METODE JACKKNIFE DAN METODE BOOTSTRAP DALAM ESTIMASI KURTOSIS DAN SKEWNESS

Sihombing, Riadil Jannah (2021) METODE JACKKNIFE DAN METODE BOOTSTRAP DALAM ESTIMASI KURTOSIS DAN SKEWNESS. Undergraduate thesis, UNIMED.

[thumbnail of 1. NIM 4172230006 COVER.pdf]
Preview
Text
1. NIM 4172230006 COVER.pdf - Published Version

Download (49kB) | Preview
[thumbnail of 2. NIM 4172230006 APPROVAL SHEET.pdf]
Preview
Text
2. NIM 4172230006 APPROVAL SHEET.pdf - Published Version

Download (358kB) | Preview
[thumbnail of 3. NIM 4172230006 ABSTRACT.pdf]
Preview
Text
3. NIM 4172230006 ABSTRACT.pdf - Published Version

Download (256kB) | Preview
[thumbnail of 4. NIM 4172230006 PREFACE.pdf]
Preview
Text
4. NIM 4172230006 PREFACE.pdf - Published Version

Download (288kB) | Preview
[thumbnail of 5. NIM 4172230006 TABLE OF CONTENT.pdf]
Preview
Text
5. NIM 4172230006 TABLE OF CONTENT.pdf - Published Version

Download (85kB) | Preview
[thumbnail of 9. NIM 4172230006 CHAPTER I.pdf]
Preview
Text
9. NIM 4172230006 CHAPTER I.pdf - Published Version

Download (321kB) | Preview
[thumbnail of 13. NIM 4172230006 CHAPTER V.pdf]
Preview
Text
13. NIM 4172230006 CHAPTER V.pdf - Published Version

Download (224kB) | Preview
[thumbnail of 14. NIM 4172230006 BIBLIOGRAPHY.pdf]
Preview
Text
14. NIM 4172230006 BIBLIOGRAPHY.pdf - Published Version

Download (285kB) | Preview

Abstract

Hal yang harus diperhatikan untuk melakukan uji statistik sebagai proses analisis yaitu perlu uji asumsi klasik, salah satunya adalah uji normalitas. Data yang tidak berdistribusi normal disebabkan terlalu banyak nilai-nilai ekstrim dalam satu set data sehingga menghasilkan distribusi skewness dan distribusi kurtosis. Data yang tidak normal adalah data yang menyebar ke kanan (skewness positive) atau menyebar ke kiri (skewness negative) dan memiliki kurva yang relatif tinggi (leptokurtik) atau kurva yang relatif datar (platikurtik). Untuk mengatasi masalah tersebut, dapat menggunakan metode bootstrap dan metode jackknife. Tujuan dari penelitian ini yaitu menentukan hasil estimasi dari metode bootstrap dan metode jackknife, serta menentukan estimator terbaik dengan cara membandingan nilai mean square error terkecil dari kedua metode tersebut. Data yang digunakan dalam penelitian ini yaitu data kekuatan gempa bumi di Indonesia periode Januari sampai dengan Desember tahun 2020 setiap tanggal 1 sampai 11 dengan ukuran kekuatan gempa bumi di atas 5 skala richter. Berdasarkan simulasi dengan menggunakan bantuan program MATLAB dengan dilakukan resampling sebanyak 50, 100, 200, 500, dan 1000, diperoleh nilai mean square error berturut-turut untuk estimasi skewness dengan metode bootstrap yaitu dan estimasi kurtosis yaitu . Sedangkan estimasi skewness dengan metode jackknife diperoleh nilai mean square error berturut-turut yaitu dan estimasi kurtosis yaitu . Jika dicermati, semakin besar ukuran resampling maka semakin kecil nilai mean square error yang diperoleh. Dengan demikian, jika dilihat secara keseluruhan diperoleh nilai mean square error terkecil dengan metode bootstrap yaitu resampling sebanyak 1000. Dapat disimpulkan bahwa metode bootstrap merupakan metode yang efisien dibandingkan dengan metode jackknife, hal ini didukung dengan kecilnya tingkat mean square error dan nilai bias yang dihasilkan.

Item Type: Thesis (Undergraduate)
Additional Information: SK-2022 MAT 034
Keywords: Estimasi; Skewness; Kurtosis; Metode resampling; Bootstrap; Jacknife; Mean square error bootstrap
Subjects: Q Science > QA Mathematics
Q Science > QA Mathematics > QA299 Analysis
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika
Depositing User: Mrs Harly Christy Siagian
Date Deposited: 14 Jun 2022 09:28
Last Modified: 14 Jun 2022 09:28
URI: https://digilib.unimed.ac.id/id/eprint/46142

Actions (login required)

View Item
View Item