Penerapan Metode Neural Network Pada Model Vector Autoregressive (Var-Nn) (Studi Kasus Pada Data Indeks Harga Saham Gabungan Dan Suku Bunga Kebijakan)

Fadilah, Ayu Nur (2020) Penerapan Metode Neural Network Pada Model Vector Autoregressive (Var-Nn) (Studi Kasus Pada Data Indeks Harga Saham Gabungan Dan Suku Bunga Kebijakan). Sarjana thesis, Universitas Brawijaya.

Abstract

Model Vector Autoregressive (VAR) merupakan bentuk model multivariat dari model Autoregressive (AR) yang merupakan bentuk model univariat. Pada model Vector Autoregressive, variabel pada model bergantung pada pergerakan masa lalu variabel itu sendiri dan pergerakan masa lalu dari variabel lain yang terdapat dalam sistem persamaan. Model VAR digunakan jika masing-masing variabel memiliki hubungan dua arah dan deret waktu yang digunakan sudah stasioner dan tidak saling berkointegrasi. Seiring berjalannya waktu banyak permasalahan yang timbul pada bidang ekonomi yang sulit terpecahkan dikarenakan data yang akan dianalisis memiliki pola data tertentu dan sulit didefinisikan. Salah satu metode pemodelan yang bisa digunakan untuk menangkap pola-pola non linier adalah metode neural network. Metode neural network adalah pemrosesan suatu informasi yang terinspirasi oleh sistem sel syaraf biologi seperti otak yang memproses suatu informasi. Kelemahan dari neural network salah satunya adalah tidak ada ketentuan dalam menentukan input dan jumlah unit dalam lapisan input. Hal ini mengakibatkan model jaringan yang terbentuk tidak selalu baik. Dengan adanya kekurangan dalam model neural network, peneliti ingin membentuk model neural network dengan input variabel dengan lag optimum pada model vector autoregressive untuk peramalan. Dari hasil yang diperoleh akan dihitung nilai Mean Absolute Percentage Error (MAPE). Hasil dari penelitian ini adalah metode VAR-NN memiliki tingkat akurasi lebih baik dibanding model VAR. Kata kunci: Backpropagation Neural Network, IHSG, Suku Bunga Kebijakan, VAR.

English Abstract

The Vector Autoregressive (VAR) model is a multivariate model form of the Autoregressive (AR) model which is a form of a univariate model. In the Vector Autoregressive model, the variables in the model depend on the past movements of the variable itself and the past movements of other variables contained in the equation system. The VAR model is used if each variable has a two-way relationship and the time series used is stationary and not cointegrated. Over time many problems that arise in the economic field are difficult to solve because the data to be analyzed has certain data patterns and is difficult to define. One modeling method that can be used to capture non-linear patterns is the neural network method. The neural network method is the processing of information inspired by a biological nerve cell system such as the brain that processes information. The weakness of the neural network is that there is no provision in determining the input and the number of units in the input layer. This resulted in the network model formed is not always good. Given the deficiencies in the neural network model, researchers want to form a neural network model with variable input with optimum lag in the autoregressive vector model for forecasting. From the results obtained, the value of Mean Absolute Percentage Error (MAPE) will be calculated. The results of this study are the VAR-NN method has better accuracy than the VAR model. Keywords: Backpropagation Neural Network, CSPI, Policy Interest Rate, VAR.

Other obstract

-

Item Type:	Thesis (Sarjana)
Identification Number:	0520090026
Uncontrolled Keywords:	Backpropagation Neural Network, IHSG, Suku Bunga Kebijakan, VAR.
Subjects:	500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.5 Statistical mathematics > 519.53 Descriptive statistics, multivariate analysis, analysis of variance and covariance > 519.536 Regression analysis
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika
Depositing User:	ismanto
Date Deposited:	30 Jan 2021 14:50
Last Modified:	03 Oct 2024 03:55
URI:	http://repository.ub.ac.id/id/eprint/182126

Text Ayu Nur Fadilah.pdf Download (2MB)

Actions (login required)

View Item