cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota bogor,
Jawa barat
INDONESIA
FORUM STATISTIKA DAN KOMPUTASI
Published by Institut Pertanian Bogor
ISSN : 08538115     EISSN : -     DOI : -
Core Subject : Education,
Mathematics
Forum Statistika dan Komputasi (ISSN:0853-8115) was published scientific papers in the area of statistical science and the applications. It is issued twice in a year. The papers should be research papers with, but not limited to, following topics: experimental design and analysis, survey methods and analysis, operation research, data mining, statistical modeling, computational statistics, time series and econometrics, and statistics education.
Arjuna Subject : -
Articles 5 Documents
 1 
Search results for , issue "Vol. 10 No. 2 (2005)" : 5 Documents clear
SENSITIFITAS MODEL GARCH UNTUK MENGATASI HETEROKEDASTIK PADA DATA DERET WAKTU Asep Saefuddin; Anang Kurnia; . Sutriyati
FORUM STATISTIKA DAN KOMPUTASI Vol. 10 No. 2 (2005)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (266.007 KB)

Abstract

Data deret waktu pada bidang keuangan sering kali memiliki galat yang tidak homogen (heteroskedastik).  Hal ini bersifat alami terutama yang berhubungan dengan resiko memegang aset, dimana semakin besar resiko akan semakin besar pengembalian yang diterima dan sebaliknya. Metode yang cukup sederhana yang menggunakan informasi ragam galat sebelumnya untuk menghitung ragam galat saat ini adalah Model GARCH. Penelitian ini mencoba untuk mempelajari sensitifitas model GARCH dalam mengatasi heterokedastik pada data deret waktu.  Hasil penelitian menunjukkan bahwa kemunculan nilai ekstrim > 1% secara berurutan pada akhir periode, membuat pemodelan berbias untuk berbagai nilai T. Sedangkan apabila ekstrim menyebar secara acak di tengah periode pengamatan, menyebabkan penduga berbias pada T kecil (500). Untuk T=2000, penduga akan bias apabila terdapat nilai ekstrim lebih dari 10, sehingga untuk mendapatkan model yang kekar diperlukan jumlah data cukup besar (lebih dari 1000).  Adapun untuk T kecil, ketika mulai terdapat volatilitas yang besar maka model cenderung untuk bias.   Kata kunci : Heterokedastis, GARCH
PEMBANGKITAN BILANGAN ACAK UNTUK SIMULASI MONTE CARLO NON-PARAMETRIK Bagusi Sartono
FORUM STATISTIKA DAN KOMPUTASI Vol. 10 No. 2 (2005)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (136.136 KB)

Abstract

Metode simulasi Monte Carlo banyak digunakan oleh para analis, misalnya oleh mereka yang menduga nilai resiko dari suatu portfolio bank.  Penggunaan simulasi Monte Carlo seringkali terkendala keterbatasan pengetahuan mengenai bentuk sebaran data.  Penentuan sebaran dengan didahului pengujian sebaran memiliki kelemahan dalam hal menentukan sebaran yang paling sesuai.  Kernel merupakan metode non-parametrik untuk menduga bentuk sebaran yang tidak tergantung pada parameter tertentu.  Tulisan ini memberikan usulan algoritma pembangkitan bilangan acak berdasarkan bentuk fungsi kepekatan yang diduga dengan metode kernel menggunaan teknik tabel look-up.  Penentuan banyaknya grid pada pembentukan tabel look-up diperkirakan mempengaruhi hasil bangkitan data.   Kata kunci: simulasi Monte Carlo, metode kernel, tabel look-up
PENDEKATAN GENERAL LINEAR MIXED MODEL PADA SMALL AREA ESTIMATION Khairil A. Notodiputro; Anang Kurnia
FORUM STATISTIKA DAN KOMPUTASI Vol. 10 No. 2 (2005)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (121.085 KB)

Abstract

Small area estimation is commonly used to describe smaller domain or sub-population. Small area estimation is an important measuring instrument to estimate parameter of smaller domain borrowing strength of population parameter estimate through statistical models with random influence. In this paper we showed the contribution of statistical methods in small area estimation using general linear mixed models.   Keywords :       small area estimation,  general linear mixed model
KLASIFIKASI SKOR PROPENSITAS DALAM PENDUGAAN SELANG KEPERCAYAAN BOOTSTRAP UNTUK PERBEDAAN NILAI TENGAH DUA POPULASI . Marzuki; Asep Saefuddin; Anang Kurnia
FORUM STATISTIKA DAN KOMPUTASI Vol. 10 No. 2 (2005)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (176.122 KB)

Abstract

The comparison of mean of two populations assumes that there is no other variables influence (covariate) except the difference of the observed variable. In real data, this condition is often unfulfilled. Propensity score classification (PSC) is a method to overcome the case. In this research, we do simulation data to evaluate the method, and as the illustration we do the real data of first semester NMR of IPB postgraduate students in Statistics major. The simulation data is generated by covariates either with the same means or different ones to both groups, each with different parameter () 0,00, 0,25 and 0,50. The bootstrap confidence interval included a distribution which is built from propensity score estimations without the variance estimation.   The result shows that 95% bootstrap confidence interval with PSC method includes the parameter for the same and different covariate distribution respectively as 0,95 and 0,87. This method is suitable only when the sample sizes are larger. The illustration uses real data with covariate age, marital status, graduate (S-1) NMR and occupation as a lecturer or not, the result estimation of 95% bootstrap interval confidence to differentiate NMR of postgraduate Statistics students in IPB between those who came from the universities in Java and outside Java is between -0,13 and 0,72.   Keywords : propensity, bootstrap, covariates
PENDUGAAN PRODUKTIVITAS KENTANG DENGAN METODE KEMUNGKINAN MAKSIMUM UNTUK MODEL ACAK Hari Wijayanto; Khairil Anwar Notodiputro; Barizi .; Edi Abdurrachman
FORUM STATISTIKA DAN KOMPUTASI Vol. 10 No. 2 (2005)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (193.058 KB)

Abstract

Metode kemungkinan maksimum merupakan salah satu metode yang paling umum digunakan untuk pendugaan parameter populasi.  Dalam penerapannya pada model acak, metode kemungkinan maksimum menghadapi berbagai kendala dalam prosedur pendugaan parameter populasi terutama untuk kasus data yang tidak seimbang.  Pada tulisan ini dibahas penggunakan metode kemungkinan maksimum pada model acak untuk pendugaan produktivitas komoditas kentang.   Keywords: :      random model, maximum likelihood method, profile likelihood, backfitting algorithm, potatoe productivity

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2005 2005


Reset
Filter By Issues
All Issue Vol. 20 No. 2 (2015) Vol. 18 No. 1 (2013) Vol. 17 No. 2 (2012) Vol. 17 No. 1 (2012) Vol. 16 No. 2 (2011) Vol. 16 No. 1 (2011) Vol. 15 No. 2 (2010) Vol. 15 No. 1 (2010) Vol. 14 No. 2 (2009) Vol. 14 No. 1 (2009) Vol. 13 No. 1 (2008) Vol. 12 No. 2 (2007) Vol. 12 No. 1 (2007) Vol. 11 No. 2 (2006) Vol. 11 No. 1 (2006) Vol. 10 No. 2 (2005) Vol. 10 No. 1 (2005) Vol. 9 No. 2 (2004) Vol. 8 No. 2 (2003) Vol. 8 No. 1 (2003) Vol. 7 No. 2 (2002) Vol. 6 No. 2 (2001) Vol. 6 No. 1 (2001) More Issue