Pengembangan Matrix Exponential Spatial Specification Pada Seemingly Unrelated Regression

., Marsono (2025) Pengembangan Matrix Exponential Spatial Specification Pada Seemingly Unrelated Regression. Doctoral thesis, Institut Teknologi Sepuluh Nopember.

Text 7003211007-Disertation.pdf - Accepted Version Restricted to Registered users only Download (8MB) | Request a copy

Abstract

Salah satu analisis data untuk melihat adanya ketergantungan spasial yaitu dengan menggunakan model spasial tipe autoregressive. Dalam penerapannya pada data yang berukuran besar, model spasial tipe autoregressive mengalami beberapa kesulitan pada estimasi parameternya seperti optimasi non linier, kompleks teoritis, dan komputasi. Matrix Exponential Spatial Specification (MESS) merupakan model alternatif untuk model spasial tipe autoregressive ketika menggunakan data yang besar. Penggunaan MESS memiliki keuntungan yaitu menyederhanakan proses estimasi pada saat menggunakan maximum likelihood estimation (MLE) dan bayesian. Selain itu, fitur atau properties yang dimiliki MESS membuat analisis dan komputasi MESS menjadi lebih sederhana dan lebih cepat. Berdasarkan keuntungan tersebut, MESS perlu dikembangkan pada system persamaan yang melibatkan banyak persamaan, salah satunya pada Seemingly Unrelated Regression (SUR). Penelitian ini bertujuan untuk mendapatkan penaksiran parameter dan statistik uji hipotesis pada model SUR-MESS(1,0) dan SUR-MESS(0,1). Estimasi parameter model SUR-MESS(1,0) dan SUR-MESS(0,1) menggunakan MLE, sedangkan pengujian hipotesis dilakukan secara parsial dengan menggunakan Uji Wald. Setelah mendapatkan estimasi parameter maka tujuan berikutnya adalah menerapkan estimator model SUR-MESS(1,0) dan SUR-MESS(0,1) pada data riil dengan menggunakan data Produk Domestik Regional Bruto (PDRB) Pengangkutan & Pergudangan dan PDRB Penyediaan Akomodasi & Penyediaan Makan Minum Tahun 2021 sebagai variabel respon. Prediktor yang digunakan adalah jumlah tenaga kerja, upah, Penanaman Modal Dalam Negeri (PMDN) dan Penanaman Modal Asing (PMA) masing-masing sektor. Hasil penelitian dengan menggunakan SUR-MESS(1,0) dan SUR-MESS(0,1) menunjukkan bahwa tenaga kerja dan upah, dan PMA signifikan mempengaruhi PDRB Pengangkutan & Pergudangan. Pada persamaan lain, tenaga kerja dan upah yang signifikan mempengaruhi PDRB Penyediaan Akomodasi & Penyediaan Makan Minum.
==========================================================================================================================================
One of the data analysis to see the existence of spatial dependence is by using autoregressive spatial model. In its application to large data, the autoregressive spatial model experiences several difficulties in parameter estimation such as non-linear optimization, theoretical complexity, and computation. Matrix Exponential Spatial Specification (MESS) is an alternative model for autoregressive spatial models when using large data. The use of MESS has the advantage of simplifying the estimation process when using maximum likelihood estimation (MLE) and Bayesian. In addition, the features or properties of MESS make the analysis and computation of MESS simpler and faster. Based on these advantages, MESS needs to be developed in a system of equations involving many equations, one of which is in Seemingly Unrelated Regression (SUR). This study aims to obtain parameter estimates and hypothesis test statistics on the SUR-MESS(1,0) and SUR-MESS(0,1) models. Parameter estimation of SUR-MESS(1,0) and SUR-MESS(0,1) models uses MLE, while hypothesis testing is done partially using Wald test. After obtaining parameter estimates, the next goal is to apply the SUR-MESS(1,0) and SUR-MESS(0,1) model estimators to real data using data on Gross Regional Domestic Product (GRDP) of Transportation & Warehousing and GRDP of Accommodation & Drinking Food Provision in 2021 as response variables. The predictor variables used are the number of workers, wages, domestic investment (PMDN) and foreign investment (PMA) for each kategori. The results of the study using SUR-MESS(1,0) and SUR-MESS(0,1) show that labor and wages, and FDI significantly affect the GDP of Transportation & Warehousing. In the other equation, labor and wages significantly affect the GDRP of Accommodation & Drinking Food Provision.

Item Type:	Thesis (Doctoral)
Subjects:	H Social Sciences > HA Statistics H Social Sciences > HA Statistics > HA30.6 Spatial analysis
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49001-(S3) PhD Thesis
Depositing User:	Marsono Marsono
Date Deposited:	05 Aug 2025 01:12
Last Modified:	05 Aug 2025 01:12
URI:	http://repository.its.ac.id/id/eprint/126538

Actions (login required)

View Item