skip to main content

ESTIMASI PARAMETER MODEL ARCH MENGGUNAKAN METODE BAYES

*Mila Setia Dewi  -  Student of Mathematics, Study Program of Mathematics, Universitas Sumatera Utara, Indonesia
Sutarman Sutarman  -  Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Sumatera Utara, Indonesia

Citation Format:
Abstract

 Penelitian ini bertujuan menaksir parameter model ARCH menggunakan Metode Bayes kemudian akan dibandingkan dengan metode Maksimum Likelihood. Pada metode Bayes distribusi prior digabungkan dengan fungsi Likelihood untuk memperoleh distribusi posterior, yang akan menjadi dasar dalam inferensi. Pemilihan prior yang berbeda akan menghasilkan inferensi yang berbeda pula. Distribusi prior yang digunakan dalam penelitian ini adalah prior berdistribusi eksponensial. Setelah distribusi posterior diperoleh, dilakukan simulasi Markov Chain Monte Carlo dengan menggunakan Algoritma Metropolist-Hasting. Dari hasil simulasi MCMC tersebut diperoleh estimator model ARCH menggunakan metode Bayes dan kemudian dibandingkan dengan estimator model ARCH menggunakan metode Maksimum Likelihood. Berdasarkan penelitian ini diketahui bahwa dengan menggunakan data yang sama nilai mean residual dan standard error menggunakan metode Bayes lebih kecil dibandingkan metode Maksimum Likelihood.  Hasil mean residual dan standard error menggunakan metode Bayes adalah 0,4372 dan 0,0272. Sedangkan Mean residual dan standard error menggunakan metode Maksimum Likelihood adalah 0,9166 dan 0,0456. Dari hasil tersebut dapat dilihat bahwa estimasi parameter menggunakan metode Bayes baik digunakan pada model ini.

Fulltext View|Download
Keywords: Estimasi Parameter, Model ARCH, Metode Bayes

Article Metrics:

  1. R. J, Larsen dan M. L. Marx, An Introduction to Mathematical Statistics and Its Applications. Fifth Edition. Prentice Hall, 2018
  2. P. Congdon, Applied Bayesian Modelling. Canada: John Willey and Sons, 2014
  3. A. Widarjono, Ekonometrika: Teori dan Aplikasi untuk Ekonomi dan Bisnis. Yogyakarta: Penerbit Ekonosia UII, 2005
  4. A. P. Desvina dan I. O. Meijer. Penerapan Model ARCH/GARCH untuk Peramalan Nilai Tukar Petani. Jurnal Sains Matematika dan Statistika, 4(1), 43-54. 2018
  5. M. I. Rizki, T. A. Taqiyyuddin, P. F. Rahmah dan A. E. Hasana. Penerapan Model ARCH/GARCH untuk Memprediksi Harga Saham Perusahaan Tokai Carbon. Jurnal Sains Matematika dan Statistika, 7(2), 50-61.(2021)
  6. R. H. Simatupang dan Sutarman, ARIMA Model Parameter Estimation Using Bayes Method, JOMTE, 2022
  7. K. R. Katianda, R. Goejantoro, dan A. M. A. Satriya. Estimasi Parameter Model Regresi Linier dengan Pendekatan Bayes. EKSPONENSIAL, 11(2), 127-132. 2021
  8. G. E. Box, G. M. Jenkins, G. C. Reinsel, dan G. M. Ljung, Time series analysis: forecasting and control. Canada: John Wiley & Sons, 2015
  9. W. W. Winarno. 2017. Analisis Ekonometrika dan Statistika dengan Eviews. Yogyakarta: STIM YKPN
  10. Gujarati, D. 2007. Dasar-dasar Ekonometrika. Terjemahan Sumarno Zain. Jakarta: Erlangga
  11. S. Makridakis, S. C. Wheelwright, dan V. E. McGee. Metode dan Aplikasi Peramalan, Jilid 1 Edisi Revisi (terj.). Binarupa Aksara. Jakarta.2003
  12. Aswi dan Sukarna. Analisis Deret Waktu. Makassar : Penerbit Andira2006
  13. R. Tsay, Analysis of financial time series wiley series probability and statistic. Third Edition. John wiley & sons. 2010
  14. G. E. Box dan G. C. Tiao, Bayesian inference in statistical analysis. Canada: John Wiley & Sons, 2011
  15. D. Gamerman dan H. F. Lopes, Markov chain Monte Carlo: stochastic simulation for Bayesian inference. CRC Press. 2006
  16. G. Casella dan R. L. Berger, Statistical inference. Cengage Learning, 2021

Last update:

No citation recorded.

Last update:

No citation recorded.