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.