Estimasi Model Fungsi Transfer Semiparametrik Multiinput Berdasarkan Estimator Lokal Linier.

• Main Author: Aisyah Abdullah, 0813118330
• Format: Theses and Dissertations NonPeerReviewed
• Language: Indonesian; Indonesian
• Published: 2017
• Subjects: HA1-4737 Statistics; QA273-280 Probabilities. Mathematical statistics
• Online Access: http://repository.unair.ac.id/66349/1/ST.S.50-17%20Abd%20e%20-%20Abstrak.pdf; http://repository.unair.ac.id/66349/2/ST.S.50-17%20Abd%20e%20-%20Fulltext.pdf; http://repository.unair.ac.id/66349/; http://lib.unair.ac.id
• Institution: Universitas Airlangga

Model fungsi transfer merupakan salah satu model peramalan kuantitatif yang dapat digunakan untuk peramalan time series yang multivariate. Model ini menggabungkan beberapa karakteristik analisis regresi berganda dengan karakteristik time series ARIMA. Konsep fungsi transfer terdiri dari output series sebagai variabel dependen, nilai-nilai sekarang dan masa lalu dari input series sebagai variabel independen, bobot respon impuls sebagai koefisien regresi yang mengukur nilai informasi dari nilai sekarang dan masa lalu dari input ke output, dan seluruh pengaruh lain yang disebut dengan noise. Untuk menghindari subjektivitas dalam menentukan bentuk linier maupun nonlinier pada fungsi transfer, maka model fungsi transfer kombinasi (parametrik dan nonparametrik) atau biasa disebut model semiparametrik dapat digunakan, yaitu dengan bentuk fungsional dari fungsi transfer nonparametrik yang tidak diketahui diasumsikan halus atau smooth. Noise diasumsikan stasioner dengan bentuk parametrik ARMA.. Bentuk semiparametrik dari model fungsi transfer cukup fleksibel untuk memperoleh keistimewaan fungsi parametrik dan nonparametrik pada input series dalam mempengaruhi output series. Estimator lokal linier lebih efisien daripada estimator polinomial lokal dalam hal variansi atau mean square error. Selanjutnya model fungsi transfer semiparametrik multiinput berdasarkan estimator Lokal Linier ini diterapkan pada data bangkitan. Model ini mempunyai MSE sebesar 0,5158 dengan error white noise dan berdistribusi normal.