Syarifah, Uzlifatus (2018) Metode Arimax, FFNN, dan Hybrid Arimax-FFNN untuk Peramalan Pertamax. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
06211650010025-Master_Thesis.pdf - Accepted Version Download (1MB) | Preview |
Abstract
Peningkatan volume kendaraan bermotor berpengaruh terhadap tingkat kebutuhan bahan bakar. Banyaknya aktivitas yang dilakukan membuat kebutuhan bahan bakar semakin meningkat, terutama bagi masyarakat perkotaan sebagai contoh kota Surabaya yang memiliki tingkat mobilitas tinggi. Penelitian ini lebih difokuskan pada bahan bakar pertamax. Karena penjualan pertamax yang sangat dipengaruhi pertalite, maka salah satu metode yang bisa digunakan yaitu menggunakan metode peramalan ARIMAX dimana X adalah dummy sejak diluncurkan pertalite. Penelitian-penelitian sebelumnya metode ARIMAX telah memberikan hasil peramalan yang lebih baik, akan tetapi akurasi peramalan ARIMAX masih harus ditingkatkan. Salah satu cara untuk meningkatkan performa ARIMAX ini adalah dengan menggunakan model hybrid. Hasil analisis dan pembahasan yang dilakukan didapatkan Model ARIMAX (1,1,0) dengan menambahkan outlier didapatkan nilai RMSEP minimum. Pada FFNN menunjukkan bahwa nilai RMSEP yang minimum yaitu terdapat pada 2 hidden layer dengan masing-masing neuron tiap hidden layer 25 dan 30. Pada pemodelan Hybrid ARIMAX-FFNN menunjukkan bahwa 1 hidden layer dan jumlah neuron sebanyak 19 mempunyai nilai RMSEP minimum. Pemilihan model terbaik menunjukkan bahwa model terbaik adalah FFNN karena nilai RMSEP minimum.
========================================================================================================
Increased volume of motor vehicles affect the level of fuel needs. The number of activities carried out makes fuel needs increasing, especially for urban communities as an example of Surabaya city that has a high level of mobility. This research is more focused on pertamax fuel. Because Pertamax sales are heavily influenced by pertalite, then one of the methods that can be used is using ARIMAX forecasting method where X is dummy since launched pertalite. Previous studies of ARIMAX methods have provided better forecasting results, but the accuracy of ARIMAX forecasting remains to be improved. One way to improve the performance of this ARIMAX is to use a hybrid model. Results of analysis and discussion conducted obtained ARIMAX Model (1,1,0) by adding outlier obtained minimum RMSEP value. In FFNN shows that the minimum RMSEP value is found in 2 hidden layers with each neuron of each hidden layer 25 and 30. In ARIMAX-FFNN Hybrid modeling shows that 1 hidden layer and number of neurons as much as 19 have minimum RMSEP value. The selection of the best model shows that the best model is FFNN because the RMSEP is minimum.
==========================================================================================================
| Item Type: | Thesis (Masters) |
|---|---|
| Additional Information: | RTSt 519.535 Sya m-1 3100018075453 |
| Uncontrolled Keywords: | Pertamax; FFNN; dan Hybrid Arimax-FFNN. |
| Subjects: | H Social Sciences > HA Statistics > HA30.3 Time-series analysis Q Science > QA Mathematics > QA280 Box-Jenkins forecasting |
| Divisions: | Faculty of Mathematics, Computation, and Data Science > Statistics > 49101-(S2) Master Thesis |
| Depositing User: | UZLIFATUS SYARIFAH |
| Date Deposited: | 09 Jul 2018 02:49 |
| Last Modified: | 06 Oct 2020 02:10 |
| URI: | http://repository.its.ac.id/id/eprint/52002 |
Actions (login required)
 |
View Item |