Putri, Jemima Arista (2020) PENERAPAN MODEL HIBRIDA ARIMAX-DEEP NEURAL NETWORK UNTUK PERAMALAN INFLOW DAN OUTFLOW UANG KARTAL DI JAWA TIMUR. Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
06211640000022-Undergraduate_Thesis.pdf Download (7MB) | Preview |
Abstract
ARIMAX merupakan pengembangan model ARIMA dimana terdapat tambahan variabel eksogen sehingga dapat dilakukan regresi berganda, sedangkan Deep Neural Network (DNN) merupakan pengembangan dari NN dimana terdapat dua hidden layer yang diharapkan mampu mengenali proses lebih kompleks. Model ARIMAX memiliki kemampuan yang baik dalam menangkap pola linier dan DNN baik dalam menangkap pola non-linier dari data. Untuk meningkatkan akurasi
peramalan, ARIMAX dikombinasikan secara series dengan DNN yakni dikenal dengan Hibrida ARIMAX-DNN. Penelitian ini bertujuan untuk mendapatakan model peramalan terbaik yang mengandung tren, musiman dan variasi kalender pada inflow dan outflow di KPw Jember, KPw Kediri, KPw Malang dan KPw Surabaya. Pemilihan metode terbaik yaitu berdasarkan nilai RMSE dan sMAPE terkecil diantara ARIMAX, DNN dan Hibrida ARIMAX-DNN. Terdapat 8 variabel untuk masing masing inflow dan outflow yang terdiri dari total uang kertas, pecahan Rp100.000, Rp50.000, Rp20.000, Rp10.000, Rp5.000, Rp2.000 dan Rp1.000 dari Januari 2010 hingga Juni 2018. Hasil penelitian menunjukkan bahwa metode Hibrida ARIMAX-DNN merupakan metode terbaik yang terbanyak untuk meramalkan inflow dan outflow yaitu
sebanyak 32 pecahan. Metode DNN baik untuk meramalkan 26 pecahan, sedangkan metode ARIMAX hanya baik digunakan untuk meramalkan 6 pecahan uang kertas. Sehingga dapat disimpulkan bahwa metode hibrida dan non-linier cenderung lebih baik untuk memodelkan inflow maupun outflow pecahan uang kertas yang ada di Jawa Timur.
==================================================================================================================
ARIMA model is developed into ARIMAX model with additional exogeneus variables and can performed multiple regression, while Deep Neural Network (DNN) is developed from NN with two hidden layer which is expected to be able to recognize more complex processes. ARIMAX model has a good capabilities to capture linear pattern and DNN is better to capture non-linear pattern of the data. To improve the accuracy of forecasting result, ARIMAX will combine with DNN namely Hybrid ARIMAX-DNN. The aim of this study is to find the best model that consist trend, seasonal and calendar variation pattern for forecasting inflow and outflow in KPw Jember, KPw Kediri, KPw Malang and KPw Surabaya. The best model of each banknotes denomination based on the smallest value of RMSE and sMAPE from ARIMAX, DNN and Hybrid ARIMAX-DNN. There are 8 variables for each inflow and outflow series denominations, i.e. total banknotes, Rp100.000, Rp50.000, Rp20.000, Rp10.000, Rp5.000, Rp2.000 and Rp1.000 from January 2010 until June 2019. The result showed that Hybrid ARIMAX-DNN method is the best method for predicting inflow and outflow on 32 banknotes denomination. The DNN good for predicting on 26 banknotes denomination, but the ARIMAX method is only good for predicting 6 banknotes. So it can be concluded that hybrid and non-linear methods provided more accurate for modeling the inflow and outflow of banknotes in East Java.
| Item Type: | Thesis (Other) |
|---|---|
| Additional Information: | RSSt 519.535 Put p-1 • Putri, Jemima Arista |
| Uncontrolled Keywords: | ARIMAX, Deep Neural Network, Hibrida, Inflow, Jawa Timur, Outflow, East Java |
| Subjects: | Q Science |
| Divisions: | Faculty of Mathematics, Computation, and Data Science > Statistics > 49201-(S1) Undergraduate Thesis |
| Depositing User: | Jemima Arista Putri |
| Date Deposited: | 25 Aug 2020 05:03 |
| Last Modified: | 28 Dec 2023 13:13 |
| URI: | http://repository.its.ac.id/id/eprint/81074 |
Actions (login required)
 |
View Item |