Peramalan Netflow Uang Kartal Dengan Metode Arimax Dan Radial Basis Function Network (Studi Kasus Di Bank Indonesia)

Wulansari, Renny Elfira (2014) Peramalan Netflow Uang Kartal Dengan Metode Arimax Dan Radial Basis Function Network (Studi Kasus Di Bank Indonesia). Undergraduate thesis, Institut Teknologi Sepuluh Nopember Surabaya.

[img]
Preview
Text
1310100022-Undergraduate_Thesis.pdf - Published Version

Download (2MB) | Preview

Abstract

Bank Indonesia (BI) merupakan bank sentral Republik Indonesia. BI memiliki satu tujuan tunggal yakni mencapai dan menjaga kestabilan nilai rupiah. Salah satu hal yang dilakukan untuk memenuhi tujuan ini adalah dengan pemantauan netflow uang kartal agar BI dapat menentukan kebijakan terhadap proses uang keluar dan uang masuk pada BI. Pemantauan ini dilakukan lewat peramalan nilai netflow uang kartal. Metode peramalan pada BI yang masih menggunakan ARIMA dan ekstrapolasi data belum maksimal dalam meramalkan netflow uang kartal. Maka dari itu pada penelitian ini netflow uang kartal akan diramalkan dengan metode yang berbeda, yakni ARIMAX dan Artificial Neural Network (ANN). Dari kedua metode ini akan dibandingkan hasil peramalan metode mana yang lebih baik. ARIMAX yang digunakan adalah ARIMAX dengan efek variasi kalender dan variabel prediktor Indeks Harga Konsumen (IHK) serta kurs. ARIMAX dengan efek variasi kalender digunakan karena diketahui adanya hari raya idul fitri memperngaruhi netflow uang kartal. Sedangkan metode ANN yang digunakan adalah Radial Basis Function Network (RBFN). Ini karena metode ANN sebagai teknik peramalan baru dalam bidang ekonomi dan keuangan pada beberapa penelitian hasil peramalannya lebih unggul dibanding metode yang ada sebelumnya Periode data yang digunakan pada penelitian ini adalah Januari 2005 hingga Desember 2013. Diperoleh hasil bahwa model ARIMAX dengan efek variasi kalender dan variabel prediktor IHK merupakan model dengan peramalan netflow uang kartal terbaik dibanding model-model lain pada penelitian ini ============================================================================================= Bank Indonesia (BI) is the central bank of the Republic of Indonesia. BI has one single overarching objective, to establish and maintain rupiah stability. One of the things which has done to achieve this goal is by monitoring netflow of money currency so BI can decide policy toward the money which is out and in to BI. This monitoring is done through forecasting from netflow of money currency value. Forecasting methods in BI are still using ARIMA and the extrapolation of data that is not maximized in predicting netflow of money currency. Thus in this study netflow of money currency would be predicted by different methods, namely ARIMAX and Artificial Neural Network (ANN). Of both methods will be compared to the results of forecasting which method is better. ARIMAX which is used is ARIMAX with calendar variation effect, the predictor variables Consumer Price Index (CPI), and exchange rate. ARIMAX with calendar variation effect is used because Eid-holidays affect netflow of money currency. While the ANN method used is Radial Basis Function Network (RBFN). It is caused the ANN method as a new forecasting techniques in the field of economics and finance at some research gave better forecasting results than existing methods. Period data used in this study is January 2005 to December 2013. The result shows that ARIMAX model with calendar variation effect and CPI as a predictor is the best model for forecasting netflow of money currency

Item Type: Thesis (Undergraduate)
Additional Information: RSSt 511.326 Wul p
Uncontrolled Keywords: Netflow Uang Kartal, IHK, Kurs, Peramalan, Variasi Kalender, Fungsi Transfer, RBFN
Subjects: H Social Sciences > HA Statistics
Q Science > QA Mathematics > QA353.K47 Kernel functions (analysis)
Divisions: Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User: EKO BUDI RAHARJO
Date Deposited: 22 Sep 2020 04:17
Last Modified: 22 Sep 2020 04:17
URI: http://repository.its.ac.id/id/eprint/82012

Actions (login required)

View Item View Item