Makalah Distribusi Multinomial

D
I
S
U
S
U
N
Oleh: Manahan Patrick Sihombing
Kelas: 12 TE 1
Prodi: Teknik Elektro

Institut Teknologi Del

2019

Kata Pengantar
Puji syukur penulis sampaikan kepada Tuhan Yang Maha Esa atas rahmatnya penulis dapat
menyelesaikan makalah ini.
Makalah ini berisi pengertian tentang distribusi multinomial, aplikasinya, dan apa saja yang
berhubungan dengan distribusi multinomial. Semoga makalah ini dapat berguna bagi pembaca
sekalian.
Penulis mengharapkan kritik dan saran dari para pembaca demi kesempurnaan karya tulis atau
makalah yang lain. Akhir kata, penulis menyampaikan terima kasih.

Medan, 4 Juni 2019

Penulis

Pendahuluan
Penaksiran suatu parameter bias menggunakan penaksiran titik (point estimate) atau
menggunakan penaksiran selang (interval estimate). Penaksiran interval sering disebut sebagai
selang kepercayaan (interval confident). Selang kepercayaan memiliki dua nilai yang membatasi
yaitu batas bawah dan batas atas. Penentuan batas-batas selang kepercayaan menggunakan nilai
peluang dari statistik penaksir parameter titiknya. Peluang yang digunakan merupakan tingkat
kepercayaan (confident level) dari selang kepercayaan tersebut. Batas bawah selang kepercayaan
dapat ditentukan menggunakan nilai taksiran parameter dikurangi bound of error sedangkan
batas atas selang kepercayaan dapat ditentukan menggunakan nilai taksiran parameter
ditambahkan bound of error. Untuk nilai bound of error diperoleh dari perkalian statistik dengan
galat baku penaksirnya . Kendala yang terjadi umumnya disebabkan oleh sulitnya menentukan
standard error penaksirnya. Untuk mengatasi hal tersebut digunakan sutu pendekatan nilai
standard error, akan tetapi pendekatan ini dapat digunakan apabila sampel yang dimiliki
berukuran besar. Proporsi multinomial merupakan proporsi dari setiap kategori multinomial.
Penentuan penaksir dan standard error dari proporsi multinomial didasarkan pada metode
penaksiran proporsi binomial. Metode ini menimbulkan masalah dalam penentuan standard
error-nya. Sehingga penentuan selang kepercayaan untuk proporsi multinomial dibentuk dengan
menggunakan pendekatan sampel besar. Pendekatan ini mengharuskan nilai frekuensi setiap sel
lebih besar atau sama dengan lima. Menurut Sison dan Glaz selang kepercayaan multinomial
harus dibentuk secara simultan. Sison dan Glaz memberikan metode alternatif untuk membentuk
Selang kepercayaan multinomial. Berdasarkan Distribusi Poisson terpancung, Sison dan Glaz
mengembangkan metode ini untuk membentuk Selang kepercayaan simultan proporsi
multinomial untuk kategori yang lebih banyak. Pendekatan lain yang diusulkan oleh Glaz dan
Sison adalah dengan membentuk selang kepercayaan simultan untuk proporsi multinomial
menggunakan parametric bootsrap. Dalam pendekatan ini frekuensi dari setiap sel multinomial
didekati dengan distrubusi normal mutivariat. Tentunya pendekatan ini memerlukan ulangan
yang besar.

Pembahasan
Misalkan n = (x1, …, xk) t adalah vektor pengamatan yang berisikan frekuensi dari setiap sel dengan n =
x1 + ... + xk adalah ukuran sampel keseluruhan. Dalam hal ini xi (i = 1, … , k) adalah jumlah pengamatan
dan pi = xi / n (i = 1, ... , k) adalah proporsi pengamatan pada sel ke-i dari tabel k x 1. Dengan mengambil
asumsi bahwa ukuran sampel total yaitu n nilainya tetap, vektor x adalah pengamatan dari distribusi
multinom dengan parameter π = (π1, π2, … , πn) t dengan πi proporsi populasi untuk sel ke-i. Vektor p =
(p1, ... , pk) t adalah penaksir kemungkinan maksimum tak bias bagi πi . Varians dari pi adalah πi(1- πi)/n
dan umumnya ditaksir oleh pi(1-pi)/n. Matriks Kovarians adalah Σ  π ππ'/ n dengan diagonal utama
adalah varians dan ditaksir oleh S  p pp' / n , untuk ukuran sampel besar S konvergen ke Σ. Metode
klasik untuk membentuk selang kepercayaan dari suatu penaksir adalah menggunakan perkalian statistik
dengan standard error, hal ini berlaku secara umum. Metode membentuk selang kepercayaan
multinomial telah diungkapkan oleh beberapa penulis yaitu Wald (1943), dan Wilson (1927) .
Pembentukan selang kepercayaan multinomial menggunakan metode klasik mengakibatkan hasil
taksiran yang underestimate karena dibentuk dari masing-masing proporsi, yang akibatnya batas bawah
selang kepercayaan cenderung bernilai nol atau batas atas selang kepercayaan cenderung bernilai satu.
Quesenberry dan Hurst (1964) dan Goodman(1965) mengungkapkan suatu cara untuk membentuk
selang kepercayaan simultan untuk proporsi multinomial . Selang kepercayaan ini memiliki kelemahan
yaitu memiliki rentang yang terlalu lebar. Sison dan Glaz memperkenalkan suatu metode alternatif
untuk menentukan selang kepercayaan simultan untuk parameter multinomial. Sison dan Glaz
menggunakan hubungan antara Distribusi Poisson, Poisson terpancung dan multinomial untuk
membentuk selang kepercayan proporsi multinomial.

Aplikasi Distribusi Multinomial

Berikut ini diberikan contoh aplikasi penerapan model regresi multinomial logit dalam
penelitian, dan cara interpretasi hasilnya. Tulisan ini diresume dari: Kizilaslan H,et.al.2008. “An
Analysis of the Factors Affecting the Food Places Where Consumers Purchase Red Meat”.
British Food Journal.Vol.110.No.6;2008
Penelitian dalam jurnal ini bertujuan untuk menentukan faktor sosio-ekonomi yang
mempengaruhi konsumen (di Kota Torkat, Turki) dalam memilih tempat penjualan (outlet)
daging. Penelitian ini menekankan pada factor-faktor social ekonomi yang mendorong
preferensi (pilihan) konsumen pada outlet penjualan daging yang sehat.
Populasi dalam penelitian ini adalah seluruh rumah tangga yang ada di Kota Torkat, Turki
(berdasarkan Sensus tahun 1990, sebanyak 114.567 rumah tangga). Jumlah sampel ditetapkan
sebanyak 263 rumah tangga. Dengan jumlah sampel tersebut (dan dengan populasi lebih dari
100.000), ambang kesalahan (margin of error) adalah 6 persen yang dihitung, dengan rumus:

dimana e= ambang kesalahan

P= Probabilitas jawaban benar (karena tidak ada penelitian yang serupa, dan untuk mendapatkan
sampael maksimum yang mewakili populasi secara keseluruhan, ratio ini diteapkan 50%)
n= jumlah sampel
q=1-p
z= 95 %
Untuk mendapatkan data dari sampel (survai) dilakukan wawancara langsung pada responden.
Peubah respons dalam model adalah outlet penjualan daging (pasar lokal, pasar daging dan
hipermarket), sedangkan peubah penjelas adalah jenis kelamin, umur, dan pendidikan, ukuran
rumah tangga, tempat tinggal, status ibu, pendapatan, perbedaan harga, perbedaan kualitas,
higienis,kesegarandanimagepenjual.
Data yang dikumpulkan dan definisi operasional peubahnya diberikan sebagai berikut:
Karena peubah respons yang digunakan berskala nominal serta terdiri lebih dari dua kategori,
maka dalam analisis data digunakan model multinomial logit. Model multinomial logit dapat
dipandang sebagai kasus khusus dari suatu model umum maksimisasi utiliti: dimana individu
diasumsikan memiliki preferensi terhadap sekumpulan alternatif (misalnya: mode transportasi,
pekerjaan,kelompokmakanandanlainnya).
Perbedaan antara model multinomial logit dengan binomial logit adalah pada binomial logit
karena nilai y hanya terdiri dari 1 dan 0, maka y adalah suatu peubah dengan proporsi tunggal,
sedangkan pada multinomial logit, karena nilai y = 0,1,….,J, maka y adalah peubah dengan
kumpulanproporsiJ+1.
Model berasumsi bahwa pilihan utama rumah tangga adalah memaksimumkan utilitinya. Model
juga berasumsi bahwa masing-masing rumah tangga i (i=1,2,3,….N) memiliki berbagai alternatif
pilihan J+1 (j=0,1,…j), dimana j = 0, 1, dan 2 yang masing-masingnya adalah pilihan pada pasar
lokal, pasar daging dan hipermarket. Pij adalah probabilita rumah tangga i memilih pilihan j
sebagai pilihan utama tempat membeli daging. Diasumsikan bahwa fungsi utility tidak langsung
dari masing-masing rumah tangga sebagai berikut:

Dimana X’i adalah vektor dari karakteristik rumah tangga dan peubah lainnya, βj adalah vektor
dari parameter yang akan diestimasi, εij adalah komponen sisaan (stochastic term). Jika rumah
tangga i memilih tempat membeli daging j, maka tingkat utilitasnya dinyatakan sebagai:

Diasumsikan bahwa Uij adalah maksimum diantara J+1 pilihan ketika rumah tangga i memilih j
sebagai pilihan utama tempat membeli daging. Model dalam bentuk ini secara matematis bersifat
kurang teridentifikasi (under identified). Oleh karenanya, untuk mengidentifikasi parameter
model, dilakukan normalisasi dengan menjadikan β0=0, sehingga persamaan (2) dapat
dinyatakan sebagai:

Dari persamaan (3) dapat dihitung ratio log-odds J dengan ln(Pij/Pi0)=X’iβj. Oleh karenanya,
koefisien dalam model menunjukkan pengaruh karakteristik rumah tangga terhadap probability
relative dimana rumah tangga i memilih preferensi utama j sebagai bandingan dengan suatu
alternatif standar (J=0, pasar lokal). Demikian juga, untuk mendapatkan ratio odds yang lainnya,
dapatdihitungsebagai:(Pij/Pik)=X’i(βj-βk).
Persamaan (3) diestimasi dengan metode maximum likelihood. Dengan dij = 1 jika pilihan utama
dalam membeli makanan j dipilih oleh rumah tangga i dan 0 jika tidak, maka fungsi log
likelihood untuk persamaan (3) ditulis:
Menggunakan persamaan (5) dapat ditentukan perubahan dalam probabilitas pilihan utama
tempat membeli daging dalam kaitannya dengan perubahan dalam satu satuan karakteristik
rumah tangga dengan menjaga peubah penjelas lainnya tetap.
Berdasarkan model yang dibangun dan dengan menggunakan Limdep 7.0 untuk pengolahan
datanya, didapatkan estimasi parameter sebagai berikut: (klik disini)
Model secara statistik signifikan dengan kriteria pengujian χ2 (357.62). Dengan menggunakan
uji t, diperoleh bahwa peubah S, EB, PD tidak penting secara statistik pada kedua model. Peubah
HS,SM,IN,HG dan SI signifikan pada level 1 persen pada kedua model. Peubah AGE signifikan
pada level 5 persen pada model pasar daging-pasar lokal. Peubah PO signifikan pada level 1
persen pada model pasar hipermarket –pasar lokal. Peubah QD signifikan pada level 1 persen
pada model pasar hypermarket-pasar lokal. Peubah FR ditemukan signifikan pada level 5 persen
padakeduamodel.
Umur mempengaruhi preferensi terhadap outlet penjualan daging. Semakin tua umur, semakin
rendah kemungkinan konsumen suka membeli di pasar daging dibandingkan pasar lokal. HS
mempengaruhi tempat membeli daging. Ketika ukuran keluarga meningkat, preferensi ke pasar
daging dan hipermarket menurun dibandingkan pasar lokal. Peubah PO bernilai positif, yang
berarti bahwa konsumen yang tinggal di pusat kota, memiliki preferensi lebih tinggi ke pasar
daging dan hipermarket dibandingkan pasar lokal.
Peubah SM memiliki koefisien positif, yang berarti bahwa rumah tangga dengan ibu bekerja
lebih cenderung membeli daging ke pasar daging dan hipermarket dibandingkan pasar lokal.
Hasil penelitian ini juga menemukan bahwa semakin tinggi pendapatan, lebih besar peluang
konsumen membeli daging pada pasar daging dan hipermarket dibandingkan pasar lokal.
Seluruh koefisien Peubah QD,HG dan FR bernilai positif. Artinya, ketika karakteristik daging
meningkat dalam artian positif, lebih besar peluang konsumen membeli daging ke hipermarket
dibandingkan pasar lokal. Preferensi untuk pasar daging dibandingkan pasar lokal, di sisi lain,
hanyameningkatpadapeubahFRdanJG.
Koefisien peubah IS, yang dimasukkan dalam model untuk mengukur efek image penjual
terhadap pilihan tempat pembelian, bernilai positif. Semakin tinggi nilai peubah SI, lebih
mungkin pasar daging dan hipermarket disukai dibandingkan pasar lokal.
Selanjutnya, interpretasi marginal probabilita yang diperoleh dari hasil penelitian yang
ditampilkan pada table diatas adalah sebagai berikut: Koefisien marginal probabilita adalah
perubahan peluang tempat membeli daging sebagai akibat dari perubahan satu unit dalam peubah
penjelas. Dari tabel diatas dapat diartikan bahwa ketika umur (AGE) bertambah satu tahun, maka
terdapat 0,86 dan 0,66 unit peningkatan dalam tingkat preferensi untuk pasar lokal dan
hipermarket, sebaliknya 0,75 unit akan turun untuk preferensi ke pasar daging. Ketika satu unit
ukuran rumah tangga (HS), peluang preferensi ke pasar lokal dan pasar daging meningkat
masing-masing 0,17 dan 0,94, dan preferensi ke hipermarket turun 0,11. Ketika SM meningkat
satu unit, kemungkinan preferensi untuk pasar lokal dan hipermarket turun masing-masingnya
0,73 dan 0,14 dan probabilita preferensi untuk pasar daging meningkat 0,21. Ketika satu unit
peubah IN meningkat, kemungkinan preferensi untuk pasar lokal dan pasar daging turun masing-
masingnya 0,21 dan 0,80, sebaliknya kemungkinan preferensi untuk hipermarket meningkat
0,10. Ketika peubah HG meningkat satu unit, kemungkinan preferensi untuk pasar lokal dan
pasar daging turun masing-masingnya 0,36 dan 0,32 dan kemungkinan preferensi untuk
hipermarket meningkat 0,35. Satu unit peubah FR meningkat menghasilkan turunnya
kemungkinan preferensi untuk pasar lokal dan pasar daging masing-masingnya 0,25 dan 0,40
dan meningkatnya kemungkinan preferensi untuk pasar hipermarket 0,43. Ketika satu unit
peubah SI meningkat, kemungkinan preferensi untuk pasar lokal dan pasar daging turun masing-
masingnya 0,42 dan 0,38 sebaliknya kemungkinan preferensi untuk hipermarket meningkat 0,42.