Kajian Metode Dalil Limit Pusat, Transformasi, dan Resampling Bootstrap dalam Penentuan Selang Kepercayaan

Abstract

Selang kepercayaan biasanya dibangun berdasarkan asumsi normalitas. Padahal banyak data dalam dunia nyata tidak menyebar normal. Contoh data yang sebarannya menjulur yaitu data yang menyebar khi-kuadrat dan generalized extreme value (GEV). Selang kepercayaan bagi data tersebut dapat menerapkan metode dalil limit pusat, transformasi, dan bootstrap. Keunggulan dari ketiga metode tersebut dalam menghasilkan selang kepercayaan bagi parameter nilai tengah dapat dievaluasi berdasarkan nilai keakuratan selang kepercayaan, lebar selang, dan simpangan baku lebar selang yang dihasilkan. Metode dikatakan baik apabila mampu menghasilkan nilai keakuratan tinggi, rata-rata lebar selang dan simpangan baku lebar selang yang kecil. Data yang digunakan dalam penelitian ini terdiri dari data simulasi dan data riil. Data simulasi dibangkitkan dari sebaran khi-kuadrat, GEV, dan sebaran normal yang dimodifikasi agar tidak menyebar normal dengan mentransformasi data dengan transformasi kuadrat dan transformasi logaritma. Hasil menunjukkan bahwa metode transformasi baik digunakan ketika ukuran contoh kecil. Metode dalil limit pusat dan metode bootstrap lebih baik digunakan ketika ukuran contoh besar.