Ashari, Ayu Aisyah (2018) Metode Estimasi Parameter Bayesian Pada Analisis Regresi Linier Piecewise (Studi Kasus Pada Data Indeks Pembangunan Manusia dan Angka Melek Huruf di Provinsi Jawa Timur Tahun 2016). Sarjana thesis, Universitas Brawijaya.
Abstract
Regresi linier piecewise adalah bentuk regresi yang memungkinkan untuk digunakan berbagai model regresi linier yang sesuai dengan data untuk setiap interval X. Pada regresi linier piecewise terdapat titik penghubung antara persamaan regresi linier yang disebut breakpoint. Model pada regresi linier piecewise di setiap segmen harus diestimasi terlebih dahulu menggunakan Metode Kuadrat Terkecil (MKT) agar dapat diperoleh nilai breakpoint awal untuk mengestimasi parameter menggunakan metode Bayesian. Metode Bayesian digunakan karena Bayesian dapat mengestimasi berdasarkan informasi dari data sampel dan mempertimbangkan informasi dari sebaran prior untuk mendapatkan sebaran posterior agar hasil pendugaan lebih baik. Tujuan penelitian ini adalah untuk mengestimasi parameter regresi linier piecewise menggunakan pendekatan Bayesian. Pada estimasi parameter Bayesian menggunakan teknik simulasi Markov Chain Monte Carlo (MCMC) dengan algoritma Gibss Sampling untuk memperoleh nilai estimasi parameter regresi linier piecewise. Data yang digunakan pada penelitian ini adalah data Indeks Pembangunan Manusia (IPM) dan Angka Melek Huruf (AMH) di Provinsi Jawa Timur tahun 2016. Pada uji signifikansi parameter diperoleh bahwa AMH berpengaruh secara signifikan terhadap IPM. Kriteria pada AMH kurang dari 94,934 diperoleh sebesar 81,2%. Sedangkan pada AMH lebih dari 94,934 diperoleh sebesar 84,1%.
English Abstract
Linear piecewise regression is a form of regression is used for a variety of linear regression models fit the data for each interval X. In linear regression piecewise there is a connecting point between linear regression conjecture called breakpoint. The model in the linear piecewise regression in each segment must first use the Ordinary Least Squares (OLS) in order to obtain the initial breakpoint value for the estimation parameter using the Bayesian method. The Bayesian method is used because Bayesian can release information from sample data and information from previous distribution to get posterior distribution for better estimation result. The purpose of this study was to estimate linear piecewise regression parameters using Bayesian approach. On Bayesian parameter estimation using Markov Chain Monte Carlo (MCMC) simulation technique with Gibss Sampling algorithm to find out the value of linear piecewise regression parameter estimation. Data used in this research is data of Human Development Index (HDI) and Literacy Rate Data (LRD) in East Java Province in 2016. In parameter significance test obtained that LRD significantly significantly to HDI. With the criterion at LRD less than 94,934 obtained of 81,2%. As for LRD over 94,934 is obtained at 84,1%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2018/197/051805769 |
| Uncontrolled Keywords: | Bayesian, Breakpoint, Regresi Linier Piecewise |
| Subjects: | 500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.5 Statistical mathematics > 519.54 Statistical inference > 519.542 Decision theory |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika |
| Depositing User: | Endang Susworini |
| Date Deposited: | 15 Jun 2020 05:24 |
| Last Modified: | 15 Jun 2020 05:24 |
| URI: | http://repository.ub.ac.id/id/eprint/168990 |
Actions (login required)
 |
View Item |