Detail buku

No Buku-
UniversitasIPB
PenulisWahyu Dwi Sugianto
Judul BukuPERAMALAN TINGKAT INFLASI DI SUMATERA DENGAN PENDEKATAN FUZZY TIME SERIES
PembimbingAgus Mohamad Soleh
AbstrakABSTRAK INDONESIA : Inflasi pada dasarnya merupakan tingkat perubahan Indeks Harga Konsumen (IHK). Semakin tinggi inflasi maka semakin rendah daya beli uang yang dipakai masyarakat. Inflasi memiliki peranan penting dalam perencanaan berbagai kebijakan pemerintah. Ketersediaan informasi data inflasi di masa depan menjadi suatu kebutuhan dan salah satu cara untuk memenuhinya yaitu dengan peramalan. Selain ARIMA, teknik peramalan deret waktu yang juga semakin berkembang yaitu regresi time series dan fuzzy time series (FTS). Tujuan penelitian ini adalah mempelajari karakteristik peramalan FTS Stevenson- Porter-Cheng menggunakan data simulasi yang dibangkitkan mengikuti model AR(1). Data simulasi dibangkitkan menggunakan 9 skenario sebagai kombinasi 3 nilai (0.5, 1, 3) dan 3 nilai parameter ?? 1 (0.3, 0.5, 0.7). Tujuan lain dari penelitian ini adalah membandingkan keakuratan model ARIMA, regresi time series, dan FTS Stevenson- Porter-Cheng dalam peramalan inflasi di kota Pangkal Pinang dan Banda Aceh. Peramalan inflasi menggunakan dua pendekatan input yaitu inflasi langsung dan melalui IHK. Inflasi yang digunakan adalah inflasi tahun ke tahun. Pemilihan contoh didasarkan pada nilai rataan inflasi tertinggi dan terendah di Sumatera selama periode Januari 2009 hingga Desember 2016. Peramalan data simulasi dengan ARIMA menghasilkan nilai ragam MAPE dan MSE masing-masing berkisar antara 2.768 ? 48.8973 dan 0.0634 ? 15.7633. Sementara peramalan FTS Cheng dan FTS Cheng2 menunjukkan hasil yang lebih stabil dengan nilai ragam MAPE dan MSE masing-masing berkisar antara 2.2498 ? 43.4316 dan 0.0712 ? 2.9648. Selain itu, semakin besar parameter ?? 1 maka nilai MAPE dan MSE peramalan dengan FTS SP Cheng dan FTS SP Cheng2 akan semakin mendekati hasil FTS Cheng dan FTS Cheng2. Peramalan data training inflasi kota Pangkal Pinang memperlihatkan regresi time series dengan input IHK menghasilkan nilai MAPE terkecil yaitu 12.2302. Sementara peramalan dengan nilai MSE terkecil dihasilkan dari metode ARIMA musiman yaitu sebesar 0.9936 juga dengan input IHK. Peramalan data testing inflasi kota Pangkal Pinang menunjukkan FTS SP Cheng2 dengan input inflasi langsung menghasilkan nilai MAPE terkecil sebesar 11.8392. Sedangkan metode regresi time series dengan input inflasi langsung menghasilkan nilai MSE terkecil sebesar 0.8188. Secara umum, peramalan langsung inflasi kota Pangkal Pinang akan lebih baik menggunakan FTS SP Cheng2 dan regresi time series. Sedangkan peramalan inflasi melalui IHK akan lebih baik menggunakan FTS SP Cheng dan ARIMA musiman. Peramalan data training inflasi kota Banda Aceh memperlihatkan metode regresi time series dengan input IHK menghasilkan nilai MAPE dan MSE terkecil masing- masing sebesar 25.8943 dan 0.4204. Sementara untuk peramalan data testing inflasi kota Banda Aceh menunjukkan ARIMA musiman dengan input inflasi menghasilkan nilai MAPE dan MSE terkecil masing-masing sebesar 18.1758 dan 0.31. Secara umum, peramalan langsung inflasi kota Banda Aceh akan lebih baik menggunakan ARIMA musiman. Sedangkan pada peramalan inflasi melalui IHK akan lebih baik menggunakan regresi time series. ABSTRAK INGGRIS : Basically inflation is a rate of consumer price index (CPI) change. The higher inflation then the lower purchasing power of the money used in society. Inflation has an important role in the planning of various government policies. The availability of information on future inflation becoming a necessity and a way to accomplished was with forecasting. In addition to the ARIMA time series forecasting techniques, which are also growing, namely time series regression and fuzzy time series (FTS) The purpose of this research was to study the FTS Stevenson-Porter- Cheng forecasting characteristics with simulation data generated using AR (1) model. Simulated data were generated using 9 scenarios as a combination of 3 values (0.5, 1, 3) and 3 ?? 1 parameter values (0.3, 0.5, 0.7). Another goal of the study was to compare the accuracy of the model time series regression, ARIMA, and FTS Stevenson-Porter- Cheng in forecasting inflation in the city of Pangkal Pinang and Banda Aceh. Forecasting inflation using two input approach that is inflation and with the CPI. Inflation used was year on year inflation. The example selection was based on the highest and lowest average inflation in Sumatra during the period from January 2009 until December 2016. Simulated data forecasting with ARIMA produced MAPE variance and MSE respectively ranging between 2.768 ? 48.8973 and 15.7633 ? 0.0634. While forecasting of FTS Cheng and FTS Cheng2 showed a more stable result of MAPE variance and MSE respectively ranging between 2.2498 ? 43.4316 and 2.9648 ? 0.0712. In addition, the larger the value of the ?? 1 parameter then the MAPE and MSE forecasting with FTS SP Cheng and FTS SP Cheng2 will approaching the results of FTS Cheng and FTS Cheng2. Forecasting of Pangkal Pinang inflation on data training showed a time series regression with the input of the CPI produced the smallest MAPE of 12.2302. While forecasting with the smallest MSE resulted from the method of seasonal ARIMA as high as 0.9936 also with the input of the CPI. Forecasting of Pangkal Pinang inflation on data testing showed FTS SP Cheng2 with the input of the direct inflation produced the smallest MAPE values of 11.8392. While the time series regression method with the input of the direct inflation produced the smallest MSE values of 0.8188. In general, the direct forecasting inflation of Pangkal Pinang were better using the FTS SP Cheng2 and time series regression. While the inflation forecasting by CPI was better using the FTS SP Cheng and seasonal ARIMA. Forecasting of Banda Aceh inflation on data training showed the method of time series regression with input of the CPI produced the smallest MAPE and MSE values respectively 25.8943 and 0.4204. While forecasting inflation Banda Aceh on data testing showed the seasonal ARIMA with inflation as input produced the smallest MAPE and MSE values respectively 18.1758 and 0.31. In general, the direct inflation forecasting of Banda Aceh was better using seasonal ARIMA. While in forecasting inflation by the CPI was better using time series regression.
JenisThesis