Perbandingan Metode Bayesian Tak Langsung Dan Box- Jenkins Dalam Pengidentifikasian Ordo Proses Regresi Diri Pada Data Deret Waktu
View/ Open
Date
2016Author
Amanda, A Bio Dara
Sadik, Kusman
Alamudi, Aam
Metadata
Show full item recordAbstract
Model regresi diri (autoregressive) yang dinotasikan dengan AR(p) banyak
digunakan untuk pemodelan data deret waktu di berbagai bidang studi seperti
ekonomi, pertanian, teknik, dan lingkungan. Tahapan yang sangat penting dalam
pemodelan adalah pada tahap awal yaitu mengidentifikasi ordo p dari model
autoregresive. Metode yang sering digunakan adalah metode Box-Jenkins yaitu
mencocokkan fungsi korelasi diri (ACF) yang didapatkan dari data dengan teori
ACF untuk model AR(p), kemudian model terbaik didapatkan dengan melihat nilai
Akaike’s Information Criterion (AIC) terkecil dari beberapa kandidat model.
Metode lain yang dikembangkan adalah metode Bayesian tak langsung dengan
mengombinasikan fungsi kemungkinan dan dua prior yaitu prior natural-conjugate
dan prior Jeffrey untuk mendapatkan sebaran posterior dari koefisien AR(p).
Metode Box-Jenkins dan Bayesian tak langsung dievaluasi melalui studi simulasi
dengan melihat persentase keakuratan dari proses pemilihan ordo model AR(p).
Pada hasil simulasi didapatkan bahwa metode Bayesian tak langsung lebih efektif
untuk menentukan ordo AR ketika ukuran amatan cukup besar minimum 300
amatan. Pada data aplikasi, suhu rata-rata di Kabupaten Lampung Utara diamati
dalam kurun waktu 2 tahun yaitu dari periode 1 Januari 2013 sampai 31 Desember
2014 sehingga terdapat 730 amatan. Oleh karena itu, metode Bayesian tak langsung
lebih baik digunakan untuk mengidentifikasi ordo model AR pada data suhu ratarata
di Kabupaten Lampung Utara dan model yang tepat adalah AR(3).