Detail Cantuman

Image of PENERAPAN MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (GSTARIMA) UNTUK PERAMALAN VOLUME  EKSPOR PERIKANAN DAN KOMODITAS LAUT LAINNYA

 

PENERAPAN MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (GSTARIMA) UNTUK PERAMALAN VOLUME EKSPOR PERIKANAN DAN KOMODITAS LAUT LAINNYA


Generalized Space Time Autoregressive (GSTAR) merupakan salah satu
model time series yang digunakan untuk meramal data yang mengandung unsur ...

  • CodeCallNoLokasiKetersediaan
    010030007647519.5 Lum p/R.14.49.2Perpustakaan PusatTersedia
  • Perpustakaan
    Judul Seri
    -
    No. Panggil
    519.5 Lum p/R.14.49.2
    Penerbit Magister Statistika Terapan : Bandung.,
    Deskripsi Fisik
    xv,;82hlm,;29 cm
    Bahasa
    Indonesia
    ISBN/ISSN
    -
    Klasifikasi
    519.5
    Tipe Isi
    -
    Tipe Media
    -
    Tipe Pembawa
    -
    Edisi
    2017
    Subyek
    Info Detil Spesifik
    Tesis
    Pernyataan Tanggungjawab
  • Generalized Space Time Autoregressive (GSTAR) merupakan salah satu
    model time series yang digunakan untuk meramal data yang mengandung unsur
    ruang (space) dan waktu (time). Model ini terbatas pada data yang bersifat
    stasioner dan tidak mengandung moving average. Generalized Space Time
    Autoregressive Integrated Moving Average (GSTARIMP_J adalah pengembangan
    model GSTAR yang mengakomodir data non stasioner dan mengandung moving
    average. Dalam penelitian ini, model diaplikasikan pada data ekspor perikanan
    dan komoditas laut lainnya dari Provinsi DKI Jakarta, Jawa Tengah dan Jawa
    Timur pada periode Juli 2007 sampai dengan Desember 2015. Identifikasi orde
    dari auto regressive dan moving average dilakukan dengan menggunakan plot
    STACF dan STPACF. Orde Spasial dipilih pada orde pertama karena semua
    lokasi dalam penelitian ini berada pada satu pulau. Bobot spasial yang digunakan
    adalah bobot seperjarak dan normalisasi korelasi silang pada lag yang bersesuaian,
    model terbaik yang diperoleh berdasarkan AIC dan SIC minimum untuk kedua
    pembobot spasial adalah GST ARIMA(1 ,0,1,1). Sedangkan model peramalan
    terbaik dengan MAPE outsample terkecil adalah model dengan bobot normalisasi
    korelasi silang. Hasil peramalan menunjukkan bahwa pada 5 periode berikutnya
    volume ekspor perikanan dan komoditas laut lainnya cenderung meningkat.
  • Tidak tersedia versi lain

  • Silakan login dahulu untuk melihat atau memberi komentar.


Informasi