Sa'adah, Nurul Lailatus (2018) Peramalan Data Intermiten Menggunakan Metode Croston. Undergraduate thesis, Institut Teknololgi Sepuluh Nopember.
Preview |
Text
05211440000059-Undergraduate_Theses.pdf - Accepted Version Download (2MB) | Preview |
Abstract
Peramalan penting untuk dilakukan agar dapat membantu memperkirakan nilai yang akan muncul di masa yang akan datang dan dapat membantu pengambilan keputusan berdasarkan hasil nilai peramalan. Namun, data yang digunakan sebagai input dalam sistem peramalan tidak selalu bagus, data untuk peramalan bisa saja bersifat intermiten. Sulit untuk meramalkan data intermiten karena biasanya terdapat proporsi yang signifikan dari nilai nol, dengan campuran nilai tidak nol yang tersebar tak menentu. Data intermiten tidak dapat diselesaikan dengan metode deret waktu konvensional sehingga dibutuhkan pengembangan metode-metode tertentu untuk menyelesaikan masalah data intermiten.
Tugas akhir ini menunjukkan implementasi metode Croston konvensional dan modifikasi dengan menggabungkan metode Bootstrap untuk menyelesaikan peramalan data intermiten yang terdapat pada data curah hujan dengan proporsi nilai nol sebanyak 34,3%. Metode Croston dinilai unggul karena tetap menghasilkan performa yang baik meskipun lebih sederhana dan lebih sedikit komputasi yang dibutuhkan dibandingkan metode lainnya.
Hasil dari penelitian tugas akhir ini difokuskan pada nilai peramalan untuk satu tahun ke depan dan akan diukur tingkat akurasinya untuk mengetahui ketepatan hasil peramalan. Hasil uji coba yang dilakukan menunjukkan bahwa penggunaan Bootstrap dapat memengaruhi hasil peramalan dan tingkat akurasi peramalan. Berdasarkan perhitungan tingkat akurasi menggunakan MAD, MSE, dan SMAPE, tingkat akurasi tertinggi ditunjukkan oleh peramalan menggunakan metode Bootstrap + Croston modified dengan pembagian data training dan data testing sebanyak 70:30. Peramalan menghasilkan nilai MAD sebesar 0.9615, nilai MSE sebesar 20.1445, dan nilai SMAPE sebesar 9.32%. Metode ini dapat memberikan akurasi yang lebih tinggi karena metode ini dapat mengikuti pola musiman yang dimiliki oleh data curah hujan. ============== Forecasting is important to do in order to help predict the value that will appear in the future and can help the results of decisions based on the value of forecasting. However, data that as inputs in forecasting systems are not always good, data for forecasting may be intermittent. It is difficult to forecast intermittent data because there is usually a significant difference from a zero value, with a mixture of non-zero scattered values erratically. Intermittent data can not be solved by conventional time series method so that it takes development of certain methods to solve intermittent data problem.
This final project shows the implementation of conventional Croston method and modification by combining Bootstrap method to solve intermittent data forecasting in rainfall data with the proportion of zero value of 34.3%. The Croston method is considered superior because it still produces good performance although it is simpler and requires less computation than other methods.
The result of this final research is focused on forecasting value for one year ahead and will be measured accuracy level to know the accuracy of forecasting result. The results of the experiments performed show that the use of Bootstrap can affect the forecasting results and the level of accuracy of forecasting. Based on the accuracy level calculation using MAD, MSE, and SMAPE, the highest accuracy value is shown by forecasting using Bootstrap + Croston modified method with 70:30 training data and testing data division. Forecasting yields a MAD value of 0.9615, a MSE value of 20.1445, and a SMAPE value of 9.32%. This method can provide higher accuracy because this method can follow the seasonal pattern shown by rainfall data.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Peramalan, Data Intermiten, Metode Croston, Akurasi, Forecasting, Intermittent Data, Croston Method, Accuration |
| Subjects: | H Social Sciences > HA Statistics > HA31.7 Estimation T Technology > T Technology (General) T Technology > T Technology (General) > T174 Technological forecasting T Technology > T Technology (General) > T58.62 Decision support systems |
| Divisions: | Faculty of Information and Communication Technology > Information Systems > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Nurul Lailatus Sa'adah |
| Date Deposited: | 23 Oct 2018 09:06 |
| Last Modified: | 12 Mar 2021 12:12 |
| URI: | http://repository.its.ac.id/id/eprint/52758 |
Actions (login required)
 |
View Item |