Cover Image

Peramalan Kenaikan Indeks Harga Konsumen/Inflasi Kota Malang Menggunakan Metode Support Vector Regression (SVR) Dengan Chaotic Genetic Algorithm-Simulated Annealing (CGASA)

Main Author: Hidayatullah, M. Maulana Sholihin
Format: Thesis NonPeerReviewed Book
Bahasa: eng
Terbitan: , 2017
Subjects:
003.2 Forecasting and forecasts
Online Access: http://repository.ub.ac.id/2023/1/M.%20Maulana%20Sholihin%20Hidayatullah.pdf
http://repository.ub.ac.id/2023/
ctrlnum 2023
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/2023/</relation><title>Peramalan Kenaikan Indeks Harga Konsumen/Inflasi Kota Malang Menggunakan Metode Support Vector Regression (SVR) Dengan Chaotic Genetic Algorithm-Simulated Annealing (CGASA)</title><creator>Hidayatullah, M. Maulana Sholihin</creator><subject>003.2 Forecasting and forecasts</subject><description>Peramalan inflasi adalah hal yang rumit. Tingkat inflasi yang dihitung berdasarkan kenaikan indeks harga konsumen (IHK) dipengaruhi berbagai faktor mulai dari gejolak harga berbagai jenis barang yang tidak menentu, nilai tukar rupiah, tingkat inflasi dunia, kebijakan pemerintah, gejolak suplai barang dan permintaan masyarakat. Hibridasi algoritma support (SVR) dengan chaotic sequence dan algoritma genetika telah sukses diaplikasikan untuk meningkatkan akurasi peramalan dalam berbagai bidang. Tetapi masih belum banyak diekplorasi penggunaan algoritma ini dalam bidang ekonomi pasar yaitu peramalan inflasi. Jurnal ini akan menganalisis potensial dari algoritma hibridasi yaitu chaotic genetic algorithm-simulated annealing algorithm (CGASA) dengan model SVR untuk meningkatkan performa akurasi peramalan. Dengan tingkat keacakan yang kacau dari chaotic sequence akan mampu menghindarkan premature local optimum dan korvengensi dini, terlebih dengan adanya algoritma simulated annealing yang meningkatkan wilayah pencarian solusi. Hasil uji peramalan pada penelitian ini menunjukkan keakuratan yang lebih baik dibandingkan penelitian sebelumnya yang telah dikaji yaitu Metode ensembel gabungan antara algoritma autoregressive integrated moving average (ARIMA) dan jaringan syaraf tiruan (ANN).</description><date>2017-07-24</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/2023/1/M.%20Maulana%20Sholihin%20Hidayatullah.pdf</identifier><identifier> Hidayatullah, M. Maulana Sholihin (2017) Peramalan Kenaikan Indeks Harga Konsumen/Inflasi Kota Malang Menggunakan Metode Support Vector Regression (SVR) Dengan Chaotic Genetic Algorithm-Simulated Annealing (CGASA). Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FTIK/2017/496/051707818</relation><recordID>2023</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
Book:Book
Book
author Hidayatullah, M. Maulana Sholihin
title Peramalan Kenaikan Indeks Harga Konsumen/Inflasi Kota Malang Menggunakan Metode Support Vector Regression (SVR) Dengan Chaotic Genetic Algorithm-Simulated Annealing (CGASA)
publishDate 2017
topic 003.2 Forecasting and forecasts
url http://repository.ub.ac.id/2023/1/M.%20Maulana%20Sholihin%20Hidayatullah.pdf
http://repository.ub.ac.id/2023/
contents Peramalan inflasi adalah hal yang rumit. Tingkat inflasi yang dihitung berdasarkan kenaikan indeks harga konsumen (IHK) dipengaruhi berbagai faktor mulai dari gejolak harga berbagai jenis barang yang tidak menentu, nilai tukar rupiah, tingkat inflasi dunia, kebijakan pemerintah, gejolak suplai barang dan permintaan masyarakat. Hibridasi algoritma support (SVR) dengan chaotic sequence dan algoritma genetika telah sukses diaplikasikan untuk meningkatkan akurasi peramalan dalam berbagai bidang. Tetapi masih belum banyak diekplorasi penggunaan algoritma ini dalam bidang ekonomi pasar yaitu peramalan inflasi. Jurnal ini akan menganalisis potensial dari algoritma hibridasi yaitu chaotic genetic algorithm-simulated annealing algorithm (CGASA) dengan model SVR untuk meningkatkan performa akurasi peramalan. Dengan tingkat keacakan yang kacau dari chaotic sequence akan mampu menghindarkan premature local optimum dan korvengensi dini, terlebih dengan adanya algoritma simulated annealing yang meningkatkan wilayah pencarian solusi. Hasil uji peramalan pada penelitian ini menunjukkan keakuratan yang lebih baik dibandingkan penelitian sebelumnya yang telah dikaji yaitu Metode ensembel gabungan antara algoritma autoregressive integrated moving average (ARIMA) dan jaringan syaraf tiruan (ANN).
id IOS4666.2023
institution Universitas Brawijaya
affiliation mill.onesearch.id
fkp2tn.onesearch.id
institution_id 30
institution_type library:university
library
library Perpustakaan Universitas Brawijaya
library_id 480
collection Repository Universitas Brawijaya
repository_id 4666
subject_area Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia*
city MALANG
province JAWA TIMUR
shared_to_ipusnas_str 1
repoId IOS4666
first_indexed 2018-01-19T18:30:51Z
last_indexed 2021-10-18T02:07:59Z
recordtype dc
_version_ 1730142668506267648
score 17.538404

Lihat Juga