ADLN Perpustakaan Universitas Airlangga
ESTIMASI PARAMETER DISTRIBUSI LOGLOGISTIK PADA DATA TERSENSOR PROGRESSIVE TIPE II DENGAN MENGGUNAKAN ALGORITMA EM
SKRIPSI
ANNAS RIEZKI ROMADHONI
PROGRAM STUDI S-1 MATEMATIKA DEPARTEMEN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS AIRLANGGA 2012
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
ESTIMASI PARAMETER DISTRIBUSI LOGLOGISTIK PADA DATA TERSENSOR PROGRESSIVE TIPE II DENGAN MENGGUNAKAN ALGORITMA EM
SKRIPSI
Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains Bidang Matematika Pada Fakultas Sains dan Teknologi Universitas Airlangga
Disetujui Oleh : Pembimbing I,
Pembimbing II,
Toha Saifudin, S.Si, M.Si NIP. 19750106 199903 1 002
Drs. Eko Tjahjono, M.Si NIP . 19600706 198601 1 001
ii Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
LEMBAR PENGESAHAN NASKAH SKRIPSI Judul Penyusun NIM Tanggal Ujian
: Estimasi Parameter Distribusi Loglogistik Pada Data Tersensor Progressive Tipe II Dengan Menggunakan Algoritma EM : Annas Riezki Romadhoni : 080810165 : 10 Agustus 2012
Disetujui oleh : Pembimbing I,
Pembimbing II,
Toha Saifudin, S.Si, M.Si NIP. 19750106 199903 1 002
Drs. Eko Tjahjono, M.Si NIP . 19600706 198601 1 001
Mengetahui : Ketua Program Studi S-1 Matematika Departemen Matematika Fakultas Sains dan Teknologi Universitas Airlangga
Dr. Miswanto, M.Si NIP. 19680204 199303 1 002
iii Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
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 seizin penyusun dan harus menyebutkan sumbernya sesuai kebiasaan ilmiah. Dokumen skripsi ini merupakan hak milik Universitas Airlangga.
iv Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
KATA PENGANTAR
Alhamdulillah, puji syukur senantiasa penulis panjatkan kepada Allah SWT yang telah melimpahkan rahmat, karunia, dan hidayahnya-Nya sehingga penulis dapat menyelesaikan skripsi yang berjudul “Estimasi Parameter Distribusi Loglogistik Pada Data Tersensor Progressive Tipe II Dengan Menggunakan Algoritma EM”. Pada kesempatan yang telah diberikan ini, penulis ingin menyampaikan terima kasih yang sebesar-besarnya kepada : 1. Kedua orang tua dan adik penulis yang telah memberikan dukungan, kasih sayang, dan kepercayaan yang begitu besar. 2. Dr. Miswanto, M.Si., selaku Ketua Prodi S-1 Matematika yang telah memberikan arahan dan bimbingan kepada penulis. 3. Toha Saifudin, S.Si, M.Si dan Drs Eko Tjahjono, M.Si selaku dosen pembimbing I dan II yang telah memberikan arahan, masukan, perhatian, rasa sabar yang begitu besar dan pengetahuan yang tidak ternilai. 4. Ahmadin, S.Si, M.Si. selaku dosen wali yang telah banyak memberikan nasehat dan saran demi mencapai kesuksesan di dunia dan akhirat. 5. Seluruh dosen Universitas Airlangga, terima kasih untuk segala ilmu yang diberikan. 6. Teman-teman Matematika 2008, kakak-kakak 2007, adik-adik 2009 dan 2010 terima kasih untuk semua bantuan dan rasa kekeluargaan yang telah terjalin selama ini. 7. Rekan-rekan seperjuangan HMI (Himpunan Mahasiswa Islam) yang telah memberikan pembelajaran yang sangat luar biasa. YAKUSA!!! 8. Serta pihak-pihak lain yang tidak dapat disebutkan satu persatu, terima kasih atas segala bantuannya selama ini. Penulis menyadari skripsi ini masih jauh dari kesempurnaan. Untuk itu penulis mengharapkan kritik dan saran yang bersifat membangun dari pembaca. Semoga skripsi ini dapat bermanfaat bagi semua pembaca. Surabaya, Agustus 2012 Penyusun
Annas Riezki Romadhoni v Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
Annas Riezki Romadhoni, 2012. Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM. Skripsi ini dibawah bimbingan Toha Saifuddin, S.Si, M.Si. dan Drs. Eko Tjahjono, M.Si, Departeman Matematika, Fakultas Sains dan Teknologi, Unversitas Airlangga.
ABSTRAK Distribusi Loglogistik adalah distribusi yang biasa digunakan dalam analisis data tahan hidup karena logaritma natural dari variabel-variabel tahan hidupnya terdistribusi secara logistik. Distribusi Loglogistik mempunyai dua parameter yaitu parameter skala dan parameter bentuk . Penulisan ini bertujuan untuk memperoleh estimator parameter distribusi Loglogistik pada data tersensor progressive tipe II. Metode yang digunakan dalam penulisan ini adalah metode Maximum Likelihood dengan algoritma EM. Algoritma EM terdiri dari dua tahap yaitu tahap E dan M. Pada tahap E dilakukan perhitungan ekspektasi bersyarat dari fungsi ln likelihood dan pada tahap M dilakukan perhitungan untuk memaksimalkan ekspektasi bersyarat dari fungsi ln likelihood hingga mendapatkan nilai yang konvergen. Software yang digunakan untuk mempermudah mendapatkan nilai estimator parameter distribusi Loglogistik adalah Mathematica. Pada kasus logaritma natural dari waktu terurainya Isolator Zat Cair pada voltase 34 KV dengan sampel pengamatan dan kegagalan yang diamati masing-masing sebesar 19 dan 8, sedangkan skema penyensorannya adalah diperoleh nilai estimator parameter untuk sebesar 6,526 dan sebesar 1,108.
Kata Kunci: Distribusi Loglogistik, Data Tersensor Progressive Tipe II, Maximum Likelihood Estimator, Algoritma EM.
vi Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
Annas Riezki Romadhoni, 2012. Estimation of Parameter of The Loglogistic Distribution based on Progressive Type-II Censoring Using The EM Algorithm. This Skripsi is supervised by Toha Saifuddin, S.Si, M.Si. and Drs. Eko Tjahjono, M.Si, Mathematics Department, Faculty of Sains and Technology, Airlangga University
ABSTRACT The Loglogistic distribution is a commonly used distribution in lifetime data analysis because natural logarithm of the lifetime variables are logistically distributed. Loglogistic distribution has two parameters, that are the scale parameter and shape parameter . The main objective of this paper is to get parameter estimator of the Loglogistic distribution based on Progressive type-II censoring. The method that used in this paper is Maximum Likelihood method with EM Algorithm. EM algorithm is consist of two steps, that are E-step and Mstep. E-step requires the algorithm to calculate conditional expectation of loglikelihood function and M-step calculation to maximize the conditional expectation of log-likelihood function until get a convergen value. Software that used to get the parameter estimator of the Loglogistic distribution easily is Mathematica. On natural logarithm case from the time of disintregation of the isolator fluid at 34 KV voltage with sample observations and observed failure are given respectively by 19 and 8, then the censored scheme is then obtained the estimator value of parameter for is 6,526 and for is 1,108.
Keywords : Loglogistic distribution, Progressive Type II Censored, Maximum Likelihood Estimator, EM Algorithm
vii Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
DAFTAR ISI Halaman LEMBAR JUDUL ............................................................................................... i LEMBAR PERNYATAAN ................................................................................ ii LEMBAR PENGESAHAN ...............................................................................iii LEMBAR PEDOMAN PENGGUNAAN SKRIPSI.......................................... iv KATA PENGANTAR ........................................................................................ v ABSTRAK ......................................................................................................... vi ABSTRACT ...................................................................................................... vii DAFTAR ISI ...................................................................................................viii DAFTAR GAMBAR ......................................................................................... x DAFTAR LAMPIRAN ...................................................................................... xi BAB I PENDAHULUAN ................................................................................... 1 1.1
Latar Belakang Masalah ................................................................. 1
1.2
Rumusan Masalah .......................................................................... 4
1.3
Tujuan ............................................................................................ 4
1.4
Manfaat .......................................................................................... 5
BAB II TINJAUAN PUSTAKA........................................................................ 6 2.1
Analisis Data Uji Hidup ................................................................. 6
2.2
Distribusi Probabilitas .................................................................... 6
2.3
Distribusi Loglogistik .................................................................... 8
2.4
Distribusi Logistik.......................................................................... 8
2.5
Sampel Lengkap ............................................................................. 9
2.6
Sampel Tersensor Progressive Tipe II ........................................... 9
2.7
Nilai Ekspektasi ........................................................................... 10
2.8
Estimasi ........................................................................................ 11
2.9
Least Squares Estimation ............................................................. 14
2.10 Estimasi Kaplan Meier ................................................................. 15 2.11 Newton-Raphson .......................................................................... 15 viii Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
2.12 MINITAB 14 ................................................................................ 16 2.13 Mathematica ................................................................................. 16 BAB III METODE PENELITIAN.................................................................... 17 BAB IV HASIL DAN PEMBAHASAN .......................................................... 21 4.1
Estimasi Parameter Distribusi Loglogistik Pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM ................... 21
4.2
Algoritma Program ...................................................................... 47
4.3
Penerapan Pada Data Tersensor Progressive Tipe II ....................... 49
BAB V KESIMPULAN DAN SARAN ............................................................ 56 5.1 Kesimpulan ..................................................................................... 56 5.2 Saran . .............................................................................................. 58 DAFTAR PUSTAKA ....................................................................................... 59 LAMPIRAN
ix Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
DAFTAR GAMBAR
Nomor
Judul
Halaman
2.1
Skema Penyensoran Progressive Tipe II
4.1
Plot data waktu terurainya isolator zat cair pada tegangan 34 KV 50
4.2
Plot data waktu terurainya isolator zat cair pada tegangan 34 KV tersensor progressive tipe II
4.3
9
51
Plot data log natural waktu terurainya isolator zat cair pada Tegangan 34 KV tersensor progressive tipe II
52
4.4
Grafik estimasi fungsi survival
54
4.5
Tabel estimasi fungsi survival
55
x Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
DAFTAR LAMPIRAN
Nomor 1.
Judul Data Sampel Lengkap Waktu Terurainya Isolator Zat Cair Pada Tegangan 34kV.
2.
Data Sampel Tersensor Progressive Tipe II Waktu Terurainya Isolator Zat Cair Pada Tegangan 34kV.
3.
Program Untuk Menentukan Estimasi Parameter Distribusi Loglogistik Pada Data Tersensor Progressive Tipe II.
xi Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
BAB I PENDAHULUAN
1.1
Latar Belakang Masalah Globalisasi ekonomi merupakan suatu keadaan ekonomi dimana kegiatan
perekonomian bersifat terbuka tanpa adanya batas-batas wilayah antara daerah yang satu dengan daerah yang lainnya. Hal ini menyebabkan persaingan produk yang diproduksi oleh setiap perusahaan semakin berat. Salah satu yang menjadi tolak ukur keberhasilan persaingan ini adalah kualitas suatu produk. Untuk mengetahui kualitas suatu produk sebelum dipasarkan kepada konsumen, perlu diadakan suatu penelitian yang berkaitan dengan pengamatan suatu keandalan atau daya tahan hidup komponen. Hal ini dikarenakan sangat berguna dalam pengujian tentang bagaimana suatu komponen dapat berfungsi sebagaimana mestinya dalam waktu yang ditentukan. Analisa data tahan hidup (survival analysis) adalah suatu metode untuk menganalisis data yang berhubungan dengan waktu, mulai dari time origin atau start-point sampai dengan terjadinya suatu kejadian khusus atau end-point (Collet, 1994). Bentuk pengujian data tahan hidup adalah pengujian waktu tahan hidup suatu komponen pada saat digunakan hingga mati atau ketika pasien terjangkit penyakit hingga meninggal. Jika semua benda atau individu diuji sampai terjadinya kematian atau kegagalan maka disebut sampel lengkap. Metode tersebut mempunyai keuntungan yaitu semua komponen dapat teramati. Tetapi metode tersebut juga mempunyai kelemahan diantaranya yaitu waktu yang
1 Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
2
diperlukan untuk melakukan penelitian sangat lama dan biaya yang diperlukan sangat besar. Hal ini sangat merugikan bagi suatu instansi dalam pengadaan penelitian. Untuk itu, perlu dilakukan penyensoran data agar lebih efisien dari segi waktu dan biaya. Dalam statistika, ada banyak jenis penyensoran yang dapat digunakan untuk mempercepat suatu penelitian. Pada kesempatan ini penulis menggunakan penyensoran progressive tipe II yang merupakan pengembangan dari penyensoran tipe II. Alasan menggunakan jenis penyensoran ini adalah waktu yang dibutuhkan untuk melakukan penelitian relatif lebih cepat, karena dengan cara mengambil sebagaian data untuk tidak diamati. Hal ini menyebabkan biaya yang dikeluarkan relatif sedikit. Menurut Wu (2002), penyensoran progressive tipe II adalah pengamatan terhadap
sampel dengan
kegagalan yang diamati dengan syarat
bilangan bulat, sedemikian sehingga pada saat terjadi kegagalan yang pertama,
dari unit yang survive secara acak dikeluarkan dari pengamatan,
sedangkan pada pengamatan kegagalan yang kedua,
unit penelitian yang
survive secara acak dikeluarkan lagi. Penelitian ini berhenti pada saat kegagalan diamati dan ini berarti
unit yang
survive semua dikeluarkan. Untuk menganalisis dan mempresentasikan data uji hidup maka diperlukan suatu distribusi. Sehingga analisis terhadap data uji hidup dapat dilakukan secara parametrik. Data yang digunakan dalam penelitian berupa waktu yang bertipe kontinu, sehingga distribusi probabilitas yang digunakan adalah bertipe kontinu. Menurut Kus dan Kaya (2006), distribusi Loglogistik adalah distribusi yang biasa
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
3
digunakan dalam analisis data tahan hidup karena logaritma natural dari variabelvariabel tahan hidupnya terdistribusi secara logistik. Adapun fungsi kepadatan peluang (fkp) distribusi Loglogistik sebagai berikut:
Berdasarkan uraian di atas, diperlukan suatu metode yang digunakan dalam penarikan kesimpulan mengenai suatu populasi yang biasa disebut inferensi statistik. Salah satu metode yang sering digunakan adalah Maximum Likelihood. Penyelesaian akhir metode ini umumnya membutuhkan iterasi numerik. Salah satu Algoritma yang dapat dipakai adalah algoritma EM. Algoritma EM adalah metode optimisasi iteratif untuk estimasi Maksimum Likelihood yang berguna dalam permasalahan data yang tidak lengkap. Dalam algoritma EM ini terdapat 2 tahap, yaitu tahap Ekspektasi (tahap E) dan tahap Maksimasi (tahap M). Berdasarkan permasalahan diatas, maka penulis tertarik untuk melakukan studi jurnal estimasi parameter distribusi Loglogistik pada data tersensor progressive tipe II dengan menggunakan algoritma EM yang diambil dari jurnal yang berjudul “Estimation of Parameter of The Loglogistic Distribution Based on Progressive Censoring Using The EM Algorithm” yang ditulis oleh Kus dan Kaya (2006). Pada penulisan skripsi ini juga disertakan program untuk mencari estimasi parameter distribusi Loglogistik menggunakan software Matematica. Selanjutnya dilakukan penerapan pada data waktu terurainya isolator zat cair pada tegangan 34 KV yang didapatkan dari jurnal yang sama.
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
1.2
4
Rumusan Masalah Berdasarkan latar belakang permasalahan diatas, maka rumusan masalah
yang dibahas adalah: 1. Bagaimana mengestimasi parameter distribusi Loglogistik pada data tersensor progressive tipe II dengan menggunakan algoritma EM? 2. Bagaimana
membuat
program
pada
software
Matematica
untuk
mengestimasi parameter distribusi Loglogistik pada data tersensor progressive tipe II dengan menggunakan algoritma EM? 3. Bagaimanakah aplikasi estimasi parameter distribusi Loglogistik pada data tahan hidup tersensor Progressive Tipe II dengan menggunakan algoritma EM?
1.3
Tujuan 1. Mengestimasi parameter distribusi Loglogistik pada data tersensor progressive tipe II dengan menggunakan algoritma EM. 2. Membuat program pada software Mathematica untuk mengestimasi parameter distribusi Loglogistik pada data tersensor progressive tipe II dengan menggunakan algoritma EM. 3. Menerapkan hasil yang diperoleh dari estimasi parameter distribusi Loglogistik pada data tahan hidup tersensor progressive tipe II dengan menggunakan algoritma EM.
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
1.4
5
Manfaat 1. Menambah wawasan mengenai estimasi parameter dari distribusi Loglogistik pada data tersensor progressive tipe II menggunakan metode algoritma EM. 2. Hasil kajian dapat diterapkan pada bidang ilmu kesehatan, industri, pendidikan dan sebagainya. 3. Informasi yang di dapat dari skripsi ini akan membuka peluang untuk diadakan penelitian selanjutnya.
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
BAB II TINJAUAN PUSTAKA
2.1
Analisa Data Tahan Hidup Menurut Collet (1994), analisa data tahan hidup (survival analysis) adalah
suatu metode untuk menganalisis data yang berhubungan dengan waktu, mulai dari time origin atau start-point sampai dengan terjadinya suatu kejadian khusus atau end-point. Di dalam riset medis, time origin sering digunakan sebagai awal perekrutan suatu individu dalam suatu studi yang bersifat percobaan, sedangkan end-point merupakan kematian suatu individu atau pasien, sehingga data yang dihasilkan secara harfiah dinamakan waktu survival.
2.2 2.2.1
Distribusi Probabilitas Fungsi Kepadatan Probabilitas (FKP) Menurut Bain dan Engelhardt (1992), fungsi kepadatan probabilitas (fkp)
merupakan nilai peluang dari setiap kejadian . Terdapat 2 jenis fungsi kepadatan probabilitas yaitu, fungsi kepadatan probabilitas (fkp) diskrit dan fungsi kepadatan probabilitas (fkp) kontinu. suatu variabel random dengan distribusi probabilitas
disebut fungsi
kepadatan probabilitas (fkp) diskrit apabila : 1) 2)
6 Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
Sedangkan
7
disebut fungsi kepadatan probabilitas (fkp) kontinu apabila : 1) 2)
2.2.2 Cumulative Distribution Function (CDF) Menurut Bain dan Engelhardt (1992), Cumulative Distribution Function (CDF) dari suatu variabel acak
didefinisikan untuk setiap bilangan real
sebagai :
Menurut Walpole dan Myers (1995), terdapat 2 jenis distribusi kumulatif yaitu: 1. Distribusi kumulatif peluang
2.2.3
dengan distribusi
dinyatakan oleh
2. Distribusi kumulatif peluang
suatu peubah acak diskrit
suatu peubah acak kontinu
dengan distribusi
dinyatakan oleh
Fungsi Survival Menurut Lawless (1982), fungsi survival adalah probabilitas bahwa suatu
individu akan bertahan sampai waktu
dengan
diasumsikan kontinu,
dirumuskan sebagai berikut :
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
2.3
8
Distribusi LogLogistik Menurut Kus dan Kaya (2006), distribusi Loglogistik adalah distribusi yang
biasa digunakan dalam analisis data tahan hidup karena logaritma natural dari variabel-variabel tahan hidupnya berdistribusi Logistik. Adapun fungsi kepadatan probabilitas (fkp) distribusi Loglogistik dengan parameter skala bentuk
2.4
dan parameter
sebagai berikut:
Distribusi Logistik Menurut Kus dan Kaya (2006), jika
parameter lokasi
mempunyai distribusi logistik dengan
dan parameter skala , maka fungsi kepadatan probabilitas dan
fungsi distribusi dari
diberikan masing-masing yaitu:
dengan
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
2.5
9
Sampel Lengkap Menurut Lawless (1982), pada sampel lengkap percobaan uji hidup
dilakukan sampai semua individu atau benda mengalami kematian atau kegagalan. Adapun fungsi likelihood dari
2.6
adalah :
Sampel Tersensor Progressive Tipe II Menurut Wu (2002), penyensoran progressive tipe II adalah pengamatan
terhadap
sampel dengan
kegagalan yang diamati dengan syarat
bilangan bulat, sedemikian sehingga pada saat terjadi kegagalan yang pertama, dari unit yang survive secara acak dikeluarkan dari pengamatan, sedangkan pada pengamatan kegagalan yang kedua,
unit penelitian yang survive secara acak
dikeluarkan lagi. Penelitian ini berhenti pada saat
kegagalan diamati dan ini
unit yang survive semua dikeluarkan.
berarti
Skema penyensoran progressive tipe II adalah dan
) dengan
. Dengan keterangan :
: jumlah sampel pengamatan. : banyaknya kegagalan yang diamati. : banyaknya unit sampel yang masih survive yang dipindahkan dari pengamatan (tidak diamati lagi) pada saat terjadinya kegagalan yang ke – . Hal ini dapat digambarkan sebagai berikut :
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
Dipindahkan (tidak diamati)
Dipindahkan (tidak diamati)
10
Dipindahkan (tidak diamati)
… Pengamatan dimulai
n-1-
n-1- -
Pengamatan berakhir
n-m-1-
Pada penyensoran progressive tipe II, secara umum bentuk fungsi likelihood yang didasarkan pada cara pengamatan terhadap sampel dapat dirumuskan sebagai berikut:
dengan dan
. Pada skema penyensoran progressive tipe II, terdapat beberapa
keadaan khusus yaitu jika
sedemikian sehingga
, maka akan diperoleh teknik penyensoran sampel secara tersensor tipe II, namun jika skema penyensorannya adalah
, maka
diperoleh sampel lengkap.
2.7
Nilai Ekspektasi Menurut Bain dan Engelhardt (1992), nilai ekspektasi dari
peubah acak
kontinu adalah :
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
Misalkan untuk
adalah fungsi acak
11
yang kontinu, maka nilai ekspektasi
adalah :
Menurut Graybill et al. (1963), jika
adalah dua peubah acak dan
merupakan fungsi dengan domain dan kodomain bilangan real. Ekspektasi bersyarat dari
dimana
yang dinotasikan dengan
adalah sebagai berikut: 1. bila
masing-masing diskrit.
bila
masing-masing kontinu.
2.
2.8
Estimasi Menurut Lawlees (1982), inferensi statistik didefinisikan sebagai metode
untuk menarik kesimpulan mengenai populasi. Penarikan kesimpulan dari serangkaian observasi pada umumnya dilakukan berdasarkan data sampel dengan menganggap bahwa karakteristik sampel (statistik sampel) kemungkinan besar mendekati karakteristik populasi (parameter populasi). Dengan kata lain parameter populasi
yang merupakan konstanta yang tidak diketahui,
umumnya diestimasi dengan menggunakan statistik sampel
. Masalah dalam
pengestimasian adalah bahwa fungsi kepadatan probabilitas dari sampel yang
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
12
diobservasi memuat parameter populasi yang tidak diketahui. Nilai sampel yang diobservasi digunakan sebagai dasar untuk mengestimasi nilai . Estimator yang diinginkan adalah estimator yang dekat dengan
.
Pengestimasian parameter dapat dilakukan secara Klasik maupun Bayes. Dalam metode Klasik, inferensi didasarkan sepenuhnya pada sampel yang diambil secara random dari populasi. Sedangkan pada metode Bayes selain informasi sampel random juga dipergunakan informasi tambahan mengenai nilai parameter yang tidak diketahui.
2.8.1
Maximum Likelihood Estimator Menurut Hogg dan Craig (1995), misalkan
merupakan peubah
acak yang saling bebas dan berdistribusi identik dengan fungsi kepadatan peluang , untuk
. Fungsi kepadatan peluang bersama antara
adalah
Jika fungsi kepadatan peluang bersama tersebut dinyatakan sebagai fungsi terhadap
maka dinamakan fungsi likelihood yang dinotasikan
atau ditulis
sebagai berikut
dengan
. dinamakan Maximum Likelihood Estimator (MLE)
Statistik dari
bila statistik
memaksimumkan
,
.
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
13
2.8.2 Algoritma EM Menurut Kus dan Kaya (2006), algoritma EM merupakan metode yang sangat tepat digunakan dalam menangani masalah mengenai data yang hilang atau data tersensor. Misalkan
adalah vektor acak data lengkap. Pada data lengkap memuat
data
yang
teramati
yang merupakan suatu vektor yang memuat nilai waktu hidup saat terjadinya kegagalan dari pengamatan terhadap
sampel dengan
kegagalan yang diamati, dan data yang tidak teramati yang merupakan suatu vektor dengan komponen data yang survive atau dianggap sebagai data tersensor, dimana
adalah vektor
dengan
Vektor
untuk
merupakan skema penyensoran progressive tipe II. Fungsi log likelihood untuk data lengkap dinotasikan
.
Algoritma EM terdiri dari dua tahap yaitu tahap E (Ekspektasi) dan tahap M (Maksimasi). Pada tahap Ekspektasi dilakukan perhitungan ekspektasi bersyarat . Tahap Maksimasi dilakukan untuk mendapatkan dengan cara memaksimumkan ekspektasi log likelihood yang sudah dihitung
pada
tahap
bersyarat
E
atau
memaksimumkan
. Parameter
ekspektasi
berikutnya diperoleh
secara iteratif mengulangi tahap E dan M sampai proses konvergen, dengan menyatakan suatu iterasi.
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
2.9
14
Least Squares Estimation Menurut Lawless (1982), estimasi Least Squares digunakan lebih umum
untuk
memperoleh
estimasi
parameter
dalam
kasus
tertentu.
Dengan
mempertimbangkan model memuat parameter yang tidak diketahui dapat berhubungan linier terhadap beberapa transformasi dari fungsi survival. Agar lebih spesifik, dimisalkan sebagai
adalah telah diketahui dan merupakan bentuk dari himpunan independen linear dari fungsi dan
adalah parameter yang tidak diketahui.
Berdasarkan model dari persamaan (2.11) bentuk dari Least Squares dapat digunakan untuk mengestimasi
. Misalkan
adalah waktu
tahan hidup yang teramati pada sampel tersensor. Anggap yang sesuai untuk
dan anggap
[
sebagai estimasi
]. Maka
dapat
diestimasi dengan cara meminimumkan
dengan syarat
. Langkah-langkah ini bersifat sederhana tetapi sering kali
berguna sebagai cara yang mudah untuk memperoleh estimasi . Sebagai contoh, digunakan sebagai estimasi awal dalam prosedur untuk mendapatkan MLE.
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
15
2.10 Estimasi Kaplan Meier Menurut Lawless (1982), misalkan terdapat dan
pengamatan pada individu
menyatakan waktu kematian yang berbeda dengan
Akan ada kemungkinan terjadinya lebih dari satu menunjukkan banyaknya kematian saat
kematian di
.
, dan
. Selain itu, pada waktu tahan hidup
akan ada waktu yang tersensor tahan hidupnya tidak teramati. Estimasi dari
untuk individu yang waktu
didefinisikan sebagai :
menyatakan jumlah individu yang beresiko saat
, yaitu jumlah individu yang
hidup dan tidak tersensor sesaat sebelum .
2.11 Newton-Raphson Menurut Faires dan Burden, misalkan nilai akar
dari persamaan
dan
adalah nilai awal yang mendekati berada dalam interval yang berisi
semua nilai yang mendekati . Gradien dari garis singgung pada grafik (
) adalah
, sehingga persamaan garis singgungnya adalah
Karena garis ini melewati sumbu maka nilai yang mendekati
Skripsi
di titik
ketika nilai
dari titik pada garis tersebut nol,
berikutnya adalah
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
16
2.12 MINITAB 14 Irawan dan Astuti (2006), menjelaskan bahwa Minitab 14 merupakan salah satu program aplikasi statistika yang banyak digunakan untuk mempermudah pengolahan data statistik. Keunggulan Minitab adalah dapat digunakan dalam pengolahan data statistika untuk tujuan sosial maupun teknik. Minitab juga memungkinkan sebagai fasilitas dalam analisis time series dan peramalannya.
2.13 Mathematica Ardana (2003) , menjelaskan bahwa Mathematica merupakan suatu sistem aljabar komputer (CAS, Computer Algebra System) yang mengintegrasikan kemampuan komputasi (simbolik, numerik), visualisasi (grafik), bahasa pemograman, dan pengolahan kata (word processing) ke dalam suatu lingkungan yang sudah digunakan. Pertama kali diperkenalkan pada tahun 1988, Mathematica kini tersedia pada lebih dari 20 platform komputer. Mathematica merupakan salah satu alat pilihan dalam pendidikan, penelitian bisnis, dan sebagainya. Khususnya untuk melakukan komputasi matematik, baik simbolik maupun numerik, pengembangan algoritma dan aplikasi, pemodelan dan simulasi, eksplorasi, analisis, dan visualisasi data. Sistem Mathematica terdiri dari dua bagian utama, yaitu front end dan kernel. Front end berupa interface dengan lingkungan kerjanya yang disebut notebook. User memasukkan perintah – perintah atau melakukan pengolahan kata (word processing) pada notebook, sedangkan komputasi matematik dilakukan pada bagian kernel.
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
BAB III METODE PENELITIAN
Metode penelitian yang digunakan dalam penulisan skripsi ini adalah sebagai berikut : 1. Menentukan estimasi parameter distribusi Loglogistik pada data tersensor Progressive Tipe II menggunakan metode Algoritma EM dengan langkahlangkah sebagai berikut : a. Mengasumsikan sampel waktu daya tahan hidup
berasal dari
distribusi Loglogistik. b. Mentransformasikan distribusi Loglogistik dengan agar diperoleh distribusi Logistik. c. Menentukan fkp dari distribusi Logistik.
d. Menentukan fungsi likelihood pada data lengkap dari fkp distribusi Logistik yaitu :
e. Mengubah fungsi likelihood menjadi bentuk logaritma natural, yaitu
f. Mempartisi ln likelihood data lengkap menjadi data yang teramati dan data yang tidak teramati. 17 Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
18
g. Menentukan nilai maksimum dari fungsi ln likelihood dengan cara mendiferensialkan secara parsial terhadap parameter distribusi Loglogistik yaitu
h. Tahap Ekspektasi Menghitung ekspekasi bersyarat dari ln likelihood pada fungsi yaitu fungsi data yang tidak teramati atau tersensor progressive tipe II. i. Tahap Maksimasi 1) Mendapatkan fungsi ekspektasi bersyarat dari ln-likelihood dengan cara mensubstitusikan hasil ekspektasi bersyarat dari fungsi
ke
ekspektasi awal. 2) Mendapatkan estimator
dan
dengan cara iterasi menggunakan
metode Newton-Raphson. j. Mendapatkan
estimator
distribusi
Loglogistik
dengan
. 2. Membuat algoritma dan program untuk estimasi parameter dari distribusi Loglogistik pada data tersensor progressive tipe II dengan langkah-langkah sebagai berikut: a. Menginputkan data lengkap sampel tersensor progressive tipe II dengan struktur yang dinotasikan fungsi
, dimana
sebagai
inputan data yang teramati.
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
b. Menginputkan nilai estimator awal
19
dan
untuk
Nilai estimasi awal didapatkan dari Metode Least Squares. 1) Mendapatkan fungsi survival distribusi Logistik
dari
persamaan (2.1) 2) Mencari 3) Mendapatkan 4) Menggunakan Jumlah Kuadrat Galat (JKG) sehingga diperoleh dan
5) Nilai
diperoleh dari perhitungan dengan menggunakan
metode Kaplan-Meier. c. Tahap Ekspektasi Menghitung ekspektasi dan
dimana
dengan menggunakan estimator awal
menyatakan iterasi.
d. Tahap Maksimasi Mencari dan menghitung estimator
dan
dengan iterasi
Newton-Raphson dari persamaan yang didapatkan dari langkah c. e. Jika
dan
maka iterasi
dihentikan dan lanjut ke langkah f, tapi jika nilai tersebut tidak terpenuhi maka kembali ke langkah c dengan mengganti f. Mendapatkan
Skripsi
dan
.
sebagai estimator parameter distribusi Logistik.
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
g. Mendapatkan h. Tampilkan
20
. dan
sebagai estimator dari parameter distribusi
Loglogistik pada data tersensor progressive tipe II. 3. Penerapan estimasi parameter distribusi Loglogistik pada data dengan langkah-langkah sebagai berikut : a. Menguji data ilustrasi yang digunakan berdistribusi Loglogistik. b. Mengestimasi parameter menggunakan program komputer (dengan bantuan software Mathematica) berdasarkan algoritma tersebut. c. Menghitung estimasi fungsi survival.
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
BAB IV HASIL DAN PEMBAHASAN
Dalam bab ini akan diuraikan hasil dan pembahasan estimasi parameter distribusi Loglogistik pada data tersensor
progressive tipe II dengan
menggunakan algoritma EM. 4.1
Estimasi Parameter Distribusi Loglogistik Pada Data Tersensor Progressive Tipe II Dengan Menggunakan Algoritma EM. Algoritma EM adalah metode optimisasi iteratif untuk estimasi Maksimum
Likelihood yang berguna dalam permasalahan data yang tidak lengkap. Dalam algoritma EM ini terdapat 2 tahap, yaitu tahap Ekspektasi (tahap E) dan tahap Maksimasi (tahap M). Adapun langkah-langkah untuk mendapatkan nilai estimator adalah sebagai berikut:
4.1.1
Mengasumsikan sampel waktu tahan hidup
berasal dari distribusi
Loglogistik Misalkan
adalah waktu tahan hidup dari sampel berukuran
yang identik dan independen dari distribusi Loglogistik dengan parameter , sehingga
dan
dapat ditulis sebagai berikut:
21 Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
22
4.1.2 Fkp dari Distribusi Loglogistik Bentuk fkp dari distribusi Loglogistik adalah:
4.1.3
Transformasi Distribusi Loglogistik Untuk mempermudah proses estimasi, maka pada langkah ini distribusi
Loglogistik akan ditransformasikan menjadi distribusi Logistik dengan dan
.
merupakan Jacobian dari
. Berdasarkan
(4.1) maka diperoleh transformasi sebagai berikut:
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
23
maka diperoleh bentuk fkp dari distribusi Logistik yaitu:
4.1.4
Fungsi Likelihood Data Lengkap dari Fkp Distribusi Logistik Misalkan
adalah waktu tahan hidup dari sampel berukuran
yang identik dan independen dari distribusi Loglogistik dengan parameter , maka
dan
merupakan log natural dari waktu tahan hidup yang identik
dan independen berdistribusi Logistik dengan parameter
dan
. Berdasarkan
(2.10) dan fkp distribusi Logistik (4.2) maka fungsi likelihood dari distribusi Logistik adalah
Dari fungsi likelihood (4.3), maka fungsi ln likelihoodnya adalah sebagai berikut:
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
24
Pada langkah ini komponen fungsi ln likelihood pada data lengkap dan
dipartisi menjadi data yang teramati yaitu tidak teramati yaitu
Untuk mengestimasi parameter
.
dan
dengan Maksimum Likelihood,
maka fungsi ln likelihood didiferensialkan secara parsial terhadap parameter
dan
. Hasilnya dapat diuraikan sebagai berikut:
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
Langkah berikutnya untuk mendapatkan estimator
25
dan
adalah dengan
membuat kedua fungsi diferensial tersebut sama dengan nol. Hasilnya adalah sebagai berikut:
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
4.1.5
26
Tahap Ekspektasi Tahap Ekspektasi bertujuan untuk menemukan ekspektasi bersyarat dari
data tidak teramati ( teramati (
Skripsi
) dengan syarat data yang diketahui nilainya atau data
) pada persamaan (4.5) dan (4.6). Sebelum mencari ekspektasi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
27
bersyarat dari persamaan (4.5) dan (4.6), maka terlebih dahulu mencari distribusi bersyarat dari
dengan syarat
diketahui. Distribusi bersyarat
dapat diperoleh dengan cara sebagai berikut:
Untuk mendapatkan ekspektasi bersyarat dari persamaan (4.5) dan (4.6) maka dapat digunakan distribusi bersyarat dari
untuk
diketahui
yang didapatkan dari persamaan (4.7). Langkah-langkah untuk memperoleh ekspektasi bersyarat sebagai berikut:
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
28
Lemma 4.1
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
Skripsi
29
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
30
(1) Ekspektasi bersyarat yang pertama
Misal:
maka:
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
Skripsi
31
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
32
Berdasarkan lemma 4.1 maka hasilnya sebagai berikut:
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
33
(2) Ekspektasi bersyarat yang kedua
Misal:
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
34
maka
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
Skripsi
35
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
36
Lemma 4.2
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
37
(3) Ekspektasi bersyarat yang ketiga
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
38
Misal:
maka:
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
Skripsi
39
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
Skripsi
40
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
41
Berdasarkan lemma 4.2 maka hasilnya sebagai berikut:
Setelah mendapatkan ekspektasi bersyarat dari data yang tidak teramati (
Skripsi
) maka langkah selanjutnya yaitu mensubstitusi nilai ekspektasi bersyarat
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
42
yang diperoleh yaitu persamaan (4.8), (4.9), (4.10) ke dalam fungsi ln likelihood yaitu persamaan (4.5) dan (4.6). Jadi didapatkan persamaan sebagai berikut:
dan
4.1.6
Tahap Maksimasi Tahap Maksimasi yaitu menghitung nilai estimasi dari parameter dengan
memaksimalkan nilai ekspektasi dari fungsi ln likelihood yang didapatkan pada tahap ekspektasi. Pada tahap ini akan dilakukan iterasi dengan nilai awal hingga berulang kali sampai didapatkan nilai parameter yang
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
43
didapatkan dari Metode Least Squares. Nilai
konvergen. Nilai awal
diperoleh berdasarkan persamaan berikut:
Sedangkan
diperoleh berdasarkan persamaan berikut:
Nilai estimator
dan
tidak dapat diperoleh secara langsung. Untuk
mempermudah memperoleh nilai estimator
dan
maka dibuatlah program
dengan bantuan software Mathematica. Setelah mendapatkan nilai estimator
dan
selanjutnya diubah menjadi estimator dari distribusi Loglogistik yaitu dengan
Skripsi
.
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
44
4.1.7 Nilai Awal Estimasi Nilai awal estimasi yang diperlukan untuk mencari nilai estimator
dan
diperoleh dari Metode Least Squares. Langkah pertama yang diperlukan adalah mendapatkan fungsi survival dari distribusi Logistik
dari persamaan (2.1).
Setelah mendapatkan fungsi survival maka nilai awal estimasi dapat diperoleh dengan langkah-langkah sebagai berikut:
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
45
maka
Misal maka didapatkan persamaan:
Selanjutnya dengan menggunakan Jumlah Kuadrat Galat (JKG) diperoleh:
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
Untuk mendapatkan nilai
dan
pada persamaan
46
dan
diperlukan langkah-langkah sebagai berikut:
Selanjutnya, persamaan (4.18) dikurangi dengan persamaan (4.19) sehingga diperoleh hasil sebagai berikut:
Berdasarkan model (4.15) jika dicari ekspektasi (rata2) dari kedua ruas maka diperoleh
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
Sehingga didapatkan nilai
47
yaitu
maka:
Nilai estimasi awal yang diperlukan untuk proses iteratif dalam mencari nilai estimator
Nilai
dan
yang dinotasikan
dan
adalah
diperoleh dari perhitungan dengan menggunakan metode Kaplan-
Meier.
4.2 Algoritma Program Untuk memperoleh nilai estimator dari distribusi Loglogistik, maka digunakan algoritma yang dibuat berdasarkan pembahasan teori-teori yang sudah
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
48
diperoleh sebelumnya. Berikut ini adalah algoritma yang digunakan untuk membuat program dalam Mathematica : 1. Menginputkan data sebanyak
yang dinotasikan dengan
dan skema
penyensoran . 2. Menghitung nilai estimator awal distribusi Logistik berdasarkan OLS menggunakan rumus pada persamaan (4.20) dan (4.21) sehingga diperoleh dan
untuk
.
3. Mendefinisikan fungsi
dari persamaan (4.11).
4. Mendefinisikan fungsi
dari persamaan (4.12).
5. Mendapatkan estimator
dengan cara menyelesaikan persamaan menggunakan Newton-Raphson.
6. Mendapatkan estimator
dengan cara menyelesaikan persamaan menggunakan Newton-Raphson.
7. Jika
dan
maka iterasi dihentikan
dan lanjut ke langkah 8, tapi jika nilai tersebut tidak terpenuhi maka kembali ke langkah 5 dengan mengganti
.
8. Menampilkan nilai estimator distribusi Logistik yaitu 9. Mengubah
nilai
Loglogistik dengan
estimator
distribusi
Logistik
dan . menjadi
distribusi
.
10. Menampilkan nilai estimator distribusi Loglogistik.
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
4.3
49
Penerapan Pada Data Tersensor Progressive Tipe II Berdasarkan tujuan penyusunan skripsi ini, telah disusun program
menggunakan software Mathematica. Berikut ini akan dibahas mengenai penerapan program pada data ilustrasi tersensor progressive Tipe II dengan software Mathematica. Misalkan
berupa waktu yang diperlukan untuk menguraikan isolator zat
cair yang dilakukan pada voltase sebesar 34 KV (Kus dan Kaya, 2006). Data berasal dari pengamatan yang dilakukan terhadap
sampel. Pengamatan
terhadap sampel dimulai dari start point yaitu ketika zat cair dialiri listrik sebesar 34 KV. Sehingga zat cair dapat menghantarkan listrik ke zat lain. Pengamatan berhenti pada waktu end point yaitu zat cair tidak dapat menghantarkan listrik lagi. Hal ini disebabkan partikel-partikel yang dapat menghantar listrik pada zat cair tersebut telah habis (berubah bentuk). Jadi data yang diperolehkan dari hasil pengamatan berupa ketahanan zat cair dalam menghantarkan listrik ke zat lain. Karena pada pengamatan semua benda diuji sampai terjadinya kegagalan maka pengamatan tersebut disebut sampel lengkap. Data selengkapnya dapat dilihat pada Lampiran 1. Selanjutnya data tersebut diuji dengan menggunakan Probability Plot of data pada software Minitab. Hal ini bertujuan untuk mengetahui distribusi dari ke19 data tersebut. Hasil dari uji dengan Probability Plot of data yaitu sebagai berikut
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
50
Data Waktu Terurainya Isolator Zat Cair pada Tegangan 34 KV Loglogistic - 95% CI
99
Loc Scale N AD P-Value
95 90
1,833 0,8522 19 0,275 >0,250
Percent
80 70 60 50 40 30 20 10 5
1
0,01
0,10
1,00
10,00 data
100,00
1000,00
Gambar 4.1 Plot data waktu terurainya isolator zat cair pada tegangan 34 KV Berdasarkan Gambar 4.1, dapat diketahui bahwa nilai p-value dari uji tersebut lebih besar dari 0,250. Oleh karena nilai p-value tersebut lebih besar dari tingkat signifikansi 0,05 maka dapat disimpulkan bahwa data tersebut berdistribusi Loglogistik. Pada data ilustrasi akan diadakan penyensoran data menggunakan sampel tersensor progressive tipe II dengan skema penyensoran berdasarkan Kus dan Kaya (2006). Dari skema penyensoran yang telah digunakan maka dapat dijelaskan bahwa 1.
Pada saat terjadi kegagalan yang pertama
maka sebanyak
dari unit yang survive secara acak dikeluarkan dari pengamatan, begitu juga pada saat kegagalan yang kedua 2.
Pada saat terjadi kegagalan yang ketiga
dengan
.
maka sebanyak
dari unit yang survive secara acak dikeluarkan dari pengamatan. Penelitian ini berlangsung hingga terjadinya kegagalan yang terakhir
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
yaitu pada kegagalan yang kedelapan
51
maka sebanyak
dari unit yang survive secara acak dikeluarkan dari pengamatan. Sehingga diperoleh data dari penyensoran sebanyak
data. Data
selengkapnya dapat dilihat pada Lampiran 2. Selanjutnya data tersensor progressive tipe II diuji dengan menggunakan Probability Plot of data pada software Minitab. Hal ini bertujuan untuk mengetahui distribusi dari data tersensor progressive tipe II tersebut. Hasil dari uji dengan Probability Plot of data dengan
data yaitu sebagai berikut
Data Waktu Terurainya Isolator Zat Cair pada Tegangan 34 KV Loglogistic - 95% CI
99
Loc Scale N AD P-Value
95 90
0,6698 0,6969 8 0,278 >0,250
Percent
80 70 60 50 40 30 20 10 5
1
0,01
0,10
1,00 10,00 Data Tersensor
100,00
1000,00
Gambar 4.2 Plot data waktu terurainya isolator zat cair pada tegangan 34 KV tersensor progressive tipe II Berdasarkan Gambar 4.2, dapat diketahui bahwa nilai p-value dari uji tersebut lebih besar dari 0,250. Oleh karena nilai p-value tersebut lebih besar dari tingkat signifikansi 0,05 maka dapat disimpulkan bahwa data tersebut berdistribusi Loglogistik. Untuk estimasi, dalam skripsi ini dilakukan transformasi
.
Berdasarkan teori Y berdistribusi Logistik, sehingga analisis estimasi dilakukan
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
berdasarkan data yang berdistribusi Logistik. Misalkan
52
berupa log natural
waktu yang diperlukan untuk menguraikan isolator zat cair yang dilakukan pada voltase sebesar 34 KV (Kus dan Kaya, 2006). Data selengkapnya dapat dilihat pada Lampiran 2. Berikut ini akan diuraikan langkah-langkah untuk penerapan estimasi parameter distribusi Loglogistik. Langkah pertama yaitu melakukan pengujian terhadap data tersebut dengan menggunakan Probability Plot of data pada software Minitab. Hal ini bertujuan untuk mengetahui distribusi dari data log natural waktu terurainya isolator zat cair pada tegangan 34 KV, sehingga dapat dilakukan analisa lebih lanjut sesuai dengan distribusi probabilitasnya dengan mengambil hipotesis sebagai berikut: H0 : Data log natural waktu terurainya isolator zat cair pada tegangan 34 KV berdistribusi Logistik. H1 : Data log natural waktu terurainya isolator zat cair pada tegangan 34 KV tidak berdistribusi Logistik. Data Waktu Terurainya Isolator Zat Cair pada tegangan 34kV Logistic - 95% CI
99
Loc Scale N AD P-Value
95 90
0.6698 0.6969 8 0.278 >0.250
Percent
80 70 60 50 40 30 20 10 5
1
-5.0
-2.5
0.0 data
2.5
5.0
Gambar 4.3 Plot data log natural waktu terurainya isolator zat cair pada tegangan 34 KV tersensor progressive tipe II
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
53
Pada Gambar 4.3, dapat diketahui bahwa nilai p-value dari uji tersebut lebih besar dari 0,250. Oleh karena nilai p-value tersebut lebih besar dari tingkat signifikansi 0,05 maka keputusannya adalah terima H0 atau dapat disimpulkan bahwa data log natural waktu terurainya isolator zat cair pada tegangan 34 KV berdistribusi Logistik. Langkah selanjutnya mencari estimator distribusi Logistik yaitu Setelah
itu
mendapatkan
estimator
distribusi
Loglogistik
dan
.
dengan
. Berdasarkan hasil pada Lampiran 2 diperoleh hasil estimator parameter distribusi Logistik sebesar
dan
.
Sedangkan estimator parameter distribusi Loglogistik diperoleh hasil sebesar dan
.
Setelah diperoleh nilai estimator dari disribusi Loglogistik maka salah satu kegunaan aplikasinya adalah dapat menentukan estimasi dari fungsi survival distribusi Loglogistik dengan rumus sebagai berikut:
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
54
maka diperoleh estimasi fungsi survival yaitu
Sebagai contoh, misalkan diberikan survival sebesar
maka diperoleh estimator dari fungsi
. Angka tersebut menyatakan bahwa probabilitas
mengurainya isolator zat cair yang dilakukan pada voltase sebesar 34 KV lebih dari 5 satuan waktu adalah sebesar 57,3%. Grafik dan tabel dari estimasi fungsi survival
sebagai berikut
1 0.8
0.6
0.4
0.2
t 20
40
60
80
100
Gambar 4.4 Grafik estimasi fungsi survival
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
55
No. 1
0,19
0,981
2
0,78
0,913
3
0,96
0,893
4
1,31
0,856
5
2,78
0,720
6
4,85
0,581
7
6,50
0,501
8
7,35
0,467
Gambar 4.5 Tabel estimasi fungsi survival
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
BAB V KESIMPULAN DAN SARAN
5.1
Kesimpulan Berdasarkan hasil dan pembahasan, maka dapat diambil kesimpulan sebagai
berikut : 1.
Estimator parameter distribusi Loglogistik pada data tersensor progressive tipe II dengan menggunakan algoritma EM dilakukan melalui iterasi terhadap dua tahap berikut : a. Tahap Ekspektasi (1)
(2)
(3)
56 Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
57
b. Tahap Maksimasi yaitu memaksimalkan nilai ekspektasi dari fungsi ln likelihood yang didapatkan pada tahap ekspektasi. Pada tahap ini akan dilakukan iterasi Newton-Raphson untuk menyelesaikan persamaanpersamaan berikut:
dan
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
2.
58
Program yang dibuat dalam software Matematica menggunakan metode Newton-Raphson. Dalam program terdapat tiga kali iterasi Newton-Raphson untuk mendapatkan nilai estimator.
3.
Pada penerapan data log natural waktu terurainya isolator zat cair pada tegangan 34kV (Kus dan Kaya, 2006) diperoleh hasil estimasi parameter skala
dan parameter bentuk
distribusi Loglogistik pada data tersensor
progressive tipe II masing-masing sebesar 6,526 dan 1,108.
5.2
Saran Pembahasan untuk menentukan estimasi parameter distribusi Loglogistik
pada data tersensor progressive tipe II dengan menggunakan Algoritma EM dapat dikembangkan lebih lanjut dengan menggunakan jenis distribusi yang lain, seperti distribusi Weibull, distribusi Pareto dan lain sebagainya.
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
DAFTAR PUSTAKA
1. Ardana, K. N. K., 2003, Panduan Penggunaan Mathematica, Edisi Pertama, Matematika, IPB, Bogor. 2. Bain,L.J. and Engelhardt, M., 1992, Introduction to Probability and Mathematical Statistics, Second Edition, Duxbury Press, Belmont-California. 3. Collet, D., 1994, Modelling Survival Data in Medical Research, First Edition, Chapmann dan Hall, University of Reading, UK. 4. Faires, J. D., and Burden, R., 2003, Numerical Methods, Third Edition, Thomson Learning Academic Resource Center, USA. 5. Graybill, F. A., Mood, A. M., and Boes, D. C., 1963, Introduction to The Theory of Statistics, Third Edition, McGraw-Hill, Inc, Japan. 6. Hogg, R. V. and Craig, A. T., 1995, Introduction to Mathematical Statistics, Fifth Edition, Prentice Hall, Inc, New Jersey. 7. Irawan, N. dan Astuti, S. P., 2006, Mengolah Data Statistik dengan Mudah Menggunakan MINITAB 14, Penerbit Andi, Yogyakarta. 8. Kus, C. and Kaya, M. F., 2006, Estimation of Parameters of The Loglogistic Distribution Based on Progressive Censoring Using The EM Algorithm, Vol. 35, No. 2, Hacettep Journal of Mathematics and Statistics, P.203-211. 9. Lawless, J.F., 1982, Statistical Models and Methodes for Life Time Data, John Wiley & Sons, New York. 10. Walpole, R.E. dan Myers, R.H., 1995, Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuwan, Edisi Keempat, ITB, Bandung. 11. Wu, S. J., 2002, Estimation of The Parameters of The Weibull Distribution With Progressively Cencored Data, Vol. 32, No. 2, Jurnal Japan Statistics, P.155-163.
59 Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
Lampiran 1 : Data Sampel Lengkap Waktu Terurainya Isolator Zat Cair Pada Tegangan 34 KV
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
0,19 0,78 0,96 1,31 2,78 3,16 4,15 4,67 4,85 6,50 7,35 8,01 8,27 12,06 31,75 32,52 33,91 36,71 72,89
Sumber : Kus, C. and Kaya, M. F., 2006, Estimation of Parameters of The Loglogistic Distribution Based on Progressive Censoring Using The EM Algorithm, Vol. 35, No. 2, Hacettep Journal of Mathematics and Statistics, P.203-211. Keterangan: : Waktu terurainya isolator zat cair pada tegangan 34 KV ke - i.
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
Lampiran 2 : Data Sampel Tersensor Progressive Tipe II Waktu Terurainya Isolator Zat Cair Pada Tegangan 34 KV
j 1
0
0,19
-1,6608
2
0
0,78
-0,2485
3
3
0,96
-0,0409
4
0
1,31
0,2700
5
3
2,78
1,0224
6
0
4,85
1,5789
7
0
6,50
1,8718
8
5
7,35
1,9947
Sumber : Kus, C. and Kaya, M. F., 2006, Estimation of Parameters of The Loglogistic Distribution Based on Progressive Censoring Using The EM Algorithm, Vol. 35, No. 2, Hacettep Journal of Mathematics and Statistics, P.203-211. Keterangan: : Waktu terurainya isolator zat cair pada tegangan 34 KV ke-j pada kegagalan yang diamati dari
buah sampel.
: Log natural dari waktu terurainya isolator zat cair pada tegangan 34kV ke-j pada
kegagalan yang diamati dari
buah sampel.
: Skema penyensoran atau banyaknya sampel yang dikeluarkan secara acak dari pengamatan ketika terjadinya kegagalan ke-j
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
Lampiran 3 : Program Untuk Menentukan Estimasi Parameter Distribusi Loglogistik Pada Data Tersensor Progressive Tipe II
Input Data
1.
yi={-1.6608,-0.2485,0.0409,0.2700,1.0224,1.5789, 1.8718,1.9947}; m=Length[yi];n=19; R={0,0,3,0,3,0,0,5}; a={19,18,17,16,15,14,13,12}; b={1,1,1,1,1,1,1,1} 2. Program Untuk Mendapatkan Nilai Estimator Awal m
Sur
a
Table 1
Log
Sur
y
Sur Mean y ;
x
Mean yi ;
b
a
i 1
y
i
m
yi
2
j
yi
j
Log
j 1 m
m
lama
Skripsi
j
Log j 1
j 1
x
y
2
m
yi
j
j 1
m
yi
N;
N;
j 1
m
, m, 1, m
i
m
lama
i
1 Sur Sur
j j
1 Sur Sur
j j
;
lama;
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
3.
Program Untuk Menentukan Estimasi Parameter Distribusi Loglogistik Pada Data Tersensor Progressive Tipe II
f
baru_ :
R
lamat lamat
2
i 1
i baru lamat
1
i 1
1
i
i baru lamat
yi
2
m
yi
m
n
yi i lamat
2
yi i lamat
lamat lamat
m
g
baru_ : n
baru n
baru
yi
i
i 1 m
R
i
i 1 yi
lamat
yi
yi
i baru lamat
1
yi
2
i
baru yi
1
i 1 m
yi
i
1
i baru lamat
baru lamat
i baru lamat
i
yi
m
R
yi
Log 1
i baru baru
i baru baru
i baru lamat
i 1
yi
baru
i yi
1
baru i baru lamat
2 yi
Skripsi
i
lamat Log 1
2 yi
1
yi
yi
i
2
baru
lamat
i baru lamat
i baru lamat
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
Print "Nilai estimator awal
: ", lama, " dan
: ", lama ;
Print " error1 h
" ; 1; p
0; error2
1; q
0; error3
1; k
0; error4
1;
0;
While error1 lamat error3
0.00000001 && error2
lama; lamat
0.00000001,
baru
lama
error3
Abs
f
lama
f' baru
Print " iterasi error4
error4
Abs
lama
g' baru
lama
", baru
N ;
", baru
N ;
;
lama ; h
h
1;
", h, "
Abs
baru q
lamat ; error2
Abs
baru
lamat ;
1;
Print "Nilai pada iterasi ke Print "
1;
baru; ;
1; q
baru
k
", k, "
g
Print " iterasi
p
lama ; k
0.00000001,
lama
p
;
1;
baru
error1
lama
baru; ;
While error4
lama
lama;
1;
While error3
lama
0.00000001,
N, "
: ", baru
", p, "
: ",
N ;
" ;
lamat
baru;
lamat
baru;
lama
baru;
lama
baru;
Print "
" ;
Print " Nilai Estimator Distribusi Logistik " ; Print " Print "
: ", baru, " dan
: ", baru ; " ;
Print " Nilai Estimator Distribusi Loglogistik " ; 1 Print " : ", baru, " dan : ", ; baru Print "
Skripsi
" ;
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
4.
Output
Nilai estimator awal : 2.56095 dan : 1.46915 -----------------------------------------------iterasi 1 2.01683 iterasi 2 2.05299 iterasi 3 2.05313 iterasi 4 2.05313 iterasi 1 1.16095 iterasi 2 1.16442 iterasi 3 1.16442 iterasi 4 1.16442 Nilai pada iterasi ke 1 : 2.05313 : 1.16442
Skripsi
iterasi 5 iterasi 6 iterasi 7 iterasi 5 iterasi 6 iterasi 7 Nilai pada iterasi ke
2.04563 2.04564 2.04564 1.03411 1.0346 1.0346 2 : 2.04564
: 1.0346
iterasi 8 iterasi 9 iterasi 10 iterasi 11 iterasi 8 iterasi 9 iterasi 10 Nilai pada iterasi ke
1.88664 1.89047 1.89048 1.89048 0.958499 0.958643 0.958643 3 : 1.89048
: 0.958643
iterasi 12 iterasi 13 iterasi 14 iterasi 11 iterasi 12 iterasi 13 Nilai pada iterasi ke
1.92774 1.92796 1.92796 0.932406 0.932418 0.932418 4 : 1.92796
: 0.932418
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
iterasi 15 iterasi 16 iterasi 17 iterasi 18 iterasi 14 iterasi 15 iterasi 16 Nilai pada iterasi ke
1.86534 1.86596 1.86596 1.86596 0.913558 0.913564 0.913564 5 : 1.86596
: 0.913564
iterasi 19 iterasi 20 iterasi 21 iterasi 17 iterasi 18 iterasi 19 Nilai pada iterasi ke
1.89632 1.89647 1.89647 0.909784 0.909784 0.909784 6 : 1.89647
: 0.909784
iterasi 22 iterasi 23 iterasi 24 iterasi 20 iterasi 21 iterasi 22 Nilai pada iterasi ke
1.8662 1.86635 1.86635 0.90438 0.904381 0.904381 7 : 1.86635
: 0.904381
iterasi 25 iterasi 26 iterasi 27 iterasi 23 iterasi 24 Nilai pada iterasi ke
1.8856 1.88565 1.88565 0.904633 0.904633 8 : 1.88565
: 0.904633
iterasi iterasi iterasi iterasi iterasi iterasi
Skripsi
28 29 30 25 26 27
1.86955 1.86959 1.86959 0.902688 0.902688 0.902688
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
Skripsi
Nilai pada iterasi ke
9
: 1.86959
: 0.902688
iterasi 31 iterasi 32 iterasi 33 iterasi 28 iterasi 29 Nilai pada iterasi ke
1.88095 1.88097 1.88097 0.90334 0.90334 10 : 1.88097
: 0.90334
iterasi 34 iterasi 35 iterasi 36 iterasi 30 iterasi 31 iterasi 32 Nilai pada iterasi ke
1.87206 1.87208 1.87208 0.902473 0.902473 0.902473 11 : 1.87208
: 0.902473
iterasi 37 iterasi 38 iterasi 39 iterasi 33 iterasi 34 Nilai pada iterasi ke
1.87862 1.87862 1.87862 0.902951 0.902951 12 : 1.87862
: 0.902951
iterasi 40 iterasi 41 iterasi 42 iterasi 35 iterasi 36 Nilai pada iterasi ke
1.87362 1.87362 1.87362 0.90251 0.90251 13 : 1.87362
: 0.90251
iterasi 43 iterasi 44 iterasi 45 iterasi 37 iterasi 38 Nilai pada iterasi ke
1.87735 1.87735 1.87735 0.902804 0.902804 14 : 1.87735
: 0.902804
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
iterasi 46 iterasi 47 iterasi 48 iterasi 39 iterasi 40 Nilai pada iterasi ke
1.87453 1.87453 1.87453 0.902565 0.902565 15 : 1.87453
: 0.902565
iterasi 49 iterasi 50 iterasi 51 iterasi 41 iterasi 42 Nilai pada iterasi ke
1.87665 1.87665 1.87665 0.902736 0.902736 16 : 1.87665
: 0.902736
iterasi 52 iterasi 53 iterasi 54 iterasi 43 iterasi 44 Nilai pada iterasi ke
1.87505 1.87505 1.87505 0.902603 0.902603 17 : 1.87505
: 0.902603
iterasi 55 iterasi 56 iterasi 57 iterasi 45 iterasi 46 Nilai pada iterasi ke
1.87625 1.87625 1.87625 0.902702 0.902702 18 : 1.87625
: 0.902702
iterasi 58 iterasi 59 iterasi 60 iterasi 47 iterasi 48 Nilai pada iterasi ke
1.87534 1.87534 1.87534 0.902626 0.902626 19 : 1.87534
: 0.902626
iterasi iterasi iterasi
Skripsi
61 62 63
1.87603 1.87603 1.87603
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
iterasi 49 iterasi 50 Nilai pada iterasi ke
0.902683 0.902683 20 : 1.87603
: 0.902683
iterasi 64 iterasi 65 iterasi 66 iterasi 51 iterasi 52 Nilai pada iterasi ke
1.87551 1.87551 1.87551 0.90264 0.90264 21 : 1.87551
: 0.90264
iterasi 67 iterasi 68 iterasi 69 iterasi 53 iterasi 54 Nilai pada iterasi ke
1.8759 1.8759 1.8759 0.902672 0.902672 22 : 1.8759
: 0.902672
iterasi 70 iterasi 71 iterasi 72 iterasi 55 iterasi 56 Nilai pada iterasi ke
1.87561 1.87561 1.87561 0.902648 0.902648 23 : 1.87561
: 0.902648
iterasi 73 iterasi 74 iterasi 57 iterasi 58 Nilai pada iterasi ke
1.87583 1.87583 0.902666 0.902666 24 : 1.87583
: 0.902666
iterasi 75 iterasi 76 iterasi 59 iterasi 60 Nilai pada iterasi ke
1.87566 1.87566 0.902652 0.902652 25 : 1.87566
: 0.902652
iterasi
Skripsi
77
1.87579
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
iterasi 78 iterasi 61 iterasi 62 Nilai pada iterasi ke
1.87579 0.902663 0.902663 26 : 1.87579
: 0.902663
iterasi 79 iterasi 80 iterasi 63 iterasi 64 Nilai pada iterasi ke
1.87569 1.87569 0.902655 0.902655 27 : 1.87569
: 0.902655
iterasi 81 iterasi 82 iterasi 65 iterasi 66 Nilai pada iterasi ke
1.87576 1.87576 0.902661 0.902661 28 : 1.87576
: 0.902661
iterasi 83 iterasi 84 iterasi 67 iterasi 68 Nilai pada iterasi ke
1.87571 1.87571 0.902656 0.902656 29 : 1.87571
: 0.902656
iterasi 85 iterasi 86 iterasi 69 iterasi 70 Nilai pada iterasi ke
1.87575 1.87575 0.90266 0.90266 30 : 1.87575
: 0.90266
iterasi 87 iterasi 88 iterasi 71 iterasi 72 Nilai pada iterasi ke
1.87572 1.87572 0.902657 0.902657 31 : 1.87572
: 0.902657
iterasi iterasi iterasi
Skripsi
89 90 73
1.87574 1.87574 0.902659
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
Skripsi
iterasi 74 Nilai pada iterasi ke
0.902659 32 : 1.87574
: 0.902659
iterasi 91 iterasi 92 iterasi 75 iterasi 76 Nilai pada iterasi ke
1.87573 1.87573 0.902658 0.902658 33 : 1.87573
: 0.902658
iterasi 93 iterasi 94 iterasi 77 iterasi 78 Nilai pada iterasi ke
1.87574 1.87574 0.902659 0.902659 34 : 1.87574
: 0.902659
iterasi 95 iterasi 96 iterasi 79 iterasi 80 Nilai pada iterasi ke
1.87573 1.87573 0.902658 0.902658 35 : 1.87573
: 0.902658
iterasi 97 iterasi 98 iterasi 81 iterasi 82 Nilai pada iterasi ke
1.87574 1.87574 0.902658 0.902658 36 : 1.87574
: 0.902658
iterasi 99 iterasi 100 iterasi 83 iterasi 84 Nilai pada iterasi ke
1.87573 1.87573 0.902658 0.902658 37 : 1.87573
: 0.902658
iterasi 101 iterasi 102 iterasi 85 iterasi 86 Nilai pada iterasi ke
1.87574 1.87574 0.902658 0.902658 38 : 1.87574
: 0.902658
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
iterasi 103 iterasi 104 iterasi 87 iterasi 88 Nilai pada iterasi ke
1.87573 1.87573 0.902658 0.902658 39 : 1.87573
: 0.902658
iterasi 105 iterasi 106 iterasi 89 iterasi 90 Nilai pada iterasi ke
1.87573 1.87573 0.902658 0.902658 40 : 1.87573
: 0.902658
iterasi 107 iterasi 108 iterasi 91 iterasi 92 Nilai pada iterasi ke
1.87573 1.87573 0.902658 0.902658 41 : 1.87573
: 0.902658
iterasi 109 iterasi 110 iterasi 93 iterasi 94 Nilai pada iterasi ke
1.87573 1.87573 0.902658 0.902658 42 : 1.87573
: 0.902658
iterasi 111 iterasi 112 iterasi 95 iterasi 96 Nilai pada iterasi ke
1.87573 1.87573 0.902658 0.902658 43 : 1.87573
: 0.902658
iterasi 113 iterasi 114 iterasi 97 iterasi 98 Nilai pada iterasi ke
1.87573 1.87573 0.902658 0.902658 44 : 1.87573
: 0.902658
iterasi iterasi
Skripsi
115 116
1.87573 1.87573
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
Skripsi
iterasi 99 iterasi 100 Nilai pada iterasi ke
0.902658 0.902658 45 : 1.87573
: 0.902658
iterasi 117 iterasi 118 iterasi 101 iterasi 102 Nilai pada iterasi ke
1.87573 1.87573 0.902658 0.902658 46 : 1.87573
: 0.902658
iterasi 119 iterasi 120 iterasi 103 iterasi 104 Nilai pada iterasi ke
1.87573 1.87573 0.902658 0.902658 47 : 1.87573
: 0.902658
iterasi 121 iterasi 122 iterasi 105 iterasi 106 Nilai pada iterasi ke
1.87573 1.87573 0.902658 0.902658 48 : 1.87573
: 0.902658
iterasi 123 iterasi 124 iterasi 107 iterasi 108 Nilai pada iterasi ke
1.87573 1.87573 0.902658 0.902658 49 : 1.87573
: 0.902658
iterasi 125 iterasi 126 iterasi 109 iterasi 110 Nilai pada iterasi ke
1.87573 1.87573 0.902658 0.902658 50 : 1.87573
: 0.902658
iterasi 127 iterasi 128 iterasi 111 Nilai pada iterasi ke
1.87573 1.87573 0.902658 51 : 1.87573
: 0.902658
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM
ADLN Perpustakaan Universitas Airlangga
---------------------------------------Nilai Estimator Distribusi Logistik : 1.87573 dan : 0.902658 ---------------------------------------Nilai Estimator Distribusi Loglogistik : 6.52561 dan : 1.10784 -----------------------------------------
Skripsi
Romadhoni, Annas Riezki Estimasi Parameter Distribusi Loglogistik pada Data Tersensor Progressive Tipe II dengan Menggunakan Algoritma EM