Perbaikan Bagan Kendali Pergerakan Data (Data Driven)

dokumen-dokumen yang mirip
I. PENDAHULUAN II. LANDASAN TEORI

TAKSIRAN INTERVAL PARAMETER BENTUK DARI DISTRIBUSI PARETO BERDASARKAN METODE MOMEN DAN MAKSIMUM LIKELIHOOD

Distribusi Pendekatan (Limiting Distributions)

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

DISTRIBUSI BINOMIAL. (sukses sebanyak x kali, gagal sebanyak n x kali)

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI

LEMBAR KERJA SISWA 5

BAB 4: PELUANG DAN DISTRIBUSI NORMAL.

Definisi 2.3 : Jika max min E(X,Y) = min

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

MENENTUKAN PENYELESAIAN PERTIDAKSAMAAN DENGAN METODE TITIK PEMECAH. Warsito. Program Studi Matematika FMIPA Universitas Terbuka.

TINJAUAN PUSTAKA Pengertian

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

Optimisasi Terpadu Persoalan Inventori dan Persoalan Transfortasi dengan Metode ITIO ( Inventory Transfortation Integrated Optimization)

I. DERET TAKHINGGA, DERET PANGKAT

BAB 2 DASAR TEORI. 2.1 Probabilitas

Definisi Integral Tentu

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

BAB III PENGGUNAAN METODE EMPIRICAL BEST LINEAR UNBIASED PREDICTION (EBLUP) PADA GENERAL LINEAR MIXED MODEL

BAB III ANUITAS DENGAN BEBERAPA KALI PEMBAYARAN SETAHUN TERHADAP TABUNGAN PENDIDIKAN

Penerapan Teorema Perron-Frobenius pada Penentuan Distribusi Stasioner Rantai Markov

MAKALAH TUGAS AKHIR DIMENSI PARTISI PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 +mk n

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

BAB 2 LANDASAN TEORI

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

LAJU REAKSI. A. KEMOLARAN - Kemolaran adalah menyatakan banyaknya mol zat terlarut dalam 1 liter larutan. M = V

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel)

REPRESENTASI KANONIK UNTUK FUNGSI KARAKTERISTIK DARI SEBARAN TERBAGI TAK HINGGA

Perbandingan Inversi Least-Square dengan Levenberg- Marquardt pada Metode Geomagnet untuk Model Crustal Block

Statistika Matematika. Soal dan Pembahasan. M. Samy Baladram

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret

SIFAT-SIFAT GENERALISASI DISTRIBUSI BINOMIAL YANG BERTIPE COM-POISSON

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 1-13 TEOREMA TITIK TETAP BANACH PADA RUANG METRIK-D

Distribusi Sampling (Distribusi Penarikan Sampel)

BAB III RUANG HAUSDORFF. Pada bab ini akan dibahas mengenai ruang Hausdorff, kekompakan pada

BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

PROBLEM ELIMINASI CUT PADA LOGIKA. Bayu Surarso Jurusan Matematika FMIPA UNDIP Jl. Prof. H. Soedarto, SH Tembalang Semarang 50275

STATISTIKA NON PARAMETRIK

B a b 1 I s y a r a t

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.

Tri Handhika Pusat Studi Komputasi Matematika (PSKM), Kampus D 139 Universitas Gunadarma Abstrak

BAB II TINJAUAN PUSTAKA. dengan asumsi bahwa telah diketahui bentuk fungsi regresinya. atau dalam bentuk matriks dapat ditulis dengan:

BAHAN AJAR ANALISIS REAL 1 Matematika STKIP Tuanku Tambusai Bangkinang 5. DERET

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

SINUSOIDAL WATER WAVE SINUSOIDAL WATER WAVE

Distribusi Sampel, Likelihood dan Penaksir

2 BARISAN BILANGAN REAL

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi

Barisan. Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat sifat barisan Barisan Monoton. 19/02/2016 Matematika 2 1

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:

BARISAN DAN DERET. Nurdinintya Athari (NDT)

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian

Bab IV. Penderetan Fungsi Kompleks

9 Departemen Statistika FMIPA IPB

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu

BAB III BASIS DATA UNTUK IDENTIFIKASI DAERAH RAWAN BANJIR DAN KEBERADAAN DATA SPASIAL YANG DIPERLUKAN

BAB II TINJAUAN PUSTAKA

BAB III ESTIMASI PARAMETER MODEL DENGAN GS2SLS. Pada bab ini akan dibahas tentang bentuk model spasial lag sekaligus

Sekolah Olimpiade Fisika

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

Distribusi Sampel & Statistitik Terurut

DISTRIBUSI KHUSUS YANG DIKENAL

BAB 2 LANDASAN TEORI. 2.1 Program tujuan ganda

terurut dari bilangan bulat, misalnya (7,2) (notasi lain 2

SIFAT-SIFAT FUNGSI YANG TERINTEGRAL MCSHANE DALAM RUANG EUCLIDE BERDIMENSI N UNTUK FUNGSI-FUNGSI BERNILAI BANACH

HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN

Persamaan Non-Linear

BAB III ANALISIS LOOKBACK OPTIONS

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang

BARISAN DAN DERET. 05/12/2016 Matematika Teknik 1 1

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan

Dasar Sistem Pengaturan - Transformasi Laplace. Transformasi Laplace bilateral atau dua sisi dari sinyal bernilai riil x(t) didefinisikan sebagai :

Probabilitas dan Statistika Teorema Bayes. Adam Hendra Brata

BAB 1 PENDAHULUAN Latar Belakang

PENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011

UNIVERSITAS INDONESIA MAX CHART: CHART GABUNGAN X DAN S SKRIPSI RIFZA PUTRA KURNIAWAN

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan

PENAKSIR RANTAI RASIO DAN RANTAI PRODUK YANG EFISIEN UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA

Yang biasa dinamakan test komposit lawan komposit. c. Hipotesis mengandung pengertian minimum. Perumusan H 0 dan H 1 berbentuk :

Galat dan Perambatannya

PERTEMUAN 13. VEKTOR dalam R 3

PENAKSIR BAYES UNTUK PARAMETER DISTRIBUSI EKSPONENSIAL BERDASARKAN FUNGSI KERUGIAN KUADRATIK DAN FUNGSI KERUGIAN ENTROPI

Metode Statistika STK211/ 3(2-3)

II. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 <

BAB 1 PENDAHULUAN. dimana f(x) adalah fungsi tujuan dan h(x) adalah fungsi pembatas.

ISIAN SINGKAT! 1. Diberikan hasil kali digit digit dari n harus sama dengan 25

PENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA SAMPLING GANDA

Himpunan/Selang Kekonvergenan

Transkripsi:

Bab 3 Perbaika Baga Kedali Pergeraka Data Data Drive) 3.1 Pedahulua Baga kedali klasik utuk eoitorig rataa didasarka pada asusi keorala. Ketika syarat keorala tidak dipeuhi, baga kedali klasik ii tidak lagi valid utuk diguaka karea galat yag fatal ugki aka serig ucul Albers ad Kalleberg, 2006). Nilai-ilai seperti false alar rate FAR) da average ru legth ARL) bisa jadi berbeda dega ilai yag ditetuka. Utuk egatasi perasalaha tersebut, Albers da Kalleberg pada tahu 2006 eperkealka pegguaa perbaika baga kedali pergeraka data data drive). Pada prisipya, baga kedali ii egikuti betuk uu batas kedali persaaa 2.1.1)). Perbedaaya terletak pada taksira ilai galat stadarya. Dala baga kedali pergeraka data data drive), proses seleksi baga kedali yag aka diguaka diperoleh dari ilai stadarisasi aksiu da iiu dari data terurutya. Nilai stadarisasi iilah yag ejadi titik tolak utuk eetuka apakah data berdistribusi oral atau tidak. Jika dari atura peyeleksia data tidak berdistribusi oral, aka harus diuji apakah data terasuk paraetrik atau oparaetrik. Hal yag earik jika data buka oral da paraetrik, aka 16

BAB 3. PERBAIKAN BAGAN KENDALI PERGERAKAN DATA DATA DRIVEN)17 otoatis prosedur ii eutuska bahwa data oparaetrik. Baga kedali ii eperbaiki taksira galat yag diakibatka peaksira paraeter yag terlibat atau utuk data oparaetrik, baga kedali ii diguaka utuk eaksir kuatil dari distribusiya. Pada perbaika baga kedali pergeraka data data drive) ii, peaksira utuk kuatil ekstri digatika oleh peaksira kuatil biasa, sehigga dapat diguaka utuk ukura sapel yag tidak terlalu besar Albers ad Kalleberg, 2006). Biasaya, paraeter dari distribusi yag diajuka tidak diketahui. Oleh karea itu, observasi pada phase I X 1, X 2,..., X diguaka utuk eaksir paraeterya. Harga yag harus dibayar utuk perluasa odel paraetrik adalah galat stokastik yag besar yag diakibatka peaksira dari dua paraeter tabaha, satu utuk batas kedali atas da satu utuk batas kedali bawah. Baga kedali satu arah yag epuyai batas kedali atas dega FAR=p dapat udah diperoleh ketika fugsi distribusi kotiu F dari observasi yag terkedali diketahui. Utuk sederhaaya, pilih UCL = F 1 p), diaa F x) = 1 F x) da kareaya F 1 p) adalah kuatil atas p dari X yag epuyai fugsi distribusi F. Misalya, ketika X berdistribusi oral dega rataa µ da variasi σ 2 diketahui, kita peroleh UCL = µ + u p σ lihat persaaa 2.1.1)) dega u p = Φ 1 p) setara L pada persaaa 2.1.1)) kuatil atas p dari distribusi oral stadar. Biasaya dipilih u p = 3 setara dega F AR = p = 0.00135 da ARL = 1 = 741. p Ketika paraeter dari F dala baga kedali oral atau paraetrik) tidak diketahui, atau F sediri dala baga kedali oparaetrik) tidak diketahui, kita harus eaksir kuatil atas p dega egguaka observasi di phase I X 1, X 2,..., X, yag diasusika terkedali. Sebagai kosekuesiya, F AR da ARL buka lagi deteriistik tetapi variabel acak karea ereka bergatug pada X 1, X 2,..., X. Gagasa dari kasus ii adalah stokastik F AR, tulis P harus edekati ilai p yag ditetapka. Utuk edapatka bias yag kecil EP ) p) dibutuhka saple berukura besar utuk dilibatka dala peetua batas kedali wwwhoe.cs.utwete.l, [8]).

BAB 3. PERBAIKAN BAGAN KENDALI PERGERAKAN DATA DATA DRIVEN)18 Ada dua aspek yag ejadi perhatia dala eetuka baga kedali stadar; peaksira paraeter da asusi keorala. Utuk eoitor rataa, dasar dari baga kedali X Shewhart eujukka siyal di luar kedali segera setelah ilai observasi baru yag ucul elebihi batas kedali 3σ. Misal, asusika observasi yag baru ucul X berdistribusi oral dega rataa µ da sipaga baku σ, batas kedali atas didefiisika sebagai UCL = µ + 3σ da batas kedali bawah didefiisika sebagai LCL = µ 3σ. Siyal di luar kedali terjadi ketika X > UCL da X < LCL. Peluag false alar rate FAR) p yag bersesuaia, yaitu peluag uculya siyal di luar terkedali ketika observasi dala keadaa asih terkedali, setara dega 0.0027 lihat 2.2). Kodisi ii setara dega uculya satu siyal di luar terkedali setiap 370 observasi pada saat proses asih terkedali. 3.2 Perbaika baga kedali pergeraka data Ada tiga tujua dari pegguaa perbaika baga kedali pergeraka data ii, yaitu bias EP = p, peluag elebihi exceedace) P P > p1 + ε)) α, da P r 1 P > 1 1 ε)) α. Dala tugas akhir ii haya aka dibahas utuk kasus p bias EP = p. Karea keterbatasa iforasi pada Albers ad Kalleberg 2006), aka uraia di bawah ii haya aka ebahas peiliha batas kedali tapa pebuktia. A. Baga kedali oral Perbaika baga kedali pergeraka data utuk data oral ii dibuat sebagai koreksi terhadap baga kedali oral klasik. sehigga dapat diguaka utuk julah sapel yag kecil. Misalka observasi X 1, X 2,..., X, X +1 variabel acak yag idetik da salig bebas berdistribusi N µ, σ 2 ) selaa observasi berada pada kodisi terkedali. Variabel acak X 1, X 2,..., X adalah observasi pada phase I, yaitu kodisi observasi yag diasusika terkedali, yag edasari peaksira paraeter µ da σ. Seetara X +1 berada pada phase II, yaitu tahap oitorig.

BAB 3. PERBAIKAN BAGAN KENDALI PERGERAKAN DATA DATA DRIVEN)19 Dala kodisi di luar kedali, X +1 berdistribusi N µ 1, σ 2 ), dega µ 1 > µ, dala kasus elebihi batas kedali atas, da µ 1 < µ, dala kasus data elebihi batas kedali bawah. Diasusika proses berada pada kodisi terkedali. Jika µ da σ diketahui da F AR = p, aka UCL = µ + u p σ, dega u p adalah galat bakuya. Sedagka utuk kodisi µ da σ tidak diketahui, µ ditaksir oleh rataa sapel X = 1 da σ ditaksir oleh sipaga baku sapel S = S 2 diaa, S 2 = 1 1 i 1 X 2 X i X) 2 i 1 Utuk ebedaka dega batas kedali pada baga kedali klasik, batas kedali bawah da atas utuk perbaika baga kedali pergeraka data data drive) berturut-turut dilabagka dega LL N da ÛL N, dega N eyataka oral. Utuk kasus batas bawah, tada ) diguaka utuk LL N da tada +) diguaka utuk ÛL N. Siyal di luar kedali diberika saat observasi X +1 fase II berada di luar iterval LL N, ÛL N). Baga kedali satu arah dapat dega udah ditetuka dega eggati p 2 pada batas kedali dega p, da egabil hubuga dari salah satu iterval yag ada. Dega egguaka u p 2 {1 + u p/2+3 4 } sebagai koreksi utuk L pada persaaa 2.1.1), batas kedali atas da bawah didefiisika oleh: Target EP = p LLN, ÛL N X ± u p 2 S{1 + u p/2+3 4 } B. Baga kedali paraetrik Utuk eperluas suatu distribusi oral dala suatu kelopok distribusi yag lebih besar dega ekor yag lebih tebal atau lebih tipis dari distribusi oral, dipertibagka atura dasar dari kuatil oral stadar sebagai kuatil

BAB 3. PERBAIKAN BAGAN KENDALI PERGERAKAN DATA DATA DRIVEN)20 yag baru. segera dipilih. stadar u p Jika keorala tidak lagi dipeuhi, odel yag lebih uu harus Utuk ekor yag lebih berat dari distribusi oral, ilai galat aka eigkat, tetapi jika ekor lebih tipis, kodisi sebalikya aka ucul wwwhoe.cs.utwete.l, [8]). Telah disaraka utuk eggati u p dega cγ)u 1+γ p wwwhoe.cs.utwete.l, [8]), utuk 0 < p < 1 2 dega γ > 1 da cγ) erupaka suatu kostata oral utuk ebuat variasi saa dega 1) yag didefiisika oleh cγ) = {E u p 21+γ) } 1/2. cγ) dapat kita tuliska sebagai berikut : cγ) = π 1/4 2 1+γ)/2 Γ γ + 3 1/2 3.2.1) 2) dega Γ erupaka fugsi Gaa. Jika kita perhatika utuk γ = 0 aka euju stadar oral kuatil u p. Peaksira ilai Γ dilakuka dega etode statistik terurut. Misal X 1)... X ) adalah statistik terurut dari X 1,..., X. Perhituga utuk γ pada ekor atas dilabagka dega ˆγU, dapat dituliska sebagai berikut : ˆγU = 1.1218log Xet0.95+1)) X ) X et0.75+1)) X 1 3.2.2) Utuk eperbaiki taksira galat odelya, diguaka kuatil sapel 95% da 75% wwwhoe.cs.utwete.l, [8]). Pegguaa kuatil sapel 95% da 75% didasarka pada pedekata data oral, diaa kuatil 75% erupaka kuatil atas q 3 ) da kuatil 95% setara dega batas 2σ yag erupaka batas kedali perigata Motgoery, 2001, hal 165). Perhatika bahwa X et0.95+1)) X)/X et0.75+1)) X) 1 eaksir cγ)u 1+γ 0.05)/cγ)u 1+γ 0.25) = u 0.05 /u 0.25 ) 1+γ da 1/ logu 0.05 /u 0.25 ) = 1.1218 dega etx) adalah bilaga bulat dari x. Dega cara yag saa, taksira γ pada ekor bawah, ˆγL, dapat ditulis: ˆγL = 1.1218log ) X X et0.95)) 1 3.2.3) X X et0.75)) Sebelu asuk pada pebahasa batas kedali, terlebih dahulu diperkealka beberapa otasi yag dibutuhka utuk betuk koreksiya: C 1 γ, u p ) = 1.23 0.63γ + 0.73γ 2 + 0.74u p 0.08γu p 0.14γ 2 u p

BAB 3. PERBAIKAN BAGAN KENDALI PERGERAKAN DATA DATA DRIVEN)21 dega a = 1 C 2 γ) = ua u a ) 1+γ 2.4378 1+γ et0.95 + 1) et0.75 + 1), b = 1 + 1 + 1 C 3 γ, u p ) = 76.37 120.12γ 81.93γ 2 + 35.53u p + 53.71γu p + 37.18γ 2 u p Batas kedali dua sisi utuk baga kedali paraetrik diotasika oleh LL p da ÛL p. Dega egguaka {cˆγ)u 1+ˆγ p C 1 ˆγ, u p )C 2 ˆγ) + C 3ˆγ,u p/2 ) } sebagai koreksi 2 utuk L pada persaaa 2.1.1), batas kedali atas da bawah didefiisika oleh: Target EP = p X ± S{cˆγ)u 1+ˆγ p 2 LLP, ÛL P C 1 ˆγ, u p )C 2 ˆγ) + C 3ˆγ,u p/2 ) } Utuk batas kedali atas ˆγ yag diguaka adalah ˆγU, da utuk batas kedali bawah ˆγ yag diguaka adalah ˆγL C. Baga kedali iiu Pada kasus oparaetrik, tidak ada solusi euaska yag dapat diperoleh kecuali ukura sapel dari observasi sagat besar wwwhoe.cs.utwete.l, [8]). Baga kedali iiu ii erupaka perbaika dari baga kedali oparaetrik sehigga baga kedali dapat diguaka utuk ukura sapel biasa Albers ad Kalleberg, 2006). Berbeda dega baga kedali oral da paraetrik, baga kedali ii tidak egikuti betuk uu batas kedali persaaa 2.1.1)), tetapi egguaka etode statistik terurut diaa kuatil yag diguaka bergatug pada ukura sapel pada fase I diaa observasiya diasusika terkedali) da fase II proses oitorigya). Berikut beberapa otasi yag diperguaka dala ebagu baga kedali iiu: r = et{p/2)} 1/ ) k ditetuka oleh r k 1 + p/2) + < r k +,

BAB 3. PERBAIKAN BAGAN KENDALI PERGERAKAN DATA DATA DRIVEN)22 dega 0 < λ < 1 λ = p/2) + r k 1 + r k + r k 1 + Target LLMIN, ÛL MIN EP P = p LL MIN : 1 λ)x r k) + λx r+1 k) ÛL MIN : 1 λ)x +k+1 r) + λx +k r) 3.3 Atura peyeleksia Ide dibalik atura peyeleksia adalah bertaha selaa ugki di dala baga oral klasik. Pegguaa baga kedali paraetrik dilakuka jika ekor dari distribusi sapel lebih tebal atau tipis dari pada distribusi oral, da beralih ke baga oparaetrik MIN saat perluasa kodisi ke kelopok paraetrik diperkiraka gagal juga. Dari data dapat diketahui baga aa yag harus diguaka. Karea batas kedali ditetuka oleh perilaku pada ekor yag jauh p kecil), ukura alai utuk eetuka baga aa yag aka dipilih adalah stadarisasi iiu pada observasi fase I X ) X)/S utuk batas kedali atas da stadarisasi iiu X X 1) )/S utuk batas kedali bawah Albers ad Kalleberg, 2006). Masalah selajutya adalah peetua batas seleksi. Distribusi dega ekor yag lebih tebal dari distribusi oral dapat eyebabka asalah serius dega perilaku observasi yag terkedali erujuk ke baga kedali yag tidak valid. Distribusi dega ekor yag lebih tipis lazi diguaka pada kasus observasi yag terkedali dega kosekuesi siyal di luar kedali yag tidak terdeteksi. Hal ii dikareaka galat pada observasi yag terkedali lebih serius dibadigka pada observasi yag tidak terkedali. Selai itu, karea galat odel positif yag saa besar dega p atau lebih, dapat dega udah ucul, sebalikya pada galat odel egatif p, kita abil atura peyeleksia yag tidak seibag. Utuk

BAB 3. PERBAIKAN BAGAN KENDALI PERGERAKAN DATA DATA DRIVEN)23 batas kedali atas aka dipilih baga kedali oral ketika: u 0.7+0.5log)/ X ) X S u 5/ ) 3.3.1) Utuk elihat apakah ii egiplikasi, isalka X 1,..., X peubah acak yag salig bebas da idetik dega distribusi oral stadar. Maka Albers ad Kalleberg, 2006): da P X < u 0.7+0.5log)/ ) = 1 2 P X > u 5/ ) ) = 1 ) 0.7 + 0.5log) exp0.7 0.5log) 1 5 ) 1 exp 5 ) 5 karea itu, ketika stadar iiu X ) X)/S sagat besar, ii egidikasika bahwa ekor ugki lebih tebal dari pada distribusi oral da kita beralih ke baga paraetrik atau oparaetrik. Deikia pula peraliha utuk ilai yag relatif kecil dari X ) X)/S, egidikasika perilaku ekor yag lebih tipis. Total dari perbaika baga kedali pergeraka data data drive) dua sisi diberika oleh persaaa berikut. Misalka d 1N = u 0.7+0.5log)/, d 2N = u 5/ ) 3.3.2) d 1P ˆγ) = cˆγ)u 1+ˆγ 0.2+0.5log)/, d 2P ˆγ) = cˆγ)u 1+ˆγ 3/ ) 3.3.3) Batas kedali bawah da batas kedali atas ditujukka berturut-turut oleh LL C da ÛL C.

BAB 3. PERBAIKAN BAGAN KENDALI PERGERAKAN DATA DATA DRIVEN)24 Utuk batas kedali atas diperoleh sebagai berikut: Utuk batas kedali bawah LL C kita peroleh: