PERBANDINGAN HASIL PENGUJIAN INTERCEPT

dokumen-dokumen yang mirip
PENGUJIAN INTERCEPT PADA UJI SATU ARAH MAKSIMUM UNTUK TESTS TERKAIT NON-SAMPLE PRIOR INFORMATION

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling

TINJAUAN PUSTAKA Pengertian

PROSIDING ISBN:

BAB 2 LANDASAN TEORI

PENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA SAMPLING GANDA

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd

Chapter 7 Student Lecture Notes 7-1

PENAKSIR RANTAI RASIO DAN RANTAI PRODUK YANG EFISIEN UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA

PENAKSIR BAYES UNTUK PARAMETER DISTRIBUSI EKSPONENSIAL BERDASARKAN FUNGSI KERUGIAN KUADRATIK DAN FUNGSI KERUGIAN ENTROPI

Tri Handhika Pusat Studi Komputasi Matematika (PSKM), Kampus D 139 Universitas Gunadarma Abstrak

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.

Bab III Metoda Taguchi

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL

PENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN

STATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA

REGRESI LINIER SEDERHANA

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

Pengenalan Pola. Regresi Linier

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN METODE BAYES

Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya PENS. Probability and Random Process. Topik 10. Regresi

Penyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered.

BAB 6: ESTIMASI PARAMETER (2)

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

BAB V ANALISA PEMECAHAN MASALAH

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika

PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

BAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

PENERAPAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA REGRESI POISSON

Modifikasi Statistik Uji-T pada Test Inferensia Mean Mereduksi Pengaruh Keasimetrikan Populasi Menggunakan Ekspansi Cornish-Fisher

BAB III METODE PENELITIAN

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

Perbandingan Beberapa Metode Pendugaan Parameter AR(1)

Distribusi Sampling (Distribusi Penarikan Sampel)

JENIS PENDUGAAN STATISTIK

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

BAB I PENDAHULUAN. X Y X Y X Y sampel

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai

BAB III METODE PENELITIAN

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT

I. DERET TAKHINGGA, DERET PANGKAT

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.

IV. METODE PENELITIAN

BAB III METODE PENELITIAN

IMPLEMENTASI RUMUS SOBEL PADA WEB DENGAN TOPIK REGRESI LINIER MENGGUNAKAN VARIABEL INTERVENING

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa

Batas Bilangan Ajaib Pada Graph Caterpillar

Taksiran Interval bagi Rata-rata Parameter Distribusi Poisson Interval Estimate for The Average of Parameter Poisson Distribution

ESTIMASI DENSITAS KERNEL ADJUSTED: STUDI SIMULASI. Novita Eka Chandra Universitas Islam Darul Ulum Lamongan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

BAB III METODE PENELITIAN

BAB 2 LANDASAN TEORI

Pendugaan Parameter. Debrina Puspita Andriani /

REGRESI DAN KORELASI

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel)

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

A. Pengertian Hipotesis

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.

III. METODE PENELITIAN. Subjek dari penelitian adalah siswa kelas X.B SMA Muhammadiyah 2 Bandar

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu

REGRESI DAN KORELASI SEDERHANA

BAB III MENENTUKAN MODEL KERUSAKAN DAN INTERVAL WAKTU PREVENTIVE MAINTENANCE OPTIMUM SISTEM AXIS PADA MESIN CINCINNATI MILACRON DOUBLE GANTRY TIPE-F

TEOREMA WEYL UNTUK OPERATOR HYPONORMAL

KETEGARAN UJI-t TERHADAP KETIDAKNORMALAN DATA

Mata Kuliah: Statistik Inferensial

III. METODELOGI PENELITIAN

PEMILIHAN UJI NONPARAMETRIK TERBAIK UNTUK DUA SAMPEL BEBAS MELALUI METODE SIMULASI

ESTIMASI PARAMETER REGRESI SPATIAL AUTOREGRESSIVE MODEL. Nurul Muthiah, Raupong, Anisa Program Studi Statistika, FMIPA, Universitas Hasanuddin ABSTRAK

Statistik Bisnis 2. Week 5 Comparing the Means of Two Independent Populations

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah

ANALISIS TENTANG GRAF PERFECT

PERTEMUAN 1-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK

BAB IV HASIL DAN PEMBAHASAN. Sebagai hasil penelitian dalam pembuatan modul Rancang Bangun

TUGAS ANALISIS REGRESI (HALAMAN

TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

BUKTI ALTERNATIF KONVERGENSI DERET PELL DAN PELL-LUCAS (ALTERNATIVE PROOF THE CONVERGENCE OF PELL AND PELL-LUCAS SERIES)

Makalah ANALISIS REGRESI DAN REGRESI GANDA

Uji apakah ada perbedaan signifikan antara mean masing-masing laboratorium. Gunakan α=0.05.

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

STATISTIKA NON PARAMETRIK

III. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Yang biasa dinamakan test komposit lawan komposit. c. Hipotesis mengandung pengertian minimum. Perumusan H 0 dan H 1 berbentuk :

Statistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015

Distribusi Pendekatan (Limiting Distributions)

ANALISIS REGRESI DAN KORELASI SEDERHANA

Transkripsi:

IdoMS Joural o Statistics Vol., No. (3), Page 35-47 PERBANDINGAN HASIL PENGUJIAN INTERCEPT PADA UJI SATU ARAH MAKSIMUM DAN MINIMUM PADA UJI-UJI TERKAIT NON-SAMPLE PRIOR INFORMATION PADA MODEL REGRESI SEDERHANA KETIKA VARIANSI TIDAK DIKETAHUI Budi Pratiko, Suroto, Agus Sugada da Arlida Widiaa Prodi Matematika, Jurusa MIPA, FST Usoed Purwokerto E-mail: bpraktiko@gmail.com, suroto_8@yahoo.com, agussugadha@ymail.com, arlida@gmail.com Abstract This research studied compariso results i testig the itercept for oe-side hypothesis (maximum ad miimum) for tests that related to o-sample prior iformatio (NSPI) o a simple liear regressio with ukow variace. Here, we used several tests, amely urestricted test (UT), restricted test (), ad prelimiarytest test (PTT). The test that has maximum power ad miimum size is cosidered as the best choice amog the tests. A simulatio study is preseted for showig a graphically compariso of the three tests. The result shows that the powers of the tests for both hypotheses (maximum ad miimum) are differet. It meas that type of hypothesis will affect the power ad size of the tests, ad it gives impact to role of NSPI to the coclusio. For both hypotheses, PTT lies betwee UT ad, so PTT is a releva choice for the test. Keywords: Liear model, power ad size. Abstrak Peelitia ii membahas perbadiga hasil pegujia itercept utuk uji hipotesis satu sisi (maksimum da miimum) pada uji-uji yag terkait o-sample prior iformatio (NSPI) pada model regresi sederhaa utuk variasi tidak diketahui. Ujiuji yag diguaka adalah urestricted test (UT), restricted test (), da prelimiarytest test (PTT). Test yag mempuyai ilai kuasa maksimum da ukura miimum dipilih sebagai uji terbaik. Simulasi diberika utuk meggambarka da membadigka grafik kuasa da ukura. Hasil pegujia meujuka bahwa ilai kuasa utuk kedua hipotesis tersebut adalah berbeda. Hal ii berarti bahwa jeis hipotesis mempegaruhi hasil pegujia dega NSPI. Namu demikia, pada dua kasus hipotesis tersebut PTT masih releva mejadi piliha test. Kata kuci: Model liier, kuasa da ukura. Mathematics Subject Classificatio: 6F3, 6J5. 35

36 Budi Pratiko, Suroto, Agus Sugada da Arlida Widiaa. Pedahulua Umumya iferesi statistics dilakuka megguaka data sampel. Kualitas iferesi ii utuk sembarag populasi dapat ditigkatka megguaka o-sample prior iformatio (NSPI). NSPI adalah iformasi tetag parameter populasi yag tidak berhubuga dega data sampel. NSPI diperoleh dari sumber yag dapat dipercaya, misalya studi sebelumya atau pegetahua ahli atau pegalama dari para peeliti. Bacroft [] adalah peeliti pertama yag megguaka NSPI utuk estimasi parameter. Kemudia dilajutka oleh [], [4], da lai-lai. Selajutya, [5], [6], [7], serta [8], megguaka NSPI utuk testig (pegujia) hipotesis pada kasus o parametrik. Setelah itu [3] megguaka NSPI utuk testig hipotesis pada kasus parametrik. Peelitia ii adalah pegembaga peelitia [3] pada urestricted test (UT), restricted test (), da pre-test test (PTT) utuk pegujia dua uji hipotesis satu sisi (maksmimu da miimum). Pada kasus ii, peelitia difokuska utuk testig itercept pada model regresi liier sederhaa, Y X e, dimaa Y adalah respose, adalah parameter itercept, adalah parameter slope, X adalah predictor, da e adalah error term yag berdistribusi ormal. Model regresi yag terkait pegujia ii adalah model regresi utuk kasus variasi tidak diketahui (ukow variace) sedemikia higga distribusi terkait adalah t da bivariate t distributio.. Power (kuasa) uji adalah peluag meolak hipotesis ol ( H ) ketika ilai parameter yag sebearya uder alterative hypotesis (H ), sedagka size (ukura) uji adalah ilai power ketika ilai parameter yag sebearya uder H. Tests (UT,, PTT) yag memiliki ilai power maksimum da size miimum diguaka sebagai metode uji pemiliha uji terbaik. Software R diguaka utuk meggambarka grafik UT, da PTT yag kemudia diguaka sebagai graphically aalisis. Pada bagia, dipresetasika proposed tests da modifikasi tests beserta distribusi samplig yag meyertaiya. Power da size dipaparka pada bagia 3. Bagia 4, meggambarka simulasi studi da plot UT,, da PTT. Kemudia, kesimpula da sara utuk kedua kasus pegujia (oe-side hypothesis) diberika di bagia 5.. Metode Aalisis Peelitia ii diawali dega melakuka review peelitia [3]. Selajutya dilakuka pemiliha jeis hipotesis yag berbeda dari peelitia sebelumya. Lagkah berikutya adalah sebagai berikut: () melakuka proposed tests utuk dua tipe hipotesis (maksimum da miimum) da modifikasi statistic tests beserta distribusi samplig yag meyertaiya, () meuruka power da size, (3) melakuka simulatio study dega data pembagkita dari R package, da meggambarka plot UT,, da PTT, (4) melakuka aalisis grafik pada ketiga grafik tersebut utuk dua kasus uji hipotesis satu sisi (maksimum da miimum), da (5) mearik kesimpula dari hasil perbadiga aalisis grafik pada lagkah (4).

Perbadiga Hasil Pegujia Itercept pada Uji Satu Arah 37 3. Hasil da Pembahasa 3. Proposed Tests Proposed tests utuk pegujia hipotesis satu sisi maksimum da miimum adalah sama sebagai berikut. 3.. Urestricted Test Megacu pada [3], test statistic (statistik uji) UT ketika NSPI tidak terdapat dalam slope ), pada pegujia hipotesis satu arah (maksimum da miimum), H: versus ( : H (atau > ), adalah ˆ ˆ UT T, () / s ˆ X se S XX dega s ˆ e Yi Y (mea square error (MSE)) adalah estimator dari variasi eror i model regresi liear sederhaa. Pada kasus ii, slope diestimasi dari data sampel. Test statistic persamaa () megikuti distribusi Studet-t dega derajat bebas (-), da kompoe ˆ dihitug dari data sampel. Selajutya, megacu [3], dega medefiiska / X se S XX K sebagai hipotesis alteratif (series), yaitu / K :, b, λ, dimaa eleme b adalah kompoe pre-test (PT) pada H : b versus H : b. Dalam hal ii, λ,, b. Pada K, ilai Semetara itu, pada, statistik uji UT pada X dega k se. S H ilai b K, yaitu da b. da. Selajutya, didefiisika samplig T T s T UT UT X UT e, S XX k xx ()

38 Budi Pratiko, Suroto, Agus Sugada da Arlida Widiaa 3.. Restricted Test Jika NSPI terdapat pada slope (fixed), yaitu b, yag diguaka adalah. Statistik uji utuk adalah T, (3) s s y maka test statistic terkait NSPI sy Yi Y yag berdistribusi Studet-t derajat bebas (-), dimaa Selajutya, pada K berlaku kodisi T T T y. y b s X s da b X, i da statistik uji dari adalah (4). 3..3 Pre-test Test Jika NSPI terdapat pada slope tetapi ucertai (diduga sebesar b ), maka uji terkait NSPI yag diguaka adalah PTT. Pada PTT didahului dega pre-test (PT), yaitu uji H : = b vs H : b, sedemikia higga statistik uji PT adalah * * T ˆ b ˆ b s s / S PT, (5) ˆ e dega XX i e i i i XX S X X da s Y Yˆ. Jika * H pada PT ditolak, maka UT diguaka utuk meguji H, karea UT berkorelasi dega PT, jika tidak demikia maka yag diguaka. Secara sama, persamaa (5) berdistribusi Studet-t dega derajat bebas (-). Secara jelas, bahwa PT da UT berkorelasi, sedagka PT da tidak berkorelasi, sehigga kemudia power da size dari PTT pada tigkat sigifikasi 3 diberika sebagai kombiasi dari kodisi tersebut ([3]). 3. Power ad Size of the Tests 3.. Urestricted Test Megacu [3] da persamaa (), power UT pada tigkat sigifikasi, adalah

Perbadiga Hasil Pegujia Itercept pada Uji Satu Arah 39 UT P T t, K UT t UT PT t, k da size UT diberika sebagai UT UT P T t H : t, P T t. UT, (6) (7) 3.. Restricted Test Selajutya, dega [3] da persamaa (4), utuk tigkat sigifikasi, maka diperoleh power ad size sebagai berikut. λ P T t, K t t P T t, b X X P T t,. s y P T t H :, X (9) PT t,. sy 3..3 Pre-test Test Megacu [3] da kodisi UT da PT (berkorelasi) da da PT (tidak berkorelasi) sebagaimaa diyataka pada subbagia 3.., maka power da size dari PTT pada tigkat sigifikasi 3 diberika sebagai λ P T t,, T t, P T t,, T t, PTT PT UT PT t 3 3 S XX m t3,, t, ; s k e S X XX m t3,, t, ;. s s e y s y (8) ()

4 Budi Pratiko, Suroto, Agus Sugada da Arlida Widiaa SXX Pada persamaa (), m t 3,, t, ; s k e da S X XX m t3,, t, ;, adalah probabiltas bivariat Studet-t yag s s e y didefiisika dega PT UT PT UT m a, a ; f t, t dt dt da () a a a PT PT m a, a ; f t, t dt dt. () 3 a3 UT PT Nilai koefisie korelasi atara T da T, adalah, da size dari PTT adalah,, 3 P T a T a H P T a T a H PTT PT UT PT t m t t m t t X dega a, a,da a 3 adalah bilaga riil. 3,,, ; 3,,, ;, s y (3) 3.3 A Simulatio Study Data simulasi dibagkitka dega R package 5.., dega, 5, utuk oe-side hypothesis (maximum) da, 5, oe-side hypothesis (miimum). Nilai X i di geerate dari distribusi ormal dega mea da stadar deviasi 3 (tidak harus berdistribusi) da e i dibagkitka dari distribusi ormal dega da variasi, pada kedua kasus tersebut. Power da size dari tests (UT,, PTT) utuk pegujia oe-side hypothesis maximum da oe-side hypothesis miimum, H: versus H : (atau > ), dipaparka sebagai berikut. H 3.3. Power of the Tests Grafik utuk kuasa uji dari UT,, da PTT pada pegujia H: versus, didasarka pada persamaa tersebut di atas pada koefisie korelasi,7 da ilai : yag berbeda adalah sebagai berikut.

Perbadiga Hasil Pegujia Itercept pada Uji Satu Arah 4 Gambar. Kuasa dari UT,, da PTT versus dega ilai berbeda,7. Grafik di atas (Gambar ) meujuka bahwa semaki besar ilai, maka ilai kuasa dari UT semaki besar, da UT tidak bergatug pada. semaki besar sebagaimaa ilai, membesar, da semaki kecil ketika ilai semaki kecil. Hal ii berarti bahwa kuasa dari tidak maksimum da cederug tidak optimal (baik). Semetara itu, PTT semaki besar sebagaimaa ilai semaki besar. Artiya PTT semaki baik. Secara jelas, terlihat bahwa ketika da kuasa dari UT da PTT selalu lebih besar daripada kuasa dari. Secara jelas, jika meujuka bahwa grafik PTT berubah sebagaimaa ilai berubah, yaitu PTT semaki besar jika ilai semaki besar. Simulasi grafik meujuka bahwa grafik kuasa dari UT,, da PTT ketika adalah similar. 3.3. Size of the Tests Size of the tests (UT,, da PTT) pada kasus ii disajika pada Gambar 3 dibawah ii.

4 Budi Pratiko, Suroto, Agus Sugada da Arlida Widiaa Gambar. Plot ukura versus. Berdasarka Gambar, ukura UT berilai kosta karea tidak bergatug tehadap ilai, da, sedagka ukura bergatug terhadap ilai, bertambah besar ketika ilai bertambah besar. PTT bergatug terhadap ilai da, da tidak bergatug terhadap. Ukura PTT bertambah besar ketika ilai bertambah besar, demikia juga ketika ilai. Gambar 3. adalah plot ukura versus utuk UT, da PTT.

Perbadiga Hasil Pegujia Itercept pada Uji Satu Arah 43 Gambar 3. Ukura dari UT,, da PTT versus dega,;,4;,7; da. Berdasarka Gambar 3, ilai ukura dari da PTT bertambah kecil ketika ilai semaki kecil, sedagka ukura uji dari UT selalu kosta. Ketika ilai, ukura uji dari UT selalu lebih besar dari ukura da PTT. 3.3.3 Power ad Size of the Tests Grafik utuk kuasa da ukura uji dari UT,, da PTT pada pegujia H: versus H:, dipaparka pada Gambar 4-6 sebagai berikut.

44 Budi Pratiko, Suroto, Agus Sugada da Arlida Widiaa Gambar 4. Kuasa dari UT,, da PTT versus dega,;,3;,5; pada =,4. Gambar 4. meujuka bahwa pada kodisi kurva UT tetap, sedagka da PTT aik sebagaimaa aik, da PTT aik juga sebagaima aik (lihat Gambar 5). Gap kurva PTT secara jelas terlihat bahwa PTT terletak atara da UT.

Perbadiga Hasil Pegujia Itercept pada Uji Satu Arah 45 Gambar 5. Kuasa dari PTT versus Gambar 6. Ukura dari UT,, da PTT versus dega, da,4 Berdasarka Gambar 6 terlihat bahwa kurva size UT kosta, sedagka da PTT bergatug. Gambar tersebut memperlihatka secara jelas bahwa size maksimum da lebih besar dari PTT, dimaa size PTT terleta atara UT da.

46 Budi Pratiko, Suroto, Agus Sugada da Arlida Widiaa Gambar 7. Ukura dari UT,, da PTT versus dega,;,3;,5; da,7. Gambar 7, pada, secara jelas meujuka bahwa size maksimum da size UT miimum, sedagka size PTT terletak atara size da UT. 4. Kesimpula Pada pegujia oe-side hypothesis miimum, H: versus H:, dimaa pada kodisi ii, secara jelas meujuka bahwa power da size maksimum, sedagka power da size UT miimum, sehigga PTT memproteksi kodisi maksimum power da miimum size. Karea itu, PTT mejadi piliha test yag releva. Pada pegujia oe-side hypothesis maksimum, H: versus H:, dimaa pada kodisi ii, secara jelas terlihat semua ilai power relatif kecil da power da size UT maksimum, sedagka power da size cederug miimum, da di sisi lai power da size cederug atara UT da, sehigga PTT bisa memproteksi kodisi maksimum power da miimum size. Karea itu, PTT bisa mejadi piliha test. Karea kecilya

Perbadiga Hasil Pegujia Itercept pada Uji Satu Arah 47 ilai power, maka NSPI mempegaruhi ilai power da sehigga berdampak pada proses pegambila kesimpula ii. Daftar Pustaka [] Bacroft, T.A., 944, O Biases i Estimatio Due to the Use of the Prelimiary Tests of Sigificace, Aals of Mathematical Statistics. 5, 9-4. [] Ha, C.P. da Bacroft, T.A., 968, O Poolig Meas Whe Variace Is U-Kow, Joural of America Statistical Associatio, 63, 333-34. [3] Pratiko, B.,, Tests of Hypothesis for Liear Regressio Models with No Sample Prior Iformatio, Dissertatio, Uiversity of Souther Queeslad. [4] Saleh, A. K. Md. E., 6, Theory of Prelimiary Test ad Stei-Type Estimatio with Applicatios, Wiley, New Jersey. [5] Saleh, A.K. Md. E. ad Se, P.K., 978, Noparametric Estimatio of Locatio Parameter after a Prelimiary Tests o Regressio, Aals of Statistical, 6, 54-68. [6] Saleh, A. K. Md. E. ad Se, P.K., 98, Noparametric Tests for Locatio after Parameter a Prelimiary Tests o Regressio, Commuicatio i Statistics-Theory ad Methods, (6), 855-87. [7] Tamura, R., 965, Noparametric Ifereces with a Prelimiary Test, Bull. Math. Stat., 38-6. [8] Yuus, R.M. ad Kha, S.,, Icreasig Power of the Test Through Pre-Test A Robust Method, Commuicatios i Statistics Theory ad Method, 4, 58-597.

48 Budi Pratiko, Suroto, Agus Sugada da Arlida Widiaa