ESTIMASI BAYESIAN PADA MODEL PERSAMAAN STRUKTURAL DENGAN VARIABEL KATEGORIK TERURUT

RINI YUNITA, Prof. Drs. H. Subanar. Ph.D

2013 | Tesis | S2 Matematika

Tesis ini menjelaskan tentang estimasi parameter dari model persamaan struktural dengan variabel kategorik terurut menggunakan metode Bayes. Asumsi dasar dari SEM covarian-based adalah data berskala interval dan memenuhi asumsi normalitas. Data kategorik ordinal dapat dijadikan sebagai data kontinu berdistribusi normal dengan mencari threshold paramater masing-masing data. Metode Bayes menganalisa data sampel dengan mempertimbangkan informasi prior, dengan tujuan untuk meminimalkan tingkat kesalahan. Proses estimasi dilakukan secara numerik menggunakan metode Monte Carlo, yaitu Gibbs Sampling dan Metropolis Hasting.

This thesis describes the parameter estimation of structural equation models with ordered categorical variables using Bayesian methods. The basic assumption of SEM-based covarian is interval scale data and meet the assumptions of normality. Ordinal categorical data can be used as normally distributed continuous data by searching for each threshold parameter data. Bayes methods analyze sample data with prior information into account, in order to minimize the error rate. The estimation process performed numerically using a Monte Carlo method, namely Gibbs Sampling and Metropolis Hasting.

Kata Kunci : Model Persamaan Struktural, Metode Bayes, Data Kategorik, Threshold, Gibbs Sampling, Metropolis Hasting