Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal Jurnal Aplikasi Statistika & Komputasi Statistik
Kasiful Aprianto
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Mathematics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Peramalan Time Series Menggunakan Gaussian Kernel PCA dan Autoregressive Kasiful Aprianto
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 11 No 2 (2019): Journal of Statistical Application and Computational Statistics
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v11i2.219

Abstract

Peramalan time series menjadi bagian penting dalam pengambilan keputusan karena mampu memberikan gambaran atau kejadian mendatang berupa data prediksi. Paper ini menawarkan gaussian kernel PCA dan Autoregressive (KPCA-AR) sebagai metode peramalan untuk melakukan prediksi data. Metode KPCA-AR bekerja dengan melakukan pemetaan data ke dimensi yang lebih tinggi menggunakan kernel dengan distribusi gaussian. Setelah itu dilakukan transformasi data dengan PCA agar dimensi yang dihasilkan dapat direduksi dengan varian maksimum sehingga tidak mengurangi karakteristik data secara signifikan. Data inilah yang kemudian digunakan untuk melakukan peramalan menggunakan autoregressive. Paper ini juga membandingkan beberapa metode peramalan lainnya seperti ARIMA, ANN, SVM, dan Eksponensial Smoothin. Hasil menunjukkan bahwa KPCA-AR secara umum mampu memebrikan prediksi yang baik dan bisa digunakan sebagai alternative dari metode perhitungan yang ada dilihat dari kelebihan ataupun kekurangannya.
Co-Authors