SIFAT PENDUGA YANG BAIK (PENDUGAAN STATISTIK)

A. Tidak Bias
Statistika acak (penduga) untuk sampel dinyatakan dengan huruf Yunani dengan
tanda topi (^) diatasnya. Contoh: 𝛼̂ 𝑎𝑡𝑎𝑢 𝛽̂ , sedangkan untuk populasi tanpa tanda
diatasnya.
Untuk menyatakan bahwa penduga secara teoritis didasarkan pada Random
Variabel (diperoleh dari pengamatan atau percobaan yang berulang-ulang) dipakai
konsep Ekspektasi Matematis (E) yang sekaligus adalah juga konsep rata-rata.
Bila ingin menyatakan bahwa 𝛼̂ adalah penduga α yang didasarkan atas
pengamatan berulang-ulang maka disajikan 𝐸 (𝛼̂ ) = 𝛼. Tanda sama dengan
(=) sekaligus menyatakan bahwa 𝛼̂ adalah penduga yang tidak bias untuk nilai
populasi 𝛼.
Untuk sebaliknya dipakai tanda tidak sama dengan (≠) [𝐸 ( 𝛼̂ ) ≠ 𝛼]. 𝛼̂ adalah
penduga yang bias untuk α. Nilai bias dihitung dengan:

Bias ≜ 𝑬 (𝑎̂ )−
𝑎

Contoh: 𝐸(𝑋̅ ) = 𝐸(𝜇̂ ) = 𝜇

Rata-rata sampel 𝑋̅ , adalah praduga yang tidak bias untuk rata-rata populasi, 𝜇.
Dengan gambar disajikan:

𝐸 (𝛼̂ ) = 𝛼 tempat kedudukan 𝐸(𝛼̂ ) berimpit dengan 𝛼

 Pada gambar ini, untuk menduga nilai 𝛼 dipakai 𝛼̂ sebagai penduga, hasilnya
tidak bias.

𝐸(𝛼̂ ) ≠ 𝛼 adalah penduga yang bias.

Pada gambar ini untuk menduga nilai 𝛼 yang sama dipakai penduga 𝛼̃ yang
dalam jangka panjang bias. Nilai 𝐸 ( 𝛼̃ ) lebih besar dari 𝛼, selisihnya disebut Nilai
bias, dan penduga disebut Over Estimate.

B. Varian Terkecil: Efisiensi Dari Penduga Tidak Bias

Yaitu distribusi frekuensi penduga hendaknya memiliki variasi yang kecil. Kedua hal
ini dapat digambarkan sebagai berikut:
 Penduga 𝛼̂ dinamakan lebih efisien dibandingkan 𝛼̿ karena memiliki variasi yang lebih
kecil. Dalam gambar keduanya tidak bias, akan tetapi dalam gambar (a), 𝛼̂
memiliki distribusi frekuensi yang lebih padat/ramping. Besarnya efisiensi relatif
suatu penduga
𝛼̂ dibanding penduga yang lain keduanya tidak bias. Dapat dihitung dengan:

Efisien Relatif 𝑎̂ terhadap 𝑎̿ ≜ = 𝑽𝒂𝒓𝒊𝒂𝒏 𝑎̿

𝑽𝒂𝒓𝒊𝒂𝒏 𝑎̂

C. Rata-Rata Simpangan Yang Terkecil: Efisien Dari Penduga

Jika kita memiliki tiga (misal) penduga.

1. Target (𝛽). Di titik ini 𝐸(𝛽̂ ) = 𝛽 atau praduga 𝛽̂ tak bias (dengan varian
1 1
terbesar).
2. Letak 𝐸(𝛽̂ 2 ). Selisih jarak dari 2 ke 1, merupakan nilai bias dari penduga 𝛽̂ 2 .
3. Letak 𝐸(𝛽̂ 3 ). Selisih jarak dari 2 ke 1, merupakan nilai bias dari penduga 𝛽̂ 3 .
 Terlihat bahwa penduga terbaik disini adalah karena memiliki kombinasi bias yang
kecil dan varian yang kecil.

D. Konsisten
Secara sederhana penduga yang konsisten adalah penduga yang secara sempurna
nilainya berkonsentrasi dinilai targetnya bila sampel diperbesar hingga tak terhingga
(~). Suatu penduga 𝛽1 dikatakan konsisten bila bias2 = 0 dan 𝜎2 = 0 bila 𝑛 →
~ 𝑃(𝜃̂ ). Dengan gambar penduga sebagai berikut:

Pada saat jumlah sampel 5 (n = 5) penduga 𝜃̂ adalah bias dan memiliki varian
terbesar. Semakin besar jumlah sampel, bias semakin kecil (pada n = 200 bias sudah
0) dan varian juga semakin kecil.

Sumber:
BMP ESPA 4123
PP6 estimasi.ppt