Hasil Pencarian  ::  Simpan CSV :: Kembali

"Runtun waktu merupakan barisan data yang diukur pada interval waktu yang periodik. Pada pengambilan data runtun waktu seringkali ditemukan adanya outlier, yang dapat mempengaruhi taksiran parameter autoregressive dan peramalan data. Pada skripsi ini diperkenalkan teknik baru untuk mendeteksi outlier pada model autoregressive dan mengidentifikasi jenis outlier sebagai additive atau innovation. Teknik ini diperkenalkan oleh Allan McQuarrie dan Chih L. Tsay, dan dapat digunakan tanpa diketahuinya model order sebenarnya, waktu terjadinya outlier, dan jenis outlier. Pertama, akan dicari taksiran besaran outlier yang meminimumkan residual sum of square (SSE). Kemudian dari taksiran tersebut akan didapatkan pengurangan terhadap SSE yang nantinya akan digunakan untuk mendapatkan besaran pendeteksian outlier dan juga digunakan untuk mengidentifikasi jenis outlier. Akan dicari pula penaksir yang robust untuk standar deviasi."

"Analisis regresi adalah salah satu metode yang digunakan dalam menganalisisdata. Metode yang sering digunakan untuk menaksir parameter dalam modelregresi linier adalah ordinary least square OLS. Metode OLS akan memberikantaksiran terbaik ketika semua asumsinya terpenuhi. Namun pada kenyataannya,asumsi tersebut seringkali tidak terpenuhi. Asumsi yang seringkali tidak terpenuhiadalah adanya multikolinieritas dan adanya pencilan outlier. Multikolinieritasakan membuat variansi taksiran parameter regresi menjadi sangat besar, sedangkanoutlier akan membuat taksiran parameter menjadi bias. Jika kedua pelanggaranasumsi ini terjadi pada data yang akan dianalisis digunakan robust jackknife ridgeregression. Robust jackknife ridge regression adalah regresi yang punya sifatrobust sehingga tidak terpengaruh oleh outlier dan menggunakan metode ridgeuntuk mengatasi masalah multikolinieritas serta menggunakan metode jackknifeuntuk mereduksi bias yang dihasilkan metode ridge. Metode yang digunakanuntuk mencapai sifat robust adalah MM-estimation sehingga taksiran yangdihasilkan punya breakdown point serta efficiency yang tinggi.

---

Regression Analysis is one of many methods used for analyzing data. Method thatusually used for estimating parameter in linear regression model is ordinary leastsquare OLS . OLS will give best estimator when all the assumptions are met. Butin reality, sometimes not all the assumptions are met. Assumptions that usuallyviolated are multicollinearity and outlier. Multicollinearity will make variance ofthe estimated parameter become large, while outlier will make the estimatedparameter become biased. If this two violation of assumptions happened, robustjackknife ridge regression is used. Robust jackknife ridge regression is regressionthat have robust property so that it will not affected by outlier and using ridgemethod to handle multicollinearity with jackknife method to reduce biased fromridge method. Method used to achieve robust property is MM estimation so thatthe estimated parameter have high breakdown point and high efficiency."

"Pencocokan suatu model logistik terhadap data binomial memerlukan penaksiran parameter dari model. Proses penaksiran parameter ini menggunakan keseluruhan pengamatan yang ada dalam data. Setelah taksiran parameter dihasilkan dan model tersebut digunakan untuk mencocokkan data, mungkin tidak setiap pengamatan dalam data sesuai dengan model. Hal tersebut dapat disebabkan karena data mengandung outlier, yaitu pengamatan yang nilainya jauh lebih besar atau lebih kecil jika dibandingkan dengan mayoritas pengamatan dalam data. Selain itu, ketidakcocokan model terhadap data dapat pula disebabkan karena kesalahan dalam pemilihan fungsi penghubung yang digunakan dalam model. Pada tugas akhir ini, dibahas suatu prosedur forward search untuk memeriksa kesesuaian data binomial pada model logistik sederhana. Plot dari statistik-statistik diagnostik yaitu residual deviansi dan statistik skor selama proses forward search digunakan untuk melihat sejauh mana pengaruh dari setiap pengamatan individual dalam data binomial. Statistik skor akan digunakan dalam pengujian kecukupan fungsi penghubung. "

"ABSTRAKSuatu proses {Z_t,t=0,1,2,...} memiliki model TAR(1), yaitu adalah koefisien parameter dan α_t merupakan variabel acak yang iid dengan mean 0. Petrucelli dan Woolford (1984) memberikan kondisi ergodik pada model TAR(1)dan estimasi parameter yang dapat diperoleh melalui metode least square.Simulasi dilakukan dengan membangkitkan α_t dan Z_t secara acak, serta dilakukan pada nilai-nilai parameter tertentu.

---

ABSTRACT

A process {Z_t,t=0,1,2,...} has TAR(1) model that is parameter coefficients and α_t are a sequence of iid random variables with mean 0. Petrucell and Woolford (1984) gave an ergodic condition on TAR(1) model and parameter estimation using least square method. Simulation are done using generated κ_t and Z_t with some different values of parameter."

"Analisis regresi merupakan salah satu teknik dalam statistika yang digunakan untuk menginvestigasi dan memodelkan hubungan antara variabel respon dan variabel regresor. Pada skripsi ini akan dimodelkan hubungan satu variabel respon dengan beberapa variabel regresor menggunakan model regresi linier berganda dimana antar variabel regresor tidak saling bergantung linier. Adanya multikolinieritas menyebabkan taksiran least square tidak stabil dan bisa memberikan informasi yang salah. Taksiran ridge adalah taksiran parameter model regresi yang umumnya digunakan untuk mengatasi hal tersebut. Tetapi ketika terjadi multikolinieritas yang kuat, variansi taksiran ridge tidak berbeda jauh dengan variansi taksiran least square. Masalah lainnya adalah konstanta taksiran ridge yang sulit untuk ditentukan. Untuk mengatasi masalah tersebut, Kejian Liu (1998) memperkenalkan taksiran Liu yang memiliki dua kelebihan dibandingkan taksiran ridge yaitu skalar mean square error (mse) yang lebih kecil dibandingkan mse taksiran ridge dan konstanta taksiran Liu yang mudah ditentukan.

---

Regression analysis is a statistical technique for investigating and modelling the relationship between the response variable and regressor variable. This skripsi modelling the relationship between one response variable and several regressor when there is no linear relationship between the regressors. In presence of multicollinearity, the least square estimator is unstable and may gives misleading information. Ridge estimator is the most common estimator to overcome this problem. But when there exist severe multicollinearity, variance of ridge estimator almost same with variance of least square estimator. The other problem is a constant of ridge estimator is difficult to specified. To solve this problem, Kejian Liu (1998) proposed Liu estimator that have two advantages over the ridge estimator are Liu estimator has less scalar mean square error (mse) than mse of ridge estimator and a constant of Liu estimator can specified easily."

"Tugas akhir ini bertujuan untuk memperkenalkan model runtun waktu Autoregressive Conditional Heteroscedasticity (ARCH) dan Generalized Autoregressive Conditional Heteroscedasticity (GARCH), kemudian menggabungkannya dengan model runtun waktu stasioner yaitu model Autoregressive Moving Average (ARMA), menjadi model ARMA-ARCH atau ARMA-GARCH. Model ini akan dapat menangkap adanya fenomena pengelompokan volatilitas yang seringkali terjadi pada data runtun waktu finansial. Selain itu akan dijelaskan karakteristiknya, diantaranya adalah sifat kestasioneran dan fungsi autokorelasi, kemudian diperlihatkan berbagai simulasinya. "

"Studi ini menganalisis integrasi pasar saham di beberapa negara di kawasan Asia Pasifik. Penelitian ini berfokus pada pasar saham lima negara, yaitu Jepang, Indonesia, Filipina, vietnam dan Bangladesh, dengan memberi perhatian khusus pada krisis keuangan 2008-2009. Studi ini dilatarbelakangi oleh penelitian mengenai integrasi pasar saham tradisional, yang menunjukkan bahwa pasar saham negara berkembang lebih tersegmentasi dan pasar saham negara maju sangat terintegrasi. Dengan menggunakan metode vector autoregressive (VAR), hasil penelitian ini menunjukkan bahwa pasar saham masih kurang terintegrasi. Pada periode sebelum krisis, hanya pasar saham Filipina dan Indonesia yang terintegrasi, sedangkan pasar saham Jepang terintegrasi dengan pasar saham Indonesia, Filipina dan Bangladesh. Sementara itu, pada periode setelah krisis, pasar saham Bangladesh tidak terintegrasi dengan pasar saham Jepang.

---

This study analysis the integration of stock markets in some countries in the Asia-Pacific Region. The study focus on stock market in five county, namely: Japan, Indonesia, Philippines, Vietnam and Bangladesh, with special attention to the 2008-2009 financial crisis period. This study is motivated by the research of traditional stock market integration, which showed that stock markets in developing countries were more segmented while stock markets in developed countries were more integrated. By using vector autoregressive method (VAR), this study reveals that stock markets of those five countries were still less integrated. In the pre-crisis period, only the stock markets of Philippines and Indonesia were integrated, while Japan's stock market was integrated with the stock markets of Indonesia, the Philippines and Bangladesh. Meanwhile, in the period after the crisis, Bangladesh's stock market did not integrated with japan's."

"Dalam era digital saat ini, banyaknya data finansial yang melimpah dan tidak berlabel menimbulkan tantangan dalam pemilihan teknik pendeteksian outlier (outlier detection) yang optimal. Penelitian ini bertujuan untuk menangani tantangan tersebut dengan membandingkan model unsupervised outlier detection pada data sintetis yang dirancang untuk meniru karakteristik data finansial nyata. Sebagai studi kasus, penelitian ini menggunakan data Laporan Harta Keuangan Penyelenggara Negara (LHKPN) tahun 2022. Proses penelitian mencakup pengumpulan data, pemrosesan, pembuatan data sintetis, pengujian sepuluh algoritma outlier detection, dan penerapan model terbaik pada data LHKPN tahun 2022. Dari proses ini, model Median Absolute Deviation (MAD) dengan threshold 7.8 teridentifikasi sebagai yang paling efektif pada data sintetis yang meniru data LHKPN. Penelitian ini juga menemukan hyperparameter terbaik untuk model lain dan melakukan analisis skor outlier pada data nyata. Hasilnya memberikan wawasan baru dan menunjukkan potensi investigasi lanjutan dalam outlier detection pada data finansial tidak berlabel, dengan pendekatan yang menyeluruh mulai dari analisis distribusi data hingga pengujian model pada data sintetis dan asli.

---

In the current digital era, the abundance of unlabeled financial data poses challenges in selecting optimal outlier detection techniques. This research aims to address these challenges by comparing unsupervised outlier detection models on synthetic data, designed to mimic real financial data characteristics. Using 2022 data from the Laporan Harta Keuangan Penyelenggara Negara (LHKPN) as a case study, the research process includes data collection, processing, creating synthetic data, testing 10 outlier detection algorithms, and applying the most effective model, identified as Median Absolute Deviation (MAD) with a threshold of 7.8, on synthetic data based on LHKPN data. The study also finds the best hyperparameters for other models and conducts real data outlier score analysis, providing new insights and demonstrating further investigation potential in outlier detection for unlabeled financial data."