44
b. Memperlakukan data
seolah-olah direfleksikan pada kedua
ujung
himpunan
data tersebut (pencerminan/mirroring).
c. Menerapkan orthogonalisasi Gram-Schmidt
untuk
menghitung scaling
function dan wavelet khusus pada ujung awal dan akhir dari himpunan data.
2.2.12. Peramalan Dengan Autoregressive
Setelah didapatkan
scaling coefficients dan wavelet coefficients dari transformasi
forward,
maka
dilakukan
prediksi
terhadap
koefisien-koefisien
tersebut
dan
nilai
data
hasil peramalan diperoleh melalui transformasi invers koefisien-koefisien tersebut.
Metode peramalan yang akan digunakan adalah model autoregressive (AR) untuk
prediksi linier forward dari anggota
x
n
,
n
=
1, 2,
..., N
dan
x
n
=
0
untuk
n
<1, n > N
p
xˆ
n
=
?
a
k
x
n
-
k
k
=1
dimana
x
ˆ
n
adalah
prediksi dari
x
n
,
a
k
adalah
koefisien filter
prediksi,
N
banyak
data
dan p adalah order dari model AR.
Algoritma prediksi yang mempergunakan DWT, langkah-langkahnya adalah :
a.
Mengambil elemen data input
x
n
,
n
=
1,2,..., N + p .
b.
Menghitung nilai DWT dari data input dalam interval finite dan menentukan
scaling function coefficients dan wavelet function coefficients..
c.
Melakukan transformasi forward prediksi linier dari scaling coefficients dan
wavelet coefficients untuk setiap level skala dengan rumus :
p
c
ˆ
k
=
?
a
k
c
n- k
j
j
k
=
 |