PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI

Tahapan didalam pengambilan keputusan secara Statistika dapat

dinyatakan dalam : pengambilan sampel, pendugaan parameter populasi dan
pengujian parameter populasi. Setelah mempelajari modul ini di harapkan
mahsiswa dapat melkukan pendugaan dan pengujian parameter satu populasi
dengan bantuan program paket Statistika.

a. Pendugaan Parameter Satu Populasi

Klasifikasi pendugaan parameter untuk ukuran pemusatan dan penyebaran
satu populasi yang berdistribusi normal dapat dinyatakan dalam tabel berikut :
No. Parameter Statistik Confidence interval Perintah
MINITAB
1 n

tak x i
x t / 2 s / n Onet c1
diketahui x i 1

n
2 x z / 2 / n Onez c1;
diketahui x sigma=
3 n
(n 1) s 2 (n 1) s 2 %varia.txt c1
( xi x ) 2 2 / 2;n 1
2
2

1 / 2;n 1
s2 i 1

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 :

1
 1. Mulai
2. Lakukan pengambilan sampel dari populasi : x 1, x2, , xn
3. b=1000
4. i=0
5. i=i+1
6. Lakukan pengambilan sampel ke-i lagi dari sampel yang ada sebanyak n
7. Tentukan nilai statistik i
8. JIka i<b pergi ke 5
b

9. Tentukan nilai statistik dan standard error dengan cara : b i dan

i 1

b
(i b ) 2
s
i 1 b 1
10. Tentukan bootstrap confidence interval melalui nilai persentil dari i
yaitu P100( dan P100(1-)
11. Selesai

Selain dengan mengunakan metode bootstrap penentuan confidence

interval dapat juga menggunakan metode nonparametrik yang lain yaitu tanda
(sign) dan Wilcoxon, confidence interval untuk median dengan menggunakan
dua metode ini adalah :

Nomor Metode Perintah Minitab

1 Tanda sinterval 95 c1
2 Wilcoxon winterval 95 c1

b. Pengujian Parameter 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

2
 Perintah MINITAB untuk dua macam klasifikasi di atas adalah :
No. Syarat Hipotesis Statistik uji Perintah MINITAB
nol

1 Normal, Onet c1;
Tak x 0 Test
t
diketahui s/ n
2 Normal,
x 0 Onez c1;
z
Diketahui / n Sigma ;
Test
3 Simetri Median=M0 Tanda Stest M0 C1
4 Simetri Median=M0 Wilcoxon Wtest Mo C1

Selain dengan mengunakan cara di atas, pengujian hipotesis dapat juga

deilakukan dengan menggunakan metode bootstrap, jika nilai atau M0 termuat
di dalam bootstrap confidence interval maka hipotesis nol diterima yang berarti
nilai rata-rata populasi tidak berbeda dengan atau nilai median populasi tidak
berbeda dengan M0.

Kegiatan Praktikum
1. 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.
3. Tentukan confidence interval 95 % untuk rata-rata dan varians
pendapatan per-kapita di region Asia
4. Tentukan confidence interval 95 % untuk rata-rata pendapatan per-kapita
di region OECD

3
 Penyelesaian
1. confidence interval 95 % untuk rata-rata dan varians harapan hidup
perempuan di region Asia
Untuk menyelesaiakan masalah ini, dibutuhkan tahapan
- 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

4
- Simpan data dalam format dbf [klik File+Sae As]

- Buka data Asia.dbf dengan bantuan MINITAB [Klik File+open worksheet]

5
- Uji kenormalan variabel harapan hidup perempuan dengan Kolmogorov
Smirnov [klik Stat+Basic Statistics+normality test]

dan hasilnya adalah :

p-value> sehingga harapan hidup perempuan berdistribusi normal

6
- Penentuan confidence interval rata-rata :[klik stat+basic stat+1 sample t]

dan hasilnya adalah :

One-Sample T: LIFEEXPF

Variable N Mean StDev SE Mean 95.0% CI

LIFEEXPF 17 67.41 10.89 2.64 ( 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 65.7339
upper 274.495
Varians harapan hidup perempuan Asia berkisar antara 65 sampai
dengan 274 dengan peluang 95%.

7
2. Rata-rata harapan hidup perempuan di region Asia adalah 65 tahun.
Karena harpan hidup perempuan berdistribusi normal, maka
pengujian rata-ratanya dapat dilakukan dengan menggunakan stastik uji t
sebagai berikut : [klik stat+basic statistics+1 sample t]

dan hasilnya adalah :

One-Sample T: LIFEEXPF

Test of mu = 65 vs mu not = 65

Variable N Mean StDev SE Mean

LIFEEXPF 17 67.41 10.89 2.64

Variable 95.0% CI T P
LIFEEXPF ( 61.81, 73.01) 0.91 0.375

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

8
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 :

p-value <sehingga tolak H0 yang berarti pendapatan perkapita negara-

negara 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 :

9
 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 4242.74
se_b 1508.60
lower 1549.71
upper 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 36838694
se_b 14993480
lower 6298082
upper 64034876
Varians pendapatan perkapita Negara-negara Asia berkisar dari
6298082 sampai dengan 64034876 dengan peluang 95%.

10
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 :

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
Achieved
N Median Confidence Confidence interval Position
GDP_CAP 21 17245 0.9216 ( 15974, 17912) 7
0.9500 ( 15942, 18031) NLI
0.9734 ( 15877, 18277) 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.
MTB > winterval c11
Estimated Achieved
N Median Confidence Confidence Interval
GDP_CAP 21 17126 94.8 ( 15146, 18093)

Pendapatan perkapita Negara-negara OECD berkisar dari 15146

samapi dengan 18093 dengan peluang sebesar 94.8%

11
Lampiran 1. Macro MINITAB untuk menentukan confidence interval varians
macro
varia y ci
mconstant i n var lower upper ci chis1 chis2 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 macro
bootmean x bootvar x
mconstant i n b lower upper stat_b mconstant i n b lower upper stat_b
se_b mconstant se_b
mcolumn x y stat mcolumn x y stat
let n=count(x) let n=count(x)
let b=1000 let b=1000
do i=1:b do i=1:b
sample n x y; sample n x y;
replacement. replacement.
let stat(i)=mean(y) let stat(i)=stde(y)*stde(y)
enddo enddo
let stat_b=mean(stat) let stat_b=mean(stat)
let se_b=stde(stat) let se_b=stde(stat)
histo stat histo stat
sort stat stat sort stat stat
let lower=stat(25) let lower=stat(25)
let upper=stat(975) let upper=stat(975)
print stat_b se_b lower upper print stat_b se_b lower upper
endmacro endmacro

12