Download - ESTIMASI PARAMETRIK (5)
-
Bab 8AEstimasi 1
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------
Bab 8AESTIMASI 1
A. Pendahuluan
1. Hakikat Estimasi
Estimasi adalah taksiran dan yang diestimasi adalah parameter populasi
Data yang digunakan untuk melakukan estimasi parameter populasi adalah statistik sampel sebagai estimator
Terdapat prosedur tertentu untuk melaksanakan estimasi
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------2. Parameter yang Diestimasi
Parameter yang diestimasi adalah parameter yang digunakan di dalam pengujian hipotesis
Sebagai gambaran estimasi parameter yang dibicarakan di sini mencakup
Satu rerataSatu porporsiSatu koefisien korelasiSatu koefisien regresiPerbandingan dua variansiSelisih dua rerataSelisih dua proporsiSelisih dua koefisien korelasiSelisih dua koefisien regresi
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------3. Jenis Estimasi
Ada beberapa jenis estimasi, di antaranya adalah estimasi titik, estimasi interval, dan estimasi kebolehjadian maksimum
Pada estimasi titik, hasil estimasi adalah satu nilai parameter (sama dengan nilai statistik)
Pada estimasi interval, hasil estimasi adalah suatu interval nilai parameter
Statistik sampelParameter populasiStatistik sampelParameter populasi
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------Pada estimasi kebolehjadian maksimum hasil estimasi adalah satu nilai parameter yang diperoleh dari menghitung nilai maksimum dari semua kebolehjadian (likelihood)
Kebolehjadian: L()Parameter: Kebolehjadian maksimum
Di sini pembahasan dibatasi pada estimasi interval serta sedikit pembahasan tentang estimasi melalui kebolehjadian maksimum
Catatan: Masih ada sejumlah estimasi lainnya seperti estimasi Bayes namun mereka tidak dibahas di sini
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------3. Estimasi Interval
Hasil estimasi adalah suatu interval pada parameter populasi, biasanya, suatu nilai di sekitar estimasi titik
Jika estimasi titik adalah , maka estimasi interval adalah
sehingga interval estimasi menjadi
+
+
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------4. Sifat Estimasi
Diketahui statistik sampel (sebagian) dan berbicara tentang parameter (seluruh), estimasi parameter mengandung probabilitas keliru
Makin lebar interval estimasi makin kecil probabilitas keliru
Namun makin lebar interval estimasi makin kecil ketepatannya sehingga makin rendah kadar informasinya
Sebaliknya, makin sempit interval estimasi makin besar probabilitas keliru, namun makin tinggi kadar informasinya
Interval estimasi berusaha mencari imbangan terbaik di antara probabilitas keliru dan kadar informasi
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------Probabilitas keliru dan kadar informasi
Probabilitas keliru relatif kecilKadar informasi relatif rendah
Probabilitas keliru relatif besarKadar informasi relatif tinggi
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------5. Interval Keyakinan
Interval keyakinan adalah komplemen dari probabilitas keliru
Jika probabilitas keliru adalah , maka interval keyakinan adalah 1
Beberapa contoh rumusan estimasi
(a) Pada interval keyakinan 0,95, rerata populasi X adalah
6,25 X 7,75
(b) Pada interval keyakinan 0,99 perbandingan variansi populasi X dan Y yang independen adalah
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------
(c) Pada interval keyakinan 0,95, selisih dua rerata populasi X dan Y yang independen adalah
2,15 X Y 3,85
(d) Pada interval keyakinan 0,98 proporsi populasi X adalah
0,45 X 0,55
(e) Pada interval keyakinan 0,90 selisih dua proporsi populasi X dan Y yang independen adalah
0,035 X Y 0,065
(f) Pada interval keyakinan 0,95 koefisien korelasi linier di antara populasi X dan Y adalah
0,5564 XY 0,8298
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------(g) Pada interval keyakinan 0,98 selisih di antara koefisien korelasi populasi X dan Y dan koefisien korelasi populasi U dan V yang independen adalah
0,010 XY UV 0,030
(h) Pada interval keyakinan 0,99 koefisien regresi populasi X dan Y adalah
1,24 B 1,76
(i) Pada interval keyakinan 0,95 selisih di antara koefisien regresi B1 dan koefisien regresi B2 adalah
0,25 B1 B2 1,45
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------6. Kaitan dan Persyaratan Estimasi
Estimasi berkaitan dengan statistik sampel dan parameter populasi
Seperti halnya pengujian hipotesis parametrik, estimasi ini berkaitan pula dengan
Distribusi probabilitas pensampelanKekeliruan bakuTaraf signifikansi ()Nilai kritis pada taraf signifikansi
Persyaratan estimasi adalah seperti persyaratan pada pengujian hipotesis parametrik, meliputi
Data minimal berskala intervalKondisi populasi dan cara penarikan sampel tertentu perlu dipenuhi
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------B. Estimasi Interval
1. Parameter dan Statistik
Populasi dengan parameter tertentu dapat menghasilkan beramcam-macam statistik sampel (ada kekeliruan pensampelan)
Sebaliknya, sampel dengan statistik tertentu dapat berasal dari populasi dengan bermacam-macam parameter
Sebagai contoh, statistik sampel rerata X = 6 dapat berasal dari populasi dengan
X = 6X = 4X = 8dan seterusnya
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------Sampel nX = 2 dari beberapa populasi NX = 5
sampel rerata 4 5 4,5 4 6 5 4 7 5,5 4 8 6 5 6 5,5 5 7 6 5 8 6,5 6 7 6,5 6 8 7 7 8 7,5 rerata frek prob 4,5 1 0,1 5 1 0,1 5,5 2 0,2 6 2 0,2 6,5 2 0,2 7 1 0,1 7,5 1 0,1
4 5 6 7 8 X = 6
-
------------------------------------------------------------------------------ Bab 8A ------------------------------------------------------------------------------Sampel nX = 2 dari beberapa populasi NX = 5
sampel rerata 3 4 3,5 3 5 4 3 6 4,5 3 7 5 4 5 4,5 4 6 5 4 7 5,5 5 6 5,5 5 7 6 6 7 6,5 rerata frek prob 3,5 1 0,1 4 1 0,1 4,5 2 0,2 5 2 0,2 5,5 2 0,2 6 1 0,1 6,5 1 0,1
3 4 5 6 7 X = 5
-
------------------------------------------------------------------------------ Bab 8A ------------------------------------------------------------------------------Sampel nX = 2 dari beberapa populasi NX = 5
sampel rerata 5 6 5,5 5 7 6 5 8 6,5 5 9 7 6 7 6,5 6 8 7 6 9 7,5 7 8 7,5 7 9 8 8 9 8,5 rerata frek prob 5,5 1 0,1 6 1 0,1 6,5 2 0,2 7 2 0,2 7,5 2 0,2 8 1 0,1 8,5 1 0,1
5 6 7 8 9 X = 7
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------
Parameter X Probabilitas untuk X = 6 6 0,2 5 0,1 7 0,1
Makin jauh rerata populasi dari 6 (estiamsi titik), makin kecil probabilitasnya menghasilkan rerata sampel = 6
Sampai probabilitas kita menerima bahwa rerata sampel = 6 masih berasal dari populasi dengan rerata = 6 X X = 6657XProbabilitas0,10,20,1
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------2. Batas Estimasi
Ada dua batas estimasi, batas bawah ( ) dan batas atas ( + )
Kalau batas estimasi itu ditentukan oleh probabilitas sebesar , maka masing-masing batas bawah dan batas atas memperoleh
Pada contoh kita, batas bawah adalah X dengan probabilitas untuk menghasilkan sampel X
Batas atas juga adalah X dengan probabilitas untuk menghasilkan sampel X
Batas bawahBatas atas
-
------------------------------------------------------------------------------Bab 8A-----------------------------------------------------------------------------
Nilai ditentukan oleh bebarapa besaran meliputi
Distribusi probabilitas pensampelanKekeliruan bakuTaraf keyakinanNilai kritis
dengan
= (kekeliruan baku)(nilai kritis
sehingga interval estimasi menjadi
+
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------3. Contoh Prosedur Estimasi
Kita gunakan satu contoh untuk melihat prosedur estimasi secara interval dengan interval keyakinan (1 ) = 0,95
Suatu rerata sampel kecil berasal dari populasi berdistribusi probabilitas normal melalui penarikan sampel acak
nX = 49 X = 70 sX = 14
Distribusi probabilitas pensampelan
DPP: DP t-StudentKekeliruan baku
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------Estimasi titik
X = 70
Probabilitas untuk batas bawah dan batas atas adalah
= 0,025
Pada batas bawah
t(0,975)(48) = 2,011
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------Pada batas atas
t(0,025)(48) = 2,011
Batas estimasi
65,978 X 74,022
pada = 0,05 ataupada Interval keyakinan
1 = 0,95
-
------------------------------------------------------------------------------ Bab 8A ------------------------------------------------------------------------------Batas estimasi
Untuk batas bawah, 0,025 di ujung atas sehingga
= 0,975
Untuk batas atas, 0,025 di ujung bawah sehingga
= 0,025
70,0065,97874,0220,0250,025
-
------------------------------------------------------------------------------Bab 8A-----------------------------------------------------------------------------4. Bentuk Umum Estimasl Interval
Pada contoh tampak bahwa
Interval keyakinan 1 Estimasi titik XBatas bawah X X t()(x)Batas atas X + X t()(x)
Pada bentuk umum
Interval keyakinan 1 Estimasi titik Batas bawah Batas atas +
= (kekeliruan baku)(nilai kritis)
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------5. Sistematika Estimasi Interval
Prosedur estimasi interval ini dapat kita susun ke dalam sistematika enam langkah
Seperti halnya pada pengujian hipotesis parametrik, keenam langkah prosedur estimasi interval adalah sebagai berikut
Langkah
Pertama: Rumusan estimasiKedua: SampelKetiga: Distribusi probabilitas pen- sampelanKeempat: Interval keyakinanKelima: Bentangan estimasiKeenam: Interval estimasi
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------Kita sistematiskan estimasi interval untuk contoh di atas ke dalam enam langkah berikut
Langkah pertama
Rumusan estimasi
Pada interval keyakinan 0,95 estimasi parameter rerata
Langkah kedua
Data sampel
Sampel acak kecil menghasilkan
nX = 49 X = 70 sX = 14
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------Langkah ketiga
Distribusi probabilitas pensampelan
DPP: DP t-StudentKekeliruan baku
Langkah keempat
Interval keyakinan 1 = 0,95 = 0,05
Untuk batas bawah t(0,975)(48) = 2,011
Untuk batas atas t(0.025)48) = 2,011
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------Langkah kelima
Bentangan estimasi
Untuk batas bawah
X t(0,975)(48) = (2,00)(2,011) = 4,022
Untuk batas atas
X t(0,025)(48) = (2,00)( 2,011) = 4,022
Langkah keenam
Interval estimasiEstimasi pada interval keyakinan 0,95
70,00 4,022 X 70,00 + 4,022 65,978 X 74,022
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------C. Estimasi Interval pada Satu Rerata
1. Dasar
Hakikat estimasi interval pada parameter berdasarkan data dari sampel sudah dikemukakan di muka dengan mengambil contoh satu rerata
Di sini, kita melakukan estimasi interval untuk parameter satu rerata dengan menggunakan beberapa contoh
Prosedur estimasi ini menggunakan sistematika enam langkah dengan memanfaatkan distribusi probabilitas pensampelan pada Bab 6A dan 6B
Estimasi interval akan menghasilkan
X X X X + X
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------2. Beberapa Contoh Estimasi
Contoh 1
Pada interval keyakinan 0,99 diestimasi rerata populasi X. Telah diketahui bahwa populasi X berdistribusi probabilitas normal serta memiliki simpangan baku sebesar 0,3. Sampel acak dengan pengembalian berukuran 36 menghasilkan rerata sampel sebesar 2,6
Rumusan estimasi
Pada interval keyakinan 0,99 estimasikan rerata populasi X
Sampel
Sampel acak dengan pengembalian
nX = 36 X = 2,6
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------Distribusi probabilitas pensampelan
DPP: DP normalSimpangan baku: X = 0,3Kekeliruan baku
Interval keyakinan
Interval keyakinan 0,99 1 = 0,99 = 0,01 = 0,005Nilai kritis ujung bawah z(0,005) = 2,576ujung atas z(0,995) = 2,576
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------Bentangan estimasi
X X = X z() X = 2,6 (2,576)(0,05) = 2,4712
X + X = X + z() X = 2,6 + (2,576)(0,05) = 2,7288
Interval estimasi
Pada interval keyakinan 0,99, estimasi rerata adalah
2,4712 X 2,7288
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------Contoh 2
Pada interval keyakinan 0,90, estimasi rerata populasi X yang berdistribusi probabilitas normal. Sampel acak kecil berukuran 64 memberikan rerata sampel sebesar 25 dengan simpangan baku 6.
Rumusan estimasi
Pada interval keyakinan 0,90 estimasikan rerata populasi X
Sampel
Sampel acak kecil
nX =X =sX =
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------Distribusi probabilitas pensampelan
DPP: Kekeliruan baku dan derajat kebebasan
Interval keyakinan
Interval keyakinan 1 = = =
Nilai kritis
Ujung bawah
Ujung atas
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------Bentangan estimasi
X X =
X + X =
Interval estimasi
Pada interval keyakinan 0,90, rerata adalah
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------Contoh 3
Pada interval keyakinan 0,90, estimasi rerata populasi X yang berdistribusi probabilitas normal. Sampel acak berukuran kecil sebesar 16 memberikan rerata sampel 23 dengan simpangan baku 12.
Contoh 4
Pada interval keyakinan 0,90 estimasi rerata penurunan timbangan badan X setelah subyek menjalankan usaha diet. Sampel acak kecil menghasilkan timbangan badan (dalam kg)
Sebelum 80 92 67 50 115 70 86 98 75 67Sesudah 75 87 75 42 95 74 75 90 77 60
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------Contoh 5
Sampel acak 150 sepeda motor menunjukkan bahwa rerata kecepatan adalah 56,3 km/jam dengan simpangan baku 3,1 km/jam. Pada interval keyakinan 0,95, estimasi rerata kecepatan sepeda motor.
Contoh 6
Ahli kelautan mengukur temperatur air laut di teluk. Sampel acak 20 teluk menunjukkan rerata temperatur 23,60 C dengan simpangan baku 3,30 C. Pada interval keyakinan 0,99 estimasi rerata temperatur air laut di teluk.
Contoh 7
Seorang petani mengukur pH tanah seluas satu ha. Sampel acak 8 tempat menujukkan pH
5,9 6,2 6,7 6,2 6,1 6,6 6,2 6,6
Pada interval keyakinan 0,95 estimasi rerata pH tanah itu
-
------------------------------------------------------------------------------ Bab 8A ------------------------------------------------------------------------------D. Estimasi Interval pada Satu Proporsi
1. Dasar
Hakikat estimasi interval pada parameter satu proporsi berdasarkan data dari sampel mirip dengan estimasi interval pada satu rerata
Pada kekeliruan baku, kita dapat menggunakan dua macam variansi yakni variansi berdasarkan proporsi dan variansi maksimum (= 0,25)
Prosedur estimasi ini menggunakan sistematika enam langkah dengan memanfaatkan distribusi probabilitas pensampelan pada Bab 6A dan 6B
Estimasi interval akan menghasilkan
pX pX X pX + pX
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------2. Beberapa Contoh Estimasi
Contoh 8
Sebelum hari pemilihan diadakan jajak pendapat di suatu wilayah. Sampel acak 100 pemilih ditanya dan 60 memilih calon X. Pada interval keyakinan 0,90, estimasi proporsi pemilih yang memilih calon X
Rumusan Estimasi
Pada interval keyakinan 0,90, estimasi X dengan X sebagai proporsi pemilih calon X
Sampel
nX = 100 pX = 60 / 100 = 0,60
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------Distribusi probabilitas pensampelan
DPP: pendekatan ke DP normalKekeliruan baku
Interval keyakinan
Interval keyakinan 1 = 0,90Ujung atas dan ujung bawah = 0,05
Nilai kritis ujung bawah
z(0,05) = 1,64
Nilai kritis ujung atas
z(0,95) = 1,64
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------Bentangan estimasi
pX pX = pX px z(0,95) = 0,60 (0,049)(1,64) = 0,52
pX + pX = pX + px z(0,05) = 0,60 + (0,049)(1,64) = 0,68
Interval estimasi
Pada interval keyakinan 0,90, proporsi
0,52 X 0,68
Catatan: apabila estimasi mencakup 0,50 maka timbul masalah, karena membentang dari tidak terpilih ( < 0,50) sampai terpilih ( 0,50)
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------Contoh 9
Kita ulangi estimasi pada contoh 8 dengan menggunakan variansi maksimum pada kekeliruan baku
Distribusi probabilitas pensampelan
DPP: pendekatan ke DP normalKekeliruan baku (dengan variansi maksimum)
Bentangan estimasi
pX pX = 0,60 (0,050)(1,64) = 0,518pX + pX = 0,60 + (0,050)(1,64) = 0,682
Inereval estimasi
0,518 X 0,682
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------Contoh 10
Sampel acak 200 orang memesan kaca mata baru. Di antaranya 162 orang memilih lensa plastik (X). Pada interval keyakinan 0,95, estimasi proporsi orang pemesan kaca mata dengan lensa plastik
Rumusan estimasi
Sampel
Distribusi pensampelan
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------Distribusi probabilitas pensampelan
DPP:Kekeliruan baku
Interval keyakinan
Bentangan interval
Interval estimasi
-
------------------------------------------------------------------------------Bab 8A------------------------------------------------------------------------------Contoh 11
Ulangi contoh 10 dengan menggunakan variansi maksimum pada kekeliruan baku
Contoh 12
Sampel acak 300 penerbangan, 74% tepat waktu (X). Pada interval keyakinan 0,99, estimasi proporsi penerbangan yang tepat waktu
Contoh 13
Ulangi contoh 9 dengan menggunakan variansi maksimum pada kekeliruan baku
Contoh 14
Sampel acak 600 alat dari pengiriman 20000 alat menunjukkan 16 cacat. Pada interval keyakinan 0,98, estimasi berapa proporsi alat rusak. Estimasi juga berapa banyak alat rusak.