Melola Discovery

← Melola Discovery

Jurnal

Kombinasi Penaksiran Model Lag Terdistribusi Dengan Ekspektasi Adaptif Dan Penyesuaian Parsial

Jurnal Matematika, Statistika dan Komputasi · Vol. 3 No. 2 (2018) · hlm. 96–102

DOI
10.20956/jmsk.v3i2.3317
ISSN
2614-8811, 1858-1382
Terbit
2018-01-30
Penerbit
Department of Mathematics, Hasanuddin University
Bahasa
en

Abstrak

Dalam menaksir Model Lag Terdistribusi, masalah yang mungkin terjadi adalah tidak adanya pegangan baku tentang panjang maksimum lag, selain itu apabila variabel lag yang digunakan semakin banyak maka mengakibatkan bertambah banyak data yang hilang dan akan muncul multikolinearitas. Satu cara yang dilakukan untuk mengatasi hal tersebut sebelum dilakukan penaksiran model adalah dengan menggunakan Transformasi Koyck sehingga diperoleh Model Koyck. Selanjutnya Model Ekspektasi Adaptif menggunakan variabel lag dan memberikan peran yang penting pada periode sekarang untuk dihasilkan pada periode yang akan datang, sedangkan Model Ekspektasi Penyesuaian Parsial mampu menyesuaikan diri, dan memanfaatkan variabel lag untuk menjelaskan penyesuaian ekspektasi yang dikaitkan dengan ketidakpastian di masa depan. Selanjutnya, kombinasi Model Ekspektasi Adaptif dan Penyesuaian Parsial menggunakan variabel lag untuk dihasilkan pada jangka panjang (long run). Tingkat signifikansi Model Adaptif, Model Parsial Adjustment dan kombinasinya relatif kurang baik, hal ini disebabkan adanya multikolinier dan autokolerasi

Jaringan kolaborasi para penulis

14 penulis · 37 tautan kepenulisan bersama

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Edy Saputra RusdiAfiliasi tidak diketahui1
A. Muh. Amil SiddikAfiliasi tidak diketahui1
Naimah ArisAfiliasi tidak diketahui1
Muhammad Ardiansyah AsrifahAfiliasi tidak diketahui1
Nur Hilal A. SyahrirAfiliasi tidak diketahui1
Wahyudi RusdiAfiliasi tidak diketahui1
EDY SAPUTRA RUSDIAfiliasi tidak diketahui1
Erna Tri HerdianiAfiliasi tidak diketahui1
Andi waru A. PaluseriAfiliasi tidak diketahui1
Agustinus RibalAfiliasi tidak diketahui1
Astri AksanAfiliasi tidak diketahui1
Georgina M. TinungkiAfiliasi tidak diketahui1
Aprizal ReskyAfiliasi tidak diketahui1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unhas.ac.id/index.php/jmsk/oai, pertama di-harvest 5 Nov 2026, terakhir terlihat 5 Nov 2026.
Metadata asli (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">Kombinasi Penaksiran Model Lag Terdistribusi Dengan Ekspektasi Adaptif Dan Penyesuaian Parsial</dc:title>
	<dc:creator xml:lang="en">Rangkuti, Aidawayati</dc:creator>
	<dc:description xml:lang="en">Dalam menaksir Model Lag Terdistribusi, masalah yang mungkin terjadi adalah tidak adanya pegangan baku tentang panjang maksimum lag, selain itu apabila variabel lag yang digunakan semakin banyak maka mengakibatkan bertambah banyak data yang hilang dan akan muncul multikolinearitas. Satu cara yang dilakukan untuk mengatasi hal tersebut sebelum dilakukan penaksiran model adalah dengan menggunakan Transformasi Koyck sehingga diperoleh Model Koyck. Selanjutnya Model Ekspektasi Adaptif menggunakan variabel lag dan memberikan peran yang penting pada periode sekarang untuk dihasilkan pada periode yang akan datang, sedangkan Model Ekspektasi Penyesuaian Parsial mampu menyesuaikan diri, dan memanfaatkan variabel lag untuk menjelaskan penyesuaian ekspektasi yang dikaitkan dengan ketidakpastian di masa depan. Selanjutnya, kombinasi Model Ekspektasi Adaptif dan Penyesuaian Parsial menggunakan variabel lag untuk dihasilkan pada jangka panjang (long run). Tingkat signifikansi Model Adaptif, Model Parsial Adjustment dan kombinasinya relatif kurang baik, hal ini disebabkan adanya multikolinier dan autokolerasi</dc:description>
	<dc:publisher xml:lang="en">Department of Mathematics, Hasanuddin University</dc:publisher>
	<dc:date>2018-01-30</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unhas.ac.id/index.php/jmsk/article/view/3317</dc:identifier>
	<dc:identifier>10.20956/jmsk.v3i2.3317</dc:identifier>
	<dc:source xml:lang="en">Jurnal Matematika, Statistika dan Komputasi; Vol. 3 No. 2: January 2007; 96-102</dc:source>
	<dc:source>2614-8811</dc:source>
	<dc:source>1858-1382</dc:source>
	<dc:language>en</dc:language>
	<dc:relation>https://journal.unhas.ac.id/index.php/jmsk/article/view/3317/1858</dc:relation>
	<dc:relation>10.20956/j.v3i2.3317.g1858</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2018 Aidawayati Rangkuti</dc:rights>
</oai_dc:dc>