Estimasi Inflasi Wilayah Kerja Kpwbi Malang Menggunakan Arima-Filter Kalman Dan Var-Filter Kalman

Febritasari, Poppy (2016) Estimasi Inflasi Wilayah Kerja Kpwbi Malang Menggunakan Arima-Filter Kalman Dan Var-Filter Kalman. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
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 > (S1) Undergraduate Theses
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 View Item