ESTIMASI PARAMETER
MODEL REGRESI MULTIVARIAT BAYESIAN
DENGAN DISTRIBUSI PRIOR NONINFORMATIF JEFFREYS
oleh
FIRDA AMALIA
M0113018
SKRIPSI
ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
Sarjana Sains Matematika
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET
PERNYATAAN
Dengan ini saya menyatakan bahwa skripsi saya yang berjudul ESTIMASI PARAMETER MODEL REGRESI MULTIVARIAT BAYESIAN DENGAN DIS-TRIBUSI PRIOR NONINFORMATIF JEFFREYS belum pernah diajukan un-tuk memperoleh gelar kesarjanaan pada suatu perguruan tinggi, dan sepanjang pengetahuan saya juga belum pernah ditulis atau dipublikasikan oleh orang lain, kecuali yang secara tertulis diacu dalam naskah ini dan disebutkan dalam daftar pustaka.
Surakarta, Oktober 2017
ESTIMASI PARAMETER
MODEL REGRESI MULTIVARIAT BAYESIAN
DENGAN DISTRIBUSI PRIOR NONINFORMATIF JEFFREYS SKRIPSI
FIRDA AMALIA M0113018
dibimbing oleh
Pembimbing I Pembimbing II
Dr. Dewi Retno Sari S., S.Si., M.Kom. Dra. Purnami Widyaningsih, M.App.Sc. NIP. 19700720 199702 2 001 NIP. 19620815 198703 2 003
telah dipertahankan di hadapan Dewan Penguji dan dinyatakan memenuhi syarat
pada hari Selasa, 31 Oktober 2017
Dewan Penguji
Jabatan Nama dan NIP Tanda Tangan Tanggal
Ketua Titin Sri Martini, S.Si., M.Kom.
NIP. 19750120 200812 2 001 ... ...
Sekretaris Bowo Winarno, S.Si., M.Kom.
NIP. 19810430 200812 1 001 ... ...
Anggota Dr. Dewi Retno Sari S., S.Si., M.Kom.
Penguji NIP. 19700720 199702 2 001 ... ...
Dra. Purnami Widyaningsih, M.App.Sc.
NIP. 19620815 198703 2 003 ... ...
Disahkan
di Surakarta pada tanggal ...
Kepala Program Studi Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret
ABSTRAK
Firda Amalia. 2017. ESTIMASI PARAMETER MODEL REGRESI MULTI-VARIAT BAYESIAN DENGAN DISTRIBUSI PRIOR NONINFORMATIF JEFFREYS. Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Sebelas Maret.
Metode Bayesian merupakan metode yang dapat digunakan untuk meng-estimasi parameter model regresi multivariat. Dalam metode Bayesian terdapat dua distribusi yaitu distribusi prior dan posterior. Distribusi posterior dipe-ngaruhi oleh pemilihan distribusi prior. Distribusi prior Jeffreys merupakan je-nis distribusi prior noninformatif, yaitu distribusiprior yang digunakan apabila tidak diketahui informasi parameter. Distribusi prior noninformatif Jeffreys di-gabungkan dengan informasi data sampel menghasilkan distribusiposterior. Dis-tribusi posterior digunakan untuk mengestimasi parameter.
Tujuan penelitian ini untuk mengestimasi parameter model regresi mul-tivariat menggunakan metode Bayesian dengan distribusi prior noninformatif Jeffreys. Selanjutnya estimasi parameter tersebut diterapkan pada data posisi simpanan masyarakat di Provinsi Papua dan Papua Barat bulan Januari 2010 hingga April 2017.
Hasil penelitian ini adalah estimasi parameter β dan Σ yang keduanya diperoleh dari nilai ekspektasi variabel random fungsi distribusiposterior margi-nal. Distribusiposterior marginal untukβdanΣadalah distribusi normal multi-variat dan invers Wishart. Namun dalam perhitungan nilai ekspektasi, melibat-kan integral dari fungsi yang sulit ditentumelibat-kan nilainya. Oleh karena itu diperlumelibat-kan pendekatan dengan melakukan pembangkitan sampel random yang sesuai dengan karakteristik distribusi posterior marginal masing-masing parameter mengguna-kan algoritme MCMC Gibbs sampling. Hasil algoritme MCMC Gibbs sampling
adalah sampel bangkitan barisan matriks β(i) dan Σ(i) dengan i = 1,2, ..., M. Estimasi parameter untuk β dinyatakan sebagai ˆβ = 1
M ∑M
i=1β
(i)
dan estimasi parameter untuk Σdinyatakan sebagai ˆΣ= M1
∑M i=1Σ
(i)
. Pada penerapan, hasil yang diperoleh adalah nilai estimasi parameter ˆβ dan ˆΣ untuk data posisi sim-panan masyarakat di Provinsi Papua dan Papua Barat bulan Januari 2010 hingga April 2017 dengan 40000 pembangkitan sampel dinyatakan sebagai
b
Kata kunci: model regresi multivariat, metode Bayesian, prior noninformatif
ABSTRACT
Firda Amalia. 2017. PARAMETER ESTIMATION OF MULTIVARIATE REGRESSION MODEL USING BAYESIAN WITH NONINFORMATIVE JEFFREYS’ PRIOR DISTRIBUTION. Faculty of Mathematics and Natural Sciences. Universitas Sebelas Maret.
Bayesian method is a method that can be used to estimate the parameters of multivariate regression model. Bayesian method has two distributions, there are prior and posterior distributions. Posterior distribution is influenced by the selec-tion of prior distribuselec-tion. Jeffreys’ prior distribuselec-tion is a kind of noninformative prior distribution. This prior is used when the information about parameter not available. Noninformative Jeffreys’ prior distribution is combined with the sample information resulting the posterior distribution. Posterior distribution is used to estimate the parameter.
The purposes of this research are to estimate the parameters of multivariate regression model using Bayesian method with noninformative Jeffreys’ prior dis-tribution. Then the parameter estimation was applied to the data of outstanding on private deposits in Papua and West Papua on January 2010 to April 2017.
The results of this research are parameter estimation of β and Σ which were obtained from expected value of random variable of marginal posterior dis-tribution function. The marginal posterior disdis-tributions for β and Σare multi-variate normal and inverse Wishart. However, in calculation of the expected value involving integral of a function which difficult to determine the value. Therefore, approach is needed by generating of random samples according to the posterior distribution characteristics of each parameter using MCMC Gibbs sampling al-gorithm. The result of MCMC Gibbs sampling algorithm is the matrix random sample β(i) and Σ(i) with i = 1,2, ..., M. The parameter estimation for β is results of this application are the parameter estimation value ˆβ and ˆΣ for the outstanding on private deposits in Papua and West Papua on January 2010 to April 2017 with 40000 generating samples given below
b
PERSEMBAHAN
Karya ini dipersembahkan untuk kedua orang tua dan adik. Terima kasih atas
PRAKATA
Puji syukur ke hadirat Tuhan Yang Maha Esa atas limpahan berkah dan
rahmat-Nya sehingga penulis dapat menyelesaikan skripsi ini. Ucapan
terima-kasih penulis sampaikan kepada
1. Dr. Dewi Retno Sari Saputro, S.Si., M.Kom. sebagai Pembimbing I yang
telah memberikan bimbingan materi, penentuan judul, penulisan skripsi,
dan pemberian motivasi.
2. Dra. Purnami Widyaningsih, M.App.Sc. sebagai Pembimbing II yang
te-lah memberikan bimbingan materi, penyusunan alur penulisan skripsi, dan
pemberian motivasi.
Semoga skripsi ini bermanfaat.
Surakarta, Oktober 2017
DAFTAR ISI
HALAMAN JUDUL . . . i
PERNYATAAN . . . ii
HALAMAN PENGESAHAN . . . iii
ABSTRAK . . . iii
ABSTRACT . . . iv
PERSEMBAHAN . . . v
PRAKATA . . . vi
DAFTAR ISI . . . viii
I PENDAHULUAN 1 1.1 Latar Belakang Masalah . . . 1
1.2 Perumusan Masalah . . . 2
1.3 Tujuan Penelitian . . . 3
1.4 Manfaat Penelitian . . . 3
II LANDASAN TEORI 4 2.1 Tinjauan Pustaka . . . 4
2.2 Teori-Teori . . . 5
2.2.1 Konsep Dasar Statistika . . . 5
2.2.2 Model Regresi Multivariat . . . 7
2.2.3 Probabilitas Bersyarat dan Teorema Bayes . . . 7
2.2.4 Fungsi Likelihood . . . 8
2.2.5 Distribusi Prior Noninformatif . . . 8
2.2.7 Fungsi Kepadatan Probabilitas Distribusi Invers Wishart . 10
2.2.8 Markov Chain Monte Carlo (MCMC) . . . 10
2.2.9 Uji F . . . 11
2.2.10 Uji Bartlett . . . 12
2.2.11 Uji MahalanobisDistance . . . 12
2.3 Kerangka Pemikiran . . . 13
III METODE PENELITIAN 14 IV HASIL DAN PEMBAHASAN 17 4.1 Fungsi Kepadatan Probabilitas Normal Multivariat Gabungan . . 17
4.2 Distribusi Prior Noninformatif Jeffreys . . . 18
4.3 Distribusi Posterior untuk Parameter Model Regresi Multivariat . 19 4.4 Estimasi Parameter Model Regresi Multivariat . . . 20
4.5 Penerapan . . . 21
V PENUTUP 27 5.1 Kesimpulan . . . 27
5.2 Saran . . . 27