PERAMALAN INDEKS HARGA SAHAM MENGGUNAKAN METODE INTERVENSI. Oleh: IRLIZANTY YULYANTIKA RAHADI
|
|
- Ade Tanudjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PERAMALAN INDEKS HARGA SAHAM MENGGUNAKAN METODE INTERVENSI Oleh: IRLIZANTY YULYANTIKA RAHADI 6 4 Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes Abstrak Indeks harga saham merupakan suatu indikator yang menunjukkan pergerakan harga saham. Setiap hari indeks harga saham mengalami fluktuasi secara tidak pasti. Seperti halnya indeks-indeks yang lain, fluktuasi indeks harga saham PT. Timah Tbk (TINS) banyak dipengaruhi faktor eksternal diantaranya adalah krisis global pada minggu pertama Agustus. Kejadian eksternal tersebut menyebabkan terjadinya lonjakan penurunan yang sangat. Model yang sesuai untuk Indeks Harga Saham TINS tersebut adalah model intervensi. Hasil analisis menunjukkan bahwa Indeks Harga Saham TINS memiliki model terbaik ARIMA ([,],,) dengan orde b=, s= dan r=. Model tersebut menjelaskan bahwa dengan adanya krisis global memberikan efek terhadap indeks harga saham TINS dimana hasil ramalan semakin lama semakin meningkat. Kata Kunci : indeks harga saham, time series, intervensi. PENDAHULUAN Saham merupakan instrumen pasar keuangan yang paling popular. Menerbitkan saham merupakan salah satu pilihan perusahaan ketika memutuskan untuk pendanaan perusahaan. Di sisi lain, saham merupakan instrumen investasi yang banyak dipilih para investor karena saham mampu memberikan keuntungan yang menarik. Dengan adanya indeks, kita dapat mengetahui trend pergerakan harga saham saat ini apakah sedang naik, stabil atau turun. Pergerakan indeks menjadi indikator penting bagi para investor untuk menentukan apakah mereka akan menjual, menahan atau membeli suatu atau beberapa saham [3]. Forecasting (peramalan) merupakan suatu kegiatan untuk memperkenalkan apa yang akan terjadi pada masa mendatang berdasarkan situasi dan kondisi yang terjadi sekarang dan masa lalu. Perspektif pada peramalan sama beragamnya dengan pandangan setiap kelompok metode ilmiah yang dianut oleh pengambil keputusan []. Pada tugas akhir Dewi Sulistyawati, 4 mendapatkan suatu rumusan pemodelan dan meramalkan indeks harga saham PT HM Sampoerna Tbk menggunakan fungsi transfer dan GARCH [6]. Tugas akhir Indra Wati, memodelkan indeks harga saham harian bank X dengan analisis regresi logistik [7]. Dan tugas akhir Alfi Akmalia-Statistik 9 menganaliasis model dan ramalan kebutuhan bahan baku kertas roll CD surat kabar Jawa Pos di PT. Temprina Media Grafika Dengan Metode []. Dalam usulan Tugas akhir ini menggunakan indeks harga saham dengan variabel yang digunakan adalah weekly close price. close price sangat penting bagi para investor, karena dapat dijadikan acuan dalam menentukan trend pasar periode berikutnya. Metode yang digunakan adalah dengan menggunakan analisis intervensi, karena pada terjadi krisis global dan menyebabkan pola indeks harga saham berubah yaitu mengalami lonjakan. Adapun tujuan dari penulisan Tugas Akhir ini adalah:. Mengetahui karakteristik data indeks harga saham dari Januari 7 sampai April.. Mengetahui model indeks harga saham akibat intervensi dalam hal ini yang dianggap berpengaruh adalah krisis global. 3. Meramalkan indeks harga saham periode berikutnya. Manfaat dari penulisan Tugas Akhir ini adalah :. Mengetahui aplikasi pemodelan pada data time series dengan adanya suatu pengaruh kejadian luar (external event) dan mampu menerapkannya ke dalam sebuah kasus dalam hal ini indeks harga saham.. Memberikan informasi bagi pihak-pihak terkait dalam rangka mengambil kebijakan-kebijakan mengenai indeks harga saham untuk langkah selanjutnya.. METODE INTERVENSI Bentuk umum dari model intervensi multi input adalah []: Y t = ω s(b)b b δ r (B) I t + N t (.) Dengan
2 b : jumlah periode sebelum deret input (I t ) mulai mempengaruhi deret output (Y t ) atau sama dengan lag dimana ditemukan spike pertama atau nilai residual yang keluar dari ±3σ dalam sample cross corelation (SCC) ω B : menyatakan besarnya kenaikan level (mean), dimana s menunjukkan jumlah dari nilai-nilai (I t ) yang mempengaruhi besarnya nilai (Y t ). Secara praktis dapat ditunjukkan bahwa spike pertama dalam SCC akan diikuti oleh sebuah pola clear dyingdown (turun kemudian menghilang yang mungkin berbentuk eksponensial) atau sinusoidal. Besarnya s adalah sama dengan kumpulan jumlah lag yang terletak diantara spike pertama dan awal terjadinya pola clear dying-down. ω s B = ω ω B ω s B s δ r B : menyatakan bentuk (decay atau delay) dari proses sebagai respon masing-masing akibat adanya pengaruh intervensi. r menunjukkan jumlah dari nilai-nilai masa lalu yang berhubungan dengan (Y t ). Secara praktis untuk menentukan besarnya r adalah menguji SCC menurun setelah lags (b + s). Secara khusus jika SCC (selisih antara residual dengan batas ±3σ) semakin mengecil dan pola berbentuk eksponensial, maka r =, jika SCC (selisih antara residual dengan batas ±3σ) semakin mengecil berbentuk gelombang sinus maka gunakan r =. δ r B = δ B δ r B r Secara umum ada dua jenis variabel intervensi, yaitu Fungsi Step dan Pulse. Kejadian intervensi yang terjadi sejak waktu T dan seterusnya dalam waktu yang panjang disebut fungsi step. Secara matematis, bentuk intervensi fungsi step ini dinotasikan sebagai berikut: I t = S t = t < T (.) t T Sedangkan pada fungsi pulse, kejadian intervensi terjadi hanya pada waktu T saja dan tidak berlanjut pada waktu selanjutnya. Secara matematis, bentuk intervensi fungsi pulse ini dinotasikan sebagai berikut: I t = P t = t T (.3) t = T Dalam mengidentifikasi orde pada model intervensi (b, r, dan s), dapat dilakukan dengan melihat plot residual. Residual diperoleh dari selisih antara data hasil pengamatan dengan nilai peramalan menggunakan noise model. Misalkan residual dinotasikan sebagai Y t, maka: Y t = Y t N t = f(i t ) Nilai b ditentukan dengan melihat kapan efek intervensi mulai terjadi, nilai s menunjukkan kapan gerak bobot respon mulai mengalami penurunan, dan r menunjukkan pola dari residual. 3. METODE PENELITIAN Urutan langkah langkah dalam menganalisis data adalah sebagai berikut : a. Analisis deskriptif Indeks Harga Saham TINS b. Memplot dan membagi data sebelum dan setelah c. Menstasionerkan data baik dalam mean maupun varians kemudian membuat plot ACF dan PACF d. Menentukan model pre- dari plot ACF dan PACF e. Melakukan pengujian parameter model dan pemeriksaan diagnostik pada residual f. Membuat plot antara waktu dengan residual untuk menentukan orde intervensi (b,s,r) g. Melakukan pengujian parameter model dan pemeriksaan diagnostik pada residual pada model intervensi h. Pemodelan sebelum dan setelah intervensi i. Peramalan Indeks Harga Saham periode berikutnya 4. HASIL PENELITIAN A. Analisis Deskriptif Hasil analisis deskriptif indeks harga saham TINS pada Januari 7 sampai April disajikan pada Tabel Tabel Analisis Deskriptif Indeks Harga Saham TINS Varia Ratarata man mum mum Keraga Mini Maksi n bel Pre Inter 9,4 34,4 97 Tabel menunjukkan bahwa data pengamatan sebanyak 7 minggu dimana rata-rata indeks harga saham TINS pada saat sebelum terjadi krisis global ditutup dengan poin sebesar, dengan harga penutupan terendah dan harga penutupan tertinggi 379. Data indeks harga saham TINS pada saat sebelum terjadinya krisis global memiliki varians yang besar yaitu sebesar 996. Pada saat terjadi krisis global, rata-rata indeks harga saham TINS ditutup dengan poin sebesar,4. Penutupan terendah dicapai dengan poin sebesar seiring dengan kondisi buruk yang terjadi di bursa saham. Close Price tertinggi dicapai dengan poin sebesar 97. Data indeks harga saham TINS pada saat dan setelah terjadinya krisis global memiliki varians yang lebih kecil dari sebelum terjadi krisis global yaitu sebesar 34,4. B. Pemodelan Indeks Harga Saham TINS Pada Gambar terdapat garis vertikal yang menunjukkan titik observasi ke-4 atau sebelum terjadinya krisis global. Plot menunjukkan penurunan indeks harga saham TINS yang sangat mencolok yaitu pada saat terjadi krisis global. Hal ini menunjukkan kejadian eksternal, yaitu krisis global
3 Box-Cox Autocorrelation StDev Box-Cox pre intervensi Data StDev memberikan dampak terhadap data indeks harga saham TINS. 4 3 Time Series Plot of Data 4 Gambar 4 Plot Time Series Transformasi Z t pre- Box-Cox Plot of Box-Cox Lower CL Upper CL, Lambda (using 9,% confidence) Estimate,, Lower CL, Upper CL,7 Rounded Value,, 7, Gambar Plot Time Series Indeks Harga Saham TINS Plot time series pre-intervensi pada Gambar. Pada bagian ini dilakukan pemeriksan data untuk memeriksa kestasioneran serta identifikasi model Time Series Plot of pre intervensi Gambar Plot Time Series sebelum terjadi Kestasioneran dalam varians dapat diketahui dari hasil estimasi λ pada transformasi Box-Cox, sedangkan kestasioneran dalam mean dapat dilihat dari plot time series dan plot ACF. Estimasi dapat dilihat pada Gambar 3. Box-Cox Plot of pre intervensi , -, -,, Lambda Gambar Plot Box-Cox Transformasi Z t Pada Gambar 4 data Indeks Harga Saham TINS pre- tidak stasioner dalam mean, maka dilakukan pembedaan orde ke- pada data Transformasi Z t pre-. Dari plot Box-Cox pada Gambar terlihat bahwa data Indeks Harga Saham TINS pre- sudah stasioner dalam varian karena diperoleh λ=. Langkah selanjutnya adalah membuat time series plot dan ACF plot dari data pre-intervensi untuk mengetahui kestasioneran data dalam mean. Setelah pembedaan orde ke- diperoleh plot time series dan ACF dalam Gambar 6 dan Gambar ,, Time Series Plot of Box-Cox Limit Lower CL Upper CL Lambda (using 9,% confidence) Estimate,4 Lower CL,3 Upper CL,74 Rounded Value, Gambar 6 Plot Time Series Transformasi pre Lambda 3 Gambar 3 Plot Box-Cox Pre- Setelah dilakukan transformasi Z t diperoleh plot time series dan plot Box-Cox seperti dalam Gambar 4 dan Gambar 4 Limit,,,6,4,, -, -,4 -,6 -, -, Autocorrelation Function for Box-Cox (with % significance limits for the autocorrelations) Time Series Plot of Box-Cox Lag Gambar 7 Plot ACF Transformasi pre- Plot time series pada Gambar 6 menunjukkan series tidak berada pada garis lurus atau polanya tidak berada pada rata-rata yang konstan dan pola cenderung trend. Kestasioneran dalam mean juga diperkuat dengan adanya plot ACF yang menunjukkan lag bergerak secara lambat untuk mendekati nol (dies down very slowly)
4 Partial Autocorrelation Autocorrelation Diff Ketidakstasioneran terhadap mean dapat diatasi dengan menggunakan differencing. Hasil plot time series dari data yang telah didifferencing dapat dilihat pada Gambar Time Series Plot of Diff Gambar Plot Time Series Differencing pre- Gambar menunjukkan plot yang telah dilakukan differencing satu telah berada pada ratarata yang konstan dan dapat dikatakan bahwa data indeks harga saham TINS sudah stasioner dalam mean. Langkah selanjutnya adalah menentukan model awal dengan menggunakan plot ACF dan PACF yang disajikan pada Gambar 9 dan.,,,6,4,, -, -,4 -,6 -, -, Autocorrelation Function for Diff (with % significance limits for the autocorrelations) 3 4 Lag Gambar 9 Plot ACF Differencing pre-,,,6,4,, -, -,4 -,6 -, -, Partial Autocorrelation Function for Diff (with % significance limits for the partial autocorrelations) 3 Gambar Plot PACF Differencing Pre- Pada Gambar 9 pola dari ACF adalah cuts off setelah lag ke- dan pada Gambar pola dari PACF adalah cuts off setelah lag ke- dan lag ke-, maka dapat diduga bahwa model sementara untuk Indeks Harga Saham TINS pre- adalah ARIMA ([,],,[]) dengan dan tanpa konstanta. Selanjutnya dilakukan estimasi parameter model ARIMA ([,],,[]) dengan konstanta untuk mengetahui dugaan tersebut benar atau salah dapat dilihat pada Tabel 4 Lag Tabel Estimasi Parameter Model pre- ARIMA ([,],,[]) dengan konstanta Para Standard t P- Estimasi meter Error hitung value μ φ φ θ Pengujian signifikansi parameter dari model tersebut dengan menggunakan statistik uji t-student dengan α = %. Uji Signifikansi Parameter μ H : μ = (parameter tidak signifikan) H : μ (parameter signifikan) Karena P value =.4 <. maka H ditolak artinya parameter μ signifikan. Uji Signifikansi Parameter φ H : φ = (parameter tidak signifikan) H : φ (parameter signifikan) t itung = φ sd φ = =.4 t tabel = tα,n p q = t., =,996 Karena t itung > t tabel atau P value =.444 <. maka H ditolak artinya parameter φ signifikan. Uji Signifikansi Parameter φ H : φ = (parameter tidak signifikan) H : φ (parameter signifikan) t itung = φ sd φ = =. t tabel = tα,n p q = t., =,996 Karena t itung > t tabel atau P value =.3 <. maka H ditolak artinya parameter φ signifikan. Uji Signifikansi Parameter θ H : θ = (parameter tidak signifikan) H : θ (parameter signifikan) t itung = θ sd θ = =.77 t tabel = tα,n p q = t., =,996 Karena t itung < t tabel atau P value =.444 >. maka H diterima artinya parameter θ tidak signifikan. Berdasarkan hasil uji signifikasi paramater μ, φ, φ dan θ dapat disimpulkan bahwa pada model
5 Percent ARIMA ([,],,[]) dengan konstanta parameternya ada yang tidak signifikan. Ada dua asumsi yang harus dipenuhi dalam menentukan model yang sesuai, yaitu residual bersifat white noise dan berdistribusi normal. Pengujian asumsi residual white noise dapat dilakukan dengan menggunakan uji Ljung-Box dengan α = % sebagai berikut: H o ρ = ρ = = ρ K = H minimal ada satu ρ j, dimana j =,, K Statistik uji Ljung-Box: Q = n n + K k= Untuk K = 6 maka: Q = ρ k, n > k n k 6 k= ρ k, n > k 3 k = 7(,3 3 +, 3 +, , (,6) 3 + (,) 3 6 ) =,74 χ α,k p q = χ.,3 = 7,473 Dengan cara yang sama seperti perhitungan Q di atas maka untuk K =,, dan 4 hasil Q yang diperoleh dapat dilihat pada Tabel 3. Karena Q < χ.,3 atau P value >. maka H diterima artinya residual white noise. Tabel 3 Uji Asumsi Residual White noise model ARIMA ([,],,[]) dengan konstanta Lag (K) Q χ α,k p q P-value , , , , Hasil uji white noise yang disajikan dalam Tabel 3 dengan menggunakan taraf signifikansi atau α sebesar % dapat diketahui bahwa seluruh lag signifikan, sehingga residual dari model ARIMA ([,],,[]) sudah memenuhi asumsi white noise. Sedangkan pengujian asumsi distribusi normal dapat dilakukan dengan menggunakan uji Kolmogorov-Smirnov pada Gambar dengan α = %. Pengujian ini dapat dilakukan melalui hipotesis sebagai berikut: H : F x = F x (Residual berdistribusi normal) H : F x F x (Residual tidak berdistribusi normal) Statistik uji: D = sup x S x F x =,67 D α,n = D,,3 =,339 Karena D < D,,3 atau P value =. >. maka H diterima artinya residual model berdistribusi normal. 99, , - Probability Plot of ARIMA ([,],,[])dgc Normal - ARIMA ([,],,[])dgc Mean -,3 StDev,64 N KS,7 Gambar Plot Kenormalan Residual pre- ARIMA ([,],,[]) dengan konstanta Dari hasil pengujian parameter tidak signifikan, residual white noise dan berdistribusi normal dapat disimpulkan bahwa model ARIMA ([,],,[]) dengan konstanta tidak sesuai untuk model data Indeks Harga Saham TINS pre-. Selanjutnya dilakukan estimasi parameter model ARIMA ([,],,[]) tanpa konstanta untuk mengetahui dugaan tersebut benar atau salah dapat dilihat pada Tabel 4 Tabel 4 Estimasi Parameter Model pre- ARIMA ([,],,[]) tanpa konstanta Para Standard t P- Estimasi meter Error hitung value φ φ θ Pengujian signifikansi parameter dari model tersebut dengan menggunakan statistik uji t-student dengan α = %. Uji Signifikansi Parameter φ H : φ = (parameter tidak signifikan) H : φ (parameter signifikan) t itung = φ sd φ =.63.7 = 3.6 t tabel = tα,n p q = t., =,996 Karena t itung > t tabel atau P value =. <. maka H ditolak artinya parameter φ signifikan. Uji Signifikansi Parameter φ H : φ = (parameter tidak signifikan) H : φ (parameter signifikan) P-Value >,
6 Percent t itung = φ sd φ =..4 =.4 t tabel = tα,n p q = t., =,996 Karena t itung > t tabel atau P value =.44 <. maka H ditolak artinya parameter φ signifikan. Uji Signifikansi Parameter θ H : θ = (parameter tidak signifikan) H : θ (parameter signifikan) t itung = θ sd θ = =.6 t tabel = tα,n p q = t., =,996 Karena t itung < t tabel atau P value =.67 >. maka H diterima artinya parameter θ tidak signifikan. Berdasarkan hasil uji signifikasi paramater φ, φ dan θ dapat disimpulkan bahwa pada model ARIMA ([,],,[]) tanpa konstanta parameternya ada yang tidak signifikan. Ada dua asumsi yang harus dipenuhi dalam menentukan model yang sesuai, yaitu residual bersifat white noise dan berdistribusi normal. Pengujian asumsi residual white noise dapat dilakukan dengan menggunakan uji Ljung-Box dengan α = % sebagai berikut: H o ρ = ρ = = ρ K = H minimal ada satu ρ j, dimana j =,, K Statistik uji Ljung-Box: Q = n n + K k= Untuk K = 6 maka: Q = ρ k, n > k n k 6 k= ρ k, n > k 3 k = 7(,64 3 +,9 3 +, , (,9) 3 + (,9) 3 6 ) = 4,93 χ α,k p q = χ.,3 = 7,473 Dengan cara yang sama seperti perhitungan Q di atas maka untuk K =,, dan 4 hasil Q yang diperoleh dapat dilihat pada Tabel. Karena Q < atau P value >. maka H diterima χ.,4 artinya residual white noise. Tabel Uji Asumsi Residual White noise model ARIMA ([,],,[]) tanpa konstanta Lag (K) Q χ α,k p q P-value , , , , Hasil uji white noise yang disajikan dalam tabel dengan menggunakan taraf signifikansi atau α sebesar % dapat diketahui bahwa seluruh lag signifikan, sehingga residual dari model ARIMA ([,],,[]) sudah memenuhi asumsi white noise, yang dapat diartikan tidak ada korelasi antar residual. Sedangkan pengujian asumsi distribusi normal dapat dilakukan dengan menggunakan uji Kolmogorov-Smirnov pada Gambar dengan α = %. Pengujian ini dapat dilakukan melalui hipotesis sebagai berikut: H : F x = F x (Residual berdistribusi normal) H : F x F x (Residual tidak berdistribusi normal) Statistik uji: D = sup x S x F x =,736 D α,n = D,,3 =,339 Karena D < D.,3 atau P value =. >. maka H diterima artinya residual model berdistribusi normal. 99, , - Probability Plot of ARIMA ([,],,[])tnpc Normal - ARIMA ([,],,[])tnpc Mean,34 StDev,94 N KS, Gambar Plot Kenormalan Residual pre- ARIMA ([,],,[]) tanpa konstanta Dari hasil pengujian parameter tidak signifikan, residual white noise dan berdistribusi normal dapat disimpulkan bahwa model ARIMA ([,],,[]) tanpa konstanta tidak sesuai untuk model data Indeks Harga Saham TINS pre-. Berdasarkan Gambar 9 dan Gambar Indeks Harga Saham TINS pre- memungkinkan terdapat lebih dari satu model ARIMA, sehingga langkah selanjutnya yaitu overfitting. Untuk memilih model yang terbaik dari hasil overfitting dilakukan dengan memilih parameter yang signifikan, residual memenuhi asumsi white noise, dan residual berdistribusi normal yang dapat dilihat pada Tabel 6. P-Value >, 6
7 Mean of Residual Data φ B φ B B W t = a t + C a t + C W t = φ B φ B B W t =. + W t.966w t +.966W t 3.374W t +.374W t + a t Setelah model ARIMA untuk pre intervensi diperoleh, maka langkah selanjutnya adalah menentukan model intervensi pada indeks harga saham TINS. Sebelum dilakukan pemodelan, terlebih dahulu menentukan orde (b,s,r) dari bar chart residual model pre intervensi. 3 7 Time Series Plot of Data asli; Forecast Variable Data asli Forecast Gambar 3 Plot data Indeks Harga Saham TINS sebelum dan setelah intervensi Dari Gambar 3 dapat dilihat bahwa Indeks Harga Saham TINS mengalami penurunan sejak terjadinya krisis global Agustus. Kemudian membuat diagram residual dari model sebagaimana ditampilkan pada Gambar 4 berikut Chart of Mean( Residual ) vs Waktu Waktu Gambar 4 Plot Bar Chart Residual sesudah Gambar 4 memperlihatkan bahwa dengan adanya kejadian intervensi pertama yaitu krisis global sejak Agustus menyebabkan residual dari data peramalan keluar batas ±3σ. Dan dari gambar tersebut bisa ditentukan orde model intervensi pertama yaitu b=, s=, dan r=. Karena efek intervensi pertama cenderung permanen, maka fungsi yang digunakan adalah fungsi step. Tabel 4.7 berikut menyajikan hasil estimasi parameter Model pertama. Tabel 7 Nilai Estimasi Parameter dan Uji Signifikansi Parameter Model Pertama Tabel 6 Hasil Overfitting Model ARIMA pre- Model Parameter White Berdistribusi ARIMA Signifikan Noise MSE (,,[]) konstanta Normal,9779 (,,[]) Normal 6,634 ([,],,) white Signifikan konstanta noise Normal,649 ([,],,) Normal,9994 ([],,) white Signifikan konstanta noise Normal,646 ([],,) Normal 6,79 ([],,[]) konstanta Normal,77469 ([],,[]) Normal 6,497 Tidak ([],,) Signifikan white konstanta noise Normal,773 ([],,) Normal 6,399 ([],,[]) white Signifikan konstanta noise Normal,739 ([],,[]) Normal,9937 Dari hasil pada Tabel 6 diperoleh model ARIMA ([,],,) dengan konstanta, ARIMA ([],,) dengan konstanta, dan ARIMA ([],,[]) dengan konstanta merupakan model yang terbaik untuk data Indeks Harga Saham TINS pre-. Dari ketiga model tersebut yang memiliki MSE terkecil adalah model ARIMA ([,],,) dengan MSE sebesar,649. Maka diperoleh persamaan dari model ARIMA ([,],,) dengan konstanta data Indeks Harga Saham TINS pre- sebagai berikut: Parameter Error Standard Estimasi t hitung P-value μ,6773,34,9,43 Sig φ -,6,7433 -,97,34 Sig φ -.337,7643-3,6,6 Sig ω -6,436 4,4-3,7 <, Sig ω 9,7696 4,7,33, Sig Setelah didapatkan nilai estimasi parameter model intervensi pertama, maka selanjutnya dilakukan pengujian asumsi residual white noise dan asumsi kenormalan residual. Uji white noise dilakukan dengan menggunakan Statistik Uji Chi- Square dengan hasil sebagaimana diberikan pada 6,9-6,9 Kepu tusan 7
8 Data Tabel, dimana sampai dengan lag ke-4 p-value menunjukkan nilai yang lebih besar dari, yang artinya residual sudah white noise. Tabel Uji Asumsi Residual White noise Lag (K) Q χ α,k p q P-value 6 7,7 9,4773, 3,96,37,74, 6,96,6 4 6,74 33,944,4 3 3,64 4,337,493 Hasil uji white noise yang disajikan dalam tabel residual sudah memenuhi asumsi white noise. Sesudah dilakukan pengujian white noise. Selanjutnya dapat dilihat plot data dan Ramalan Indeks Harga Saham TINS mingguan pada Gambar 4. Time Series Plot of Data TINS; Ramalan Variable Data TINS Ramalan Tabel.9 Hasil Peramalan Indeks Harga Saham TINS Mingguan dengan Metode Periode Tanggal Data Asli Forecast 73 3-Mei- 47,4346 3, Mei- 47,4346 4, Mei- 4,, Mei- 4, Mei- 46,977, Jun- 47, , Jun- 46,369 7,493 -Jun- 47,4346,636 -Jun- 47,4346 9,444 -Jul- 4,76 6,76 3 -Jul- 46,369 6, Jul- 46,369 6,36 Dengan perhintungan MAPE: MAPE = M l= = % X t F t X t M x% Gambar 4. Plot data Indeks Harga Saham TINS dan Ramalan dengan Metode Gambar 4. memperlihatkan bahwa plot data Indeks Harga Saham TINS dengan Ramalan menggunakan metode intervensi mendekati kenyataan. Hal ini menunjukkan bahwa metode intervensi dapat digunakan pada data indeks Harga saham TINS yang mengalami penurunan akibat krisis global. Dari hasil estimasi parameter diatas dapat dituliskan model intervensi pertama sebagai berikut: Y t = 6,4364S t 9,7696S t a t +, ,6B +,337B ; Y ( B) t = Z t C. Ramalan Indeks Harga Saham TINS Model yang diperoleh selanjutnya akan digunakan untuk peramalan data mean untuk minggu mulai Mei-Juli. Hasil peramalan disajikan dalam Tabel 9, dimana hasil peramalan diatas dapat dilihat bahwa pada Tahun nilai ramalan tertinggi terjadi pada periode ke-4 tepatnya tanggal 9 Juli, sedangkan nilai ramalan terendah terjadi pada periode ke-73 tepatnya tanggal 3 Mei PENUTUP Dari analisa data dan pembahasan dapat disimpulkan sesuai dengan permasalahan dan tujuan yang diharapkan, yaitu:. Analisis deskriptif dari data indeks harga saham TINS yang digunakan untuk mengetahui pola data selama waktu pengamatan. Hasil analisis deskriptif indeks harga saham TINS pada Januari 7 sampai April yang dibagi menjadi bagian yaitu pre-intervensi dan intervensi. Hasil dari analisis deskriptif menunjukkan bahwa rata-rata, keragaman, nilai minimum, dan nilai maksimum pre-intervensi lebih besar dibandingkan intervensi.. Model yang didapat dari data Indeks harga saham TINS dengan metode adalah: Y t = 6,4364S t 9,7696S t + a t +,9743 +,6B +,337B ( B) ; Y t = Z t 3. Hasil ramalan indeks harga saham TINS periode 3 Mei sampai 9 Juli rata-rata adalah 7,3349 dengan MAPE %. Model yang didapat hanya menggunakan fungsi step. Pada penelitian selanjutnya, peneliti menyarankan agar menambah faktor eksternal dalam analisis intervensi agar hasil peramalan lebih mendekati aktual. DAFTAR PUSTAKA [] Akmalia, Alfi. 9. Analisis Peramalan Terhadap Kebutuhan Bahan Baku Kertas Roll CD Surat Kabar Jawa Pos di PT. Temprina Media Grafika Dengan Metode
9 . Tugas Akhir. Jurusan Statistika ITS. Surabaya. [] Bowerman, B. L, dan O Connel, R. T. 993, Forecasting and Time Series: An Applied Approach, 3 th edition, California:Duxbury Press [3] Indonesia Stock Exchange.. Buku Panduan Indeks Harga Saham Bursa Efek Indonesia. Jakarta: IDX [4] Lo.. Mengenal Pasar Modal. (online). < _pasar_modal>, diakses Minggu, Februari. [] Makridakis, S. Wheelwright, SC and McGee, Victor E Metode dan Aplikasi Peramalan. Diterjemahkan oleh Suminto, Hari Ir. Jakarta: Erlangga. [6] Nuvitasari, Eka. 9. Analisis Multi Input Fungsi Step dan Pulse untuk Peramalan Kunjungan Wisatawan ke Indonesia. Thesis. Jurusan Statistika ITS. Surabaya. [7] Wati, Indra.. Pemodelan Indeks Harga Saham Harian Bank X dengan Analisis Regresi Logistik. Tugas Akhir. Jurusan Statistika ITS. Surabaya. [] Wei, W.W.S. 99. Time Series Analysis : Univariate and Multivariate Methods. United State of America : Addison-Wesly Publishing Company. 9
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 terperinci99.9. Percent maka H 0 diterima, berarti residual normal
Uji residual white noise 2 Lag Q P value 6 3.5 9.49 0.5330 2 6.6 8.3 0.803 8 9.8 26.30 0.9059 24 9.3 33.92 0.6374 K p q Uji residual berdistribusi normal Percent 99.9 99 95 90 80 70 60 50 40 30 20 0 5
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 terperinciPemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input
Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input Oleh : Defi Rachmawati 1311 105 007 Dosen Pembimbing :
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 terperinciKAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q)
SIDANG TUGAS AKHIR KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) Disusun oleh : Ratna Evyka E.S.A NRP 1206.100.043 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
Lebih terperinciPERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA
Seminar Hasil Tugas Akhir Jurusan Statistika Institut Teknologi Sepuluh Nopember Surabaya 2013 LOGO PERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA
Lebih terperinciModel Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer
Model Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer OLEH : DWI LISTYA NURINI 1311 105 021 DOSEN PEMBIMBING : DR. BRODJOL SUTIJO SU, M.SI Bursa saham atau Pasar
Lebih terperinciPemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer
TUGAS AKHIR Pemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer Oleh : Fani Felani Farid (1306 100 047) Pembimbing : Drs. Kresnayana Yahya M.Sc Latar Belakang
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 terperinciModel Penjualan Plywood PT. Linggarjati Mahardika Mulia
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami) Vol., No., Juli 7, Hal. 52-57 p-issn: 25-4596; e-issn: 25-4X Halaman 52 Model Penjualan Plywood PT. Linggarjati Mahardika Mulia
Lebih terperinciPeramalan Volume Distribusi Air di PDAM Kabupaten Bojonegoro dengan Metode ARIMA Box- Jenkins
Peramalan Volume Distribusi Air di PDAM Kabupaten Bojonegoro dengan Metode ARIMA Box- Jenkins Fastha Aulia P / 1309030018 Pembimbing: Ir.Dwiatmono Agus M.Ikomp Latar Belakang Air sebagai sumber kehidupan
Lebih terperinciPERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO
Perbandingan Model ARIMA... (Alia Lestari) PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Alia Lestari Fakultas Teknik Universitas
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 terperinciPERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS
PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS Oleh : Agustini Tripena ABSTRACT In this paper, forecasting the consumer price index data and inflation. The method
Lebih terperinciSedangkan model fungsi transfer bentuk kedua adalah sebagai berikut :
1 Metode Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 255 dengan Pendekatan Fungsi Transfer Dwi Listya Nurini, Brodjol Sutijo SU Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciOUTLINE. Pendahuluan. Tinjauan Pustaka. Metodologi Penelitian. Analisis dan Pembahasan. Kesimpulan dan Saran
OUTLINE Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran LATAR BELAKANG Listrik elemen terpenting dalam kehidupan manusia Penelitian Sebelumnya Masyarakat
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
C BAB IV ANALISIS DAN PEMBAHASAN Penelitian ini mencoba meramalkan jumlah penumpang kereta api untuk masa yang akan datang berdasarkan data volume penumpang kereta api periode Januari 994-Februari 203
Lebih terperinciESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING
ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING Nama : Zahroh Atiqoh NRP : 1205 100 021 Dosen Pembimbing : 1. Dra. Nuri Wahyuningsih, MKes 2. Drs. Sulistiyo,
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 terperinciABSTRAK. Kata kunci : Data Runtun Waktu, Indeks Harga Konsumen, ARIMA, Analisis Intervensi, Fungsi Step, Peramalan. I Pendahuluan
Analisis Model Intervensi Fungsi Step Terhadap Indeks Harga Konsumen (IHK) Zuhairini Azzahra A 1, Suyono 2, Ria Arafiyah 3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lebih terperinciMeytaliana F Dosen Pembimbing: Prof. Dr. Basuki Widodo, M.Sc. Dra. Nuri Wahyuningsih, M.Kes.
ESTIMASI PARAMETER AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) (STUDI KASUS PERAMALAN CURAH HUJAN DAS BRANGKAL MOJOKERTO) Meytaliana F. 1210100014
Lebih terperinciPERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010
Statistika, Vol., No., Mei PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI Reksa Nila Anityaloka, Atika Nurani Ambarwati Program Studi S Statistika Universitas Muhammadiyah
Lebih terperinciPeramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun
Peramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun NAMA : RITA RAHMADHANI NRP : 1306 030 008 PEMBIMBING: DR. BRODJOL SUTIJO
Lebih terperinciCetakan I, Agustus 2014 Diterbitkan oleh: Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pattimura
Hak cipta dilindungi Undang-Undang Cetakan I, Agustus Diterbitkan oleh: Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pattimura ISBN: ---- Deskripsi halaman sampul : Gambar yang ada pada cover
Lebih terperinciPEMODELAN DAN PERAMALAN JUMLAH PENUMPANG DAN PESAWAT DI TERMINAL KEDATANGAN INTERNASIONAL BANDARA JUANDA SURABAYA DENGAN METODE VARIANSI KALENDER
PEMODELAN DAN PERAMALAN JUMLAH PENUMPANG DAN PESAWAT DI TERMINAL KEDATANGAN INTERNASIONAL BANDARA JUANDA SURABAYA DENGAN METODE VARIANSI KALENDER M. Insanil Kamil 0 0 0 m.insanil_kml@yahoo.com Dosen pembimbing:
Lebih terperinciPENGGUNAAN METODE VaR (Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT. TELKOM DENGAN PENDEKATAN MODEL GARCH-M
PENGGUNAAN METODE VaR (Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT. TELKOM DENGAN PENDEKATAN MODEL GARCH-M Oleh: Nurkhoiriyah 1205100050 Dosen pembimbing: Dra. Nuri Wahyuningsih, M. Kes. Jurusan
Lebih terperinciPENDEKATAN MODEL EKONOMETRIKA UNTUK MEMPREDIKSI INDEKS SAHAM SYARIAH INDONESIA
PENDEKATAN MODEL EKONOMETRIKA UNTUK MEMPREDIKSI INDEKS SAHAM SYARIAH INDONESIA Nuri Wahyuningsih 1), Daryono Budi U. 2), R.A. Diva Zatadini 3) 1)2))3) Departemen Matematika FMIPA ITS Kampus ITS Keputih,
Lebih terperinciPENGGUNAAN METODE VaR(Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT.TELKOM DENGAN PENDEKATAN MODEL GARCH-M
PENGGUNAAN METODE VaR(Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT.TELKOM DENGAN PENDEKATAN MODEL GARCH-M Oleh: NURKHOIRIYAH 1205100050 Dosen Pembimbing: Dra. Nuri Wahyuningsih, M.Kes. 1 Latar
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 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 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 terperinciPERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL. Oleh: Niswatul Maghfiroh NRP.
PERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL Oleh: Niswatul Maghfiroh NRP. 1208100065 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-249
JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) 2337-3520 (2301-928X Print) D-249 Analisis Fungsi Transfer pada Harga Cabai Merah yang Dipengaruhi oleh Curah Hujan Di Surabaya Putri Rintan Aryasita,
Lebih terperinciPemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah
Vol. 9, No., 9-5, Januari 013 Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Fitriani, Erna Tri Herdiani, M. Saleh AF 1 Abstrak Dalam analisis deret waktu
Lebih terperinciPEMODELAN JUMLAH PENDERITA HIV/AIDS TERKAIT KUNJUNGAN WISATAWAN DI KABUPATEN BADUNG DAN KOTA MADYA DENPASAR DENGAN METODE TRANSFER FUNCTION
PEMODELAN JUMLAH PENDERITA HIV/AIDS TERKAIT KUNJUNGAN WISATAWAN DI KABUPATEN BADUNG DAN KOTA MADYA DENPASAR DENGAN METODE TRANSFER FUNCTION Oleh NYOMAN PANDU WIRADARMA (1308 100 052) Dosen Pembimbing 1
Lebih terperinciBAB 2 LANDASAN TEORI Pengertian Data Deret Berkala
BAB 2 LANDASAN TEORI 2.1. Pengertian Data Deret Berkala Suatu deret berkala adalah himpunan observasi yang terkumpul atau hasil observasi yang mengalami peningkatan waktu. Data deret berkala adalah serangkaian
Lebih terperinciPeramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series
JURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (2017) ISSN: 2337-3520 (2301-928X Print) D-157 Peramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series Moh Ali Asfihani dan Irhamah
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 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 terperinciPeramalan Harga Minyak Mentah Standar West Texas Intermediate dengan Pendekatan Metode ARIMA
Seminar Nasional Pendidikan, Sains dan Teknologi ISBN : 9786026159960 Peramalan Harga Minyak Mentah Standar West Texas Intermediate dengan Pendekatan Metode ARIMA Syahril Faozi 1), Wellie Sulistijanti
Lebih terperinciPENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus : KA Argo Muria)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 131-140 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN
Lebih terperinciSeminar Tugas Akhir Jurusan Statistika FMIPA-ITS Deta Widyana D 1 dan Brodjol Sutijo Suprih Ulama 2
Seminar Tugas Akhir Jurusan Statistika FMIPA-ITS 2010 Evaluasi Pengaruh Pengumuman Pembagian Dividen Terhadap Fluktuasi Harga Saham Perusahaan di Bursa Efek Indonesia dengan Pendekatan Time series Intervensi
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 737-745 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN DAYA LISTRIK BERDASARKAN JUMLAH PELANGGAN PLN MENGGUNAKAN
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 terperinciPeramalan merupakan alat bantu yang penting dalam penyusunan rencana yang efektif dan efisien. Pada
Estimasi Parameter Autoregressive Integrated Moving Average (ARIMA) Menggunakan Algoritma Particle Swarm Optimization (PSO) (Studi Kasus: Peramalan Curah Hujan DAS Brangkal, Mojokerto) Meytaliana Factmawati,
Lebih terperinciHASIL DAN PEMBAHASAN Eksplorasi Data Suhu Udara Rata-rata
suhu 18 20 22 24 26 28 30 32 ragam, maka dilakukan transformasi Box-Cox. d. Mengidentifikasi model. Dalam tahap ini akan didapat model-model sementara, dengan melihat plot ACF dan PACF. e. Pendugaan parameter
Lebih terperinciANALISIS INTERVENSI FUNGSI STEP (Studi Kasus Pada Jumlah Pengiriman Benda Pos Ke Semarang Pada Tahun )
ANALISIS INTERVENSI FUNGSI STEP (Studi Kasus Pada Jumlah Pengiriman Benda Pos Ke Semarang Pada Tahun 2006 2011) Amelia Crystine 1, Abdul Hoyyi 2, Diah Safitri 3 1 Mahasiswa Jurusan Statistika FSM UNDIP
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 terperinciHASIL DAN PEMBAHASAN. Eksplorasi Data
5 korelasi diri, dan plot korelasi diri parsial serta uji Augmented Dickey- Fuller b. Identifikasi Model dengan metode Box-Jenkins c. Pemutihan deret input d. Pemutihan deret output berdasarkan hasil pemutihan
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 terperinciBAB SIMULASI PERHITUNGAN HARGA BARANG. Bab 4 Simulasi Perhitungan Harga barang berisikan :
BAB SIMULASI PERHITUNGAN HARGA BARANG Bab Simulasi Perhitungan Harga barang berisikan :.. Simulasi peramalan nilai Indeks Harga Konsumen (IHK) melalui metode ARIMA.. Prediksi nilai inflasi tahun 0.3. Prediksi
Lebih terperinciKAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q)
UJIAN TUGAS AKHIR KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q) Disusun oleh : Novan Eko Sudarsono NRP 1206.100.052 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
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 terperinciPENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Seminar Nasional Matematika dan Aplikasinya, 21 Oktober 27 PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Lebih terperinci(S.4) PENDEKATAN METODE ALGORITMA GENETIK UNTUK IDENTIFIKASI MODEL ARIMA
(S.4) PENDEKATAN METODE ALGORITMA GENETIK UNTUK IDENTIFIKASI MODEL ARIMA Jimmy Ludin Mahasiswa Program Magister Jurusan Statistika Fakultas Matematika Dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh
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 terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-300
JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (203) 233-20 (230-9X Print) D-300 Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R- dengan Metode Fungsi Transfer
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 33-42 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS INTERVENSI KENAIKAN HARGA BBM TERHADAP PERMINTAAN BBM
Lebih terperinciPenerapan Model ARIMA
Penerapan Model ARIMA (Bagian II) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016 1 a. Lakukan proses pembedaan (differencing) sebanyak dua kali pada data asal. b. Lakukan pendugaan parameter pada
Lebih terperinciPerencanaan Pengendalian Persediaan Bahan Baku Pupuk NPK dengan Menggunakan Model Economic Order Quantity (Studi kasus: PT. Petrokimia Gresik)
JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (4) ISSN: 2337-39 (230-927 Print) A-3 Perencanaan Pengendalian Persediaan Bahan Baku Pupuk NPK dengan Menggunakan Model Economic Order Quantity (Studi kasus:
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 terperinciPeramalam Jumlah Penumpang Yang Berangkat Melalui Bandar Udara Temindung Samarinda Tahun 2012 Dengan Metode ARIMA BOX-JENKINS
Jurnal EKSPONENSIAL Volume 3, Nomor, Mei 2 ISSN 8-7829 Peramalam Jumlah Penumpang Yang Berangkat Melalui Bandar Udara Temindung Samarinda Tahun 2 Dengan Metode ARIMA BOX-JENKINS Forecasting The Number
Lebih terperinciPENDEKATAN RANTAI MARKOV WAKTU DISKRIT DALAM PERENCANAAN KEBUTUHAN TEMPAT TIDUR RUMAH SAKIT
PENDEKATAN RANTAI MARKOV WAKTU DISKRIT DALAM PERENCANAAN KEBUTUHAN TEMPAT TIDUR RUMAH SAKIT Nama Mahasiswa : Enjela Puspadewi NRP : 1207 100 026 Jurusan : Matematika FMIPA Dosen Pembimbing : Dra. Laksmi
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 terperinciPERAMALAN JUMLAH TAMU HOTEL MEGA BINTANG SWEET KABUPATEN BLORA DENGAN PENDEKATAN ARIMA
THE TH URECOL PROCEEDING 8 February 7 UD, Yogyakarta PERMLN JUMLH TMU HOTEL MEG BINTNG SWEET KBUPTEN BLOR DENGN PENDEKTN RIM Irfana Maulana Ismail ), Wellie Sulistijanti 2) Statistika, kademi Statistika
Lebih terperinciPERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT
PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT Novian Endi Gunawan 1, I Wayan Sumarjaya 2, I G.A.M. Srinadi 3 1 Program Studi Matematika,
Lebih terperinciPENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH
PENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH Tri Mulyaningsih ), Budi Nurani R ), Soemartini 3) ) Mahasiswa Program Magister Statistika Terapan Universitas Padjadjaran
Lebih terperinciPERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS
Saintia Matematika ISSN: 2337-9197 Vol. 02, No. 03 (2014), pp. 253 266. PERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS
Lebih terperinciPeramalan Harga Beras di Perum BULOG Divre Jatim
Peramalan Harga Beras di Perum BULOG Divre Jatim Disusun oleh : Woro Morphi H (1309030010) Dosen Pembimbing : Dr. Suhartono, S.Si, M.Sc Pendahuluan Latar Belakang, Perumusan Masalah,Tujuan Penelitian,
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 terperinciJurnal EKSPONENSIAL Volume 8, Nomor 1, Mei 2017 ISSN
Jurnal EKSPONENSIAL Volume 8, Nomor, Mei 07 ISSN 085-789 Peramalan dengan Metode Seasonal Autoregressive Integrated Moving Average (SARIMA) di Bidang Ekonomi (Studi Kasus: Inflasi Indonesia) Forecasting
Lebih terperinci2/6/2011. Data deret waktu. Metode : ARIMA. Tahapan : (1) identifikasi model, (2) estimasi model dan (3) validasi model.
Data deret waktu Metode : ARIMA Tahapan : () identifikasi model, (2) estimasi model dan (3) validasi model. Jimmy Ludin 30920725 DOSEN PEMBIMBING : Prof. Dra. Susanti Linuwih, M.Stat., Ph.D Dr. Drs. Brodjol
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 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 terperinciBAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT
BAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT Model fungsi transfer multivariat merupakan gabungan dari model ARIMA univariat dan analisis regresi berganda, sehingga menjadi suatu model yang mencampurkan pendekatan
Lebih terperinciPeramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer
Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer 1 Faridah Yuliani dan 2 Dr. rer pol Heri Kuswanto 1,2 Jurusan Statistika
Lebih terperinciPEMODELAN CURAH HUJAN DENGAN MODEL FUNGSI TRANSFER INPUT GANDA YULIANTI HASANAH
PEMODELAN CURAH HUJAN DENGAN MODEL FUNGSI TRANSFER INPUT GANDA YULIANTI HASANAH DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2015 PERNYATAAN MENGENAI
Lebih terperinciPEMODELAN DAN PERAMALAN DATA PEMBUKAAN IHSG MENGGUNAKAN MODEL ARIMA
PEMODELAN DAN PERAMALAN DATA PEMBUKAAN IHSG MENGGUNAKAN MODEL ARIMA OLEH : 1. Triyono ( M0107086 ) 2. Nariswari S ( M0108022 ) 3. Ayunita C ( M0180034 ) 4. Ibnuhardi F.Ihsan ( M0108045 ) 5. Marvina P (
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 terperinciPeramalan Indeks Harga Saham di Indonesia dan Dunia dengan Model Univariate dan Multivariate Time Series
Peramalan Indeks Harga Saham di Indonesia dan Dunia dengan Model Univariate dan Multivariate Time Series Silvia Roshita Dewi, Agus Suharsono, dan Suhartono Statistika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 110 117 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Lebih terperinciIV. HASIL DAN PEMBAHASAN
9 menguji kelayakan model sehingga model sementara tersebut cukup memadai. Salah satu caranya adalah dengan menganalisis galat (residual). Galat merupakan selisih antara data observasi dengan data hasil
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 terperinciPEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER
PKMT-2-13-1 PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER Umi Rosyiidah, Diah Taukhida K, Dwi Sitharini Jurusan Matematika, Universitas Jember, Jember ABSTRAK
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 terperinciPenerapan Model ARIMA
Penerapan Model ARIMA (Bagian I) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 016 1 Ada tiga tahapan iterasi dalam pemodelan data deret waktu, yaitu: 1. Penentuan model tentatif (spesifikasi model)
Lebih terperinciPemodelan ARIMA Jumlah Pencapaian Peserta KB Baru IUD
Pemodelan ARIMA Jumlah Pencapaian Peserta KB Baru IUD Charisma Arianti, Arief Wibowo Departemen Biostatistika dan Kependudukan Fakultas Kesehatan Masyarakat Universitas Airlangga Surabaya Alamat Korespondensi:
Lebih terperinciSBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n
SBAB III MODEL VARMAX 3.1. Metode Analisis VARMAX Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n dengan variabel random Z n yang dapat dipandang sebagai variabel random berdistribusi
Lebih terperinciPeramalan Permintaan Pengujian Sampel Di Laboratorium Kimia Dan Fisika. Baristand Industri Surabaya)
Peramalan Permintaan Pengujian di Lab. Kimia dan Fisika (Aneke Rintiasti, Erna Hartati, Nunun Hilyatul M.) Peramalan Permintaan Pengujian Sampel Di Laboratorium Kimia Dan Fisika Baristand Industri Surabaya
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 6, Nomor 3, Tahun 2017, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 3, Tahun 2017, Halaman 323-332 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN FUNGSI TRANSFER DENGAN DETEKSI OUTLIER UNTUK MEMPREDIKSI
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 terperinciPemodelan Fungsi Transfer Multi Input
Jurnal Informatika Mulawarman Vol 4 No. Juli 9 8 Pemodelan Fungsi Transfer Multi Input M. Fathurahman *) Program Studi Statistika, FMIPA Universitas Mulawarman Jl. Barong Tongkok no.5 Kampus Unmul Gn.
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 terperinciANALISIS DERET BERKALA MULTIVARIAT DENGAN MENGGUNAKAN MODEL FUNGSI TRANSFER: STUDI KASUS CURAH HUJAN DI KOTA MALANG
ANALISIS DERET BERKALA MULTIVARIAT DENGAN MENGGUNAKAN MODEL FUNGSI TRANSFER: STUDI KASUS CURAH HUJAN DI KOTA MALANG Fachrul Ulum Febriansyah dan Abadyo Universitas Negeri Malang E-mail: fachrul.febrian@gmail.com
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 terperinciPENENTUAN MODEL TERBAIK UNTUK PERAMALAN DATA SAHAM CLOSING PT. CIMB NIAGA INDONESIA MENGGUNAKAN METODE ARCH-GARCH
PENENTUAN MODEL TERBAIK UNTUK PERAMALAN DATA SAHAM CLOSING PT. CIMB NIAGA INDONESIA MENGGUNAKAN METODE ARCH-GARCH Gatri Eka K 1, Vebriani Safitry 2, Yesika Kristin 3 Program Studi Matematika, Universitas
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 terperinciPERAMALAN PRODUKSI TBS KELAPA SAWIT DENGAN MODEL ARIMA DAN MODEL FUNGSI TRANSFER INPUT GANDA AINDRA BUDIAR
PERAMALAN PRODUKSI TBS KELAPA SAWIT DENGAN MODEL ARIMA DAN MODEL FUNGSI TRANSFER INPUT GANDA AINDRA BUDIAR DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciPrediksi Laju Inflasi di Kota Ambon Menggunakan Metode ARIMA Box Jenkins
Statistika, Vol. 16 No. 2, 95 102 November 2016 Prediksi Laju Inflasi di Kota Ambon Menggunakan Metode ARIMA Box Jenkins FERRY KONDO LEMBANG Jurusan Matematika Fakultas MIPA Universitas Pattimura Ambon
Lebih terperinci