Nuryana, Fatati (2009) Pemodelan Data Deret Waktu Dengan Self Exciting Treshold Autoregressive (SETAR) Dan Perubahan Struktur - Modelling Time Series Data With Self Exciting Treshold Autoregressive (SETAR) And Structural Change. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
1307201010-Master Thesis.pdf - Published Version Download (1MB) | Preview |
Abstract
Data deret waktu yang mengalami pergeseran mean dapat ditangkap
melalui dua model yaitu dengan model nonlinier SETAR dan Perubahan Struktur.
Prosedur pembentukan model SETAR dan Perubahan Struktur diawali dengan uji
stasioneritas dan nonlinieritas. Parameter delay dan treshold pada model SETAR
serta banyaknya break Perubahan Struktur ditentukan dengan kriteria minimum
BIC. Penaksiran parameter dan θuntuk kedua model melalui metode Ordinary
Least Square yang diperoleh dengan melakukan regresi stepwise dan regresi
dummy terhadap parameter yang signifikan berdasarkan kriteria dummy yang
berbeda. Dari hasil kajian simulasi menunjukkan bahwa kelebihan model SETAR
adalah dapat menganalisis perubahan regime yang asimetris dan menangkap
lompatan yang tidak dapat ditangkap oleh model deret waktu linier, sedangkan
model Perubahan Struktur dapat menangkap nilai parameter yang berubah-ubah
dalam periode tertentu. Akan tetapi apabila pembangkitan parameter dilakukan
dekat dengan 0 pada model SETAR, akan menyebabkan data tidak terdeteksi
sebagai nonlinier akibatnya peramalan dengan SETAR tidak sesuai dengan
rancangan, sedangkan kelemahan model Perubahan Struktur apabila pembangkitan
titik break diberikan kurang dari 10% dari jumlah data menyebabkan tidak
tepatnya Minimum BIC membaca titik break. Model-model SETAR belum tentu
dapat dianalisis dengan Perubahan Struktur, akan tetapi model Perubahan Struktur
dapat dianalisis dengan SETAR. Pada data bulanan inflasi Surabaya periode
Januari 1989 sampai dengan Desember 1998, model terbaik SETAR adalah
SETAR dengan 1 treshold atau dua regime (2;0,[1,4,5,6,8,10,12]), model terbaik
ARIMA adalah ARIMA ([0,1,3,5,6,8],0,0) dan model terbaik Perubahan Struktur
adalah Perubahan Struktur dengan 2 break atau 3 segmen (3;0,[1,3],[1,3,5,6,8]).
Hasil ramalan in sample maupun out sample menunjukkan bahwa model SETAR
memberikan nilai MSE dan RMSE yang paling kecil diantara model yang lain,
sehingga model SETAR adalah model terbaik untuk kasus data inflasi Surabaya.
============================================================
Time series data with mean shift can be catched through two models that is
nonlinier SETAR and Structural Change. Modelling procedure of SETAR and
Structural Change are started with stasionerity and nonlinierity test. Delay
parameter and treshold at SETAR and how many break at Structural Change is
determined with a minimum BIC criterion. Estimating of parameter dan θfor
both models through method Ordinary Least Square obtained by stepwise
regression and dummy regression to parameter which are significant based on
different criterion of dummy. From simulation study results indicates that SETAR
model can analyse change of regime which is unsimmetrical and catchs jumping
movement which cannot be catched by linear time series model, while Structural
Change can catch fickle parameter value in specified period. However if
parameter simulated close to 0 at SETAR, will cause data is not detected as
nonlinier therefore forecasting with SETAR will be unmatched to planning, while
weakness of Structural Change is if we simulating break point less than 10% from
data, it causes not precisely Minimum BIC to read break point. Models SETAR is
not guaranted can be analysed with Structural Change, however model Structural
Change can be analysed with SETAR. At monthly inflation data Surabaya period
January 1989 up to December 1998, best model of SETAR is SETAR with 1
treshold or two regime (2;0,[1,4,5,6,8,10,12]), best model for ARIMA is ARIMA
([0,1,3,5,6,8],0,0) and best model for Structural Change is Structural Change with
2 break or 3 segment (3;0,[1,3],[1,3,5,6,8]). Result of in sample and out sample
forecasts indicates that SETAR model gives smallest MSE and RMSE value.
Therefore SETAR model is the best model in modelling inflation data Surabaya.
| Item Type: | Thesis (Masters) |
|---|---|
| Additional Information: | RTSt 519.536 Nur p |
| Uncontrolled Keywords: | SETAR, Perubahan Struktur, Nonlinier, Inflasi, SETAR, Structural Change, Nonlinear, Inflation |
| Subjects: | T Technology > T Technology (General) > T57.5 Data Processing |
| Divisions: | Faculty of Mathematics and Science > Statistics > 49101-(S2) Master Thesis |
| Depositing User: | ansi aflacha |
| Date Deposited: | 07 Jan 2019 07:55 |
| Last Modified: | 07 Jan 2019 07:55 |
| URI: | http://repository.its.ac.id/id/eprint/60141 |
Actions (login required)
 |
View Item |