UNIVERSITAS TADULAKO

MATA KULIAH
STATISTIKA TERAPAN
(Interval Estimation)

Dikerjakan Oleh:

APRISAL
C 102 22 018
PRODI MAGISTER PERENCANAAN WILAYAH PEDESAAN
PASCASARJANA UNIVERSITAS TADULAKO
UNIVERSITAS TADULAKO
Palu-Sulawesi Tengah
2022
A. Pengertian

Estimasi merupakan suatu bagian statistik inferensia yaitu

pernyataan mengenai parameter populasi yagn tidak diketahui berdasarkan

informasi dari sampel random sederhana yang diambil dari populasi

tersebut. Seberapa jauh parameter populasi yang tidak diketahui berada di

sekitar statistik sampel.

Estimasi interval dapat dihitung dengan menjumlahkan dan

mengurangkan margin kesalahan ke estimasi titik.

Point Estimate +/- Margin of Error

Tujuan dari estimasi interval adalah untuk memberikan informasi

tentang seberapa dekat perkiraan titik dengan nilai parameternya. Bentuk

umum pendugaan interval dari rata-rata populasi adalah

Sebelum menggunakan suatu nilai sampel sebagai estimator titik,

perlu diperiksa apakah nilai sampel tersebut memenuhi sifat-sifat sebagai

estimator yang baik, yaitu:

1. Tak bias (Unbiased), yaitu jika nilai harapan dari estimator sama

dengan nilai parameter populasi yang diestimasi.

 2. Efisien (Efficient), yaitu jika estimator tersebut memiliki standar

error (varian) yang paling kecil dibandingkan estimator tak bias

yang lain.

3. Konsisten (Consistent)

Suatu estimator dikatakan memiliki sifat konsisten, apabila

estimator tersebut cenderung mendekati nilai parameter populasi

jika ukuran sampel ditingkatkan (semakin besar). Jika ukuran

sampel ditambah tanpa batas distribusi sampling penduga akan

menjadi satu garis tegak lurus di atas paramater yang

sesungguhnya.

B. Estimasi rata-rata

Menurut Mochamad (2012), estimasi rata-rata merupakan

pendugaan mengenai data parameter (μ) yang sebenarnya berdasarkan

informasi rata-rata sampel. Sementara menurut Rachmat (2012),

pendugaan rata-rata (μ) merupakan pendugaan mengenai parameter (μ)

yang sebenarnya berdasarkan informasi pada suatu rata-rata sampel.

C. Estimasi Proporsi

Dalam jenis estimasi proporsi sering digunakan ketika proporsi

sampel untuk mengadakan estimasi terhadap proporsi populasi. Estimasi

dalam suatu percobaan binominal diberikan dengan sejumlah simbol yaitu:

 p: Proporsi populasi

 X: jumlah variabel yang ditanyakan

 n: jumlah anggota populasi (sampel)

D. Pembagian Jenis Estimasi Ada 2 :

1. Estimasi titik (point estimates) : nilai tunggal yang berasal dari suatu

sampel dan digunakan untuk memperkirakan nilai populasi. Estimasi titik

hanya menjelaskan dari sampel yang diambil dari sebuah populasi , tidak

mencerminkan nilai sebenarnya dari populasi tersebut.

2. Interval kepercayaan (convidence interval) : kisaran nilai yang

diharapkan akan terjadi dalam parameter populasi tertentu, dengan

probabilitas yang spesifik. Probabilitas spesifik ini disebut tingkat

kepercayaan.

Estimasi digunakan untuk memperkirakan hasil dari suatu pengamatan

penelitian. Interval kepercayaan menggunakan ukuran probabilitas spesifik agar

estimasi yang dihitung dapat mendekati angka sebenarnya dan tidak bias.

Misalnya, seorang manajer yakin bahwa 95% penjualan produk di

perusahaannya akan mencapai nilai 500 – 2000 buah per hari.

- 95% ini menunjukkan interval kepercayaan.

- 5% sisanya adalah standar error/tingkat kesalahan.

0,025 0,025

0,475 0,475

-1,96 1,96

0,95
Skema 1.1
Berdasarkan penggambaran tabel diatas, interval kepercayaan sebesar 95% akan

berada dalam 1,96 standar deviasi rata-rata dari populasi yang diteliti.

 1,96 diperoleh dari :

- 5% tingkat kesalahan dibagi menjadi dua sisi pada tabel diatas.

- Sedangkan probabilitas terjadi 95% dibagi dua sisi pula, sebesar 0,475.

- Maka nilai Z dari probabilitas tersebut adalah 1,96 ( lihat di table Z, lihat

yang di dalam )

Dalam interval estimasi akan menggunakan dua tabel :

1. Data (n) yang kurang dari 30, menggunakan uji skala kecil dan

menggunakan tabel T

2. Data (n) yang lebih dari 30, menggunakan uji skala besar dan

menggunakan tabel Z.

 Mencari interval estimasi.

1. Interval estimasi untuk rata-rata populasi.

Keterangan :
σ
X̄ ±Z σ = standar deviasi
μ=
√n X̄ = rata-rata
populasi
Z = nilai Z
Contoh. n = jumlah data

Sebuah survey terhadap 50 pekerja yang mengundurkan diri rata-rata 26

minggu untuk mendapat pekerjaan baru. Standar deviasi adalah 6,2

minggu. Buatlah interval kepercayaan 90% untuk rata-rata populasinya.

Jawab.
 Cari nilai Z dahulu, dengan cara seperti skema 1.1 diperoleh nilai Z

sebesar 1,64

σ
X̄ ±Z
μ=
√n

6,2
μ = 26 ± 1,64
√50
μ = 26± 1,44

μ = 27,44 atau μ = 24,56.

“Jadi, pekerja membutuhkan waktu antara 24, 56 sampai 27,44 minggu

untuk mendapatkan pekerjaan barunya.”
2. Interval estimasi untuk rata-rata sampel.
Keterangan :
s
X̄ ±t S = standar deviasi

μ=
√n X̄ = rata-rata sampel
t = nilai t
n = jumlah data
Contoh.

Pak Dahlan ingin memperkirakan rata-rata produksi telur per ayam.

Sampel terdiri dari 20 ayam, menunjukkan bahwa rata-rata produksinya

adalah 20 butir per bulan, dengan standar deviasi 2 telur per bulan. Buatlah

interval kepercayaan 95% untuk rata-rata produksinya.

Jawab :

Untuk mencari nilai t, menggunakan tabel T.

Cara membaca table T, terlebih dahulu cari niai df (degrees of fredrom)

atau derajad kebebasan.

df = n – 1  df = 20 – 1 = 19.
 Kemudian lihat pada tabel, df nya 19 dan standar error nya 0,05 pada

bagian two tailed. Nilai t nya adalah 2,093.

s 2
X̄ ±t
μ= √n  μ = 20 ± 2,093 √ 20 = 20 ± 0,936  20,936 atau

19,064

Jadi, pak dahlan 95% yakin bahwa produksi telur nya perbulan berkisar

antara 19, 064 sampai 20, 936 per bulan.

3. Interval kepercayaan untuk proporsi

Proporsi (ṕ) : rasio yang menunjukkan bagian sampel atau populasi yang

memiliki sifat tertentu yang sedang diteliti.

x
ṕ=
n
interval kepercayan 
(P) = ṕ ± z
Contoh

Seorang manajer bank ingin mengetahui pelanggan yang menggunakan

kartu debit untuk membayar di tempat pengisian bahan bakar. Dengan

mengampil sambil sampel 100 pelanggan, didapati 80 membayar kontan di

tempat bahan bakar. Buat interval kepercayaan 95% untuk proporsi

populasi tersebut

Jawab :

Diketahui : n = 100, x = 80

x 80
- ṕ= = = 0,8
n 100

- Nilai Z nya adalah 1,96 (caranya seperti mencari nilai z sebelumnya)

- P=ṕ±z
√ ṕ(1− ṕ)
n
= 0,8 ± 1,96
√ 0,8(1−0,8)
100
= 0,8 ± 0,0784 = 0,88 atau

0,72

- Manajer cukup yakin bahwa proporsi pelanggan yang membayar kontan di

tempat bahan bakar sebesar 72 sampai 88 persen.

1. Interval Estimation for Mean with Finite Population.

Bila dalam penelitian populasi sampel adalah populasi yang terbatas (finite)

perlu dilakukan penyesuaian dengan menggunakan factor koreksi populasi

yang terbatas (finite-popuation correction factor - FPC).

FPC =
√ N −n
N −1

Sedangkan interval kepercayaannya adalah

Bila n < 30, menggunakan t

Z = x¯± z
s
√n (√ N −n
N−1 ) dan tabel t

Contoh:

Seorang dosen ingin mengetahui nilai UTS dari 200 mahasiswanya.

Diambil 25 sampel dan hasilnya rata-rata UTS mereka adalah 60. Dengan

standar deviasi 20 dan level signifikan 95%, Berapa rata-rata UTS seluruh

mahasiswa ?

Jawab.

Diketahui : N = 200, n = 25, rata-rata = 60, s = 20.

Karena n < 30, maka ini termasuk uji skala kecil dan menggunakan tabel t.
 df = 25 -1 = 24

nilai t nya adalah 2,064 (dari tabel t)

µ = x¯± t
s
√n (√ NN−1
−n
)
µ = 60 ± 2,064
20
√ 25 (√ 200−25
200−1 )

µ = 60 ± 7,742  67,74 atau 52,26

“Jadi, rata-rata nilai mahasiswa berada diantara nilai 52,26 sampai 67,74.”

2. Finite Population Correction Factor for Proportion

P=ṕ±z
√ ṕ(1− ṕ)
n (√ NN−1
−n
)
Contoh :

Pimpinan bank ingin mengetahui kepuasan nasabah dari 1000 nasabah,

diambil 100 sampel. Hasilnya 60 orang menyatakan bahwa mereka puas.

Dengan level signifikan 95%. Berapa proporsi pelanggan yang menyatakan

puas?

Jawab :

x 60
Diketahui : N = 1000, n=100, x= 60, ṕ = = = 0,6
n 100

Nilai z adalah 1,96 (mencari nilai z sama dengan sebelumnya)

P=ṕ±z
√ ṕ(1− ṕ)
n (√ NN−1
−n
)
P = 0,6 ± 1,96
√ 0,6(1−0,6)
100 (√ 1000−100
1000−1 )
= 0,6 ±0,091
Memilih ukuran sampel.

Kritetia sampel yang baik :

1) Tingkat kepercayaan yang diharapkan.

2) Kesalahan yang diizinkan (allowable error) atau E

3) Variation in the population.

n= ( ZE. s ) 2
 E=Z
s
√n

n = ukuran sampel
s = standar deviasi
E = kesalahan maksimal yang
diizinkan

ukuran sampel untuk proporsi populasi

n = ṕ(1− ṕ) ( ZE ) 2