Febritasari, Poppy (2016) Estimasi Inflasi Wilayah Kerja Kpwbi Malang Menggunakan Arima-Filter Kalman Dan Var-Filter Kalman. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
1212100056-Undergraduate-Thesis.pdf - Published Version Download (3MB) | Preview |
Abstract
ARIMA Box-jenkins dan VAR adalah salah satu metode time
series yang biasa digunakan untuk melakukan analisis data dan
peramalan. Dalam kehidupan sehari-hari, kita sering menemukan
data yang mempunyai keterkaitan dalam deret waktu. Data yang
memiliki ketekaitn deret waktu merupakan data time series,
dimana data tersebut selalu berubah-ubah setiap periode waktu
dengan berbagai macam faktor. Untuk mendapatkan prediksi yang
mempunyai tingkat error yang kecil, maka akan dilakukan
perbandingan dua model yaitu Vector Autoregressive (VAR)-Filter
Kalman dan model Autoregressive Integrated Moving Average
(ARIMA)-Filter Kalman. Algoritma Filter Kalman akan
diterapkan pada hasil ramalan pemodelan ARIMA dan VAR
dengan pengambilan derajat polinomial kesatu, dua, dan tiga
untuk memperbaiki prediksi 7 bulan ke depan. Hasil akhir
menujukan bahwa Filter Kalman mampu memperbaiki hasil
estimasi ARIMA dan VAR. Dimana tingkat error ARIMA-Filter
Kalman dan VAR-Filter Kalman lebih kecil dibandingkan dengan
ARIMA dan VAR, yang ditunjukan melalui hasil simulasi berupa
grafik dan diperjelas dengan nilai MAPE yang lebih kecil.
Pengambilan derajat polinomial mempengaruhi hasil prediksi,
semakin besar derajat polinomial maka semakin kecil error
prediksi.
==================================================================================================================
ARIMA Box-jenkins and VAR are time series’s methods that can
be used for analyzing data and forecasting. In our daily life, we
had found data that have link with time. The data that have link
with time iscalled time series data, and it always changes
everytime for some reasons. To obtain an estimation that has
smallest error, we compare two methods, that are Vector
Autoregressive (VAR)-Kalman Filter and Autoregressive
Integrated Moving Average (ARIMA)-Kalman Filter’s model.
Kalman Filter algorithm will be used in ARIMA’s forecasting
model and VAR’s forecasting model with first to third polinomial
degree for fix the estimate. The final project shows that Kalman
Filter can be fixed the estimate of ARIMA’s forecasting and VAR’s
forecasting. ARIMA-Kalman filter’s and VAR-Kalman Filter’s
error is smaller than ARIMA’s and VAR’s forecasting. We can see
the graph and MAPE on the simulation. The choice of polinomial
degree has an effect to estimation results, bigger polinomial degree
will produce smaller error.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSMa 519.5 Feb e |
| Uncontrolled Keywords: | ARIMA, Filter Kalman, polinomial derajat, VAR |
| Subjects: | Q Science Q Science > QA Mathematics |
| Divisions: | Faculty of Mathematics and Science > Mathematics > 44201-(S1) Undergraduate Thesis |
| Depositing User: | Users 13 not found. |
| Date Deposited: | 12 Jun 2017 03:48 |
| Last Modified: | 26 Dec 2018 08:15 |
| URI: | http://repository.its.ac.id/id/eprint/41592 |
Actions (login required)
 |
View Item |