Text

Perbandingan Metode ARIMA Box-Jenkins dengan ARIMA Ensemble pada Peramalan Nilai Impor Provinsi Jawa Tengah

---

ABSTRAK

Impor adalah kegiatan memasukkan barang ke dalam wilayah suatu negara, baik bersifat komersial maupun non komersial serta barang yang akan diolah di dalam negeri. Kebutuhan impor menjadi kebutuhan yang penting bagi industri di Jawa Tengah. Kenaikan nilai impor yang tinggi dapat mengakibatkan neraca perdagangan defisit. Informasi yang tepat mengenai proyeksi jumlah impor diperlukan agar pemerintah dapat mengantisipasi kenaikan impor yang tinggi melalui beberapa kebijakan yang dapat lakukan. Metode peramalan yang dapat digunakan salah satunya ARIMA Box-Jenkins. Perkembangan pemodelan di bidang peramalan deret waktu menunjukkan bahwa akurasi peramalan meningkat jika dihasilkan dari penggabungan beberapa model yang disebut ARIMA ensemble. Metode ensemble yang digunakan adalah averaging dan stacking. Data yang digunakan yaitu data nilai impor bulanan di Jawa Tengah periode Januari 2010 sampai Desember 2018. Pemodelan runtun waktu dengan ARIMA Box-Jenkins menghasilkan dua model signifikan yaitu ARIMA(2,1,0) dan ARIMA(0,1,1). Kedua model tersebut digabungkan menggunakan metode ARIMA ensemble averaging dan stacking. Model terbaik yang terpilih dari metode ARIMA dan ARIMA ensemble berdasarkan nilai RMSE terkecil adalah model ARIMA(2,1,0) dengan nilai RMSE sebesar 185,8892.

Kata kunci: Impor, ARIMA, ARIMA ensemble, averaging, stacking

ABSTRACT

Import is activities of entering goods into the territory of a country, both commercial and non-commercial include goods that will be processed domestically. Import is an important requirement for industry in Central Java. The increase in high import values can cause deficit in the trade balance. Appropriate information about the projected amount of imports is needed so that the government can anticipate a high increase in imports through several policies that can be done. The forecasting method that can be used is ARIMA Box-Jenkins. The development of modeling in the field of time series forecasting shows that forecasting accuracy increases if it results from the merging of several models called ARIMA ensemble. The ensemble method used is averaging and stacking. The data used are monthly import value data in Central Java from January 2010 to December 2018. Modeling time series with ARIMA Box-Jenkins produces two significant models, namely ARIMA (2,1,0) and ARIMA (0,1,1). Both models are combined using the ARIMA ensemble averaging and stacking method. The best model chosen from the ARIMA method and ensemble ARIMA based on the least RMSE value is ARIMA model (2,1,0) with RMSE value is 185.8892.
Keywords: Import, ARIMA, ARIMA ensemble, averaging, stacking

---

Ketersediaan

714E19III

714 E 19-ii

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

STATISTIKA

No. Panggil

714 E 19-ii

Penerbit

: ., 2019

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

512.5

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Riski Arum Pitaloka

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar