Ratih Dewi Titisari Haryana, 080710042 (2011) Deteksi Outlier Data Time Series Multiplikatif ARMASAR (Autoreggresive Moving Average Seasonal Autoreggresive) Berdasarkan Hampel Identifier. Skripsi thesis, UNIVERSITAS AIRLANGGA.

Preview	Text (ABSTRAK) gdlhub-gdl-s1-2012-haryanarat-22382-mpm541-k.pdf Download (104kB) | Preview
	Text (FULLTEXT) gdlhub-gdl-s1-2012-haryanarat-18106-mpm5411.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Model ARMASAR (Autoreggresive Moving Average Seasonal Autoreggresive) adalah salah satu model Time Series musiman yang merupakan gabungan dari ARMA non-seasonal dan AR seasonal. Model seperti ini disebut Model ARMA seasonal multiplikatif. Bentuk umum dari model ARMASAR atau ARMA (p,0,q)(P,0,0)s adalah: Skripsi ini bertujuan untuk mengestimasi parameter model ARMASAR dengan menggunakan metode OLS (Ordinary Least Square) yang menghasilkan penyelesaian implisit. Sehingga, penyelesaian tersebut diselesaikan dengan metode Newton-Raphson. Kemudian menerapkan model pada data “jumlah penumpang keberangkatan pesawat terbang internasional PT. Angkasa Pura I Juanda dari bulan Januari 1998 s/d Desember 2005” yang diindikasikan mengandung unsur musiman (seasonal). Untuk pendeteksian outlier akan digunakan metode Hampel identifier. Berdasarkan hasil pendektesian diperoleh bahwa data tersebut mengandung outlier. Dengan penyelesaian outlier akan dihapus dan selanjutnya akan diperoleh output data baru. Untuk menguji kehandalan model akan dilakukan validasi dengan mengambil 10 data terakhir kemudian dilakukan peramalan. Dengan diperolehnya nilai MSE pada data sebesar 0,0438483 yang lebih kecil daripada nilai MSE pada data baru sebesar 0,0140851. Sehingga, jelas bahwa model ARMASAR menjadi lebih baik setelah proses deteksi outlier.

Actions (login required)

View Item