Menaksir harga PARAMETER populasi berdasarkan STATISTIK sampel KONSEP DASAR ESTIMASI PENAKSIRAN Nilai parameter dapat dihitung langsung tetapi biasanya tidak diketahui ditaksir ID: 804073
Download The PPT/PDF document "ESTIMASI ESTIMASI " is the property of its rightful owner. Permission is granted to download and print the materials on this web site for personal, non-commercial use only, and to display it on your personal computer provided you do not modify the materials and that you retain all copyright notices contained in the materials. By downloading content from our website, you accept the terms of this agreement.
Slide1
ESTIMASI
Slide2ESTIMASI
Menaksir harga PARAMETER populasi berdasarkan STATISTIK sampel KONSEP DASAR ESTIMASI (PENAKSIRAN)Nilai parameter () dapat dihitung langsung, tetapi biasanya tidak diketahuiditaksir dari statistik sampel ()
ˆ
Slide3 disebut Estimator = Penaksir
= Penduga
Idealnya
= Kenyataannya, dapat : * Terlalu tinggi * Terlalu rendah
ˆ
ˆ
ˆ
ˆ
Estimator yang tidak baik
Slide4Idealnya, estimator menaksir parameter populasi tanpa kesalahan atau tidak menyimpang terlalu jauh
ESTIMATOR YANG BAIK :
1. Unbiased (
Tidak bias) 2. Efisien 3. Konsisten
Slide5UNBIASED ESTIMATOR
Bila statistik sampel (misal
X) tepat sama / ’mengenai’ parameter populasi (misal ) X unbiased estimator bagi E () =
Bias = E () - * E () >
Bias
positif
(
Overestimate)
* E () < Bias negatif
(Underestimate)
Cara menghindari bias
Sample at random
ˆ
ˆ
ˆ
ˆ
Slide6
sebenarnya
UNBIASED
BIASED
sebenarnya
E (
)
E (
) =
E (
) ≠
ˆ
ˆ
ˆ
ˆ
BIAS
= E (
)
EFISIEN
Bila ada beberapa penaksir (estimator) yang tidak bias (
1, 2, ... , dst) terhadap populasi ( yang sama), penaksir yang paling baik/paling efisien adalah yang mempunyai VARIANS PALING KECIL Variansi 1 EFISIENSI = ------------------ Variansi 2
Varians = 2/n Penaksir akan lebih efisien bila n
ˆ
ˆ
ˆ
ˆ
Slide8
sebenarnya
1
ˆ
ˆ
2
Kurva
1
dan
2
penaksir tidak bias terhadap
ˆ
ˆ
1
penaksir lebih efisien daripada
2
,
karena varians-nya lebih kecil
ˆ
ˆ
Slide9KONSISTEN
Bila penaksir terkonsentrasi pada daerah di sekitar
Bila ukuran sampel diperbesar sampai Atau bila perbedaan (bias) estimator semua parameter untuk semua ukuran sampel = nol dapat dicapai bila Varians = 2/n = 0 bila n =
Slide10
sebenarnya
n=200
n=50
n=10
n=5
ˆ
Slide11CARA MENAKSIR
1. Estimasi Titik (
Point Estimate
) - Nilai tunggal dari data sampel - Mengajukannya sebagai parameter yang akan diduga - Contoh : Menaksir tinggi badan rata-rata mahasiswa UNAIR dari sampel random x = 163 cm - Harga titik penaksir berlainan dan tergantung hargax dari sampel yang diambil Kurang dipercaya Dipakai estimasi interval
Slide122. Estimasi Interval (Interval Estimate)
memperkirakan parameter populasi dengan menggunakan nilai dalam interval Ada 2 nilai : Nilai Atas dan Nilai Bawah 1 < < 2ˆ
ˆ
Slide13PENAKSIRAN HARGA MEAN POPULASI ()
MELALUI HARGA
XBila diketahui Sampling distribution of the mean : x - Z = ---------- SE
= x Z . SE
tanda + dan - menyatakan batas atas dan batas bawah penaksiran
Slide14Untuk 95% kemungkinan kejadian akan terdapat : - batas bawah - Z = -1,96
- batas atas +Z = +1,96
Jarak kedua batas = Confidence Interval atau Confidence Level
Slide15Confidence Level (Derajat Kepercayaan) 95% artinya dengan probabilitas 95% maka interval tersebut akan memuat mean populasi
Di luar batas-batas interval tersebut
area ketidakpercayaan
Slide16* Derajat Kepercayaan 0,95 artinya :
bila percobaan dilakukan berulang-ulang (replikatif), maka dari tiap 100 percobaan akan ada 95 yang mengandung
populasi dengan intervalx Z . SE , sisanya (5%) akan berada di luarnya dan tidak dapat ditaksir
Slide170
+1,96
-1,96
CONFIDENCE INTERVAL = DERAJAT KEPERCAYAAN
CONFIDENCE INTERVAL
= (1-
) 100%
LOWER CONFIDENCE LIMIT
UPPER CONFIDENCE LIMIT
AREA KETIDAKPERCAYAAN =
/2
AREA KETIDAKPERCAYAAN =
/2
Slide18RUMUS
(1-
) 100% Confidence Interval untuk : x + Z/2 . /n < < x + Z1-
/2 . /
n
Slide19Contoh :
Dari sampel random n = 100 diperoleh
x = 9,5 dan s = 0,5 . Bila = 0,25 , dengan Confidence Interval 95%, berapakah taksiran untuk ?95% Confidence Interval untuk :9,5 + Z0,025 . 0,25/100 < < 9,5 + Z0,975 . 0,25/1009,5 - 1,96 . 0,25/10 < < 9,5 + 1,96 . 0,25/10
9,451 < < 9,549
Slide202.
Bila
tidak diketahui- Kenyataannya sering tidak diketahui digunakan SD
sampel dan tabel t untuk
menentukan
batas
kepercayaan atas dan bawah
sesuai dengan Confidence Intervalnya
Rumus :
x -
t = ---------
s/n
Slide21(1-) 100% Confidence Interval untuk
x + t/2 (df=n-1) . s/n < < x + t1-/2 (df=n-1) . s/n df = degree of freedom = derajat kebebasan
Slide22Contoh :
Sampel
acak n = 25 dipilih dari populasi orang dewasa laki-laki, diukur Hb-nya. Diperoleh x = 12 g%, s=1,5 g%. Dengan Interval Kepercayaan 95% berapa perkiraan
di populasi ?
12 + t
0,025 (
df
=24)
. 1,5/25 <
< 12 + t0,975 (df=24) . 1,5/25
12 - 2,064 . 1,5/5 < < 12 + 2,064 . 1,5/511,3808 <
< 12,6192
Slide23PENAKSIRAN SIMPANGAN BAKU (
) DAN
VARIANS (
2) DI POPULASIPenaksiran 2 melalui batas kepercayaan berdasarkan distribusi sampling s2Diketahui distribusi sampling s2 yang diperoleh dari percobaan distribusi 2
Slide24(1-
) 100% Confidence Interval untuk
2(1-) 100% Confidence Interval untuk (n-1) . s2 (n-1) . s
2------------------ < 2 < ------------------
2
1-
/2 (df=n-1)
2/2 (df=n-1)
(n-1) . s2 (n-1) . s
2------------------ < < ------------------
2
1-
/2 (df=n-1)
2/2 (df=n-1)
Slide25PENAKSIRAN PROPORSI () DI POPULASI
*
Sampel random (n) dipilih dari populasi (N) di mana terdapat proporsi untuk peristiwa A dalam populasi. Selanjutnya, terdapat sejumlah x peristiwa A di sampel p = x/n q = 1 - p = 1 - x/n Titik penaksiran adalah x/n
Slide26p + Z
/2 . p (1-p) / n < < p + Z1-/2 . p (1-p) / n
Untuk (1-) 100% Confidence Interval
Slide27Contoh :
Hendak ditaksir
prevalence rate
Gondok Endemik di populasi. Dari sampel random n = 625 terdapat 125 penderita. Berapa prevalence rate Gondok Endemik di populasi dengan C.I. 0,95 ? p = x/n = 125/625 = 0,2 1-p = 1 - 0,2 = 0,80,2 + Z0,025 .0,2. 0,8/625 < < 0,2 + Z0,975 .0,2. 0,8/6250,169 <
< 0,231
Slide28ESTIMASI HARGA
Dengan (1-) . 100% Confidence Interval , nilai berada dalam interval :½ ln (1+r)/(1-r) + Z/2 . 1/(n-3) < < ½ ln (1+r)/(1-r) + Z1-/2 . 1/(n-3)
Misal : r = 0,737 0,203 <
< 1,684
0,203 <
< 1
Slide29MENENTUKAN BESAR SAMPEL
*
Ketika menaksir
berdasarkanx , maka b = -x * Untuk koefisien kepercayaan dan populasi berdistribusi normal dengan diketahui, maka : . Z/2 2 n = ------------- b
Slide30Jika yang ditaksir proporsi
Z
/2 2 n = (1-) ------- b