Analisis Peramalan Inflasi Di Kota Balikpapan Menggunakan Metode ARIMA
Notice bibliographique
Résumé
Inflasi yang tidak terkendali merupakan salah satu permasalahan dalam perekonomian suatu negara. Hal ini disebabkan karena inflasi dijadikan acuan untuk kebijakan moneter. Akan tetapi pengendalian laju inflasi relatif sulit dilakukan. Oleh karena itu diperlukan suatu peramalan laju inflasi yang akurat sehingga mampu memprediksi inflasi di masa yang akan datang. Penelitian ini bertujuan meramalkan inflasi di masa yang akan datang menggunakan metode ARIMA. Data yang digunakan dalam penelitian ini adalah inflasi Kota Balikpapan Januari 2016 sampai dengan Desember 2022. Dari hasil analisis metode ARIMA terbaik untuk meramalkan inflasi Kota Balikpapan adalah ARIMA([1,2,12],0,[6]) yang mempunyai nilai RMSE sebesar 0,22886. Penelitian lanjutan yang dapat dilakukan untuk memperbaiki akurasi peramalan inflasi Kota Balikpapan adalah penggunaan metode gabungan ataupun menambahkan variabel independen yang mampu menjelaskan inflasi Kota Balikpapan di masa yang akan datang.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».