Distribution of the Difference of Two Independent Poisson Random Variables and Its Application to the Literate Population Data Atina Ahdika Program Studi Statistika, Universitas Islam Indonesia Jalan Kaliurang Km 14,5 Sleman Yogyakarta
[email protected] ABSTRACT Study about the distribution of the function of a random variable, in particular the distribution of the sum of two or more random variables, has been done widely. While studies on the distribution of the difference between two random variables still rarely done, moreover for discrete random variables. This work focuses on the derivation of the distribution of two independent Poisson random variables. The methods used to determine the distribution are method of moment generating function and probability mass function. The properties of the distribution are derived through the characteristics of the k th moment; the first up to fourth moments in particular. Furthermore, the distribution of the difference of two independent Poisson random variables is compared to the Poisson Difference (PD) distribution of Alzaid and Omair (2010) or also known as Skellam distribution. Parameters of the distribution are estimated using method of moment and maximum likelihood estimation. Application to the literate population data is carried out to get a better understanding about the distribution. Keywords: Poisson distribution, Poisson Difference distribution, moment generating function, probability mass function, method of moment, maximum likelihood estimation. ABSTRAK Kajian mengenai distribusi dari suatu fungsi peubah acak, khususnya mengenai distribusi dari jumlah dua atau lebih peubah acak, sudah banyak dilakukan. Sedangkan kajian mengenai distribusi dari selisih dua peubah acak masih jarang dilakukan, terlebih pada peubah acak-peubah acak diskrit. Penelitian ini berfokus pada penurunan distribusi selisih dua peubah acak Poisson yang saling bebas. Metode yang digunakan untuk menentukan distribusi tersebut adalah metode fungsi pembangkit momen dan metode fungsi massa peluang. Karakteristik-karakteristik dari distribusi diturunkan melalui sifat-sifat dari momen ke- k ; khususnya dari momen pertama hingga momen keempat. Selanjutnya, distribusi dari selisih dua peubah acak Poisson yang saling bebas ini akan dibandingkan dengan distribusi Poisson Difference (PD) yang diturunkan oleh Alzaid dan Omair (2010) atau dikenal juga dengan nama distribusi Skellam. Parameter-parameter dari distribusi diestimasi menggunakan metode momen dan maksimum likelihood. Aplikasi pada data penduduk melek huruf dilakukan untuk mendapatkan pemahaman yang lebih baik mengenai distribusi tersebut. Kata Kunci: distribusi Poisson, distribusi Poisson Difference, fungsi pembangkit momen, fungsi massa peluang, metode momen, metode maksimum likelihood.
Pendahuluan Salah satu konsep dasar yang harus dipahami dan berperan penting dalam ilmu statistika adalah distribusi peluang suatu data. Pemahaman mengenai hal
tersebut sangat penting untuk diketahui ketika
seseorang
harus
berhadapan
dengan serangkaian data dan menentukan langkah yang tepat untuk menangani data yang tersedia.
Berdasarkan
sampelnya,
yang sama. Kemudian terdapat pula
distribusi peluang suatu data dibagi
pembahasan mengenai distribusi serupa
menjadi dua, yaitu distribusi kontinu dan
yang dikenal dengan nama distribusi
distribusi diskrit. Ada banyak kajian yang
Poisson Difference (PD) yang diturunkan
berkaitan
dengan
distribusi-distribusi
oleh Alzaid dan Omair (2010) atau
tersebut,
salah
satunya
adalah
dikenal juga dengan nama distribusi
menentukan bentuk distribusi dari suatu
Skellam, di mana distribusi tersebut
peubah acak bila ia dikenai suatu fungsi
melibatkan
tertentu. Fungsi dari peubah acak yang
dalamnya. Untuk itu, di dalam paper ini
paling sederhana dan paling masuk akal
akan dibahas juga kaitan antara distribusi
(bermakna)
selisih dua peubah acak Poisson yang
ketika
ruang
diterapkan
dalam
suatu data adalah penjumlahan atau
saling
pengurangan dari dua peubah acak.
tersebut.
peubah
bebas
acak
dengan
ketiga
distribusi
di
PD
Secara khusus, kajian mengenai distribusi Terdapat beberapa aplikasi dari
jumlah dua atau lebih peubah acak sudah banyak dipelajari dan mudah diturunkan. Sedangkan distribusi selisih peubah acak masih jarang dilakukan. Pada umumnya, kejadian dalam kehidupan sehari-hari berkaitan dengan kejadian yang terhitung (diskrit). Berdasarkan kedua hal tersebut, maka dalam penelitian ini akan dilakukan formulasi terhadap distribusi dari selisih dua peubah acak diskrit, khususnya selisih dua peubah acak Poisson yang saling bebas. Selain itu akan diturunkan pula karakteristik-karakteristik distribusi, penaksiran parameter, serta aplikasi dari distribusi tersebut pada data real. Pada penelitian terdahulu, J.O. Irwin (1937) telah membahas mengenai distribusi dari selisih dua peubah acak
distribusi Poisson Difference ini; Karlis dan Ntzoufras (2000) mengaplikasikan distribusi tersebut untuk memodelkan perbedaan
banyaknya
gol
dalam
permainan sepak bola, Hwang et al (2007) mengukur perbedaan intensitas piksel dalam kamera. Pada paper ini akan dilakukan aplikasi dari distribusi selisih dua peubah acak Poisson saling bebas pada persentase melek huruf di atas 15 tahun berdasarkan golongan umur dan daerah tempat tinggal untuk melihat peluang
kenaikan
serta
penurunan
persentasenya tiap tahun. Tujuan Penelitian 1.
Memformulasikan distribusi selisih dua peubah acak Poisson yang
Poisson saling bebas dengan parameter 62
EKSAKTA Vol. 16 No. 1-2 Agustus 2015
saling
bebas
dan
menurunkan
Distribusi Poisson
karakteristik-karakteristiknya. 2.
Mempelajari tersebut
kaitan
dengan
Peubah
distribusi
distribusi
PD/
distribusi Skellam. 3.
Melakukan
estimasi
yang
berdistribusi Poisson jika X menyatakan banyaknya hasil (sukses) pada selang
parameter
saling
sifat distribusi Poisson adalah: 1.
Banyaknya hasil yang terjadi dalam
bebas
suatu selang waktu atau daerah
menggunakan metode momen dan
tertentu tidak terpengaruh (bebas
maksimum likelihood.
dari) apa yang terjadi pada selang waktu
4.
dikatakan
X
waktu tertentu (daerah tertentu). Sifat-
distribusi selisih dua peubah acak Poisson
acak
Mengaplikasikan konsep distribusi
atau
daerah
lain
yang
suatu
hasil
terpisah.
selisih dua peubah acak Poisson yang saling bebas ke dalam data
2.
Peluang
terjadinya
real, yaitu data persentase melek
(tunggal) dalam selang waktu yang
huruf penduduk di atas 15 tahun
amat pendek atau dalam daerah
berdasarkan golongan umur dan
yang
daerah tempat tinggal.
panjang selang waktu atau besarnya
kecil
sebanding
dengan
daerah dan tidak bergantung pada Landasan Teori
banyaknya hasil yang terjadi di luar selang waktu atau daerah tersebut.
Kebebasan Peubah Acak Peubah acak merupakan fungsi
3.
Peluang terjadinya lebih dari satu
yang memetakan anggota ruang sampel
hasil dalam selang waktu yang
ke himpunan bilangan riil: X : S R
pendek atau daerah yang sempit tersebut dapat diabaikan.
Dua peubah acak
X1
dan
X2
dikatakan saling bebas jika dan hanya jika: P X 1 x1 , X 2 x 2 P X 1 x1 P X 2 x 2
Suatu peubah acak X berdistribusi Poisson
dengan
dinotasikan
parameter
dengan
X ~ POI
atau jika
fungsi massa peluangnya adalah P X x e
x x!
, x 0, 1, 2, , 0
Distribution of the Difference of Two Independent Poisson Random Variables and Its Application to the Literate Population Data (Atina Ahdika)
63
Sedangkan
fungsi
distribusi
kumulatifnya adalah P X x
k
e
x0
x
P( Z z ) e
z/2
1 I z 2 1 2 , 2 z , 1, 0, 1,
1 2
dengan
x! k
x I y x 2
Berikut adalah karakteristik dari distribusi Poisson:
y
k 0
1. Nilai mean dan variansinya sama,yaitu
I y x
E X Var X
pertama termodifikasi.
2. Nilai skewness (kemiringan data) lebih
Pembahasan
x2 4 k ! y k !
merupakan fungsi Bessel jenis
besar dari nol, yang berarti bahwa data Distribusi Selisih Dua Peubah Acak
menceng ke kanan.
Poisson yang Saling Bebas 3. Nilai kurtosis (kelancipan data) lebih Pada
besar dari tiga, yang berarti bahwa nilai data-datanya
mengumpul
di
sekitar
bagian
diformulasikan
ini
mengenai
akan distribusi
selisih dari dua peubah acak Poisson
meannya.
yang saling bebas. 4. Fungsi pembangkit peluangnya adalah M X t e e
t
Misalkan X 1 ~ POI 1 saling bebas
1
X 2 ~ POI 2 .
dengan Distribusi Poisson Difference (PD) Alzaid
dan
mendefinisikan
Omair
distribusi
Z X 1 X 2 , maka distribusi dari peubah
(2010) Poisson
Difference sebagai berikut Definisi
1.
Misalkan
sebagai
acak
Z
dapat
ditentukan
dengan
menggunakan kedua teknik berikut: Teknik Fungsi Pembangkit Momen
terdapat
pasangan peubah acak X , Y yang bisa dituliskan
Misalkan
X W1 W3
dan
Y W2 W3 dengan W1 ~ POI 1 saling
bebas dengan W2 ~ POI 2 dan W3
Fungsi pembangkit momen dari Z adalah sebagai berikut
E e E e E e e
M Z t E e tZ E e t X 1 X 2 tX 1
tX 2
e 1 2 1e
t
tX 1
tX 2
2 e t
sebarang distribusi, maka fungsi massa peluang dari Z X Y diberikan
Bentuk fungsi pembangkit momen tersebut
64
tidak
sama
dengan
fungsi
EKSAKTA Vol. 16 No. 1-2 Agustus 2015
pembangkit
momen
dari
distribusi
Poisson. Teknik Fungsi Massa Peluang Fungsi massa peluang dari peubah acak Z diperoleh dari penurunan berikut Gambar 1. Simulasi Numerik
PZ k P X 1 X 2 k
P X
1
X 2 k | X 2 n P X 2 n
n0
f n0
X1
sehingga:
n k f X n 2
1n k
e
Sifat PZ k | 1 , 2 PZ k | 2 , 1 ,
1
n k !
n0
e 2
PZ k | 1 , 2 PZ k | 2 , 1 1 PZ k | 1 , 2 PZ k | 1 , 2 2
2n n!
1n k 2 n
n k ! n!
e 1 2
n0
Berdasarkan
hubungan
k
tersebut,
Jika Z k , maka fungsi peluangnya
maka fungsi massa peluang dari distribusi
adalah:
selisih dua peubah acak Poisson yang saling
P Z k P X 1 X 2 k
P X
1
f n0
e
X1
X 2 k | X 2 n P X 2 n
n k f X n
1
n0
e 1 2
n k !
e
2
2n n!
e
1 n k 2 n
n! n k ! n0
Selanjutnya,
diturunkan
PZ k | 1 , 2 PZ k | 1 , 2 1 2 e 1 2
2
1 n k
dapat
dan
diperoleh yaitu sebagai berikut:
n0
bebas
terdapat
PZ k | 1 , 2 PZ k | 2 , 1
sifat yang
k
1 n k 2 n 1 n! n k ! 2 n0
k
k
2 1 n k 2 n 1 2 n 0 n! n k ! 2
1 2 1
k
e 1 2 1 2
2 1 n 2 n k 1 n 0 n k ! n! 2
e 1 2 1 2
2 1 2 1 / 2 n 0 n! n k !
ditunjukkan oleh hasil simulasi berikut: e
1 2 1
k
k
2 I k 2 1 2 2
k
2
2n k
dengan I z (x ) adalah fungsi Bessel jenis pertama termodifikasi.
Distribution of the Difference of Two Independent Poisson Random Variables and Its Application to the Literate Population Data (Atina Ahdika)
k
2
65
Fungsi massa peluang tersebut
saling bebas bukan merupakan distribusi
sama dengan fungsi massa peluang
Poisson. Selanjutnya kita akan menyebut
distribusi
pada
distribusi tersebut sebagai distribusi Beda
Definisi 1. Perbedaan dan kaitan antara
Poisson saling bebas dengan parameter
distribusi selisih dua peubah acak Poisson
1 , 2 .
Poisson
Difference
saling bebas dengan distribusi Poisson Difference ini akan dibahas pada bab
Berikut adalah grafik sebaran data, fungsi
selanjutnya.
massa
peluang,
serta
fungsi
distribusi kumulatif dari distribusi Beda Jika dilihat dari bentuknya, fungsi
Poisson saling bebas.
peluang tersebut memiliki bentuk yang berbeda dengan fungsi peluang dari distribusi Poisson. Berdasarkan sifat unik dari suatu distribusi
dan
hasil
perhitungan
menggunakan dua teknik tersebut, maka dapat
disimpulkan
bahwa
distribusi
selisih dua peubah acak Poisson yang
Gambar 2. Sebaran Data Berdistribusi Beda Poisson Saling Bebas
Gambar 3. Fungsi Massa Peluang Distribusi Beda Poisson Saling Bebas dengan 1 2 dan 1 2
66
EKSAKTA Vol. 16 No. 1-2 Agustus 2015
Gambar 4. Fungsi Distribusi Kumulatif Beda Poisson Saling Bebas dengan 1 2 dan 1 2
Gambar 2 menunjukkan bahwa
Selanjutnya,
akan
ditentukan
sebaran data berdistribusi Beda Poisson
karakteristik-karakteristik dari distribusi
saling bebas berada di sekitar nilai selisih
Beda Poisson saling bebas melalui sifat-
parameternya,
1 2 .
yaitu
Berbeda
sifat momen ke- k dari distribusi tersebut.
dengan distribusi Poisson, pada distribusi
Momen
Beda Poisson saling bebas terdapat juga
Poisson saling bebas diperoleh dengan
kemungkinan
negatif.
menggunakan turunan ke- k dari fungsi
Selanjutnya pada Gambar 3, ditampilkan
pembangkit momen X 1 X 2 pada saat
pola fungsi massa peluang dari distribusi
t 0 , yaitu
data
bernilai
ke- k
dari
distribusi
Beda
Beda Poisson saling bebas dengan 1 2 dan 1 2 . Berdasarkan grafik tersebut dapat
dilihat
bahwa
nilai
M k X 1 X 2 t
t 0
dk dt
e k t 0
1 2 1e t 2 e t
peluang
terbesarnya (modus) berada pada data
Dengan teknik tersebut, diperoleh
dengan nilai di sekitar 1 2 . Selain itu,
momen pertama hingga momen keempat
dari Gambar 4 dapat dilihat bahwa
sebagai berikut:
kenaikan nilai peluang terbesar berada
1.
E X 1 X 2 M ' X1 X 2 0 1 2
pada data yang nilainya di sekitar 1 2 . Dengan demikian, dapat disimpulkan bahwa distribusi Beda Poisson saling bebas bersifat unimodal.
Momen ke-1
2.
Momen ke-2
E X 1 X 2 2 M " X 1 X 2 0
1 2 1 2 2
Distribution of the Difference of Two Independent Poisson Random Variables and Its Application to the Literate Population Data (Atina Ahdika)
67
3.
Momen ke-3
Secara
E X 1 X 2 3 M "' X 1 X 2 0 1 2
4.
1 2 3 1 2 2 2
ke- k
dari
ditampilkan oleh Gambar 5 berikut.
3
Berdasarkan Gambar 5 dapat dilihat bahwa untuk 1 2 momennya akan
E X 1 X 2 4 M iv X 1 X 2 0
1 2 6 1 2
momen
distribusi Beda Poisson saling bebas
Momen ke-4
visual,
6 1 2 2
1 2 4
2
2
2
selalu bernilai positif, sedangkan untuk
1 2 memungkinkan nilai momen yang
2 1 2 1 2
negatif.
(a)
(b) Gambar 5. Momen ke- k Distribusi Beda Poisson Saling Bebas; (a) 1 2 , (b) 1 2
68
EKSAKTA Vol. 16 No. 1-2 Agustus 2015
Dari keempat momen tersebut,
Gambar 6 merupakan plot mean
diperoleh karakteristik dari distribusi
dan variansi distribusi Beda Poisson
Beda Poisson saling bebas yang meliputi
saling bebas dengan parameter 1 2
mean, variansi, skewness, serta kurtosis
dan 1 2 menggunakan sampel acak
dari Z X 1 X 2 yaitu
sebanyak n 10, 100, 1000, 10000 . Dari plot
1.
bisa dilihat bahwa baik mean maupun
Mean E Z E X 1 X 2 1 2
2.
variansi sampel distribusi Beda Poisson saling bebas akan semakin mendekati
Variansi Var Z Var X 1 X 2
nilai parameternya untuk n yang semakin
E X 1 X 2 2 E X 1 X 2 2
membesar. Nilai meannya akan selalu di
1 2
bawah variansinya baik 1 2 maupun
Berbeda dengan distribusi Poisson, mean dan variansi dari distribusi Beda
1 2 (underdispersion).
3.
Skewness
Poisson saling bebas tidak memiliki nilai Z 3 1 2 Z 1 E 3 1 2 2
yang sama. Secara visual, mean dan variansi dari distribusi Beda Poisson saling bebas ditunjukkan oleh Gambar 8. 4.
Kurtosis Z Z 1 E
Nilai
4
1 3 1 2 1 2
skewness
dan
kurtosis
distribusi Beda Poisson saling bebas (a)
antara suatu sampel dengan sampel yang lain berbeda-beda tergantung dengan besarnya 1 dan 2 . Kaitan antara Distribusi Beda Poisson Saling Bebas dengan Distribusi Poisson Difference
(b) Gambar 6. Mean vs Variansi; (a) 1 2 , (b) 1 2
Berdasarkan Definisi 1, terdapat peubah
acak
ketiga
pada
Poisson Difference yaitu W3
distribusi dengan
Distribution of the Difference of Two Independent Poisson Random Variables and Its Application to the Literate Population Data (Atina Ahdika)
69
sebarang distribusi, sehingga dalam hal
f e
ini kita tidak bisa mengatakan bahwa
3
min( x , y )
k 0
x y 3 k ! k k 1 2
k
peubah acak X dan peubah acak Y Ambil salah satu kasus, misalkan
saling bebas.
min( x, y ) x ,
Untuk peubah acak Poisson yang tidak saling bebas, misalkan X ~ POI 1 Y ~ POI 2 ,
dan
R.
Vernic
(1997)
dijabarkan akan menjadi f e
3
min( x , y )
k 0
menyatakan fungsi peluang bivariatnya, e
yaitu
3
x
k 0
P X x, Y y e
1 2 3
min( x , y )
k 0
1 2 x
y
x!
y!
e
3
x
k 0
x y 3 k ! k k 1 2
maka fungsi f apabila
k
x y 3 k ! k k 1 2
k
y! x! k ! 3 k ! ( x k )! k ! ( y k )! 1 2 y! 3 x! k ! ( x k )! ( y k )! 1 2
e 3 1 xy 3 1 2
k
k
y! 3 ( y x )! 1 2
x
Pada distribusi Bivariat Poisson, Sedangkan fungsi peluang bersama
nilai korelasinya adalah
untuk dua peubah acak Poisson yang saling bebas adalah
X ,Y
P X x, Y y e 1 2
Dari
fungsi
1 x 2 y x!
(1 3 )( 2 3 )
Jika nilai 3 0 maka X ,Y 0 dan
y!
peluang
3
bivariat
f 1 . Ini berarti bahwa jika korelasinya
Poisson dan fungsi peluang bersama dua
nol,
peubah acak Poisson yang saling bebas,
merupakan fungsi peluang bersama dari
kita bisa melihat peranan dari korelasi di
dua peubah acak Poisson yang saling
antara
bebas.
kedua
peubah
acak
tersebut
maka
fungsi
Bivariat
Poisson
(dinotasikan sebagai f ) yaitu sebagai Berdasarkan hal tersebut, maka
berikut
distribusi Beda Poisson saling bebas P X x, Y y P X x PY y f e 1 2
1 2 x
y
x!
y!
merupakan kasus khusus dari distribusi
f
Poisson Difference di mana peubah acak ketiganya,
Dengan demikian nilai dari
f
yaitu
W3 ,
berdistribusi
sebarang dengan 3 0 .
dapat diperoleh, yaitu
70
EKSAKTA Vol. 16 No. 1-2 Agustus 2015
Selanjutnya
Penaksiran Parameter Pada tulisan ini, metode yang
likelihood
tersebut di-ln-kan sebagai berikut
digunakan untuk mengestimasi parameter distribusi Beda Poisson saling bebas
fungsi
ln L 1 , 2 ln
zi 2 e 1 2 1 I zi 2 1 2 2
n
i 1
adalah metode momen dan maksimum
n
likelihood.
Metode Momen
n
2 ln ln 1
zi
2
i 1
1
2
i 1
ln I 2 n
zi
i 1
Misalkan
adalah
Z1 , Z 2 , , Z n
Kemudian
1 2
fungsi
ln L 1 , 2
sampel acak dari distribusi Beda Poisson
tersebut diturunkan terhadap 1 dan 2
saling
sehingga diperoleh penaksiran parameter
bebas
yang
identik
dan
independen, maka
untuk kedua parameter tersebut yaitu
E( Z ) Z 1 2
ˆ1 MLE ˆ2 MLE z
Var ( Z ) S 1 2 2
Dengan mensubstitusikan kedua persamaan
tersebut
diperoleh
nilai
penaksir untuk 1 dan 2 yaitu ˆ1 MM ˆ2 MM
1 S2 Z 2 1 S2 Z 2
Distribusi Beda Poisson saling bebas
ini
diaplikasikan
pada
data
persentase penduduk berumur 15 tahun
ke atas yang melek huruf menurut golongan umur dan daerah tempat tinggal dari tahun 2000 sampai 2014. Data ini
Metode Maksimum Likelihood Misalkan
Aplikasi
diperoleh dari repositori data Badan Pusat adalah
Z1 , Z 2 , , Z n
Statistik (BPS) Indonesia. Gambar 7 berikut menunjukkan
sampel acak dari distribusi Beda Poisson dan
plot data persentase dan selisih persentase
independen, maka fungsi likelihoodnya
penduduk melek huruf pada waktu t dan
adalah
t 1.
saling
bebas
L 1 , 2
n
yang
identik
menunjukkan
PZ i z i
penurunan
i 1 n
i 1
1 e 1 2 2
Selisih
zi 2
I zi
2
1 2
persentase
tersebut
kenaikan
maupun
persentase
banyaknya
penduduk melek huruf dari tahun ke tahun.
Distribution of the Difference of Two Independent Poisson Random Variables and Its Application to the Literate Population Data (Atina Ahdika)
71
Berdasarkan
statistik
deskriptif
tersebut, terlihat bahwa secara umum di pedesaan rata-rata kenaikan persentase melek huruf dari tahun ke tahun lebih besar daripada di perkotaan. Namun (a)
penurunan
persentase
terbesar
juga
terjadi di pedesaan, tepatnya pada tahun 2006. Selanjutnya, distribusi (b)
menggunakan
Gambar 7. Persentase dan Selisih: Persentase Melek Huruf (a), Penduduk di Atas 15 Tahun (b) Tabel 1. Statistik Deskriptif Selisih Persentase Melek Huruf Penduduk di Atas 15 Tahun Daerah
Mean
Variansi
Kota Desa
0.2379 0.5221
0.2579 0.7602
Maks Selisih % 1.34 2.57
Min Selisih % -0.63 -0.81
Statistik deskriptif dari data selisih persentase melek huruf disajikan dalam Tabel 1.
data
parameter tersebut
metode
dari
diestimasi
momen
dan
maksimum likelihood dengan bantuan software MATLAB dan diperoleh hasil Tabel 2. Estimasi Parameter Distribusi Selisih Persentase Melek Huruf Penduduk di Atas 15 Tahun Daerah
ˆ1 MM
ˆ2 MM
ˆ1 MLE
ˆ2 MLE
Kota Desa
0.2479 0.6412
0.01 0.119
0.201 0.501
0.01 0.01
Dengan
menggunakan
estimasi
parameter tersebut kemudian dihitung peluang selisih persentase melek huruf penduduk di atas 15 tahun untuk daerah perkotaan dan pedesaan.
Gambar 8. Sebaran Peluang Selisih Persentase Melek Huruf Penduduk di Atas 15 Tahun di Perkotaan dan Pedesaan 72
EKSAKTA Vol. 16 No. 1-2 Agustus 2015
Berdasarkan
Gambar
8,
dapat
Kesimpulan
dilihat bahwa besar peluang untuk selisih persentase melek huruf penduduk di atas 15 tahun baik menggunakan metode momen maupun maksimum likelihood memberikan hasil sebaran peluang yang
Berdasarkan analisis
yang
pembahasan
dan
dilakukan,
dapat
disimpulkan beberapa hal sebagai berikut 1.
Distribusi selisih dua peubah acak
hampir sama. Peluang tertinggi terjadi
Poisson yang saling bebas tidaklah
ketika
berdistribusi
kenaikan
ataupun
penurunan
Poisson
namun
persentase melek huruf berada di sekitar
memiliki jenis distribusi lain yang
nilai nol, artinya dari tahun ke tahun
dalam paper ini dinamakan distribusi
mulai tahun 2000 sampai 2014 tidak
Beda Poisson saling bebas.
terjadi
kenaikan
maupun
penurunan
2.
persentase melek huruf yang cukup
Distribusi Beda Poisson saling bebas merupakan
berarti.
kasus
khusus
distribusi Difference Poisson (PD)
Namun, secara umum, persentase
/distribusi
Skellam
kenaikan melek huruf memiliki peluang
parameter
dari
yang
ketiganya bernilai nol, 3 0 .
lebih
besar
penurunannya.
Hal
dibandingkan ini
3.
menyatakan
ini
peubah
besar
selisih
mana
peubah
acak
acak
menggunakan
metode
momen dan maksimum likelihood
Z
dan penyelesaiannya dapat dilakukan
persentase
secara
penduduk melek huruf. Selain itu, bila
numerik
dengan
bantuan
MATLAB.
dibandingkan antara perkotaan dengan pedesaan, ternyata peluang kenaikan
Estimasi parameter dapat dilakukan dengan
yang bernilai positif daripada z negatif. hal
di
ditunjukkan
dengan lebih tingginya peluang dari z
Dalam
dari
4.
Distribusi Beda Poisson saling bebas
persentase melek huruf di pedesaan lebih
ini diaplikasikan pada data besarnya
besar daripada di perkotaan. Hal ini
persentase melek huruf penduduk di
mungkin saja terjadi karena saat ini
atas 15 tahun di perkotaan dan
pembangunan sumber daya manusia di
pedesaan.
pedesaan lebih diprioritaskan daripada di
estimasi,
perkotaan.
bahwa penaksiran parameter dan
Berdasarkan diperoleh
hasil
kesimpulan
peluang selisih persentase melek huruf baik menggunakan metode Distribution of the Difference of Two Independent Poisson Random Variables and Its Application to the Literate Population Data (Atina Ahdika)
73
momen
maupun
maksimum
likelihood memberikan hasil yang sama baiknya.
Distribution: Application to the Color Edge Detection. IEEE Conference on Computer Vision and Patern Recognition, pp 1 – 8.
Pustaka Alzaid, A., Omair, M. 2010. On The Poisson Difference Distribution Inference and Applications. Bull. Malays. Math. Sci. Soc. (2) 33(1), 17-45. Badan Pusat Statistik (BPS). http://www.bps.go.id/Subjek/view/id/28# subjekViewTab3|accordiondaftar-subjek1. Diakses pada 15 Desember 2015. Irwin, M. 2006. Moment Generating Function. Statistics 110. Harvard : Summer 2006. Karlis, D., Ntzoufras, I. 2000. Discrete Distribution with Applications in Sports. Department of Statistics Athena University of Economics and Bussiness, Technical Report. Karlis, D., Ntzoufras, I. 2006. Bayesian Analysis of The Differences of Count Data. Wiley InterScience. Ross,
S. 2007. Introduction to Probability Models, 9th Edition. Berkeley California: University of California. Hal. 32, 51, 53, 66, 307.
Vernic, R. 1997. On The Bivariate Generalized Poisson Distribution. ASTIN Bulletin, Vol. 27, Issue 01, May 1997, pp 23-32. Walpole, R., Myers, R. 1995. Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuwan, Edisi ke-4 (Terjemah). Bandung: Penerbit ITB. Hwang, Y., et al. 2007. Sensor Noise Modeling Using the Skellam 74
EKSAKTA Vol. 16 No. 1-2 Agustus 2015