Nining Andriani, 080212537 (2006) ESTIMASI MODEL PADA DATA TIME SERIES DENGAN PENDEKATAN NONPARAMETRIK BERDASARKAN ESTIMATOR LOKAL LINIER REGRESI. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (ABSTRAK) gdlhub-gdl-s1-2006-andrianini-3231-mpm37_0-k.pdf Download (381kB)
	Text (FULL TEXT) 26029.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Data time series merupakan serangkaian data pengamatan yang berasal dari satu sumber tetap yang terjadinya berdasarkan indeks waktu t secara berurutan dan dengan interval waktu yang tetap. Untuk mengestimasi model pada data time series, yang biasa digunakan adalah pendekatan tradisional ARIMA, tetapi ada pendekatan nonparametrik Baru yaitu Lokal Linier Regresi (LLR), yang digunakan untuk estimasi, yang mana LLR tidak memerlukan data dalam jumlah banyak untuk proses estimasi. Tujuan dari skripsi ini adalah untuk mengestimasi model pada data time series dengan pendekatan estimator lokal linier regresi dan membandingkan basil estimasi tersebut dengan ARIMA. Bentuk estimator lokal linier regresi adalah sebagai Berikut Zi =Xiβi, dengan βi=(XHiX)-1Xiz, dimana bandwidth. Perbandingan hasil estimasi antara lokal tinier regresi (LLR) dan ARIMA untuk data konsentrasi proses kimia, diperoleh bahwa nilai MAD error LLR sebesar 0,001823158 sedangkan ARIMA sebesar 0,246624, untuk nilai MSE error LLR sebesar 0,000641514 sedangkan ARIMA sebesar 0,1015 dan nilai RMSE error LLR sebesar 0,02532813 sedangkan ARIMA sebesar 0,316386. Untuk data Indeks Harga Konsumen, diperoleh bahwa nilai MAD error LLR sebesar 5,328123e-012 sedangkan ARIMA sebesar 0,00586442, untuk nilai MSE error LLR sebesar 1,703334e-021 sedangkan ARIMA sebesar 0,00005978 dan nilai RMSE error LLR sebesar 4,127146e-011 sedangkan ARIMA sebesar 0,0077318. Sehingga berdasarkan dua data tersebut nilai MAD, MSE dan RMSE dari error LLR lebih kecil daripada ARIMA, sehingga dapat dikatakan bahwa LLR lebih baik daripada ARIMA.

Actions (login required)

View Item