DOSEN PENGAMPUH :
KHERIAH B,SKM.,M.Kes
nkseiiBsnita
Rata-rata sampelesn= 50, sedang rata-rata
populasi yang diestimasi ternyata nilainya
= 50, maka dapat dikatakan bahwa rata-
rata sampel merupakan penduga yang
baik atau tidak bias karena nilai yang
diharapkan dari statistik sama dengan nilai
parameternya.
Apabila nilai rata-rata populasi ternyata 40,
maka terjadi bias karena nilai yang
diharapkan dari statistik lebih besar dari
nilai parameternya, maka disebut over
estimate, sebaliknya bila nilai
parameternya 60 disebut under estimate.
Estimasi Titik
[ Point
Estimation]
Estimasi titik merupakan suatu nilai dari sampel sebagai estimator
parameter. Dalam estimasi titik kita menggunakan data sampel untuk
menghitung suatu nilai statistik sebagai estimasi parameter populasi.
Sebagai contoh, rata-rata (mean) sampel (x) adalah sebuah penaksiran titik
dari nilai rata-rata (mean) populasi M. Begitu juga dengan sampel (p)
adalah nilai estimasi titik untuk populasi P.
Contoh:
Penentuan
seorang peneliti bahwa
menyimpulkan berdasar dapat
pengamatan dari sampel bahwa rata-rata pendapatan
menggunaka
penduduk kota surabayakitasebesar
dataRp. 1.800.000,-
n
estimasi parameter
per bulan. Jadi sampel
rata-rata perpopulasi sebag
bulan pendudukini
surabaya memiliki pendapatan
kurang memuaskan karenarelatif Rp.
nilaiaiyang
1.800.000,- .
di tentukanpenghasilan
Kenyataannya terlalu warga
optimis. Seakan-
surabaya rata-rata
akan
ada yangmengandung
lebih besar dan ada suatu kebenaran
yang lebih kecil dari
angka tersebut di atas. Kondisi ini tentunya sangat
yang
berbahaya bilapasti, padahal
angka tersebut masih
dipakai sebagai
merupakan
patokan. Berdasarkansuatu perkiraan.
kondisi tersebut estimasi titik
jarang digunakan.
Estimasi Selang
X
T
S/ n
Sifat-Sifat Distribusi t :
s s
X tn 1 ; 1 / 2 X tn 1 ; 1 / 2
n n
Contoh:
Misalkan diberikan nilai Matematika 10 siswa sebagai berikut : 58,
58, 43, 64, 47, 54, 59, 47, 60, dan 64. Estimasi rata-rata nilai
Matematika sesungguhnya (populasi). Nilai rata-rata Matematika
dengan tingkat kepercayaan 95 % dapat diestimasi sebagai berikut:
hasil perolehan data
n = 10 siswa
SE = 7.4/√10 =
2.34
interval kepercayaan (rata-rata populasi) dengan
koefisien kepercayaan 95 % :
Estimasi Satu Proporsi
Keterangan :
n = Besar sampel
Z = Z score berdasarkan nilai α yang
diinginkan P = Proporsi dari penelitian sebelumnya
1-P = Q yaitu proporsi untuk tidak terjadinya
suatu kejadian
Besar Z score sesuai dengan
nilai α
Conto
h:
Seorang Kepala Dinas Kesehatan Kabupaten ingin mengetahui proporsi anak-anak di
kabupatennya yang sudah menerima imunisasi lengkap. Dengan anggapan bahwa akan
dipilih sebuah sampel acak sederhana, berapakah jumlah anak yang harus diteliti
dengan presisi 10% dan α = 5%.
Diketahui :
α = 5%. = 0,05
d = 10 % = 0,1
P = tidak diketahui sehingga menggunakan P terbesar yaitu 0,5 sehingga 1-P = 0,5