EKO WAHYU NURCAHYO, 080912106 (2014) ESTIMASI PARAMETER MODEL REGRESI LINIER MENGGUNAKAN METODE BAYES. Skripsi thesis, UNIVERSITAS AIRLANGGA.

Preview	Text (ABSTRAK) gdlhub-gdl-s1-2014-nurcahyoek-33344-6.-abstr-k.pdf Download (680kB) | Preview
	Text (FULL TEXT) 25040-.pdf Restricted to Registered users only Download (601kB) | Request a copy

Abstract

Metode yang digunakan dalam menduga parameter model regresi linier dalam pembahasan ini adalah metode Bayes yang akan diimplementasikan secara numerik melalui pendekatan Markov Chain Monte Carlo (MCMC) dengan menggunakan bantuan software WinBUGS. Hal ini disebabkan karena metode klasik hanya berdasarkan informasi dari data sampel dan tidak mempertimbangkan informasi dari sebaran sebelumnya atau yang disebut prior. Hasil dari penelitian ini didapakan hasil dari joint posterior ( ) [ ( ̂) ( ̂) ( ̂) ( ̂)]. Hasil dari joint posterior tersebut akan digunakan sebagai awalan dalam membangun Markov Chain Monte Carlo untuk model regresinya. Markov Chain Monte Carlo dalam pembahasan ini menggunakan algoritma Gibbs Sampler. Hasil dari joint posterior tersebut sebagai awalan untuk menentukan marginal posterior parameter dan . Hasil dari marginal posterior parameter akan digunakan untuk menentukan ̂, sehingga didapatkan ̂ ( ) ( ). Hasil yang diperoleh dari software WinBUGS adalah =1.781, , sehingga didapatkan model regresinya adalah ̂ ( ) ( )

Item Type:	Thesis (Skripsi)
Additional Information:	KKC KK MPM. 16/14 Nur e
Uncontrolled Keywords:	Bayesian Markov Chain Monte Carlo; Estimation; joint Posterior; prior; Gibbs Sampler; WinBUGS.
Subjects:	Q Science > QA Mathematics
Divisions:	08. Fakultas Sains dan Teknologi > Matematika
Creators:	Creators NIM EKO WAHYU NURCAHYO, 080912106 UNSPECIFIED
Contributors:	Contribution Name NIDN / NIDK Thesis advisor Toha Saifudin, S.Si, M.Si UNSPECIFIED Thesis advisor Drs. Eko Tjahjono, M.Si UNSPECIFIED
Depositing User:	Tn Fariddio Caesar
Date Deposited:	24 Feb 2014 12:00
Last Modified:	12 Jun 2017 16:50
URI:	http://repository.unair.ac.id/id/eprint/25040
Sosial Share:

Actions (login required)

View Item