title: PENDUGAAN PARAMETER MODEL POISSONGAMMA MENGGUNAKAN ALGORITMA EM  (EXPECTATION MAXIMIZATION)
creator: 0817031042, NURASHRI PARTASIWI
subject:  
description: Abstrak    Model poisson merupakan model peluang diskrit yang menyatakan peluang  jumlah peristiwa yang terjadi pada periode waktu tertentu dan memiliki rata-rata  dan varians yang sama, tetapi pada kenyataannya, sering terjadi varians dari  variabel responnya lebih besar daripada rata-ratanya atau overdispersi.  Overdispersi akan membawa konsekuensi pada nilai penduga bagi galat baku  yang lebih kecil (under estimate) yang selanjutnya dapat mengakibatkan  kesalahan pada inferensia bagi parameternya. Salah satu cara untuk mengatasi  masalah ini adalah dengan menambahkan informasi yaitu dengan sebaran prior,  salah satunya gamma. Dengan demikian, model poisson berubah menjadi model  dua tahap, yaitu model Poisson-Gamma. Dalam kasus model poisson-gamma  salah satu penduga tidak dapat diselesaikan secara analitik, sehingga salah satu  cara yang digunakan yaitu solusi numerik dengan teknik iteratif seperti metode  Newton-Raphson. Dalam penelitian ini akan menduga parameter, metode yang  akan digunakan adalah Algoritma EM (Expectation Maximization).  Kata kunci: Model Poisson-Gamma, Overdispersi, Algoritma EM (Expectation  Maximization).        Abstract    Poisson model is a discrete probability distribution that express the probability of  a given number of events occurring in a specific interval of time and in has same  average rate and variance, however in fact, it often happens that variance of  response can be greater than the average rate or overdispersion. Overdispersion  will bring consequences on the expected value for the smaller standard error  (under estimate) which turns out errors on inference for those parameters. There is  a way to overcome this problem which is with adding information with the prior  distribution, it could be gamma. Thus, poisson model turns into a two-stage  model, poisson-gamma model. In this case, one parameter of poisson-gamma  model can’t be solved analitically, so the way that can be used is numerical  solution such as the newton-raphson method. This research would have estimated  the parameters, the method that will be used is EM (Expectation Maximization)  algorithm.  Keyword: Poisson-Gamma Model, Overdispersion, EM (Expectation  Maximization) Algorithm.
date: 2012-05-06
type: Artikel
type: PeerReviewed
format: text
identifier: http://digilib.unila.ac.id/13615/1/1.%20COVER.pdf
format: text
identifier: http://digilib.unila.ac.id/13615/2/2.%20ABSTRAK.pdf
format: text
identifier: http://digilib.unila.ac.id/13615/3/2.a%20ABSTRACT.pdf
format: text
identifier: http://digilib.unila.ac.id/13615/4/3.%20COVER%20DALAM.pdf
format: text
identifier: http://digilib.unila.ac.id/13615/5/4.%20LEMBAR%20PERSETUJUAN.pdf
format: text
identifier: http://digilib.unila.ac.id/13615/5/5.%20LEMBAR%20PENGESAHAN.pdf
format: text
identifier: http://digilib.unila.ac.id/13615/6/6.%20RIWAYAT%20HIDUP.pdf
format: text
identifier: http://digilib.unila.ac.id/13615/7/7.%20MOTTO.pdf
format: text
identifier: http://digilib.unila.ac.id/13615/8/8.%20PERSEMBAHAN.pdf
format: text
identifier: http://digilib.unila.ac.id/13615/9/9.%20SANWANCANA.pdf
format: text
identifier: http://digilib.unila.ac.id/13615/10/BAB%201.%20PENDAHULUAN.pdf
format: text
identifier: http://digilib.unila.ac.id/13615/11/BAB%202.%20LANDASAN%20TEORI.pdf
format: text
identifier: http://digilib.unila.ac.id/13615/12/BAB%203.%20METODE%20PENELITIAN.pdf
format: text
identifier: http://digilib.unila.ac.id/13615/13/BAB%204.%20PEMBAHASAN.pdf
format: text
identifier: http://digilib.unila.ac.id/13615/14/BAB%205.%20KESIMPULAN.pdf
identifier:   0817031042, NURASHRI PARTASIWI  (2012) PENDUGAAN PARAMETER MODEL POISSONGAMMA MENGGUNAKAN ALGORITMA EM (EXPECTATION MAXIMIZATION).  Digital Library.       
relation: http://digilib.unila.ac.id/13615/