Dyah Tri Suryani, 080610328 (2010) Estimasi Missing Value Pada Data Time Series Menggunakan Metode Maximum Likelihood Estimator. Skripsi thesis, UNIVERSITAS AIRLANGGA.

Preview	Text (ABSTRAK) gdlhub-gdl-s1-2011-suryanidya-14932-abstrak-e.pdf Download (230kB) | Preview
	Text (FULL TEXT) gdlhub-gdl-s1-2011-suryanidya-12465-kkckkm-e.pdf Restricted to Registered users only Download (838kB) | Request a copy

Abstract

Estimasi missing value merupakan bagian inferensi statistik yang penting, karena diharapkan dari hasil estimasi ini akan didapatkan model yang sesuai. Estimasi missing value diperlukan untuk mendapatkan suatu kevalidan dari data. Dalam suatu penelitian dibutuhkan suatu kevalidan dari data, karena dengan data valid akan menghasilkan keputusan yang valid pula. Dalam skripsi ini digunakan metode maximum likelihood estimator untuk mengestimasi missing value. Metode ini mensubstitusi nilai-nilai interpolasi dan dalam mengestimasi missing value digunakan pendekatan Autoregressive. Untuk mempermudah pengestimasian akan digunakan software S-PLUS. Data yang digunakan adalah data Indeks Harga Saham Gabungan (IHSG) nasabah Bank BNI Surabaya bulan Februari – Juni 2007 yang berdistribusi lognormal. Dari data tersebut diperoleh model ARIMA terbaik setelah pengestimasian berupa t t t t X  X  a     0,4016 3,520 1 1 . Selanjutnya untuk mengetahui kevalidan dari metode maximum likelihood estimator dilakukan simulasi dengan menghilangkan data lengkap pada data penjualan ”AMOUNT” harian yang mempunyai model awal AR(1) + C yaitu Xt  Xt    t 0,7491 1 252,754 . Setelah dihilangkan 4 data dari 149 data diperoleh bahwa model dari hasil bangkitan tetap AR(1) + C, Xt  Xt    t 0,6668 1 335,365 dengan MSE sebesar 1,823103 . Hal tersebut tidak merubah kesesuaian dari model awal.

Actions (login required)

View Item