BAB PENDUGAAN DAN

4 PENGUJIAN PARAMETER
SATU POPULASI

Tahapan di dalam pengambilan keputusan secara Statistika dapat dinyatakan

dalam pengambilan sampel, pendugaan parameter populasi dan pengujian
parameter populasi. Setelah mempelajari modul ini di harapkan mahsiswa dapat
melakukan pendugaan dan pengujian parameter satu populasi dengan bantuan
program paket Statistika.
Materi pada bab ini adalah pendugaan titik dan interval untuk parameter satu
populasi. Data bisa berasal dari populasi berdistribusi normal maupun selain
normal. Pendugaan titik dan interval pada populasi berdistribusi normal
merupakan materi pada mata kuliah pengantar metode statistika, sedangkan
pendugaan titik dan interval pada populasi berdistribusi selain normal merupakan
bagian dari mata kuliah statistika non parametrik.

4.1. KOMPETENSI KHUSUS

Mahasiswa diharapkan memiliki kompetensi sebagai berikut:
a. Mampu menghitung taksiran mean dan varians untuk satu populasi
berdistribusi normal.
b. Mampu menghitung taksiran mean dan varians untuk satu populasi tidak
berdistribusi normal dengan bootstrap.
c. Mampu menduga taksiran interval parameter satu populasi berdistribusi normal
maupun tidak normal.

4.2. URAIAN MATERI

4.2.1. Pendugaan Parameter Satu Populasi
Klasifikasi pendugaan parameter untuk ukuran pemusatan dan penyebaran
satu populasi yang berdistribusi normal dapat dinyatakan dalam Tabel 4.1.
berikut:

59
 BAB 4. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI

Tabel 4.1. Ukuran Pemusatan dan Penyebaran Parameter Satu Populasi

Perintah
Parameter Statistik Confidence interval
MINITAB
μ;
1 n
σ tidak
2 x= ∑ xi
n i =1
x ± tα / 2 s / n Onet c1
diketahui
μ; Onez c1;
x x ± z α / 2σ / n
σ 2 diketahui sigma= σ

1 n (n − 1) s 2 (n − 1) s 2 %varia.txt
∑ ( xi − x )
2
σ 2
s2 = <σ2 <
n − 1 i =1 χ α / 2;n −1
2
χ 2
1−α / 2; n −1 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. Mulai
2. Lakukan pengambilan sampel dari populasi : x1, x2, …, xn
3. b=1000
4. i=0
5. i=i+1
6. Lakukan pengambilan sampel ke-i lagi dari sampel yang ada sebanyak n
7. Tentukan nilai statistik θˆi
8. Jika i<b pergi ke 5
9. Tentukan nilai statistik dan standard error dengan cara:
b b
(θˆ − θˆb ) 2
θˆb = ∑θˆi dan sθˆ = ∑ i
i =1 i =1 b −1
10. Tentukan bootstrap confidence interval melalui nilai persentil dari θˆi
yaitu P100(α 2) dan P100(1−α 2)
11. Selesai

Selain dengan mengunakan metode bootstrap penentuan confidence interval

dapat juga menggunakan metode nonparametrik yang lain yaitu tanda (sign) dan

60
 BAB 4. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI

Wilcoxon, confidence interval untuk median dengan menggunakan dua metode ini
adalah :

No Metode Perintah Minitab

1 Tanda sinterval 95 c1
2 Wilcoxon winterval 95 c1

4.2.2. Pengujian Parameter Satu 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

Perintah MINITAB untuk dua macam klasifikasi di atas adalah :

Perintah
Syarat Hipotesis nol Statistik uji
MINITAB
Normal, x − μ0 Onet c1;
μ = μ0 t=
σ 2 tidak diketahui s/ n Test μ0 .
Onez c1;
Normal, x − μ0
μ = μ0 z= Sigma σ ;
σ 2 diketahui σ/ n Test μ0 
Simetri Median=M0 Tanda Stest M0 C1
Simetri Median=M0 Wilcoxon Wtest Mo C1

Selain dengan mengunakan cara di atas, pengujian hipotesis dapat juga

deilakukan dengan menggunakan metode bootstrap, jika nilai μ0 atau M0 termuat
di dalam bootstrap confidence interval maka hipotesis nol diterima yang berarti
nilai rata-rata populasi tidak berbeda dengan μ0 atau nilai median populasi tidak
berbeda dengan M0.

61
 BAB 4. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI

4.2.3. Kegiatan Praktikum

a. Tentukan confidence interval 95 % untuk rata-rata dan varians harapan hidup
perempuan di region Asia.
b. Ujilah pernyataan yang menyatakan bahwa rata-rata harapan hidup
perempuan di region Asia adalah 65 tahun.
c. Tentukan confidence interval 95 % untuk rata-rata dan varians pendapatan
per-kapita di region Asia.
d. Tentukan confidence interval 95 % untuk rata-rata pendapatan per-kapita di
region OECD

Penyelesaian

a. Confidence interval 95 % untuk rata-rata dan varians harapan hidup perempuan

di region Asia.
Untuk menyelesaiakan masalah ini, dibutuhkan tahapan berikut ini:
• 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

62
 BAB 4. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI

• Simpan data dalam format dbf [klik File+Save As]

• Buka data Asia.dbf dengan bantuan MINITAB [Klik File+open worksheet]

63
 BAB 4. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI

Uji kenormalan variabel harapan hidup perempuan dengan Kolmogorov-

Smirnov [klik Stat+Basic Statistics+normality test], sehingga menghasilkan
p-value > α yang artinya harapan hidup perempuan berdistribusi normal

64
 BAB 4. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI

Gambar 4.1. Hasil Uji Kenormalan Variabel Harapan Hidup Perempuan

• Penentuan confidence interval rata-rata : [klik stat+basic stat+1 sample t]

65
 BAB 4. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI

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 65.7339
upper 274.495

Varians harapan hidup perempuan Asia berkisar antara 65 sampai dengan 274
dengan peluang 95%.

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:

66
 BAB 4. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI

One-Sample T: LIFEEXPF

Test of mu = 65 vs mu not = 65

Variable N Mean StDev SE Mean

LIFEEXPF 17 67.41 10.89 2.64

Variable 95.0% CI T P
LIFEEXPF ( 61.81, 73.01) 0.91 0.375

p-value(0.375) > α dan confidence interval memuat 65 sehingga H0 diterima yang

berarti rata-rata harapan hidup perempuan Asia masih dapat dianggap sama
dengan 65 tahun pada α = 5% .

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:

Gambar 4.2. Hasil Uji Kenormalan Variabel GDP

P-value < α 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:

67
 BAB 4. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI

Gambar 4.3. Histogram Data GDP

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 4242.74
se_b 1508.60
lower 1549.71
upper 7467.06

Rata-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 36838694
se_b 14993480
lower 6298082
upper 64034876

68
 BAB 4. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI

Varians pendapatan perkapita Negara-negara Asia berkisar dari 6298082

sampai dengan 64034876 dengan peluang 95%.

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:

(a) (b)
Gambar 4.4. Histogram (a) dan Uji Kenormalan (b) Data GDP di OECD

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 Position
GDP_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.

69
 BAB 4. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI

MTB > winterval c11

Estimated Achieved
N Median Confidence Confidence Interval
GDP_CAP 21 17126 94.8 ( 15146, 18093)

Pendapatan perkapita Negara-negara OECD berkisar dari 15146 samapi

dengan 18093 dengan peluang sebesar 94.8%.

70
 BAB 4. PENDUGAAN DAN PENGUJIAN PARAMETER SATU POPULASI

4.3. LAMPIRAN
Lampiran 1. Macro MINITAB untuk menentukan confidence interval
varians

macro
varia y ci
mconstant i n var lower upper ci chis1 chis2
mconstant alpha alpha1 alpha2 df
mcolumn y
let n=count(y)
let df=n-1
let alpha=1-ci/100
let alpha1=alpha/2
let alpha2=1-alpha1
let var=stde(y)*stde(y)
invcdf alpha1 chis2;
chis df.
invcdf alpha2 chis1;
chis df.
let lower=df*var/chis1
let upper=df*var/chis2
print lower upper
endmacro

Lampiran 2. Macro MINITAB untuk Menentukan Bootstrap Confidence

Interval untuk Rata-rata dan Varians

macro macro
bootmean x bootvar x
mconstant i n b lower upper mconstant i n b lower upper
mconstant stat_b se_b stat_b mconstant se_b
mcolumn x y stat mcolumn x y stat
let n=count(x) let n=count(x)
let b=1000 let b=1000
do i=1:b do i=1:b
sample n x y; sample n x y;
replacement. replacement.
let stat(i)=mean(y) let stat(i)=stde(y)*stde(y)
enddo enddo
let stat_b=mean(stat) let stat_b=mean(stat)
let se_b=stde(stat) let se_b=stde(stat)
histo stat histo stat
sort stat stat sort stat stat
let lower=stat(25) let lower=stat(25)
let upper=stat(975) let upper=stat(975)
print stat_b se_b lower upper print stat_b se_b lower upper
endmacro endmacro

71