ANALISIS BAYESIAN PADA REGRESI LOGISTIK MULTIVARIAT DENGAN ALGORITMA MCMC RANDOM WALK METROPOLIS; BAYESIAN ANALYSIS OF MULTIVARIATE LOGISTIC REGRESSION WITH MCMC RANDOM WALK METROPOLIS ALGORITHM

ARIF MARJUKI, Herni Utami

2013 | Skripsi | PROGRAM STUDI STATISTIKA

Di banyak area aplikasi, seperti epidemiologi dan penelitian biomedis, regresi logistik merupakan pendekatan standar untuk analisis data biner maupun data kategorik. Pendekatan umum untuk data jenis ini dapat digunakan pendekatan generalized estimating equation (GEE, Zeger dan Liang, 1986). Meskipun pendekatan GEE memecahkan masalah data biner ataupun data kategorik, namun pendekatan ini bergantung pada asumsi sampel besar.Dalam skripsi ini menggunakan pendekatan metode Bayesian untuk mengestimasi data biner. Pendekatan Bayesian sering kali menghasilkan perhitungan yang rumit dimana melalui integrasi numerik dengan dimensi integral yang cukup besar. Dengan menggunakan algoritma Markov Chain Monte Carlo (MCMC) didapatkan perkiraan distribusi posterior yang tepat, algoritma ini juga tidak memerlukan pembenaran asumsi sampel besar. Algoritma ini juga menghasilkan perhitungan yang cepat dan efisien. Metode estimasi Bayesian melibatkan informasi prior dari parameter yang digunakan. Skripsi ini termotivasi oleh kebutuhan untuk mengembangkan metode Bayesian pada regresi logistik multivariat dengan distribusi prior noninformatif

Kata Kunci : Multivariate binary data; Logistic regression; Bayesian statistic; MCMC algorithm; Metropolis-Hasting algorithm.