<![CDATA[Data runtun waktu merupakan data yang berturut berdasarkan waktu. Data deret waktu yang melibatkan unsur waktu dan lokasi disebut space time. Salah satu model space time adalah space time autoregressive moving average (STARMA). Pada model STARMA hanya dapat digunakan untuk lokasi dengan karakteristik homogen. Kondisi aktual menunjukkan suatu lokasi dengan lokasi lain memiliki karakteristik heterogen sehingga penggunaan model STARMA kurang fleksibel. Model STARMA kemudian dikembangkan menjadi model generalized space time autoregressive moving average (GSTARMA) untuk mengakomodir keheterogenan lokasi. Pada model GSTARMA harus memenuhi asumsi data stasioner dan harus memiliki orde autoregressive, moving average serta spasial sehingga model dikembangkan menjadi model generalized space time autoregressive integrated moving average (GSTARIMA). Ordinary least square (OLS) merupakan metode yang digunakan untuk mengestimasi parameter model GSTARIMA. Estimasi parameter dengan metode OLS memiliki kelemahan yaitu menghasilkan estimasi yang tidak efisien ketika sisaan antar lokasi tidak bebas atau berkorelasi. Oleh karena itu, digunakan pendekatan seemingly unrelated regression (SUR) untuk mengatasi kelemahan tersebut. SUR menggunakan metode generalized least square (GLS) untuk mengestimasi parameter model. Penelitian ini bertujuan untuk mengkaji model dan mengestimasi parameter GSTARIMA dengan pendekatan SUR. Hasil penelitian menunjukkan bahwa estimasi parameter GSTARIMA dapat diperoleh dengan asumsi orde waktu 1 dan orde spasial 1.]]>
Copyrights © 2023
