ESTIMASI PARAMETER MODEL REGRESI EKSPONENSIAL PADA SAMPEL LENGKAP DENGAN METODE MAKSIMUM LIKELIHOOD ESTIMATOR 1.

1 Distribusi Exponensial PDF (Probability Density Function) dari distribusi Exponensial dengan parameter diberikan sebagai berikut :

Definisi 2.1 Parameter adalah sembarang nilai yang menjelaskan ciri suatu populasi atau suatu konstanta yang menjelaskan suatu populasi.

1.2 Regresi Dalam Distribusi Exponensial Misalkan PDF (Probability Density Function) distribusi Exponensial adalah :

dengan

Model regresi Exponensial dapat ditentukan dengan menggunakan ekspektasi bersyarat terhadap berikut : atau . Adapun bentuk regresi eksponensial secaraumum adalah sebagai

Dengan

adalah vektor peubah bebas (variabel regressor) dan

adalah vektor koefisien

variabel regresi.

1.3 PDF Dari Model Regresi eksponensial Diberikan data pengamatan yang saling bebas dan mengasumsikan . fungsi kepadatan probabilitas dari

berdistribusi eksponensial dengan parameter adalah :

Nilai parameter yang digunakan dalam model regresi eksponensial adalah Alasan digunakannya parameter Karena maka : adalah nilai fungsi ini yang selalu positif.

Dari persamaan berdistribusi ekstreme value ( ) atau dapat dituliskan

dapat disimpulkan bahwa

1.4 Estimasi Parameter Regresi Eksponensial dengan metode MLE Untuk mempermudah perhitungan dapat dibuat bentuk model regresi dugaan secara umum sebagai berikut:

Dimana

merupakan log dari waktu tahan hidup.

1. Mencari fungsi likelihood

= = 2. Melognaturalkan fungsi likelihood ln =

3. Menurunkan disamadengankan nol

terhadap

masing-masing

parameter

dan

selanjutnya

a. Terhadap parameter

b. Terhadap parameter

c. Terhadap parameter

1.5 Algoritma untuk menentukan nilai estimator 1. Masukkan data sekunder. 2. Masukkan nilai awal estimator

dengan metode Newton-Raphson.

dengan h = 0 yang diperoleh melalui Metode Kuadrat

Terkecil, dalam bentuk persamaan berikut :

3. Hitung fungsi sebagai berikut :

Sehingga diperoleh bentuk matrik dari

sebagai berikut :

4. Tentukan persamaan jacobian untuk h iterasi :

5. Hitung nilai

dengan rumus :

6. Jika diperoleh nilai max

(dengan

yang ditentukan), maka lanjut ke

langkah 7, tapi jika tidak maka proses diulang ke langkah 3 dengan mengambil . 7. Dapatkan nilai estimator