Penaksiran Parameter Pada Model Copula Regression (Studi Kasus: Pemodelan Luas Panen Padi Di Kabupaten Jember, Jawa Timur)

Ratih, Iis Dewi (2014) Penaksiran Parameter Pada Model Copula Regression (Studi Kasus: Pemodelan Luas Panen Padi Di Kabupaten Jember, Jawa Timur). Masters thesis, Insititut Teknologi Sepuluh Nopember.

Text 1312201901_Master_Thesis.pdf Download (2MB)

Abstract

Hubungan ketergantungan antara beberapa variabel random adalah salah satu persoalan yang sangat banyak dipelajari dalam ilmu statistika. Beberapa metode dependensi yang ada, seperti korelasi Pearson dan regresi OLS masih membutuhkan asumsi yang seringkali tidak terpenuhi pada aplikasi kasus riil. Copula merupakan metode statistik yang memiliki banyak kelebihan dalam memodelkan dependensi antar variabel, yaitu invariant terhadap transformasi, tidak ketat terhadap asumsi distribusi, dapat menjelaskan dependensi yang nonlinear, dan mudah membangun distribusi bersamanya. Copula Regression adalah regresi yang berbasiskan Copula yang menggambarkan hubungan pengaruh sebab akibat. Beberapa metode yang dapat digunakan dalam estimasi parameter copula adalah Maximum Likelihood (ML), pendekatan Tau Kendall, dan melalui pendekatan Rho Spearman. Copula Regression tidak memiliki parameter regresi, seperti pada model regresi lainnya. Copula Regression hanya memiliki parameter copula dan parameter untuk masing-masing fungsi m orginal variabel random. Untuk melihat performa dan keunggulan Copula Regression, maka metode ini diterapkan pada pemodelan luas panen padi (LP) yang terdiri dari tiga subround, yaitu luas panen padi 1 (LP1), luas panen padi 2 (LP2) dan luas panen padi 3(LP3) dengan variabel independen adalah curah hujan di Jawa Timur dengan mengambil satu sentra produksi padi terbesar yaitu Kabupaten Jember. Hasil penelitian menunjukkan bahwa pemodelan dengan copula regression memberikan hasil lebih baik dibandingkan OLS dan GCMR untuk LP2 karena memberikan RMSE terkecil. Sementara RMSE copula regression untuk LP1 dan LP3 memiliki selisih yang kecil dengan GCMR. Hal ini disebabkan karena pemilihan distribusi awal yang belum sesuai untuk masing-masing variabel.
=============================================================================================================================
Dependency between several random variables is one of the very many problems studied in statistical science . Several dependencies methods exist, such as Pearson correlation and OLS regression still requires assumptions that are often not met in the real case application. Copula is a statistical method which has many advantages in modeling dependencies between variables , which is invariant to the transformation, not tight against the assumption of the distribution, can explain the nonlinear dependencies, and easy to build the joint distribution. Copula Regression is a Copula -based regression that illustrates the effect of a causal relationship. Several methods can be used in the copula parameter estimation is Maximum Likelihood (ML), Tau Kendall approach and Spearman's Rho approach. Copula Regression does not have a regression parameter, as in other regression models. Copula Regression only have a copula parameters and parameters for each of the marginal functions of random variables. To see the performance and excellence Copula Regression, then this method is applied to the modeling of rice harvested area (LP), which consists of three subround, namely rice harvested area 1 (LP1), rice harvested area 2 (LP2) and the rice harvested area 3 (LP3) with the independent variables are rainfall in East Java by taking the largest rice-producing centers namely Jember. The results showed that the copula regression modeling gives better results than OLS and GCMR for LP2 because it gives the smallest RMSE. While RMSE copula regression for LP1 and LP3 has a small difference with GCMR. This is because the selection of the initial distribution is not appropriate for each variable .

Item Type:	Thesis (Masters)
Additional Information:	RTSt 519.535 Rat p-1, 2014
Uncontrolled Keywords:	Copula, Regresi, Curah Hujan, Luas Panen Padi, Regression, Rainfall ,Area Harvested Rice
Subjects:	Q Science > QA Mathematics > QA276 Mathematical statistics. Time-series analysis. Failure time data analysis. Survival analysis (Biometry)
Divisions:	Faculty of Mathematics and Science > Statistics > 49101-(S2) Master Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	09 Jan 2024 02:09
Last Modified:	09 Jan 2024 02:09
URI:	http://repository.its.ac.id/id/eprint/105413

Actions (login required)

View Item