Prediksi Nilai Ekspor Jawa Tengah menggunakan Pendekatan Hierarchical Time Series

Al Mahkya, Dani (2016) Prediksi Nilai Ekspor Jawa Tengah menggunakan Pendekatan Hierarchical Time Series. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
1314201211-Master_Thesis.pdf - Accepted Version

Download (2MB) | Preview

Abstract

Tujuan dari penelitian ini adalah mendapatkan pemodelan dan prediksi terbaik untuk nilai Ekspor Jawa Tengah menggunakan Hierarchical Time Series. Ekspor adalah suatu cara atau kegiatan untuk memasarkan barang yang diproduksi di dalam negeri dan dijual atau dipasarkan ke luar negeri. Nilai ekspor merupakan salah satu variabel injeksi dalam perekonomian suatu negara, artinya jika ekspor suatu negara meningkat maka perekonomian negara tersebut akan lebih meningkat lagi. Nilai Ekspor di Jawa Tengah dikelompokan menjadi 21 komoditi dengan masing-masing komoditi mempunyai pola yang berbeda. Oleh karena itu, salah satu pendekatan deret waktu yang dapat digunakan adalah pendekatan hirarki. Pendekatan Hierarchical Time Series yang digunakan adalah Buttom-up, Top-down proporsi historis dan Top-down proporsi prediksi. Konsep dari pendekatan Buttom-up adalah dengan membangkitkan data hasil prediksi untuk masing-masing data deret waktu pada level bawah kemudian menjumlahkan untuk mendapatkan prediksi total atau prediksi level atas. Sedangkan konsep dari pendekatan Top-down proporsi historis adalah memecah hasil prediksi deret “Total” dan didistribusikan ke level bawah berdasarkan proporsi historis dari data tersebut. Dan konsep dari pendekatan Topdown proporsi prediksi adalah memecah hasil prediksi deret “Total” dan didistribusikan ke level bawah berdasarkan proporsi prediksi dari data tersebut. Metode prediksi yang digunakan adalah Autoregressive Integrated Moving Average (ARIMA), Radial Basis Function Neural Network (RBFNN), dan Hybrid ARIMARBFNN. Untuk pemilihan model terbaik digunakan Median Absolute Percentage Error (MdAPE), Symmetric Mean Absolute Percentage Error (sMAPE), dan Symmetric Median Absolute Percentage Error (sMdAPE). Setelah dilakukan analisis, maka diperoleh kesimpulan bahwa untuk data Nilai Ekspor Jawa Tengah (level 0) pendekatan prediksi Bottom-up dengan pemodelan Hybrid ARIMARBFNN dapat digunakan untuk prediksi jangka panjang. Sedangkan untuk prediksi jangka pendek, pendekatan prediksi Bottom-up dengan pemodelan RBFNN dapat digunakan. Pada level 1 yaitu Nilai Ekspor Komoditas, pendekatan prediksi independent (tanpa hirarki) dengan pemodelan ARIMA dapat digunakan untuk prediksi jangka pendek, menengah maupun jangka panjang ========================================================================================================= The purpose of this study is getting the best modeling and predicting the export value of Central Java using a Hierarchical Time Series. Export is a method or activity to market goods produced domestically and sold or marketed abroad. The value of exports is one variable injection in the economy of a country, meaning that if a country's exports increases, the country's economy will increase even more. Export Value in Central Java are grouped into 21 commodities with each commodity has a different pattern. Therefore, one approach that can be used time series is a hierarchical approach. Hierarchical Approach Time Series is used Buttom-up, top-down historical proportions and Top-down prediction proportions. The concept of Buttom-up approach is to generate the prediction result data for each of the time series data at a lower level and then summing to obtain total predictions or predictions top level. While the concept of top-down approach is to break the historical proportions predicted outcome row "Total" and distributed to lower level by historical proportion of the data. And the concept of top-down approach is to break down the proportion of predicted outcome prediction series "Total" and distributed to lower levels based on the proportion of predictions from these data. Prediction methods used are Autoregressive Integrated Moving Average (ARIMA), Radial Basis Function Neural Network (RBFNN), and Hybrid ARIMA-RBFNN. For the selection of the best models used Median Absolute Percentage Error (MdAPE), Symmetric Mean Absolute Percentage Error (sMAPE) and Symmetric Median Absolute Percentage Error (sMdAPE). After analysis, it could be concluded that data of Export Value Central Java (level 0) Bottom-up approach to prediction with ARIMA modeling Hybrid-RBFNN can be used for long-term predictions. As for short-term prediction, prediction of a bottom-up approach to modeling RBFNN can be used. At level 1, namely Export Value of Commodities, predictive approach independent (non-hierarchical) with ARIMA modeling can be used to predict the short-term, medium and long term

Item Type: Thesis (Masters)
Additional Information: RTSt 519.55 Alm p
Uncontrolled Keywords: Hierarchical Time Series, ARIMA, RBFNN, Hybrid ARIMA-RBFNN MdAPE, sMAPE, sMdAPE
Subjects: H Social Sciences > HA Statistics > HA30.3 Time-series analysis
Divisions: Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis
Depositing User: Mr. Tondo Indra Nyata
Date Deposited: 17 Mar 2020 03:03
Last Modified: 17 Mar 2020 03:03
URI: http://repository.its.ac.id/id/eprint/75494

Actions (login required)

View Item View Item