PEMODELAN TIME SERIES DENGAN MAXIMAL OVERLAP DISCRETE WAVELET TRANSFORM

Abstract

Penggunaan dekomposisi wavelet untuk pemodelan statistika khususnya pada data time telah mengalami perkembangan yang pesat. Transformasi wavelet yang dipandang lebih sesuai untuk data time series adalah Maximal Overlap Discrete Wavelet Transform (MODWT) karena dalam setiap level dekomposisi terdapat koefisien wavelet dan skala sebanyak panjang data. Kelebihan ini mereduksi kelemahan pemfilteran dengan Discrete Wavelet Transform (DWT) yang tidak dapat dilakukan pada sebarang ukuran sampel. Penentuan level dekomposisi dan koefisien yang digunakan sebagai input model menggunakan dekomposisi multi skala. Pengembangan yang dilakukan pada tulisan ini adalah penyempurnaan pada teknik komputasi sehingga level dekomposisi dan banyaknya koefisien pada setiap level dapat terpilih secara otomatis berdasarkan nilai prediksi yang meminimalkan error. Kata Kunci: MODWT, time series, dekomposisi