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

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

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

BAB III ESTIMASI MODEL PROBIT TERURUT

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III ISI. x 2. 2πσ

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

Bab II Teori Pendukung

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

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

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

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

π ( ) menyatakan peluang bahwa

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

BAB 5. ANALISIS REGRESI DAN KORELASI

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

Regresi Linier Sederhana Definisi Pengaruh

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

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

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

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

III PEMBAHASAN. Karena vektor-vektor kolom X adalah bebas linear, maka L(ε) mempunyai n vektor eigen yang bebas linear. (Terbukti)

Proses inferensi pada model logit Agus Rusgiyono. Abstracts

Regresi & Korelasi Linier Sederhana

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

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan

BAB II LANDASAN TEORI. merepresentasikan dan menjelaskan permasalahan pada dunia nyata ke dalam. pernyataan matematis (Widowati & Sutimin, 2007 : 1).

BAB II LANDASAN TEORI

REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL

Penaksiran Parameter Model Regresi Polinomial Berkson Menggunakan Metode Minimum Distance

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

BAB 2. Tinjauan Teoritis

MATEMATIKA INTEGRAL RIEMANN

REGRESI & KORELASI LINIER SEDERHANA

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION. Kismiantini

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

NORM VEKTOR DAN NORM MATRIKS

UKURAN GEJALA PUSAT DAN UKURAN LETAK

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

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

XI. ANALISIS REGRESI KORELASI

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema

Estimasi dan Statistik Uji pada Model Probit Biner Bivariat. Estimation and Statistical Test in Bivariate Binary Probit Model

BAB 5 HASIL DAN PEMBAHASAN

BAB 2 LANDASAN TEORI

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

IDEAL DALAM ALJABAR LINTASAN LEAVITT

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

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

BAB II LANDASAN TEORI. penulisan skripsi yaitu mengenai data panel, beberapa bentuk dan sifat

NILAI EIGEN DAN VEKTOR EIGEN MATRIKS TERREDUKSI REGULER DALAM ALJABAR MAX-PLUS INTERVAL

I PENDAHULUAN II LANDASAN TEORI

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

BAB II KAJIAN LITERATUR

REGRESI & KORELASI LINIER SEDERHANA

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

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

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

BAB 1 ERROR PERHITUNGAN NUMERIK

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

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

Mengubah bahan baku menjadi produk yang lebih bernilai melalui sintesis kimia banyak dilakukan di industri

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP

REGRESI SEDERHANA Regresi

Volume 1, Nomor 2, Desember 2007

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION 1. Kismiantini

PEMILIHAN MODEL REGRESI TERBAIK MENGGUNAKAN R 2, Cp MALLOW, dan S PADA KASUS INDEKS HARGA SAHAM BURSA GLOBAL

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

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

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

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

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

3 Departemen Statistika FMIPA IPB

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

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

Estimasi Densitas Mulus dengan Metode Wavelet. (Wavelet Method in Smooth Density Estimation)

MASALAH NORM MINIMUM PADA RUANG HILBERT DAN APLIKASINYA

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

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

X, Y, yang diasumsikan mengikuti model :

BAB II LANDASAN TEORI

III. METODOLOGI PENELITIAN

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

ANALISIS MULTIVARIAT. Pengantar Analisis Multivariat Lanjutan. Irlandia Ginanjar M.Si

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

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

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J)

Selesaikan persamaan kuadrat ini dengan bentuk kuadrat lengkap, diperoleh

Transkripsi:

5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut : L θ; ; θ, θ Ω, dega ( ( ( X X, X,, X (Hogg et al 5 Defs Pedugaa Parameter Msalka fugs lkelhood adalah L θ; ; θ, maka fugs log dar ( ( L( θ, daat dotaska dega : l log L log ; ( θ ( θ ( θ, θ Ω Pedugaa arameter dega metode mamum lkelhood estmato daat deroleh dar: l ( θ (Hogg et al 5 6 Metode Newto-Rahso Defs (Metode Newto-Rahso Metode Newto-Rahso meruaka salah satu metode umerk yag alg ouler utuk meghtug hamra akar-akar f suatu ersamaa o-lear Msalka ( fugs dferesabel ada [ ab, ] maka f ( memuya kemrga tertetu da gars sggug tuggal ada seta ttk d dalam ( ab, Gars sggug d ttk (, f ( meruaka edekata grafk f ( d dekat ttk (, f ( Msalka adalah abss ttk awal yag dberka, grade gars sggug kurva y f ( d ttk (, f ( adalah f (, sehgga ersamaa gars sggugya adalah y f ( f ( ( Jka y maka ersamaaya mead : f ( f ( ( ( f f Dega cara yag sama akhrya deroleh ersamaa umum sebaga berkut : f ( +,,, f ( Persamaa d atas dsebut uga dega teras Newto-Rahso (Sahd 5 III MODEL 3 Model Lear Umum Model lear umum (Geeralzed Lear Model meruaka erluasa dar model lear klask Msalka Y adalah eubah acak dega la rata-rata, ada model lear klask eubah acak Y megguaka asums keormala, sedagka ada model lear umum eubah acak Y harus berasal dar famly eksoe Selautya aka daarka tetag famly eksoe 3 Famly Eksoe Msalka fugs keekata eluag dar eubah acak Y adalah ( y; θφ, yag memuya arameter φ da θ maka ( y; θφ, daat dagga sebaga famly eksoe ka daat dbetuk sebaga berkut: yθb( θ ( y; θφ, e + c( y, φ a( φ 3 Nla Haraa da Ragam Famly Eksoe Dketahu bahwa fugs keekata eluag dar famly eksoe adalah ( y; θφ, e { yθ b( θ a( φ + c( y, φ maka ersamaa log lkelhood daat dbetuk sebaga berkut: yθ b( θ + c( y, φ a ( φ sehgga y b ( θ ( θ da a( φ ( a( φ

4 Nla haraa da ragam famly eksoe daat ddefska sebaga berkut : EY ( b ( θ ( da ar( Y ( θ a( φ ( Bukt ersamaa : Aka dbuktka bahwa : EY ( b ( θ Dketahu : Yb ( θ a( φ Dega megguaka ersamaa berkut: E θ sehgga E( Y b ( θ a( φ EY ( b ( θ a( φ Karea a( φ maka deroleh : EY ( b ( θ EY ( b ( θ Dega demka, terbukt bahwa EY ( b ( θ Bukt ersamaa : Aka dbuktka bahwa ar( Y ( θ a( φ Dega megguaka ersamaa dettas Bartlett (McCullagh 989 berkut : E E + ( θ θ, maka : ( θ y b ( E E θ a( φ + a( φ ( θ a ( φ ( a ( φ ( ( θ ( θ a ( φ ( a ( φ ( E( Y ( θ ar( Y + a( φ ( a( φ ar ( Y ( θ ( a( φ a ( φ ar ( Y a ( φ ( θ ( a ( φ + E y b + E y ( ar Y ( θ ( a( φ a ( φ ar( Y ( θ a( φ Maka terbukt bahwa ar( Y ( θ a( φ eorema Sebara ormal termasuk ke dalam famly eksoe Bukt: Msalka Y eubah acak yag meyebar ormal, maka fugs keekata eluagya daat dtulska sebaga berkut: ( y ( y; θφ, e πσ σ Fugs keekata eluag tersebut daat dtuls dalam betuk: ( y ( y; θφ, e l ( πσ σ ( y y e l ( πσ σ y y e l ( πσ σ σ Dega θ, b( θ, a( φ σ, da y c( y, φ l ( πσ σ Dega demka terbukt bahwa sebara ormal termasuk ke dalam famly eksoe, sehgga daat dtuukka bahwa meurut ersamaa ( da ( ddaatka la haraa da ragam sebara ormal sebaga berkut: E( Y b ( θ da ar Y θ a φ σ σ ( ( ( eorema 3 Sebara Posso termasuk ke dalam famly eksoe Bukt: Msalka Y eubah acak yag meyebar Posso, maka fugs massa eluagya daat dtulska sebaga berkut: y P( y; θφ, e[ ], y! maka fugs massa eluag tersebut daat dtuls dalam betuk: P( y; θφ, e[ + yl l y! ]

5 Dega θ l, b( θ, a( φ, c( y, φ l y! Dega demka terbukt bahwa sebara Posso termasuk ke dalam famly eksoe, sehgga daat dtuukka bahwa meurut ersamaa ( da ( ddaatka la haraa da ragam sebara Posso sebaga berkut: E( Y b ( θ e( θ da ar ( Y ( θ a ( φ 33 Lk Fucto Lk fucto meruaka fugs yag meghubugka atara η dega la haraa Pada famly eksoe ersamaa lk fucto, daat dtulska sebaga θ η, dega η daat dtulska sebaga berkut η g ( da selautya g ( daat dsebut dega lk fucto Utuk sebara ormal daat dlhat dar eorema bahwa θ, sehgga lk fucto utuk sebara ormal adalah η Sedagka utuk sebara Posso yag daat dlhat dar eorema 3 bahwa θ l, sehgga lk fucto utuk sebara Posso adalah η l 34 Model Regres Lear Klask Msalka ada suatu egamata eubah acak Y yag meyebar ormal dega ratarata, maka dalam model lear klask terdaat tga betuk komoe yag berhubuga dega la yatu sebaga berkut : Komoe acak : Y meyebar ormal dega ragam kosta σ da EY ( Komoe sstemats : msalka terdaat covarat,,, yag meghaslka redktor lear η yag dberka dega ersamaa : η β 3 Hubuga (lk atara komoe acak da komoe sstemats : η Sehgga la daat dtulska sebaga berkut : β dega β meruaka arameter yag laya tdak dketahu Jka deks egamata maka model daat dtulska sebaga berkut : EY ( β,, N dega adalah la egamata ke- utuk eubah ke- Dalam matrks model daat dtulska sebaga berkut : Xβ dega matrks berukura, X matrks berukura da β matrks yag berukura 35 Model Regres Lear Umum Pada model lear umum terdaat dua erluasa dar model regres lear klask tetag la yatu: Komoe acak : Y harus berasal dar famly eksoe Komoe sstemats : msalka terdaat covarat,,, yag meghaslka redktor lear η yag dberka dega ersamaa: η β 3 Hubuga (lk atara komoe acak da komoe sstemats : f ( η, dega f ( η meruaka fugs dar η yag mooto da terturuka 36 Pedugaa Parameter Secara umum edugaa arameter dlakuka dega metode kemugka maksmum (Mamum Lkelhood Estmato/MLE Msalka betuk fugs keekata eluag famly eksoe dtulska sebaga berkut: ( y; θφ, e { yθ b( θ a( φ + c( y, φ Maka betuk dar log lkelhood daat dtuls dega: yθb( θ + c( y, φ a( φ Dar ersamaa (, dketahu EY ( b ( θ, maka yb ( θ [ y ], a( φ a( φ sehgga

6 [ y ] a( φ ( θ Karea ( θ θ b ( θ Meurut ersamaa ( maka : ar( Y ( θ a( φ ( θ a( φ Sehgga d θ dθ y ( θ a ( φ y a( φ a( φ y a ( φ a( φ [ y ] η Karea η β maka β [ y ] sehgga [ y ] β β Maka fugs kemugka maksmum utuk β dberka dalam ersamaa berkut : [ y ] w[ y ] η Karea w w w, ka dyataka dalam betuk matrks, maka ersamaa d atas mead: wy [ ] XW [ y ] (3 Aka dtetuka la haraa utuk fugs yag dturuka terhada arameter β da β yatu sebaga berkut : [ ] E E y ββ β E ( y + β η [ ] E y β E β η E β η η w dega w meruaka bobot utuk metode kuadrat terkecl, sehgga dalam betuk matrks daat dtulska sebaga berkut : E XWX ' ββ Dega megguaka teras Newto- Rahso, ersamaa edugaa arameter dega megguaka metode IWLS regres daat dtulska sebaga berkut : - β β + I z (4 ( r ( r- ( r- ( r- dega β da β adalah vektor utuk ( r ( r- β, I meruaka formas egatf dar ( r- la haraa turua kedua log lkelhood da Z ( r- yatu vektor yag megadug turua ertama log lkelhood Persamaa (3 meruaka turua ertama dar log lkelhood, sehgga dalam betuk matrks daat dtulska sebaga berkut : z X W k dega k y Negatf dar la haraa ada turua kedua log lkelhood yatu sebaga berkut : E w (5 ββ Selautya formas matrks I yag megadug egatf dar la haraa turua kedua log lkelhood ada ersamaa (5 daat dtulska sebaga berkut :

7 I XWX Pada akhrya ersamaa teras ada ersamaa (4 daat dtulska sebaga berkut: β ( r β + XW ( ( r X XW r ( r k ( r Dega demka ersamaa d atas mr dega metode kuadrat terkecl terbobot 3 Model Regres Posso Msalka Y eubah acak yag meyebar Posso maka tga komoe yag berhubuga dega la adalah sebaga berkut: Komoe acak : Y harus berasal dar famly eksoe Komoe sstemats : msalka terdaat covarat,,, yag meghaslka redktor lear η yag dberka dega ersamaa: η β 3 Hubuga (lk atara komoe acak da komoe sstemats : η l Jka dasumska la EY ( e e( β, dega e adalah suatu kostata eosure yag tdak beregaruh terhada model, adalah vektor yag berukura yag meelaska eubah eelas da β adalah vektor yag berukura yag meruaka arameter regres, maka fugs massa eluag regres Posso adalah sebaga berkut: ( ( e e ( y, θφ β, e e e( y! β Aka dbuktka bahwa ( y, θφ, termasuk ke dalam famly eksoe Fugs massa eluag tersebut daat dtuls dalam betuk: y ( ( β ( β y, θφ, e[ e e + yl e e l y!] dega l e e( b( e e( θ β, θ β, a( φ, c( y, φ l y! (6 Dega demka terbukt bahwa fugs massa eluag yag meyebar meurut sebara regres Posso termasuk ke dalam famly eksoe Selautya aka dbuktka EY ( e( θ e e( β da ar( Y e e( β Bukt : Dar ersamaa (6, maka daat dtuukka bahwa : EY b θ e θ ee β ( ( ( ( ( ( θ ( φ e( β ar Y b a e Utuk ersamaa lkelhood dar fugs massa eluag regres Posso daat dtulska sebaga berkut: ( β ( y l l y! (7 (bukt lhat Lamra dega ( y ;,,, (8 β (bukt lhat Lamra da ( β s ; s,,,, (9 β βs (bukt lhat Lamra 3 Dega cara yag sama ada edugaa arameter famly eksoe d sub bab 36, maka edugaa arameter utuk regres Posso megguaka teras Newto- Rahso Persamaa teras utuk edugaa arameter dega megguaka IWLS regres daat dtulska sebaga berkut: I β β + z ( ( r ( r ( r ( r dega β ( r da β ( r- adalah vektor utuk β, I megadug formas egatf dar ( r la haraa turua kedua log lkelhood da z ( r- meruaka vektor yag megadug turua ertama log lkelhood urua ertama dar log lkelhood daat dtuukka oleh ersamaa (8 sehgga daat dtulska sebaga berkut: z X W k dega w da k y Sedagka egatf dar la haraa turua kedua ada ersamaa (9 daat dtulska dega ersamaa berkut :

8 ( β s s β β E ; s,,,, Selautya formas matrks I yag megadug egatf dar la haraa turua kedua tersebut daat dtulska dalam matrks sebaga berkut: I XWX Pada akhrya ersamaa teras ada ersamaa ( daat dtulska: β β + ( XW ( ( r ( r r X ( XW ( r k( r Dega demka ersamaa d atas mr dega metode kuadrat terkecl terbobot 33 Overdserso Overdserso adalah stuas dmaa ragam lebh besar darada rata-rata Pada sub bab daarka bahwa dalam model Posso daat terad ermasalaha overdserso Msalka dalam egamata Y ada roses Posso yag memlk aag terval sebaga berkut : Y Z + Z + + ZN, dega Z adalah eubah acak d da N meyebar Posso, maka la haraa da ragam daat dtulska sebaga berkut : E( Y E( N E( Z da ar ( Y E ( N ar ( Z + ar ( N E( Z E( N E ( Z { Bukt: Aka dbuktka EY ( EN ( EZ ( Dketahu Y Z + Z + + ZN dega Z meyebar d da N meyebar Posso, maka : N E ( Y E( E( Y N E E( Z N N E ( Z N P( N E ( Z P( N ( E ( Z P( N ( ( E Z P N E Z P N ( ( E ( N E( Z Aka dbuktka { ar ( Y E ( N ar ( Z + ar ( N E( Z ( ( E N E Z Bukt : ( ( ( ( ary EY EY ( ( ( E Y E E Y N ( ( ( E E Z N P N ( ( ( ( E Z + E Z E Z P N ( E ( Z ( ( E ( Z P ( N + ( ( E Z P N + ( E( Z ( P( N { ( ( ( ( ( ( E Z E N + E Z E N E N ( ( ( ( ary EY EY { ( ( ( ( ( ( E Z E N + E Z E N E N { E( Z E( N { ( ( ( ( ( ( E Z E N + E Z E N E N ( E( Z ( E( N ( ( ( ( { E ( N E ( N ( E ( N E ( Z E( N ( E( Z { E ( N ( E( N E( N E( Z E( N ( E( Z { ar( N E( N E( Z E( N ( E( Z ar( N ( E( Z E( N E Z E N + E Z + + + { ( ( ( ( ( ( ( E N E Z E Z + E Z ar N ( ( ( ( ( E N ar Z + ar N E Z Karea N meyebar Posso maka ar( N E( N sehgga ersamaa d atas mead : { ( ( ( ( EN ( EZ ( EZ + EN ( EZ ( ( ( ( ( ( ( ( E N E Z E N E Z + E N E Z ( ( E NEZ Jad ersamaa d atas daat meuukka ar Y E Y E Z > E Z, yatu ( ( > ka ( ( ersamaa yag megdkaska bahwa dalam model Posso daat terad ermasalaha overdserso, sehgga ada bab selautya dbahas tetag model geeralzed Posso utuk meaga errasalaha overdserso