BAB VI KESIMPULAN DAN SARAN. adalah banyaknya hari hujan.

dokumen-dokumen yang mirip
PEMODELAN SEEMINGLY UNRELATED REGRESSION DENGAN PENDEKATAN BAYESIAN PADA SEKTOR UTAMA DI JAWA TIMUR

Optimalisasi Portofolio Saham Dengan Bayesian Markov Chain Monte Carlo Menggunakan Pendekatan Model Mixture of Mixture

ESTIMASI PARAMETER MODEL REGRESI MULTIVARIAT BAYESIAN DENGAN DISTRIBUSI PRIOR INFORMATIF 1. PENDAHULUAN

BAB V KESIMPULAN DAN SARAN

BAB V KESIMPULAN DAN SARAN

ESTIMASI MODEL PERSAMAAN STRUKTURAL MELALUI PENDEKATAN BAYESIAN (Studi Kasus: Data Kinerja Pegawai Universitas Bina Darma Palembang)

Mega Khoirunnisak 1, Nur Iriawan 2

Penerapan Metode Bayes dalam Menentukan Model Estimasi Reliabilitas Pompa Submersible pada Rumah Pompa Wendit I PDAM Kota Malang

ESTIMASI PARAMETER DAN INTERVAL KREDIBEL DENGAN MODEL REGRESI LINIER BERGANDA BAYESIAN

PEMODELAN DATA MIGRASI MENGGUNAKAN MODEL POISSON BAYESIAN

MODEL REGRESI WEIBULL DENGAN ADDITIVE FRAILTIES PADA DATA SURVIVAL. Universitas Hasanuddin

ESTIMASI MODEL PERSAMAAN STRUKTURAL MELALUI PENDEKATAN BAYESIAN (Studi Kasus: Data Kinerja Pegawai Universitas Bina Darma Palembang)

PEMODELAN KESEHATAN BANK DI INDONESIA MENGGUNAKAN PROPORTIONAL HAZARD DENGAN PENDEKATAN BAYESIAN

KESIMPULAN DAN SARAN SARAN

PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2011 ISBN:

BAB IV PENUTUP. berkorelasi secara contemporaneous. Korelasi galat contemporaneous terjadi

PENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL

PENERAPAN REGRESI ZERO INFLATED POISSON DENGAN METODE BAYESIAN

ESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN

Estimasi MCMC untuk Model GARCH(1,1) Studi Kasus: Kurs beli JPY dan EUR terhadap IDR

STRUCTURAL EQUATIO MODELLI G (SEM) DE GA MODEL STRUKTURAL REGRESI SPASIAL. Tisti Ilda Prihandini 1, Sony Sunaryo 2

PERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK

ANALISIS REGRESI LOGISTIK DENGAN METODE PENDUGA BAYES UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEJADIAN BAYI BERAT BADAN LAHIR RENDAH

BAB V KESIMPULAN DAN SARAN

Pemodelan Hazard Proporsional dengan Perkalian Gamma Frailty Menggunakan Pendekatan Bayesian

Penentuan Daerah Kritis Terbaik dengan Teorema Neyman- Pearson

PEMODELAN BAYESIAN KONSUMSI RUMAH TANGGA AGREGAT MENGGUNAKAN PRIOR ZELLNER. Muhammad Fajar Staf BPS Kabupaten Waropen. Abstrak

MODEL PARTISIPASI PEMILIH MASYARAKAT KABUPATEN DHAMASRAYA PADA PEMILU 2014 DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK BAYESIAN

REGRESI LINIER BERGANDA

ESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) Abstract

BAB V KESIMPULAN DAN SARAN

Analisis Pengaruh Kualitas Layanan, Kepuasan Pelanggan, dan Kepercayaan terhadap Loyalitas Pelanggan Flexi Mobile Broadband

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM

PENDUGAAN DATA HILANG DENGAN MENGGUNAKAN DATA AUGMENTATION. Abstract

JURNAL GAUSSIAN, Volume 2, Nomor 3, Tahun 2013, Halaman Online di:

oleh YUANITA KUSUMA WARDANI M

ESTIMASI PARAMETER MODEL REGRESI MULTIVARIAT BAYESIAN DENGAN DISTRIBUSI PRIOR NONINFORMATIF JEFFREYS 1. PENDAHULUAN

Aplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri

Bagan Kendali Rasio Likelihood dan Aplikasinya pada Data Kurs Mata Uang dan Industri

BAB VII KESIMPULAN DAN SARAN

(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG)

BAB V KESIMPULAN DAN SARAN

Model Cox Extended dengan untuk Mengatasi Nonproportional Hazard pada Kejadian Bersama

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Teknik Simulasi Kode/SKS: SS / (2/1/0) Dosen : NI, PPO Semester : V

PERBANDINGAN KINERJA DIAGRAM KONTROL G DAN DIAGRAM KONTROL S BESERTA APLIKASINYA

ANALISIS FAKTOR TERHADAP DATA PENGGUNAAN WEB PERSONAL DOSEN ITS DAN PERBANDINGAN TERHADAP PENCAPAIAN IPK DAN LAMA STUDI MAHASISWA

(M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT

PEMANFAATAN MODEL MIXTURE OF MIXTURE DALAM PENYUSUNAN PORTOFOLIO SAHAM BANK BCA DAN BNI DENGAN MINIM RESIKO

PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)

ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB 1 PENDAHULUAN. metode yang bisaanya digunakan dalam estimasi parameter yakni Ordinary Least

Taksiran Titik Parameter Populasi pada Small Area dengan Metode Spatial Empirical Bayes Berdasarkan Model Tingkat Area

BAB VI KESIMPULAN DAN SARAN

BAB VI KESIMPULAN DAN SARAN

RESIDUAL COX-SNELL DALAM MENENTUKAN MODEL TERBAIK DALAM ANALISIS SURVIVAL

Diagram ARL W i & W Ri. Varian

Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar

BAB IV KESIMPULAN DAN SARAN. maka dapat disimpulkan sebagai berikut: 1. Langkah-langkah dalam menentukan model EGARCH pada pemodelan data

ANALISIS PENJUALAN BAHAN BAKAR MINYAK (BBM) dari PT. PERTAMINA (PERSERO) UPms V SURABAYA dengan METODE ARIMA BOX JENKINS

Kata Kunci: Analisis Regresi Linier, Penduga OLS, Penduga GLS, Autokorelasi, Regresor Bersifat Stokastik

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI NIRA MENTAH DAN AMPAS TEBU DI PG CANDI BARU SIDOARJO

Menampilkan Penaksir Parameter pada Model Linear * Mulyana **

BAB V KESIMPULAN DAN SARAN

BAB VI KESIMPULAN DAN SARAN

Sidang Akhir Tugas Akhir PERAMALAN KETERSEDIAAN BATUBARA MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE MOVING AVERAGE (VARMA) PADA PT.

ESTIMASI PARAMETER DALAM MODEL RETURN STOKASTIK DENGAN LOMPATAN MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO

MODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN DERET FOURIER PADA KASUS TINGKAT PENGANGGURAN TERBUKA DI JAWA TIMUR

PERENCANAAN OPERASIONAL DISTRIBUSI SURAT KABAR DARI PERCETAKAN KE SEJUMLAH AGEN DI KOTA SURABAYA ABSTRAK

Regresi Cox pada Survei Kompleks (Studi Kasus: Lama Pemberian ASI)

BAB 7 DISTRIBUSI-COMPOUND DAN GENERALIZED SPASIAL MUHAMMAD NUR AIDI

Pemodelan Mixture of mixture dalam Pemilihan Portofolio 1

PENGONTROLAN KUALITAS PROSES PRODUKSI ROKOK UNIT SIGARET KRETEK TANGAN DI PT. X MENGGUNAKAN DIAGRAM KONTROL MULTIVARIAT np (Mnp)

SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS

DAFTAR PUSTAKA Statistic for Experimenters: An Introduction to Design, Data Analysis, and Model Building, Intruduction to Transportation Planning,

Kematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan

Seminar TUGAS AKHIR. Fariz Mus abil Hakim LOGO.

ESTIMASI MCMC UNTUK RETURN VOLATILITY DALAM MODEL ARCH DENGAN RETURN ERROR BERDISTRIBUSI T-STUDENT

IDENTIFIKASI MODEL FUNGSI TRANSFER MENGGUNAKAN PEMODELAN ARIMA OTOMATIS GOMEZ-MARAVALL (STUDI KASUS PADA DATA INFLASI INDONESIA)

PEMILIHAN MODEL REGRESI LINIER DENGAN BOOTSTRAP. Tarno. Jurusan Matematika FMIPA UNDIP Semarang. Subanar Jurusan Matematika FMIPA UGM Yogyakarta

OPTIMALISASI PORTOFOLIO SAHAM MENGGUNAKAN MODEL MIXTURE OF MIXTURE

PERBANDINGAN BAGAN KENDALI T 2 HOTELLING KLASIK DENGAN T 2 HOTELLING PENDEKATAN BOOTSTRAP PADA DATA BERDISTRIBUSI NON-NORMAL MULTIVARIAT

OLEH: SINDY FEBRI A DOSEN PEMBINGBING: Ir. ARIE KISMANTO, M.Si. Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 1

EstimasiParameter ModelMixture Of Mixture Untuk Pengeluaran Rumah Tangga Pada Data Susenas Kota Semarang

KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q)

Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer

UNIVERSITAS MERCU BUANA FAKULTAS : ILMU KOMPUTER PROGRAM STUDI : Sistem Informasi

Pemodelan Mixture of Mixture dalam Pemilihan Portofolio

DAFTAR PUSTAKA. Bollen, K.A Structural Equation With Latent Variables. New York : John Wiley & Sons.

ANALISIS DAN PEMBAHASAN

PENDUGAAN PARAMETER DISTRIBUSI BETA DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

Model Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur

2-RP. C. Deskripsi CP secara umum KKNI Level 6

Informasi Fisher pada Algoritme Fisher Scoring untuk Estimasi Parameter Model Regresi Logistik Ordinal Terboboti Geografis (RLOTG)


BAB VI KESIMPULAN DAN SARAN

METODE PARTIAL LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA

BAB I PENDAHULUAN 1.1. Latar Belakang

PENERAPAN ALGORITMA GENETIKA UNTUK PENENTUAN PENJADWALAN JOB SHOP SECARA MONTE CARLO

ANALISIS TIME SERIES PRODUK DOMESTIK REGIONAL BRUTO PROVINSI JAWA TIMUR DENGAN METODE ARIMA BOX-JENKINS DAN INTERVENSI

Deteksi Pencilan dengan Pendekatan Bayesian pada Regresi Linear (Studi Kasus Hubungan Pengeluaran Rumah Tangga dengan PDRB di Jawa Barat Tahun 2013)

Transkripsi:

BAB VI KESIMPULAN DAN SARAN 6.1 Kesimpulan Berdasarkan analisis data dan pembahasan, dapat diambil beberapa kesimpulan yaitu sebagai berikut : 1. Modul Neo-Normal dapat diaplikasikan ke dalam WinBUGS karena pada saat simulasi densitas hasil yang diperoleh telah sesuai dengan yang diharapkan, yaitu dapat menangkap kemiringan dari suatu data. 2. Pada penelitian ini diperoleh model yang lebih baik adalah hasil dari regresi linear menggunakan metode Bayesian dengan nilai MSE lebih kecil jika dibandingkan hasil OLS (293262170) yaitu sebesar 110800, sehingga diperoleh model regresi linear sebagai berikut : yˆ 15510 1,333 x1 20,91 x3 101,9 x 4 dimana y merupakan Produksi padi dalam ton, kemudian x 1 luas lahan panen (Ha), x 3 luas kerusakan atau puso (Ha) serta x 4 adalah banyaknya hari hujan. 6.2 Saran Modul Neo-Normal ini merupakan tahap awal pembuatan modul Neo-Normal sehingga diharapkan untuk penelitian selanjutnya dapat dikembangkan lagi untuk dicoba ke analisis data yang lain. 51

52 Halaman ini sengaja dikosongkan

DAFTAR PUSTAKA Box, G.E.P. dan Tiao, G.C. 1973. Bayesian Inference in Statistical Analysis. MA : Addison-Wesley. Burr, I.W. 1942. Ann. Mathematics Statistics. 13, pp 215-232. Carlin, B.P. dan Chib, S. 1995. Bayesian Model Choice via Markov Chain Monte Carlo Method, Journal of the Royal Statistical Society, Series B, 57(3), pp 473-484. Chaturvedi, A., Hasegawa, H. dan Asthana, S. 1997. Bayesian Analysis of The Linear Regression Model with Non- Normal Disturbances, Australian Journal of Statistics, 39(3), pp. 277-293. Casella, G dan Berger, R.L. 1992. Explaining Gibbs Sampler, Journal of the American Statistical Association, 46(3), pp 167-174. Congdon, P. 2003. Applied Bayesian Modelling. England : John Wiley & Sons Ltd. Cox, D. R. 1972. Regression Models and Life Tables (with discussion), Journal of the Royal Statistical Society, B 34, pp 187-220. Dewi, M dan Yuliawati, E. 2002. Laporan Kerja Praktek di Badan Pusat Statistik (BPS) Propinsi Jawa Timur. Laporan Kerja Praktek tidak diterbitkan. Surabaya : Jurusan Statistika ITS. Fernández, C. dan Steel, M. F. J. 1998. On Bayesian Modeling of Fat Tails and Skewness, Journal of the American Statistical Association, 93, 359 371. 53

54 Galton, Francis. 1886. Regression Towards Mediocrity in Hereditary Stature, Journal of the Anthropological Institute, 15, pp 246-63 Gelman, A., Carlin, J.B., Stern, H.S. dan Rubin, D.B. 1995. Bayesian Data Analysis, Chapman & Hall, London. Iriawan, N. 1999. On Stable and Adaptive Neo-Normal Distributions. Paper presented at South-East Asia Mathematics Seminar (SEAMS), UGM-Yogyakarta. Iriawan, N. 2000. Computationally Intensive Approaches to Inference in Neo-Normal Linear Models. Tesis tidak diterbitkan. Perth : Cortin University of Technology. Iriawan, N. 2002. Buku Ajar : Teknik Simulasi. Jurusan Statistika ITS Surabaya. Iriawan, N. 2004. Bayesian MCMC Menggunakan WinBUGS pada Estimasi Model Regresi Linear. Majalah IPTEK 15, 1:1-8. Hogg, R.V. dan Craig, A.T. 1995. Introduction to Mathematical Statistics, fifth edition. New-Jersey : Prentice-Hall International, Inc. Widodo. 2004. Buku Ajar : Analisis Data I. Jurusan Statistika ITS Surabaya. Zellner, A. 1971. An Introduction to Bayesian Inference in Econometrics. New York : Wiley. Zellner, A. 1976. Bayesian and non-bayesian Analysis of the Regression Model with Multivariate Student-t Error Terms, Journal of the American Statistical Association,71, 400-405

BIODATA PENULIS Restika Shary merupakan anak pertama dari dua bersaudara, lahir di Tegal pada tanggal 19 November 1986. Penulis merasakan bangku pendidikan di TK Artha Kencana Kediri, setelah itu penulis melanjutkan pendidikannya di SDN Sukorame 2 Kediri selama 6 tahun, yang kemudian pendidikannya dilanjutkan di SLTP Negeri 4 Kediri pada tahun 1999. Pada tahun 2002, penulis melanjutkan pendidikan di sekolah yang selalu diinginkannya, yaitu SMU Negeri 2 Kediri. Setelah menyelesaikan pendidikan di SMA, penulis berkeinginan melanjutkan pendidikan yang lebih tinggi di kota lain 9 tahun berkutat di daerah Kediri. Berbekal kemauan, tekad, kerjakeras, dan doa dari orang tua, penulis mendapat kesempatan untuk merasakan atmosfer kuliah di Jurusan Statistika Institut Teknologi Sepuluh Nopember (ITS) Surabaya melalui jalur Seleksi Penerimaan Mahasiswa Baru (SPMB) pada tahun 2005. Masuk sebagai angkatan ke-16 dengan NRP 1305 100 066. Selama berkuliah penulis aktif di Pengabdian Masyarakat BEM ITS periode 2007-2008 serta di Statistics Computer Course (SCC) Himasta ITS pada 2006 hingga 2009. Bagi pembaca yang memiliki saran, kritik, dan lain sebagainya bisa disampaikan melalui e-mail: r3st_19@yahoo.com