PERAMALAN DERET WAKTU DENGAN MENGGUNAKAN AUTOREGRESSIVE (AR), JARINGAN SYARAF TIRUAN RADIAL BASIS FUNCTION (RBF) DAN HIBRID AR-RBF PADA INFLASI INDONESIA

Al, Hikmah (2017) PERAMALAN DERET WAKTU DENGAN MENGGUNAKAN AUTOREGRESSIVE (AR), JARINGAN SYARAF TIRUAN RADIAL BASIS FUNCTION (RBF) DAN HIBRID AR-RBF PADA INFLASI INDONESIA. Other thesis, UNIVERSITAS NEGERI SEMARANG.

[img]
Preview
Text (PERAMALAN DERET WAKTU DENGAN MENGGUNAKAN AUTOREGRESSIVE (AR), JARINGAN SYARAF TIRUAN RADIAL BASIS FUNCTION (RBF) DAN HIBRID AR-RBF PADA INFLASI INDONESIA)
28. 4111412046.pdf - Published Version
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (374kB) | Preview

Abstract

Hikmah, A. 2017. Peramalan Deret Waktu Menggunakan Autoregressive (AR), Jaringan Syaraf Tiruan Radial Basis Function (RBF) dan Hibrid AR-RBF pada Inflasi Indonesia. Skripsi, Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Semarang. Pembimbing Utama Drs, Arief Agoestanto, M.Si. dan Pembimbing Pendamping Riza Arifudin, S.Pd., M.Cs. Kata kunci : Autoregressive (AR), Jaringan Syaraf Tiruan, Radial Basis Function (RBF), Inflasi. Data inflasi merupakan data keuangan runtun waktu (financial time series) yang dapat diramalkan besarnya pada masa yang akan datang berdasarkan data tersebut. Salah satu metode untuk meramalkan data runtun waktu adalah Autoregressive (AR). Metode AR dapat menganalisis masalah bagian linier data dan tidak dapat menangkap struktur nonlinier data. Berbeda dengan AR, model jaringan syaraf tiruan merupakan metode peramalan yang dapat digunakan untuk memprediksi data nonlinier. Salah satu algoritma pembelajaran dalam jaringan syaraf tiruan yaitu Radial Basis Function (RBF). Dengan satu metode saja mungkin tidak mampu mengatasi masalah peramalan dengan baik. Dalam artikel ini dibahas penggabungan dua buah metode yaitu Autoregressive (AR) dan Radial Basis Function (RBF). Tujuan penelitian ini adalah untuk menentukan hasil ramalan inflasi enam bulan berikutnya yaitu bulan Oktober 2016, November 2016, Desember 2016, Januari 2017, Februari 2017 dan Maret 2017. Kemudian dibandingkan nilai MAPE masing-masing metode untuk menentukan metode yang lebih akurat dalam meramalkan nilai inflasi. Data yang digunakan dalam peramalan yaitu tingkat inflasi Indonesia berdasarkan Indeks Harga Konsumen (IHK) pada bulan Januari 2003 sampai dengan September 2016. Hasil peramalan hibrid AR-RBF dibandingkan dengan metode AR dan RBF secara individual. Hasil analisis menunjukkan bahwa hasil hibrid JST RBF memiliki hasil yang lebih akurat dari pada AR dan hibrid ARRBF saja. Hal ini terlihat dari nilai MAPE JST RBF paling kecil yaitu 7,12199%, sedangkan nilai MAPE metode AR sebesar 10,3636% dan metode hibrid AR-RBF sebesar 9,37089%. Hasil peramalan inflasi Indonesia dengan metode JST RBF pada bulan Oktober 2016, November 2016, Desember 2016, Januari 2017, Februari 2017 dan Maret 2017 secara berturut-turut sebesar 3,0960%; 3,3567%; 3,4304%; 3,5468%; 3,6701% dan 3,8570%.

Item Type: Thesis (Other)
Subjects: A General Works > AS Academies and learned societies (General)
Divisions: Fakultas Matematika dan Komputer > Prodi Matematika
Depositing User: Rizki Handayani S.I.Pust
Date Deposited: 22 Jun 2019 09:07
Last Modified: 22 Jun 2019 09:07
URI: http://repository.unugha.ac.id/id/eprint/235

Actions (login required)

View Item View Item