PENGANTAR

Dalam BAB 1 telah dijelaskan bagaimana mengestimasi suatu

parameter populasi q dengan menggunakan sebuah nilai qˆ

sedemikian hingga diharapkan nilai qˆ akan sama dengan q . Akan
tetapi dalam praktek sangat jarang terjadi estimator menjadi nilai
yang sama dengan parameter yang diestimasi. Oleh karena itu pada
bab ini akan di uraikan estimasi suatu parameter dengan
menggunakan beberapa nilai dalam suatu interval sedemikian hingga
parameter yang diestimasi mempunyai peluang yang sangat besar
berada dalam interval tersebut. Estimasi seperti tersebut di atas
ddinamakan estimasi interval.

2.1 INTERVAL KONFIDENSI

Misalkan X1, …, Xn mempunyai fungsi densitas f(x1,…,xn;q), q Î W
dimana W merupakan interval. Anggap L=L(X1, …, Xn) dan U=U(X1, …,
Xn) merupakan statistik-statistik. Jika sebuah eksperimen
menghasilkan data x1, x2, …, xn, maka nilai-nilai l(x1, …, xn) dan
u(x1, …, xn) dapat dihitung.

Definisi 2.1
Interval (l(x1, …, xn),u(x1, …, xn)) dinamakan interval konfidensi
100g% untuk q jika
P[L(X1, …, Xn) < q < U(X1, …, Xn)]= g
dimana 0 < g < 1. Nilai-nilai l(x1, …, xn) dan u(x1, …, xn) masing-
masing dinamakan limit konfidensi bawah dan atas.

Bahan Ajar Statistika Matematika II 21

Definisi 2.2
1. Jika P[L(X1, …, Xn) < q ]= g maka l(x1, …, xn) dinamakan limit
konfidensi 100g% bawah satu sisi untuk q .
2. Jika P[q < U(X1, …, Xn)]= g maka u(x1, …, xn) dinamakan limit
konfidensi 100g% atas satu sisi untuk q .

Contoh 2.1
Misalkan X1, …, Xn merupakan sampel acak dari distribusi normal
X~N(m,s2) dimana s2 dianggap diketahui. Karena

Z= n ( X n - m ) / s ~ N (0,1) dan za/2 = - z1-a/2, maka

1 - a = P[- z1-a / 2 < n ( X n - m ) / s < z1-a / 2 ]

= P[ X n - z1-a / 2s / n < m < X n + z1-a / 2s / n ]

Sebagai akibatnya interval konfidensi 100(1-a)% untuk m adalah

( xn - z1-a / 2s / n , xn + z1-a / 2s / n ) .

Sebagai contoh interval konfidensi 95% untuk m adalah

( xn - 1.96s / n , xn + 1.96s / n ) .

2.2 KUANTITAS PIVOT

Definisi 2.2
Jika Q=Q(X1, …, Xn; q) adalah variabel acak yang hanya merupakan fungsi
dari X1, …, Xn dan q, maka Q dinamakan kuantitas pivot jika
distribusinya tidak tergantung pada q atau parameter yang lain.

Teorema 2.1
Misalkan X1, …, Xn adalah sampel acak dari suatu distribusi dengan fungsi

densitas f(x;q), q Î W, dan anggap MLE qˆ ada, maka

a. Jika q adalah parameter lokasi maka Q = qˆ - q merupakan kuantitas

pivot.

Bahan Ajar Statistika Matematika II 22

b. Jika q adalah parameter skala, maka Q = qˆ /q merupakan kuantitas
pivot.

Teorema 2.2
Misalkan X1, …, Xn adalah sampel acak dari suatu distribusi dengan
parameter lokasi dan skala

1 æ x - q1 ö
f ( x;q1 ,q 2 ) = f0 ç ÷.
q 2 çè q 2 ÷ø

Jika MLE qˆ1 dan qˆ2 ada maka (qˆ1 - q1 ) / qˆ2 dan qˆ2 / q 2 adalah kuantitas

pivot untuk q1 dan q 2 .

Contoh 2.2
Misalkan X1, …, Xn merupakan sampel acak dari distribusi normal
X~N(m,s2) dimana m dan s2 tidak diketahui. Jika m̂ dan ŝ adalah

MLE dari m dan s, maka ( mˆ - m ) / sˆ dan sˆ / s adalah kuantitas-

kuantitas pivot yang dapat digunakan untuk membentuk interval
konfidensi. Jika S 2 = nsˆ 2 /(n - 1) maka

Xn - m
~ t (n - 1)
S/ n
dan
(n - 1) S 2
~ c 2 (n - 1) .
s 2

Karena
Xn - m
1 - a = P[-t1-a / 2 (n - 1) < < t1-a / 2 (n - 1)]
S/ n
= P[ X n - t1-a / 2 (n - 1)S / n < m < X n + t1-a / 2 (n - 1)S / n ]

maka interval konfidensi 100(1-a)% untuk m adalah

( xn - t1-a / 2 (n - 1)s / n , xn + t1-a / 2 (n - 1) s / n ) .

Bahan Ajar Statistika Matematika II 23

Selanjutnya karena
1 - a = P[ ca2 / 2 (n - 1) < (n - 1) S 2 / s 2 < c12-a / 2 (n - 1)]
(n - 1) S 2 (n - 1) S 2
= P[ < s 2
< ]
c12-a / 2 (n - 1) ca2 / 2 (n - 1)
maka interval konfidensi 100(1-a)% untuk s2 adalah
(n - 1)s 2 (n - 1) s 2
( 2 , ).
c1-a / 2 (n - 1) ca2 / 2 (n - 1)

2.3. APROKSIMASI INTERVAL KONFIDENSI

Contoh 2.3
Misalkan X1, …, Xn merupakan sampel acak dari distribusi Bernoulli
X~BIN(1,p). MLE dari p adalah pˆ = X n . Di sini tidak ada kuantitas pivot
untuk p. Akan tetapi dengan menggunakan CLT
pˆ - p
¾
¾®
d
N (0,1)
p(1 - p ) / n
sehingga untuk n besar berlaku
é pˆ - p ù
1 - a =& P ê - z1-a / 2 < < z1-a / 2 ú .
êë p (1 - p) / n úû
Aproksimasi interval konfidensi 100(1-a)% untuk p adalah (p0,p1) dimana
p0 adalah penyelesaian yang lebih kecil dari persamaan
pˆ - p0
= - z1-a / 2 .
p0 (1 - p0 ) / n

dan p1 adalah penyelesaian yang lebih besar dari persamaan

pˆ - p1
= z1-a / 2 .
p1 (1 - p1 ) / n

Dalam praktek interval konfidensi untuk p diperoleh dari hasil limit

pˆ - p
¾
¾®
d
N (0,1) .
pˆ (1 - pˆ ) / n

Bahan Ajar Statistika Matematika II 24

Untuk n besar berlaku
é pˆ - p ù
1 - a =& P ê - z1-a / 2 < < z1-a / 2 ú .
ëê pˆ (1 - pˆ ) / n ûú
dan aproksimasi interval konfidensi 100(1-a)% untuk p adalah

( pˆ - z1-a / 2 pˆ (1 - pˆ ) / n , pˆ + z1-a / 2 pˆ (1 - pˆ ) / n ) .

2.4. METODE UMUM

Jika tidak ada kuantitas pivot daerah (generalisasi dari interval)
konfidensi masih dapat dikonstruksi bila ada statistik yang distribusinya
hanya tergantung q dan tidak tergantung parameter yang lain.
Misalkan X1, …, Xn mempunyai fungsi densitas bersama
f(x1, …, xn;q) dan S=S(X1, …, Xn )~g(s,q). Anggap untuk setiap nilai q yang
mungkin dapat ditemukan nilai-nilai h1(q) dan h2(q) sedemikian hingga
P[h1 (q ) < S < h2 (q )] = 1 - a .
Jika S=s diobservasi, maka himpunan nilai-nilai q ÎW yang memenuhi
h1(q) < s < h2(q) membentuk daerah konfidensi 100(1-a)% untuk q.

Contoh 2.4
Misalkan X1, …, Xn merupakan sampel acak dari sebuah distribusi kontinu
dengan fungsi densitas
ì(1 / q 2 ) exp[ -( x - q ) / q 2 ], x ³ q
f ( x;q ) = í
î0, x <q

dimana q > 0. Di sini tidak ada statistik cukup tunggal untuk q , tetapi
n
X1:n dan åX
i= 1
i adalah statistik cukup gabungan untuk q . Interval

konfidensi 90% untuk q dapat dikonstruksi berdasarkan statistik S= X1:n.

Fungsi distribusi dari S adalah
ì1 - exp[ -n(s - q ) / q 2 ], s ³ q
G ( s; q ) = í
î0, x <q

Bahan Ajar Statistika Matematika II 25

Salah satu pilihan yang mungkin untuk h1(q) dan h2(q) yang memenuhi
persamaan di atas adalah penyelesaian dari
G(h1(q); q)=0.05
dan
G(h2(q);q)=0.95,
yakni
h1(q)=q - ln (0.95)q2/n
dan
h2(q)=q - ln (0.05)q2/n.

Definisi 2.4
Interval konfidensi (qL,qU) dinamakan interval konfidensi konservatif
100(1-a)% untuk q jika interval acak yang terkait memuat nilai q yang
benar dengan probabilitas paling sedikit 1- a.

Untuk n besar berlaku

é pˆ - p ù
1 - a =& P ê - z1-a / 2 < < z1-a / 2 ú .
êë pˆ (1 - pˆ ) / n úû
dan aproksimasi interval konfidensi 100(1-a)% untuk p adalah

( pˆ - z1-a / 2 pˆ (1 - pˆ ) / n , pˆ + z1-a / 2 pˆ (1 - pˆ ) / n ) .

2.5. MASALAH DUA SAMPEL

Misalkan X1, …, Xn1 merupakan sampel acak berukuran n1 dari
X~N(m1, s21) dan Y1, …, Yn2 merupakan sampel acak berukuran n 2 dari
Y~N(m2, s22). Anggap kedua sampel tersebut saling independen. Misalkan
X n , Yn , S12 , dan S 22 merupakan sampel mean dan sampel varians.

Bahan Ajar Statistika Matematika II 26

2.5.1. Selisi Mean

Jika s21 dan s22 diketahui, maka interval konfidensi untuk selisih mean
m2-m1 dapat ditentukan sebagai berikut. Karena
Yn - X n ~ N ( m 2 - m1 , s 12 / n1 + s 22 / n2 )

maka
Yn - X n - (m 2 - m1 )
Z = ~ N (0,1).
s 12 / n1 + s 22 / n2
Dengan menggunakan persamaan
P[- z1-a / 2 < Z < z1-a / 2 ] = 1 - a

interval konfidensi 100(1-a)% untuk m2-m1 dapat dibentuk, yakni

( yn - xn - z1-a / 2 s 12 / n1 + s 21
2
/ n2 , yn - xn + z1-a / 2 s 12 / n1 + s 212 / n2 ) .

Jika s21 dan s22 tidak diketahui dan s21 = s22 = s21, maka interval
konfidensi untuk selisih mean m2-m1 dapat ditentukan dengan
menggunakan fakta bahwa
Yn - X n - ( m2 - m1 )
T= ~ t (n1 + n2 - 2)
S P 1 / n1 + 1 / n2

dimana
(n1 - 1)S12 + (n2 - 1)S 22
S P2 = .
n1 + n2 - 2
Jika s21 dan s22 tidak diketahui tetapi n1 dan n2 keduanya besar maka
aproksimasi interval konfidensi untuk selisih mean m2-m1 dapat
dikonstruksi menggunakan fakta bahwa
Yn - X n - ( m 2 - m1 )
¾
¾®
d
Z ~ N (0,1) .
S / n1 + S / n2
2
1
2
2

Bahan Ajar Statistika Matematika II 27

2.5.2 Rasio Variansi
Interval konfidensi untuk s22/s21 dapat dikonstruksi dengan
menggunakan distribusi F, yakni dengan menggunakan fakta bahwa
S12s 22
~ F (n1 - 1, n2 - 1)
S22s 12

Jika n1=n1-1 dan n2=n2-1 dan fa(n1,n2) menyatakan persentil ke a dari F

maka
S12s 22
P[ fa / 2 (n 1 ,n 2 ) < 2 2 < f1-a / 2 (n 1 ,n 2 )] = 1 - a
S2s 1

sehingga interval konfidensi 100(1-a)% untuk s22/s21 adalah

æ s22 s2 ö
çç 2 fa / 2 (n 1,n 2 ), 22 f1-a / 2 (n 1,n 2 ) ÷÷ .
è s1 s1 ø

2.5.3 Sampel Berpasangan

Misalkan (X1,Y1), …, (Xn,Yn) merupakan pasangan sampel acak dengan
Di=Yi-Xi, i=1,…,n berdistribusi normal dengan mean mD=m2-m2 dan variansi
s2D=s21+s22 -2s12 atau
Di~N(m2-m2,s2D).
Misalkan
2
n n
æ n ö
åD i
nå D - ç å Di ÷
i
2

Dn = i =1
= Yn - X n dan S D2 = i =1 è i =1 ø .
n n(n - 1)
Maka
Dn - ( m2 - m1 )
T = ~ t (n - 1) .
SD / n

Interval konfidensi 100(1-a)% untuk m2-m1 adalah

(d n - t1-a / 2 (n - 1) sD / n , d n + t1-a / 2 (n - 1)sD / n ) .

Bahan Ajar Statistika Matematika II 28