DAFTAR ISI HALAMAN JUDUL HALAMAN PENGESAHAN HALAMAN PERNYATAAN NASKAH SOAL TUGAS AKHIR HALAMAN PERSEMBAHAN INTISARI KATA PENGANTAR UCAPAN TERIMA KASIH

Ukuran: px
Mulai penontonan dengan halaman:

Download "DAFTAR ISI HALAMAN JUDUL HALAMAN PENGESAHAN HALAMAN PERNYATAAN NASKAH SOAL TUGAS AKHIR HALAMAN PERSEMBAHAN INTISARI KATA PENGANTAR UCAPAN TERIMA KASIH"

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. 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 terperinci

BAB 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. 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 terperinci

METODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015

METODE 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 terperinci

HALAMAN PERSETUJUAN PEMBIMBING...iii. HALAMAN PENGESAHAN...iv. HALAMAN PERSEMBAHAN... vi. KATA PENGANTAR... viii. DAFTAR ISI... x. DAFTAR TABEL...

HALAMAN 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 terperinci

Analisis 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 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 terperinci

MODEL 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 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA

FORECASTING 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

EFEKTIVITAS 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 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 terperinci

PERAMALAN JUMLAH PERMINTAAN DARAH UDD PMI KABUPATEN BANYUMAS DENGAN METODE PERAMALAN KOMBINASI

PERAMALAN 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 terperinci

PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA

PENDUGAAN 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 terperinci

Universitas 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 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 terperinci

Perkapalan Negeri Surabaya, Surabaya Program Studi Teknik Otomasi, Jurusan Teknik Kelistrikan Kapal, Politeknik Perkapalan Negeri

Perkapalan 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

4 BAB IV HASIL PEMBAHASAN DAN EVALUASI. lebih dikenal dengan metode Box-Jenkins adalah sebagai berikut :

4 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 terperinci

PENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI

PENGARUH 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 terperinci

BAB II LANDASAN TEORI

BAB 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 terperinci

BAB 2 TINJAUAN TEORITIS

BAB 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 terperinci

Program Studi Matematika, Institut Teknologi Kalimantan, Balikpapan

Program 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)

PERAMALAN 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 terperinci

BAB I PENDAHULUAN. Peramalan merupakan suatu kegiatan memprediksi nilai dari suatu

BAB 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 terperinci

Analisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan

Analisys 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 terperinci

ANGGA NUR ARDYANSAH NIM

ANGGA 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 terperinci

PREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)

PREDIKSI 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 terperinci

DAFTAR 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 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 terperinci

PERAMALAN 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) 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 terperinci

VI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER

VI 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 terperinci

PERBANDINGAN 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 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 terperinci

III. METODE PENELITIAN

III. 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 terperinci

MODEL 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 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 terperinci

BAB I PENDAHULUAN. pada waktu yang akan datang berdasarkan data empiris. Data empiris(terhitung)

BAB 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB III METODOLOGI PENELITIAN

BAB 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 terperinci

Model Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan

Model 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 terperinci

PENERAPAN 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) 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 terperinci

ANGGA NUR ARDYANSAH NIM

ANGGA 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

PENGGUNAAN 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) 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 terperinci

PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT TELKOMSEL Divre 3 SURABAYA

PENERAPAN 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 terperinci

Peramalan Penjualan Pipa di PT X

Peramalan 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 terperinci

BAB II LANDASAN TEORI

BAB 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara

BAB 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 terperinci

PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP

PERAMALAN 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 terperinci

PENGENDALIAN 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) 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 terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA

BAB 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 terperinci

II. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya

II. 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 terperinci

BAB 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 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Prediksi Harga Saham dengan ARIMA

Prediksi 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 terperinci

ANALISIS 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 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 terperinci

Oleh : Dwi Listya Nurina Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si

Oleh : 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 terperinci

TINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang

TINJAUAN 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Contoh Analisis Deret Waktu: BJSales

Contoh 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 terperinci

PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) MENGGUNAKAN ANALISIS FUNGSI TRANSFER MULTI INPUT DENGAN ARCH-GARCH

PERAMALAN 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 terperinci

LULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI

LULIK 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 terperinci

PERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA

PERAMALAN 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 terperinci

PEMBANDINGAN METODE PENGHALUSAN EKSPONENSIAL GANDA DUA PARAMETER HOLT

PEMBANDINGAN 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 terperinci

VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE

VERIFIKASI 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 terperinci

BAB 2 LANDASAN TEORI. Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit

BAB 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 terperinci

BAB III METODE PENELITIAN

BAB 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 terperinci

BAB 5 HASIL DAN PEMBAHASAN. Tabel 5.1 Total Hasil Penjualan

BAB 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 terperinci

LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU. Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins

LAPORAN 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 terperinci

Peramalan Kecepatan Angin Di Kota Pekanbaru Menggunakan Metode Box-Jenkins

Peramalan 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 terperinci

Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api

Metode 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 terperinci

Analisis Deret Waktu

Analisis 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 terperinci

III. METODE PENELITIAN

III. 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 terperinci

PEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU SULAWESI TENGAH

PEMODELAN 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 terperinci

BAB 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 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 terperinci

PENERAPAN 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. 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 terperinci

9.Peramalan (Forecasting) A. Teori Peramalan B. Metode Peramalan C. Pengukuran Keakuratan Hasil Peramalan Profil PT.

9.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 terperinci

DAFTAR ISI. Halaman Konsep Ketersediaan Air dan Model Prakiraan Kesesuaian Model ARIMA untuk Prakiraan Ketersediaan Air 10

DAFTAR 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 terperinci

BAB II TINJAUAN PUSTAKA. penelitian ini, yaitu ln return, volatilitas, data runtun waktu, kestasioneran, uji

BAB 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 terperinci

BAB III METODE PENELITIAN. deskriptif adalah suatu kegiatan yang berkenaan dengan pernyataan terhadap

BAB 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 terperinci

BAB 2 TINJAUAN TEORITIS. yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan terjadi

BAB 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 terperinci

ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG

ANALISIS 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 terperinci

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG

BAB 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 terperinci

Data Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun Tahun Bulan Wisman

Data 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 terperinci

BAB III METODE PENELITIAN. merupakan suatu proses, mencari kebenaran dan menghasilkan kebenaran.

BAB 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 terperinci

PEMODELAN 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 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 terperinci

Analisis Peramalan Banyaknya Permintaan Darah di Surabaya Menggunakan Metode

Analisis 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 terperinci

BAB IV METODE PENELITIAN

BAB 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 terperinci

Perbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG

Perbandingan 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 terperinci

Peramalan Jumlah Kunjungan Hemodialisis Dengan Metode Exponential Smoothing dan Arima

Peramalan 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 terperinci

BAB II LANDASAN TEORI

BAB 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 terperinci

1. I Wayan Sumarjaya, S.Si, M.Stats. 2. I Gusti Ayu Made Srinadi, S.Si, M.Si. ABSTRAK

1. 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 terperinci

Peramalan Gabungan Rantai Markov dan Model Deret Waktu Pada Kasus Peramalan Kurs Nilai Mata Uang

Peramalan 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 terperinci

UNIVERSITAS 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 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 terperinci

BAB 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 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 terperinci

Pemodelan ARIMA Non- Musim Musi am

Pemodelan 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 terperinci

ANALISIS INTERVENSI FUNGSI STEP

ANALISIS 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 terperinci

Bab IV. Pembahasan dan Hasil Penelitian

Bab 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 terperinci

BAB 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), 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 terperinci

Seasonal ARIMA adalah model ARIMA yang mengandung faktor musiman.

Seasonal 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 terperinci

MODEL 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 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 terperinci

PERBANDINGAN 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 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