STUDI SIMULASI BIAS ESTIMATOR GPH PADA DATA SKIP SAMPLING

Abstract

Proses long memory telah diamati dalam banyak hal, seperti hidrologi, telekomunikasi, ekonomi dan keuangan. Long Memory adalah salah satu fenomena dalam time series, dimana dependensi antara kejadian masih ada dan dapat diamati untuk waktu yang lama, yang dicirikan oleh nilai difference yang tidak bulat (fractional). Parameter differencing ini biasanya diestimasi menggunakan GPH estimator. Dengan estimator ini, seringkali menghasilkan kesimpulan yang spurious untuk model-model nonlinier seperti Markov switching, STOP-BREAK, ESTAR, level shift dan lainnya. Dalam penelitian disimulasikan performansi dari GPH dan GPH terkoreksi pada proses long memory dan markov switching. Data yang diestimasi merupakan data skip sampling dari kedu aproses di atas. Hasil simulasi menujukkan bahwa GPH terkoreksi mampu mengurangi bias parameter long memory. Selain itu, diamati pula bahwa terdapat perbedaan yang signifikan pola yang dihasilkan oleh estimasi pada data long memory dan data yang mengikuti proses Markov switching. Fakta ini dapat digunakan untuk membedakan antara true dan spurious long memory.