Analisis Wavelet dan ARIMA untuk Peramalan Harga Emas PT Antam Tbk Indonesia

Abstract

Peramalan adalah suatu proses memperkirakan secara sistematis tentang kemungkinan yang akan terjadi di masa depan berdasarkan informasi masa lalu. Data deret waktu adalah urutan pengamatan berdasarkan waktu. Analisis data deret waktu dapat menggunakan beberapa metode, yaitu metode analisis domain waktu seperti ARIMA, atau analisis domain frekuensi seperti wavelet. Dalam analisis ARIMA, stasioneritas data merupakan salah satu faktor yang harus dipenuhi. Wavelet adalah fungsi matematis yang memotong data ke dalam beberapa komponen yang berbeda dan mempelajari setiap komponen berdasarkan resolusi yang sesuai dengan beberapa skala. Data asli didekomposisi untuk menghasilkan koefisien wavelet dan koefisien skala yang kemudian digunakan untuk memprediksi data pada periode berikutnya.

Forecasting is an estimation of a systematic process which is most likely to occur in the future based on past informations. Time series data are sequence of observations, which are ordered in time. Analysis of time series data can use several methods, namely a time domain analysis method such as ARIMA, or frequency domain analysis such as wavelet. In ARIMA analysis, stationarity of data is one factor that must be met. Wavelet is a mathematical function that cut the data into different components and study each component with a resolution corresponding to some scales. The original data are decomposed to produce wavelet coefficients and scale coefficients, which are then used to predict the time series in the next period.