Vector autoregressive model approach for forecasting outflow cash in Central Java

Hoyyi, Abdul; Tarno,; Maruddani, Di Asih I; Rahmawati, Rita

doi:10.1088/1742-6596/1025/1/012105

Cited by 6 publications

(5 citation statements)

References 1 publication

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Before the VARI modeling was built, the level of accuracy was evaluated by calculating the lag value, generally by obtaining the p-value. In this study, to assess the feasibility of the climate forecast model, the application was chosen for the calculation of the Aikake Information Criterion (AIC) for several m independent variables where the AIC value is generally defined using the following mathematical equation k the number of parameters in the model, m number of observations at a time t [17].…”

Section: Model Identification and Specificationmentioning

confidence: 99%

Principal Component Analysis-Vector Autoregressive Integrated (Pca-Vari) Model Using Data Mining Approach to Climate Data in the West Java Region

Munandar

Ruchjana

Abdullah

2022

BAREKENG: J. Il. Mat. & Ter.

View full text Add to dashboard Cite

Over a long time, atmospheric changes have been caused by natural phenomena. This study uses the Principal Component Analysis (PCA) model combined with Vector Autoregressive Integrated (VARI) called the PCA-VARI model through the data mining approach. PCA reduces ten variables of climate data into two principal components during ten years (2001-2020) of climate data from NASA Prediction Of Worldwide Energy Resources. VARI is a non-stationary multivariate time series to model two or more variables that influence each other using a differencing process. The Knowledge Discovery in Database (KDD) method was conducted for empirical analysis. Pre-processing is an analysis of raw climate data. The data mining process determines the proportion of each component of PCA and is selected as variables in the VARI process. The postprocessing is by visualizing and interpreting the PCA-VARI model. Variables of solar radiation and precipitation are strongly correlated with each measurement location data. A forecast of the interaction of variables between locations is shown in the results of Impulse Response Function (IRF) visualization, where the climate of the West Java region, especially the Lembang and Bogor areas, has strong response climate locations, which influence each other.

show abstract

Section: Model Identification and Specificationmentioning

confidence: 99%

Principal Component Analysis-Vector Autoregressive Integrated (Pca-Vari) Model Using Data Mining Approach to Climate Data in the West Java Region

Munandar

Ruchjana

Abdullah

2022

BAREKENG: J. Il. Mat. & Ter.

View full text Add to dashboard Cite

show abstract

“…Data dapat dikatakan stasioner, jika memiliki lebih sedikit tanda (+) atau (-) yang biasanya terdapat pada awal lag dan didominasi oleh tanda (.) [9].…”

Section: 𝑍 ̅ 𝑖 Dan 𝑍 ̅unclassified

Model Vector Autoregressive Integrated (Vari) Dan Penerapannya Pada Data Perkembangan Harga Eceran Beras Di Tiga Ibu Kota Provinsi Wilayah Pulau Jawa

Putri

Yuniar

Toharudin

et al. 2022

puc

View full text Add to dashboard Cite

Beras merupakan komoditas pangan yang sangat penting karena merupakan bahan makanan pokok bagi sebagian besar penduduk Indonesia. Harga beras sangat mempengaruhi tingkat kesejahteraan peduduk. Model Vector Autoregressive Integrated (VARI) merupakan salah satu model time series multivariat yang digunakan untuk menentukan peramalan. Model VARI dipengaruhi oleh variabel itu sendiri pada periode sebelumnya dengan kondisi data non stasioner. Proses yang dilakukan dalam membentuk model VARI, yaitu differencing, identifikasi model time series, kestasioneran data, mengestimasi parameter, diagnostic test, dan peramalan. Tujuan dari penelitian ini adalah membentuk model peramalan untuk rata-rata harga beras eceran bulanan pada tiga ibu kota provinsi, yaitu: DKI Jakarta, Jawa Barat, dan Banten. Data yang digunakan adalah data rata-rata harga beras bulanan pada tiga ibu kota provinsi tersebut mulai dari Januari 2014 sampai dengan Desember 2019. Hasil penelitian menunjukkan model terbaik yang diperoleh dengan nilai AIC terkecil adalah VARI(1,1) yang artinya model VAR orde satu dengan proses differencing pertama. Hasil uji diagnostik juga menunjukkan bahwa setiap lokasi saling berkorelasi dan asumsi white noise terpenuhi. Dari ketiga model estimasi yang signifikan secara simultan, model untuk Ibu Kota DKI Jakarta memiliki tingkat signifikansi tertinggi dengan variabel yang signifikan mempengaruhi adalah rata-rata harga beras eceran bulanan pada Ibu Kota Provinsi DKI Jakarta dan Banten pada periode sebelumnya. Ketepatan model secara keseluruhan memiliki tingkat akurasi yang sangat baik dengan MAPE sebesar 5,202%

show abstract

“…Material penyebab polusi udara salah satunya adalah partikulat. Partikulat adalah semua material, kecuali air murni, yang berada dalam fasa cair atau padat dan terdapat di atmosfer pada kondisi normal dengan ukuran mikroskopis atau semi mikroskopis, namun lebih besar dibandingkan dimensi molekuler (±2 Å) [2]. Analisis beban global dari penyakit akibat polusi udara luar ruangan mengenai PM2.5 mengestimasikan bahwa PM2.5 telah menyebabkan 3% kematian akibat penyakit kardiopulmoner, 5% kematian dari kanker trakea, bronkus, dan paru-paru, serta 1% kematian pada anak-anak akibat infeksi pernapasan di daerah perkotaan di seluruh dunia [3].…”

Section: Pendahuluanunclassified

“…Pada penelitiannya Nugroho, dkk menggunakan model VAR dengan metode Ordinary Least Square dengan 3 variabel yaitu curah hujan, kelembaban, dan temperatur udara. Selain itu, Vector Autoregressive Model Approach for Forecasting Outflow Cash in Central Java [2]. Pada penelitiannya, Hoyyi, dkk meramalkan Outflow Cash di Jawa Tengah menggunakan model VAR dengan estimasi parameter model menggunakan metode Ordinary Least Square dengan 4 variabel endogen.…”

Section: Pendahuluanunclassified

Peramalan Konsentrasi Particulate Matter 2.5 (PM2.5) menggunakan Model Vector Autoregressive dengan Metode Maximum Likelihood Estimation

Ruchjana

Arianto

Parmikanti

et al. 2021

KUBIK

View full text Add to dashboard Cite

Particulate Matter 2.5 yang selanjutnya disingkat PM2.5 merupakan partikel udara yang memiliki ukuran ≤ 2.5𝜇𝑚. Paparan PM2.5 dapat mempengaruhi fungsi paru-paru dan memperburuk kondisi kesehatan seperti asma, bronkitis hingga kanker paru-paru. PM2.5 berasal dari berbagai sumber seperti hasil pembakaran bahan bakar kendaraan bermotor, hingga kebakaran hutan. Untuk meramalkan Konsentrasi PM2.5 dapat digunakan model time series univariat, salah satunya model Autoregressive yang selanjutnya disingkat AR. Data Konsentrasi PM2.5 memiliki pola stasioner, sehingga dapat dibangun model AR. Konsentrasi PM2.5 di suatu wilayah dipengaruhi oleh Konsentrasi PM2.5 wilayah di sekitarnya pada waktu-waktu sebelumnya, sehingga dapat dibentuk model Vector Autoregressive yang selanjutnya disingkat VAR. Metode yang digunakan untuk menaksir model VAR dalam penelitian ini adalah metode Maximum Likelihood Estimation yang selanjutnya disingkat MLE dengan bantuan software R dan Microsoft Excel. Model VAR diterapkan untuk peramalan jangka pendek Konsentrasi PM2.5 di Kab. Cirebon, Kab. Kuningan, dan Kab. Majalengka. Hasil penelitian menunjukkan bahwa konsentrasi PM2.5 di ketiga kabupaten memiliki korelasi yang cukup tinggi dan satu sama lain saling mempengaruhi, sehingga penggunaan model VAR dapat memberikan rekomendasi untuk peramalan konsentrasi PM2.5 pada waktu mendatang dengan memperhitungkan pengaruh konsentrasi PM2.5 dari lokasi-lokasi terdekat di sekitar lokasi tertentu.

show abstract

Vector autoregressive model approach for forecasting outflow cash in Central Java

Cited by 6 publications

References 1 publication

Principal Component Analysis-Vector Autoregressive Integrated (Pca-Vari) Model Using Data Mining Approach to Climate Data in the West Java Region

Principal Component Analysis-Vector Autoregressive Integrated (Pca-Vari) Model Using Data Mining Approach to Climate Data in the West Java Region

Model Vector Autoregressive Integrated (Vari) Dan Penerapannya Pada Data Perkembangan Harga Eceran Beras Di Tiga Ibu Kota Provinsi Wilayah Pulau Jawa

Peramalan Konsentrasi Particulate Matter 2.5 (PM2.5) menggunakan Model Vector Autoregressive dengan Metode Maximum Likelihood Estimation

Contact Info

Product

Resources

About