Model Hybrid Vector Autoregressive-Support Vector Regression dan Generalized Space-Time Autoregressive-Support Vector Regression with Exogenous Variables untuk Peramalan Arus Uang

Maghfiroh, Bahagiati (2018) Model Hybrid Vector Autoregressive-Support Vector Regression dan Generalized Space-Time Autoregressive-Support Vector Regression with Exogenous Variables untuk Peramalan Arus Uang. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
1316201022-Master Thesis.pdf - Accepted Version

Download (4MB) | Preview

Abstract

Seiring dengan semakin banyaknya kajian mengenai analisis time series, muncul dugaan ada beberapa data yang tidak hanya mengandung keterkaitan dengan kejadian pada waktu-waktu sebelumnya, tetapi juga mempunyai keterkaitan dengan lokasi lain yang berdekatan (neighbouring). Salah satu model time series yang melibatkan aspek spasial (spatio-temporal) adalah Generalized Space-Time Autoregressive (GSTAR) yang merupakan perbaikan dari model STAR. Prediksi untuk data time series dibedakan menjadi dua pendekatan, yaitu linier dan non linier. Model hybrid menggabungkan model linier dan nonlinier, pada penelitian ini dilakukan hybrid VARX-SVR dan hybrid GSTARX-SVR untuk meramalkan inflow dan outflow. Kemudian memilih model terbaik dengan nilai RMSE out sample terkecil untuk selanjutnya digunakan dalam peramalan. Studi kasus dalam penelitian ini adalah inflow dan outflow di Kantor Perwakilan Wilayah Jawa Barat di tiga Kantor Bank Indonesia yaitu KBI Bandung, KBI Cirebon dan KBI Tasikmalaya. Hasil studi simulasi menunjukkan bahwa model GSTAR-GLS memberikan parameter yang lebih efisien dibandingkan dengan GSTAR-OLS. Model VARX-SVR merupakan model terbaik untuk simulasi residual non linier dan VARX merupakan model terbaik untuk simulasi residual linier. Pada studi terapan, model VARX merupakan model terbaik untuk data outflow di semua lokasi. Model terbaik untuk data inflow adalah VARX di KBI Bandung dan KBI Cirebon serta GSTARX-SVR untuk KBI Tasikmalaya dengan bobot seragam. ================================================================================================================== Along with the increasing number of studies on time series analysis, it is thought that there are some data not only related to events at earlier times but also related to other locations. Time series model that involves the spatial (spatio-temporal) aspect is Generalized Space -Time Autoregressive (GSTAR) which is an improvement of the STAR model. The prediction for time series dat a is divided into two approaches, i.e a linear and nonlinear approach. The hybrid model works by combining linear and nonlinear models. In this study, hybrid VARX -SVR and hybrid GSTARX-SVR are used to predict the inflow and outflow. Then obtaining the best model with minimum RMSE value in out sample, that is used for forecast ing. As a case study is an inflow and outflow at the Regional Representative Office of West Java in three Bank Indonesia offices namely KBI Bandung, KBI Cirebon and KBI Tasikmalaya. The simulation study show that the GSTARX-GLS model gives more efficient parameters than GSTARX-OLS. Hybrid VARX-SVR model is the best model for nonlinear residual and VARX is the best model for linear residual. In applied data, VARX model is the best model for outflow in all location. The best model for inflow is VARX in KBI Bandung and KBI Cirebon, GSTARX-SVR is the best model for KBI Tasikmalaya with uniform weight.

Item Type: Thesis (Masters)
Additional Information: RTSt 519.536 Mag m
Uncontrolled Keywords: Hybrid; VARX-SVR; GSTARX-SVR; GSTARX; Inflow; Outflow
Subjects: H Social Sciences > HA Statistics
Q Science > QA Mathematics > QA278.2 Regression Analysis
Divisions: Faculty of Mathematics, Computation, and Data Science > Statistics > 49101-(S2) Master Thesis
Depositing User: Bahagiati Maghfiroh
Date Deposited: 02 Feb 2018 08:02
Last Modified: 02 Jul 2020 08:05
URI: http://repository.its.ac.id/id/eprint/51093

Actions (login required)

View Item View Item