ESTIMASI CONFIDENCE INTERVAL BOOTSTRAP UNTUK ANALISIS DATA SAMPEL TERBATAS


Asep A Solih(1*)

(1) Fakultas Sains dan Teknologi UIN Sunan Gunung Djati Bandung, Indonesia
(*) Corresponding Author

Abstract


Dalam analisis data seringkali peneliti ingin mengetahui karakteristik data penelitian seperti jenis distribusi, mean, median atau varians data. Kendala dalam menentukan karakteristik data biasanya ketika data yang tersedia di lapangan sedikit, sehingga tidak cukup untuk dilakukan analisis secara parametrik. Tulisan ini membahas estimasi confidence interval (CI) dengan menggunakan bootstrap untuk estimasi nilai parameter mean, median, dan varians data juga dalam menentukan kecocokan distribusi (goodness of fit) data. Tiga metoda CI bootstrap yaitu percentile CI, standard normal CI, dan bias-corrected percentile CI digunakan dan dibandingkan untuk mengetahui perbedaan nilai estimasi parameternya. Metoda bootstrap parametrik digunakan untuk menentukan estimasi parameter CI data berdistribusi Eksponensial, Gamma, Log-Normal, dan Weibull yang akan digunakan untuk mengetahui distribusi data yang cocok. Langkah-langkah estimasi CI dan kecocokan model distribusi dibuat, selanjutnya digunakan dalam menganalisis data waktu kerusakan mesin untuk sampel yang kecil. Hasil menunjukkan bahwa estimasi CI bootstrap dengan ketiga metoda memberikan nilai yang relatif sama, dilihat dari batas bawah dan batas atas yang dihasilkan, maupun selisih interval yang kurang dari 5%, selain itu dapat juga ditentukan pemilihan distribusi yang terbaik dengan melihat nilai MSE (mean square error) terkecil, sehingga dapat ditentukan estimasi CI parameter bootstrap untuk distribusi tersebut.

Full Text:

PDF

References


Athreya (2006) Athreya, K. B., Lahiri. S. N., (2006). Measure theory and probability theory. Springer, New York.

Banneheka & Ekanayake (2009), A new point estimator for the median of gamma distribution, Vidyodaya J. of sc: (201J9) Vol. /-1. f'f' 95-/03

Davison, A.C., Hinkley. D. V., (1997). Bootstrap methods and their application. Cambridge University Press.

D.Collette (1994), Modelling Survival Data in Medical Research, New York: Chapman & Hall

Hall.P (1992), The Bootstrap and Edgeworth Expansion. Springer, New York.

DiCiccio dan Efron (1996). Bootstrap confidence intervals. Stat.Sci. 11(3):189–212.

Edwards, D.J. 2004. An applied statistical reliability analysis of the internal bond of medium density fiberboard. MS thesis, The Univ. Of Tennessee at Knoxville. 135 pp.

Efron, B., Tibshirani, R. (1994). Introduction to the Bootstrap. Chapman & Hall.

Shao, J. Tu. D (1996). The Jacknife and Bootsrap . Springer-Verlag, New York.

Janssen, A., Pauls,T., (2003) How do Bootstrap and Permution tests work? The Annals of Statistics. 31, 3, 768-806.

Mackinnon, J. G. (2002), Bootstrap inference in econometrics. The Canadian Journal of Economics, 35 4. 615-645.

Zwanzig, S. (2007). Computer Intensive Statistical Methods. Lecture Note. Dept. of Mathematics. Uppsala University.