Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kebutuhan atas distribusi yang lebih fleksibel dalam pemodelan data menjadi perhatian dalam pengembangan suatu distribusi. Salah satu fleksibilitas yang diharapkan adalah diperolehnya suatu distribusi yang dapat memodelkan data yang mengalami overdispersi akibat adanya kelebihan nol yang ekstrem (extreme excess zeros). Distribusi Poisson tidak cocok untuk memodelkan data dengan masalah tersebut karena asumsi ekuidispersinya. Untuk mengatasi masalah data dengan adanya kelebihan nol (excess zeros), digunakan distribusi Zero Inflated Poisson (ZIP) dan distribusi campuran Poisson seperti distribusi Poisson Exponential, Poisson Transmuted Exponential, dan Poisson Weighted Exponential. Akan tetapi, keempat distribusi ini tidak cocok untuk memodelkan data dengan adanya nilai nol yang ekstrem. Maka dari itu, dengan metode-metode yang digunakan untuk membentuk tiga distribusi campuran Poisson sebelumnya, dikembangkanlah distribusi Poisson Transmuted Weighted Exponential (PTWE) yang dapat memodelkan data count yang mengalami overdispersi akibat extreme excess zeros. Distribusi ini dibentuk dengan mengasumsikan bahwa parameter dari distribusi Poisson mengikuti distribusi Transmuted Weighted Exponential (TWE). Distribusi TWE merupakan hasil pembentukan distribusi baru dengan menggunakan metode transmutasi pada distribusi Weighted Exponential (WE). Pada penulisan skripsi ini akan dibahas mengenai pembentukan dan karakteristik dari distribusi PTWE dan penaksiran parameter menggunakan metode maximum likelihood dengan perhitungan numerik menggunakan metode Newton Raphson. Berdasarkan ilustrasi yang diberikan, diperoleh bahwa distribusi PTWE lebih cocok untuk memodelkan data yang mengalami overdispersi akibat extreme excess zeros.

---

The need for more flexible distribution in data modeling has become a key concern in the development of a distribution. One of the expected flexibilities is obtaining a distribution capable of modeling data that experiences overdispersion due to extreme excess zeros. The Poisson distribution is not suitable for modeling data with this issue because of its equidispersion assumption. To address the problem of data with excess zeros, the Zero-Inflated Poisson (ZIP) distribution and Poisson mixture distributions, such as the Poisson Exponential, Poisson Transmuted Exponential, and Poisson Weighted Exponential distributions, have been used. However, these four distributions are not suitable for modeling data with extreme excess zeros. Therefore, using the methods applied in forming the three previous Poisson mixture distributions, the Poisson Transmuted Weighted Exponential (PTWE) distribution was developed to model count data experiencing overdispersion due to extreme excess zeros. This distribution is constructed by assuming that the parameter of the Poisson distribution follows the Transmuted Weighted Exponential (TWE) distribution. The TWE distribution is a newly formed distribution using the transmutation method on the Weighted Exponential (WE) distribution. This thesis discusses the formation and characteristics of the PTWE distribution and parameter estimation using the maximum likelihood method, with numerical calculations performed using the Newton-Raphson method. Based on the provided illustration, the PTWE distribution is found to be more suitable for modeling data that exhibits overdispersion due to extreme excess zeros.

"

"Kebutuhan atas distribusi yang lebih fleksibel dalam pemodelan data menjadi perhatian dalam pengembangan suatu distribusi. Salah satu fleksibilitas yang diharapkan adalah diperolehnya suatu distribusi yang dapat memodelkan data yang mengalami overdispersi akibat adanya kelebihan nol yang ekstrem (extreme excess zeros). Distribusi Poisson tidak cocok untuk memodelkan data dengan masalah tersebut karena asumsi ekuidispersinya. Untuk mengatasi masalah data dengan adanya kelebihan nol (excess zeros), digunakan distribusi Zero Inflated Poisson (ZIP) dan distribusi campuran Poisson seperti distribusi Poisson Exponential, Poisson Transmuted Exponential, dan Poisson Weighted Exponential. Akan tetapi, keempat distribusi ini tidak cocok untuk memodelkan data dengan adanya nilai nol yang ekstrem. Maka dari itu, dengan metode-metode yang digunakan untuk membentuk tiga distribusi campuran Poisson sebelumnya, dikembangkanlah distribusi Poisson Transmuted Weighted Exponential (PTWE) yang dapat memodelkan data count yang mengalami overdispersi akibat extreme excess zeros. Distribusi ini dibentuk dengan mengasumsikan bahwa parameter dari distribusi Poisson mengikuti distribusi Transmuted Weighted Exponential (TWE). Distribusi TWE merupakan hasil pembentukan distribusi baru dengan menggunakan metode transmutasi pada distribusi Weighted Exponential (WE). Pada penulisan skripsi ini akan dibahas mengenai pembentukan dan karakteristik dari distribusi PTWE dan penaksiran parameter menggunakan metode maximum likelihood dengan perhitungan numerik menggunakan metode Newton Raphson. Berdasarkan ilustrasi yang diberikan, diperoleh bahwa distribusi PTWE lebih cocok untuk memodelkan data yang mengalami overdispersi akibat extreme excess zeros.

---

The need for more flexible distribution in data modeling has become a key concern in the development of a distribution. One of the expected flexibilities is obtaining a distribution capable of modeling data that experiences overdispersion due to extreme excess zeros. The Poisson distribution is not suitable for modeling data with this issue because of its equidispersion assumption. To address the problem of data with excess zeros, the Zero-Inflated Poisson (ZIP) distribution and Poisson mixture distributions, such as the Poisson Exponential, Poisson Transmuted Exponential, and Poisson Weighted Exponential distributions, have been used. However, these four distributions are not suitable for modeling data with extreme excess zeros. Therefore, using the methods applied in forming the three previous Poisson mixture distributions, the Poisson Transmuted Weighted Exponential (PTWE) distribution was developed to model count data experiencing overdispersion due to extreme excess zeros. This distribution is constructed by assuming that the parameter of the Poisson distribution follows the Transmuted Weighted Exponential (TWE) distribution. The TWE distribution is a newly formed distribution using the transmutation method on the Weighted Exponential (WE) distribution. This thesis discusses the formation and characteristics of the PTWE distribution and parameter estimation using the maximum likelihood method, with numerical calculations performed using the Newton-Raphson method. Based on the provided illustration, the PTWE distribution is found to be more suitable for modeling data that exhibits overdispersion due to extreme excess zeros.

"

"Distribusi Negative Binomial-Generalized Exponential (NB-GE) merupakan distribusi yang mampu memodelkan data overdispersi dengan extreme excess zeros yaitu lebih dari 80% angka nol dalam data. Distribusi Negative Binomial-Generalized Exponential (NB-GE) merupakan distribusi campuran hasil dari mixing antara distribusi Negative Binomial (NB) dengan distribusi Generalized Exponential (GE). Pembentukan distribusi Negative Binomial-Generalized Exponential (NB-GE) serta karakteristik-karakteristik distribusi Negative Binomial-Generalized Exponential (NB-GE) seperti fungsi kepadatan peluang, momen ke-, mean, variansi, koefisien skewness dan koefisien kurtosis dibahas pada pada skripsi ini. Penaksiran parameter-parameter dari distribusi Negative Binomial-Generalized Exponential (NB-GE) menggunakan metode maximum likelihood. Sebagai ilustrasi, digunakan data kecelakaan fatal yang memiliki lebih dari 80% angka nol yang dimodelkan dengan distribusi Negative Binomial-Generalized Exponential (NB-GE).

---

Negative Binomial-Generalized Exponential (NB-GE) distribution is a distribution that capable for modeling overdispersion data with extreme excess zeros, which is more than 80% zeros in a data. The distribution is a mixture distribution that obtained by mixing the Negative Binomial (NB) distribution with the Generalized Exponential (GE) distribution. The formation of the Negative Binomial-Generalized Exponential (NB-GE) distribution and the characteristics of the Negative Binomial-Generalized Exponential (NB-GE) distribution such as the probability density function, kth moment, mean, variance, skewness and kurtosis are discussed in this paper. Estimation of the parameters from the Negative Binomial-Generalized Exponential (NB-GE) distribution using the maximum likelihood method. As an illustration, Negative Binomial-Generalized Exponential (NB-GE) distribution used to model the data of fatal crash that has more than 80% zeros."