Neural Networks Multiscale Autoregressive untuk Peramalan Data Time Series

  • brodjol sutijo Institute Teknologi Surabaya

Abstract

Transformasi wavelet yang banyak digunakan untuk peramalan time series adalah Maximal Overlap Discrete Wavelet Transform (MODWT). Penggunaan MODWT adalah untuk mengatasi keterbatasan discrete wavelet transform (DWT), yang membutuhkan N=2j dimana J adalah bilangan bulat positif. Praktis, data time series jarang memenuhi kondisinya tersebut. Skala dan koefisien wavelet yang diberikan oleh MODWT akan digunakan untuk peramalan time series. Ada beberapa penelitian yang berkaitan dengan NN-MAR untuk peramalan time series, biasanya berfokus pada bagaimana untuk mendapatkan model NN-MAR yang sesuai untuk peramalan data time series. Tujuan dari penelitian ini adalah untuk mengembangkan prosedur yang tepat untuk pemodelan NN-MAR data time series musiman, dan untuk membandingkan akurasi ramalan antara NN-MAR, ARIMA, dan MAR (multiscale Autoregressive). Studi empiris data penumpang pesawat yang digunakan menunjukkan bahwa prosedur yang dikembangkan tidak baik dalam pembentukan model NN-MAR cocok untuk peramalan data time series musiman. Perbandingan ketepatan ramalan menunjukkan bahwa model NN-MAR harus digunakan sebagai model untuk peramalan data karena data nonlinier.

Published
2011-10-31
Section
Artikel