Tabel 13 Nilai JKG dan RMSE pada Berbagai Besaran n dan p menggunakan Model VI dan VII
Struktur data Model VI
Model VII r
n p
JKG RMSE
JKG RMSE
12 1.796
0.424 1.795
0.424 50
4.544 0.674
4.544 0.674
100 4.009
0.633 4.009
0.633 10
150 4.059
0.637 4.059
0.637 25
1.798 0.424
0.386 0.196
50 2.715
0.521 2.716
0.521 100
3.862 0.621
3.865 0.622
20 150
4.040 0.636
46359.34 68.088
40 9.027
0.950 9.027
0.950 80
5.172 0.719
5.173 0.719
100 6.892
0.830 6.894
0.830 35
150 6.437
0.802 6.44
0.802 60
12.872 1.135
12.871 1.135
100 4.383
0.662 4.076
0.638 0.8
50 150
10.865 1.042
10.864 1.042
Berdasarkan hasil sebelumnya, hanya model VI dan model VII yang dicobakan untuk data simulasi np dan terdapat multikolinear antar peubah.
Hasil yang diperoleh model VI memberikan hasil relatif lebih baik dan robust dibandingkan model VII Tabel 13. Plot hasil antara y-dugaan dan y pengamatan
dengan menggunakan Model VI disajikan pada Gambar 14. dan Gambar 15 Pada model VI dan VII nilai koefisien JKG dan RMSE yang diperoleh relatif tidak
dipengaruhi oleh besaran koefisien korelasi antar peubah bebas. Pada keseluruhan model tersebut dengan besaran n dan p yang sama diperoleh hasil JKG
yang relatif sama pada berbagai besaran koefisien korelasi yang dicobakan r = 0.8, 0.9, 0.95
dan 0.98.
E. Simpulan
Hasil pengolahan data menggunakan pendekatan Bayes non hirarki ternyata sangat dipengaruhi oleh pemilihan prior â dan nilai awal
σ
2
. Perubahan nilai korelasi data pada matriks data dengan nilai n dan p tertentu berpengaruh terhadap
nilai ketelitian pada semua Model. Secara umum pada Model I, II, III dan IV peningkatan nilai korelasi berpengaruh terhadap nilai ketelitian, dimana ketelitian
modelnya mempunyai kecenderungan menurun seiring dengan bertambahnya nilai korelasi.
Pada Model I dan II, untuk semua n yang dicobakan, kenaikan jumlah peubah memberikan pengaruh perubahan terhadap nilai ketelitian tetapi
perubahannya belum menunjukkan suatu pola. Untuk Model III dan IV kenaikan jumlah peubah untuk jumlah pengamatan yang sama cenderung menyebabkan
nilai ketelitian semakin menurun. Khusus untuk korelasi antar peubah bebas tinggi, secara keseluruhan
pendekatan Bayes hirarki memberikan hasil lebih baik dibandingkan pendekatan Bayes non hirarki. Model V sangat dipengaruhi oleh penetapan nilai awal
σ
2
dan bentuk sebaran prior
β. Besaran JKG yang diperoleh pada Model V relatif lebih tinggi dibandingkan dua model lainnya. Model VI tidak dipengaruhi oleh
penetapan nilai awal. Pada Model VI penentuan sebaran prior β yang berbeda
memberikan hasil JKG yang relatif sama dan RMSE yang sedikit berbeda, namun relatif lebih rendah dibandingkan dua model pendekatan lainnya. Model VII tidak
dipengaruhi oleh penetapan nilai awal σ
2
dan penentuan sebaran prior â, namun hasil JKG yang diperoleh relatif lebih tinggi dibandingkan dengan Model VI, dan
RMSE yang diperoleh relatif lebih besar dibandingkan dengan Model VI. Sehingga bila diperbandingkan antara model V, VI dan VII maka Model VI
bersifat robust dan menghasilkan nilai JKG dan RMSE yang lebih baik dibandingkan Model V dan dan Model VII.
Berdasarkan beberapa kondisi diatas pendekatan Bayes hirarki lebih tepat digunakan dalam penyusunan model kalibrasi, dibandingkan jika menggunakan
pendekatan Bayes non hirarki. Model VI merupakan model terbaik yang dapat digunakan untuk penyusunan model kalibrasi
BAB V
SIFAT-SIFAT STATISTIK DARI DUGAAN MODEL KALIBRASI DENGAN PENDEKATAN BAYES
A. Pendahuluan
