Text

Optimasi Parameter Model Autoregressive menggunakan Algoritma Particle Swarm Optimization

---

ABSTRAK

Metode ARIMA Box-Jenkins merupakan model linier dalam analisis runtun waktu yang banyak digunakan di berbagai bidang. Salah satu metode estimasi paramter model ARIMA Box-Jenkins adalah metode OLS yang bertujuan dengan meminimumkan jumlah kuadrat error. Metode ini tidak efektif ketika diterapkan pada data runtun waktu yang bersifat random, nonlinier dan nonstasioner. Dalam penelitian ini dibahas metode alternatif algoritma PSO sebagai optimasi parameter model ARIMA. Algoritma PSO merupakan metode optimasi yang didasarkan pada perilaku sebuah kawanan burung atau ikan. Kelebihan utama algoritma PSO adalah mempunyai konsep sederhana, mudah diimplementasikan, dan efisien dalam perhitungan. Metode ini diterapkan pada data saham PT Perusahaan Gas Negara. Hasil dari kedua metode tersebut akan dibandingkan. Pada model AR(1) memperoleh nilai MSE 0,532 dan MAPE 0,993. Sedangkan, algoritma PSO memperoleh nilai MSE 0,531 dan MAPE 0,988. Didapatkan bahwa algoritma PSO menghasilkan nilai MSE dan MAPE lebih kecil dan dapat memberikan hasil yang lebih baik.

Kata kunci : Analisis Runtun Waktu, Autoregressive, PSO.

ABSTRACT

Box-Jenkins ARIMA method is a linear model in time series analysis which is widely used in various fields. One estimation method for Box-Jenkins ARIMA model is OLS method which aims to minimize the number of squared errors. This method is not effective when applied to time series data that is random, nonlinear and non-stationary. In this study discussed the alternative method of the PSO algorithm as an parameter optimization of the ARIMA model. PSO algorithm is an optimization method based on the behavior of a flock of birds or fish. The main advantage of the PSO algorithm is having a simple, easy to implement and efficient concept in calculations. This method is applied to data from PT Perusahaan Gas Negara shares. The results of both methods will be compared. In the AR model (1) the value of MSE is 0.532 and MAPE is 0.993. Meanwhile, the PSO algorithm obtained MSE 0.531 and MAPE 0.988. It was found that the PSO algorithm resulted in smaller MSE and MAPE values and could provide better results.

Keywords : Time Series Analysis, Autoregressive, PSO.

---

Ketersediaan

695E19II

695 E 19

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

STATISTIKA

No. Panggil

695 E 19

Penerbit

: ., 2019

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

307.72

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Setyoko Prismanu Ramadhan

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar