Daftar Isi: Peramalan Dengan Efek Variasi Kalender Dan Radial Basis Function Neural Network Pada Data Inflasi Indonesia

Daftar Isi:

Model deret waktu adalah suatu model runtut waktu di mana observasi satu dengan yang lain saling berkorelasi. Metode statistika yang telah dikembangkan untuk analisis peramalan deret waktu salah satunya yaitu ARIMA Box-Jenkins, namun memiliki beberapa kelemahan yaitu tidak sesuai saat diterapkan untuk menangani ratusan deret berkala, dan tidak mampu dalam memodelkan data deret waktu yang bersifat non-linier. Selain itu, beberapa data deret waktu pada kenyataannya tidak hanya dipengaruhi oleh nilai masa lalu dan nilai sekarang namun juga mempertimbangkan variabel eksogen lain, sehingga model ARIMA terbatas dalam menjelaskan pola data. Pada penelitian ini, akan dilakukan peramalan pada data tingkat inflasi di Indonesia yang ditinjau dalam periode bulanan menggunakan metode ARIMAX dengan menggunakan variabel tambahan berupa efek variasi kalender dan metode Neural Network yaitu RBFNN. Tujuan penelitian ini adalah untuk: (1) memodelkan data deret waktu dengan model ARIMAX; (2) memodelkan data deret waktu dengan model hybrid ARIMAX-RBFNN; dan (3) menentukan model yang mampu menghasilkan peramalan yang akurat diantara model ARIMAX, dan model secara hybrid ARIMAX-RBFNN. Hasil penelitian menunjukkan bahwa model hybrid ARIMAX-RBFNN ini lebih baik daripada model ARIMAX saja untuk meramalkan Inflasi bulanan di Indonesia.