Jaringan Syaraf Tiruan Dengan Input Arima, Kombinasi Arima Dan Dummy Outlier Untuk Peramalan Inflasi
| Main Author: | Lestari, Dwi Wahyu |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/182230/ |
Daftar Isi:
- Banyak permasalahan 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 jaringan syaraf tiruan. JST mampu menangkap pola-pola non-liniear dalam deret waktu. JST pada data deret waktu memiliki kelemahan yakni tidak terdapat aturan dalam menentukan unit input sehingga model jaringan yang terbentuk tidak selalu baik. Oleh karena itu pada penelitian digunakan 2 input yaitu input lag ARIMA dan lag ARIMA ditambah dengan dummy outlier dengan studi kasus inflasi di Indonesia. Model ARIMA Box-Jenkins merupakan model yang sering digunakan dalam pemodelan data deret waktu. Pengamatan pada deret waktu terkadang dipengaruhi oleh peristiwa yang tidak terduga yang disebut outlier. Adanya outlier mempengaruhi analisis data seperti identifikasi model, estimasi parameter dan peramalan. Penanganan untuk kasus outlier adalah dengan menyisipkan variabel dummy ke dalam model yang mana variabel dummy ditentukan berdasarkan pada tipe outlier. Hasil analisis menunjukkan bahwa model ARIMA terbaik untuk peramalan inflasi adalah SARIMA(0,1,1)(1,1,1)12. dan setelah dideteksi outlier terdapat 4 innovation outlier. Hasil perbandingan akurasi ramalan melalui nilai RMSE testing menunjukkan bahwa jaringan dengan input lag ARIMA ditambah dummy outlier atau Rprop-NN (13,4,1) merupakan model terbaik untuk peramalan inflasi di Indonesia dengan RMSE 0,47095.