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

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.

[img] Text
1307201010-Master Thesis.pdf - Published Version

Download (1MB)

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 > (S2) Master Theses
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 View Item