Professional Documents
Culture Documents
Abstrak
Distribusi Weibull merupakan salah satu distribusi yang tergolong kedalam distribusi
Eksponensial. Pada tulisan ini, yang dibahas adalah penaksiran parameter distribusi Weibull 3
parameter. Pada penaksiran parameter distribusi Weibull 3 parameter dengan metode Maximum
Likelihood Estimation (MLE), tidak diperoleh nilai taksiran yang eksak. Oleh karena itu penaksiran
parameternya dilanjutkan dengan menggunakan metode iterasi Newton-Rhapson. Distribusi Weibull 3
parameter ini kemudian diaplikasikan pada data rata-rata kecepatan angin. Setelah dilakukan uji
kesesuaian distribusi Weibull dengan uji Mann, diperoleh bahwa data rata-rata kecepatan angin
khususnya kota Makassar dalam kurun waktu 5 tahun mengikuti pola distribusi Weibull 3 parameter
dengan nilai parameter lokasi
bentuk
( )=2,11214 .
Kata Kunci : Distribusi Weibull 3 parameter, MLE, Newton Rhapson, Uji Mann
1. Pendahuluan
Setiap peristiwa akan mempunyai peluang masing-masing, dan peluang terjadinya
peristiwa tersebut akan mempunyai penyebaran yang mengikuti suatu pola tertentu yang di
sebut dengan distribusi. Ada dua jenis distribusi sesuai dengan variabel acaknya yaitu
distribusi peluang diskrit dan distribusi peluang kontinu. Salah satu yang tergolong dalam
distribusi kontinu adalah distribusi Weibull 3 parameter. Distribusi Weibull adalah distribusi
yang memiliki peranan yang penting terutama pada persoalan keandalan (reliability) dan
analisis rawatan (mantainability).
Hal yang penting dalam mengkaji suatu distribusi adalah masalah mengestimasi
parameternya. Dalam hal pengestimasian parameter terdapat beberapa metode untuk
mengestimasi parameter suatu distribusi. Salah satu dari beberapa metode tersebut yang
digunakan untuk mengestimasi parameter distribusi Weibull adalah dengan menggunakan
metode Maksimum Likelihood Estimation (MLE).
Adapun tujuan penulisan ini adalah untuk mengestimasi parameter distribusi Weibull 3
parameter dengan metode Maksimum Likelihood Estimation (MLE), serta menghitung nilai
mean dan variansi rata-rata kecepatan angin di Makassar yang mengikuti pola distribusi
Weibull 3 parameter.
Universitas Hasanuddin
2. Tinjauan Pustaka
2.1 Distribusi Peluang Kontinu
Distribusi peluang didefinisikan dengan suatu fungsi peluang, dinotasikan dengan
P( X =x) atau f ( x) , yang menunjukkan peluang untuk setiap nilai variabel acak.
Fungsi
f ( x)
memenuhi:
a.
xR.
b.
f ( x ) dx=1,
c.
F(x)
F ( x )=P ( X x )
x
f ( t ) dt .
E(X)
disimbolkan dengan
dan variansi
E ( X )= x f ( x ) dx . (1)
(2)
f ( x| , , ) =
( 1)
( )( )
{ ( )}
x
exp
; untuk x>
; untuk x
(3)
Universitas Hasanuddin
F ( x| , , )=
di mana
; untuk x>
E ( X )= +
2
(4)
; untuk x
{ ( )}
1exp
{(
adalah
X WEI ( , , )
( 1 +1)
V ( X )=
) [ ( )]}
2
2 1
+1
+1
yang
X 1 , X 2 , , X n
f ( xi ; ) , dimana
adalah
, , dan , yang
L
merupakan fungsi
maka
L ( )= f ( x i ; )
1
Selain itu, karena biasanya sulit untuk mencari turunan fungsi likelihood, maka yang
dilakukan adalah menentukan nilai maksimum dari logaritma natural fungsi likelihood
tersebut atau disebut dengan fungsi log-likelihood.
Fungsi log-likelihood dapat ditulis dalam bentuk :
L( )
l=ln
Nilai parameter
kepadatan peluang. Hal tersebut dilakukan dengan metode turunan pertama dari
3
Universitas Hasanuddin
merupakan ruang
L( )
likelihood berikut :
ln [ L ( ) ]=0
f ' ' ( xt )
2
( x t +1x t ) +
2!
+ f n ( xt )
x t +1x t ) n
(
n!
( k+1)
: Parameter taksiran
: Parameter taksiran
H ( ( k ) )
g ( ( k ) )
(5)
Universitas Hasanuddin
F ( x )= f ( t ) dt=
0
( x )
[ ( )]
( 1)
( )( )
exp
dt
1e
3.1.2
Estimasi Parameter
fungsi likelihood dari distribusi Weibull 3 parameter dapat dituliskan sebagai
berikut:
f ( x ; , , )=
[ ( )]
( 1)
( )( )
exp
f ( x 1 , , x n ; , , )=f ( x 1 ; , , ) f ( x n ; , , )
[ ( )]
[ ( )]
[ ( ) ]
[ ( ) ]
x ) ( 1) exp 1
( 1
( )
( 1)
( x n )
exp n
( )
n n
( )
( x i ) 1 exp
i=1
L ( x1 , , xn ; , , )=
n n
( ) ( x )
i=1
x i
i=1
exp
i=1
x i
(6)
[(
l=ln L=ln
n n
) ( X )
i=1
[ ( ) ]]
n
exp
i=1
X i
i=1
i=1
l=n [ ln ln ] + ( 1 ) ln ( X i )
X i
(7)
Universitas Hasanuddin
, ,
dan
, maka pers.(14)
l terhadap
adalah :
n
n
X
l
1
=( 1 )
+ i
i=1
i=1 ( X i )
(1)
=0 (8)
Universitas Hasanuddin
Turunan
l terhadap
adalah :
n
x
l n
=
+ i
=0( 9)
i=1
( )
Turunan
l terhadap
adalah
n
l n
= n ln + ln ( x i )
i=1
n
i =1
xi
( ) ln ( x )=0 (10)
i
i=1
Nilai turunan pertama yang ditunjukkan oleh pers.(15), pers.(16), dan pers.
(17) tidak memberikan fungsi yang eksplisit. Sehingga untuk mendapatkan nilai
taksirannya akan dilakukan proses iterasi Newton Rhapson. Dalam metode ini yang
dibutuhkan adalah turunan pertama dan turunan kedua dari fungsi log-likelihoodnya, karena metode ini menggunakan pendekatan deret Taylor orde ke-2. Deret
Taylor orde ke-2 diberikan sebagai berikut :
'
f ( x t +1 )=f ( x t ) + f ( x t ) ( x t +1x t ) +
Misalkan
vektor parameter-parameter
adalah
f ' ' ( xt )
2
( x t +1x t )
2!
, , , dan diketahui g ( ( k ) )
adalah
masing-masing
, , ,
H ( ( k ) )
, , .
Maka diperoleh :
1
Q(( k+1) )=l ( ) + g ( ( k ) ) ( k +1k ) + H ( ( k ) ) ( k+1 k ) 2
2
sebagai berikut :
pada
Universitas Hasanuddin
1
^ k +1=^ k H ( (k )) g ( ( k ) )
Nilai entri-entri dari matriks g sudah ditunjukkan pada pers.(8), pers.(9) dan
pers.(10) sedangkan entri-entri dari matriks H dapat dicari dengan menurunkan pers.
, diperoleh :
2 l
=( 1 )
2
[ (
n
i=1
n
x
1 2
+ 2 i
X i
i=1
( )
(11)
Universitas Hasanuddin
dan
2 n
( ) (
l
l
=
=
i=1
x i
sehingga diperoleh :
( 1 2)
2 l
2 l
=
1
n
x
1
+ i
X i
i=1
x i
( ) ( )
ln
n
x i
+1
i=1
( )
(1 3)
i=1
diperoleh :
( ) ] (1 4)
n
x
2 l
= 2 n( 1 ) i
2
i=1
[ ( )
( ) ln ( x )](1 5)
n
n
xi
x
2 l
2 l
1
=
=
n
i
i=1
i =1
, diperoleh :
2
( ) [ ( )] (1 6)
n
x i
2 l n
=
2 2 i=1
x i
ln
Universitas Hasanuddin
[ ][ ]
^ ( k+1 )
^ ( k+1 ) =
^ ( k+1)
^ (k )
^ ( )
k
^ (k )
2 l l l
+
2
2 l
l l
+
2 l
l l
+
2 l
l l
+
2 l l l
+
2
2 l
l l
+
2 l
l l
+
2 l
l l
+
2 l l l
+
][ ]
1
l
( 17 )
l
k
matriks turunan pertama (g) ditunjukkan oleh pers.(8), pers.(9) dan pers.(10)
sedangkan untuk matriks turunan kedua (H) ditunjukkan oleh pers.(8) hingga pers.
(16). Matriks H juga dikenal sebagai matriks Hessian.
3.2 Mean dan Variansi
Berdasarkan pers. (1) dan pers. (2), maka nilai ekspektasi dari
berikut
E ( X )= x f ( x ) dx
0
0
Misal :
u=
( 1 )
( )( )
x
maka x=u +
[ ( )]
dx
du 1
=
dx
dx= du
x
exp
10
adalah sebagai
Universitas Hasanuddin
Sehingga
E ( X ) menjadi :
E( X)= +
( 1 +1)
X
E ( X 2 ) adalah:
E ( X ) = x2 f ( x ) dx
2
x2
0
Misal :
u=
( )(
( 1)
[ ( )]
exp
dx
x
du 1
maka x=u + ; = ; d x= du
dx
Sehingga integral
E ( X 2 ) menjadi :
E ( X 2 ) = 2+ 2
( 1 + 1)+ ( 2 +1)
2
Var ( X )=E ( X 2 ){ E ( X ) }
[ ( ) ( )]
2
1
+ 1 2 +1
Universitas Hasanuddin
r1
k1
M=
i =k1 +1
k1
k2
i=1
ln ( si +1 )ln ( s i)
Mi
ln ( si +1 )ln ( si )
Mi
dimana :
si
Mi
r=n
= banyaknya data
k1
k2
Nilai dari
r1
2
Mi
r
2
sebagai berikut:
M i=Y i+1Y i
dimana
Y i=ln ln 1
i0.5
n+0.25
)]
sehingga :
r1
k1
M=
i =k1 +1
k1
k2
i=1
ln ( si +1 )ln ( s i)
Mi
ln ( si +1 )ln ( si )
Mi
30 (9,29)
30 (5,84)
12
Universitas Hasanuddin
M =1,5921597
c. Kriteria keputusan dan kesimpulan
Jika
nilai
maka
terima
H0 .
Berdasarkan
maka
H0
diterima dan dapat disimpulkan bahwa data berdistribusi Weibull. Dengan demikian
data kecepatan angin mengikuti distribusi Weibull.
Setelah diketahui bahwa data berdistribusi Weibull, maka selanjutnya nilai taksiran
parameter-parameternya dapat diketahui dengan bantuan program SAS 9.2. Melalui
^ =11,8378,
^=18,0430,
dan
E ( X )= +
( 1 +1)
27,81849
Nilai variansi dari data kecepatan rata-rata angin adalah :
Var (X )= 2
( 2 +1) ( 1 +1)]
2
63,23334
4. Kesimpulan dan Saran
13
^ =2,11214
Universitas Hasanuddin
4.1
Kesimpulan
Berdasarkan hasil analisis yang telah dilakukan, maka dapat diambil beberapa
kesimpulan sebagai berikut:
1. Untuk mengestimasi parameter distribusi Weibull 3 parameter, dilakukan dengan
menggunakan metode Maksimum Likelihood Estimation (MLE). Namun hasil dari
turunan pertama tidak menghasilkan solusi yang eksplisit, sehingga dilanjutkan
dengan proses iterasi menggunakan metode Newton Rhapson dengan bantuan
program SAS 9.2.
2. Pembuatan pola data rata-rata kecepatan angin di kota Makassar dimulai dengan
menguji kesesuaian data dengan distribusi Weibull melalui uji Mann, dan
disimpulkan bahwa data kecepatan rata-rata angin mengikuti pola distribusi
Weibull 3 parameter yang memuat parameter lokasi
dan parameter bentuk
distribusi
( ) , parameter skala ( ) ,
condong
ke
kanan.
untuk
nilai
mean
4.2
Saran
Penelitian ini membahas tentang penaksiran parameter distribusi Weibull 3
parameter dengan menggunakan metode Maksimum Likelihood Estimation (MLE).
Diharapkan untuk penelitian selanjutnya dapat dilakukan dengan beberapa metode yang
berbeda.
DAFTAR PUSTAKA
Aqifah. 2012. Penaksir Parameter Model Regresi Gamma dengan Peubah Respon Kontinu
Non-Negatif. Makassar : Universitas Hasanuddin
Bhattacharya Paritosh & Rakhi Bhattacharjee.2010.A Study On Weibull Distribution For
Estimating The Parameters.Journal of Applied Quantitative Methods
Dahiya Rum.C & Garland John. 1978. Estimating The Parameter of A Gamma Distribution.
Madrid : University of Massachusetts
Daut,I. M,Irwanto. Suwarno. Y,M,Irwan. N,Gomesh, N,S,Ahmad.2011.Potential of Wind
Speed for Wind Power Generation In Perlis, Northern Malaysia. Malaysia; School of
Electrical System Engineering Universiti Malaysia Perlis (UniMAP)
Herawaty Aty. 2008. Buku Ajar Peluang dan Distribusi Peluang. Universitas Mercu Buana
14
Universitas Hasanuddin
Jong, P.D. & Heller, G.Z. 2008. Generalized Linear Models for Insurance Data. Cambridge:
Cambridge University Press
Narayanant.A, 1990. Maksimum Likelihood Estimation of The Parameters of The
Parameters of The Dhiriclet Distribution. USA : Indiana University
Rinne Horst .2009. The Weibull Distribution. Jerman : Justus Liebig University
Rohilla Shalizi Cosma.2007. Maksimum Likelihood Estimation for q-eksponential (Tsallis
Distribution). Carnegie Mellon University
Santuo. 2012. Penaksir Parameter Model Regresi Inverse Gaussian dengan Peubah Respon
Kontinu Non-Negatif. Makassar : Universitas Hasanuddin
Walpole, Ronald E. Dan Myes, Raymond H. 1995. Ilmu Peluang dan Statistik untuk Insinyur
dan Ilmuan. Edisi Keempat. Bandung: ITB Bandung
repository.usu.ac.id/bitstream/123456789/29910/4/Chapter%20II.pdf
15