Estimasi Parameter Model Inflasi untuk Menganalisa Pengaruh Covid-19 Menggunakan GSTAR-Filter Kalman
نویسندگان
چکیده
Pandemi Covid-19 selain mengganggu kesehatan manusia juga dapat ekonomi di seluruh dunia termasuk Indonesia. Dengan keadaan yang tidak stabil akhir-akhir ini, permasalahan inflasi menjadi salah satu fokus penting bagi pemerintah. Inflasi merupakan indikator dalam stabilitas perekonomian suatu negara. Oleh karena itu, perlu adanya pemodelan matematika sesuai memprediksi masa mendatang. Pengaruh terhadap diamati dengan memperhatikan pergerakan berdasarkan plot data inflasi. Selanjutnya dimodelkan menggunakan model Generalized Space Time Autoregressive (GSTAR) pembobotan invers jarak antar lokasi dan normalisasi korelasi silang untuk mendapatkan sesuai. dilakukan estimasi pada parameter metode Filter Kalman (FK). Hasil akhir menunjukkan bahwa mampu memperbaiki hasil GSTAR sehingga didapatkan prediksi mendekati aktual. Hal ini ditunjukkan simulasi nilai MAPE lebih kecil dari GSTAR-OLS GSTAR-GLS sebesar 0.14302%.
منابع مشابه
Desensitized Cubature Kalman Filter with Uncertain Parameter
A robust desensitized cubature Kalman filtering (DCKF) for nonlinear systems with uncertain parameter is proposed. Sensitivity matrices are defined as the integral form, and desensitized cost function is designed by penalizing the posterior covariance trace by a sensitivity-weighting sum of the posteriori sensitivities. The DCKF gain is obtained by minimizing the desensitized cost function to a...
متن کاملWhy Don't Men Ever Stop to Ask for Directions? Gender, Social Influence, and Their Role in Technology Acceptance and Usage Behavior
Masalah Begitu banyak kemajuan telah terjadi pada kemampuan perangkat keras maupun perangkat lunak untuk membantu kehidupan manusia. Meskipun begitu, masih banyak sekali masalah sistem yang tidak digunakan dengan maksimal. Oleh karena itu, salah satu isu yang sangat penting adalah bagaimana cara untuk mengerti kondisi-kondisi di mana sistem informasi diterima atau tidak diterima di dalam suatu ...
متن کاملStator Fault Detection in Induction Machines by Parameter Estimation Using Adaptive Kalman Filter
This paper presents a parametric low differential order model, suitable for mathematically analysis for Induction Machines with faulty stator. An adaptive Kalman filter is proposed for recursively estimating the states and parameters of continuous–time model with discrete measurements for fault detection ends. Typical motor faults as interturn short circuit and increased winding resistance ...
متن کاملAerodynamic parameter estimation using adaptive unscented Kalman filter
Purpose – The purpose of this paper is to estimate aerodynamic parameters accurately from flight data in the presence of unknown noise characteristics. Design/methodology/approach – The introduced adaptive filter scheme is composed of two parallel UKFs. At every time-step, the master UKF estimates the states and parameters using the noise covariance obtained by the slave UKF, while the slave UK...
متن کاملKalman filter data assimilation: targeting observations and parameter estimation.
This paper studies the effect of targeted observations on state and parameter estimates determined with Kalman filter data assimilation (DA) techniques. We first provide an analytical result demonstrating that targeting observations within the Kalman filter for a linear model can significantly reduce state estimation error as opposed to fixed or randomly located observations. We next conduct ob...
متن کاملذخیره در منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ژورنال
عنوان ژورنال: Jurnal Sains dan Seni ITS (e-journal)
سال: 2022
ISSN: ['2337-3520']
DOI: https://doi.org/10.12962/j23373520.v11i2.75776