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

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

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...

全面介紹

Saved in:
書目詳細資料
主要作者: MIFTA DIAN MULYANINGSIH, 081211832031
格式: Theses and Dissertations NonPeerReviewed
語言:Indonesian
Indonesian
出版: 2016
主題:
QA276-280 Mathematical Analysis
在線閱讀:http://repository.unair.ac.id/55899/1/KKC%20KK%20ST.S%2049%20-16%20Mul%20e-Abstrak.pdf
http://repository.unair.ac.id/55899/2/KKC%20KK%20ST.S%2049%20-16%20Mul%20e.pdf
http://repository.unair.ac.id/55899/
http://lib.unair.ac.id
標簽: 添加標簽
沒有標簽, 成為第一個標記此記錄!
機構: Universitas Airlangga
語言: Indonesian
Indonesian
id id-langga.55899
record_format dspace
spelling id-langga.558992017-04-04T20:39:00Z http://repository.unair.ac.id/55899/ ESTIMASI PARAMETER DISTRIBUSI BINOMIAL NEGATIF DENGAN PENDEKATAN BAYESIAN MENGGUNAKAN MONTE CARLO MARKOV CHAIN BERDASARKAN ALGORITMA METROPOLIS HASTING MIFTA DIAN MULYANINGSIH, 081211832031 QA276-280 Mathematical Analysis 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. 2016 Thesis NonPeerReviewed text id http://repository.unair.ac.id/55899/1/KKC%20KK%20ST.S%2049%20-16%20Mul%20e-Abstrak.pdf text id http://repository.unair.ac.id/55899/2/KKC%20KK%20ST.S%2049%20-16%20Mul%20e.pdf 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. http://lib.unair.ac.id
institution Universitas Airlangga
building Universitas Airlangga Library
country Indonesia
collection UNAIR Repository
language Indonesian
Indonesian
topic QA276-280 Mathematical Analysis
spellingShingle QA276-280 Mathematical Analysis
MIFTA DIAN MULYANINGSIH, 081211832031
ESTIMASI PARAMETER DISTRIBUSI BINOMIAL NEGATIF DENGAN PENDEKATAN BAYESIAN MENGGUNAKAN MONTE CARLO MARKOV CHAIN BERDASARKAN ALGORITMA METROPOLIS HASTING
description 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.
format Theses and Dissertations
NonPeerReviewed
author MIFTA DIAN MULYANINGSIH, 081211832031
author_facet MIFTA DIAN MULYANINGSIH, 081211832031
author_sort MIFTA DIAN MULYANINGSIH, 081211832031
title ESTIMASI PARAMETER DISTRIBUSI BINOMIAL NEGATIF DENGAN PENDEKATAN BAYESIAN MENGGUNAKAN MONTE CARLO MARKOV CHAIN BERDASARKAN ALGORITMA METROPOLIS HASTING
title_short ESTIMASI PARAMETER DISTRIBUSI BINOMIAL NEGATIF DENGAN PENDEKATAN BAYESIAN MENGGUNAKAN MONTE CARLO MARKOV CHAIN BERDASARKAN ALGORITMA METROPOLIS HASTING
title_full ESTIMASI PARAMETER DISTRIBUSI BINOMIAL NEGATIF DENGAN PENDEKATAN BAYESIAN MENGGUNAKAN MONTE CARLO MARKOV CHAIN BERDASARKAN ALGORITMA METROPOLIS HASTING
title_fullStr ESTIMASI PARAMETER DISTRIBUSI BINOMIAL NEGATIF DENGAN PENDEKATAN BAYESIAN MENGGUNAKAN MONTE CARLO MARKOV CHAIN BERDASARKAN ALGORITMA METROPOLIS HASTING
title_full_unstemmed ESTIMASI PARAMETER DISTRIBUSI BINOMIAL NEGATIF DENGAN PENDEKATAN BAYESIAN MENGGUNAKAN MONTE CARLO MARKOV CHAIN BERDASARKAN ALGORITMA METROPOLIS HASTING
title_sort estimasi parameter distribusi binomial negatif dengan pendekatan bayesian menggunakan monte carlo markov chain berdasarkan algoritma metropolis hasting
publishDate 2016
url http://repository.unair.ac.id/55899/1/KKC%20KK%20ST.S%2049%20-16%20Mul%20e-Abstrak.pdf
http://repository.unair.ac.id/55899/2/KKC%20KK%20ST.S%2049%20-16%20Mul%20e.pdf
http://repository.unair.ac.id/55899/
http://lib.unair.ac.id
_version_ 1681147312598941696

相似書籍