Penggunaan Metode Bayesian Melding Dalam Estimasi Parameter Model Demam Berdarah dengan Teknik SIR (Sampling Importance Re-Sampling) dan IMIS (Incremental Mixture Importance Sampling)
Daftar Isi:
- Bayesian Melding, kata “melding” sama artinya “combining” atau kombinasi mengenai informasi input dan output pada model deterministik. Sedangkan Bayesian disini adalah inferensi bayes dimana estimasi parameternya menggunakan distribusi prior dan likelihood untuk menghasilkan distribusi posterior. Bayesian Melding merupakan suatu metode untuk mengestimasi ketidakpastian yang mengkombinasikan informasi input dan output pada model deterministik dengan cara bayes. Dalam mengestimasi parameter, Bayesian Melding mengandalkan tiga sumber informasi untuk menghasilkan distribusi posterior yaitu distribusi prior dari input, serta likelihood dari input dan output. Distribusi posterior diperoleh dengan bantuan beberapa teknik yaitu SIR (Sampling Importance Resampling), IMIS (Incremental Mixture Importance Resampling) dan MCMC (Markov Chain Monte Carlo). Semua teknik merupakan teknik pencarian bobot terbaik untuk menghitung distribusi posterior-nya. Estimasi parameter Model Infeksi Demam Berdarah (Ro) dengan teknik IMIS diyakini memberikan hasil estimasi parameter dengan nilai error terkecil dibandingkan teknik lain.