METODE BAYESIAN UNTUK ESTIMASI PARAMETER DISTRIBUSI EKSPONENSIAL PADA DATA TERSENSOR

REZA ANJAB RAMADHAN, . (2022) METODE BAYESIAN UNTUK ESTIMASI PARAMETER DISTRIBUSI EKSPONENSIAL PADA DATA TERSENSOR. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (339kB)
	Text BAB 2.pdf Restricted to Registered users only Download (457kB)
	Text BAB 3.pdf Restricted to Registered users only Download (481kB)
	Text BAB 4.pdf Restricted to Registered users only Download (514kB)
	Text BAB 5.pdf Restricted to Registered users only Download (351kB)
	Text DAFTAR PUSTAKA.pdf Download (309kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (337kB)

Abstract

Parameter merupakan nilai yang menjelaskan karakteristik dari suatu populasi. Namun parameter pada data yang sebenarnya, tidak diketahui nilainya. Untuk menduga nilai parameter dari data tersebut, terdapat beberapa metode estimasi parameter, dua diantaranya adalah metode estimasi kemungkinan maksimum (MLE) dan metode estimasi parameter Bayesian. Pada metode estimasi Bayesian, digunakan informasi awal (prior) untuk memperbarui data saat ini. Prior ditentukan berdasarkan informasi pada data. Pada skripsi ini digunakan data tersensor yang berdistribusi eksponensial, dengan prior yang digunakan adalah prior konjugat. Selanjutnya dengan fungsi kerugian error kuadrat (SELF), didapatkan fungsi nilai parameter estimasi dari parameter _ adalah ˆ_ = U¸�= 8=1X8 V¸�= 8=1C8 dengan U dan V merupakan hyperparameter, �= 8=1X8 merupakan jumlah objek yang mengalami event dan �= 8=1C8 merupakan jumlah waktu bertahan. Ketika diaplikasikan pada data transplantasi jantung Stanford, didapatkan nilai ˆ_ = 0� 00089, yang berarti kemungkinan pasien mengalami kegagalan (mati) adalah rendah dan kemungkinan pasien bertahan adalah tinggi. ******************************************** Parameter is a value that describe the characteristics of a population. But the parameter of a real data, the value is unknown. To estimate the value of the parameter, there are several methods, which are maximum likelihood estimation method (MLE) and Bayesian parameter estimation method. In Bayesian method, the prior information is applied to update the current data. The prior is determined based on the information in the data. This mini thesis is using censored data with exponential distribution, and using the conjugate prior. Followed by squared error loss function (SELF), the estimated value function ot the _ parameter is ˆ_ = U¸�= 8=1X8 V¸�= 8=1C8 with U and V are hyperparameters, �= 8=1X8 is the number of objects that experienced the event and �= 8=1C8 is the number of the survival time. When the function was applied on Stanford heart transplant data, the value of ˆ_ = 0� 00089, which means the patient’s failure (death) probability is low and the patient’s probability to survive is high.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Dra. Widyanti Rahayu, M.Si. ; 2). Ibnu Hadi, M.Si.
Subjects:	Sains > Matematika
Divisions:	FMIPA > S1 Matematika
Depositing User:	PKL .
Date Deposited:	15 Nov 2024 02:53
Last Modified:	15 Nov 2024 02:53
URI:	http://repository.unj.ac.id/id/eprint/52115

Actions (login required)

View Item