Abstrak 
Pendekatan Bayesian Dalam Penaksiran Parameter Pada Model Hidden Markov
Pendekatan Bayesian Dalam Penaksiran Parameter Pada Model Hidden Markov
Dwi Agustin N.S
Unpad
Indonesia
Unpad
Bayesian, Bayesian Approach, Gibbs Sampler, Hidden Markov Model, Hidden Markov models, Klasifikasi Iklim Schmidth dan Fergusson, Schmidth and Fergusson's Climate Classification
Dwi Agustin N.S
Unpad
Indonesia
Unpad
Bayesian, Bayesian Approach, Gibbs Sampler, Hidden Markov Model, Hidden Markov models, Klasifikasi Iklim Schmidth dan Fergusson, Schmidth and Fergusson's Climate Classification
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 likelihood 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 dalam proses simulasi penaksiran parameter yaitu algoritma Gibbs Sampler.
This thesis presents study about the parameter estimation in hidden markov model. The approach taken was a Bayesian method, there will be two sources of information,there 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 were used in this thesis 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 was Gibbs Sampler algorithm.
Download: .pdf