Relaunching Blog Statistika Komputasi

Tak terasa lebih dari 3 tahun tidak aktif membuat artikel baru di blog ini karena kesibukan pekerjaan. Seiring dengan perubahan posisi pekerjaan saya sekarang yang justru berada di dunia akademis, maka dengan ini insya Allah saya akan kembali aktif menulis artikel di blog ini.

Sebelumnya saya mohon maaf kepada yang selama ini telah bertanya dan memberikan komentar di blog ini dan selama ini tidak saya balas. Dan akhir kata saya ucapkan terima kasih atas kunjungan Anda ke blog ini.


Seri Bayesian: Prior dalam Metode Bayesian

Karena parameter diperlakukan sebagai variabel maka dalam Bayesian akan mempunyai nilai dalam domain , dengan densitas fQ(). Dan densitas inilah yang akan dinamakan sebagai distribusi prior dari .

Dengan adanya informasi prior yang dipadukan dengan data / informasi saat itu, X, yang digunakan dalam membentuk posterior , maka penghitungan posteriornya akan semakin mudah, yaitu hanya dengan menghitung densitas bersyarat dari diberikan oleh X=x .

Kritikan pada Bayesian biasanya terfokus pada “legitimacy dan desirability” untuk menggunakan sebagai random variabel dan ketepatan mendefinisikan/memilih distribusi prior-nya. Continue reading “Seri Bayesian: Prior dalam Metode Bayesian”

Penerimaan Mahasiswa Baru Tahun Akademik 2011/2012

Kabar gembira buat putra-putri Indonesia! Badan Pusat Statistik (BPS) kembali mencari putra-putri Indonesia terbaik lulusan SMA untuk dididik menjadi seorang statistisi yang handal di Sekolah Tinggi Ilmu Statistik (STIS) Jakarta. Sekolah Tinggi Ilmu Statistik (STIS) – semula bernama Akademik Ilmu Statistik (AIS) – merupakan perguruan tinggi kedinasan yang diselenggaran oleh Badan Pusat Statistik (BPS) sejak tahun 1958. Continue reading “Penerimaan Mahasiswa Baru Tahun Akademik 2011/2012”

REVIEW JURNAL: Analyzing Longitudinal Data Using Multilevel Regression and Latent Growth Curve Analysis *)

Makalah ini mencoba meneliti tentang perbedaan antara standard multilevel regression dan structural equation modelling framework dalam hal growth curve analysis. Dasar dari growth curve modell memiliki spesifikasi yang sama dalam kedua framework, tetapi dalam banyak hal SEM lebih fleksibel dari analisis MLR. Fleksibilitas ini meliputi integrasi struktur faktorial dari variabel yang diukur berulang, mengestimasi koefisien fungsi basis untuk meneliti bentuk dari growth curve, struktur residual alternatif, missing data pada variabel prediktor dan pengembangan struktur model yang lebih besar. Di lain sisi, analisis MLR lebih fleksibel dalam menggabungkan level yang lebih tinggi ke dalam model dan kemungkinan dalam menganalisa data dengan kejadian yang bevariasi dalam subyek. Akan tetapi, perbedaan antara multilevel regression dan latent growth curve analysis sekarang menjadi kabur dan tinggal masalah waktu saja sebelum kedua pendekatan tersebut akan tergabung menjadi satu. Continue reading “REVIEW JURNAL: Analyzing Longitudinal Data Using Multilevel Regression and Latent Growth Curve Analysis *)”

PARTIAL LEAST SQUARE REGRESSION

Partial least square (PLS) adalah suatu tekhnik statistik multivariat yang bisa menangani banyak variabel respon dan variabel eksplanatori sekaligus. PLS merupakan alternatif yang baik untuk metode analisis regresi berganda dan regresi komponen utama karena metode PLS bersifat lebih robust, artinya parameter model tidak banyak berubah ketika sampel baru diambil dari total populasi (Geladi dan Kowalski, 1986).

PLS pertama kali dikembangkan pada tahun 1960-an oleh Herman O. A. Wold dalam bidang ekonometrik. PLS merupakan suatu tekhnik prediktif yang bisa menangani banyak variabel independen, bahkan sekalipun terjadi multikolinieritas diantara variabel-variabel tersebut (Ramzan dan Khan, 2010). Continue reading “PARTIAL LEAST SQUARE REGRESSION”

REVIEW JURNAL: Application of Bayesian structural equation modeling forexamining phytoplankton dynamics in the Neuse RiverEstuary (North Carolina, USA) *)

Tulisan dalam jurnal ini memperkenalkan penggunaan kerangka kerja Bayesian Structural Equation Modeling (SEM) untuk mengeksplorasi pola spatiotemporal phytoplankton community di muara sungai Neuse dengan periode studi tahun 1995-2000. Dalam hipotesis awalnya, model mempertimbangkan pengaruh lingkungan fisik (aliran, salinitas, dan cahaya), nitrogen (terdiri dari dissolved oxidized inorganic nitrogen dan total dissolved inorganic nitrogen), dan temperatur terhadap total biomassa fitoplankton dan strukturnya. Continue reading “REVIEW JURNAL: Application of Bayesian structural equation modeling forexamining phytoplankton dynamics in the Neuse RiverEstuary (North Carolina, USA) *)”

Partial Least Square:Alternatif dalam Analisis Structural Equation Model (SEM)