1.Menurut saudara bagaimanakah sifat-sifat penduga yang baik?

Jawab :

Sifat – sifat yang diperlukan oleh suatu penduga yang baik adalah :

1. TIDAK BIAS
Statistika acak (penduga) dinyatakan dengan huruf Yunani dengan tanda topi (Ʌ) di atasnya atau
^ adalah penduga α yang didasarkan atas pengamatan
tanda lain (~ atau = misalnya). Penduga α
^ ) = α . Tanda sama dengan sekaligus menyatakan bahwa α
berulang-ulang maka disajikan E(α
adalah penduga yang tidak bias untuk nilai populasi α .
^ adalah pendugaan yang tidak bisa α dan hanya jika E ¿) = α .
Jadi, α
Untuk menyatakan yang sebaliknya dipakai tanda tidak sama dengan E α ^ ≠ α . α^ adalah penduga
yang bias untuk α .Nilai bias dihitung dengan:
Bias∆ E ¿) - α .

Grafik di atas menunjukkan penduga yang tidak bias dan yang dibawah penduga bias.

2. VARIAN TERKECIL : EFISIENSI DARI PENDUGA TIDAK BIAS

Sifat yang diinginkan selain tidak bias adalah juga distribusi frekuensi penduga kita hendaknya
memiliki variasi yang kecil.
 Penduga 𝑎̂ disebut lebih efisien dibandingkan 𝑎̿ karena memiliki variasi yang lebih kecil (dalam
gambar keduanya tidak bias, namun dalam gambar (a), 𝑎̂ memiliki distribusi frekuensi yang lebih
padat/ramping). Besarnya efisiensi relatif suatu penduga 𝑎̂ dibanding penduga yang lain,
keduanya tak bias, dihitung menggunakan rumus berikut:

𝑽𝒂𝒓𝒊𝒂𝒏 𝒂̿
𝑬𝒇𝒊𝒔𝒊𝒆𝒏 𝑹𝒆𝒍𝒂𝒕𝒊𝒇 𝒂̂ 𝒕𝒆𝒓𝒉𝒂𝒅𝒂𝒑 𝒂̿ ≜ =
𝑽𝒂𝒓𝒊𝒂𝒏 𝒂̂
Jika memiliki penduga tak bias yang lebih efisien dibanding semua penduga tak bias lain maka
penduga di atas dinamakan penduga efisien.

3. RATA-RATA SIMPANGAN YANG TERKECIL: EFISIEN DARI SETIAP PENDUGA

Misal, apabila memiliki tiga penduga, 1, 2, 3 seperti tergambar di bawah ini:

• Target (𝛽). Di titik 𝐸(1) = 𝛽 atau penduga 1 tak bias (dengan varian terbesar).

• Letak 𝐸(2). Selisih jarak dari 2 ke 1, merupakan nilai bias dari penduga 2.

• Letak 𝐸(3). Selisih jarak dari 3 ke 1, merupakan nilai bias dari penduga 3.

Gambar di atas digunakan untuk membandingkan penduga yang tak bias dan yang bias.
Berdasarkan kriteria varian terkecil maka penduga 3 yang memenuhi syarat ini.
 Berdasarkan kriteria tak bias, maka penduga 1 yang memenuhi syarat ini, akan tetapi variannya
terbesar.

Dapat dilihat bahwa penduga terbaik yaitu yang memiliki kombinasi bias yang kecil dan varian
yang kecil. Intuisi untuk mengkombinasikan bias yang kecil dan varian yang kecil dapat
dirumuskan untuk memilih penduga terbaik di antara semua penduga. Rumusan tersebut
dinamakan rata-rata simpangan kuadrat dan dituliskan sebagai berikut:
𝑹𝑺𝑲 ≜ 𝑬(𝜷𝒊 − 𝜷)𝟐

Di mana 𝛽 adalah target (nilai populasi yang diinginkan) dan 𝜷𝒊, i bisa diganti dengan sembarang
angka positif, missal 1, 2, 3 dan sebagainya. (𝜷𝒊 − 𝜷) adalah nilai simpangan (bias). Dikatakan di
atas bahwa rumusan RSK menunjukkan pengukuran varian dan bias, hal ini ditunjukkan dengan:

𝑹𝑺𝑲 = 𝝈𝟐 + (𝒃𝒊𝒂𝒔)𝟐
Perumusan RSK yang terakhir ini mencakup dua kriteria terdahulu, yaitu bias terkecil dan varian
terkecil. Jika jumlah penduga denganvarian sama yang dimiliki dua atau lebih, maka penduga
yang dikehendaki yaitu penduga dengan bias terkecil (nol). Sebaliknya jika yang dimiliki dua atau
lebih varian penduga tak bias atau nilainya sama maka penduga yang memiliki varian terkecil
yang dipilih. Dengan menggunakan rumusan RSK dapat kita rumuskan definisi umum tentang
efisiensi relative untuk setiap dua penduga.
𝑹𝑺𝑲 (𝜷𝒋̅)
𝑬𝒇𝒊𝒔𝒊𝒆𝒏𝒔𝒊 𝒓𝒆𝒍𝒂𝒕𝒊𝒇 𝒅𝒂𝒓𝒊 𝜷𝒊 𝒕𝒆𝒓𝒉𝒂𝒅𝒂𝒑 𝜷𝒋̅ ≜ ,𝒊≠𝒋̅
𝑹𝑺𝑲 (𝜷𝒊)
Rumus ini dapat digunakan sebagai penentu tunggal yang paling penting untuk memilih penduga
di antara penduga-penduga yang ada.

4. Konsisten
Penduga yang konsisten adalah penduga yang secara sempurna nilainya berkonsentrasi dinilai
targetnya bisa sampel kita diperbesar sampai tak terhingga (~). Dengan memakai rumus RSK =
σ + (bias)2, suatu penduga β i dikatakan konsisten bila bias2 = 0 dan σ =0 bila n  ~ P(0^ ).
2 2
 Gambar di atas pada jumlah sampel 5 (n = 5) penduga 0 ^ adalah bias dan memiliki varian yang
terbesar. Dengan semakin besar jumlah sampel, bias akan semakin kecil dan varian akan semkain
kecil. Pada n  ~ distribusi frekuensi akan berbentuk garis tegak lurus.

1.Menentukan formulasi hipotesis nol (H0) dan hipotesis alternatif (Ha)

 Hipotesis nol adalah hipotesis yang dirumuskan sebagai suatu pernyataan yang akan di
uji. Tidak memiliki perbedaan atau perbedaannya nol dengan hipotesis sebenarnya.
 Hipotesis alternatif adalah hipotesis yang dirumuskan sebagai lawan dari hipotesis nol.
Dalam menyusun hipotesis alternatif, ada 3 keadaan berikut :
- Ha menyatakan bahwa harga parameter lebih besar daripada harga yang di
hipotesiskan. Pengujian ini disebut dengan pengujian satu sisi atau satu arah pada arah
sebelah kanan.
- Ha menyatakan bahwa harga parameter lebih kecil daripada harga yang di
hipotesiskan. Pengujian ini disebut dengan pengujian satu sisi atau satu arah pada arah
sebelah kiri.
- Ha menyatakan bahwa harga parameter tidak sama dengan harga yang di hipotesiskan.
Pengujian ini disebut dengan pengujian dua sisi atau dua arah pada arah sebelah kanan
dan kiri sekaligus.

Hipotesis terbagi dalam 3 jenis, yaitu:

1.Hipotesis deskriptif

Pernyataan yang menyebutkan bahwa nilai parameter populasi sama dengan nilai tertentu.

2.Hipotesis komparatif
 Pernyataan yang menyebutkan bahwa nilai parameter suatu populasi sama dengan nilai
parameter populasi yang lain.

3.Hipotesis asosiatif

Pernyataan yang menyatakan adanya hubungan antar dua variabel.

2. Memilih suatu taraf nyata dan menentukan nilai tabel

Taraf nyata adalah besarnya batas toleransi dalam menerima kesalahan hasil hipotesis terhadap nilai
parameter populasinya. Besaran yang sering digunakan untuk menentukan taraf nyata dinyatakan dalam
persentase (%), yaitu : 1% (0,01), 5% (0,05), 10% (0,01), sehingga secara umum taraf nyata dituliskan
sebagai 0,01 ; 0,05 ; 0,1.

Besarnya nilai taraf nyata tergantung pada keberanian dari seorang peneliti dalam membuat keputusan,
yang dalam pengujian hipotesis ini berapa besarnya keslahan yang akan ditolerir. Besarnya kesalahan
tersebut disebut sebagai daerah kritis pengujian (critical regiob of a test) atau daerah penolakan (region
of rejection).

3. Membuat kriteria pengujian berupa penerimaan dan penolakan H0.

 Penerimaan H0 terjadi jika nilai uji statistik berada di luar nilai kritis.
 Penolakan H0 terjadi jika nilai uji statistik berada di dalam nilai kritis.

4.Melakukan uji statistik

Uji statistik merupakan rumus-rumus yang berhubungan dengan distribusi tertentu dalam pengujian
hipotesis. Perhitungan untuk menduga parameter data sampel yang diambil secara random dari sebuah
populasi.

5. Membuat kesimpulan dalam hal penerimaan dan penolakan H0

Pembuatan kesimpulan merupakan penetapan keputusan dalam hal penerimaan atau penolakan
terhadap hipotesis nol yang sesuai dengan kriteria pengujiannya. Dilakukan setelah membandingkan nilai
uji statistik dengan nilai a tabel atau nilai kritis.