Review Jurnal

The New Bivariate Conway-Maxwell-Poisson Distribution Obtained

by the Crossing Method
Disusun Guna Memenuhi Tugas Mandiri 2
Mata Kuliah : Pengantar Statistika Matematika 1
Dosen Pengampu : Eva Khoirun Nisa, M.Si.

Oleh :

Rahmat Bagus Pangestu (2008046040)

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

KATA PENGATAR ............................................................................................. i

DAFTAR ISI......................................................................................................... ii
BAB I PENDAHULUAN..................................................................................... 1
A. Latar Belakang........................................................................................ 1
B. Rumusan Masalah................................................................................... 1
C. Tujuan...................................................................................................... 1
BAB II PEMBAHASAN....................................................................................... 2
REVIEW JURNAL......................................................................................... 2
A. IDENTITAS JURNAL........................................................................... 2
B. ISI JURNAL........................................................................................... 2
C. KELEBIHAN DAN KEKURANGAN JURNAL................................... 9
BAB III PENUTUP............................................................................................... 10
A. Kesimpulan.............................................................................................. 10
B. Saran........................................................................................................ 10
DAFTAR PUSTAKA............................................................................................ 11
 BAB I
PENDAHULUAN
A. Latar Belakang
Distribusi poisson merupakan suatu distribusi untuk peristiwa yang probabilitas
kejadiannya kecil, dimana kejadian tergantung pada selang waktu tertentu atau di suatu
daerah tertentu dengan hasil pengamatan berupa variabel diskrit dan antar variabel prediktor
saling independen. Selang waktu tersebut dapat berupa beberapa saja panjangnya, misalnya
semenit, sehari , seminggu, sebulan bahkan setahun. Daerah tertentu yang dimaksudkan
dapat berupa suatu garis, suatu luasan, suatu volume, atau mungkin sepotong bahan.

Distribusi Poisson memiliki ciri - ciri sebagai berikut:

 Banyaknya percobaan yang terjadi dalam suatu selang waktu atau suatu daerah tertentu,
tidak tergantung pada banyaknya hasil percobaan yang terjadi pada selang waktu atau
daerah lain yang terpisah.
 Peluang terjadinya satu hasil percobaan selama suatu selang wakt yang singkat sekali
atau dalam suatu selang yang kecil. Sebanding dengan panjang selang waktu tersebut
atau besarnya daerah tersebut dan tidak tergantung pada banyak hasil percobaan yang
terjadi diluar selang waktu dan daerah tertentu.
 Peluang bahwa lebih dari satu hasil percobaan akan terjadi dalam selang waktu yang
singkat tersebut atau dalam daerah yang kecil tersebut diabaikan.
B. Rumusan Masalah
1. Apakah identitas jurnal tersebut?
2. Apakah hasil riview jurnal tersebut?
3. Apakah kelebihan dan kekurangan dari jurnal tersebut?
C. Tujuan
1. Mengetahui identitas jurnal tersebut.
2. Mengetahui hasil riview jurnal tersebut.
3. Mengetahui kelebihan dan kekurangan dari jurnal tersebut.
 BAB II
PEMBAHASAN
REVIEW JURNAL
A. IDENTITAS JURNAL
Nama Jurnal : The New Bivariate Conway-Maxwell-Poisson Distribution
Obtaned by the Crossing Method
Tahun Terbit : 2020
Jumlah Halaman :8
Penulis : Ruffin Bidounga, Evrand Giles Brumel Mandangui
Maloumbi, Reolie Foxie Mizele Kitioti, dan Dominique Mizere.
B. ISI JURNAL
Latar Belakang
Kimberly dkk. telah mengusulkan pada tahun 2016 fungsi bivariat sebagai distribusi
Conway-Maxwell-Poisson bivariat (COMPoisson) menggunakan distribusi Poisson bivariat
umum dan fungsi pembangkit probabilitas dari distribusi berikut: bivariat bernoulli, bivariat
Poisson, bivariat geometrik dan bivariat binomial. Dengan memeriksa makalah ini Peneliti
telah menunjukkan bahwa fungsi bivariat ini konstan dan deret gandanya divergen, padahal
seharusnya 1.
Untuk mengatasi kebuntuan ini, Peneliti mengusulkan distribusi bivariat Conway-
Maxwell-Poisson bivariat baru yang merupakan probabilitas distribusi berdasarkan metode
persilangan, metode yang disorot oleh Elion et al. pada tahun 2016 dan ditinjau kembali
oleh Batsindila et al. Dan Mandangui dkk. pada tahun 2019. Tujuan makalah ini untuk
distribusi bivariat ini dilampirkan dua generalized model linier (GLM) yang resolusinya
memungkinkan kita untuk menyoroti, tidak hanya independensi antara variabel yang
terbentuk pasangan, tetapi juga pengaruh faktor (atau prediktor) pada variabel-variabel ini.
Korelasi yang dihasilkan adalah negatif, nol atau positif tergantung pada nilai parameter;
khususnya untuk distribusi Poisson bivariat menurut Berkhout dan Pasang. Sebuah simulasi
data akan diberikan menggambarkan model.
Tinjauan Teoritis
Distribusi COM-Poisson diperkenalkan oleh Conway dan Maxwell pada tahun 1962 dan
ditinjau kembali oleh Shmueli et al. pada tahun 2005.
Memiliki fungsi massa
 Dengan

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)

Statement of the problem (Pernyataan masalah)

Peneliti menyajikan beberapa poin penting dari penelitian ini dan untuk detailnya lihat
artikel oleh Kimberly et al yaitu :
Misalkan (0, 0), (0, 1), (1, 0) dan (1, 1) nilai-nilai dari variabel Bernoulli bivariat
probabilitas p00, p01, p10 dan p11 dengan p00 + p01 + p10 + p11 = 1. Mari mengikuti
ekspresi multinomial.

Dan

Maka dengan mengajukan t1 = t2 = 1, A = p00; B = p10; C = p01 dan F = p11, dengan

λ > 0 dapat menghasilkan

Kemudian sisi kiri sama dengan dan G=D maka hasil

akhir yang duberikan :

Fungsi massa berikut dikemukakan oleh Kimberly et al.(2016)

sebagai distribusi COM-Poisson bivariat bukanlah suatu probabilitas.

Memang, kami memiliki
 dan deret ganda itu divergen. Oleh karena itu, fungsi bivariat ini
bukan merupakan probabilitas karena ini seri ganda seharusnya 1.
METODOLOGI
Ukuran Sampel
Peneliti mengumpulkan sampel yang merupakan bagian dari populasi untuk membuat
kesimpulan tentang parameter tertentu dari kepentingan ilmiah. Tetapi, mengambil sebuah
sampel untuk sebuah penelitian adalah hal yang sulit. Dalam karya inilah, Metode yang
digunakan adalah Distribusi COM-Poisson menurut Kokonendji et al yaitu :

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

2- Ketika lebih tinggi, maka

Statements of the Conway-Maxwell-Poisson Distribution theorem (Pernyataan

teorema distribusi COM-Poisson)
Peneliti menggunakan beberapa Teorema yaitu
 Distribusi COM-Poisson menurut Kokonendji et al adalah distribusi bobot fungsi
Poisson berbobot w (x , v)=( x !)1− νdan konstanta normalisasi E λ [ w ( Y ) ] =e−λ Z (λ , v ).
Distribusi COM-Poisson memiliki karakteristik:
 Dan

 Distribusi COM-Poisson Bivariat Menurut Kimberly et al

Fungsi massa berikut dikemukakan oleh Kimberly et al.(2016)

sebagai distribusi COM-Poisson bivariat bukanlah suatu probabilitas.

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).

3. Rasio Peluang Berturut-turut dan Estimasi Parameter 1, 1, 2, 2

Rasio probabilitas berurutan dari distribusi COM-Poisson sama dengan (Shmueli et al.,
2005).

, yang memiliki logaritma.

kita miliki dengan simetri,

 Px−1
Ketika plot dari kumpulan data {ln x , ln ⁡[ ]¿ /x >1 }¿ disesuaikan dengan garis
Px
lurus, maka variabel acak X mengikuti distribusi COM-Poisson (Shmueli et al., 2005).
Berkat distribusi jumlah besar, probabilitas berturut-turut px(py) dapat diganti dengan
frekuensi yang berurutan fx(fy) yang diasosiasikan dengan x(y). Dalam hal ini, ekspresi ln
f x−1
[ ] disebut log rasio frekuensi berturut-turut, akan digunakan sebagai pengganti ln
fx
P x−1
[ ] , variabel respon dengan lnx variabel penjelas dalam model (12). Meskipun asumsi
Px
dasar homoskedastisitas dan independensi tesis log-rasio tidak ditetapkan (Cf. Shmueli et
al., 2005), garis regresi (12) dan (13) memungkinkan untuk menghitung estimator dari 1, 1,
2, 2 masing-masing dicatat b1, b1,λb2, b2.

4. Fungsi Kemungkinan Log

Fungsi kemungkinan log dari distribusi COM-Poisson bivariat sama dengan

Dengan penggantian dalam ekspresi (7) dan (8) kami memiliki:

setelah pengembangan kami menemukan

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

Dengan menerapkan logaritma, kita mendapatkan:

 Dimana fungsi P didefinisikan oleh ekspresi (6). Dengan menggunakan ekspresi (7) dan
(8) seseorang memiliki

Untuk mengilustrasikan metode ini, kami akan mensimulasikan data COM-Poisson

menggunakan perangkat lunak komputer Statistik pemrosesan data R perangkat lunak. Mari
kita ingat bahwa distribusi COM-Poisson dengan dua parameter, satu kanonik dan dispersi
lainnya. Data COM-Poisson variabel acak X dan Y yang disimulasikan dengan ukuran N =
50 diberikan pada tabel (1) dan (2)
Tabel 1. Variabel X untuk λ1 = 2 and ν1 = 2.

Tabel 2. Variabel Y untuk 2 = 3 dan 2 = 2

Tabel 3. Data simulasi variabel Poisson t parameter = 2

Tabel 4. Statistik dasar

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)

Tabel 6. Koefisien regresi model (13)

Maka estimasi parameter model (12) dan (13) adalah (tabel (7))
Tabel 7. Perkiraan parameter

4.2 Estimasi Parameter 1, 2 et

Tabel 8. Koefisien model (14)

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).

C. KELEBIHAN DAN KEKURANGAN JURNAL

Kelebihan Jurnal :
1.Jurnal ini menggunakan bahasa yang formal dan baku
2.Menyertakan referensi dari penelitian beberapa ahli
3.Penjelasan langkah-langkah disusun secara sistematis dan mudah dipahami
Kekurangan Jurnal:
Dalam jurnal tersebut terdapat penjelasan yang kurang runtut dan sulit dipahami oleh
kalangan masyarakat dan mahasiswa.

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

Bidounga Rufin,dkk. 2020.The New Conway-Maxwell-Poisson Dsitribusion Obtained by

Crossing Method. Kongo: Canadian Center of Science and Education.