You are on page 1of 8

TEORI ESTIMASI ATAU MENAKSIR

MODUL
TEORI ESTIMASI
9 ATAU MENAKSIR

1. Pendahuluan
Untuk menginginkan mengumpulkan populasi kita lakukan dengan
statistik berdasarkan data yang diambil secara sampling yang telah
dipelajari di atas.
Data sampel dianalisa, dihitung dan dari nilai-nilai ini kita simpulkan
bagaimana parameter populasi tersebut. Cara pengambilan kesimpulan
mengenai paramater ini sehubungan dengan cara-cara menaksir atau
estimasi harga parameter. Jadi harga parameternya sebenarnya tetap tak
diketahui itu akan ditaksir atau diestimasi berdasarkan statistik dari
sampel yang diambil dari populasi yang bersangkutan.
2. Estimator.
Parameter populasi diberi simbol jadi bisa merupakan rata-rata ,
simpangan baku , proporsi p dan sebagainya. Nilai-nilai itu ditaksir oleh
harga , maka , dinamakan estimasi. Nilai merupakan hal yang boleh
dibilang sangat ideal. Mungkin terlalu tinggi atau sebaliknya.
Keduanya ini jelas tidak dikehendaki. Karenanya kita menginginkan
estimasi yang baik.
3. Ciri-ciri penduga yang baik
a. Estimator dikatakan estimator tak bisa jika rata-rata dari semua
harga yang mungkin akan sama dengan :
E( )0
Sebaliknya, penduga dianggap bisa jika E ( ) 0 dan bisa dapat
dirumuskan sebagai berikut :
bias E ( ) 0
b. Konsisten, penduga yang konsisten merupakan penduga yang
berkonsentrasi secara sempurna pada parameter jika sebenarnya
sampel bertambah secara tidak terhitung

57
STATISTIKA

c. Estimator bervariasi minimum ialah estimator dengan variasi terkecil


diantara semua estimator untuk parameter yang sama. Jika 1 dan 2
estimator untuk dimana variasi untuk 1 kecil dari variasi 2
merupakan estimator bervariasi minimum
4. Cara-cara menaksir.
Parameter hanya ditaksir oleh sebuah harga yang tertentu maka
dinamakan estimator, tepatnya titik tak siran.
Titik taksiran untuk sebuah parameter misalnya harganya akan
berlainan tergantung dari pada harga x yang di dapat dari sampel-sampel
yang diambil. Karena orang sering merasa kurang yakin (kurang
konfiden) atas hasil taksiran macam ini. Sebagai gantinya, dipakai
interval taksiran atau daerah taksiran yaitu menaksir harga parameter
diantara batas-batas dua harga.
Dalam prakteknya harus dicari interval taksiran yang baik dengan
derajad konfidensi yang memuaskan. Jika koefisien konfidensi
dinyatakan dengan , maka 0 < < 1 harga yang digunakan tergantung
dari pada persoalan yang dihadapi dan berapa besar si peneliti ingin yakin
dalam membuat pernyataanya yang biasa digunakan ialah 0,95 atau 0,99.
Perumusan yang didapat adalah sebagai berikut : P(A<0<B)= artinya
probabilitasnya adalah bahwa interval yang sifatnya random yang
terbentang dari A ke B akan berisikan
5. Interval Kepercayaan (Konfiden)
Perubahan acak Y yang menyebar normal dengan nilai tengah populasi
ini parameter rata-rata akan ditaksir, diambil sampel random berukuran n,
lalu x dan s dan taksiran untuk rata-rata ialah x perubahan Y ini
dapat ditransformasikan menjadi perubahan acak Z dengan cara membuat
Y dengan daftar kurva normal diperoleh, misalnya :
Z
P (-1,96 < Z < 1,96) = 0,95 atau
Y U
P 1,96 1,96 0,95

P(-1,96 < Y U < + 1,96 ) = 0,95


P(Y 1,96 < U < Y + 1,96 ) = 0,95

58
TEORI ESTIMASI ATAU MENAKSIR

Teladan :
Dengan demikian jika ada suatu perubahan acak Y yang menyebar
normal dengan nilai tengan yang tidak diketahui dan ragam = = 4
atau = 2, maka bagi suatu nilai pengamatan Y = 12 berlaku
p(12 1,96(2) < < 12 + 1,96(2)>)=0,95
Atau
p(8,08 < < 15,92 >) = 0,95
Berarti bahwa selang nilai diantara 8,08 dan 15,92 akan mencakup nilai
tengan yang tidak diketahui dengan peluang sebesar 95 %
Dengan kata lain, kita yakin 95 % bahwa nilai tengah yang tidak
diketahui itu ada diantara 8,08 dan 15,92
Misalkanlah bahwa ingin diduga nilai tengah dari perubahan acak x
yang menyebar secara normal dengan random yang diketahui nilainya.
Dari populasi dapat diambil suatu contoh berukuran n maka diduga
xi 2
m 2
oleh m dengan ragam m karena
2 n
m
mN , Maka N (0,1) sehingga :
n / n
m
P Z /2 z / 2 (1 )
/n
P(m z / 2. / v n < m + z / 2. / vn) = ( 1 )
Di dalam praktek biasanya populasi tidak pernah diketahui sehingga batas
bawah dan batas pada persamaan tadi mengandung parameter yang tidak
diketahui. Untuk mengetahui hal tersebut maka biasanya ditaksir/ diduga
oleh S2 dan V . S2. Akan tetapi bila ke dalam suatu perubahan acak
x
berbentuk x disisipkan penduga s, maka ternyata tidak
s s
memenuhi syarat sebagai perubah acak normal baku.
Perubahan acak ini telah ditentukan penyebarannya oleh student dan
kemudian secara teori ditemukan oleh KA. Fisher sebagai berikut :
x
t
s

59
STATISTIKA

Misal : jika rata-rata sampel tinggi mahasiswa antara adalah 160 cm,
maka rata-rata populasi bisa antara 155-165, seperti pada gambar berikut :

155 165
atau bisa antara 150-170, seperti pada gambar berikut

150 170
Makin besar interval taksiran akan lebih merasa besar keyakinan
benarnya, makin kecil interval taksiran akan lebih merasa kecil keyakinan
benarnya. Tetapi, semakin kecil interval, semakin baik.
Kita akan membuat interval yang sekecil mungkin tapi dengan tingkat
keyakinan benarnya sebesar mungkin, atau tingkat keyakinannya sebesar
mungkin.
Tingkat keyakinan dinotasikan dengan dan dinyatakan dalam bentuk
peluang P ( A < < B ) = 1
Artinya kita yakin 1 bahwa nilai akan berada antara A dan B

6. Penaksiran Rata-rata
Pada sampling rata-rata
Jika kita punya rata-rata populasi = 5, maka belum tentu rata-rata
sampel x = 5, bisa bervariasi. Rata-rata dari seluruh sampel yang
mungkin akan berkisar antara 4,33 5,67
Peluang penyimpangan itu bisa diperhitungkan dengan Error! Not a
valid embedded object.

60
TEORI ESTIMASI ATAU MENAKSIR

Dengan cara yang sama,

Jika kita punya rata-rata sampel x , maka belum tentu rata-rata populasi
= x . Rata-rata populasi akan mempunyai nilai dimana
x
z
n atau x = z n

Artinya selisih dari x adalah z n


x zr x zr
Atau 2 n 2 n
Yang dituliskan dalam bentuk peluang
P( x z r x zr )
2 n 2 n
Jika digambarkan

z y
2

zr
Sehingga besarnya penyimpangan adalah 2 n

Sehingga pedugaan dengan interval keyakinan 95% dapat diberikan


sebagai berikut :
Px tps / vn / u x tpss / vn
Px tp / 2vn / u x tps / 2vn 0,95

61
STATISTIKA

Dimana : : Koefisien konfidensi dan t p : nilai t di dapat dari daftar


distribusi student dengan p = (1 + ) dan dk = r - 1.
Selang kepercayaan untuk pada taraf kepercayaan 1 - bagi keadaan-
keadaan dengan yang tidak diketahui sebagai berikut :
Px tpdst
Teladan :
Sebuah sampel random terdiri dari 100 mahasiswa telah diambil dari
sebuah Universitas, lalu nilai-nilai IQ-nya dicatat. Di dapat
x 112 dan S 10
a. Jika diketahui interval taksiran rata-rata IQ dengan koefisien
konfidensi 0,96 maka dipakai rumus di atas, untuk P = 0,975 dan dk =
99 dengan interpolasi di dapat t p = 1,987.
(112 (1,9870). 10 < 112 + (1,987) . 10
100 100
Atau
110,0 < <114,0
Kita merasa 95 % yakin (konfiden) bahwa rata-rata IQ mahasiswa
akan ada dalam interval dengan batas 110,0 dan 114,0
Kalau kita ingin menaksir variable dari sebuah populasi sampel
2
2
variansi S perlu dihitung, dan rumus yang digunakan ialah
2
2
xi x
S
n 1
Ternyata bahwa variansi S2 adalah estimator tak bias untuk variansi
2

tetapi simpangan baku S bukan estimator tak bias untuk simpangan


baku jadi titik taksiran S untuk adalah bias.
2 2

Jika populasi berdistribusi normal dengan variansi maka 100 %


2

interval konfidensi untuk ditentukan dengan menggunakan


2

distribusi Chi-kuadrat.
Dapat ditentukan penduga selangnya karena 2 diduga oleh S2 sedang :
2
JK ( x) (n 1) S 2 xi x
2 2 2

62
TEORI ESTIMASI ATAU MENAKSIR

Jumlah kuadrat simpangan n buah pengamatan dari suatu contoh acak


terhadap nilai tengah populasi. Dibagi oleh ragam populasi. Penyebar
secara Chi-kuadrat dengan derajat bebas r = (n 1) akibatnya dapat
ditentukan suatu selang yang memenuhi syarat :
JK ( x)
P( x12 /2 2
x 2 / 2) 1

F(x)

x12 /2 x2 /2 x2
2
Karena x a merupakan nilai x2 yang menyebabkan bahwa :
P x2 x s2 = a maka luas bagian bidang di bawah grafik yang tidak
digarisi pada gambar di atas sama dengan 1 -
P( x12 / 2 JK ( x) 1 / 2 x 2 / 2 / JK ( x)) 1
(n 1)S 2 2 (n 1)S 2
1
X2 /2 X 12 /2
Kalau misal 1 - = 0,95 maka yang perlu dilihat dari daftar ialah
2 2
x 0,995 dan x 0, 025

63
STATISTIKA

Teladan :
Suatu sampel random berukuran 30 telah diambil dari sebuah populasi
yang berdistribusi normal dengan simpangan baku harga S2 = 7,2
dengan koefisien konfidensi 0,95, maka didapat
29 (7,8) 2 (29 (7,8 2
atau 4,95 14 ,14
45,7 16 ,0
Interval taksiran untuk simpangan baku adalah : 2,23 < < 3,75
Kata merasa 95 % konfiden bahwa simpangan baku akan ada dalam
interval yang ditasi 2,23 dan 3,75

64