KAJIAN SIMULASI ESTIMASI PARAMETER MODEL GSTAR-GLS UNTUK DATA BERPOLA MUSIMAN

Abstract

Secara umum, metode untuk mengestimasi parameter dalam  model GSTAR adalah Ordinary Least Squares (OLS). Estimasi parameter dengan menggunakan OLS untuk model GSTAR dengan residual yang berkorelasi akan menghasilkan estimator yang tidak efisien. Metode yang sesuai untuk mengestimasi parameter dengan residual yang berkorelasi adalah Generalized Least Square (GLS). Tujuan dari makalah ini adalah untuk mengusulkan metode GLS untuk mengestimasi parameter dalam model GSTAR Musiman, yang dikenal sebagai GSTAR-GLS, dan membandingkan hasilnya dengan metode OLS atau GSTAR-OLS. Selain itu, tujuan dari makalah ini adalah untuk mengekaji lebih lanjut dalam penentuan bobot spasial yang sesuai pada model GSTAR. Hasil studi simulasi menunjukkan bahwa penentuan bobot spasial pada model GSTAR dapat dilakukan secara optimal dengan menggunakan normalisasi hasil inferensi statistik terhadap parsial korelasi silang antar lokasi pada lag waktu yang bersesuaian. Selain itu, GSTAR-GLS menghasilkan estimator yang lebih efisien daripada GSTAR-OLS, dimana standard error yang dihasilkan lebih kecil