Daftar Isi: Model Glarma Binomial Negatif Dengan Pendugaan Algoritma Metropolis Hasting-Kalman Filter (Studi Kasus Banyaknya Kejadian Kecelakaan Lalu Lintas Kategori Berat Di Wilayah Hukum Polres “X”)

Daftar Isi:

Data univariat time series yang berdistribusi poisson dengan kasus overdispersi di modelkan menggunakan analisis Generalized Linear Autoregressive Moving Average (GLARMA) Binomial Negatif. Analisis pendugaan parameter menggunakan Algoritma Metropolis Hasting-Kalman Filter. Algoritma Metropolis Hasting didasarkan pada distribusi beta sebagai distribusi prior konjugat dan distribusi posterior dari perkalian distribusi prior dengan fungsi likelihood binomial negatif. Pendugaan parameter menggunakan Algoritma Kalman Filter menggunakan serangkaian pengukuran pengamatan dari waktu ke waktu, mengandung noise statistik, dan menghasilkan estimasi parameter yang tidak diketahui menggunakan perkiraan distribusi probabilitas bersama sehingga menghasilkan pendugaan yang sesuai dengan meminimalkan mean square error (MSE). Penggunaan Algoritma Metropolis Hasting-Kalman Filter pada pendugaan model GLARMA Binomial Negatif menghasilkan MSE sebesar 0.6318947. Hasil MSE Algoritma Metropolis Hasting-Kalman Filter lebih kecil daripada Algoritma Metropolis Hasting, sehingga dapat disimpulkan bahwa Algoritma Kalman Filter mampu memperkecil MSE pada pendugaan model GLARMA Binomial Negatif.