Peramalan Inflasi dengan Metode - digilib.its.ac.id · Seminar hasil Tugas Akhir S1 Statistika, 24...

Oleh:Dwi Ayu Lusia (1307 100 013)

Pembimbing:Dr. Suhartono, M.Sc

Peramalan Inflasi dengan Metode Weighted Fuzzy Time Series

seminar hasil Tugas Akhir S1 Statistika24 Juni 20111

Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011

Pemulusan eksponensialPemulusan eksponensialPemulusan eksponensialARIMA

Latar belakang masalahLatar belakang masalahLatar belakang masalahPermasalahanPermasalahanTujuanTujuanTujuanManfaatManfaatBatasan masalah

Sumber dataSumber dataVariabel penelitianVariabel penelitianVariabel penelitianVariabel penelitianVariabel penelitianVariabel penelitianVariabel penelitianVariabel penelitianVariabel penelitianVariabel penelitianVariabel penelitianLangkah-langkah penelitian

Inflasi

ARIMAFuzzy time seriesFuzzy time seriesFuzzy time seriesFuzzy time seriesFuzzy time seriesFuzzy time seriesFuzzy time seriesOrde tunggal Weighted fuzzy time seriesOrde tunggal Orde tunggal Weighted fuzzy time seriesWeighted fuzzy time seriesWeighted fuzzy time seriesWeighted fuzzy time seriesOrde tunggal Orde tunggal Orde tunggal Orde tunggal Orde tinggi Weighted fuzzy time series

Inflasi umum di IndonesiaInflasi umum di IndonesiaInflasi kelompok bahan makananInflasi kelompok bahan makananInflasi kelompok bahan makananInflasi kelompok pendidikan dan olahraga


Kestabilan Inflasi

Prasyarat pertumbuhan

ekonomi

Kesejahteraan masyarakat

(Bank Indonesia, 2008a)


Penelitian mengenai

InflasiBank

SentralKebijakan MoneterInflasi

Sekarang

Inflasi

Kebijakan Lalu

Kebijakan sekarang dan MendatangPeramalan Inflasi


Metode Peramalan

Pemulusan

ARIMA

Model Intervensi

Variasi Kalender

Fungsi Transfer

VAR

Neural Network

Penelitian di Luar Indonesia

Stock & Watson (1999)

Chen et al. (2001)

Nakamura (2005)

McAdam & McNeils (2006)

Moser et al. (2007)

Penelitian di Indonesia

Suhartono (2005)

Anggraini (2009) TA

Meitasari (2009) TA

Septiorini (2009) TA

ARIMAX

Setyaningsih (2010) TA


Himpunan Fuzzy

Peramalan Deret Waktu

Weighted Fuzzy Time Series

(WFTS)

Saham Temperatur

Inflasi di Indonesia

Akurat ????

Pemulusan Eksponensial

ARIMA

(Song & Chissom, 1993a & 1993b)(Chen, 1994)

(Yu, 2005)(Cheng et al., 2008)

(Lee & Suhartono, 2010)


WFTS

1. Mendapatkan Orde Terbaik dari Metode WFTS

2. Mengetahui akurasi metode WFTS

Tujuan:

1. Orde Terbaik??

2. Akurasi?? Jika dibandingkan dengan metode Pemulusan Eksponensial dan ARIMA


Penelitian Ini

Nilai Ramalan

Inflasi

1. Bahan pertimbangan dalam mengambil kebijakan moneter dan dapat mengontrol kestabilan inflasi

2. Memperoleh indikator yang menggambarkan kecenderungan umum tentang perkembangan harga

3. Informasi dasar untuk pengambilan keputusan baik tingkat ekonomi mikro atau makro, baik fiskal maupun moneter


Metode

Pemulusan Eksponensial

ARIMA

WFTS

Data

Inflasi Umum di Indonesia

Inflasi Kelompok Bahan Makanan

Periode:Januari 2000 -Desember 2010

Inflasi Kelompok Pendidikan &

Olahraga

Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 10

Fuzzy Time Series ialah suatu konsep penemuan peramalan dimana hasil yang diperoleh dapat dibahasakan

Time variant

Time invariant

Fuzzy Time Series

Orde Pertama

Orde Tinggi (Chen, 2002)

Fuzzy Time Series

Orde pertama musiman (Song,1999)

(Song & Chissom, 1993b)


Song & Chissom (1993a, 1993b)

Chen (1996) Algoritma Chen

Chen(1996)

Yu (2005)

- Tidak memperdulikan pengulangan

- Tidak adanya pembobotan menurut waktu

Cheng et al.(2008)

Lee & Suhartono(2010)

Algoritma Yu

Algoritma Cheng

Algoritma Lee

1. Algoritma Chen2. Algoritma Yu, Cheng, dan Lee


U = [awal,akhir]) dan interval Fuzzy FLR FLRG Meramalkan

F(t) Defuzzy

;

1. Algoritma Chen :

2. Algoritma Yu :

3. Algoritma Cheng :

4. Algoritma Lee :


Website

Buku (BPS)

Data inflasi di Indonesia

• http://www.bps.go.id/tab_sub/excel.php?id_subyek=03%20&notab=1

• http://www.bps.go. id/tab_sub/excel.php?id_ subyek=03%20&notab=5

• Indeks Harga Konsumen di 43 Kota di Indonesia

• Indeks Harga Konsumen di 45 Kota di Indonesia

• Indikator Ekonomi

http://www.bps.go.id/tab_sub/excel.php?id_subyek=03 &notab=1

http://www.bps.go.id/tab_sub/excel.php?id_subyek=03 &notab=1


1. Inflasi umum di Indonesia2. Inflasi kelompok bahan makanan3. Inflasi Kelompok pendidikan dan olah raga

Variabel Penelitian:

Data bulanan mengenai Inflasi

Data training

Data testingPeriode 2000-2010

Periode 2000-2009

Periode 2010


Aplikasi metode:1. Pemulusan eksponensial2. ARIMA3. WFTS sesuai dengan Algoritma Chen, Yu, Cheng, dan Lee

Penentuan model peramalan inflasi terbaik dengan membandingkan nilai RMSE dan MAPE data testing

Peramalan 12 data yang akan datang menggunakan metode WFTS, pemulusan eksponensial, dan ARIMA

Peramalan inflasi 2011

Membagi data dibagi menjadi 2, yaitu:1. Data training (2000-2009)2. Data testing (2010)

1

2

3

4

5


Inflasi umum di Indonesia

Inflasi kelompok bahan makanan

Inflasi kelompok pendidikan dan olahraga


1. Pemulusan Eksponensial Tunggal

2. ARIMA

Model:

dimana dan

Model:


3. WFTS

Himpunan sampel dibagi menjadi:• 12 bagian dengan panjang interval 0,6• 19 bagian dengan panjang interval 0,5• 22 bagian dengan panjang interval 0,43

Orde yang digunakan:• orde tunggal, yaitu orde (1)•Orde ganda, yaitu orde (1,2)•Orde tiga, yaitu orde (1,2,3)

Himpunan sampel (U=[awal,akhir]) Dan interval1.

Himpunan fuzzy dan menghitung fuzzy dari data2.

Mengamati fuzzy3.


3. WFTS

3.1 Algoritma Chen

Meramalkan (F (t)).5.

Defuzzy.6.

Menentukan FLR dan FLRG4.

Misal pada t = 13, maka F(13 – 1 ) = A5Maka F(13) = A1, A2, A4

Orde (1)

Orde (1,2)


3. WFTS

3.2 Algoritma Yu

Menentukan FLR dan FLRG4.

Meramalkan (F (t)).5.

Defuzzy.6.

Misal pada t = 13, maka F(13 – 1 ) = A5Maka F(13) = A2, A1, A4 ,A2, A4

3.2 Algoritma Cheng

3.3 Algoritma Lee

k=7k=6k=5

1,2

1,0

0,8

0,6

0,4

k=7k=6k=5

1,2

1,0

0,8

0,6

0,4

Chen

RMSE

Cheng

Lee Yu

Ordde (1,2,3)orde (1)Orde (1,2)


3. WFTS


4. Peramalan Inflasi umum di Indonesia tahun 2011

dimana dan



Sehingga model yang digunakan ialah WFTS dengan algoritma LEE pada:• orde (1,2,3)• k = 7• c = 2• skema 4



Sehingga model yang digunakan ialah WFTS dengan algoritma LEE pada:• orde (12)• k = 20• c = 1,6


Kesimpulan Inflasi umum di Indonesia

Inflasi kelompok bahan makanan

Inflasi kelompok Pendidikan dan olahraga

1. Orde terbaik pada WFTS

Orde (1,2,3) Orde (1,2,3) Orde (12)

2. Metode terbaik untuk peramalan tahun 2011

MA(1) dengan outlier

WFTS pada algoritma Lee dengan skema 3, orde (1,2,3), k = 7, dan c = 1.

WFTS pada algoritma Lee dengan orde (12), k = 20, dan c = 1,6

Saran yang dapat disampaikan untuk pengembangan dari Tugas Akhir iniadalah mengembangkan cara untuk mendapatkan orde maupun banyak bagian himpunan sampel yang tepat untuk peramalan menggunakan WFTS


Bank Indonesia. 2008a. Pentingnya Kestabilan Harga, <http://www.bi.go.id/web/id/ Moneter/Inflasi/Pengenalan+Inflasi/pentingnya.htm> Diunduh pada 07 Februari 2011 pukul 13.30.

Bank Indonesia. 2008b. Inflasi, <http://www.bi.go.id/web/id/Moneter/Inflasi/Pengenalan+ Inflasi/> Diunduh pada 07 Februari 2011 pukul 13:33.

Chen, S.M. 1996. “Forecasting Enrollments Based on Fuzzy Time Series”. Fuzzy Sets and System 81, 3:311-319.

Chen, S.M. 2002. “Forecasting Enrollments Based on High-order Fuzzy Time Series”. Cybernetics and Systems 33, 1:1-16.

Chen, S.M. and Hwang, J.R. 2000. “Temperature Prediction Using Fuzzy Time Series”. IEEE Transaction on Systems, Man, and Cybernetics 30, 2:263-275.

Cheng, C.H., Chen, T.L., Teoh, H.J., and Chiang, C.H. 2008. “Fuzzy Time Series Based on Adaptive Expectation Model for TAIEX Forecasting”. Expert Systems with Application 34, 2:1126-1132.

Huarng, K.H. 2001. “Heuristic Models of Fuzzy Time Series for Forecasting”. Fuzzy Sets and Systems 123, 3:369-386.

Hwang, J.R., Chen, S.M., and Lee, C.H. 1998. “Handling Forecasting Problems Using Fuzzy Time Series”. Fuzzy Sets and Systems 100, 2:217–228.

http://www.bi.go.id/web/id/Moneter/Inflasi/Pengenalan+Inflasi/pentingnya.htm

http://www.bi.go.id/web/id/Moneter/Inflasi/Pengenalan+Inflasi/pentingnya.htm

http://www.bi.go.id/web/id/ Moneter/Inflasi/Pengenalan+Inflasi/

http://www.bi.go.id/web/id/ Moneter/Inflasi/Pengenalan+Inflasi/


Lee, M.M., and Suhartono. 2010. “An Novel Weighted Fuzzy Time Series Models for Forecasting Seasonal Data”. Proceeding 2nd International Conference on Mathematical Sciences. Kuala Lumpur, 30 November-30 Desember: 332-340.

Sigh, S.R. 2007. “A Simple Time-Variant Method for Fuzzy Time Series Forecasting”. Cybernetics and Systems 38, 3:305-321.

Song, Q., and Chissom, B.S. 1993a. “Forecasting Enrollments with Fuzzy Time Series-part I”. Fuzzy Sets and System 54, 1-9.

Song, Q., and Chissom, B.S. 1993b. “Fuzzy Time Series and Its Model”. Fuzzy Sets and System 54, 269-277.

Song, Q. 1999. “Seasonal Forecasting in Fuzzy Time Series”. Fuzzy Sets and Systems 107, 235-236.

Yu, H.K. 2005. “Weighted Fuzzy Time Series Models for TAIEX Forecasting”. Physica A. Statistical Mechanics and Its Application 349, 609-642.

Zhang, G.P. 2003. “Time Series Forecasting using A Hybrid ARIMA and Neural Network Model”. Neurocomputing 50, 159-175.

Peramalan Inflasi dengan Metode - digilib.its.ac.id · Seminar hasil Tugas Akhir S1 Statistika, 24...

Documents

Transcript of Peramalan Inflasi dengan Metode - digilib.its.ac.id · Seminar hasil Tugas Akhir S1 Statistika, 24...