Studi Tentang Distribusi Log-Normal

Afnaria
Pendidikan Matematika FKIP UISU
Abstrak. Dalam teori peluang, distribusi log-normal merupakan distribusi dari
suatu variabel acak yang logaritmanya berdistribusi normal. Suatu variabel dapat
dimodelkan menjadi log-normal jika ia merupakan hasil perkalian dari banyak
variabel acak positif yang saling bebas. Kedua parameter yang digunakan * dan
s* menggambarkan data langsung dari skala originalnya, sehingga mudah untuk
dihitung dan dibayangkan serta di estimasi. Semakin banyak bukti bahwa
distribusi log-normal telah tersebar luas dalam ilmu fisika,biologi, ilmu sosial
dan ekonomi. Namun kebanyakan orang lebih memilih menggunakan distribusi
normal.
Kata Kunci : distribusi log-normal, distribusi normal, transformasi logaritma

1. Pendahuluan
Matematika tentunya penting dalam menganalisa dan menentukan
karakter variasi acak dari, misalnya, ukuran dan berat seseorang dalam suatu
populasi, tingkat sensitivitasnya terhadap suatu bahan kimia, dan waktu yang
diperlukan untuk suatu kejadian, misalnya waktu yang diperlukan seseorang
untuk sembuh dari suatu penyakit. Distribusi frekuensi dari data ini merupakan
faktor utama untuk menentukan tipe analisa statistik yang valid yang dapat
diambil dari sekumpulan data. Banyak penggunaan metode statistika seperti
anova (analisis variansi) dan analisis regresi yang membutuhkan data yang
terdistribusi normal, namun jarang distribusi frekuensi datanya yang diuji saat
menggunakan tehnik ini.
Distribusi Gaussian (normal) sering digunakan untuk menggambarkan
variasi acak yang muncul pada data dari banyak bidang ilmu; kurva
loncengnya dengan mudah menggambarkan dua nilai, yaitu mean aritmatika ,
dan deviasi standar s, sehingga data tersebut sering digambarkan dengan
.
Sebuah contoh lama distribusi normal diberikan oleh Quetelet, seorang Belgia
yang merupakan pelopor statistika modern, dimana ia melakukan pengukuran
bahu dari prajurit Skotlandia.
Bagaimanapun, banyak pengukuran yang lebih kurang menunjukkan
distribusi yang miring. Distribusi yang miring dapat terjadi saat nilai mean
rendah, variansi tinggi dan nilainya tidak ada yang negatif, dalam hal ini,
sebagai contoh, distribusi sumber mineral dalam bumi, atau lamanya infeksi
suatu penyakit berbahaya. Distribusi miring ini merupakan distribusi log-

Seminar Nasional Matematika dan Terapan 2011

normal (Aitchison dan Brown 1957, Crow dan Shimizu 1988, Lee 1992,
Johnson et al. 1994). Contoh yang sesuai dengan distribusi normal yang
simetris dan distribusi log-normal yang miring diberikan pada gambar 1.

Gambar 1. Contoh dari distribusi normal dan log-normal

Dalam Biologi, variabel yang logaritmanya cenderung memiliki

distribusi normal antara lain: ukuran jaringan makhluk hidup, panjang tonjolan
inert spesimen biologis dalam arah pertumbuhan, pengukuran fisiologis
tertentu, dll.
Apakah perbedaan antara variabel normal dan log normal? Bentuk
variabel keduanya saling bebas berdasarkan variasi kekuatan yang diberikan.
Perbedaan utamanya adalah bahwa distribusi normal memberikan efek
penjumlahan, sedangkan distribusi log-normal memberikan efek perkalian.
Distribusi log-normal biasanya digambarkan sebagai variabel log yang
ditransformasi, digunakan sebagai parameter nilai ekspektasi, atau mean dan
deviasi standar dari distribusinya. Penggambaran ini bisa menguntungkan,
karena dari definisinya, distribusi log-normal dapat menjadi simetris kembali
dalam bentuk log.
Untuk mengetahui tentang sampelnya, kebanyakan orang lebih memilih
data asli dari pada data yang telah ditransformasikan ke logaritma. Konsepsi ini
menjadi fisibel dan dapat dianggap sebagai data log-normal pula, karena sifat

Seminar Nasional Matematika dan Terapan 2011

sifat yang dikenal dari distribusi normal dapat dianalogikan dengan distribusi
log-normal.
1.1 Sifat-Sifat Distribusi Log-normal
Suatu variabel acak X dikatakan berdistribusi normal jika log(X)
berdistribusi normal. Variabel bernilai positif dan distribusinya miring ke kiri.
(Gambar 2)

Gambar 2. Distribusi log normal dengan skala original

Gambar 3. Distribusi normal dengan skala logaritma

Diperlukan dua parameter untuk menggambarkan suatu distribusi log

normal. Biasanya digunakan mean dan deviasi standar (atau varians 2)
dari log(X) (Gambar 3). Bagaimanapun tetap ada baiknya menggunakan nilai
yang ditransformasikan balik (nilai dalam x, data terukur):
* : = e , * : = e

Seminar Nasional Matematika dan Terapan 2011

(1)

Selanjutnya digunakan X ~ (* , *) sebagai ekspresi matematika,

dimana X terdistribusi menurut hukum log-normal dengan median * dan
deviasi standar *. Median dari distribusi log-normal ini adalah med(X) = * =
e, karena adalah median dari log(X). Dengan demikian peluang bahwa X
lebih besar dari * adalah 0.5, demikian pula peluang X yang lebih kecil dari
*. Parameter *, yang disebut deviasi standar perkalian yang menentukan
bentuk dari distribusinya. Gambar 4 menunjukkan kurva kepadatan untuk
beberapa nilai *.

Gambar 4. Fungsi kepadatan untuk distribusi lognormal dengan beberapa *

Distribusi dikenali dari nilai ekspektasi dan deviasi standar . Dalam

aplikasi dimana distribusi log-normal tidak begitu menggambarkan data,
biasanya parameter-parameter ini tidak mudah diinterpretasikan dari pada
dengan median * (McAlister 1879) dan parameter bentuk *.
Untuk distribusi log-normal, metode yang paling tepat (yaitu yang
dianggap paling efisien) untuk mengestimasi parameter * dan * bergantung
pada transformasi log. Mean dan deviasi standar empiris dari logaritma data
dihitung dan selanjutnya ditransformasi balik, seperti pada persamaan (1).
Estimator ini disebut * dan s*, dimana * adalah mean geometrik dari data
(McAlister 1879); persamaan 4). Estimasi yang lebih robust namun kurang
efisien dapat diperoleh dari median dan quartil data, seperti pada kotak di
bawah ini.
1.2. Definisi dan sifat distribusi log-normal
Variabel acak X berdistribusi log-normal jika log(X) berdistribusi
normal. Biasanya, digunakan logaritma natural, namun basis yang lain juga
akan menuju ke keluarga distribusi yang sama, dengan parameter yang di
skalakan kembali. Fungsi kepadatan peluang dari variabel acak tersebut
ditentukan sebagai

Seminar Nasional Matematika dan Terapan 2011

(2)
Parameter pengganti bisa ditambahkan untuk mendefinisikan keluarga tiga
dan
parameter. Mean dan varians berturut-turut adalah
, dengan demikian koefisien variasi adalah
(3)
Perkalian dari dua variabel acak terdistribusi log-normal mempunyai parameter
bentuk
(4)
Karena ditambahkan varians ada variabel yang di transformasikan log.
Estimasi: estimator yang paling efisien (maksimum likelihood) adalah
(5)
s* =

quartil q1 dan q2 mengarah ke

estimasi yang lebih robust (q1/q2)c untuk s*, dimana 1/c = 1.349 = 2 . -1(0,75),
dimana -1 menyatakan fungsi invers distribusi normal standar. Jika mean
dan deviasi standar s dari sampel tersedia, yaitu data diambil dalam bentuk
s, parameter * dan s* dapat diestimasi berturut turut dengan menggunakan
/

dan

, dengan

, cv = koefisien

variasi. Dengan demikian, estimasi s* ini ditentukan hanya dengan cv

(persamaan 3).

2. Perbandingan Distribusi Log-normal

Contoh distribusi log-normal dari beberapa bidang ilmu pengetahuan.
2.1 Geologi dan pertambangan
Dalam kerak bumi, konsentrasi elemen dan radioaktifnya biasanya
mengikuti distribusi log-normal. Dalam geologi, nilai s* dari 27 contoh
bervariasi dari 1,17 sampai 5,6 (Razumosky 1940). Tinjauan yang lebih dalam
untuk data yang lebih luas dari batu karang yang berbeda menunjukkan bahwa
nilai s* untuk emas dan uranium meningkat bersama dengan ukuran daerah
yang diteliti.
2.2 Obat-obatan
Beberapa contoh dalam obat-obatan yang sesuai dengan distribusi lognormal. Periode laten (waktu dari terinfeksi sampai gejala pertama) dari infeksi
suatu penyakit telah sering menunjukkan terdistribusi log-normal (Sartwell

Seminar Nasional Matematika dan Terapan 2011

1950, Kondo 1977); hampir 70% dari 86 contoh yang ditinjau oleh Kondo
(1977) muncul sebagai log-normal. dokumen Sartwell (1950) tentang 37 kasus
sesuai dengan distribusi log-normal. Yang sangat mengesankan bahwa dari
5914 prajurit yang diberikan vaksin yang rusak pada hari yang sama, 1005-nya
yang membentuk serum hepatitis.
2.3 Fisiologi tumbuhan
Bukti yang meyakinkan disajikan dari fisiologi tumbuhan
mengindikasikan bahwa distribusi log-normal sesuai dengan permeabilitas dan
untuk mobilitas zat terlarut dalam kutikula tanaman (Baur 1997).
Zat kimia yang disebut akselerator dapat mereduksi variabilitas dari
mobilitasnya. Bagaimanapun juga, karena prinsip prinsip yang mendasari
permeabilitas tetap sama, karena itu hal ini mewakili distribusi log-normal.
Dengan demikian, mengingat satu-satunya alasan statistik yang bisa
mengakibatkan kesalahan klasifikasi, yang mungkin cacat untuk analisis
selanjutnya. Satu pertanyaan yang masih tersisa: apakah prinsip prinsip yang
mendasari permeabilitas yang menyebabkan variabilitas-nya menjadi lognormal.

3. Distribusi normal atau log-normal?

Mempertimbangkan pola dari distribusi normal dan log-normal
sebagaimana koneksi dan perbedaan mereka, berguna untuk menggambarkan
dan menjelaskan fenomena yang berkaitan dengan distribusi frekuensi dalam
kehidupan. Beberapa aspek pentingnya adalah sebagai berikut:
3.1 Range variabilitas log-normal
Seberapa jauh nilai s* dapat melampaui range yang digambarkan oleh
Limpert E., et al (2001) yaitu dari 1,1 sampai 33? Untuk mencapai nilai s*
setinggi mungkin, ditemukan satu nilai s* yang lebih besar dari 150 untuk
energi hujan es dari awan (Federer et al. 1986, dihitung oleh W.A.S). Nilai
dibawah 1,2 bahkan mungkin menjadi biasa ditemukan, sehingga menjadi
bagian yang menarik dalam sains. Bagaimanapun juga distribusi log-normal ini
sulit untuk dipisahkan dari distribusi normal, lihat gambar 1 dan 2, sehingga
sampai sekarang masih diambil sebagai normal.
Karena preferensi umum untuk distribusi normal, perlu ditentukan
contoh data yang mengikuti distribusi normal namun tidak cocok untuk
distribusi log-normal. Menariknya, ukuran original tidak dapat menemukan
contoh yang dimaksud. Contoh yang ditemukan normal, namun bukan lognormal, yaitu data terdistribusi yang terdiri dari selisih, jumlah, mean, atau

Seminar Nasional Matematika dan Terapan 2011

fungsi lain dari ukuran original. Penemuan ini melahirkan pertanyaan tentang
peran kesimetrian dalam variasi kuantitatif di alam.

4. Mengapa distribusi normal begitu populer

Terlepas dari pertimbangan statistik, ada sejumlah alasan mengapa
distribusi normal lebih dikenal dari pada distribusi log-normal. Yang utama
adalah distribusi ini simetri, salah satu prinsip dasar yang disadari di alam dan
budaya dan cara berpikir kita. Dengan demikian distribusi peluang didasarkan
pada simetri mungkin memiliki lebih banyak daya tarik dari pada yang miring.
Dua alasan berikutnya berkaitan dengan kesederhanaannya. Pertama, Aitchison
dan Brown (1957, hal 2) menyatakan bahwa, Manusia menganggap bahwa
penjumlahan merupakan operasi yang lebih mudah daripada perkalian, dan
tentunya tidak mengejutkan bahwa aturan penjumlahan error yang pertama
dirumuskan. Kedua, dibentuknya gambaran sampel normal
s yang
terkenal dan digunakan untuk menyajikan distribusi dasar, yang
menjadikannya lebih mudah, sampai sekarang, untuk menangani distribusi
normal dari pada distribusi log-normal. Alasan lainnya berkaitan dengan
sejarah distribusi: distribusi normal telah dikenal dan diaplikasikan lebih dari
dua kalinya distribusi log-normal. Untuk semua alasan ini, distribusi normal
atau Gaussian lebih terkenal daripada distribusi log-normal bagi kebanyakan
orang.
Preferensi ini mengarah ke dua cara penggunaan untuk membuat data
terlihat normal bahkan saat ia miring. Pertama, distribusi miring menghasilkan
nilai yang besar yang mungkin tampak outlier. Pada prakteknya, sudah umum
untuk menolak observasi tersebut dan melakukan analisis tanpa melibatkannya,
sehingga mengurangi kemiringan namun mengaikbatkan bias. Kedua, data
miring sering dikelompokkan bersama, dan mean-nya yang terdistribusi
normal, digunakan untuk analisis selanjutnya. Tentunya, mengikuti prosedur
mean yang merupakan fitur penting dari data yang masih belum diketahui.

5. Mengapa distribusi log-normal biasanya merupakan model

yang lebih baik untuk data original
Seperti yang dibahas sebelumnya, koneksi antara efek penjumlahan
dan distribusi normal paralel dengan efek perkalian dan distribusi log-normal.
Kapteyn (1903) telah lama mencatat bahwa jika data dari pengukuran satu
dimensi dari alam sesuai dengan distribusi normal, dimensi dua dan dimensi
tiga misalnya permukaan dan volume tidaklah simetri. Sejumlah efek
mengarah ke distribusi log-normal sebagai model yang sesuai, yang telah
digambarkan dalam berbagai paper (seperti Aitchison dan Brown 1957, Koch
1966, Crow dan Shimizu 1988). Menariknya, bahkan pada sistematika biologi,

Seminar Nasional Matematika dan Terapan 2011

sebagai bidang sains, jumlah spesies per keluarga dianggap sesuai dengan lognormal (Koch 1966).
Pada bidang kimia, sebagai contoh, kecepatan reaksi sederhana
bergantung pada perkalian konsentrasi dari molekul yang dilibatkan. Kondisi
ekuilibrium juga diatur oleh faktor yang bertindak dengan cara perkalian.
Dengan demikian, perbedaannya semakin jelas: alasan yang mengatur
distribusi frekuensi di alam biasanya sesuai dengan distribusi log-normal,
sedangkan orang-orang lebih memilih menggunakan distribusi normal.
Untuk koefisien variasi yang kecil, distribusi normal dan log-normal
keduanya sesuai. Dalam hal ini, tentunya akan dipilih distribusi yang paling
sesuai dengan permasalahan untuk menunjukkan variabilitas yang meningkat,
yang berkaitan dengan hukum yang mendukung alasan variabilitas. Tentunya
dalam hal ini kebanyakan yang dipilih adalah log-normal.

6. Kesimpulan
Paper ini menunjukkan peranan fundamental dari distribusi log-normal
dan dilengkapi dengan beberapa kesimpulan dari beberapa paper yang
* maupun s*, keduanya
menggunakan distribusi lognormal. Baik
menggambarkan data langsung dari skala originalnya, mereka mudah dihitung
dan di-estimasi. Karakterisasi yang ditawarkan tidak memberikan kerugian
yang signifikan. Semakin banyak bukti bahwa distribusi log-normal telah
tersebar luas dalam ilmu fisika, biologi, ilmu sosial dan ekonomi. Namun,
belum banyak orang yang mengetahui ini. Karena jika terjadi, maka akan
semakin banyak orang yang lebih menyukai menggunakan distribusi lognormal atau distribusi normal perkalian dibandingkan distribusi Gauss untuk
menggambarkan data original.

Daftar Pustaka
Ahren LH. 1954. The log-normal distribution of the elements (A fundamental law of geochemistry and its
subsidiary). Geochimica at Cosmochimica Acta 5: 49-73.
Aitchison J, Brown JAC. 1957. The log-normal Distribution. Cambridge (UK):
Cambridge University Press.
Baur P. 1997. Lognormal distribution of water permeability and organic solute mobility in plant cuticles.
Plant, Cell and Environment 20: 167 177.
Crow EL, Shimizu K, eds. 1988. Log-normal Distributions: Theory and Application, New York: Dekker.
Federer B, et al. 1986. Main results of grossversuch IV. Journal of climate and Applied Meteorology 25:
917-957.
Johnson NI., Kotz S, Balkrishan N. 1994. Continuous Univariate Distributions. New York: Wiley.
Kapteyn JC. 1903. Skew Frequency Curves in Biology and Statistics. Astronomical Laboratory, Gronigen
(The Netherlands): Noordhoff.
Koch AI. 1966. The logarithm in biology. I. Mechanisms generating the log-normal distribution exactly.
Journal of Theoretical Biology 23: 276-290.
Limpert E. 1993. Log-normal distributions in phytimedicine: A handy way for their characterization and
application. Proceeding of the 6th International Congress of Plant Pathology; 28 July 6
August, 1993; Montreal, National Research Council Canada.

Seminar Nasional Matematika dan Terapan 2011

Limpert E., Stahel W.A., Abbt M., 2001, Log-normal Distributions across the Sciences: Keys and Clues,
American Institute of Biological Sciences.
McAlister D. 1879. The law of geometric mean. Proceedings of the Royal Society 29: 367-376.
Razumovsky NK. 1940. Distribution of metal values in ore deposits. Comptes Rendus (Doklady) de
lAcademie des Sciences de lURSS 9: 814-816.
Kondo K. 1977. The lognormal distributions of the incubation time of exogenous diseases. Japanese
Journal of Human Genetics 21: 217-237.

Seminar Nasional Matematika dan Terapan 2011