PEMODELAN GENERALIZED SPACE TIME AUTOREGRESSIVE SEEMINGLY UNRELATED REGRESSION (GSTAR-SUR) UNTUK PERAMALAN INDEKS HARGA KONSUMEN 6 KOTA DI JAWA TENGAH

ANITA, RETNO INDRIANI (2022) PEMODELAN GENERALIZED SPACE TIME AUTOREGRESSIVE SEEMINGLY UNRELATED REGRESSION (GSTAR-SUR) UNTUK PERAMALAN INDEKS HARGA KONSUMEN 6 KOTA DI JAWA TENGAH. Sarjana / Sarjana Terapan (S1/D4) thesis, Universitas Muhammadiyah Semarang.

Preview	Text HALAMAN DEPAN.pdf Download (1MB) | Preview
Preview	Text ABSTRAK.pdf Download (499kB) | Preview
Preview	Text BAB I.pdf Download (538kB) | Preview
Preview	Text BAB II.pdf Download (900kB) | Preview
	Text BAB III.pdf Restricted to Repository staff only Download (656kB) | Request a copy
	Text BAB IV.pdf Restricted to Repository staff only Download (1MB) | Request a copy
Preview	Text BAB V.pdf Download (500kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (639kB) | Preview
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (749kB) | Request a copy
	Text FULL TEXT.pdf Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

ABSTRAK Anita Retno Indriani, 2022, Pemodelan Generalized Space Time Autoregressive Seemingly Unrelated Regression (GSTAR-SUR) untuk Peramalan Indeks Harga Konsumen 6 Kota di Jawa Tengah. Skripsi, Program Studi Statistika, Universitas Muhammadiyah Semarang. Pembimbing : I. Prizka Rismawati Arum, S.Si., M.Stat., II. M. Al Haris, S.Si., M.Si. Keberhasilan dalam bidang perekonomian akan memberikan manfaat bagi peningkatan kesejahteraan masyarakat. Indikator penting untuk mengetahui keberhasilan ekonomi dapat dilihat melalui inflasi dengan perhitungan Indeks Harga Konsumen (IHK). IHK merupakan data time series yang dipengaruhi oleh unsur antar lokasi. Metode Generalized Space Time Autoregressive (GSTAR) merupakan metode yang sesuai diterapkan pada data IHK karena melibatkan unsur waktu dan lokasi (spatio temporal). Permasalahan yang ada adalah model GSTAR tidak dapat mendeteksi adanya residual yang berkorelasi. Model GSTAR dikembangkan menjadi model GSTAR-SUR untuk mengestimasi parameter dengan residual yang berkorelasi sehingga akan menghasilkan estimasi yang lebih efisien. Tujuan dari penelitian ini adalah ingin menentukan model GSTAR-SUR terbaik untuk meramalkan IHK enam kota di Jawa Tengah, yaitu Cilacap, Purwokerto, Kudus, Surakarta, Semarang, dan Tegal. Berdasarkan hasil analisis diperoleh model terbaik yang terbentuk adalah model GSTAR-SUR (11)-I(1) dengan nilai RMSE sebesar 6,213. Hasil peramalan menunjukkan bahwa nilai IHK 12 bulan kedepan akan mengalami kenaikan pada setiap bulannya untuk masing-masing kota. Kata Kunci: GSTAR-SUR, Indeks Harga Konsumen, Jawa Tengah, RMSE. ABSTRACT Anita Retno Indriani, 2022, Modelling Generalized Space Time Autoregressive Seemingly Unrelated Regression (GSTAR-SUR) for Prediction of Consumer Price Index 6 Cities in Central Java. Thesis, Statistics Study Program, University of Muhammadiyah Semarang. Supervisor : I. Prizka Rismawati Arum, S.Si., M.Stat., II. M. Al Haris, S.Si., M.Si. Economic succes will provide benefits for improving people’s welfare. An important indicator to determine economic success can be seen through inflation by calculating the Consumer Price Index (CPI). CPI is a time series data that is influenced by elements between locations. The Generalized Space Time Autoregressive (GSTAR) method is a suitable method to be applied to CPI data because it involves elements of time and location (spatio-temporal). The problem is that the GSTAR model cannot detect any correlated residuals. The GSTAR model was developed into the GSTAR-SUR model to estimate parameters with correlated residuals so as to produce more efficient estimates. The purpose of this study was to determine the best GSTAR-SUR model to predict the CPI of six cities in Central Java, namely Cilacap, Purwokerto, Kudus, Surakarta, Semarang, and Tegal. Based on the results of the analysis, the best model formed is GSTAR-SUR (11)-I(1) model with an RMSE value of 6.213. Forecasting results show that the CPI value for the next 12 months will increase every month for each city. Keywords: Central Java, Consumer Price Index, GSTAR-SUR, RMSE.

Actions (login required)

View Item