ESTIMASI PARAMETER MODEL REGRESI PROBIT SPASIAL MENGGUNAKAN SOFTWARE R DENGAN ALGORITME GIBBS SAMPLING

W, YUANITA KUSUMA (2016) ESTIMASI PARAMETER MODEL REGRESI PROBIT SPASIAL MENGGUNAKAN SOFTWARE R DENGAN ALGORITME GIBBS SAMPLING. Other thesis, Universitas Sebelas Maret.

[img]
Preview
PDF
Download (102Kb) | Preview

    Abstract

    Regresi probit adalah regresi dengan variabel dependen bersifat kategorik dengan bentuk dikotomi atau biner. Nilai dari variabel dependen pada regresi probit menyatakan probabilitas suatu kejadian. Pada beberapa kasus sering di- jumpai penerapan regresi probit dengan memperhatikan pengaruh wilayah (spa- sial). Kecenderungan adanya ketergantungan antar daerah yang berdekatan pada data spasial dikenal dengan nama autokorelasi spasial. Akibat adanya autokore- lasi spasial, estimasi parameter dengan ordinary least square (OLS) tidak dapat digunakan sehingga digunakan pendekatan bayesian dengan algoritme Gibbs sam- pling. Algoritme Gibbs sampling merupakan urutan langkah dalam melakukan sampling dengan MCMC. Sampling data secara random menggunakan distribusi tertentu dari distribusi bersyaratnya. Penelitian ini bertujuan untuk menentukan nilai estimasi parameter regresi probit spasial dengan algoritme Gibbs sampling menggunakan software R. Hasil dari penelitian ini yaitu parameter model regresi probit spasial dengan algoritme Gibbs sampling menggunakan software R untuk ˆ sebagai parameter dari vari- abel independen dan ˆ� merupakan koefisien autoregressive spasial lag. Dengan data hasil pembangkitan dari penetapan nilai awal n = 400,m = 10, dan k = 6 serta = (0, 1,−1), dan � = 0.7 diperoleh nilai ˆ = (0.01205, 0.98709,−0.9675) dan ˆ� = 0.68523.

    Item Type: Thesis (Other)
    Subjects: Q Science > QA Mathematics
    Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam
    Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika
    Depositing User: faizah sarah yasarah
    Date Deposited: 27 Jan 2016 15:40
    Last Modified: 27 Jan 2016 15:40
    URI: https://eprints.uns.ac.id/id/eprint/23291

    Actions (login required)

    View Item