Jurnal Barekeng

Vol. 8 No. 1 Hal. 25 30 (2014)

ANALISIS PERBANDINGAN KOMULAN TERHADAP BEBERAPA JENIS DISTRIBUSI KHUSUS

Analysis of Comulans Comparative on some Types of Special Distribution

ABRAHAM ZACARIA WATTIMENA1, VICTOR LEKATOMPESSY2

1
Jurusan Matematika Fakultas MIPA Universitas Pattimura
Jl. Ir. M. Putuhena, KampusUnpatti, Poka-Ambon, Maluku
2
Karyawan BRI Cabang Ambon
Jl. Diponegoro Ambon, Maluku
e-mail: 1ampiwattimena@rocketmail.com

ABSTRAK

Dalam penelitian ini adalah berbicara tentang Distribusi, khususnya distribusi Kontinu.
Dimana akan dicari komulan dari distribusi kontinu khususnya distribusi normal dan
distribusi uniform, kemudian setelah mendapat komulan dari masing-masing distribusi,
kemudian komulan dari kedua distribusi akan dibandingkan.

Kata kunci: Distribusi, Distribusi Kontinu, Distribusi Normal, Distribusi Uniform,

Komulan.

PENDAHULUAN distribusi uniform yang merupakan salah satu distribusi

Peluang (probabilitas) berawal dari sebuah perjudian
yang dilakukan oleh matematikawan dan fisikawan Italy,
yaitu Girolamo Cardan (1501 1576) yang ditulis dalam
bukunya yang berjudul Liber de Ludo Aleae (Book On
Games Of Changes) pada tahun 1565 yang banyak
membahas tentang masalah perjudian. Peluang kemudian
dibahas oleh para ahli hingga sekarang.
Distribusi normal adalah karya dari Abraham de
Moivre yang diperkenalkan pertama kali pada tahun 1737,
kemudian ditulis ulang pada tahun 1738 dengan judul The
Doctrime Of Chances yang membahas tentang
pendekatan distribusi binomial untuk n yang besar,
kemudian dilanjutkan oleh Laplace dalam bukunya yang
berjudul Analytical Theory Of Probability pada tahun
1812, yang sekarang dikenal dengan Teorema De
MoivreLaplace.
Berbeda dengan peluang yang berawal dari
perjudian, statistika sendiri berawal dari kegiatan
pengumpulan data yang dilakukan oleh John Grannt di
Eropa pada tahun 1662, hal ini merupakan awal
munculnya Statistika Deskriptif. Pada awal abad ke-19
diperkenalkan arti dari Statistika yakni ilmu mengenai
pengumpulan dan klasifikasi data. Nama dan arti
Statistika pertama kali diperkenalkan dalam bahasa
Inggris oleh Sir John Sinclair, yang kemudian muncullah
jenis-jenis distribusi yang lain yang salah satunya adalah
dengan bentuk distribusi diskrit maupun kontinu.
Dalam statistik, distribusi chi square termasuk dalam
statistik nonparametrik. Distribusi nonparametrik adalah
distribusi dimana besaran-besaran populasi tidak
diketahui. Distribusi ini sangat bermanfaat dalam
melakukan analisis statistik jika kita tidak memiliki
informasi tentang populasi atau jika asumsi-asumsi yang
dipersyaratkan untuk penggunaan statistik parametrik
tidak terpenuhi. Sedangkan distribusi Normal adalah
distribusi probabilitas yang paling banyak digunakan
dalam berbagai analisis statistika, distribusi ini juga
dijuluki kurva lonceng.
Distribusi normal dan distribusi uniform kerap
digunakan dalam aplikasi-aplikasi statistik di dalam
kehidupan sehari-hari. Dalam aplikasinya harus
memenuhi ketentuan-ketentuan tertentu untuk
menentukan jenis distribusi yang dipakai. Perbedaan
antara distribusi normal dan distribusi uniform membuat
tertarik peneliti untuk mengangkat masalah ini dalam
penelitian dengan judul Analisis Perbandingan Komulan
Terhadap beberapa Distribusi Kontinu.
TINJAUAN PUSTAKA
Istilah statistika awalnya berarti sekumpulan
bilangan. Dewasa ini statistika merupakan istilah yang
luas, yang keluasannya akan sulit dibayangkan oleh para
Barekeng Vol. 8 No. 1 Hal. 25 30 (2014) 26

perumus istilah. Kumpulan bilangan yang asli sekarang 3.1. Distribusi Normal
disebut data dan statistika berarti ilmu pengambilan Distribusi normal sering disebut juga dengan distribusi
keputusan (Dudewicz 1995). Gauss, inilah distribusi peluang kontinu yang terpenting
Dalam ilmu statistika matematika, teori peluang dan paling banyak digunakan. Grafiknya disebut kurva
(probability theory) merupakan dasar dan pengantar untuk normal, berbentuk seperti lonceng. Pada tahun 1733, De
penyusunan statistika lebih jauh, dimana dipakai pada Moivre menemukan persamaan matematika untuk kurva
penentuan selang untuk distribusi peluang yang terbagi normal yang menjadi dasar dalam banyak teori statistika
atas distribusi peluang diskrit dan distribusi peluang induktif.
kontinu (Bain 1991).
Dalam penelitian ini lebih ditekankan pada distribusi Definisi 3
peluang kontinu khususnya pada distribusi normal dan Suatu peubah acak berdistribusi normal z dengan
distribusi Chi Square. rata- rata dan variansi 2 mempunyai fungsi
2 densitas:
1. Deret Taylor 1 1
() = ( )

2 2
Bentuk umum: dimana < <
(0) (
0) 2 Distribusi normal dilambangkan dengan ~ (, ), 2
(
0)
() = (0) + + 2! dimana nilai dari distribusi normal z ditentukan oleh:
1! (
0)
+ ( 0)3 + =
3!

Dengan mentransformasikan fungsi densitas terhadap z
2. Deret Mclaurin diperoleh fungsi densitas yang berbentuk:
Deret Mclaurin merupakan deret taylor dengan z0 0 . 1 1 2
() = 2 ( )
Bentuk umum deret Mclaurin: 2
(0) Untuk dalam daerah < <
(
0) 2 3
+
()= 0) +
( ( 0)+ Berkaitan dengan sifat yang berlaku untuk sebuah fungsi
2! 3! densitas, dalam distribusi normal berlaku pula:
1 2
+
1
3. Fungsi Distribusi i) 2 ( ) = 1
Definisi 1 2
1 2
Jika himpunan semua kemungkinan nilai peubah acak x ii) (< < ) = 2
( )

1
2
adalah himpunan hingga x1, x2 ,..., xn atau tak hingga
x1, x2 ,... maka x, disebut peubah acak deret, fungsi 3.2. Distribusi Uniform
f x P X x , x x1, x2 , x3 ... yang dianggap peluang Definisi 4
Jika peubah acak yang berdistribusi uniform, jika
untuk setiap himpunan nilai X, yang akan disebut fungsi
hanya jika mempunyai fungsi densitas sebagai berikut:
distribusi peluang. 1
, untuk
Teorema 1 (; , ) = {
0 , untuk yang lain
Suatu fungsi P( X ) adalah suatu fungsi peluang jika dan
Dimana < <
hanya jika memenuhi sifat-sifat berikut : Distribusi uniform dilambangkan dengan
1. 0 P(X ) 1 , untuk semua x X ~ (, )

2. P( X ) 1, P X 0, jika x x , x ,...
i1
i 1 2 4. Mean Dan Variansi
Definisi 5
Jika X peubah acak kontinu dengan fungsi distribusi F(x),
Definisi 2 maka nilai harapan (mean) dari X diperoleh :
Bila X suatu peubah acak, fungsi distribusinya
didefinisikan sebagai : E X x P X dx
F x P X x , untuk semua x.

Teorema 3
Teorema 2
Jika X peubah acak dengan fungsi distribusi P(X) dan g(x)
Bila X suatu peubah acak, maka fungsi distribusi
adalah fungsi bernilai real, maka
khususnya F(x), mempunyai sifat sebagai berikut :

1. F x tidak turun yaitu F x F y , bila x y E g x g x P X dx

2. F lim F x 0 dan F lim F x 1

x x

karena P X 1 jadi P X 1 Definisi 6

Misalkan X peubah acak kontinu dengan fungsi distribusi
3. F x kontinu dari kanan yaitu: lim F x h F x , x
Wattimena | Lekatompessy
Barekeng Vol. 8 No. 1 Hal. 25 30 (2014) 27

P(X) momen ke-k dari X ' k k

maka didefinisikan sebagai,

h0
Mk E X x P X dx

Wattimena | Lekatompessy
 Barekeng Vol. 8 No. 1 Hal. 25 30 (2014) 28

Definisi 7
Misalkan X peubah acak kontinu dengan fungsi distribusi cos tx P X dx i sin tx P X dx
P(X) maka momen pusat ke-k dari X didefinisikan

sebagai : untuk semua t

M E X E X X E X P X dx
k k

k Teorema 9
1. Fungsi konstanta peubah acak X selalu ada
2. x 0 1, x t x t
Teorema 4
Jika c suatu konstanta dan g(x) dan h(x) nilai harapannya
ada maka 3. x t 1, untuk semua t
1. E c c
2. E cg x c E g x Teorema 10
Untuk sembarang konstanta a dan b berlaku

3. E g x h x E g x E h x (axb) t eibtx at
Definisi 8
Variansi dari peubah acak X didefinisikan sebagai 7. Komulan
Definisi 11
Var X E X E X
2
Untuk suatu peubah acak X dengan fungsi x , maka
Teorema 5 komulan ke-j ditulis K j dan X, didefinisikan sebagai
Jika X peubah acak dan nilai harapannya ada maka it j
Var X E X E X
2 2 koefisien dari dengan ekspansi Taylor dari deret
. j!
pangkat
log x t
Teorema 6
Jika a, b konstanta-konstanta, maka
1. Var a 0 dimana
2 j
it ... K j j!it ...
2. Var aX a2Var X x t exp K1 it K2 2!

3. Var aX b a2Var X
it
j
K
log x t
5. Fungsi Pembangkit Momen
Definisi 9

j 0
j
j!
Jika X peubah acak diskrit maka momen ke-t dengan menggunakan deret pangkat exp(x) dimana :
x it X
M x t E e tx e X tx P dx maka didapatkan
t E expit X
disebut fungsi pembangkit momen dari X, jika nilai x

harapannya ada untuk semua nilai t pada interval h<t<h (it X )2
dan h > 0. E 1
it X ...

Teorema 7
Jika fungsi pembangkit momen Mx t dari peubah acak 1

E 2!
X it
2

...
2
E X it
X ada untuk t h dan h > 0, maka 2!

E X k ada t 1
it
E Xj
j

x
Dan j 0j!
Jadi didapat
dMdt t
k
E Xk xk
E X j it
j

t0
log x t log 1
j 0 j!



Teorema 8
dengan menggunakan persamaan Taylor, maka deret
Jika a, b sebagai konstanta dan Y aX b , maka log1 X ,
M y t e Mx at
bt
yaitu:
log 1 X 1k 1 x k
1
6. Fungsi Karakteristik
Definisi 10 k 0 k
maka dengan mengambil
it
Fungsi karakteristik dari peubah acak disebut X dan j
E Xj
t E e x
didefinisikan sebagai
itx berikut
x j 0 j!
Ecos tX i Esin tX

Wattimena | Lekatompessy
 Barekeng Vol. 8 No. 1 Hal. 25 30 (2014) 29

didapatkan kesamaan
1k 1 E X 2 it
2

E X it
j j k
E X it E 2!



log x t

j! 2

2 it
k 0 k j 0 2
1 2 2
2 E X ...
E X E X 2 it
EX it
2!
Dari Definisi 11, maka komulan dapat diturunkan

2 2 2
dengan menyatakan koefisien persamaan berikut masing-
1
masing untuk j = 1,2,... dan t = 0
E X it K2 E X E X , untuk t = 0
K it

k
k 1
j
j j j

j 0 j! k 0
k j 0 j!
Untuk j = 3

1k 1 E X 2 it 2
E X 3 it
3 k
1
it 3
K3 E X it
HASIL DAN PEMBAHASAN 3!

k 0
E Xk it it2!
E X 3!
Hubungan Antara Komulan dan Momen Suatu
E X it 2 2

3 3
1 2!EX
Fungsi Distribusi it 3!EX it
fungsi dari suatu peubah acak pada suatu
Komulan
2 3 2
2 3

E X it
distribusi memiliki hubungan dengan momen dari fungsi
2 2! 3! 3
1
distribusi tersebut. Hubungan ini dapat dilihat pada
E X 2 it E X 3 it
2
Lemma 1. dan Lemma 2.
E X it ...
3 2! 3!
Lemma 1
1) K1 E X K3 E X 3E X E X 2 E X
3 2 3
,
K2 E X E( X )
2 2 untuk t = 0
3E
2)

3
3)
3 2 Dengan cara yang sama diperoleh k = 4 dan seterusnya.
K3 E X X E X 2 E(X )
Lemma 2
4E X E X 3E X
2
4) K4 E X 4 3 2
1. E X K1

12E X E X 6E X
2. E X 2 K2 K12
2 2 4

3. E X K 3K K K13
4.
3
Bukti
4 3 1 2
Dengan menggunakan
menggunakan Definisi 10
koefisien persamaan dan masing-
komulan, dengan 2 2 4
E X K4 K2 4K1K3 6K1 K2 K1
i t 1 EX it
masing j =k1,2,3,... dan t = 0, diperoleh:

k
Bukti
1.
k 1 j
E X K1 (pembuktiannya jelas);
j
j
j

j0 j! k 0 k j0 j!
2. E X 2 K 2 K 2
(pembuktiannya jelas);
1 1 E X i tk
1

K i t j=
Untuk 2

3. E X K K 2

k 1 2 1

1
k E X3 K3 3 E X E X 2 2 E X
k 0

E X i t
1
E X i t K3 3K1 (K2 K1 ) 2K1
2 2 3
...
2 E X 3 K 3K K K 3

3 1 2 1
1
K1 E X E x i t ...
2
4. Dengan cara yang sama pada bagian sebelumnya
2 maka dapat dibuktikan bagian 4.
K1 E X , untuk t = 0
Dari Lemma 1 dan Lemma 2, maka diperoleh
Untuk j = 2 k hubungan antara komulan dan momen sebagai berikut :
k 1 '

2 k

k 1 2
1 E X it E X Mk M k j K j
'

k

K2
1
it 2
E X it j i j 1
2! k

k 0
2

2! 2
it
2 4.2. Komulan dari Distribusi Normal

2 2
E X it 1 E X
E X it E X it ... Untuk menentukan komulan ke-dari distribusi
2! 2 2! normal, terlebih dahulu harus dihitung setiap momen

E X distribusi tersebut untuk = 1,2, . Berikut
j

Wattimena | Lekatompessy
Barekeng Vol. 8 No. 1 Hal. 25 30 (2014) 30
akan dihitung komulan dari distribusi normal
untuk = 1 dan
= 2 berlaku seterusnya untuk setiap .

Wattimena | Lekatompessy
Barekeng Vol. 8 No. 1 Hal. 25 30 (2014) 31

Diberikan peubah acak dengan ~(, 2)

berdasarkan Definisi 3 diperoleh fungsi densitas

() = )
(+ )(
1 1 2( )
() = 2
2
untuk dalam daerah < < . Untuk = )
( + (
)
nilai
distribusi normal


=
= )
( + (
)
dapat dibentuk suatu fungsi
2
karakteristik

1 = . 0 + . 1

() = , dan < < .
2
=0+
2
Dapat dilihat fungsi karakteristik () merupakan fungsi =
genap dengan 1 2
1 2
() 2 2 2 1
( )
2 = 1 2 = () ( ) = 2

( )=
2
2 2

berdasarkan bentuk ini diperoleh
(
) = () = (+ )2(
)
2 1)(
( ) = ( )
Selanjutnya dapat dihitung nilai () dan (2) untuk

kemudian dapat memudahkan dalam perhitungan momen = (2

2+2
+2)(
)
distribusi normal.

()= )
( = 2
2(
)+ 2 )
(

= (
))
( + 2(
)

= (
))
( = 2
2(
)+ 2 ()

= () + 2 )
(

= (
)| = 2. 1 + 2. 0 + 2.1
= () (()) = 2 + 2
= () (()) Berdasarkan Lemma 1 maka:
=0 Untuk = 1
K1 E X

(2)
=
Untuk = 2
2()


K2 E X 2 E( X ) 2
( 2 2 )
2

= ((2 1) + 1)()

2 2 2
= (2 1)(
)+ 2
(
)


4.3. Komulan dari Distribusi Uniform
= ()+ Untuk menentukan komulan ke- dari
(
) distribusi uniform, terlebih dahulu harus dihitung
setiap momen
= ( )| + 1 = +
=0+1 dan
=1
Untuk = 1,2

1 1 2
( )
() = 2
2

dengan mentransformasikan nilai terhadap
diperoleh
Wattimena | Lekatompessy
Barekeng Vol. 8 No. 1 Hal. 25 30 (2014) 32

distribusi tersebut untuk = 1,2, . Berikut

E Xj Diberikan peubah acak dengan ~(, )
berdasarkan Definisi 4 diperoleh fungsi densitas
akan 1
dihitung komulan dari distribusi uniform untuk = 1 ( ; ,) = { ,
dan ,
= 2 berlaku seterusnya untuk setiap . Untuk = 1,2
1
= () = ( )

Wattimena | Lekatompessy
Barekeng Vol. 8 No. 1 Hal. 25 30 (2014) 30

1 dimana nilai 1 merupakan nilai rataan pada distribusi

)
2
=( uniform dan nilai 2 merupakan nilai variansi pada

2 | distribusi uniform.
1 (2
=( ) Jadi nilai 1 pada kedua distribusi tersebut pada
)
2
dasarnya adalah sama yaitu merupakan nilai rataan pada
2
(+ )(
) kedua distribusi, sedangkan yang membedakan hasil
= akhirnya berdasarkan perbedaan fungsi densitas masing-
2( )
+ masing jenis distribusi. Demikian pula hal yang sama
= berlaku pada nilai 2 yang sama-sama merupakan nilai
2
1 variansi dari kedua distribusi tersebut, perbedaan yang
( ) = 2 ( )
2
timbul merupakan akibat dari perbedaan fungsi densitas

1 3 masing-masing jenis distribusi. Dan berlaku seterusnya
=( ) | pada nilai-nilai komulan yang lain untuk setiap dengan
3

1 (3 3) = 1,2, .
=( ) Perbedaan yang mendasar pada fungsi densitas
3
3
3 kedua distribusi tersebut juga menentukan keefektifan
= perhitungan analisis komulan pada kedua distribusi. Pada
3( )
(2 + + 2)( distribusi normal dengan fungsi densitas lebih rumit
) mengharuskan mentransformasikan fungsi densitas
= terhadap membuat proses perhitungan komulan
3( )
(2 + + 2) yang lebih panjang, sebaliknya jika dibandingkan
= dengan fungsi uniform yang fungsi densitasnya
3 sederhana mengakibatkan perhitungan komulan pada
Berdasarkan Lemma 1 maka: fungsi uniform menjadi lebih singkat.
Untuk = 1
(a+b)
K EX
1
2 KESIMPULAN
Untuk = 2
K 2 E X 2 E( X )
2

Berdasarkan analisis komulan terhadap distribusi

(b2 ab a2 ) (a+b) 2

normal dan distribusi uniform yang telah dibahas pada
bab sebelumnya, ditarik kesimpulan sebagai berikut :
3 2 1. Nilai komulan ke-untuk = 1,2, berbeda untuk
(b2 ab a2 ) (a+b)2 setiap distribusi, hal ini dikarenakan adanya

3 4 perbedaan pada fungsi densitas masing-masing
4(b2 ab a2 ) 3(a+b)2 distribusi.
2. Untuk distribusi dengan fungsi densitas yang
12 sederhana membuat proses perhitungan komulan
4b2 4ab 4a2 3a2 6ab 3b2 menjadi lebih singkat, sebaliknya untuk distribusi

12 dengan fungsi densitas yang rumit membuat proses
b2 2ab a2 perhitungan komulan menjadi panjang dan tidak
efisien.
12 3. Berdasarkan hubungan komulan dengan momen pada
b a 2 distribusi, maka momen ke- dari suatu distibusi
dapat dihitung jika telah terlebih dahulu diketahui
12
nilai setiap komulan ke-untuk = 1,2, , .
4.4. Perbandingan Komulan dari Distribusi Normal
dan Distribusi Uniform
Berdasarkan hasil perhitungan komulan dari DAFTAR PUSTAKA
distribusi normal pada subbab 4.2. dan hasil perhitungan
komulan distribusi uniform pada subbab 4.3. diperoleh [1] Bain Lee J, Max Engelhardt.(1991), Introduction To
masing-masing nilai 1 dan 2 untuk kedua distribusi Probability And Mathematical Statistics The
sebagai berikut: Duxbury Advanced Series In Statistics And
Distribusi Normal Decision Sciences.
1 = dan 2 = 2 [2] Dudewicz Edward J. Satya N. Misra, (1995),
dimana nilai 1 merupakan nilai rataan pada distribusi Statistika Matematika Modern, Penerbit ITB
normal dan nilai 2 merupakan nilai variansi pada Bandung.
distribusi normal. [3] Kreyszig, E. (1993), Matematika telah lanjutan
Distribusi Uniform (Statistik lanjutan) edisi ke-6. penerbit PT
+ ( )2 12

Gramedia pustaka, Jakarta
1 = dan 2= [4] Pursell Edwin J. Dale Varberg, (1992), Kalkulus Dan
2
Wattimena | Lekatompessy
Barekeng Vol. 8 No. 1 Hal. 25 30 (2014) 30
G
e
o
m
e
t
r
i

A
n
a
l
i
s
i
s

.

E
d
i
s
i

K
e
l
i
m
a
,

P
e
n
e
r
b
i
t

E
r
l
a
n
g
g
a
.

Wattimena | Lekatompessy