Nama : Dian Anggriani.

G
NIM : 211910694
Kelas : 3SE4
Kode : ZPM6F

Responsi Time Series

Peredan AIC dan BIC
1. The Information Criterion Akaike (sering disebut hanya sebagai AIC )
The Information Criterion Akaike (sering disebut hanya sebagai AIC ) adalah
kriteria untuk memilih antara model statistik atau ekonometrik bersarang. AIC pada
dasarnya adalah perkiraan ukuran kualitas setiap model ekonometrik yang tersedia
karena terkait satu sama lain untuk kumpulan data tertentu, menjadikannya metode
yang ideal untuk pemilihan model. Misal kita memiliki model-model statistik dari
suatu set data. Dengan k adalah jumlah parameter dalam model yang akan ditaksir
dan L adalah nilai maksimum dari fungsi likelihood model. Maka AIC dapat
dirumuskan secara matematis sebagai berikut :
𝐴𝐼𝐶 = 2𝑘 − 2ln⁡(𝐿̂)
2. Bayesian Information Criterion (BIC)
Sama halnya dengan AIC, BIC berdasar pada fungsi likelihood dari suatu set data.
Fungsi dari BIC adalah sebuah kriteria dalam pemilihan model terbaik dari suatu
set model (banyak model). Dimana yang menjadi kriteria adalah model yang
memiliki nilai BIC yang paling rendah adalah model yang paling baik.
𝐵𝐼𝐶 = ln(𝑛) 𝑘 − 2ln⁡(𝐿̂)
Dimana L adalah nilai maksimum dari fungsi likelihood dari model; n adalah
ukuran sampel dan k adalah jumlah parameter model yang ditaksir (termasuk
konstantan, koefisien beta dan error). Pada prinsipnya konsepsi penggunaan BIC
dengan AIC adalah sama, yang membedakan adalah pada operator penalti bagi
parameter yang digunakan dalam kedua model perumusan. Dimana pada AIC
operator penalti yang digunakan adalah “2k” sedangkan pada BIC operator yang
digunakan adalah “ln(n)k”. Dan secara prinsipil perbedaan antara AIC dan BIC
yang didapat dari literatur adalah sebagai berikut.