Abstrak
Estimasi Parameter Model Kelas Laten Menggunakan Algoritma Expectation- Maximization (Em)
Oleh :
Nurnaini Hidayati - M0105014 - Fak. MIPA
Klasifikasi adalah pengelompokan objek ke dalam beberapa kelompok
berdasarkan ukuran kemiripan atau ciri-ciri umum antar objek. Dalam klasifikasi
kadang ditemukan objek yang tidak bisa diukur secara langsung karena tidak
mempunyai nilai kuantitatif. Objek tersebut disebut dengan variabel tidak terukur
atau tidak terobservasi (variabel laten). Klasifikasi terhadap variabel laten
memerlukan data-data ataupun variabel terobservasi yang digunakan sebagai
indikator, yang biasa disebut sebagai variabel manifes. Alat statistik yang dapat
digunakan untuk klasifikasi terhadap variabel laten berdasarkan variabel manifes
yang keduanya bertipe kategorik adalah analisis kelas laten. Adanya variabel laten
mengakibatkan metode estimasi maksimum likelihood tidak bisa digunakan secara
langsung. Tujuan dari penelitian ini adalah mengkaji ulang estimasi parameter
model kelas laten menggunakan algoritma expectation-maximization (EM).
Algoritma EM digunakan untuk menentukan nilai estimasi maksimum
likelihood dari parameter-parameter dalam model dengan menganggap data
terobservasi sebagai data yang tidak lengkap (incomplete data) yang dilakukan
secara iteratif. Setiap iterasi dari algoritma EM terdiri dari dua tahap yaitu tahap
penentuan harga harapan (tahap ekspektasi) untuk menggantikan informasi yang
hilang pada permasalahan data yang tidak lengkap dan tahap pemaksimuman
(tahap maksimisasi) sebagai upaya optimasi nilai parameter berdasarkan hasil
pada tahap ekspektasi.
Kata kunci : estimasi maksimum likelihood, variabel laten, variabel manifes, data
tidak lengkap, algoritma EM.