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 diperolehF(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 kecivere 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