2011 Tugas Akhir - Dimitrij Nikita Anggono 2

Pendahuluan Latar belakang, Tujuan, Rumusan & Batasan Masalah

2/5/2011

Tugas Akhir - Dimitrij Nikita Anggono

2

.: Latar Belakang (1) :. 0 Hotel telah tumbuh menjadi industri yang kompleks

di seluruh dunia, tetapi tetap dengan satu layanan utama: kamar untuk menginap. 0 Peran dan permasalahan yang terkait dengan pendapatan dari kamar hotel. 0 Fleksibilitas tarif & pengaruh potongan harga. 0 Metode penentuan harga/tarif kamar. 0 Manajemen hotel menghabiskan banyak waktu untuk memutuskan harga (Kim et al., 2004). 2/5/2011


3

.: Latar Belakang (2) :. 0 Revenue Management System 0 Peramalan permintaan kamar adalah bagian yang

amat penting dari sistem pengelolaan pendapatan hotel modern (Rajopadhye et al., 2001). 0 Berbagai metode telah digunakan untuk meramalkan permintaan kamar hotel. 0 Tidak ada bukti jelas bahwa satu model dapat dengan konsisten mengalahkan performa peramalan model lain (Song dan Li, 2008)

2/5/2011


4

.: Latar Belakang (3) :. 0 Peramalan berdasarkan data historis reservasi dari

waktu ke waktu yang ada selama ini serta beberapa faktor lain yang mempengaruhi tinggi rendahnya permintaan. 0 Model Vector Autoregression telah terbukti sangat berguna untuk mendeskripsikan perilaku yang berubah-ubah dari data runtut waktu untuk kasus ekonomi dan finansial serta peramalannya.

2/5/2011


5

.: Tujuan Tugas Akhir :. Meramalkan permintaan kamar hotel menggunakan analisis data runtut waktu multi-variabel dengan dengan model vector autoregression (VAR)

2/5/2011


6

.: Rumusan Masalah :. 0 Permasalahan yang diangkat dalam tugas akhir ini

adalah :

Bagaimana pembuatan model VAR yang sesuai untuk meramalkan meramalkan permintaan kamar hotel?

2/5/2011


7

.: Batasan Masalah :. 0 Tugas akhir ini diimplementasikan menggunakan aplikasi

MATLAB 7.8.0.347 (R2009A) ), Arena 13.5, dan Microsoft Excel 2007 yang berjalan pada sistem operasi Windows Vista. 0 Model dikembangkan dan diuji dengan data studi kasus hotel XYZ. 0 Peramalan dilakukan untuk mencari nilai permintaan satu jenis kamar yang dimiliki hotel. 0 Hubungan dengan tugas akhir milik M. Rizal Avif Khan yang berjudul “Optimasi Dynamic Pricing dengan Pendekatan Deterministik pada Tarif Kamar Hotel berdasarkan Peramalan Jumlah Permintaan”.

2/5/2011


8

Metode Peramalan 8 Langkah untuk Melakukan Peramalan

2/5/2011


9

Perumusan Model Awal

0 Di mana X : permintaan Y : pengunjung/total permintaan Z : kurs

2/5/2011


10

Perumusan Model Awal

0 di mana

merupakan bentuk operator lag yang didefinisikan oleh panjang lag yang digunakan baris atau orde persamaan orde variabel (1 untuk Y, 2 untuk X, dst) 2/5/2011


11

Penentuan Panjang Lag Optimal 0 Melakukan uji statisik pada model dengan lag yang

panjang (unrestricted, tidak terestriksi) melawan lag pendek (restricted, terestriksi), tepatnya dengan menguji likelihood ratio

0 Di mana T adalah banyaknya observasi, c adalah

faktor koreksi derajat kebebasan yang diusulkan oleh Sims (1980), dan , adalah determinan dari matriks kovarians error dari model yang terestriksi dan tidak terestriksi

2/5/2011


12

Uji Stasioneritas Data Uji Augmented Dickey-Fuller • dilakukan pada sebuah vektor yang berisi sekumpulan data runtut waktu untuk memeriksa apakah ia stasioner atau tidak.

Error Corection Model (bila data tidak stasioner) • menambahkan variabel kointegrasi

Johansen (1988) • memperkenalkan sebuah prosedur umum uji statistik pencarian kointegrasi yang dapat digunakan pada model dengan jumlah variabel tertentu

2/5/2011


13

Granger’s Causality Test 0 Digunakan untuk menguji apakah sebuah variabel

dalam data runtut waktu dapat digunakan untuk meramalkan variabel yang lain.

H0

2/5/2011

Regresi dari full model

Regresi dari restricted model

F-test


Penarikan kesimpulan

14

Granger’s Causality Test x

y

x

0.00

0.01

y

NaN

0.00

0 Nilai pada setiap sel mengindikasikan dampak kausal antar

variabel, dalam susunan kolom terhadap baris 0 0.01 adalah nilai dampak yang diberikan oleh y pada x 0 Nilai yang berada di luar selang kepercayaan akan diganti dengan simbol tertentu (misalnya NaN). Apabila selang kepercayaan adalah sebesar 90%, maka nilai probabilitas di atas 0.1 akan dihilangkan 2/5/2011


15

Estimasi Nilai Koefisien (β) dalam Model 0 Residu atau error adalah sebesar selisih dari nilai

sesungguhnya dengan nilai estimasi 0 OLS (Ordinary Least Squares)

 meminimalkan jumlahan dari semua nilai error yang

dikuadratkan atau residual sum of squares (RSS)

0 Estimasi untuk model VAR dapat dilakukan dengan

metode Ordinary Least Squares (OLS) pada tiap-tiap persamaan secara terpisah

2/5/2011


16

Fungsi Respons Impuls 0 Memeriksa interaksi antar variabel dalam model VAR 0 “Ketika nilai variabel Y berubah menuju suatu titik

pada periode t, berapakah nilai perubahan yang akan dialami variabel X dan Z?” 0 Misalkan kita punya sebuah model VAR untuk perhitungan dua variabel dan sebagai berikut.

2/5/2011


17

Fungsi Respons Impuls 0 Untuk memperoleh fungsi respon impuls, kita akan

memberikan lag sebanyak satu periode

0 dan mensubstitusikannya kembali ke dalam

persamaan awal hingga diperoleh

2/5/2011


18

Fungsi Respons Impuls

0 Respons impuls terhadap X Periode

Response Impuls Y

0

0

1 2 3

2/5/2011


19

Fungsi Respons Impuls 0 Hasil dari uji ini akan ditampilkan dalam bentuk grafis

yang menunjukkan efek perubahan pada setiap variabel yang ada pada model.

0 Absis (jarak titik terhadap sumbu tegak) menyatakan

periode sementara ordinat menyatakan besarnya inovasi atau perubahan berupa respon impuls yang dialami

2/5/2011


20

Eksekusi Peramalan 0 Langkah-langkah uji yang dilakukan sebelumnya

ditujukan untuk melakukan analisis terhadap model VAR hingga akhirnya model tersebut dapat disempurnakan. 0 Dalam fase ini, model yang telah melalui berbagai uji tersebut kini akan digunakan untuk meramalkan nilai permintaan.

2/5/2011


21

Evaluasi Hasil Peramalan 0 Mean Absolute Percentage Error (MAPE)

0 di mana

0 0 0

: jumlah sampel : data asli : data hasil persamaan

0 Menurut Sobri Harun, bila nilai MAPE masih berkisar

di antara 10-20%, maka model tersebut masih dikatakan memiliki kinerja yang bagus (Zainun et al., 2003)

2/5/2011


22

Bagan Metode (1 dari 2) Start

1

Data Hotel

Uji Hipotesis dengan Granger’s Causality Test (dan F-test) untuk menemukan keterkaitan antar variabel

Bentuk persamaan awal VAR Estimasi koefisien-koefisien variabel dalam model VAR dengan Ordinary Least Squares Tentukan panjang lag optimal dengan Uji Likelihood Ratio

Uji Stasioneritas Data dengan Augmented Dickey-Fuller

Susun model koreksi untuk menanggulangi data yang tidak stasioner

F

Data stasioner?

Periksa hubungan antar variabel dalam model dengan Impulse Response Function

2

T

1

2/5/2011


23

Bagan Metode (2 dari 2) 2

n = periode peramalan yang diinginkan

Eksekusi peramalan untuk n periode ke depan

Ukur tingkar kesalahan (evaluasi hasil) peramalan dengan MAPE

End

2/5/2011


24

Fungsi dalam MatLab m_adf m_vare m_ecm m_pgranger m_lrratio m_irf m_varf m_ecmf

2/5/2011


25

Fungsi dalam MatLab (cont’d) beta_inv beta_pdf c_sja c_sjt cal chis_prb cols fdis_prb growthr ical johansen lag mlag mprint ols olse 2/5/2011

pftest plt plt_var prt prt_coint prt_var ptrend rows tdiff tdis_inv tdis_prb trimr tsdate var_resid ztcrit


26

Implementasi & Uji Coba

2/5/2011


27

2/5/2011

• Permintaan • Pengunjung • Kurs

XYZ

ABC

Studi Kasus

• Permintaan (3 Jenis) • Total Permintaan • Kurs


28

Data Generation 0 Fitting untuk mengetahui distribusi data

0 Menggunakan distribusi untuk membangkitkan (men-

generate) data 0 Dilakukan dengan bantuan aplikasi Arena (input analyzer).

2/5/2011


29

Data Generation (cont’d)

2/5/2011

Studi Kasus

Data

Hasil

ABC

Permintaan

Triangular

ABC

Pengunjung

Normal

ABC

Kurs

Erlang

XYZ

Permintaan (Tarif Penuh)

Beta

XYZ

Permintaan (Tarif Diskon) Beta

XYZ

Permintaan (Akumulasi)

Beta

XYZ

Total Permintaan

Triangular

XYZ

Kurs

Triangular


30

Panjang Lag

Hasil Uji Coba Studi Kasus I Panjang Lag Optimal

2/5/2011

12 11 10 9 8 7 6 5 4

11 10 9 8 7 6 5 4 3


Nilai Probabilitas 0.0376 0.658 0.7971 0.4717 0.0169 0.01539 0.5331 0.01633 0.04257

31

Variabel

Hasil Uji Coba Studi Kasus I Stasioneritas Data

2/5/2011

Permintaan Permintaan Permintaan Permintaan Permintaan Permintaan Permintaan Permintaan Pengujung Pengujung Pengujung Pengujung Pengujung Pengujung Pengujung Pengujung Kurs Kurs Kurs Kurs Kurs Kurs Kurs Kurs

Panjang Lag 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8


Nilai tstatistic -2.913756 -1.875909 -1.907553 -2.153507 -2.215497 -1.634802 -1.527938 -1.512606 -3.680997 -1.808903 -1.358442 -1.323453 -1.054888 -0.949962 -0.828553 -1.228441 -6.646869 -3.923446 -3.376272 -2.686797 -2.567156 -2.787353 -2.237783 -1.645338

Nilai Kritis 10%

-2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615

32

Hasil Uji Coba Studi Kasus I Kausalitas

2/5/2011

Permintaan

Pengujung 0.02

Kurs NaN

Variabel Pengunjung Kurs

Nilai F 2.755077 0.350461

Probabilitas 0.023944 0.936946


33

Variabel

Hasil Uji Coba Studi Kasus I Estimasi Koefisien

2/5/2011

Panjang Lag

Koefisien

1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8

-0.23144 -0.03714 0.144527 -0.12842 -0.10475 -0.93985 -0.29935 -1.07961 0.122603 -1.95497 -1.33397 -1.11979 -0.97182 1.743574 0.236208 3.638719 -1885252 -30000000 -25000000 -69000000 -71000000 -69000000 -26000000 -37000000 26161.1

Permintaan Permintaan Permintaan Permintaan Permintaan Permintaan Permintaan Permintaan Pengujung Pengujung Pengujung Pengujung Pengujung Pengujung Pengujung Pengujung Kurs Kurs Kurs Kurs Kurs Kurs Kurs Kurs Konstanta


34

5

10

Respon Impuls

Orthog. IRF: 1  changes Demand Visitors Currency

5

Demand

Hasil Uji Coba Studi Kasus I

x 10

0

-5

2/5/2011

0

10 20 30 40 50 Response of all variables to shock in equation 1


35

Hasil Uji Coba Studi Kasus I Hasil Peramalan

2/5/2011

Periode Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08 Jul-08 Aug-08 Sep-08 Oct-08 Nov-08 Dec-08

Data Aktual 1401141 1522982 1701917 1638424 1466405 1301498 -


Peramalan 1452229 1483236 1319098 1550390 1289812 1271937 1658588 1593482 1328587 1656167 1467545 1547658

36


Periode Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08

Error -51088.5 39745.93 382819.4 88034.02 176592.6 29560.58

MAPE 3.646205 3.127975 9.583125 8.530616 9.233003 8.072715

Evaluasi Hasil Peramalan

2/5/2011


37


Periode Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08

Error -23049.6 138554.3 408508.3 197962.4 215367.9 122144.7

MAPE 1.645062 5.371315 11.58182 11.70699 12.30295 11.81661

Evaluasi Hasil Peramalan (Tanpa koreksi ECM)

2/5/2011


38

Hasil Uji Coba Studi Kasus I Hasil Peramalan 12 Periode

2/5/2011

Periode

Data Aktual

Peramalan

Hasil Peramalan 6 Periode

Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08

1401141 1522982 1701917 1638424 1466405 1301498

1452229 1483236 1319098 1550390 1289812 1271937

1452229 1483236 1319098 1550390 1289812 1271937


39

Periode


Error

MAPE

Jan-08

-51088.5

3.646205

Feb-08

39745.93

3.127975

Mar-08

382819.4

9.583125

Apr-08

88034.02

8.530616

May-08

176592.6

9.233003

Jun-08

29560.58

8.072715

Jul-08

-256083

9.78299

Aug-08

12041.87

8.663714

Sep-08

-352443

11.61044

Oct-08

-242892

12.40232

Nov-08

-64402.9

11.68695

Dec-08

-273111

12.5714

Evaluasi Hasil Peramalan 12 Periode

2/5/2011


40

Periode Jan-08 Feb-08 Mar-08


Apr-08 May-08 Jun-08

Evaluasi Hasil Peramalan 12 Periode (Tanpa koreksi ECM)

Jul-08 Aug-08 Sep-08 Oct-08 Nov-08 Dec-08

2/5/2011

Error

MAPE

-23049.6 138554.3 408508.3 197962.4 215367.9 122144.7 -81372.2 61552.87 -242717 -152835 -68207.8 -174989

1.645062 5.371315 11.58182 11.70699 12.30295 11.81661 11.03843 10.18818 11.74842 11.80242 11.16593 11.42613


41

Periode


Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08 Jul-08 Aug-08 Sep-08 Oct-08 Nov-08 Dec-08

Peramalan dengan Koreksi ECM Error MAPE 92711.96 6.61689 118526 7.199693 308610.5 10.84416 211041.3 11.35331 182450.6 11.57106 17468.67 9.866246 -101095 9.587227 -8499.97 8.46195 -290844 10.74783 -166234 11.00963 -71066.5 10.4635 -191760 10.89636

Peramalan tanpa Koreksi ECM Error MAPE 170819 12.19142 212634.1 13.07656 302867.8 14.6496 178332.5 13.7083 204474.8 13.75543 72434.99 12.39044 -81702.5 11.53398 -1894.47 10.10853 -222833 11.45707 -23568.4 10.50086 -25492.6 9.70936 -197059 10.24112

Evaluasi Hasil Peramalan Tanpa Variabel Kurs

2/5/2011


42

Tarif Penuh

Hasil Uji Coba Studi Kasus II (Tarif Penuh dan Tarif Diskon) Panjang Lag Optimal

2/5/2011

Panjang Lag 12 11 10 9 8 7 6 5 4

11 10 9 8 7 6 5 4 3



Tarif Diskon Panjang Lag 12 11 10 9 8 7 6 5 4

11 10 9 8 7 6 5 4 3


43

Variabel Permintaan Permintaan Permintaan Permintaan Permintaan Permintaan Permintaan Permintaan Permintaan Permintaan Total Permintaan Total Permintaan Total Permintaan Total Permintaan Total Permintaan Total Permintaan Total Permintaan Total Permintaan Total Permintaan Total Permintaan Kurs Kurs Kurs Kurs Kurs Kurs Kurs Kurs Kurs Kurs

Panjang Lag 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10

Tarif Penuh

Hasil Uji Coba Studi Kasus II (Tarif Penuh dan Tarif Diskon) Stasioneritas

2/5/2011

Nilai tstatistic -6.169802 -4.277281 -3.864147 -3.428936 -2.975331 -2.789196 -2.582153 -2.195174 -2.405530 -2.513220 -5.231782 -4.824476 -4.294483 -3.862463 -3.877861 -3.333457 -3.172435 -2.666641 -3.656391 -3.353634 -5.885237 -4.419995 -6.592387 -6.014455 -5.559054 -4.819407 -4.145670 -3.028419 -2.986929 -2.727943


Nilai tstatistic -4.833302 -3.657269 -3.236482 -3.667781 -2.551899 -2.315445 -2.072853 -2.278954 -1.716102 -1.845385 -5.231782 -4.824476 -4.294483 -3.862463 -3.877861 -3.333457 -3.172435 -2.666641 -3.656391 -3.353634 -5.885237 -4.419995 -6.592387 -6.014455 -5.559054 -4.819407 -4.145670 -3.028419 -2.986929 -2.727943

Nilai Kritis 10%

-2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615

Tarif Diskon

44

Tarif Penuh

Hasil Uji Coba Studi Kasus II (Tarif Penuh dan Tarif Diskon) Kausalitas

Total Permintaan

Kurs

Permintaan

0.00

0.00

Variabel Total Permintaan Kurs

Nilai F 6.113065

Probabilitas 0.000374 0.001985

Tarif Diskon

Permintaan Variabel Total Permintaan Kurs

2/5/2011

4.648649


Total Permintaan 0.06 Nilai F 2.403114 2.338101

Kurs 0.02 Probabilitas 0.059841 0.022298

45

Orthog. IRF: 1  changes 2.5

Demand Total Demand Currency

2 1.5 1

Demand

0.5 0 -0.5 -1

Hasil Uji Coba Studi Kasus II (Tarif Penuh dan Tarif Diskon)

-1.5 -2 -2.5

0 10 20 30 40 50 Response of all variables to shock in equation 1

Orthog. IRF: 1  changes 2

Respon Impuls


1.5 1

Demand

0.5 0 -0.5 -1 -1.5 -2

2/5/2011



46

Periode

Hasil Uji Coba Studi Kasus II (Tarif Penuh dan Tarif Diskon) Kausalitas

2/5/2011

Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08 Jul-08 Aug-08 Sep-08 Oct-08 Nov-08 Dec-08

Permintaan dengan Tarif Penuh

Permintaan dengan Tarif Diskon

Error

MAPE

Error

MAPE

2 -2 -8 -7 8 5 6 8 2 6 9 -2

4.347826 4.257246 9.187371 12.03759 13.53251 13.17103 13.28281 14.18656 13.32712 13.53287 14.12079 13.44911

5 -6 15 10 -7 9 -8 7 21 -9 7 6

9.433962 10.07412 13.75834 14.28701 13.6171 13.69134 13.97633 13.64058 15.45829 15.57913 15.15716 14.70052


47

Hasil Uji Coba Studi Kasus II (Akumulasi Permintaan) 0 Panjang lag optimal: 5 0 Uji Stasioneritas: Stasioner 0 Kausalitas: Total permintaan terhadap permintaan

0.05, kurs terhadap permintaan 0.06 0 Fungsi respon impuls Orthog. IRF: 1  changes

5 4


3 2

Demand

1 0 -1 -2 -3 -4

2/5/2011



48

Hasil Uji Coba Studi Kasus II (Akumulasi Permintaan) Periode Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08 Jul-08 Aug-08 Sep-08 Oct-08 Nov-08 Dec-08

2/5/2011

Error 3 -19 -10 -8 -3 26 11 20 -2 -16 -3 18

MAPE 2.631579 11.87135 11.28123 10.75978 9.190345 11.49343 11.37717 12.16741 11.05188 11.99798 11.18555 11.54652


49

Kesimpulan dan Saran

2/5/2011


50

Kesimpulan 0 Peramalan dengan model VAR yang terdiri dari

langkah-langkah seperti pada bab metode menghasilkan peramalan dengan hasil peramalan yang berkisar dari bagus (nilai MAPE 10-20%) hingga sangat bagus (nilai MAPE di bawah 10%) 0 Variabel yang tidak lolos dalam uji kausalitas adalah variabel yang tidak terlalu relevan dalam peramalan dan sebaiknya tidak digunakan karena dapat memperburuk hasil peramalan.

2/5/2011


51

Kesimpulan 0 Dalam kasus di mana tidak semua data bersifat tidak

stasioner (melalui hasil uji Augmented Dickey-Fuller terhadap semua panjang lag dalam setiap variabel), penggunaan koreksi ECM dapat digunakan namun belum tentu membantu. Adanya koreksi justru dapat meningkatkan tingkat kesalahan peramalan. Hal ini disebabkan karena koreksi memberikan perubahan untuk sebagian data yang sejatinya sudah bersifat stasioner dan malah menimbulkan kesalahan. Dalam kasus semacam ini, sebaiknya peramalan tetap dilakukan dengan ECM, tetapi dengan didampingi peramalan dengan model VAR biasa tanpa diberi koreksi. Perbandingan ini dilakukan untuk mengetahui sejauh apakah koreksi ECM dapat secara tepat memberikan koreksi dan meningkatkan kualitas peramalan atau sebaliknya.

2/5/2011


52

Kesimpulan 0 Panjang pendeknya periode peramalan tidak mengubah

hasil peramalan, tetapi berpengaruh terhadap tingkat kesalahan. Semakin pendek periode peramalan, maka tingkat kesalahan (MAPE) cenderung semakin besar. Dari perubahan nilai MAPE ini, juga dapat disimpulkan bahwa model lebih bagus ketika digunakan untuk peramalan dengan periode pendek. 0 Untuk memastikan dihasilkannya peramalan yang optimal, setiap langkah pengujian (untuk menentukan panjang lag, sifat data, dan seterusnya) harus dilakukan secara menyeluruh dan runtut apabila peramalan dilakukan pada data hotel lain. 2/5/2011


53

Saran 0 Menggunakan lebih banyak skenario untuk prediksi nilai

permintaan, misalnya dengan mempertimbangkan variasi jenis hotel (lokasi, kelas, dan lain-lain). Ini disebabkan oleh banyaknya jenis variasi dari hotel yang dapat mempengaruhi tingkat permintaan. Contohnya adalah faktor lokasi yang terdapat pada hotel ABC dan XYZ. Hotel ABC terletak di Dubai yang industri pariwisatanya sedang berkembang. Akibatnya tingkat permintaan pun menjadi tidak stasioner karena cenderung mengalami tren peningkatan. Sedangkan hotel XYZ terletak di Swiss, negara dengan jumlah hotel yang tidak terlalu banyak dan harga yang relatif tinggi. Oleh karena itu, tingkat permintaan pada studi kasus kedus tersebut cenderung lebih stabil.

2/5/2011


54

Saran 0 Karena sifat regresi yang kurang baik untuk data dengan

perubahan nilai yang kecil, variabel seperti kurs pada studi kasus pertama sebaiknya dihindari. Dalam studi kasus tersebut, variabel kurs yang hanya mengalami perubahan pada kisaran 10-3 ternyata memberikan hasil peramalan yang tingkat akurasinya lebih rendah, yakni memeliki nilai MAPE sebesar 11-12% (jika dibandingkan dengan peramalan tanpa variabel kurs yang memiliki nilai MAPE hanya sekitar 10%). 0 Mencoba transformasi data lain untuk menangani data yang tidak stasioner (selain differencing), misalnya menghilangkan seasonality. 2/5/2011


55

2/5/2011


56

2011 Tugas Akhir - Dimitrij Nikita Anggono 2

Recommend Documents