Professional Documents
Culture Documents
Peramalan Indeks Harga Properti Residensial Menggunakan Metode Bayes
Peramalan Indeks Harga Properti Residensial Menggunakan Metode Bayes
1
Program Studi Matematika, Fakultas MIPA – Universitas Udayana [Email: budhawiryadana123@gmail.com]
2
Program Studi Matematika, Fakultas MIPA – Universitas Udayana [Email: sumarjaya@unud.ac.id]
3
Program Studi Matematika, Fakultas MIPA – Universitas Udayana [Email: sukarsa@unud.ac.id]
§
Corresponding Author
ABSTRACT
Residential property is a property in the form of building which serves as residence or house. House
has function as a place whether to take a rest, to take cover and to get together with family.
Residential property price indices (RPPIs) forecasting has aim as a development planning by the
developer to avoid shortages or excess of home supplies. This research aims to model and predict the
RPPIs using the Bayes method for 2020 to 2021. The data used in this research is the data from
RPPIs of Denpasar city from 2012 in the first quarter to 2019 in the fourth quarter. Then, the method
which is used is Bayes method with autoregression (AR) model in forecasting RPPIs. Therefore, it
obtained mean absolute percentage error (MAPE) for forecasting the next one period with ( )
equal to 0,4049416%. For the result of RPPIs forecasting in Denpasar city from 2020 the first
quarter to 2021 the fourth quarter has an insignificant increase with an average difference for each
quarter increased by 0,3568%.
Keywords: Autoregressive Model, Bayes Method, Forecasting, Markov Chain Monte Carlo,
Residential Property Price Indices
74
Wiryadana, P.G.B., IW. Sumarjaya, I K.G. Sukarsa Peramalan Indeks Harga Properti Residensial…
perkiraan yang kuat dengan mean square error 5. Menghitung nilai estimasi parameter dan
(MSE) yang kecil dari setiap model yang peramalan dengan metode MCMC
disertakan. menggunakan Algoritme Gibbs Sampling.
Statistika Bayes menerapkan teori peluang a. Menentukan nilai mean dan variance
tentang kepercayaan terhadap suatu peristiwa dari distribusi posterior untuk
yang didasarkan pada pengetahuan dari parameter menggunakan 2 (dua)
percobaan sebelumnya atau kepercayaan persamaan, yaitu
individual (Bernardo & Smith, 1994). Statistika
( ) (
Bayes untuk peramalan, melibatkan
pengondisian pada informasi yang diketahui ) dan
untuk membuat pernyataan tentang informasi
yang tidak diketahui Geweke & Whiteman ( ) .
(2006). Penelitian ini menggunakan statistika b. Menghitung estimasi parameter
Bayes sebagai pendekatan untuk memodelkan dengan membangun bilangan acak
dan meramalkan IHPR dari tahun 2020 sampai berdistribusi normal dengan nilai mean
tahun 2021 dengan harapan dapat dan variance dari langkah (5a) sesuai
menghasilkan galat yang sekecil mungkin. persamaan ( merupakan
bilangan acak berdistribusi normal
2. METODE PENELITIAN dengan mean 0 dan variance 1).
c. Menentukan nilai parameter bentuk dan
2.1 Jenis dan Sumber Data parameter laju dari distribusi posterior
Data yang digunakan dalam penelitian ini untuk parameter menggunakan
adalah data sekunder, yaitu data indeks harga persamaan dan
properti residensial triwulanan untuk wilayah ( )( ) (menggunakan
Denpasar tahun 2012 hingga 2019 yang nilai awal dan ).
dipublikasikan oleh Bank Indonesia. Penelitian d. Menghitung estimasi parameter
ini menggunakan data indeks harga properti dengan membangun bilangan acak
residensial ( * +) sebagai variabel terikat menggunakan persamaan ̂
dan data indeks harga properti residensial ⁄( ) dari penduga untuk parameter
periode sebelumnya * +
dengan merupakan orde dari model e. Menghitung estimasi indeks harga
autoregresif (AR) yang ditentukan dari nilai untuk periode selanjutnya
AIC terkecil sebagai variabel bebas. menggunakan persamaan ̂
2.2 Metode Analisis Data ̂ ( ) ( ) ( )
f. Mengulang langkah 5a sampai 5e
Metode analisis data pada penelitian ini
sebanyak kali (pada kasus ini
menggunakan metode Bayes dengan bantuan
menggunakan kali) untuk
program R 4.0.1. Adapun langkah-langkah
mendapatkan iterasi * +,
yang dilakukan sebagai berikut:
*( ) ( ) +, dan
1. Plot data indeks harga properti residensial
untuk melihat adanya tren pada data. {( ) ( ) }
2. Menentukan orde AR( ) dalam pemilihan g. Membuang sebanyak kali (pada
nilai dengan AIC terkecil untuk kasus ini menggunakan
* +. kali) iterasi awal (burn-in) karena
3. Memilih prior untuk masing-masing sampel dari iterasi awal bukan dari
parameter. nilai posterior target.
a. Prior normal untuk mengestimasi h. Menghitung nilai rata-rata dari proses
parameter dalam persamaan iterasi ke-( ) sampai iterasi ke- .
( ) 6. Menghitung keakuratan dari hasil
b. Prior gamma untuk mengestimasi peramalan menggunakan mean absolute
paramater dalam persamaan percentage error (MAPE) sesuai
( ) persamaan ( ∑ |
̂
|)
4. Menghitung nilai posterior dari masing-
masing prior.
75
E-Jurnal Matematika Vol. 10(2), Mei 2021, pp. 74-80 ISSN: 2303-1751
DOI: https://doi.org/10.24843/MTK.2021.v10.i02.p324
Tahun
Years
76
Wiryadana, P.G.B., IW. Sumarjaya, I K.G. Sukarsa Peramalan Indeks Harga Properti Residensial…
1500
1500
15001500
1000
1000
1000
colour
colour 1000
500
500
500
500
0
0
0 -2 0 2 4
0 0.6 0.9 1.2
coef[, 2]
1.5
coef[, 1]
-2 0 (a) 2 4 0,6 0,9 (b)
1,2 1,5
Distribution of Beta2 Distribution of Beta3
1500
1500 1500
1500
1000
colour
1000 colour
1000
1000
500
500
500 500
0
0
coef[, 3]
0 (d)
(c)
-0,5 0,0 0,5 1,0 -0,4 0,0 0,4 0,8
Distribution of Beta4
1500
1500
1000
colour
1000
500
500
0 -0.50 -0.25
coef[, 5]
0.00 0.25
-0,50 (e)
-0,25 0,00 0,25
Gambar 2. Plot histogram dari bilangan acak yang dibangun untuk konstata (a) untuk parameter (b) untuk
parameter (c) untuk parameter (d) dan untuk parameter (e) (Lanjutan)
77
E-Jurnal Matematika Vol. 10(2), Mei 2021, pp. 74-80 ISSN: 2303-1751
DOI: https://doi.org/10.24843/MTK.2021.v10.i02.p324
(2)
78
Wiryadana, P.G.B., IW. Sumarjaya, I K.G. Sukarsa Peramalan Indeks Harga Properti Residensial…
200
200
Indeks Harga Properti Residensial
190
190
variable
PriceIndex
5%
180
180
Harga Indeks
mean
95%
170
170
160
160
(√ )
79
E-Jurnal Matematika Vol. 10(2), Mei 2021, pp. 74-80 ISSN: 2303-1751
DOI: https://doi.org/10.24843/MTK.2021.v10.i02.p324
80