METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIS SPASIAL PADA SMALL AREA ESTIMATION MENGGUNAKAN MATRIKS BISHOP CONTIGUITY

CHATERINE PRATAMI PUTRI, 1317031018 (2018) METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIS SPASIAL PADA SMALL AREA ESTIMATION MENGGUNAKAN MATRIKS BISHOP CONTIGUITY. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM , UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK.pdf Download (19Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya pengguna terdaftar Download (4Mb)
Preview	File PDF SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (4Mb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Pendugaan secara tidak langsung adalah pendugaan parameter yang menggunakan informasi tambahan mengenai parameter yang sama pada area kecil. Gabungan asumsi-asumsi dasar dari pengaruh acak dan pengaruh tetap tersebut membentuk model pengaruh campuran. Teknik penyelesaian model linier campuran dengan melakukan pendugaan komponen ragam dengan Maximum Likelihood (ML) dan Maximum Likelihood Terkendala disebut dengan model Restricted Maximum Likelihood (REML). Pada penelitian ini, data yang digunakan adalah data kontinu dengan memperhatikan pengaruh acak yang berkorelasi spasial. Pendugaan parameter dilakukan dengan metode SEBLUP dengan menggunakan matriks hubungan ketetanggaan sudut yaitu matriks Bishop Contiguity. Nilai dugaan yang dihasilkan bernilai positif baik dengan metode ML maupun REML. Berdasarkan kriteria MSE, metode SEBLUP REML lebih akurat dibandingkan dengan penduga langsung dan metode ML. Kata Kunci : SEBLUP, Bishop Contiguity, Penduga Maximum Likelihood (ML), Penduga Restricted Maximum Likelihood (REML). ABSTRACT Indirect approximation is an estimation parameter that uses additional information on the same parameters in a small area. The combination of basic assumptions from these random effects and fixed effects forms a mixed influence model. The technique for solving linear mixed model by making prediction of variety component with Maximum Likelihood (ML) method and Constrained Maximum Likelihood is called as Restricted Maximum Likelihood (REML) model. In this research, the data used are continuous data with respect to the random effects on spatial correlation. The parameter estimation is done by using SEBLUP method by using angle neighborhood matrix which is Bishop Contiguity matrix. The value of the resulting allegedly positive value both with the ML method and REML. Based on MSE criteria, REML SEBLUP method is more accurate than direct estimator and ML method. Keyword : SEBLUP, Bishop Contiguity, Maximum Likelihood (ML), Restricted Maximum Likelihood (REML).

Jenis Karya Akhir:	Skripsi
Subyek:	> QA Mathematics
Program Studi:	FAKULTAS MIPA > Prodi Matematika
Pengguna Deposit:	201863438 . Digilib
Date Deposited:	04 May 2018 06:46
Terakhir diubah:	04 May 2018 06:46
URI:	http://digilib.unila.ac.id/id/eprint/31405

Actions (login required)

Lihat Karya Akhir