Pendugaan Parameter

Pendugaan parameter setelah proses identifikasi awal digunakan untuk menaksir parameter dari distribusi yang terpilih pada proses identifikasi awal. Parameter secara dari distribusi diketahui hanya dapat diduga (diestimasi) dan tidak dapat karena tidak ada suatu metodepun yang dapat

tepat

mengetahui dengan tepat parameter suatu distribusi berdasarkan data sampel yang diambil. Metode pendugaan parameter yang sering digunakan adalah Maximum Likelihood Estimator (MLE). Secara umum, untuk menemukan MLE dari setiap distribusi teoritis, harus mencari nilai maksimum dari likelihood function berikut yang mengandung sejumlah parameter i.....n yang tidak diketahui ( ) ( )

Tujuan MLE adalah menemukan nilai parameter i.....n yang dapat memberikan likelihood function yang sebesar mungkin untuk setiap nilai t1,t2,...., tn. Karena bentuk perkalian dari likelihood function, umumnya lebih mudah untuk memecahkan logaritma dari likelihood function. Nilai maksimum likelihood function diperoleh dengan mengambil turunan pertama dari logaritma likelihood function = 0, yaitu :
( )

i=1,2,...n

1. Weibull MLE Adapun turunan pertama likelihood function untuk distribusi Weibull adalah sebagai berikut : ( )

Tujuan MLE adalah mendapatkan nilai m dari persamaan di atas. Permasalahannya adalah persamaan di atas tidak dapat dipecahkan secara matematis. Maka cara altematifnya adalah menggunakan metode Newton Rhapson untuk memecahkan persamaan non-linear yaitu dengan

menggunakan persamaan:

( (

) )

dimana g(x)

( )

yang harus dipecahkan secara iterasi sampai mencapai nilai mj yang maksimum (atau nilai g(m) yang mendekati nol). Maka terlebih dahulu mencari turunan pertama dari g(m) yaitu ( ) ( )( ( ) ( ) )

Kemudian nilai MLE untuk { [ ]}1/m

didapat dari persamaan berikut :

2. Normal MLE Adapun nilai MLE untuk parameter dari distribusi normal adalah sebagai berikut : = 2 =
( )

3. Lognormal MLE Adapun nilai MLE untuk parameter dari distribusi lognormal adalah sebagai berikut : ( )