Lutfi,Ayatul (2012) Estimasi Parameter Dispersi Binomial Negatif Pada Data Kecelakaan Lalu Lintas Dengan Metode Bootstrap Maximum Likelihood (Studi Kasus: Kota Malang). Sarjana thesis, Universitas Brawijaya.
Abstract
Pada skripsi ini dibahas estimasi parameter dispersi dari distribusi Binomial Negatif untuk pemodelan kecelakaan lalu lintas. Data kecelakaan lalu lintas memiliki karakteristik diskrit, nonnegatif, sporadis, nilai rata-rata sampel rendah dan ukuran sampel kecil. Selama ini metode yang digunakan untuk mengestimasi parameter dispersi yaitu Method of Moment Estimate (MME) dan Maximum Likelihood Estimate (MLE). Untuk mengestimasi parameter dispersi dengan data yang memiliki karakteristik rata-rata sampel rendah dan ukuran sampel kecil, kedua metode tersebut tidak akurat dan tidak stabil dengan nilai bias dan Mean square Error (MSE) yang relatif besar. Sebuah metode Bootstrap Maximum Likelihood Estimate (BMLE) diusulkan untuk memperoleh hasil estimasi yang lebih baik dari parameter dispersi. Ide dari metode tersebut yaitu menggabungkan teknik resampling Bootstrap dengan MLE. Kinerja dari BMLE dibandingkan dengan MME dan MLE melalui simulasi Monte Carlo. Sebagai aplikasinya, metode tersebut diterapkan pada data lapangan yang dikumpulkan di jalan raya rawan kecelakaan Kota Malang. Secara keseluruhan, hasilnya menunjukkan bahwa metode BMLE menghasilkan bias yang lebih kecil dan estimasi yang lebih stabil daripada MME dan MLE. Hasil tersebut lebih terlihat pada saat nilai rata-rata sampel rendah dan ukuran
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2012/74/051200651 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Endang Susworini |
| Date Deposited: | 03 Jul 2012 10:10 |
| Last Modified: | 25 Oct 2021 01:19 |
| URI: | http://repository.ub.ac.id/id/eprint/153335 |
Preview |
Text
051200651.pdf Download (3MB) | Preview |
Actions (login required)
 |
View Item |