah :
P(B≤  ≤A) = 1-
Disebut dengan Interval konfidensi/kepercayaan untuk  dari B sampai A
yang dihitung pada probabilitas 1-.
Bila parameter yang diestimasi adalah H dan distribusi populasi yang
digunakan  (misal distribusi Z, t-student, chi-kuadrat, atau F), galat (error)=
 dan statistik dari data sampel adalah k, maka kisaran parameter H pada
suatu interval kepercayaan (1-) dapat diestimasi dengan persamaan
probabilitas:

P(h-  ≤ H ≤ h  )= 1- …….(1)

Dengan :
h-  = titik minimum (limit kepercayaan bawah)
h   = titik maksimum (limit kepercayaan atas)
1- = koefisien kepercayaan
(1-) 100% = interval kepercayaan
 = tingkat kesalahan yang masih ditolerir atau persentase nilai yang tidak
Parameter yang umum diestimasi:
1. Ukuran pemusatan : mean=, Selisih mean = 1 - 2 = 
Estimasi mean dan selisih mean dapat dilakukan dengan :
a.Distribusi Z :
-Jika sampel yang diamati berasal dari populasi yang variansinya (2) dan
standar deviasinya () diketahui.
-Jika sampel yang berasal dari populasi yang variansinya (2) dan standar
deviasinya () tidak diketahui ukuran sampel besar (n30).
b.Distribusi t-student (Distribusi t)
-Jika sampel berasal dari populasi yang tidak diketahui variansinya (2) dan
standar deviasinya () ukuran sampel kecil (n30).
2. Ukuran penyebaran : Variansi = 2, Rasio variansi dua populasi = F
Estimasi nilai variansi dilakukan dengan distribusi chi-kuadrat (X2), sedangkan
estimasi nilai ratio variansi dua populasi dengan distribusi Fisher (F).
A. Estimasi Mean Populasi
1. Estimasi mean populasi sampel besar dengan distribusi Z
Misal x1,x2,x3….xn adalah sampel acak dari suatu populasi dengan mean 
tidak diketahui dan variasi 2, dan X= mean sampel maka :
Mean
X ( )=
X (( )=2/n
Var X 
Menurut teorama limit pusat jika n besar variabel random Z 
 / n mendekati
distribusi normal
Maka rumus 1 akan berubah menjadi :
   / 2     / 2   1  

Jika nilai Z diganti menjadi :

X 
  / 2      1  
/2
/ n
   
 X   / 2    X   / 2   1  
 n n 

Biasanya 2 tidak diketahui, tetapi karena n besar maka 2 dapat diasumsikan

sama dengan s2.
Sehingga:
s s
( X   / 2    X   / 2 )  1
n n
Contoh :
Suatu sampel produk ikan dalam kaleng sebanyak 400 buah mempunyai rata-
rata umur simpan 23,4 bulan dan standar deviasi s=6,2 bulan. Berapakah
kisaran umur simpan produk ikan dalam kaleng tersebut pada interval
kepercayaan 95%.

Jawab :
Diketahui : n besar maka digunakan distribusi Z dengan =s
X =23,4 bulan dan s=6,2
1-=95%=0,95  = 0,05 /2 = 0,025 Z0,025 = 1,96. Maka:
6,2 6,2
(23,4  1,96    23,4  1,96 )  95%
400 400
(22,79    24,01)  95%

Kesimpulan: pada tingkat kepercayaan 95% maka umur simpas produk ikan
dalam kaleng adalah antara 22,79 – 24,01 bulan.
2. Estimasi mean populasi dengan sampel kecil.

- Digunakan untuk data sampel dengan variansinya (2) dan standar

deviasinya () tidak diketahui dan ukuran sampel kecil (n<30).

x
t
- Jika s/ n adalah transformasi t dari sampel x1X1,X2,X3,…Xn. Jika
sampel diambil dari populasi berdistribusi t dengan derajat bebas (n-1)
ditulis t(n-1). Distribusi ini tidak tergantung pada µ dan  populasi.
- Grafik distribusi t lebih memencar dibanding distribusi Z jika n semakin
besar semakin mendekati distribusi Z.
P(-tα/2(v) ≤T ≤ t α/2(v))=1-α
Jika nilai t diganti menjadi :

 X  
  t  / 2   t  / 2   1  
 / n 
   
 X  t  / 2    X  t / 2   1  
 n n
B. Estimasi interval proporsi p suatu populasi
Jika X adalah variabel random binomial (n;p) maka variabel random X/n
(1  p) x x
mempunyai mean = p dan varinasi P untuk n besar harga n (1  )
n n
(1  p) n
Mendekati P distribusi normal.
n
Pada interval konfidensi 1-α untuk p adalah:
x x x  x x x 
P (  z / 2  1 
n n   p   z / 2  1 
n n 
) 1
n n n n

Untuk estimasi proporsi jumlah sampel harus besar.

C. Estimasi Variansi populasi normal

2
(2n  1) s
Transformasi X 
2
S2 dihitung dari suatu sampel random x1X1,X2,X3,…Xn yang diambil dari
populasi berdistribusi normal dengan variansi 2 berdistribusi X2 dengan derajat
bebas = n-1.
Tabel V : harga X2 (k;α) sehingga P(X2 >X2 (k;α) ) = α

Untuk 0 < α < 1 maka :

P( X 2 ( k ;1 / 2)  X 2  X 2  X 2 ( k ;1 / 2)  1  
 ( n  1) S 2 ( n  1) S 2 
 X 2 ( k ; / 2 )     1
2
P  
 X 2 ( k ; / 2 ) 
Untuk estimasi standar deviasi  digunakan :
 (n  1) S 2 (n  1) S 2 
P     1
 X 2 ( k ; / 2) X 2 ( k ;1 / 2) 
 
Contoh :
Ingin diteliti interval variansi (2) dan standar deviasinya () dari panjang buncis
yang akan dikalengkan. Sampel acak sebanyak 20 buah dan diperoleh S2=0,01
inch dan S = 0,1 inch. Hitunglah interval variansi (2) dan standar deviasinya
() yang sebenarnya dari buncis tersebut pada tingkat kepercayaan 95%.
Jawab :
Diketahui n=20 1-α=95%
s2=0,01 α=5%
s=0,1 α/2=0,025
Dari tabel V diperoleh : X2 (19;0,025)=32,85 dan X2 (19;0,975) =8,91 maka :
 (20  1)0,01 (20  1)0,01 
P 2    95%
 32,85 8,91 

P (0,0058 ≤ 2 ≤ 0,0213) = 95%

Atau P (0,076 ≤  ≤0,146 ) = 95%

Kesimpulan : Pada tingkat kepercayaan 95% variansi panjang buncis adalah

0,0058 sampai dengan 0,0213 inch sedangkan standar deviasinya berkisar
antara 0,076 sampai 0,146 inch.