Peramalan Harga Logam Mulia Antam Satu Gram Menggunakan Metode Arima Kalman Filter

Wulan Milanka Lestari, Teti Sofia Yanti
{"title":"Peramalan Harga Logam Mulia Antam Satu Gram Menggunakan Metode Arima Kalman Filter","authors":"Wulan Milanka Lestari, Teti Sofia Yanti","doi":"10.29313/bcss.v3i2.8496","DOIUrl":null,"url":null,"abstract":"Abstract. Forecasting is a process to know a picture in the future based on past data. ARIMA Kalman Filter is a forecasting method that combines analysis using the ARIMA model which is then carried out by applying the Kalman Filter algorithm in optimizing the ARIMA model. Kalman Filter is a set of mathematical equations that offer a computationally recursive and efficient way to estimate the state of a process, in such a way as to minimize the average of the squared errors. The purpose of forecasting is to get a picture of the future value that can be used for decision making, one of which is precious metal investment. In this study, forecasting will be carried out on the price of one gram of Antam's precious metal using the ARIMA Kalman Filter method. Precious metals are referred to as “safe heaven” investment instruments, which means that the value of these investment assets will be maintained. Based on the research results from forecasting data for Antam's Precious Metals price of one gram (before tax) per day at the LM Precious Metals Boutique - Bandung using the ARIMA Kalman Filter method, the best forecasting model is the ARIMA Kalman Filter (1,1,0) model with the equation With the implementation of the Kalman Filter algorithm, the results of forecasting data on the Precious Metals price of one gram (before tax) per day at the LM Precious Metals Boutique – Bandung become more accurate. This is indicated by the decrease in the MAPE value from 45.37% using the ARIMA model (1,1,0) to 38.73% after applying the Kalman Filter algorithm to the ARIMA model (1,1,0). \nAbstrak. Peramalan adalah suatu proses untuk mengetahui suatu gambaran di masa depan berdasarkan data masa lampau. ARIMA Kalman Filter adalah suatu metode peramalan yang menggabungkan analisis menggunakan model ARIMA yang selanjutnya dilakukan penerapan algoritma Kalman Filter dalam optimalisasi model ARIMA. Kalman Filter merupakan sekumpulan persamaan matematik yang menawarkan cara komputasi rekursif dan efisien untuk mengestimasi state dari sebuah proses, sedemikian rupa sehingga meminimumkan rata-rata dari kuadrat galat. Tujuan dari peramalan adalah mengetahui gambaran nilai masa depan yang dapat dimanfaatkan untuk pengambilan keputusan salah satunya investasi logam mulia. Pada penelitian ini akan dilakukan peramalan terhadap harga satu gram logam mulia Antam menggunakan metode ARIMA Kalman Filter. Logam mulia disebut sebagai instrumen investasi “safe heaven” yang artinya aset investasi tersebut akan tetap terjaga nilainya. Berdasarkan hasil penelitian dari peramalan data harga Logam Mulia antam satu gram (sebelum pajak) per hari di Butik Logam Mulia LM – Bandung menggunakan metode ARIMA Kalman Filter maka didapat model peramalan terbaik adalah model ARIMA Kalman Filter (1,1,0) dengan persamaan . Dengan diterapkannya algoritma Kalman Filter, hasil dari peramalan data harga Logam Mulia antam satu gram (sebelum pajak) per hari di Butik Logam Mulia LM – Bandung menjadi lebih akurat. Hal ini ditunjukan dengan menurunnya nilai MAPE dari 45,37% menggunakan model ARIMA (1,1,0) menjadi 38,73% setelah diterapkan algoritma Kalman Filter pada model ARIMA (1,1,0).","PeriodicalId":337947,"journal":{"name":"Bandung Conference Series: Statistics","volume":"34 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-08-02","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Bandung Conference Series: Statistics","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.29313/bcss.v3i2.8496","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Abstract. Forecasting is a process to know a picture in the future based on past data. ARIMA Kalman Filter is a forecasting method that combines analysis using the ARIMA model which is then carried out by applying the Kalman Filter algorithm in optimizing the ARIMA model. Kalman Filter is a set of mathematical equations that offer a computationally recursive and efficient way to estimate the state of a process, in such a way as to minimize the average of the squared errors. The purpose of forecasting is to get a picture of the future value that can be used for decision making, one of which is precious metal investment. In this study, forecasting will be carried out on the price of one gram of Antam's precious metal using the ARIMA Kalman Filter method. Precious metals are referred to as “safe heaven” investment instruments, which means that the value of these investment assets will be maintained. Based on the research results from forecasting data for Antam's Precious Metals price of one gram (before tax) per day at the LM Precious Metals Boutique - Bandung using the ARIMA Kalman Filter method, the best forecasting model is the ARIMA Kalman Filter (1,1,0) model with the equation With the implementation of the Kalman Filter algorithm, the results of forecasting data on the Precious Metals price of one gram (before tax) per day at the LM Precious Metals Boutique – Bandung become more accurate. This is indicated by the decrease in the MAPE value from 45.37% using the ARIMA model (1,1,0) to 38.73% after applying the Kalman Filter algorithm to the ARIMA model (1,1,0). Abstrak. Peramalan adalah suatu proses untuk mengetahui suatu gambaran di masa depan berdasarkan data masa lampau. ARIMA Kalman Filter adalah suatu metode peramalan yang menggabungkan analisis menggunakan model ARIMA yang selanjutnya dilakukan penerapan algoritma Kalman Filter dalam optimalisasi model ARIMA. Kalman Filter merupakan sekumpulan persamaan matematik yang menawarkan cara komputasi rekursif dan efisien untuk mengestimasi state dari sebuah proses, sedemikian rupa sehingga meminimumkan rata-rata dari kuadrat galat. Tujuan dari peramalan adalah mengetahui gambaran nilai masa depan yang dapat dimanfaatkan untuk pengambilan keputusan salah satunya investasi logam mulia. Pada penelitian ini akan dilakukan peramalan terhadap harga satu gram logam mulia Antam menggunakan metode ARIMA Kalman Filter. Logam mulia disebut sebagai instrumen investasi “safe heaven” yang artinya aset investasi tersebut akan tetap terjaga nilainya. Berdasarkan hasil penelitian dari peramalan data harga Logam Mulia antam satu gram (sebelum pajak) per hari di Butik Logam Mulia LM – Bandung menggunakan metode ARIMA Kalman Filter maka didapat model peramalan terbaik adalah model ARIMA Kalman Filter (1,1,0) dengan persamaan . Dengan diterapkannya algoritma Kalman Filter, hasil dari peramalan data harga Logam Mulia antam satu gram (sebelum pajak) per hari di Butik Logam Mulia LM – Bandung menjadi lebih akurat. Hal ini ditunjukan dengan menurunnya nilai MAPE dari 45,37% menggunakan model ARIMA (1,1,0) menjadi 38,73% setelah diterapkan algoritma Kalman Filter pada model ARIMA (1,1,0).
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
一克的优质金属价格采用了Arima Kalman滤镜方法
摘要预测是根据过去的数据预测未来的过程。ARIMA Kalman Filter是一种结合ARIMA模型分析,再应用Kalman Filter算法对ARIMA模型进行优化的预测方法。卡尔曼滤波器是一组数学方程,它提供了一种计算递归的有效方法来估计过程的状态,从而使平方误差的平均值最小。预测的目的是获得未来价值的图景,可以用于决策,其中之一是贵金属投资。在本研究中,将使用ARIMA卡尔曼滤波方法对一克安塔姆贵金属的价格进行预测。贵金属被称为“安全天堂”的投资工具,这意味着这些投资资产的价值将保持不变。基于对LM贵金属精品店-万隆每天1克(税前)的Antam贵金属价格使用ARIMA Kalman Filter方法预测数据的研究结果,最佳预测模型是ARIMA Kalman Filter(1,1,0)模型,该模型具有卡尔曼滤波算法的实现,万隆LM贵金属精品店每天1克(税前)的贵金属价格预测数据的结果变得更加准确。这可以通过对ARIMA模型(1,1,0)应用卡尔曼滤波算法后,MAPE值从使用ARIMA模型(1,1,0)的45.37%下降到使用ARIMA模型(1,1,0)后的38.73%来表示。Abstrak。Peramalan adalah suatu processes untuk mengetahui suatu gambaran di masa depan berdasarkan data masa lampau。ARIMA Kalman Filter adalah suatu method peramalan yang menggabongkan分析menggunakan模型ARIMA yang selanjutnya dilakukan penerapan算法Kalman Filter dalam optimalisasi模型ARIMA。卡尔曼滤波(Kalman Filter): Kalman Filter: Kalman Filter: Kalman Filter: Kalman Filter: Kalman Filter: Kalman Filter: Kalman Filter: Kalman Filter: Kalman Filter: Kalman Filter: Kalman Filter: Kalman Filter。我想说的是,我想说的是,我想说的是,我想说的是,我想说的是,我想说的是,我想说的是,我想说的是,我想说的是,我想说的是,我想说的是,我想说的是,我想说的是,我想说的是,我想说的是,我想说的是,我想说的是。Pada penelitian ini akan dilakukan peramalan terhadap harga satu gram logam mulam menggunakan方法ARIMA Kalman滤波。Logam mulia disbut sebagai仪器投资是“平安天堂”,yang artiya资产投资是“平安天堂”,但akan tetap terjaga nilainya。Berdasarkan hasil penelitian dari peramalan data harga Logam Mulia antam satu gram (sebelum pajak) per hari di Butik Logam Mulia LM - Bandung menggunakan方法ARIMA Kalman Filter maka didapat模型peramalan terbaik adalah模型ARIMA Kalman Filter (1,1,0) dengan persamaan。Dengan diterapkannya算法Kalman滤波,hail - dari peramalan data harga Logam Mulia antam satu gram (sebelum pajak) per hari di Butik Logam Mulia LM - Bandung menjadi lebih akurat。Hal ini ditunjukan dengan menurunnya nilai MAPE dari 45,37% menggunakan模型ARIMA (1,1,0) menjadi 38,73% setelah diiterapkan算法卡尔曼滤波帕达模型ARIMA(1,1,0)。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Penerapan Analisis Konjoin untuk Mengukur Preferensi Wisatawan di Panti Tanjung Kerasak Kabupaten Bangka Analisis Mediasi dalam PLS-SEM untuk Pemodelan Kepuasan Pemustaka pada UPT Perpustakaan Universitas Islam Bandung Optimasi Parameter Support Vector Machine menggunakan Particle Swarm Optimization untuk Bearing Fault Diagnosis Pengaruh Infrastruktur dan Inovasi Hybrid Learning terhadap Kepuasan Mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Islam Bandung Angkatan 2020-2021 Perbandingan Metode Seasonal ARIMA dan Metode Fuzzy Time Series-Markov Pada Prediksi Inflasi di Indonesia
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1