UINMADURAUINMADURA
IQTISHADIA Jurnal Ekonomi & Perbankan SyariahIQTISHADIA Jurnal Ekonomi & Perbankan SyariahPerkembangan pemodelan time series, terutama pemodelan untuk data multivariat, cukup pesat dan hasil akurasi ramalan lebih baik jika melibatkan suatu eksogen, salah satu contohnya adalah model Generalized Space-Time Autoregressive (GSTAR) dengan variabel eksogen (GSTARX). Pada penelitian ini ingin mendapatkan besaran statistik yang sesuai untuk mengidentifikasi order Autoregressive untuk dependensi waktu dan order efek dengan variabel eksogen berupa Hari Raya Idul Fitri dan Indeks Harga Konsumen pada model GSTARX. Selain itu, juga ingin mendapatkan model GSTARX yang sesuai untuk peramalan, serta membandingkan hasil akurasi dari peramalan model GSTARX dengan berbagai macam bobot lokasi pada peramalan pada studi kasus. Sebagai studi kasus adalah inflow dan outflow di empat Kantor Perwakilan Bank Indonesia Wilayah Jawa Timur. Hasil kajian simulasi menunjukkan bahwa esaran statistik untuk mengidentifikasi order VAR untuk dependensi waktu menggunakan MPCCF, sedangkan orde efek dari variabel eksogen pada model GSTARX dua level dengan CCF di Level 1. Sebagai tambahan, GSTARX-GLS menghasilkan estimator yang lebih efisien dibandingkan dengan model GSTARX-OLS. Hasil kajian terapan menunjukkan model GSTAR pada level dua yang terbentuk berturut-turut data inflow dan data outflow adalah GSTARX (31) dan GSTARX ([1,3]1) di empat lokasi tersebut. Sebagai tambahan, hasil perbandingan akurasi ramalan menunjukkan bahwa secara umum nilai RMSE terkecil pada model GSTARX dengan dua level terdapat pada bobot invers jarak.
Hasil simulasi menunjukkan nilai statistik untuk mengidentifikasi order VAR.Ketergantungan waktu menggunakan MPCCF, sedangkan order efek dari variabel eksogen menggunakan model GSTARX dua tingkat dengan CCF pada Tingkat 1.Hasil juga menunjukkan bahwa estimator GSTARX dua tingkat menggunakan GLS lebih efisien daripada OLS, terutama dalam mensimulasikan residual yang berkorelasi antara lokasi.Efek variasi kalender Hari Raya Idul Fitri pada data inflow Surabaya dan Kediri adalah jika tanggal libur berada di minggu pertama dan kedua.Efek juga terjadi satu bulan kemudian jika tanggal libur berada di minggu ketiga dan keempat.Di Malang dan Jember, efek variasi kalender Hari Raya Idul Fitri terjadi di bulan itu jika tanggal libur berada di minggu pertama dan kedua.Efek juga terjadi satu bulan kemudian jika tanggal libur berada di minggu keempat.Selain itu, data outflow di kota Surabaya, Malang, dan Kediri mengalami efek variasi kalender Hari Raya Idul Fitri di bulan itu jika tanggal libur berada di minggu kedua, ketiga, dan keempat.Efek juga terjadi satu bulan sebelumnya jika tanggal libur berada di minggu pertama dan kedua.Sementara itu, outflow di Jember mengalami efek variasi kalender Hari Raya Idul Fitri di bulan itu jika tanggal libur berada di minggu ketiga dan keempat.Itu juga terjadi satu bulan sebelumnya jika tanggal libur berada di minggu pertama dan ketiga.Sementara itu, model GSTARX-GLS dua tingkat yang terbentuk dari hasil penelitian ini adalah GSTARX (31) untuk inflow dan GSTAR ([1,3]1) untuk outflow di empat kota/kabupaten di Jawa Timur.Secara umum, model terbaik yang diperoleh adalah model GSTARX dua tingkat dengan normalisasi korelasi silang.Dalam penelitian ini, saran yang dapat diberikan untuk penelitian lebih lanjut berdasarkan hasil analisis dan diskusi adalah bahwa hasil mungkin lebih baik jika metode estimasi GLS diterapkan pada tingkat 1 untuk mengatasi residual yang berkorelasi antara lokasi.Kemudian, muncul selama tahap analisis pada tingkat 1 atau 2, bahwa ada pola musiman di berbagai lokasi.Penelitian masa depan juga akan mempertimbangkan order MA dalam model GSTARX, juga dikenal sebagai model GSTARIMAX.
Berdasarkan hasil penelitian, saran penelitian lanjutan yang dapat dilakukan adalah: 1. Menggunakan metode estimasi GLS pada tingkat 1 untuk mengatasi residual yang berkorelasi antara lokasi, yang dapat meningkatkan akurasi model. 2. Mempertimbangkan pola musiman yang muncul selama tahap analisis, dan mengintegrasikan faktor-faktor musiman ke dalam model GSTARX untuk meningkatkan kemampuan prediksi. 3. Mengembangkan model GSTARX menjadi model GSTARIMAX dengan mempertimbangkan order MA, yang dapat meningkatkan fleksibilitas dan akurasi model dalam menangani data time series yang kompleks.
| File size | 719.45 KB |
| Pages | 21 |
| DMCA | Report |
Related /
UINMADURAUINMADURA Penelitian ini merupakan penelitian kuantitatif yang menggunakan data primer dengan populasi Generasi Z pengguna Shopee. Teknik pengambilan sampel menggunakanPenelitian ini merupakan penelitian kuantitatif yang menggunakan data primer dengan populasi Generasi Z pengguna Shopee. Teknik pengambilan sampel menggunakan
UINMADURAUINMADURA Kedua lembaga mengalokasikan dana untuk pendidikan, kesehatan, dan ekonomi, dengan fokus pada pemberdayaan produktif mustahik, menggabungkan metode klasikKedua lembaga mengalokasikan dana untuk pendidikan, kesehatan, dan ekonomi, dengan fokus pada pemberdayaan produktif mustahik, menggabungkan metode klasik
UINMADURAUINMADURA Penelitian ini menggunakan sampel data 433 Lembaga Keuangan Mikro yang diperoleh dari Microcredit Regulatory Authority on Microfinance Institutions diPenelitian ini menggunakan sampel data 433 Lembaga Keuangan Mikro yang diperoleh dari Microcredit Regulatory Authority on Microfinance Institutions di
INAISINAIS Kegiatan penanaman yang melibatkan masyarakat, kelompok tani, serta pemuda desa melalui pendekatan partisipatif telah menghasilkan dampak awal berupa peningkatanKegiatan penanaman yang melibatkan masyarakat, kelompok tani, serta pemuda desa melalui pendekatan partisipatif telah menghasilkan dampak awal berupa peningkatan
UBTUBT Berdasarkan SPLN tentang nilai tegangan pada kondisi beban siang dan malam masih sesuai standart. Berdasarkan perbandingan yang dilakukan selisih antaraBerdasarkan SPLN tentang nilai tegangan pada kondisi beban siang dan malam masih sesuai standart. Berdasarkan perbandingan yang dilakukan selisih antara
ILMUBERSAMAILMUBERSAMA Penelitian ini fokus pada pemanfaatan kombinasi algoritma Support Vector Machine (SVM) dan Neural Network untuk mengoptimalkan klasifikasi data TracerPenelitian ini fokus pada pemanfaatan kombinasi algoritma Support Vector Machine (SVM) dan Neural Network untuk mengoptimalkan klasifikasi data Tracer
UNISBA BLITARUNISBA BLITAR Hal ini dapat dilakukan dengan pendampingan yang dilakukan dengan berkesinambungan. Karena zaman yang terus berkembang, maka hal yang harus dilakukan adalahHal ini dapat dilakukan dengan pendampingan yang dilakukan dengan berkesinambungan. Karena zaman yang terus berkembang, maka hal yang harus dilakukan adalah
UNSURYAUNSURYA Selain itu analisis ini juga untuk mengetahui besarnya Pmax (peak force) terhadap variasi geometri yang menghasilkan output berupa nilai gaya terhadapSelain itu analisis ini juga untuk mengetahui besarnya Pmax (peak force) terhadap variasi geometri yang menghasilkan output berupa nilai gaya terhadap
Useful /
UINMADURAUINMADURA Peluang BAZNAS Kabupaten di Madura adalah dukungan masyarakat dan pemerintah, ketersediaan tenaga ahli IT, serta dukungan finansial dari pemerintah daerahPeluang BAZNAS Kabupaten di Madura adalah dukungan masyarakat dan pemerintah, ketersediaan tenaga ahli IT, serta dukungan finansial dari pemerintah daerah
UINMADURAUINMADURA Metode yang digunakan adalah meta analisis dengan mengkaji 9 penelitian yang diterbitkan pada tahun 2018-2023 dengan bantuan aplikasi OpenMEE. Hasil dariMetode yang digunakan adalah meta analisis dengan mengkaji 9 penelitian yang diterbitkan pada tahun 2018-2023 dengan bantuan aplikasi OpenMEE. Hasil dari
UBTUBT Penelitian ini menyimpulkan bahwa perubahan beban pada PLTMG Tanjung Selor sangat dipengaruhi oleh kebutuhan konsumen, dengan beban puncak konsumsi listrikPenelitian ini menyimpulkan bahwa perubahan beban pada PLTMG Tanjung Selor sangat dipengaruhi oleh kebutuhan konsumen, dengan beban puncak konsumsi listrik
