| dc.contributor |
Fakultas Matematika dan Ilmu Pengetahuan Alam |
|
| dc.creator |
Ichsan, Helmi Fairuz |
|
| dc.creator |
Kudus, Abdul |
|
| dc.date |
2021-01-22 |
|
| dc.date.accessioned |
2021-03-15T03:45:09Z |
|
| dc.date.available |
2021-03-15T03:45:09Z |
|
| dc.identifier |
http://karyailmiah.unisba.ac.id/index.php/statistika/article/view/26065 |
|
| dc.identifier |
10.29313/.v7i1.26065 |
|
| dc.identifier.uri |
http://hdl.handle.net/123456789/28852 |
|
| dc.description |
Abstract. This paper discusses extreme data modeling of new Covid-19 positive cases in Indonesia. This analysis aims to estimate Gumbel distribution model, which was fitted to weekly maximum new positive Covid-19 data in Indonesia. The data spanned from March to July 2020. The Gumbel distribution is a family member of the extreme value distribution. The estimation procedure used the Bayes approach. The simulated generated sample value will follow the posterior distribution if the average acceptance probability between 0.4 to 0.5. The algorithm's convergence was determined using a trace plot, autocorrelation plot, and ergodic mean plot. The parameter estimates are obtained from the average value of the simulation results after the burn-in period. From the research conducted, it can be concluded that the parameter estimation of μ and v is 2.93122 and 3.70536 with the standard error of 0.01554 and 0.01535.Keywords: Bayes, Gibbs Sampler, Gumbel.Abstrak. Penelitian ini membahas permodelan data ekstrem pasien positif baru Covid-19 di Indonesia. Tujuan analisis ini adalah untuk menduga parameter model dari data ekstrem pasien positif baru Covid-19 di Indonesia. Data yang digunakan adalah data sekunder hasil catatan periode Maret hingga Juli tahun 2020. Data tersebut dimodelkan dengan distribusi Gumbel yang merupakan keluarga dari distribusi extreme value. Penaksiran parameter model menggunakan pendekatan Bayes dan metode Markov Chain Monte Carlo menggunakan versi algoritme Gibbs Sampler. Nilai sampel bangkitan hasil simulasi akan mengikuti distribusi posteriornya apabila nilai peluang penerimaan rata-ratanya berada diantara 0.4 hingga 0.5. Penentuan konvergensi algoritme dilakukan melalui trace plot, autocorrelation plot dan ergodic mean plot. Taksiran parameter diperoleh dari rata-rata nilai sampel hasil simulasi dari iterasi setelah burn-in period hingga iterasi terakhir. Dari penelitian yang dilakukan dapat disimpulkan bahwa pendugaan parameter dan adalah 2.93122 dan 3.70536 dengan masing-masing standard errornya adalah 0.01554 dan 0.01535.Kata Kunci: Bayes, Gibbs Sampler, Gumbel, MCMC. |
|
| dc.format |
application/pdf |
|
| dc.language |
eng |
|
| dc.publisher |
Universitas islam Bandung |
|
| dc.relation |
http://karyailmiah.unisba.ac.id/index.php/statistika/article/view/26065/pdf |
|
| dc.rights |
Copyright (c) 2021 Prosiding Statistika |
|
| dc.source |
Prosiding Statistika; Vol 7, No 1, Prosiding Statistika (Februari,2021); 230-237 |
|
| dc.source |
Prosiding Statistika; Vol 7, No 1, Prosiding Statistika (Februari,2021); 230-237 |
|
| dc.source |
2460-6456 |
|
| dc.source |
10.29313/.v7i1 |
|
| dc.subject |
Statistika |
|
| dc.subject |
Bayes, Gibbs Sampler, Gumbel, MCMC |
|
| dc.title |
Pendugaan Model Distribusi Gumbel untuk Data Ekstrem Pasien Positif Baru COVID-19 di Indonesia dengan Metode Bayes |
|
| dc.type |
info:eu-repo/semantics/article |
|
| dc.type |
info:eu-repo/semantics/publishedVersion |
|
| dc.type |
Peer-reviewed Article |
|
| dc.type |
Kuantitatif |
|