ESTIMASI
1.
Pengertian
estimasi
Estimasi adalah suatu metode dimana
kita dapat memperkirakan nilai populasi (parameter) Dengan memakai nilai sampel
(statistic).
Estimator adalah nilai statistic
yang dipakai untuk menduga nilai populasi / parameter
Hasil dari pendugaan tersebut
disebut estimasi secara statistik
2.
Ciri-ciri
estimasi yang baik
Didalam
estimasi nilai statistic yang dipakai untuk menduga nilai populasi / parameter
disebut estimator. Hasil dari pendugaan disebut estimasi secara statistic(statistic
estimate) . estimator yang baik haruslah mempunyai sifat tidak bias , efisien
dan konsisten
tidak bias : nilai estimasi yang tidak mengandung nilai parameter yang diestimasi
tidak bias : nilai estimasi yang tidak mengandung nilai parameter yang diestimasi
Efisien
: hasil estimasi memakai nilai tersebut pada rentang yang kecil saja yang sudah
mengandung nilai parameter
Konsisten
: berapapun nilai sampel pada rentangnya akan mengandung nilai parameter yang
sedang diestimasi
3.
Kegunaan
estimasi
Pendugaan(estimasi)
digunakan untuk mendapatkan gambaran yang jelas tentang ciri-ciri populasi yang
tidak diketahui dengan menggunakan informasi , contoh atau penduga(estimator).
Agar
ciri-ciri atau parameter populasi dapat ditampilkan dengan jelas dan benar maka
penduga yang digunakan harus merupakan penduga yang terbaik.
4.
Bentuk
/ jenis estimasi
A.
Estimasi
titik(point estimation)
Nilai statistic (nilai-nilai sampel)
digunakan sebagai dugaan nilai parameter Karena nilai-nilai ini merupakan
estimator yang baik untuk menduga / mengestimasi nilai parameter.
Contoh :
Pabrik
ban “Stonbridge” ingin mengestimasi penjualan rata-rata per hari. Sebuah sampel
harian dikumpulkan menghasilkan rata-rata Rp 8.000.000,-.
Dalam hal ini telah dilakukan estimasi titik, dengan
menggunakan estimator berupa statistic mean ( ) untuk mengestimasi parameter mean
populasi (μ).
Nilai sampel Rp
8.000.000,- sebagai nilai estimate dari mean populasi.
Kelemahan
estimasi titik :
Tidak
dapat mengetahui berapa kuat kebenaran dugaan tersebut dan berkemungkinan besar
akan mengalami kesalahan dugaan
Penanganan
estimasi titik :
Kelemahan
estimasi titik ini dapat dihilangkan dengan cara melakukan estimasi interval
B.
Estimasi
selang ( estimasi interval)
Dasar estimasi interval ini adalah
bahwa sampel sampel yang diambil dari suatu populasi akan berdistribusi normal
sekitar μ dengan simpangan baku
= SE (sifat dari distribusi sampling). Dengan ini menentukan batas minimum dan
maksimum terletaknya nilai μ. Jarak dari batas tertinggi dan terndah ini
ditentukan sebagai confident interval = confident limit yaitu luas daerah
dibawah kurva normal ditentukan dengan persentase misalnya 90%, 95%, dan 99%.
Rumus umum
variansi populasi tidak
diketahui, tetapi n ³ 30
Variansi populasi tidak
diketahui dan n < 30
dengan ta/2 = nilai dari distribusi t dengan
derajat bebas v = n-1 sehingga daerah disebelah kanannya seluas a/2.
•
Interval
keyakinan 90% (α/2
= 0,05) nilai Z = 1,64
•
Interval
keyakinan 95% (α/2
= 0,025) nilai Z = 1,96
•
Interval
keyakinan 99% (α/2
= 0,005) nilai Z = 2,58
Contoh
estimasi interval
Dari suatu
sampel random sebanyak 100 org ibu hamil yg diambil di Kab Cianjur didapatkan
Hb = 9,5 gr% dan σ = 5 gr%. Dengan confident interval 95%, kadar Hb ibu hamil di
Cianjur
9,5 - (1,96 x SE)≤ ≤ 9,5 + (1,96 x SE)
9,5 - (1,96 x 0,5)
≤ ≤ 9,5 + (1,96 x 0,5)
8,52 gr% < μ <
10,48%
Artinya:
1. Kita yakini 95% bahwa Hb ibu hamil di Cianjur
terletak antara 8,52 gr% sampai 10,48 gr%
2. Kalau kita
ambil berulang kali sampel (cara dist.sampling) maka 95% dari mean sampel berada
pada nilai 8,52 gr% sampai 10,48%
RUJUKAN
1.
Hastono
Sutanto Priyo,2013. Statistic kesehatan, Jakarta: Rajawali Pers
2.
Sutanto.
2011. Statitistik Kesehatan.Jakarta : PT RAJA GRAFINDO PERSADA
3.
Budiarto.
2001. Biostatistik Untuk Kedokteran dan Kesehatan Masyarakat. Jakarta: Egc
Judul: Estimasi
Ditulis Oleh OMG SHOP
Silahkan tinggalkan komentar dan sarannya demi kemajuan blog ini kedepan...., Terima kasih
Tidak ada komentar :
Posting Komentar