Pustaka Ilmiah Universitas Padjadjaran

Abstrak

Pengembangan Model Gstar Dengan Galat Arch Dan Penerapannya Pada Inflasi Development Of Gstar Model With Arch Error And It’s Application On Inflation

Disertasi ini menyajikan hasil penelitian integrasi model Generalized Space Time AutoRegressive (GSTAR) dengan variansi galat AutoRegressive Conditional Heteroscedastic (ARCH), dinamakan GSTAR-ARCH. Model ini merupakan time series multivariat dengan mean GSTAR dan variansi ARCH. Pengembangan GSTAR ini dimotivasi oleh variabel yang sering memiliki variansi tidak konstan misalnya inflasi. Variansi tidak konstan pada inflasi dapat dipengaruhi oleh adanya intervensi misalnya situasi sosial politik, kebijakan ekonomi dan sebagainya. Oleh karena itu, GSTAR-ARCH dapat digunakan untuk memodelkan fenomena intervensi pada inflasi. Penaksiran parameter dilakukan dengan merepresentasikan GSTARARCH sebagai model regresi-ARCH. Matriks penjelas dalam menaksir parameter dinyatakan sebagai sub matriks kolom. Susunan sub matriks kolom ini memberikan keuntungan diantaranya mempermudah pengolahan data, menyederhanakan penaksiran parameter model GSTAR orde satu. Penaksiran parameter GSTAR-ARCH dikerjakan dalam dua tahap. Pertama, parameter persamaan variansi ditaksir dengan Maksimum Likelihood (ML) melalui metode scoring. Kedua, parameter persamaan mean GSTAR ditaksir dengan Generalisasi Kuadrat Terkecil (GKT). Metode GKT diperoleh dengan melakukan transformasi linier terhadap model sehingga diperoleh bentuk tranformasi yang memenuhi asumsi penaksiran metode kuadrat terkecil. Pada disertasi ini telah dibuktikan bahwa penaksir GKT parameter GSTAR-ARCH bersifat tak bias. Model GSTAR-ARCH dengan bobot seragam diterapkan pada data inflasi tiga kota di Provinsi Jawa Barat, yaitu: Bandung, Tasikmalaya dan Cirebon. Fenomena inflasi pada ketiga lokasi diamati selama 219 bulan, Januari 1990 sampai dengan Maret 2008. Badan Pusat Statistik (BPS) menetapkan tiga kota ini yang mewakili Provinsi Jawa Barat. Pengaruh ARCH signifikan pada tingkat kepercayaan 95%. Selanjutnya, model variansi bersyarat ARCH yang dihitung pada masing-masing lokasi menunjukkan koefisien-koefisien model ARCH memenuhi syarat variansi positif. Oleh karena itu, model GSTAR-ARCH diaplikasikan untuk ketiga lokasi tersebut. Model yang diperoleh dapat digunakan untuk prediksi inflasi di lokasi pengamatan waktu mendatang dengan memperhitungkan inflasi waktu sebelumnya dari dua lokasi di sekitarnya.

This dissertation presents the integration of Generalized Space-time AutoRegressive model (GSTAR) with an error AutoRegressive Conditional Heteroscedastic (ARCH), called GSTAR-ARCH model. This model is a multivariate time series with the mean GSTAR and variance ARCH. GSTAR development was motivated by a variable that often has a non constant variance, such as inflation. The non constant variance in inflation can be influenced by the presence of interventions such as socio-political situation, economic policy etc. Therefore, GSTAR-ARCH can be used to model the phenomenon of intervention on inflation. Estimation of parameter is done by representing the GSTAR-ARCH as a regression-ARCH model. The explanatory matrix stated in sub-column matrix. Sub-column matrix arrangement provides advantages such as easier data input, simplifying the model parameter estimation GSTAR-order one. Parameter estimation of GSTAR-ARCH done in two stages. First, the variance equation parameters are estimated by Maximum Likelihood (ML) via the method of scoring. Second, the mean equation parameters GSTAR estimated with Generalized Least Squares (GLS). GLS method is obtained by performing a linear transformation of the model in order to obtain a transformation that meets the assumptions of least squares estimation method. It has been proven that the GLS estimator of GSTAR-ARCH parameters is unbiased. GSTAR-ARCH model with uniform weighting applied to the inflation data of three cities in West Java province, namely: Bandung, Tasikmalaya and Cirebon. The phenomenon of inflation in the three locations were observed during the 219 months, in January 1990 to March 2008. Central Statistics Agency (BPS) sets these three cities representing West Java Province. ARCH significant influence on the confidence level of 95%. Furthermore, the ARCH variance model is calculated at each location shows the coefficients of ARCH models statisfy positive variance. Therefore, GSTAR-ARCH model is applied to the three locations. The model obtained can be used to forecast inflation in future time at the location of the observation taking into account inflation from two other locations.

Untuk Keterangan Lebih Lanjut Silahkan Menghubungi : http://cisral.unpad.ac.id