<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="60700">
 <titleInfo>
  <title>PENERAPAN SPATIO TEMPORAL MULTIVARIATE SINGULAR SPECTRUM ANALYSIS UNTUK PERAMALAN HARGA ECERAN BERAS</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Yoga Sasmita</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Bandung</placeTerm>
   <publisher>FMIPA Pascasarjana UNPAD</publisher>
   <dateIssued>2018</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Text</form>
  <extent>xii, 84 hlm. ; il. ; 29 cm.</extent>
 </physicalDescription>
 <note>Penelitian ini bertujuan untuk melakukan peramalan dengan melibatkan &#13;
informasi spasial berupa penimbang kebalikan jarak (inverse distance &#13;
weightingIIDW). Metode yang digunakan adaIah Spatio Temporal Multivariate &#13;
Singular Spectrum Analysis (ST -MSSA). SSA merupakan metode peramaIan &#13;
ekspIoratif dan berbasis non parametrik sehingga tidak memerlukan asumsi &#13;
parametrik seperti stasioneritas, sebaran residualnya berdistribusi normal, white &#13;
noise dan homoskedastisitas. Data observasi penelitian ini adalah rata-rata harga &#13;
eceran beras mingguan di pasar tradisional pada sepuluh ibukota provinsi kawasan &#13;
Sumatera sejak Januari 2013 hingga Desember 2016 (209 minggu). Diawali &#13;
dengan identifikasi ketergantungan spasial (spatial autocorrelation), linieritas dan &#13;
keberadaan unsur data seperti tren, musiman, siklis dan noise. Kemudian &#13;
dilanjutkan dengan pemilihan Window Length dan Eigentriple optimum dengan &#13;
didasarkan perbedaan terbesar dan rasio terkecil RMSE MS SA tertimbang dan tak &#13;
tertimbang terhadap SSA univariat yang memanfaatkan data training. Window &#13;
Length dan banyaknya Eigentriple yang terlibat serta metode terpilih selanjutnya &#13;
digunakan untuk melakukan peramalan data testing. Hasil peramalan data testing &#13;
diukur akurasi, presisi dan keandalanannya untuk dijadikan dasar peramalan data &#13;
periode Januari - JuIi 2017 (28 minggu berikutnya). Window Length dan &#13;
Eigentriple optimum rnasing-masing adalah 180 dan sembilan, sementara itu &#13;
metode ST-MSSA mempunyai akurasi yang lebih baik daripada MSSA. &#13;
Berdasarkan validasi peramaIan yang menggunakan data testing diperoleh Root &#13;
Mean Square Error (RMSE) tertinggi adalah 0,0712, Mean Absoute Error (MAE) &#13;
tertinggi adalah 0,0592 dan Mean Absoute Percentage Error (MAP E) tertinggi &#13;
adalah 0,6196,jarak terhadap nol tertinggi pada Mean Error (ME) adalah -0,0589 &#13;
danjarak terhadap noI tertinggi pada Mean Percent Error (MPE) adalah -0,6169. &#13;
</note>
 <note type="statement of responsibility">Yoga Sasmita</note>
 <subject authority="">
  <topic>Spatio Temporal   2. Multivariate Singular Spectru</topic>
 </subject>
 <classification>519.5</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>Perpustakaan Universitas Padjadjaran Kementerian Riset Teknologi dan Pendidikan Tinggi</physicalLocation>
  <shelfLocator>519.5 Yog p/R.14.111.1</shelfLocator>
  <holdingSimple>
   <copyInformation>
    <numerationAndChronology type="1">010030008197</numerationAndChronology>
    <sublocation>Perpustakaan Pusat (Reference Kls. 500REF.111.1)</sublocation>
    <shelfLocator>519.5 Yog p</shelfLocator>
   </copyInformation>
  </holdingSimple>
 </location>
 <slims:image>20%252Fscan0001.jpg.jpg</slims:image>
 <recordInfo>
  <recordIdentifier>60700</recordIdentifier>
  <recordCreationDate encoding="w3cdtf">2018-02-28 14:49:37</recordCreationDate>
  <recordChangeDate encoding="w3cdtf">2018-06-29 08:35:08</recordChangeDate>
  <recordOrigin>machine generated</recordOrigin>
 </recordInfo>
</mods>
</modsCollection>