Scribd Logo
Upload

Welcome to Scribd!

  • Paper Statin

    Uploaded by

    Nurana M P
    3 views6 pages
    paper

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document
    paper

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    3 views6 pages

    Paper Statin

    Uploaded by

    Nurana M P
    paper

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 6
    KAJIAN ESTIMASI PARAMETER DISTRIBUSI GAMMA oes MENGATASI KEHILANGAN DATA PENJUALAN PULSA Nama: Rosita NRE; 1207201 201 urusan : Mawematika FMIPA — ITS Email in ah 01m) ABSTRAK Sah st ars koma pa Sai ih bs Gana sang da diuatan wk menyelesaikan banyak persoalan dalam bidang rekayasa dan sains. Sebagsi salah satu contohnya tise Cama, memaiskan peran pening dalam teri antian dan tear keandalan (eibilites) missle unk mengatasiKebilangan data, Bebiara ean Keilangan dat, nunc sebuah pertanyaan ‘apa yang dapat dilakukan oleh prosesor bla data yang diterima dari memori teryata tidak lngkap? Tana dita yang lengkap maka prosetor tidak dapet memproses seni dengan yang dinginkan. Maka dar prosesor seharanya dlengkap dengan agora ata fu yang dap! meneaasikekurangan data Salah satu cara yang paling fepat digunakan adalah dengan melakukan estimasi Sua data yang hilang kta angeap dengan parameter 0 nil yang pling mendekat parameter tersebutdsebut dengan interval estimate. Yang ing didapetkan da hast estinas adalah ineval estimate ii yang. dapat tmenggantikan pean data yang blng. Langa slanjunya alah mencari estimator yang pa wtuk ‘igunakan pace eximasi Estimator yang ideal hans emenuhi syarat sebagai Minimm Variance ‘Unbiased Estimator (MVUE). Unbiased Estimator memiliki populasi harga terpusat yang sama dengan @ . dengan kata ain tidak terdapat bias dari @ . Selanjutnya untuk Minimum Variance, suatu estimator akan jebin bak bila variansi deta yang dlhasitan sangat sei chinggn deta terpusat pada sata tk. Bila ‘dengan variance terkeil maka merupakan estimator yang terbak. ‘Kata kunc!: Distribusi Gamma, Unbiased Estimator, Minlmum Variance. PENDAHULUAN Dalam bidang tekayasa dan sins, suatu dstrbusi dapat digunakan untuk menyelesikan banyak ‘eralan. Sebagi salah satu contohaya 0 a iia (n)=(n-1) @Diesian1(5) = (3) Untuk setiap a > 1 berlaku F(a) = (a —I)r(a-1) Dengan sifat yang dimiliki fungsi gamma jike diintegralkan maka diperoleh F(i)= fe“ae=t untuk @ > 0 Sinden FC (n—1)/ Dimana fing! Gamma dpa dalam mendfiiskan distrib iberikan definisi tentang suatu yariabel acak X yang berdistribusi Gamma Sebuahvariabel aa kontnaX dkatakan memiki ibs Carma dengan parncer Dent @ dan parameter skala £2, bila fungsi kepadatan probabilitas (pdf) dari f(x) berbentuk f)= fale a “exf-(5)} ntlt | 25.0 lo untuk x lainnya Dengan kedua parameter yang selalu positifyaitu @ > 0dan 6 > 0. (Walpole, 1995) Distribusi gamma memiliki mean dan varians, teorema berikut akan memberikan mean dan varians dari distribusi gamma. ‘Mean dan varians dari distribusi gamma adalah E(x), ap dan Vans) = @* = af" Distribusi Gamma mempunyai parameter yang tidak diketahui yaitu @ dan (Oleh karena itu, ‘estimasi parameter harus dilakukan pada distribusi Adan mete enlinn yng isan dalam pontine eri Pengambilan data penjualan puls, sclajutnya dilakukan estimasi dengan mempelajari sifetsifat data yang sebelumnya dan mempelajari pola-pola yang ada untuk dapat ‘menentukan proses statistik yang tepat digunakan dan proses estimasi yang tepat. 2, Menerapkan minimum variance unbiased estimator (MVUE) untuk menentukan estimator yang terbaik 3, Menganalisa proses yang telah dlakukan untuk menentukan interval estimate atau estimasi interval yang menggantikan peran data yang hilang. 4. kesimpitan diambil dari diperolehnya nilaiestimasi interval slau parameter yang berperan sebagai data yang hilang, Sedangkan saran diberikan sebagai rujukan pada penclitian selanjutaya HASIL DAN DISKUSL ‘4, Mean adalah rata-rata tung pada Sampel, dan ## adalah rta-rata hitung pads populas. ‘Aka dibuktikan apakah mean merupakan pendugn yang tak bias XaEA inane jg = yak (LZ time > 30 les «s mean merupakan estimator yang tak bias + Alan dibuktkan apakah mean memtpunya varia yang sangat keci vere lle ate) 22) hon (Leal) .". mean mempunyai variansi yang sangat kecil yaitu sama dengan nol Jadi, mean (7) merupakan estimator atau penduga yang bak b. Ee ener ver disimbotkan dengan % dan dirumuskan sebagai beri EE Xia ope Rh cera + “Akan dibuldikan apekah median merupakan pendug tk bis tau bukan? BIR) = BReays) in dimana n>30,seinggs BR) + a Karena median bukan merupakan penduga tak bias maka median bukanlsh penduga yang baik. eX, yaitujumishantara nila maksimum dan minimum dibagi dua yang dramuskan sebagai ben: X, = 0.5(maks(s,)+min(x,)) _nable)éminls) . ite: pany ‘merupakan penduga tak bias atau bukan’? = (Elma) ~ = nat ,)+ mine) din on mas (rata ~rota erbiar io.) = Acne cite? sats) mia) = mats (4g) min, don a i) sehingsa EOC) Hy Jadi,X, bukan merupakan penduga atau estimator yang baik 44. Xqgo adalah rata-ratatanpa menggunakan data yang harganya lebih kecil dan lebih besar daci 10% dar samp, Xy dsebut juga robust estimator atau estimator terbaik, schinggn harus dipaksi dalam estimasi parameter. Telah dijelashan sebelumnya behwa data penjuelan (sampet) yang diambil berdstribus normal fon baie fovet yok Sooo aibres sain aie te seen selang kepereayaan dan Koefsienkepereayaan dengan menggunakan vj yaita dengan rumus: 22 TE stings Pl ny <2

    You might also like