Text
Peramalan data runtun waktu menggunakan Maximal Overlap Discrete Wavelet Transform (MODWT) dengan model Multiscale Autoregressive (MAR)
Peramalan merupakan suatu metode untuk memprediksi sesuatu di masa yang akan datang. Salah satu metode yang biasa digunakan untuk peramalan adalah analisis data runtun waktu. Peramalan pada data runtun waktu adalah peramalan dengan menggunakan analisa pola hubungan antar variabel yang akan diramalkan berdasarkan waktu. Dalam penulisan ini dilakukan peramalan data runtun waktu menggunakan metode Maximal Overlap Discrete Wavelet Transform (MODWT). Metode ini digunakan untuk peramalan data runtun waktu tanpa harus memperhatikan apakah data tersebut stasioner atau tidak. Data didekomposisi menggunakan MODWT dengan filter Haar hingga diperoleh koefisien wavelet dan koefisien skala. Koefisien-koefisien ini digunakan untuk memodelkan data dengan model Multiscale Autoregressive (MAR) yang hasilnya akan digunakan untuk peramalan satu langkah ke depan. Pada penulisan ini metode MODWT dengan model MAR diterapkan untuk data Mutasi Penambahan Aktiva Dibiayakan dengan data sebanyak 87. Hasil analisis dapat disimpulkan bahwa model MAR terbaik menggunakan MODWT filter Haar diperoleh pada level j = 1 dengan nilai Mean Square Error (MSE) 4,33×1016. Untuk hasil peramalan satu langkah ke depan diperoleh 957382883,8.Kata kunci : peramalan, data runtun waktu, wavelet, Haar, MODWT, MAR.
Forecasting is a method to predict something in the future. The most used method in forecasting is time series analysis. Forecasting in time series data is using analysis of correlation among variables to predict depend on time. This thesis will discuss about forecasting using Maximal Overlap Discrete Wavelet Transform (MODWT). The data is decomposed using MODWT with Haar filter to obtain wavelet coefficient and scale coefficient. These coefficients are used to make a model with Multiscale Autoregressive (MAR) and the results will be used to forcast one step forward. In this thesis, MODWT method with MAR model is applied to ”Mutasi Penambahan Aktiva Dibiayakan” data contains 87 data. As a conclusion, the best MAR model with MODWT Haar filter is obtained in level j = 1 with Mean Square Error (MSE) is 4,33×1016. The result of one step forward forcasting is 957382883,8.Keywords : forecasting, time series, wavelet, Haar, MODWT, MAR.
SS00016692 | SK 16692 | UPT Perpustakaan UNJ (CD.03.2018.001) | Tersedia |
Tidak tersedia versi lain