Oleh:
Dwi Ayu Lusia (1307 100 013)
Pembimbing:
Dr. Suhartono, M.Sc
Peramalan Inflasi dengan Metode
Weighted Fuzzy Time Series
seminar hasil Tugas Akhir S1 Statistika
24 Juni 2011
Slide 2
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011
Pemulusan eksponensial
Pemulusan eksponensial
Pemulusan eksponensial
ARIMA
Latar belakang masalah
Latar belakang masalah
Latar belakang masalah
Permasalahan
Permasalahan
Tujuan
Tujuan
Tujuan
Manfaat
Manfaat
Batasan masalah
Sumber data
Sumber data
Variabel penelitian
Variabel penelitian
Variabel penelitian
Variabel penelitian
Variabel penelitian
Variabel penelitian
Variabel penelitian
Variabel penelitian
Variabel penelitian
Variabel penelitian
Variabel penelitian
Langkah-langkah penelitian
Inflasi
ARIMA
Fuzzy time series
Fuzzy time series
Fuzzy time series
Fuzzy time series
Fuzzy time series
Fuzzy time series
Fuzzy time series
Orde tunggal Weighted fuzzy time series
Orde tunggal
Orde tunggal Weighted fuzzy time series
Weighted fuzzy time series
Weighted fuzzy time series
Weighted fuzzy time series
Orde tunggal
Orde tunggal
Orde tunggal
Orde tunggal
Orde tinggi Weighted fuzzy time series
Inflasi umum di Indonesia
Inflasi umum di Indonesia
Inflasi kelompok bahan makanan
Inflasi kelompok bahan makanan
Inflasi kelompok bahan makanan
Slide 3
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011
Kestabilan
Inflasi
Prasyarat
pertumbuhan
ekonomi
Kesejahteraan
masyarakat
Slide 4
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011
Penelitian
mengenai
Inflasi
Bank
Sentral
Kebijakan
Moneter
Inflasi
Sekarang
Inflasi
Kebijakan Lalu
Kebijakan sekarang dan Mendatang
Peramalan Inflasi
Slide 5
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011
Metode Peramalan
Pemulusan
ARIMA
Model Intervensi
Variasi Kalender
Fungsi Transfer
VAR
Neural Network
Penelitian di Luar
Indonesia
Stock & Watson (1999)
Chen et al. (2001)
Nakamura (2005)
McAdam & McNeils (2006)
Moser et al. (2007)
Penelitian di Indonesia
Suhartono (2005)
Anggraini (2009) TA
Meitasari (2009) TA
Septiorini (2009) TA
ARIMAX
Setyaningsih (2010) TA
Slide 6
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011
Himpunan
Fuzzy
Peramalan
Deret Waktu
Weighted Fuzzy
Time Series
(WFTS)
Saham
Temperatur
Inflasi di
Indonesia
Akurat
????
Pemulusan
Eksponensial
ARIMA
(Song & Chissom, 1993a & 1993b) (Chen, 1994)
(Yu, 2005) (Cheng et al., 2008) (Lee & Suhartono, 2010)
Slide 7
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011
WFTS
1. Mendapatkan Orde Terbaik
dari Metode WFTS
2. Mengetahui akurasi metode
WFTS
Tujuan:
1. Orde Terbaik??
2. Akurasi?? Jika dibandingkan
dengan metode Pemulusan
Eksponensial dan ARIMA
Slide 8
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011
Penelitian
Ini
Nilai
Ramalan
Inflasi
1. Bahan pertimbangan dalam mengambil kebijakan moneter
dan dapat mengontrol kestabilan inflasi
2. Memperoleh indikator yang menggambarkan
kecenderungan umum tentang perkembangan harga
3. Informasi dasar untuk pengambilan keputusan baik tingkat
ekonomi mikro atau makro, baik fiskal maupun moneter
Slide 9
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011
Metode
Pemulusan
Eksponensial
ARIMA
WFTS
Data
Inflasi Umum di
Indonesia
Inflasi Kelompok
Bahan Makanan
Periode:
Januari 2000
-Desember 2010
Inflasi Kelompok
Pendidikan &
Olahraga
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 10
Fuzzy Time Series ialah suatu konsep penemuan peramalan dimana hasil
yang diperoleh dapat dibahasakan
Time variant
Time invariant
Fuzzy Time
Series
Orde Pertama
Orde Tinggi
(Chen, 2002)
Fuzzy Time
Series
Orde pertama musiman
(Song,1999)
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 11
Song & Chissom
(1993a, 1993b)
Chen
(1996)
Algoritma Chen
Chen (1996) Yu (2005) - Tidak memperdulikan pengulangan- Tidak adanya pembobotan menurut waktu
Cheng et al. (2008)
Lee & Suhartono (2010)
Algoritma Yu
Algoritma Cheng
1. Algoritma Chen
2. Algoritma Yu, Cheng, dan Lee
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 12
U = [awal,akhir])
dan interval
Fuzzy
FLR
FLRG
Meramalkan
F(t)
Defuzzy
;1. Algoritma Chen :
2. Algoritma Yu :
3. Algoritma Cheng :
4. Algoritma Lee :
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 16
Website
Buku (BPS)
Data inflasi di
Indonesia
•
http://www.bps.go.id/tab_sub/excel.php?id_sub
yek=03%20¬ab=1
• http://www.bps.go. id/tab_sub/excel.php?id_
subyek=03%20¬ab=5
• Indeks Harga Konsumen di 43 Kota di Indonesia
• Indeks Harga Konsumen di 45 Kota di Indonesia
• Indikator Ekonomi
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 17
1. Inflasi umum di Indonesia
2. Inflasi kelompok bahan makanan
3. Inflasi Kelompok pendidikan dan olah raga
Variabel Penelitian:
Data bulanan
mengenai Inflasi
Data training
Data testing
Periode 2000-2010
Periode 2000-2009
Periode 2010
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 18
Aplikasi metode: 1. Pemulusan eksponensial
2. ARIMA
3. WFTS sesuai dengan Algoritma Chen, Yu, Cheng, dan Lee
Penentuan model peramalan inflasi terbaik dengan membandingkan nilai RMSE dan MAPE data testing
Peramalan 12 data yang akan datang menggunakan metode WFTS, pemulusan eksponensial, dan ARIMA
Peramalan inflasi 2011
Membagi data dibagi menjadi 2, yaitu: 1. Data training (2000-2009) 2. Data testing (2010) 1 2 3 4 5
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 19
Inflasi umum di Indonesia
Inflasi kelompok bahan
makanan
Inflasi kelompok
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 20
1. Pemulusan Eksponensial Tunggal
2. ARIMA
Model:
dimana dan
Model:
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 21
3. WFTS
Himpunan sampel dibagi menjadi:
• 12 bagian dengan panjang interval 0,6
• 19 bagian dengan panjang interval 0,5
• 22 bagian dengan panjang interval 0,43
Orde yang digunakan:
• orde tunggal, yaitu orde (1)
•Orde ganda, yaitu orde (1,2)
•Orde tiga, yaitu orde (1,2,3)
Himpunan sampel (U=[awal,akhir]) Dan interval
1.
Himpunan fuzzy dan menghitung fuzzy dari data
2.
Mengamati fuzzy
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 22
3. WFTS
3.1 Algoritma Chen
Meramalkan (F (t)).
5.
Defuzzy.
6.
Menentukan FLR dan FLRG
4.
Misal pada t = 13, maka F(13 – 1 ) = A
5Maka F(13) = A
1, A
2, A
4Orde (1)
Orde (1,2)
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 23
3. WFTS
3.2 Algoritma Yu
Menentukan FLR dan FLRG
4.
Meramalkan (F (t)).
5.
Defuzzy.
6.
Misal pada t = 13, maka F(13 – 1 ) = A
5Maka F(13) = A
2, A
1, A
4,A
2, A
43.2 Algoritma Cheng
k=7 k=6 k=5 1,2 1,0 0,8 0,6 0,4 k=7 k=6 k=5 1,2 1,0 0,8 0,6 0,4 Chen RM SE Cheng Lee Yu Ordde (1,2,3) orde (1) Orde (1,2)
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 24
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 25
4. Peramalan Inflasi umum di Indonesia tahun 2011
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 26
4. Peramalan Inflasi umum di Indonesia tahun 2011
Sehingga model yang digunakan ialah WFTS dengan
algoritma LEE pada:
• orde (1,2,3)
• k = 7
• c = 2
• skema 4
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 27
4. Peramalan Inflasi umum di Indonesia tahun 2011
Sehingga model yang digunakan ialah WFTS dengan
algoritma LEE pada:
• orde (12)
• k = 20
• c = 1,6
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 28
Kesimpulan
Inflasi umum
di Indonesia
Inflasi kelompok
bahan makanan
Inflasi kelompok Pendidikan
dan olahraga
1. Orde terbaik
pada WFTS
Orde (1,2,3)
Orde (1,2,3)
Orde (12)
2. Metode
terbaik untuk
peramalan
tahun 2011
MA(1)
dengan
outlier
WFTS pada
algoritma Lee
dengan skema 3,
orde (1,2,3), k =
7, dan c = 1.
WFTS pada algoritma Lee
dengan orde (12), k = 20,
dan c = 1,6
Saran yang dapat disampaikan untuk pengembangan dari Tugas Akhir ini
adalah mengembangkan cara untuk mendapatkan orde maupun banyak
bagian himpunan sampel yang tepat untuk peramalan menggunakan WFTS
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 29
Bank Indonesia. 2008a. Pentingnya Kestabilan Harga, <http://www.bi.go.id/web/id/
Moneter/Inflasi/Pengenalan+Inflasi/pentingnya.htm> Diunduh pada 07 Februari 2011
pukul 13.30.
Bank Indonesia. 2008b. Inflasi, <http://www.bi.go.id/web/id/Moneter/Inflasi/Pengenalan+
Inflasi/> Diunduh pada 07 Februari 2011 pukul 13:33.
Chen, S.M. 1996. “Forecasting Enrollments Based on Fuzzy Time Series”. Fuzzy Sets
and System 81, 3:311-319.
Chen, S.M. 2002. “Forecasting Enrollments Based on High-order Fuzzy Time Series”.
Cybernetics and Systems 33, 1:1-16.
Chen, S.M. and Hwang, J.R. 2000. “Temperature Prediction Using Fuzzy Time Series”.
IEEE Transaction on Systems, Man, and Cybernetics 30, 2:263-275.
Cheng, C.H., Chen, T.L., Teoh, H.J., and Chiang, C.H. 2008. “Fuzzy Time Series Based on Adaptive Expectation Model for TAIEX Forecasting”. Expert Systems with
Application 34, 2:1126-1132.
Huarng, K.H. 2001. “Heuristic Models of Fuzzy Time Series for Forecasting”. Fuzzy Sets
and Systems 123, 3:369-386.
Hwang, J.R., Chen, S.M., and Lee, C.H. 1998. “Handling Forecasting Problems Using Fuzzy Time Series”. Fuzzy Sets and Systems 100, 2:217–228.
Seminar hasil Tugas Akhir S1 Statistika, 24 Juni 2011 Slide 30
Lee, M.M., and Suhartono. 2010. “An Novel Weighted Fuzzy Time Series Models for Forecasting Seasonal Data”. Proceeding 2nd International Conference on Mathematical Sciences. Kuala Lumpur, 30 November-30 Desember: 332-340.
Sigh, S.R. 2007. “A Simple Time-Variant Method for Fuzzy Time Series Forecasting”.
Cybernetics and Systems 38, 3:305-321.
Song, Q., and Chissom, B.S. 1993a. “Forecasting Enrollments with Fuzzy Time Series-part I”. Fuzzy Sets and System 54, 1-9.
Song, Q., and Chissom, B.S. 1993b. “Fuzzy Time Series and Its Model”. Fuzzy Sets
and System 54, 269-277.
Song, Q. 1999. “Seasonal Forecasting in Fuzzy Time Series”. Fuzzy Sets and
Systems 107, 235-236.
Yu, H.K. 2005. “Weighted Fuzzy Time Series Models for TAIEX Forecasting”.
Physica A. Statistical Mechanics and Its Application 349, 609-642.
Zhang, G.P. 2003. “Time Series Forecasting using A Hybrid ARIMA and Neural Network Model”. Neurocomputing 50, 159-175.