pendugaan komponen periodik fungsi intensitas berbentuk ... · suatu proses poisson non-homogen...
TRANSCRIPT
PENDUGAAN KOMPONEN PERIODIK FUNGSI INTENSITAS
BERBENTUK FUNGSI PERIODIK KALI TREN LINEAR
SUATU PROSES POISSON NON-HOMOGEN
WENTI ISMAYULIA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2011
ABSTRAK
WENTI ISMAYULIA. Pendugaan Komponen Periodik Fungsi Intensitas Berbentuk Fungsi
Periodik Kali Tren Linear Suatu Proses Poisson Non-Homogen. Dibimbing oleh I WAYAN
MANGKU dan SISWANDI.
Pada karya ilmiah ini dibahas pendugaan komponen periodik fungsi intensitas berbentuk fungsi
periodik kali tren linear suatu proses Poisson non-homogen. Penduga yang disusun hanya
menggunakan realisasi tunggal dari proses Poisson yang diamati pada interval Diasumsikan
bahwa periode dari komponen periodik tersebut adalah diketahui.
Telah dibuktikan kekonvergenan Mean Square Error (MSE) bagi penduga yang dikaji. Selain
itu juga telah dibuktikan aproksimasi asimtotik bagi bias, ragam, dan Mean Square Error (MSE)
dari penduga tersebut serta diperoleh pula bandwidth optimal asimtotiknya.
ABSTRACT
WENTI ISMAYULIA. Estimation of the Periodic Component of an Intensity Function with a
Form of Periodic Function Multiplied by a Linear Trend of a Non Homogeneous Poisson Process.
Supervised by I WAYAN MANGKU and SISWANDI.
In this manuscript, estimation of the periodic component of an intensity function with a form of
periodic function multiplied by a linear trend of a non homogeneous Poisson process is discussed.
The estimator is constructed using a single realization of a Poisson process observed in the interval It is assumed that the period of the periodic component is known.
The convergence of the mean square error (MSE) of the estimator has been proved. In addition,
asymptotic approximations to the bias, variance, and mean square error of the estimator have been
established. An asymptotic optimal bandwidth has also been found.
PENDUGAAN KOMPONEN PERIODIK FUNGSI INTENSITAS
BERBENTUK FUNGSI PERIODIK KALI TREN LINEAR
SUATU PROSES POISSON NON-HOMOGEN
WENTI ISMAYULIA
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Sains pada
Departemen Matematika
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2011
Judul Sripsi : Pendugaan Komponen Periodik Fungsi Intensitas Berbentuk
Fungsi Periodik Kali Tren Linear Suatu Proses Poisson
Non-Homogen.
Nama : Wenti Ismayulia
NIM : G54070024
Menyetujui,
Tanggal Lulus :
Pembimbing I
Dr. Ir. I Wayan Mangku, M.Sc.
NIP. 19620305 198703 1 001
Pembimbing II
Drs. Siswandi, M.Si.
NIP. 19640629 199103 1 001
Mengetahui,
Ketua Departemen Matematika
Dr. Berlian Setiawaty, MS.
NIP. 19650505 198903 2 004
KATA PENGANTAR
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala rahmat dan
karunia-Nya serta shalawat dan salam kepada Nabi Muhammad SAW sehingga karya ilmiah ini
berhasil diselesaikan. Penyusunan karya ilmiah ini juga tidak lepas dari bantuan berbagai pihak.
Untuk itu penulis mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Dr. Ir. I Wayan Mangku, M.Sc, selaku dosen pembimbing I (terima kasih atas semua ilmu,
kesabaran, motivasi dan bantuannya selama penulisan skripsi ini).
2. Drs. Siswandi, M.Si, selaku dosen pembimbing II (terima kasih atas semua ilmu, saran dan
motivasinya).
3. Dr. Ir. Endar H. Nugrahani, MS, selaku dosen penguji (terima kasih atas semua ilmu dan
sarannya).
4. Semua dosen Departemen Matematika (terima kasih atas semua ilmu yang telah diberikan).
5. Staf Departemen Matematika: Pak Yono, Pak Bono, Bu Ade, Mas Heri, Bu Susi dan Mas Deni
(terima kasih atas bantuan dan motivasinya).
6. Keluargaku tercinta: Bapak, mama, mas yadi, om, tante, kakek, nenek (terima kasih atas doa,
dukungan, kesabaran, kepercayaan dan kasih sayangnya).
7. Agus Umriadi (terima kasih atas bantuan, doa dan dukungannya).
8. Teman-teman satu bimbingan : Anis, Nadiroh, Tita dan Pepi (terima kasih atas bantuan dan
dukungannya).
9. Sahabat terdekat : Deva, Quro, Ndep, Titi, Lilis, Gigi, Didi, Echa, Fia, Iche, Evita (terima kasih
atas bantuan, doa dan motivasinya).
10. Kakak-kakak Math 41, 42 dan 43 : Ka Nidya, Ka Destya, Ka Aini, Ka Putri, Ka Chopy, Ka
Resti, Ka Apri, Ka Tami, Ka Wira, Ka Cupit, Ka Ro’fah, Ka Lia, Ka Nanu, Ka Cumi dan
lainnya (terima kasih atas ilmu, bantuan, doa dan dukungannya).
11. Teman-teman Math 44: Ruhiyat, Sri, Ayung, Rachma, Melon, Dian, Fajar, Tyas, Rofi, Della,
Denda, Pandi, Abe, Ipul, Cita, Yanti, Ucu, Fani, Kodok, Wahyu, Ayum, Ririh, Imam, Aswin,
Tanti, Arina, Lingga, Masay, Diana, Yogie, Lugina, Ncel, Iresa, Sari, Aqil, Iam, Fikri, Eka,
Aje, Ali, Vianey, Nurus, Na’im, Dhika, Ima, Dora, Atik, Nunuy, Yuli, Indin, Sholih, Siska,
Lili, Lina, Endro, Lukman, Puying, Tendhy, Ikhsan, Chopa, dan Zae (terima kasih atas
dukungan, bantuan, doa dan kebersamaannya).
12. Teman-teman Math 45: Isna, Icha, Santi, Vivi, Gita, Bolo, Feni, Mega, Yunda, Anisa, Ade,
Wulan, Aci, Fuka, Dono, Ari, Irwan, Beni, Ijun, Haryanto, Arbi, Heru, Bram, Kunedi, Ito,
Khafidz, Herlan, Fikri, Prama dan lainnya (terima kasih atas dukungan, bantuan dan doanya).
13. Temen-temen 362 : Norvi, Uji dan Tania (terima kasih atas doa, dukungan dan
kebersamaannya).
14. Temen-temen A24 TPB : Gita, Pristy, Teguh, Pingkan, Andini, Dame, Ayu, Diki, Santi, Eko,
Puji, Dati, Indra, Okti dan lainnya (terima kasih atas motivasi dan kebersamaannya).
15. Temen-temen kosan Puri Fikriyah : Icha, Dita, Vintya, Paul, Irma, Dewi, Yaya, Ka nita, Ka
Sars, Ka Sadek, Ka Pewe, Ka Aci, Ka Cici, Riena, Metha, Marcha, Indri, Yulia, Yuni, Izha, Iis
dan lainnya (terima kasih atas motivasi, doa dan kebersamaannya).
16. Teman-teman lain : Amboii, Pipit, Ranum, Dina, Ka Muad, Ara, Medya, Mba Tya, Mba Retno,
Mas Dimas, Diki, Ka Iyo dan lainnya (terima kasih atas doa dan dukungannya).
17. Teman-teman lainnya yang telah mendukung selama ini, baik moril maupun materil.
Semoga karya ilmiah ini dapat bermanfaat bagi dunia ilmu pengetahuan khususnya matematika
dan menjadi inspirasi bagi penelitian-penelitian selanjutnya.
Bogor, April 2011
Wenti Ismayulia
RIWAYAT HIDUP
Penulis dilahirkan di Jakarta pada tanggal 1 Juli 1989 sebagai anak kedua dari dua bersaudara.
Anak dari pasangan Endy Rachmat dan Jamilah.
Tahun 2001 penulias lulus dari SDN Pulo Gebang 20 Pagi. Tahun 2004 penulis lulus dari
SLTPN 138 Penggilingan. Tahun 2007 penulis lulus dari SMAN 12 Jakarta Timur dan pada tahun
yang sama lulus seleksi masuk IPB melalui jalur Ujian Saringan Masuk IPB (USMI). Penulis
memilih Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam.
Selama mengikuti perkuliahan, penulis menjadi asisten dosen Permrogaraman Tak Linear pada
tahun ajaran 2010/2011. Selain itu penulis terlibat dalam beberapa kegiatan, antara lain : panitia
TRY OUT kalkulus 2007 dan panitia Masa Perkenalan Departemen (MPD) 2009 dan 2010.
vii
DAFTAR ISI
Halaman
I. PENDAHULUAN ........................................................................................................................ 1
1.1 Latar Belakang ........................................................................................................................ 1
1.2 Tujuan ..................................................................................................................................... 1
II. LANDASAN TEORI .................................................................................................................. 2
2.1 Ruang Contoh, Kejadian dan Peluang .................................................................................... 2
2.2 Peubah Acak dan Fungsi Sebaran ........................................................................................... 2
2.3 Nilai Harapan dan Ragam ....................................................................................................... 3
2.5 Penduga................................................................................................................................... 3
2.6 Proses Stokastik ..................................................................................................................... 4
2.7 Proses Poisson ....................................................................................................................... 4
2.8 Beberapa Definisi dan Lema .................................................................................................. 5
III. HASIL DAN PEMBAHASAN ................................................................................................... 7
3.1 Perumusan Masalah ............................................................................................................... 7
3.2 Perumusan Penduga ............................................................................................................... 7
3.3 Aproksimasi Asimtotik bagi Bias, Ragam dan MSE ........................................................... 11
3.3 Penentuan Bandwidth Optimal Asimtotik ............................................................................ 13
IV. SIMPULAN .............................................................................................................................. 15
DAFTAR PUSTAKA ..................................................................................................................... 16
LAMPIRAN .................................................................................................................................... 17
I. PENDAHULUAN
1.1 Latar Belakang
Terdapat banyak permasalahan dalam
kehidupan sehari-hari yang dapat dimodelkan
dengan suatu proses stokastik. Permasalahan
tersebut misalnya proses kedatangan
pelanggan ke suatu pusat layanan (bank,
kantor, supermarket, dan sebagainya), proses
kedatangan pengguna line telepon dengan
periode satu hari atau juga banyaknya
kendaraan yang melewati suatu jalan raya
pada suatu interval waktu tertentu yang hanya
bisa diamati sekali. Untuk itu, proses stokastik
mempunyai peranan cukup penting dalam
berbagai bidang dalam kehidupan sehari-hari.
Proses stokastik ada dua yaitu proses
stokastik dengan waktu diskret dan proses
stokastik dengan waktu kontinu. Salah satu
bentuk khusus dari proses stokastik dengan
waktu kontinu adalah proses Poisson periodik.
Proses Poisson periodik adalah suatu proses
Poisson dengan fungsi intensitas berupa
fungsi periodik.
Contoh dalam kehidupan sehari-hari yang
dapat dimodelkan dengan proses Poisson
periodik misalnya proses kedatangan nasabah
ke suatu bank dalam periode satu hari. Fungsi
intensitas lokal pada proses tersebut
menyatakan laju kedatangan nasabah pada
waktu s. Pada umumnya fungsi intensitas
tidak diketahui tetapi banyak yang periodenya
diketahui yaitu . Untuk menyusun penduga
yang konsisten, diperlukan banyak data.
Diasumsikan fungsi intensitas tersebut
adalah fungsi periodik agar data pengamatan
di berbagai selang waktu yang berbeda dapat
digunakan untuk menduga fungsi intensitas
pada suatu titik s. Fungsi intensitas pada hari
berikutnya dapat diprediksi dengan
menggunakan proses Poisson periodik.
Pada umumnya bentuk fungsi intensitas
pada hari ini dan hari berikutnya hampir sama.
Sedangkan jika pada hari berikutnya jumlah
nasabahnya bertambah, maka fungsi intensitas
akan lebih besar dibanding hari sebelumnya.
Ada beberapa fenomena yang kurang
cocok dimodelkan dengan proses Poisson
periodik tanpa memperhitungkan suatu tren.
Untuk itu, fungsi intensitasnya perlu
mengakomodasi adanya suatu tren. Pada
kajian ini dibatasi pada fungsi intensitas yang
berbentuk fungsi periodik kali tren linear.
Sehingga karya ilmiah ini mengkaji penduga
fungsi intensitas yang berbentuk fungsi
periodik kali tren linear suatu proses Poisson
non-homogen.
1.2 Tujuan
Tujuan penulisan karya ilmiah ini adalah
untuk:
(i) Menentukan perumusan penduga
komponen periodik fungsi intensitas yang
berbentuk fungsi periodik kali tren linear
suatu proses Poisson non-homogen serta
membuktikan kekonsistenan penduganya.
(ii) Menentukan aproksimasi asimtotik bagi
bias penduga.
(iii) Menentukan aproksimasi asimtotik bagi
ragam penduga.
(iv) Menentukan aproksimasi asimtotik bagi
MSE penduga.
(v) Menentukan bandwidth optimal asimtotik
untuk penduga yang dikaji.
II. LANDASAN TEORI
2.1 Ruang Contoh, Kejadian dan Peluang
Dalam suatu percobaan sering kali
diperlukan pengulangan yang dilakukan
dalam kondisi yang sama. Semua
kemungkinan hasil yang akan muncul akan
diketahui tetapi hasil pada percobaan
selanjutnya tidak dapat diduga dengan tepat.
Percobaan semacam ini disebut percobaan
acak.
Definisi 1 (Ruang contoh)
Ruang contoh adalah himpunan semua
hasil yang mungkin dari suatu peubah acak
dan dinotasikan dengan Ω.
(Grimmett & Stirzaker 1992)
Definisi 2 (Kejadian)
Kejadian adalah suatu himpunan bagian
dari ruang contoh Ω.
(Grimmett & Stirzaker 1992)
Definisi 3 (Kejadian saling lepas)
Kejadian A dan B disebut saling lepas jika
irisan dari keduanya adalah himpunan kosong
.
(Grimmett & Stirzaker 1992)
Definisi 4 (Medan - )
Medan- adalah suatu himpunan yang
anggotanya terdiri atas himpunan bagian
ruang contoh Ω, yang memenuhi syarat
berikut:
1.
2. Jika , maka
1
i
i
A
3. Jika , maka (Hogg et al. 2005)
Jika , maka medan- disebut medan
Borel. Anggota medan Borel disebut
himpunan Borel.
Definisi 5 (Ukuran peluang)
Misalkan Ω adalah ruang contoh suatu
percobaan dan adalah medan- pada Ω.
Suatu fungsi P yang memetakan unsur-unsur
ke himpunan bilangan nyata , atau
disebut ukuran peluang jika
1. P tak negatif, yaitu untuk setiap
2. P bersifat aditif tak hingga, yaitu jika
dengan
maka 11
P = P .n n
nn
A A
3. P bernorma satu, yaitu P(Ω)=1.
Pasangan disebut ruang ukuran
peluang atau ruang probabilitas.
(Hogg et al. 2005)
Definisi 6 (Kejadian saling bebas)
Kejadian dan dikatakan saling bebas
jika:
Secara umum, himpunan kejadian
dikatakan saling bebas jika:
untuk setiap himpunan bagian J dari I.
(Grimmett & Stirzaker 1992)
2.2 Peubah Acak dan Fungsi Sebaran
Definisi 7 (Peubah acak)
Misalkan adalah medan- dari ruang
contoh Suatu peubah acak adalah suatu
fungsi dengan sifat bahwa untuk setiap
(Grimmett & Stirzaker 1992)
Peubah acak dinotasikan dengan huruf
kapital, misalnya X, Y, Z. Sedangkan nilai
peubah acak dinotasikan dengan huruf kecil
seperti x, y, z. Setiap peubah acak memiliki
fungsi sebaran.
Definisi 8 (Peubah acak diskret)
Peubah acak X dikatakan diskret jika
semua himpunan nilai dari peubah
acak tersebut merupakan himpunan tercacah.
(Grimmett & Stirzaker 1992)
Definisi 9 (Fungsi sebaran)
Fungsi sebaran dari suatu peubah acak
adalah yang didefinisikan oleh
Fungsi disebut fungsi sebaran dari peubah
acak X.
(Grimmett & Stirzaker 1992)
3
Definisi 10 (Peubah acak kontinu)
Peubah acak X dikatakan kontinu jika
fungsi sebarannya dapat ditulis sebagai
untuk suatu fungsi yang dapat
diintegralkan. Selanjutnya fungsi disebut fungsi kepekatan peluang (probability
density function) bagi X.
(Hogg et al. 2005)
Definisi 11 (Fungsi massa peluang) Fungsi massa peluang dari peubah acak
diskret X adalah fungsi yang
diberikan oleh
(Hogg et al. 2005)
Definisi 12 (Peubah acak Poisson)
Suatu peubah acak X disebut peubah acak
Poisson dengan parameter , jika fungsi
massa peluangnya diberikan oleh
untuk k=0,1,…
(Ross 2007)
Lema 1 (Jumlah peubah acak Poisson) Misalkan X dan Y adalah peubah acak
yang saling bebas dan memiliki sebaran
Poisson dengan parameter berturut-turut
dan . Maka memiliki sebaran
Poisson dengan parameter (Taylor & Karlin 1984)
Bukti : lihat Lampiran 1.
2.3 Nilai Harapan dan Ragam
Definisi 13 (Nilai harapan)
1. Jika X adalah peubah acak diskret dengan
fungsi massa peluang , maka nilai
harapan dari X dinotasikan dengan E(X)
adalah
asalkan jumlah di atas konvergen mutlak.
2. Jika X adalah peubah acak kontinu
dengan fungsi kepekatan peluang ,
maka nilai harapan dari X adalah
asalkan integral di atas konvergen mutlak.
(Hogg et al. 2005)
Definisi 14 (Ragam)
Misalkan X adalah peubah acak diskret
dengan fungsi massa peluang dan nilai
harapan . Ragam dari X, dinotasikan
dengan atau , adalah
(Hogg et al. 2005)
Definisi 15 (Fungsi indikator)
Misalkan adalah suatu kejadian. Fungsi
indikator dari adalah suatu fungsi yang diberikan oleh
(Grimmett & Stirzaker 1992)
2.4 Kekonvergenan Peubah Acak
Terdapat beberapa cara untuk
menginterpretasikan pernyataan
kekonvergenan barisan peubah acak.
Definisi 16 (Konvergen dalam peluang)
Misalkan adalah barisan peubah
acak pada suatu ruang peluang .
Barisan peubah acak dikatakan konvergen
dalam peluang ke X, dinotasikan
, jika
untuk setiap berlaku , untuk
(Grimmett & Stirzaker 1992)
Definisi 17 (Konvergen dalam sebaran)
Misalkan adalah peubah acak
pada suatu ruang peluang . Suatu
barisan peubah acak dikatakan konvergen
dalam sebaran ke peubah acak X, ditulis
, untuk jika
untuk , untuk semua titik x dimana
fungsi sebaran adalah
kontinu.
(Grimmett & Stirzaker 1992)
2.5 Penduga
Definisi 18 (Statistik)
Statistik adalah suatu fungsi dari satu atau
lebih peubah acak yang tidak tergantung pada
satu atau beberapa parameter yang nilainya
tidak diketahui.
(Hogg et al. 2005)
4
Definisi 19 (Penduga)
Misalkan adalah contoh
acak. Suatu statistik yang
digunakan untuk menduga fungsi parameter
dilambangkan dengan Bilamana
nilai maka
nilai disebut sebagai dugaan
(estimate) bagi (Hogg et al. 2005)
Definisi 20 (Penduga tak bias)
(i) Suatu penduga yang nilai harapannya
sama dengan parameter yaitu
disebut penduga tak bias bagi
(ii) Jika
maka disebut penduga
tak bias asimtotik bagi
(Hogg et al. 2005)
Definisi 21 (Penduga konsisten)
Suatu penduga yang konvergen dalam
peluang ke parameter disebut penduga
konsisten bagi (Hogg et al. 2005)
Definisi 22 (MSE suatu penduga)
Mean Square Error (MSE) dari suatu
penduga untuk parameter adalah fungsi
dari yang didefinisikan oleh Dengan kata lain MSE adalah nilai harapan
kuadrat dari selisih antara penduga dan
parameter , yang dapat dihitung sebagai
berikut:
dengan (Cassela & Berger 1990)
2.6 Proses Stokastik
Definisi 23 (Proses stokastik)
Proses stokastik adalah
suatu himpunan dari peubah acak yang
memetakan suatu ruang contoh Ω ke suatu
ruang state (Ross 2007)
Jadi untuk setiap pada himpunan indeks
adalah suatu peubah acak. Kita sering
menginterpretasikan sebagai waktu dan
sebagai state (keadaan) dari proses pada
waktu
Definisi 24 (Proses stokastik waktu
kontinu)
Suatu proses stokastik disebut proses
stokastik dengan waktu kontinu jika berupa
suatu interval.
(Ross 2007)
Definisi 25 (Inkremen bebas)
Suatu proses stokatik dengan waktu
kontinu disebut memiliki
inkremen bebas jika untuk semua peubah acak
adalah bebas.
(Ross 2007)
Dengan kata lain, suatu proses stokastik
dengan waktu kontinu disebut memiliki
inkremen bebas jika proses berubahnya nilai
pada interval waktu yang tidak tumpang tindih
(tidak overlap) adalah bebas.
Definisi 26 (Inkremen stasioner)
Suatu proses stokastik dengan waktu
kontinu
disebut memiliki
inkremen stasioner jika
memiliki sebaran yang sama untuk semua
nilai .
(Ross 2007)
Dengan kata lain, suatu proses stokastik
dengan waktu kontinu disebut memiliki
inkremen stasioner jika sebaran (distribusi)
dari perubahan nilai antara sembarang dua
titik hanya tergantung pada jarak antara kedua
titik tersebut dan tidak tergantung dari lokasi
titik-titik tersebut.
2.7 Proses Poisson
Salah satu bentuk khusus dari proses
stokastik dengan waktu kontinu adalah proses
Poisson. Pada proses ini, kecuali dinyatakan
secara khusus, dianggap bahwa himpunan
indeks adalah interval bilangan real tak
negatif yaitu
Definisi 27 (Proses pencacahan)
Suatu proses stokastik disebut proses pencacahan jika
menyatakan banyaknya kejadian yang telah
terjadi sampai waktu Dari definisi tersebut,
maka suatu proses pencacahan harus
memenuhi syarat-syarat berikut:
(i) untuk semua
(ii) Nilai adalah integer.
5
(iii) Jika maka
untuk
(iv) Untuk maka sama
dengan banyaknya kejadian yang terjadi
pada selang
(Ross 2007)
Definisi 28 (Proses Poisson)
Suatu proses pencacahan disebut proses Poisson dengan laju , jika dipenuhi tiga syarat berikut:
(i) .
(ii) Proses tersebut memiliki inkremen
bebas.
(iii) Banyaknya kejadian pada sembarang
interval waktu dengan panjang
memiliki sebaran (distribusi) Poisson
dengan nilai harapan Jadi untuk semua ,
dengan k=0,1,…
(Ross 2007)
Dari syarat (iii) dapat dilihat bahwa proses
Poisson memiliki inkremen yang stasioner.
Dari syarat (iii) juga dapat diperoleh
Proses Poisson dengan laju yang
merupakan konstanta untuk semua waktu
disebut proses Poisson homogen
(homogeneous Poisson process). Jika laju
bukan konstanta, tetapi merupakan fungsi dari
waktu , maka disebut proses Poisson tak
homogen (inhomogeneous Poisson process).
Untuk kasus ini, disebut fungsi intensitas
dari proses Poisson tersebut. Fungsi intensitas
harus memenuhi syarat untuk
semua Misalkan adalah proses Poisson dan
adalah suatu selang bilangan nyata. Jika
adalah proses Poisson homogen, maka
dengan adalah panjang selang ,
sedangkan menyatakan banyaknya
kejadian dari proses Poisson pada selang Jika adalah proses Poisson tak homogen
dengan fungsi intensitas , maka
Dengan kata lain, jika adalah proses
Poisson tak homogen maka memiliki sifat
(i)
k=0,1,…
untuk setiap selang dengan (ii) Untuk setiap bilangan bulat positif
dan adalah selang-
selang yang disjoint dengan
proses
merupakan
peubah acak yang saling bebas.
Definisi 29 (Intensitas lokal)
Intensitas lokal dari suatu proses Poisson
tak homogen dengan fungsi intensitas pada titik adalah yaitu nilai fungsi
di .
(Cressie 1993)
Definisi 30 (Fungsi periodik)
Suatu fungsi disebut periodik jika
berlaku untuk semua
dan . Konstanta terkecil yang
memenuhi persamaan di atas disebut periode
fungsi tersebut.
(Browder 1996)
Definisi 31 (Proses Poisson periodik)
Proses Poisson periodik adalah suatu
proses Poisson tak homogen yang fungsi
intensitasnya adalah fungsi periodik.
(Mangku 2001)
2.8 Beberapa Definisi dan Lema
Definisi 32 (Fungsi terintegralkan lokal)
Fungsi intensitas disebut terintegralkan
lokal jika untuk sembarang himpunan Borel
terbatas kita peroleh
.B
B s ds
(Dudley 1989)
Definisi 33 (O(.) dan o(.))
Simbol-simbol O(.) dan o(.) merupakan
cara untuk membandingkan besarnya dua
fungsi dan dengan menuju suatu
limit .
(i) Notasi
menyatakan bahwa
terbatas, untuk
6
(ii) Notasi
menyatakan bahwa
untuk
(Serfling 1980)
Definisi 34 (Titik Lebesque)
Kita katakan adalah titik Lebesque dari jika berlaku
(Wheeden & Zygmund 1977)
Lema 2 (Formula Young dari Teorema
Taylor)
Misalkan memiliki turunan ke- yang
berhingga pada suatu titik , maka
untuk
(Serfling 1980)
Bukti : lihat Serfling 1980.
Lema 3 (Pertidaksamaan Chebyshev)
Jika adalah peubah acak dengan nilai
harapan dan ragam , maka untuk setiap
(Ross 2007)
Bukti: lihat Lampiran 2.
III. HASIL DAN PEMBAHASAN
3.1 Perumusan Masalah
Misalkan adalah proses Poisson non-
homogen pada interval dengan fungsi
intensitas yang tidak diketahui. Fungsi
intensitas diasumsikan terintegralkan lokal
dan merupakan hasil kali dari dua komponen
yaitu komponen periodik atau komponen
siklik dengan periode (diketahui)
dikalikan komponen tren linear .
Konstanta merupakan kemiringan dari tren
linear dimana Dengan demikian,
untuk sebarang titik fungsi
intensitas dapat dinyatakan sebagai
berikut
dengan adalah fungsi periodik
dengan periode Persamaan (1) juga dapat
ditulis menjadi
dengan adalah fungsi periodik.
Misalkan maka persamaan
(1) dapat ditulis menjadi
Karena adalah fungsi periodik
dengan periode dan adalah
konstanta, maka adalah fungsi periodik
dengan periode sehingga persamaan
berlaku untuk setiap dan ,
dengan adalah himpunan bilangan bulat.
Berdasarkan persamaan (3), untuk menduga
cukup diduga Karena
adalah fungsi periodik dengan periode ,
maka untuk menduga pada
cukup diduga nilai pada Pada karya ilmiah ini dipelajari
penyusunan penduga konsisten bagi
untuk dengan menggunakan
realisasi tunggal dari proses Poisson
yang diamati pada interval Diasumsikan bahwa adalah titik
Lebesque dari , yang secara otomatis
berarti bahwa adalah titik Lebesque dari
3.2 Perumusan Penduga
Penduga bagi pada titik
dapat dirumuskan sebagai berikut
dengan menyatakan banyak
kejadian pada interval , k merupakan
suatu bilangan bulat dan adalah barisan
bilangan real positif yang konvergen menuju
nol yaitu
untuk Pada penduga di atas
disebut bandwidth.
Penduga pada (5) adalah bentuk khusus
dari penduga yang dibahas pada Mangku
(2011). Penduga pada (5) menggunakan
kernel seragam, sedangkan penduga pada
Mangku (2011) menggunakan fungsi kernel
umum. Berikut diuraikan ide tentang
pembentukan dari penduga bagi
. Menurut persamaan (3) dan (4)
diperoleh
Maka rata-rata nilai yang diduga
dengan
menyatakan bilangan bulat
terbesar yang lebih kecil atau sama dengan
Dari persamaan (8) diperoleh
8
Untuk melakukan pendekatan terhadap
persamaan (9) diperlukan asumsi bahwa s
adalah titik Lebesque bagi dan asumsi (6)
terpenuhi, sehingga persamaan (9) menjadi
Dengan mengganti
dengan
yang merupakan padanan stokastiknya,
maka dapat diaproksimasi
Sehingga diperoleh penduga bagi
adalah
seperti pada persamaan (5).
Teorema 1 (Kekonvergenan MSE
penduga)
Misalkan fungsi intensitas memenuhi
persamaan (3) dan terintegralkan lokal. Jika
asumsi (6) dipenuhi dan maka
untuk asalkan s adalah titik
Lebesgue bagi
Bukti:
Berdasarkan definisi MSE (Definisi 22),
Teorema 1 merupakan akibat dari dua lema
berikut, yaitu Lema 4 mengenai ketakbiasan
asimtotik dan Lema 5 mengenai
kekonvergenan ragam.
Lema 4 (Ketakbiasan asimtotik)
Misalkan fungsi intensitas memenuhi
persamaan (3) dan terintegralkan lokal. Jika
asumsi (6) dipenuhi maka
untuk asalkan s adalah titik
Lebesgue bagi . Dengan kata lain
adalah penduga tak bias asimtotik bagi
Bukti: Untuk membuktikan persamaan (11)
akan diperlihatkan bahwa
Untuk menyelesaikan persamaan (12) dapat
diperoleh dengan cara sebagai berikut
Karena
tidak mengandung indeks k,
maka persamaan (13) dapat ditulis menjadi
Nilai harapan pada persamaan (14) dapat diuraikan
menjadi
Kita misalkan :
Maka pada persamaan (15) dilakukan
pergantian peubah sehingga diperoleh
9
Dengan berpedoman pada persamaan (7),
maka persamaan (16) dapat diubah menjadi
Berdasarkan sifat keperiodikan pada
persamaan (4), maka persamaan (17) dapat
ditulis menjadi
Kemudian persamaan (18) disubstitusikan
kembali ke persamaan (14) sehingga
diperoleh
Lalu unsur yang memiliki indeks k
dikelompokkan sehingga diperoleh
Karena jika maka
untuk semua Dari persamaan (20), maka persamaan (19)
dapat ditulis sebagai
Dengan melakukan operasi perkalian pada
ruas kanan, maka diperoleh
Suku pertama pada ruas kanan dari
persamaan (22) dapat ditulis menjadi
Untuk menunjukkan bahwa suku pertama
dari persamaan (23) adalah konvergen ke
nol, akan digunakan nilai yang lebih besar,
yaitu
Berdasarkan asumsi (6) dan dengan asumsi
bahwa s adalah titik Lebesgue bagi maka
kuantitas pada persamaan (24) konvergen
ke nol, jika atau dapat juga ditulis
Sedangkan suku kedua persamaan (23)
adalah
Dengan menggabungkan hasil yang
diperoleh, maka
jika
Dengan demikian diperoleh bahwa suku
pertama pada ruas kanan persamaan (22)
adalah
untuk
10
Sedangkan suku kedua pada ruas kanan
persamaan (22) menjadi
untuk Dengan mensubstitusikan hasil yang
diperoleh dari suku pertama dan suku kedua
di atas maka diperoleh
untuk Dengan demikian Lema 4
terbukti.
Lema 5 (Kekonvergenan ragam)
Misalkan fungsi intensitas memenuhi
persamaan (3) dan terintegralkan lokal. Jika
asumsi (6) dipenuhi, terbatas di sekitar s
dan , maka
untuk
Bukti :
Karena jika maka untuk
nilai n yang cukup besar, interval dan untuk tidak tumpang tindih atau
tidak overlap. Akibatnya, berdasarkan sifat
inkremen bebas dari proses Poisson
(Definisi (25), diperoleh bahwa dan untuk adalah peubah
acak bebas. Sehingga dapat
ditentukan sebagai berikut
Karena ~ Poisson, maka
sehingga persamaan (28) menjadi
(29)
Dari persamaan (18) untuk sebarang k, kita
bisa tuliskan
Dengan demikian persamaan (29) dapat
ditulis menjadi
Dengan mengelompokan unsur yang
memiliki indeks k, persamaan (30) dapat
ditulis menjadi
Perhatikan bahwa, karena
maka persamaan (31) menjadi
Karena terbatas di sekitar , maka ada
konstanta K sehingga untuk semua
Maka ruas kanan
persamaan (33) tidak melebihi
11
jika Dengan demikian Lema 5
terbukti.
Berdasarkan kedua lema tersebut, yaitu
(i) Lema 4 (ketakbiasan asimtotik)
, jika
maka
(ii) Lema 5 (kekonvergenan ragam)
jika
maka definisi MSE (Definisi 22) akan
diperoleh, yaitu sebagai berikut
untuk Dengan demikian
Teorema 1 terbukti.
3.3 Aproksimasi Asimtotik bagi Bias,
Ragam dan MSE
Teorema 2 (Aproksimasi asimtotik bagi
bias)
Misalkan fungsi intensitas memenuhi
persamaan (3) dan terintegralkan lokal. Jika
asumsi (6) dipenuhi, dan
memiliki turunan kedua berhingga pada
s, maka
untuk
Bukti :
Berdasarkan bukti Lema 4 mengenai
ketakbiasan asimtotik, maka nilai harapan
dari dapat dituliskan sebagai berikut
Berdasarkan persamaan (19), maka
diperoleh
Diperlukan asumsi memiliki turunan
yang terhingga di s maka ada dan kontinu
pada s, mengakibatkan memiliki nilai
yang terbatas di sekitar s. Dengan Formula
Young (Lema 2), maka diperoleh
untuk atau bila diuraikan menjadi
untuk
Misalkan maka persamaan (36)
dapat ditulis menjadi
untuk Sehingga dapat dinyatakan
12
untuk n .
Karena menurut persamaan (20)
maka persamaan (35) akan menjadi
untuk Dengan demikian Teorema 2
terbukti.
Teorema 3 (Aproksimasi asimtotik bagi
ragam)
Misalkan fungsi intensitas memenuhi
persamaan (3) dan terintegralkan lokal. Jika
asumsi (6) dipenuhi, terbatas di sekitar s
dan maka
untuk
Bukti:
Berdasarkan bukti dari Lema 5
(kekonvergenan ragam), maka ragam dari
dapat ditulis seperti pada persamaan
(31)
Perhatikan persamaan (32)
Maka persamaan (31) menjadi
Dari persamaan (33) kita mempunyai
Untuk menunjukkan bahwa suku pertama
dari persamaan (38) adalah konvergen ke
nol, akan digunakan nilai yang lebih besar,
yaitu
Berdasarkan asumsi (6) dan dengan asumsi
bahwa s adalah titik Lebesgue bagi maka
kuantitas pada (39) akan menuju nol jika
, atau dapat juga ditulis Sedangkan suku kedua persamaan (38)
adalah
Dengan menggabungkan hasil yang
diperoleh, maka
13
Dengan demikian menurut persamaan (25)
maka persamaan (33) dapat ditulis menjadi
untuk Dengan demikian Terorema 3
terbukti.
Teorema 4 (Aproksimasi asimtotik bagi
MSE)
Misalkan fungsi intensitas memenuhi
persamaan (3) dan terintegralkan lokal. Jika
asumsi (6) dipenuhi bagi dan memiliki
turunan kedua
berhingga pada s, maka
untuk
Bukti :
Berdasarkan definisi MSE (Definisi 22),
maka
dengan
Pada persamaan (34) diperoleh
Berdasarkan Teorema 3 diperoleh
Sehingga ruas kanan (42) dapat ditulis
menjadi
untuk Karena mempunyai turunan kedua
berhingga pada s, maka
sehingga diperoleh persamaan (37). Dengan
demikian Teorema 4 terbukti.
3.3 Penentuan Bandwidth Optimal
Asimtotik
Ukuran terbaik dari suatu penduga relatif
terhadap kesalahannya adalah penduga
dengan MSE yang bernilai minimum.
Misalkan yang merupakan fungsi
dari , menyatakan suku utama dari
yaitu
Dapat diperoleh nilai yang
meminimumkan untuk n tetap,
dengan membuat turunan pertama
sama dengan nol, sehingga diperoleh
Selanjutnya akan diperiksa apakah yang
diperoleh meminimumkan dengan
memeriksa turunan kedua , yaitu
Telah kita ketahui bahwa nilai dari
dan
adalah bandwidth yang bernilai positif,
sehingga
14
Dengan demikian yang diperoleh
meminimumkan . Sehingga nilai
bandwidth yang optimal adalah
turunan pertama sama dengan nol
dan turunan kedua bernilai
positif maka memenuhi syarat
minimum. Karena tidak diketahui,
sehingga bandwidth di atas bersifat
asimtotik.
turunan pertama sama dengan nol
dan turunan kedua bernilai positif
maka memenuhi syarat
minimum. Karena tidak diketahui,
sehingga bandwidth di atas bersifat
asimtotik.
IV. SIMPULAN
Pada tulisan ini dikaji masalah pendugaan
fungsi intensitas yang berbentuk fungsi
periodik kali tren linear dari suatu proses
Poisson non-homogen. Untuk sebarang titik
dan merupakan kemiringan dari
tren linear, maka fungsi intensitasnya dapat
dinyatakan sebagai berikut
Pada kajian ini ditentukan penduga bagi
komponen periodik fungsi intensitas
pada titik dari proses Poisson
periodik dengan periode yang diamati
pada interval . Dari hasil pengkajian yang dilakukan
dapat disimpulkan bahwa:
(i) Penduga komponen periodiknya adalah
sebagai berikut
dimana menyatakan banyaknya
kejadian pada interval [0,n], k merupakan
suatu bilangan bulat dan adalah
barisan bilangan real yang konvergen
menuju nol yang disebut bandwidth.
adalah penduga yang tak bias
asimtotik bagi ,
untuk sehingga diperoleh
untuk
(ii) Aproksimasi asimtotik bagi bias
adalah sebagai berikut
untuk (iii) Aproksimasi asimtotik bagi ragam
adalah sebagai berikut
untuk
(iv) Aproksimasi asimtotik bagi
adalah sebagai berikut
untuk
(v) Bandwidth optimal asimtotik yang
meminimumkan aproksimasi untuk
adalah sebagai berikut
DAFTAR PUSTAKA
Browder A. 1996. Mathematical Analysis:
An Introduction. Springer. New York.
Casella G, Berger. 1990. Statistical
Inference. First Edition. Wadsworth &
Brooks/Cole. Pasivic Grove. California.
Cressie NAC. 1993. Statistics for Spatial
Data. Revised Edition. Wiley. New York.
Dudley RM. 1989. Real Analysis and
Probability. Wadsworth & Brooks.
California.
Grimmett GR. and Stirzaker. 1992.
Probability and Random Processes.
Second Edition. Clarendon Press.
Oxford.
Hogg RV, Graig AT and MacKean JW. 2005. Introduction to Mathematical
Statistics. Sixth Edition. Prentice Hall,
Englewood Cliffs. New Jersey.
Mangku IW. 2001. Estimating the Intensity
of a Cyclic Poisson Process
(Ph.D.Thesis). University of Amsterdam.
Amsterdam.
Mangku IW. 2011. Estimating the intensity
obtained as the product of a periodic
function with the linear trend of a non-
homogeneous Poisson process. Accepted
by Far East Journal of Mathematical
Science (FJMS).
Ross SM. 2007. Introduction to Probability
Models. Ninth Edition. Academic Press
Inc. Orlando. Florida.
Serfling RJ. 1980. Approximation
Theorems of Mathematical Statistics.
John Wiley & Sons. New York.
Taylor HM. dan Karlin. 1984. An
Introduction to Stochastics Modelling.
Academic Press Inc. Orlando. Florida.
Wheeden RL, Zygmund. 1977. Measure
and Integral: An Introduction to Real
Analysis. Marcel Dekker, Inc. New York.
18
Lampiran 1. Pembuktian Lema 1
Lema 1 (Jumlah peubah acak Poisson)
Misalkan X dan Y adalah peubah acak yang saling bebas dan memiliki sebaran Poisson dengan
parameter beturut-turut dan . Maka memiliki sebaran Poisson dengan parameter
Bukti :
Dengan menggunakan aturan peluang total (law of total probability), kita dapat nyatakan
Ingat, dengan perluasan binomial kita dapat menyatakan untuk setiap integer positif n,
Sehingga dengan mensubstitusikan persamaan (2) ke (1) diperoleh ruas kanan dari persamaan (1)
adalah sebagai berikut
Persamaan (3) di atas adalah fungsi peluang dari sebaran Poisson dengan parameter Maka Lema 1 terbukti.
19
Lampiran 2. Pembuktian Lema 3
Lema 3 (Pertidaksamaan Chebyshev)
Jika X adalah peubah acak dengan rataan µ dan ragam , maka untuk setiap
Bukti :
Untuk membuktikan pertidaksamaan Chebyshev diperlukan Pertidaksamaan Markov (Lema 4)
berikut :
Lema 4 (Pertidaksamaan Markov)
Jika X adalah peubah acak dengan E(X) terbatas, untuk setiap
Bukiti :
Misalkan maka
dengan IA adalah fungsi indikator dari A, yaitu :
jika kita tentukan nilai harapannya, maka akan diperoleh
Sehingga diperoleh
Jadi Lema 4 terbukti.
Selanjutnya dengan Pertidaksamaan Markov (Lema 4) maka kita dapat membuktikan Lema 3.
Jadi Lema 3 terbukti.