FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W2787016992> ?p ?o ?g. }

• W2787016992 endingPage "64" @default.
• W2787016992 startingPage "57" @default.
• W2787016992 abstract "Abstract . This thesis discusses the selection of time series models commonly used for certain forecasts. The time series model observed here is a model that follows the autoregressive or AR process. There are six models considered in this thesis which are AR (1,0,0), AR (1,1,0), AR (1,2,0), AR (2,0,0), AR (2, 1.0), and AR (2,2,0). In statistical analysis there are a number of measures or criteria commonly used for the selection of the best model, where one of them is using the information criteria. The commonly used information criteria for selecting the best model are the Akaike (AIC) information criteria and Bayessian information criteria (BIC). However, in this thesis will be introduced a new criterion that is empirical information criterion (EIC). This method will be applied to data on the price of red pepper producers in Cianjur regency of West Java. The results obtained that by using AIC and BIC information criteria the best forecasting model is ARIMA (1,2,0) ie with value AIC = 1411,3 and BIC = 1415,12 whereas by using EIC information criteria the best forecasting model is ARIMA (2 , 2.0) ie with the value of EIC = 1384.98. The result of forecasting is using ARIMA model (2,2,0) this is because the value of EIC work better. After forecasting, the price of red pepper in Kabupaten Cianjur experienced the highest increase occurred in April of 2017 and the lowest in May of 2016. Key Word – AIC, BIC,EIC , time series ,  Abstrak.  Makalah ini membahas tentang pemilihan model deret waktu yang biasa digunakan untuk peramalan tertentu. Model deret waktu yang diamati disini adalah suatu model yang mengikuti proses autoregresif atau AR. Ada enam buah model yang dipertimbangkan yaitu AR (1,0,0), AR (1,1,0), AR (1,2,0), AR (2,0,0), AR (2,1,0), dan AR (2,2,0). Di dalam analisis statistika terdapat sejumlah ukuran atau kriteria yang biasa digunakan untuk pemilihan model terbaik, dimana salah satu diantaranya adalah menggunakan kriteria informasi. Kriteria informasi yang umum digunakan untuk memilih model terbaik adalah kriteria informasi Akaike (AIC) dan kriteria informasi Bayessian (BIC). Akan tetapi dalam makalah ini akan diperkenalkan suatu kriteria yang baru yaitu kriteria informasi empirik (EIC). Metode ini akan diaplikasikan pada data tentang harga produsen cabe merah di Kabupaten Cianjur Jawa Barat. Hasil yang diperoleh bahwa dengan menggunakan kriteria informasi AIC dan BIC model peramalan terbaik adalah ARIMA (1,2,0) yaitu dengan nilai AIC = 1411,3 dan BIC = 1415,12 sedangkan dengan menggunakan kriteria informasi EIC model peramalan terbaik adalah ARIMA (2,2,0) yaitu dengan nilai EIC = 1384,98. Hasil peramalan yang dilakukan adalah menggunakan model ARIMA (2,2,0) hal ini dikarenakan nilai EIC bekerja lebih baik. Setelah dilakukan peramalan, harga cabe merah di Kabupaten Cianjur mengalami kenaikan tertinggi terjadi pada bulan April tahun 2017 dan terendah pada bulan Mei tahun 2016. Kata Kunci – AIC, BIC,EIC, Data Deret Waktu," @default.
• W2787016992 created "2018-02-23" @default.
• W2787016992 creator A5008321903 @default.
• W2787016992 creator A5049481382 @default.
• W2787016992 creator A5070500761 @default.
• W2787016992 date "2018-01-26" @default.
• W2787016992 modified "2023-09-23" @default.
• W2787016992 title "Kriteria Pemilihan Model Peramalan Terbaik Berdasarkan Kriteria Informasi" @default.
• W2787016992 doi "https://doi.org/10.29313/.v0i0.9679" @default.
• W2787016992 hasPublicationYear "2018" @default.
• W2787016992 type Work @default.
• W2787016992 sameAs 2787016992 @default.
• W2787016992 citedByCount "0" @default.
• W2787016992 crossrefType "journal-article" @default.
• W2787016992 hasAuthorship W2787016992A5008321903 @default.
• W2787016992 hasAuthorship W2787016992A5049481382 @default.
• W2787016992 hasAuthorship W2787016992A5070500761 @default.
• W2787016992 hasConcept C105795698 @default.
• W2787016992 hasConcept C126674687 @default.
• W2787016992 hasConcept C149782125 @default.
• W2787016992 hasConcept C151406439 @default.
• W2787016992 hasConcept C154945302 @default.
• W2787016992 hasConcept C168136583 @default.
• W2787016992 hasConcept C24338571 @default.
• W2787016992 hasConcept C2776291640 @default.
• W2787016992 hasConcept C2776709221 @default.
• W2787016992 hasConcept C33923547 @default.
• W2787016992 hasConcept C41008148 @default.
• W2787016992 hasConcept C81917197 @default.
• W2787016992 hasConcept C93959086 @default.
• W2787016992 hasConceptScore W2787016992C105795698 @default.
• W2787016992 hasConceptScore W2787016992C126674687 @default.
• W2787016992 hasConceptScore W2787016992C149782125 @default.
• W2787016992 hasConceptScore W2787016992C151406439 @default.
• W2787016992 hasConceptScore W2787016992C154945302 @default.
• W2787016992 hasConceptScore W2787016992C168136583 @default.
• W2787016992 hasConceptScore W2787016992C24338571 @default.
• W2787016992 hasConceptScore W2787016992C2776291640 @default.
• W2787016992 hasConceptScore W2787016992C2776709221 @default.
• W2787016992 hasConceptScore W2787016992C33923547 @default.
• W2787016992 hasConceptScore W2787016992C41008148 @default.
• W2787016992 hasConceptScore W2787016992C81917197 @default.
• W2787016992 hasConceptScore W2787016992C93959086 @default.
• W2787016992 hasLocation W27870169921 @default.
• W2787016992 hasOpenAccess W2787016992 @default.
• W2787016992 hasPrimaryLocation W27870169921 @default.
• W2787016992 isParatext "false" @default.
• W2787016992 isRetracted "false" @default.
• W2787016992 magId "2787016992" @default.
• W2787016992 workType "article" @default.