elisabet viviana - digilib.unila.ac.iddigilib.unila.ac.id/22375/10/tesis tanpa bab...
TRANSCRIPT
PENDUGAAN PARAMETERDISTRIBUSI GENERALIZED RAYLEIGH
TIGA PARAMETER ( ( , , ))DENGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE)
Tesis
Oleh
Elisabet Viviana
MAGISTER MATEMATIKAFAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS LAMPUNGBANDAR LAMPUNG
2016
ABSTRAK
PENDUGAAN PARAMETERDISTRIBUSI GENERALIZED RAYLEIGH
TIGA PARAMETER ( ( , , ))DENGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE)
Oleh
ELISABET VIVIANA
Generalized Rayleigh (G R(α, λ, μ)) mempunyai tiga parameter dengan sebagaiparameter bentuk, sebagai parameter skala, dan sebagai parameter lokasi.Pada penelitian ini, parameter dari G3R diduga dengan menggunakan metodeMaximum Likelihood Estimation (MLE). MLE merupakan metode estimasiparameter suatu distribusi, dengan cara memilih penduga-penduga yang nilai-nilaiparameternya diestimasi dengan memaksimumkan fungsi kemungkinannya. Nilaiparameter dapat diduga secara analitik dengan mensubstitusikan nilai dugaanparameter dan . Untuk nilai dugaan dan , karena tidak dapat diselesaikansecara analitik, sehingga digunakan metode iterasi untuk mendapatkan dugaanbagi parameter-parameternya. Metode iterasi yang digunakan adalah MetodeNewton Raphson, dan dengan bantuan software R. Penelitian ini bertujuan untukmenduga parameter distribusi G3R. Berdasarkan simulasi hasilnya menunjukkanbahwa bias menjadi lebih kecil dan selang kepercayaan menjadi lebih pendekketika ukuran sampel lebih besar.
Kata Kunci : Distribusi Generalized Rayleigh Tiga Parameter(G3R(α, λ, μ)) ,Metode Maximum Likelihood Estimation(MLE), Newton Raphson.
ABSTRACT
PARAMETER ESTIMATION OF THREE PARAMETER GENERELIZEDRAYLEIGH DISTRIBUTION ( ( , , ))
USING MAXIMUM LIKELIHOOD ESTIMATION (MLE) METHOD
By
ELISABET VIVIANA
Generalized Rayleigh (G R(α, λ, μ)) contains three parameters with as a shapeparameter, as a scale parameter, and as a location parameter. In this study,parameters of G3R be estimated by the Maximum Likelihood Estimation (MLE)method. In estimating parameters of the distribution, the MLE maximizes thelikelihood function of the probability density function of the distribution. Thevalues of parameter can be solved analitically with substitution the estimationvalues of parameter and . For and estimation values, Because it can not besolved analitycally, the iteration method is used to get the estimation of theirparameters.The iteration method is Newton Raphson Method and supported bysoftware R. The goal of this research is to estimate the distribution parameters ofthe G3R. Based on simulation, the result shows that the bias becomes smaller andthe confident interval becomes shorter when the sample size are larger.
Key Words : Three Parameters Generalized Rayleigh Distribution (G3R(α, λ, μ)) ,Maximum Likelihood Estimation (MLE) Method, NewtonRaphson.
PENDUGAAN PARAMETERDISTRIBUSI GENERALIZED RAYLEIGH
TIGA PARAMETER ( ( , , ))DENGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE)
Oleh
Elisabet Viviana
TesisSebagai Salah Satu Syarat untuk Memperoleh Gelar
MAGISTER SAINS
PadaJurusan Matematika Program Studi Magister Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam
MAGISTER MATEMATIKAFAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS LAMPUNGBANDAR LAMPUNG
2016
RIWAYAT HIDUP
Penulis dilahirkan di Way Kandis, Bandar lampung, pada tanggal 03 November
1990, merupakan anak pertama dari pasangan Bapak Agustinus Sutrisno dan
Maria Suyati, penulis mempunyai satu adik perempuan yaitu Dominika Sintia
Penulis memulai pendidikan Taman Kanak-kanak Sejahtera II Bandar Lampung
pada tahun 1994, melanjutkan ke SD Sejahtera II Bandar Lampung pada tahun
1996 dan lulus pada tahun 2002, kemudian melanjutkan ke SMP Fransiskus
Tanjung Karang, lulus pada tahun 2005, kemudian melanjutkan ke SMA Xaverius
Pringsewu, lulus pada tahun 2008. Pada tahun 2008 penulis melanjutkan ke
Universitas Sanata Dharma Yogyakarta dan lulus pada tahun 2013.
Penulis melanjutkan pendidikan Pasca Sarjana dan terdaftar sebagai mahasiswa
Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Lampung pada Tahun 2013.
MOTO
“When You’ve Done Everything You Can Do,
That’s When God Will Step In And Do What You Can’t Do”
- 2 Corinthians 12:10 –
“ Takut akan TUHAN adalah permulaan pengetahuan,
tetapi orang bodoh menghina hikmat dan didikan “
- Amsal 1 : 7 -
PERSEMBAHAN
Seiring do’a dan rasa syukur kehadirat Tuhan Yang Maha Esa
Kupersembahkan karya kecilku ini kepada:
Orang tuaku Agustinus Sutrisno dan Maria Suyati
Yohanes Juni Irawan dan Dominika Sintia
atas doa, semangat, kasih sayang, motivasi dan segala dukungan yang diberikan
Keluarga besar SMP Xaverius 3 Bandar Lampung
Semua sahabat dan saudara
atas doa , semangat dan atas kesabarannya menanti keberhasilanku
Almamater tercinta Universitas Lampung
SANWACANA
Puji syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa karena atas
berkat rahmat dan karunia-Nya penulis dapat menyelesaikan tesis ini yang
berjudul “PENDUGAAN PARAMETER DISTRIBUSI GENERALIZED
RAYLEIGH TIGA PARAMETER ( ( , , )) DENGAN METODE
MAXIMUM LIKELIHOOD ESTIMATION (MLE)” sebagai salah satu syarat
meraih gelar Magister Sains pada Fakultas Matematika dan Ilmu Pengetahuan
Alam Universitas Lampung.
Terima kasih yang tulus penulis ucapkan kepada:
1. Bapak Warsono, Ph.D., selaku Dosen Pembimbing I yang selalu
mengarahkan, membimbing dan memotivasi penulis dalam menyelesaikan
tesis ini.
2. Bapak Mustofa Usman, Ph.D., selaku Dosen Pembimbing II yang dengan
sabar membimbing, mengarahkan dan memotivasi penulis dalam
menyelesaikan tesis ini, dan sekaligus selaku ketua jurusan matematika.
3. Bapak Suharsono, Ph.D., selaku Pembimbing Akademik yang telah
mendampingi penulis selama perkuliahan, dan sekaligus sebagai dosen
penguji yang telah memberikan kritik, saran, dan nasehat-nasehat dalam
penulisan tesis ini.
4. Bapak Tiryono Ruby, Ph.D., selaku ketua program Studi Matematika Jurusan
Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam.
5. Bapak Prof. Warsito, S.Si., D.E.A, Ph.D., selaku Dekan Fakultas Matematika
dan Ilmu Pengetahuan Alam Universitas Lampung.
6. Seluruh dosen yang telah mendidik dan membimbing penulis selama
menyelesaikan masa studi.
7. Orang tuaku tercinta Agustinus Sutrisno dan Maria Suyati yang senantiasa
dengan tulus menyayangi, mendo’akan dan memotivasiku dalam menggapai
cita-citaku.
8. Adikku tercinta Dominika Sintia, yang senantiasa memberikan doa dan
semangat.
9. Pacar tercinta Yohanes Juni Irawan yang senantiasa mendampingiku
memberiku semangat dan motivasi.
10. Teman-teman Pasca (Pak Kris, Pak Rahman, Pak Anton, Pak Malik, Bu
Herli, Bu Ade, Bu Ike, Bu Ana, Pak Waryoto, Nurman, Bu Dwi, Pak Fauzan,
Mas Agus, Mbak Suli, Bu Guiana, Mbak Rini, Ayu, Kak Permata, Pak Edi,
Mbak Cut, Pak Wahid), teman-teman MIPA ( Reni, Gery dan Yevta)
11. Keluarga Besar SMP Xaverius 3 Bandar Lampung ( Pak Petrus, Bu Kesti,
Ms. Henny, Pak Sihmara, Pak Yuli, Pak Emil, Pak Tinus, Bu Ani, Bu Rani,
Bu Tantri, Mas Robert) yang selalu bersabar dan memberikan semangat
dalam menyelesaikan masa studi.
12. Sahabat-sahabat yang selalu ada saat suka dan duka dalam menyelesaikan
masa studi.
Semoga senantiasa memberikan kebaikan dan balasan atas jasa dan budi baik
yang telah diberikan kepada penulis. Penulis mohon maaf atas segala kekurangan
dan ketidaksempurnaan dalam penulisan tesis ini. Semoga tesis ini bermanfaat
bagi kita semua. Amiin.
Bandar Lampung, Mei 2016Penulis,
Elisabet Viviana
DAFTAR ISI
Halaman
DAFTAR ISI................................................................................................... xiii
DAFTAR GAMBAR ...................................................................................... xv
DAFTAR TABEL .......................................................................................... xvi
I. PENDAHULUAN
1.1 Latar Belakang Masalah ................................................................... 1
1.2 Batasan Masalah ............................................................................... 2
1.3 Tujuan Penelitian .............................................................................. 3
1.4 Manfaat Penelitian ............................................................................ 3
II. LANDASAN TEORI
2.1 Distribusi Rayleigh ........................................................................... 4
2.2 Distribusi Generelized Rayleigh dengan Dua Parameter (G2R(α, λ)) 5
2.3 Distribusi Generelized Rayleigh dengan Tiga Parameter (G3R(α, λ, )) 6
2.4 Pendugaan Parameter ........................................................................ 7
2.5 Metode Pendugaan Kemungkinan Maksimum
(Maximum Likelihood Estimation Method) ....................................... 9
2.6 Metode Newton Raphson .................................................................. 10
2.7 Program R .......................................................................................... 12
2.8 Selang Kepercayaan........................................................................... 13
III. METODE PENELITIAN
3.1 Metode Penelitian ............................................................................. 14
IV. HASIL DAN PEMBAHASAN
4.1 PendugaanParameter G3R dengan Menggunakan Metode
Maxsimum Likelihood Estimation (MLE) ........................................ 16
4.1.1 Pendugaan Parameter ............................................................ 18
4.1.2 Pendugaan Parameter ............................................................. 18
4.1.3 Pendugaan Parameter ............................................................ 20
4.2 Metode Newton Raphson untuk Pendugaan Parameter dan ........ 24
4.2.1 Turunan Kedua Parameter dari fungsi Logaritma Natural
G3R Terhadap Parameter dan ............................................. 26
4.2.2 Turunan Kedua Parameter dari fungsi Logaritma Natural
G3R Terhadap Parameter dan ............................................. 29
4.3 Menghitung Bias, Rata-rata, Ragam, dan Selang Kepercayaan ....... 32
4.4 Grafik Bias, Grafik Ragam, dan Grafik Dugaan
Terhadap Selang Kepercayaan ........................................................... 34
V. KESIMPULAN
5.1 Kesimpulan ....................................................................................... 39
5.2 Saran ................................................................................................. 40
DAFTAR PUSTAKA
LAMPIRAN
DAFTAR GAMBAR
Gambar Halaman
1. Gambar 1. Grafik PDF distribusi Rayleigh .................................... 5
2. Gambar 2. Grafik PDF distribusi Generelized Rayleigh ................ 5
3. Gambar 3. Grafik Bias Distribusi Generelized Rayleigh
3 Parameter (G3R) .......................................................................... 35
4. Gambar 4. Grafik Ragam Distribusi Generelized Rayleigh
3 Parameter (G3R) ......................................................................... 36
5. Gambar 5. Grafik Dugaan Parameter Terhadap Selang kepercayaan
pada distribusi Generalized Rayleigh 3 Parameter (G3R) ............. 37
6. Gambar 6. Grafik Dugaan Parameter Terhadap Selang kepercayaan
pada Distribusi Generalized Rayleigh 3 Parameter (G3R) ........... 38
DAFTAR TABEL
Tabel Halaman
1. Hasil perhitungan dugaan, bias, ragam, dan
selang kepercayaan distribusi G3R .................................................. 33
2. Hasil dugaan ................................................................................ 34
I. PENDAHULUAN
1.1 Latar Belakang
Generalized Rayleigh Distribution diperkenalkan oleh Burr (1942). Pada
mulanya, Burr memperkenalkan dua belas bentuk Comulative Distribution
Function (CDF) yang berbeda dalam pemodelan data kelangsungan hidup.
Dalam perkembangan selanjutnya Surles and Padgett (2001) Surles and Padgett
(2004) telah memperkenalkan Burr Type X dengan dua parameter yang
dinamakan Generalized Rayleigh Distribution with two parameters (distribusi
Generalized Rayleigh dengan dua parameter). Distribusi ini merupakan Family
dari distribusi Generalized Weibull.
Kemudian Raqab, M.Z. and Kundu, D (2005) mengembangkan distribusi
Generalized Rayleigh dengan dua parameter dengan menambahkan parameter
sebagai parameter lokasi sehingga distribusinya menjadi distribusi Generalized
Rayleigh dengan tiga parameter .
Beberapa orang telah meneliti distribusi Generalized Rayleigh dengan tiga
parameter, diantaranya adalah Debasis Kundu dan Mohammad Z. Raqab dalam
Jurnal Internasionalnya yang berjudul “Estimation of = [ < ] For Three
2
Parameter Generalized Rayleigh Distribution”. Dalam penelitiannya, Kundu dan
Mohammad membahas tentang pendugaan stress-strength parameter= [ < ] ketika X dan Y keduanya adalah distribusi Rayleigh tiga
Parameter dengan skala dan parameter lokasi yang sama, tetapi parameter
bentuknya berbeda.
Dalam penelitian ini, ingin dikaji penduga parameter distribusi Rayleigh tiga
parameter . Metode yang digunakan adalah metode Maximum Likelihood
Estimation (MLE) dimana metode ini merupakan metode yang paling efisien dan
sering memberikan pendugaan yang baik, karena prinsip dari metode MLE adalah
memilih penduga yang nilai-nilai dari parameternya memaksimumkan fungsi
kemungkinan atau memaksimumkan informasi. Dalam penduga parameter dari
suatu distribusi ada penduga parameter yang tidak dapat diselesaikan secara
analitik, sehingga perlu diselesaikan dengan cara numerik. Salah satu cara yang
digunakan adalah dengan teknik iteratif yaitu Metode Newton Raphson. Metode
Newton Raphson sering digunakan karena metode ini lebih sederhana dan
mempunyai konvergensi yang cepat.
1.2 Batasan Masalah
Pada penelitian ini, permasalahan dibatasi pada pendugaan,dan perbandingan
ketakbiasan penduga parameter G3R dari masing-masing ukuran data
menggunakan software R.
3
1.3 Tujuan Penelitian
Tujuan dari penelitian ini adalah :
1. Menduga parameter Generalized Rayleigh dengan tiga parameter
menggunakan metode Maximum Likelihood.
2. Membandingkan bias untuk data berukuran 20, 30, 50, 100, dan 500
dengan masing-masing data dilakukan pengulangan sebanyak 100.
1.4 Manfaat Penelitian
Manfaat dari penelitian ini adalah memperdalam pemahaman mengenai statistika
inferensia khususnya mencari pendugaan parameter Generalized Rayleigh dengan
tiga parameter menggunakan metode Maximum Likelihood dan untuk memberikan
sumbangan pemikiran bagi peneliti lain yang akan melakukan penelitian lebih
lanjut.
II. LANDASAN TEORI
Dalam proses penelitian pendugaan parameter dari suatu distribusi diperlukan
beberapa konsep dan teori yang mendukung dari ilmu statistika . Berikut akan
dijelaskan beberapa konsep dan teori serta fungsi-fungsi khusus yang digunakan
untuk menyederhanakan hasil pencarian fungsi karakteristik dari distribusi
Generalized Rayleigh dengan tiga parameter berkaitan dengan pendugaan
parameternya dengan metode Maximum Likelihood menggunakan Software R.
2.1 Distribusi Rayleigh
Distribusi Rayleigh merupakan distribusi kontinu yang diperkenalkan oleh Lord
Rayleigh. Pada tahun 1880, distribusi Rayleigh dikenal secara luas di bidang
oseanografi dan dalam teori komunikasi untuk menggambarkan puncak sesaat
kekuatan sinyal radio yang diterima. Spiegel dan Stephens (2004) menjelaskan
bahwa sebuah distribusi Rayleigh memiliki PDF yaitu sebagai berikut :
0;, 22
22
x
exxf
5
Gambar 1. Grafik PDF distribusi Rayleigh
2.2 Distribusi Generalized Rayleigh dengan Dua Parameter (G2R( , ))Raqab (2005) menjelaskan bahwa distribusi Generalized Rayleigh dengan dua
parameter (G2R) merupakan salah satu distribusi kontinu yang memiliki dua
parameter, yaitu α dan λ. Raqab memisalkan X adalah random variabel dari
distribusi G2R sehingga PDF dari distribusi Rayleigh dua parameter yaitu :
0,0,0;12,,12 22
xexexf xx
Gambar 2. Grafik PDF distribusi generalized Rayleigh
6
Xiao Ling dan David E. Giles (2011) telah memperoleh PDF dari distribusi
generalized Rayleigh dengan melakukan perhitungan dari PDF distribusi
Rayleigh, distribusi Half-Normal, distribusi Maxwell, dan distribusi Chi-Square.
Dari penjelasan tersebut, maka diketahui bahwa distribusi Generalized Rayleigh
dengan dua parameter diperoleh dari penggabungan distribusi Rayleigh dengan
beberapa distribusi lain.
2.3 Distribusi Generalized Rayleigh dengan Tiga Parameter (G3R( , , )).Raqab, M.Z. and Kundu, D. (2005) menjelaskan bahwa distribusi Generalized
Rayleigh dengan tiga parameter didapat dari distribusi Generalized Rayleigh dua
parameter dengan memperkenalkan penambahan μ sebagai parameter lokasi,
Oleh karena itu untuk > 0 , > 0 dan ∞ < μ < −∞, distribusi Generelized
Rayleigh dengan tiga parameter mempunyai Cumulative Distribution Function
(CDF) : ( ; , , μ) = 1 − ( ) ; > μdan Probability Density Function (PDF) :( ; , , μ) = 2 ( − ) ( ) (1 − ( ) ) ; > μDengan : > 0 ; > 0 ; −∞ < < ∞ ; >Dimana : adalah parameter bentuk
adalah parameter skala
adalah parameter lokasi
7
Selanjutnya, Distribusi Generalized Rayleigh dengan tiga parameter dinotasikan
sebagai G3R(α, λ, ).2.4 Pendugaan Parameter
Dalam statistik inferensia dibutuhkan pemahaman mengenai kaidah-kaidah
pengambilan kesimpulan tentang suatu parameter populasi berdasarkan
karakteristik sampel. Hal ini membangun apa yang disebut dengan pendugaan titik
dari fungsi kepekatan peluang parameter yang tidak diketahui.
Definisi 2.1
Misal suatu peubah acak X memiliki fungsi kepekatan peluang yang bergantung
pada suatu parameter tak diketahui dengan sembarang nilai dari suatu himpunan
ruang parameter , maka dinotasikan dengan f (x; ), .
Definisi 2.2
Misal X1, X2, ..., Xn berdistribusi bebas stokastik identik dengan fungsi kepekatan
peluang f (x; ), . Suatu statistik U(X1, X2, ..., Xn) = U(X) yang digunakan
untuk menduga g() disebut sebagai penduga bagi g().
Berkaitan dengan pendugaan parameter akan dijelaskan beberapa sifaat penduga
yang baik sebagai berikut:
8
1. Tak Bias
Penduga U(X) dikatakan sebagai penduga tak bias bagi g() jika
E (U(X)) = g(), .
2. Varians Minimum
Misal T menyatakan suatu penduga tak bias g(), maka T disebut penduga
varians minimum jika
( ) ()n E ln f( ; )3. Konsisten
Penduga U(X) dikatakan sebagai penduga konsisten bagi g() jika( ) → () untuk → ∞, ∀ ∈ yaitu bila P{U(X) – ()} = 0.
(Hoog and Craig, 1995)
Untuk menduga parameter dari suatu distribusi dapat dilakukan dengan beberapa
metode. Dalam penelitian ini pendugaan parameter distribusi Generelized
Rayleigh tiga parameter akan dilakukan dengan menggunakan metode MLE yang
akan dijelaskan pada subbab 2.5 berikut ini.
9
2.5 Metode Pendugaan Kemungkinan Maksimum (Maximum Likelihood
Estimation Method)
Definisi 2.3
Misalkan X1, X2, ..., Xn adalah sampel acak berukuran n yang saling bebas
stokastik identik dari suatu distribusi yang mempunyai fungsi kepekatan
peluang f (x; ), . Fungsi kepekatan peluang bersama dari X1, X2, ..., Xn
adalah f (x1; ) f (x2; ) ... f (xn; ) yang merupakan fungsi kemungkinan
(Likelihood Function).
Untuk x1, x2, ..., xntetap, fungsi kemungkinan merupakan fungsi dari dan
dilambangkan dengan L() dan dinotasikan sebagai berikut:
L() = f ( ̅ ; )= f (x1, x2, ..., xn; )
= f (x1; ) f (x2; ) ... f (xn; ),
= ∏ ( ; )Definisi 2.4
L() = f (x1, x2, ..., xn; ), merupakan fungsi kepekatan peluang dari x1, x2, ...,
xn. Untuk hasil pengamatan x1, x2, ..., xn, nilai berada dalam ( ), dimana
L() maksimum yang disebut sebagai Maximum Likelihood Estimation (MLE)
dari . Jadi, merupakan penduga dari Jika f (x1, x2, ..., xn; ) = max f (x1, x2, ...,
xn; ), . Maka untuk memaksimumkan L() dicari turunan dariL() terhadap
10
parameternya. Biasanya mencari turunan dariL() terhadap parameternya relatif
sulit, sehingga dalam penyelesainnya dapat diatasi dengan menggunakan
logaritma atau fungsi ln dari L() yaitu:
ln L() = ∑ ln ( ; ). Untuk memaksimumkan ln L() adalah dengan
mencari turunan dari ln L() terhadap parameternya, dimana hasil turunannya
disamadengankan nol.
( ) = 0(Hogg and Craig, 1995)
Dalam penduga parameter dari suatu distribusi ada penduga parameter yang tidak
dapat diselesaikan secara analitik, sehingga perlu diselesikan dengan cara
numerik. Salah satu cara yang digunakan adalah dengan teknik iteratif yaitu
metode Newton Raphson. Metode Newton Raphson sering digunakan karena
metode ini lebih sederhana dan mempunyai konvergensi yang cepat. Sub-bab 2.6
akan menjelaskan tentang definisi metode Newton Raphson.
2.6 Metode Newton Raphson
Apabila proses pendugaan parameter didapat persamaan akhir yang non linear
maka tidak mudah memperoleh pendugaan parameter tersebut, sehingga
diperlukan suatu metode numerik untuk memecahkan persamaan non linear
tersebut. Salah satu metode yang digunakan untuk memecahkan sistem persamaan
11
non linear adalah Metode Newton Raphson. Metode Newton Raphson adalah
metode untuk menyelesaikan persamaan non linear secara iteratif.
Jika 0merupakan nilai awal (inisialisasi) dari atau 0 merupakan nilai ke 1 dari
, maka dapat dimisalkan 0 = i dan 1 = i + 1 dengan i awal 0.
Metode ini dapat diperluas untuk menyelesaikan sistem persamaan dengan lebih
dari satu parameter. Misal 1, 2, . . . p ... maka iterasinya sebagai beriku:
i + 1 = i – [H – 1 g]
Dimana = ⋮
dan = ⋮
Vektor gradien atau vektor turunan pertama terhadap parameternya dan
lambangnya dengan ( )yaitu:
() = L () =⎣⎢⎢⎢⎢⎢⎢⎡ L ()
L ()⋮L () ⎦⎥⎥
⎥⎥⎥⎥⎤
Matriks Hessian atau matriks turunan kedua dari fungsi logaritma natural terhadap
parameter , , dan dilambangkan dengan H() yaitu:
H() = L ()
12
=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡ L ( ) ln L ( ) … ln L ( )
ln L ( )⋮ln L ( )
L ( )⋮ln L ( )
…⋱…
ln L ( )⋮L ( )⎦⎥⎥
⎥⎥⎥⎥⎥⎥⎥⎤
(Seber and Wild, 2003)
Pada penelitian ini untuk memudahkan melakukan proses iterasi dengan metode
Newton Raphson peneliti akan menggunakan Software R. Penjelasan mengenai
Software R akan dijelaskan pada subbab 2.7.
2.7 Program R
R adalah perangkat lunak bebas untuk komputasi statistik dan grafik. Merupakan
proyek GNU General Public License Free Software Fundation yang mirip bahasa
S yang dikembangkan di Bell Laboratories oleh John Chambers dan rekannya. R
menyediakan berbagai statistik seperti linear dan non linear modeling, pengujian
analisis klasik, analisis time-series, klasifikasi dan lainnya. Sebuah rangkaian
perangkat lunak yang digunakan untuk manipulasi data, perhitungan, dan tampilan
grafik yang mencakup antara lain sebagai berikut:
a. Penanganan data yang efektif dan penyimpangan data
b. Rangkaian operator untuk perhitungan array dalam matrik tertentu
13
c. Fasilitas grafik untuk analisis data dan menampilkannya, baik pada layar
maupun hardcopy
d. Bahasa pemrograman yang sederhana, berkembang dengan baik dan efektif.
2.8 Selang Kepercayaan
Sebuah selang kepercayaan memberikan rentang nilai dugaan yang kemungkinan
akan mencakup nilai dari parameter populasi yang tidak diketahui, dimana rentang
nilai dugaannya dihitung dari himpunan data sampelnya. Jika suatu selang
kepercayaan memiliki rentang yang sangat luas, menunjukkan bahwa dibutuhkan
data yang lebih banyak untuk memastikan nilai dari suatu parameter .Selang
kepercayaan lebih informatif dari hasil sederhana tes hipotesis (di mana kita
memutuskan “menolak H0” atau “tidak menolak H0’) karena selang kepercayaan
memberikan nilai-nilai yang masuk akal untuk parameter yang tidak diketahui
(Easton and McColl, 1997) . Idealnya selang yang baik adalah selang yang pendek
dengan derajat kepercayaan yang tinggi (Guilford, J.P. and Benjamin Fruchter
(1973)).
III. METODOLOGI PENELITIAN
3.1 Metode Penelitian
Penelitian ini dilakukan untuk mencari pendugaan parameter distribusi Generalized
Rayleigh tiga parameter (G R(α, λ, μ)) dengan metode kemungkinan maksimum
(Maximum Likelihood Method) dengan menggunakan Software R.
Adapun langkah-langkah yang dilakukan dalam penelitian ini adalah sebagai berikut :
1. Menduga parameter distribusi Generalized Rayleigh tiga parameter
( ( , , )) menggunakan metode kemungkinan maksimum (Maximum
Likelihood Method) dengan langkah-langkah sebagai berikut :
a. Membentuk fungsi kemungkinan yang berasal dari fungsi kepekatan
peluang ( ( , , ))b. Memaksimumkan fungsi yang diperoleh untuk mendapatkan dugaan
parameter.
c. Dugaan parameter dari metode kemungkinan maksimum (Maximum
Likelihood Method) diperoleh dengan mencari turunan pertama dari
15
logaritma natural fungsi kepekatan peluang terhadap parameter-parameter
yang akan diduga dan menyamakannya dengan 0.
d. Menyelesaikan dugaan parameter yang tidak dapat diselesaikan secara
analitik menggunakan metode iterasi Newton Raphson.
2. Membangkitkan data untuk data berukuran 20, 30, 50, 100, dan 500 dengan
masing-masing data dilakukan pengulangan sebanyak 100 menggunakan
Software R.
3. Mencari nilai dugaan parameter distribusi Generalized Rayleigh Tiga
Parameter ( ( , , ))menggunakan Software R.
4. Membandingkan bias dugaan untuk data berukuran 20, 30, 50, 100, dan 500
dengan masing-masing data dilakukan pengulangan sebanyak 100.
V. KESIMPULAN
5.1 Kesimpulan
Dari hasil penelitian ini dapat diperoleh beberapa kesimpulan sebagai berikut :
1. Pendugaan parameter Generelized Rayleigh tiga parameter (G3R) dengan
metode Maximum Likelihood Estimation (MLE) menghasilkan pendugaan
parameter yang dapat diselesaikan secara analitik. Sedangkan pendugaan
parameter dan tidak dapat diselesaikan secara analitik , sehingga
diselesaikan dengan cara numerik menggunakan metode Newton Raphson.
2. Dugaan dan ̂ mempunyai nilai yang semakin mendekati parameter
sebenarnya, jika nilai toleransi dan ukuran sampel diperbesar.
3. Nilai bias dan ̂ akan semakin mengecil jika ukuran sampel diperbesar .
Begitu juga untuk nilai ragam parameter dan ̂ akan semakin kecil jika
ukuran sampelnya semakin besar.
4. Nilai selang kepercayaan bagi dugaan dan ̂ cenderung memendek
ketika ukuran data membesar yang artinya memiliki keakuratan yang
tinggi dengan tingkat keyakinan yang tinggi.
40
5.2 Saran
Pendugaan parameter dalam penelitian ini dibatasi dengan menggunakan metode
Maximum Likelihood Estimation (MLE), sehingga dibuka kesempatan bagi
peneliti selanjutnya untuk mencari pendugaan parameter distribusi Generelized
Rayleigh 3 Parameter (G3R) menggunakan metode lainnya ataupun
membandingkannya dengan metode pendugaan lainnya.
DAFTAR PUSTAKA
Guilford, J.P. and Benjamin Fruchter. 1973. Statistics in Psychology andEducation. McGwar-Hill: Michigan.
Hogg, V Robert. and Craig, T Allen. 1995. Introduction to Mathematical StatisticFifth Edition. New Jersey : The United States of America.
Kundu, Debasis and Raqab, Muhammad Z. 2005. “Generalized Rayleigh Distribution: Different Methods Estimations”. Publishing Computational Statistics andData Analysis on Applied Mathematics. Vol. 49(1): 187- 200
Ling Xiao, and David E. Giles. 2011. Bias Reduction for the Maximum LikelihoodEstimator of the Parameters of the Generalized Rayleigh Family ofDistributions. Economic Working Paper.
Raqab, Muhammad Z. 2005. “Discriminating between the Generalized Rayleigh andWeibull distributions”. Publishing Statistics 41(6), 505 – 515
Raqab, M.Z. and Kundu, D. 2005. “Estimation of R = P[Y < ] For Three ParameterGeneralized Rayleigh Distribution”. University of Jordon Amman 11942, Jordon.
Seber and Wild. 2003. Nonlinear Regression.New Jersey. The United States ofAmerica
Spiegel, Murray and Larry J. Stephens. 2004. “Schaum’s Outlines of Theory andProblems of Statistics Third Edition”. PT. Gelora Aksara
Valerie J. Easton and John H. McColl. 1997. “Statistics Glossary v1.1”. The STEPSProject.