PENGARUH FAKTOR CUACA TERHADAP PERAMALAN INFLASI BAHAN MAKANAN DI PULAU PAPUA DENGAN MODEL GSTARX

., HARNIATY (2017) PENGARUH FAKTOR CUACA TERHADAP PERAMALAN INFLASI BAHAN MAKANAN DI PULAU PAPUA DENGAN MODEL GSTARX. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
1315201703-Master_Theses.pdf
Restricted to Repository staff only

Download (3MB) | Request a copy

Abstract

Inflasi Bahan Makanan di Pulau Papua sangat fluktuatif karena berhubungan dengan proses distribusi komoditas pangan. Transportasi laut menjadi moda utama dalam mendistribusikan komoditas pangan antar wilayah. Peramalan Inflasi Bahan Makanan (IBM) di Pulau Papua dengan melibatkan unsur spatio-temporal dapat menggunakan model Generalized Space Time Autoregressive (GSTAR). Penambahan variabel eksogen berupa faktor cuaca diharapkan mampu meningkatkan akurasi peramalan sehingga pemodelan GSTARX perlu dilakukan. Faktor cuaca yang menjadi fokus dalam penelitian ini adalah tinggi gelombang dan kecepatan angin pada tiga wilayah di pulau Papua, yaitu Kota Jayapura, Manokwari dan Sorong. Penentuan bobot lokasi menjadi hal yang penting dalam estimasi parameter. Oleh karena itu, pada penelitian ini diusulkan bobot konektivitas dan matriks segi tiga atas selain menggunakan beberapa bobot spasial yang terdapat dalam model GSTAR. Pemilihan model terbaik dalam meramal data IBM tidak hanya terbatas pada model GSTAR/GSTARX. Namun, sebagai keterbandingan akan dilakukan peramalan IBM menggunakan model ARIMA, Fungsi Transfer dan GSTAR. Berdasarkan perbandingan nilai RMSE terkecil, hasil kajian peramalan IBM menunjukan bahwa model GSTARX-GLS ([1,2]1) dengan bobot normalisasi korelasi silang baik dalam meramal data IBM di Kota Sorong dan Manokwari. Sedangkan pemodelan Fungsi Transfer baik dalam meramal IBM di Kota Jayapura. Bobot matriks segi tiga atas pada model GSTAR memberikan hasil peramalan yang lebih baik jika tanpa melibatkan variabel eksogen. Akan tetapi, penggunaan bobot konektivitas dalam model GSTAR tidak memberikan hasil peramalan yang lebih baik dibanding bobot spasial lainnya, dengan atau tanpa menggunakan variabel eksogen. =========================================================== The volatility of the inflation foodstuffs in Papua is related to the distribution of food commodities. The freight ship becomes the main modes of distributing food commodities between regions, such as Jayapura, Manokwari and Sorong. Forecasting of inflation foodstuffs (IBM) in Papua which involve spatio-temporal effect, can be used Generalized Space Time Autoregressive (GSTAR) model. The weather marine, such as the wave height and wind speed, affixed to GSTAR model on purpose enhancing accurancy of forecasting.The spatial weight is the important part of estimation parameters. Therefore, in this study we purpose connectivity matrices and upper triangular matrices as an alternative besides on spatial weight matrices often use in GSTAR model. Selection of the best models on forecasting IBM's data not only limited to GSTAR / GSTARX but also on ARIMA models and Transfer Function. The smallest value of RMSE will be compared as the best model to forecasting IBM's data. The GSTARX-GLS ([1,2] 1) model with cross-correlation normalization matrices give the best forecast accuracy than other model in Sorong and Manokwari.Whereas Transfer Function model give the best forecast in Jayapura. Triangular matrices as spasial matrices in GSTAR provide better forecasting result without involving exogenous variabel in model. However, connectivity as spatial matrices in GSTAR is not giving a better forecasting than other spatial matrices, with or without exogenous variable

Item Type: Thesis (Masters)
Uncontrolled Keywords: GSTARX, Matriks segi tiga atas, Inflasi bahan makanan, Papua
Subjects: H Social Sciences > HA Statistics
Divisions: Faculty of Mathematics and Science > Statistics > (S2) Master Theses
Depositing User: - HARNIANTY
Date Deposited: 24 Jan 2017 08:44
Last Modified: 24 Jan 2017 08:44
URI: http://repository.its.ac.id/id/eprint/3049

Actions (login required)

View Item View Item