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 ...
-
Code CallNo Lokasi Ketersediaan 01001120700295 519.5 Sir p/R.14.90 Perpustakaan Pusat (REF.14.90) Tersedia -
Perpustakaan Judul Seri -No. Panggil 519.5 Sir p/R.14.90Penerbit Magister Statistika Terapan : Bandung., 2012 Deskripsi Fisik xiii, 43 hlm. ; il. ; 29 cmBahasa IndonesiaISBN/ISSN -Klasifikasi 519.5Tipe Isi -Tipe Media -Tipe Pembawa -Edisi -Subyek Info Detil Spesifik -Pernyataan Tanggungjawab Dwi Agustin Nuriani Sirodj -
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. -
Tidak tersedia versi lain
-
Silakan login dahulu untuk melihat atau memberi komentar.