Pengembangan Model Linear Hirarki Dengan Pendekatan Bayesian Untuk Pemodelan Data Pengeluaran Perkapita Rumah Tangga

Ismartini, Pudji (2013) Pengembangan Model Linear Hirarki Dengan Pendekatan Bayesian Untuk Pemodelan Data Pengeluaran Perkapita Rumah Tangga. Doctoral thesis, Institut Teknologi Sepuluh Nopember.

Text 1309301704-Doktoral.pdf - Accepted Version Restricted to Repository staff only Download (93MB)

Abstract

Disertasi ini bertujuan untuk melakukan pengembangan model linear hirarki Bayes untuk data pengeluaran perkapita rumahtangga. Pengembangan model dilakukan dengan memperhitungkan kekhususan yang ada dalam data yang dimiliki BPS yang memuat struktur hirarki khusus dengan sumber variasi yang
kompleks dan pola distribusi data pengeluaran perkapita rumahtangganya memiliki karakteristik distribusi skewed kanan. Kekhususan kondisi data tersebut akan menjadi salah satu keunikan dari penelitian ini. Pemodelan tersebut dilakukan dengan menggunakan distribusi Log-nom1al tiga parameter (LN3) dan Log-logistik tiga parameter (LLD3). Proses estimasi dilakukan dengan pendekatan Bayesian menggunakan Markov Chain Monte Carlo (MCMC) dan algoritma Gibbs Sampling. Pemodelan dilakukan dengan model linear hirarki dua tingkat menggunakan karakteristik rumahtangga di tingkat pertama dan
karakteristik wilayah kabupaten/kota di tingkat kedua. Hasil yang diperoleh menunjukkan bahwa kedua altematif model memiliki kinerja yang hampir sama dalam memprediksi nilai pengeluaran perkapita rumahtangga. Keragaman data yang dapat dijelaskan oleh kedua model terse but adalah 54,7 % untuk model LN3 dan 53,9% untuk model LLD3. Hasil diagnostik model dan validasi silang dengan data testing menunjukkan bahwa model LN3 lebih dapat diandalkan untuk rnemprediksi pengeluaran perkapita rumahtangga dibandingkan model LLD3. Validitas model menunjukkan model tersebut masih layak dan eliabel digunakan hingga satu tahun kedepannya, yaitu tahun 2010.
======================================================================================================================================
The objective of this dissertation is to undertake the development of hierarchical linear models for modelling per capita household expenditure data by using the case of Central Java Province. The model development is done by taking into account the uniqueness of the data held by BPS comprising a particular hierarchical structure with a complex source of variation and also the characteristic of the distribution pattern of per capita household expenditure data that has a right-skewed distribution. Specificity of these data will be one of the uniqueness of this study. This modeling is set on the basis of the three parameters of log-normal distribution (LN3) and the three parameters of log-logistic distribution (LLD3). The estimation process is then accomplished by using a Bayesian approach with Markov Chain Monte Carlo (MCMC) and Gibbs sampling algorithms. The modeling scheme, utilized in this research, is the two levels of hierarchical linear model by using household characteristics at the first level and the district characteristics on the second level. The results obtained show that the two alternative models yield a quite similar performance in predicting the value of per capita household expenditure. The variation of data that can be explained by both LN3 and LLD3 models was 54.7% and 53.9%, respectively. However, the diagnostic and cross validation models clarify that the LN3 model is more reliable to predict per capita household expenditure than the LLD3 model. It is also certified that the LN3 model is feasible and reliable to be applied up to one year ahead, ie in 2010.

Item Type:	Thesis (Doctoral)
Uncontrolled Keywords:	Model Linear Hiraki, Bayesian, MCMC, Gibbs Sampling, LN3, LLD3, pengeluaran perkapita rumahtangga Hierarchical Linear Model, Bayesian, MCMC, Gibbs Sampling, LN3, LLD3, Per Capita Household Expenditure
Subjects:	H Social Sciences > HA Statistics H Social Sciences > HA Statistics > HA29 Theory and method of social science statistics
Divisions:	Faculty of Mathematics and Science > Statistics > 49001-(S3) PhD Thesis
Depositing User:	magang .
Date Deposited:	26 Jan 2026 03:43
Last Modified:	26 Jan 2026 03:43
URI:	http://repository.its.ac.id/id/eprint/130261

Actions (login required)

View Item