Penentuan Panjang Optimal Data Deret Waktu Bebas Outlier dengan Menggunakan Metode Window Time

Rya Sofi Aulia, Raden Mohamad Atok
Submission Date: 2017-01-26 13:28:17
Accepted Date: 2017-03-17 10:28:11

Abstract


Data outlier sering kali mempengaruhi model data secara umum sehingga pengaruh dari data outlier tersebut harus dikurangi atau dihilangkan. Namun, di sisi lain outlier merupakan data yang sangat informatif apabila penyebab adanya outlier tersebut diketahui sehingga beberapa penelitian merekomendasikan untuk tidak menghilangkan outlier namun mengganti model awal dengan model baru yang disisipkan dengan model outlier. Kemunculan outlier dapat menyebabkan bias yang cukup serius dalam estimasi parameter. Atas dasar penelitian-penelitian yang dilakukan sebelumnya maka pada penelitian ini dilakukan metode baru untuk mendeteksi outlier. Tujuan dari metode ini adalah untuk mendapatkan panjang data optimum yang bisa digunakan untuk mendeteksi data outlier. Penelitian ini terfokus pada pendeteksian outlier pada data deret waktu dengan jumlah data yang banyak. Dari hasil simulasi data dan implementasi yang dilakukan pada data riil didapatkan hasil bahwa window time 500 dan 1000 memberikan nilai akurasi deteksi outlier lebih baik dibandingkan dengan window time 100. Selain itu, metode deteksi menggunakan window time memberikan hasil yang lebih baik dibandingkan metode deteksi outlier biasa.

Keywords


Data Bebas Outlier; Outlier; Window Time

References


Tsay, R. S., 1986. Time Series Model Specification in the Presence of Outliers. Journal of the American Statistical Association, No. 393, Mar, Volume 81, pp. 132-140.

Tsay, R. S., 1988. Outliers, Level Shifts, and Variance Changes in Time Series. Journal of Forecasting, Volume 7, pp. 1-20.

Chen, C. & Liu, L. M., 1993. Joint Estimation of Model Parameters and Outlier Effect in Time Series. Journal of the American.

Atok, R. M. et al., 2015. Temporary Change Detection on ARMA(1,1) Data. International Journal of Mathematical Models and Methods in Applied Sciences, Volume 9, pp. 651-658.

Hadi, A. F., 2016. Model Hibrida Kombinasi ARIMAX-NN dan GARCH untuk Peramalan Inflow dan Outflow Uang Kartal, Surabaya: s.n.

Box, G. J. G. a. R. G., 1994. Time Series Analysis Forecasting and Control. 3rd edition penyunt. s.l.:Englewood Cliffs: Prentice Hall.

Soejoeti, Z., 1987. Analisis Runtun Waktu, Materi Pokok UT.. Jakarta: Karunika.

Cryer, J., 1986. Time Series Analysis. Boston: Publishing Company.

Sun, J., & Li, H. (2011). Dynamic financial distress prediction using instance selection for the disposal. Expert System with Application 38, 2566-2576.

Widmer, G., & Kubat, M. (1996). Learning in the Presence of Concept Drift and Hidden Contexts. Machine Learning, 69-101.

Ghozali, I. (2009). Aplikasi Analisis Multivariate dengan Program SPSS. Semarang: UNDIP.


Full Text: PDF

CC Licencing


Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).

Refbacks

  • There are currently no refbacks.


Lembaga Penjaminan Mutu, Pengelolaan dan Perlindungan Kekayaan Intelektual (LPMP2KI) ITS
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.