pendugaan dan pengujian parameter populasi
DESCRIPTION
statistikaTRANSCRIPT
PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI
Tahapan didalam pengambilan keputusan secara Statistika dapat
dinyatakan dalam : pengambilan sampel, pendugaan parameter populasi dan
pengujian parameter populasi. Setelah mempelajari modul ini di harapkan
mahsiswa dapat melkukan pendugaan dan pengujian parameter satu populasi
dengan bantuan program paket Statistika.
a. Pendugaan Parameter Satu Populasi
Klasifikasi pendugaan parameter untuk ukuran pemusatan dan penyebaran
satu populasi yang berdistribusi normal dapat dinyatakan dalam tabel berikut :
No. Parameter Statistik Confidence interval Perintah MINITAB
1 tak diketahui
Onet c1
2 diketahui
Onez c1;sigma=
3 %varia.txt c1
Di dalam program paket MINITAB tidak tersedia secara langsung fasilitas
untuk menentukan confidence interval untuk varians, untuk mengatasi hal ini
dapat diselesaikan dengan cara membuat macro MINITAB.
Dalam praktek pengolahan data untuk penentuan confidence interval,
asumsi kenormalan tidak selalu dapat dipenuhi, untuk mengatasi hal ini dapat
dilakukan penggunaan metode bootstrap. Algoritma dari metode bootstrap
adalah sebagai berikut :
1
1. Mulai2. Lakukan pengambilan sampel dari populasi : x1, x2, …, xn
3. b=10004. i=05. i=i+16. Lakukan pengambilan sampel ke-i lagi dari sampel yang ada sebanyak n7. Tentukan nilai statistik 8. JIka i<b pergi ke 5
9. Tentukan nilai statistik dan standard error dengan cara : dan
10.Tentukan bootstrap confidence interval melalui nilai persentil dari yaitu P100( dan P100(1-)
11.Selesai
Selain dengan mengunakan metode bootstrap penentuan confidence
interval dapat juga menggunakan metode nonparametrik yang lain yaitu tanda
(sign) dan Wilcoxon, confidence interval untuk median dengan menggunakan
dua metode ini adalah :
Nomor Metode Perintah Minitab1 Tanda sinterval 95 c12 Wilcoxon winterval 95 c1
b. Pengujian Parameter Populasi
Pengujian ukuran pemusatan populasi dapat diklasifikasikasikan menjadi
dua kelompok yaitu :
a. Asumsi distribusi normal terpenuhi dan pengujiannya dilakukan
terhadap rata-rata populasi serta statistik ujinya adalah t untuk varians
populasi tak diketahui dan z untuk varians populasi diketahui
b. Asumsi distribusi normal tak terpenuhi, pengujiannya dilakukan
terhadap median dan statistik ujinya adalah uji tanda ataupun uji
Wilcoxon
2
Perintah MINITAB untuk dua macam klasifikasi di atas adalah :
No. Syarat Hipotesis nol
Statistik uji Perintah MINITAB
1 Normal,
Tak diketahui
Onet c1;Test
2 Normal,
Diketahui Onez c1;
Sigma ;Test
3 Simetri Median=M0 Tanda Stest M0 C14 Simetri Median=M0 Wilcoxon Wtest Mo C1
Selain dengan mengunakan cara di atas, pengujian hipotesis dapat juga
deilakukan dengan menggunakan metode bootstrap, jika nilai atau M0 termuat
di dalam bootstrap confidence interval maka hipotesis nol diterima yang berarti
nilai rata-rata populasi tidak berbeda dengan atau nilai median populasi tidak
berbeda dengan M0.
Kegiatan Praktikum
1. Tentukan confidence interval 95 % untuk rata-rata dan varians harapan
hidup perempuan di region Asia
2. Ujilah pernyataan yang menyatakan bahwa rata-rata harapan hidup
perempuan di region Asia adalah 65 tahun.
3. Tentukan confidence interval 95 % untuk rata-rata dan varians
pendapatan per-kapita di region Asia
4. Tentukan confidence interval 95 % untuk rata-rata pendapatan per-kapita
di region OECD
3
Penyelesaian
1. confidence interval 95 % untuk rata-rata dan varians harapan hidup
perempuan di region Asia
Untuk menyelesaiakan masalah ini, dibutuhkan tahapan
- Pemilihan Negara-negara di region Asia, yang diluar region Asia
dihapus, [klik Data+Select Cases]
sehingga yang tersisa adalah hanya 17 negara di region Asia/Pasifik
4
- Simpan data dalam format dbf [klik File+Sae As]
- Buka data Asia.dbf dengan bantuan MINITAB [Klik File+open worksheet]
5
- Uji kenormalan variabel harapan hidup perempuan dengan Kolmogorov
Smirnov [klik Stat+Basic Statistics+normality test]
dan hasilnya adalah :
p-value> sehingga harapan hidup perempuan berdistribusi normal
6
- Penentuan confidence interval rata-rata :[klik stat+basic stat+1 sample t]
dan hasilnya adalah :
One-Sample T: LIFEEXPF
Variable N Mean StDev SE Mean 95.0% CI LIFEEXPF 17 67.41 10.89 2.64 ( 61.81, 73.01)
Harapan hidup perempuan di Asia berkisar antara 61.81 tahun sampai
dengan 73 tahun dengan peluang sebesar 95%
- Confidence interval untuk varians adalah :
MTB > %varia.txt c6 95
lower 65.7339upper 274.495
Varians harapan hidup perempuan Asia berkisar antara 65 sampai
dengan 274 dengan peluang 95%.
7
2. Rata-rata harapan hidup perempuan di region Asia adalah 65 tahun.
Karena harpan hidup perempuan berdistribusi normal, maka
pengujian rata-ratanya dapat dilakukan dengan menggunakan stastik uji t
sebagai berikut : [klik stat+basic statistics+1 sample t]
dan hasilnya adalah :
One-Sample T: LIFEEXPF
Test of mu = 65 vs mu not = 65
Variable N Mean StDev SE MeanLIFEEXPF 17 67.41 10.89 2.64
Variable 95.0% CI T PLIFEEXPF ( 61.81, 73.01) 0.91 0.375
p-value(0.375)> dan confidence interval memuat 65 sehingga H0
diterima yang berarti rata-rata harapan hidup perempuan Asia masih dapat
dianggap sama dengan 65 tahun pada
8
3. Confidence interval 95 % untuk rata-rata dan varians pendapatan per-kapita
di region Asia
Untuk menyelesaikan permasalahan ini dibutuhkan informasi tentang
kenormalan variabel pendapatan per-kapita. Hasil pengujian kenormalan
dengan menggunakan statisitik uji Kolmogorov-Smirnov adalah sebagai
berikut :
p-value <sehingga tolak H0 yang berarti pendapatan perkapita
negara-negara Asia tidak berdistribusi normal sehingga confidence interval t
tidak dapat digunakan, Pada kasus ini dapat digunakan sign confidence
interval atau wilcoxon confidence interval sebagai alternatif jika pendapatan
perkapita berdistribusi simetri. Histogram dari pendapatan perkapita adalah :
9
Dari histogram di atas dapat disimpulkan bahwa pendapatan perkapita
berdistribusi tidak simetri. Untuk menjawab permasalahan data yang tidak
berdistribusi normal dan tidak simetri, metode bootstrap dapat digunakan
dengan cara :
MTB > bootmean.txt c11
dan hasilnya adalah :
stat_b 4242.74se_b 1508.60lower 1549.71upper 7467.06Rata-rata pendapatan perkapita untuk Negara-negara Asia adalah
4242.74 dengan standard error 1508. Rata-rata pendapatan perkapita ini
berkisar dari 1549 sampai dengan 7467 dengan peluang 95%. Sedangkan
varians pendapatan perkapita adalah :
MTB > %bootvar.txt c11
stat_b 36838694se_b 14993480lower 6298082upper 64034876Varians pendapatan perkapita Negara-negara Asia berkisar dari
6298082 sampai dengan 64034876 dengan peluang 95%.
10
4. confidence interval 95 % untuk rata-rata pendapatan perkapita di OECD
Confidence interval untuk rata-rata dapat diselesaikan dengan
confidence interval t jika data berdistribusi normal dan dapat diselesaikan
dengan sign confidence interval atau wilcoxon confidence interval jika data
berdistribusi simetri. Histogram dan hasil pengujian Kolmogorov Smirnov
untuk variabel ini adalah :
Dari gambar di atas dapat disimpulkan bahwa pendapatan perkapita
berdistribusi simetri tetapi tidak normal (p-value<5%) sehingga sign atau
wilcoxon confidence interval dapat dipergunakan.
MTB > sinterval c11
Achieved N Median Confidence Confidence interval PositionGDP_CAP 21 17245 0.9216 ( 15974, 17912) 7 0.9500 ( 15942, 18031) NLI 0.9734 ( 15877, 18277) 6
Median pendapatan perkapita berkisar diantara urutan data 7 terkecil
sampai dengan 7 data terbesar dengan peluang sebesar 0.9216
Median pendapatan perkapita berkisar dari 15942 sampai dengan 18031
dengan peluang sebesar 0.95.
MTB > winterval c11
Estimated Achieved N Median Confidence Confidence IntervalGDP_CAP 21 17126 94.8 ( 15146, 18093)
Pendapatan perkapita Negara-negara OECD berkisar dari 15146
samapi dengan 18093 dengan peluang sebesar 94.8%
11
Lampiran 1. Macro MINITAB untuk menentukan confidence interval varians
macro varia y cimconstant i n var lower upper ci chis1 chis2 alpha alpha1 alpha2 dfmcolumn ylet n=count(y)let df=n-1let alpha=1-ci/100let alpha1=alpha/2let alpha2=1-alpha1let var=stde(y)*stde(y)invcdf alpha1 chis2; chis df.invcdf alpha2 chis1; chis df.let lower=df*var/chis1let upper=df*var/chis2print lower upperendmacro
Lampiran 2. Macro MINITAB untuk Menentukan Bootstrap Confidence Interval untuk Rata-rata dan Varians
macrobootmean xmconstant i n b lower upper stat_b se_bmcolumn x y statlet n=count(x)let b=1000do i=1:b sample n x y; replacement. let stat(i)=mean(y)enddolet stat_b=mean(stat)let se_b=stde(stat)histo statsort stat statlet lower=stat(25)let upper=stat(975)print stat_b se_b lower upperendmacro
macrobootvar xmconstant i n b lower upper stat_b mconstant se_bmcolumn x y statlet n=count(x)let b=1000do i=1:b sample n x y; replacement. let stat(i)=stde(y)*stde(y)enddolet stat_b=mean(stat)let se_b=stde(stat)histo statsort stat statlet lower=stat(25)let upper=stat(975)print stat_b se_b lower upperendmacro
12