TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

dokumen-dokumen yang mirip
TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

Bab II Teori Pendukung

BAB 2. Tinjauan Teoritis

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB 5. ANALISIS REGRESI DAN KORELASI

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

REGRESI NONPARAMETRIK KERNEL ADJUSTED. Novita Eka Chandra Universitas Islam Darul Ulum Lamongan

Volume 1, Nomor 2, Desember 2007

BAB II LANDASAN TEORI

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

UKURAN GEJALA PUSAT DAN UKURAN LETAK

PENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

S2 MP Oleh ; N. Setyaningsih

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

2.2.3 Ukuran Dispersi

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Regresi Linier Sederhana Definisi Pengaruh

IMPUTASI MENGGUNAKAN PENAKSIR REGRESI UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING GANDA

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

; θ ) dengan parameter θ,

Proses inferensi pada model logit Agus Rusgiyono. Abstracts

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

REGRESI LINIER SEDERHANA

ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER

BAB II TINJAUAN PUSTAKA

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE

REGRESI LINEAR SEDERHANA

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

POLIGON TERBUKA TERIKAT SEMPURNA

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

TAKSIRAN YANG LEBIH EFISIEN UNTUK PARAMETER PADA DISTRUSI WEIBULL. Erma Kusuma Wati 1), Sigit Sugiarto 2), Bustami 2)

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

BAB 2 LANDASAN TEORI

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

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA. Haposan Sirait 1, Usman Malik 2 ABSTRAK

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

JMP : Volume 1 Nomor 2, Oktober 2009 PEMILIHAN PARAMETER PENGHALUS PADA ESTIMATOR DERET FOURIER DALAM REGRESI NONPARAMETRIK. Agustini Tripena Br.Sb.

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

Analisis Korelasi dan Regresi

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

X a, TINJAUAN PUSTAKA

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

TAKSIRAN PARAMETER PADA MODEL REGRESI ROBUST DENGAN MENGGUNAKAN FUNGSI HUBER STEVANI WIJAYA Y

MATEMATIKA INTEGRAL RIEMANN

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

KONSISTENSI KOEFISIEN DETERMINASI SEBAGAI UKURAN KESESUAIAN MODEL PADA REGRESI ROBUST

PEMBENTUKAN MODEL PROBIT BIVARIAT

PEMULUSAN SEBARAN DATA MENGGUNAKAN PENAKSIR KERNEL NADARAYA-WATSON DAN LINIER LOKAL UNTUK KERNEL NORMAL. Sudarno 1.

Penyelesaian Sistem Persamaan Linier Kompleks Dengan Invers Matriks Menggunakan Metode Faddev (Contoh Kasus: SPL Kompleks dan Hermit)

UKURAN GEJALA PUSAT (UGP)

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

Penerapan Teori Limit Pusat Multivariat pada Pengendalian Proses Pelayanan di Poliklinik Rawat Jalan Rumah Sakit Umum Kardinah Tegal

Uji Statistika yangb digunakan dikaitan dengan jenis data

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si.

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

II. TINJAUAN PUSTAKA. variabel. Dalam regresi sederhana dikaji dua variabel, sedangkan dalam regresi

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam

Transkripsi:

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR Jurusa Matematka akultas Matematka da Ilmu Pegetahua Alam Uverstas Rau Kampus Bawdya Pekabaru 893, Idoesa ABSTRACT The methods of momets ad least square for estmatg parameters of the Webull dstrbuto that proposed by Razal, et al [6] have bee revewed Sce the estmator of parameters are based the Mea Square Error for comparg these two estmators was used Smulato has bee coducted usg several sample szes ad dfferet parameters Our study support Razal s result that the method of momets s more effcet tha that least square method Keywords: Webull Dstrbuto, Momets method, Least Square method PENDAHULUAN Statstka feres berkata dega pegambla kesmpula tetag parameter populas yag ddasarka pada formas data sampel dar populas yag mejad perhata Parameter yag mejad perhata dapat berupa rata-rata, varas da parameter laya Model data sampel dyataka dalam betuk fugs destas yag dstrbusya tergatug pada parameter yag laya tdak dketahu Metode yag dguaka dalam pedekata klask adalah metode mome da metode kuadrat terkecl Peaksr yag bak apabla rata-rata peaksr sama dega parameter sebearya, damaka peaksr tak bas, sebalkya dsebut peaksr bas Utuk peaksr tak bas, peaksr terbak adalah yag mempuya varas terkecl da utuk peaksr bas, peaksr terbak adalah yag mempuya terkecl [] Dstrbus yag dbahas adalah dstrbus Webull yag serg dguaka dalam pembahasa data uj hdup Data uj hdup merupaka topk dalam bebaga bdag bomedk da dustr [6] ugs destas dstrbus Webull [4] dapat dyataka sebaga, 0 da 0 dega adalah varabel radom, adalah parameter skala da adalah parameter betuk Parameter da adalah parameter yag aka dtaksr

Hesty ala etal Taksra utuk dstrbus Webul ugs destas Webull pada persamaa memlk rata-rata da varas X lhat [3] Selajutya aka dbahas taksra parameter dega megguaka metode mome da metode kuadrat terkecl dserta dega ya PENAKSIR METODE MOMEN Utuk medapatka peaksr dstrbus Webull dega megguaka metode mome, dperluka mea da varas yag selajutya aka dtetuka taksra parameter da Dega medapatka mome pusat pertama, selajutya aka dlakuka peaksra terhadap parameter sebaga berkut [4]: E X Peaksr utuk parameter megguaka metode mome adalah Selajutya, utuk taksra parameter aka ddapatka melalu varas dar dstrbus Webull yag aka dlakuka dega lagkah sebaga berkut: X 3 Utuk medapatka taksra parameter yatu dega membadgka varas sampel dega rata-rata sampel dkuadratka, sehgga dapat dtuls

Hesty ala etal Taksra utuk dstrbus Webul 3 S dega S da 4 3 PENAKSIR METODE KUADRAT TERKECIL Taksra parameter da parameter juga dapat dlakuka dega metode regres lear sederhaa karea dstrbus Webull dapat dtrasformas dalam betuk persamaa gars lurus berkut [4]: y l 5 Utuk medapatka hubuga atara fugs kumulatf da parameter, maka aka dambl logartma atural utuk fugs dstrbus kumulatf, e l l e l l l l ll l l 6 D s dguaka pedekata tgkat rata-rata the mea rak approach utuk waktu gagal falure tme dalam betuk 7 Sehgga dar persamaa 6 da 7 ddapat model regres lear utuk dstrbus Webull yatu

Hesty ala etal Taksra utuk dstrbus Webul 4 l l l l 8 Taksra koefse regres da dapat dcar dega memmumka jumlah kuadrat ssa Bla dketahu sampel y,,, ;, maka taksra kuadrat terkecl da utuk dstrbus Webull dar koefse regres da dhtug Dega megguaka metode kuadrat terkecl, maka la taksra parameter adalah l l l l l l l l 9 da la taksra parameter yatu: y e 0 4 MEAN SQUARE ERROR Dalam megkotruks mea square error dperluka teorema berkut Teorema [: hal 309] Jka merupaka peaksr dar, maka bas A Mea Square Error pada Peaksr Metode Mome Karea peaksr pada persamaa bersfat tak bas, maka sama dega as [] Sehgga utuk peaksr pada persamaa adalah α α

Hesty ala etal Taksra utuk dstrbus Webul 5 Karea peaksr pada persamaa 4 bersfat bas, berdasarka teorema maka dar peaksr metode mome adalah bas E B Mea Square Error pada Metode Kuadrat Terkecl Karea peaksr pada persamaa 0 bersfat bas, berdasarka teorema maka dar peaksr metode kuadrat terkecl adalah basα α α l l l ep l l l ep E

Hesty ala etal Taksra utuk dstrbus Webul 6 l l l ep l l l ep Karea peaksr pada persamaa 9 bersfat bas, berdasarka teorema maka dar peaksr metode kuadrat terkecl adalah bas l l l l l l l l l l l l E

Hesty ala etal Taksra utuk dstrbus Webul 7 l l l l l l l l l l l l utuk membadgka estmator terbak utuk dstrbus Webull, maka aka dguaka perhtuga secara umerc yag dapat dtulska sebaga berkut []: dega : e, merupaka fugs kumulatf dstrbus Webull merupaka pedekata pergkat waktu gagal falure tme dar dstrbus Webull 5 STUDI SIMULASI Dalam smulas aka dtujuka la atara metode mome da metode kuadrat terkecl Dega megambl ukura sampel tetap yatu 0 Nla parameter skala da parameter betuk yag berbeda-beda yatu,,5,5,30,50 da la parameter 00 3,5,0,5,50, berturut-turut dega megguaka Matlab 70 dperoleh hasl dar stud smulas dragkum da dtabulaska pada Tabel Tabel Nla dar taksra utuk -parameter Dstrbus Webull Metode Mome Metode Kuadrat Terkecl mm mkt

Hesty ala etal Taksra utuk dstrbus Webul 8 3 08333 5 907 079 4 054 5 0 576 7806 064 06456 5687 5 0 4970 07977 3633 0876 3703 65079 5 5 577 304788 859 04649 735 65079 30 50 300709 60003 3003 0745 44093 65079 50 00 49864 36838 674 069 48079 65079 Dar Tabel dapat dlhat bahwa utuk berbaga la da meghaslka la yag lebh kecl utuk metode mome dbadgka pada metode kuadrat terkecl Hal jelas terlhat, pada data yag ada d tabel metode mome mempuya la yag lebh kecl dbadgka dega metode kuadrat terkecl Sehgga metode mome merupaka peaksr yag lebh efse dbadgka peaksr metode kuadrat terkecl 6 KESIMPULAN Dapat dsmpulka bahwa metode mome lebh bak dbadgka metode kuadrat terkecl utuk megestmas parameter pada dstrbus Webull Hasl medukug hasl stud yag dperoleh dar Razal, et al [4] DATAR PUSTAKA [] Al-auza, MA, 000 Methods for Estmatg the parameters of the Webull Dstrbuto, Kg Abdulazz Cty for Scece ad Techology, Ryadh, Saud Araba [] Ba, LJ & Egelhardt, Ma 99 Itroducto to Probablty ad Mathematc Statstcs d Dubury Press Belmot, Calfora [3] Motgomery, D C & GC Ruger 999 Appled Statstcs ad Probablty for Egeers Joh Wley & Sos, Ic, New York [4] Razal, A M, AA,Shalh & AA, Mahd 009 Estmato Accuracy of Webull Dstrbuto Parameters, Joural of Appled Sceces Research 57, Uverst Kebagsaa Malaysa, pp: 790-795 [5] Walpole, R E, H RMyers, LS Myers & Keyg Ye 007 Probablty & Statstcs for Egeers & Scetst Eghth Edto Pearso Pretce Hall, Lodo