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

dokumen-dokumen yang mirip
TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

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

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

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

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

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

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

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

Volume 1, Nomor 2, Desember 2007

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

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

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

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 merupakan bagian regresi yang mencakup hubungan linier

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

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

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

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

Bab II Teori Pendukung

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

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

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

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

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

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

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

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

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

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

; θ ) dengan parameter θ,

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

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

BAB 5. ANALISIS REGRESI DAN KORELASI

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

UKURAN GEJALA PUSAT DAN UKURAN LETAK

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB II TINJAUAN PUSTAKA

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

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

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

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

BAB II LANDASAN TEORI

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

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

S2 MP Oleh ; N. Setyaningsih

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

MATEMATIKA INTEGRAL RIEMANN

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

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

2.2.3 Ukuran Dispersi

BAB 2. Tinjauan Teoritis

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

BAB III PERSAMAAN PANAS DIMENSI SATU

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

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

8. MENGANALISIS HASIL EVALUASI

SOLUSI TUGAS I HIMPUNAN

Proses inferensi pada model logit Agus Rusgiyono. Abstracts

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

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

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

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

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

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

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

ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER

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

POLIGON TERBUKA TERIKAT SEMPURNA

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

PEMBENTUKAN MODEL PROBIT BIVARIAT

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

REGRESI LINEAR SEDERHANA

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

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

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

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

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

NORM VEKTOR DAN NORM MATRIKS

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

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

Sampel dan Distribusi Sampling

REGRESI LINIER SEDERHANA

I PENDAHULUAN II LANDASAN TEORI

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

Uji Statistika yangb digunakan dikaitan dengan jenis data

X a, TINJAUAN PUSTAKA

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

3 Departemen Statistika FMIPA IPB

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

PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE

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

BAB III ESTIMASI MODEL PROBIT TERURUT

ANALISIS REGRESI SEMIPARAMETRIK PADA KASUS HILANGNYA RESPON

Transkripsi:

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR ) Dose Jurusa Matematka FMIPA-UR Fakultas Matematka da Ilmu Pegetahua Alam Uverstas Rau Kampus Bawdya Pekabaru (893), Idoesa ABSTRACT I ths paper, the methods of momet ad mamum lkelhood for estmatg parameters of the Webull dstrbuto that proposed by Razal, et al [4] have bee revewed. Sce the estmator of parameters are based the Mea Square Error are used for comparg these two estmators. Smulato has bee coducted usg f sample szes, several scale ad shape parameter. Our study support Razal s result that the methods of momet s more effcet tha methods of mamum lkelhood. Keywords: Webull Dstrbuto, methods of momet, methods of mamum lkelhood.. PENDAHULUAN Satu aspek yag petg dalam statstka feres adalah meaksr parameter dar suatu populas melalu aalss data yag telah dkumpulka dar populas tersebut. Setelah dperoleh taksra dar parameter yag mejad perhata, dlakuka pegambla kesmpula tetag parameter populas yag ddasarka pada formas data sampel dar populas tersebut. Parameter yag mejad perhata dapat berupa rata-rata, varas da parameter laya. Peaksra terhadap parameter bertujua utuk medapatka la taksra dar parameter berdasarka pada data. Peaksr yag dharapka adalah peaksr yag efse dalam art la taksra tu cukup dekat dega la parameter yag sebearya. Peaksr yag bak apabla rata-rata peaksr sama dega parameter sebearya, damaka peaksr tak bas. Peaksr yag memlk varas mmum merupaka peaksr yag bak utuk peaksr tak bas sebalkya apabla rata-rata peaksr tdak sama dega parameter sebearya damaka peaksr bas. Sehgga peaksr bas yag efse adalah peaksr yag memlk Mea Square Error () mmum []. Dstrbus yag dbahas dalam kertas kerja adalah dstrbus kotu, yatu dstrbus Webull. Dstrbus Webull basaya dguaka dalam pembahasa data uj

Eka Mer Krst et.al. Taksra Parameter dstrbus Webull hdup. Data uj hdup merupaka topk dalam bebaga bdag bomedk da dustr [5]. Fugs destas dstrbus Webull [4] dapat dyataka sebaga : f e, 0, 0, 0 () dega adalah varabel radom, adalah parameter skala da adalah parameter betuk. Parameter da adalah parameter yag aka dtaksr. Fugs destas Webull pada persamaa () memlk rata-rata = da varas Var X. Aka dbahas taksra parameter megguaka metode mome da metode maksmum lkelhood dserta ya.. PENAKSIR METODE MOMEN Utuk medapatka peaksr dstrbus Webull dega megguaka metode mome, dperluka rata-rata da varas dstrbus Webull. Selajutya aka dtetuka taksra parameter da parameter. Dega medapatka rata-rata dstrbus Webull yag juga merupaka mome pusat pertama, dlakuka peaksra terhadap parameter sebaga berkut [4]: E X Peaksr utuk parameter megguaka metode mome adalah. () Utuk medapatka taksra parameter dperoleh dar fugs parameter yag dperoleh dega cara membadgka varas dega rata-rata dkuadratka [], sehgga dapat dtuls X Var f (3) f

Eka Mer Krst et.al. Taksra Parameter dstrbus Webull 3 Sehgga fugs parameter dperoleh sebaga berkut: f yag aka dguaka utuk meaksr parameter. Hal dapat dpeuh dega megguaka metode teras umerk. 3. PENAKSIR METODE MAKSIMUM LIKELIHOOD Msalka X, X,..., X adalah sampel radom berukura yag berasal dar dstrbus Webull dega fugs destas pada persamaa (). Berdasarka sampel radom X, X,..., X dtaksr parameter dega megguaka metode maksmum lkelhood. Ambl vektor, asumska,,..., adalah salg bebas dalam dstrbus Webull. Maka fugs lkelhood adalah L( ;, ) f ( ;, ) L( ;, ) e Dasumska parameter parameter da parameter tdak dketahu, maka peaksr maksmum lkelhood dar parameter adalah dega mecar turua pertama l L( ;,,.., ) pada persamaa () terhadap da samaka dega ol, d(l( L(,,..., d Maka ; ))) 0. d l[ L( ;, )] d Sehgga peaksr utuk parameter megguaka metode maksmum lkelhood adalah 0 () (4) (3)

Eka Mer Krst et.al. Taksra Parameter dstrbus Webull 4 (4) MLE Fugs parameter dperoleh dega mecar turua pertama l L( ;,,.., ) pada persamaa () terhadap da samaka dega ol, d(l( L(,,..., d Maka ; ))) d l[ L( ;, )] d 0. l l 0 (5) Dega meyederhaaka persamaa (3) da (5) dega cara megelmas maka fugs parameter dperoleh sebaga berkut g l l yag selajutya dguaka utuk meaksr parameter. Hal dapat dpeuh dega megguaka metode teras umerk sepert metode Secat. 4. Mea Square Error () Peaksr yag telah dperoleh dar metode mome da metode maksmum lkelhood aka meghaslka peaksr yag berbeda. Peaksr terbak memeuh sfat tertetu, sfat tak bas da sfat bas. Dalam megkotruks dperluka teorema berkut. Teorema [3: hal. 65] Jka merupaka peaksr dar, maka ( ) Var( ) [ b( )]. Utuk keperlua efses pada smulas dguaka perumusa berkut [:Hal.7]. dega : F e F F, merupaka fugs kumulatf dstrbus Webull. (6)

Eka Mer Krst et.al. Taksra Parameter dstrbus Webull 5 F merupaka pedekata pergkat waktu gagal dar dstrbus Webull. A. Mea Square Error () pada Peaksr Metode Mome Karea peaksr pada persamaa () bersfat tak bas, maka sama dega Varas []. Sehgga utuk peaksr pada persamaa () adalah = Var Var Var utuk taksra parameter tdak dcar dkareaka taksra parameter berada ddalam fugs parameter f. B. Mea Square Error () pada Peaksr Metode Maksmum Lkelhood Karea peaksr pada persamaa (4) bersfat tak bas, maka sama dega Varas []. Sehgga utuk peaksr pada persamaa (4) adalah = Var

Eka Mer Krst et.al. Taksra Parameter dstrbus Webull 6 Var Var = utuk taksra parameter tdak dcar dkareaka taksra parameter berada ddalam fugs parameter g. 5. Stud Smulas da Pembahasa Dalam smulas aka dtujuka la atara metode mome da metode maksmum lkelhood. Dega megambl ukura sampel 0, la parameter skala ) ( da la parameter betuk ) ( yag berbeda-beda yatu la parameter,,5,0,30,40,50 da la parameter 00 3,5,9,0,50,80, berturut-turut. Htug la dar kedua metode yag telah dtaksr da badgka kedua metode tersebut, dmaa F F Dega megguaka smulas program Matlab 7.6.0, hasl smulas dragkum da dtabulaska pada Tabel.

Eka Mer Krst et.al. Taksra Parameter dstrbus Webull 7 Tabel Nla Mea Square Error dar taksra -parameter dstrbus Webull Metode Mome Metode Maksmum Lkelhood () () 3 0.9684 4.630.334 0.990.6670.7087 5.77 6.30 4.448.8848 4.886 5.3 5 9 4.98 3.858 3.5 5.7775 9.74 3.440 0 0 9.9080 8.548 3.49.4937 8.798 5.340 30 50 30.05 7.0755 3.5500 37.3650 46.9987 6.507 40 80 39.980 7.897 4.070 44.675 77.8434 6.506 50 00 49.980 4.734.5454 73.496 9.044 6.5079 Dapat dlhat bahwa utuk berbaga la da meghaslka la yag lebh kecl utuk metode mome dbadgka pada metode maksmum lkelhood. Hal terlhat jelas pada data yag ada pada Tabel. Metode mome mempuya la yag lebh kecl dbadgka dega metode maksmum lkelhood. Sehgga peaksr metode mome merupaka peaksr yag lebh bak dbadgka peaksr metode maksmum lkelhood. Dapat dsmpulka bahwa metode mome lebh bak dbadgka metode maksmum lkelhood utuk megestmas parameter dar dstrbus Webull. Hasl medukug hasl stud yag dajuka oleh Razal, et al [4]. DAFTAR PUSTAKA [] Al-Fawza, M.A., 000. Methods for Estmatg the Parameters of the Webull Dstrbuto, Report ; Kg Abdulazz Cty for Scece ad Techology, Ryadh, Saud Araba. [] Ba, L.J. ad Egelhard. M., 99. Itroducto to Probablty Mathematcal Statstcs, Secod Edto. Dubury Press. Belmot, Calfora. [3] Hes, W.W. ad Motgomery, D.C., 97. Probablty ad Statstcs Egeerg ad Maagemet Scece, Secod Edto. Joh Wlley & So, Ic. New York. [4] Razal, A.M., Salh, A.A ad Mahd A.A., 009. Estmato Accuracy of Webull Dstrbuto Parameters, Joural of Appled Sceces Research, 5(7):790 795 [5] Wallpole, R.E. & Myers, R.H., 007. Probablty ad Statstcs for Egeers ad Scetst, Eght Edto. Pearso Educato Iteratoal.