DIGITAL LIBRARY
 | JUDUL | : | PEMODELAN GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) PADA DATA INDEKS HARGA KONSUMEN (IHK) 5 IBUKOTA PROVINSI DI PULAU KALIMANTAN |
| PENGARANG | : | MUHAMMAD ALDI RELAWANTO | |
| PENERBIT | : | UNIVERSITAS LAMBUNG MANGKURAT | |
| TANGGAL | : | 2023-05-24 |
ABSTRAK
PEMODELAN GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) PADA DATA INDEKS HARGA KONSUMEN (IHK) 5 IBU KOTA PROVINSI DI PULAU KALIMANTAN
(Oleh:Muhammad Aldi Relawanto; Pembimbing: Yuana Sukmawaty, S.Si., M.Si danDewi Sri Susanti, S.Si., M.Si, 2023; 69 Halaman)
Model Generalized Space Time Autoregressive (GSTAR) merupakan model pengembangkan dari model STAR (Space Time Autoregressive) yang tergenalisasi. Pada model GSTAR terdapat orde autoregressive untuk melihat pengaruh unsur waktu dan matriks pembobot lokasi untuk melihat pengaruh unsur lokasi. Berbeda dengan model STAR, model ini mengasumsikan lokasi-lokasi penelitian memiliki karakteristik yang berbeda. Tujuan penelitian ini yaitu menerapkan model Generalized Space Time Autoregressive (GSTAR) pada data Indeks Harga Konsumen (IHK) di Pulau Kalimantan khususnya di Ibukota Setiap Provinsi untuk mengetahui model dugaan terbaik dengan bobot lokasi terbaik yang dapat dihasilkan. Bobot lokasi yang digunakan yaitu bobot lokasi invers jarak dan bobot lokasi normalisasi korelasi silang dengan pengestimasian parameter model GSTAR menggunakan metode Ordinary Least Square (OLS). Pemilihan model dugaan terbaik dilihat dari nilai Akaikae’s Information Criterion (AIC) dan Root Mean Square Error (RMSE) terkecil. Dari hasil penelitian, didapatkan model dugaan GSTAR terbaik untuk data IHK 5 kota di Pulau kalimantan adalah model GSTAR(1,1)-I(1). Hasil tersebut berdasarkan dari model dugaan GSTAR dengan nilai AIC terkecil dan data yang dilakukan differencing 1 kali. Bobot lokasi terbaik berdasarkan nilai RMSE terkecil untuk model GSTAR(1,1)-I(1) yaitu bobot lokasi normalisasi korelasi silang.
Kata Kunci: Stasioneritas, Indeks, Bobot Lokasi, OLS, RMSE
1 ABSTRACT
GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) MODELING ON CONSUMER PRICE INDEX (CPI) DATA OF 5 PROVINCIAL CAPITAL CITIES IN KALIMANTAN ISLAND
(By: Muhammad Aldi Relawanto; Supervisor: Yuana Sukmawaty, S.Si., M.Si and Dewi Sri Susanti, S.Si., M.Si, 2023; 69 Pages)
Generalized Space Time Autoregressive (GSTAR) model is a development model from the generalized STAR (Space Time Autoregressive) model. GSTAR model have autoregressive order to see the effect of the time element and location weighting matrix to see the effect of the location element. Unlike the STAR model, it can assume that each location research has different characteristics. The purpose of this research is to apply the Generalized Space Time Autoregressive (GSTAR) model to the Consumer Price Index (CPI) data in Kalimantan Island, especially in the capital city of each province in Kalimantan Island to find out the best estimation model with the best location weight. The location weights used the distance inverse location weights and the normalized cross-correlation location weights by estimating the parameters of the GSTAR model using the Ordinary Least Square (OLS) method. The best estimated model can be seen from the smallest Akaikae’s Information Criterion (AIC) and Root Mean Square Error (RMSE) value. From the research results, it was found that the best GSTAR prediction model for CPI data for 5 cities in Kalimantan Island was the GSTAR(1,1)-I(1). These results are based on the GSTAR prediction model with the smallest AIC value and the data is differencing 1 time. The best location weight based on the smallest RMSE value for the GSTAR(1,1)-I(1) model is the normalized cross-correlation location weight.
Keyword: Stasionerity, Index, Location Weights, OLS, RMSE
| NO | DOWNLOAD LINK |
| 1 | FILE 1 |
File secara keseluruhan dapat di unduh DISINI