Model Hybrid Nonlinier Time Series Regression-Multivariate Generalized Space Time Autoregressive-Machine Learning Untuk Peramalan Data Space-Time Yang Mengandung Pola Double Seasonal

Prabowo, Hendri (2021) Model Hybrid Nonlinier Time Series Regression-Multivariate Generalized Space Time Autoregressive-Machine Learning Untuk Peramalan Data Space-Time Yang Mengandung Pola Double Seasonal. Masters thesis, Institut Teknologi Sepuluh Nopember.

	Text 06211950010009-Master_Thesis.pdf Restricted to Repository staff only Download (10MB) | Request a copy
	Text 06211950010009-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (10MB) | Request a copy

Abstract

Perkembangan data time series menunjukan bahwa seringkali suatu data tidak hanya mempunyai dimensi waktu tetapi juga dimensi ruang disebut dengan data space-time. Dalam data time series juga sering ditemui pola linier yang kompleks seperti pola double seasonal, selain itu juga terdapat pola nonlinier. Penelitian ini akan mengusulkan model hybrid space-time yaitu hybrid nonlinier Time Series Regression (TSR)-Multivariate Generalized Space Time Autoregressive (MGSTAR)-Machine Learning (ML) untuk meramalkan data space-time yang melibatkan lebih dari satu variabel di tiap lokasi. Model TSR digunakan untuk menangkap pola linier yaitu tren dan double seasonal. Model MGSTAR digunakan untuk menangkap dependensi antar lokasi dan model ML digunakan untuk menangkap pola nonlinier. Terdapat tiga model ML yang digunakan yaitu Feed Forward Neural Network (FFNN), Deep Learning Neural Network (DLNN) dan Long Short-Term Memory (LSTM). Model hybrid nonlinier TSR-MGSTAR-ML ini akan dibandingkan dengan beberapa model individu yaitu TSR, MGSTAR, MGSTAR-FFNN, MGSTAR-DLNN dan MGSTAR-LSTM serta model hybrid linier TSR-MGSTAR berdasarkan nilai Root Mean Square Error (RMSE) dan symmetric Mean Absolute Percentage Error (sMAPE). Selain melakukan studi simulasi, penelitian ini juga akan melakukan studi terapan menggunakan data kualitas udara di Kota Surabaya. Pada studi simulasi, model hybrid nonlinier TSR-MGSTAR-ML yang terdiri dari TSR-MGSTAR-FFNN, TSR-MGSTAR-DLNN, dan TSR-MGSTAR-LSTM memiliki performa yang lebih baik dibandingkan model lain, terutama pada data yang mengandung noise nonlinier. Data polusi udara di Kota Surabaya mengandung pola double seasonal. Hasil peramalan data polusi udara di Kota Surabaya menunjukan bahwa model hybrid TSR-MGSTAR merupakan model terbaik.
=====================================================================================================

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Double Seasonal, MGSTAR, ML, Space-Time, TSR, Hybrid
Subjects:	H Social Sciences > HA Statistics 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:	Hendri Prabowo
Date Deposited:	09 Sep 2021 07:21
Last Modified:	09 Sep 2021 07:21
URI:	http://repository.its.ac.id/id/eprint/91907

Actions (login required)

View Item