Kedudukan, Perkembangan dan Pemanfaatan Probabilitas

Kedudukan probabilitas

Perubahan di semua aspek kehidupan selalu terjadi di setiap tahun, bulan, minggu, hari, jam, menit dan bahkan detik. Perubahan-perubahan ini menciptakan keragaman (variance) dan ketidakpastian (uncertainty). Setiap kejadian dalam kehidupan tersebut tidak akan pernah mendapatkan hal yang pasti tetapi hanya kesimpulan yang probabilistik. Kondisi yang penuh tidak kepastian tersebut menimbulkan kekhawatiran dan ketakutan. Sehingga diperlukan ilmu/science untuk mencari penemuan-penemuan baru untuk memperkecil error (mendekati nol) dalam ketidakpastian tersebut.

Pemanfaatan probabilitas

Perkembangan dan pemanfaatan probabilitas terjadi hampir di semua bidang pengetahuan (science), antara lain di dunia pemasaran, psikologi, ekonomi, sosial, budaya dan pengetahuan lainnya.

a)      Pemasaran (marketing)

Suatu perusahaan mengamati pergerakan pasar di masa depan berdasarkan kejadian-kejadian nyata seperti kerugian dan keuntungan dan tidak dipengaruhi oleh pergerakan masa lalu. Pemikiran tersebut merupakan pola pikir ekonomi standard. Dengan pola pikir seperti ini maka studi pola-pola pergerakan pasar masa lalu tidak akan menghasilkan apa pun. Dengan kondisi awal yang sama, maka akan diperoleh hasil yang sama. Namun pada kenyataannya, banyak sistem yang sulit dipandang dengan cara tersebut, terutama sistem dengan ukuran yang besar. Sistem-sistem ini memiliki tingkat kesulitan matematika yang tinggi ketika ingin menggambarkannya dan kesulitan eksperimental untuk membuktikan ketepatan dengan akurasi yang tinggi. Sistem-sistem tersebut memiliki kemungkinan terprediksinya kuantitas-kuantitasnya dalam jangkauan yang kecil, namun juga beberapa kuantitasnya tidak selalu berada pada nilai yang sama. Untuk yang terakhir dimungkinkan akan konsep probabilitas prediksi, prediksi yang tidak pasti.

Regresi Robust

Influence Observation

Metode kuadrat terkecil (least squares), metode punya kelemahan:

jika diterapkan pada data yang mengandung pengamatan berpengaruh (inflentual observation), persamaan regresi yang dihasilkan oleh metode kuadrat terkecil cenderung mudah berubah-ubah.

Untuk mengatasi kelemahan metode kuadrat terkecil ini dapat dilakukan dengan dua cara yaitu :

1. Mengeluarkan titik yang berpengaruh yang dapat dideteksi dengan dffit, cook distance, dfbetas, setelah itu tetap menggunakan metode kuadrat terkecil
2. Tetap menggunakan seluruh data, tetapi dengan memberikan bobot yang kecil untuk pengamatan yang berpengaruh, metode ini dikenal dengan nama metode regresi robust.

METODE PENDUGAAN PARAMETER REGRESI ROBUST

Salah satu metodenya adalah dengan menggunakan Least Absolute Deviation (LAD). Metode ini bekerja dengan meminimukan harga mutlak residual atau meminimumkan.

Berikut ini adalah macro minitab metode LAD

Demikian. Semoga bermanfaat

Posted by Azwar Rhosyied

Metode Dekomposisi, Model Winter’s, Regresi Deret Waktu, dan Model ARIMA Untuk Peramalan Data yang Mengandung Pola Musiman Dan Atau Tren

Makalah riset ini bercerita tentang perbandingan model untuk peramalan  data yang mengandung pola musiman dan atau tren. Data simulasi yang dipakai adalah data Temperature (Cryer,1986), Data Airlines (Box, 1944) dan data real penjualan ritel baju perempuan. Data selengkapnya bisa Anda donwload disini.

View this document on Scribd

Posted by : Azwar Rhosyied

Model Regresi Non Linear dan Uji Deteksi Hubungan Non Linear

Makalah penelitian ini sekaligus menjawab pertanyaan dari saudara Ikhsan tentang model Nelson Siegel Svensson. Makalah ini merupakan riset perbandingan metode Regresi Non linear parametrik, Nelson Siegel dan Nelson Siegel Svensson dalam penentuan model terbaik. Makalah ini juga bisa Anda download disini.

View this document on Scribd

Posted by : Azwar Rhosyied

RESENSI Artikel : Neural Network and Statistical Model

Ilustrasi : Jaringan Syaraf

Artikel yang ditulis oleh Warren S. Sarle ini tercetak pada tahun 1994 yang pada waktu itu dia persembahkan pada perayaan ulang tahun SAS User Gorup International Conference. Artikel ini berjudul Neural Network and Statistical Model. Penulis menjelaskan di artikel ini bahwasannya penggunaan neural netwok (NN) tidaklah serumit yang dibayangkan. Seringkali yang terbayang adalah NN hanya terkait dengan kecerdasan buatan yang hanya bisa dikuasai oleh akdemisi informatika. Padahal salah satu tujuan NN adalah bisa digunakan sebagai metode analisa data dalam statistika. Sehingga banyak sekali hubungan antara NN dengan Model Statistika, semisal dengan GLM, Analisis Klaster, dll.

SILAHKAN DOWNLOAD ARTIKELNYA DI SINI…

Neural Network atau Jaringan Syaraf  Tiruan tidak lebih dari sebuah analisis Regresi Non linear dan Model Diskriminan yang bisa diimplementasikan dengan software statistik. Dalam kaitannya dengan statistik, NN bisa digunakan sebagai metode analisa data.

RESENSI Artikel : How Not to Lie with Statistics: Avoiding Common Mistakes in Quantitative Political Science

Artikel yang membahas beberapa kesalahan di dalam penelitian Ilmu pengetahuan alam kuantitatif  ini, cukup menarik untuk diketahui khususnya para peneliti dan statistikawan. Kesalahan yang di bahas di artikel ini terkait dengan teori statistik dan analisa yang berkaitan dengannya. Dikatakan bahwa kesalahan seringkali terjadi pada jurnal, presentasi konferensi, penelitian tugas akhir mahasiswa.

Artikel ini membahas secara sistematis kesalahan-kesalahan yang secara umum sering terjadi. Penyajian bukti serta ilustrasi sampai dengan teori-teori yang ada serta koreksi terhadapnya adalah metode penulisan yang digunakan oleh penulis artikel ini.

Saya akan mencoba meresensi beberapa pembahasan di artikel ini, mudah-mudahan bisa dipahami dengan baik oleh pembaca sekalian. Untuk mendownload artikelnya, silahkan download di sini.