Interval Estimation. Tjipto Juwono, Ph.D. May TJ (SU) Interval Estimation May / 19

dokumen-dokumen yang mirip
Interval Estimation. Tjipto Juwono, Ph.D. May 20, TJ (SU) Interval Estimation May / 24

Interval Estimation. Tjipto Juwono, Ph.D. May 13, TJ (SU) Interval Estimation May / 17

Pembahasan Soal. Tjipto Juwono, Ph.D. May 14, TJ (SU) Pembahasan Soal May / 43

Analisa Regresi Dua Variabel: Estimasi

Pengertian Ekonometrika Dan Review Koefisien Korelasi April dan 2016Analisa 1 / Regre 42

Estimasi dan Confidence Interval

Estimasi dan Confidence Interval

Analisa Regresi Berganda

Uji Hipotesa Satu Sampel

Econometric Modeling: Model Specification

Heteroskedastisitas. Tjipto Juwono, Ph.D. September 8, TJ (SU) Hetero. Sep / 19

Pengantar Analisa Data

Analisa Regresi Dua Variabel: Konsep Dasar ReviewApril Statistik: 2016 Uji 1 Hipotesa / 52

MULTIKOLINEARITAS (Lanjutan)

Statistik Non Parametrik

Uji Hipotesa Satu Sampel

MULTIKOLINEARITAS. Tjipto Juwono, Ph.D. June 24, TJ (SU) Multicol. June / 22

Contoh Solusi PR 5 Statistika & Probabilitas

Uji Hipotesa Dua Sampel (Lanjutan)

Hipotesis adalah suatu pernyataan tentang parameter suatu populasi.

Penduga : x p s r b. Pertemuan Ke 9. BAB V PENDUGAAN PARAMETER

BAB I PENDAHULUAN. sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat

ESTIMASI. Arna Fariza PENDAHULUAN

BAB 3 MODEL ESTIMASI REGRESI NONPARAMETRIK

Non Linear Estimation and Maximum Likelihood Estimation

MA5283 STATISTIKA Bab 7 Analisis Regresi

PREDIKSI KEBUTUHAN BERAS DI PROVINSI SUMATERA UTARA TAHUN DENGAN METODE FUZZY REGRESI BERGANDA. Ristauli Pakpahan, Tulus, Marihat Situmorang

Pengertian Autokorelasi: Penyebab Autokorelasi

Contoh Solusi PR 4 Statistika & Probabilitas. 1. Nilai probabilitas pada masing-masing soal mengacu pada tabel Standard Normal Distribution.

Pengantar Statistika Matematika II

Dasar-dasar Analisa Regresi

Analisis Regresi Linier ( Lanjutan )

Metode Sampling dan Teorema Central Limit

MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean

PENGUJIAN HIPOTESIS (1) Debrina Puspita Andriani /

pernyataan mengenai sesuatu yang harus diuji kebenarannya Hipotesis statistik adalah suatu pernyataan yang menyatakan harga sebuah/beberapa parameter

PROSEDUR UMUM. Langkah 1 : tentukan hipotesis 0 (H 0 ) dan anti hipotesis (H 1 )

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI

BI5106 ANALISIS BIOSTATISTIK Bab 5 Uji Hipotesis

BAB 2 LANDASAN TEORI. 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan

UJI HIPOTESIS SATU-SAMPEL

Pengantar Statistika Matematika II

ESTIMASI. Widya Setiafindari

STATISTIKA INDUSTRI 2 TIN 4004

(ESTIMASI/ PENAKSIRAN)

Bab 2 LANDASAN TEORI

KULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output:

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. permainan bola voli selanjutnya dianalisis menggunakan uji statistik deskriptif dan

Pengujian Hipotesis. Oleh : Dewi Rachmatin

Uji Hipotesa Dua Sampel

Ummu Kalsum UNIVERSITAS GUNADARMA

Mata Kuliah: Statistik Inferensial

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI

BAB II LANDASAN TEORI

ESTIMASI. Podojoyo, SKM, M.Kes. Podojoyo 1

Bab 2 LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat

PENGERTIAN PENGUJIAN HIPOTESIS

ANALYSIS OF VARIANCE

BAB II LANDASAN TEORI. Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun persamaan

I. PENDAHULUAN II. TINJAUAN PUSTAKA

Model Regresi Linier Berganda (Masalah Inferensi)

Statistika Psikologi 2

BAB 2 LANDASAN TEORI. pertama digunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis

MA2081 Statistika Dasar

Pengertian Pengujian Hipotesis

BAB 4 HASIL DAN PEMBAHASAN. Penentuan sampel yang telah ditentukan sebelumnya lewat rumus Slovin

SESI 13 STATISTIK BISNIS

BAB 2 LANDASAN TEORI

PENS. Probability and Random Process. Topik 8. Estimasi Parameter. Prima Kristalina Juni 2015

BAB IV HASIL DAN PEMBAHASAN

INFERENSI STATISTIS: RENTANG KEYAKINAN

ESTIMASI PARAMETER MODEL REGRESI MULTIVARIAT BAYESIAN DENGAN DISTRIBUSI PRIOR INFORMATIF 1. PENDAHULUAN

Status Daerah SMA 5, 4, 4, 2, 3 2, 2, 3, 2, 1 PT 4, 3, 3, 2, 2 2, 1, 2, 0, 1

PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO

I. PENDAHULUAN II. TINJAUAN PUSTAKA. 1.1 Latar Belakang

BAB 2 LANDASAN TEORI

Dasar-dasar Analisa Regresi

Perancangan Percobaan

BAB II METODE ANALISIS DATA. memerlukan lebih dari satu variabel dalam membentuk suatu model regresi.

BAB III METODOLOGI PENELITIAN

Pengantar Statistika Matematika II

DasarTeoriProbabilitasdan StatistikUntukInsinyur

Materi Kuliah: Statistik Inferensial

BAB IV METODE PENELITIAN

STATISTIK Hypothesis Testing 2 Contoh kasus

Atina Ahdika. Universitas Islam Indonesia 2015

PENGUJIAN HIPOTESIS. Langkah-langkah pengujian hipótesis statistik adalah sebagai berikut :

STATISTIKA DESKRIPTIF

SEKOLAH TINGGI ILMU EKONOMI INDONESIA BANKING SCHOOL KONTRAK PERKULIAHAN

BAB IV ANALISIS HASIL PENELITIAN

BAB III. Adapun objek yang diambil dalam penelitian ini adalah masyarakat di. Desa Ramasari Kecamatan BojongPicung Kabupaten Cianjur.

PENDUGAAN PARAMETER STATISTIK INDUSTRI 1

Materi Kuliah: Statistik Inferensial

BAB III METODOLOGI PENELITIAN

Magister Pengelolaan Air dan Air Limbah Universitas Gadjah Mada. 18-Aug-17. 1http://istiarto.staff.ugm.ac.id. Statistika Teknik.

STATISTIKA INDUSTRI 2 TIN 4004

BAB 2 TINJAUAN TEORITIS. Regresi pertama kali digunakan sebagi konsep statistika pada tahun 1877 oleh sir Francis Galton.

I. PENDAHULUAN II. TINJAUAN PUSTAKA

Transkripsi:

Interval Estimation Tjipto Juwono, Ph.D. May 2017 TJ (SU) Interval Estimation May 2017 1 / 19

Pendahuluan Point Estimator Perhatikan MPC pada persamaan regresi Ŷ i = ˆβ 1 + ˆβ 2 X i = 2.3121+0.5231X i (1) Estimasi ˆβ2 = 0.5231 pada persamaan (1) merupakan satu angka saja. Tidak ada angka lain. Karena itu disebut sebagai Point Estimator Estimasi ˆβ2 merupakan satu estimasi tunggal dari β 2 yang tidak diketahui. Estimasi tunggal tersebut diperoleh dari satu set sampling, dan kemungkinan besar harganya berbeda dengan harga yang sesungguhnya (β 2 ), walaupun mean dari sampling berulang diekspektasi mempunyai harga yang sama dengan harga sesungguhnya. TJ (SU) Interval Estimation May 2017 2 / 19

Pengertian Confidence Interval Definisi Confidence Interval Confidence Interval Pr( ˆβ 2 δ β 2 ˆβ 2 +δ) = 1 α (2) Pr( ˆβ 2 δ β 2 ˆβ 2 +δ) Probabilitas bahwa interval tersebut memuat β 2. PERHATIKAN! Probabilitas di atas bukanlah probabilitas bahwa β 2 berada di antara ( ˆβ 2 δ) dan ( ˆβ 2 +δ)! α level of significance Bagaimana cara menghitung δ? Kita perlu menghitung t terlebih dahulu. TJ (SU) Interval Estimation May 2017 3 / 19

Pengertian Confidence Interval Menuliskan Confidence Interval Kita bisa menuliskan interval ini sebagai berikut: ( ˆβ 2 δ) β 2 ( ˆβ 2 +δ), atau ˆβ 2 ±δ TJ (SU) Interval Estimation May 2017 4 / 19

Menghitung t Cara Menghitung Z Definisi Z Z = Estimator Parameter Standard Error of Estimator Z = ˆβ 2 β 2 se( ˆβ 2 ) = ( ˆβ 2 β 2 ) (Xi X) 2 σ (3) TJ (SU) Interval Estimation May 2017 5 / 19

Menghitung t Pengertian Z Ingat: Y i = β 1 +β 2 X i +u i. Di sini, u i terdistribusi secara normal. Akibatnya, ˆβ1, ˆβ2 juga terdistribusi secara normal. Sehingga Z pada Pers. (3) merupakan variabel normal standard. Dengan demikian, kita dapat membuat pernyataan probabilistik tentang β 2 asalkan variance populasi σ 2 yang sebenarnya diketahui. Jika µ dan σ 2 diketahui maka luas di bawah grafik normal di antara µ±σ adalah sekitar 68%. Luasan µ±2σ adalah sekitar 95% Luasan µ±3σ adalah sekitar 99.7% Tetapi σ 2 biasanya tidak diketahui. Dalam prakteknya, σ 2 digantikan oleh estimator ˆσ 2. Karena itu Z digantikan oleh t. TJ (SU) Interval Estimation May 2017 6 / 19

Menghitung t Cara Menghitung t Definisi t t = Estimator Parameter Estimated Standard Error of Estimator t = ˆβ 2 β 2 estimated se( ˆβ 2 ) = ( ˆβ 2 β 2 ) (Xi X) 2 ˆσ (4) variabel t yang didefinisikan di Pers. (4) mengikuti distribusi-t dengan df = n 2. TJ (SU) Interval Estimation May 2017 7 / 19

Menghitung t Mengapa Z diganti t? Z diganti t Z t σ ˆσ (5) TJ (SU) Interval Estimation May 2017 8 / 19

Menyusun Confidence Interval Menyusun Confidence interval dengan menggunakan t Pr( t α/2 t t α/2 ) = 1 α (6) t diperoleh dari Pers. (4), sedangkan t α/2 diperoleh dari distribusi-t dengan level of significance α/2 dan df = n 2. ±t α/2 disebut nilai kritis t pada level of significance α/2. TJ (SU) Interval Estimation May 2017 9 / 19

Menyusun Confidence Interval Menyusun Confidence interval dengan menggunakan t [ Pr t α/2 ˆβ 2 β 2 se( ˆβ 2 ) t α/2 Pr[ˆβ2 t α/2 se( ˆβ 2 ) β 2 ˆβ 2 +t α/2 se( ˆβ ] 2 ) ] = 1 α = 1 α (7) Pers. (7) merupakan 100(1 α) percent confidence interval untuk β 2, yang dapat dituliskan: ˆβ 2 ±t α/2 se( ˆβ 2 ) (8) TJ (SU) Interval Estimation May 2017 10 / 19

Menyusun Confidence Interval Menyusun Confidence interval dengan menggunakan t untuk β 1 [ Pr t α/2 ˆβ 1 β 1 se( ˆβ 1 ) t α/2 Pr[ˆβ1 t α/2 se( ˆβ 1 ) β 2 ˆβ 1 +t α/2 se( ˆβ ] 1 ) ] = 1 α = 1 α (9) Pers. (9) merupakan 100(1 α) percent confidence interval untuk β 1, yang dapat dituliskan: ˆβ 1 ±t α/2 se( ˆβ 1 ) (10) TJ (SU) Interval Estimation May 2017 11 / 19

Contoh CONTOH Table 1: X Y 80 70 100 65 120 90 140 95 160 110 180 115 200 120 220 140 240 155 260 150 Data fiktif weekly family income X dan weekly family expenditure Y. Buat analisa regresi, dan plot hasilnya. Jelaskan plot tersebut dengan menggunakan teori Keynes Susunlah 95% confidence interval untuk data pada Tabel 1 di samping. TJ (SU) Interval Estimation May 2017 12 / 19

Contoh Daftar Rumus se( ˆβ 2 ) = se( ˆβ 1 ) = ˆσ (X X) 2 [ X 2 n (X X) 2 (Y Ŷ) 2 ] ˆσ r = (X X)(Y Ȳ) (n 1)s x s y ˆβ 2 = r s y s x ˆβ 1 = Ȳ ˆβ 2 X ˆσ = n 2 [ Pr t α/2 ˆβ 2 β 2 se( ˆβ 2 ) t α/2 Pr[ˆβ2 t α/2 se( ˆβ 2 ) β 2 ˆβ 2 +t α/2 se( ˆβ ] 2 ) ] = 1 α = 1 α TJ (SU) Interval Estimation May 2017 13 / 19

Contoh Contoh y 160 140 120 100 80 60 40 20 0 0 50 100 150 200 250 300 x Menurut Keynes, orang menaikkan konsumsinya jika pendapatannya bertambah, namun pertambahan konsumsi lebih kecil daripada pertambahan pendapatan. Marginal propensity to consume (MPC) lebih besar dari nol, tetapi lebih kecil dari satu; 0 < β 2 < 1. ˆβ 2 = 0.5091 Ŷ = 24.4545+0.5091X TJ (SU) Interval Estimation May 2017 14 / 19

Contoh Contoh ˆβ 2 = 0.5091 ˆβ 1 = 24.4545 se( ˆβ 2 )= 0.0357 se( ˆβ 1 )= 6.4138 r = 0.9808, r 2 = 0.9621 t critical = 2.3059 t critical se( ˆβ 2 )=2.3059 0.0357 = 0.0824 t critical se( ˆβ 1 )=2.3059 6.4138 = 14.7903 ˆβ 2 ±t α/2 se( ˆβ 2 ) = 0.5091±0.0824 0.4267 β 2 0.5915 ˆβ 1 ±t α/2 se( ˆβ 1 ) = 24.4545±14.7903 9.6642 β 1 39.2448 TJ (SU) Interval Estimation May 2017 15 / 19

Home Work 1 Download data INPUT1.xls (a) Buat analisa regresi (gunakan excel!) lengkap dan buat plotnya. (b) Susun 95% confidence interval. 2 (Pertanyaan sama seperti no 1, bandingkan hasilnya dengan no 1): X Y 7.00 49.6889 17.00 109.4747 23.00 73.4039 34.00 182.4335 44.00 191.9322 55.00 210.9488 70.00 257.3999 79.00 261.5319 89.00 281.8802 98.00 376.9975

TUGAS Catatan Untuk tabel t untuk regresi, jangan lupa df = n 2 (berbeda dengan t untuk statistik biasa, df = n 1). Untuk α = 0.05 (misalnya), two-tailed, maka nilai t α/2 ada pada kolom 0.05 (bukan 0.05/2). SSR = (Ŷi Ȳi) 2 SSE = (Y i Ŷi) 2 SST = (Y i Ȳi) 2 Koef. of determination adalah r 2. Dapat juga dihitung dengan rumus r 2 = 1 SSE (11) SST TJ (SU) Interval Estimation May 2017 17 / 19