PENDUGAAN PARAMETER PEMBEDA DALAM MODEL AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE(ARFIMA) (KAJIAN PARAMETRIK DAN SEMIPARAMETRIK)

PUTRI, LUSIANA (2026) PENDUGAAN PARAMETER PEMBEDA DALAM MODEL AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE(ARFIMA) (KAJIAN PARAMETRIK DAN SEMIPARAMETRIK). FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK.pdf Download (131Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (1132Kb) | Minta salinan
Preview	File PDF SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (1008Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

TheAutoregressive Fractionally Integrated Moving Average(ARFIMA) model is an extension of theAutoregressive Integrated Moving Average(ARIMA) model used to model time series data with long memory characteristics through a fractional differencing parameter. The accuracy of estimating the differencing parameter is an important factor in constructing the ARFIMA model. This study aims to examine the estimation of the differencing parameter using parametric and semiparametric approaches and to apply the ARFIMA model. The data used in this study are monthly export value data of Lampung Province for the period 2015-2024. The analysis was conducted through stationarity testing, Hurst test, and estimation of the differencing parameter using theExact Maximum Likelihood(EML), Geweke Porter-Hudak (GPH), andSmoothedGeweke Porter-Hudak methods, followed by ARFIMA model construction and selection of the best model. The results showed that the three methods produced differencing parameter values within the range of 0< d <0.5 , with estimated values of ˆ dGP H = 0.47, ˆ dSGP H = 0.44, and ˆ dEML = 0.39. The best model obtained was ARFIMA(2, ˆ dGP H ,2)with a MAPE value of 22%. Keywords:ARFIMA, differencing parameter, Geweke Porter-Hudak, Smoothed Geweke Porter-Hudak (SGPH), Exact Maximum Likelihood. ModelAutoregressive Fractionally Integrated Moving Average(ARFIMA) merupakan pengembangan dari modelAutoregressive Integrated Moving Average (ARIMA) yang digunakan untuk memodelkan data deret waktu dengan karakteristik jangka panjang melalui parameter pembeda fraksional. Ketepatan pendugaan parameter pembeda menjadi faktor penting dalam pembentukan model ARFIMA. Penelitian ini bertujuan mengkaji pendugaan parameter pembeda menggunakan pendekatan parametrik dan semiparametrik serta menerapkan model ARFIMA. Data yang digunakan merupakan data bulanan nilai ekspor Provinsi Lampung periode tahun 2015–2024. Analisis dilakukan melalui pengujian stasioneritas, uji Hurst, pendugaan parameter pembeda menggunakan metodeExact Maximum Likelihood (EML), Geweke Porter-Hudak (GPH), danSmoothedGeweke Porter-Hudak, kemudian pembentukan model ARFIMA dan pemilihan model terbaik. Hasil penelitian menunjukkan bahwa ketiga metode menghasilkan nilai parameter pembeda yang berada pada rentang 0< d <0.5 dengan nilai dugaan parameter pembeda yang diperoleh berturut-turut ˆ dGP H = 0.47, ˆ dSGP H = 0.44, dan ˆ dEML = 0.39. Model terbaik yang diperoleh adalah ARFIMA (2, ˆ dGP H , 2) dengan nilai MAPE sebesar 22%. Kata-kata kunci:ARFIMA, parameter pembeda, Geweke Porter Hudak,Smoothed Geweke Porter-Hudak (SGPH),Exact Maximum Likelihood.

Jenis Karya Akhir:	Skripsi
Subyek:	500 ilmu pengetahuan alam dan matematika 500 ilmu pengetahuan alam dan matematika > 510 Matematika
Program Studi:	FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) > Prodi S1 Matematika
Pengguna Deposit:	2605528255 Digilib
Date Deposited:	15 Jun 2026 07:15
Terakhir diubah:	15 Jun 2026 07:15
URI:	http://digilib.unila.ac.id/id/eprint/100507

Actions (login required)

Lihat Karya Akhir