Pendugaan Parameter Model Arima(P.D.Q) Menggunakan Algoritma Particle Swarm Optimization (Pso)
| Main Author: | S, INyomanDharmaYogaA |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2016
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/154860/ |
Daftar Isi:
- Optimasi memiliki peran penting dalam pemodelan statistika, yaitu menyelesaikan masalah pendugaan parameter model. Model ARIMA(p,d,q) merupakan model deret waktu linier yang stasioner. Pendugaan parameter metode Conditional Maximum Likelihood (CML) pada model ARIMA(p,d,q) adalah memaksimumkan fungsi CML. Memaksimumkan fungsi C-ML akan ekuivalen dengan meminimumkan fungsi jumlah kuadrat terkecil bersyarat (CSS). Particle Swarm Optimization (PSO) merupakan teknik optimasi stokastik bebas gradien yang terinspirasi dari tingkah laku kawanan burung atau ikan untuk menyelesaikan permasalahan optimasi yang kompleks. Pada penelitian ini, PSO digunakan untuk menyelesaikan masalah optimasi fungsi CSS dalam pendugaan parameter model ARIMA(p,d,q). Untuk menyelesaikan masalah tersebut, dilakukan simulasi dengan batasan orde pembedaan adalah 0 (d = 0). Empat model yang disimulasikan adalah AR(1), AR(2), MA(1), dan ARIMA(1,0,1). Skenario untuk model AR(1), AR(2), dan MA(1) terdiri dari dua spesifikasi parameter yang berbeada, sedangkan model ARIMA(1,0,1) terdiri dari tiga spesifikasi parameter yang berbeda. Sebagai pembanding diterapkan teknik Quasi-Newton-BFGS. Berdasarkan hasil penelitian menunjukkan bahwa optimasi fungsi CSS dengan PSO menghasilkan parameter duga yang sangat mendekati parameter spesifikasi. PSO membutuhkan waktu dan jumlah iterasi yang lebih banyak dibandingkan metode Quasi- Newton-BFGS. Namun, PSO memberikan hasil pendugaan parameter yang lebih konsisten dibandingkan metode Quasi-Newton-BFGS. PSO dapat digunakan sebagai metode alternatif untuk pendugaan parameter model ARIMA(p,d,q).