bab iii estimasi model probit terurut - powered by gdl4.2 · pdf fileestimasi ordered probit...
TRANSCRIPT
25
BAB III
ESTIMASI MODEL PROBIT TERURUT
3.1 Pendahuluan
Model penurunan kondisi jembatan diestimasi dengan model probit
terurut. Estimasi terhadap parameter model probit terurut yaitu koefisien model
iβ dan threshold ijγ dilakukan dengan metode maksimum likelihood dengan
melibatkan peluang.
Setelah parameter dari model probit terurut didapat, dilakukan beberapa
tahap pengujian untuk mendapatkan model yang paling sesuai dan representatif.
Pengujian ini meliputi pengujian normalitas error yang menjadi asumsi awal
dalam model probit terurut. Selain itu, pengujian signifikansi koefisien juga
dilakukan untuk mendapatkan model dengan koefisien yang mempunyai pengaruh
yang signifikan.
Pada Sub bab 2.8 sebelumnya, telah dibahas mengenai model probit
terurut sebagai model penurunan kondisi jembatan. Selanjutnya pada bab ini akan
dibahas mengenai estimasi model probit terurut penurunan kondisi jembatan.
Estimasi ini meliputi estimasi koefisien koefisien iβ dan threshold ijγ yang
melibatkan peluang dengan metode maksimum likelihood. Selain itu juga dibahas
mengenai uji signifikansi koefisien iβ secara simultan dan individual untuk
menghasilkan model yang paling sesuai.
3.2 Estimasi Koefisien Model Probit Terurut
Bentuk persamaan model probit terurut seperti yang sudah dinyatakan
pada persamaan (2.21) dan (2.22) yaitu:
log inniin XU εβ += '
dan jZin = jika )1( +<≤ jiinij U γγ untuk imj −= ,..,0
ijiii γγγγ <<<<= ...0 210
ESTIMASI ORDERED PROBIT MODEL
Analisis Probit Pada Model Penurunan Kondisi Jembatan
26
dimana
Uin = laten penurunan kondisi untuk fasilitas n dalam state i
βi’ = koefisien persamaan yang akan diestimasi
Xn = variabel paling berpengaruh dari fasilitas n
εin = error, (0,1)i Nε :
Zin = perubahan kondisi pada fasilitas n
γij = threshold
i, j = nilai kondisi
m = nilai kondisi terendah
Dari persamaan-persamaan di atas, terdapat koefisien yang belum
diketahui yaitu threshold γij, i = 0,1,...,m, dan j = 0,1, ...,m-i. Koefisien ini akan
diestimasi bersamaan dengan estimasi koefisien β yang juga belum diketahui.
Dengan melakukan substitusi persamaan (2.21) pada persamaan (2.22) di
bagian threshold, akan didapat persamaan sebagai berikut:
;jZin = jika ),log(')log( )1( +<+≤ jiinniij X γεβγ imj −= ,...,0 (3.1)
Selanjutnya, dengan mengurangkan persamaan (3.1) di bagian threshold dengan
ni X'β akan didapat persamaan (3.2) di bawah ini, yaitu
;jZin = jika ,')log(')log( )1( nijiinniij XX βγεβγ −<≤− + ij ,...,0= (3.2)
Diasumsikan bahwa error εin berdistribusi Normal baku, dilambangkan
εin~N(0,1). Hal ini mengakibatkan εin mempunyai fungsi distribusi kumulatif
Normal yang diberi lambang Φ(εin). Peluang transisi dari nilai kondisi i ke nilai
kondisi i+j untuk sebuah fasilitas selama periode inspeksi adalah peluang dimana
perubahan dalam state kondisi, Zin, sama dengan j. Peluang ini sama dengan luas
daerah di bawah kurva distribusi kumulatif Φ(εin) yang dibatasi oleh threshold
Xiij 'log βγ − dan threshold niji X'log )1( βγ −+ (Madanat, 1995). Hal ini
dinyatakan dalam persamaan (3.3) sebagai berikut:
( 1)( ) (log ' log ' )in ij i n in i j i np Z j p X Xγ β ε γ β+= = − ≤ < − ; (3.3)
untuk imj −= ,...,0
Persamaan (3.3) ini ekivalen dengan persamaan
ESTIMASI ORDERED PROBIT MODEL
Analisis Probit Pada Model Penurunan Kondisi Jembatan
27
);'(log)'(log)( )1( niijnijiin XXjZp βγβγ −Φ−−Φ== + (3.4)
untuk imj −= ,...,0
Misalkan log γij = δij, maka didapat persamaan peluang yaitu:
);'()'()( )1( niijnijiin XXjZp βδβδ −Φ−−Φ== + untuk imj −= ,...,0 (3.5)
Ilustrasinya adalah sebagai berikut :
Gambar 3.1 Peluang probit dibatasi dengan threshold
Setelah mendapatkan persamaan (3.6) di atas, akan dilakukan estimasi
terhadap nilai koefisien koefisien βi dan threshold )(10 ,...,, imiii −γγγ . Dengan
langkah-langkah metode estimasi maksimum likelihood (MLE) akan dicari nilai
estimasi dari koefisien β dan threshold )1(10 ,...,, −iiii γγγ secara simultan. Metode
estimasi ini dipilih karena sifatnya yang konsisten, berdistribusi normal asimtotik
dan efisien. Selain itu juga dapat memberikan variansi asimtotik terkecil di bawah
semua estimator asimtotik normal.
Fungsi likelihood dari model probit terurut untuk nilai kondisi i adalah
sebagai berikut :
∏∏=
−−
=
==Ni
n
im
j
dini
njjZpL1
1
0
)( (3.6)
dimana
Li = fungsi likelihood dari model probit terurut untuk state kondisi i
Zin = perubahan kondisi pada fasilitas n
Ni = total jembatan yang berada pada nilai kondisi i
dnj = variabel dummy , dnj = 1 jika Zin =j dan dnj = 0 jika Zin ≠ j.
0 1 m-i-1 m-i
…δi0-βi’Xn δi(m-1)-βi’Xn δi1-βi’Xn δi(m-i-1)-βi’Xn
ESTIMASI ORDERED PROBIT MODEL
Analisis Probit Pada Model Penurunan Kondisi Jembatan
28
Persamaan log likelihood dari persamaan (3.6) di atas adalah :
1 0
* log{ ( )} ( )N m i
i in inn j
L p Z j I Z j−
= =
= = =∑∑ (3.7)
dimana ( ) 1 jika dan ( ) 0 jikain in in inI Z j Z j I Z Z j= = = = ≠ .
Persamaan (3.7) ekivalen dengan persamaan (3.8) di bawah ini :
*( 1)
1 0log { ( ) ( )} ( )
N m i
i i j i in ij i in inn j
L X X I Z jδ β δ β−
+= =
= Φ − −Φ − =∑∑ (3.8)
Untuk memperoleh nilai estimasi dari setiap koefisien iβ dan nilai
threshold, dilakukan metode maksimum likelihood dengan memaksimumkan
fungsi (3.8) di atas dengan membuat turunannya terhadap βi dan δij sama dengan
nol, yaitu
*
0i
i
Lβ
∂=
∂ dan
*
0i
ij
Lδ∂
=∂
(3.9)
Secara matematis, pemaksimuman fungsi log likelihood adalah sebagai berikut:
( 1)
1 0 ( 1)
( ) ( )* ( ) 0( ) ( )
N m ii j i in ij i ini
in inn ji i j i in ij i in
X XL X I Z jX X
φ δ β φ δ ββ φ δ β φ δ β
−+
= = +
− − + −∂= = =
∂ − − −∑ ∑ (3.10)
( 1)
1 ( 1)
( 1)
( 1)
( )* ( )( ) ( )
( )( 1) 0
( ) ( )
Ni j i in
innij i j i in ij i in
i j i inin
i j i in ij i in
XLi I Z jX X
XI Z j
X X
φ δ βδ φ δ β φ δ β
φ δ βφ δ β φ δ β
+
= +
+
+
⎛ −∂= =⎜⎜∂ − − −⎝
−− = + =
− − −
∑ (3.11)
dimana ( )φ ε adalah fungsi distribusi Normal, merupakan turunan dari fungsi
distribusi kumulatif Normal ( )εΦ .
Untuk model probit terurut, metode Newton yang dimodifikasi adalah
metode yang paling tepat untuk mengestimasi koefisien koefisien βi dan
threshold. Dengan metode tersebut, koefisien yang diestimasi dicari dengan
mengikuti gradien. Beberapa iterasi dilakukan sehingga didapat koefisien yang
paling sesuai.
Untuk memudahkan perhitungan, perlu dilakukan penentuan constrain
awal untuk threshold. Constrain awal yang biasa digunakan adalah 0δ = seperti
yang digunakan dalam program LIMDEP (Garson, 1998).
ESTIMASI ORDERED PROBIT MODEL
Analisis Probit Pada Model Penurunan Kondisi Jembatan
29
3.3 Pengujian Normalitas Error
Untuk model probit terurut yang didapat melalui hasil estimasi, perlu
dilakukan suatu pengujian untuk melihat kesesuaiannya dengan asumsi awal
digunakan. Asumsi awal yang diuji yaitu bahwa error berdistribusi normal
dengan rata-rata dan variansi tertentu, dinotasikan εin ~ N(µ,σ2).
Nilai error didapat dari persamaan (3.3) dan (3.4) sebagai berikut:
( 1)( ) (log ' log ' )in ij i n in i j i np Z j p X Xγ β ε γ β+= = − ≤ < −
( 1)( ) (log ' ) (log ' )in i j i n ij i np Z j X Xγ β γ β+= = Φ − −Φ − .
Sehingga untuk masing–masing jembatan, error dihitung dengan langkah–
langkah sebagai berikut:
a. Mengalikan estimasi koefisien dengan variabelnya masing–masing (βiXn).
b. Kurangkan threshold dengan βiXn, kemudian hitung nilai cdf normal-nya.
c. Hitung peluang untuk masing–masing selisih perubahan kondisinya.
d. Error didapat dari titik yang dihasilkan oleh peluang di atas.
Uji normalitas dilakukan dengan pendekatan grafis, yaitu normal
probability plot. Dasar pengambilan keputusan dilakukan dengan melihat
penyebaran data (titik) pada sumbu diagonal dari grafik yaitu:
a. Jika data menyebar acak di sekitar garis diagonal dan mengikuti arah garis
diagonal, maka model secara deskriptif memenuhi asumsi normalitas.
b. Jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis
diagonal, maka model secara desksriptif tidak memenuhi asumsi
normalitas.
3.4 Pengujian Signifikansi Koefisien Model Probit Terurut
Setelah didapat hasil estimasi, tahap pengujian selanjutnya adalah menguji
signifikansi koefisien model. Hal ini dilakukan untuk menganalisa besarnya
pengaruh dari setiap variabel independen terhadap variabel dependen didalam
model yang dihasilkan. Pengujian dilakukan terhadap setiap koefisien yang
dihasilkan baik secara simultan (bersama-sama) maupun secara individual
(sendiri-sendiri).
ESTIMASI ORDERED PROBIT MODEL
Analisis Probit Pada Model Penurunan Kondisi Jembatan
30
Dalam pengujian secara simultan (bersama-sama) akan ditunjukkan
apakah semua variabel independen yang dimasukkan dalam model mempunyai
pengaruh secara bersama-sama terhadap variabel dependen. Dari hasil pengujian,
diharapkan didapat model yang paling signifikan. Jika pengujian signifikansi
koefisien secara simultan menghasilkan kesimpulan bahwa model signifikan,
maka semua variabel independen yang dimasukkan dalam model mempunyai
pengaruh secara bersama-sama terhadap variabel dependen. Model ini dapat
digunakan sebagai model penurunan kondisi jembatan. Namun jika dari pengujian
signifikansi koefisien secara simultan dihasilkan kesimpulan bahwa model tidak
signifikan, maka perlu dilakukan pengkajian ulang terhadap variabel independen
yang dimasukkan dalam model.
Dalam pengujian signifikansi koefisien secara individual akan ditunjukkan
signifikansi masing-masing variabel independen secara individual terhadap
variabel dependen. Jika pengujian signifikansi koefisien secara individual
menghasilkan kesimpulan bahwa koefisien signifikan, maka variabel independen
memberikan pengaruh yang signifikan dalam model. Namun jika pengujian
signifikansi koefisien secara individual menghasilkan kesimpulan bahwa koefisien
tidak signifikan, maka variabel independen tidak memberikan pengaruh yang
signifikan dalam model. Variabel tersebut dapat dikeluarkan dari model.
Dalam penentuan parameter model digunakan estimasi dengan metode
maksimum likelihood. Sehingga dalam pengujian signifikansi koefisien digunakan
prosedur pengujian yang sering digunakan dalam estimasi maksimum likelihood.
Pengujian secara simultan dilakukan dengan likelihood ratio test sedangkan
pengujian secara individual dilakukan dengan Wald test (Greene, 1993).
Prosedur pengujian signifikansi koefisien model probit terurut yang
dilakukan adalah sebagai berikut:
a. Pengujian secara simultan dengan likelihood ratio test
Hipotesis untuk pengujian secara simultan adalah sebagai berikut:
0 1 2: ... 0kH β β β= = = = (3.12)
1 : 0, 1, 2, ,iH i i kβ∃ ∋ ≠ = L (3.13)
ESTIMASI ORDERED PROBIT MODEL
Analisis Probit Pada Model Penurunan Kondisi Jembatan
31
dimana k = banyaknya koefisien.
Hipotesis nol (H0) di atas memiliki arti bahwa semua variabel
independen bukan merupakan penjelas yang signifikan terhadap variabel
dependen. Sedangkan hipotesis alternatifnya (H1) memiliki arti bahwa
semua variabel independen secara simultan merupakan penjelas yang
signifikan terhadap variabel dependen.
Statistik uji yang digunakan dalam likelihood ratio test menurut
Agresti (1996) adalah sebagai berikut: 2
1 02(log log )iG L L= − (3.14)
dimana 2iG = statistik uji likelihood ratio test
0L = maksimum likelihood untuk model nol
1L . = maksimum likelihood untuk model penuh.
Uji ini mengikuti distribusi Chi-square (χ2) dengan derajat
kebebasan (df)= k. Nilai χ2 tabel sebagai titik kritis didapat dengan tingkat
signifikansi α dan derajat kebebasan k, dengan k adalah jumlah variabel.
Pengambilan keputusan untuk likelihood ratio test didasarkan pada
hal berikut, yaitu :
Tolak H0 jika Gi2 > χ2 tabel atau jika p-value [Gi
2 model> χ2 tabel] >α.
Terima H0 jika Gi2 < χ2 tabel atau jika p-value [Gi
2 model> χ2 tabel]< α.
b. Pengujian secara individual dengan uji Wald
Hipotesis untuk pengujian secara individual adalah sebagai berikut:
H0 : βi=0 (3.15)
H1 : βi≠0 (3.16)
dimana i = 1, 2, ..., k dan k = banyaknya koefisien/ parameter.
Hipotesis nol (H0) di atas memiliki arti bahwa suatu variabel
independen tidak memiliki pengaruh yang signifikan terhadap variabel
dependen. Jika nilai koefisien suatu variabel independen sama dengan nol,
maka variabel independen tersebut dianggap tidak memiliki pengaruh
yang signifikan. Hipotesis alternatifnya (H1) menyatakan bahwa suatu
ESTIMASI ORDERED PROBIT MODEL
Analisis Probit Pada Model Penurunan Kondisi Jembatan
32
variabel independen memiliki pengaruh yang signifikan terhadap variabel
dependen. Jika nilai koefisien suatu variabel independen tidak sama
dengan nol, maka variabel independen tersebut dianggap tidak memiliki
pengaruh yang signifikan.
Statistik uji yang digunakan dalam uji Wald menurut Greene
(1993) adalah sebagai berikut :
W = z2 = 2
)ˆ(|0ˆ|⎟⎟⎠
⎞⎜⎜⎝
⎛ −
ββs
(3.17)
=)ˆ()0ˆ( 2
ββ
Var− (3.18)
dimana
W = statistik Wald
z = statistik normal standar
β̂ = koefisien model
s( β̂ ) = asimtotik standar error
Var ( β̂ ) = variansi.
Uji ini mengikuti distribusi Chi kuadrat (χ2) dengan derajat
kebebasan (df) 1, yang merupakan distribusi dari z2. Nilai χ2 tabel sebagai
titik kritis didapat dengan tingkat signifikansi α dan derajat kebebasan
k=1.
Pengambilan keputusan untuk Wald test didasarkan pada hal
berikut, yaitu :
Tolak H0 jika W> χ2 tabel atau jika p-value variabel model > α
Terima H0 jika W < χ2 tabel atau jika p-value variabel model> α
Tingkat signifikansi α menyatakan peluang menolak H0 padahal H0 benar.
Tingkat signifikansi α dapat juga berarti risiko maksimal yang dapat ditolerir
untuk menolak sesuatu yang telah diberikan. Tingkat signifikansi α=5% berarti
dalam 100 kali pengambilan keputusan, 5 kali salah karena menolak sesuatu yang
benar. Diharapkan tingkat signifikansi kecil agar tingkat kesalahan semakin kecil.
ESTIMASI ORDERED PROBIT MODEL
Analisis Probit Pada Model Penurunan Kondisi Jembatan
33
Dalam melakukan uji signifikansi koefisien, tingkat signifikansi
ditentukan tergantung masalah. Dalam kasus ini, berkaitan dengan penurunan
kondisi jembatan.
3.5 Perhitungan Peluang Transisi Nilai Kondisi
Setelah didapat model dengan nilai estimasi dari parameter βi dan
threshold, maka peluang transisi untuk setiap nilai kondisi dapat dicari. Peluang
transisi ini menyatakan besarnya peluang terjadinya penurunan kondisi jembatan
dari satu kondisi ke kondisi lain pada waktu tertentu.
Peluang transisi untuk semua perubahan nilai kondisi i pada jembatan
dihitung sebagai berikut :
)'ˆˆ(1),|(ˆ
.
.
.)'ˆˆ()'ˆˆ(),|2(ˆ
)'ˆˆ()'ˆˆ(),|1(ˆ
)'ˆˆ(),|0(ˆ
)2(
12
01
0
nimin
niiniin
niiniin
niin
XFiXimjp
XFXFiXjp
XFXFiXjp
XFiXjp
βγ
βγβγ
βγβγ
βγ
−−=−=
−−−==
−−−==
−==
−
(3.19)
dimana p̂ ( j=i | Xn,i ) = peluang transisi perubahan nilai kondisi dari nilai kondisi
i ke nilai kondisi (i+j). Untuk tujuan pengambilan keputusan pemeliharaan dan rehabilitasi
dimana metode optimasi digunakan, rata-rata peluang transisi dibutuhkan.
Penghitungan rata-rata peluang transisi ini dilakukan dengan menggunakan
persamaan sebagai berikut:
∑=
=x
x
N
nn
x
Nij iXjp
Np
1);,|(ˆ1ˆ imj −= ,....,0 (3.20)
dimana xNjip )1(ˆ + = rata-rata peluang transisi
),|(ˆ iXjp n = peluang transisi perubahan nilai kondisi dari nilai kondisi i ke
nilai kondisi (i+j) pada suatu kelompok nilai kondisi
ESTIMASI ORDERED PROBIT MODEL
Analisis Probit Pada Model Penurunan Kondisi Jembatan
34
Xn = vektor variabel bebas jembatan
Nx = jumlah fasilitas pada suatu kelompok nilai kondisi
G = jumlah kelompok.
Dari hasil perhitungan dengan persamaan di atas maka akan diperoleh matriks
peluang transisi untuk semua perubahan nilai kondisi sebagai berikut:
⎥⎥⎥⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢⎢⎢⎢
⎣
⎡
=
100000ˆˆ0000ˆˆˆ000ˆˆˆˆ00ˆˆˆˆˆ0ˆˆˆˆˆˆ
4544
353433
25242322
1514131211
050403020100
pppppppppppppppppppp
P (3.21)
dimana xijp̂ = peluang transisi perubahan nilai kondisi dari nilai kondisi i ke nilai
kondisi (i+j ).
3.6 Penentuan Model Penurunan Kondisi Jembatan
Langkah–langkah dalam menentukan model penurunan kondisi jembatan
dengan model probit terurut adalah sebagai berikut:
ESTIMASI ORDERED PROBIT MODEL
Analisis Probit Pada Model Penurunan Kondisi Jembatan
35
Gambar 3.2 Bagan aliran langkah penentuan model penurunan kondisi jembatan
dengan model probit terurut
DATA JEMBATAN Data Nilai Kondisi Jembatan Data Perubahan Nilai Kondisi Jembatan Data Panjang Bentang Jembatan Data Lebar Jembatan Data Umur Jembatan Data AADT
Pembagian kelompok berdasarkan data nilai kondisi awal jembatan
PENGOLAHAN LIMDEP Estimasi parameter dengan MLE
Estimasi koefisien β Estimasi threshold δ atau γ
UJI NORMALITAS ERROR
MODEL PROBIT TERURUT
UJI SIGNIFIKANSI Likelihood ratio test Wald test
signifikan
belum signifikan
Ordered probit
MODEL PENURUNAN KONDISI JEMBATAN