Penerapan Model Hybrid Autoregressive Integrated Moving Average Dengan Support Vector Regression (Arima-Svr) Pada Peramalan Penjualan Klinker Semen Di Pt X

Yuliana, Defit Fitri (2021) Penerapan Model Hybrid Autoregressive Integrated Moving Average Dengan Support Vector Regression (Arima-Svr) Pada Peramalan Penjualan Klinker Semen Di Pt X. Sarjana thesis, Universitas Brawijaya.

Abstract

Peramalan deret waktu dapat dilakukan dengan berbagai metode statistika, salah satu metode statistika yang sering digunakan adalah Autoregressive Integrated Moving Average (ARIMA) yang meupakan model linier. Model linier belum cukup jika masih ada struktur korelasi linier yang tersisa di residual sehingga model tersebut masih belum cukup. Oleh karena itu, dalam penelitian ini agar diperoleh akurasi yang baik, dilakukan penerapan model peramalan hybrid ARIMA-SVR untuk peramalan penjualan karena peramalan penjualan merupakan bagian penting dalam perencanaan produksi. Penentuan model ARIMA berdasarkan identifikasi pola data dan stasioneritas data terhadap ragam maupun rata-rata. Adapun pemodelan SVR menggunakan input residual dari model linier yang diperoleh dan fungsi kernel yang digunakan yaitu RBF. Terdapat beberapa parameter dalam fungsi kernel yang perlu dioptimalisasi di mana dalam penelitian ini menggunakan metode optimalisasi grid search. Model linier yang digunakan dalam penelitian ini yaitu model ARIMA(1,1,0), sehingga akan diperoleh model hybrid ARIMA(1,1,0)-SVR. Dari model hybrid tersebut menghasilkan nilai MAPE kurang dari 10% yaitu sebesar 7.56% pada data training dan 9.02% pada data testing. Model hybrid ARIMA(1,1,0)-SVR pada data training maupun data testing memiliki nilai MAPE lebih kecil daripada model tunggal (ARIMA). Oleh karena itu, peramalan penjualan klinker menggunakan model hybrid memiliki akurasi lebih baik daripada model tunggal.

English Abstract

Time series forecasting use various statistical. One of the statistical methods that is often used for forecasting is the Autoregressive Integrated Moving Average (ARIMA) that produces a linear model. A linear model is not suffcient if there are still linear correlation structures left in the residuals. So in this research, to get good accuracy use hybrid ARIMA-SVR model for sales forecasting because sales forecasting is an important part of production planning. The ARIMA model was form based on the identification of the data pattern and the stationarity of the variety and average. The SVR modeling uses residual input from the linear model and the kernel function used is RBF. There are several parameters in the kernel function that need to be optimized, which in this study uses the grid search optimization method. The linear model used in this study are ARIMA(1,1,0) so we will get the ARIMA(1,1,0)-SVR model. From the hybrid model, the MAPE value is less than 10%, which is 7.56% for training data and 9.02% for testing data. The ARIMA(1,1,0)-SVR model on the training data and testing data has a smaller MAPE value than the single model (ARIMA). Therefore, klinker sales forecasting using the hybrid model has better accuracy than the single model.

Other obstract

-

Item Type:	Thesis (Sarjana)
Identification Number:	052109
Uncontrolled Keywords:	ARIMA-SVR, hybrid, testing, training", ARIMA-SVR, hybrid, testing, training
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika
Depositing User:	Unnamed user with username dedyiskandar
Date Deposited:	19 Oct 2021 09:50
Last Modified:	24 Sep 2024 01:23
URI:	http://repository.ub.ac.id/id/eprint/184122

Text Defit Fitri Yuliana.pdf Download (2MB)

Actions (login required)

View Item