@thesis{thesis,
		author={R  Meri Andani},
		title ={Automatisasi Singular Spectrum Analysis (SSA) Pada Prediksi Harga Minyak Kelapa Sawit},
		year={2015},
		url={},
		abstract={Singular Spectrum Analysis merupakan metode peramalan dengan pendekatan non-parametrik yang bekerja dengan cara mengelompokkan komponen dalam singular value decomposition (SVD) kemudian merekonstruksi data baru berdasarkan hasil pengelompokkan tersebut. Banyaknya pengelompokkan SVD menentukan besarnya sebuah nilai parameter effect grouping (r). Namun, penentuan parameter ini membutuhkan eksplorasi yang tinggi bergantung pada subjektivitas peneliti dalam menafsirkan plot dari eigenvalue dan eigenvector-nya. Melalui tulisan ini, dilakukan automatisasi untuk menentukan banyaknya parameter effect grouping (pada tahap grouping) dengan mengekstrak komponen dari setiap eigenvector yang telah terbentuk sehingga penentuan parameter grouping effect (r) dapat dilakukan lebih objektif dan eksakta. Ekstraksi komponen dilakukan terhadap pola tren menggunakan metode Alexandrov dan pola musiman menggunakan analisis spektral. Berdasarkan tulisan ini didapat kesimpulan bahwa dengan melakukan automatisasi parameter effect grouping (r) dapat menurunkan ukuran residual dalam validasi model peramalan.}
		}