estimasi parameter distribusi exponentiated...
TRANSCRIPT
SEMINAR NASIONAL VARIANSI 2016
(Venue Artikulasi-Riset, Inovasi, Resonansi Teori dan Aplikasi Statistika)
Prosiding Seminar Nasional VARIANSI 2016 13
ISBN 978-602-99837-2-2
ESTIMASI PARAMETER DISTRIBUSI
EXPONENTIATED MODIFIED WEIBULL EXTENSION
Christian Beren
1, Sri Astuti Thamrin
2*, Andi Kresna Jaya
3
1,2,3
Program Studi Statistika FMIPA Universitas Hasanuddin
Email: [email protected]; [email protected]; [email protected]
Analisis survival merupakan salah satu metode statistika yang digunakan untuk
menganalisis waktu kelangsungan hidup suatu individu atau unit tertentu terhadap suatu
kejadian. Distribusi yang umum digunakan dalam menganalisis data waktu hidup adalah
distribusi Weibull dengan kurva fungsi hazard naik, turun, maupun konstan. Namun,
distribusi Weibull biasa tidak dapat memodelkan fungsi non-monoton hazard misalnya
fungsi bathtub-shaped hazard. Tulisan ini bertujuan untuk menganalisis suatu set data
yang berdistribusi Exponentiated Modified Weibull Extension (EMWE) dengan fungsi
hazard berbentuk bathtub. Di dalam tulisan ini digunakan metode grafik dan metode
statistik untuk menguji data mengikuti distribusi Weibull dan memiliki fungsi bathtub-
shaped hazard. Distribusi EMWE memiliki 4 parameter yang terdiri dari dua parameter
skala dan dua parameter bentuk . Parameter ini diestimasi dengan metode
Maximum Likelihood Estimation (MLE) yang dilanjutkan dengan metode iterasi Berndt-
Hall-Hall-Hausman (BHHH). Untuk ilustrasi metodologi ini digunakan data simulasi yang
mengikuti distribusi Weibull dan memiliki fungsi bathtub-shaped hazard. Hasil dari analisis
data simulasi menunjukkan bahwa bila dibandingkan dengan distribusi lain, distribusi
EMWE merupakan distribusi terbaik dalam mendeskripsikan data karena memiliki nilai AIC
(Akaike Information Criterion) terkecil dan bentuk kurvanya yang paling mendekati
dengan kurva empiris.
Kata kunci : Bathtub-shaped, Berndt-Hall-Hall-Hausman, Exponentiated Modified Weibull
Extension, Fungsi Hazard, Maximum Likelihood Estimation
1. PENDAHULUAN
Analisis survival mempunyai konsep utama yang sangat penting
dalam menganalisis waktu hidup yakni fungsi survival dan fungsi hazard.
Fungsi survival dikaitkan dengan fungsi ketahanan, yaitu peluang suatu
individu untuk dapat bertahan hidup terhadap suatu kejadian hingga
waktu tertentu. Adapun fungsi hazard dikaitkan dengan fungsi resiko yang
menunjukkan laju kegagalan suatu individu untuk bertahan hidup setelah
melewati waktu tertentu. Fungsi hazard dalam Lawless (1982) dinotasikan
sebagai , yaitu peluang suatu individu mati dalaminterval waktu
SEMINAR NASIONAL VARIANSI 2016
(Venue Artikulasi-Riset, Inovasi, Resonansi Teori dan Aplikasi Statistika)
Prosiding Seminar Nasional VARIANSI 2016 14
ISBN 978-602-99837-2-2
sampai , jika diketahui individu tersebut masih dapat bertahan hidup
sampai dengan waktu .
Setiap peristiwa akan mempunyai peluang masing-masing, dan
peluang terjadinya peristiwa tersebut akan mempunyai penyebaran yang
mengikuti suatu pola tertentu yang disebut sebagai distribusi (Herawati,
2013). Distribusi yang umum digunakan untuk menganalisis permasalahan
yang menyangkut lama waktu hidup individu hingga akhirnya individu
tersebut mengalami suatu kejadian adalah distribusi Weibull. Hal yang unik
dari distribusi Weibull yaitu terletak pada bentuk kurva fungsi hazardnya
yang dapat berbentuk kurva naik, turun, maupun konstan. Namun
demikian, distribusi Weibull tidak dapat menunjukkan kurva nonmonoton
hazard misalnya yang berbentuk bathtub (Rajarshi dan Rajarshi, 1988).
Chen (2000) memperkenalkan distribusi dua parameter yang sangat
menarik dalam memodelkan fungsi bathtub-shaped hazard. Distribusi ini
sangat efisien dalam memodelkan fungsi bathtub-shaped hazard karena
hanya memiliki dua parameter. Walaupun demikian, distribusi ini dianggap
tidak fleksibel karena tidak mengandung parameter skala. Xie, dkk (2002)
memperkenalkan perluasan modifikasi distribusi Weibull dengan fungsi
bathtub-shaped hazard. Distribusi ini dikenal sebagai distribusi Modified
Weibull Extension (MWE) dengan tiga parameter yang memodifikasi
distribusi yang diperkenalkan oleh Chen (2000).
Distribusi dengan dua parameter yang diperkenalkan oleh Chen dan
distribusiMWE yang diperkenalkan oleh Xie walaupun diketahui dapat
memodelkan fungsi bathtub-shaped hazard, namun kedua distribusi
tersebut tidak dapat memberikan model bathtub-shaped hazard yang baik
(Sarhan dan Apaloo, 2013). Pada tahun 2013, Sarhan dan Apaloo
memperkenalkan distribusi baru yang dapat menunjukkan kurva bathtub-
SEMINAR NASIONAL VARIANSI 2016
(Venue Artikulasi-Riset, Inovasi, Resonansi Teori dan Aplikasi Statistika)
Prosiding Seminar Nasional VARIANSI 2016 15
ISBN 978-602-99837-2-2
shaped hazard yang sangat mirip dengan bentuk bathtub yang
sebenarnya.
2. METODE PENELITIAN
2.1 Konsep Fungsi Bathtub-shaped Hazard
Bentuk lain dari fungsi hazard adalah fungsi bathtub-shaped hazard
yang dapat dimodelkan ke dalam kurva bathtub-shaped hazard. Sistem
yang laju kegagalannya berbentuk kurva bathtub mengalami laju
kegagalan yang menurun pada siklus awal, kemudian diikuti dengan laju
kegagalan konstan, selanjutnya adalah laju kegagalan yang meningkat.
2.2 Distribusi Weibull Dua Parameter
Distribusi Weibull adalah salah satu distribusi peluang kontinu dalam
teori probabilitas dan statistik. Distribusi Weibull dua parameter memiliki
satu parameter skala dan satu parameter bentuk . Fungsi
kepadatan peluang distribusi Weibull dengan dua parameter adalah:
Adapun fungsi distribusi kumulatifnya adalah:
dengan ,
2.2.1 Distribusi Weibull Dua Parameter oleh Zhenmin Chen
Pada umumnya, distribusi yang digunakan untuk menganalisis set data
dengan fungsi bathtub-shaped hazard adalah distribusi Weibull yang telah
dimodifikasi. Salah satunya adalah distribusi Weibull dua parameter yang
diperkenalkan oleh Zhenmin Chen pada tahun 2000. Fungsi kepadatan
peluang distribusi ini adalah sebagai berikut:
SEMINAR NASIONAL VARIANSI 2016
(Venue Artikulasi-Riset, Inovasi, Resonansi Teori dan Aplikasi Statistika)
Prosiding Seminar Nasional VARIANSI 2016 16
ISBN 978-602-99837-2-2
2.2.2 Distribusi Exponentiated Modified Weibull Extension
(EMWE)
Distribusi EMWE diperkenalkan oleh Sarhan dan Apaloo pada tahun
2013. Pada dasarnya distribusi EMWE merupakan generalisasi dari
distribusi Modified Weibull Extension (MWE) yang diperkenalkan oleh Xie,
dkk pada tahun 2000.. Fungsi kepadatan peluang distribusi EMWE dengan
parameter adalah:
2.3 Metode Maximum Likelihood Estimation
Misalkan menyatakan peubah acak yang saling bebas
dengan fungsi padat peluangnya , dimana adalah ,
yang merupakan parameter-parameter yang akan ditaksir. Apabila
merupakan fungsi peluang bersama dari yang dipandang
sebagai fungsi dari maka fungsi likelihood-nya ditunjukkan oleh :
2.4 Metode Iterasi Berndt-Hall-Hall-Hausman (BHHH)
Rumus penaksir parameter pada metode iterasi BHHH adalah
sebagai berikut:
dengan
: vektor parameter taksiran pada iterasi ke-
: vektor parameter taksiran pada iterasi ke-
: matriks Hessian pada iterasi ke-
: matriks turunan pertama fungsi log-likelihoodpada iterasi ke-
SEMINAR NASIONAL VARIANSI 2016
(Venue Artikulasi-Riset, Inovasi, Resonansi Teori dan Aplikasi Statistika)
Prosiding Seminar Nasional VARIANSI 2016 17
ISBN 978-602-99837-2-2
2.5 Metode Akaike Information Criterion (AIC)
Metode AIC digunakan dalam pemilihan model terbaik
mendeskripsikan suatu data. Model terbaik adalah model yang memiliki
nilai AIC paling kecil. Nilai AIC dirumuskan sebagai berikut:
dengan:
: nilai log-likelihood dari metode MLE
: banyaknya parameter pada model
2.6 Pembangkitan Data Simulasi
Dalam tulisan ini, pembangkitan data simulasi dilakukan berdasarkan
distribusi tertentu. Distribusi yang digunakan untuk membangkitkan data
simulasi adalah distribusi Exponentiated Generalized Linear Exponential
(EGLE)karena pada dasarnya distribusi ini dapat memodelkan fungsi
bathtub-shaped hazard.
HASIL DAN PEMABAHASAN
Karakteristik fungsi hazard distribusi EMWE dapat diamati melalui
kurva fungsi hazard yang ditunjukkan pada Gambar 1.
Gambar 1. Kurva fungsi hazard distribusi EMWE untuk berbagai nilai
parameter
Berdasarkan gambar tersebut, maka dapat diketahui karakteristik
distribusi EMWE terkait dengan bentuk kurva fungsi hazardnya, yaitu:
SEMINAR NASIONAL VARIANSI 2016
(Venue Artikulasi-Riset, Inovasi, Resonansi Teori dan Aplikasi Statistika)
Prosiding Seminar Nasional VARIANSI 2016 18
ISBN 978-602-99837-2-2
1. Fungsi hazard distribusi EMWE berbentuk bathtub jika parameter
untuk sebarang nilai parameter (kurva berwarna merah pada Gambar
1. a, b, dan c).
2. Fungsi hazard distribusi EMWE berbentuk kurva naik jika parameter
dan (kurva berwarna biru dan hitam pada Gambar 1. a dan
b).
3. Fungsi hazard distribusi EMWE berbentuk kurva turun jika nilai
parameter dan sangat kecil atau bahkan mendekati 0 (Gambar 1.d).
Langkah-langkah pengujian distribusi Weibull dengan uji Mann
adalah sebagai berikut:
1. Hipotesis
Ho : Data simulasi berdistribusi Weibull
H1 : Data simulasi tidak berdistribusi Weibull
2. Taraf Signifikansi
Taraf signifikansi adalah sebesar 5%
3. Statistik Uji
4. Kriteria keputusan
Ho diterima jika nilai , sebaliknya Ho ditolak jika nilai
. Berdasarkan perhitungan yang telah dilakukan, diperoleh
nilai sedangkan nilai tabel pada taraf signifikansi
, , dan (nilai pembulatan) adalah
. Karena nilai , maka diputuskan
bahwa Ho diterima.
5. Pengambilan kesimpulan
SEMINAR NASIONAL VARIANSI 2016
(Venue Artikulasi-Riset, Inovasi, Resonansi Teori dan Aplikasi Statistika)
Prosiding Seminar Nasional VARIANSI 2016 19
ISBN 978-602-99837-2-2
Berdasarkan pengujian hipotesis yang telah dilakukan, maka diperoleh
kesimpulan bahwa Ho diterima, yang berarti bahwa data simulasi yang
digunakan mengikuti distribusi Weibull.
Plot TTT digunakan untuk mengetahui bentuk kurva fungsi hazard
suatu data.
Gambar 3. Plot TTT
Berdasarkan gambar tersebut, terlihat bahwa pola yang terbentuk diawali
oleh bentuk cembung kemudian diikuti oleh bentuk cekung. Hal ini
menunjukkan bahwa data yang digunakan dalam penelitian ini dapat
menunjukkan fungsi atau laju bathtub hazard.
Uji Statistik oleh Bergman
Metode ini menggunakan nilai scaled TTT-statistics yang diperoleh
dari plot TTT. Langkah-langkah pengujiannya adalah sebagai berikut:
1. Hipotesis
Ho : Laju hazard berbentuk konstan
H1 : Laju hazard berbentuk bathtub
2. Taraf Signifikansi
Taraf signifikansi adalah sebesar 5% atau 0.05
3. Statistik Uji
SEMINAR NASIONAL VARIANSI 2016
(Venue Artikulasi-Riset, Inovasi, Resonansi Teori dan Aplikasi Statistika)
Prosiding Seminar Nasional VARIANSI 2016 20
ISBN 978-602-99837-2-2
Statistik uji yang digunakan adalah statistik uji yang diperoleh
melalui:
Karena akan dibandingkan dengan taraf signikansi , maka nilai
statistik uji akan diubah ke bentuk nilai peluang. Aarset
menyarankan suatu formula untuk mengubah nilai statistik uji ke
bentuk nilai peluang yang dirumuskan sebagai berikut:
4. Kriteria keputusan
Ho diterima jika , sebaliknya Ho ditolak jika
. Berdasarkan perhitungan yang telah dilakukan,
maka diperoleh . Karena nilai
, maka diputuskan bahwa Ho ditolak.
5. Pengambilan kesimpulan
Berdasarkan pengujian hipotesis, maka diperoleh kesimpulan bahwa Ho
ditolak, yang berarti bahwa laju fungsi hazard berbentuk bathtub.
Untuk memudahkan proses estimasi parameter distribusi EMWE maka
digunakan bantuan perangkat lunak RStudio 0.99.491 yang hasilnya
diberikan pada Tabel 1.
Tabel 1. Nilai Estimasi Parameter Distribusi EMWE
Parameter Hasil Estimasi
Sumber : Data diolah (2016)
Sebagai perbandingan, pada Tabel 2 diberikan hasil estimasi parameter
ketiga distribusi lain yaitu distribusi Weibull 2 parameter, distribusi Weibull
2 parameter oleh Chen, dan distribusi MWE.
SEMINAR NASIONAL VARIANSI 2016
(Venue Artikulasi-Riset, Inovasi, Resonansi Teori dan Aplikasi Statistika)
Prosiding Seminar Nasional VARIANSI 2016 21
ISBN 978-602-99837-2-2
Tabel 2. Nilai Estimasi Parameter Distribusi Weibull 2 parameter, distribusi
Weibull 2 parameter oleh Chen, dan distribusi MWE
Distribusi Hasil Estimasi
Weibull 2 Parameter ,
Weibull 2 Parameter oleh Chen ,
MWE
,
,
Sumber : Data diolah (2016)
Pemilihan distribusi terbaik dalam mendeskripsikan data didasarkan
pada nilai AIC. Nilai AIC yang diperoleh untuk setiap distribusi terdapat
pada Tabel 3.
Tabel 3. Nilai AIC Setiap Distribusi
Distribusi Nilai AIC
Distribusi Weibull 2 Parameter
Distribusi Weibull 2 Parameter oleh Chen
Distribusi MWE
Distribusi EMWE
Sumber : Data diolah (2016)
Distribusi yang dipilih yaitu distribusi yang memiliki nilai AIC terkecil.
Berdasarkan Tabel 3, diketahui bahwa distribusi EMWE memiliki nilai AIC
terkecil, sehingga disimpulkan bahwa distribusi yang paling baik dalam
mendeskripsikan data adalah distribusi EMWE.
Uji kesesuaian data berdistribusi EMWE dilakukan dengan uji
Kolmogorov-Smirnov dengan langkah-langkah pengujian sebagai berikut:
1. Hipotesis
Ho : Data berdistribusi EMWE
H1 : Data tidak berdistribusi EMWE
2. Taraf Signifikansi
Taraf signifikansi pada nilai tabel Kolmogorov adalah sebesar 5%
SEMINAR NASIONAL VARIANSI 2016
(Venue Artikulasi-Riset, Inovasi, Resonansi Teori dan Aplikasi Statistika)
Prosiding Seminar Nasional VARIANSI 2016 22
ISBN 978-602-99837-2-2
3. Statistik Uji
Statistik uji Kolmogorov-Smirnov adalah:
4. Kriteria keputusan
Ho diterima jika < nilai tabel Kolmogorov , sebaliknya Ho
ditolak jika ≥ nilai tabel Kolmogorov .
. Berdasarkan hal tersebut diperoleh
sehingga Ho diterima.
5. Pengambilan kesimpulan
Berdasarkan pengujian yang telah dilakukan, maka disimpulkan bahwa
data yang digunakan dalam penelitian ini mengikuti distribusi EMWE.
4. KESIMPULAN DAN SARAN
Berdasarkan pembahasan sebelumnya, maka diperoleh kesimpulan
sebagai berikut:
1. Karakteristik fungsi hazard distribusi EMWE dipengaruhi oleh
parameter bentuk.
2. Pengujian asumsi awal penggunaan data pada distribusi EMWE terdiri
dari uji data berdistribusi Weibull dan identifikasi fungsi bathtub
hazard.
3. Pengujian distribusi Weibull dilakukan dengan plot Weibull dan uji
Mann, sedangkan pengidentifikasian fungsi bathtub hazard dilakukan
berdasarkan plot TTT dan uji statistik Bergman.
4. Hasil estimasi parameter distribusi EMWE dengan metode MLE yang
dilanjutkan dengan metode iterasi BHHH untuk data simulasiadalah
, , , dan .
SEMINAR NASIONAL VARIANSI 2016
(Venue Artikulasi-Riset, Inovasi, Resonansi Teori dan Aplikasi Statistika)
Prosiding Seminar Nasional VARIANSI 2016 23
ISBN 978-602-99837-2-2
5. Distribusi terbaik dalam mendeskripsikan data simulasi berdistribusi
EGLE dengan fungsi bathtub-shaped hazard adalah distribusi EMWE
berdasarkan nilai AIC.
6. Dalam tulisan ini, data simulasi yang dibangkitkan secara acak hanya
diulang sebanyak satu kali. Untuk penelitian selanjutnya, disarankan
untuk melakukan beberapa kali pengulangan dengan tujuan untuk
melihat keragaman hasil estimasi antar beberapa jenis data simulasi
yang berbeda (sebagai akibat dari adanya pengulangan) namun
berangkat dari parameter pembangkit yang sama.
DAFTAR PUSTAKA
Aarset, M.V. 1985. The Null Distribution for a Test of Constant versus
"Bathtub" Failure Rate. Scandinavian Journal of Statistics, 12(1): 55-
61
. 1987. How to Identify a Bathtub Hazard Rate. IEEE Transactions on
Reliability, R-36(1): 106-108
Bergman, B. 1979. On Age Replacement and the Total Time on Test
Concept. Scandinavian Journal of Statistics, 6(4): 161-168
Berndt, E., Hall, B., Hall, R., Hausman, J. (1974). Estimation and Inference in
Nonlinear Structural Models. Annals of Economic and Social
Measurement, 3: 653–665
Chen, Z. 2000. A New Two-Parameter Lifetime Distribution with Bathtub
Shape or Increasing Failure Rate Function. Statistics & Probability
Letters, 49(2): 155-161
Conover, W.J. 1971. Practical Nonparametric Statistics. New York: John
Wiley and Sons
Febriyanto, A. 2010. Bathtub Curve (Kurva Bak Mandi). Yogyakarta:
Universitas Gadjah Mada
Greene, W.H. 2011. Econometric Analysis Seventh Edition. New York:
Prentice Hall
Herawati. 2013. Estimasi Parameter Distribusi Weibull 3 Parameter (Studi
Kasus: Rata-rata Kecepatan Angin di Kota Makassar). Makassar:
Universitas Hasanuddin
Lacey, D., Nguyen, A. 2015. Bathtub and Unimodal Hazard Flexibility
Classification of Parametric Lifetime Distributions. Rose-Hulman
Undergraduate Mathematics Journal, 16(2): 92-112
SEMINAR NASIONAL VARIANSI 2016
(Venue Artikulasi-Riset, Inovasi, Resonansi Teori dan Aplikasi Statistika)
Prosiding Seminar Nasional VARIANSI 2016 24
ISBN 978-602-99837-2-2
Lawless, J.F. 1982. Statistical Models and Methods for Lifetime Data. New
York: John Wiley and Sons
Misdawita.2011. Penaksiran Parameter Model Multinomial Probit
Berdasarkan Konsep Utilitas.Depok: Universitas Indonesia
Murthy, D.N.P, Xie, M., Jiang, R. 2004. Weibull Models. New York: John
Wiley and Sons
Rajarshi, S., Rajarshi, M.B. 1988. Bathtub Distributions: A Review.
Communication in Statistics-Theory and Methods, 17(8): 2597-2621
Rinne, H. 2014. The Hazard Rate : Theory and Inference (with supplementary
MATLAB-Programs). Giessen: Universitas Justus Liebig Giessen
Sarhan, A.M., Abd El-Baset, A.A., Alasbahi, I.A. 2013. Exponentiated
Generalized Linear Exponential Distribution. Applied Mathematical
Modelling, 37(5):2838-2849