BAB I PENDAHULUAN 1.1 Latar Belakang

dokumen-dokumen yang mirip
BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang

KAJIAN MODEL MARKOV WAKTU DISKRIT UNTUK PENYEBARAN PENYAKIT MENULAR PADA MODEL EPIDEMIK SIR. Oleh: RAFIQATUL HASANAH NRP.

BAB I PENDAHULUAN. dapat dianggap mendekati normal dengan mean μ = μ dan variansi

4. Mahasiswa mampu melakukan estimasi parameter, melakukan uji hipotesis statistic serta estimasi interval. Diskripsi Singkat MK

BAB I PENDAHULUAN Latar Belakang

KEKUATAN KONVERGENSI DALAM PROBABILITAS DAN KONVERGENSI ALMOST SURELY

STATISTIKA MATEMATIKA

BAB I PENDAHULUAN Latar Belakang Masalah

MODEL EPIDEMI RANTAI MARKOV WAKTU DISKRIT SUSCEPTIBLE INFECTED RECOVERED DENGAN DUA PENYAKIT

PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM

T - 11 MODEL STOKASTIK SUSCEPTIBLE INFECTED RECOVERED (SIR)

BAB II LANDASAN TEORI

BAB I PENDAHULUAN. yang perlu diketahui, yang disebut sebagai variabel. Variabel adalah sebuah

BAB I PENDAHULUAN Latar Belakang Masalah

BAB I PENDAHULUAN. sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat

PENAKSIR RATA-RATA DISTRIBUSI EKSPONENSIAL TERPOTONG. Agustinus Simanjuntak ABSTRACT

OLEH : Riana Ekawati ( ) Dosen Pembimbing : Dra. Farida Agustini W, M.S

BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan

PENDUGAAN PARAMETER DISTRIBUSI BETA DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

BAB 1 PENDAHULUAN Latar Belakang

ANALISIS STABILITAS SISTEM DINAMIK UNTUK MODEL MATEMATIKA EPIDEMIOLOGI TIPE-SIR (SUSCEPTIBLES, INFECTION, RECOVER)

III MODEL MATEMATIKA S I R. δ δ δ

BAB IV PEMBAHASAN. 4.1 Proses Pencabangan model DTMC SIR

BAB I PENDAHULUAN 1.1 Latar Belakang

UJI LIKELIHOOD RASIO UNTUK PARAMETER DISTRIBUSI WEIBULL

BAB I PENDAHULUAN. penerbangan, kedokteran, teknik mesin, software komputer, bahkan militer

MODEL EPIDEMI CONTINUOUS TIME MARKOV CHAIN (CTMC) SUSCEPTIBLE INFECTED RECOVERED (SIR)

STATISTIKA UNIPA SURABAYA

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang

Oleh : Dinita Rahmalia NRP Dosen Pembimbing : Drs. M. Setijo Winarko, M.Si.

PENAKSIR PARAMETER DISTRIBUSI INVERS MAXWELL UKURAN BIAS SAMPEL MENGGUNAKAN METODE BAYESIAN. Rince Adrianti 1, Haposan Sirait 2 ABSTRACT ABSTRAK

PENENTUAN ESTIMASI INTERVAL DARI DISTRIBUSI NORMAL DENGAN METODE BAYES SKRIPSI. Oleh : Pramita Elfa Diana Santi J2E

PENAKSIR MAKSIMUM LIKELIHOOD DENGAN METODE ITERASI NEWTON - RAPHSON

BAB I PENDAHULUAN Latar Belakang Masalah

KESTABILAN TITIK EQUILIBRIUM MODEL SIR (SUSPECTIBLE, INFECTED, RECOVERED) PENYAKIT FATAL DENGAN MIGRASI

KAJIAN MODEL EPIDEMIK SIR DETERMINISTIK DAN STOKASTIK PADA WAKTU DISKRIT. Oleh: Arisma Yuni Hardiningsih

Arisma Yuni Hardiningsih. Dra. Laksmi Prita Wardhani, M.Si. Jurusan Matematika. Surabaya

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

ESTIMASI PARAMETER MODEL REGRESI MULTIVARIAT BAYESIAN DENGAN DISTRIBUSI PRIOR INFORMATIF 1. PENDAHULUAN

BAB I PENDAHULUAN. bersifat tetap ( bukan

BAB I PENDAHULUAN Latar Belakang Masalah

BAB I PENDAHULUAN. banyak orang agar mau menjadi pemegang polis pada perusahaan tersebut. Salah

BAB I PENDAHULUAN 1.1 Latar Belakang

Dinamik Model Epidemi SIRS dengan Laju Kematian Beragam

PROBABILITAS WAKTU DELAY MODEL EPIDEMI ROUTING

BAB I PENDAHULUAN. tinjauan pustaka dan sistematika penulisan Tesis yaitu sebagai berikut.

MODEL STOKASTIK PENYEBARAN PENYAKIT DEMAM BERDARAH DI KOTA DEPOK PENDAHULUAN

KEKONVERGENAN MSE PENDUGA KERNEL SERAGAM FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT

STATISTIKA MATEMATIKA Probabilitas, Distribusi, dan Asimtosis dalam Statistika

PROBABILITAS PUNCAK EPIDEMI MODEL RANTAI MARKOV DENGAN WAKTU DISKRIT SUSCEPTIBLE INFECTED SUSCEPTIBLE (SIS)

BAB I PENDAHULUAN. Asuransi merupakan sebuah mekanisme pentransferan risiko dari suatu

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

Penentuan Daerah Kritis Terbaik dengan Teorema Neyman- Pearson

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

MODEL EPIDEMI STOKASTIK SUSCEPTIBLE INFECTED SUSCEPTIBLE (SIS)

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

PROSES PERCABANGAN PADA DISTRIBUSI POISSON

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

Unnes Journal of Mathematics

MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL SKRIPSI

Sarimah. ABSTRACT

BAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN Latar Belakang dan Permasalahan

Sem 7-4. Garis Besar Rencana Pembelajaran (GBRP)

PEMILIHAN MODEL REGRESI LINIER DENGAN BOOTSTRAP. Tarno. Jurusan Matematika FMIPA UNDIP Semarang. Subanar Jurusan Matematika FMIPA UGM Yogyakarta

ANALISIS KESTABILAN MODEL MANGSA-PEMANGSA DENGAN MANGSA YANG TERINFEKSI DI LINGKUNGAN TERCEMAR

SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS

Kestabilan Model SIRS dengan Pertumbuhan Logistik dan Non-monotone Incidence Rate

BAB I PENDAHULUAN 1.1 Latar Belakang

INFERENSI STATISTIK DISTRIBUSI BINOMIAL DENGAN METODE BAYES MENGGUNAKAN PRIOR KONJUGAT. Oleh : ADE CANDRA SISKA NIM: J2E SKRIPSI

Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar

T 1 Simulasi Laju Vaksinasi Dan Keefektifan Vaksin Pada Model Sis

ESTIMASI PARAMETER UNTUK DISTRIBUSI HALF LOGISTIK. Jl. A. Yani Km. 36 Banjarbaru, Kalimantan Selatan

KONVOLUSI DISTRIBUSI EKSPONENSIAL DENGAN PARAMETER BERBEDA

BAB 1. Pendahuluan. Perkembangan ilmu pengetahuan dan teknologi yang semakin pesat telah

Oleh Nara Riatul Kasanah Dosen Pembimbing Drs. Sri Suprapti H., M.Si

BAB I PENDAHULUAN 1.1 Latar Belakang

Estimasi Titik. (Point Estimation) Minggu ke 1-3. Prof. Dr. Sri Haryatmi, M. Sc. Universitas Gadjah Mada

ANALISIS KESTABILAN MODEL MANGSA-PEMANGSA DENGAN MANGSA YANG TERINFEKSI DI LINGKUNGAN TERCEMAR

Bab 1 PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN Latar Belakang

PEMODELAN MATEMATIKA DAN ANALISIS STABILITAS DARI PENYEBARAN PENYAKIT FLU BURUNG

T 4 Simulasi Level Sanitasi Pada Model Sir Dengan Imigrasi Dan Vaksinasi

MODEL EPIDEMI SUSCEPTIBLE INFECTED RECOVERED (SIR) DENGAN PROSES POISSON. oleh LUCIANA ELYSABET M

BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan

BAB II LANDASAN TEORI. ilmiah. Pencacahan atau pengukuran karakteristik suatu objek kajian yang

ANALISA SISTEM ANTRIAN M/M/1/N DENGAN RETENSI PELANGGAN YANG MEMBATALKAN ANTRIAN

BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan

TUGAS AKHIR KAJIAN SKEMA BEDA HINGGA TAK-STANDAR DARI TIPE PREDICTOR-CORRECTOR UNTUK MODEL EPIDEMIK SIR

ALGORITMA PENENTUAN UKURAN SAMPEL EKSAK UNTUK DISTRIBUSI NORMAL, DISTRIBUSI POISSON DAN DUA DISTRIBUSI BINOMIAL DALAM MODEL KELUARGA EKSPONENSIAL

BAB II KAJIAN PUSTAKA

Transkripsi:

BAB I PENDAHULUAN 1.1 Latar Belakang Metode statistika adalah prosedur-prosedur yang digunakan dalam pengumpulan, penyajian, analisis, dan penafsiran data. Metode statistika dibagi ke dalam dua kelompok besar yaitu statistika deskriptif dan inferensi statistik. Statistika deskriptif merupakan metode yang berkaitan dengan pengumpulan dan penyajian data sehingga memberikan informasi yang berguna. Sedangkan inferensi statistik mencakup semua metode yang berhubungan dengan analisis sebagian data untuk kemudian sampai pada peramalan atau penarikan kesimpulan mengenai keseluruhan data (Walpole, 1995). Inferensi statistik merupakan proses pengambilan kesimpulan (generalisasi) dari suatu sampel tertentu dari suatu himpunan n observasi untuk suatu populasi. Estimasi parameter adalah salah satu bentuk prosedur inferensi. Teori estimasi memegang peranan yang sangat penting dalam inferensi statistika karena teori estimasi bersama dengan pengujian hipotesis merupakan dasar inferensi statistika yang dilandasi oleh teori peluang. Estimasi parameter dibedakan menjadi dua macam, yaitu estimasi titik dan estimasi interval. Pada estimasi titik, satu titik atau satu harga digunakan untuk mengestimasi parameter populasi yang tidak diketahui. Estimasi parameter populasi dapat dilakukan dengan menggunakan pendekatan klasik yaitu penarikan kesimpulan berdasarkan informasi yang diperoleh dari sampel random yang diambil dari suatu populasi. Estimasi parameter merupakan topik yang banyak dikaji dalam berbagai bidang keilmuan diantaranya bidang epidemiologi. Epidemiologi adalah ilmu yang mempelajari tentang penyebaran penyakit menular pada manusia dan faktor yang dapat mempengaruhi penyebaran itu (KBBI, 2015). Secara umum ada 2 macam model yang digunakan pada penyebaran epidemi yaitu model epidemi deterministik dan model epidemi stokastik. Dalam bidang 1

2 epidemiologi dikenal beberapa model epidemi diantaranya model SI (Susceptible- Infective), SIS (Susceptible-Infective-Susceptible), SIRS (Susceptible-Infective- Removed-Susceptible) dan SIR (Susceptible-Infective-Removed). Setiap model epidemi mempunyai parameter-parameter yang akan diestimasi. Salah satu estimasi yang dapat digunakan adalah estimator martingale. Metode martingale dipopulerkan pada abad ke 18 oleh P.Levy yang digunakan sebagai salah satu metode tebak-tebakan (betting) di Prancis. Martingale digunakan di sejumlah aplikasi di berbagai bagian dalam teori probabilitas. Martingale merupakan teori manajemen modal probabilitas yang memungkinkan kesamaan nilai sesuatu di masa tertentu dengan masa sebelumnya dengan menggunakan prinsip penggandaan. Jadi bisa diartikan makna dari martingale yaitu apa yang diharapkan akan diperoleh nilainya sama dengan sebesar yang sudah diperoleh sebelumnya. Metode estimasi dengan estimator martingale ini muncul sebagai cara natural estimasi bila tidak ada asumsi distribusi dari model dan estimator maksimum likelihood tidak bisa diperoleh dalam bentuk tertutup (closed form). Dengan mengamati prilaku asimtotis suatu estimator yaitu sifat konsistensi dan normalitas asimtotisnya, sehingga dapat dilakukan inferensi. Konsistensi merupakan salah satu sifat asimtotis dari barisan estimator. Sedangkan normalitas asimtotik bertujuan untuk melihat konvergensi distribusinya berdistribusi normal atau tidak. Pada penelitian ini, akan dibahas konsistensi dan normalitas asimtotik dari estimator martingale pada model epidemi. 1.2 Rumusan Masalah Berdasarkan uraian latar belakang diperoleh rumusan masalah sebagai berikut: 1. Bagaimana hasil estimasi parameter dengan estimator martingale pada model epidemi? 2. Bagaimana konsistensi dan normalitas asimtotik dari estimator martingale pada model epidemi?

3 3. Bagaimana hasil estimasi parameter laju penularan dan laju kesembuhan dengan estimator martingale pada model epidemi SIR? 4. Bagaimana normalitas asimtotik dari estimator martingale pada model epidemi SIR? 5. Bagaimana simulasi data untuk menunjukan konsistensi dan normalitas asimtotik dari estimator martingale pada model epidemi SIR? 1.3 Tujuan dan Manfaat Penelitian Berdasarkan rumusan masalah di atas, tujuan dari penulisan ini adalah: 1. Mengetahui estimasi parameter pada model epidemi dengan estimator martingale 2. Mengetahui konsistensi dan normalitas asimtotik dari estimator martingale pada model epidemi. 3. Mengetahui estimasi parameter laju penularan dan laju kesembuhan dengan estimator martingale pada model epidemi SIR 4. Mengetahui normalitas asimtotik dari estimator martingale pada model epidemi SIR 5. Mengetahui simulasi data untuk menunjukan konsistensi dan normalitas asimtotik dari estimator martingale pada model epidemi SIR. Adapun manfaat yang diharapkan dari penulisan ini adalah: 1. Secara umum, diharapkan dapat memberikan sumbangan terhadap perkembangan ilmu pengetahuan, menambah wawasan pengetahuan dan memperkaya literatur dalam bidang statistika mengenai estimasi parameter pada model epidemi dengan estimator martingale. 2. Secara khusus, diharapkan dapat mengetahui konsistensi dan normalitas asimtotik dari estimator martingale pada model epidemi.

4 1.4 Tinjauan Pustaka Literatur utama yang menjadi acuan dalam penelitian ini adalah artikel yang ditulis oleh Fierro (2012) yang berjudul Asymptotic Distribution of Martingale Estimators for a Class of Epidemics Models. Jurnal ini membahas tentang distribusi asimtotis yaitu konsistensi dan normalitas asimtotik dari estimator martingale pada model epidemi. Selain menggunakan jurnal, penelitian ini juga menggunakan beberapa buku sebagai acuan. Buku-buku yang digunakan antara lain buku berjudul Real Analysis and Probability yang ditulis Ash (1972), Introduction to Probability Model (10th Edition) karya Ross (2010), dan Real Analysis Fourth Edition karya Royden dan Fitzpatrick (2010) yang merupakan rujukan dalam definisi dan teorema yang digunakan dalam penelitian ini. Definisi dan konsep-konsep dasar dari penelitian ini diperoleh dari rujukan berupa buku teks. Beberapa buku yang digunakan yaitu Statistika Matematika yang ditulis oleh Subanar (2013), Statistical Inference karya Casella dan Berger (1990), dan Introduction to Probability and Mathematical Statistics yang ditulis oleh Bain dan Engelhardt (1992). 1.5 Metodologi Penelitian Metode yang dilakukan dalam penelitian ini adalah studi literatur dan simulasi data. Sumber literatur diperoleh dari buku dan jurnal yang terkait dengan tema penelitian yaitu konsistensi dan normalitas asimtotik dari estimator martingale pada model epidemi. Selanjutnya dilakukan estimasi parameter, ditunjukkan konsistensi dan normalitas asimtotisnya dari teorema dan preposisi. Setelah itu dilakukan simulasi untuk menunjukan konsistensi dan normalitas asimtotik estimator martingale tersebut. Adapun langkah-langkah yang dilakukan dalam penelitian ini sebagai berikut: i. Mempelajari konsep model epidemi, konsistensi, normalitas asimtotik, dan martingale.

5 ii. Mempelajari estimasi parameter pada model epidemi dengan estimator martingale. iii. Mempelajari teorema yang berhubungan dengan konsistensi dan normalitas asimtotik dari estimator martingale pada model epidemi dan membuktikannya. iv. Mempelajari estimasi parameter pada model epidemic SIR yaitu parameter laju penularan dan laju kesembuhan dengan estimator martingale. v. Mempelajari normalitas asimtotik dari estimator martingale pada model epidemi SIR. vi. Melakukan simulasi data untuk menunjukan konsistensi serta normalitas asimtotik dari estimator martingale. 1.6 Sistematika Penulisan Tesis ini disusun dengan sistematika penulisan sebagai berikut: BAB I PENDAHULUAN Bab ini berisi latar belakang, rumusan masalah, tujuan dan manfaat penelitian, tinjauan pustaka, metodologi penelitian dan sistematika penulisan. BAB II LANDASAN TEORI Bab ini membahas tentang teori dasar yang menunjang pembahasan tentang konsistensi dan normalitas asimtotik dari estimator martingale. BAB III PEMBAHASAN Bab III membahas penjelasan mengenai konsistensi dan normalitas asimtotik dari estimator martingale pada model epidemi. BAB IV SIMULASI DATA Bab IV berisi tentang simulasi data untuk menunjukan konsistensi serta normalitas asimtotik dari estimator martingale BAB V PENUTUP Bab ini berisi tentang kesimpulan dan saran yang diperoleh dari hasil penelitian ini.