IMPLEMENTASI METODE LOGISTIC SMOOTH TRANSITION AUTOREGRESSIVE (LSTAR) UNTUK PEMODELAN HARGA MINYAK MENTAH DUNIA

FAZRI , HUSNUL HIDAYAT (2023) IMPLEMENTASI METODE LOGISTIC SMOOTH TRANSITION AUTOREGRESSIVE (LSTAR) UNTUK PEMODELAN HARGA MINYAK MENTAH DUNIA. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK.pdf Download (186Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (1468Kb) | Minta salinan
Preview	File PDF SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (1408Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Forecasting is the process of predicting something that will happen in the future based on empirical data. The forecasting method with analysis based on time series data is the time series method. The time series method that is commonly used is Box-Jenkins or known as ARIMA. However, ARIMA is a time series model with stationarity assumptions that must be met and is linear in nature, so it is not appropriate when applied to data modeling that tends to be nonlinear. To perform nonlinear data modeling, the Logistic Smooth Transition Autoregressive (LSTAR) method can be used, where this method is popular in economic and financial applications, such as world crude oil prices. In this study, world crude oil price forecasting was carried out using weekly data for the period 3 July 2016 to 27 November 2022. The results obtained for the best model were LSTAR(3.1) with the forecast increasing from the 1st week period of 76.39677099 to the 9th week period is 82.11454605. The MAPE value obtained is 7.881%, which means that the model formed is very accurate because the MAPE value obtained is less than 10%. Kata kunci: Forecasting, Nonlinear, Logistic Smooth Transition Autoregressive, World Crude Oil Prices. Peramalan adalah proses memprakirakan sesuatu yang akan terjadi pada masa depan berdasarkan data empiris. Metode peramalan dengan analisis berdasarkan data deret waktu adalah metode time series atau deret waktu. Metode deret waktu yang umum digunakan yaitu Box-Jenkins atau dikenal dengan ARIMA. Namun, ARIMA merupakan model time series dengan asumsi-asumsi stasioneritas yang harus terpenuhi dan bersifat linear, sehingga tidak tepat apabila diterapkan pada pemodelan data yang cenderung nonlinier. Untuk melakukan pemodelan data yang bersifat nonlinier, dapat digunakan metode yang Logistic Smooth Transition Autoregressive (LSTAR), dimana metode ini populerr dalam terapan bidang ekonomi dan keuangan, seperti harga minyak mentah dunia. Pada penelitian ini, dilakukan peramalan harga minyak mentah dunia menggunakan data mingguan dengan periode 3 Juli 2016 hingga 27 November 2022. Hasil yang diperoleh untuk model terbaik adalah LSTAR(3,1) dengan peramalan mengalami kenaikan dari periode minggu ke-1 sebesar 76.39677099 sampai dengan periode minggu ke-9 yaitu sebesar 82.11454605. Nilai MAPE yang diperoleh yaitu sebesar 7.881%, yang berarti model yang terbentuk sangat akurat karena nilai MAPE yang diperoleh kurang dari 10%. Kata kunci: Peramalan, Nonlinier, Logistic Smooth Trasition Autoregressive, Harga Minyak Mentah Dunia.

Jenis Karya Akhir:	Skripsi
Subyek:	500 ilmu pengetahuan alam dan matematika 500 ilmu pengetahuan alam dan matematika > 510 Matematika
Program Studi:	FAKULTAS MIPA > Prodi Matematika
Pengguna Deposit:	2301508851 . Digilib
Date Deposited:	14 Jun 2023 02:47
Terakhir diubah:	14 Jun 2023 02:47
URI:	http://digilib.unila.ac.id/id/eprint/72087

Actions (login required)

Lihat Karya Akhir