d. Sebaran Gamma Merupakan sebaran yang mempunyai peranan yang penting dalam teori
antrian dan teori reabilitas. Peubah acak X berdistribusi gamma, dengan parameter
dan maka , ,
, untuk ,
,
dengan
e. Sebaran Multinomial Jika
ada n
percobaan dimana masing-masing percobaan dapat mempunyai k hasil yang terjadi dengan kemungkinan p
1
,...,p
k
peubah acak X
1
,….,X
k
menghitung banyaknya kejadian dari tiap hasil maka dikatakan mempunyai distribusi multinomial. Fungsi probabilitasnya adalah:
, , … ,
…
…
2.3 Analisis Gerombol
Analisis gerombol adalah analisis statistik peubah ganda yang digunakan terhadap n buah individu atau objek yang mempunyai p peubah, akan
dikelompokan ke dalam k kelompok. Objek yang terletak dalam satu gerombol memiliki kemiripan sifat yang lebih besar dibandingkan dengan individu yang
terletak dalam gerombol lain Dillon Goldstein 1984. Konsep dasar pengelompokan dua atau lebih objek ke dalam satu gerombol
adalah menggunakan ukuran kemiripan atau ketidakmiripan. Semakin tinggi sifat kemiripan yang dimiliki suatu objek maka semakin besar pula peluang objek
tersebut untuk masuk dalam suatu gerombol tertentu.
Tujuan utama dari analisis gerombol adalah mengelompokkan objek-objek seperti produk barang dan jasa, benda tumbuhan atau lainnya dan orang
responden, konsumen, atau lainnya ke dalam kelompok-kelompok yang relatif homogen. Analisis gerombol meneliti seluruh hubungan interdependensi dimana
tidak ada proses membedakan antara peubah bebas dan tak bebas independent
and dependent variables . Analisis gerombol juga disebut analisis klasifikasi atau
taxonomi numerik numerical taxonomi. Menurut Anderberg 1973 terdapat dua metode dalam analisis gerombol
yaitu: metode berhierarki hierarchical clustering methods dan metode tak berhierarki non hierarchical clustering methods. Metode berhierarki digunakan
apabila belum ada informasi jumlah kelompok yang akan dipilih. Sedangkan metode tak berhierarki bertujuan untuk mengelompokkan n objek ke dalam k
kelompok kn dimana nilai k telah ditentukan sebelumnya. Pada dasarnya, terdapat dua teknik penggerombolan pada metode berhierarki, yaitu teknik
penggabungan agglomerative dan teknik pembagian divisive, sedangkan metode tak berhierarki antara lain dengan teknik penyekatan partitioning dan
penggunaan grafik. Gerombol yang baik adalah gerombol yang mempunyai sifat-sifat sebagai
berikut: 1 Kesamaan di dalam kelas Intraclass similarity yang tinggi antar anggotanya
dalam satu gerombol within-cluster. 2 Kesamaan antar kelas Interclass similarity yang rendah antar satu gerombol
dengan gerombol lainnya between cluster.
2.4 Ukuran Jarak
