ABSTRAKDalam forecasting dibidang ekonomi (harga saham, sales, nilai kurs, dsb) keakuratan data sangat penting diperlukan. Selain itu metode pre-processing data (pengolahan data mentah) yang canggih juga lebih diperlukan untuk menghasilkan proyeksi!prediksi ke depan yang lebih akurat. Dalam tesis ini akan digunakan de-noising wavelet sebagai metode pre-processing data, dimana dengan kemampuannya dalam noise-filtering dan characterizing behavior dalam time series akan membuat pre-processing data tersebut lebih powerful dalam memprediksi financial time series.
De-noising wavelet adalah sebuah proses menghilangkan noise dari data time series sehingga fungsi aproksimasi yang dihasilkan menjadi lebih akurat. De-noising ini sangat powerful dalam menghilangkan noise yang pasti ada dari data time series. Dari beberapa experimen numerik yang dilakukan, dalam tesis ini digunakan simple linear regression dalam menghasilkan persamaan fungsi dari data time series, de-noising ini mampu membuat fungsi yang penyimpangannya lebih kecil dibandingkan fungsi yang dibuat tanpa de-noising ( selisih penyimpangan yang terjadi bisa mencapai sebanyak 1.84% (in time), bahkan untuk real time (mei'2003) penyimpangan mencapai 12.62 % ) . Hal ini membuktikan de-noising yang
dilakukan wavelet bisa menghasilkan fungsi yang keakuratannya lebih baik dibandingkan fungsi yang dibuat dari data yang tidak dilakukan proses de-noising.
De-nosing wavelet bisa dijadikan alat bantu yang sangat powerful dalam mengolah data mentah sebelum di proses lebih lanjut, dimana dengan kemampuannya yang cukup handal bisa diperoleh basil forecasting yang lebih akurat.
T11634-Moh Cholid Riza.pdf :: Unduh