ADLN Perpustakaan Universitas Airlangga - Repositoryrepository.unair.ac.id/25688/1/SANI, AZK.pdf ·...
Transcript of ADLN Perpustakaan Universitas Airlangga - Repositoryrepository.unair.ac.id/25688/1/SANI, AZK.pdf ·...
ESTIMASI PARAMETER DISTRIBUSI EXPONENTIATED
EKSPONENSIAL PADA DATA TERSENSOR TIPE II
SKRIPSI
AHMAD ZUDA KUMALA SANI
PROGAM STUDI S-1 MATEMATIKA DEPARTEMEN MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS AIRLANGGA
SURABAYA 2012
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ESTIMASI PARAMETER DISTRIBUSI EXPONENTIATED
EKSPONENSIAL PADA DATA TERSENSOR TIPE II
SKRIPSI
Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains Bidang Matematika di Fakultas Sains dan Teknologi
Universitas Airlangga
Oleh :
AHMAD ZUDA KUMALA SANI NIM. 080810246
Tanggal Lulus : 13 Juli 2012
Disetujui Oleh :
Pembimbing I
Toha Saifudin, S.Si, M.Si NIP. 197501061999031002
Pembimbing II
Drs. Eko Tjahjono, M.Si. NIP. 19600706 1986011001
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
LEMBAR PENGESAHAN SKRIPSI
Judul : ESTIMASI PARAMETER DISTRIBUSI
EXPONENTIATED EKSPONENSIAL PADA DATA
TERSENSOR TIPE II
Penyusun : AHMAD ZUDA KUMALA SANI
NIM : 080810246
Tanggal Ujian : 13 Juli 2012
Disetujui oleh :
Pembimbing I Pembimbing II
Toha Saifudin, S.Si, M.Si Drs. Eko Tjahjono, M.Si
NIP. 197501061999031002 NIP. 196007061986011001
Mengetahui :
Ketua Program Studi S1-Matematika Departemen Matematika
Fakultas Sains dan Teknologi Universitas Airlangga
Dr. Miswanto, M. Si NIP : 196802041993031002
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
PEDOMAN PENGGUNAAN SKRIPSI
Skripsi ini tidak dipublikasikan, namun tersedia di perpustakaan dalam
lingkungan Universitas Airlangga, diperkenankan untuk dipakai sebagai referensi
kepustakaan, tetapi pengutipan harus seijin penyusun dan harus menyebutkan
sumbernya sesuai kebiasaan ilmiah.
Dokumen skripsi ini merupakan hak milik Universitas Airlangga
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ii
KATA PENGANTAR
Syukur Alhamdulillah kehadirat Allah SWT yang telah melimpahkan
rahmat-Nya, sehingga penyusun dapat menyelesaikan skripsi yang berjudul
Estimasi Parameter Distribusi Exponentiated Eksponensial Pada Data
Tersensor Tipe II .
Dalam penyusunannya, penyusun memperoleh banyak bantuan
dari berbagai pihak, karena itu penyusun mengucapkan terima kasih yang sebesar-
besarnya kepada :
1. Kedua orang tua tercinta, M. Imam Sya’roni dan Ningsih, serta kakakku A. Z.
Hakam S yang telah memberikan dukungan, kasih sayang, harapan dan
kepercayaan yang begitu besar.
2. Toha Saifudin, S.Si, M.Si. dan Drs. Eko Tjahjono, M.Si selaku dosen
pembimbing I dan II yang telah memberikan banyak arahan, masukan,
perhatian, semangat, rasa sabar yang begitu besar dan pengetahuan yang tidak
ternilai harganya.
3. Drs. H.Sediono, M.Si. dan Dr. Miswanto, M.Si. selaku dosen penguji I dan II
yang telah banyak memberikan arahan dan masukan.
4. Ahmadin, S.Si, M.Si. selaku dosen wali selama menjadi mahasiswa Fakultas
Sains dan Teknologi Universitas Airlangga yang telah banyak memberikan
arahan dan saran demi kesuksesan menjadi mahasiswa Matematika.
5. Mas Edi, mas Udin, mas Aziz, mas Koni, Pak Budi yang telah membantu
memperlancar keperluan di kampus.
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
iii
6. Ardi Wahyu As’ari. yang telah banyak memberikan semangat dan motivasi.
Terima kasih buat kesabaran, perhatian, ketulusan, dan kasih sayangnya.
7. Sahabatku Putu, Meta, Lina, Arifah, Varian, Mbah Uti, Vidong, Nasrul, Zaki,
Andika, Syafiq, Harun, Yani yang banyak memberikan support .
8. Teman-teman matematika 2008 atas kekompakan dan rasa kekeluargaan yang
begitu hangat.
9. Serta pihak-pihak lain yang tidak dapat disebutkan satu persatu, terima kasih
atas segala bantuan dalam penyelesaian skripsi ini.
Penyusun menyadari bahwa penulisan skripsi ini masih banyak kekurangan,
untuk itu mohon kritik dan saran yang bersifat membangun demi kesempurnaan
skripsi ini.
Akhir kata, penyusun berharap semoga skripsi ini bermanfaat bagi pembaca.
Surabaya, Juli 2012
Penyusun
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
iv
A Zuda Kumala Sani, 2012. Estimasi parameter Distribusi Exponentiated Eksponensial pada data
tersensor tipe II. Skripsi ini dibawah bimbingan Toha Saifudin,S.Si,M.Si dan Drs. Eko Tjahjono, M.Si. Departeman Matematika.Fakultas Sains dan Teknologi, Unversitas Airlangga.
ABSTRAK
Dalam skripsi ini, akan dibahas tentang distribusi Exponentiated Eksponensial yaitu bentuk umum dari distribusi Eksponensial satu parameter dan akan diterapkan pada data tersensor tipe II yaitu salah satu dari metode penyensoran berdasarkan kegagalan.
Penulisan skripsi ini bertujuan untuk menentukan penduga yang lebih baik untuk parameter distribusi Exponentiated Eksponensial pada data tersensor tipe II. Proses estimasi ini menggunakan metode Maximum Likelihood dan Ordinary Least Square (OLS) untuk memperoleh penduga titiknya.
Distribusi Exponentiated Eksponensial pada data tersensor tipe II memiliki bentuk fungsi Distribusi sebagai berikut :
Dengan adalah parameter bentuk, adalah parameter skala dan merupakan data tersensor tipe II yaitu data sampai r kegagalan. Estimasi parameter distribusi Exponentiated Eksponensial pada data tersensor tipe II dengan metode Maximum
Likelihood dan OLS tidak dapat diselesaikan secara analitis karena penduga yang didapatkan masih dalam bentuk implisit. Sehingga diperlukan suatu metode numerik untuk menyelesaikannya, salah satunya yang digunakan dalam skripsi ini yaitu metode Newton-Raphson. Penentuan penduga yang lebih baik dalam data ini menggunakan kriteria MSE dengan nilai yang paling kecil. Setelah dilakukan percobaan pada 16 data bangkitan dan pada data pasien Leukimia diperoleh bahwa metode Ordinary Least Square (OLS) yang lebih baik. Pada data bangkitan, nilai rata-rata MSE untuk metode Ordinary Least Square (OLS) = 0.003513 dan nilai rata-rata MSE untuk metode Maximum Likelihood = .041272. Prosentase urutan nilai MSE terkecil untuk metode Ordinary Least Square (OLS) sebesar 87,5 % sedangkan untuk metode Maximum Likelihood sebesar 12,5 %. Kemudian pada data pasien Leukimia didapatkan nilai MSE untuk metode Ordinary
Least Square (OLS) = 0.09842778 dan nilai MSE untuk metode Maximum Likelihood = 0.3210319.
Kata kunci : Distribusi Exponentiated Eksponensial, data uji hidup tersensor tipe II, metode Ordinary Least square, Metode Maximum Likelihood, Metode Newton-Raphson, Mean Square Error (MSE).
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
v
A Zuda Kumala Sani, 2012. Parameter Estimation Exponentiated Exponential Distribution on
Censored Data Type II.. This final project was supervised by Toha Saifudiin, S, Si, M. Si and Drs. Eko Tjahjono, M.Si., Department of Mathematics, Faculty of Science and Technology, University of Airlangga, Surabaya.
ABSTRACT
In this undergraduate theses, we discuss about Exponentiated Exponential distribution which is the general form of an exponential distribution with one parameter and we will apply to censored data type II which is one of the censoring methods based on the failure.
The writing undergraduate theses purposes to determine the better estimation method for parameter of exponentiated exponential distribution on censored data type II. The estimation process uses Maximum Likelihood method and Ordinary Least Square (OLS) to obtain the point estimator.
Exponentiated exponential distribution on censored data type II has the form of distribution function is given:
where is the shape parameter, λ is the scale parameter, and t is data censored type II with r failures data. Parameter estimation of exponentiated exponential distribution on censored data type II with MLE and OLS cannot be solve analytically because the estimator is still implicit form. Therefore we need a numeric method to solve and this final project uses Newton-Raphson method to find numeric solution.
To determine is better estimation methods on data uses MSE criteria with the
smallest value. After doing test with16 generate data and leukemia patient, we can know that method Ordinary Least Square (OLS) is better. On generate data, the average value of ordinary least square (OLS) =0.003153 and the average value of maximum likelihood estimator (MLE) = 0.041272. Percentage of MSE rank values for the method of Ordinary Least Square (OLS) was 87.5% while for the MLE method by 12.5%. Then on leukemia patient data the value MSE of ordinary least square (OLS) =0.09842778 and the value of maximum likelihood estimator (MLE) = 0.3210319.
Keyword: Exponetiated exponential distribution, lifetime data for censored type II,
Ordinary Least Square (OLS), Maximum Likelihood Estimator (MLE), Newton-Raphson, Mean square error
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
vi
DAFTAR ISI
Halaman
KATA PENGANTAR ............................................................................................ ii
ABSTRAK ............................................................................................................. iv
ABSTRACT ............................................................................................................ v
DAFTAR ISI .......................................................................................................... vi
DAFTAR TABEL ................................................................................................ viii
DAFTAR LAMPIRAN .......................................................................................... ix
BAB I PENDAHULUAN .................................................................................... 1 1.1 Latar Belakang ................................................................................. 1 1.2 Rumusan Masalah ............................................................................ 3 1.3 Tujuan .............................................................................................. 4 1.4 Manfaat ............................................................................................ 4 1.5 Batasan Masalah............................................................................... 4
BAB II TINJAUAN PUSTAKA ........................................................................... 6 2.1 Distribusi Exponentiated Eksponensial............................................ 6 2.2 Estimasi Titik ................................................................................... 6 2.3 Metode Maximum Likelihood .......................................................... 7 2.4 Metode Ordinary Least Square ........................................................ 7 2.5 Analisis Data Uji Hidup ................................................................... 8 2.6 Fungsi Survival ............................................................................... 8 2.7 Tipe Penyensoran ............................................................................. 9 2.8 Mean Square Error ........................................................................ 10 2.9 Metode Newton Raphson ..................................................................... 12 2.10 Uji Goodness of Fit Kolmogorov – Smirnov ................................. 13 2.11 Estimasi Kaplan-Meier................................................................... 14 2.12 Keluarga Eksponensial dari Probability Density Function ............ 15 2.13 S-Plus 2000 ............................................................................................. 16
BAB III METODE PENULISAN ......................................................................... 18
BAB IV HASIL DAN PEMBAHASAN ............................................................... 22 4.1 PDF (Probability Density Function) dan CDF (Cumulative
Density Function) Distribusi Exponentiated Eksponensial............ 22
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
vii
4.2 Estimasi Parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II dengan metode Maximum
Likelihood ....................................................................................... 24 4.3 Estimasi Parameter Distribusi Exponentiated Eksponensial
pada Data Tersensor Tipe II dengan Ordinary Least
Square (OLS) .................................................................................. 29 4.4 Membangkitkan Data Distribusi Exponentiated
Eksponensial .................................................................................. 32 4.5 Menentukan nilai awal Penduga Distribusi Exponentiated
Eksponensial .................................................................................. 33 4.6 Algoritma Progam .......................................................................... 33
4.6.1 Algoritma untuk membangkitkan r data dari n data berdistribusi Exponentiated Eksponensial ........................... 33
4.6.2 Algoritma untuk menentukan penduga dengan metode Maximum Likelihood ........................................................... 34
4.6.3 Algoritma untuk menentukan penduga dengan metode Ordinary Least Square ....................................................... 35
4.6.4 Algoritma untuk menentukan nilai Mean Square
Error (MSE) ........................................................................ 36 4.6.5 Algoritma untuk uji Goodness of fit Kolmogorov
Smirnov ............................................................................... 37 4.6.6 Implementasi Algoritma ke Progam Komputer ................... 38
4.7 Penerapan pada Data Tahan Hidup Tersensor Tipe II ................... 39 4.7.1 Penerapan pada Data Simulasi ............................................ 39 4.7.2 Penerapan pada Data Pasien Leukimia ................................ 44
BAB V PENUTUP ............................................................................................... 48 5.1 Kesimpulan .................................................................................... 48 5.2 Saran ............................................................................................... 50
DAFTAR PUSTAKA ............................................................................................ 51
LAMPIRAN
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
viii
DAFTAR TABEL
Nomor Judul Halaman
4.1 Nilai parameter nilai penduga parameter ( , ) dan nilai
Mean Square Error dengan metode Maximum Likelihood dan
Ordinary Least Square (OLS) 42
4.2 Perbandingan nilai Mean Square Error 43
4.3 Data pasien Leukimia yang masih bertahan 44
4.4 Hasil penduga dan nilai MSE pada data pasien leukemia
dengan metode Maximum Likelihood dan Ordinary Least
Square (OLS) 45
4.5 Tabel perhitungan uji Kolmogorov-Smirnov 46
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ix
DAFTAR LAMPIRAN
Judul Lampiran
Lampiran 1
1. Progam 1 Progam untuk membangkitkan data ke-r dari n data berdistribusi
Exponentiated Eksponensial
2. Progam 2 Progam untuk mendapatkan nilai penduga distribusi
Exponentiated Eksponensial pada data tersensor tipe II dengan
metode Maximum Likelihood
a. Progam 2.1 Progam matriks turunan pertama distribusi Exponentiated
Eksponensial pada data tersensor tipe II dengan metode
Maximum Likelihood
b. Progam 2.2 Progam matriks jacobian distribusi Exponentiated
Eksponensial pada data tersensor tipe II dengan metode
Maximum Likelihood
3. Progam 3 Progam untuk mendapatkan nilai penduga distribusi
Exponentiated Eksponensial pada data tersensor tipe II dengan
metode OLS
c. Progam 3.1 Progam matriks turunan pertama distribusi Exponentiated
Eksponensial pada data tersensor tipe II dengan metode
OLS
d. Progam 3.2 Progam matriks jacobian distribusi Exponentiated
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
x
Eksponensial pada data tersensor tipe II dengan metode
OLS
4. Progam 4 Progam utama untuk menentukan nilai Mean Square Error dari
metode Maximum Likelihood dan metode OLS
5. Progam 5 Progam utama untuk menentukan nilai Mean Square Error dari
metode Maximum Likelihood dan metode OLS pada data pasien
Leukimia
Lampiran 2
1. Output Progam
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
1
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Perkembangan ilmu pengetahuan yang disertai dengan meningkatnya
kebutuhan hidup manusia , kemajuan teknologi yang berkembang pesat dan
persaingan ditingkat global yang semakin meningkat, sehingga itu semua
menuntut industri-industri dalam negeri harus memiliki keunggulan komparatif.
Diantara keunggulan-keunggulan tersebut adalah kualitas dan keandalan suatu
produk hasil sebuah produksi. Untuk menilai tingkat kualitas dari produknya,
maka diperlukan suatu penelitian. Untuk menguji serta mengetahui kualitas dan
keandalan suatu produk hasil industri, maka diperlukan analisis tentang data uji
hidup.
Analisis data uji hidup merupakan analisis statistik yang menyelidiki
tentang waktu tahan hidup suatu individu atau benda pada keadaan operasional
tertentu, yang telah banyak dikembangkan menjadi topik yang sangat penting bagi
para ilmuwan dalam banyak bidang. Diantaranya dalam bidang teknik, kedokteran
dan bahkan dalam bidang psikologi.
Pada pengujian data uji hidup, jika semua unit eksperimen diobservasi
sampai semuanya mati maka akan diperoleh sampel lengkap. Keuntungan
menggunakan metode seperti ini adalah dapat dihasilkan observasi terurut dari
semua komponen yang diuji. Akan tetapi metode ini juga mempunyai kerugian
yaitu memerlukan waktu yang lama dan biaya yang besar. Maka dari itu untuk
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
2
menghemat waktu dan biaya dilakukan metode penyensoran, yaitu jika hanya
sebagian unit eksperimen diamati, sehingga diperoleh sampel tersensor (Lawless,
1982).
Salah satu tipe sampel penyensoran adalah tipe sampel tersensor tipe II.
Suatu sampel dikatakan tersensor tipe II jika penelitian dihentikan setelah
kegagalan ke-r telah diperoleh. Misalkan adalah observasi terurut
dari n sampel dengan pdf ƒ dan fungsi survival S dan waktu sensor L . Penelitian
dikatakan telah selesai jika kegagalan ke-r telah tercapai .Adapun pdf bersama
dari adalah
g
dengan distribusi yang digunakan adalah Distribusi Exponentiated Eksponensial.
Distribusi Exponentiated Eksponensial ini pertama kali dikenalkan oleh
Gupta dan Kundu (1999) Sebuah Variabel acak dikatakan mempunyai
Distribusi Exponentiated eksponensial jika probabilitas density function (pdf) :
(2.1)
dan
Cumulative Distribution Function (CDF) :
(2.2)
, > 0 dan > 0
Dengan : parameter bentuk
: parameter skala
Kelebihan dari Distribusi ini menurut Gupta dan Kundu (1999) adalah
memiliki fungsi yang fleksibel yaitu dapat menganalisis sampel yang berbentuk
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
3
distribusi eksponensial satu parameter, distribusi weibull 2 parameter, dan fungsi
hazradnya memiliki bentuk yang tidak konstan sehingga tidak sama dengan
distribusi eksponensial 1 parameter yang berbentuk konstan menyebabkan fungsi
hazradnya logis. Dalam penerapannya pada data riil menggunakan data waktu
tahan hidup pasien Leukimia dan pada data simulasi.
Untuk memperoleh kesimpulan dari suatu penelitian, diperlukan inferensi
secara statistik. Inferensi statistik merupakan suatu metode yang digunakan dalam
penarikan kesimpulan terhadap suatu parameter populasi. Penentuan inferensi
statistik secara garis besar meliputi estimasi parameter dan pengujian hipotesis
parameter. Salah satu penduga yang digunakan untuk melakukan inferensi
parameter populasi adalah Metode Maximum Likelihood dan metode Ordinary
Least Square (OLS) yang kemudian dibandingkan hasilnya berdasarkan indikator
Mean Square Error (MSE) . Penduga yang memiliki MSE paling kecil atau
minimum merupakan penduga yang lebih baik karena MSE nilainya tidak
mungkin sama dengan nol sebab secara teoritis nilai kumulatif parametrik dan
nilai kumulatif empiris tidak mungkin sama.
1.2 Rumusan Masalah
1. Bagaimana bentuk penduga parameter-parameter Distribusi
Exponentiated Eksponensial pada data tersensor tipe II dengan Metode
Maximum Likelihood dan Metode Ordinary Least Square (OLS) ?
2. Bagaimana membandingkan kedua penduga pada data tersensor tipe II
secara simulasi dengan menggunakan kriteria MSE?
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
4
3. Bagaimana menerapkan kedua penduga pada data tersensor tipe II pada
data pasien Leukimia?
1.3 Tujuan
1. Mendapatkan bentuk penduga parameter-parameter Distribusi
Exponentiated Exponensial pada data tersensor tipe II dengan
menggunakan Metode Maximum Likelihood dan Metode Ordinary Least
Square
2. Membandingkan kedua penduga pada data tersensor tipe II secara
simulasi dengan menggunakan kriteria MSE.
3. Menerapakan hasil kedua penduga pada data tersensor tipe II pada data
pasien Leukimia
1.4 Manfaat
1. Mengetahui estimasi parameter Distribusi Exponentiated Eksponensial
pada data Tersensor Tipe II
2. Mengetahui penduga yang lebih baik bagi Parameter distribusi
Exponentiated Eksponensial pada data tersensor Tipe II
1. 5 Batasan Masalah
1. Penduga parameter Distribusi Exponentiated Eksponensial pada data
tersensor tipe II yang digunakan adalah metode Maximum Likelihood dan
Ordinary Least Square (OLS).
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
5
2. Data yang diterapkan dalam penelitian ini adalah data tahan hidup
tersensor tipe II yang berasal dari distribusi Exponentiated Eksponensial.
3. Estimasi yang di bahas hanya sampai estimasi titik.
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
6
BAB II
TINJAUAN PUSTAKA
2.1 Distribusi Exponentiated Eksponensial
Variabel acak dikatakan mempunyai Distribusi Exponentiated
Eksponensial jika Probabilitas Density Function (PDF) :
(2.1)
dan
Cumulative Distribution Function (CDF) :
(2.2)
dengan : parameter bentuk yaitu jenis khusus dari parameter numerik yang
menunjukkan bentuk dari kurva.
: parameter skala yaitu jenis khusus dari parameter numerik yang
menunjukkan besarnya distribusi data.
(Gupta dan Kundu, 1999)
2.2 Estimasi Titik
Jika terdapat nilai dari beberapa statistik yang mewakili
atau mengestimasi parameter yang tidak diketahui, maka setiap statistik
disebut estimator titik .
( Graybill, et.al,1963)
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
7
2.3 Metode Maximum Likelihood
Misal merupakan sampel acak dari suatu distribusi dengan
Probabilitas Density Function (PDF) , untuk . Probabilitas Density
Function (PDF) bersama antara adalah
Jika Probabilitas Density Function (PDF)
bersama tersebut dinyatakan sebagai fungsi terhadap maka dinamakan fungsi
Likelihood yang dinotasikan L atau ditulis :
dengan (2.3)
( Hogg and Craig, 1995b )
Jika statistik memaksimumkan fungsi likelihood
, maka statistik dinamakan
Maximum Likelihood Estimator (MLE) dari .
(Hogg dan Craig, 1995)
2.4 Metode Ordinary Least Square
Misalkan adalah sampel acak berukuran n dari fungsi distribusi
F(.) dan mewakili sampel terurut, Cumulative Distribution
Function (CDF) parametrik dari distribusi F(.) adalah F( ). dan Cumulative
Distribution Function (CDF) empirisnya adalah *( ). Dengan *( ) adalah
. Kita ketahui bahwa antara Cumulative Distribution Function (CDF)
parametrik dan Cumulative Distribution Function (CDF) empirisnya pasti ada
perbedaan yang di notasikan sebagai error jadi *( ).
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
8
Prinsip dari metode Ordinary Least Square adalah untuk meminimumkan jumlah
kuadrat error-nya. Jadi, Menurut Gupta Dan Kundu (2000) penduga Ordinary
Least Square didapatkan dengan cara meminimalkan
(2.4)
2.5 Analisis Data Uji Hidup
Analisis statistik yang sering disebut analisis data uji hidup merupakan
penyelidikan tentang waktu tahan hidup suatu benda atau individu pada keadaan
operasional tertentu.
(Lawless,1982)
2.6 Fungsi Survival
Fungsi survival didefinisikan sebagai probabilitas bahwa suatu individu atau
benda akan bertahan sampai waktu tertentu dan dirumuskan sebagai berikut:
(2.5)
(Lawless,1982)
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
9
2.7 Tipe Penyensoran
Untuk mendapatkan data uji hidup biasanya dilakukan suatu eksperimen.
Pada suatu eksperimen terdapat beberapa metode yang dapat dilakukan sehingga
macam data yang dihasilkan juga berbeda dari satu metode ke metode yang
lainnya. perbedaan analisis data uji hidup dari bidang statistik lainnya adalah
penyensoran.
Menurut (Lawless, 1982) Ada tiga macam metode yang sering digunakan
dalam eksperimen uji hidup, yaitu :
1. Sampel Lengkap
Pada uji sampel lengkap, eksperimen akan dihentikan jika semua benda
atau individu yang diuji telah mati atau gagal. Langkah seperti ini
mempunyai keuntungan yaitu dihasikannya observasi terurut dari semua
benda atau individu yang diuji
2. Sampel Tersensor Tipe 1
Dalam sampel tersensor tipe 1, percobaan uji hidup akan dihentikan jika
telah tercapai waktu tertentu (waktu penyensoran). Misalkan adalah
sampel acak dari distribusi uji hidup dengan fungsi kepadatan peluang
, fungsi survival dan waktu sensor untuk semua adalah
dengan i = 1,2,…,n
Suatu komponen dikatakan terobservasi jika dan observasi
dilakukan hanya pada . Sehingga variabel yang
menunjukkan bahwa komponen telah mati adalah
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
10
1 , jika
=
0 , jika
adalah indikator apakah tersensor atau tidak. Jika maka
terobservasi dan jika maka tersensor.
3. Sampel Tersensor Tipe 2
Pada uji ini, suatu sampel dikatakan tersensor tipe II apabila penelitian
dihentikan setelah kegagalan ke-r telah diperoleh. Misalkan
adalah observasi terurut dari n sampel sampai dengan pdf ƒ dan fungsi
survival S dan waktu Penelitian dikatakan telah selesai jka
kegagalan ke telah tercapai . Adapun pdf bersama dari
adalah
g (2.6)
sedangkan fungsi likelihoodnya
(2.7)
2.8 Mean Square Error
Definisi 2.2
Dalam statistik, kesalahan kuadrat rata-rata (MSE) dari penduga adalah
satu dari banyak cara untuk mengukur perbedaan antara nilai-nilai dari penduga
dan nilai sebenarnya dari jumlah yang diperkirakan. MSE merupakan dua momen
dari error yaitu menggabungkan varians penduganya dan penduga biasnya.
Untuk penduga yang tak bias, MSE adalah varian. Seperti halnya varian, MSE
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
11
memiliki satuan ukuran yang sama dengan jumlah kuadrat yang di estimasi.
Semakain kecil nilai MSE nya maka semakin bagus nilai penduga yang diperoleh
karena mendekati nilai yang diobservasi dan juga sebaliknya.
MSE dari penduga dari estimasi parameter didefinisikan
MSE merupakan jumlah dari varian dari parameter dan kuadrat dari penduga
biasnya
Jika penduganya unbiased atau bias maka MSE dapat didefinisikan
sebagai varian sehingga
(Graybill,et.al,1963)
Jika merupakan penduga dari fungsi distribusi kumulatif , maka
menurut Al Fawzan (2000) rumus Mean Square Error dapat dinyatakan sebagai
berikut :
(2.8)
dengan merupakan fungsi distribusi kumulatif empiris.
Apabila parameter populasi diketahui, maka merupakan fungsi distribusi
kumulatif parametrik .
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
12
2.9 Metode Newton-Raphson
Misalkan dan
adalah tiga persamaan dengan yang tidak diketahui. Langkah-langkah dalam
metode Newton-Raphson, sebagai berikut :
1. Asumsikan diketahui sebagai solusi awal atau
solusi perkiraan dari sistem tiga persamaan nonlinier
dengan tiga variabel yang tidak diketahui :
2. Menentukan jacobian tiga persamaan tersebut
3. Dengan ekspansi Taylor, diperoleh :
Jacobian J( ) = -g( )
= -
Kemudian mencari nilai :
g( )
dengan
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
13
4. Misal perkiraan diketahui, dimana Untuk ,
dilakukan iterasi dimulai dengan dan k bertambah satu tiap satu kali
untuk barisan iterasi sehingga dengan
Sebagai perkiraan yang lebih baik dari perkiraan sebelumnya.
5. Menghentikan proses iterasi ketika diperoleh max , dimana
dan error adalah bilangan positif yang sangat kecil.
(Lawless, 1982)
2.10 Uji Goodness of fit Kolmogorov –Smirnov
Uji Goodness of fit Kolmogorov –Smirnov adalah sebuah metode untuk uji
kesesuaian distribusi sebuah sampel random yang belum diketahui distribusinya.
Misalkan adalah sampel acak berukuran n yang diambil dari populasi
yang tidak diketahui distribusinya
1. Hipotesis
misalkan merupakan fungsi distribusi yang dibutuhkan
untuk semua t dari sampai
untuk salah satu nilai
2. Statistik Test
Misalkan adalah fungsi distribusi empiris berdasarkan sampel acak
. diberikan test statistik merupakan nilai terbesar
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
14
(dinotasikan “sup” atau supremum) jarak antara dan atau dapat
ditulis
(2.9)
Dengan T sama dengan supremum, untuk semua dan nilai mutlak untuk
setiap yang berbeda
Setelah ditemukan nilai statistik test T maka langkah selanjutnya
dibandingkan dengan Tabel Kolmogorov-Smirnov dengan tingkat
signifikan 1- . Apabila nilai statistik test T < tabel Kolmogorov-Smirnov
maka terima dan sebaliknya.
(W.J Conover, 1980)
2.11 Estimasi Kaplan-Meier
Cara yang digunakan untuk menggambarkan survival dari sampel acak
yaitu menggambarkan grafik fungsi survival atau fungsi distribusi
empiris dengan cara estimasi Kaplan-Meier. Selain itu juga memberikan estimasi
distribusi secara nonparametrik.
Diberikan yang menyatakan sampel random tersensor,
dengan merupakan data terobservasi dan merupakan data tersensor.
Misalkan terdapat dengan waktu yang berbeda , yang
menyatakan banyaknya data yang terobesvasi. Kemungkian terjadinya satu atau
lebih event yang terobservasi dinotasikan sebagai atau
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
15
menyatakan banyaknya event terobservasi pada saat . Estimasi dari dapat
didefinisikan sebagai berikut :
(2.10)
dengan merupakan banyaknya individu yang beresiko pada saat
dengan kata lain banyaknya individu yang belum mengalami kejadian atau
event dan tidak tersensor sebelum pada saat .
(Lawless, 1982)
2.12 Keluarga Eksponensial dari Probabilitas Density Function
Suatu Keluarga besar dari p.d.f yang bergantung pada parameter yang
bernilai real adalah bentuknya sebagai berikut :
(2.11)
Dengan dan , merupakan himpunan positif dari
yang independen dari .
Untuk kasus kontinu. Jika i.i.d dengan p.d.f seperti diatas maka
p.d.f bersama dari t adalah sebagai berikut :
(Roussas,1973)
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
16
2.13 S-PLUS 2000
Dalam (Everitt, 1994) disebutkan bahwa S-Plus adalah suatu paket
progam yang memungkinkan membuat progam sendiri walaupun di dalamnya
sudah tersedia banyak progam internal yang siap di gunakan . Kelebihan dari
progam ini adalah baik progam internal maupun progam yang pernah dibuat
digunakan sebagai subprogram dari progam yang akan dibuat.
Beberapa perintah internal yang digunakan dalam S-Plus
a. function
Function(…) digunakan untuk menunjukkan fungsi yang akan
digunakan dalam progam.
Bentuknya adalah :function (…)
b. length
Length(…) digunakan untuk menunjukkan banyaknya data.
Bentuknya ada lah :length (….)
c. for(I in 1: n)
Untuk melakukan pengulangan sebanyak n kali
Bentuknya adalah : for(i in 1:n)
d. sort
Untuk mengurutkan data dari terkecil sampai ke terbesar
Bentuknya adalah : sort (…)
e. matrix(a,b,c)
Untuk membentuk sebuah matrik yang anggotanya a dengan
jumlah baris sebanyak b dan jumlah kolom sebanyak c.
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
17
Bentuknya adalah : matrix (….,…,…)
f. rep (a,b)
Untuk membentuk sebuah vektor yang anggotanya a sebanyak b.
Bentuknya adalah : rep(…,…)
g. abs
Untuk membuat harga mutlak dari suatu bilangan
Bentuknya adalah : abs (….)
h. sum
Untuk menjumlahkan semua bilangan anggota dari suatu vektor.
Bentuknya adalah : sum (…)
i. ginverse
Untuk menghitung nilai invers dari suatu matrik singular.
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
18
BAB III
METODE PENELITIAN
Langkah-langkah penyelesaian yang sesuai dengan tujuan penelitian adalah
sebagai berikut :
1. Menentukan bentuk penduga Distribsi Exponentiated Eksponensial pada
data tersensor tipe II
A. Menentukan estimasi parameter Distribusi Exponentiated Eksponensial
pada data tersensor tipe II menggunakan metode Maximum Likelihood
dengan langkah-langkah sebagai berikut :
a. Mengambil sampel acak dari distribusi uji hidup
Exponentiated Eksponensial.
b. Menentukan (n-r) sample tersensor tipe II yang posisinya sebagai
berikut
c. Menentukan fungsi Likelihood dari distribusi Exponentiated
Eksponensial pada data tersensor tipe II
Dengan
d. Me-lognaturalkan fungsi likelihood tersebut
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
19
e. Mendiferensialkan hasil log- likelihood tersebut terhadap parameter-
parameter distribusi Exponentiated Eksponensial pada data tersensor
tipe II
f. Hasil dari diferensial tersebut disamadengankan nol sebagai syarat
perlu untuk memaksimalkan fungsi likelihood.
g. Jika pada langkah f penduga yang didapatkan masih dalam bentuk
fungsi implisit maka ditentukan nilai estimasi dari fungsi tersebut
melalui metode Newton-Raphson.
B. Menentukan estimasi parameter Distribusi Exponentiated Eksponensial
pada data tersensor tipe II menggunakan metode Ordinary Least Square
dengan langkah-langkah sebagai berikut :
a. Mengambil sampel acak , dari distribusi uji hidup
Exponentiated Eksponensial.
b. Menentukan (n-r) sample tersensor tipe II yang posisinya sebagai
berikut
c. Menentukan fungsi distribusi kumulatif distribusi Exponentiated
Eksponensial
d. Meminimalkan fungsi dengan cara
Mendiferensialkan fungsi tersebut terhadap parameter-parameter
distribusi Exponentiated Eksponensial ( ) kemudian disama
dengankan nol
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
20
e. Melakukan pendekatan numerik jika pada langkah d diperoleh bentuk
fungsi yang berbentuk implisit
2. Membandingkan kedua penduga melalui indikator Mean Square Error
dengan langkah-langkah sebagai berikut :
a. Membangkitkan sampel data tersensor tipe II berdistribusi
Exponentiated Eksponensial dengan tertentu.
b. Mengestimasi parameter distribusi Exponentiated Eksponensial pada
data tersensor tipe II dengan metode Maximum Likelihood dan metode
Ordinary Least Square
c. Menghitung Mean Square Error dari metode Maximum Likelihood dan
metode Ordinary Least Square dengan rumus
MSE
Dengan merupakan fungsi distribusi kumulatif empiris
d. Mengulang langkah a sampai c sebanyak 16 kali percobaan
e. Menentukan prosentase menempati nilai MSE terkecil untuk metode
Maximum Likelihood dan metode Ordinary Least Square dari
percobaan
f. Menentukan penduga yang lebih baik dengan melihat nilai rata-rata
MSE yang terkecil dari kedua metode dan melihat prosentase minimal
menempati nilai MSE paling kecil
3. Menyusun algoritma berdasarkan langkah-langkah yang telah dibuat
4. Membuat progam komputer berdasarkan algoritma tersebut dengan
S-Plus
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
21
5. Menerapkan hasil estimasi pada data pasien Leukimia
a. Memasukkan data tahan hidup pasien Leukimia
b. Mengurutkan data tahan hidup pasien Leukimia
c. Mengestimasi parameter distribusi Exponentiated Eksponensial pada
data tersensor tipe II dengan metode Maximum Likelihood dan metode
Ordinary Least Square
d. Menghitung Mean Square Error dari metode Maximum Likelihood dan
metode Ordinary Least Square dengan rumus
MSE
Dengan merupakan fungsi distribusi kumulatif empiris
e. Menguji kesesuaian data dengan uji Kolmogorov Smirnov
f. Menentukan penduga yang lebih baik dengan melihat nilai MSE yang
terkecil
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
22
BAB IV
HASIL DAN PEMBAHASAN
Dalam bab ini akan dibahas tentang estimasi titik distribusi Exponentiated
Eksponensial pada data tersensor tipe II dengan menggunakan metode Maximum
Likelihood dan Ordinary Least Square (OLS).
4.1. PDF (Probability Density Function) dan CDF (Cumulative Density
Function) Distribusi Exponentiated Eksponensial
Pada bagian ini akan dibuktikan bahwa:
untuk
merupakan PDF (Probability Density Function) dari distribusi Exponentiated
Eksponensial.
Bukti :
=
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
23
Terbukti
Kemudian akan dicari CDF (Cumulative Density Function) dari distribusi
Exponentiated Eksponensial sebagai berikut:
(4.1)
Berdasarkan persamaan (4.1), maka fungsi survival dari t adalah :
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
24
(4.2)
Selanjutnya akan dibuktikan apakah distribusi Exponentiated Eksponensial
merupakan keluarga Eksponensial. Misalkan T merupakan variabel acak
berdistribusi Exponentiated Eksponensial dengan Probability Density Function
didefinisikan pada persamaan (2.1) akan dibuktikan apakah distribusi
Exponentiated Eksponensial merupakan keluarga Eksponensial yaitu memenuhi
persamaan (2.11), pembuktiannya seperti dibawah ini:
(4.3)
Karena persamaan (4.3) tidak dapat dinyatakan sebagai persamaan (2.11)
maka dapat disimpulkan bahwa distribusi Exponentiated Eksponensial bukan
keluarga eksponensial.
4.2. Estimasi Parameter Distribusi Exponentiated Eksponensial pada data
tersensor tipe II dengan metode Maximum Likelihood
Langkah-langkah estimasi parameter pada sub-bab (2.3). Jika PDF
(Probability Density Function) distribusi Exponentiated Eksponensial
didefinisikan pada persamaan (2.1), maka fungsi Likelihood pada data tersensor
tipe II berdasarkan persamaan (2.7) adalah sebagai berikut :
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
25
Sehingga dari fungsi Likelihood diatas dapat di tulis sebagai berikut :
Kemudian fungsi Likelihood tersebut di ln-kan, sehingga didapatkan :
ln
(4.4)
Selanjutnya dengan mendiferensialkan fungsi ln-Likelihood terhadap
kemudian hasil disamadengankan nol sebagai syarat perlu untuk
memaksimumkan fungsi Likelihood, sehingga di dapatkan hasil sebagai berikut :
Diferensial dari persamaan (4.4) terhadap dan selanjutnya
disamadengankan nol diperoleh :
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
26
Diferensial dari persamaan (4.4) terhadap dan selanjutnya
disamadengankan nol diperoleh :
Karena persamaaan (4.5) dan (4.6) merupakan persamaan implisit maka
diselesaikan dengan suatu metode numerik. Dalam pembahasan skripsi ini akan
digunakan salah satu dari metode numerik yaitu metode Newton Raphson .
Berikut merupakan langkah-langkah metode Newton-Raphson yang telah
dijelaskan pada sub-bab (2.9) :
Langkah I :
Menentukan nilai awal penduga yang dapat ditulis dengan
.
Langkah II :
Menentukan fungsi dalam bentuk matriks, dengan
, yaitu dengan adalah fungsi dari (4.5)
, adalah fungsi dari (4.6).
Langkah III :
Menentukan matriks jacobian dari fungsi (4.5), (4.6) yaitu :
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
27
dengan :
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
28
Langkah IV :
Mencari nilai koreksi ( ), yaitu
Dengan adalah invers dari
Langkah V :
Menentukan atau
Dimana merupakan nilai penduga yang akan dicari.
Langkah VI :
Melakukan pengulangan dari langkah II sampai V hingga max
dengan dengan error = 0.5. Kemudian diperoleh nilai penduga
parameter
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
29
4.3. Estimasi Parameter Distribusi Exponentiated Eksponensial pada Data
Tersensor Tipe II dengan Ordinary Least Square (OLS).
Langkah-langkah estimasi parameter pada sub-bab ini menggunakan
Ordinary Least Square (OLS) berdasarkan sub-bab (2.4), yaitu dengan
meminimalkan persamaan (2.4).
Misal
Kemudian mendiferensialkan persamaan (E) terhadap dan hasilnya
disamadengankan nol, sehingga didapatkan :
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
30
Karena persamaan (4.7) dan (4.8 ) berbentuk fungsi implisit, sehingga
diperlukan suatu metode numerik untuk dapat menyelesaikannya. Dalam
pembahasan skripsi ini digunakan salah satu metode numerik yaitu metode
Newton-Raphson.
Berikut ini merupakan langkah-langkah metode Newton-Raphson yang
telah dijelaskan pada sub-bab (2.9):
Langkah I :
Menentukan nilai awal penduga-penduga yang dapat ditulis dengan
.
Langkah II :
Menentukan fungsi dalam bentuk matriks, dengan
yaitu dengan adalah fungsi dari (4.7),
adalah fungsi dari (4.8).
Langkah III :
Menentukan matriks jacobian dari fungsi (4.7), (4.8) yaitu :
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
31
dengan :
Langkah IV :
Mencari nilai koreksi ( ), yaitu
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
32
Dengan adalah invers dari
Langkah V :
Menentukan atau
dengan merupakan nilai penduga yang akan dicari.
Langkah VI :
Melakukan pengulangan dari langkah II sampai V hingga max
dengan dengan error = 0.5. Kemudian diperoleh nilai
penduga parameter
4.4. Membangkitkan Data Distribusi Exponentiated Eksponensial
Dengan memisalkan , berdasarkan persamaan (2.2) diperoleh:
U=
Kemudian kedua ruas dipangkatkan 1/ , sehingga diperoleh
Akan sama artinya dengan :
Kedua ruas di-ln-kan, sehingga
Didapatkan fungsi inversnya sebagai berikut :
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
33
(4.9)
Dengan adalah parameter distribusi Exponentiated Eksponensial . Untuk
dapat membangkitkan data berdistribusi Exponentiated Eksponensial yang harus
dilakukan adalah membangkitkan U berdistribusi Uniform (0,1), maka selanjutnya
dengan persamaan (4.9) akan diperoleh berdistribusi Exponentiated
Eksponensial.
4.5. Menentukan nilai awal Penduga Distribusi Exponentiated Eksponensial
Dalam mengestimasi parameter terdapat hal penting yang sangat
mempengaruhi nilai penduga parameter, yaitu penentuan nilai penduga awal dari
parameter . Jika nilai awal tersebut ditentukan secara tepat, maka nilai
penduga parameter yang dihasilkan akan konvergen, demikian juga sebaliknya
maka akan divergen.
Pada pembahasan kali ini, penentuan nilai awal dilakukan dengan cara
mengambil nilai parameter untuk membangkitkan data.
4.6. Algoritma Progam
Algoritma ini dibuat berdasarkan teori-teori yang telah dibahas pada sub-
bab sebelumnya. Pada pembahasan skripsi ini akan dibuat algoritma-algoritma
sebagai berikut :
4.6.1. Algoritma untuk membangkitkan r data dari n data berdistribusi
Exponentiated Eksponensial
1. Menentukan nilai parameter
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
34
2. Membangkitkan U
3. Menghitung
4.6.2. Algoritma untuk menentukan penduga dengan metode Maximum
Likelihood
Jika pada estimasi parameter distribusi Exponentiated Eksponensial
pada data tersensor tipe II dengan metode Maximum Likelihood yang
didapatkan masih dalam bentuk fungsi implisit, maka nilai estimasinya
ditentukan dengan prosedur Newton-Raphson. Langkahnya sebagai berikut :
1. Memasukkan data
2. Menentukan nilai awal penduga-penduga yang dapat ditulis
dengan .
3. Menentukan fungsi dalam bentuk matriks, dengan
, yaitu dengan adalah fungsi dari
(4.5) , adalah fungsi dari (4.6).
4. Menentukan matriks jacobian dari fungsi (4.5), (4.6) yaitu :
5. Mencari nilai koreksi ( ), yaitu
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
35
Dengan adalah invers dari
6. Menentukan atau
Dimana merupakan nilai penduga yang akan dicari.
7. Melakukan pengulangan dari langkah II sampai V hingga max
dengan dengan error = 0.5 Kemudian
diperoleh nilai penduga parameter
4.6.3. Algoritma untuk menentukan penduga dengan metode Ordinary
Least Square
Jika pada estimasi parameter distribusi Exponentiated Eksponensial pada
data tersensor tipe II dengan metode Ordinary Least Square yang didapatkan
masih dalam bentuk fungsi implisit maka nilai estimasinya ditentukan dengan
prosedur Newton-Raphson. Langkahnya sebagai berikut :
1. Memasukkan data
2. Mengurutkan data
3. Menentukan nilai awal penduga-penduga yang dapat ditulis dengan
.
4. Menentukan fungsi dalam bentuk matriks, dengan
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
36
yaitu dengan adalah fungsi dari
(4.7), adalah fungsi dari (4.8).
5. Menentukan matriks jacobian dari fungsi (4.7), (4.8) yaitu :
6. Mencari nilai koreksi ( ), yaitu
Dengan adalah invers dari
7. Menentukan atau
Dimana merupakan nilai penduga yang akan dicari.
8. Melakukan pengulangan dari langkah II sampai V hingga max
dengan dengan error = 0.5. Kemudian
diperoleh nilai penduga parameter
4.6.4. Algoritma untuk menentukan nilai Mean Square Error (MSE)
1. Memasukkan data
2. Mengurutkan data
3. Memasukkan penduga yang telah diperoleh dari metode Maximum
Likelihood dan OLS (Ordinary Least Square) ke persamaan :
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
37
4. Menghitung MSE untuk metode Maximum Likelihood.
5. Menghitung MSE untuk metode Ordinary Least Square.
6. Menentukan penduga lebih baik dengan melihat nilai MSE (Mean
Square Error) terkecil.
4.6.5. Algoritma untuk uji Goodness of fit Kolmogorov Smirnov
1. Memasukkan data pasien Leukimia
2. Mengurutkan data pasien Leukimia
3. Membuat Hipotesis
misalkan merupakan fungsi distribusi yang dibutuhkan
untuk semua t dari sampai
untuk salah satu nilai
4. Menghitung statistik hitungnya dengan memasukkan penduga yang telah
diperoleh dari metode Maximum Likelihood dan OLS (Ordinary Least
Square) ke persamaan :
5. Membandingkan statistik hitungnya dengan tabel Kolmogorov Smirnov
dengan tingkat signifikan 1- Apabila nilai statistik test T < tabel
Kolmogorov-Smirnov maka terima dan sebaliknya.
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
38
4.6.6. Implementasi Algoritma ke Progam Komputer
Progam komputer yang digunakan dalam pembahasan skripsi ini dibuat
menggunakan paket progam S-Plus. Algoritma yang telah disusun akan
dijabarkan ke dalam beberapa progam yang dapat dilihat pada (lampiran 1).
Adapun progamnya antara lain :
1. Progam untuk membangkitkan r data dari n data berdistribusi Exponentiated
Eksponensial
2. Progam untuk menentukan nilai penduga parameter distribusi Exponentiated
Eksponensial pada data tesensor tipe II dengan metode Maximum
Likelihood.
Dengan sub-progam :
2.1 Progam matriks turunan pertama distribusi Exponentiated
Eksponensial pada data tesensor tipe II dengan metode Maximum
Likelihood.
2.2 Progam matriks jacobian pertama distribusi Exponentiated
Eksponensial pada data tesensor tipe II dengan metode Maximum
Likelihood.
3. Progam untuk menentukan nilai penduga parameter distribusi Exponentiated
Eksponensial pada data tersensor tipe II dengan metode Ordinary Least
Square.
Dengan sub-progam :
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
39
3.1 Progam matriks turunan pertama distribusi Exponentiated
Eksponensial pada data tersensor tipe II dengan metode Ordinary
Least Square.
3.2 Progam matriks jacobian pertama distribusi Exponentiated
Eksponensial pada data tersensor tipe II dengan metode Ordinary
Least Square.
4. Progam utama untuk menentukan nilai Mean Square Error dari metode
Maximum Likelihood dan Ordinary Least Square.
5. Progam untuk menentukan nilai penduga parameter dan nilai Mean Square
Error dari metode Maximum Likelihood dan Ordinary Least Square pada
data pasien Leukimia.
4.7. Penerapan pada Data Tahan Hidup Tersensor Tipe II
Berdasarkan tujuan penyusunan skripsi ini, telah disusun program S-Plus
untuk mendapatkan penduga parameter dan dari distribusi Exponentiated
Eksponensial data tahan hidup tersensor tipe II dengan menggunakan metode
Maximum Likelihood dan Ordinary Least Square (OLS). Berikut ini akan dibahas
mengenai penerapan program pada data tahan hidup tersensor tipe II.
4.7.1. Penerapan pada Data Simulasi
Dalam penerapan pada sampel simulasi digunakan beberapa data
percobaan yang dibangkitkan sesuai distribusi Exponentiated Eksponensial pada
data tersensor tipe II dengan menggunakan progam gen.ee2( ) pada
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
40
(lampiran 1,progam 1) dengan adalah parameter bentuk, adalah parameter
skala, n adalah banyaknya sampel dan r adalah banyaknya data yang
dibangkitkan. Pada pembahasan skripsi ini dipilih data sebagai berikut :
Data 1 adalah data yang dibangkitkan dengan progam gen.ee2(0.8,2,50,50)
yang artinya , , ,
Data 2 adalah data yang dibangkitkan dengan progam gen.ee2(0.8,1,50,50)
yang artinya , , ,
Data 3 adalah data yang dibangkitkan dengan progam gen.ee2(0.4,2,50,50)
yang artinya , , ,
Data 4 adalah data yang dibangkitkan dengan progam gen.ee2(0.4,1,50,50)
yang artinya , , ,
Data 5 adalah data yang dibangkitkan dengan progam gen.ee2(0.8,2,50,45)
yang artinya , , ,
Data 6 adalah data yang dibangkitkan dengan progam gen.ee2(0.4,2,50,45)
yang artinya , , ,
Data 7 adalah data yang dibangkitkan dengan progam gen.ee2(0.4,1,50,50)
yang artinya , , ,
Data 8 adalah data yang dibangkitkan dengan progam gen.ee2(0.8,2,50,40)
yang artinya , , ,
Data 9 adalah data yang dibangkitkan dengan progam gen.ee2(0.4,2,50,40)
yang artinya , , ,
Data 10 adalah data yang dibangkitkan dengan progam
gen.ee2(0.4,1,50,40) yang artinya , , ,
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
41
Data 11 adalah data yang dibangkitkan dengan progam
gen.ee2(0.8,2,50,35) yang artinya , , ,
Data 12 adalah data yang dibangkitkan dengan progam
gen.ee2(0.4,2,50,35) yang artinya , , ,
Data 13 adalah data yang dibangkitkan dengan progam
gen.ee2(0.4,1,50,35) yang artinya , , ,
Data 14 adalah data yang dibangkitkan dengan progam
gen.ee2(0.8,2,50,30) yang artinya , , ,
Data 15 adalah data yang dibangkitkan dengan progam
gen.ee2(0.4,2,50,30) yang artinya , , ,
Data 16 adalah data yang dibangkitkan dengan progam
gen.ee2(0.4,1,50,30) yang artinya , , ,
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
42
Setelah dilakukan penerapan pada data, diperoleh hasil sebagai berikut :
Tabel 4.1 Nilai parameter ,nilai penduga parameter ( , ) dan nilai mse dengan metode Maximum Likelihood dan OLS
Sampel Ke
n r Nilai awal parameter Maximum Likelihood Ordinary Least Square (OLS)
mse Mse 1
50 50
0.8 2 0.9163184 1.977762 0.001398457 1.000202 1.997744 0.00330529 2 0.8 1 0.7546925 1.009376 0.0003318767 0.7069087 1.000029 0.001182718 3 0.4 2 0.3659377 2.00361 0.0006270971 0.3715388 2.000173 0.0004239468 4 0.4 1 0.4241685 1.008648 0.0002100578 0.4109451 0.9998516 0.0000522592 5
50 45 0.8 2 0.9395362 0.5743856 0.09060072 0.7063197 2.000174 0.001328614
6 0.4 2 0.5672164 1.890474 0.0097713 0.2983315 1.996683 0.006284723 7 0.4 1 0.6056184 0.5808292 0.04143656 0.4648476 0.9993871 0.001756528 8
50 40 0.8 2 1.31963 0.818215 0.1043668 0.7667093 1.998282 0.0001439197
9 0.4 2 0.6390672 1.75365 0.02519673 0.4862247 1.999029 0.003227308 10 0.4 1 0.5935541 0.5917582 0.03659213 0.372325 1.000145 0.0004816848 11
50 35 0.8 2 1.076376 0.4130709 0.09858349 0.7383088 1.999091 0.006202398
12 0.4 2 0.6409896 1.622661 0.02887785 0.5473103 1.995987 0.00828267 13 0.4 1 0.76441 0.3379756 0.09563613 0.4246428 0.9995619 0.0003421553 14
50 30 0.8 2 0.9210514 0.5000889 0.02912303 0.5319512 1.931316 0.01439253
15 0.4 2 0.5752592 1.906902 0.01097319 0.3023061 1.996409 0.00792486 16 0.4 1 0.7266251 0.2686743 0.08663328 0.4399284 0.9997128 0.000882549
Nilai pada tabel 4.1 diperoleh dengan menggunakan progam utama untuk menentukan nilai Mean Square Error dari metode
Maximum Likelihood dan Ordinary Least Square (Lampiran 1, Progam 4). Hasil outputnya dapat dilihat pada lampiran 2 (Output
progam) 42
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
43
Tabel 4.2 Perbandingan nilai MSE
Sampel ke- MSE MLE MSE OLS P I P II
1 0.001398457 0.00330529 MLE OLS
2 0.0003318767 0.001182718 MLE OLS
3 0.0006270971 0.0004239468 OLS MLE
4 0.0002100578 0.0000522592 OLS MLE
5 0.09060072 0.001328614 OLS MLE
6 0.0097713 0.006284723 OLS MLE
7 0.04143656 0.001756528 OLS MLE
8 0.1043668 0.0001439197 OLS MLE
9 0.02519673 0.003227308 OLS MLE
10 0.03659213 0.0004816848 OLS MLE
11 0.09858349 0.006202398 OLS MLE
12 0.02887785 0.00828267 OLS MLE
13 0.09563613 0.0003421553 OLS MLE
14 0.02912303 0.01439253 OLS MLE
15 0.01097319 0.00792486 OLS MLE
16 0.08663328 0.000882549 OLS MLE
Rata-rata
MSE 0.041272 0.003513 OLS =87.5%
MLE=12.5%
MLE=87.5%
OLS=12.5%
Keterangan :
P I : Posisi nilai MSE urutan pertama (terkecil)
P II : Posisi nilai MSE urutan kedua
Dari table 4.2 diperoleh :
1. Melihat nilai rata-rata MSE Ordinary Least Square (OLS) dan Maximum
Likelihood, maka penduga yang lebih baik untuk parameter distribusi
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
44
Exponentiated Eksponensial pada data tersensor tipe II adalah dengan
metode Ordinary Leat Square (OLS).
Rata-rata MSE MLE = 0.041272
Rata-rata MSE OLS = 0.003513
Rata-rata MSE OLS < Rata-rata MSE MLE
2. Melihat prosentase menempati nilai MSE terkecil untuk metode Maximum
Likelihood dan Ordinary Least Square (OLS), maka penduga yang lebih
baik untuk parameter distribusi Exponentiated Eksponensial pada data
tersensor tipe II adalah dengan menggunakan metode Ordinary Least
Square (OLS) dengan prosentase sebesar 87,5%.
4.7.2 Penerapan pada Data Pasien Leukimia
Untuk penerapan perhitungan, digunakan data yang diperoleh dari
(Freireich et al.,Blood,1963) yaitu data waktu tahan hidup pasien Leukimia.
Pengamatan dilakukan terhadap 21 pasien. Misalkan adalah waktu pengamatan
yang dilakukan pada 21 pasien , berdasarkan tipe penyensoran tipe II diperoleh 9
kegagalan pada pasien
Tabel 4.3 Data pasien Leukimia yang masih bertahan
Kegagalan ke- Lifetime 1 6 2 6 3 6 4 7 5 10 6 13 7 16 8 22 9 23
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
45
Selanjutnya dicari nilai Mean Square Error dan penduga parameter
distribusi Exponentiated Eksponensial pada data tersensor tipe II pasien Leukemia
menggunakan metode Maximum Likelihood dan Ordinary Least Square (OLS)
dengan progam S-Plus pada (lampiran 1, progam 6). Dan berdasarkan hasil
program yang telah dibuat dengan menggunakan S-Plus, dapat diperoleh
kesimpulan sebagai berikut :
a. Jumlah sampel n = 21 dengan r-kegagalan sebanyak = 9 dengan metode
Maximum Likelihood diperoleh penduga dan MSE sebagai berikut
(Tabel 4.4).
b. Jumlah sampel n = 21 dengan r-kegagalan sebanyak = 9 dengan metode
Ordinary Least Square (OLS) diperoleh penduga dan MSE sebagai
berikut (Tabel 4.4).
Tabel 4.4 hasil penduga dan nilai MSE pada data pasien leukemia dengan metode
Maximum Likelihood dan Ordinary Least Square (OLS)
Parameter MLE OLS Nilai penduga MSE Nilai penduga MSE
0.2109925 0.3210319 1.561138 0.09842778 0.5701738 0.04031853
Selanjutnya akan dilakukan pengujian terhadap data waktu pengamatan (ti)
tersebut dengan menggunakan uji kolmogorov smirnov untuk mengetahui
distribusi dari data, sehingga dapat dilakukan analisa lebih lanjut sesuai dengan
distribusi probabilitasnya. Berikut ini hasil pengujian data waktu pengamatan
menggunakan taraf signifikansi 5 %.
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
46
H0 : Data waktu pengamatan berdistribusi Exponentiated Eksponensial
H1 :Data waktu pengamatan tidak berdistribusi Exponentiated Eksponensial
Tabel 4.5 Tabel perhitungan uji Kolmogorov-Smirnov
MLE
OLS
KLS MLE
KLS OLS
6 21 3 18/21 0.86 0.14 0.993 0.090666 0.853 0.0493 7 18 1 17/18 0.81 0.19 0.9960 0.111915 0.806 0.0780 10 17 1 16/17 0.76 0.24 0.9992 0.178667 0.7592 0.0613 13 16 1 15/16 0.71 0.29 0.9998 0.246639 0.7098 0.0433 16 15 1 14/15 0.66 0.34 0.99992 0.313204 0.6599 0.0268 22 14 1 13/14 0.61 0.39 0.999999 0.436613 0.6099 0.0466 23 13 1 12/13 0.56 0.44 0.999999 0.455623 0.5599 0.0156
Maksimum 0.853 0.0780
Dari tabel diatas dapat diketahui bahwa
Dengan metode Maximum Likelihood
: 0.436
statistik hitung (T) : 0.853
Daerah kritis : T >
keputusan : tolak
Dengan metode Ordinary Least Square
: 0.436
statistik hitung (T) : 0.0780
Daerah kritis : T <
keputusan : Terima
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
47
Dari hasil metode Ordinary Least Square di atas dapat diambil kesimpulan
bahwa data tahan hidup ( ) pasien Leukemia berdistribusi Exponentiated
Eksponensial.
Melihat nilai MSE Ordinary Least Square (OLS) dan Maximum Likelihood, maka
penduga yang lebih baik untuk parameter distribusi Exponentiated Eksponensial
pada data tersensor tipe II yaitu pada data pasien Leukimia adalah dengan metode
Ordinary Leat Square (OLS).
Nilai MSE Maximum Likelihood = 0.3210319
Nilai MSE Ordinary Least Square (OLS) = 0.09842778
Nilai MSE Ordinary Least Square (OLS) < Nilai MSE Maximum Likelihood.
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
48
BAB V
KESIMPULAN DAN SARAN
5.1. KESIMPULAN
Berdasarkan pembahasan dan hasil penerapan data, dapat ditarik
kesimpulan bahwa :
1. Penduga parameter distribusi Exponentiated Eksponensial pada data tersensor
tipe II yaitu 16 data simulasi dan data tahan hidup pasien Leukimia dengan
metode Maximum Likelihood diperoleh dengan cara menyelesaikan sistem
persamaan implisit :
dan
dengan metode numerik. Salah satu metode yang dapat digunakan adalah
metode Newton-Raphson.
2. Penduga parameter distribusi Exponentiated Eksponensial pada data tersensor
tipe II yaitu 16 data simulasi dan data tahan hidup pasien Leukimia dengan
metode Ordinary Least Square (OLS), diperoleh dengan cara menyelesaikan
sistem persamaan implisit :
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
49
dan
dengan metode numerik. Salah satu metode yang dapat digunakan adalah
metode Newton-Raphson.
3. Berdasarkan studi perbandingan pada 16 kali data simulasi didapatkan bahwa
penduga yang lebih baik untuk parameter distribusi Exponentiated
Eksponensial pada data tersensor tipe II berdasarkan kriteria MSE adalah
dengan metode Ordinary Least Square (OLS). Nilai rata-rata MSE metode
OLS yaitu 0,003513 < nilai rata-rata MSE metode Maximum Likelihood yaitu
0,041272, dan prosentase menempati nilai MSE terkecil untuk metode
Ordinary Least Square (OLS) sebesar 87,5% sedangkan untuk metode
Maximum Likelihood sebesar 12,5%. Kemudian pada data waktu tahan hidup
pasien Leukimia didapatkan bahwa penduga yang lebih baik untuk parameter
distribusi Exponentiated Eksponensial pada data tersensor tipe II berdasarkan
kriteria MSE adalah dengan metode Ordinary Least Square (OLS). nilai
MSE Ordinary Least Square (OLS) adalah 0.09842778 dan Nilai MSE
metode Maximum Likelihood adalah 0.3210319 sehingga Nilai MSE metode
Ordinary Least Square (OLS) < Nilai MSE metode Maximum Likelihood.
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
50
5.2. SARAN
Estimasi parameter Distribusi Exponentiated Eksponensial pada data
tersensor tipe II untuk pembahasan skripsi ini hanya menggunakan metode
Maximum Likelihood dan Ordinary Least Square (OLS). Untuk pengembangan
lebih lanjut dapat menggunakan penduga lainnya yaitu metode moment, metode
L-moment, metode Weight Least Square (WLS), metode Percentiles
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
51
DAFTAR PUSTAKA
1. Al-fawzan, M.A, 2000, Methods for estimating the parameters of the
Weibull Distribution , King Abdul Aziz City for science and Tecnology , Riyadh – Saudi Arabia.
2. Conover, W.J ,1980 ,Practical Nonparametric Statistics Second Edition , John Wiley & Sons , New York.
3. Everitt, Brian S., 1994 , A Handbook of Statistical Analyses Using S-plus,
Chapman & Hall, London.
4. Graybill, F. A., Mood, A. M., and Boes, D. C., 1963, Introduction to The
Theory of Statistics, Third Edition, McGraw-Hill, Inc, Japan.
5. Gupta, R. D. And Kundu, D. 1999, Generalized Exponential Distribution, Australian and New Zealand journal of Statistics, 41(2), 173-188.
6. Gupta, R. D. And Kundu, D. 2000, Generalized Exponential Distribution:
Different Method of Estimations, journal of Statistical Computations and
Simulations, 69(4), 315-337.
7. Roussas, G. George, 1973, A First Course in Mathematical Statistics,
Melya Publications, inc, Taiwan.
8. Hogg, R. V., and Craig, A. T. 1995, Introduction to Mathematical
Statistics,Fifth Edition, Prentice-Hall, Inc. New York.
9. Kleinbaum, D. G. and Klein, M., 2005, Survival Analysis A Self-Learning
Text ,Second Edition, Springer Science Business Media, Inc, New York.
10. Lawless, J. F., 1982, Statistical Models and Method for Lifetime Data. John Wiley and Sons, Inc. New York.
ADLN Perpustakaan Universitas Airlangga
Skripsi Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala