IntroductionTime series models on financial data often have problems with the stationary assumption of variance on the residuals. It is well known as the heteroscedasticity effect. The heteroscedasticity is represented by a nonconstant value that varies over time.MethodsThe heteroscedasticity effect contained in the basic classical time series model of Autoregressive Integrated Moving Average (ARIMA) can adjust its residuals as the variance model by using Generalized Autoregressive Conditional Heteroscedasticity (GARCH). In improving the model accuracy and overcoming the heteroscedasticity problems, it is proposed a combination model of ARIMA and Feed-Forward Neural Network (FFNN), namely ARIMA-FFNN. The model is built by applying the soft computing method of FFNN to replace the variance model. This soft computing approach is one of the numerical methods that can not be only applied in the theoretical subject but also in the data processing.ResultsIn this research, the accuracy of the time series model using the case study of the exchange rate United States dollar-Indonesia rupiah with a monthly period from January 2001 to May 2021 shows that the best accuracy of the possible models is the model of ARIMA-FFNN, which applies soft computing to obtain the optimal fitted parameters precisely.DiscussionThis result indicates that the ARIMA-FFNN model is better used to approach this exchange rate than the rest model of ARIMA-GARCH and ARIMA-GARCH-FFNN.
Emas merupakan jenis investasi yang diminati para investor karena memiliki tingkat resiko yang relatif rendah, berfungsi sebagai pelindung kekayaan dan tidak terpengaruhi oleh inflasi. Harga emas selalu mengalami perubahan dari waktu ke waktu, sehingga perlu dilakukan peramalan nilai harga emas Indonesia sebagai dasar bagi para investor dalam pengambilan keputusan. Metode peramalan yang dapat digunakan salah satunya adalah metode Fuzzy Time Series Klasik. Hasil peramalan dari metode tersebut kemudian diukur tingkat akurasinya menggunakan Mean Absolute Percentage Error (MAPE). Pada penelitian ini, hasil peramalan harga emas Indonesia mengikuti pola data pergerakan harga emas aktual. Sementara nilai akurasi peramalan MAPE yaitu sebesar 0,99%, sehingga peramalan harga emas Indonesia dengan metode Fuzzy Time Series klasik berdasarkan kriteria MAPE tergolong sangat baik.Kata Kunci: Emas, Time Series, Fuzzy Time Series
Penelitian ini bertujuan untuk mengkaji perbandingan Metode Kuadrat Terkecil (MKT) dan metode Bayes pada model regresi linier berganda yang mengandung multikolinieritas. Pada regresi linier berganda, asumsi yang sering tidak terpenuhi yaitu tidak ada multikolinieritas di antara variabel prediktor. Adanya multikolinieritas menyebabkan estimasi MKT menjadi tidak efisien. Oleh karena itu diperlukan metode alternatif yang menghasilkan kesalahan estimasi yang lebih kecil. Data yang digunakan adalah data random dengan dua variabel prediktor yang dibangkitkan sehingga data memenuhi sifat model yang diteliti. Penelitian ini menunjukkan bahwa metode Bayes lebih baik dalam mengestimasi parameter regresi linier berganda dilihat dari nilai Mean Squared Error (MSE) yang lebih kecil dibandingkan dengan MKT.Diterima: Direvisi: Dipublikasikan :Kata Kunci: Metode Kuadrat Terkecil, Metode Bayes, Multikolinieritas
Kebutuhan terhadap energi listrik saat ini semakin meningkat karena sebagian besar aspek kehidupan manusia bergantung pada ketersediaan energi listrik. Akibatnya pihak penyalur listrik harus mempersiapkan kebutuhan energi listrik yang semakin meningkat tersebut. Pihak penyalur listrik harus memiliki perencanaan yang baik dan tepat dalam pendistribusian energi listrik. Salah satu upaya yang dapat dilakukan untuk membantu perencanaan tersebut adalah melakukan peramalan beban listrik untuk waktu yang akan datang. Metode fuzzy time series (FTS) Cheng merupakan salah satu metode yang dapat dilakukan untuk peramalan data time series yang menggunakan prinsip-prinsip fuzzy sebagai dasarnya. Pada penelitian ini dilakukan peramalan beban listrik jangka menengah di wilayah Taluk Kuantan dengan metode FTS Cheng untuk beberapa bulan ke depan. Hasil peramalan yang diperoleh tersebut dihitung tingkat akurasi peramalannya dengan menggunakan Mean Absolute Percentage Error (MAPE) sehingga diperoleh tingkat akurasi sebesar 4.45%, yang artinya hasil peramalan beban listrik jangka menengah di wilayah Taluk Kuantan dengan metode FTS Cheng dikatakan sangat baik karena tingkat akurasi yang kurang dari 10%.Kata Kunci: Time Series, Beban Listrik, Fuzzy Time Series Cheng
Pola jumlah wisatawan yang berkunjung ke Sumatera Barat harus selalu dipantau dan dikendalikan oleh pemerintah daerah tersebut. Dalam statistika dikenal suatu metode untuk melihat keterkendalian jumlah wisatawan yang berkunjung ke Sumatera Barat yang dinamakan pengendalian mutu statistik. Dalam penelitian ini akan digunakan salah satu alat dalam SPC yaitu peta kendali Exponentially Weighted Moving Average (EWMA). Peta Kendali ini dapat digunakan untuk melakukan pengendalian statistik terhadap jumlah kunjungan wisatawan ke Sumatera Barat yang merupakan data deret waktu. Pada penelitian ini peta kendali EWMA dibentuk dari jumlah kunjungan wisatawan yang berasal dari negara Malaysia, Australia, Singapura, negara-negara Eropa, Amerika, dan negara lainnya. Peta kendali EWMA negara-negara ini memiliki pola yang hampir sama dan seluruh nilai EWMA berada dalam batas kendali kecuali negara Singapura. Negara Malaysia memiliki nilai EWMA yang paling besar dibandingkan negara-negara lainnya, yang berarti jumlah kunjungan wisatawan asal Malaysia lebih tinggi dibandingkan negara lainnya.Kata Kunci: SPC, Peta Kendali EWMA, Data Pariwisata dan Transportasi Sumatera Barat
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.