Ringkasan dokumen tersebut adalah: 1. Dokumen tersebut membandingkan metode Parabolic Projection dan Autoregressive Integrated Moving Average (ARIMA) untuk memprediksi harga emas di Indonesia. 2. Hasilnya menunjukkan bahwa metode ARIMA lebih akurat dibandingkan metode Parabolic Projection berdasarkan nilai-nilai akurasi seperti Mean Absolute Deviation, Root Mean Square Error, dan Mean Absolute Percentage Error. 3. Metode ARIMA (1,1,0) adalah

1. jumarnis20@gmail.com
Perbandingan Metode Parabolic Projection dengan Metode Autoregressive
Integrated Moving Average Dalam Melakukan Peramalan Harga Emas
Nama : Jumarnis May Erviana
Nim : 180601009

2. Model peramalan yang digunakan dalam peramalan harga emas ini
adalah times series atau deret waktu, dengan menggunakan metode
Autoregressive Integrated Moving Average (ARIMA) Dan metode
Parabolic Projection
Latar Belakang

3. Tujuan
Masalah
Rumusan
Masalah
Bagaimana hasil peramalan harga emas di Indonesia
menggunakan metode Parabolic Projection ?
Bagaimana hasil peramalan harga emas di Indonesia
menggunakan metode ARIMA?
Manakah metode yang paling akurat dari
perbandingan metode Parabolic Projection dan
metode ARIMA ?
Mengetahui hasil peramalan harga emas di Indonesia
menggunakan metode Parabolic Projection.
Mengetahui hasil peramalan harga emas di Indonesia
menggunakan metode ARIMA.
Mengetahui metode yang paling akurat dari
perbandingan metode Parabolic Projection dan metode
ARIMA.

4. Manfaat
Penelitian
Hasil penelitian ini diharapkan dapat bermanfaat
sebagai masukan dan referensi bagi pihak yang
berkepentingan
Memberikan atau menambah wawasan bagi penulis,
terutama dalam penerapan ilmu yang didapat selama di
dunia perkuliahan, dengan menyatukan materi dan objek
permasalahan yang dijadikan pembahasan
.
Melengkapi tugas dan memenuhi syarat
mencapai gelar Sarjana
.
Kontribusi dalam pengembangan ilmu pengetahuan
khususnya mengenai perkembangan harga emas di
hari-hari berikutnya

5. Perbandingan
Model Autoregressive (AR)/
ARIMA (1,0,0)
Model Moving Average
(MA)/ARIMA (0,0,1)
Model Autoregressive Moving
Average (ARMA)/ ARIMA
(1,0,1)
model umum yang mencakup
keseluruhan dikenal sebagai ARIMA
(p,d,q).
Metode Autoregressive
Integrated Moving Average
(ARIMA)
𝑦 = 𝑎 + 𝑏𝑥 + 𝑐𝑥2
.
Metode ini merupakan deret waktu
dengan data berupa garis parabola,
yang nilai variable tak bebasnya naik
atau turun secara linier dengan
persamaan berikut:.
Model Autoregressive Integrated
Moving Average (ARIMA)
Metode Parabolic Projections

6. Akurasi Peramalan
MAD
Mean Absolute Deviation
MSE
Mean Square Error
RMSE
Root Mean Square Error
MAPE
Mean Absolute Percentase
Error

7. A B C D
02 Sumber Data
hargaemas.org 03 Waktu Data
Januari 2018-
November 2022
04 Jenis Penelitian
Kuantitatif
01 Jenis Data
Data Sekunder

8. Hasil Dan Pembahasan
Metode ARIMA
Plot Data Harga Emas
uji statiska dengan nilai Mean (rata-
rata) adalah 741,51, nilai median
(nilai tengah) adalah 802, jumlah
nilai (SUM) adalah 189085, nilai
terendah (minimum) adalah 534,
nilai tertinggi (maximum) adalah
964, daan jumlah data adalah 255
data..
Statistik Deskriptif
Kestasioneran Data
250
225
200
175
150
125
100
75
50
25
1
1000
900
800
700
600
500
Index
HARGA
EMAS
Time Series Plot of HARGA EMAS

9. Your Text Here
Example Text :
I hope and I believe
that this Template
will your Time,
Money and
Reputation.
Setelah
Transformasi
Setelah
Differencing
Text
250
225
200
175
150
125
100
75
50
25
1
0.004
0.003
0.002
0.001
0.000
-0.001
-0.002
-0.003
-0.004
Index
DIFF
1
Time Series Plot of DIFF 1

10. Identifikasi Model ARIMA
Text Here Plot PACF
Plot ACF Text Here
60
55
50
45
40
35
30
25
20
15
10
5
1
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
Lag
Autocorrelation
Autocorrelation Function for DIFF 1
(with 5% significance limits for the autocorrelations)
60
55
50
45
40
35
30
25
20
15
10
5
1
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
Lag
Partial
Autocorrelation
Partial Autocorrelation Function for DIFF 1
(with 5% significance limits for the partial autocorrelations)
Dari plot ACF dan PACF diperoleh model awal ARIMA (1,1,1). Walaupun tidak menutup kemungkinan
terdapat model ARIMA lain yang terbentuk

11. Pengujian Model
Terdapat 2 model ARIMA yang signifikan yaitu ARIMA (1,1,0), dan
ARIMA (0,1,1). Kedua model ARIMA ini memiliki nilai uji signifikansi
|𝑡| > 𝑡𝑡𝑎𝑏𝑒𝑙 dimana nilai 𝑡𝑡𝑎𝑏𝑒𝑙 = 1,96
Model Parameter Koefisien SE.Koefissien t-value 𝑡𝑡𝑎𝑏𝑒𝑙 Hasil uji
ARIMA
(1,1,0)
Ø1 -0,2138 0,0619 3.46 1,96 Signifikan
ARIMA
(0,1,1)
Ø1 0,1876 0,0624 3.00 1,96 Signifikan
ARIMA Ø1 -0,4655 0,2440 -1,91 1,96 Tidak
Signifikan
(1,1,1) Ø1 -0,628 0,2665 -0,99 1,96 Tidak
SIgnifikan

12. Berdasarkan Tabel di Samping Pada
model ARIMA (1,1,0) dan model ARIMA
(0,1,1) dengan lag 12, 24, 36 dan 48
memenuhi syarat cukup karena nilai
statistic Ljung-Box tidak lebih dari
𝑋(0,05,𝑑𝑓)
2
. Sehingga dapat disimpulkan
bahwa hipotesis awal diterima yang berarti
memenuhi asumsi residual white nose dan
berdistribusi normal sehingga kedua
model layak digunakan
Pemeriksaan Diagnostik
Model Lag df (K-k) Statistik
Ljung-Box
(𝑋ℎ𝑖𝑡𝑢𝑛𝑔
2
)
𝑋(0,05,𝑑𝑓)
2 p-value Keterangan
ARIMA(1,1,0) 12 10 10,1 18,307 0,429 White Noise
24 22 14,9 33,924 0,866 White Noise
36 34 22,6 48,602 0,983 White Noise
48 46 32,8 62,829 0,982 White Noise
ARIMA(0,1,1) 12 10 11,8 18,307 0,297 White Noise
24 22 16,6 33,924 0,787 White Noise
36 34 24,4 48,602 0,888 White Noise
48 46 34,2 62,827 0,900 White Noise
Pemilihan Model Terbaik
Membandingkan nilai MS (Error) yang tertera
pada hasil ramalan menggunakan Minitab
yaitu sebagai berikut nilai MS pada Metode
ARIMA(1,1,0) adalah senilai 367,8, sedangkan
nilai MS pada Metode ARIMA (0,1,1) adalah
370,2. dapat terlihat bahwa nilai MS pada
model ARIMA (1,1,0) memiliki nilai lebih kecil
dibandingkan model ARIMA (0,1,1). Sehingga
model ARIMA yang digunakan adalah model
ARIMA (1,1,0).

13. Hasil Peramalan Menggunakan ARIMA (1,1,0)
Content Here
Content Here
Content Here
Waktu Hasil Ramalan ARIMA (1,1,0) (Rp)
21 November 2022 875,633
28 November 2022 878,256
05 Desember 2022 879,171
12 Desember 2022 880,430
19 Desember 2022 881,653
26 Desember 2022 882,871
02 Januari 2023 884,086
09 Januari 2023 885,303
16 Januari 2023 886,518
23 Januari 2023 887,843

14. Metode Parabolic Projection
Hasil Perhitungan Dengan
Jumlah Kuadrat Terkecil
kemudian hasilnya dapat digunakan
untuk mendapatkan nilai a, b, dan c
sebelum melakukan peramalan
dengan metode Parabolic
Projection.
.
Perhitungan Peramalan Harga Emas Minggu
Selanjutnya
Nilai
𝑌
189085
𝑋
0
𝑋2
1381760
𝑋4
13476857984
𝑋𝑌
2006151
𝑋2𝑌
988129403
X a b c bX X^2 cX^2
Forecast
(Yc)
128 774.5 1.45 -0.01 185.73 16384 -98.304 861.917
129 774.5 1.45 -0.01 187.18 16641 -99.846 861.826
130 774.5 1.45 -0.01 188.63 16900 -101.4 861.723
131 774.5 1.45 -0.01 190.08 17161 -102.97 861.608
132 774.5 1.45 -0.01 191.53 17424 -104.54 861.481
133 774.5 1.45 -0.01 192.98 17689 -106.13 861.342
134 774.5 1.45 -0.01 194.43 17956 -107.74 861.191
135 774.5 1.45 -0.01 195.89 18225 -109.35 861.028
136 774.5 1.45 -0.01 197.34 18496 -110.98 860.853
137 774.5 1.45 -0.01 198.79 18769 -112.61 860.666

15. Hasil Peramalan
Menggunakan
Parabolic
Projection
Waktu Hasil Ramalan Parabolic
Projection (Rp)
21 November 2022 861,917
28 November 2022 861,826
05 Desember 2022 861,723
12 Desember 2022 861,608
19 Desember 2022 861,481
26 Desember 2022 861,342
02 Januari 2023 861,191
09 Januari 2023 861,028
16 Januari 2023 860,853
23 Januari 2023 860,666

16. Perbandingan Metode Parabolic Projection dan Metode ARIMA
Parabolic Projection = 43,24
ARIMA (1,1,0) = 14,72
MAD MSE MAPE RMSE
Parabolic Projection = 2935,27
ARIMA (1,1,0) = 1624,24
Parabolic Projection = 6,05%
ARIMA (1,1,0) = 2,05%
Parabolic Projection = 54,18
ARIMA (1,1,0) = 40.30

17. Diagram Hasil Perbandingan Metode Parabolic Projection dengan
Metode ARIMA (1,1,0)
0
200
400
600
800
1000
1200
1
7
13
19
25
31
37
43
49
55
61
67
73
79
85
91
97
103
109
115
121
127
133
139
145
151
157
163
169
175
181
187
193
199
205
211
217
223
229
235
241
247
253
Perbandingan Metode Parabolic Projection dan Metode
ARIMA (1,1,0)
Data Harga Emas Forecast Parabolic Projection Forecast ARIMA (1,1,0)

18. Kesimpulan
02
Hasil peramalan menggunakan
metode ARIMA (1,1,0) tanggal
21 November sampai 23 Januari
2023 setiap minggunya memiliki
rata - rata Rp. 882,176.
03
Berdasarkan hasil penelitian diatas,
metode yang paling akurat untuk
peramalan harga emas di Indonesia
adalah metode ARIMA (1,1,0)
dikarnakan memiliki nilai akurasi
kesalahan error peramalan terkecil.
Adapun nilai akurasi kesalahan error
peramalan tersebut adalah nilai MAD
sebesar 14,72, RMSE sebesar 1624,24,
dan nilai MAPE sebesar 6,05%.
Hasil peramalan menggunakan
metode parabolic projection tanggal
21 November sampai 23 Januari
2023 setiap minggunya memiliki rata
- rata Rp. 861,363.
01

19. THANK YOU