EMAIL: PASSWORD:
Front Office
UPT. PERPUSTAKAAN
Institut Teknologi Sepuluh Nopember Surabaya


Kampus ITS Sukolilo - Surabaya 60111

Phone : 031-5921733 , 5923623
Fax : 031-5937774
E-mail : libits@its.ac.id
Website : http://library.its.ac.id

Support (Customer Service) :
timit_perpus@its.ac.id




Welcome..guys!

Have a problem with your access?
Please, contact our technical support below:
LIVE SUPPORT


Moh. Fandika Aqsa


Davi Wahyuni


Tondo Indra Nyata


Anis Wulandari


Ansi Aflacha




ITS » Research Report » Statistika
Posted by dwi at 17/01/2008 16:16:55  •  25144 Views


STUDI PERBANDINGAN MODEL TREN DETERMINISTIK TREN STOKASTIK KOMBINASI TREN DETERMINISTIC DAN STOKASTIK DAN NEURAL NETWORK PADA DATA TIME SERIES MUSIMAN

Author :
R. Mohamad Atok, Suhartono 




ABSTRAK

Pemodelan peramalan secara parametrik baik model tren deterministik atau model tren stokastik ARIMA dalam beberapa kasus seringkali menghasilkan terjadinya asumsi yang tidak dapat terpenuhi. Dalam penelitian ini akan dilakukan kajian tentang model kombinasi tren deterministik-stokastik dan implementasinya pada data time series yang musiman. Hasil dari pendekatan ini selanjutnya dibandingkan dengan hasil pada model tren deterministik model tren stokastik dan model neural network. Beberapa kriteria untuk kesesuaian model akan digunakan untuk perbandingan dan evaluasi model peramalan antara lain AIC BIC dan SBC. Tiga kriteria ini digunakan untuk memenuhi prinsip parsimony suatu model peramalan. Metode Penelitian ini adalah dengan menerapkan Model Kombinasi tren deterministik-stokatik Model tren deterministik Model tren stokastik ARIMA dan Model Neural Network untuk suatu data time series musiman kemudian mengevaluasi dan membandingkan hasilnya Berdasarkan hasil dari studi simulasi dan studi kasus dapat ditarik beberapa kesimpulan sebagai berikut 1 dari kasus 1 terlihat Model Kombinasi tren deterministik-stokastik dapat memberikan hasil ramalan out sample lebih baik daripada ARIMA maupun ANN karena melibatkan informasi-informasi luar yang berkaitan dengan pola data time series yang diamati. 2 dari kasus 2 terlihat ramalan out sample yang terbaik adalah metode Deterministik hal ini sesuai dengan yang telah dikemukakan beberapa peneliti statistik bahwa model yang lebih sederhana dengan jumlah parameter yang ditaksir lebih sedikit dan bentuk fungsi linier pada kasus tertentu memberikan hasil yang lebih baik 3Bertambahnya jumlah hidden neuron untuk input yang sama pada ANN memberikan nilai SSE yang semakin kecil tetapi disisi lain akan memperbesar jumlah parameter sehingga ditinjau dari aspek statistik menggunakan kriteria AIC BIC dan SBC tidak selalu menghasilkan model yang lebih baik 4Pemilihan model terbaik hanya menggunakan kriteria AIC BIC dan SBC dapat mengakibatkan terpilihnya model terbaik yang hanya baik pada ramalan in sample. Untuk itu . pembandingan kesesuaian ramalan out sample dengan suatu kriteria tertentu sebaiknya tetap dilakukan supaya diperoleh model yang benar-benar terbaik untuk peramalannya.


ABSTRACT

Parametric Modeling whether Deterministic Trend Model or Stochastic Trend Model in some cases assumption employed in the modeling are not satisfied. Aim of this research is to study implementation deterministic-stochastic combine trend model in time series data especially seasonal time series data. Secondly to compare the result with deterministic trend model stochastic trend model and Neural Network model. Comparing between models using criterias AIC Akaikes Information Criterion BIC Bayesian Information Criterion SBC Schwarz Bayesian Criterion Faraway and Chatfield 1998 Atok and Suhartono 2000. The criteria are to give penalty to number of parameter in model. There are two activities Firstly Implement deterministic and stochastic trend combination deterministic trend stochastic trend and Artificial Neural Network methods to seasonal time series data. Using computer-programming SAS SPLUS to support model building best model choice and comparing model feasibility. Secondly Evaluation and comparing the result of deterministic and stochastic trend combination deterministic trend stochastic trend and Artificial Neural Network methods with criterias AIC BIC SBC to compare in sample forecast and MSf to compare out of sample forecast. Base on the simulation study and case study can be concluded 1 Case 1 show Combination of deterministic-stochastic trend model get better result than ARIMA or ANN in the term of out of sample forecasting because the method use other information that time series data observed. 2 Case 2 show Deterministic trend model get better result than other methods in the term of out of sample forecasting like some statistician conclude that model with smaller of number of parameter in some cases get better result. 3 Adding number of hidden neuron in NN method with the same number of input get SSE smaller in the other hand increase number of parameter. In the point of view statistics aspect using AIC BIC and SBC criterias not always get better result 4 Choosing best model only use AIC BIC and SBC can get best model only on the term of in sample forecasting. As a result of comparing out of sample forecasting is needed.



KeywordsTren deterministik ; Tren stokastik ; Analisis time series
 
Subject:  Analisis multivarian
Date Create: 17/01/2008
Type: Text
Format: pdf ; 67 pages
Language: Indonesian
Identifier: ITS-Research-3100005066030
Collection ID: 3100005066030
Call Number: ITS 519.55 Ato s


Coverage
ITS community only

Rights
Copyright @2005 by ITS Library. This publication is protected by copyright and permission should be obtained from the ITS Library prior to any prohibited reproduction, storage in a retrievel system, or transmission in any form or by any means, electronic, mechanical, photocopying, recording, or likewise. For information regarding permission(s), write to ITS Library




[ Download - Summary ]

ITS-Research-3100005066030-1670.pdf




 Similar Document...




! ATTENTION !

To facilitate the activation process, please fill out the member application form correctly and completely

Registration activation of our members will process up to max 24 hours (confirm by email). Please wait patiently

POLLING

Bagaimana pendapat Anda tentang layanan repository kami ?

Bagus Sekali
Baik
Biasa
Jelek
Mengecewakan





You are connected from 34.201.18.139
using CCBot/2.0 (https://commoncrawl.org/faq/)



Copyright © ITS Library 2006 - 2020 - All rights reserved.
Dublin Core Metadata Initiative and OpenArchives Compatible
Developed by Hassan