PENDUGAAN MODEL TIME VARYING PARAMETER (TVP) MENGGUNAKAN ALGORITMA KALMAN FILTER

Riza Umami, 1517031171 (2019) PENDUGAAN MODEL TIME VARYING PARAMETER (TVP) MENGGUNAKAN ALGORITMA KALMAN FILTER. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK.pdf Download (1408Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (1517Kb)
Preview	File PDF SKRIPSI TANPA PEMBAHASAN.pdf Download (1408Kb) | Preview

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

Time varying parameter (TVP) model is a univariate time series model, whose parameter varies with time. TVP model is specified in a state space model and estimated by Kalman Filter algorithm. In the estimation stage, maximum likelihood estimator is used. In this way the Kalman Filter algorithm can be used with exact maximum likelihood in the time domain to estimate the parameter of the TVP model and state vector ̅ via prediction error decomposition function. Sample case for this research is to estimate TVP models from coal sales data ( ) based coal reference price data ( ). The result shows that the TVP model is optimal because it fulfills assumption that residuals are normally distributed and the residuals in the measurement and transition equation are not correlated. This model has the value of Mean Absolute Percentage Error (MAPE) and Root Mean Square Percentage Error (RMSPE ) less than 10%, which means the accuracy of the model is very good. Model Time Varying Parameter (TVP) adalah model deret waktu univariat, dimana parameternya bervariasi terhadap waktu. Model TVP dispesifikasikan pada model state space dan diduga dengan algoritma Kalman Filter. Pendugaan model pada algoritma Kalman Filter menggunakan maximum likelihood. Dengan cara ini, algoritma Kalman Filter dapat digunakan dengan maximum likelihood tepat dalam domain waktu untuk menduga parameter model TVP dan vektor state ̅ melalui fungsi dekomposisi kesalahan prediksi. Contoh kasus dari penelitian ini adalah menduga model TVP dari data penjualan batubara ( ) berdasarkan data harga acuan batubara ( ). Hasil pendugaan menunjukkan bahwa model TVP optimal karena memenuhi asumsi bahwa residual berdistribusi normal dan residual antara persamaan pengukuran dan persamaan transisi tidak berkorelasi. Model ini memiliki nilai Mean Absolute Percentage Error (MAPE) dan Root Mean Square Percentage Error (RMSPE) lebih kecil dari 10% yang berarti tingkat keakuratan model sangat baik. Kata Kunci: model time varying parameter, state space, Kalman Filter, penduga maximum likelihood

Jenis Karya Akhir:	Skripsi
Subyek:	> QA Mathematics
Program Studi:	FAKULTAS MIPA > Prodi Matematika
Pengguna Deposit:	. . Yulianti
Date Deposited:	17 Mar 2022 06:00
Terakhir diubah:	17 Mar 2022 06:00
URI:	http://digilib.unila.ac.id/id/eprint/54836

Actions (login required)

Lihat Karya Akhir