ESTIMASI PARAMETER DISTRIBUSI BINOMIAL NEGATIF DENGAN PENDEKATAN BAYESIAN MENGGUNAKAN MONTE CARLO MARKOV CHAIN BERDASARKAN ALGORITMA METROPOLIS HASTING

MIFTA DIAN MULYANINGSIH, 081211832031 (2016) ESTIMASI PARAMETER DISTRIBUSI BINOMIAL NEGATIF DENGAN PENDEKATAN BAYESIAN MENGGUNAKAN MONTE CARLO MARKOV CHAIN BERDASARKAN ALGORITMA METROPOLIS HASTING. Skripsi thesis, UNIVERSITAS AIRLANGGA.

[img]
Preview
Text (ABSTRAK)
KKC KK ST.S 49 -16 Mul e-Abstrak.pdf

Download (503kB) | Preview
[img]
Preview
Text (FULLTEXT)
KKC KK ST.S 49 -16 Mul e.pdf

Download (1MB) | Preview
Official URL: http://lib.unair.ac.id

Abstract

Estimasi parameter merupakan estimasi sembarang nilai yang menjelasan karakteristik suatu populasi tertentu. Estimasi parameter dapat dilakukan dengan metode klasik maupun metode Bayesian. Metode Bayesian merupakan metode yang menggabung- kan informasi saat ini dengan informasi sebelumnya atau yang biasa disebut distribusi prior. Penggabungan informasi tersebut menghasilkan distribusi posterior, selanjutnya distribusi tersebut digunakan sebagai dasar estimasi parameter. Penyelesaian dari estimasi parameter tersebut terkadang sulit sehingga membutuhkan metode numerik dalam penyelesaiannya, salah satunya adalah metode Monte Carlo Markov Chain (MCMC) algoritma Metropolis Hasting. Metode tersebut merupakan metode integrasi yang menggunakan mekanisme penerimaan dan penolakan untuk membangkitkan kandidat sampel. Tujuan dari penelitian ini adalah untuk mengestimasi parameter distribusi Binomial Negatif dengan pendekatan Bayesian menggunakan MCMC algoritma Metropolis Hasting. Distribusi Binomial Negatif merupakan distribusi yang banyak digunakan untuk menganalisis data count saat terjadi overdispersi. Data yang digunakan pada penelitian ini adalah data bangkitan. Berdasarkan hasil penelitian estimasi parameter distribusi Binomial Negatif dengan pendekatan Bayesian menggunakan MCMC algoritma metropolis hasting menghasilkan nilai estimasi yang sangat dekat dengan perhitungan biasa, dengan demikian MCMC algoritma metropolis hasting dapat digunakan sebagai alternatif untuk mempermudah perhitungan yang rumit.

Item Type: Thesis (Skripsi)
Additional Information: KKC KK ST.S 49-16 Mul e
Uncontrolled Keywords: Parameter Estimation, Bayessian, Negative Binomial, MCMC, Metropolis Hasting.
Subjects: Q Science > QA Mathematics > QA276-280 Mathematical Analysis
Divisions: 08. Fakultas Sains dan Teknologi > Statistika
Creators:
CreatorsEmail
MIFTA DIAN MULYANINGSIH, 081211832031UNSPECIFIED
Contributors:
ContributionNameEmail
ContributorArdi Kurniawan, Dr., M.SiUNSPECIFIED
ContributorEko Tjahjono, Dr.., M.Si.UNSPECIFIED
Depositing User: Mrs. Djuwarnik Djuwey
Date Deposited: 04 Apr 2017 20:39
Last Modified: 04 Apr 2017 20:39
URI: http://repository.unair.ac.id/id/eprint/55899
Sosial Share:

Actions (login required)

View Item View Item