Text

Prediksi Simpanan Berjangka Pada Bank Umum Dan BPR Menggunakan Metode Arima Dengan Outliers Dan Arima Bootstrap

---

ABSTRAK

Simpanan berjangka atau yang sering disebut dengan deposito berjangka merupakan simpanan yang pengambilannya sesuai dengan waktu yang telah disepakati. Besar posisi deposito berjangka pada bank umum dan BPR ini diawasi oleh Bank Indonesia, karena besar deposito berjangka mempengaruhi tingkat perekonomian di Indonesia salah satunya untuk memfasilitasi perkreditan rakyat dalam membuka dan membangun usaha. Namun, dalam keberjalanannya data posisi simpanan berjangka ini dipengaruhi oleh banyak faktor lain yang mengakibatkan terdapat data pencilan hal ini mengakibatkan asumsi normalitas menjadi tidak terpenuhi. Beberapa metode yang dapat digunakan untuk mengatasi masalah ini antara lain yaitu ARIMA Box-Jenkins dengan deteksi outliers dan Bootstrapping ARIMA. Dalam kasus ini data bulanan yang diambil adalah deposito berjangka masyarakat pada bank umum dan BPR dari bulan Januari 2010 sampai dengan April 2016. Model ARIMA terbaik yang didapatkan adalah model ARIMA (1,1,0), dengan metode terbaik adalah metode Bootstrap ARIMA karena mempunyai nilai MAPE (out sampel) sebesar 4.8087% dibandingkan dengan nilai MAPE (out sampel) ARIMA dengan deteksi outliers 6.1610%. berdasarkan hasil tersebut diambil kesimpulan bahwa dalam kasus ini metode non parametrik lebih tepat digunakan dengan mengabaikan asumsi distribusi.
Kata kunci : Simpanan Berjangka, ARIMA, Deteksi outliers, Bootstrap ARIMA.

ABSTRACT

Time deposits or often referred to as deposits are deposits that take it in accordance with the time agreed. The position of time deposits in commercial banks and BPRs is monitored by Bank Indonesia, Because large time deposits affect the level of the economy in Indonesia, one of them to facilitate public credit in an opening and building businesses. However, in the course of this term deposit data position is influenced by many other factors that resulted in the existence of the data of this condition leads to the assumption of normality becomes unfulfilled. Some methods that can be used to overcome this problem include ARIMA Box-Jenkins with outliers detection and Bootstrapping ARIMA.
In this case, the data is public time deposits at commercial banks and BPR from January 2010 to April 2016. The best ARIMA model is ARIMA model (1,1,0), With the best method is ARIMA Bootstrap because it has MAPE value (out sample) of 4.8257% less than MAPE value’s ARIMA with outliers detection which it has 6.1610%. Based on these results it is concluded that in this case the nonparametric method is more appropriate to be used by ignoring the distribution assumption.

Keywords : Deposits, ARIMA, Outliers detection, Bootstrap ARIMA

---

Ketersediaan

576E17IV

519.55 SHI p

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

STATISTIKA

No. Panggil

519.55 SHI p

Penerbit

: ., 2017

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

1636

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Shinta Karunia Permata sari

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar