Anda di halaman 1dari 13

Inferensi untuk Parameter Proporsi ( Inferensi untuk Parameter Proporsi ( Inferensi untuk Parameter Proporsi ( Inferensi untuk Parameter

Proporsi ( ) )) )
Jika Parameter telah diketahui, maka dapat digunakan
untuk menghitung P(x) (lihat rumus Distribusi binomial)
Jika Parameter belum diketahui, maka harus dilakukan
perhitungan (estimasi parameter)
Salah satu metode mengestimasi parameter adalah Maximum Salah satu metode mengestimasi parameter adalah Maximum
Likelihood Estimator (MLE)
Jika dilakukan estimasi parameter, maka selanjutnya dilakukan
inferensi. Uji Hipotesis atau Interal !onfidensi
Inferensi
Terdapat dua cara untuk inferensi parameter , yaitu metode
eksak dan metode pendekatan distribusi normal.
etode eksak digunakan pada sampel kecil
etode pendekatan distribusi normal digunakan ketika
!umlah sampel besar. !umlah sampel besar.
Dalam inferensi statistik, kita mengenal nilai yang
merupakan probabilitas kesalahan Tipe " yang biasa disebut
dengan tingkat signifikansi.
#ntuk mengu!i hipotesis $
%
, peneliti menetapkan nilai
yang digunakan.
P-value.
&ilai terkecil sedemikian hingga dapat menolak $
%
disebut
"#alue.
"#alue dapat dihitung berdasarkan distribusi statistiknya.
'ontoh, dimisalkan pengu!ian
$
%
( )%.*% mela+an $
,
( - %.*%
Dari ,% pengu!ian klinik diperoleh sukses sebanyak y).. Dari ,% pengu!ian klinik diperoleh sukses sebanyak y)..
enolak $
%
berarti mendukung $
,
yaitu /lebih dari0,
sehingga
"#alue ) P(1).) 2 P(1),%) ) %.%,% 2 %.%%,
) %.%,,.
3leh karena "#alue 4 %.%* pada y ) . atau ,%, hal ini berarti
bah+a $
%
akan ditolak.
Mid P-value.
tipe lain dari "#alue yang disebut sebagai Mid "#alue untuk
sampel ke$il .
contoh untuk y ). pada n),% pengulangan dengan hipotesis
$
,
( 5 - %.*%
&ilai Mid "#alue nya adalah
"%alue ) "(&) ' "(()) * ).)() ' ).))( * ).)((. "%alue ) "(&) ' "(()) * ).)() ' ).))( * ).)((.
mid "67alue ) "(.)+8 2 "(,%) ) %.%,%+8 2 %.%%, ) %.%%9.
Tabel 1.5. Nilai P-value untuk n=10 pada H
0
=0.5 vs H
1
!0.50
Y P(y) P-value Mid P-value
0 0.001 1.000 1.000
1 0.010 0.999 0.994
2 0.044 0.989 0.967
3 0.117 0.945 0.887 3 0.117 0.945 0.887
4 0.205 0.828 0.726
5 0.246 0.623 0.500
6 0.205 0.377 0.274
7 0.117 0.172 0.113
8 0.044 0.055 0.033
9 0.010 0.011 0.006
Selan!utnya contoh untuk y ). pada n),% pengulangan
untuk hopotesis H
(
( , - %.*%
"#alue ) P(y*%) 2 P(y*,)2: : :2P(y*.) ) %....
Mid "#alue ) P(y*%) 2 P(y*,)2: : :2 P(y*.);8 ) %...<
Tabel ,.9. &ilai "#alue untuk n),% pada $
%
( )%.* 7s $
,
( =%.*%
y P(y) P-value Mid P-value
0 0.001 0.001 0.001
1 0.010 0.011 0.006
2 0.044 0.055 0.033
3 0.117 0.172 0.113
id P67alue
disimpulkan dengan
) %,%* bah+a $
%
ditolak !ika dari data
sampel diperoleh y 4 8.
3 0.117 0.172 0.113
4 0.205 0.377 0.274
5 0.246 0.623 0.500
6 0.205 0.828 0.726
7 0.117 0.945 0.887
8 0.044 0.989 0.967
9 0.010 0.999 0.994
Maximum Likelihood Estimator ("#$)
>ungsi ?@ distribusi binomial
?() )
y
.(,6)
n6y
Aerapa nilai yang memaksimumkan fungsi ?()B

! )! (
!
y y n
n
Aerapa nilai yang memaksimumkan fungsi ?()B
n
y
p = =

%&i Proporsi den'an Pendekatan


(istribusi Normal
= ) ( p E
n
p Var
) 1 (
) (

=
$ipotesis yang akan diu!i adalah $ipotesis yang akan diu!i adalah
H
%
( , ) ,
%
Statistik u!i
n
p
Z
) 1 (
) (
0 0
0

=
Statistik C berdistribusi normal standar
Interval )onfidensi Proporsi den'an
Pendekatan (istribusi Normal.
"nter7al konfidensi untuk parameter dengan tingkat
kepercayaan ,%%(, D )E dengan menggunakan pendekatan
sampel besar
SE z p .
2 /

n
p p
SE
) 1 (
=
Statistik Fald untuk hipotesis H ( ) Statistik Fald untuk hipotesis H
%
( )
%
SE
z
)

(
0

=
)

var( = SE
mendekati distribusi normal standar. Sehingga G
8
berdistribusi
chi kuadrat dengan dera!ad bebas satu (df),). Statistik G
dinamakan statistik Fald.
Perhatikan bah+a
p =

*tatistik rasio likeli+ood


Statistik rasio likelihood berdistribusi 'hi kuadrat dengan
df),.

1
0
log 2
L
L
L) adalah nilai fungsi likelihood pada kondisi $
%
benar
L( adalah nilai fungsi likelihood dari penaksir ?@
Score Test.
C mendekati distribusi normal standar.
SE
p p
z
) (
0

=
n
SE
) 1 (
0 0

=