Abstrak
Distribusi Weibull merupakan salah satu distribusi yang tergolong kedalam distribusi
Eksponensial. Pada tulisan ini, yang dibahas adalah penaksiran parameter distribusi Weibull 3
parameter. Pada penaksiran parameter distribusi Weibull 3 parameter dengan metode Maximum
Likelihood Estimation (MLE), tidak diperoleh nilai taksiran yang eksak. Oleh karena itu penaksiran
parameternya dilanjutkan dengan menggunakan metode iterasi Newton-Rhapson. Distribusi Weibull 3
parameter ini kemudian diaplikasikan pada data rata-rata kecepatan angin. Setelah dilakukan uji
kesesuaian distribusi Weibull dengan uji Mann, diperoleh bahwa data rata-rata kecepatan angin
khususnya kota Makassar dalam kurun waktu 5 tahun mengikuti pola distribusi Weibull 3 parameter
dengan nilai parameter lokasi () = 11,8378, parameter skala() = 18,0430 , dan parameter bentuk
() = 2,11214.
Kata Kunci : Distribusi Weibull 3 parameter, MLE, Newton Rhapson, Uji Mann
1. Pendahuluan
Setiap peristiwa akan mempunyai peluang masing-masing, dan peluang terjadinya
peristiwa tersebut akan mempunyai penyebaran yang mengikuti suatu pola tertentu yang di
sebut dengan distribusi. Ada dua jenis distribusi sesuai dengan variabel acaknya yaitu
distribusi peluang diskrit dan distribusi peluang kontinu. Salah satu yang tergolong dalam
distribusi kontinu adalah distribusi Weibull 3 parameter. Distribusi Weibull adalah distribusi
yang memiliki peranan yang penting terutama pada persoalan keandalan (reliability) dan
analisis rawatan (mantainability).
Hal yang penting dalam mengkaji suatu distribusi adalah masalah mengestimasi
parameternya. Dalam hal pengestimasian parameter terdapat beberapa metode untuk
mengestimasi parameter suatu distribusi. Salah satu dari beberapa metode tersebut yang
digunakan untuk mengestimasi parameter distribusi Weibull adalah dengan menggunakan
metode Maksimum Likelihood Estimation (MLE).
Adapun tujuan penulisan ini adalah untuk mengestimasi parameter distribusi Weibull 3
parameter dengan metode Maksimum Likelihood Estimation (MLE), serta menghitung nilai
mean dan variansi rata-rata kecepatan angin di Makassar yang mengikuti pola distribusi
Weibull 3 parameter.
1
Universitas Hasanuddin
2. Tinjauan Pustaka
2.1 Distribusi Peluang Kontinu
Distribusi peluang didefinisikan dengan suatu fungsi peluang, dinotasikan dengan
P(X = x) atau (), yang menunjukkan peluang untuk setiap nilai variabel acak.
Fungsi () adalah fungsi kepadatan peluang variabel acak kontinu X, bila
memenuhi:
a. () 0 untuk semua .
b. () = 1,
c. ( < < ) = () , (Walpole & Myers, 1995).
Fungsi distribusi kumulatif () suatu variabel acak kontinu X dengan fungsi
kepadatan peluang () adalah sebagai bearikut :
() = ( )
= ().
Sedangkan untuk nilai harapan disimbolkan dengan () dan variansi disimbolkan
dengan () didefinisiskan sebagai berikut :
() = () . (1)
() = ( 2 ) {()}2 (2)
2
Universitas Hasanuddin
() = ( ; )
1
Selain itu, karena biasanya sulit untuk mencari turunan fungsi likelihood, maka yang
dilakukan adalah menentukan nilai maksimum dari logaritma natural fungsi likelihood
tersebut atau disebut dengan fungsi log-likelihood.
Fungsi log-likelihood dapat ditulis dalam bentuk :
= ln ( )
ln[()] = 0
( )
(+1 ) = ( ) + ( )(+1 ) + (+1 )2 +
2!
( )
+ !
(+1 )
1
(+1) = (() ) (() ) (5)
Dengan
(+1) : Parameter taksiran pada iterasi ke- ( + 1)
: Parameter taksiran pada iterasi ke- ()
(() ) : Matriks turunan kedua fungsi likelihood
(() ) : Matriks turunan pertama fungsi likelihood
3
Universitas Hasanuddin
1 (1)
= ( 1) + ( ) =0 (8)
( )
=1 =1
4
Universitas Hasanuddin
= + ( ) =0 (9)
=1
Turunan terhadap adalah
= ln + ln( )
=1
( ) ln ( )=0 (10)
=1 =1
Nilai turunan pertama yang ditunjukkan oleh pers.(15), pers.(16), dan
pers.(17) tidak memberikan fungsi yang eksplisit. Sehingga untuk mendapatkan nilai
taksirannya akan dilakukan proses iterasi Newton Rhapson. Dalam metode ini yang
dibutuhkan adalah turunan pertama dan turunan kedua dari fungsi log-likelihood-
nya, karena metode ini menggunakan pendekatan deret Taylor orde ke-2. Deret
Taylor orde ke-2 diberikan sebagai berikut :
( )
(+1 ) = ( ) + ( )(+1 ) + (+1 )2
2!
1
((+1) ) = ( ) + (() )(+1 ) + 2
(() )(+1 )2
1
+1 = (() ) (() )
Nilai entri-entri dari matriks g sudah ditunjukkan pada pers.(8), pers.(9) dan
pers.(10) sedangkan entri-entri dari matriks H dapat dicari dengan menurunkan
pers.(8), pers.(9) dan pers.(10) terhadap , , . Dengan menurunkan pers.(8)
terhadap , diperoleh :
2 1 2 2
2
= ( 1) [=1 ( ) + 2 =1 (
) ] (11)
5
Universitas Hasanuddin
2 2 2 1
= = () =1 (
) (12)
2 2
=
1 1 1 1
= =1 + =1 (
) ( ) + =1 (
) (13)
2
2
= 2 [ ( 1) =1 (
) ] (14)
2 2 1
= = [ =1 (
) =1 (
) ln ( )] (15)
2 2
= =1 ( ) [ln ( )] (16)
2 2
1
2 2 2
2 + + +
(+1) ()
2 2 2
[ (+1) ] = [ () ]
+
2
+
+
(17)
(+1) () 2 2 2
[ +
+
2
+
] []
matriks turunan pertama (g) ditunjukkan oleh pers.(8), pers.(9) dan pers.(10)
sedangkan untuk matriks turunan kedua (H) ditunjukkan oleh pers.(8) hingga
pers.(16). Matriks H juga dikenal sebagai matriks Hessian.
6
Universitas Hasanuddin
Sehingga () menjadi :
1
() = + ( + 1)
Sedangkan untuk nilai variansi dari dapat diperoleh sebagai berikut :
() = ( 2 ) {()}2
dimana ( 2 ) adalah:
( 2 ) = 0 2 ()
(1)
= 0 2 ( ) ( ) [ ( ) ]
Misal :
1
=
= + ; = ; =
1 2
( 2 ) = 2 + 2 ( + 1) + 2 ( + 1)
() = ( 2 ) {()}2
2 1
= 2 [ ( + 1) 2 ( + 1)]
= = banyaknya data
1 =2
1
2 = 2
Nilai dari yang digunakan dapat dihitung dengan menggunakan rumus sebagai
berikut:
= +1
dimana
0.5
= ln [ ln (1 )]
+ 0.25
sehingga :
ln(+1 ) ln( )
1 1
=1 +1 ( )
=
1 ln(+1 ) ln( )
2 =1 ( )
30(9,29)
=
30(5,84)
= 1,5921597
c. Kriteria keputusan dan kesimpulan
Jika nilai < = 0.05,1 ,2 maka terima 0 . Berdasarkan perhitungan di
atas diperoleh < = 1,5921597 < 1,84 maka 0 diterima dan dapat
disimpulkan bahwa data berdistribusi Weibull. Dengan demikian data kecepatan
angin mengikuti distribusi Weibull.
Setelah diketahui bahwa data berdistribusi Weibull, maka selanjutnya nilai taksiran
parameter-parameternya dapat diketahui dengan bantuan program SAS 9.2. Melalui
program SAS diperoleh nilai = 11,8378, = 18,0430, dan = 2,11214 dengan
grafik sebagai berikut :
8
Universitas Hasanuddin
4.2 Saran
Penelitian ini membahas tentang penaksiran parameter distribusi Weibull 3
parameter dengan menggunakan metode Maksimum Likelihood Estimation (MLE).
Diharapkan untuk penelitian selanjutnya dapat dilakukan dengan beberapa metode yang
berbeda.
DAFTAR PUSTAKA
Aqifah. 2012. Penaksir Parameter Model Regresi Gamma dengan Peubah Respon Kontinu
Non-Negatif. Makassar : Universitas Hasanuddin
Dahiya Rum.C & Garland John. 1978. Estimating The Parameter of A Gamma Distribution.
Madrid : University of Massachusetts
9
Universitas Hasanuddin
Herawaty Aty. 2008. Buku Ajar Peluang dan Distribusi Peluang. Universitas Mercu Buana
Jong, P.D. & Heller, G.Z. 2008. Generalized Linear Models for Insurance Data. Cambridge:
Cambridge University Press
Rinne Horst .2009. The Weibull Distribution. Jerman : Justus Liebig University
Rohilla Shalizi Cosma.2007. Maksimum Likelihood Estimation for q-eksponential (Tsallis
Distribution). Carnegie Mellon University
Santuo. 2012. Penaksir Parameter Model Regresi Inverse Gaussian dengan Peubah Respon
Kontinu Non-Negatif. Makassar : Universitas Hasanuddin
Walpole, Ronald E. Dan Myes, Raymond H. 1995. Ilmu Peluang dan Statistik untuk Insinyur
dan Ilmuan. Edisi Keempat. Bandung: ITB Bandung
repository.usu.ac.id/bitstream/123456789/29910/4/Chapter%20II.pdf
10