S2-2013-323282-chapter1
-
Upload
prasetyo-indra-surono -
Category
Documents
-
view
2 -
download
1
description
Transcript of S2-2013-323282-chapter1
1
BAB I
PENDAHULUAN
1.1. Latar Belakang
Sebagian besar penelitian-penelitian bidang statistika berhubungan dengan
pengujian asumsi distribusi, baik secara teori maupun praktik di lapangan. Salah
satu uji yang sering digunakan dalam pengujian asumsi distribusi, yaitu uji
goodness-of-fit. Uji goodness-of-fit merupakan uji yang digunakan untuk
mengetahui distribusi dari suatu data empiris. Dengan kata lain, uji ini digunakan
untuk menguji hipotesis bahwa suatu sampel yang diperoleh dari populasi
memiliki fungsi distribusi tertentu.
Ada berbagai macam metode yang dapat dilakukan dalam pengujian
goodness-of-fit. Salah satu metode yang digunakan untuk melakukan uji
goodness-of-fit adalah uji fungsi distribusi empiris. Metode pengujian ini
berdasarkan pada perbedaan atau selisih antara fungsi distribusi empiris nF dan
distribusi nol 0F . Uji fungsi distribusi empiris yang populer, yaitu uji
Kolmogorov-Smirnov, uji Cramer-von Mises, dan uji Anderson-Darling.
Selanjutnya uji Shapiro-Wilk, uji Cramer-von Mises, dan uji Anderson-Darling
disebut sebagai metode klasik.
Pengujian goodness-of-fit dengan metode klasik umumnya menggunakan
fungsi distribusi kumulatif empiris dalam perhitungan statistik uji. Berbeda
dengan metode klasik, penelitian ini mempelajari beberapa uji goodness-of-fit
berdasarkan pada perbedaan atau ketidaksesuaian antara sampel pengamatan
dengan sampel prediksi yang berasal dari distribusi posterior prediktif (metode
Bayesian). Metode Bayesian mampu menaksir suatu model, khususnya
menyelesaikan permasalahan apabila informasi statistik tidak dapat diperoleh
dengan mudah. Selanjutnya, penelitian ini berfokus pada uji normalitas yang
merupakan asumsi penting dalam sebagian besar metode statistika.
2
1.2. Rumusan Masalah
Permasalahan dalam penelitian ini adalah:
1. Bagaimana memperoleh uji goodness-of-fit untuk uji normalitas berdasarkan
pada perbedaan sampel pengamatan dan sampel prediksi yang didapatkan
dari distribusi posterior prediktif?
2. Bagaimana perbandingan uji goodness-of-fit berdasarkan metode Bayesian
terhadap uji-uji metode klasik, khususnya dalam pengujian normalitas?
1.3. Tujuan Penelitian
Tujuan penelitian ini adalah untuk:
1. Memperoleh beberapa uji goodness-of-fit untuk uji normalitas berdasarkan
pada perbedaan sampel pengamatan dan sampel prediksi yang didapatkan dari
distribusi posterior prediktif.
2. Mengetahui power dari uji goodness-of-fit berdasarkan metode Bayesian
tersebut.
1.4. Manfaat Penelitian
Manfaat dalam penelitian ini adalah sebagai berikut:
1. Secara umum dengan adanya penelitian ini diharapkan dapat memperluas
wawasan pengetahuan, memberikan sumbangan terhadap perkembangan
ilmu, dan memperkaya literatur dalam bidang matematika terutama bidang
statistika mengenai uji goodness-of-fit untuk uji normalitas.
2. Secara khusus dapat memberikan gambaran tentang uji goodness-of-fit untuk
uji normalitas melalui pendekatan Bayesian, serta kekuatan uji dari uji
tersebut.
1.5. Tinjauan Pustaka
Diketahui 1 2, ,..., nX X X merupakan sampel yang saling bebas dan identik
dari suatu fungsi distribusi kumulatif kontinu, 1F X P X x . Hipotesis
pengujian pada uji goodness-of-fit adalah sebagai berikut:
3
0 0:H F X F X untuk semua ,x
dengan hipotesis tandingan
1 0:H F X F X untuk semua ,x
dimana 0F x merupakan suatu fungsi distribusi kumulatif yang diujikan. Ada
dua kasus pada pengujian hipotesis tersebut. Kasus pertama, fungsi distribusi dari
0F x diketahui. Sedangkan kasus kedua, fungsi distribusi dari 0F x memiliki
beberapa parameter yang tidak diketahui (He dan Xu, 2012).
Uji goodness-of-fit untuk normalitas telah diusulkan dengan berbagai
macam cara. Salah satu cara yang telah diusulkan adalah pengujian fungsi
distribusi empiris. Untuk mengetahui tentang pengujian fungsi distribusi empiris
secara lengkap dapat dilihat pada DasGupta (2008). Referensi lain mengenai uji
goodness-of-fit dengan pengujian fungsi distribusi empiris dapat dilihat pada
Massey (1951) yang membahas tentang uji Kolmogorov-Smirnov, Anderson dan
Darling (1954) yang membahas tentang uji Anderson-Darling untuk goodness-of-
fit, serta Stephen (1974) yang membahas perbandingan statistik fungsi distribusi
empiris untuk uji goodness-of-fit. Selanjutnya, Susanti (2000) membahas tentang
beberapa metode uji normalitas serta penyelesaian asimtotik yang memberikan
kesan bahwa metode estimasi likelihood lokal dapat memberikan suatu estimasi
model yang mendekati model sebenarnya. Hukunala (2010) menunjukkan bahwa
masalah pada uji normalitas dari model regresi linear dapat diturunkan dengan uji
rasio likelihood empiris.
Penggunaan uji goodness-of-fit berdasarkan fungsi distribusi kumulatif
empiris sering dilakukan, baik secara teori maupun praktik. Guttman (1967)
mengusulkan pendekatan baru untuk uji goodness-of-fit dengan menggabungkan
metode Bayesian dan sampling. Metode Bayesian digunakan dalam penentuan
distribusi posterior prediktif. Sebagai contoh dapat dilihat pada Gelman, et al
(2004). Distribusi ini juga digunakan oleh Meng (1994) dan Gelman, et al (1996)
untuk permasalahan yang sama.
4
Diketahui F memiliki fungsi peluang | ,f y dengan
merupakan ruang parameter. Misalkan 1 2, ,..., nx x x x merupakan sampel
pengamatan. Distribusi prior dan posterior masing-masing dinotasikan dengan
dan | x . Meng (1994) mendefinisikan distribusi posterior prediktif
sebagai berikut:
| | | .h y x f y x d
Untuk pengujian goodness-of-fit, Guttman (1967) mengusulkan statistik
uji “chi-square like” yakni
2
2
1
,k
i i
i i
f eX
e
yang digunakan untuk mengukur perbedaan antara frekuensi pengamatan dan
prediksinya yang diperoleh melalui distribusi posterior prediktif. Hal yang
berbeda dari usul Guttman akan dibahas pada penelitian ini, yaitu uji goodness-of-
fit berdasarkan perbedaan antara sampel pengamatan dan sampel prediksi yang
diambil dari distribusi posterior prediktif.
1.6. Metode Penelitian
Metode yang digunakan dalam penelitian ini adalah studi literatur. Dalam
mempelajari uji goodness-of-fit untuk normalitas berdasarkan pada distribusi
posterior prediktif digunakan referensi dari jurnal A Goodness-of-Fit Testing
Approach for Normality Based on the Posterior Predictive Distribution (He dan
Xu, 2013). Langkah awal dalam penelitian ini adalah memilih distribusi prior
sebagai distribusi dari sampel pengamatan dan memperoleh distribusi posterior
yang bersesuaian. Selanjutnya, dengan melakukan beberapa perhitungan akan
diperoleh distribusi posterior prediktif. Kemudian sampel-sampel prediksi yang
saling bebas dan identik diperoleh berdasarkan distribusi posterior prediktif
tersebut. Lalu, menentukan perbedaan antara sampel pengamatan dan sampel
5
prediksi tersebut. Selanjutnya dengan menggunakan pendekatan ekspektasi
bersyarat diperoleh suatu statistik uji. Langkah terakhir adalah melakukan
perbandingan statistik uji yang telah diperoleh dengan statistik-statistik uji lain
khususnya untuk uji normalitas.
1.7. Sistematika Penulisan
Tesis ini disusun dengan sistematika penulisan sebagai berikut :
BAB I PENDAHULUAN
Bab ini berisi Latar Belakang dan Permasalahan, 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 uji goodness-of-fit untuk uji normalitas dengan pendekatan
Bayesian.
BAB III PEMBAHASAN
Bab ini membahas penjelasan mengenai uji goodness-of-fit untuk uji
normalitas berdasarkan pada perbedaan sampel pengamatan dan sampel
prediksi yang didapatkan dari distribusi posterior prediktif.
BAB IV SIMULASI DATA
Bab ini membahas perbandingan antara statistik uji yang telah diperoleh
dari metode Bayesian dengan statistik uji metode klasik, khususnya untuk
uji normalitas.
BAB V PENUTUP
Bab ini berisi tentang kesimpulan yang diperoleh dari hasil pembahasan
serta saran sebagai akibat dari kekurangan atau kelebihan dari hasil
penelitian yang dilakukan.