Estimasi/Pendugaan/Prakiraan

Irene Febriani,S.Kep,MKM
 Analogi estimasi
memperkirakan ‘nilai’ populasi dengan
memakai ‘nilai’ sampel
TOPIK
•Introduksi
• Pengertian Estimasi
• Estimasi titik
• Nilai rata-rata populasi
• Nilai proporsi populasi
• Estimasi Interval
• Estimasi interval terhadap rata-rata populasi
• Estimasi interval terhadap proporsi populasi
• Estimasi interval terhadap perbedaan rata-rata populasi
• Estimasi interval terhadap perbedaan proporsi populasi
Hal-3
 Statistik Deskriptif │ Statistik Inferensial
Digunakan untuk analisa Statistik yang
data dengan
mendeskripsikan / digunakan untuk
menggambarkan data yg mengeneralisasikan
terkumpul sebagaimana
adanya tanpa tujuan data sampel
membuat terhadap populasi
kesimpulan/generalisasi
populasi Hal pokok dalam stat
inferens
Contoh :  kegiatan umum
paparan tentang rata rata estimasi Uji
usia siswa di sekolah x, hipotesis
rata rata jam kerja di
perusahaan x
 Estimasi
Definisi  Estimasi (pendugaan)
adalah suatu metode dimana kita dapat
memperkirakan nilai populasi (parameter) dengan
memakai nilai sampel (statistik).

ESTIMASI
ESTIMASI TITIK SELANG/interval
MUTASI pada parameter dan sampel
ESTIMATOR

Parameter Populasi Statistik Sampel

Mean  X
Proporsi p PS
Varians  2
S 2

Selisih rata2 1  2 X1  X 2
Hal-6
 SINGKAT Pengertian Estimasi Titik dan Interval

Populasi Random Sampel

Rata-rata Hb
Bumil sampel
X Estimasi titik:
=12.0 gr%
Rata-rata Hb Bumil
Rata Hb Bumil di di Populasi adalah
Populasi tidak 12.0 gr%
diketahui
Peneliti-1

Peneliti-2

Estimasi Interval: Saya

percaya pada tingkat
kepercayaan …...% rata-rata
Hb Bumil di populasi berkisar
Rata-rata Hb
antara 10.0 gr% - 14.0 gr%
Bumil sampel
=12.5 gr% Hal-7
ESTIMASI TITIK
 DEFINISI ESTIMASI TITIK

• Dalam estimasi titik, nilai populasi ditentukan

oleh 1 nilai saja
• Bila nilai parameter  dari populasi hanya
diduga dengan memakai satu nilai statistik ‘
dari sampel yang diambil dari populasi
tersebut, maka statistik ‘ disebut sebagai
estimasi titik
• Memiliki kelemahan : karena tidak dapat ditentukan
derajat keyakinannya=sulit dipertanggungjawabkan
secara statistik
 Statistik dan Parameter

Hb=12 Hb=13 Hb=11 Hb=10

Hb=11 Hb=10

Hb=11 Hb=12 Hb=9 Hb=11

Hb=12 Hb=12

Hb=10 Hb=10 Hb=12 Hb=9

X Sampel

 Populasi
Rata-rata Hb = 10,83
Rata-rata Hb = 11,25

10
 Estimasi parameter populasi
• Pada satu survei yang ingin diketahui adalah
karakteristik populasi bukan karakteristik sampel
• Kita tidak ingin
– Memperoleh rata-rata Hb hanya untuk 300 bumil di Cirebon
– Memperoleh prevalensi imunisasi DPT1 89% pada 300 anak
balita di Tangerang
• Yang kita inginkan adalah
– Rata-rata Hb bumil di Cirebon
– Prevalensi imunisasi DPT1 di Tangerang

11
Lanjutan contoh estimasi titik rata rata
• Misal dari suatu survey cepat yang terdiri dari
210 ibu hamil di Bekasi didapat rata-rata kadar
Hb 9,5 gr%.......Maka disimpulkan bahwa
kadar Hb bumil di Bekasi adalah 9,5 gr%
Lanjutan contoh estimasi titik proporsi
Misal dari suatu survey cepat yang terdiri
dari 210 ibu hamil di Bekasi didapat
sebanyak 60% bumil mengalami
anemia.......Maka disimpulkan sebanyak 60%
bumil mengalami anemia
 Estimasi Titik (contoh 1)

Hb=12 Hb=13 Hb=11 Hb=10

Hb=11 Hb=10
Hb=11 Hb=12 Hb=9 Hb=11

Hb=12 Hb=12
Hb=10 Hb=10 Hb=12 Hb=9

Sampel Populasi
Rata-rata Hb = 11,25 Rata-rata Hb = 10,83
ESTIMASI

14
 Ketepatan Estimasi Titik
Peneliti A Peneliti B Peneliti C

Rata-rata Hb=12,9 Rata-rata Hb=11,8 Rata-rata Hb=12,2

• Dari populasi yang sama dapat diperoleh nilai estimasi yang

berbeda
• Peneliti A, B, dan C memperoleh estimasi rata-rata Hb bumil
yang berbeda, meskipun sampel berasal dari populasi yang sama
• Jadi berapa rata-rata Hb bumil: 12,9 ; 11,8 atau 12,2 ?

15
 Kelemahan estimasi titik
–Sering meleset / salah
–Tidak diketahui derajat kebenaran dari
pendugaan…….untuk ini dipakai
Estimasi selang
 Mulai
pembahasan
estimasi
interval
 Introduksi estimasi interval
Dasar dari estimasi interval ini adalah bahwa
sampel-sampel yang diambil dari suatu populasi
akan berdistribusi (normal) sekitar mean
populasi (), dengan simpangan baku
 Estimasi (Pendugaan) titik dan interval
• Suatu penelitian bertujuan untuk mengestimasi ‘uric acid’ pada
populasi Lansia (umur di atas 65 tahun). Dari 100 orang sampel
Lansia yang diambil secara random dari populasi Lansia
tersebut, peneliti melaporkan bahwa rata-rata ‘uric acid’ pada
Lansia adalah 5.9 mg/100 (point estimate) dengan standar
deviasi 1.5 mg/100 ml. 95% tingkat kepercayaan peneliti bahwa
rata-rata ‘uric acid’ pada populasi Lansia berkisar antara 5.6-6.2
mg/100 ml (interval estimate).

• Dari 10.000 wanita berusia 50-54 tahun yang diteliti ditemukan

sebanyak 400 menderita kanker payudara.
Dari data tersebut, maka prevalensi kanker payudara pada
populasi adalah sebesar 400/10.000=0.04 atau 4% (point
estimate) dengan 95% tingkat kepercayaan peneliti bahwa
prevalensi kanker payudara pada populasi wanita tersebut
berkisar antara 3.6%-4.4% (interval estimate).
Istilah confident interval/selang kepercayaan
Jarak dari batas tertinggi dan terendah ini ditentukan
sebagai confidence interval (CI)
(CL) = confidence limit yaitu luas areal dibawah kurva
normal ditentukan dengan persentase misalnya
90%,95%, 99%.

Dalam statistik tidak ada kepercayaan 100%

(Jika mau percaya 100% silakan ukur seluruh populasi /sensus)

Contoh, rata-rata tinggi badan orang indonesia dapat

kita duga dengan memakai interval 160< <166,
artinya rata-rata tinggi badan orang indonesia diduga
berada di interval tersebut
Lanjutan

Dengan estimasi interval kita mengakui bahwa

dengan confident interval 95% atau 90%
ataupun 99% kebenaran taksiran ini benar

Dengan kata lain dengan jujur mengakui

kemungkinan (peluang) salah adalah 100%-
95% = 5% atau 100%-90%=10% atau 100%-
99%=1% dikenal sebagai ().
 Remember !!!!!!!!!

CL(confident limit) atau derajat kepercayaan = 1-α

α (koefisien kepercayaan) atau peluang salah = 1-CL

Ingat confident limit ada 99%,95%,90%, 80%

Berarti peluang salah ada ? 1%, 5%, 10% dan 20%
Gambar untuk interval kepercayaan (1-)

(1-)

½ ½
 
X  Z 2 * 0 X  Z 2 *
n n
Bila derajat kepercayaan (CL)=99% →berarti =1% ((=1-
CL)=1-99%=0.01), maka nilai tabel untuk Z ½ 
adalah +2,58 yang di dapatkan dari :
Interval estimasi untuk  dengan CL=99% akan menghasilkan
probabilitas dalam kurva normal seluas (0,500-(1/2* )=0.495 ----
lihat pada area 0,495 = 2,58
Z -------,08
:
:
2,5 0,495

½  = 0,005 ½  = 0,005
0,495 0,495

 + 2,58
-2,58
 Bila derajat kepercayaan (CL)=95% →berarti =5% (=1-
C=1-95%=0.05), maka nilai tabel untuk Z ½  adalah +
1,96 yang di dapatkan :
Interval estimasi untuk  dengan CL=95% akan menghasilkan
probabilitas dalam kurva normal seluas (0,500-0,025)=0,4750 ----
lihat pada area 0,4750 = 1,96
Z -------,06
:
:
1,9 0,4750

½  = 0,025 ½  = 0,025
0,4750 0,4750

 + 1,96
-1,96
Bila derajat kepercayaan (CL)=90% →berarti = 10% (=1-
CL=1-90%=0.1), maka nilai tabel untuk Z ½  adalah
+ ….. yang di dapatkan dari :
Interval estimasi untuk  dengan CL=90% akan menghasilkan
probabilitas dalam kurva normal seluas (0,500—0.05)=0.45----
lihat pada area …… = ……..
Z ------- 0.04,
:
:
1.6 0.4505

½  = 0.05 ½  = 0.05
0.4505 0.4505

 1.64
1.64
 Estimasi (Pendugaan)
Estimasi
Data Kuantitatif/ Data Kualitatif/
Interval
Numerik Kategorik

Mean/Rata-rata Proporsi

p(1  p)
..%CI  P  Z ( / 2)
 = SD pop  = SD populasi n
diketahui tak diketahui

 SD
..CI    Z / 2 ..CI    t( / 2,df n 1)
n n
Hal-27
• Rumus umum
 
X  Z / 2    X  Z / 2
n n
Keterangan :
X = nilai statistik sampel
Z α /2 = nilai Z tabel dari confident limit
SE = standar error = σ/
• Z/2 pada 90% CI = 1.64 (tabel Z)
• Z/2 pada 95% CI = 1.96 (tabel Z)
• Z/2 pada 99% CI = 2.58 (tabel Z)
 Contoh soal
Dari suatu penelitian di Bekasi sebanyak 144 bumil didapat
kadar Hb mereka x =9,5 gr%...Perkirakanlah di populasinya
kalau selama ini diketahui σ=2gr%. CI 95%
Jawaban :  
n = 144 bumil X  Z / 2    X  Z / 2
n n
X = 9,5 gr%
σ (simpangan baku populasi)=2 gr%
Z α /2 pada 95% adalah 1,96
cari dulu standar error nya = 2/ =0.16
JADI :
9,5gr% - 1,96 x 0.16 ≤µ ≤ 9,5gr% + 1,96 x 0.16
9.2gr% ≤ µ ≤ 9.8gr%
 Artinya
• Peneliti yakin 95% bahwa Hb bumil di Bekasi
berada diantara 9.2gr% sampai 9.8gr%
• Jika peneliti mengambil berulang kali sampel
yang besarnya 144 ibu di daerah tsb, 95% dari
mean mean sampel tersebut berada pada nilai
9.2gr% sampai 9.8gr%

 Contoh selanjutnya di excel

Rumus umum
S S
X  t / 2,n 1    X  t / 2,n 1
n n
Keterangan :
X = nilai statistik sampel

= nilai t tabel berdasarkan α/2 dan n-1

SE = standar error = simpangan baku sampel (S)/

Contoh kasus :
Jika dari 25 sampel bumil yg diambil random
didapatkan rata rata Hb 9gr%, SD sampel 7,7gr%.
Maka nilai pendugaan menjadi, jika confident limit
99% ?
Diketahui :
S S
X = 9gr% X  t / 2,n 1    X  t / 2,n 1
S = 7.7gr% n n
n = 25 ibu
SE = 7.7 / = 1.54gr%
2.797
α = 1- CL(99%) = 1%= 0.01
α/2 =0.005 tabel t kolom dan n-1 = 24 tbl t baris
 Lanjutan perhitungan
S S
X  t / 2,n 1    X  t / 2,n 1
n n
9gr% - 2.797 x 1.54gr% ≤ µ ≤ 9gr% - 2.797 x 1.54gr%
4.69 gr % ≤ µ ≤ 13.3gr%
Artinya
• Peneliti yakin 99% bahwa Hb bumil diCireboni berada
diantara 4.69gr% sampai 13.3gr%
• Jika peneliti mengambil berulang kali sampel yang
besarnya 25 ibu di daerah tsb, 99% dari mean mean
sampel tersebut berada pada nilai 4.69gr% sampai
13.3gr
• Rumus
pS 1  pS  pS 1  pS 
pS  Z / 2  p  pS  Z / 2
n n
Keterangan :
Ps = Proporsi sampel
Z α /2 = nilai Z tabel dari confident limit
n = jumlah sampel • Z/2 pada 90% CI = 1.64 (tabel Z)
• Z/2 pada 95% CI = 1.96 (tabel Z)
• Z/2 pada 99% CI = 2.58 (tabel Z)
 Contoh kasus
Data Kanker Payudara. ps=0.04, 1-ps=1-0.04=0.96,
n=10.000. Maka estimasi interval terhadap proporsi
kanker payudara pada populasi adalah sebagai
berikut untuk confident limit 90%
Diketahui : pS 1  pS  pS 1  pS 
p ZS  /2  p p Z
S  /2
n = 10.000 n n
Ps = 0.04
Z α /2 = 1,64

Jawaban
 Lanjutan

=
=
 ESTIMATOR
DEFINISI  Nilai statistik yang dipakai
untuk menduga parameter disebut
estimator
• Tidak bias
• Efisien
• Konsisten
 Tidak Bias
Jika mean dari distribusi sampling dari suatu
statistik sama dengan parameter populasinya,
maka statistik tersebut dinamakan estimator tak
bias dari parameter tersebut dan nilainya disebut
estmiasi tak bias
Jika hasil estimasi mengandung nilai parameter
yang diestimasi
 Efisien
Estimasi yang memakai estimator tersebut pada
rentang yang kecil saja sudah mengandung nilai
parameter

Konsisten

Berapapun besarnya sampel, pada rentangnya

akan mengandung nilai parameter
Rentang dapat dipersempit dengan :

1. Memperkecil CI misal 95% menjadi 90%

2. Memperbesar n (sampel)
3. Meningkatkan ketelitian penelitian sehingga
varians sampel kecil, otomatis simpangan
bakunya kecil
 Tugas
Guna mengetahui berapa rata-rata berat bayi baru lahir, dilakukan pengamatan
terhadap bayi yang lahir di rumah sakit di suatu Kabupaten. Bayi yang lahir
dipilih secara random dari 3 rumah sakit. Hasilnya seperti berikut (berat dalam
kg):
Rumah sakit 1 :3,5 3,0 2,0 2,6 2,7 2,8 2,4
Rumah sakit 2 :4,2 3,0 1,9 3,8 3,6 3,5
Rumah sakit 3 :2,9 2,8 2,6 3,0 2,4
1.Dapatkah Saudara mengambil kesimpulan umum tentang berat lahir bayi di
masing-masing rumah sakit ? (Mean & SD)
2.Bila data ketiga rumah sakit disatukan, berapa rata-rata berat lahir bayi di
Kabupaten tersebut ?
3. Hitung perkiraan rata-rata berat lahir di Kabupaten tsb dengan confidence
interval 95%.. Diketahui σ (standar deviasi dipopulasi selama ini adalah 0.51 kg
Bila untuk studi di atas, menurut aturan WHO ditentukan bahwa bayi yang lahir
dengan berat <2500 gram dikategorikan BBLR. Hitunglah:
4.Berapa proporsi BBLR di masing-masing rumah sakit tersebut?
5.Berapa perkiraan proporsi BBLR di kabupaten tsb dengan confidence interval
95%.
2. Data berat badan dari 30 orang populasi sbb

Hitung variasinya  sehingga didapatkan nilai SD

2
populasi ( σ ) . Kemudian pergunakan nilai SD tersebut
dalam kalkulasi estimasi interval rata rata dari SD
populasi yang diketahui tsb. Jika diambil sampel dr
populasi sebanyak 18 orang dan didapatkan mean
sampel adalah 57,7 kg, standar deviasi populasi (?). Maka
perkirakanlah berat badan di populasi menggunakan
kepercayaan 95%
3. Data sampel 100 Lansia. Bila standar deviasi
populasi tidak diketahui maka digunakan
standar deviasi sampel, urid acid sebesar1.5
mg/100 ml dengan rata-rata urid acid sampel
Lansia adalah 5.9 mg/100ml. Maka estitmasi
interval terhadap rata-rata ‘uric acid’ pada
populasi Lansia adalah? Gunakan confident
limit 95%