ABSTRAK
Kemampuan memonitor kestabilan barisan matriks korelasi merupakan hal
yang amat penting baik dari segi aplikasi maupun dari segi teori.
Berdasarkan literatur, sejak satu dekade terakhir, masalah kestabilan
tersebut dapat dijumpai dalam spektrum bidang ilmu yang amat luas, mulai
dari bisnis tanah milik, bisnis perumahan (real estate), bisnis asset,
manajemen risiko, pasar ekuitas, pasar saham, pasar global hingga bisnis
finansial dan ekonomi secara umum dan bahkan komputasi paralel.
Sedangkan dari segi teori, dasar-dasarnya sudah dimulai sejak tujuh
dekade yang lalu dan terus berkembang hingga tahun-tahun terakhir. Dari
segi teori, kriteria yang digunakan umumnya adalah kriteria Likelihood
Ratio Test (LRT).
Statistik-statistik yang paling populer dan banyak
dijumpai dalam aplikasi, yang dibangun dengan menggunakan kriteria LRT,
adalah statistik Box, statistik Kullback, statistik Jennrich, statistik
Fisher dan statistik Schott. Kepopulerannya terletak pada kemudahan
penerapannya dan keefektifannya. Namun, pengujian berdasarkan LRT
menghadapi kendala yang amat besar yakni hanya cocok untuk matriks
korelasi yang berukuran kecil karena melibatkan perhitungan determinan
dan invers matriks. Disertasi ini memperkenalkan suatu metode
pemonitoran kestabilan barisan matriks korelasi yang bebas dari kendala
tersebut di atas. Proses pemonitoran dilaksanakan dengan menggunakan
pendekatan Multivariate Statistical Process Control (MSPC) di mana
pengujian hipotesis kesamaan dua matriks korelasi dilakukan
berulang-ulang.
Statistik penguji yang diusulkan dalam disertasi ini
didasarkan kepada apa yang kami sebut vektor variansi variabel-variabel
standar (VVVS) sebagai ukuran dispersi multivariat di mana seluruh
variabel yang terlibat berupa variabel standar. Agar VVVS dapat
diimplementasikan dalam kajian inferensi, dalam disertasi ini terlebih
dahulu akan diselidiki distribusi asimtotik sampel VVVS di bawah asumsi
kenormalan. Selanjutnya akan diselidiki kesensitifan VVVS dengan
membandingkannya terhadap statistik yang paling populer dan banyak
digunakan yakni statistik Jennrich. Hasil eksperimen melalui simulasi
menunjukkan bahwa statistik yang kami usulkan memiliki tingkat
kesensitifan yang lebih baik. Di samping itu, ia memiliki tingkat
kompleksitas komputasi yang jauh lebih rendah daripada statistik
Jennrich.
Nah lo..gua kasih disertasi, mampus...tapi awas y, jangan sampai lo kopi mentah-mentah. dimasak dulu. hahahahahaha>>>>
Tidak ada komentar:
Posting Komentar