/
O!I
PEMBANDINGAN UJI-UJl KEBAIK-SUAlAN
BAGI SEBARAN POISSON
MENGGUNAKAN
X2
DAN METODE RICE SECARA SIMULASI
(Comparison of Goodness of Fit Tests for Simulated Data from Poisson Distribution
using
X' and Rice Methods)
FAHMI DARMAWAN
•
-,-
':00. ' - ,
.:
-
.
~JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITlJT PERT ANIAN BOGOR
BOGOR
1997
RINGKASAN
FAHMI DARMAWAN. Pembandingan Uji-uji Kebaik-suaian bagi Sebaran Poisson Menggunakan X'
dan Metode Rice seeara Simulasi (Comparison of Goodness of Fit Tests for Simulated Data from
Poisson Distribution using X' and Rice Methods). Dibimbing oleh MUHAMMAD SY AMSUN dan
AGUSBUONO.
Penelitian ini bertujuan membandingkan metode pengujian sebaran Poisson yaitu uji Kebaik-suaian X' dengan metode Rice, terutama menentukan ukuran eontoh terkecil agar uji Kebaik-suaian X' dan metode Rice memberikan hasil yang berbeda.
Data yang digunakan berasal dari pembangkitan sebaran Poisson dengan menggunakan paket program Minitab dan algoritme pembangkitan bilangan acak Poisson.
Pengujian dengan menggunakan uji Kebaik-suaian X' menunjukkan adanya suatu ukuran data mll11mUm pengqjian. Ukuran data minimum ini diperoleh apabila dari kelima ulangan pengujian menghasilkan penolakan hipotesis sebaran Poisson. Ukuran data minimum pengujian akan semakin
meningkat dengan meningkatnya nilai parameter sebaran Poisson.
Total kegagalan pengluian yang terjadi pada pengujian menggunakan uji Kebaik-suaian X' juga akan semakin meningkat dengan meningkatnya nilai parameter sebaran. sehingga dari hasil penelitian menunjukkan bahwa besamya nilai parameter sebaran Poisson berpengaruh dalam pengujian dengan
menggunakan uji Kebaik-suaian "1..2 .
Pengujian sebaran Poisson dengan menggunakan metode Rice menunjukkan bahwa total kegagalan yang terjadi tidak tergantung pada besamya nilai parameter sebaran dan ukuran eontoh yang digunakan.
Uji Kebaik-suaian X' akan baik digunakan dalam pengujian sebaran Poisson untuk ukuran data yang besar dan nilai parameter sebaran Poisson yang keci!. Untuk ukuran data yang kecil atau nilai parameter sebaran Poisson yang eukllp besar uji Kebaik-sllaian X' akan lebih sering menghasilkan penolakan hipotesis sebaran Poisson, untuk keadaan yang demikian metode Rice akan lebih benl1anfaat dari pada uji Kebaik-suaian X2 .
PEMBANDINGAN UJI-UJJ KEBAIK-SUAIAN
BAG I
SEBARAN POISSON
MENGGUNAKAN
X2
DAN METODE RICE SECARA SIMULASI
FAHMI DARMA W AN
Skripsi
sebagai salah satu syarat W1tuk memperoleh gelar Sarjana Sains
pada
Program Studi Statistika
JURUSAN STATISTIKA
FAKliLTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITlJT PERT
AN IAN
BOGOR
BOGOR
1997
Judul
Nama
NIM
Pembandingan Uji-uji Kebaik-suaian bagi Sebaran Poisson Menggunakan X2
dan Metode Rice secara Simulasi
(Comparison of Goodness of Fit Tests for
Simulated Data from Poisson Distribution using
X'and Rice Methods)
Fahmi Darmawan
G290387
Menyetujui,
Komisi Pembimbing
Dr. If. Muhammad Syamsun, MSc.
Ketua
Anggota
Ketua JUnisan
RIWAYAT HIDUP
Penulis dilahirkan di Suruh, Kab. Semarang pada tanggal 4 Februari 1974 sebagai anak kedua dari empat bersaudara putra dari Bapak Hisyam Asyhari dan Ibu Wartafiq.
Tahun 1992 penulis lulus dari SMA Negeri I Salatiga dan pada lahun yang sama penulis diterima di Institut Pertanian Bogor melalui jalur USMI. Tahun 1993 lulus TPB - IPB dan dilerima di Jurusan Statistika. Pada lahun 1993 sampai dengan 1995 penulis menjadi asislen praktikum Kimia Dasar pada Jurusan Kimia FMIPA - IPB.
KATAPENGANTAR
Segala puji dan syukur penulis panjatkan ke hadiral Allah SWT yang telah melimpahkan rahmat dan hidayah-Nya, sehingga karya ilmiah ini dapal diselesaikan.
Pada kesempatan ini penulis ingin menyampaikan penghargaan dan ucapan terimakasih yang sebesar-besamya kepada :
I. Bapak Dr. Ir. Muhammad Syamsun, M.Sc. dan Bapak Ir. Agus Buono selaku pembimbing yang telah banyak memberikan ide dan bimbingan kepada penulis sehingga karya iImiah ini dapat diseIesaikan. 2. Dosen, staf dan pegawai pada Jurusan Statistika.
3. Dessy Hildayanli yang lelah memberikan dukungan fasilitas perangkal keras kompuler sehingga dapat ·memudahkan penulis daJam menyelesaikan karya iImiall ini.
4. Anang Kurnia atas diskusi-diskusi yang membantu penulis daJanl tahap perumusan masalah.
5. Dewi Rosmala, Yani Nur, Dian H, Imam, Om Gun, 2ul, Asigun, Mbak Dai, lin, Hermawan Yayat dan semua rekan-rekan di Jurusan Stalistika alas banluan yang lelall diberikan.
AkJlirnya penulis menyampaikan rasa lerimakasih yang lidak lerhingga kepada Bapak, Ibu, Simbah, Mbak, Mas-masku serta adik-adik tersayang alas do'a, kasih sayang, perhalian dan semuanya.
PenuI;s sangal menyadari kekurangan-kekurangan daJam karya ihniah ini, namun demikian penulis sangat berharap semoga karya lulis ini dapal bennanfaal bagi yang membutuhkan.
Bogor, Januari 1997
Fahmi Darmawan
DAFTARISI
Halaman DAFTAR TABEL ... : ... , ... . VI
DAFT AR LAMPIRAN ... VII
PENDAHULUAN ... I. Latar Belakang ... ... I. Tujuan Penelitian ... .... ... ... ... .... ... ... ... ... ... ... ... ... ... ... ... ... .... ... I. TINJAUAN PUST AKA ... I. Simulasi Sebaran Poisson ... .... .... ... .... ... ... ... ... ... ... .... .... ... ... ... ... ... ... .... ... ... ... I.
Uji Kebaik·suaian X' ... ... ... ... .... ... .... ... ... ... ... .... ... ... ... ... ... ... ... 2.
Metode Rice .... ... ... ... ... ... ... .... ... .... ... .... .... ... ... ... ... ... .... ... ... ... .... ... 2.
BAHAN DAN METODE ... 3.
Bahan Penelitian ... 3.
Metode Penelitian ... 3.
HASIL DAN PEMBAHASAN ... 3.
Hasil Uji Kebaik·suaian X' ... 3.
Hasil Pengluian dengan Metode Rice ... 4.
Pembandingan Uji Sebaran ... 5.
KESIMPULAN 5. DAFTARPUSTAKA ... 5.
DAFfAR TABEL
Halaman I. Ukuran Data Minimum Pengujian pada Uji Kebaik-suaian X' dari beberapa Parameter Sebaran
Poisson ... 3. 2. Ukuran Data Minimum Pengujian pada Uji Kebaik-suaian X' dari Metode-metode Pembangkitan
Bilangan Acak Poisson ... 3. 3. Total Kegagalan Uji Kebaik-suaian X' dari Parameter Sebaran Poisson ... 4. 4. Total Kegagalan Uji Kebaik-suaian x'dari Metode-metode Pembangkitan Bilangan
Acak Poisson ... . 4. 5. Total Kegagalan Pengujian Sebaran Poisson dengan Metode Rice untuk Beberapa
Parameter Sebaran Poisson. ... 4. 6. Total Kegagalan Pengqjian Sebaran Poisson dengan Metode Rice untuk Beberapa
Metode-metode Pembangkitan Bilangan Acak Poisson. .... ... ... ... ... ... ... ... ... ... 4. 7. Total Kegagalan Uji Kebaik-suaian x'dari Beberapa Parameter Sebaran Poisson.
(n;' 30). 5.
8. Total Kegagalan Pengujian Sebaran Poisson dengan Metode Rice untuk Beberapa Parameter Sebaran Poisson. (n ;, 30). ... 5.
DAFf AR LAMPIRAN
Halaman
I. Ukuran Data Minimum Pengujian pada Uji Kebaik-suaian X' ... 7.
2. Total Kegagalan Uji X' untuk n :?: 30 ... 7.
3. Total Kegagalan Uji Sebaran Poisson dengan Metode Rice untuk n:?: 30 ... 7.
4. Total Kegagalan Uji Kebaik-suaian X' ... ... 8.
5. Total Kegagalan Uji Sebaran Poisson dengan Metode Rice ... 8.
6. Hasil Uji X' dengan data berasal dari MINITAB ... 9.
7. Hasil Uji X' dengan data berasal dari MINIT AB (Base = 50) ... 10.
8. Hasil Uji X' dengan data berasal dari MINIT AB (Base = 503) ... I I. 9. Hasil Uji X' dengan data berasal dari Pseudo Number (Seed = 50) ... 12.
10. Hasil Uji X' dengan data berasal dari Pseudo Number (Seed = 503) ... 13.
II. Hasil Uji Sebaran Poisson dengan Metode Rice, data berasal dari Minitab ... 14.
12. HasiJ Uji Sebaran Poisson dengan Metode Rice, data berasaJ dari Minitab (Base 50) ... IS. 13. Hasil Uji Sebaran Poisson dengan Metode Rice, data berasal dari Minitab (Base 503) ... 16. 14. HasiJ Uji Sebaran Poisson dengan Metode Rice, data berasal dari Pseudo Number (Seed = 50). 17. 15. Hasil Uji Sebaran Poisson dengan Metode Rice, data berasal dari Pseudo Number (Seed = 503) 18.
PENDAHULUAN
Lata .. Beiakang
Pola sebaran teoritis data (antara lain sebaran Binom, Poisson, Normal dan Eksponensial) memegang peran penting dalam analisis data, terutama yang menyangkut tallap pendugaan parameter, pengujian hipotesis dan penetapan taraf kepercayaan atau taraf nyata atas kesimpulan yang akan diambil (Aunuddin, 1988). Analisis data sering dilandasi oleh anggapan sebaran tertentu, sehingga hasil analisis data yang dilakukan menjadi tidak sah apabila asumsi yang melandasi tersebut tidak dipenuhi.
Pengujian bentuk sebaran data biasanya menjadi langkah awal dalam tahap analisis data. Pengujian ini dilakukan untuk melihat apakah data yang akan dianalisis memenuhi anggapan-anggapan yang mendasari metode yang akan digunakan dalam analisis data. Metode-metode Kebaik-suaian (Goodnes of Fit) yang salah satu-nya adalah uji Kebaik-suaian X' sering digunakan untuk menguji apakah data contoh yang ditarik
menyebar menurut sebaran teoritik tertentu. Sedangkan untuk pengujian sebaran Poisson di
samping uji Kebaik-suaian X', Rice (1995) dengan berdasarkan kenyataan bahwa E(X) = Var(X) menyarankan suatu metode utuk menguji sebaran Poisson. Metode Rice ini akan lebih peka apabila dibandingkan dengan uji Kebaik-suaian X' terutama untuk data yang berukuran kecil.
Thjuan Penelitian
Penelitian ini bertujuan membandingkan metode pengujian sebaran Poisson yaitu uji Kebaik-suaian X' dengan metode Rice, terutama menentukan ukuran contoh terkecil agar uji Kebaik-suaian X' dan metode Rice memberikan hasi I yang berbeda.
TINJAUAN PUSTAKA
Simulasi Sebaran Poisson
Peubah acak X yang menyebar Eksponensial dengan parameter A memiliki fungsi peluang dan fllngsi sebaran komlliatif sebagai berikut :
x
F(X
=
x)=
fJ.e-Axdx=
1_e- Axo
Sebaran peubab acak Eksponensial dibangkit-kan dengan Inverse Transformation Method, dimana fungsi sebaran kumulatif Eksponensial memiliki kebaIikan yang bisa diucapkan secara
eksplisit. Karena untuk peubah acak
Eksponensial, 0,;; F(X) ,;; 1 sehingga F(X) dapat direpresentasikan dalam sebaran seragam,
U - Uta, 1), 0,;;
u ,;;
1 -Ax -Ax u=1-e , e =1-u -1n(I-u) X= . O<u<1 'A. • --Karena u - Seragam(O,I) maka (I-u) juga akan meyebar Seragam(O,I) sehingga bila X adalah peubah acak Eksponensial, maka X dapat dibangkitkan dengan cara :
Inu
x=-T
;u-Seragam(O,l).Peuball acak X yang menyebar secara Poisson dengan parameter A dapat dinyatakan dengan :
. e- A xAx
P(.\ = x) =
° ,;;
x,;; 00x!
E(X) = A , dan Var(X) = A
Menurut Morgan (1984), untuk membangkit-kan peUbaIl acak Poisson (A), dapat dilakukan dangan menggunakan kenyataan bahwa dalam Proses Poisson (At) terdapat kenyataan bahwa :
1. Waktu antar kejadian menyebar secara eksponensial.
2. Banyaknya kejadian dalam setiap selang
waktu tertentu t akan menyebar Poisson (At). Jika Ei - Eksponensial (A), bila ditetapkan X sedemikian sehingga :
x-I x
L
E. < 1,;L
E. ;x = 0,1,2,3,4, .. ·i=OI i=OI
maka X adaIah peubab acak Poisson (A).
x - 1 x L E.<l:S; L E. ;x=O,1,2.3.···.~:::::·, i = O ' i = O I x - 1 In 11. X In 11. L ___ I <1~ L - - - ' i=O A i=O A
x - I
,
E - In II E - In II , • 0,
I=:O,
(
,._')
(,.)
In n " > - i. ~ In n II I = 0 I I = 0 Iii'lI,
> e ). ~Ii
II, , . 0 '00Artinya agar X menjadi peubah Poisson (A) maka han,s dipenuhi :
x
A
n
u.:;;e-j = 0 I
Langkah-Iangkah pembangkitan peubah acak Poisson (A) adalah :
I. Mulai dari i = 0
2. Bangkitkan bilangan acak Seragam
u;-u(O,I) 3.
4.
x
-A
Periksa apakah
n
u. :;; e kalau yai = 0 /
proses dil8l~utkan ke langkah 4, kalau tidak proses dilanjutkan ke langkah 2 dengan i =i + I
Cetak X = i; X - Poisson (A)
Uji Kebaik-suaian
1:
Uji Kebaik-suaian X' digunakan untuk menguji apakah sekumpulan data berasal dari sebaran tertentu.
Pengujian ini menggunakan prinsip bahwa apa bila sebuah contoh ditarik dari suatu populasi yang dihipotesiskan, diharapkan adanya suatu kecocokan yang erat antara frekuensi yang teramati dengan frekuensi harapan untllk hap kategori yang ada. Hipotesis yang digunakan adalah:
H" : Gugus data ditarik dari Populasi dengan sebaran yang telah ditentllkan
H, Gugus data bukan berasal dari Populasi dengan sebaran yang telah ditetapkan. Sehingga bila H" benar diharapkan adanya kesesuaian yang erat antara frekuensi-frekuensi yang teramati dengan frekuensi harapan untuk tiap kategori.
Pearson dalam Lindgren (1976) memberikan statistik uji : r
(/'_11".)2
.\"2 =L
I I 111t. I i =-1 2 denganfi Frekuensi yang teramati pada kategori ke
i.
7t; : PeJuang kejadian dalam kategori ke i
n : Jumla11 data, r : Banyaknya kategori,
Untuk ukuran contoh besar, X' kurang lebih mengikuti sebaran X' dengan derajat bebas banyaknya kategori (r) - I. H. akan ditolak apa bila nilai X' lebih atau sarna dengan nilai X' tabel pada derajat bebas r - I, dengan taraf nyata a.
Untuk penggunaan praktis ukuran contoh yang cukup sekurang-kurangnya adalah 30, asalkan tidak ada satu pun frekuensi harapan yang terlalu kecil (Daniel, 1978). Sedangkan Cochran dalam Daniel memberikan ukuran minimum bagi frekuensi harapan yang tidak boleh kurang dari satu. Bila dijumpai frekuensi harapan yang kurang dari satu, biasanya kategori yang berfrekuensi harapan kurang dari satu digabungkan dengan kategori terdekat sampai frekuensi harapan minimum terpenuhi, Banyak-nya kategori akan berkurang sesuai dengan banyaknya kategori yang digabungkan dengan kategori terdekat.
Apa bila par8l1leter populasi yang dihipotesis-kan tidak diberidihipotesis-kan maka harus diduga, Derajat bebas X' harus dikurangi lagi dengan banyaknya parameter yang harus diduga. Sehingga bila parameter yang harus diduga sebanyak g maka derajat bebas pengujian menjadi r - g -1.
Metode Rice
Rice (1995) menganjurkan suatu uji untuk sebaran Poisson dengan mendasarkan pada kenyataan bahwa E(X)
=
Var(X) dan uji perbandingan Likelihood.Jika X; adalall frekuensi kategori-kategori yang saling bebas maka :
H. :
A; = A, Vi = 1,2,3,4, ... ,nH, : AI, A2, A"
1." .. " A.,
Apa bila
H.
benar maka :i
=x
H, benar maka :i;
Dengan menggunakan perbandingan Likelihood
.x