Perbandingan Pendugaan Parameter Model AR(1) dengan Metode Maximum Likelihood Estimator (MLE) dan Metode Bayesian Marcov Chain Monte Carlo (MCMC)

Autoregressive (AR) merupakan salah satu model deret waktu linier yang stasioner. Pendugaan parameter model deret waktu AR(1) dilakukan dengan dua metode yaitu metode Maximum Likelihood Estimator (MLE) dan metode Bayesian Markov Chain Monte Carlo (MCMC). Tujuan dari penulisan ini adalah menduga parameter model AR(1) dengan metode MLE dan metode Bayesian MCMC dan membandingkan hasil pendugaan parameter dari kedua metode tersebut. Tiga data digunakan dalam penulisan ini yaitu pertama data Daily Blowfly, data kedua dan ketiga merupakan data bangkitan yang dibangkitkan dengan n=100 parameter model ?=-0.45 dan ?=0.8. Hasil pendugaan parameter metode MLE untuk ketiga data adalah φ = 0.98297 untuk Data 1, φ = −0.4843 untuk Data 2 dan φ = 0.8081 untuk Data 3. Hasil pendugaan parameter metode Bayesian MCMC adalah φ = 0.9806 untuk Data 1, φ = −0.4749 untuk Data 2 dan φ = 0.8043 untuk Data 3. Nilai Mean Square Error (MSE) metode Bayesian MCMC lebih kecil dari pada metode MLE sehingga dapat disimpulkan bahwa metode Bayesian MCMC lebih baik daripada metode MLE