Generalized Extreme Value Regression dengan Seleksi Variabel untuk Prediksi Rentang Harga Impor (Studi Kasus Harga Impor Daging dari Australia)

Yuniarti, Ike (2024) Generalized Extreme Value Regression dengan Seleksi Variabel untuk Prediksi Rentang Harga Impor (Studi Kasus Harga Impor Daging dari Australia). Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6003221003_Master_Tesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (6MB) | Request a copy

Abstract

Price range merupakan salah satu mekanisme yang digunakan dalam pendeteksian harga impor secara undervalue atau overvalue. Permasalahan yang ditemui pada pembentukan price range adalah kondisi data harga barang impor memiliki distribusi yang asimetris atau heavy tail (memiliki extreme value) dengan kondisi non-stasioner atau memiliki tren dan kovariat yang berubah setiap waktu. Model GEV Regression merupakan salah satu metode analisis statistika yang dapat digunakan untuk mengatasi hal tesebut. Jumlah prediktor yang terlalu banyak akan mengakibatkan terjadinya masalah multikolinearitas dan beban komputasi yang terlalu besar sehingga dilakukan seleksi variabel dengan GEV-SSVS. Penelitian ini bertujuan untuk melakukan kajian teoritis estimasi parameter model GEV Regression, mengidentifikasi performa dari metode GEV-SSVS dalam melakukan seleksi variabel untuk data simulasi, mengaplikasikan metode GEV Regression yang dikombinasikan dengan ARDL pada prediksi price range impor dari komoditas daging, dan melakukan seleksi variabel untuk memilih lag yang dimasukkan dalam model dengan GEV-SSVS. Variabel respon yang digunakan dalam penelitian ini adalah nilai ekstrim dari harga impor daging setiap bulan, dengan variabel prediktor yang digunakan adalah lag kurs mata uang asing AUD/IDR dan lag dari variabel respon. Estimasi parameter model GEV Regression dilakukan dengan metode Maximum Likelihood Estimation berdasarkan fungsi likelihood distribusi GEV, yang dilanjutkan dengan iterasi numerik Broyden-Fletcher Goldfarb-Shanno (BFGS). Pada studi simulasi dibangkitkan skenario data yang mengikuti model AR[1,12] dengan jumlah periode, nilai standar deviasi error, dan tanda dari koefisien lag 1 dan lag 12 yang berbeda. Hasil studi simulasi menunjukkan bahwa performa metode GEV-SSVS dalam melakukan seleksi variabel sangat bagus karena model yang memiliki frekuensi tertinggi untuk terpilih merupakan model yang sesuai dengan model bangkitan. Pada prediksi nilai ekstrem dengan metode GEV Regression didapatkan bahwa mayoritas seluruh variabel prediktor yang diperoleh dari penentuan lag optimum dengan metode ARDL berpengaruh signifikan prediksi nilai ekstrem dari harga impor daging. Pada prediksi nilai ekstrem dari harga impor daging dengan seleksi variabel menggunakan metode GEV-SSVS didapatkan bahwa variabel yang konsisten terpilih adalah nilai ekstrem dari harga impor daging satu bulan sebelumnya (Y_{ij,t-1}).

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	ARDL, extreme value, GEV regression, GEV-SSVS, kuantil, maksimum, minimum, price range, seleksi variabel ARDL, extreme value, feature selection, GEV Regression, GEV-SSVS, maximum, minimum, price range, quantile
Subjects:	Q Science > QA Mathematics > QA274.2 Stochastic analysis Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis
Depositing User:	Ike Yuniarti
Date Deposited:	08 Aug 2024 04:26
Last Modified:	08 Aug 2024 04:26
URI:	http://repository.its.ac.id/id/eprint/113458

Actions (login required)

View Item