KATA PENGANTAR

Puji dan syukur kita ucapkan atas

berkat yang diberikan Tuhan Yang Maha Esa
kami dari Kelompok 8 dapat menyelesaikan
buku saku ini dengan judul metode momen.
Sebagai dosen pengampu mata kuliah
Statistik Matematika kepada Susiana, S.Si.,
M.Si., kami mengucapkan terima kasih
karena telah membimbing dalam penulisan
buku saku. Buku Saku ini telah kami susun
dengan maksimal dan mendapatkan bantuan
dari berbagai pihak maupun sumber
sehingga dapat memperlancar pembuatan
nya. Untuk itu kami mengucapkan banyak
terimakasih kepada dosen yang telah

ii
memberikan materi, Serta kami juga
berterimakasih kepada orang tua dan semua
pihak yang telah mendukung proses
pembuatan buku saku ini sehingga tugas ini
dapat terselesaikan tepat waktu.

Kami menyadari bahwa masih ada

kekurangan baik dari segi isi, susunan
kalimat maupun tata bahasanya. Oleh karena
itu dengan tangan terbuka kami menerima
segala saran dan kritik dari pembaca guna
kesempurnaan tugas ini. Akhir kata kami
ucapkan terima kasih.

iii
 DAFTAR ISI

KATA PENGANTAR ..................................... ii

DAFTAR ISI.................................................... 4
I. PENDAHULUAN ........................................ 5
II. TINJAUAN PUSTAKA ............................. 8
A. Metode Momen.................................... 8
B. Contoh Metode Momen .................... 14
C. Pendugaan Parameter dengan Metode
Momen ....................................................... 26
DAFTAR PUSTAKA .................................... 30

4
I. PENDAHULUAN
Parameter populasi biasanya
harganya tidak diketahui, sehingga perlu
diestimasi berdasarkan pengamatan dari data
sampel. Dalam buku saku ini akan dibahas
tentang metode estimasi yaitu metode
momen. Estimasi titik atau estimasi interval
yang biasa dikenal dengan interval
konfindensi. Untuk estimasi titik dibedakan
menjadi dua pendekatan yaitu pendekatan
klasik dan pendekatan teori keputusan.

Dalam pendekatan klasik, inferensi

didasarkan sepenuhnya pada informasi yang
diperoleh melalui sampel acak yang diambil
dari suatu populasi yang berdistribusi
5
tertentu. Metode-metode yang sering
digunakan diantaranya metode momen dan
metode maksimum likelihood. Estimator
yang diperoleh perlu dievaluasi dengan
menyelidiki sifat-sifat baik meliputi : sifat
takbias, kekonsistenan dari barisan
estimator, dan variansi minimum.

Dalam teori keputusan, inferensi

didasarkan pada kombinasi dari informasi
sampel dengan aspek-aspek lain yang
relevan dengan persoalan tertentu agar
diperoleh keputusan terbaik. Aspek lain yang
dipandang relevan sebagai tambahan
informasi sampel salah satunya adalah

6
pengetahuan tentang konsekuensi yang
mungkin timbul dari keputusan yang
diambil. Pengetahuan ini seringkali diukur
dengan menentukan kerugian yang akan
terjadi untuk setiap keputusan yang mungkin
dan untuk berbagai nilai yang mungkin dari
parameter populasi. Fungsi resiko
didefenisikan sebagai harga harapan dari
fungsi kerugian. Kriteria kebaikan dari
estimator ini salah satunya dilihat dari
besarnya resiko dari estimator tersebut.

Misalkan X adalah variabel random

dengan fungsi densitas 𝑓(𝑥|𝜃) dimana 𝜃
adalah parameter yang harganya tidak

7
diketahui. Dalam estimasi titik ini berarti
mengestimasi atau menduga harga parameter
𝜃 (dimungkinkan juga fungsi dari 𝜃 katakan
g(𝜃)) melalui / berdasarkan data obeservasi
dari sampel. Secara matematika data
observasi independent masing-masing
dengan merupakan himpunan bagian dari
ruang Euclid dengan dimensi yang
bersesuaian dengan dimensi 𝜃.

II. TINJAUAN PUSTAKA

A. Metode Momen
Metode Momen (Method of Moment
Rstimator/MME) yang diciptakan oleh Karl

8
Pearson pada tahun 1800 merupakan metode
tertua dalam menentukan estimator titik.

Definisi 1.1
Statistik T (𝑋) adalah fungsi dari data
observasi 𝑋1 , 𝑋2 , … . 𝑋𝑛 yang
digunakan untuk mengestimasi dari
harga g(𝜃) disebut estimator dari g(𝜃)
dan harga terobservasi dari statistik
𝑡(𝑋) disebut estimasi (dugaan) dari
g(𝜃)

Kadang-kadang estimator dari (𝜃) juga

dinotasikan dengan 𝜃̂. Kita bisa menghitung
harga 𝜃̂ = 𝑇(𝑋) langsung dari data observasi
𝑥1 , 𝑥2 , … . 𝑥𝑛 karena fungsi tersebut tidak
9
tergantung dari harga parameter 𝜃 yang tidak
diketahui.

Definisi 1.2
1. Misalkan suatu populasi dengan
fungsi densitas f(x| 𝜃), maka momen
populasi ke k didefinisikan sebagai
𝜇𝑘 = 𝐸(𝑋 4 )
2. Jika 𝑥1 , 𝑥2 , … . , 𝑥𝑛 adalah sampel
random dari populasi dengan fungsi
densitas f(x| 𝜃), maka momen sampel
ke k didefinisikan

Persamaan simultan yang dihasilkan.

Momen populasi ke j (𝜇𝑗 ) biasanya
merupakan fungsi dari 𝜃 = (𝜃1 , 𝜃2 , … . , 𝜃𝑘 ).
Estimator metode momen (𝜃̂1 , 𝜃̂2 , … , 𝜃 ̂𝑘 )
10
dari (𝜃1 , 𝜃2 , … . , 𝜃𝑘 ) didapatkan dengan
menyelesaikan system persamaan
(𝜃1 , 𝜃2 , … . , 𝜃𝑘 ) dalam bentuk
𝑚1 , 𝑚2 , … . , 𝑚𝑘 ). yaitu:

𝜇𝑘 = 𝑚1

𝜇2 = 𝑚2

… … … ..

𝜇𝑘 = 𝑚𝑘

Ide dasar metode ini adalah menyamakan

karakteristik sampel tertentu dengan nilai
ekspektasi populasi yang bersesuaian,
kemudian menyelesaiakan persamaan
tersebut untuk mendapatkan estimator
paramater yang tak diketahui.

11
Definisi 1.3 : Momen Populasi dan
Momen Sampel

Andaikan 𝑋1,𝑋2, ⋯ , 𝑋𝑛 adalah sampel

random yang distribusi probabilitasnya
dinyatakan oleh suatu fungsi probabilitas
𝑝(𝑥) jika diskrit atau fungsi densitas 𝑓(𝑥) jika
kontinu. Untuk 𝑘 = 1, 2, 3, ⋯ . Momen
populasi ke-k di sekitar titik asal dinotasikan
dengan 𝜇𝑘′, dan momen sampel ke-k di
sekitar titik asal dinotasikan dengan 𝑚𝑘′
yang didefiniskan sebagai berikut :

∑ 𝑋𝑖𝑘
́ 𝑘 ) 𝑑𝑎𝑛 𝑚́ 𝑘 =
𝜇𝑘 = 𝐸(𝑋
𝑛

12
Adapun momen populasi ke-k di sekitar
mean 𝑚𝑘 yang didefenisikan sebagai
berikut:

∑(𝑋𝑖 − 𝑋̅)𝑘
𝜇𝑘 = 𝐸(𝑋 − 𝜇)𝑘 𝑑𝑎𝑛 𝑚𝑘 =
𝑛

Definisi 1.4 : Metode Momen

Andaikan 𝑋1,𝑋2, ⋯ , 𝑋𝑛 adalah sampel

random dari suatu distribusi dengan fungsi
probabilitas atau fungsi densitas 𝑓(𝑥; 𝜃1, 𝜃2,
⋯ , 𝜃𝑝 ), dimana 𝜃1, 𝜃2, ⋯ , 𝜃𝑝 adalah 𝑝
parameter yang nilaianya tidak diketahui,
maka estimator momen 𝜃1,𝜃2,⋯,𝜃𝑝 di
dapatkan melalui menyamakan 𝑝 momen

13
sampel yang pertama dengan 𝑝 momen
populasi yang pertama, dan menyelesaiakan
persamaan-persamaan tersebut untuk 𝜃1, 𝜃2,
⋯ , 𝜃𝑝.

B. Contoh Metode Momen

Contoh 1 : (Satu Parameter)

Andaikan X adalah suatu variabel random

berdistribusi eksponensial dengan parameter
𝜃, atau dinotasaikan dengan 𝑋~ 𝐸𝑘𝑠(𝜃),
dimana fungsi densitas eksponensial adalah
sebagai berikut :

1
𝑓(𝑥) = { } 𝑒 −𝑥/𝜃 ; untuk 𝑥 > 0
𝜃
0 ; untuk 𝑥 lainnnya
14
Pertanyaannya : Tentukan estimator titik
untuk 𝜃 dengan menggunakan metode
momen!

Jawab:

Momen sampel di sekitar titik asal yang

pertama:

𝜇1́ = 𝑚́ 1 → 𝜃 = 𝑋̅

Dengan demikian estimator 𝜃̂ adalah 𝑋 , atau

dinotasikan 𝜃 = 𝑋

Contoh 2 : (Satu Parameter)

Andaikan 𝑋~ 𝑈(0 , 𝛽), yaitu bahwa X adalah
suatu variabel random berdistribusi uniform

15
kontinu dengan fungsi densitasnya adalah
sebagai berikut:
1
𝑓(𝑥) = {𝛽} ; 𝑢𝑛𝑡𝑢𝑘 0 < 𝑥 < 𝛽

0 ; 𝑢𝑛𝑡𝑢𝑘 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎

Pertanyaannya : Tentukan estimator titik

untuk 𝛽 dengan menggunakan metode
momen!

Jawab:

Momen sampel di sekitar titik asal yang

pertama:
∑ 𝑋𝑖𝑘 ∑ 𝑋𝑖
𝑚́ 1 = = = 𝑋̅
𝑛 𝑛

16
Momen populasi di sekitar titik asal yang
pertama :

́ 𝟏 𝜷
𝝁𝟏 = 𝑬(𝑿𝟏 ) = 𝑬(𝑿) = ∫ 𝒙. 𝒇(𝒙)𝒅𝒙 = ∫ 𝒙. 𝒅𝒙 =. . . =
𝜷 𝟐

Selanjutnya,

𝛽
𝜇1́ = 𝑚́1 → = 𝑋̅ → 𝛽 = 2𝑋̅
2

Dengan demikian estimator untuk 𝛽 adalah

2𝑋 , atau dinotasikan 𝛽 = 2𝑋

Contoh 3: (Dua Parameter)

Andaikan 𝑋~ 𝑈(𝛼, 𝛽), yaitu bahwa X adalah

suatu variabel random berdistribusi uniform

17
kontinu dengan fungsi densitasnya adalah
sebagai berikut:

1
𝑓(𝑥) = { } ; 𝑢𝑛𝑡𝑢𝑘 𝛼 < 𝑥 < 𝛽
𝛽−𝛼

0 ; 𝑢𝑛𝑡𝑢𝑘 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
Pertanyaannya : Tentukan estimator titik
untuk 𝛼 dan 𝛽 dengan menggunakan metode
momen!

Jawab:

Momen sampel di sekitar titik asal yang

pertama:

18
 ∑ 𝑋𝑖𝑘 ∑ 𝑋𝑖
𝑚́ 1 = = = 𝑋̅
𝑛 𝑛

Momen sampel di sekitar mean yang kedua :

∑(𝑋𝑖 − 𝑋̅)2
𝑚2 = = 𝑆2
𝑛

Momen populasi di sekitar titik asal yang

pertama :

́ 𝟏 𝜶+𝜷
𝝁𝟏 = 𝑬(𝑿𝟏 ) = 𝑬(𝑿) = ∫ 𝒙. 𝒇(𝒙)𝒅𝒙 = ∫ 𝒙. 𝒅𝒙 =. . . =
𝜷−𝜶 𝟐

Momen populasi di sekitar mean yang kedua:

́ 𝟏 (
𝝁𝟐 = 𝑬(𝑿 − 𝝁)𝟐 = ∫(𝒙 − 𝝁)𝟐 . 𝒇(𝒙)𝒅𝒙 = ∫(𝒙 − 𝝁)𝟐 . 𝒅𝒙 =
𝜷−𝜶

Selanjutnya

19
𝜇1 ′ = 𝑚1 ′ ⇒ 𝛼+𝛽 2 = 𝑋 ....................pers(1)
𝜇2 = 𝑚2 ⇒ (𝛽−𝛼) 2 12 = 𝑆 2 ...............pers(2)

Dengan menyelesaikan sistem persamaan

tersebut maka akan didapatkan solusinya
adalah: 𝛼 = 𝑋 + 3𝑆 2 dan 𝛽 = 𝑋 − 3𝑆 2 .
Sehingga, 𝑋 + 3𝑆 2 adalah estimator untuk 𝛼,
atau dituliskan 𝛼 = 𝑋 + 3𝑆 2 , dan 𝑋 − 3𝑆 2
adalah estimator untuk 𝛽 atau dituliskan 𝛽 =
𝑋 − 3𝑆 2.

Contoh 4 :

Misalkan 𝑥1 , 𝑥2 , … . 𝑥𝑛 adalah sampel

random dari populasi yang berdistribusi

20
Poisson dengan parameter λ. Dengan metode
momen tentukan estimator titik untuk λ.

Penyelesaian :

𝑋𝑖 ~ 𝑃(𝜆), maka fungsi densitasnya :

𝜆 𝑥𝑛
𝑓(𝑥𝑖 |𝜆) = 𝑒 −𝜆 , x=0,1,2...
𝑥𝑖 !

𝜆𝑥
𝐸(𝑋) = ∑ 𝑥 𝑒 −𝜆.
𝑥!
𝑥=0

(𝜆𝑥−1 )
= 𝜆 ∑ 𝑒− 𝜆 .
(𝑥 − 1)!
𝑥−1=0

= 𝜆

Karena hanya satu parameter yang akan

diestimasi maka hanya diperlukan satu

21
persamaan dan langsung diperoleh estimator
titiknya.

𝑛
1
𝐸(𝑋) = ∑ 𝑋𝑖
𝑛
𝑖=1

Contoh 5 :

Misalkan 𝑋1 , 𝑋2 , 𝑋3 , … , 𝑋𝑛 adalah adalah

sampel random dari populasi yang
berdistribusi Normal dengan rata-rata 𝜇 dan
variasi 𝝈𝟐 . Dengan menggunakan metode
momen untuk menentukan estimator titik
untuk 𝜇 𝑑𝑎𝑛 𝝈𝟐 .

Penyelesaian :

22
𝑋~𝑁(𝜇, 𝝈𝟐 ) Berarti 𝐸(𝑋)
= 𝜇 𝑑𝑎𝑛 𝑉𝐴𝑟(𝑍) = 𝝈𝟐

2
𝑉𝑎𝑟(𝑋) = 𝐸(𝑋 2 ) − (𝐸(𝑋))

𝝈𝟐 = 𝐸(𝑋 2 ) − 𝜇 2

𝐸(𝑋 2 ) = 𝜇 2 − 𝝈𝟐

Sehingga diperoleh persamaan sebagai

berikut :

𝑛
1
𝐸(𝑋) = ∑ 𝑋𝑖
𝑛
𝑖=1

Sehingga,
𝑛
1
𝝁 = ∑ Xi
𝑛
𝑖=1
23
 𝑛
1
𝐸(𝑋 2 ) = ∑ Xi2
𝑛
𝑖=1

Maka,
𝑛
1
𝜇 + 𝝈 = ∑ X𝑖2
2 𝟐
𝑛
𝑖=1

𝑛 𝒏 2
1 1
𝝈 = ∑ 𝑋𝑖2 − ( ∑ 𝑋𝑖 )
𝟐
𝑛 𝑛
𝑖=1 𝒊=𝟏

𝑛
1
= ∑ 𝑋 − 𝑋̅ 2
𝑛
𝑖=1

𝑛
1
= ∑(𝑋𝑖 − 𝑥̅ )2
𝑛
𝑖=1

Contoh 6 :

24
Misalkan 𝑋1 , 𝑋2 , … , 𝑋𝑛 adalah sampel
random dari populasi berdistribusi
𝐸𝑥𝑝(1, 𝜃). Dengan menggunakan metode
momen tentukan estimator titik untuk 𝜃.

𝐸(𝑋) = ∫ 𝑥 exp(−𝑥 + 𝜃)𝑑𝑥

𝜃

= − ∫ 𝑥𝑑𝑥 exp(−𝑥 + 𝜃)
𝜃

= −𝑥 exp(−𝑥+ , 𝜃)|∞
𝜃 + ∫ exp(−𝑥 + 𝜃)𝑑𝑥
𝜃

= 𝜃 − exp(−𝑥+ , 𝜃)|∞
𝜃

= 𝜃+1

Diperoleh persamaan

25
 𝑛
1
𝐸(𝑋) = ∑ 𝑋𝑖
𝑛
𝑖=1

𝑛
1
𝜃 + 1 = ∑ 𝑋𝑖
𝑛
𝑖=1

𝑛
1
𝜃 = ∑ 𝑋𝑖 − 1
𝑛
𝑖=1

C. Pendugaan Parameter dengan Metode

Momen
Untuk mendapatkan penduga
parameter distribusi beta dengan
menggunakan metode momen, diperlukan
momen pusat pertama dan kedua baik untuk
populasi maupun sampel dari distribusi beta.

26
Momen pusat ke-k dari populasi
didefinisikan sebagai

𝜇𝑘′ = 𝐸(𝑋 𝑘 )

Momen pusat pertama dari populasi adalah

nilai harapan dari peubah acak X tersebut,
yang didefnisikan sebagai berikut.

𝛼
𝜇1 = 𝐸(𝑋) =
𝛼+𝛽

Selanjutnya momen pusat kedua dari

populasi diperoleh sebagai berikut.

𝛼(𝛼 + 1)
𝜇2 = 𝐸(𝑋 2 ) =
(𝛼 + 𝛽)(𝛼 + 𝛽 + 1)

27
Momen pusat pertama dan kedua dari
sampel acak X1, X2, · · · , Xn didefinisikan
sebagai berikut.

∑ 𝑋𝑖
𝑚1 =
𝑛

∑ 𝑋𝑖2
𝑚2 =
𝑛

Berdasarkan momen pusat populasi dan

momen pusat sampel distribusi Beta serta
menyelesaikan persamaan yang diperoleh,
penduga untuk parameter α yang diperoleh
dengan metode momen adalah

𝑥̅ (1 − 𝑥̅ )
𝛼̂ = 𝑥̅ ( − 1)
𝑆2
28
dan penduga untuk parameter β yang
diperoleh dengan metode kemungkinan
maksimum adalah

𝑥̅ (1−𝑥̅ )
𝛽̂ = (1 − 𝑥̅ )( 𝑆2 − 1)

29
 DAFTAR PUSTAKA
Ridiani, F. (2016). PENDUGAAN
PARAMETE R DISTRIBUSI
BETA DENGAN METODE
MOMEN DAN METODE
MAKSIMUM LIKELIHOOD.
Jurnal Matematika UNAND, 3(2),
23-28.

Widiharih, T. (2019). BUKU AJAR

STATISTIKA MATEMATIKA II.

30