PENERAPAN ALGORITMA EXPECTATION-MAXIMIZATION PADA PEMODELAN NORMAL MIXTURE NILAI TAMBAH PRODUK DOMESTIK BRUTO DI SETIAP NEGARA

Abstract

Pemodelan finite mixture merupakan salah satu metode klaster yang didasarkan pada representasi fungsi distribusi probabilitas dan berlaku pada distribusi diskrit maupun kontinu Penggunaan model finite mixture dapat digunakan pada data yang memiliki pola multimodal yang diindikasikan sebagai adanya klaster yang berbeda pada data dengan jumlah puncak pada histogram lebih dari satu dan tidak terpenuhinya uji signifikasi pola unimodal. Dalam paper ini, model finite mixture digunakan untuk memodelkan data nilai tambah produk domestik bruto di setiap negara pada tahun 2017. Parameter dari hasil model finite mixture diestimasi menggunakan algoritma Expectation-Maximization (EM) dengan inisiasi awal menggunakan K-Means. Model finite harus diuji signifikansi menggunakan bootstrap likelihood ratio statistics untuk mengetahui model finite mixture yang sesuai, kemudian menggunakan nilai Akaike Information Criterion (AIC) dan Bayesian Information Criterion (BIC) untuk mengetahui jumlah klaster terbaik. Berdasarkan hasil analisis, model normal mixture dengan dua komponen dapat digunakan untuk memodelkan data nilai tambah produk domestik bruto (PDB) di setiap negara pada tahun 2017.

Kata Kunci: Mixture Model, Algoritma EM, Maximum Likelihood, nilai tambah PDB