Show simple item record

dc.contributor.authorGustiasih, Restuning
dc.contributor.authorSaputro, Dewi Retno Sari
dc.date.accessioned2018-07-12T04:44:54Z
dc.date.available2018-07-12T04:44:54Z
dc.date.issued2018-03
dc.identifier.citationArdianto, M. P. (2014). Pemodelan Generalized Space Time Autoregressive (GSTAR) pada Tiga Periode Waktu (Studi Kasus Inflasi di Lima Kota Besar di Pulau Jawa). Jurnal Mahasiswa Statistik, 2(4), 265 – 268. Bonar, H, B. N Ruchjana,& G. Darmawan. (2017). Development of Generalized Space Time Autoregressive Integrated with ARCH Error (GSTARIARCH) Model Based on Consumer Price Index Phenomenon at Saveral Cities in North Sumatra Province.Statistics and its Applications,AIP Conference Proceedings 1827. doi:10.1063/1.4979425. Borovkova, S.A., Lopuhaa & B.N.Ruchjana. (2002). Generalized STAR with Experimental Weights. Proceeding of the 17th International Workshop on Statistical Modeling, Statistical Modelling in Society, (pp.143 – 151). Eliyawati, W. Y, R. R. Hidayat, & D. F. Azizah. (2014). Penerapan Model GARCH (Generalized Autoregressive Conditional Heteroscedasticity) Untuk Menguji Pasar Modal Efisien di Indonesia. Studi pada Harga Penutupan (Closing Price) Indeks Saham LQ Periode 2009-2011. Jurnal Administrasi Bisnis (JAB). 7(2). 1 – 10. Engle, R. F. (1982). Autoregressive Conditional Heteroskedasticity with Estimates of The Variance of The United Kingdom Inflation. Journal of Econometrica, 50(4), 987-1007. Hanin, T. (2014). Pemodelan Generalized Space Time Autoregressive (GSTARI) pada Data Curah Hujan.Jurnal Mahasiswa Statistik, 2(3), 217 – 220. Min, X., J. Hu, & Z. Zhang. (2010). Urban Traffic Network Modeling and Short-term Traffic Flow Forecasting Based on GSTARIMA Model.Presented at Annual Conference on Intelligent Transportation Systems, Madeira Island, Portugal, September 19 – 22, 2010. Nainggolan, N. & J. Titaley. (2017). Development of Generalized Space Time Autoregressive (GSTAR) Model. AIP Conference Proceedings. doi:10.1063/1.4979450. Nainggolan, N., B. N.Ruchjana , S. Darwis, & R.E. Siregar. (2010). GSTAR Models with ARCH Errors and The Simulation: Proceeding of the Third International Conference on Mathematics and Natural Sciences (ICMNS 2010), (pp. 1075-1084). Pfeifer, P.E. & S.J. Deutsch. (1980). A Three-Stage Iterative Procedure for Space Time Modeling. Technometrics, 22(1), 35 – 47. Retnaningsih, H. A. (2014). Pemodelan Generalized Space Time Autoregressive Integrated dengan Differencing Musiman pada Data Nonstasioner (Studi Kasus Dana Pihak Ketiga (DPK) Bank Umum Lima Provinsi di Pulau Jawa). Jurnal Mahasiswa Statistik, 2(3), 201 – 204. Soejoeti, Z. (1987). Analisis Runtun Waktu. Jakarta: Karunika. Suryamah, E., B. N. Ruchjana, & K. Joebaedi. (2013). Kajian Matriks Bobot Lokasi Model Space Time Autoregresi (STAR). Jurnal Matematika Integratif, 9(2), 119 – 130. Wutsqa, D. U., Suhartono, & B. Sutijo. (2012). Aplikasi Model Generalized Space Time Autoregressive pada Data Pencemaran Udara di Kota Surabaya.Pythagoras, 7(2), 17 – 30.id_ID
dc.identifier.issn2502-6526
dc.identifier.urihttp://hdl.handle.net/11617/10119
dc.description.abstractData runtun waktu spasial merupakan data yang tidak hanya mempunyai keterkaitan dengan kejadian pada waktu-waktu sebelumnya, namun juga mempunyai keterkaitan dengan lokasi. Salah satu pemodelan yang dapat digunakan untuk menganalisis data runtun waktu spasial adalah model generalized space time autoregressive (GSTAR) dengan asumsi eror bervariansi konstan. Namun, seringkali dalam suatu kejadian ditemukan kondisi dengan variansi selalu berubah setiap saat (tidak konstan) atau disebut terjadi heteroskedastisitas. Untuk mengatasi hal tersebut diperlukan model yang dapat digunakan pada variansi yang tidak konstan yaitu model GSTAR dengan eror autoregressive conditional heteroscedastic (ARCH) atau dikenal dengan model GSTAR-ARCH. Untuk data runtun waktu spasial yang tidak memenuhi asumsi kestasioneran digunakan model generalized space time autoregressive integrated (GSTARI) sehingga model menjadi GSTARIARCH. Metode least square digunakan untuk estimasi parameter persamaan mean GSTAR sedangkan maximum likelihood digunakan untuk estimasi parameter eror pengganggu ARCH. Tujuan penelitian ini untuk mengkaji ulang model GSTARI-ARCH. Metode dalam penulisan ini adalah studi literatur yang diperoleh dari beberapa artikel, jurnal, dan buku yang mendukung dalam mencapai penelitian. Hasil kajian diperoleh model GSTARI-ARCH yang mempunyai persamaan mean sebagai model GSTARI dan eror sebagai model multivariat ARCH.id_ID
dc.language.isootherid_ID
dc.publisherProsiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya (KNPMP) III 2018id_ID
dc.titleModel Generalizedspace Time Autoregressive Integrated dengan Eror Autoregressive Conditional Heteroscedastic (GSTARI-ARCH)id_ID
dc.typeArticleid_ID


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record