Pendugaan Data Hilang Pada Data Deret Waktu Menggunakan Interpolasi Arma, Nilai Rata- Rata Dan Filterisasi Kalman Pada Data Harga Saham Perusahaan Boeing Co

Syamasy, Chandra Malik and Dr. Suci Astutik, S.Si., M.Si. (2021) Pendugaan Data Hilang Pada Data Deret Waktu Menggunakan Interpolasi Arma, Nilai Rata- Rata Dan Filterisasi Kalman Pada Data Harga Saham Perusahaan Boeing Co. Sarjana thesis, Universitas Brawijaya.

Abstract

Data hilang pada data deret waktu menjadi sebuah masalah, hal ini karena data hilang menyebabkan deret waktu berkurang. Deret waktu yang sedikit menyebabkan masalah dalam menduga parameter model, sehingga data hilang perlu diduga (imputasi) dengan sebuah nilai. Penelitian ini bertujuan membahas dan membandingkan metode paling baik dalam melakukan menduga data hilang, beberapa metode yang dapat digunakan dalam menduga data hilang pada data deret waktu harga saham penutupan dengan penyesuaian perusahaan Boeing Co, yang terdiri dari Metode Interpolasi ARMA, Metode Filterisasi Kalman dan Metode Nilai Rata-rata. MAPE sebagai salah satu alat ukur kebaikan penduga terhadap nilai sebenarnya digunakan dalam menentukan metode imputasi yang paling baik di antara ketiga metode, didapatkan hasil Metode Interpolasi ARMA dengan menggunakan model deret waktu AR (1) menghasilkan nilai MAPE sebesar 2,52%, Metode FIlterisasi Kalman sebesar 3,15% dan Metode Nilai Rata-rata sebesar 5,30%. Metode Imputasi ARMA menjadi metode yang paling baik dalam menduga data hilang pada data deret waktu harga saham penutupan dengan penyesuaian Boeing Co, dengan nilai MAPE terkecil dibandingkan dengan Metode Filterisasi Kalman dan Metode Nilai Rata-rata yaitu sebesar 2,52% yang berarti imputasi sangat baik

English Abstract

Missing data in time series data becomes a problem, this is because missing data causes the time series to decrease. The slight time series causes problems in estimating model parameters, so missing data needs to be imputed with a value. This study aims to discuss and compare the best methods for estimating missing data, several methods that can be used to predict missing data on stock price adjustments of closed Boeing Company, which consist of the ARMA Interpolation Method, the Kalman Filtering Method and the Average Value Method. MAPE as a measure of the goodness of the estimator to the actual value is used in determining the best imputation method among the three methods, the results of the ARMA Interpolation Method using the AR (1) time series model produce a MAPE value of 2.52%, the Kalman Filtering Method of 3.15% and Method Average Value of 5.30%. The ARMA imputation method is the best method for estimating missing data on closing stock price time series data with Boeing Co adjustments, with the smallest MAPE value compared to the Kalman Filtering Method and the Average Value Method of 2.52%, which means the imputation is very good

Item Type:	Thesis (Sarjana)
Identification Number:	0521090056
Uncontrolled Keywords:	ARMA, Interpolasi, Kalman, MAPE
Subjects:	500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.5 Statistical mathematics
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika
Depositing User:	Zainul Mustofa
Date Deposited:	23 May 2022 01:36
Last Modified:	23 May 2022 01:36
URI:	http://repository.ub.ac.id/id/eprint/190702

Text (DALAM MASA EMBARGO) CHANDRA MALIK SYAMASY.pdf Restricted to Registered users only until 31 December 2023. Download (2MB)

Actions (login required)

View Item