<![CDATA[Generalized space time autoregressive (GSTAR) adalah model ruang waktu yang banyak digunakan di Indonesia. Sebagian besar penelitian model GSTAR menggunakan ordinary least square (OLS) untuk mengestimasi parameter. Namun, estimasi dengan metode OLS pada model GSTAR dengan residual saling berkorelasi akan menghasilkan estimator yang tidak efisien terutama pada data musiman. Metode estimasi yang sesuai untuk residual yang saling berkorelasi adalah generalized least square (GLS), yang biasa digunakan dalam model seemingly unrelated regression (SUR). Penelitian ini bertujuan untuk menganalisis model GSTAR-SUR dan membandingkannya dengan GSTAR-OLS dengan bobot seragam dan jarak. Data yang digunakan adalah data jumlah penumpang pesawat domestik setiap bulan di Bandara Polonia/Kualanamu, Soekarno-Hatta, Juanda dan Ngurah Rai dari Januari 2006 hingga September 2019. Hasil estimasi parameter GSTAR-SUR dengan bobot seragam adalah Polonia/Kualanamu (∅10=-0,494; ∅11=0,046), Soekarno-Hatta (∅10=-0,300; ∅11=-0,828), Juanda (∅10=-0,451; ∅11=0,033) dan Ngurah Rai (∅10=-0,198; ∅11=-0,019). Sedangkan GSTAR-SUR dengan bobot jarak menghasilkan estimasi Polonia/Kualanamu (∅10=-0,492; ∅11=0,026), Soekarno-Hatta (∅10=-0,292; ∅11=-1,186), Juanda (∅10=-0,455; ∅11=0,058) dan Ngurah Rai (∅10=-0,211; ∅11=0,017). Berdasarkan nilai MAPE GSTAR-SUR lebih baik dari GSTAR-OLS dengan nilai MAPE untuk model GSTAR-OLS adalah 12,90% pada bobot seragam dan 13,43% pada bobot jarak. Model GSTAR-SUR menghasilkan nilai MAPE 6,65% untuk bobot seragam dan 7,06% untuk bobot jarak. Model terbaik adalah GSTAR-SUR bobot seragam dengan nilai MAPE 6,65%. Kata Kunci : OLS, GLS, spacetime, korelasi eror]]>
Copyrights © 2020
