Peramalan Dengan Efek Variasi Kalender Dan Radial Basis Function Neural Network Pada Data Inflasi Indonesia

Pratiwi, Deby Cintya (2020) Peramalan Dengan Efek Variasi Kalender Dan Radial Basis Function Neural Network Pada Data Inflasi Indonesia. Sarjana thesis, Universitas Brawijaya.

Abstract

Model deret waktu adalah suatu model runtut waktu di mana observasi satu dengan yang lain saling berkorelasi. Metode statistika yang telah dikembangkan untuk analisis peramalan deret waktu salah satunya yaitu ARIMA Box-Jenkins, namun memiliki beberapa kelemahan yaitu tidak sesuai saat diterapkan untuk menangani ratusan deret berkala, dan tidak mampu dalam memodelkan data deret waktu yang bersifat non-linier. Selain itu, beberapa data deret waktu pada kenyataannya tidak hanya dipengaruhi oleh nilai masa lalu dan nilai sekarang namun juga mempertimbangkan variabel eksogen lain, sehingga model ARIMA terbatas dalam menjelaskan pola data. Pada penelitian ini, akan dilakukan peramalan pada data tingkat inflasi di Indonesia yang ditinjau dalam periode bulanan menggunakan metode ARIMAX dengan menggunakan variabel tambahan berupa efek variasi kalender dan metode Neural Network yaitu RBFNN. Tujuan penelitian ini adalah untuk: (1) memodelkan data deret waktu dengan model ARIMAX; (2) memodelkan data deret waktu dengan model hybrid ARIMAX-RBFNN; dan (3) menentukan model yang mampu menghasilkan peramalan yang akurat diantara model ARIMAX, dan model secara hybrid ARIMAX-RBFNN. Hasil penelitian menunjukkan bahwa model hybrid ARIMAX-RBFNN ini lebih baik daripada model ARIMAX saja untuk meramalkan Inflasi bulanan di Indonesia.

English Abstract

The time series model is a series in which observations with one another are correlated. One of the statistical methods that have been developed for time series forecasting analysis is the ARIMA Box-Jenkins, but it has some weaknesses that are not appropriate when applied to handle hundreds of time series, and are unable to model non-linear time series data. In addition, some time series data are in fact not only influenced by past and present values but also consider other exogenous variables, so that the ARIMA model is limited in explaining data patterns. In this study, forecasting will be carried out on the inflation rate data in Indonesia which is reviewed in the monthly period using the ARIMAX method by using additional variables in the form of calendar variation effects and the Neural Network method, namely RBFNN. The purpose of this study is to: (1) modeling the time series data with the ARIMAX model; (2) modeling time series data with the ARIMAX-RBFNN hybrid model; and (3) Determine a model that is able to produce accurate forecasting between the ARIMAX model, and the ARIMAX-RBFNN hybrid model. The results show that the ARIMAX-RBFNN hybrid model is better than the ARIMAX model for predicting monthly inflation in Indonesia.

Other obstract

-

Item Type:	Thesis (Sarjana)
Identification Number:	0520090042
Uncontrolled Keywords:	Variasi Kalender, ARIMAX, RBFNN, Time Series, Neural Network.
Subjects:	500 Natural sciences and mathematics > 515 Analysis > 515.5 Special functions
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika
Depositing User:	ismanto
Date Deposited:	31 Jan 2021 07:10
Last Modified:	03 Oct 2024 02:40
URI:	http://repository.ub.ac.id/id/eprint/182171

Text Deby Cintya Pratiwi.pdf Download (6MB)

Actions (login required)

View Item