Pembentukan Model Multiresolution Autoregressive (MAR) dengan Metode Mximal Oerlap Dscrete Wvelet Tansform (MODWT) menggunakan filter wavelet daubechies: Data Time Series Stasioner dan Non Stasioner
| Main Author: | Fitranti, Arintya |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2011
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/152564/1/051102077.pdf http://repository.ub.ac.id/152564/ |
Daftar Isi:
- Deret waktu merupakan serangkaian pengamatan yang terjadi berdasarkan indeks waktu secara berurutan dengan interval waktu tetap. Analisis terhadap suatu data time series yang non stasioner dapat dilakukan dengan menggunakan transformasi wavelet melalui proses dekomposisi. Keluarga wavelet (filter) yang digunakan adalah Daubechies wavelet 4 atau db (4). Data yang digunakan adalah dua data sekunder, yaitu data hasil penjualan obligasi perusahaan kereta api bulanan yang merupakan data dengan model ARIMA(1,1,0) dan data produksi tebu tahunan yang merupakan data dengan model ARIMA(2,1,0). Terdapat dua metode yang diterapkan pada penelitian ini, yaitu data dianalisis tanpa distasionerkan terlebih dahulu dan data distasionerkan terlebih dahulu (kestasioneran terhadap ragam diperoleh dengan menggunakan transformasi Box-Cox , transformasi log dan transformasi akar), kemudian dilakukan dekomposisi MODWT yang menghasilkan koefisien wavelet dan koefisien skala yang digunakan sebagai input pada model MAR. Hasil analisis menunjukkan bahwa transformasi wavelet mampu memisahkan trend dari data secara otomatis yang ditandai dengan plot koefisien skala yang mengikuti pola data asli, dan plot koefisien wavelet yang cenderung stasioner disekitar nol dan berdasarkan nilai MSE dari model yang terbentuk pada kedua data, model MAR untuk data yang stasioner (transformasi log) merupakan model terbaik karena menghasilkan nilai MSE yang lebih kecil dibandingkan dengan model MAR untuk data non stasioner dan model ARIMA.