Laporkan Masalah

ANALISIS BAYESIAN UNTUK REGRESI KUANTIL DENGAN MENGGUNAKAN ALGORITMA GIBBS SAMPLING

ANNISA HANIF, Prof. Dr. Subanar, Ph.D

2013 | Skripsi | STATISTIKA

Regresi kuantil mendapatkan perhatian yang tinggi baik dari segi teoritis maupun dari sudut pandang empiris. Ini adalah suatu prosedur statistik dengan meminimalkan jumlahan dari asymmetrically weighted absolute dan dapat digunakan untuk memeriksa hubungan antara kuantil dari distribusi variabel dependen. Regresi kuantil dapat digunakan untuk mengatasi keterbatasan regresi linear dalam menganalisis sejumlah data yang berbentuk lonceng tidak simetris dan regresi kuantil sangat berguna jika distribusi data tidak homogen. Regresi Kuantil dapat diestimasi menggunakan metode Bayesian. Metode Bayesian adalah metode analisis yang berdasarkan pada informasi yang berasal dari sampel dan informasi prior. Gabungan informasi ini disebut posterior. Untuk mencari distribusi posterior seringkali menghasilkan perhitungan yang tidak dapat diselesaikan secara analitis sehingga digunakan pendekatan Gibbs sampling. Estimasi parameter dari model adalah mean dari distribusi posterior yang diperoleh dari proses Gibbs sampling tersebut. Dalam skripsi ini dibahas regresi kuantil menggunakan asymmetric Laplace distribution dari sudut pandang Bayesian. Digunakan algoritma Gibbs sampling untuk mencari estimator dari model regresi kuantil berdasarkan parameter lokasi dan skala dari mixture representation asymmetric Laplace distribution. Studi kasus dalam skripsi ini membahas faktor apa saja yang mempengaruhi harga emas. Hasil estimasi regresi kuantil dengan metode Bayesian akan dibandingkan dengan regresi linear menggunakan metode OLS, dan dibandingkan dengan metode regresi kuantil. Lalu didapatkan kesimpulan bahwa metode Bayesian lebih baik daripada estimasi yang lainnya

Quantile regression has received increasing attention both from a theoretical and from an empirical view point. It is a statistical procedure that minimizing sums of asymmetrically weighted absolute and can be used to explore the relationship between quantile of response distribution. Quantile regression can be used to overcome the limitation of linear regression to analyze data not symmetric and quantile regression is useful if the distribution of datais not homogeneous. Quantile regression can be estimated using Bayesian method. Bayesian method is a method of analysis based on information from sample and prior information. Combination of those informations is called posterior. For looking posterior dsitribution often result in calculation can not be solved with analytical so Gibbs sampling approach is used. Estimation of parameters in the model is the mean of the posterior distribution that obtained from Gibbs sampling process. In this paper discused quantile regression using an asymmetric Laplace distribution from Bayesian point of view. Gibbs sampling is used to find the estimator of quantile regression model based on a location-scale mixture representation asymmetric Laplace distribution. The case study in this paper discusses the factors that effect the gold price. The estimation result of quantile regression using Bayesian method will be compared with linear regression using OLS method, and compared with quantile regression method. And then it was concluded that the Bayesian method is better than the otherconclusion

Kata Kunci : Regresi Kuantil, Bayesian, Gibbs sampling, Asymmetric Laplace Distribution


    Tidak tersedia file untuk ditampilkan ke publik.