ADLN Perpustakaan Universitas Airlangga
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
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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 :
Skripsi
Pembimbing I
Pembimbing II
Toha Saifudin, S.Si, M.Si NIP. 197501061999031002
Drs. Eko Tjahjono, M.Si. NIP. 19600706 1986011001
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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 sebesarbesarnya 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.
ii Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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
iii Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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).
iv Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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
v Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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
vi Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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
vii Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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
4.5
Square (OLS)
45
Tabel perhitungan uji Kolmogorov-Smirnov
46
viii Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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
ix Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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
x Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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
1 Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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 adalah
dari
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
Dengan
>0
: parameter bentuk : parameter skala
Kelebihan dari Distribusi ini menurut Gupta dan Kundu (1999) adalah memiliki fungsi yang fleksibel yaitu dapat menganalisis sampel yang berbentuk
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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?
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
3.
4
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).
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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.
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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 atau mengestimasi parameter
yang mewakili
yang tidak diketahui, maka setiap statistik
disebut estimator titik . ( Graybill, et.al,1963)
6 Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
7
2.3 Metode Maximum Likelihood Misal
merupakan sampel acak dari suatu distribusi dengan , untuk
Probabilitas Density Function (PDF) Function
(PDF)
bersama
. Probabilitas Density
antara
adalah
Jika Probabilitas Density Function (PDF) maka dinamakan fungsi
bersama tersebut dinyatakan sebagai fungsi terhadap 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 F(.) dan
adalah sampel acak berukuran n dari fungsi distribusi mewakili sampel terurut, Cumulative Distribution
Function (CDF) parametrik dari distribusi F(.) adalah F( Distribution Function (CDF) empirisnya adalah *(
). dan Cumulative
). Dengan *(
. Kita ketahui bahwa antara Cumulative Distribution Function
) adalah (CDF)
parametrik dan Cumulative Distribution Function (CDF) empirisnya pasti ada perbedaan yang di notasikan sebagai error
Skripsi
jadi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
*(
).
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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)
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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 dilakukan hanya pada
dan observasi
. Sehingga variabel yang
menunjukkan bahwa komponen telah mati adalah
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
10
1 , jika = 0 , jika adalah indikator apakah terobservasi dan jika
tersensor atau tidak. Jika maka
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 waktu
survival S kegagalan ke
dan fungsi
Penelitian dikatakan telah selesai jka
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
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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 .
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
4. Misal perkiraan
13
diketahui, dimana
dilakukan iterasi dimulai dengan untuk barisan iterasi
Untuk
,
dan k bertambah satu tiap satu kali 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. adalah sampel acak berukuran n yang diambil dari populasi
Misalkan
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
Skripsi
merupakan nilai terbesar
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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 dengan
yang menyatakan sampel random tersensor,
merupakan data terobservasi dan
Misalkan terdapat
merupakan data tersensor.
dengan waktu yang berbeda
, yang
menyatakan banyaknya data yang terobesvasi. Kemungkian terjadinya satu atau lebih event yang terobservasi dinotasikan sebagai
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
atau
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
menyatakan banyaknya event terobservasi pada saat
15
. 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)
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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.
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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.
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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
18 Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
19
e. Mendiferensialkan hasil log- likelihood tersebut terhadap parameterparameter 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
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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
Exponentiated Eksponensial dengan
tipe
II
berdistribusi
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
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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 :
=
22 Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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 :
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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 :
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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 :
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
Diferensial dari persamaan (4.4)
26
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 :
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
27
dengan :
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
28
Langkah IV : Mencari nilai koreksi (
Dengan
), yaitu
adalah invers dari
Langkah V : Menentukan Dimana
atau
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
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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 :
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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 :
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
31
dengan :
Langkah IV : Mencari nilai koreksi (
Skripsi
), yaitu
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
Dengan
32
adalah invers dari
Langkah V : Menentukan dengan
atau
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 :
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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 subbab 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
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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 dengan
yang dapat ditulis
.
3. Menentukan fungsi dalam bentuk matriks, dengan
, yaitu (4.5) ,
dengan
adalah fungsi dari
adalah fungsi dari (4.6).
4. Menentukan matriks jacobian dari fungsi (4.5), (4.6) yaitu :
5. Mencari nilai koreksi (
Skripsi
), yaitu
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
Dengan
35
adalah invers dari
6. Menentukan Dimana
atau 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
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
yaitu (4.7),
dengan
36
adalah fungsi dari
adalah fungsi dari (4.8).
5. Menentukan matriks jacobian dari fungsi (4.7), (4.8) yaitu :
6. Mencari nilai koreksi (
Dengan
adalah invers dari
7. Menentukan Dimana
), yaitu
atau 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 :
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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
Skripsi
dan sebaliknya.
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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 :
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
3.1
Progam
matriks
turunan
pertama
39
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(
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
) pada
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
(lampiran 1,progam 1) dengan
40
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
gen.ee2(0.4,1,50,40) yang artinya
Skripsi
dibangkitkan ,
,
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
dengan
progam
,
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
Data
11
adalah
data
yang
gen.ee2(0.8,2,50,35) yang artinya Data
12
adalah
data
yang
gen.ee2(0.4,2,50,35) yang artinya Data
13
adalah
data
yang
gen.ee2(0.4,1,50,35) yang artinya Data
14
adalah
data
yang
gen.ee2(0.8,2,50,30) yang artinya Data
15
adalah
data
yang
gen.ee2(0.4,2,50,30) yang artinya Data
16
adalah
data
yang
gen.ee2(0.4,1,50,30) yang artinya
Skripsi
41
dibangkitkan ,
,
dibangkitkan ,
,
dibangkitkan ,
,
dibangkitkan ,
,
dibangkitkan ,
,
dibangkitkan ,
,
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
dengan
progam
, dengan
progam
, dengan
progam
, dengan
progam
, dengan
progam
, dengan
progam
,
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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 1 2
n
r
50
50
50
45
9 10 11 12 13 14
50
40
50
35
15 16
50
30
3 4 5 6 7 8
Nilai awal parameter
Maximum Likelihood mse
Ordinary Least Square (OLS) Mse
0.8 0.8
2 1
0.9163184 0.7546925
1.977762 1.009376
0.001398457 0.0003318767
1.000202 0.7069087
1.997744 1.000029
0.00330529 0.001182718
0.4 0.4 0.8 0.4 0.4 0.8
2 1 2 2 1 2
0.3659377 0.4241685 0.9395362 0.5672164 0.6056184 1.31963
2.00361 1.008648 0.5743856 1.890474 0.5808292 0.818215
0.0006270971 0.0002100578 0.09060072 0.0097713 0.04143656 0.1043668
0.3715388 0.4109451 0.7063197 0.2983315 0.4648476 0.7667093
2.000173 0.9998516 2.000174 1.996683 0.9993871 1.998282
0.0004239468 0.0000522592 0.001328614 0.006284723 0.001756528 0.0001439197
0.4 0.4 0.8 0.4 0.4 0.8
2 1 2 2 1 2
0.6390672 0.5935541 1.076376 0.6409896 0.76441 0.9210514
1.75365 0.5917582 0.4130709 1.622661 0.3379756 0.5000889
0.02519673 0.03659213 0.09858349 0.02887785 0.09563613 0.02912303
0.4862247 0.372325 0.7383088 0.5473103 0.4246428 0.5319512
1.999029 1.000145 1.999091 1.995987 0.9995619 1.931316
0.003227308 0.0004816848 0.006202398 0.00828267 0.0003421553 0.01439253
0.4 0.4
2 1
0.5752592 0.7266251
1.906902 0.2686743
0.01097319 0.08663328
0.3023061 0.4399284
1.996409 0.9997128
0.00792486 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
Skripsi
42
progam)
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
43
Tabel 4.2 Perbandingan nilai MSE Sampel ke-
MSE MLE
MSE OLS
PI
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
0.041272
0.003513
OLS =87.5%
MLE=87.5%
MLE=12.5%
OLS=12.5%
MSE
Keterangan : PI
: 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
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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 ke1 2 3 4 5 6 7 8 9
Skripsi
Lifetime 6 6 6 7 10 13 16 22 23
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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 Nilai penduga MSE 0.2109925 0.3210319 0.5701738
OLS Nilai penduga MSE 1.561138 0.09842778 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 %.
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
46
H0 : Data waktu pengamatan
berdistribusi Exponentiated Eksponensial
H1 :Data waktu pengamatan
tidak berdistribusi Exponentiated Eksponensial
Tabel 4.5 Tabel perhitungan uji Kolmogorov-Smirnov
6 7 10 13 16 22 23
21 18 17 16 15 14 13
3 1 1 1 1 1 1
18/21 17/18 16/17 15/16 14/15 13/14 12/13
0.86 0.14 0.81 0.19 0.76 0.24 0.71 0.29 0.66 0.34 0.61 0.39 0.56 0.44 Maksimum
MLE 0.993 0.9960 0.9992 0.9998 0.99992 0.999999 0.999999
OLS 0.090666 0.111915 0.178667 0.246639 0.313204 0.436613 0.455623
KLS MLE
KLS OLS
0.853 0.806 0.7592 0.7098 0.6599 0.6099 0.5599 0.853
0.0493 0.0780 0.0613 0.0433 0.0268 0.0466 0.0156 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
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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.
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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 :
48 Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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.
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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
Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala
ADLN Perpustakaan Universitas Airlangga
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.
51 Skripsi
Estimasi parameter Distribusi Exponentiated Eksponensial pada data tersensor tipe II
Sani, Ahmad Zuda Kumala