Peramalan dengan model Hibrida Arfima Fuzzy Time series Markov Chain pada Long-Memory Data menggunakan Software R

Al-Maulida, Fatiya (2024) Peramalan dengan model Hibrida Arfima Fuzzy Time series Markov Chain pada Long-Memory Data menggunakan Software R. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) cover_Draft Skripsi Revisi_Fatiya H.A_1207010019-1.pdf Download (68kB) | Preview
Preview	Text (ABSTRAK) Abstrak_Draft Skripsi Revisi_Fatiya H.A_1207010019-6-7.pdf Download (285kB) | Preview
Preview	Text (DAFTAR ISI) daftar isi_Draft Skripsi Revisi_Fatiya H.A_1207010019-10-11.pdf Download (307kB) | Preview
Preview	Text (BAB I) BAB 1_Draft Skripsi Revisi_Fatiya H.A_1207010019-17-20.pdf Download (419kB) | Preview
	Text (BAB II) BAB 2_Draft Skripsi Revisi_Fatiya H.A_1207010019-21-40.pdf Restricted to Registered users only Download (1MB)
	Text (BAB III) BAB 3_Draft Skripsi Revisi_Fatiya H.A_1207010019-41-61.pdf Restricted to Registered users only Download (1MB)
	Text (BAB IV) BAB 4_Draft Skripsi Revisi_Fatiya H.A_1207010019-62-86.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB 5_Draft Skripsi Revisi_Fatiya H.A_1207010019-87.pdf Restricted to Registered users only Download (506kB)
	Text (DAFTAR PUSTAKA) DAPUS_Draft Skripsi Revisi_Fatiya H.A_1207010019-88-89.pdf Restricted to Registered users only Download (408kB)

Abstract

Penelitian ini bertujuan untuk menguji akurasi metode hibrida ARFIMA Fuzzy Time Series Markov chain dalam meramalkan harga minyak mentah dunia yang memiliki sifat long-memory, serta mengatasi kompleksitas dan volatilitas data. Metode yang diusulkan menggabungkan ARFIMA untuk menangani aspek long-memory, Fuzzy time series untuk mengatasi ketidakpastian dalam data, dan Markov chain untuk memodelkan sifat dependensi data. Hasil analisis menunjukkan bahwa model ARFIMA (1, 0.5279065, 1) memiliki koefisien signifikan dengan nilai AIC dan BIC terendah, menunjukkan model yang lebih efisien. Berdasarkan analisis terhadap 124 data harga pembukaan minyak mentah dunia WTI, terlihat bahwa data tersebut memiliki pola long-memory, terdeteksi dari plot ACF. Model ARFIMA dan hibrida ARFIMA-FTSMC memberikan estimasi parameter yang akurat dengan nilai MAPE lebih kecil dari 10%, dengan model hibrida ARFIMA-FTSMC menunjukkan nilai MAPE terkecil menunjukkan akurasi tertinggi dibandingkan model lainnya. Hal ini menegaskan bahwa model hybrid ARFIMA-FTSMC lebih baik dalam memodelkan harga pembukaan minyak mentah dunia WTI bulanan.

Actions (login required)

View Item