Abu Syafik: Aplikasi Distribusi Lognormal dalam Statistika 1

APLIKASI DISTRIBUSI LOGNORMAL

DALAM STATISTIKA
Abu Syafik
Jurusan Pendidikan Matematika
FKIP Universitas Muhammadiyah Purworejo
Abstrak
Salah satu distribusi yang penting dan banyak digunakan dalam statistika
adalah distribusi normal. Karena distribusi normal merupakan dasar dari
statistika maka distribusi normal merupakan dasar hukum untuk semua
distribusi peluang. Terutama distribusi peluang dengan peubah acak kontinu.
Satu-satunya distribusi peluang dengan peubah acak kontinu yang mengikuti
hukum distribusi normal adalah distribusi lognormal.
Distribusi Lognormal mengikuti hukum distribusi normal, karena
distribusi lognormal diperoleh dari transformasi peubah acak pada fungsi
densitas distribusi Normal.
Kata Kunci: distribusi normal, fungsi densitas, aplikasi
Pendahuluan
Statistika adalah ilmu yang
berhubungan dengan pengumpul- an
pengaturan, perhitungan, peng-
gambaran dari penganalisisan data,
serta penarikan kesimpulan dan
pengambilan keputusan yang rasio-
nal berdasarkan hasil analisis yang
dilakukan. Penerapan (aplikasi)
statistika digunakan dalam berbagai
bidang seperti ilmu fisika, ilmu
teknik, perdagangan atau usaha, ilmu
kesehatan dan biologi, ilmu sosial dan
pendidikan.
Dalam penerapan statistika
digunakan berbagai metode statis- tika
sesuai dengan kebutuhan. Salah satu
metode statistika yang diguna-kan
adalah distribusi peluang. Pada
Statistika Matematika1 telah dipela-
jari beberapa distribusi peluang
khusus yang penting baik distribusi
peluang dengan peubah acak diskrit
maupun distribusi peluang dengan
peubah acak kontinu. Salah satu
distribusi peluang dengan peubah
2 Abu Syafik: Aplikasi Distribusi Lognormal dalam Statistika
acak kon-tinu adalah distribusi
normal.
Distribusi normal merupa-kan
salah satu distribusi yang pen- ting
dan banyak digunakan. Karena
distribusi normal merupakan hu- kum
peluang untuk distribusi pelu- ang
terutama. Distribusi peluang dengan
peubah acak kontinu. Ada satu
distribusi peluang dengan pe- ubah
acak kontinu yang mengikuti distribusi
normal yaitu distribusi lognormal.
Distribusi Lognormal
Distribusi lognormal dalam
bentuk sederhana adalah fungsi
densitas dari sebuah peubah acak
yang logaritmanya mengikuti hu-
kum distribusi normal.Adapun de-
finisi dari distribusi lognormal ada-
lah sebagai berikut :
Definisi 1:
Misalkan sebuah peubah acak X
mempunyai ruang range atau daerah
hasil } 0 / { < < = x x Rx dan Y
= lnX mengikuti distribusi normal
dengan rata-rata
1
dan varians
2
y
.
Fungsi densitas dari peubah acak X
didefinisikan sebagai :
2
1
2
) 2 (
2
1
) (
y
x f =

| |
(
(

(
(
(

(
|
|
|
.
|

\
|
(
(

(
(

>
(
(

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 =
}

Kita ingat bahwa

| | ( ) 0 ,
2
1
2
1
2
0
> =
}

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

5. Koefisien kemiringan distribusi

lognormal adalah:
2
1
2
3
] 1 - ) [exp( 3 ] 1 ) [exp(
2 2
1 y y
+ =
Koefisien keruncingan distri-busi
lognormal adalah:
Daftar Pustaka
Freud, J. E. and Walpole, R. F. 1980.
Mathematical Statitics. Third
Edition. Englewood New
York: Prentice-Hall. Inc.
Heryanto, Nar. 1992. Pengantar
Statistika Matematika. Jilid 1.
Bandung: Jurusan Pendidi-
kan Matematika FPMIPA IKIP
Bandung.
Hinnes, William W. and Montgo-
mery, Douglas C., 1972.
Probability and Statistics in
Engeneering and Mana-gement
Science. New York: John
Willey & Sons. Inc.
Pollet, A dan Nasrullah. 1994.
Penggunaan Metode Statis-
tika untuk Ilmu Hayati. Yog-
yakarta: Gadjah Mada University
Press.
Purcel and Varberg (terjemahan I.N.
Susilo dkk). 1990. Kal-kulus
dan Geometri Analitik. Jilid 1.
Edisi Keempat. Jakarta:
Erlangga.
R. V, Hogg,. and Craig, A. T. 1978.
Introduction ot Mathematical
Statistics. Fourth Edition.
New York: Macmillan
Publishing Co. Inc.
Supranto, J. 1991. Statistik: Teori dan
Aplikasi. Jilid 2. Edisi Kelima.
Jakarta: Erlangga
Abu Syafik: Aplikasi Distribusi Lognormal dalam Statistika 1