Detail buku

No BukuT.ITS.2008.39
UniversitasITS
PenulisPauline Gaspersz
Judul BukuDeteksi Outlier pada Pemodelan Indeks Harga Konsumen Kota Ambon
PembimbingDrs. Kresnayana Yahya, M.Sc. Dr. Ir. Sasmito Hadi Wibowo
AbstrakABSTRAK INDONESIA : Inflasi sebagai salah satu variabel ekonomi merupakan salah satu input yang cukup penting bagi proses pengambilan keputusan. Salah satu pendekatan dalam menghitung inflansi, sebagaimana yang digunakan Indonesia adalah Indeks Harga Ekonomi (IHK). Nilai IHK sangat berpengaruh terhadap komponen-komponen pembentuk harga. Untuk kota Ambon, itu bisa berarti pola konsumsi, musim, kecukupan stok, serta arus transportasi barang masuk. Tetapi sebagaimana lazimnya dalam data deret waktu, ada peluang bagi munculnya observasi yang mengganggu dependensi data dalam deret (selanjutnya disebut sebagai outlier). Oleh karena itu, dalam memodelkan suatu data deret waktu, penting untuk sebelumnya mengidentifikasi dan kemudian menghilangkan pengaruh dari observasi yang mungkin menjadi outlier. Salah satu metode deteksi outlier yang dapat digunakan dalam metode iteratif untuk mendeteksi empat tipe outlier yang paling sering ditemukan dalam analisis deret waktu, yaitu additiv outlier (AO), innovational outlier(IO), level shift (LS), dan temporary change (TC), yang diekmbangkan oleh Chen dan Liu (1993). Metode tersebut bertolak dari suatu model awal ARIMA yang di dalamnya mengan dung outlier, kemudian dilakukan deteksi outlier secara iteratif. Outlier yang terdeteksi dapat diestimasi besar pengaruhnya dan selanjutnya efek outlier tersebut dihilangkan melalui perhitungan residual baru. Residual yang di adjust akan digunakan untuk melakukan adjustment pada deret. Demikian seterusnya sampai tidak ditemukan lagi outlier dan model dapat digunakan untuk analisis selanjutnya. Tullisan ini bertujuan untuk memodelkan IHK bulanan Kota Ambon Januari 1999 – Desember 2007, setelah sebelumnya melakukan deteksi outlier pada data deret waktu IHK Kota Ambon. Titik-titik outlier yang terdeteksi kemudian akan dianalisis secara deskriptif untuk menjelaskan faktor pemicunya. Kata kunci : additive outlier, deteksi outlier, innovational outlier, level shift, temporary change. ABSTRAK INGGRIS : Inflation as one of the macro economic variable is one of the important inputs for the decision making process. One of the approaches in coounting inflation, as the one which is used in Indonesia is Consumer Price Index (CPI). The value of CPI is influenced greatly by the price forming componets. In Ambon, it can be defined as consume pattern, season, stock adequacy and also the transportation of incaming goods. However, as usually known in tome series data, there is a chance fo 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 identify first and then remove the effect of observation which may became outlier. On 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 development by Chen and Liu (1993). That method is taken from a primary model ARIMA which contains outlier which later was detected iteratively. The effect can be estimated and leter those outlier effect can be removed by adjust the residual. The adjust resudual then used to adjust the series. The process have done iteratively until there is no more outliers 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 analyzed descriptively to explain the triggered factors. Keywords : addtive outlier, innovational outlier, level shift, outlier detection, temporary change.
JenisThesis