Académique Documents
Professionnel Documents
Culture Documents
ANNISA HANIF
09/283391/PA/12540
DAFTAR ISI
i
ii
iii
iv
v
vii
ix
x
xi
xii
xiii
BAB I.
PENDAHULUAN ......................................................................
1.1. Latar Belakang ....................................................................
1.2. Pembatasan Masalah ............................................................
1.3. Tujuan Penulisan..................................................................
1.4. Tinjauan Pustaka ..................................................................
1.5. Metode Penulisan .................................................................
1.6. Sistematika Penulisan ..........................................................
1
1
3
3
3
4
5
BAB II.
LANDASAN TEORI..................................................................
2.1. Plobabilitas Bersyarat dan Independensi...............................
2.2. Matriks ................................................................................
2.2.1. Pengertian Matriks ....................................................
2.2.2. Operasi Matriks ..........................................................
2.3. Variabel Random .................................................................
2.4. Distribusi Variabel Random .................................................
2.4.1. Distribusi Normal .......................................................
2.4.2. Distribusi Normal Multivariat ....................................
2.4.3. Distribusi Eksponensial ..............................................
2.4.4. Distribusi Gamma ......................................................
2.4.2. Distribusi Inverse Gamma .........................................
2.5. Kuantil .................................................................................
2.6. Fungsi Karakteristik .............................................................
2.7. Analisis Regresi Ganda ........................................................
2.8. Ordinary Least Square (OLS) .............................................
2.8.1. Estimator Ordinary Least Square ...............................
2.9. Fungsi Likelihood................................................................
2.10. Metode Bayesian ...............................................................
2.10.1. Inferensi Bayesian ....................................................
2.10.2. Distribusi Posterior...................................................
2.10.3. Distribusi Prior Sekawan ..........................................
6
6
7
7
9
11
11
11
12
12
12
12
13
13
13
14
15
16
16
17
17
18
vii
18
18
19
20
20
BAB III
22
22
24
24
28
BAB IV
36
37
38
38
40
40
41
BAB V
43
44
PENUTUP .................................................................................. 47
5.1. Kesimpulan .......................................................................... 47
5.2. Saran.................................................................................... 48
viii
BAB V
PENUTUP
5.1.
Kesimpulan
Berdasarkan pembahasan dan studi kasus dari bab-bab sebelumnya,
Bayesian
dengan
menggunakan
algoritma
Gibbs
sampling
= 220,81 38,75(
) + 1,52(
) + 15,63(
BI rate mempengaruhi harga emas secara negatif, artinya jika nilai BI rate turun,
maka harga emas pun turun. Sedangkan migas dan inflasi mempengaruhi secara
positif. Artinya, harga emas akan naik jika inflasi dan harga migas naik.
47
48
5.2.
Saran
Saran untuk penelitian selanjutnya yaitu :
1. Model regresi kuantil dengan metode Bayesian yang dibahas dalam skripsi ini
adalah model linear, bagi yang ingin mendalami lebih lanjut dapat digunakan
model
selain
model
linear
seperti
model
nonparametrik,
model
BAB I
PENDAHULUAN
1.1.
Latar Belakang
Berawal dari kebutuhan analisis data untuk memprediksi suatu nilai bila
simetris atau kemiringan (titik pusat) data bukan terletak pada mediannya
melainkan pada potongan kuantil tertentu. Maka pendekatan median dirasa kurang
untuk mengatasi permasalahan tersebut.
Selanjutnya dikembangkan metode regresi kuantil yang pada umumnya
dipakai dalam kasus ekonometrika. Regresi kuantil tidak membutuhkan asumsi
error dalam model dan estimatornya bersifat tegar terhadap pencilan (outlier)
pada variabel respon. Pendekatannya adalah memisahkan atau membagi data yang
dicurigai ada perbedaan nilai taksiran pada kuantil-kuantil tertentu. Dalam
penarikan sampel, biasanya diperoleh informasi parameter yang akan diestimasi.
Jika informasi tersebut ingin dimasukkan dalam analisis data, maka metode
estimasi yang digunakan tidak memungkinkan untuk memasukkan informasi
tersebut. Oleh karena itu diperlukan metode estimasi lain dengan melibatkan
parameter yang akan diestimasi.
Bayes
memperkenalkan
suatu
metode
yang
diperlukan
untuk
hal ini dengan bantuan algoritma MCMC (Markov Chain Monte Carlo). MCMC
(Markov Chain Monte Carlo) dapat dengan mudah digunakan untuk mendapatkan
ditribusi poterior bahkan dalam situasi yang kompleks.
Penulisan tugas akhir dengan judul Analisis Bayesian untuk Regresi Kuantil
dengan Menggunakan Algoritma Gibbs Sampling ini mengemukakan kombinasi
antara regresi kuantil dan metode Bayesian. Serta, mengkombinasikan antara
inferensi Bayesian dengan bantuan algoritma Gibbs sampling.
1.2.
Pembatasan Masalah
Model regresi kuantil memiliki lingkup yang sangat luas untuk dibahas.
Batasan masalah dalam skripsi ini sangat diperlukan agar tidak terjadi penyimpangan
dengan tujuan awal dan penyelesaian masalah lebih terkonsentrasi. Oleh karena itu,
dalam skripsi ini hanya akan dibahas estimasi parameter model Regresi Kuantil
dengan metode Bayesian melalui metode Markov Chain Monte Carlo (MCMC)
dengan algoritma Gibbs sampling.
1.3.
Tujuan Penulisan
Skripsi yang berjudul Analisis Bayesian untuk Regresi Kuantil dengan
1.4.
Tinjauan Pustaka
Model regresi merupakan model yang paling sering digunakan dalam
bidang ekonometri. Regresi kuantil dikemukakan oleh Koenker dan Basset pada
tahun 1978. Regresi ini berguna untuk menganalisis sejumlah data yang
bentuknya tidak simetris dan juga berguna jika distribusi data tidak homogen.
Regresi kuantil juga bersifat tegar (robust) terhadap pencilan (outlier). Pendekatan
metode regresi kuantil dengan memisahkan atau membagi data menjadi dua atau
lebih kelompok dimana dicurigai adanya perbedaan nilai dugaan pada kuantilkuantil tertentu.
Pada tahun 2001 Keming Yu dan Rana A. Moyeed mempopulerkan
metode Bayesian pada regesi kuantil. Keming Yu dan Rana A. Moyeed
memperkenalkan gagasan regresi kuantil menggunakan fungsi likelihood yang
didasarkan pada asymmetric Laplace distribution. Penggunaan distribusi ini
merupakan cara alami dan efektif untuk pemodelan regresi kuantil Bayesian. Yu
dan Moyeed memperkenalkan regresi kuantil Bayesian menggunakan metode
Markov Chain Monte Carlo (MCMC) untuk inferensi posteriornya. Dalam
metodenya
mereka
menggunakan
algoritma
Metropolis-Hasting
untuk
Laplace
distribution.
Mereka
memaparkan
bahwa
dengan
1.5.
Metode Penulisan
Metode yang digunakan dalam penyusunan skripsi ini adalah studi
1.6.
Sistematika Penulisan
Skripsi ini disusun dengan sistematika penulisan sebagai berikut :
BAB I
PENDAHULUAN
Bab ini membahas latar belakang masalah, pembatasan masalah,
tujuan penulisan, metode penulisan, dan sistematika penulisan.
BAB II
DASAR TEORI
Bab ini membahas tentang teori-teori yang menunjang pembahasan
pada bab-bab berikutnya.
BAB III
BAB IV
STUDI KASUS
Bab ini berisi tentang deskripsi data, estimasi parameter
menggunakan metode OLS, regresi kuantil dan metode Bayesian.
BAB V
PENUTUP
Pada bab terakhir ini, diberikan beberapa kesimpulan dan saran
dari hasil pembahasan pada bab-bab sebelumnya.
DAFTAR PUSTAKA
Agustan, Rizon., 2010, Regresi Kuantil untuk Menjelaskan Dispersi dari Efek
Prediktor, Skripsi, Jurusan Matematika FMIPA UGM, Yogyakarta.
Bain, L.J. and Engelhardt, M., 1992, Introduction to Probability and
Mathematical Statistics, 2nd Edition, Duxbury Press, California.
Gujarati, 1999, Essentials of Econometrics,
Gujarati, 2004, Basic Econometrics, 4th edition, The McGraw-Hill Companies,
New Jersey.
Hamada, M. S., Wilson, A. G., Reese, C. S., and Martz, H. F., 2008, Bayesian
Reliability, Springer Science+Bussiness Media, LLC, New York.
Hoff, P.D., 2009, A First Course in Bayesian Statistical Methods, Springer, New
York.
Koenker, R., 2005, Quantile Regression, Camridge University Press, London.
Koenker, R. and Basset, G., 1978, Regression Quantile, Econometrica, Vol.46,
No.1.
Kotz et al, 2003, An Asymmetric Multivariate Laplace Distribution, New York.
Kozumi, H. and Kobayashi, G., 2009, Gibbs Sampling Methods for Bayesian
Quantile Regression, Technical Report, Kobe University.
Montgomery, Douglas, C. and Peck, Elizabeth, A., 1982, Introduction to Linear
Regression Analysis, New York.
Ratnawati, Latifah, 2013, Regresi Kuantil dengan Metode Bayesian, Skripsi,
Jurusan Matematika FMIPA UGM, Yogyakarta.
Reed, Craig., 2011, Bayesian Parameter Estimation and Variable Selection for
Quantile Regression, University of Brunel, West London.
Robert, V, Hogg. and Allen, Craig., 1978, Introduction to Mathematical Statistics,
4th Edition, USA.
Rosadi, D., 2005, Diktat Praktikum Komputasi Statistika Pengantar Analisa
Statisika dengan R, Program Studi Statistika FMIPA UGM, Yogyakarta.
Soejoeti, Z. dan Subanar, 1988, Inferensi Bayesian, Universitas Terbuka, Jakarta.
Subanar, 2006, Inferensi Bayesian, Penerbit Universitas Terbuka, Jakarta.
Subanar, 2011, Diktat Kuliah Pengantar Teori Ukuran dan Probabilitasl,
Program Studi Statistika FMIPA UGM, Yogyakarta.
Tsionas, E., 2003, Bayesian Quantile Inference, Greece.
Walpole, 1993, Pengantar Statistika, Gramedia, Jakarta.
49
50
Yu, K. and Moyeed, R.A., 2001, Bayesian Quantile Regression, Plymouth PLA
8AA UK.
Yu, K. and Zhang, Jin, 2005, Bayesian Quantile Regression:An Application to the
Wage Distribution in 1990s Britain, Brunel University, UK.
Yu, K. and Lu, Zidu, 2003, Quantile Regression : Applications and Current
Research Areas, University of Plymouth, UK.
Zulaela, 2010, Modul Praktikum Analisis Regresi Terapan, Laboratorium
Komputasi Matematika dan Statisika UGM, Yogyakarta.
ABSTRACT
BAYESIAN ANALYSIS FOR QUANTILE REGRESSION USING GIBBS
SAMPLING ALGORITHM
by
Annisa Hanif
09/283391/PA/12540
xiii