Pemodelan Hybrid ARIMA (Autoregressive Integrated Moving Average) – ANN (Artificial Neural Network) pada Data Inflasi Indonesia Tahun 2009 - 2020

Rahma Kamadewi, Anneke Iswani Achmad

Abstract


Abstract. ARIMA model is one of the models suitable for predicting time series data. In the ARIMA model, the problem of linearity is not considered so that sometimes the ARIMA model still produces quite large errors. In an effort to improve the accuracy of the forecasting model, a hybrid method was carried out where this method combines two methods, namely ARIMA and ANN. ANN is a time series analysis method which contains nonlinear components from ARIMA. The data used is secondary data recorded by Bank Indonesia for 2009 to 2020. Where inflation is a continuous increase in prices within a certain period of time. From the results of the analysis using the ARIMA model (1,1,0) gives quite good results with an MSE value of 0.566139. Because the resulting residue still contains nonlinearity, the ARIMA-ANN hybrid is carried out so that a more accurate MSE value is obtained at 0.4591. Thus, it can be seen that the ARIMA-ANN hybrid model is a better model than the ARIMA model (1,1,0) because it produces a smaller MSE value.

Keywords: ARIMA, ANN, Hybrid ARIMA-ANN, Inflation, MSE

Abstrak. Model ARIMA merupakan salah satu model yang cocok untuk meramalkan data time series. Pada model ARIMA permasalahan tentang kelinearan tidak diperhatikan sehingga menjadikan model ARIMA terkadang masih menghasilan error yang cukup besar. Dalam upaya untuk meningkatkan akurasi model peramalan maka dilakukan suatu metode hybrid  dimana metode ini menggabungkan dua metode yaitu ARIMA dengan ANN. ANN merupakan metode analisis time series yang mana berisikan komponen nonlinier dari ARIMA. Data yang digunakan adalah data sekunder hasil pencatatan Bank Indonesia untuk tahu 2009 sampai 2020. Dimana inflasi merupakan kenaikan harga secara terus menerus dalam jangka waktu tertentu. Dari hasil analisis dengan menggunakan model ARIMA (1,1,0) memberikan hasil yang cukup baik dengan nilai MSE sebesar 0,566139. Karena residu yang dihasilkan masih mengandung nonlinier, maka dilakukan hybrid ARIMA-ANN sehingga didapat nilai MSE yang lebih akurat sebesar 0,4591. Dengan demikian dapat diketahui bahwa model hybrid ARIMA-ANN merupakan model yang lebih baik dibandingkan model ARIMA (1,1,0) karena menghasilkan nilai MSE yang lebih kecil.

Kata Kunci: ARIMA, ANN, Hybrid ARIMA-ANN, Inflasi, MSE.


Keywords


ARIMA, ANN, Hybrid ARIMA-ANN, Inflation, MSE.

Full Text:

PDF

References


Boediono. 1982. Seri Sinopsis Pengantar Ilmu Ekonomi Makro. (Edisi 4). Yogyakarta: BPFE.

Makridakis, S., Wheelwright, S.C., & Mcgee, V.E. 1995. Metode dan Aplikasi Peramalan. Terjemahan oleh Untung Sus Andriyanto dan Abdul Basith. 1999. Jakarta: Erlangga.

Siang, J.J. 2005. Aplikasi Jaringan Syaraf Tiruan dan Pemrograman Menggunakan MATLAB. Jogjakarta: Andi Jogjakarta.

Supriyanto, Pramita Luciana. 2017. Peramalan Jumlah Penumpang Penerbangan Di Terminal 1 Bandara Internasional Juanda Menggunakan Metode ARIMA Box-Jenkins dan Hybrid ARIMA-ANN. Tugas Akhir. Program Studi Sistem Informasi, Institut Teknologi Sepuluh November.

Wang, X. & Meng, M. 2012. A Hybrid Neural Network and ARIMA Model for Consumtion Forecasting. Journal of Computer.

Zhang, G.P. 2003. Time Series Forecasting Using A Hybrid ARIMA and Neural Network Model. Neurocomputing, 50: 159-175.




DOI: http://dx.doi.org/10.29313/.v7i1.25503

Flag Counter