Peramalan Inflasi dengan Metode Weighted Fuzzy Time Series

Transkripsi

1 Peramalan Inflasi dengan Metode Weighted Fuzzy Time Series Oleh: Dwi Ayu Lusia ( ) Pembimbing: Dr. Suhartono, M.Sc 1 seminar hasil Tugas Akhir S1 Statistika 24 Juni 2011

2 Latar belakang masalah Permasalahan Tujuan Manfaat Batasan masalah Inflasi Pemulusan eksponensial ARIMA Fuzzy time series es Orde tunggal gal Weighted fuzzy time series Orde tinggi Weighted fuzzy time series Sumber data Variabel penelitian Langkah-langkah penelitian Inflasi umum di Indonesia Inflasi kelompok bahan makanan Inflasi kelompok pendidikan dan olahraga Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 2

3 Kestabilan Inflasi (Bank Indonesia, 2008a) Prasyarat pertumbuhan ekonomi Kesejahteraan masyarakat Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 3

4 Penelitian mengenai Inflasi Bank Sentral Inflasi Kebijakan Moneter Kebijakan Lalu Sekarang Kebijakan sekarang dan Mendatang Peramalan Inflasi Inflasi Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 4

5 Metode Peramalan Pemulusan ARIMA Model Intervensi Variasi Kalender Fungsi Transfer VAR Neural Network ARIMAX Penelitian di Luar Indonesia Stock & Watson (1999) Chen et al. (2001) Nakamura (2005) McAdam & McNeils (2006) Moser et al. (2007) Penelitian di Indonesia Suhartono (2005) Anggraini (2009) TA Meitasari (2009) TA Septiorini (2009) TA Setyaningsih (2010) TA Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 5

6 Himpunan Fuzzy (Song & Chissom, 1993a & 1993b) (Chen, 1994) Peramalan Deret Waktu (Yu, 2005) (Cheng et al., 2008) (Lee & Suhartono, 2010) Weighted Fuzzy Time Series (WFTS) Pemulusan Eksponensial ARIMA Akurat???? Saham Inflasi di Indonesia Temperatur Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 6

7 WFTS 1. Orde Terbaik?? 2. Akurasi?? Jika dibandingkan dengan metode Pemulusan Eksponensial dan ARIMA Tujuan: 1. Mendapatkan Orde Terbaik dari Metode WFTS 2. Mengetahui akurasi metode WFTS Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 7

8 Penelitian Ini Nilai Ramalan Inflasi 1. Bahan pertimbangan dalam mengambil kebijakan moneter dan dapat mengontrol kestabilan inflasi 2. Memperoleh indikator yang menggambarkan kecenderungan umum tentang perkembangan harga 3. Informasi dasar untuk pengambilan keputusan baik tingkat ekonomi mikro atau makro, baik fiskal maupun moneter Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 8

9 Metode Data WFTS Inflasi Umum di Indonesia Inflasi Kelompok Bahan Makanan Inflasi Kelompok Pendidikan & Olahraga Pemulusan Eksponensial ARIMA Periode: Januari Desember 2010 Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 9

10 Fuzzy Time Series ialah suatu konsep penemuan peramalan dimana hasil yang diperoleh dapat dibahasakan Fuzzy Time Series (Song & Chissom, 1993b) Time variant Time invariant Fuzzy Time Series Orde Pertama Orde Tinggi (Chen, 2002) Orde pertama musiman (Song,1999) Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 10

11 Song & Chissom (1993a, 1993b) Chen (1996) Algoritma Chen Yu (2005) Algoritma Yu Chen (1996) - Tidak memperdulikan pengulangan - Tidak adanya pembobotan menurut waktu Cheng et al. (2008) Lee & Suhartono (2010) Algoritma Cheng Algoritma Lee Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 11

12 U = [awal,akhir]) dan interval Fuzzy FLR FLRG Meramalkan F(t) Defuzzy 1. Algoritma Chen 2. Algoritma Yu, Cheng, dan Lee ; 1. Algoritma Chen : 2. Algoritma Yu : 3. Algoritma Cheng : 4. Algoritma Lee : Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 12

13 Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 13

14 Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 14

15 Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 15

16 Data inflasi di Indonesia Buku (BPS) Website yek=03%20&notab=1 id/tab_sub/excel.php?id_ subyek=03%20&notab=5 Indeks Harga Konsumen di 43 Kota di Indonesia Indeks Harga Konsumen di 45 Kota di Indonesia Indikator Ekonomi Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 16

17 Variabel Penelitian: 1. Inflasi umum di Indonesia 2. Inflasi kelompok bahan makanan 3. Inflasi Kelompok pendidikan dan olah raga Data training Data bulanan mengenai Inflasi Periode Periode Data testing Periode 2010 Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 17

18 1 Membagi data dibagi menjadi 2, yaitu: 1. Data training ( ) 2. Data testing (2010) 2 Aplikasi metode: 1. Pemulusan eksponensial 2. ARIMA 3. WFTS sesuai dengan Algoritma Chen, Yu, Cheng, dan Lee 3 Peramalan 12 data yang akan datang menggunakan metode WFTS, pemulusan eksponensial, dan ARIMA 4 Penentuan model peramalan inflasi terbaik dengan membandingkan nilai RMSE dan MAPE data testing 5 Peramalan inflasi 2011 Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 18

19 Inflasi umum di Indonesia Inflasi kelompok bahan makanan Inflasi kelompok pendidikan dan olahraga Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 19

20 1. Pemulusan Eksponensial Tunggal Model: 2. ARIMA Model: dimana dan Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 20

21 3. WFTS Himpunan sampel (U=[awal,akhir]) Dan interval Himpunan fuzzy dan menghitung fuzzy dari data Himpunan sampel dibagi menjadi: 12 bagian dengan panjang interval 0,6 19 bagian dengan panjang interval 0,5 22 bagian dengan panjang interval 0,43 Orde yang digunakan: orde tunggal, yaitu orde (1) Orde ganda, yaitu orde (1,2) Orde tiga, yaitu orde (1,2,3) 3. Mengamati fuzzy Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 21

22 3. WFTS 3.1 Algoritma Chen 4. Menentukan FLR dan FLRG Orde (1) Orde (1,2) 5. Meramalkan (F (t)). Misal pada t = 13, maka F(13 1 ) = A 5 Maka F(13) = A 1, A 2, A 4 6. Defuzzy. Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 22

23 3. WFTS 4. Menentukan FLR dan FLRG 6. Defuzzy. 3.2 Algoritma Yu 3.2 Algoritma Cheng 3.3 Algoritma Lee 5. Meramalkan (F (t)). Misal pada t = 13, maka F(13 1 ) = A 5 Maka F(13) = A 2, A 1, A 4,A 2, A 4 Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 23

24 3. WFTS Chen k=5 k=6 Cheng k=7 Ordde (1,2,3) orde (1) Orde (1,2) 1,2 1,0 0,8 0,6 RMSE Lee Yu 0,4 1,2 1,0 0,8 0,6 0,4 k=5 k=6 k=7 Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 24

25 4. Peramalan Inflasi umum di Indonesia tahun 2011 dimana dan Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 25

26 4. Peramalan Inflasi umum di Indonesia tahun 2011 Sehingga model yang digunakan ialah WFTS dengan algoritma LEE pada: orde (1,2,3) k = 7 c = 2 skema 4 Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 26

27 4. Peramalan Inflasi umum di Indonesia tahun 2011 Sehingga model yang digunakan ialah WFTS dengan algoritma LEE pada: orde (12) k = 20 c = 1,6 Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 27

28 Kesimpulan 1. Orde terbaik pada WFTS 2. Metode terbaik untuk peramalan tahun 2011 Inflasi umum di Indonesia Inflasi kelompok bahan makanan Orde (1,2,3) Orde (1,2,3) Orde (12) MA(1) dengan outlier WFTS pada algoritma Lee dengan skema 3, orde (1,2,3), k = 7, dan c = 1. Inflasi kelompok Pendidikan dan olahraga WFTS pada algoritma Lee dengan orde (12), k = 20, dan c = 1,6 Saran yang dapat disampaikan untuk pengembangan dari Tugas Akhir ini adalah mengembangkan cara untuk mendapatkan orde maupun banyak bagian himpunan sampel yang tepat untuk peramalan menggunakan WFTS Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 28

29 Bank Indonesia. 2008a. Pentingnya Kestabilan Harga, < Moneter/Inflasi/Pengenalan+Inflasi/pentingnya.htm> Diunduh pada 07 Februari 2011 pukul Bank Indonesia. 2008b. Inflasi, < Inflasi/> Diunduh pada 07 Februari 2011 pukul 13:33. Chen, S.M Forecasting Enrollments Based on Fuzzy Time Series. Fuzzy Sets and System 81, 3: Chen, S.M Forecasting Enrollments Based on High-order Fuzzy Time Series. Cybernetics and Systems 33, 1:1-16. Chen, S.M. and Hwang, J.R Temperature Prediction Using Fuzzy Time Series. IEEE Transaction on Systems, Man, and Cybernetics 30, 2: Cheng, C.H., Chen, T.L., Teoh, H.J., and Chiang, C.H Fuzzy Time Series Based on Adaptive Expectation Model for TAIEX Forecasting. Expert Systems with Application 34, 2: Huarng, K.H Heuristic Models of Fuzzy Time Series for Forecasting. Fuzzy Sets and Systems 123, 3: Hwang, J.R., Chen, S.M., and Lee, C.H Handling Forecasting Problems Using Fuzzy Time Series. Fuzzy Sets and Systems 100, 2: Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 29

30 Lee, M.M., and Suhartono An Novel Weighted Fuzzy Time Series Models for Forecasting Seasonal Data. Proceeding 2 nd International Conference on Mathematical Sciences. Kuala Lumpur, 30 November-30 Desember: Sigh, S.R A Simple Time-Variant Method for Fuzzy Time Series Forecasting. Cybernetics and Systems 38, 3: Song, Q., and Chissom, B.S. 1993a. Forecasting Enrollments with Fuzzy Time Series-part I. Fuzzy Sets and System 54, 1-9. Song, Q., and Chissom, B.S. 1993b. Fuzzy Time Series and Its Model. Fuzzy Sets and System 54, Song, Q Seasonal Forecasting in Fuzzy Time Series. Fuzzy Sets and Systems 107, Yu, H.K Weighted Fuzzy Time Series Models for TAIEX Forecasting. Physica A. Statistical Mechanics and Its Application 349, Zhang, G.P Time Series Forecasting using A Hybrid ARIMA and Neural Network Model. Neurocomputing 50, Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 30

31