Ipi 9270
Ipi 9270
(
(
(
(
|
|
|
.
|
\
|
(
(
(
(
>
(
(
0 , ) (ln
2
1
- exp
2
x x
y
= 0, x lainnya
Fungsi densitas pada definisi 1
diperoleh dari distribusi normal
dengan mentransformasikan peu-bah
acaknya. Berikut uraian bagai-mana
fungsi distribusi lognormal diperoleh.
Misalkan X dan Y adalah dua
buah peubah acak dengan Y
mengikuti distribusi normal. Jika X
= exp (Y) atau Y = ln X, maka
distribusi peubah acak X diperoleh
dengan mentransformasikan peu-bah
acak Y = ln X, yaitu:
f(x) = g(y)
dx
dx
dengan g(x) adalah fungsi densitas
dari distribusi normal. Hubungan
nilai y dari Y dengan x dari X
diberikan dengan
Abu Syafik: Aplikasi Distribusi Lognormal dalam Statistika 3
y = ln x, maka sehingga
x dx
dy 1
=
dx
dx
=
x
1
maka fungsi densitas dari distribusi
lognormal berbentuk:
2
1
2
) 2 (
2
1
) (
y
x f =
[ ]
0 > , ) (ln
2
1
- exp
2
x x
y
= 0 , x lainnya
Kita periksa bahwa f(x) yang dipe
roleh merupakan fungsi densitas.
(i) f (x) > 0, untuk setiap x > 0
(ii) _ f (x) dx
=
0
-(2t
2
y
)
-
exp[-
2
2
1
y
(lnx- t
y
)]dx
Misal z =
y
y
x
ln
maka
dx
y
x
1
dz
=
Batas-batas dalam z
untuk 0 x , maka z
untuk x , maka z
sehingga diperoleh
| |dx z xp e dx x f
2
2
1 2
1
) 2 ( ) ( =
} }
| |dx z xp e
2
2
1
0
2
1
) 2 ( 2 =
}
a du au xp e
a
Maka 1 ) (
}
= dx x f .
Jadi, fungsi (fx) pada definisi 1
merupakan fungsi densitas.
Kita akan menentukan pa-
rameter dari besaran-besaran yang
berkaitan dengan distribusi lognor-
mal, seperti: rata-rata, varians, mo-
dus, median, momen,ukuran kemi-
ringan dan ukuran keruncingan.
1. Rata-rata dan Varian
Jika kita memperhatikan defi- nisi
1,maka terdapat dua para- meter
dan distribusi lognormal yaitu
y
dan
2
y
. Rata-rata dan varians dari
dis- tribusi lognormal adalah
dx x xp e x
dx x f x X E
y y x
y
y (
=
= =
}
}
2
2
1 2 1
) (ln ) 2 ( .
) ( . ) (
2
2
1
misal z =
y
y
x ln
,
4 Abu Syafik: Aplikasi Distribusi Lognormal dalam Statistika
maka dz = dx
x
y
1
x = exp (
y
z +
y
)
Batas-batas dalam z
untuk 0 x , maka z
untuk x , maka z
sehingga:
| |dx z z xp e X E
y y x
2
2
1
exp ) 2 )( ( ) (
2
1
+ = =
}
| |dx z xp e
y y x
) ( ) 2 ( ) exp(
2 2
2
1 2
2
1
2
1
+ =
}
| |
2
2
1
exp
y y x
+ =
Sedangkan untuk memperoleh vari-
ans kita perlu menghitung
dx x xp e x
dx x f x X E
y y x
y
(
=
=
}
}
2
2
1
2
1
2 2
) (ln ) 2 ( .
) ( . ) (
2
2
1
| |dx z xp e
y y x
) ( ) 2 ( ) exp(
2 2
2
1 2
2
1
2
1
+ =
}
misal z =
y
y
x ln
,
maka dz = dx
x
y
1
x = exp (
y
z +
y
)
Batas-batas dalam z
untuk 0 x , maka z
untuk x , maka z
sehingga:
| |dx z xp e z X E
y y
2
2
1 2
2
1
) 2 )( 2 2 exp( ) ( + =
}
| |dx z z xp e
y y y y
2 2 2
2
1
2
) 4 4 ( ) 2 ( 2 ) 2 exp(
2
1
+ + =
}
| |dx z xp e
y y y
2 2
2
1 2
) 2 ) 2 ( 2 ) 2 exp(
2
1
+ =
}
2
2 ) 2 exp(
y y
+ =
sehingga:
| |
| | | |
2
2
2
1
2
2 2 2
) exp( 2 2 exp
) ( ) ( ) (
y y y y
x
X E X E X Var
+ + =
= =
| | | | 1 ) exp( 2 2 exp
2 2 2
+ =
y y y x
Apabila rata-rata dan varians
dari Y dinyatakan dalam rata-rata dan
varians dari X, maka dari
| | | | 1 ) exp( 2 2 exp
2 2 2
+ =
y y y x
=
2
y
[exp(
2
y
)-1]
exp (
2
y
) = 1 +
x
2
2
atau
2
y
= ln 1 +
x
2
2
,
dan dari
x
= exp (
y
+
2
y
)
Abu Syafik: Aplikasi Distribusi Lognormal dalam Statistika 5
ln
x
=
y
+
2
y
y
= ln
x
-
2
y
y
= ln
x -
ln 1 +
x
2
2
y
= ln
x
- ln
2
2 2
+
y
y x
y
= ln
x
- [ln (
2
x
+
2
x
) ln
2
y
)
y
= ln
x
- [ln (
2
x
+
2
x
)+ ln
2
x
y
= 2 ln
x
- ln (
2
x
+
2
x
)
y
= ln
x
- [ln (
2
x
+
2
x
)
y
= ln
2 2
2
+
x y
x
2. Modus dari Median
Modus dari sebuah dis-
tribusi didefinisikan sebagai nilai
x yang mengakibatkan nilai fungsi
kepadatan peluang f(x) mencapai
maksimum.Nilai f (x) akan
maksimum jika dan hanya jika
f(x) = 0. Dari definisi 1 kita tahu
bahwa:
( ) 0 , ) (ln exp 2 ) (
2
2
1
2
1
2
2
1
>
(
=
x x x f
y y x
y
maka
( )
( )
(
(
(
(
2
2
2
2 2
2
2
2
1 2
2
) ln
2
1
exp ) 2 (
1
) ln(
) (ln exp 2
1
) ( '
2
1
2
2
1
y
y
y
y
y y
x
x
x
x
x
x f
y
y
Karena f (x) = 0, maka
( )
( )
(
(
(
(
=
(
2
2
2
2 2
2
2
2
1 2
2
) ln
2
1
exp ) 2 (
1
) ln(
) (ln exp 2
1
2
1
2
2
1
y
y
y
y
y y
x
x
x
x
x
y
y
sehingga
2
y
= [ln x -
y
] atau
ln x = -
2
y
atau
x = exp (
y
-
2
y
)
Jadi modus dari distri-busi
lognormal terjadi pada:
x = exp (
y
-
2
y
)
Sedangkan median dari sebuah
distribusi didefinisikan sebagai
nilai x sedemikian sehingga (X s
x ) = P (X > x). Dari definisi 1
kita ketahui bahwa Y = ln X
dengan rata-rata
y
dari varians
2
y
, sehingga:
P (X s x) = P (X > x)
P (ln X s ln x) = P (ln X > ln x)
P (Y s ln x) = P (Y > ln x)
P Zs
2
ln
y
y
x
=P Z>
2
ln
y
y
x
6 Abu Syafik: Aplikasi Distribusi Lognormal dalam Statistika
Hal di atas akan terjadi jika hanya
jika
2
ln
y
y
x
= 0
Sehingga ln x -
y
= 0 atau
x = exp (
y
)
Jadi media dari distribusi lognormal
terjadi pada x = exp (
y
)
3. Momen
Nilai ekspektasi dari X
(ditulis E(X) adalah momen
kesatu sedangkan E (X) adalah
rata-rata, maka rata-rata meru-
pakan momen kesatu. Sehingga
momen kesatu distribusi log-
normal adalah :
1
= exp (
y
+
2
y
)
Nilai ekspektasi X (ditulis
E(X)) merupakan momen ke-
dua. Sehingga momen kedua dari
distribusi lognormal adalah :
2
=
exp (2
y
+ 2
2
y
)
Nilai ekspektasi X
3
(ditulis E
(X
3
)) merupakan momen ketiga.
Sehingga momen ketiga dari
distribusi lognormal ada-lah:
3
=
exp (3
y
+
2
9
2
y
)
Secara umum momen ke-k:
k
= exp (k
1
y
+ k
2
y
)
Sedangkan momen ketiga dan
keempat sekitar rata-rata adalah
3
=
3
- 3
1.
3
+ 2(
1
)
3
= exp (3
y
+
2
9
2
y
) 3
| |
(
|
.
|
\
|
+ +
(
|
.
|
\
|
+ + =
2
2 2
2
1
2
1
exp 2
2
4
2 exp ) exp(
y y
y y y x
(
|
.
|
\
|
+ +
(
|
.
|
\
|
+
(
+ =
2
2
2
2
3
3 exp 2
2
5
3 exp 3
)
2
9
3 exp(
y y
y y
y x
( ) ( ) | | 2 exp exp
)
2
3
3 exp(
2 2
2
+
(
+ =
y y
y x
( ) ( ) | | 2 exp 3 3 exp
)
2
1
exp(
2 2
3
2
+
(
+ =
y y
y x
Abu Syafik: Aplikasi Distribusi Lognormal dalam Statistika 7
4. Ukuran Kemiringan
Untuk menentukan mo-del
lengkungan kurva dari suatu
distribusi ditinjau dari koefisien
kemiringannya, kita harus meng-
hitung dahulu koefisien kemi-
ringan. Koefisien kemiringan
diperoleh dengan menggunakan
rumus:
,
1
=
3
3
dengan ,
1
: koefisien ketiga
sekitar rata-rata
3
: momen ketiga
sekitar rata-rata
= simpangan baku
suatu distribusi
Sehingga koefisien kemiringan
distribusi lognormal adalah:
2
3
]) 1 ) [exp( (
) ] 1 ) 3 [exp( 3 ] 1 ) ([exp( ) (
2 2
2 2 3 2 3
1
+
=
y y x
2
1
2
3
] 1 - ) [exp( 3 ] 1 ) [exp(
2 2
1 y y
+ =
5. Ukuran Keruncingan (Kur-
tosis)
Untuk menentukan ke-
runcingan kurva dari suatu
distribusi digunakan rumus:
,
2
=
4
4
3
dengan ,
2
: koefisien
keruncingan
4
: momen keempat
sekitar rata-rata
= simpangan baku
Sehingga koefisien keruncingan
distribusi lognormal adalah:
] 1 - ) [exp( 16 ] 1 ) [exp( 15
] 1 - ) [exp( 6 ] 1 ) [exp(
2 2 2
3 2 4 2
2
y y
y y
+ + +
+ + =
Grafik Distribusi Lognormal
Dari hasil perhitungan sebelumnya,
seperti rata-rata modus, median,
ukuran kemiringan dan ukuran
keruncingan, maka grafik dari
distribusi lognormal digambarkan
sebagai berikut:
8 Abu Syafik: Aplikasi Distribusi Lognormal dalam Statistika
Contoh soal dan penyelesaian:
1. Misalkan x adalah peubah acak
dengan Y = ln X yang meng-ikuti
distribusi lognormal dengan rata-
rata
y
= 50 dan
varians
2
y
= 25.
Tentukan:
a. Rata-rata, varians, modus, dan
median dari peubah acak X
b. P (x s 10)
21
Penyelesaian:
a.
x
= exp (
x
+
2
1
2
y
)
= 1,39 x 10
27
2
x
=exp(2
y
+
2
y
)[exp(
2
y
) 1]
= 1,39 x 1085
Mo = exp (y -
2
y
)
= 7,20 x 1010
Me = exp (y)
= 5,18 x 1010
b. P (X) s 10
21
)
= P (ln X s 10
21
)
= P (Y s 10
21
)
= P (Z s
5
50 10
21
)
= P (Z s - 0,33)
= 0,3707
2. Buktikan jika X mempunyai
distribusi lognormal dengan rata-
rata dan varians
2
y
dan a,b beserta
d adalah tiga buah konstanta
dengan b = exp (d) maka W = b
X
a
mempunyai distribusi
lognormal dan rata-rata (d +
2
y
)
dan varians (a
2
y
).
Bukti:
Diketahui : X berdistribusi log-
normal, maka :
( ) ( )
(
(
>
(
(
|
|
.
|
\
|
=
0 , ln
2
1
exp 2 ) (
2
2
2
1
2
2
1
x x x f
y
y
y
W = bx
a
, maka X =
a
1
b
W
f(x)
Mo Me x x
Gambar 2.
Abu Syafik: Aplikasi Distribusi Lognormal dalam Statistika 9
Hubungan nilai w dari W de-ngan
x dari X diberikan dengan
x =
a
1
b
w
, sehingga
dw
dx
=
ab
1
x
=
1
a
1
b
w
Batas dalam w
Untuk x > 0, maka w > 0.
g(w) = f
a
1
b
w
dw
dx
( )
a
y
a
y
y
a
b
w
ab b
w
b
w
1
ln
2
1
exp
2
1
2
1
2
2
1
2
1
|
|
|
.
|
\
|
|
|
|
.
|
\
|
( )
|
|
|
.
|
\
|
|
|
|
.
|
\
|
=
2
1
2 2
2
1
2 2
ln
2
1
exp
2
1
y
a
y
y
a
b
w
a
a
w
( )
( ) ( )
|
|
.
|
\
|
+
=
2
2 2
2
1
2 2
ln ln
2
1
exp
2
1
y
y
y
a b w
a
a
w
( )
( ) ( )
|
|
.
|
\
|
+
=
2
2 2
2
1
2 2
ln
2
1
exp
2
1
y
y
y
a d w
a
a
w
Jadi g(w) merupakan fungsi densitas
dari distribusi lognor-mal dengan rata
(d + a
y
) dan varians (a
2
y
).
Penutup
1. Definisi Distribusi Lognormal
Misalkan sebuah peubah acak X
mempunyai range atau dae-rah
hasil R
x
= {x(0 < x < ~} dan Y =
ln X mengikuti distribusi normal
dengan rata-rata y dan varians
2
y
.
10 Abu Syafik: Aplikasi Distribusi Lognormal dalam Statistika
Fungsi densitas dari peubah acak
X didefinisikan sebagai:
( ) 0 , ) (ln exp 2 ) (
2
2
1
2
1
2
2
1
>
(
=
x x x f
y y x
y
= 0 ,x lainnya
2. Rata-rata dan Varians distribusi
lognormal adalah:
x
= exp (
x
+
2
1
2
y
) dan
2
x
= exp(2
y
+
2
y
)[exp(
2
y
) 1]
3. Modus dan median distribusi
lognormal terjadi pada:
x = exp (
y
-
2
y
)
dan x = exp (
y
)
4. Secara umum momen ke-k
diberikan oleh:
k
= exp k.
y
+
2
1
k
2
y