BAB

PENDUGAAN DAN
SATU POPULASI

4 PENGUJIAN PARAMETER
Tahapan di dalam pengambilan keputusan secara Statistika dapat dinyatakan dalam pengambilan sampel, pendugaan parameter populasi dan pengujian parameter populasi. Setelah mempelajari modul ini di harapkan mahsiswa dapat melakukan pendugaan dan pengujian parameter satu populasi dengan bantuan program paket Statistika. Materi pada bab ini adalah pendugaan titik dan interval untuk parameter satu populasi. Data bisa berasal dari populasi berdistribusi normal maupun selain normal. Pendugaan titik dan interval pada populasi berdistribusi normal merupakan materi pada mata kuliah pengantar metode statistika, sedangkan pendugaan titik dan interval pada populasi berdistribusi selain normal merupakan bagian dari mata kuliah statistika non parametrik.

4.1. KOMPETENSI KHUSUS Mahasiswa diharapkan memiliki kompetensi sebagai berikut: a. Mampu menghitung taksiran mean dan varians untuk satu populasi berdistribusi normal. b. Mampu menghitung taksiran mean dan varians untuk satu populasi tidak berdistribusi normal dengan bootstrap. c. Mampu menduga taksiran interval parameter satu populasi berdistribusi normal maupun tidak normal.

4.2. URAIAN MATERI 4.2.1. Pendugaan Parameter Satu Populasi Klasifikasi pendugaan parameter untuk ukuran pemusatan dan penyebaran satu populasi yang berdistribusi normal dapat dinyatakan dalam Tabel 4.1. berikut: 59

xn b=1000 i=0 i=i+1 Lakukan pengambilan sampel ke-i lagi dari sampel yang ada sebanyak n ˆ Tentukan nilai statistik θ i Jika i<b pergi ke 5 Tentukan nilai statistik dan standard error dengan cara: b b ˆ ˆ (θ − θ b ) 2 θˆb = ∑θˆi dan sθˆ = ∑ i b −1 i =1 i =1 ˆ 10. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI Tabel 4. ….txt c1 s2 = 1 n 2 ∑ ( xi − x ) n − 1 i =1 (n − 1) s 2 χ α / 2. 4. 2. Selesai Selain dengan mengunakan metode bootstrap penentuan confidence interval dapat juga menggunakan metode nonparametrik yang lain yaitu tanda (sign) dan 60 . 5. Ukuran Pemusatan dan Penyebaran Parameter Satu Populasi Parameter Statistik Confidence interval Perintah MINITAB Onet c1 μ. n −1 Di dalam program paket MINITAB tidak tersedia secara langsung fasilitas untuk menentukan confidence interval untuk varians. 9.1. x2. Dalam praktek pengolahan data untuk penentuan confidence interval. 6.BAB 4. 8. σ 2 diketahui σ 2 x x ± z α / 2σ / n Onez c1. 7. Algoritma dari metode bootstrap adalah sebagai berikut: Mulai Lakukan pengambilan sampel dari populasi : x1. untuk mengatasi hal ini dapat diselesaikan dengan cara membuat macro MINITAB. σ tidak 2 x= 1 n ∑ xi n i =1 x ± tα / 2 s / n diketahui μ. untuk mengatasi hal ini dapat dilakukan penggunaan metode bootstrap.n −1 2 <σ2 < χ 2 1−α / 2. asumsi kenormalan tidak selalu dapat dipenuhi. sigma= σ (n − 1) s 2 %varia. 3. 11. Tentukan bootstrap confidence interval melalui nilai persentil dari θ i yaitu P100(α 2) dan P100(1−α 2) 1.

pengujian hipotesis dapat juga deilakukan dengan menggunakan metode bootstrap. 61 . Onez c1. Sigma σ .2. Test μ0 . b.BAB 4. σ 2 diketahui Simetri Simetri Hipotesis nol Statistik uji t= x − μ0 s/ n μ = μ0 Perintah MINITAB Onet c1. Asumsi distribusi normal terpenuhi dan pengujiannya dilakukan terhadap rata-rata populasi serta statistik ujinya adalah t untuk varians populasi tak diketahui dan z untuk varians populasi diketahui. Pengujian Parameter Satu Populasi Pengujian ukuran pemusatan populasi dapat diklasifikasikasikan menjadi dua kelompok yaitu : a. confidence interval untuk median dengan menggunakan dua metode ini adalah : No 1 2 Metode Tanda Wilcoxon Perintah Minitab sinterval 95 c1 winterval 95 c1 4. Test μ0  Stest M0 C1 Wtest Mo C1 μ = μ0 Median=M0 Median=M0 z= x − μ0 σ/ n Tanda Wilcoxon Selain dengan mengunakan cara di atas. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI Wilcoxon. pengujiannya dilakukan terhadap median dan statistik ujinya adalah uji tanda ataupun uji Wilcoxon Perintah MINITAB untuk dua macam klasifikasi di atas adalah : Syarat Normal. σ 2 tidak diketahui Normal. jika nilai μ0 atau M0 termuat di dalam bootstrap confidence interval maka hipotesis nol diterima yang berarti nilai rata-rata populasi tidak berbeda dengan μ0 atau nilai median populasi tidak berbeda dengan M0.2. Asumsi distribusi normal tak terpenuhi.

sehingga yang tersisa adalah hanya 17 negara di region Asia/Pasifik 62 . [klik Data+Select Cases]. d. Untuk menyelesaiakan masalah ini. dibutuhkan tahapan berikut ini: • Pemilihan Negara-negara di region Asia. Kegiatan Praktikum a.3. Confidence interval 95 % untuk rata-rata dan varians harapan hidup perempuan di region Asia. Tentukan confidence interval 95 % untuk rata-rata pendapatan per-kapita di region OECD Penyelesaian a.BAB 4. b. Tentukan confidence interval 95 % untuk rata-rata dan varians pendapatan per-kapita di region Asia. Tentukan confidence interval 95 % untuk rata-rata dan varians harapan hidup perempuan di region Asia.2. Ujilah pernyataan yang menyatakan bahwa rata-rata harapan hidup perempuan di region Asia adalah 65 tahun. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI 4. yang diluar region Asia dihapus. c.

BAB 4. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI • Simpan data dalam format dbf [klik File+Save As] • Buka data Asia.dbf dengan bantuan MINITAB [Klik File+open worksheet] 63 .

sehingga menghasilkan p-value > α yang artinya harapan hidup perempuan berdistribusi normal 64 . PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI Uji kenormalan variabel harapan hidup perempuan dengan KolmogorovSmirnov [klik Stat+Basic Statistics+normality test].BAB 4.

BAB 4. Hasil Uji Kenormalan Variabel Harapan Hidup Perempuan • Penentuan confidence interval rata-rata : [klik stat+basic stat+1 sample t] 65 .1. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI Gambar 4.

89 SE Mean 2.txt c6 95 lower upper 65.0% CI 61.64 ( 95.BAB 4. 73.81. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI One-Sample T: LIFEEXPF Variable LIFEEXPF N 17 Mean 67.7339 274.01) Harapan hidup perempuan di Asia berkisar antara 61. maka pengujian rataratanya dapat dilakukan dengan menggunakan stastik uji t sebagai berikut : [klik stat+basic statistics+1 sample t] dan hasilnya adalah: 66 .41 StDev 10.81 tahun sampai dengan 73 tahun dengan peluang sebesar 95% • Confidence interval untuk varians adalah : MTB > %varia. Rata-rata harapan hidup perempuan di region Asia adalah 65 tahun. Karena harpan hidup perempuan berdistribusi normal.495 Varians harapan hidup perempuan Asia berkisar antara 65 sampai dengan 274 dengan peluang 95%. 2.

64 P 0.375) > α dan confidence interval memuat 65 sehingga H0 diterima yang berarti rata-rata harapan hidup perempuan Asia masih dapat dianggap sama dengan 65 tahun pada α = 5% .01) p-value(0. 3.375 ( 95.2. Hasil Uji Kenormalan Variabel GDP P-value < α sehingga tolak H0 yang berarti pendapatan perkapita negaranegara Asia tidak berdistribusi normal sehingga confidence interval t tidak dapat digunakan. Confidence interval 95 % untuk rata-rata dan varians pendapatan per-kapita di region Asia Untuk menyelesaikan permasalahan ini dibutuhkan informasi tentang kenormalan variabel pendapatan per-kapita. 73.0% CI 61.91 SE Mean 2.BAB 4. Pada kasus ini dapat digunakan sign confidence interval atau wilcoxon confidence interval sebagai alternatif jika pendapatan perkapita berdistribusi simetri. Histogram dari pendapatan perkapita adalah: 67 .41 StDev 10. Hasil pengujian kenormalan dengan menggunakan statisitik uji Kolmogorov-Smirnov adalah sebagai berikut: Gambar 4.81.89 T 0. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI One-Sample T: LIFEEXPF Test of mu = 65 vs mu not = 65 Variable LIFEEXPF Variable LIFEEXPF N 17 Mean 67.

Sedangkan varians pendapatan perkapita adalah: MTB > %bootvar. Untuk menjawab permasalahan data yang tidak berdistribusi normal dan tidak simetri. Rata-rata pendapatan perkapita ini berkisar dari 1549 sampai dengan 7467 dengan peluang 95%.71 7467.txt c11 stat_b se_b lower upper 36838694 14993480 6298082 64034876 68 . metode bootstrap dapat digunakan dengan cara: MTB > bootmean.BAB 4.74 1508.3. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI Gambar 4.60 1549. Histogram Data GDP Dari histogram di atas dapat disimpulkan bahwa pendapatan perkapita berdistribusi tidak simetri.06 Rata-rata pendapatan perkapita untuk Negara-negara Asia adalah 4242.74 dengan standard error 1508.txt c11 dan hasilnya adalah : stat_b se_b lower upper 4242.

9734 Confidence interval ( 15974. 17912) ( 15942.4. MTB > sinterval c11 GDP_CAP NLI N 21 Median 17245 Achieved Confidence 0. 18277) Position 7 6 Median pendapatan perkapita berkisar diantara urutan data 7 terkecil sampai dengan 7 data terbesar dengan peluang sebesar 0.BAB 4. Histogram dan hasil pengujian Kolmogorov Smirnov untuk variabel ini adalah: (a) (b) Gambar 4. Median pendapatan perkapita berkisar dari 15942 sampai dengan 18031 dengan peluang sebesar 0.9500 0. Histogram (a) dan Uji Kenormalan (b) Data GDP di OECD Dari gambar di atas dapat disimpulkan bahwa pendapatan perkapita berdistribusi simetri tetapi tidak normal (p-value<5%) sehingga sign atau wilcoxon confidence interval dapat dipergunakan. 69 .9216. 4. Confidence interval 95 % untuk rata-rata pendapatan perkapita di OECD Confidence interval untuk rata-rata dapat diselesaikan dengan confidence interval t jika data berdistribusi normal dan dapat diselesaikan dengan sign confidence interval atau wilcoxon confidence interval jika data berdistribusi simetri.95.9216 0. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI Varians pendapatan perkapita Negara-negara Asia berkisar dari 6298082 sampai dengan 64034876 dengan peluang 95%. 18031) ( 15877.

BAB 4. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI MTB > winterval c11 GDP_CAP N 21 Estimated Median 17126 Achieved Confidence 94. 70 .8 Confidence Interval ( 15146. 18093) Pendapatan perkapita Negara-negara OECD berkisar dari 15146 samapi dengan 18093 dengan peluang sebesar 94.8%.

replacement. chis df. LAMPIRAN Lampiran 1. replacement. Macro MINITAB untuk Menentukan Bootstrap Confidence Interval untuk Rata-rata dan Varians macro bootmean x mconstant i n b lower upper mconstant stat_b se_b mcolumn x y stat let n=count(x) let b=1000 do i=1:b sample n x y. invcdf alpha2 chis1. let lower=df*var/chis1 let upper=df*var/chis2 print lower upper endmacro Lampiran 2. chis df.BAB 4. Macro MINITAB untuk menentukan confidence interval varians macro varia y ci mconstant i n var lower upper ci chis1 chis2 mconstant alpha alpha1 alpha2 df mcolumn y let n=count(y) let df=n-1 let alpha=1-ci/100 let alpha1=alpha/2 let alpha2=1-alpha1 let var=stde(y)*stde(y) invcdf alpha1 chis2.3. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI 4. let stat(i)=mean(y) enddo let stat_b=mean(stat) let se_b=stde(stat) histo stat sort stat stat let lower=stat(25) let upper=stat(975) print stat_b se_b lower upper endmacro macro bootvar x mconstant i n b lower upper stat_b mconstant se_b mcolumn x y stat let n=count(x) let b=1000 do i=1:b sample n x y. let stat(i)=stde(y)*stde(y) enddo let stat_b=mean(stat) let se_b=stde(stat) histo stat sort stat stat let lower=stat(25) let upper=stat(975) print stat_b se_b lower upper endmacro 71 .

Sign up to vote on this title
UsefulNot useful