KOMPUTASI MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE – RADIAL BASIS FUNCTION NETWORK (GSTAR-RBFN)

Budi Warsito(1*), Hasbi Yasin(2), Arief Rachman Hakim(3),

(1) Departemen Statistika, Universitas Diponegoro
(2) 
(3) 
(*) Corresponding Author



Abstract


Generalized Space Time Autoregressive (GSTAR), merupakan salah satu model yang digunakan untuk memodelkan data time series yang diamati pada beberapa lokasi. Radial Basis Function Neural Network (RBFN) adalah salah satu model jaringan syaraf tiruan yang dapat digunakan untuk pemodelan data time series. Pada penelitian ini akan dibangun sebuah model spatio temporal yang menggabungkan antara model GSTAR dengan model RBFN. Model GSTAR berperan dalam penentuan lag input pada model RBFN. Model ini dinamakan dengan GSTAR-RBFN. Untuk memudahkan proses pengolahan data telah disusun sebuah software statistik yang berbasis antarmuka berupa Graphical User Interface (GUI). Dalam penelitian ini, model GSTAR-RBFN diaplikasikan pada data tinggi gelombang laut di perairan Semarang. Hasil penelitian menunjukkan bahwa dengan menggunakan GUI GSTAR-RBFN, pengolahan data spasio temporal dapat dilakukan dengan sangat mudah.

 

Kata kunci:  GUI, GSTAR, RBFN, Tinggi Gelombang

Full Text:

PDF

References


Anselin, L. 1988. Spatial Econometrics: Methods and Models. Kluwer Academic Publishers. The Netherlands

Dubin R. 2009. Spatial Weight. Fotheringham AS, PA Rogerson, editor, Handbook of Spatial Analysis. London: Sage Publications.

Gujarati, D.N.2003.Basic Econometrics. Fourth Edition. McGraw-Hill. New York

Le Sage JP. 1999. The Theory and Practice of Spatial Econometrics. Toledo: Department of Economics University of Toledo.

Myers, R.H., 1990, Classical and modern regression with application, second edition, Boston: PWS-KENT Publishing Company


Article Metrics

Abstract view : 45 times | PDF view : 4 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 Budi Warsito, Hasbi Yasin, Arief Rachman Hakim