Model Generalizedspace Time Autoregressive Integrated dengan Eror Autoregressive Conditional Heteroscedastic (GSTARI-ARCH)

Abstract

Data runtun waktu spasial merupakan data yang tidak hanya mempunyai keterkaitan dengan kejadian pada waktu-waktu sebelumnya, namun juga mempunyai keterkaitan dengan lokasi. Salah satu pemodelan yang dapat digunakan untuk menganalisis data runtun waktu spasial adalah model generalized space time autoregressive (GSTAR) dengan asumsi eror bervariansi konstan. Namun, seringkali dalam suatu kejadian ditemukan kondisi dengan variansi selalu berubah setiap saat (tidak konstan) atau disebut terjadi heteroskedastisitas. Untuk mengatasi hal tersebut diperlukan model yang dapat digunakan pada variansi yang tidak konstan yaitu model GSTAR dengan eror autoregressive conditional heteroscedastic (ARCH) atau dikenal dengan model GSTAR-ARCH. Untuk data runtun waktu spasial yang tidak memenuhi asumsi kestasioneran digunakan model generalized space time autoregressive integrated (GSTARI) sehingga model menjadi GSTARIARCH. Metode least square digunakan untuk estimasi parameter persamaan mean GSTAR sedangkan maximum likelihood digunakan untuk estimasi parameter eror pengganggu ARCH. Tujuan penelitian ini untuk mengkaji ulang model GSTARI-ARCH. Metode dalam penulisan ini adalah studi literatur yang diperoleh dari beberapa artikel, jurnal, dan buku yang mendukung dalam mencapai penelitian. Hasil kajian diperoleh model GSTARI-ARCH yang mempunyai persamaan mean sebagai model GSTARI dan eror sebagai model multivariat ARCH.