YUHESTIKE PRASETYANING TYAS, NIM. 09610001 (2014) ANALISIS SARIMA (SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE) SEBAGAI ALAT BANTU PREDIKSI HARGA MINYAK MENTAH DI INDONESIA MENGGUNAKAN BACKPROPAGATION. Skripsi thesis, UIN SUNAN KALIJAGA.
|
Text (ANALISIS SARIMA (SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE) SEBAGAI ALAT BANTU PREDIKSI HARGA MINYAK MENTAH DI INDONESIA MENGGUNAKAN BACKPROPAGATION)
BAB I, V, DAFTAR PUSTAKA.pdf Download (1MB) | Preview |
|
![]() |
Text (ANALISIS SARIMA (SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE) SEBAGAI ALAT BANTU PREDIKSI HARGA MINYAK MENTAH DI INDONESIA MENGGUNAKAN BACKPROPAGATION)
BAB II, III, IV.pdf Restricted to Registered users only Download (871kB) |
Abstract
Timeseries adalah serangkaian nilai-nilai variabel yang disusun berdasarkan waktu. Analisis time series mempelajari pola gerakan nilai-nilai variabel pada suatu interval waktu (misalnya minggu, bulan, tahun) yang diatur. Selama ini banyak peramalan dilakukan secara intuitif menggunakan metode-metode statistika seperti metode smoothing, Box-Jenkins, ekonometri, regresi dan sebagainya. Seiring perkembangan teknologi yang semakin maju, peramalan data time series telah banyak dikembangkan pada bidang kecerdasan buatan seperti Jaringan Syaraf Tiruan. Backpropagation adalah salah satu metode dari jaringan syaraf tiruan yang dapat diaplikasikan dengan baik dalam bidang peramalan (forecasting). ICP (Indonesian Crude Price) atau harga minyak mentah Indonesia merupakan basis harga minyak mentah yang digunakan dalam APBN. Meskipun harga minyak mentah dunia secara dominan dipengaruhi oleh faktor fundamental, namun karena terdapat juga faktor non-fundamental yang mempengaruhi dapat mempersulit untuk memprediksi harga minyak mentah ke depan. Untuk menjaga akurasi dari ICP agar dapat mencerminkan harga sebenarnya, setiap 6 bulan tim harga melakukan evaluasi kinerja dari hasil publikasi - acuan publikasi yang dijadikan pada formulasi ICP den-membandingkan dengan perbadingan harga minyak tertentu dari beberapa leh karena itu dalam tugas akhir ini digunakan metode gan publikasipublikasi lainya serta publikasi yang ada. O SARIMA (Seasonal Autor egressive Integreted Moving Avera ge) untuk memodelkan arsitektur JST, yang mana arsitektur ini akan digunakan untuk memprediksi harga minyak di Indonesia pada suatu periode waktu tertentu. Dari hasil pengujian didapat model SARIMA yang menghasilkan akurasi tingkat kesalahan yang lebih akurat adalah model SARIMA ((1,1,0)(0,1,1))3 dan dari model tersebut didapat akurasi tingkat kesalahan sebesar 0.08 untuk nilai rata-rata selisih antara nilai aktual dengan prediksi dan dengan arsitektur Jaringan Syaraf Tiruan 4-10-5-1.
Item Type: | Thesis (Skripsi) |
---|---|
Additional Information: | Pembimbing : Moh. Farhan Qudratullah, S.Si, M.Si |
Uncontrolled Keywords: | Kata Kunci : timeseries, ICP, training, testing, predicting, SARIMA, backpropagation, lags, season, time series |
Subjects: | Matematika |
Divisions: | Fakultas Sains dan Teknologi > Matematika (S1) |
Depositing User: | Miftahul Ulum [IT Staff] |
Date Deposited: | 01 Jul 2014 14:41 |
Last Modified: | 20 Jan 2016 10:11 |
URI: | http://digilib.uin-suka.ac.id/id/eprint/13305 |
Share this knowledge with your friends :
Actions (login required)
![]() |
View Item |