PERBANDINGAN METODE PERAMALAN PADA MODEL ARFIMA ABSTRAK

dokumen-dokumen yang mirip
Perbandingan Metode Peramalan ARIMA dan ARFIMA pada Data Long Memory

PEMODELAN ARFIMA NONSTASIONER MELALUI METODE MODIFIKASI GPH ( GEWEKE AND PORTER- HUDAK) ABSTRAK

BAB 1 PENDAHULUAN LATAR BELAKANG

Penerapan Model Analisis Time Series Dalam Peramalan Pemakaian Kwh Listrik Untuk n-bulan Ke depan Yang Optimal Di Kota Bengkulu

Penaksiran parameter model ARIMA dengan menggunakan Algoritma Genetika

PENDETEKSIAN PENCILAN ADITIF DAN INOVATIF DALAM DATA DERET WAKTU MELALUI METODE ITERATIF

ANALISIS DATA RUNTUN WAKTU MENGGUNAKAN MODEL ARIMA (p,d,q)

Peramalan Harga Saham Perusahaan Selular di Indonesia Menggunakan Metode Vector Autoregressive (VAR)

PERAMALAN CURAH HUJAN DI KOTA YOGYAKARTA DENGAN MODEL FUNGSI TRANSFER MULTIVARIAT

PERBANDINGAN MODEL PADA DATA DERET WAKTU PEMAKAIAN LISTRIK JANGKA PENDEK YANG MENGANDUNG POLA MUSIMAN GANDA ABSTRAK

Skew- Semifield dan Beberapa Sifatnya 1

Kesesuaian Persamaan Pola Intensitas Curah Hujan Sebagai Fungsi dari Durasi Hujan di Balai Pengamatan Dirgantara Pontianak

Permodelan Sistem. Melalui Identifikasi Parameter. Ir. Rusdhianto EAK, MT. Pelatihan PC-Based Control

Pemodelan Inflasi Provinsi Riau Menggunakan ARIMA Dengan Deteksi Outlier dan Model Intervensi

PERBANDINGAN MODEL PADA DATA DERET WAKTU PEMAKAIAN LISTRIK JANGKA PENDEK YANG MENGANDUNG POLA MUSIMAN GANDA OLEH GUMGUM DARMAWAN, SUHARTONO

BAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN ARIMAX

INTEGRAL TAK-WAJAR. bentuk tak-tentu karena bentuk ini saling membantu dan tidak bersaing.

PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI)

Analisis Peramalan Penjualan Sepeda Motor Di Kabupaten Ngawi Dengan Arima Dan Arimax

BAB I PENDAHULUAN. 1.1 Latar Belakang

BEBERAPA SIFAT QUASI-IDEAL MINIMAL PADA RING TRANSFORMASI LINEAR V, W,

PERBANDINGAN AKURASI PENAKSIRAN PARAMETER PEMBEDA PADA MODEL ARFIMA MELALUI METODE REGRESI SPEKTRAL

PREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)

RENCANA PELAKSANAAN PEMBELAJARAN

Diana Holidah Bagian Farmasi Klinik dan Komunitas Fakultas Farmasi Universitas Jember

BAB III TRANSFORMASI LINEAR

BAB I PENDAHULUAN. Sebuah sistem sebarang yang terdiri dari m persamaan linear dengan n M M M M M

STRATEGI PENGAJARAN MATEMATIKA UNTUK MENENTUKAN AKAR-AKAR PERSAMAAN KUADRAT

LEMBAR SOAL PILIHAN GANDA

FUNGSI TRANSENDEN. Definisi 1 Fungsi logaritma natural, ditulis sebagai ln, didefenisikan dengan

BAB II LANDASAN TEORY Prosedur regresi dengan Menggunakan Metode Backward

Model Kompartemen satu pemberian secara i.v. bolus

Penerapan Model ARIMA

PERTEMUAN 2 DASAR METODE NUMERIK

Rosy M., Rahardjo S., Susiswo Jurusan Matematika Fakultas MIPA Universitas Negeri Malang

Penerapan Model ARIMA

Kombinasi Linier. Definisi Kombinasi Linier. Contoh Kombinasi Linier 1

SEASONAL ARIMA Arum Handini Primandari

PENERAPAN MODEL AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE (ARFIMA) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI)

Matematika EBTANAS Tahun 1987

1001 Pembahasan UTS Aljabar Linear KATA PENGANTAR

Peramalan Netflow Uang Kartal dengan Metode ARIMAX dan Radial Basis Function Network (Studi Kasus Di Bank Indonesia)

BAB 6 INTEGRAL DAN PENGGUNAANNYA

ANALISIS NUMERIK. Inter polasi. SPL simultan. Akar Persama. linear

ESTIMASI SISTEM ORDE DUA DENGAN MENGGUNAKAN PERANGKAT LUNAK MATLAB

Spesifikasi Model. a. ACF

BAB IV PEMBAHASAN Variasi JG terhadap JL 6 m/s pada waktu 0,1 detik

MATEMATIKA INDUKSI MATEMATIKA CONTOH SOAL A. PENGERTIAN INDUKSI MATEMATIKA B. LANGKAH-LANGKAH INDUKSI MATEMATIKA

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA

Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA

ATURAN NEWTON-COTES TERTUTUP DENGAN KOREKSI PADA UJUNG INTERVAL. Rifaldi Putra ABSTRACT

BAB 2 LANDASAN TEORI

FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA

PERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO

PERBAIKAN ATURAN KUADRATUR NEWTON-COTES TERTUTUP. Dina Oktavieny 1, Bustami 2 ABSTRACT

Bab 7 TRANSFORMASI LINEAR

MODUL VIII FISIKA MODERN Transformasi Lorentz

Penerapan Model ARIMA

Two-Stage Nested Design

MAKALAH TUGAS AKHIR PENAKSIRAN PARAMETER MODEL ARIMA DENGAN MENGGUNAKAN ALGORITMA GENETIKA

PERSAMAAN DAN PERTIDAKSAMAAN LOGARITMA

Interpolasi. Umi Sa adah

II. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI YOGYAKARTA Yogyakarta 2011

ANALISIS PENGARUH STRATEGI BAURAN PEMASARAN TERHADAP MINAT BELI ULANG PRODUK BARU

Bab 2 Teori Pendukung

PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH

METODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015

DAFTAR ISI. BAB I PENDAHULUAN Latar Belakang Masalah Rumusan Masalah Batasan Masalah Tujuan Penelitian...

PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO

SELEKSI OLIMPIADE TINGKAT KABUPATEN/KOTA TAHUN 2002 TIM OLIMPIADE MATEMATIKA INDONESIA TAHUN 2003

MODEL MATEMATIKA SIR

Seasonal ARIMA adalah model ARIMA yang mengandung faktor musiman.

PEMILIHAN METODE INTENSITAS HUJAN YANG SESUAI DENGAN KARAKTERISTIK STASIUN PEKANBARU

Aljabar Linear Elementer

SOAL PREDIKSI UJIAN NASIONAL MATEMATIKA IPA 2015

III. LIMIT DAN KEKONTINUAN

PERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH

BAB VIII INTEGRAL LIPAT DUA DENGAN MAPLE. integral lipat satu merupakan materi pendukung untuk pembahasan dalam materi

Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia. Oleh : Pomi Kartin Yunus

Bab a. maka notasi determinan dari matriks A ditulis : det (A) atau. atau A.

MODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI

4. SISTEM PERSAMAAN LINEAR

FISIKA BESARAN VEKTOR

Aljabar Linear Elementer

PERSAMAAN LINIER. b a dimana : a, b, c, d adalah

MODEL GARCH UNTUK VARIANSI SESATAN DARI MODEL AUTOREGRESIVE MOVING AVERAGE

PENYELESAIAN SOAL UJIAN TENGAH SEMESTER 2011

ANALISIS DISPARITAS INPUT PEMBANGUNAN, 2010

PROBLEM SOLVING TERKAIT DENGAN KELAS X SEMESTER 1 PADA STANDAR KOMPETENSI (SK) 1.

BALOK TINGGI. Ir.H.Kartono Hd

Transkripsi:

Seminr Nsionl Memi 008 Universis Pjjrn Universis Inonesi PERANDINGAN METODE PERAMALAN PADA MODEL ARFIMA Gumgum Drmwn Sf Pengjr Jurusn Sisi FMIPA UNPAD e-mil : gums_973@yhoocom ASTRAK P mlh ini n i bningn u meoe permln ri Moel ARFIMA Meoe perm menggunn meoe permln ARIMA, imn sebelumny ilun pemben (ifferencing) engn nili pembe yng elh ienun Meoe eu menggunn meoe permln ARFIMA lngsung Moel ARFIMA yng iji lh Moel ARFIMA(,,0), Moel ARFIMA(0,,) n Moel ARFIMA(,,) Perben ri eu meoe ini ienun bersrn nili ri MSE (Men Sure Error) K Kunci : ARFIMA, MSE ASTRACT This pper compres wo forecsing mehos from ARFIMA moel The firs meho uses ARIMA forecsing meho, ime series re firsly ifference by he vlue of ifferencing prmeer The secon meho uses ARFIMA forecsing meho irecly This pper uses hree ARFIMA moels ie ARFIMA(,,0), ARFIMA(0,,) n ARFIMA(,,) moels The ifference from hese wo mehos is eremine bse on he vlue of MSE (Men Sure Error) Keywors : ARFIMA, MSE (Men Sure Error) Penhulun Mermln suu ejin merupn suu proses penenun suu nili yng i iehui yng mungin erji p ms yng n ng P nlisis ere wu, unu membnu penenun nili yng mungin erji iperlun sebelumny Unu eperlun permln m ere wu ms llu hrus isesuin engn eperlun penelii Ji ingin memperirn nili ms ng lm hrin m erlebih hulu ibu lm inervl hrin Seelh iperoleh m lngh selnjuny lh memoeln bersrn ienifisi seperi p Meoe ox-jenins, menggunn plo ACF n PACF Alny, plo ACF n PACF menunjun pol long memory, ini erlih ri nili-nili uoorelsi p plo ACF u PACF urun secr lmb unu lg yng semin mening Ienifisi ini menginisin bhw nili ri (oefisien pembe, ifferencing) bernili pechn, sehingg moel yng pling coco lh Moel ARFIMA ( Auoregressive Frcionlly Inegre Moving Averge) Pemoeln ARFIMA perm li iembngn oleh Grnger n Joyeux (980) yng merupn pengembngn ri moel ARIMA (Auoregressive Frcionlly Inegre Moving Averge) Hosing (98) mengji sif-sif long memory ri moel ARFIMA ssioner n nonssioner Sowell (99)

Seminr Nsionl Memi 008 Universis Pjjrn Universis Inonesi mengembngn pensirn prmeer pembe mellui Meo Exc Mximum Lielihoo, ern (995) mengembn sebuh penen Mximum Lielihoo unu prmeer pembe mellui Meoe Nonliner Les Sure (NLS) Wlupun moel ARFIMA lebih pliif n ur lm memoeln ibningn engn Moel ARIMA, n epi msih erp beberp esulin lm permlnny Proses permln moel ARFIMA i semuh moel ARIMA, bi secr memi mupun secr ompusi Unu iu, p peneliin ini n iji meoe permln ARFIMA Meoe perm, lun pemben ri bersrn nili yng elh iienifisi sehingg mengiui moel ARIMA(p,0,) n permln mengiui meoe permln ARIMA Meoe eu permln ilun mellui meoe ARFIMA(p,,) secr lngsung Moel ARFIMA Moel ARFIMA(p,,) yng iembngn Grnger n Joyeux (980) lh sebgi beriu, ( ) Z ( ), ( ) engn : = ines ri pengmn, = prmeer pembe (bilngn pechn), = r-r ri pengmn, IIDN(0, ), p p lh polinomil AR(p), ( ) ( ) lh polinomil MA(), operor pembe pechn 0 Unu suu bernili pechn, operor ifferencing frsionl iefinisin sebgi! ( ) Ji persmn p persmn () ijbrn unu berbgi nili! m : ( ) ( )! unu =, iperoleh, ( )! ( )!! ( ) ( )! ( unu =, iperoleh, ( )! ( )!! ( 3) ( )! ( )( unu = 3, iperoleh, ( )3! ( )!3! 6 n seerusny Persmn () p iulis embli menji,

Seminr Nsionl Memi 008 Universis Pjjrn Universis Inonesi engn 0,,, 3 n seerusny 6 Sehingg, persmn () i s p iulis menji ( ) ( ) ( ) 6 3 ( 3 ) Permln Moel ARIMA Permln p moel ARIMA p mlh ini mengiui persmn p (Cryer, 986), engn persmn permln AR(), MA() n ARMA(,) msingmsing sebgi beriu; ˆ h Z h Z Zˆ h ( 4 ) ˆ h h Z h Z engn h lh perioe yng n irmln µ lh r-r ere wu lh prmeer Auoregresi θ lh prmeer Moving Averge lh resiul e- Permln Moel ARFIMA Permln p moel ARFIMA p srny sm engn moel ARIMA, p persmn (4) p ibenu menji persmn p p Z, Z Z Z Z p p Menuru persmn (), p ibenu persmn sebgi beriu, 0! 0 ( 5 ) sehingg persmn (5) i s menji, Z Z Z p p Z 0 Dengn menglin seip suu ri persmn i s engn m persmnny menji,

Seminr Nsionl Memi 008 Universis Pjjrn Universis Inonesi Z Z Z p p Z f( ) f( ) f(, ( 6 ) engn f( ) 0 f( ) 0 f( ) 0 Tsirn h lngh e epn iperoleh engn menggni ines menji T+h ˆ ˆ ˆ T h T h ẐT h T hz p T h p Z f( T h ) f( T h ( 7 ) Nili T h 0 unu permln Z T+h Z T h, h 0 E ZT h TZ T,Z, f T h, h 0 n T h, h 0 E T h TZ T,Z, 0, h 3 Kjin Simulsi Simulsi menggunn Sofwre R versi 7, engn bnyny T = 300, 600, engn perulngn 000 li Unu mengifn fsilis pembe pechn (frcionl Difference) p Sowre R, Sebelumny i insll Pcge frciff Moel ARFIMA yng ibngin mengiui Moel ARFIMA(,,0) n Moel ARFIMA(0,,) engn nili = 0, n 0,4 Prmeer n θ msing-msing 0,5, mengiui Disribusi Norml engn r-r nol n vrins Aursi pensirn prmeer ienun engn menghiung r-r n snr evisi ri 000 nili unu Moel ARFIMA Lngh-lngh lm melun simulsi ngin ARFIMA engn T = 300, 600 n perulngn sebny 00 li engn = 0, n 0,4 engn r-r nol n vrin Dengn Moel AR() n MA() msing-msing prmeerny 0,5 P Moel ARMA(,) prmeerny n θ = -0 gi menji u, yiu rining sebny T-0 perm n 0 erhir sebgi esing

Seminr Nsionl Memi 008 Universis Pjjrn Universis Inonesi T 300 600 3 Unu permln Meoe ARIMA lun pemben p rining sebesr = 0, n 0,4, emuin lun permln unu 0 perioe e epn engn persmn 4 4 Unu permln Meoe ARFIMA, lun permln unu 0 perioe e epn engn menggunn persmn 7 5 Tenun nili MSE n snr evisi ri MSE ri eu meoe ersebu unu 0 perioe eepn Tbel Nili MSE n Snr Devisi ri permln Moel ARFIMA Moel ARFIMA = 0, = 0,4 MSE SD(MSE) MSE SD(MSE) ARFIMA(,,0) 0,048 0,07 0,044 0,073 ARFIMA(0,,) 0,05 0,035 0,03 0,07 ARFIMA(,,) 0,086 0,3 0,096 0,4 ARFIMA(,,0) 0,045 0,066 0,049 0,073 ARFIMA(0,,) 0,05 0,036 0,08 0,04 ARFIMA(,,) 0,5 0,05 0,089 0,6 ersrn hsil simulsi p bel, Moel ARFIMA(,,0) n ARFIMA(0,,) lebih ur ibningn engn permln p Moel ARFIMA(,,) Dismping nili MSE, nili snr evisi ri moel ARFIMA(,,) relif lebih besr ibningn engn u moel linny 4 Kesimpuln ersrn hsil perbningn u meoe permln secr simulsi mp bhw Nili MSE secr eseluruhn memberin hsil yng cuup bi Meoe pensirn mellui pemben erlebih hulu ri long memory llu ilun permln engn Meoe ARIMA relif sm engn meoe pensirn mellui Meoe ARFIMA secr lngsung

Seminr Nsionl Memi 008 Universis Pjjrn Universis Inonesi DAFTAR PUSTAKA ern, J (994), Mximum Lielihoo Esimion of he Differencing Prmeer for Inverible Shor n Long Memory Auoregressive Inegre Moving Averge Moels, Journl of he Royl Sisicl Sociey, Vol 57, hl 659-67 Cryer,J,D (986), Time Series Anlysis, PWS-KENT Publishing Compny, oson,usa Grnger, C W J n Joyeux,R (980), An Inroucion o Long-Memory Time Series Moels n Frcionl Differencing, Journl of Time Series Anlysis, Vol, hl 5-9 Hosing, JRM (98), Frcionl Differencing, iomei, Vol 68, hl 65-76 Sowell, F (99), Mximum Lielihoo Esimion of Sionry Univrie Frcionlly Inegre Time Series Moels, Journl of economerics, Vol53, hl65 88