Resampling

Methode
Metode Jackknife
 KELOMPOK 3

CHAERUL ANWAR 1817141025

INA RAHMA 1917140001
ANUGRAH BAYU PRATAMA 1917141007
ASRARUDDIN 1917141021
EGI SAPUTRA 1917141024
HIJRAH HAPSING 1917142033
APA ITU JACKKNIFE ?

METODE JACCKNIFE DENGAN MENGHAPUS

PENGAMATAN

PEMBENTUKAN SAMPEL JACKKNIFE

CONTOH
Apa itu metode
jackknife ?
 Jackknife adalah
Metode Jackknife Menurut Tukey (1958) dalam
Efron & Tibshirani (1993)
pertama kali ditemukan metode Jackknife menjadi
oleh Quenouille (1949) sesuatu yang lebih berharga,
yang digunakan untuk karena Tukey
memperkirakan bias mengemukakan
dari suatu estimator pendapatnya bahwa
dengan menghapus Jackknife juga dapat
beberapa observasi digunakan untuk
membangun variansi dari
sampel. suatu estimator.

Jackknife adalah teknik nonparametrik dan resampling yang bertujuan

untuk menentukan estimasi bias, standar error dan interval kepercayaan
dari parameter populasi, seperti: mean, median, proporsi, koefisien korelasi
dan regresi, dengan tidak selalu memperhatikan asumsi distribusi.
 Apa itu metode jackknife ?
Resampling Jackknife pada pasangan data
pengamatan (observasi), didasarkan pada
penghapusan satu sampel atau sekelompok
sampel dari sampel awal yang dianggap
sebagai populasi, pada satu tahap.
Metode Jackknife bertujuan untuk
memperkecil bias suatu penaksir dan
memberikan hampiran selang kepercayaan
untuk parameter yang menjadi perhatian.
Pada tahap selanjutnya, sampel yang telah
dihapus tersebut dikembalikan dan lakukan
penghapusan satu atau sekelompok sampel
dan seterusnya sampai semua sampel dari
populasi mendapatkan kesempatan untuk
dihapus.
Cara kerja metode Jackknife yaitu misalkan
𝑥1, 𝑥2, … , 𝑥𝑛 sampel acak berukuran n
dari populasi dengan fungsi disribusi F yang
tidak diketahui.
Jackknife sendiri adalah
alternatif dari bootstrap

Misalkan dalam suatu penelitian diambil sampel acak berukuran n amatan, x=(x1, x2, …, xn)
dan dari sampel ini dihitung estimator S(x) dengan suatu metode tertentu. Jika statistik
tersebut distribusinya sukar ditentukan maka dalam inferensi selanjutnya metode Jackknife
dapat digunakan untuk mengatasinya.
Pada prinsipnya prosedur Jackknife adalah melakukan sampling dari sampel awal x (
berukuran n ) secara berulang dengan cara menghilangkan pengamatan ke-i, i = 1, 2, …, n.
Dari prinsip ini menghasilkan sampel-sampel Jackknife :
x( i ) = ( x1, …, xi-1, xi+1, …, xn)
untuk i = 1, 2, …, n. Sehingga didapat n buah sampel Jackknife yang tiap-tiap sampel
Jackknife ini berukuran (n-1) amatan (Shao (1995), Efron (1993)). Kemudian dengan
menerapkan metode yang sama dengan metode untuk mendapatkan (1), maka dari sampel-
sampel Jackknife ini diperoleh estimator-estimator S(x(i)).
 1. Sampel asal, berukuran n.
2. Resample dengan mengeluarkan elemen
sampel ke i, i = 1, 2, … , n. Didapatkan
Resample ke i (i = 1, 2, . . . , n).
3. Perhitungan penaksir setiap hasil resample,
Secara ringkas berikut ini adalah didapatkan : θ̂j,1, θ̂j,2, . . ., θ̂j,n ; bentuk
langkah-langkah prosedur jackknife: umumnya θ̂j,i.
4. Perhitungan penaksir jackknife :
5. θ̂jackknife = θ̂j = (1/n) Σ θ̂j,i , untuk i dari 1
sampai dengan n

Keterangan : penaksir parameter θ̂j,i, pada

penerapannya dapat berupa : mean, varian,
standar deviasi, korelasi, ataupun koefisien
regresi.
Metode Jackknife
dengan Menghapus
d Pengamatan
Metode jackknife dengan menghapus d pengamatan

Kemudian mengulangi perhitungan Penduga parameter 𝜃,

penduga parameter 𝜃, dengan dengan menghapus
menghilangkan pengamatan i dari sampel, sekelompok
dan memperoleh sebuah perkiraan yang pengamatan kelompok
kita notasikan dengan ̂ (𝑖). ke-j, di notasikan ̂ 𝑗 .

Dengan sebuah sampel Selanjutnya sebuah operasi

berukuran n jenis ini dilakukan sebanyak
pengamatan, parameter N kali, dengan
dapat diduga sebagai 𝜃. menghilangkan pada
Untuk penduga 𝜃, dapat masingmasing tahap yaitu
ditulis ̂ 𝑛. menghilangkan sekelompok
pengamatan.
Metode jackknife dengan menghapus d pengamatan

Variansi penduga Jackknife dengan

menghapus sekelompok
pengamatan didasarkan pada nilai
Dihapus sekelompok
Dimana ̂ (𝑖) = 𝑛 ̂ 𝑛 − (𝑛 − 1) ̂ (𝑖) ,
pengamatan penduga i= 1,2,…,n , diberikan oleh:
σ𝑛 ෡
𝑖=1 𝜃(𝑖)
Jackknife, diberikan oleh: ̅ (1) =
𝑛
̂ 𝑗 = 𝑛 ̂ 𝑛 − (𝑛 − 1) ̅ (1) (2.2) 𝟏
𝒏 𝒏
𝟏
(2.1) ෡ 𝟐𝒋
𝜽 = ෡𝒊 − ෍ 𝜽
෍ (𝜽 ෡ )𝟐
𝒏−𝟏 𝒏 𝒊
𝟏=𝟏 𝒊=𝟏

𝑗̂ 2 adalah penduga yang konsisten

dari variansi asimtotik ̂ 𝑛 dan ̂ 𝑗
Pembentukan
sampel
jackknife
 Pembentukan sampel jackknife
Menurut Efron dan Tibshirani (1993), prosedur Jackknife terhapus-d dapat ditulis sebagai berikut:

• Sampel Jackknife ke-i, dari parameter penduga 𝜃 dinotasikan dengan ̂ (𝑖) adalah sampel asli dengan menghapus observasi ke-
i, sehingga akan diperoleh i sampel yang masing-masing berukuran 𝑖 − 𝑑

• Menentukan sampel Jackknife(𝑋1𝑗 , 𝑋2𝑗 , … , 𝑋𝑖 − 𝑑 𝑗 ) dari parameter 𝜃, yang diambil secara random dengan mengeluarkan
elemen sampel ke 𝑖 = 1,2, … , 𝑛. Sehingga diperoleh penaksir yang dinotasikan ̂ (𝑖)

• Mengulangi operasi pada lambang 2 sebanyak N kali, dengan menghilangkan satu pengamatan. Diperoleh resample (𝑋1𝑗 , 𝑋2𝑗
, … , 𝑋𝑖 − 𝑑 𝑗 )

• Menghitung statistik ̂ yang diinginkan dari resample Jackknife (𝑋1𝑗 , 𝑋2𝑗 , … , 𝑋𝑖 − 𝑑 𝑗 ) yang diperoleh pada lambang 3
selanjutnya dihitung statistik Jackknife menghasilkan (θ1𝑗 , θ2𝑗 , … , θ𝑖 − 𝑑 𝑗 ).

• Mengkonstruksi suatu distribusi probabilitas dari ̂ (𝑖) dengan memberikan probabilitias 1 𝑛 pada setiap ̂ (𝑖). Distribusi tersebut
merupakan estimator Jackknife terhapus-d untuk distribusi sampling ̂ dan dinotasikan dengan ̂ 𝑗

• Estimasi Jackknife dengan menghapus satu pengamatan kelompok ke-j, dinotasikan ̂ 𝑗 , untuk ̂ adalah mean dari distribusi ̂ 𝑗 ,
1
yaitu: 𝜃෠𝑗 = σ𝑛𝑗=1 𝜃෠𝑖
𝑛
CONTOH
 Contoh
Mari kita pertimbangkan estimasi koefisien korelasi . Kami akan menghitung perkiraan jackknife dari 15 sampel (y, z)
poin dari data sekolah hukum berikut (lihat Tabel 3). Ingat: Skor LSAT = y, IPK = z.
School LSAT GPA
1 576 3.39
2 635 3.30
3 558 2.81
4 578 3.03
5 666 3.44
6 580 3.07
7 555 3.00
8 661 3.43
9 651 3.36
10 605 3.13
11 653 3.12
12 575 2.74
13 545 2.76
14 572 2.88
15 594 2.96
Simulasi di R
# Jackknifing correlation coefficients
library(bootstrap)
n=15
yzdata =as.matrix(c(576,3.39,580,3.07,653,3.12,635,3.30,555,3.00,575,2.74,558,2.81,661,3.43,545,2.76,578,
3.03,651,3.36,572,2.88,666,3.44,605,3.13,594,2.96))
dim(yzdata) <- c(2,n)
indata <- t(yzdata)

# Jackknifing Pearson’s correlation coefficient

corr <- function(yz,indata) { cor(indata[yz,1],indata[yz,2]) }

# Pearson’s correlation coefficient r

sampcorr <- cor(indata[1:n,1],indata[1:n,2])
sampcorr

# Jackknife Pearson’s correlation coefficient

jacklaw <- jackknife(1:n,corr,indata)
jacklaw

# Bias-corrected jackknife estimate

corrjack = sampcorr - jacklaw$jack.bias corrjack
Simulasi di R
# Pearson’s correlation coefficient r
sampcorr <- cor(indata[1:n,1],indata[1:n,2])
sampcorr

# Jackknife Pearson’s correlation coefficient

jacklaw <- jackknife(1:n,corr,indata)
jacklaw

# Bias-corrected jackknife estimate

corrjack = sampcorr - jacklaw$jack.bias corrjack
Referensi
Ma’unah, Siti. 2016. Estimasi Skewness (Kemiringan) Dengan Menggunakan
Metode Bootstrap Dan Metode Jackknife. Semarang

Septiana,Gradien. 2014. Pendugaan Galat Baku Nilai Tengah Menggunakan

Metode Resampling Jackknife dan Bootstrap Nonparametric dengan
Software R. 10(1).

Montana. Resampling Methods: The Jackknife.

https://math.montana.edu/jobo/thainp/jack.pdf

Statistikakomputasi. 2010. Jaccknife Resampling.

https://statistikakomputasi.wordpress.com/2010/08/01/jackknife-resampling/
THANK YOU
Insert the Subtitle of Your Presentation