Perpustakaan Digital ITB

Era big data mendorong diterapkannya data mengalir dalam analisis maupun pemodelan suatu data. Pada tesis ini, dikembangkan pemodelan data mengalir deret ruang waktu dengan backbone model Generalized STAR atau GSTAR, yang selanjutnya dinamakan dengan Online GSTAR. Dengan menggunakan teknik minimalisasi regret, dua model online GSTAR-OGD dan GSTAR-ONS dibandingkan dengan model GSTAR. Diperoleh bahwa Online GSTAR lebih mampu beradaptasi terhadap perubahan sifat data seiring waktu dibandingkan model GSTAR. Selain itu, tidak seperti GSTAR, model Online GSTAR mempunyai waktu latih dan prediksi yang paling lama konstan dan tidak bergantung banyaknya data yang dibaca. Online GSTAR juga mempunyai performa model yang secara asimtotik mendekati performa model terbaik. Pengembangan lebih lanjut Online GSTAR dengan Algoritma Agregasi mampu menghilangkan kebutuhan beberapa observasi awal untuk penentuan orde model.