DAFTAR ISI HALAMAN JUDUL HALAMAN PENGESAHAN HALAMAN PERNYATAAN NASKAH SOAL TUGAS AKHIR HALAMAN PERSEMBAHAN INTISARI KATA PENGANTAR UCAPAN TERIMA KASIH
|
|
- Utami Lesmana
- 5 tahun lalu
- Tontonan:
Transkripsi
1 DAFTAR ISI HALAMAN JUDUL HALAMAN PENGESAHAN HALAMAN PERNYATAAN NASKAH SOAL TUGAS AKHIR HALAMAN PERSEMBAHAN INTISARI KATA PENGANTAR UCAPAN TERIMA KASIH DAFTAR ISI DAFTAR GAMBAR DAFTAR TABEL DAFTAR NOTASI DAN SINGKATAN DAFTAR LAMPIRAN i ii iii iv v vi vii viii x xiii xvii xix xxi BAB I PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Manfaat Penelitian Tujuan Penelitian 8 BAB II TINJAUAN PUSTAKA 9 BAB III LANDASAN TEORI 12 xi
2 3.1 Teknik Peramalan Metode Kualitatif Metode Kuantitatif Metode Kausal Metode Time series Model Rata-rata Metode Exponential Smoothing Model Box-Jenkins (ARIMA) Penentuan Order ARIMA Pemeriksaan Model ARIMA Pemilihan Metode Peramalan Time series Autokorelasi 20 BAB IV METODE PENELITIAN Objek dan Lokasi Penelitian Alat Tahapan Penelitian 22 BAB V HASIL DAN PEMBAHASAN Hasil Pemeteaan Stent Hasil Peramalan Stent Pengolahan Data di RSJPD Harapan Kita Pengolahan Data di RSUP Dr. Sardjito Identifikasi Orde ARIMA Uji Signifikansi Parameter Uji Asumsi Residual Validasi Model 46 xii
3 5.2.3 Pengolahan Data di RSUD Dr. Soetomo Identifikasi Orde ARIMA Uji Signifikansi Parameter Uji Asumsi Residual Validasi Model Pengolahan Data Gabungan Ketiga Rumah Sakit Tahun BAB VI PENUTUP Kesimpulan Saran 77 DAFTAR PUSTAKA 77 LAMPIRAN 80 xiii
4 DAFTAR GAMBAR Gambar 1.1 Jumlah Pasien Penyakit Jantung di Rumah Sakit di Indonesia Tahun Gambar 1.2 Perbandingan Prosedur Angioplasty dan Stenting 3 Gambar 1.3 Restenosis Pada Kasus Pemasangan Stent 4 Gambar 1.4 Diagram Alir Prosedur PJK Melakukan Pemasangan Stent 5 Gambar 4.1 Tahapan Penelitian 22 Gambar 4.2 Diagram Alir Metode Analisis Data Menggunakan Exponential Smoothing 24 Gambar 4.3 Diagram Alir Metode Analisis Data Menggunakan ARIMA 25 Gambar 5.1 Diagram Batang Permintaan Stent di Ketiga Rumah Sakit Tahun Gambar 5.2 Alur Distribusi Stent di Rumah Sakit 29 Gambar 5.3 Proporsi Penggunaan DES di RSJPD Harapan Kita Tahun 2012 Untuk Setiap Merk 31 Gambar 5.4 Proporsi Penggunaan BMS di RSJPD Harapan Kita Tahun 2012 Untuk Setiap Merk 32 Gambar 5.5 Diagram Batang Penggunaan Stent di RSJPD Harapan Kita Tahun Gambar 5.6 Diagram Batang Nilai MAPE Untuk Tiap Metode Peramalan DES RSJPD Harapan Kita 33 Gambar 5.7 Diagram Batang Nilai MAPE Untuk Tiap Metode Peramalan BMS RSJPD Harapan Kita 34 Gambar 5.8 Plot Data Peramalan DES RSJPD Harapan Kita Menggunakan Moving Average Method 35 Gambar 5.9 Plot Data Peramalan DES RSJPD Harapan Kita Menggunakan Single Exponential Smoothing Method 35 Gambar 5.10 Plot Data Peramalan DES RSJPD Harapan Kita Menggunakan Double Exponential Smoothing Method 36 Gambar 5.11 Plot Data Peramalan BMS RSJPD Harapan Kita Menggunakan Moving Average Method 36 Gambar 5.12 Plot Data Peramalan BMS RSJPD Harapan Kita Menggunakan Single Exponential Smoothing Method 37 Gambar 5.13 Plot Data Peramalan BMS RSJPD Harapan Kita Menggunakan Double Exponential Smoothing Method 37 Gambar 5.14 Proporsi Penggunaan DES di RSUP Dr. Sardito Untuk Setiap Merk Periode Januari 2011-Juni xiv
5 Gambar 5.15 Gambar 5.16 Gambar 5.17 Gambar 5.18 Gambar 5.19 Gambar 5.20 Gambar 5.21 Gambar 5.22 Gambra 5.23 Gambar 5.24 Gambar 5.25 Gambar 5.26 Gambar 5.27 Gambar 5.28 Gambar 5.29 Gambar 5.30 Gambar 5.31 Gambar 5.32 Gambar 5.33 Proporsi Penggunaan BMS di RSUP Dr. Sardjito Untuk Setiap Merk Periode Januari 2011-Juni Grafik Penggunaan Stent di RSUP Dr. Sardjito (Januari 2011-Juli 2013) 40 Plot PACF Data Pemakaian DES di RSUP. Dr. Sardjito hasil Differencing 41 Plot ACF Data Pemakaian DES di RSUP Dr. Sardjito hasil Differencing 42 Plot PACF Data Pemakaian BMS di di RSUP Dr. Sardjito hasil Differencing 42 Plot ACF Data Pemakaian BMS di di RSUP Dr. Sardjito hasil Differencing 43 Diagram Batang Nilai MAPE Untuk Tiap Metode Peramalan DES RSUP Dr. Sardjito Periode Januari Juni Diagram Batang Nilai MAPE Untuk Tiap Metode Peramalan BMS RSUP Dr. Sardjito Periode Januari Juni Plot Data Peramalan DES RSUP Dr. Sardjito Menggunakan Moving Average Method (k=8) 48 Plot Data Peramalan DES RSUP Dr. Sardjito Menggunakan Single Exponential Smoothing Method 48 Plot Data Peramalan DES RSUP Dr. Sardjito Menggunakan Double Exponential Smoothing Method 49 Plot Data Peramalan DES RSUP Dr. Sardjito Menggunakan Model ARIMA (0,2,2) 49 Plot Data Peramalan BMS RSUP Dr. Sardjito Menggunakan Moving Average Method (k=5) 50 Plot Data Peramalan BMS RSUP Dr. Sardjito Menggunakan Single Exponential Smoothing Method 50 Plot Data Peramalan BMS RSUP Dr. Sardjito Menggunakan Double Exponential Smoothing Method 51 Plot Data Peramalan BMS RSUP Dr. Sardjito Menggunakan Metode ARIMA (2,2,0) 51 Proporsi Penggunaan DES di RSUD Dr. Soetomo Untuk Setiap Merk Periode Januari 2010-Juni Proporsi Penggunaan DES di RSUD Dr. Soetomo Untuk Setiap Merk Periode Januari 2010-Juni Grafik Jumlah Penggunaan Stent di RSUD Dr. Soetomo (Januari 2010-Juni 2013) 54 xv
6 Gambar 5.34 Plot PACF Data Pemakaian DES di di RSUD Dr. Soetomo 55 Gambar 5.35 Plot ACF Data Pemakaian DES di di RSUD Dr. Soetomo 55 Gambar 5.36 Plot PACF Data Pemakaian BMS di di RSUD Dr. Soetomo hasil Differencing 56 Gambar 5.37 Plot ACF Data Pemakaian BMS di di RSUD Dr. Soetomo hasil Differencing 56 Gambar 5.38 Diagram Batang Nilai MAPE Untuk Tiap Metode Peramalan DES RSUD Dr. Soetomo Periode Januari 2010-Juni Gambar 5.39 Diagram Batang Nilai MAPE Untuk Tiap Metode Peramalan BMS RSUD Dr. Soetomo Januari 2010-Juni Gambar 5.40 Plot Data Peramalan DES di RSUD Dr. Soetomo Menggunakan Moving Average Method (k=4) 61 Gambar 5.41 Plot Data Peramalan DES di RSUD Dr. Soetomo Menggunakan Single Expoonential Smoothing Method 61 Gambar 5.42 Plot Data Peramalan DES di RSUD Dr. Soetomo Menggunakan Double Expoonential Smoothing Method 62 Gambar 5.43 Plot Data Peramalan DES di RSUD Dr. Soetomo Menggunakan Model ARIMA (0,1,1) 62 Gambar 5.44 Plot Data Peramalan BMS di RSUD Dr. Soetomo Menggunakan Moving Average Method (k=3) 63 Gambar 5.45 Plot Data Peramalan BMS di RSUD Dr. Soetomo Menggunakan Single Exponential Smoothing Method 63 Gambar 5.46 Plot Data Peramalan BMS di RSUD Dr. Soetomo Menggunakan Double Exponential Smoothing Method 64 Gambar 5.47 Plot Data Peramalan BMS RSUD Dr. Soetomo Menggunakan Model ARIMA (1,1,0) 64 Gambar 5.48 Diagram Batang Jumlah Pemakaian DES di Ketiga Rumah Sakit Tahun Gambar 5.49 Proporsi Rata-rata Penggunaan DES di Ketiga Rumah Sakit Setiap Tahun (Januari 2010-Juni 2013) 66 Gambar 5.50 Diagram Batang Jumlah Pemakaian BMS di Ketiga Rumah Sakit Tahun Gambar 5.51 Proporsi Rata-rata Penggunaan BMS di Ketiga Rumah Sakit Setiap Tahun (Januari 2010-Juni 2013) 67 Gambar 5.52 Diagram Batang Jumlah Pemakaian Kedua Jenis Stent di Ketiga Rumah Sakit Tahun xvi
7 Gambar 5.53 Gambar 5.54 Gambar 5.55 Gambar 5.56 Gambar 5.57 Gambar 5.58 Gambar 5.59 Gambar 5.60 Gambar 5.61 Proporsi Rata-rata Penggunaan Stent di Ketiga Rumah Sakit Setiap Tahun (Januari 2010-Juni 2013) 68 Diagram Batang Nilai MAPE Untuk Tiap Metode Peramalan DES di Ketiga Rumah Sakit Periode Januari- Desember Diagram Batang Nilai MAPE Untuk Tiap Metode Peramalan BMS di Ketiga Rumah Sakit Periode Januari- Desember Plot Data Peramalan DES di Ketiga Rumah Sakit Menggunakan Moving Average Method (k =2) 70 Plot Data Peramalan DES di Ketiga Rumah Sakit Menggunakan Single Exponential Smoothing Method 71 Plot Data Peramalan DES di Ketiga Rumah Sakit Menggunakan Double Exponential Smoothing Method 71 Plot Data Peramalan BMS di Ketiga Rumah Sakit Menggunakan Moving Average Method (k =2) 72 Plot Data Peramalan BMS di Ketiga Rumah Sakit Menggunakan Single Exponential Smoothing Method 72 Plot Data Peramalan BMS Ketiga Rumah Sakit Menggunakan Double Exponential Method 73 xvii
8 DAFTAR TABEL Tabel 1.1 Proporsi Penyebab Kematian Antara Penyakit Menular dan Tidak Menular Tahun Tabel 1.2 Daftar Rumah Sakit Yang Memiliki Pusat Pelayanan Jantung Terpadu di Indonesia 6 Tabel 3.1 Kriteria Penentuan Orde ARIMA 18 Tabel 4.1 Daftar Rumah Sakit Yang Menjadi Obyek Penelitian 21 Tabel 5.1 Analisis Autokorelasi Tiap Jenis Stent di Ketiga Rumah Sakit 30 Tabel 5.2 Validasi Untuk Setiap Model Peramalan DES di RSJPD Harapan Kita 33 Tabel 5.3 Validasi Untuk Setiap Model Peramalan BMS di RSJPD Harapan Kita 34 Tabel 5.4 Hasil Peramalan Permintaan Stent di RSJPD Harapan Kita 38 Tabel 5.5 Uji Signifikansi Parameter dari Dugaan Awal Model ARIMA RSUP Dr. Sardjito 43 Tabel 5.6 Uji Distribusi Normal terhadap Model ARIMA RSUP Dr. Sardjito 45 Tabel 5.7 Uji Asumsi Residual Model ARIMA RSUP Dr. Sardjito 45 Tabel 5.8 Validasi Model ARIMA RSUP Dr. Sardjito 46 Tabel 5.9 Validasi Untuk Setiap Model Peramalan DES di RSUP Dr. Sardjito 46 Tabel 5.10 Validasi Untuk Setiap Model Peramalan BMS di RSUP Dr. Sardjito 47 Tabel 5.11 Hasil Peramalan Stent 12 Bulan ke depan di RSUP Dr. Sardjito Menggunakan Metode Peramalan Terbaik 53 Tabel 5.12 Uji Signifikansi Parameter dari Dugaan Awal Model ARIMA untuk RSUD Dr. Soetomo 57 Tabel 5.13 Uji Distribusi Normal terhadap Model ARIMA di RSUD Dr. Soetomo 58 Tabel 5.14 Uji Asumsi Residual Model ARIMA RSUD Dr. Soetomo 58 Tabel 5.15 Validasi Model ARIMA RSUD Dr. Soetomo 59 Tabel 5.16 Validasi Untuk Setiap Model Peramalan DES di RSUD Dr. Soetomo 59 Tabel 5.17 Validasi Untuk Setiap Model Peramalan BMS di RSUD Dr. Soetomo 60 xviii
9 Tabel 5.18 Tabel 5.19 Tabel 5.20 Tabel 5.21 Tabel 5.22 Hasil Peramalan Stent 12 Bulan Ke Depan di RSUD Dr. Soetomo Menggunakan Metode Peramalan Terbaik 65 Validasi Untuk Setiap Model Peramalan DES Gabungan di Ketiga Rumah Sakit 69 Validasi Untuk Setiap Model Peramalan BMS Gabungan di Ketiga Rumah Sakit 69 Hasil Peramalan Stent Gabungan 3 Bulan Ke Depan di Ketiga Rumah Sakit Menggunakan Metode Peramalan Terbaik 73 Hasil Rekapitulasi Metode Peramalan Terbaik di Tiap Rumah Sakit 74 xix
10 DAFTAR NOTASI DAN SINGKATAN ACF AIC AR ARIMA BMS DE DES IDIK k L Ln MA MAD MAPE MSE n P PACF PJK PTCA PTM r RISKEDAS RSJPD RSUD RSUP SE SIRS = autocorrelation = Akaike s Information Criterion = autoregressive = autoregressive integrated moving Average = Bare Metal Stent = Double Exponential Smoothing = Drug Eluting Stent = Instalasi Diagnostik dan Intervensi Kardiovaskular = jumlah terms dalam moving Average = nilai pelicinan yang baru (estimasi level sekarang) = natural log = Moving Average = Mean Absolute Deviation = Mean Absolute Percentage Error = Mean Squared Error = jumlah pengamatan (residual) = periode yang akan diramalkan dalam exponential smoothing = partial autocorrelation = Penderita Jantung Koroner = Percutaneous Transluminal Coronary Angioplasty = Penyakit Tidak Menular = jumlah parameter dalam model ARIMA = Riset Kesehatan Dasar = Rumah Sakit Jantung dan Pembuluh Darah = Rumah Sakit Umum Daerah = Rumah Sakit Umum Pusat = Single Exponential Smoothing = Sistem Informasi Rumah Sakit xx
11 T t Y t+1 α = estimasi trend = nilai aktual pada variabel ke-t = nilai ramalan untuk satu period eke depan = koefisien smoothing γ = konstanta smoothing untuk estimasi trend (0 < γ < 1) 2 = residual sum of square dibagi dengan jumlah pengamatan xxi
12 DAFTAR LAMPIRAN Lampiran 1. Jumlah Penggunaan DES di Ketiga Rumah Sakit 80 Lampiran 2. Jumlah Penggunaan BMS di Ketiga Rumah Sakit 81 Lampiran 3. Data Pemakaian Alat Kesehatan Stent Konsinyasi UPF Farmasi & Apotik RSJPD Harapan Kita Periode Lampiran 4. Data Pemakaian Alat Kesehatan Stent RSJPD Harapan Kita Tahun Lampiran 5. Data Pemakaian Alat Kesehatan Stent RSJPD Harapan Kita Tahun Lampiran 6. Data Jumlah Pemakaian Stent di RSUP Dr. Sardjito, Yogyakarta Periode Januari 2011 Juni Lampiran 7. Data Jumlah Pemakaian Stent di RSUD Dr. Soetomo, Surabaya Periode Januari 2010 Juni Lampiran 8. Contoh Perhitungan Peramalan Moving Average (k=4 bulan) DES di RSUD Dr. Soetomo 92 Lampiran 9. Contoh Perhitungan Peramalan Single Exponential Smoothing DES di RSUD Dr. Soetomo 93 Lampiran 10. Contoh Perhitungan Peramalan Double Exponential Smoothing DES RSUD Dr. Soetomo 95 Lampiran 11 Nilai Estimasi Parameter DES RSUP Dr. Sardjito ARIMA (0,2,2) 96 Lampiran 12 Nilai Estimasi Parameter BMS RSUP Dr. Sardjito ARIMA (2,2,0) 97 Lampiran 13 Nilai Estimasi Paremeter DES RSUD Dr. Soetomo ARIMA (0,1,1) 97 Lampiran 14 Nilai Estimasi Paremeter DES RSUD Dr. Soetomo ARIMA (1,1,0) 98 xxii
DAFTAR ISI. BAB I PENDAHULUAN Latar Belakang Masalah Rumusan Masalah Batasan Masalah Tujuan Penelitian...
DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii HALAMAN PERNYATAAN... iii NASKAH SOAL TUGAS AKHIR... iv HALAMAN PERSEMBAHAN... v INTISARI... vi KATA PENGANTAR... vii UCAPAN TERIMA KASIH... viii
Lebih terperinciBAB I PENDAHULUAN. Tahun Menular 64,49% 60,48% 50,72% 48,46% 44,57% Tidak Menular 25,41% 33,83% 43,60% 45,42% 48,53%
BAB I PENDAHULUAN 1.1 Latar Belakang Dewasa ini pola penyebab kematian di Indonesia menunjukkan peningkatan proporsi kematian yang disebabkan penyakit tidak menular. Hasil dari Profil Kesehatan Indonesia
Lebih terperinciMETODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015
III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciHALAMAN PERSETUJUAN PEMBIMBING...iii. HALAMAN PENGESAHAN...iv. HALAMAN PERSEMBAHAN... vi. KATA PENGANTAR... viii. DAFTAR ISI... x. DAFTAR TABEL...
HALAMAN PERSETUJUAN PEMBIMBING...iii HALAMAN PENGESAHAN...iv MOTTO... v HALAMAN PERSEMBAHAN... vi KATA PENGANTAR... viii DAFTAR ISI... x DAFTAR TABEL... xi DAFTAR GAMBAR... xii DAFTAR LAMPIRAN... xiv PERNYATAAN...
Lebih terperinciAnalisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia. Oleh : Pomi Kartin Yunus
Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia Oleh : Pomi Kartin Yunus 1306030040 Latar Belakang Industri manufaktur yang berkembang pesat
Lebih terperinciMODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI
MODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI Diajukan Kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
Lebih terperinciFORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA
FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA 1) Nurul Latifa Hadi 2) Artanti Indrasetianingsih 1) S1 Program Statistika, FMIPA, Universitas PGRI Adi Buana Surabaya 2)
Lebih terperinciBAB 2 LANDASAN TEORI
1 BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan metode ARIMA box jenkins untuk meramalkan kebutuhan bahan baku. 2.1. Peramalan Peramalan
Lebih terperinciEFEKTIVITAS METODE BOX-JENKINS DAN EXPONENTIAL SMOOTHING UNTUK MERAMALKAN RETRIBUSI PENGUJIAN KENDARAAN BERMOTOR DISHUB KLATEN
EFEKTIVITAS METODE BOX-JENKINS DAN EXPONENTIAL SMOOTHING UNTUK MERAMALKAN RETRIBUSI PENGUJIAN KENDARAAN BERMOTOR DISHUB KLATEN Puji Rahayu 1), Rohmah Nur Istiqomah 2), Eminugroho Ratna Sari 3) 1)2)3) Matematika
Lebih terperinciPERAMALAN JUMLAH PERMINTAAN DARAH UDD PMI KABUPATEN BANYUMAS DENGAN METODE PERAMALAN KOMBINASI
PERAMALAN JUMLAH PERMINTAAN DARAH UDD PMI KABUPATEN BANYUMAS DENGAN METODE PERAMALAN KOMBINASI SKRIPSI Diajukan untuk Memenuhi Sebagian dari Syarat Untuk Memperoleh Gelar Sarjana Pendidikan S-1 Program
Lebih terperinciPENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA
KEMENTERIAN PEKERJAAN UMUM BADAN PENELITIAN DAN PENGEMBANGAN PUSAT PENELITIAN DAN PENGEMBANGAN SUMBER DAYA AIR PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA PENDAHULUAN Prediksi data runtut waktu.
Lebih terperinciUniversitas Bina Nusantara. Program Studi Ganda Teknik Informatika-Statistika Skripsi Sarjana Program Ganda Semester Ganjil tahun 2006/2007
Universitas Bina Nusantara Program Studi Ganda Teknik Informatika-Statistika Skripsi Sarjana Program Ganda Semester Ganjil tahun 2006/2007 ANALISIS PERBANDINGAN PEMODELAN DATA DERET WAKTU TERBAIK ANTARA
Lebih terperinciPerkapalan Negeri Surabaya, Surabaya Program Studi Teknik Otomasi, Jurusan Teknik Kelistrikan Kapal, Politeknik Perkapalan Negeri
Perbandingan Metode Autoregressive Integrated Moving Average (ARIMA) dan Exponential Smoothing pada Peramalan Penjualan Klip (Studi Kasus PT. Indoprima Gemilang Engineering) Aditia Rizki Sudrajat 1, Renanda
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan digunakanan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalis kendala atau memaksimalkan pengembangan baik
Lebih terperinci4 BAB IV HASIL PEMBAHASAN DAN EVALUASI. lebih dikenal dengan metode Box-Jenkins adalah sebagai berikut :
4 BAB IV HASIL PEMBAHASAN DAN EVALUASI Pada bab ini, akan dilakukan analisis dan pembahasan terhadap data runtut waktu. Data yang digunakan dalam penelitian ini merupakan data sekunder, yaitu data harga
Lebih terperinciPENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI
TUGAS AKHIR - ST 1325 PENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI I G B ADI SUDIARSANA NRP 1303100058 Dosen Pembimbing Ir. Dwiatmono Agus Widodo,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1. Peramalan 2.1.1. Pengertian dan Kegunaan Peramalan Peramalan (forecasting) menurut Sofjan Assauri (1984) adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang
Lebih terperinciProgram Studi Matematika, Institut Teknologi Kalimantan, Balikpapan
J. Math. and Its Appl. E-ISSN: 2579-8936 P-ISSN: 1829-605X Vol. 14, No. 2, Desember 2017, 25-37 Perbandingan Metode ARIMA dan Double Exponential Smoothing pada Peramalan Harga Saham LQ45 Tiga Perusahaan
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Iklim Iklim ialah suatu keadaan rata-rata dari cuaca di suatu daerah dalam periode tertentu. Curah hujan ialah suatu jumlah hujan yang jatuh di suatu daerah pada kurun waktu
Lebih terperinciPERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)
PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) Oleh : Nofinda Lestari 1208 100 039 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciBAB I PENDAHULUAN. Peramalan merupakan suatu kegiatan memprediksi nilai dari suatu
BAB I PENDAHULUAN A. LATAR BELAKANG Peramalan merupakan suatu kegiatan memprediksi nilai dari suatu variabel berdasarkan nilai yang diketahui dari variabel tersebut pada masa lalu atau variabel yang berhubungan.
Lebih terperinciAnalisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan
SEMINAR PROPOSAL TUGAS AKHIR Analisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan OLEH: NAMA : MULAZIMATUS SYAFA AH NRP : 13.11.030.021 DOSEN PEmbimbing: Dr.
Lebih terperinciANGGA NUR ARDYANSAH NIM
Akurasi Metode Exponential Smoothing dan Metode Autoregressive Integrated Moving Average (ARIMA) untuk Meramalkan Lama Proses Pengerjaan Tugas Akhir Mahasiswa Pendidikan Matematika FKIP Universitas Jember
Lebih terperinciPREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)
PREDIKSI HARGA SAHAM PT. BRI, MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average) Greis S. Lilipaly ), Djoni Hatidja ), John S. Kekenusa ) ) Program Studi Matematika FMIPA UNSRAT Manado
Lebih terperinciDAFTAR ISI. HALAMAN JUDUL. i. LEMBAR PERSETUJUAN ii LEMBAR PENGESAHAN. iii LEMBAR PERNYATAAN.. iv
DAFTAR ISI HALAMAN JUDUL. i LEMBAR PERSETUJUAN ii LEMBAR PENGESAHAN. iii LEMBAR PERNYATAAN.. iv ABSTRAK. v ABSTRACT... vi KATA PENGANTAR... vii DAFTAR ISI.. ix DAFTAR TABEL. xii DAFTAR GAMBAR xiii DAFTAR
Lebih terperinciPERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)
PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR) SKRIPSI Oleh : PRISKA RIALITA HARDANI 24010211120020 DEPARTEMEN STATISTIKA FAKULTAS
Lebih terperinciVI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER
VI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER 6.1. Analisis Pola Data Penjualan Ayam Broiler Data penjualan ayam broiler adalah data bulanan yang diperoleh dari bulan Januari 2006
Lebih terperinciPERBANDINGAN MODEL PADA DATA DERET WAKTU PEMAKAIAN LISTRIK JANGKA PENDEK YANG MENGANDUNG POLA MUSIMAN GANDA ABSTRAK
PERBANDINGAN MODEL PADA DATA DERET WAKTU PEMAKAIAN LISTRIK JANGKA PENDEK YANG MENGANDUNG POLA MUSIMAN GANDA Gumgum Darmawan 1), Suhartono 2) 1) Staf Pengajar Jurusan Statistika FMIPA UNPAD 2) Staf Pengajar
Lebih terperinciIII. METODE PENELITIAN
15 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penelitian Perkembangan ekonomi dan bisnis dewasa ini semakin cepat dan pesat. Bisnis dan usaha yang semakin berkembang ini ditandai dengan semakin banyaknya
Lebih terperinciMODEL FUZZY RADIAL BASIS FUNCTION NEURAL NETWORK UNTUK PERAMALAN KEBUTUHAN LISTRIK DI PROVINSI DAERAH ISTIMEWA YOGYAKARTA
MODEL FUZZY RADIAL BASIS FUNCTION NEURAL NETWORK UNTUK PERAMALAN KEBUTUHAN LISTRIK DI PROVINSI DAERAH ISTIMEWA YOGYAKARTA TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciBAB I PENDAHULUAN. pada waktu yang akan datang berdasarkan data empiris. Data empiris(terhitung)
BAB I PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan proses perkiraan tentang sesuatu yang terjadi pada waktu yang akan datang berdasarkan data empiris. Data empiris(terhitung) merupakan data yang
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di Indonesia sejak tahun enam puluhan telah diterapkan Badan Meteorologi, Klimatologi, dan Geofisika di Jakarta menjadi suatu direktorat perhubungan udara. Direktorat
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Sedangkan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Mulai Studi Pendahuluan Studi Pustaka Identifikasi Masalah Perumusan Masalah Tujuan Pengumpulan Data 1. Profil Perusahaan PT. Mensa Binasukses cabang kota Padang 2. Data forecasting
Lebih terperinciModel Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan
METODE BOX JENKINS Model Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan utk semua tipe pola data. Dapat
Lebih terperinciPENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI)
PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) Liana Kusuma Ningrum dan Winita Sulandari, M.Si. Jurusan Matematika,
Lebih terperinciANGGA NUR ARDYANSAH NIM
Akurasi Metode Exponential Smoothing dan Metode Autoregressive Integrated Moving Average (ARIMA) untuk Meramalkan Lama Proses Pengerjaan Tugas Akhir Mahasiswa Pendidikan Matematika FKIP Universitas Jember
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola data yang sistematis (Makridakis, 1999). Peramalan menggunakan pendekatan
Lebih terperinciPENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus: KA Argo Muria)
PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus: KA Argo Muria) SKRIPSI Disusun oleh : TITIS NUR UTAMI 24010212140052 DEPARTEMEN
Lebih terperinciPENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT TELKOMSEL Divre 3 SURABAYA
SISTEM PENDUKUNG KEPUTUSAN PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT TELKOMSEL Divre 3 SURABAYA Alda Raharja - 5206 100 008! Wiwik Anggraeni, S.Si, M.Kom! Retno
Lebih terperinciPeramalan Penjualan Pipa di PT X
Elviani, et al. / Peramalan Penjualan Pipa di PT X / Jurnal Titra, Vol.. 2, No. 2, Juni 2014, pp. 55-60 Peramalan Penjualan Pipa di PT X Cicely Elviani 1, Siana Halim 1 Abstract: In this thesis we modeled
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Konsep Peramalan Peramalan ( forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien khususnya dalam bidang ekonomi. Dalam organisasi modern
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Pendahuluan Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan
Lebih terperinciPERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP
PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP SKRIPSI Disusun oleh : DITA RULIANA SARI NIM. 24010211140084 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Lebih terperinciPENGENDALIAN KUALITAS DENGAN MENGGUNAKAN DIAGRAM KONTROL EWMA RESIDUAL (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK)
PENGENDALIAN KUALITAS DENGAN MENGGUNAKAN DIAGRAM KONTROL EWMA RESIDUAL (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK) FITROH AMALIA (1306100073) Dosen Pembimbing: Drs. Haryono, MSIE PENGENDALIAN KUALITAS
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini, akan dilakukan analisis dan pembahasan terhadap data runtun waktu. Adapun data yang digunakan dalam penelitian ini merupakan data sekunder, yaitu data
Lebih terperinciII. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya
II. TINJAUAN PUSTAKA 2.1 Stasioner Analisis ARIMA Autoregressive Integrated Moving Average umumnya mengasumsikan bahwa proses umum dari time series adalah stasioner. Tujuan proses stasioner adalah rata-rata,
Lebih terperinciBAB 3 PERANCANGAN PROGRAM. 3.1 Alasan digunakan Metode Exponential Smoothing. Banyak metode peramalan yang dapat digunakan dalam memprediksi tingkat
BAB 3 PERANCANGAN PROGRAM 3.1 Alasan digunakan Metode Exponential Smoothing Banyak metode peramalan yang dapat digunakan dalam memprediksi tingkat penjualan untuk beberapa periode ke depan. Biasanya untuk
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama (assaury, 1991). Sedangkan ramalan adalah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Defenisi Peramalan Peramalan adalah suatu kegiatan dalam memperkirakan atau kegiatan yang meliputi pembuatan perencanaan di masa yang akan datang dengan menggunakan data masa lalu
Lebih terperinciPrediksi Harga Saham dengan ARIMA
Prediksi Harga Saham dengan ARIMA Peramalan harga saham merupakan sesuatu yang ditunggu-tunggu oleh para investor. Munculnya model prediksi yang baru yang bisa meramalkan harga saham secara tepat merupakan
Lebih terperinciANALISIS POLA HUBUNGAN PEMODELAN ARIMA CURAH HUJAN DENGAN CURAH HUJAN MAKSIMUM, LAMA WAKTU HUJAN, DAN CURAH HUJAN RATA-RATA
ANALISIS POLA HUBUNGAN PEMODELAN ARIMA CURAH HUJAN DENGAN CURAH HUJAN MAKSIMUM, LAMA WAKTU HUJAN, DAN CURAH HUJAN RATA-RATA FATHIN FAHIMAH 226133 DOSEN PEMBIMBING Prof. Ir. Gamantyo Hendrantoro, M.Eng.
Lebih terperinciOleh : Dwi Listya Nurina Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si
Oleh : Dwi Listya Nurina 1311105022 Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si Air Bersih BUMN Penyediaan air bersih untuk masyarakat mempunyai peranan yang sangat penting dalam meningkatkan kesehatan
Lebih terperinciTINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang
II.. TINJAUAN PUSTAKA Indeks Harga Konsumen (IHK Menurut Monga (977 indeks harga konsumen adalah ukuran statistika dari perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang didapatkan.
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan sering dipandang sebagai seni dan ilmu dalam memprediksikan kejadian yang mungkin dihadapi pada masa yang akan datang. Secara teoritis peramalan
Lebih terperinciContoh Analisis Deret Waktu: BJSales
Contoh Analisis Deret Waktu: BJSales Untuk contoh analisis deret waktu ini, kita menggunakan data BJsales. Data ini adalah data tahunan dan dapat dengan mengetikkan BJsales pada konsul R. 1 Plot Data Plot
Lebih terperinciPERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) MENGGUNAKAN ANALISIS FUNGSI TRANSFER MULTI INPUT DENGAN ARCH-GARCH
ii PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) MENGGUNAKAN ANALISIS FUNGSI TRANSFER MULTI INPUT DENGAN ARCH-GARCH Rhiofajar Agusta Yogabrata NIM: J2E 005 243 Skripsi Diajukan Sebagai Syarat Untuk
Lebih terperinciLULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI
LULIK PRESDITA W 1207 100 002 APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI 1 Pembimbing : Dra. Nuri Wahyuningsih, M.Kes BAB I PENDAHULUAN 2 LATAR BELAKANG 1. Stabilitas ekonomi dapat dilihat
Lebih terperinciPERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA
Jurnal UJMC, Volume 2, Nomor 1, Hal. 28-35 pissn : 2460-3333 eissn: 2579-907X PERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA Novita Eka Chandra 1 dan Sarinem 2 1 Universitas
Lebih terperinciPEMBANDINGAN METODE PENGHALUSAN EKSPONENSIAL GANDA DUA PARAMETER HOLT
PEMBANDINGAN METODE PENGHALUSAN EKSPONENSIAL GANDA DUA PARAMETER HOLT DAN METODE BOX-JENKINS PADA PERAMALAN DATA DERET WAKTU TREND (Studi Kasus Data Penumpang Bandara Juanda 2008-2016) (Skripsi) Oleh RASYD
Lebih terperinciVERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE
VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE (Studi Kasus : Kecepatan Rata-rata Angin di Badan Meteorologi Klimatologi dan Geofisika Stasiun Meteorologi Maritim Semarang) SKRIPSI
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit
BAB 2 LANDASAN TEORI 2.1 Pengertian Produksi Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit tanaman pada lahan yang telah disediakan, pemupukan dan perawatan sehingga
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Variabel ARIMA menggunakan variabel dependen harga saham LQ45 dan variabel independen harga saham LQ45 periode sebelumnya, sedangkan ARCH/GARCH menggunakan variabel dependen
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN. Tabel 5.1 Total Hasil Penjualan
BAB 5 HASIL DAN PEMBAHASAN 5. Penyajian Data Tabel 5. Total Hasil Penjualan Total Hasil Penjualan Bulan (dalam jutaan rupiah) Jan-04 59.2 Feb-04 49.2 Mar-04 57.7 Apr-04 53.2 May-04 56.3 Jun-04 60.2 Jul-04
Lebih terperinciLAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU. Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins
LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU Kelas A Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins No Nama Praktikan Nomor Mahasiswa Tanggal Pengumpulan 1 29 Desember 2010 Tanda Tangan Praktikan
Lebih terperinciPeramalan Kecepatan Angin Di Kota Pekanbaru Menggunakan Metode Box-Jenkins
Peramalan Kecepatan Angin Di Kota Pekanbaru Menggunakan Metode Box-Jenkins Ari Pani Desvina 1, Melina Anggriani 2,2 Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau Jl. HR.
Lebih terperinciMetode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api
Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api Efek Variasi Kalender dengan Pendekatan Regresi Time Series Nur Ajizah 1, Resa Septiani Pontoh 2, Toni Toharudin 3 Mahasiswa Program
Lebih terperinciAnalisis Deret Waktu
Analisis Deret Waktu Jenis Data Cross section Beberapa pengamatan diamati bersama-sama pada periode waktu tertentu Harga saham semua perusahaan yang tercatat di BEJ pada hari Rabu 27 Februari 2008 Time
Lebih terperinciIII. METODE PENELITIAN
38 III. METODE PENELITIAN A. Konsep Dasar dan Batasan Operasional Konsep dasar dan definisi opresional mencakup pengertian yang dipergunakan untuk mendapatkan dan menganalisis data sesuai dengan tujuan
Lebih terperinciPEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU SULAWESI TENGAH
JIMT Vol. 12 No. 2 Desember 2016 (Hal 149-159) ISSN : 2450 766X PEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU SULAWESI TENGAH 1 Y. Wigati, 2 Rais, 3 I.T.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Teknologi informasi telah berkembang dengan relatif pesat. Di era
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Teknologi informasi telah berkembang dengan relatif pesat. Di era informasi seperti sekarang ini kebutuhan akan informasi semakin meningkat, terutama dengan
Lebih terperinciPENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. APPLICATION OF ARIMA TO FORECASTING STOCK PRICE OF PT. TELOKM Tbk.
PENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. Djoni Hatidja ) ) Program Studi Matematika FMIPA Universitas Sam Ratulangi, Manado 955 email: dhatidja@yahoo.com ABSTRAK Penelitian ini
Lebih terperinci9.Peramalan (Forecasting) A. Teori Peramalan B. Metode Peramalan C. Pengukuran Keakuratan Hasil Peramalan Profil PT.
DAFTAR ISI HALAMAN JUDUL... ii HALAMAN PENGESAHAN... iii HALAMAN PERNYATAAN... iv HALAMAN PERSEMBAHAN... vi KATA PENGANTAR... vii DAFTAR ISI... x DAFTAR TABEL... xiii DAFTAR GAMBAR... xv DAFTAR LAMPIRAN...
Lebih terperinciDAFTAR ISI. Halaman Konsep Ketersediaan Air dan Model Prakiraan Kesesuaian Model ARIMA untuk Prakiraan Ketersediaan Air 10
DAFTAR ISI Halaman HALAMAN JUDUL HALAMAN PENGESAHAN HALAMAN PERNYATAAN PRAKATA DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN INTISARI ABSTRACT i ii iii iv vi ix xii xiv xv xvi BAB I. PENDAHULUAN
Lebih terperinciBAB II TINJAUAN PUSTAKA. penelitian ini, yaitu ln return, volatilitas, data runtun waktu, kestasioneran, uji
35 BAB II TINJAUAN PUSTAKA Pada Bab II akan dibahas konsep-konsep yang menjadi dasar dalam penelitian ini, yaitu ln return, volatilitas, data runtun waktu, kestasioneran, uji ACF, uji PACF, uji ARCH-LM,
Lebih terperinciBAB III METODE PENELITIAN. deskriptif adalah suatu kegiatan yang berkenaan dengan pernyataan terhadap
BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode penelitian yang digunakan pada penelitian ini adalah metode deskriptif dan metode komparatif. Menurut Sugiono (2013:89) bahwa penelitian deskriptif
Lebih terperinciBAB 2 TINJAUAN TEORITIS. yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan terjadi
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan
Lebih terperinciANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG
ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG SKRIPSI Disusun Oleh : NOVIA DIAN ARIYANI 24010211120016 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Lebih terperinciBAB 1 PENDAHULUAN 1.1 LATAR BELAKANG
BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan
Lebih terperinciData Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun Tahun Bulan Wisman
Lampiran 1. Data Tingkat Hunian Hotel di Propinsi DIY Tahun 1991-2003 48 49 Lampiran 1 Data Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun 1991-2003, Tahun Bulan Wisman 1991 1 27,00 1991 2 30,60
Lebih terperinciBAB III METODE PENELITIAN. merupakan suatu proses, mencari kebenaran dan menghasilkan kebenaran.
BAB III METODE PENELITIAN 3.1 Jenis / Pendekatan Penelitian Penelitian dan ilmu pengetahuan mempunyai kaitan yang erat keduanya merupakan suatu proses, mencari kebenaran dan menghasilkan kebenaran. Penelitian
Lebih terperinciPEMODELAN SARIMAX DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) V PURWOKERTO
PEMODELAN SARIMAX DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) V PURWOKERTO Skripsi Diajukan Untuk Memenuhi Sebagian Syarat Mencapai Gelar Sarjana Strata Satu (S-1) Oleh : ROSIANA NOVITA
Lebih terperinciAnalisis Peramalan Banyaknya Permintaan Darah di Surabaya Menggunakan Metode
Analisis Peramalan Banyaknya Permintaan Darah di Surabaya Menggunakan Metode ARIMA Box Jenkins Oleh : Winda Eka Febriana 1307 030 002 Pembimbing : Dra. Wiwiek Setya Winahju, MS Latar Belakang PMI Merupakan
Lebih terperinciBAB IV METODE PENELITIAN
BAB IV METODE PENELITIAN 4.1. Desain Penelitian Dari uraian latar belakang masalah, penelitian ini dikategorikan ke dalam penelitian kasus dan penelitian lapangan. Menurut Rianse dan Abdi dalam Surip (2012:33)
Lebih terperinciPerbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG
JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Print) A-34 Perbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG Mey Lista Tauryawati
Lebih terperinciPeramalan Jumlah Kunjungan Hemodialisis Dengan Metode Exponential Smoothing dan Arima
Peramalan Jumlah Kunjungan Hemodialisis Dengan Metode Exponential Smoothing dan Arima Karol Octrisdey, Windhu Purnomo dan Hari Basuki Notobroto Departemen Biostatistika dan Kependudukan FKM UNAIR Fakultas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 DATA MINING Data Mining adalah analisis otomatis dari data yang berjumlah banyak atau kompleks dengan tujuan untuk menemukan pola atau kecenderungan yang penting yang biasanya
Lebih terperinci1. I Wayan Sumarjaya, S.Si, M.Stats. 2. I Gusti Ayu Made Srinadi, S.Si, M.Si. ABSTRAK
Judul : Peramalan Curah Hujan Menggunakan Metode Analisis Spektral Nama : Ni Putu Mirah Sri Wahyuni NIM : 1208405018 Pembimbing : 1. I Wayan Sumarjaya, S.Si, M.Stats. 2. I Gusti Ayu Made Srinadi, S.Si,
Lebih terperinciPeramalan Gabungan Rantai Markov dan Model Deret Waktu Pada Kasus Peramalan Kurs Nilai Mata Uang
[Type Artikel here] ini telah dipresentasikan dalam Innovative and Creative Information Technology Conference (ICITech) dengan tema E-Transaction and Power Play yang diselenggarakan oleh Program Studi
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika dan Statistika Skripsi Sarjana Program Ganda Semester Ganjil tahun 2006/2007
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika dan Statistika Skripsi Sarjana Program Ganda Semester Ganjil tahun 2006/2007 ANALISIS PERAMALAN TINGKAT PENJUALAN MOTOR MENGGUNAKAN METODE SARIMA BERDASARKAN
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Sebuah fakta bahwa waktu adalah uang dalam aktivitas penjualan. Pengambilan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sebuah fakta bahwa waktu adalah uang dalam aktivitas penjualan. Pengambilan keputusan merupakan hal yang penting untuk kesuksesan penjualan. Dalam hal ini seseorang
Lebih terperinciPemodelan ARIMA Non- Musim Musi am
Pemodelan ARIMA Non- Musimam ARIMA ARIMA(Auto Regresif Integrated Moving Average) merupakan suatu metode analisis runtun waktu(time series) ARIMA(p,d,q) Dengan AR : p =orde dari proses autoreggresif I
Lebih terperinciANALISIS INTERVENSI FUNGSI STEP
ANALISIS INTERVENSI FUNGSI STEP (Studi Kasus Pada Jumlah Pengiriman Benda Pos Ke Semarang Pada Tahun 2006 2011) SKRIPSI Diajukan Sebagai Syarat untuk Memperoleh Gelar Sarjana Sains Pada Jurusan Statistika
Lebih terperinciBab IV. Pembahasan dan Hasil Penelitian
Bab IV Pembahasan dan Hasil Penelitian IV.1 Statistika Deskriptif Pada bab ini akan dibahas mengenai statistik deskriptif dari variabel yang digunakan yaitu IHSG di BEI selama periode 1 April 2011 sampai
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini, dibahas mengenai model Vector Error Correction (VEC),
BAB III PEMBAHASAN Pada bab ini, dibahas mengenai model Vector Error Correction (VEC), prosedur pembentukan model Vector Error Correction (VEC), dan aplikasi model Vector Error Correction (VEC) pada penutupan
Lebih terperinciSeasonal ARIMA adalah model ARIMA yang mengandung faktor musiman.
Definisi Seasonal ARIMA adalah model ARIMA yang mengandung faktor musiman. Musiman berarti kecenderungan mengulangi pola tingkah gerak dalam periode musim, biasanya satu tahun untuk data bulanan. Karena
Lebih terperinciMODEL EXPONENTIAL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (EGARCH) DAN PENERAPANNYA PADA DATA INDEKS HARGA SAHAM
MODEL EXPONENTIAL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (EGARCH) DAN PENERAPANNYA PADA DATA INDEKS HARGA SAHAM (Studi Kasus pada Saham PT. ANTAM (Persero) Tbk) SKRIPSI Diajukan Kepada
Lebih terperinciPERBANDINGAN METODE PEMULUSAN (SMOOTHING) EKSPONENSIAL GANDA DUA PARAMETER DARI HOLT DAN METODE BOX-JENKINS
PERBANDINGAN METODE PEMULUSAN (SMOOTHING) EKSPONENSIAL GANDA DUA PARAMETER DARI HOLT DAN METODE BOX-JENKINS DALAM MERAMALKAN HASIL PRODUKSI KERNEL KELAPA SAWIT PT. EKA DURA INDONESIA SKRIPSI EKA ARYANI
Lebih terperinci