Pedekatan Bayesian Dalam Penaksiran Parameter Pada Model Hidden Markov

---

Tesis ini menyajikan sebuah kajian mengenai penaksiran parameter dalam
hidden markov model. Pendekatan yang dilakukan adalah pendekatan bayesian
dimana,akan terdapat dua buah sumber informasi, yaitu informasi dari fungsi
lilcelihood dan informasi dari fungsi prior. Pendekatan ini akan diaplikasikan
pada data curah hujan harian di Darajat, Garut. Banyaknya status hidden yang
akan digunakan adalah tiga buah status sesuai dengan klasifikasi iklim
berdasarkan klasifikasi Schmidth dan Fergusson yang memang cocok dipakai
untuk kondisi daerah tersebut. Algoritma yang digunakan dalarn proses simulasi
penaksiran parameter yaitu algoritma Gibbs Sampler.

10. Abstract

This paper presents study about the parameter estimation in hidden markov
model. The approach is taken from a Bayesian method, there will be two sources of
information, they are information from the likelihood function and the prior function.
This approach will be applied to daily rainfall data in Darajat, Garut. The number
of hidden state are used in this paper consist of three kind of climate states based
on Schmidth and Fergusson's climate classification which are suitable to the local
conditions. The algorithm that used in the simulation process of parameter
estimation is Gibbs Sampler algorithm.

---

Availability @Perpustakaan Pusat

No copy data

Detail Information

Series Title

-

Call Number

519.5 Sir p/R.14.90

Publisher

Bandung : Magister Statistika Terapan., 2012

Collation

xiii, 43 hlm. ; il. ; 29 cm

Language

Indonesia

ISBN/ISSN

-

Classification

519.5

Content Type

-

Media Type

-

Carrier Type

-

Edition

-

Subject(s)

-

Specific Detail Info

-

Statement of Responsibility

-

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment