1756
Tema 7: Ilmu-ilmu murni (Matematika, Fisika, Kimia dan Biologi)
POWER
DAN
SIZE
DISTRIBUSI NORMAL DANAPLIKASINYA
Oleh
Pratikno, B
1*, Jajang
1, Setianingsih
1, dan Sudarwo, R
21
Department of Mathematics, FMIPA, Jenderal Soedirman University
Purwokerto, Indonesia
model regresi linier. Formula power dan size diturunkan secara analitik, sedangkan aplikasi testingdengan non-sample prior information (NSPI), unrestricted test (UT), restrcited test (RT) dan pre-test pre-test (PTT) pada model regresi linier dilakukan pada data generate yang distandarisasi dari R package. Pemilihan rekomendasi test yang signifikan adalah menggunakan nilai maksimum power
dan minimum size dan juga graphically analysispower and size of the tests (UT, RT, dan PTT).
Hasil riset menunjukan bahwa jika power dan sizedistribusi normal untuk
𝜎
(standar deviasi) semakin besar maka nilai power dan size menuju hasil yang cenderung identik dan atau flat. Sementara itu, aplikasinya menunjukan bahwa grafik UT, RT, dan PTT data terstandarisasi menghasilkan grafik yang similar sebagaima hasil riset terdahulu yang dilakukan Pratikno (2012), yaitu kurva PTT cenderung terletak diantara UT dan RT.Kata kunci:Power, regresi linier, size.
ABSTRACT
The research studied power and size of normal distribution and its applications on regression linear model. The power and size formula are derived analytically and the tests are unrestricted test (UT), restrcited test (RT) and pre-test test (PTT). Recommendation test is given by choosing maximum power and minimum size, and also graphically analysis. The result showed that the power and size for large standard deviation (
𝜎
) tend to be identical and flat.In simulation study, the graphs of theUT, RT, dan PTT are still similarwith the previous research (Pratikno, 2012), the PTT tend to lie between UT and RT.Keyword:Power, regression linear model, size.
PENDAHULUAN
Distribusi normalsering disebut Gaussian distribution yang dikembangkan oleh Karl Gauss
dengan probability density function (pdf) univariat normal untuk variabel randomX dengan
parameter mean dan variance2 dinyatakan sebagai
1757
Perhitungan integralprobability density function (pdf) dan cumulativie distribution function (cdf)persamaan (1) rumit dan sulit sehingga harus diselesaikan secara numerik, demikian juga
perhitingan untuk power yang merupakan probabilitas menolak hipotesis nol (H0) under hipotesis
alternatif (H1)
Penggunaan distribusi normal initelah banyak dilakukan oleh beberapa peneliti, diantaranya
Pratikno (2012) menggunakan distribusi ini untuk perhitung power of the testsunrestricted test
(UT) dan restricted test (RT) untuk pengujian intersep yang menggunakan treatmentnon-sample
prior information (NSPI) pada model regresi linier, demikian juga Khan(2005, 2008), Khan and
Saleh (1997, 2005, 2008), Khan and Hoque (2003), dan Saleh (2006) berkontribusi pada
pengembangan area riset dibidang estimasi yang melibatkan penggunaan R-code dari R-package.
Karena pentingnya nilai power dan size dalam menentukan signifikansi testing UT, RT dan
pre-test test (PTT) yang mendapat treatment NSPI pada SRM maka perlu dilakukan studi tentang
proses penurunan power dan size dari distribusi normal dan juga aplikasinya pada kasus penentuan
model terbaik UT, RT dan PTT. Selanjutnya riset ini dilakukan dengan mengkaji formula power
dan size dari distribusi normal, penghitungan nilai power dan size dengan R-code, menggambar
dan analisis grafik power dan size distribusi normal, dan grafik power dan size UT, RT dan PTT.
Penelitian ini memaparkan bagaimana formulasi power dan size distribusi normal yang
dipaparkan pada Bagian 2. Grafik dan aplikasinya diberikan pada Bagian 3, sedangkan kesimpulan
diberikan pada Bagian 4.
POWER DAN SIZE DISTRIBUSI NORMAL
Cdfdistribusi normal dengan parameter 𝜇 dan 𝜎 adalah dengan batas 𝑥=𝑥1 dan 𝑥=
𝑥2untuk vaiabel random X adalah
𝑃 𝑥1 <𝑋<𝑥2 = 𝑛 𝑥𝑥𝑥2 ;𝜇,𝜎 𝑑𝑥
1 (2)
Perhitungan integral persamaan (2) sebagai intregral fungsi distribusi normal adalah sulit sehingga
integral tersebut harus dihitung dengan pendekatan numerik, yaitu deret Maclaurin. Sementara itu,
hal yang terkait dengan power dan size adalah hipotesis yang akan digunakan. Hal ini untuk dapat
menentukan under H0 atau H1. Dalam kontek ini hipotesis yang diguanakan adalah two-side
Selanjutnya, size distribusi ini dinyatakan sebagai
𝛼∗=𝑃 menolak 𝐻
1758
standar deviasi yang digunakan semakin besar maka nilai powerakan mendekati nilai size. Grafik
cenderung similardengan sifat distribusi normal yaitu jika standar deviasi besarmaka kuvanya flat
1759
APLIKASI POWER DAN SIZE PADA DATA BANGKITAN
Mengacu penelitian Pratikno (2012), maka power dan sizeUT, RT, dan PTT untuk model
regresi multivariat sederhana data bangkitan dari 4 variabel dependen 𝑦1= 5 + 2𝑥, 𝑦2 = 2 + 4𝑥,
𝑦3 = 3−5𝑥 dan 𝑦4= 6 + 8𝑥yang distandarisasi, dan dengan level of signidicance 0,05 dan
hipotesis two-side𝐻0:𝛽0𝑖 = 0 maka grafik power UT, RT, dan PTT adalah sebagai berikut.
Gambar 2. Grafik Kuasa UT, RT, dan PTT 0,1, 0,3, 0,5, 0,7,
2= 0,5Dari Gambar 2 terlihat bahwa PTTmenjadi pilihan alternatif dari UT dan RT hal ini karena
nilai PTT diantara UT dan RT dalam kontek maksimum power.Hasil ini masih sejalan dengan hasil
riset sebelumnya, Pratikno (2012). Demikian juga dengan grafik dan nilai size under H0, dimana
size PTT juga menjadi alternatif sebagai nilai pilihan minimum.
KESIMPULAN
Riset ini membahas power dan size pada distribusi normal dan aplikasinya pada model
regresi. Perhitungan power dan size menggunakan R-code dari R package. Hasil riset menunjukan
bahwa power dan sizedistribusi normal menunjukan bahwa jika𝜎 (standar deviasi) semakin besar
maka nilai power dan sizenaka kurvanya menuju identik dan atau flat. Sedangkan hasil terapannya
menunjukan bahwa PTT masih menjadi pilihan alternatif terbaik dan cenderung similar dengan
riset terdahulu yang dilakukan Pratikno (2012).
1760
DAFTAR PUSTAKA
Khan, S. 2005. Estimation of parameters of the multivariate regression model with uncertain prior information and Student-t errors, Journal of Statistical Research, 39 (2): 79-94.
Khan, S. 2008. Shrinkage estimators of intercept parameters of two simple regression models with suspected equal slopes, Communications in Statistics - Theory and Methods37: 247-260.
Khan , S. & Saleh, A.K.Md.E. 1997. Shrinkage pre-test estimator of the intercept parameter for a regression model with multivariate Student-t errors, Biometrical Journal 39: 1-17.
Khan, S. & Hoque, Z. 2003. Preliminary test estimators for the multivariate normal mean based on the modified W, LR and LM tests, Journal of Statistical Research37: 43-55.
Khan, S. &A.K.Md.E. Saleh 2005. Estimation of intercept parameter for linear regression with uncertain non-sample prior information, Statistical Papers 46: 379-394.
Khan, S. & A.K.Md.E. Saleh 2008. Estimation of slope for linear regression model
with uncertain prior information and Student-t error,Communications in Statistics-Theory and Methods 37(16), 2564-2581.
Pratikno, B. 2012.Tests of hypothesis for linear regression models with non sample prior information, Dissertation, University of Southern Queensland, Australia, 2012.
Saleh, A.K.Md.E.2006.Theory of preliminary test and Stein-type estimation with applications, John Wiley and Sons, Inc., New Jersey.