Infinity
Jurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012104
PENERAPAN METODE BESARAN PIVOT
DALAM PENURUNAN RUMUS TAKSIRAN INTERVAL
DARI KOEFISIEN REGRESI LINEAR SEDERHANA
Oleh : Nar Herrhyanto
Jurusan Pendidikan Matematika, FPMIPA, UPI
Abstrak
Regresi merupakan bentuk hubungan antara variabel bebas X dan variabel respon Y yang dinyatakan dalam sebuah persamaan matematik. Persamaan matematik tsb selanjutnya akan merupakan sebuah persamaan regresi. Persamaan regresi linear yang sebenarnya berbentuk Y = α + βX + ε. Dari koefisien regresi α dan β, maka β merupakan koefisien regresi yang berpengaruh terhadap perubahan variabel respon Y.
Karena nilai β ini biasanya tidak diketahui, maka nilainya akan ditaksir berdasarkan data sampel. Dalam hal ini, penaksiran β yang akan dibahas dalam tulisan ini adalah penaksiran interval. Dengan kata lain, bagaimana bentuk rumus taksiran interval dari β ini. Sehingga dalam makalah ini akan dijelaskan bagaimana penurunan rumus taksiran interval dari β. Dalam statistika matematik ada sebuah metode yang digunakan dalam penaksiran interval ini, yaitu metode besaran pivot.
Kata Kunci : Regresi Linear Sederhana, Taksiran Interval Koefisien Regresi, Besaran Pivot
Pendahuluan
Dalam kehidupan sehari-hari banyak data yang diperoleh atau dikumpulkan dengan melibatkan variabel. Apabila ada dua variabel, yaitu variabel bebas dan variabel respon, maka dapat diketahui hubungan antara kedua variabel tsb. Variabel bebas adalah variabel yang nilainya sudah diketahui dan biasanya dinyatakan dengan X. Variabel respon adalah variabel yang nilainya ditentukan berdasarkan variabel bebas, dan biasanya dinyatakan dengan Y. Dari kedua variabel tsb, dapat diketahui bentuk hubungan antara keduanya yang dinyatakan dengan sebuah persamaan matematik. Bentuk hubungan tsb sering disebut sebagai regresi.
Infinity
Jurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012105
Regresi ada dua macam, yaitu regresi linear dan regresi non linear. Penentuan regresi linear atau non linear ini bisa diketahui melalui metode tangan bebas. Dalam metode tangan bebas ini didasarkan pada diagram pencar, yaitu diagram yang dibentuk berdasarkan data berpasangan (x,y) dan berupa sekumpulan titik-titk yang terpencar dimana-mana. Apabila letak sekumpulan titik-titik itu sekitar garis lurus, maka regresi yang diperoleh berbentuk linear. Apabila letak sekumpulan titik-titik itu membentuk sebuah kurva, maka regresi yang diperoleh berbentuk non linear. Dalam hal ini akan dibahas regresi yang berbentuk linear saja. Regresi linearnya juga merupakan regresi linear sederhana, yaitu regresi yang melibatkan satu variabel bebas X dan satu variabel respon Y.
Persamaan regresi yang sebenarnya berbentuk Y = α + βX + ε. Dari koefisien regresi α dan β, maka β merupakan koefisien regresi yang berpengaruh terhadap perubahan variabel respon Y. Artinya β merupakan koefisien yang menyatakan perubahan variabel respon Y, apabila variabel bebas X berubah sebesar satu satuan. Karena nilai β ini biasanya tidak diketahui, maka nilainya akan ditaksir berdasarkan data sampel.
Dalam statistika dibahas penyelesaian suatu masalah, mulai dari pengumpulan data sampai penarikan kesimpulan. Salah satu cara yang digunakan untuk menarik kesimpulan adalah berhubungan dengan penaksiran parameter. Penaksiran parameter adalah penentuan sebuah nilai atau nilai-nilai yang dihitung dari sampel acak sebagai pengganti dari sebuah parameter yang nilainya tidak diketahui. Penentuan nilai dari sampel acak ini disesuaikan dengan parameternya. Penaksiran interval merupakan cara untuk menentukan nilai-nilai yang berbentuk interval berdasarkan data sampel, dimana nilai-nilai tsb sebagai pengganti dari nilai parameter yang tidak diketahui. Dalam penentuan taksiran interval tsb harus dicari dahulu taksiran titik dari parameter yang bersesuaiannya. Dalam statistika yang membahas rumus-rumusnya secara teoritis (disebut statistika matematik) ada sebuah metode yang digunakan untuk menentukan taksiran interval dari sebuah parameter, yaitu metode besaran pivot.
Permasalahan
Dalam statistika ada dua cara untuk mempelajarinya, yaitu menggunakan rumus-rumusnya dan menurunkan rumus-rumusnya. Orang yang mempelajari statistika, selain menggunakan rumus yang ada sebaiknya harus dipelajari juga bagaimana rumus-rumus itu diturunkan. Untuk menurunkan rumus dalam statistika diperlukan materi prasyarat, sehingga masalah ini merupakan masalah teoritis. Sehubungan dengan masalah teoritis ini, maka penulis
Infinity
Jurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012106
berusaha untuk menurunkan rumus-rumus yang terdapat dalam statistika khususnya dalam regresi. Salah satu masalah yang terdapat dalam regresi adalah taksiran interval dari koefisien regresi dalam regresi linear sederhana. Sehingga permasalahan yang akan dibahas dalam tulisan ini adalah bagaimana penurunan rumus taksiran interval untuk koefisien regresi linear sederhana dengan menggunakan metode besaran pivot?
Pembahasan
Menurut Herrhyanto (2003:156) dan (2010:52), langkah-langkah yang diperlukan untuk menentukan taksiran interval sebuah parameter dari sebuah distribusi dengan menggunakan metode besaran pivot sbb:
1. Tentukan taksiran titik dari parameter itu. Dalam hal ini, tentunya dicari penaksir tak bias bagi parameter itu.
2. Tentukan distribusi dari penaksir tak bias itu (kalau diperlukan).
3. Tentukan besaran pivot, yaitu besaran yang mengandung penaksir dan parameter sedemikian hingga distribusinya tidak bergantung pada parameternya.
4. Tentukan distribusi dari besaran pivot.
5. Besaran pivot itu disubstitusikan kedalam bentuk umum dari taksiran interval dengan derajat keyakinan sebesar (1 – α), yaitu :
P(a < besaran pivot < b) = 1 – α 6. Ubah bentuk dalam langkah kelima kedalam bentuk:
P(c < parameter < d) = 1 - α Berikut ini akan dijelaskan langkah-langkah di atas.
1. Penaksir Titik Parameter yang Tak Bias
Persamaan regresi linear sederhana mempunyai bentuk Y = α + βX + ε dan
persamaan regresi taksirannya berbentuk
Y
X
. Karena Y berdistribusiN(α + βx ; σ2), maka fungsi kepadatan peluang dari Y berbentuk:
y
x
y
y
f
;
2
1
exp
.
2
1
)
(
2 2 2
Dalam hal ini akan ditentukan penaksir dari α dan β dengan menggunakan metode kemungkinan maksimum.
Infinity
Jurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012 107 L(α,β,σ2;y1,y2,…,yn) =
2 1 1 2 22
1
exp
.
2
1
x
y
x 2
2
2
2
2
2
1
exp
.
2
1
x
y
x … x
2
2
22
1
exp
.
2
1
n nx
y
=
n i i i nx
y
1 2 2 22
1
exp
.
2
1
ln L(α,β,σ2;y1,y2,…,yn) =
n i i i x y n 1 2 2 2 2 1 . 2 1 ln .
n i i i n y x y y y L 1 2 2 1 2 ) 1 ( . 2 . 2 1 ,..., , ; , , ln
n i i i x y 1 2 1
n i i i i ny
x
x
y
y
y
L
1 2 2 1 2)
(
.
2
.
2
1
,...,
,
;
,
,
ln
n i i i i x x y 1 2 ( ) 1
Syarat : a. ln
, , ; 1, 2,...,
0 2 n y y y L
1 0 1 2 n i i i x y
0 1 n i i i x y
. . 0 1 1 n i i n i i x n y
n i i n i i x n y 1 1 . .
Infinity
Jurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012 108 b.ln
,
,
2;
1,
2,...,
0
ny
y
y
L
1 ( ) 0 1 2 i n i i i x x y
( ) 0 1 i n i i i x x y
. . 0 1 2 1 1 n i i n i n i i i iy x x x
n i i n i n i i i iy x x x 1 2 1 1 . .
Jadi diperoleh dua persamaan normal, yaitu:
n i i n i i x n y 1 1 . .
n i i n i n i i i iy x x x 1 2 1 1 . .
Dengan menggunakan Aturan Cramer diperoleh :
n i n i i i n i i i n i i n i i n i ix
x
n
y
x
x
x
y
1 2 1 2 1 1 1 2 1.
n i n i i i n i i n i i n i i i x x n y x y x n 1 2 1 2 1 1 1 . .
Jadi penaksir kemungkinan maksimum bagi α dan β adalah:
n i n i i i n i i i n i i n i i n i iX
X
n
Y
X
X
X
Y
1 2 1 2 1 1 1 2 1.
n i n i i i n i i n i i n i i i X X n Y X Y X n 1 2 1 2 1 1 1 . .
Infinity
Jurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012109
Atau bisa juga diperoleh:
n i i n i i x n y 1 1 . .
n i i n i i x n y n 1 1 1 . 1
x
y
.
x
y
.
Jadi penaksir bagi α berbentuk:
Y
.
X
Dan penaksir
nya bisa ditulis sbb: n i n i i i n i i n i i n i i i X X n Y X Y X n 1 2 1 2 1 1 1 . .
n i i n i i i X n X Y X n Y X 1 2 2 1 . . .
Kemudian akan diperiksa bahwa
harus merupakan penaksir tak bias bagi β.Dari penaksir
akan diuraikan bentuk pada pembilang maupun penyebutnyasatu persatu.
n i i n i i i n i i iY
X
Y
X
Y
X
n
Y
X
1 1 1.
.
.
=
n i i i iY
X
Y
X
1.
=
i n i iY
X
X
.
1
Infinity
Jurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012 110 2 2 1 2 2 1 2.
.
.
2
.
X
X
n
X
n
X
n
X
n i i n i i
= 2 1 1 2.
.
.
2
X
X
n
X
X
n i i n i i
=
n i i iX
X
X
X
1 2 2.
.
2
=
2 1
n i iX
X
Sehingga:
n i i n i i i X X Y X X 1 2 1 .
n i i n n n i i n i i X X Y X X X X Y X X X X Y X X 1 2 1 2 2 2 1 2 1 1 ...
n nY c Y c Y c ... 2 2 1 1
Dengan : (i)
n i iX
X
X
X
c
1 2 1 1 (ii)
n i iX
X
X
X
c
1 2 2 2 (iii)
n i i n nX
X
X
X
c
1 2Karena Y1,Y2,…,Yn adalah sampel acak berukuran n yang berasal dari populasi
berdistribusi N(α + βXi ; σ2), maka:
) ... (c1Y1 c2Y2 cnYn E E
E(c1Y1)E(c2Y2)...E(cnYn) c1.E(Y1)c2.E(Y2)...cn.E(Yn)Infinity
Jurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012 111 c1(
X1)c2(
X2)...cn(
Xn)
(c1c2...cn)
(c1X1c2X2...cnXn) Dengan : c1 + c2 + … + cn =
n i iX
X
X
X
1 2 1 +
n i iX
X
X
X
1 2 2 + … +
n i i nX
X
X
X
1 2 =
n i i n i iX
X
X
X
1 2 1 =
n i iX
X
1 20
c1 + c2 + … + cn = 0 c1X1 + c2X2 + … + cnXn =
n i iX
X
X
X
X
1 2 1 1 +
n i iX
X
X
X
X
1 2 2 2 + … +
n i i n nX
X
X
X
X
1 2 =
n i i n i i iX
X
X
X
X
1 2 1
n i n i i i n i n i i iX
n
X
X
X
X
X
X
1 2 1 2 1 1 2.
.
.
2
.
n i i n i iX
n
X
X
n
X
1 2 2 1 2 2.
.
c1X1 + c2X2 + … + cnXn = 1 Jadi :
0 ) 1 ( ) 0 ( E Sehingga Infinity
Jurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012112 2. Distribusi dari Penaksir Tak Bias
Dalam hal ini, penentuan distribusi dari penaksir
digunakan teknik fungsipembangkit momen.
Dari uraian sebelumnya diperoleh :
n nY c Y c Y c ... 2 2 1 1
Dengan :
i
n
X
X
X
X
c
n i i i i;
1
,
2
,
3
,...,
1 2
Karena Y1,Y2,…,Yn adalah sampel acak berukuran n yang berasal dari populasi
berdistribusi N(α + βXi ; σ2), maka fungsi pembangkit momen dari Yi adalah :
MYi(t) = exp[(α + βXi)t + ½ σ2t2] ;
t
Fungsi pembangkit momen dari
adalah: )] [exp( ) (
t E t M= E[exp{t(c1Y1 + c2Y2 + … + cnYn)}]
= E[exp(tc1Y1) . exp(tc2Y2) . … . exp(tcnYn)] = E[exp(tc1Y1)] . E[exp(tc2Y2)] . … . E[exp(tcnYn)] = MY1(c1t). MY2(c2t). … . MYn(cnt).
= {exp[(α + βX1)t + ½ σ2(c1t)2] }. {exp[(α + βX2)t + ½ σ2(c2t)2] } . … . {exp[(α + βXn)t + ½ σ2(cnt)2] } =
n i n i i i ic
t
t
c
X
1 1 2 2 2.
)
2
/
1
(
)
(
exp
Akan diuraikan bentuk yang ada pada pangkatnya.
n i n i n i i i i i ic
t
c
t
t
c
X
X
1 1 1.
.
.
)
(
n i n i i i it
c
X
c
t
1 1.
.
.
Karena dari uraian sebelumnya sudah diperoleh hasil bahwa
n i i
c
10
dan
n i i iX
c
11
, maka:
n i i it
t
t
t
t
c
X
1.
.
0
)
1
(
.
)
0
(
.
)
(
Infinity
Jurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012 113
n i i nc
c
c
c
1 2 2 2 2 1 2...
=
2 1 2 1 2
n i i n i iX
X
X
X
n i n i i iX
X
c
1 1 2 21
Jadi :
n i i X X t t t M 1 2 2 2 1 . ). 2 / 1 ( . exp ) (
=
2 1 2 2 ). 2 / 1 ( . exp t X X t n i i
Ternyata bentuk di atas merupakan fungsi pembangkit momen dari distribusi normal dengan mean = β dan varians =
n i i X X 1 2 2
. Sehingga
n i i X X N usi berdistrib 1 2 2 ;
. 3. Besaran PivotMisalkan besaran pivotnya adalah:
n i i e X X S T 1 2 2
Infinity
Jurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012114 4. Distribusi dari Besaran Pivot
Besaran pivot di atas bisa dituliskan kembali sbb:
n i i e X X S T 1 2 2
.( 2) ). 2 ( . 2 2 1 2 2 n S n X X T e n i i
2
1
.
).
2
(
2 2 1 2 2
n
S
n
X
X
T
e n i i
2
n
V
W
T
Berikut ini akan diuraikan bentuk W dan V.
n i iX
X
W
1 2 2
Penentuan distribusi dari W akan digunakan teknik fungsi pembangkit momen. Karena
n i i X X N usi berdistrib 1 2 2 ;
, maka fungsi pembangkitInfinity
Jurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012 115
2 1 2 2 ). 2 / 1 ( . exp ) ( t X X t t M n i i
Fungsi pembangkit momen dari W adalah: MW(t) = E[exp(tW)] =
n i iX
X
t
E
1 2 2exp
=
n i i n i iX
X
t
X
X
t
E
1 2 2 1 2 2.
.
exp
=
n i i n i iX
X
t
E
X
X
t
1 2 2 1 2 2.
exp
.
.
exp
=
n i i n i iX
X
t
M
X
X
t
1 2 2 1 2 2.
.
exp
Infinity
Jurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012 116 =
n i i n i i n i i n i i X X t X X X X t X X t 1 2 2 2 1 2 2 1 2 2 1 2 2 (1/2). . . exp . . exp MW(t) = exp (½ t2)Ternyata bentuk di atas merupakan fungsi pembangkit momen dari distribusi normal baku. Sehingga W berdistribusi N(0;1). 2 2
).
2
(
eS
n
V
n i i i eY
Y
n
S
1 2 22
1
n i i iX
Y
n
1 2.
2
1
Dari uraian sebelumnya diperoleh
Y
.
X
sehingga : n i i i e Y Y X X n S 1 2 2 . . 2 1
n i i i eY
Y
X
X
S
n
1 2 2).
2
(
2 1)
.
(
)
.
(
)
(
)
.
(
)
.
(
n i i i i iX
X
X
X
Y
X
X
Y
=
2 1 ) ( ) ( ) . ( ) . ( n i i i i i X X X X X Y X Y =
2 1)
)(
(
)
.
(
)
.
(
n i i i iX
X
X
Y
X
Y
Infinity
Jurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012 117 =
n i i n i i i X X X Y n X Y 1 2 2 1 2 2 . ) ( ) . ( . ) . (
n i i iX
Y
X
Y
1)
.
(
)
.
(
.
2
n i i i i X X X Y 1 ) )( ( ) . ( . 2
n i i X X X Y 1 ) )( ( ) . ( . 2
Dengan : (i)
n i i iX
Y
X
Y
1)
.
(
)
.
(
n i n i i iY
X
X
Y
X
Y
1 1)
.
(
)
.
(
)
.
(
.
.
.
(
.
)
.
.
(
.
)
1X
Y
X
n
X
Y
Y
n
n i i
n i n i i in
X
X
Y
Y
n
Y
X
n
Y
n
Y
n
1 1 2 2.
.
.
.
.
.
.
.
.
.
.
.
.
n i iX
X
X
n
1 2.
.
.
.
.
n
.
Y
2
n
.
.
Y
n
.
.
X
.
Y
n
.
.
Y
.
Y
.
n
.
X
n
.
2
.
.
n
.
X
n.
.
.X
2.X.n.X 2 2 2 2.
.
.
.
.
.
2
.
.
.
.
.
2
.
.
.
2
.
Y
n
Y
n
X
Y
n
n
X
n
X
n
n
.(
Y
2
2
.
.
Y
2
.
.
X
.
Y
2
2
.
.
.
X
2.
X
2)
n
.
Y
2
2
.
Y
(
.
X
)
(
.
X
)
2
n
.
Y
(
.
X
)
2 (ii)
n i i i i X X X Y 1 ) )( ( ) . (
n i i i i X X X Y 1 ) . ( ). (
n i n i n i n i n i i i i i i iY
X
Y
X
X
X
X
X
X
1 1 1 1 1 2.
.
.
)
(
.
.
).
(
Infinity
Jurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012 118
n i n i i i iY
X
n
Y
X
n
X
X
1 1 2 2.
.
.
)
0
(
.
.
).
(
n i n i i i iY nXY X nX X 1 1 2 2 . . . . ). (
Karena n i i n i i i X n X Y X n Y X 1 2 2 1 . . .
, maka diperoleh : n i i n i i X n X X n X 1 2 2 1 2 2 . . ). (
n i i X n X 1 2 2 . ) ).( (
n i i X X 1 2 2 . ) (
(iii)
n i i X X X Y 1 ) )( ( ) . (
n i i X X X Y 1 ) ( ). ( ) . (
(
.
)
(
).(
0
)
Y
X
= 0 Sehingga:
n i i n i i i e Y X n Y X X X S n 1 2 2 1 2 2 2 . ) ( ) . ( . ) . ( ). 2 (
( . )
2.( ) .
0 . . 2 1 2 2 2 n i i X X X Y n
n i i n i i i X X X Y n X Y 1 2 2 1 2 2 . ) ( ) . ( . ) . (
Infinity
Jurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012119
Kedua ruas dibagi σ2, sehingga diperoleh:
2 1 2 2 2 2 2 1 2 2 2(
)
.
)
.
(
.
)
.
(
).
2
(
n i i n i i i eX
X
X
Y
n
X
Y
S
n
2 1 2 2 1 2.
(
)
.
(
n i i n i i iX
X
n
X
Y
X
Y
A = B – C – D B = A + C + DFungsi pembangkit momen dari B adalah: MB(t) = E[exp(tB)] = E[exp{t(A + C + D)}] = E[exp(tA + tC + tD)] = E[exp(tA).exp(tC).exp(tD)] = E[exp(tA)].E[exp(tC)].E[exp(tD)] = MA(t).MC(t).MD(t)
)
(
).
(
)
(
)
(
t
M
t
M
t
M
t
M
D C B A
Karena : a. Y berdistribusi N(α + β.X ; σ2)
. ) ( X Y berdistribusi N(0;1) 2 ) . (
X Y berdistribusi χ2(1)
n i n i i i iX
Y
B
B
1 1 2 2(
.
)
berdistribusi χ2(n) MB(t) = (1 – 2t)(-1/2)(n) ; t < 1/2Infinity
Jurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012 120 b.
n
X
N
usi
berdistrib
Y
2;
.
n
X
Y
.
)
(
berdistribusi N(0;1) 2 ) . ( n X Y C
berdistribusi χ2(1) MC(t) = (1 – 2t)-1/2 ; t < 1/2 c.
n i i X X N usi berdistrib 1 2 2 ;
n i iX
X
1 2
berdistribusi N(0;1)
2 1 2 n i i X X D
berdistribusi χ2(1) MD(t) = (1 – 2t)-1/2 ; t < 1/2 Sehingga: ( 1/2)( 2) 2 / 1 2 / 1 ). 2 / 1 ()
2
1
(
)
2
1
.(
)
2
1
(
)
2
1
(
)
(
n n At
t
t
t
t
M
Ternyata bentuk di atas merupakan fungsi pembangkit momen dari distribusi Chi-Kuadrat dengan derajat kebebasan = n – 2.
Infinity
Jurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012121
Sehingga bisa ditulis :
(
2
2).
2(
2
).
2
n
S
berdistrib
usi
n
A
e
Selanjutnya akan ditentukan distribusi dari T dengan menggunakan teknik transformasi peubah acak.
Misalkan W adalah peubah acak berdistribusi normal baku dan V adalah peubah acak berdistribusi Chi-Kuadrat dengan derajat kebebasan dk = r = n - 2. Kedua peubah acak W dan V saling bebas.
Jika peubah acak
r
V
W
T
/
, maka akan ditentukan fungsi kepadatan peluangdari T.
Fungsi kepadatan peluang dari W adalah:
e w w f w ; 2 1 ) ( 2/2
Fungsi kepadatan peluang dari V adalah:
g(v) =
v
e
v
r
v r r.
;
0
)
2
/
(
.
2
1
( /2) 1 /2 2 / = 0 ; v lainnya.Karena W dan V saling bebas, maka fungsi kepadatan peluang gabungannya adalah: h(w,v) = f(w).g(v) = . 2 1 w2/2 e
e
w
v
v
r
v r r.
;
,
0
)
2
/
(
.
2
1
( /2) 1 /2 2 / = 0 ; w,v lainnya.Karena transformasi peubah acak yang diketahui berbentuk
r
V
W
T
/
, makaakan dimisalkan transformasi peubah acak keduanya adalah U = V. Jadi transformasi peubah acaknya adalah
r
V
W
T
/
dan U = V.Infinity
Jurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012122
Hubungan antara nilai w dari W dan nilai v dari V dengan nilai t dari T dan nilai u dari U diberikan dengan:
r
v
w
t
/
dan u = v Invers:r
u
t
w
dan v = u Jacobiannya: J =r
u
ru
t
r
u
u
v
t
v
u
w
t
w
1
0
)
2
/(
/
r
u
J
Fungsi kepadatan peluang gabungan dari T dan U adalah:
k(t,u) = u J r u t h , . k(t,u) =
r
u
r
t
u
u
r
e r.
(
/
2
)
.
exp
2
1
.
2
.
2
1
( /2) 1 2 2 /
; -∞ < t < ∞ , 0 < u < ∞ = 0 ; t,u lainnya.Fungsi kepadatan peluang marginal dari T adalah:
k
t
u
du
t
k
1(
)
(
,
)
=
0r
u
r
t
u
u
r
r r.
(
/
2
)
.
exp
2
1
.
2
.
2
1
( /2) 1 2 2 /
du =du
r
u
r
t
u
u
r
r r.
(
/
2
)
.
exp
2
1
.
2
.
2
1
( /2) (1/2) 2 0 2 /
Infinity
Jurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012 123 Misalkan:y
r
t
u
21
2
r
t
y
u
21
2
dy
r
t
du
21
2
Batas-Batas: Untuk u = 0, maka y = 0 Untuk u = ∞, maka y = ∞
dy
r
t
e
r
t
y
r
t
k
y r r 2 0 ) 2 / 1 ( ) 2 / ( 2 2 / 11
2
.
.
1
2
)
2
/
(
.
2
.
2
1
)
(
y e dy r t r r y r r r r
. 1 ). 2 / ( . 2 . 2 2 0 ) 2 / 1 ( ) 2 / ( 2 / ) 1 ( 2 2 / ) 2 / 1 ( ) 2 / (
2 / ) 1 ( 21
).
2
/
(
.
2
1
rr
t
r
r
r
Maka:
t
r
t
r
r
r
t
k
r;
1
).
2
/
(
.
2
1
)
(
2 / ) 1 ( 2 1
Infinity
Jurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012124
Ternyata bentuk di atas merupakan fungsi kepadatan peluang dari distribusi t dengan derajat kebebasan = r = n – 2.
5. Besaran Pivot Disubstitusikan kedalam Bentuk Umum Taksiran Interval
( /2);( 2)1
1 2 2 ) 2 ( ); 2 / ( n n i i e nt
X
X
S
t
P
6. Ubah Bentuk Taksiran Interval dalam Besaran Pivot Menjadi Bentuk Parameter
1 . . 1 2 ) 2 ( ); 2 / ( 1 2 2 ) 2 ( ); 2 / ( n i i e n n i i e n X X S t X X S t PSehingga taksiran interval dari β dengan derajat keyakinan sebesar (1 – α) berbentuk:
n i i e n n i i e nX
X
S
t
X
X
S
t
1 2 2 ) 2 ( ); 2 / ( 1 2 2 ) 2 ( ); 2 / (.
.
PenutupPenentuan taksiran interval sebuah parameter dari sebuah distribusi dilakukan menggunakan metode besaran pivot, dengan langkah-langkah sbb:
1. Tentukan taksiran titik dari parameter itu. Dalam hal ini, tentunya dicari penaksir tak bias bagi parameter itu.
2. Tentukan distribusi dari penaksir tak bias itu (kalau diperlukan).
3. Tentukan besaran pivot, yaitu besaran yang mengandung penaksir dan parameter sedemikian hingga distribusinya tidak bergantung pada parameternya.
Infinity
Jurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012125
5. Besaran pivot itu disubstitusikan kedalam bentuk umum dari taksiran interval dengan derajat keyakinan sebesar (1 – α), yaitu :
P(a < besaran pivot < b) = 1 – α 6. Ubah bentuk dalam langkah kelima kedalam bentuk:
P(c < parameter < d) = 1 - α
Taksiran interval dari β dengan derajat keyakinan sebesar (1 – α) berbentuk:
n i i e n n i i e nX
X
S
t
X
X
S
t
1 2 2 ) 2 ( ); 2 / ( 1 2 2 ) 2 ( ); 2 / (.
.
Daftar PustakaClarke, G.M. & Cooke, D. 1983. A Basic Course in Statistics. Second Edition. London : The English Language Book Society.
Freund, John E. & Walpole, Ronald E. 1980. Mathematical Statistics. Third Edition. New York : Prentice-Hall, Inc, Englewood.
Guttman, Irwin; Wilks, S.S; dan Hunter, J.Stuart. 1982. Introductory Engineering
Statistics. Third Edition. New York : John Willey & Sons.
Herrhyanto, Nar. 2003. Statistika Matematis Lanjutan. Bandung : Pustaka Setia. Herrhyanto, Nar & Gantini, Tuti. 2009. Pengantar Statistika Matematis. Bandung
: Penerbit Yrama-Widya.
Herrhyanto, Nar. 2010. Bank Soal Teori Statistika Matematik dan
Penyelesaiannya. Bandung : Penerbit Yrama Widya.
Hogg, Robert V. dan Tanis, Elliot A. 1977. Probability and Statistical Inference. New York : Macmillan Publishing Co., Inc.