Segmentasi Bayesian Hirarki untuk Model AR Stasioner Konstan per Segmen Menggunakan Algoritma Reversible Jump MCMC

by Suparman
( Pendidikan Matekmatika FKIP UAD )

Date Published: 02 Dec 2013
Published In: Seminar Nasional Sistem Informasi Indonesia (SESINDO)
Volume: 2013
Publisher: Departemen Sistem Informasi, Institut Teknologi Sepuluh Nopember
Language: id-ID

Keywords: Bayesian,Reversible jump MCMC,segmentasi,AR.

Abstract

Makalah ini membahasmasalahsegmentasidata dalamkerangkaBayesiandengan menggunakansampling reversibeljumpMCMC.Datadimodelkanolehmodel autoregresif konstan sepotong demi sepotong, di mana banyaknya segmen,orde dankoefisien prosesARuntuk setiap segmentidak diketahui. Algoritmareversible jump MCMCkemudian digunakanuntuk menghasilkan sampelyang didistribusikansesuai dengan distribusiposteriorgabungan dariparameter yang tidak diketahui. Sampel inimemungkinkanuntuk menghitungbeberapa fiturmenarik daridistribusiposterior.Kinerjametodeini diilustrasilan denganbeberapahasilsimulasi. Dari hasil simulasi menunjukkan bahwa algoritma reversible jump MCMC dapat mengestimasi parameter model AR stasioner konstan per segmen dengan baik.


© 2019 Open Access Journal of Information Systems (OAJIS) | created by : radityo p.w (http://about.me/radityopw) and rully a.h (eraha99 [at] gmail.com)