-5-

– PEMERIKSAAN ASUMSI
SEBARAN DATA

D10F-3003 / 4 (3-1) SKS

ADE (Analisis Data Eksplorasi)

Tim Teaching ADE
 PEMERIKSAAN ASUMSI
SEBARAN DATA

• Pola sebaran teoritis dari data antara lain

Binom, Normal, Poisson, Eksponensial, Weibull
memegang peranan penting dalam analisis
data, terutama berkaitan dengan : penaksiran
parameter, penentuan koefisien konfidens,
pengujian hipotesis dan penentuan taraf nyata
dalam pengambilan kesimpulan

• Alat yang digunakan :

Q-Q plot (Plot Kuantil-Kuantil)

ADE 5: Pemeriksaan Asumsi Sebaran Data Page 2

 PEMERIKSAAN ASUMSI
SEBARAN DATA
• Definisi kuantil :
Q ( p i )  Y(i ) i  1, 2 ,  , n
dengan :
pi  (i  0,5) n

• Q(0,67) : 0,67 bagian data nilainya lebih

kecil dari nilai kuantil dan 0,37 bagian
sisanya memiliki nilai yang lebih besar dari
kuantilnya
• Plot kuantil : plot antara nilai Yi dengan fraksi
pi
ADE 5: Pemeriksaan Asumsi Sebaran Data Page 3
 PEMERIKSAAN ASUMSI
SEBARAN DATA

• Untuk memeriksa kesesuaian pola sebaran data

terhadap pola sebaran teoritik, dilakukan dengan
membandingkan antara sebaran kuantil yang
didasarkan pada data (kuantil empiric) dengan
sebaran kuantil teoritik melalui Q-Q plot

• Contoh :
• Sebaran Normal

1  x  2
1  
2  

f ( x)  e ,   x  
 2

ADE 5: Pemeriksaan Asumsi Sebaran Data Page 4

 PEMERIKSAAN ASUMSI
SEBARAN DATA

• Untuk   0 dan   1 , maka

1
1  z2
2
f ( x)  e ,   z  
2
3
1  12 z 2
F (3)   e dz
3 2

• F (z ) : fungsi sebaran normal kumulatif

Q(0,0014) = -3 Q(0,9773) = 2
Q(0,0227) = -2 Q(0,9986) = 3

ADE 5: Pemeriksaan Asumsi Sebaran Data Page 5

 PEMERIKSAAN ASUMSI
SEBARAN DATA

• Secara umum :

F (Q ( pi ))  pi dan Q ( pi )  F 1 ( pi )

• Dalam hal ini

pi : peluang ~ luas daerah di bawah kurva

ADE 5: Pemeriksaan Asumsi Sebaran Data Page 6

 PROSEDUR PEMERIKSAAN NORMALITAS
DATA DENGAN Q-Q -PLOT

 Urutkan nilai pengamatan :

Y(1), Y (2) , … , Y (n)

 Untuk setiap Y(i) tentukan nilai pi = (i-0.5)/n

Plot antara Y(i) dengan pi : plot kuantil empirik

 Untuk setiap pi tentukan F -1 (pi) = Q(pi)

Gunakan bantuan Tabel Normal Standar,
Q(pi) : kuantil normal standar
Plot antara Q(pi) dengan pi : plot kuantil teoritik

ADE 5: Pemeriksaan Asumsi Sebaran Data Page 7

 PROSEDUR PEMERIKSAAN NORMALITAS
DATA DENGAN Q-Q -PLOT

 Buat plot antara Y(i) dengan Q(pi) : Q-Q plot

(Plot Kuantil-Kuantil)

Catatan
Jika pencaran titik pada Q-Q plot membentuk
garis lurus, maka sebaran data dapat didekati
oleh sebaran normal

ADE 5: Pemeriksaan Asumsi Sebaran Data Page 8

 PROSEDUR PEMERIKSAAN NORMALITAS
DATA DENGAN Q-Q -PLOT

• Contoh :
• Diketahui data sebagai berikut :
3,97 4,65 5,08 5,14 4,76 4,12 5,47
5,04 6,02 6,21 4,42 5,44 4,15 5,49
5,67 3,79 5,13 3,80 5,89 4,22
• Pola pencaran titik dalam plot yang
membentuk garis lurus, menjadi petunjuk
bahwa sebaran data dapat didekati oleh pola
sebaran normal.
• Q-Q plot pada umumnya digunakan dlm
memeriksa pola dari residu setelah kita selesai
melakukan analisis data
ADE 5: Pemeriksaan Asumsi Sebaran Data Page 9
 Plot Kuantil Empirik

ADE 5: Pemeriksaan Asumsi Sebaran Data Page 10

 Plot Kuantil Teoritik

ADE 5: Pemeriksaan Asumsi Sebaran Data Page 11

 Q-Q PLOT


6,00


5,50  


 
 
Yi

5,00




4,50 


 

4,00 

 

-2,00 -1,00 0,00 1,00 2,00

Qpi

ADE 5: Pemeriksaan Asumsi Sebaran Data Page 12

 • Jika sebaran teoritik merupakan
pendekatan dari pola data yang dimiliki,
maka kuantil empirik tsb akan memiliki
kemiripan dengan kuantil yang didasarkan
pada sebaran tertentu dan titik-titik dalam
plot akan berkisar di seputar garis y  x

• Garis y  x akan menjadi patokan dalam

memeriksa kesesuaian pola sebaran data
apabila data telah dibakukan sebelumnya.

ADE 5: Pemeriksaan Asumsi Sebaran Data Page 13

 • Jika data belum dibakukan, maka garis
patokan yang digunakan adalah :

Y  m  Sx
atau
Y (i )  m  SQ ( pi )

ADE 5: Pemeriksaan Asumsi Sebaran Data Page 14

 • Chambers et al (1983) menyarankan dalam
menafsirkan hasil plot Q-Q:
1. Meskipun sebenarnya sebaran data dapat
didekati oleh pola sebaran teoritik tertentu, namun
keragaman yang terkandung dalam data akan
menyebabkan adanya penyimpangan dari pola
garis lurus

2. Setiap plot kwantil-kwantil hanya memeriksa pola

sebaran dari satu peubah saja, sedangkan pola
hubungan yang terjadi antara satu peubah
dengan peubah lainnya tidak terdeteksi dalam
plot ini.

ADE 5: Pemeriksaan Asumsi Sebaran Data Page 15

 • Untuk pengamatan yang berkaitan dengan
waktu terjadinya suatu peristiwa, , dimana
waktu yang dicatat adalah waktu antara satu
titk awal tertentu sampai terjadinya suatu
peristiwa, sehingga pengamatan tersebut
selalu bernilai positif ( life time, survival time,
failure time), misal :
– Waktu terjadinya kematian setelah diagnosis suatu
penyakit,
– Waktu terjadinya kesembuhan setelah diberikan
pengobatan
– Waktu terjadinya kerusakan suatu alat

ADE 5: Pemeriksaan Asumsi Sebaran Data Page 16

 • Untuk kasus-kasus tersebut pola sebaran yang
umum : Eksponensial, Weibull, Log normal.
• Fungsi Densitas Eksponensial
 t
f (t )  e , t  0,   0

• Fungsi Densitas Weibull

 1 (  t )
f (t )   (t ) e , t  0,   0,   0

• Distribusi Eksponensial = Distribusi Weibull pada

=1
ADE 5: Pemeriksaan Asumsi Sebaran Data Page 17
 QQ-PLOT UNTUK DISTRIBUSI
EKSPONENSIAL DAN WEIBULL

• Untuk Distribusi Eksponensial : plot antara Yi

dengan - ln ( 1-pi )/

• Untuk Distribusi Webull : plot antara ln Yi

dengan ln (-ln ( 1-pi ) )

• Jika pencaran titik membentuk garis lurus,

maka model cocok

ADE 5: Pemeriksaan Asumsi Sebaran Data Page 18

 Nilai Kuantil Fungsi Distribusi
Eksponensial dan Weibull

• Distribusi Eksponensial
Q ( Pi )

Pi  F{Q( Pi )}   f (t ) dt
0
atau

pi  1  exp{ Q ( pi )}
Jadi
1
Q ( pi )   ln (1  pi )

ADE 5: Pemeriksaan Asumsi Sebaran Data Page 19

 Nilai Kuantil Fungsi Distribusi
Eksponensial dan Weibull

• Distribusi Weibull

pi  1  exp{ Q( pi ) }
Jadi

1 1
Q( pi )    ln{ ln (1  pi )}

ADE 5: Pemeriksaan Asumsi Sebaran Data Page 20

 Contoh

Data berikut menunjukkan cuplikan data tentang lama

waktu munculnya tumor pada tikus-tikus percobaan (Gail,
Santner dan Brown, 1980). Sejumlah tikus betina diberi zat
carcinogen pada hari ke-0, kemudian dipelihara selama
60 hari dengan pemberian “retynil acetate” untuk
mengurangi kemungkinan tumor. Pada hari ke-60 tikus-
tikus yang masih bebas tumor dibagi menjadi dua grup
secara acak, grup pertama tetap menerima perlakuan
retinoid dan grup ke-2 tanpa perlakuan lagi. Percobaan ini
dihentikan pada hari ke-182. Selama masa percobaan
dilakukan pengamatan terhadap perkembangan tumor
baik jumlah maupun masa terjadinya. Dari 25 ekor tikus
yang termasuk grup pertama didapat waktu (dalam hari)
munculnya tumor yang pertama adalah sebagai berikut:
ADE 5: Pemeriksaan Asumsi Sebaran Data Page 21
 • 63 88 91 71 95 68 77 81
68 112 88 77 112 71 77 88
63 81 88 68 140 150 81 63
84

• Periksa kecocokan model untuk data

tersebut berdasarkan Q-Q plotnya !
(Apakah model Eksponen atau Weibull
yang cocok? )

ADE 5: Pemeriksaan Asumsi Sebaran Data Page 22

 QQ-PLOT Model Eksponen


14 0,00

12 0,00


uT

10 0,00
orm






80 ,0 0





60 ,0 0
4,20 4,40 4,60 4,80 5,00

X1

ADE 5: Pemeriksaan Asumsi Sebaran Data Page 23

 QQ-PLOT Model Weibull


5,00


4,80

 

4,60
1X



  

4,40 
  

 
  
4,20
  

-4,00 -3,00 -2,00 -1,00 0,00 1,00

X2

ADE 5: Pemeriksaan Asumsi Sebaran Data Page 24

 Pembahasan

• Dengan patokan garis lurus yang terbentuk,

nampak bahwa fungsi peluang
Eksponensial lebih cocok untuk data tsb
dibanding dengan Model Weibull

• Meskipun demikian tetap harus hati-hati

karena proses penetapan model terbaik
memerlukan analisis yang lebih rumit

ADE 5: Pemeriksaan Asumsi Sebaran Data Page 25