PENDUGAAN PARAMETER DAN KEKONVERGENAN PENDUGA PARAMETER MODEL POISSON HIDDEN MARKOV

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 Poisson hidden Markov (MPHM) adalah salah satu model hidden Markov diskret dan proses observasinya jika diketahui proses yang memengaruhinya diasumsikan menyebar Poisson. Salah satu ciri MPHM adalah bersifat overdispersi, yaitu ragam data lebih besar dari rataannya. Permasalahan utama MPHM ialah  menduga parameter yang memaksimumkan fungsi likelihood. Fungsi likelihood dihitung menggunakan algoritme Forward-Backward. Algoritme Expectation Maximization (algoritme EM) digunakan untuk memaksimumkan fungsi likelihood. Penduga parameter MPHM yang diperoleh menggunakan algoritme EM konvergen ke titik stasioner dari fungsi likelihood.