ABSTRAKModel STAR (Space Time Autoregresi) merupakan pengembangan dari model deret waktu univariat AR (Autoregresi), menjadi model kombinasi lokasi dan waktu. Keterkaitan antar lokasi penelitian pada model STAR dinyatakan dengan matriks bobot W yang merupakan matriks bujur sangkar dengan entri-entri berupa bobot antara dua lokasi yang bersesuaian. Dalam makalah ini dibahas tiga macam matriks bobot untuk model STAR(1;1), yaitu: matriks bobot seragam, matriks bobot seperjarak kuadrat dan matriks bobot spasial, menentukan dan menggunakan matriks bobot tersebut pada data simulasi, membandingkan serta memilih mana yang lebih baik diantara ketiganya dengan kriteria jumlah kuadrat galat yang paling minimum. Taksiran model STAR(1;1) dengan tiga macam bobot menghasilkan jumlah kuadrat galat yang minimum untuk model dengan matriks bobot spasial. Hal ini berarti bahwa bobot spasial memberikan taksiran parameter model STAR (1,1) PendahuluanDalam kehidupan sehari-hari seringkali ditemukan masalah yang berkaitan dengan waktu, contohnya masalah curah hujan, produksi minyak bumi, fluktuasi nilai tukar rupiah per hari dan lain-lain. Data yang berkaitan dengan waktu dinamakan data deret waktu atau time series. Salah satu model yang digunakan dalam model deret waktu adalah model univariat yang

Model STAR (Space Time Autoregresi) merupakan pengembangan dari model deret waktu univariat AR (Autoregresi), menjadi model kombinasi lokasi dan waktu. Keterkaitan antar lokasi penelitian pada model STAR dinyatakan dengan matriks bobot W yang merupakan matriks bujur sangkar dengan entri-entri berupa bobot antara dua lokasi yang bersesuaian. Dalam makalah ini dibahas tiga macam matriks bobot untuk model STAR(1;1), yaitu: matriks bobot seragam, matriks bobot seperjarak kuadrat dan matriks bobot spasial, menentukan dan menggunakan matriks bobot tersebut pada data simulasi, membandingkan serta memilih mana yang lebih baik diantara ketiganya dengan kriteria jumlah kuadrat galat yang paling minimum. Taksiran model STAR(1;1) dengan tiga macam bobot menghasilkan jumlah kuadrat galat yang minimum untuk model dengan matriks bobot spasial. Hal ini berarti bahwa bobot spasial memberikan taksiran parameter model STAR(1,1) yang lebih baik dibandingkan penggunaan matriks bobot seragam dan seperjarak kuadrat. Kata kunci: Matriks bobot, model STAR, autoregresi ABSTRACT STAR (Space Time Autoregressive) model is a development of univariate time series model AR (Autoregressive), became a combination model of location and time. Relationship between locations in the STAR model represented by W weights matrix is a square matrix that has entries in the form of weights between two corresponding locations. This paper discusses three kinds of weighting matrix for STAR(1,1) model, namely: uniform weighting matrix, inverse distance squares weight matrix and spatial weights matrix, how to define it and use it on simulated data, comparing and choosing which one is better among the three weight matrices using criteria the minimum of sum squared error. Estimated STAR models (1,1) with three kinds of weights produces the minimum of sum squares error for spatial weights. This means that the spatial weights gives more better result for estimation of STAR(1,1) model comparing with uniform and inverse distance squares weights..