APLIKASI DISTRIBUSI LOGNORMAL DALAM STATISTIKA Abu Syafik Jurusan Pendidikan Matematika FKIP Universitas Muhammadiyah Purworejo Abstrak Salah satu distribusi yang penting dan banyak digunakan dalam statistika adalah distribusi normal. Karena distribusi normal merupakan dasar dari statistika maka distribusi normal merupakan dasar hukum untuk semua distribusi peluang. Terutama distribusi peluang dengan peubah acak kontinu. Satu-satunya distribusi peluang dengan peubah acak kontinu yang mengikuti hukum distribusi normal adalah distribusi lognormal. Distribusi Lognormal mengikuti hukum distribusi normal, karena distribusi lognormal diperoleh dari transformasi peubah acak pada fungsi densitas distribusi Normal. Kata Kunci: distribusi normal, fungsi densitas, aplikasi Pendahuluan Statistika adalah ilmu yang Dalam penerapan statistika berhubungan dengan pengumpul- an digunakan berbagai metode statis- tika pengaturan, peng- sesuai dengan kebutuhan. Salah satu gambaran dari penganalisisan data, metode statistika yang diguna-kan serta adalah perhitungan, penarikan kesimpulan dan distribusi peluang. Pada pengambilan keputusan yang rasio- Statistika Matematika1 telah dipela- nal berdasarkan hasil analisis yang jari dilakukan. (aplikasi) khusus yang penting baik distribusi statistika digunakan dalam berbagai peluang dengan peubah acak diskrit bidang seperti ilmu fisika, ilmu maupun distribusi teknik, perdagangan atau usaha, ilmu peubah acak kontinu. Salah satu kesehatan dan biologi, ilmu sosial dan distribusi peluang dengan peubah Penerapan beberapa distribusi peluang peluang dengan pendidikan. Abu Syafik: Aplikasi Distribusi Lognormal dalam Statistika 1 acak kon-tinu adalah distribusi normal. Fungsi densitas dari peubah acak X didefinisikan sebagai : Distribusi normal merupa-kan f ( x) 1 ( 2 y2 ) 2 salah satu distribusi yang pen- ting dan banyak digunakan. 2 exp - 1 2 Karena distribusi normal merupakan hu- kum peluang untuk distribusi pelu- 1 = 0, 2 y (ln x )² , x 0 x lainnya ang Fungsi densitas pada definisi 1 terutama. Distribusi peluang dengan peubah acak kontinu. Ada satu diperoleh dari distribusi normal distribusi peluang dengan pe- ubah dengan mentransformasikan peu-bah acak kontinu yang mengikuti distribusi acaknya. Berikut uraian bagai-mana normal yaitu distribusi lognormal. fungsi distribusi lognormal diperoleh. Misalkan X dan Y adalah dua Distribusi Lognormal buah Distribusi lognormal dalam bentuk sederhana adalah peubah acak dengan Y mengikuti distribusi normal. Jika X fungsi = exp (Y) atau Y = ln X, maka densitas dari sebuah peubah acak distribusi peubah acak X diperoleh yang logaritmanya mengikuti hu- dengan mentransformasikan peu-bah kum distribusi normal.Adapun de- acak Y = ln X, yaitu: finisi dari distribusi lognormal adaf(x) = g(y) lah sebagai berikut : dengan g(x) adalah fungsi densitas Definisi 1: Misalkan sebuah peubah acak X mempunyai ruang range atau daerah hasil Rx {x / 0 x } dan dx dx Y dari distribusi normal. Hubungan nilai y dari Y dengan x dari X diberikan dengan = lnX mengikuti distribusi normal dengan rata-rata µ1 dan varians y2 . 2 Abu Syafik: Aplikasi Distribusi Lognormal dalam Statistika dy 1 dx = sehingga dx x dx y = ln x, maka = 1 x 0 ,a 0 2 exp au du 1 2 1 2 a 0 lognormal berbentuk: 1 2 1 2 (2 ) 2 exp 12 z 2 dx Kita ingat bahwa maka fungsi densitas dari distribusi f (x) 1 (2y2 ) 2 f ( x)dx 1. Maka 1 exp [- 2 (lnx π)² , x > 0] 2σ y = 0 , x lainnya Jadi, fungsi (fx) pada definisi 1 merupakan fungsi densitas. Kita periksa bahwa f(x) yang dipe Kita akan menentukan pa- roleh merupakan fungsi densitas. rameter dari besaran-besaran yang f (x) 0, untuk setiap x > 0 berkaitan dengan distribusi lognor- (i) (ii) ∫_ f (x) dx mal, seperti: rata-rata, varians, mo- [ 2σ1 =∫0-½(2 σ y2 )-½exp - Misal z = dz ln x y y 2 y (lnx- y)²]dx dus, median, momen,ukuran kemiringan dan ukuran keruncingan. 1. Rata-rata dan Varian maka Jika kita memperhatikan defi- nisi 1 dx x y 1,maka terdapat dua para- meter dan distribusi lognormal yaitu µy Batas-batas dalam z dan σ y2 . Rata-rata dan varians dari untuk x 0 , maka z dis- tribusi lognormal adalah untuk x , maka z E(X ) y sehingga diperoleh x . f ( x ) dx 1 f ( x)dx (2 ) 2 exp z dx 1 2 2 x. 1 x ( 2 2 y ) 1 2 misal z = e xp ln x σy μy 1 2 2 y (ln x y ) 2 dx , Abu Syafik: Aplikasi Distribusi Lognormal dalam Statistika 3 maka dz = untuk x , maka z 1 dx xσ y sehingga: x = exp ( σy z + µy ) 1 E( X 2 ) exp(2 y z 2 y )(2 ) 2 exp 12 z 2 dx Batas-batas dalam z 1 exp(2y ) 2 y2 (2) 2 exp 12 (z2 4 y z 4 y2 )2 dx untuk x 0 , maka z 1 exp(2y ) 2 y2 (2 ) 2 exp 12 z2 2 y )2 dx untuk x , maka z sehingga: exp(2y ) 2 y2 1 E(X) x exp( y z y )(2) 2 exp 12 z 2 dx 1 sehingga: exp(x 12 y2 ) (2) 2 exp 12 (z2 y2 ) dx Var ( X ) x2 E ( X 2 ) E ( X ) 2 x exp y 12 y2 exp 2 y 2 y2 exp( y 12 y2 ) x2 exp 2 y 2 y2 exp( y2 ) 1 2 Apabila rata-rata dan varians Sedangkan untuk memperoleh varians kita perlu menghitung varians dari X, maka dari x2 exp 2 y 2 y2 exp( y2 ) 1 E( X 2 ) x 2 . f ( x) dx 2 2 x. 1x (2 y ) 2 exp 21 2y (ln x y ) dx 1 1 exp(x 12 y2 ) (2) 2 exp 12 (z2 y2 ) dx misal z = ln x μy σy maka dz = dari Y dinyatakan dalam rata-rata dan , 1 dx xσ y x = exp ( σy z + µy ) Batas-batas dalam z = π y2 [exp( σ y2 )-1] 2 exp ( σ y2 ) = 1 + x 2 μ x σ 2 atau σ y2 = ln 1 + x 2 μ x σ , dan dari µx = exp (µy + ½ σ y2 ) untuk x 0 , maka z 4 Abu Syafik: Aplikasi Distribusi Lognormal dalam Statistika ln µx = µy + ½ σ y2 µy = ln µx - ½ σ y2 2 = ln µx - ½ ln 1 + x 2 μ x µy = ln µx - ½ ln σ µy 1 1 2y2 2 exp 21 2 (lnx y )2 2 y x 2 ln(x) y 1 1 1 2 ln x y )2 2 (2y ) 2 exp 2 2 2y y x f ' (x) Karena f’ (x) = 0, maka 1 1 2y2 2 exp 21 2 (lnx y )2 2 y x 2 ln(x) y 1 1 1 ln x y )2 2 (2y2 ) 2 exp 2 2 y x 2y μ x2 + σ y2 μ y2 µy = ln µx - ½ [ln ( μ x2 + σ x2 ) – ln μ y2 ) sehingga σ y2 = [ln x - µy] atau µy = lnµx-½ [ln ( μ x2 + σ x2 )+ ½ln μ x2 ln x = - σ y2 atau x = exp (µy- σ y2 ) µy = 2 ln µx - ½ ln ( μ x2 + σ x2 ) Jadi modus dari distri-busi µy = ln µx - ½ [ln ( μ x2 + σ x2 ) lognormal terjadi pada: μ x2 µy = ln x = exp (µy- σ y2 ) μ y2 + σ x2 Sedangkan median dari sebuah distribusi didefinisikan sebagai 2. Modus dari Median Modus dari sebuah dis- nilai x sedemikian sehingga (X tribusi didefinisikan sebagai nilai x ) = P (X > x). Dari definisi 1 x yang mengakibatkan nilai fungsi kita ketahui bahwa Y = kepadatan peluang f(x) mencapai maksimum.Nilai f (x) akan ln X dengan rata-rata µy dari varians σ y2 , sehingga: maksimum jika dan hanya jika P (X x) = P (X > x) f’(x) = 0. Dari definisi 1 kita tahu P (ln X ln x) = P (ln X > ln x) bahwa: P (Y ln x) = P (Y > ln x) f ( x) 1x 2 y2 maka 12 exp 21 2 (ln x y ) 2 , x 0 y P Z ln x μy σ 2y =P Z> ln x μy σ 2y Abu Syafik: Aplikasi Distribusi Lognormal dalam Statistika 5 Hal di atas akan terjadi jika hanya jika ln x μy σ 2y distribusi lognormal ada-lah: µ3 = exp (3µy + =0 Secara umum momen ke-k: Sehingga ln x - µy = 0 atau µk = exp (k1µy + ½ k² σ y2 ) x = exp (µy) Jadi media dari distribusi lognormal terjadi pada x = exp (µy) Sedangkan momen ketiga dan keempat sekitar rata-rata adalah µ3 = µ3 - 3 µ1.µ3 + 2(µ1)3 3. Momen Nilai ekspektasi dari X (ditulis 9 2 σ ) 2 y E(X) adalah momen kesatu sedangkan E (X) adalah rata-rata, maka rata-rata merupakan momen kesatu. Sehingga momen kesatu distribusi lognormal adalah : Nilai ekspektasi X² (ditulis E(X²)) merupakan momen kedua. Sehingga momen kedua dari distribusi lognormal adalah : µ2 = exp (2µy + 2 σ y2 ) Nilai ekspektasi X (ditulis E (X3)) merupakan momen ketiga. Sehingga momen ketiga 9 2 σ )–3 2 y 4 exp( x 12 y2 ) exp 2 y y2 2 1 2exp y y2 2 9 exp( 3 x y2 ) 2 5 3 exp 3 y y2 2 µ1 = exp (µy + ½ σ y2 ) 3 = exp (3µy + dari 3 2 exp 3 y y2 2 3 exp( 3 x y2 ) 2 2 2 exp y exp y 2 1 2 3 exp( x y ) 2 2 exp 3 y 3 exp y2 2 6 Abu Syafik: Aplikasi Distribusi Lognormal dalam Statistika 4. Ukuran Kemiringan 5. Ukuran Untuk menentukan mo-del lengkungan kurva dari Keruncingan (Kur- tosis) Untuk suatu menentukan distribusi ditinjau dari koefisien runcingan kemiringannya, kita harus meng- distribusi digunakan rumus: hitung dahulu koefisien kemiringan. Koefisien kemiringan diperoleh dengan menggunakan 2 = kurva dari kesuatu μ4 –3 σ4 2 : koefisien dengan keruncingan rumus: µ4 : momen keempat μ3 σ3 1 : koefisien ketiga 1 = dengan sekitar rata-rata σ = simpangan baku sekitar rata-rata Sehingga µ3 : momen ketiga koefisien keruncingan distribusi lognormal adalah: sekitar rata-rata 2 [exp( y2 ) 1]4 6[exp( y2 ) -1]3 σ = simpangan baku 15[exp( y2 ) 1]2 16[exp( y2 ) -1] suatu distribusi Sehingga koefisien kemiringan distribusi lognormal adalah: 1 Dari hasil perhitungan sebelumnya, ( x ) 3 ([exp( y2 ) 1]3 3[exp(3 y2 ) 1]2 ) ( [exp( ) 1]) 2 2 3 2 3 2 1 [exp( ) 1] 3[exp( ) - 1] 2 y 2 y Grafik Distribusi Lognormal 1 2 seperti rata-rata ukuran kemiringan keruncingan, distribusi modus, maka lognormal median, dan grafik ukuran dari digambarkan sebagai berikut: Abu Syafik: Aplikasi Distribusi Lognormal dalam Statistika 7 = 7,20 x 1010 f(x) Me = exp (µy) = 5,18 x 1010 b. P (X) 1021) = P (ln X 1021) Mo Me x = P (Y 1021) x = P (Z Gambar 2. 10 21 50 5 Contoh soal dan penyelesaian: = P (Z - 0,33) 1. Misalkan x adalah peubah acak = 0,3707 dengan Y = ln X yang meng-ikuti distribusi lognormal dengan ratarata 2. Buktikan jika X ) mempunyai distribusi lognormal dengan rata- µy = 50 dan rata dan varians σ 2y dan a,b beserta varians σ 2y = 25. d adalah tiga buah konstanta Tentukan: dengan b = exp (d) maka W = b a. Rata-rata, varians, modus, dan Xa median dari peubah acak X b. P (x 10)21 distribusi lognormal dan rata-rata (d + σ 2y ) dan varians (a² σ 2y ). Penyelesaian: 1 a. µx = exp (µx + σ 2y ) 2 = 1,39 x 1027 σ 2x =exp(2µy+ σ 2y )[exp( σ 2y )– 1] = 1,39 x 1085 Mo = exp (µy - mempunyai σ 2 y ) Bukti: Diketahui : X berdistribusi lognormal, maka : f ( x) 12 2 y2 1 2 1 ln x y 2 , x 0 exp 2 2 y a W = bx , maka X = 8 Abu Syafik: Aplikasi Distribusi Lognormal dalam Statistika W b 1 a Hubungan nilai w dari W de-ngan x dari X diberikan dengan w b x= = w b 1 a , sehingga dx 1 = x dw ab 1 1 a Batas dalam w Untuk x > 0, maka w > 0. g(w) 1 1 =f w b 1 a dx dw 2 1 2 2 y w a b 1 exp 2 2 y 1 w a ln y b 2 1 wa ab b 1 1 2 2 2a y 2 w 2 1 1 w a exp 2 2 ln a y 2a y b 1 1 2 2 2a y 2 w 1 2 exp 2 2 ln w ln b a y 2a y 1 1 2a 2 y2 2 w 1 2 exp 2 2 ln w d a y 2a y Jadi g(w) merupakan fungsi densitas dari distribusi lognor-mal dengan rata (d + aµy) dan varians (a² σ 2y ). Penutup 1. Definisi Distribusi Lognormal Misalkan sebuah peubah acak X mempunyai range atau dae-rah hasil Rx = {x0 < x < ~} dan Y = ln X mengikuti distribusi normal dengan rata-rata y dan varians σ 2y . Abu Syafik: Aplikasi Distribusi Lognormal dalam Statistika 9 Fungsi densitas dari peubah acak X didefinisikan sebagai: f ( x) 1x 2 y2 12 exp 21 2 (ln x y ) 2 , x 0 y =0 ,x lainnya 2. Rata-rata dan Varians distribusi lognormal adalah: µx = exp (µx + 1 2 σ ) dan 2 y Daftar Pustaka Freud, J. E. and Walpole, R. F. 1980. Mathematical Statitics. Third Edition. Englewood New York: Prentice-Hall. Inc. Heryanto, Nar. 1992. Pengantar Statistika Matematika. Jilid 1. Bandung: Jurusan Pendidikan Matematika FPMIPA IKIP Bandung. lognormal terjadi pada: Hinnes, William W. and Montgomery, Douglas C., 1972. Probability and Statistics in Engeneering and Mana-gement Science. New York: John Willey & Sons. Inc. x = exp (µy - σ 2y ) Pollet, σ 2x = exp(2µy+ σ 2y )[exp( σ 2y ) – 1] 3. Modus dan median distribusi ke-k A dan Nasrullah. 1994. Penggunaan Metode Statistika untuk Ilmu Hayati. Yogyakarta: Gadjah Mada University Press. 5. Koefisien kemiringan distribusi Purcel and Varberg (terjemahan I.N. Susilo dkk). 1990. Kal-kulus dan Geometri Analitik. Jilid 1. Edisi Keempat. Jakarta: Erlangga. dan x = exp (µy) 4. Secara umum diberikan oleh: momen 1 k = exp k.y + k² σ 2y 2 lognormal adalah: 3 2 1 2 1 [exp( y2 ) 1] 3[exp( y2 ) - 1] Koefisien keruncingan distri-busi lognormal adalah: R. V, Hogg,. and Craig, A. T. 1978. Introduction ot Mathematical Statistics. Fourth Edition. New York: Macmillan Publishing Co. Inc. Supranto, J. 1991. Statistik: Teori dan Aplikasi. Jilid 2. Edisi Kelima. Jakarta: Erlangga 10 Abu Syafik: Aplikasi Distribusi Lognormal dalam Statistika Abu Syafik: Aplikasi Distribusi Lognormal dalam Statistika 1