Penerapan Metode Neural Network Pada Model Vector Autoregressive (Var-Nn) (Studi Kasus Pada Data Indeks Harga Saham Gabungan Dan Suku Bunga Kebijakan)
| Main Author: | Fadilah, Ayu Nur |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/182126/ |
Daftar Isi:
- Model Vector Autoregressive (VAR) merupakan bentuk model multivariat dari model Autoregressive (AR) yang merupakan bentuk model univariat. Pada model Vector Autoregressive, variabel pada model bergantung pada pergerakan masa lalu variabel itu sendiri dan pergerakan masa lalu dari variabel lain yang terdapat dalam sistem persamaan. Model VAR digunakan jika masing-masing variabel memiliki hubungan dua arah dan deret waktu yang digunakan sudah stasioner dan tidak saling berkointegrasi. Seiring berjalannya waktu banyak permasalahan yang timbul pada bidang ekonomi yang sulit terpecahkan dikarenakan data yang akan dianalisis memiliki pola data tertentu dan sulit didefinisikan. Salah satu metode pemodelan yang bisa digunakan untuk menangkap pola-pola non linier adalah metode neural network. Metode neural network adalah pemrosesan suatu informasi yang terinspirasi oleh sistem sel syaraf biologi seperti otak yang memproses suatu informasi. Kelemahan dari neural network salah satunya adalah tidak ada ketentuan dalam menentukan input dan jumlah unit dalam lapisan input. Hal ini mengakibatkan model jaringan yang terbentuk tidak selalu baik. Dengan adanya kekurangan dalam model neural network, peneliti ingin membentuk model neural network dengan input variabel dengan lag optimum pada model vector autoregressive untuk peramalan. Dari hasil yang diperoleh akan dihitung nilai Mean Absolute Percentage Error (MAPE). Hasil dari penelitian ini adalah metode VAR-NN memiliki tingkat akurasi lebih baik dibanding model VAR. Kata kunci: Backpropagation Neural Network, IHSG, Suku Bunga Kebijakan, VAR.