@thesis{thesis,
		author={HERLINDA  F1A1 15 041},
		title ={PERAMALAN INFLASI MENGGUNAKAN METODE ARIMA DENGAN PROSEDUR ITERATIF PADA DATA YANG MENGANDUNG PENCILAN},
		year={2020},
		url={http://repo.uho.ac.id/483/},
		abstract={ABSTRAK

Model runtun waktu yang paling populer dan banyak digunakan dalam peramalan adalah model autoregressive integrated moving average atau yang dikenal dengan model ARIMA. Meskipun model ini efisien untuk peramalan deret waktu, namun menunjukkan kekurangan ketika terjadi gangguan noise atau data-data yang berfluktuasi ekstrim. Data yang berfluktuasi ekstrim dapat mengindikasikan adanya suatu pencilan. Keberadaan pencilan sering kali membuat nilai peramalan jauh dari data aslinya atau memiliki nilai residual yang sangat besar, sehingga diperlukan prosedur untuk mendeteksi dan mereduksi pengaruh pencilan. Dari hasil analisis yang diperoleh, dengan menggunakan data inflasi periode Januari 2014-Desember 2018, setelah didapatkan model terbaik ARIMA (0,1,3) ternyata menunjukkan residual tidak berdistribusi normal. Hal ini disebabkan karena terdapat pencilan pada pengamatan ke 12 dan 42 yang bersifat additive (kejadian yang hanya mempunyai efek satu periode saja), sehingga dilakukan deteksi outlier pada model ARIMA (0,1,3) dengan memasukkan data pencilan yang muncul, sehingga di dapatkan hasil peramalan inflasi Kota Kendari dari bulan Januari-Juli 2019 dengan model sebagai berikut:
=    −1 +	− 1,0085   −1 − 0,3189   −2 + 0,3567   −3 + 2,08 (12)
+ 2,23 (42)
dengan nilai MSE sebesar  0,3558 dan MAPE sebesar 10,21 %.

Kata Kunci: Peramalan, Data Deret Waktu, Pencilan, ARIMA, Prosedur Iteratif}
		}