Metode Penaksiran

1. Penaksiran Titik
Nilai tunggal dari suatu parameter melalui
pendekatan metode tertentu.

2. Penaksiran Selang
Nilai sesungguhnya dari suatu parameter, dimana
semua nilai yang mungkin dari parameter tersebut
berada pada kisaran selang tertentu.
Ilustrasi
1. Seorang mahasiswa calon sarjana Matematika,
memiliki target IP ketika lulus adalah 3,5.
2. Seorang mahasiswa lainnya memiliki target IP
ketika lulus adalah minimal 3.

Kasus 1: taksiran titik  IP = 3,5

Kasus 2: taksiran selang  IP = [3,4]
Penaksiran Titik
 Statistik yang digunakan untuk mendapatkan
taksiran titik disebut penaksir atau fungsi
keputusan.

X →µ
 Apakah dan s2 s 2
→ σ 2
merupakan penaksir yang baik dan
paling efisien bagi µ dan σ2?
X
Penaksir Takbias dan Paling Efisien
Definisi:
 Statistik dikatakan penaksir takbias parameter θ bila
Θ̂

µ Θˆ = E[Θ
ˆ ] =θ
 Dari semua penaksir takbias θ yang mungkin
dibuat, penaksir yang memberikan variansi
terkecil disebut penaksir θ yang paling efisien
σ 2
Θ
ˆ
1
<σ 2
Θ
ˆ
2
 1 n
X = ∑ Xi
n i =1
( )
n
1
Misalkan ∑
s = variabel acak X ~ N(µ,σ 2) maka dan
2
2
X − X
n − 1 i =1
i

adalah penaksir takbias untuk µ dan σ2.

Bukti:
1 n 
E[ X ] = E  ∑ X i 
 n i =1 
= E [X 1 + X 2 + ... + X n ]
1
n
= nE [X ]
1
n
=µ
    2
(X i − X )  = E ∑ (( X i − µ ) − ( X − µ ) ) 
n n
1 1
E[ s ] = E  ∑
2 2

 n − 1 i =1  n − 1  i =1 
 n 2
E ∑ ( X i − µ ) − 2(X − µ )∑ ( X i − µ ) + n(X − µ ) 
n
1
=
2

n − 1  i =1 i =1 
 n 2
E ∑ ( X i − µ ) − n( X − µ ) 
1
=
2

n − 1  i =1 

=
1  n
 ∑
n − 1  i =1
[ ] [
E ( X i − µ ) − nE (X − µ ) 
2
]
2 


1  n 2 2 
=  ∑
n − 1  i =1
σ X i − nσ X 

σ = σ untuk i = 1, 2,…, n, dan σ X2 =
2 2 σ2
karena Xi
n
1  2 σ 2
E[ s ] =
2
 nσ − n  = σ 2

n −1  n 
Penaksiran Selang
 Taksiran selang suatu parameter populasi θ:
θˆ1 < θ < θˆ2
 θˆ1 dan θˆ2 : nilai dari peubah acakΘ̂1 danΘ̂ 2 .
 θˆ1 dan θˆ2 dicari sehingga memenuhi :
(
ˆ <θ < Θ
PΘ1
ˆ = 1−α
2 )
dengan 0 < α < 1.
taraf/koefisien kepercayaan

 Selang kepercayaan : perhitungan selang

θˆ1 < θ < θˆ2
berdasarkan sampel acak.
Selang Kepercayaan (1-α) untuk µ
 Kasus 1 populasi, σ2 diketahui
 
P − z α < Z < z α  = 1 − α
 1− 2 1−
2 

X −µ
TLP : = Z ~ N (0,1)
σ/ n
 σ σ 

P X − z α <µ< X +z α  = 1−α
 1−
2 n 1−
2 n 

SK (1-α) untuk µ jika σ2 diketahui :

σ σ
X −z α <µ< X +z α
1− n 1− n
2 2
 Kurva Normal Baku
menghitung ztabel

α/2 α/2
P(-z1-α/2 ≤ Z ≤ z1-α/2)
=1-α

-z1-α/2 µ=0 z1-α/2

(1-α/2)

α = 5% maka z1-α/2 = z0,975 =1,96  P(Z ≤ z0,975) = 1 – 0,025 = 0,975

dan -z1-α/2 = -z0,95= -1,96.
Selang Kepercayaan (1-α) untuk µ
 Kasus 1 populasi, σ2 tidak diketahui
 
P − t α < T < t α  = 1 − α
 2 2 

X −µ
~ t n −1
S/ n
 S S 

P X − t α < µ < X + tα  = 1−α
 2 n 2 n 

SK (1-α) untuk µ jika σ2 tidak diketahui :

S S
X − tα < µ < X + tα
2 n 2 n
Kurva t-Student
menghitung ttabel

α/2 α/2
P(-t1-α/2 ≤ T ≤ t1-α/2)
=1-α

-tα/2 µ=0 tα/2

(1-α/2)

α = 5% dan n =10 maka tα/2;n-1 = z0,025;9 = 2,262  P(T ≤ t0,025) = 0,025

dan -zα/2;n-1 = -z0,025;9= -2,262
Contoh 1
 Survey tentang besarnya biaya pengeluaran yang
dilakukan pada 50 buah rumah sakit di Amerika
diketahui berdistribusi normal dengan simpangan
baku $ 1,000 dan rata-rata pengeluaran adalah
sebesar $ 5,500. Dengan menggunakan taraf
keberartian 98% carilah selang kepercayaannya !
Analisis Soal
 Diketahui : n = 50 , X = 5500 , σ = 1000
Ditanya : SK 98% untuk µ (α = 0,02)
Jawab :
kasus menaksir µ dengan σ2 diketahui,
dan, SK (1-α) untuk µ jika σ2 diketahui :
σ σ
X −z α <µ< X +z α
1− n 1− n
2 2

dimana z1-α/2 = z0,99 = 2,33

Jadi, SK 98% untuk µ jika σ2 diketahui :

1000 1000
5500 − 2,33 < µ < 5500 + 2,33
50 50

5170,488 < µ < 5829,512

Contoh 2
 Survey tentang besarnya biaya pengeluaran yang
dilakukan pada 50 buah rumah sakit di Amerika
diketahui berdistribusi normal. Rata-rata
pengeluaran adalah sebesar $ 5,500 dengann
simpangan bakunya $ 1,000. Dengan
menggunakan taraf keberartian 98% carilah
selang kepercayaannya !

Dapatkah Anda membedakan contoh 1 dengan

contoh 2?
Analisis Soal
 Diketahui : n = 50 , X = 5500 , S = 1000
Ditanya : SK 98% untuk µ (α = 0,02)
Jawab :
kasus menaksir µ dengan σ2 tidak diketahui,
dan, SK (1-α) untuk µ jika σ2 tidak diketahui :
S S
X − tα < µ < X + tα
2 n 2 n
dimana tα/2;n-1 = t0,01;49 = 2,326
Jadi, SK 98% untuk µ jika σ2 tidak diketahui :

1000 1000
5500 − 2,326 < µ < 5500 + 2,326
50 50

5171,054 < µ < 5828,946

Selang Kepercayaan (1-α) untuk µ1- µ2
kasus 2 populasi
 SK (1-α) untuk (µ1- µ2) jika σ12 dan σ22 diketahui
σ 12 σ 22 σ 12 σ 22
( X 1 − X 2 ) − Z1−α / 2 + < µ1 − µ2 < ( X 1 − X 2 ) + Z1−α / 2 +
n1 n2 n1 n2

 SK (1-α) untuk (µ1- µ2) jika σ12 , σ22 tidak diketahui dan σ12 ≠ σ22

σ 12 σ 22 σ 12 σ 22
( X 1 − X 2 ) − tν ;α / 2 + < µ1 − µ2 < ( X 1 − X 2 ) + tν ;α / 2 +
n1 n2 n1 n2
2
S S  2 2

 + 
1 2

dimana ν = 2  12 2 
n n
( S1 / n1 ) ( S 22 / n2 ) 2
+
n1 − 1 n2 − 1
Se
 SK (1-α) untuk (µ1- µ2) jika σ12 , σ22 tidak diketahui dan σ12 = σ22

1 1 1 1
( X 1 − X 2 ) − tν ;α / 2 S p + < µ1 − µ2 < ( X 1 − X 2 ) + tν ;α / 2 S p +
n1 n2 n1 n2
(n1 − 1) S12 + (n2 − 1) S 22
dimana S p =
n1 + n2 − 2
 n1  n1

2
  n2
 n2

2

 ∑ X 1 −  ∑ X 1  / n1  +  ∑ X 2 −  ∑ X 2  / n2 
2 2
 1     1   
atau S p =    
1 1

n1 + n2 − 2
Pengamatan Berpasangan
Ciri-ciri:
 Setiap satuan percobaan mempunyai sepasang
pengamatan
 Data berasal dari satu populasi yang sama
Contoh
 Berat badan sebelum dan sesudah diet
 Penentuan perbedaan kandungan besi (dalam ppm)
beberapa sampel zat, hasil analisis X-ray dan Kimia
Selang Kepercayaan (1-α) untuk µd
SK untuk selisih pengamatan berpasangan dengan
rataan d dan simpangan baku Sd :
Sd Sd
d − tn −1; α < µ D < d + tn −1; α
2 n 2 n
dimana µ d = µ1 − µ 2 dengan n = banyaknya pasangan.

d merupakan rata-rata dari selisih 2 kelompok data.