Pemodelan Dependensi Distribusi Variabel Non Gaussian dengan Copula Frank Menggunakan Korelasi Rho Spearman

Analisis dependensi dalam statistika memerlukan asumsi bahwa data berdistribusi normal. Namun dalam kenyataannya asumsi kenormalan sering tidak terpenuhi seperti pada bidang klimatologi. Hal ini menyebabkan analisis dependensi pada data distribusi Non Gaussian tidak dapat dilakukan sebagaimana dalam analisis dependensi data distribusi Gaussian. Pada penelitian ini diusulkan metode Copula dalam menyelesaikan masalah dependensi data Non Gaussian. Copula adalah salah satu metode yang dapat digunakan dalam memodelkan hubungan antara dua variabel X dan Y tanpa membutuhkan asumsi distribusi. Hubungan Copula dan Rho Spearman dikaji untuk memperoleh persamaan estimator Copula Archimedean. Aplikasi pada data harian Kecepatan Angin dan Jarak Penglihatan periode Januari 2014 ??? Desember 2015 menunjukkan adanya tail dependensi pada bagian atas dan bawah pada plot hasil transformasi, sehingga digunakan keluarga Copula yang berasal dari Copula Archimedean, yaitu Copula Frank. Konsep Rho Spearman memberikan nilai korelasi ??=0.54 dan ??=3.823. Model Copula Frank untuk variabel kecepatan angin dan jarak penglihatan menunjukkan bahwa kedua variabel tersebut memiliki pengaruh yang berbanding terbalik, dimana jika kecepatan angin semakin besar, maka jarak penglihatan semakin kecil, begitupun sebaliknya jika kecepatan angin semakin kecil, maka jarak penglihatan semakin besar