Detail buku

No BukuT.ITS.2008.21
UniversitasITS
PenulisPauline Gaspersz
Judul BukuDETEKSI OUTLIER PADA PEMODELAN INDEKS HARGA KONSUMEN KOTA AMBON
PembimbingDrs. Kresnayana Yahya, M.Sc ; Dr. Ir. Sasmito Hadi. Wibowo, M.Sc. ; Dr. Ir. Sasmito Hadi Wibowo, M. Sc
AbstrakABSTRAK INDONESIA : Inflasi sebagai salah satu variable ekonomi makro merupakan salah satu input yang cukup penting bagi proses pengambilan keputusan. Salah satu pendekatan dalam menghitung inflasi, sebagaimana yang digunakan di Indonesia adalah Indeks Harga Konsumen (IHK). Nilai IHK sangat dipengaruhi oleh komponen-komponen pembentuk harga. Untuk Kota Ambon, itu bisa berarti pola konsumsi, musim, kecukupan stok, serta arus transportasi barang masuk. Tetapi sebagaimana lazimnnya dalam data deret waktu, ada peluang bagi munculnnya observasi yang menggangu dependensi data dalam deret (selanjutnya disebut sebagai outlier). Oleh karena itu, dalam memodelkan suatu data deret waktu, penting untuk sebelumnnya mengidentifikasi dan kemudian menghilangkan pengaruh dari observasi yang mungkin menjadi outlier. Salah satu metode deteksi outlier yang dapat digunakan adalah metode iteratif untuk mendeteksi empat tipe outlier yang paling sering ditemukan dalam analisis deret waktu, yaitu additive outlier (AO), innovational outlier (IO), level shift (LS), dan temporary change (TC), yang dikembangkan oleh Chen dan Liu (1993). Metode tersebut bertolak dari suatu model awal ARIMA yang di dalamnnya mengandung outlier, kemudian dilakukan deteksi outlier secara iteratif. Outlier yang terdeteksi dapat diestimasi besar pengaruhnnya dan selanjutnnya efek outlier tersebut dihilangkan melalui penghitungan residual baru. Residual yang di adjust akan digunakan untuk melakukan adjustment pada deret. Demikian seterusnnya sampai tidak ditemukan lagi outlier dan model dapat digunakan untuk anlisis selanjutnnya. Tulisan ini bertujuan untuk memodelkan IHK Bulanan Kota Ambon Januari 1999-Desember 2007, setelah sebelumnnya melakukan deteksi outlier pada data deret waktu IHK Kota Ambon. Titik-titik outlier yang terdeteksi kemudian akan dianalisis secara deskreptif untuk menjelaskan factor-faktor pemicunnya. Kata kunci : addative outlier, deteksi outlier, innovationaloutlier, level shift, temporary change ABSTRAK INGGRIS : Inflation as one of the macro economic variables is one important inputs for the decision making process. One of the approach in counting inflation, as the one which is used in Indonesia is Consumer Price Index (CPI). The value of CPI is influenced greatly by using the price forming components. In Ambonm, it can be defined as cdonsume pattern, season, stock adequacy and also the transportation of incoming goods. However, as usually known time series data, there is a chance for the upcoming observation which annoy the data dependent in a series (which later is called as outlier). Because of that reason, in modeling a time series data, it is important to indentify first and then remove the effect of observation which may become outlier. One of the outlier detection methods which can be used is the iterative method to detect 4 types of outlier which are often found in time series analysis, they are AO,IO,LS, and TC, which was developed by Chen and Liu (1993). That method is taken from a primary model ARIMA which was contains outlier which later was detected interatively. The effect can be estimated and later those outlier effect can be removed by adjust the residual. The adjusted residual then used to adjust the series. The process have done interatively until there is no more outrliers and the model can be used for the next analysis. This thesis aims are modeling the monthly consumer price index of Ambon City from January 1999 until December 2007, after making outlier detection before toward time series data of Ambon City consumer price index. The outliers which have been detected, would be analysis descriptively to explain the triggered factors. Keywords : addictive outlier, innovational outlier, level shift, outlier detection, tempory change.
JenisThesis