PENERAPAN MODEL ARIMA-NEURAL NETWORK HYBRID UNTUK PERAMALAN TIME SERIES

ENSIWI MUNARSIH, Prof. Drs. H. Subanar, Ph.D

2011 | Tesis | S2 Matematika

Model ARIMA dan Jaringan Syaraf Tiruan merupakan metode-metode yang biasa digunakan untuk meramal data-data time series. Keduanya memiliki perbedaan, dimana model ARIMA baik digunakan untuk meramal data-data time series yang linear, sementara Jaringan Syaraf Tiruan baik digunakan untuk meramal data-data time series nonlinear. Namun dalam kehidupan nyata masalah time series tidak selalu linear atau nonlinear, terkadang mengandung keduanya (linear dan nonlinear). Sehingga dibentuklah model gabungan yaitu model ARIMA-Neural Network Hybrid. Model gabungan ini diterapkan pada data time series yang mengandung unsur musiman. Berdasarkan test menggunakan Root Mean Square Error (RMSE) dan Mean Absolute Percentage Error (MAPE) terlihat bahwa nilai kesalahan ARIMA- Neural Network Hybrid lebih kecil dibandingkan dengan ARIMA tunggal. Hal ini menandakan bahwa model ARIMA-Neural Network Hybrid lebih baik digunakan untuk peramalan dibandingakan dengan model ARIMA tunggal.

ARIMA Model and Neural Network are methods that was usually used for forcasting time series data. Both of them have the differences, where ARIMA model better used to predict of linear time series data, while Neural Network better used to predict of nonlinear time series data. But in real-world time series problems not only linear or nonlinear, usually both of them (linear and nonlinear). So that created hybrid model, called ARIMA-Neural Network Hybrid model. This model is applied to data that contain seasonal time series. Based on the test using the Root Mean Square Error (RMSE) and Mean Absolute Percentage Error (MAPE) shows that the error from ARIMA-Neural Network Hybrid is smaller than a single ARIMA. This indicates that the ARIMA model-Hybrid Neural Network is better used for forecasting than a single ARIMA model.

Kata Kunci : Model ARIMA-Neural Network, time series