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

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

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

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

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

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

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

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

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

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

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

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

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

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

Bab II Teori Pendukung

; θ ) dengan parameter θ,

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

BAB II LANDASAN TEORI

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

BAB 2. Tinjauan Teoritis

UKURAN GEJALA PUSAT DAN UKURAN LETAK

Prosiding SNaPP2011 Sains, Teknologi, dan Kesehatan. 1 Joko Riyono. (Kampus A Jl.Kiyai Tapa No.1,Jakarta11440)

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

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

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

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

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

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

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

Uji Statistika yangb digunakan dikaitan dengan jenis data

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

PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE

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

Volume 1, Nomor 2, Desember 2007

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

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

BAB III PERSAMAAN PANAS DIMENSI SATU

UKURAN GEJALA PUSAT (UGP)

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

SOLUSI TUGAS I HIMPUNAN

S2 MP Oleh ; N. Setyaningsih

MATEMATIKA INTEGRAL RIEMANN

BAB II TINJAUAN PUSTAKA

BAB 1 ERROR PERHITUNGAN NUMERIK

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

BAB 5. ANALISIS REGRESI DAN KORELASI

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

UKURAN PEMUSATAN & PENYEBARAN

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER

Proses inferensi pada model logit Agus Rusgiyono. Abstracts

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

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

X a, TINJAUAN PUSTAKA

NORM VEKTOR DAN NORM MATRIKS

STATISTIKA DASAR. Oleh

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

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

Sampel dan Distribusi Sampling

Orbit Fraktal Himpunan Julia

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

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

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

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

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

BAB II LANDASAN TEORI

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

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

BAB 2 LANDASAN TEORI

2.2.3 Ukuran Dispersi

BAB III UKURAN PEMUSATAN DATA

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

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

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

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

Regresi Linier Sederhana Definisi Pengaruh

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

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

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

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

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

BAB II KAJIAN LITERATUR

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN MEDIAN DAN KOEFISIEN KURTOSIS

REGRESI LINEAR SEDERHANA

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

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

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 4, No.2, September 2015

MASALAH NORM MINIMUM PADA RUANG HILBERT DAN APLIKASINYA

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

POLIGON TERBUKA TERIKAT SEMPURNA

INTERPOLASI. FTI-Universitas Yarsi

3 Departemen Statistika FMIPA IPB

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

Transkripsi:

INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas Rau Kampus Ba Wdya Pekabaru 893 Idoesa. *rma_pebrya@yahoo.com ABTRACT Ths artcle dscusses cofdece terval for the dfferece of varato coeffcets for logormal dstrbuto usg the pvotal quatty where pvotal quatty for the varato coeffcets s uavalable but there s a parameter havg pvotal quatty coeffcets of varato.e. Therefore s costructed for pvotal quatty coeffcets of varato usg the Geeralzed Pvotal Approach (GPA). Ths cofdece terval s show the term of coverage probabltes by mplemetg smulato studes wth Matlab 7.6.0. Keywords: coeffcet of varato cofdece terval geeralzed pvotal approach logormal dstrbuto. ABTRAK Artkel membahas terval kepercayaa utuk perbedaa koefse varas dar dstrbus Logormal dega megguaka kuattas pvot dmaa kuattas pvot utuk koefse varas tdak terseda tetap ddalam koefse varas terdapat parameter yag mempuya kuattas pvot yatu. Oleh karea tu dkostruks utuk kuattas pvot koefse varas dega megguaka Geeralzed Pvotal Approach (GPA). Betuk terval dperlhatka dalam betuk peluag cagkupa dega megguaka stud smulas melalu program Matlab vers 7.6.0. Kata Kuc: koefse varas terval kepercayaa geeralzed pvotal approach dstrbus logormal.. PENDAHULUAN alah satu aspek yag petg dalam statstka feres adalah meaksr la parameter dar suatu populas melalu aalsa data sampel yag telah dperoleh dar populas tersebut. Peaksra parameter dapat dlakuka dega dua cara yatu peaksra ttk da peaksra terval. Peulsa membahas tetag taksra terval. ecara umum taksra terval dperoleh dega megguaka metode kuattas pvot. Dalam hal kuattas pvot utuk koefse varas belum terseda tetap berdasarka Butao & Nwpog [] dketahu bahwa koefse varas haya bergatug pada. Oleh

karea tu dkostruks kuattas pvot dar utuk koefse varas dar dstrbus logormal melalu kaja dstrbus ormal metode dsebut dega GPA. Peuls medetalka taksra terval utuk perbedaa koefse varas dar dstrbus logormal berdasarka Butao & Nwpog [].. DITRIBUI LOGNORMAL ERTA TAKIRAN TITIK UNTUK DITRIBUI LOGNORMAL Dstrbus logormal adalah suatu dstrbus yag terkat dega dstrbus ormal tetap dasumska la varabel radom haya yag berla postf [:h. 99]. Msalka berdstrbus N maka varabel radom X e dsebut varabel radom logormal dmaa X berdstrbus LN. Fugs destas peluag utuk dstrbus logormal adalah Populas ekspektas dar X dotaska dega dar X dotaska dega Var X e e. E X e da populas varas Dalam [ :h. 669] koefse varas dar dstrbus logormal bsa dmodfkas sebaga berkut KV KV E X X Var e. 3. INTERVAL KEPERCAAAN UNTUK KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL Perhtuga terval kepercayaa utuk koefse varas memuat tga lagkah. Lagkah pertama karea koefse varas haya bergatug pada maka dbetuk terval kepercayaa utuk dar dstrbus ormal lagkah kedua membetuk terval kepercayaa utuk koefse varas dar dstrbus logormal melalu varas dar dstrbus ormal da lagkah ketga adalah megkostruks terval kepercayaa utuk koefse varas berdasarka lagkah kedua. Teorema [ 3:h. 0]... da suatu sampel radom dmaa ~ N maka. Jka

3. da depede.. ~. Bukt teorema dapat dlhat pada buku [ 3:h.]. Berdasarka Teorema () bsa dbetuk terval kepercayaa utuk varas dar dstrbus ormal mejad. Iterval kepercayaa utuk koefse varas dar dstrbus logormal adalah. Kemuda dapat dkostruks terval kepercayaa dua ss utuk % 00 utuk koefse varas dar dstrbus Logormal sebaga. LN U L CI LN CI merupaka terval kepercayaa utuk dstrbus logormal L da U masgmasg adalah batas atas da batas bawah utuk terval tersebut. 4. INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL GPA adalah metode yag dguaka utuk megkostrks terval kepercayaa apabla kuattas pvot belum terseda tetap dapat megguaka kuattas pvot la yag bersesuaa. Ide utuk megkostruks terval kepercayaa utuk perbedaa koefse varas dar dstrbus logormal adalah dega megguaka kuattas pvot secara umum yag ddasarka pada la X. Msalka ada dua populas yag bebas utuk dar X X X X... dega X l da ~ N. Msalka X berdstrbus logormal LN koefse varas dar berbaga kelompok adalah. Perbedaa dar dua koefse varas dar dstrbus logormal adalah

. Perbedaa koefse varas dar dstrbus logormal dapat dkostruks dega megguaka metode GPA. Defs [4] Msalka rz; z R adalah fugs dar z. Jka R memeuh kedua sfat berkut maka R dsebut dega geeralzed pvotal quatty. fat A : R berdstrbus peluag bebas dar parameter yag tdak dketahu. fat B : pvot pegamata ddefska sebaga r obs rz; z tdak bergatug pada parameter peggaggu. Z dmaa Berdasarka Defs () metode umum ddefska sebaga sebuah statstk yag berdstrbus bebas dega parameter yag tdak dketahu da tdak bergatug pada parameter peggaggu. Koefse varas haya bergatug pada pada parameter. Msalka dsmbolka dega varas sampel utuk trasformas log data X l da pvot secara umum utuk s dsmbolka dega sampel varas dar populas adalah ch-kuadarat dega derajat kebebasa ke. Kuattas R s U dmaa U adalah dstrbus U. Kuattas pvot secara umum utuk dua populas R da R adalah bebas. Kuattas pvot secara umum utuk adalah R R R. Catata utuk s adalah sebaga berkut : () Dstrbus dar R adalah bebas utuk semua parameter yag tdak dketahu. () Pvot pegamata tdak bergatug pada parameter peggaggu da la R adalah sama dega sebaga s. Oleh karea tu R adalah kuattas pvot secara umum utuk megkostruks terval kepercayaa utuk da kuatl mugk dguaka utuk megkostruks R. Jka R adalah dotaska dega persetl ke 00 dar dstrbus dar R kemuda R adalah 00 % terval kepercayaa baga atas utuk. Kemuda CI L U R R adalah 00 % terval kepercayaa umum dua ss utuk perbedaa koefse varas. Kemuda Peluag cagkupa dar terval kepercayaa umum dapat dhtug dega smulas megguaka program Matlab vers 7.6.0. 5. IMULAI TUDI DAN PEMBAHAAN Dalam smulas stud aka dtujukka peluag cagkupa utuk terval kepercayaa dar perbedaa koefse varas dar dstrbus logormal. Dega 4

megguaka populas dambl sampel yag berukura da dmaa 0500000500 da merupaka kombas dar. elajutya parameter yag dguaka adalah da la dar masg-masg parameter adalah 06 da 05. mulas dlakuka dega kal pegulaga pegulaga petama dsmbolka dega m da pegulaga kedua dsmbolka dega m masgmasg pegulaga adalah 0 da 00. etelah tu utuk memperoleh la perkraa peluag cagkupa dar 00 % terval kepercayaa umum dua ss utuk perbedaa koefse varas dguaka berbaga la yatu (0.0.40.8). ehgga la perkraa peluag cagkupa tersebut dapat dlhat pada Tabel. Tabel. Nla peluag cagkupa terval kepercayaa umum 0. 0. 4 0. 3 8 0 0 0.48 0.55 0.49 50 0.5 0.4 0.50 00 0.45 0.50 0.5 00 0.5 0.4 0.40 500 0.53 0.5 0.40 50 0 0.56 0.53 0.48 50 0.39 0.50 0.57 00 0.43 0.48 0.56 00 0.45 0.50 0.49 500 0.50 0.49 0.56 00 0 0.46 0.5 0.59 50 0.55 0.5 0.60 00 0.48 0.4 0.55 00 0.56 0.54 0.49 500 0.39 0.49 0.48 00 0 0.5 0.5 0.5 50 0.59 0.5 0.5 00 0.43 0.5 0.5 00 0.5 0.50 0.45 500 0.38 0.46 0.5 500 0 0.55 0.58 0.56 50 0.50 0.54 0.5 00 0.5 0.47 0.44 00 0.59 0.50 0.6 500 0.5 0.5 0.5 5

Pada Tabel kolom pertama da kedua merupaka ukura sampel yag dambl kolom ketga keempat da kelma merupaka la yag dguaka. Pada Tabel dapat dlhat bahwa la perkraa peluag cagkupa dar 00 % terval kepercayaa umum utuk dua ss utuk perbedaa koefse varas semak meuru semak besar la perkraa peluag cagkupa dar 00 % terval kepercayaa umum utuk dua ss utuk perbedaa koefse varas semak kecl. DAFTAR PUTAKA [] Ba L. J & M. Egelhardt. 993. Itroducto to Probablty ad Mathematcal tatstcs. ecod Edto. Duxbury Press Calfora. [] Butao N &. Nwpog. 0. Cofdece Itervals for the Dfferece of Coeffsets of Varato for Logormal Dstrbutos ad Delta-Logormal Dstrbuto. Appled Mathematcal ceces 34: 669 6704. [3] Casella G & R. L. Berger. 990. tatstcal Iferece. Duxbury Press Calfora. [4] Weerahad. 993. Geeralzed Cofdece Itervals. Joural of the Amerca tatstcal Assocato 88: 899-905. 6