PSM - Mandiri2 - Rahmat Bagus Pangestu - 2008046040
PSM - Mandiri2 - Rahmat Bagus Pangestu - 2008046040
Oleh :
PRODI MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI WALISONGO SEMARANG
2022
KATA PENGANTAR
Puji Syukur kehadirat Allah Yang Maha Esa karena telah memberikan
kesempatan pada penulis untuk menyelesaikan tugas mandiri ini. Atas rahmat dan hidayah-
Nya lah penulis dapat menyelesaikan tugas mandiri dengan mereview jurnal yang berjudul
The New Bivariate Conway-Maxwell-Poisson Distribution Obtained by the Crossing
Method tepat waktu. Tugas mandiri ini disusun guna memenuhi tugas dari Ibu Eva Khoirun
Nisa pada bidang studi Pengantar Statistika Matematika 1 di Universitas Islam Negeri
Walisongo Semarang. Selain itu, penulis juga berharap agar tugas mandiri ini dapat
menambah wawasan bagi pembaca.
Penulis mengucapkan terima kasih sebesar-besarnya kepada Ibu Eva Khoirun Nisa
selaku dosen mata kuliah Pengantar Statistika Matematika 1. Tugas yang telah diberikan ini
dapat menambah pengetahuan dan wawasan terkait bidang yang ditekuni penulis. Penulis
juga mengucapkan terima kasih pada semua pihak yang telah membantu proses penyusunan
tugas mandiri ini.
Penulis menyadari tugas mandiri ini masih jauh dari kata sempurna. Oleh karena itu,
kritik dan saran yang membangun akan penulis terima demi kesempurnaan tugas mandiri ini.
Penulis
DAFTAR ISI
Z( λz , y )
Ini memiliki fungsi pembangkit probabilitas gX (Z)= , dan untuk fungsi
Z ( λ , y)
Z ( λs , y)
pembangkit momen, Mx (S)= .
Z ( λ , y)
Dan
Data
Peneliti dalam karya ini menggunakan metode distribusi COM-Poisson menurut
Kokonendji et al dengan mengetahui variabel Overdispersi (terdispersi lebih) dan
Underdispersi (terdispresi kurang) yaitu sekitar ) terdispersi berlebihan ketika v ∈[0,1] dan
terdispersi kurang, ketika v> 1.
Maka Peneliti dapat memiliki perkiraan sebagai berikut :
1- Ketika ada bilangan bulat N seperti untuk
HASIL PENELITIAN
Peneliti mendefinisikan Distribusi COM-Poisson dengan sampel yang dipakai dengan
hasil sama dengan populasi dengan membatasi Data dan teorema yang dipakai maka peneliti
menciptakan metode distribusi COM-Poisson Bivariat Baru Metode Penyeberangan(cross
method).
1. Definisi
mari kita perhatikan dua variabel acak X dan Y yang mengikuti distribusi fungsi massa
COM-Poisson univariat
dan
Pasangan (X, Y) mengikuti distribusi COM-Poisson bivariat jika dan hanya jika
fungsi massanya sama dengan (Elion et al.,2016; Batsindila dkk., 2019 dan Mandangui
dkk.,2019)
Dibawah kondisi
Dan
X adalah variabel respon model (7) dan Y variabel respon model (8), dengan t0 =
(t1, t2, ..., tp) vektor prediktorvariabel atau faktor. Ekspresi (8) mengarah pada fakta bahwa
P(Y = y/λ2, 2) = P(Y = y/X = x) adalah kondisional kemungkinan. Satu memiliki hubungan
berikut:
P(X = x/λ1, ν1) adalah distribusi marjinal. Distribusi bivariat ini jelas merupakan
distribusi probabilitas. Ketika η = 0, variabel X dan Y saling bebas. Ketika v1 = v2 = 1,
distribusi COM-Poisson bivariat identik dengan distribusi Poisson bivariat menurut Berkout
dan Plug(2004).
2. Karakteristik
Aplikasi sederhana dari proposisi 1 dari karya Batsindila et al.(2019), memberi kita
hasil sebagai berikut:
Ekspresi (8) dan (11) menegaskan bahwa variabel X dan Y adalah independen jika dan
hanya jika parameter η = 0. korelasi yang dihasilkan adalah negatif, nol atau positif
tergantung pada apakah nilai parameter negatif, nol atau positif khususnya untuk distribusi
Poisson bivariat menurut Berkhout and Plug (2004).
Rasio probabilitas berurutan dari distribusi COM-Poisson sama dengan (Shmueli et al.,
2005).
5. Estimasi Parameter 1, 2 et
Parameter 1, 2 dan akan diestimasi dengan metode kemungkinan maksimum. Salah satu
sampel (xi, yi) dari ukuran n nilai dari pasangan variabel (X, Y) kepadatan probabilitas P.
Kemungkinan mengamati sampel ini sama dengan
Dari tabel (4), data simulasi underdispersed karena Indeks Fisher lebih kecil dari 1.
4.1.1 Estimasi Parameter 1, 1, 2, 2
Tabel 5. Koefisien regresi model (12)
Terlihat dari tabel (8), bahwa pada taraf signifikansi = 5%, p-value sebesar 0,16153 lebih
besar dari ; karena itu koefisien η dari estimasi η = 0,27046 adalah nol secara signifikan; apa
yang mengkonfirmasi independensi antara variabel X dan Y. Dari tabel ini juga terlihat
bahwa untuk tingkat signifikansi yang sama, koefisien βˆj(j = 1, 2) tidak nol secara signifikan
karena nilai p lebih kecil dari α, apa yang membuat kita mengatakan bahwa faktor t
berpengaruh, dan pada variabel X dan seterusnya variabel Y.
KESIMPULAN
Sekarang dari penelitain diatas dapat disimpulkan bahwa fungsi bivariat yang
dikemukakan oleh Kimberly et al.(2016) bukan merupakan distribusi probabilitas, sehingga
tidak dapat digunakan sebagai model untuk menggambarkan data. Distribusi COM-Poisson
bivariat yang telah peneliti usulkan dalam makalah ini jelas merupakan probabilitas
distribusi. Distribusi ini memungkinkan peneliti untuk menyoroti, tidak hanya independensi
antara variabel X dan Y, tetapi juga pengaruh faktor (atau prediktor) pada variabel-variabel
ini. Kovarians yang dihasilkan adalah negatif, nol atau positif tergantung pada nilai-nilai
parameter; khususnya untuk distribusi Poisson bivariat menurut Berkhout and Plug (2004).
BAB III
PENUTUP
A. Kesimpulan
Dari jurnal tersebut sudah bagus untuk dijadikan bahan referensi untuk membuat
suatu penelitian karena dari sistematis penulisannya yang bagus dan sesuai dengan
standart penulisan sebuah karya ilmiah atau jurnal, pembahasan dan cara mendapatkan
suatu hasil juga dijelaskan secara sistematis dan terurut sehingga untuk dipahami para
intelektual. Jurnal tersebut juga memberikan referensi para ahli sehingga memperkuat
fakta-fakta dari penelitian mereka.
B. Saran
Diharapkan agar para penulis jurnal ini tetap mempertahankan dan meningkatkan
penulisan yang benar dan sistematis di jurnal-jurnal setelahnya. Agar para pembaca dapat
terus membaca jurnal penelitian yang penulis ini tulis.
DAFTAR PUSTAKA