creators_name: BETA PUTRI ANZELA, 1717031036
creators_id: -
type: other
datestamp: 2022-05-23 05:16:51
lastmod: 2022-05-23 05:16:51
metadata_visibility: show
title: PEMODELAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE
(ARIMA) MENGGUNAKAN METODE PROSEDUR ITERATIF PADA

DATA PENCILAN DERET WAKTU
ispublished: pub
subjects: 500
subjects: 510
full_text_status: restricted
abstract: Dalam penelitian ini akan ditentukan model ARIMA (Autoregessive Integrated Moving
Average ) terbaik dengan tujuan menghasilkan tingkat keakuratan yang tinggi dalam
memprediksi nilai IHSG yang akan datang. Model ARIMA dikatakan layak dalam
melakukan peramalan adalah jika model tersebut telah memenuhi asumsi untuk
residualnya. Metode prosedur iteratif digunakan untuk mengatasi masalah ketika tidak
terpenuhinya salah satu asumsi model ARIMA yaitu asumsi normalitas. Berdasarkan
deteksi pencilan pada residual data IHSG yang dilakukan terdapat dua jenis pencilan yang
signifikan masuk ke dalam model ARIMA dengan MAPE 1,1% sehingga akurasi
peramalan sebesar 98.9%. Adapun model ARIMA dengan penambahan pencilan yang
terbentuk sebagai berikut: Zt = 0.5125Zt−1 + 0.4875Zt−2 + at − 0.6529at−1 −
567.2498 It

(99) − 1518.2698 It
(105)
.

Kata Kunci: ARIMA ( Autoregessive Integrated Moving Average ), Prosedur Iteratif,

Deteksi Pencilan

In this study, the best ARIMA ( Autoregessive Integrated Moving Average ) modelling
will be used to produce a high level of accuracy in predicting IDX price in the future.
ARIMA modelling can result the accurate data, if the model has been met by assumption
of the residuals. The iterative procedure method is using to help solve the problem when
the assumption of ARIMA model is unfulfilled. Based on detection outlier of IHSG data,
there are two type significant outliers, where the items can be inserted into ARIMA model
so the result of MAPE is 1,1% and the accuracy of foecasting is 98.9%. The model
of ARIMA with outlier is as following: Zt = 0.5125Zt−1 + 0.4875Zt−2 + at −
0.6529at−1 − 567.2498 It

(99) − 1518.2698 It
(105)
.

Keywords: ARIMA ( Autoregessive Integrated Moving Average ), Iterative

Procedure, Outlier Detection
date: 2021-12-10
date_type: published
publisher: Fakultas Matematika Ilmu Pengatahuan Alam
place_of_pub: UNIVERSITAS LAMPUNG
citation:   BETA PUTRI ANZELA, 1717031036  (2021) PEMODELAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) MENGGUNAKAN METODE PROSEDUR ITERATIF PADA DATA PENCILAN DERET WAKTU.  Fakultas Matematika Ilmu Pengatahuan Alam, UNIVERSITAS LAMPUNG.     
document_url: http://digilib.unila.ac.id/61626/1/1.%20ABSTRAK-ABSTRACT%20-%20Beta%20Putri%20Anzela.pdf
document_url: http://digilib.unila.ac.id/61626/2/2.%20SKRIPSI%20FULL%20-%20Beta%20Putri%20Anzela.pdf
document_url: http://digilib.unila.ac.id/61626/3/3.%20SKRIPSI%20TANPA%20BAB%20PEMBAHASAN%20-%20Beta%20Putri%20Anzela.pdf