Pendugaan Parameter Model Multivariat Normal Hidden Markov

Main Article Content

Miftahul Fikri Samsurizal Samsurizal

Abstract

Model hidden Markov terdiri dari sepasang proses stokastik yaitu proses observasi dan proses yang memengaruhi observasi. Proses stokastik yang memengaruhi observasi ini diasumsikan membentuk rantai Markov dan tidak diamati. Model Multivariat Normal hidden Markov (model MNHM) adalah salah satu model hidden Markov dan proses observasinya jika diketahui proses yang memengaruhinya diasumsikan menyebar multivariat Normal. Permasalahan utama model MNHM ialah menduga parameter yang memaksimumkan fungsi likelihood. Fungsi likelihood dihitung menggunakan algoritme Forward-Backward. Algoritme Expectation Maximization (algoritme EM) digunakan untuk memaksimumkan fungsi likelihood.

Article Details

How to Cite
FIKRI, Miftahul; SAMSURIZAL, Samsurizal. Pendugaan Parameter Model Multivariat Normal Hidden Markov. Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai-Nilai Islami), [S.l.], v. 3, n. 1, p. [346-351], feb. 2020. Available at: <http://conferences.uin-malang.ac.id/index.php/SIMANIS/article/view/972>. Date accessed: 06 aug. 2020.
Section
Mathematics

References

[1]. Baum LE, Petrie T, Soules G, Weiss N. 1970. A maximization technique occuring in the statistical estimation for probabilistic functions of Markov chains. The Annals of Statistics. 41:164-171.
[2]. Dempster AP, Laird NM, Rubin DB. 1977. Maximum likelihood from incomplete data via the EM algorithm. Journal of the Royal Statistical Society. 39:1-38.
[3]. Ghahramani S. 2005. Fundamental of Probability. 2nd Ed. New Jersey: Prentice Hall.
[4]. Grimmet GR, Stirzaker DR. 2001. Probability and Random Processes. 3rd Ed. Oxford: Clarendon Press.
[5] Hogg RV, McKean JW, Craig AT. 2005. Introduction to Mathematical Statistics. 6^th Ed. New Jersey (US): Prentice Hall.
[6]. MacDonald IL, Zucchini W. 1997. Hidden Markov and Other Models for Discrete- Valued Time Series. Chapman and Hall, London.
[7]. Paroli R, Redaelli G, Spezia L. 2000. Poisson hidden Markov models for time series of overdispersed insurance counts. Astin Colloquium. 461-474.
[8]. Paroli R, Spezia L. 1999. Gaussian hidden Markov models: parameters estimation and applications to air pollution data. [E.P.n. 94]. Milan (IT): Universita Cattolica Del Sacro Cuore.
[9]. Ross SM. 1996. Stochastic Processes. 2nd Ed. New York: John Wiley & Sons.
[10]. Ekananda, M. 2016. Analisis Ekonometrika Data Panel (Kedua). Jakarta: Mitra Wacana Media.
[11]. (http://www.idx.co.id/idx-syariah/indeks-saham-syariah, diakses pada tanggal 30 Agustus 2018)
[12]. Spezia L. 2010. Bayesian analysis of multivariate Gaussian hidden Markov models with an unknown number of regimes. Journal of Time Series Analysis. 31: 1-1