Text

Prediksi Harga Minyak Dunia dengan Metode Autoregressive Fractionally Integrated Moving Average (ARFIMA)

---

ABSTRAK

Model Autoregressive Fractionally Integrated Moving Average (ARFIMA) merupakan pengembangan dari model ARIMA. Keunggulan metode ARFIMA adalah nilai diferensi yang bersifat non-integer sehingga dapat mengatasi long memory effect yang tidak dapat diatasi dengan metode ARIMA biasa. Nilai diferensi yang bersifat non-integer dapat diestimasi dengan pendekatan ekspansi binomial yang merupakan jumlah tertimbang tak terbatas nilai masa lalu untuk mengatasi long memory effect yang muncul. Beberapa keuntungan yang diperoleh jika menggunakan model ARFIMA adalah mampu memodelkan perubahan yang tinggi dalam jangka panjang (long term persistence), mampu menjelaskan struktur korelasi jangka panjang dan jangka pendek sekaligus, dan mampu memberikan model dengan parameter yang lebih sederhana (parsimony) baik untuk data dengan memori jangka panjang maupun jangka pendek. Data harga minyak menah dunia mengandung long memory effect, maka digunakan metode ARFIMA untuk memperoleh model yang terbaik. Model terbaik yang diperoleh adalah model ARMA([1,7],0) dengan nilai diferensi d sebesar 0,48937, maka model tersebut dapat ditulis menjadi ARFIMA([1,7]; d; 0). Model terbaik yang terpilih memilki nilai MSE sebesar 0,44 dan nilai MAPE sebesar 3,32%.

Kata Kunci: ARIMA, ARFIMA, long memory effect, Peramalan (Forecasting)

ABSTRACT


Autoregressive Fractionally Integrated Moving Average (ARFIMA) model is a development of the ARIMA model. The advantage of the ARFIMA method is the non-integer differentiation value so that it can overcome long memory effect that can not be solve with the usual ARIMA method. Non-integer differential values can be estimated with a binomial expansion approach which is an infinite weighted sum of past values to solve the long memory effect that arises. Some of the advantages of using the ARFIMA model is capable of modeling high changes in the long term (long term persistence), be able to explain long-term and short-term correlation structures at the same time, to provide models with simple parameters (parsimony) for data with memory long term and short term. Data of world oil price contain long memory effect, then used ARFIMA method to get the best model. The best model obtained is the ARMA([1,7]; 0) model with the differential value is 0,48937, then the model can be written into ARFIMA ([1,7]; d; 1). The best model chosen has an MSE value of 0,44 and a MAPE value of 3,32%.

Keywords: ARIMA, ARFIMA, long memory effect, Forecasting

---

Ketersediaan

661E18III

661 E 18

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

STATISTIKA

No. Panggil

661 E 18

Penerbit

: ., 2018

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

2230

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Dimas Kevin Natanael

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar