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

BAB 4. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI

Tabel 4.1. Ukuran Pemusatan dan Penyebaran Parameter Satu Populasi Parameter Statistik Confidence interval Perintah MINITAB Onet c1

;
tidak
2

x=

1 n xi n i =1

x t / 2 s / n

diketahui

2 diketahui

x z / 2 / n

Onez c1; sigma=

(n 1) s 2 %varia.txt c1

s2 =

1 n 2 ( xi x ) n 1 i =1

(n 1) s 2

/ 2;n 1
2

<2 <

2 1 / 2; n 1

Di dalam program paket MINITAB tidak tersedia secara langsung fasilitas untuk menentukan confidence interval untuk varians, untuk mengatasi hal ini dapat diselesaikan dengan cara membuat macro MINITAB. Dalam praktek pengolahan data untuk penentuan confidence interval, asumsi kenormalan tidak selalu dapat dipenuhi, untuk mengatasi hal ini dapat dilakukan penggunaan metode bootstrap. Algoritma dari metode bootstrap adalah sebagai berikut: Mulai Lakukan pengambilan sampel dari populasi : x1, x2, , xn b=1000 i=0 i=i+1 Lakukan pengambilan sampel ke-i lagi dari sampel yang ada sebanyak n Tentukan nilai statistik i Jika i<b pergi ke 5 Tentukan nilai statistik dan standard error dengan cara: b b )2 ( b b = i dan s = i b 1 i =1 i =1 10. Tentukan bootstrap confidence interval melalui nilai persentil dari i yaitu P100( 2) dan P100(1 2) 1. 2. 3. 4. 5. 6. 7. 8. 9.
11. Selesai

Selain dengan mengunakan metode bootstrap penentuan confidence interval dapat juga menggunakan metode nonparametrik yang lain yaitu tanda (sign) dan

60

BAB 4. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI

Wilcoxon, confidence interval untuk median dengan menggunakan dua metode ini adalah :

No
1 2

Metode
Tanda Wilcoxon

Perintah Minitab
sinterval 95 c1 winterval 95 c1

4.2.2. Pengujian Parameter Satu Populasi

Pengujian ukuran pemusatan populasi dapat diklasifikasikasikan menjadi dua kelompok yaitu : a. 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. b. Asumsi distribusi normal tak terpenuhi, pengujiannya dilakukan terhadap median dan statistik ujinya adalah uji tanda ataupun uji Wilcoxon Perintah MINITAB untuk dua macam klasifikasi di atas adalah :

Syarat
Normal, 2 tidak diketahui Normal, 2 diketahui Simetri Simetri

Hipotesis nol

Statistik uji
t= x 0 s/ n

= 0

Perintah MINITAB Onet c1; Test 0 .

Onez c1; Sigma ; Test 0 Stest M0 C1 Wtest Mo C1

= 0
Median=M0 Median=M0

z=

x 0

/ n

Tanda Wilcoxon

Selain dengan mengunakan cara di atas, pengujian hipotesis dapat juga deilakukan dengan menggunakan metode bootstrap, jika nilai 0 atau M0 termuat di dalam bootstrap confidence interval maka hipotesis nol diterima yang berarti nilai rata-rata populasi tidak berbeda dengan 0 atau nilai median populasi tidak berbeda dengan M0.

61

BAB 4. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI

4.2.3. Kegiatan Praktikum

a. b. c. d. Tentukan confidence interval 95 % untuk rata-rata dan varians harapan hidup perempuan di region Asia. Ujilah pernyataan yang menyatakan bahwa rata-rata harapan hidup perempuan di region Asia adalah 65 tahun. Tentukan confidence interval 95 % untuk rata-rata dan varians pendapatan per-kapita di region Asia. Tentukan confidence interval 95 % untuk rata-rata pendapatan per-kapita di

region OECD

Penyelesaian
a. Confidence interval 95 % untuk rata-rata dan varians harapan hidup perempuan di region Asia. Untuk menyelesaiakan masalah ini, dibutuhkan tahapan berikut ini: Pemilihan Negara-negara di region Asia, yang diluar region Asia dihapus,

[klik Data+Select Cases], sehingga yang tersisa adalah hanya 17 negara di region Asia/Pasifik

62

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

BAB 4. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI

Uji kenormalan variabel harapan hidup perempuan dengan KolmogorovSmirnov [klik Stat+Basic Statistics+normality test], sehingga menghasilkan

p-value > yang artinya harapan hidup perempuan berdistribusi normal

64

BAB 4. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI

Gambar 4.1. Hasil Uji Kenormalan Variabel Harapan Hidup Perempuan Penentuan confidence interval rata-rata : [klik stat+basic stat+1 sample t]

65

BAB 4. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI

One-Sample T: LIFEEXPF
Variable LIFEEXPF N 17 Mean 67.41 StDev 10.89 SE Mean 2.64 ( 95.0% CI 61.81, 73.01)

Harapan hidup perempuan di Asia berkisar antara 61.81 tahun sampai dengan 73 tahun dengan peluang sebesar 95% Confidence interval untuk varians adalah : MTB > %varia.txt c6 95
lower upper 65.7339 274.495

Varians harapan hidup perempuan Asia berkisar antara 65 sampai dengan 274 dengan peluang 95%. 2. Rata-rata harapan hidup perempuan di region Asia adalah 65 tahun. Karena harpan hidup perempuan berdistribusi normal, maka pengujian rataratanya dapat dilakukan dengan menggunakan stastik uji t sebagai berikut : [klik

stat+basic statistics+1 sample t]

dan hasilnya adalah:

66

BAB 4. 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 67.41 StDev 10.89 T 0.91 SE Mean 2.64 P 0.375

95.0% CI 61.81, 73.01)

p-value(0.375) > dan confidence interval memuat 65 sehingga H0 diterima yang

berarti rata-rata harapan hidup perempuan Asia masih dapat dianggap sama dengan 65 tahun pada = 5% . 3. 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. Hasil pengujian kenormalan dengan menggunakan statisitik uji Kolmogorov-Smirnov adalah sebagai berikut:

Gambar 4.2. Hasil Uji Kenormalan Variabel GDP P-value < sehingga tolak H0 yang berarti pendapatan perkapita negaranegara Asia tidak berdistribusi normal sehingga confidence interval t tidak dapat digunakan, 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

BAB 4. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI

Gambar 4.3. Histogram Data GDP Dari histogram di atas dapat disimpulkan bahwa pendapatan perkapita berdistribusi tidak simetri. Untuk menjawab permasalahan data yang tidak berdistribusi normal dan tidak simetri, metode bootstrap dapat digunakan dengan cara: MTB > bootmean.txt c11 dan hasilnya adalah :
stat_b se_b lower upper 4242.74 1508.60 1549.71 7467.06

Rata-rata pendapatan perkapita untuk Negara-negara Asia adalah 4242.74 dengan standard error 1508. Rata-rata pendapatan perkapita ini berkisar dari 1549 sampai dengan 7467 dengan peluang 95%. Sedangkan varians pendapatan perkapita adalah:

MTB > %bootvar.txt c11

stat_b se_b lower upper 36838694 14993480 6298082 64034876

68

BAB 4. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI

Varians pendapatan perkapita Negara-negara Asia berkisar dari 6298082 sampai dengan 64034876 dengan peluang 95%.
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. Histogram dan hasil pengujian Kolmogorov Smirnov untuk variabel ini adalah:

(a)

(b)

Gambar 4.4. 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. MTB > sinterval c11
GDP_CAP NLI N 21 Median 17245 Achieved Confidence 0.9216 0.9500 0.9734 Confidence interval ( 15974, 17912) ( 15942, 18031) ( 15877, 18277) Position 7 6

Median pendapatan perkapita berkisar diantara urutan data 7 terkecil sampai dengan 7 data terbesar dengan peluang sebesar 0.9216. Median pendapatan perkapita berkisar dari 15942 sampai dengan 18031 dengan peluang sebesar 0.95.

69

BAB 4. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI

MTB > winterval c11

GDP_CAP N 21 Estimated Median 17126 Achieved Confidence 94.8 Confidence Interval ( 15146, 18093)

Pendapatan perkapita Negara-negara OECD berkisar dari 15146 samapi dengan 18093 dengan peluang sebesar 94.8%.

70

BAB 4. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI

4.3. LAMPIRAN Lampiran 1. 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; chis df. invcdf alpha2 chis1; chis df. let lower=df*var/chis1 let upper=df*var/chis2 print lower upper endmacro

Lampiran 2. 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; replacement. 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; replacement. 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