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