Perbandingan Metode Unconditional Maximum Likelihood Estimation (UMLE) ) dan Metode Kalman Filter pada Pendugaan Parameter Model AR(1)
| Main Author: | Susanto, Effendi |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2011
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/152625/1/051102923.pdf http://repository.ub.ac.id/152625/ |
Daftar Isi:
- Pendugaan parameter model merupakan tahap penting dalam analisis deret waktu. Metode Unconditionl Maximum Likelihood Estimation (UMLE) dan metode Kalman filter merupakan metode pendugaan parameter model AR(1). Kedua metode tersebut dapat dibandingkan dengan menggunakan mean square error (MSE) sebagai ukuran kriteria keakuratan pendugaan. Tujuan dari tulisan ini adalah untuk memperoleh informasi tentang metode pendugaan parameter model AR(1) terbaik dengan cara membandingkan nilai MSE antara metode UMLE dan Kalman filter. Data yang digunakan adalah data simulasi AR(1). Data tersebut dibangkitkan dengan menggunakan makro minitab untuk spesifikasi nilai parameter φ tertentu. Terdapat 18 macam nilai spesifikasi parameter φ yang digunakan yaitu -0.9 , - 0.8 , -0.7 , -0.6 , -0.5 , -0.4 , -0.3 , -0.2 , -0.1 , 0.1 , 0.2 , 0.3 , 0.4 , 0.5 , 0.6 , 0.7 , 0.8 ,dan 0.9. Hasil penelitian menunjukkan bahwa dari 18 macam data bangkitan yang digunakan, metode UMLE menghasilkan nilai MSE yang lebih kecil untuk 6 macam data bangkitan (dengan persentase 33,33 % dari keseluruhan data). Sedangkan metode Kalman Filter menghasilkan nilai MSE yang lebih kecil untuk 12 macam data bangkitan (dengan persentase 66,66 % dari keseluruhan data). Hal ini memberikan kesimpulan bahwa metode Kalman Filter lebih akurat dibandingkan dengan metode Unconditional Maximum Likelihood Estimation (UMLE) dalam menduga parameter model AR(1).