BAB 2 LANDASAN TEORI

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 2 LANDASAN TEORI"

Transkripsi

1 BAB LANDASAN TEORI Defns Parwsaa dan Wsaawan Parwsaa adalah slah yang dberan apabla seseorang wsaawan melauan perjalanan u sendr, aau dengan aa lan avas dan ejadan yang erjad ea seseorang pengunjung melauan perjalanan (Sursno, 998, hal: 3) Parwsaa secara snga dapa drumusan sebaga egaan dalam masyaraa yang berhubungan dengan wsaawan (Soeadjo, 000, hal: ) Parwsaa merupaan bagan yang da erpsahan dar ehdupan manusa eruama menyangu egaan sosal dan eonom Dawal dar egaan yang semula hanya dnma oleh segelnr orang-orang yang relaf aya pada awal abad e-0, n elah menjad bagan dar ha azas manusa Hal n erjad da hanya d negara maju eap mula drasaan pula d negara berembang Indonesa sebaga negara yang sedang berembang dalam ahap pembangunannya, berusaha membangun ndusr parwsaa sebaga salah sau cara unu mencapa neraca perdagangan luar neger yang bermbang Melalu ndusr n dharapan pemasuan devsa dapa berambah (Pend, 00) Sebagamana deahu bahwa seor parwsaa d Indonesa mash mendudu peranan yang sanga penng dalam menunjang pembangunan nasonal sealgus merupaan salah sau faor yang sanga sraegs unu menngaan pendapaan masyaraa dan devsa negara Menuru Pend (994), ada beberapa jens parwsaa yang sudah denal, anara lan: a Wsaa budaya, yau perjalanan yang dlauan aas dasar engnan unu memperluas pandangan hdup seseorang dengan cara mengadaan unjungan e empa lan aau e luar neger, mempelajar eadaan raya, ebasaan dan ada sada merea, cara hdup merea, ebudayaan dan sen meraa Unversas Sumaera Uara

2 b Wsaa esehaan, yau perjalanan seseorang wsaawan dengan ujuan unu menuar eadaan dan lngungan empa sehar-har d mana a nggal dem epenngan bersraha bagnya dalam ar jasman dan rohan c Wsaa olahraga, yau wsaawan-wsaawan yang melauan perjalanan dengan ujuan berolahraga aau memang sengaja bermaasud mengambl bagan af dalam pesa olahraga d suau empa aau Negara d Wsaa omersal, yau ermasu perjalanan unu mengunjung pameranpameran dan pecan raya yang bersfa omersal, seper pameran ndusr, pameran dagang dan sebaganya e Wsaa ndusr, yau perjalanan yang dlauan oleh rombongan pelajar aau mahhasswa, aau orang-orang awam e suau omples aau daerah perndusran, dengan masud dan ujuan unu mengadaan pennjauan aau penelan f Wsaa Bahar, yau wsaa yang banya daan dengan danau, pana aau lau g Wsaa Cagar Alam, yau jens wsaa yang basanya dselenggaraan oleh agen aau bro perjalanan yang menghususan usaha-usaha dengan mengaur wsaa e empa aau daerah cagar alam, aman lndung, huan daerah pegunungan dan sebaganya yang elesarannya dlndung oleh undang-undang h Wsaa bulan madu, yau suau penyelenggaraan perjalanan bag pasanganpasangan pengann baru yang sedang berbulan madu dengan faslas-faslas husus dan ersendr dem enmaan perjalan Defns wsaawan menuru Norval (Yoe, 995) adalah seap orang yang daang dar suau Negara yang alasannya buan unu meneap aau beerja d su secara eraur, dan yang d Negara dmana a nggal unu semenara u membalanjaan uang yang ddapaannya d lan empa Sedangan menuru Soeadjo (000), wsaawan adalah pengunjung d Negara yang dunjungnya seda-danya nggal 4 jam dan yang daang berdasaran movas: Mengs wau senggang aau unu bersenang-senabg, berlbur, unu alas an esehaan, sud, eluarga, dan sebaganya Melauan perjalanan unu eperluan bsns Unversas Sumaera Uara

3 3 Melauan perjalanan unu mengunjung peremuan-peremuan aau sebaga uusan (lmah, admnsrave, dploma, eagamaan, olahraga dan sebaganya) 4 Dalam ranga pelayaran pesar, ja alau a nggal urang dar 4 jam Menuru Undang-Undang Republ Indonesa no 9 enang eparwsaaan, Bab I Keenuan Umum Pasal aya dan drumusan a Wsaa adalah egaan perjalanan aau sebagan dar egaan ersebu yang dlauan secara suarela sera bersfa semenara unu menma obje dan daya ar wsaa b Wsaawan adalah orang yang melauan egaan wsaa Berdasaran sfa perjalanan, loas d mana perjalanan dlauan wsaawan dapa dlasfasan sebaga beru (Karyono, 997) a Foregn Tours (Wsaawan asng) Orang asng yang melauan perjalanan wsaa, yang daang memasu suau negara lan yang buan merupaan Negara d mana a basanya nggal Wsaawan asng dsebu juga wsaawan mancanegara aau dsnga wsman b Domesc Foregn Tours Orang asng yang berdam aau berempa nggal d suau negara arena ugas, dan melauan perjalanan wsaa d wlayah negara d mana a nggalmsalnya, saf eduaan Belanda yang mendapa cu ahunan, eap a da pulang e Belanda, eap melauan perjalanan wsaa d Indonesa (empa a berugas) c Domesc Tours (Wsaawan Nusanara) Seorang warga negara suau negara yang melauan perjalanan wsaa dalam baas wlayah negaranya sendr anpa melewa perbaasan negaranya Msalnya warga negara Indonesa yang melauan perjalanan e Bal aau e Danau Toba Wsaawan n dsnga wsnus d Indgenous Foregn Tours Unversas Sumaera Uara

4 Warga negara suau negara erenu, yang arena ugasnya aau jabaannya berada d luar neger, pulang e negara asalnya dan melauan perjalanan wsaa d wlayah negaranya sendr Msalnya, warga negara Perancs yang berugas sebaga onsulan d perusahaan asng d Indonesa, ea lburan a embal e Perancs dan melauan perjalanan wsaa d sana Jens wsaawan n merupaan ebalan dar Domesc Foregn Tours e Trans Tours Wsaawan yang sedang melauan perjalanan e suau Negara erenu yang erpasa snggah pada suau pelabuhan/arpor/sasun buan aas emauannya sendr f Busness Tours Orang yang melauan perjalanan unu ujuan bsns buan wsaa eap perjalanan wsaa aan dlauannya seelah ujuannya yang uama selesa Jad perjalanan wsaa merupaan ujuan seunder, seelah ujuan prmer yau bsns selesa dlauan Pengembangan Parwsaa Perencanaan dan pengembangan parwsaa merupaan suau proses yang dnams dan berelanjuan menuju eaaran nla yang lebh ngg dengan cara melauan penyesuaan dan ores berdasar pada hasl monorng dan evaluas sera umpan bal mplemenas rencana sebelumnya yang merupaan dasar ebjasanaan dan merupaan ms yang harus dembangan Perencanaan dan pengembangan parwsaa buanlah sysem yang berdr sendr, melanan era era dengan ssem perencanaan pembangunan yang lan secara ner seoral dan ner regonal Perencanaan parwsaa haruslah d dasaran pada onds dan daya duung dengan masud mencpaan neras janga panjang yang salng mengunungan danara pencapaan ujuan pembangunan parwsaa, penngaan esejaheraan masyaraa seempa, dan berelanjuan daya duung lngungan d masa mendaang (Fandel, 995) Indonesa sebaga negara yang sedang berembang dalam ahap pembangunannya, berusaha membangun ndusr parwsaa sebaga salah sau cara Unversas Sumaera Uara

5 unu mencapa neraca perdagangan luar neger yang bermbang Pengembangan eparwsaaan saa n da hanya unu menambah devsa negara maupun pendapaan pemernah daerah Aan eap juga dharapan dapa memperluas esempaan berusaha dsampng memberan lapangan peerjaan baru unu mengurang pengangguran Parwsaa dapa menaan araf hdup masyaraa yang nggal d awasan ujuan wsaa ersebu melalu eunungan secara eonom Dengan mengembangan faslas yang menduung dan menyedaan faslas rereas, wsaawan dan pendudu seempa salng dunungan Pengembangan daerah wsaa hendanya memperlhaan nganya budaya, sejarah dan eonom dar ujuan wsaa Perraan jumlah wsaawan asng d Pulau Samosr Sumaera Uara sanga dperluan dalam ranga perencanaan pengembangan parwsaa nasonal dan dapa berfungs sebaga sarana pemeraaan pembangunan d daerah yang sealgus unu mencpaan esempaan berusaha aau esempaan beerja sera menngaan esejaheraan bag masyaraa sear sehngga merea da ernggal oleh perembangan usaha jasa dan sarana parwsaa Pengaruh Wsaa dan Eonom Parwsaa buan saja sebaga sumber devsa, eap juga merupaan faor dalam menenuan loas ndusr dalam perembangan daerah-daerah yang msn sumber-sumber alam sehngga perembangan parwsaa adalah salah sau cara unu memajuan eonom d daerah-daerah yang urang berembang ersebu sebaga aba urangnya sumber-sumber alam (Yoe, 997) Gunn (988), mendefnsan parwsaa sebaga avas eonom yang harus dlha dar dua ss yan ss permnaan (demand sde) dan ss pasoan (supply sde) Lebh lanju da mengemuaan bahwa eberhaslan dalam pengembangan parwsaa d suau daerah sanga erganung epada emampuan perencana dalam mengnegrasan edua ss ersebu secara bermbang e dalam sebuah rencana pengembangan parwsaa Menuru Rober (Toey, 990) Kelncahan dalam berusaha harus dlauan agar pendapaan selama musm edaangan wsaawan bsa menjad penyembang bag Unversas Sumaera Uara

6 musm sep wsaawan Pengaruh yang dmbulan oleh parwsaa erhadap eonom ada dua cr, perama produ parwsaa da dapa dsmpan, edua permnaanya sanga erganung pada musm, berar pada bulan erenu ada avas yang ngg, semenara pada bulan-bulan yang lan hanya ada sed egaan 3 Poens Wsaa Pulau Samosr Pulau Samosr adalah pulau yang berada d engah-engah Danau Toba d Sumaera Uara Suau pulau dengan enggan 000 meer d aas permuaan lau Samosr menjad abupaen pada Januar 004 Sebelumnya, pulau n merupaan bagan dar Kabupaen Toba Samosr Terdr aas 9 ecamaan, yau Pangururan, Haran, Sanjur Mulamula, Nanggolan, Onan Runggu, Palp, Ronggur Nhua, Smanndo, dan So- To Masng-masng ecamaan meml obje wsaa, yang bla delola dengan ba aan mendaangan nla ambah bag pulau yang berpendudu 3000 jwa Namun, sayang poens wsaa u belum delola masmal Sehngga wsaawan asng maupun dosme urang erar unu berunjung Pulau Samosr dyan sebaga daerah asal orang Baa Pasalnya, d pulau n epanya d Pusu Buh Kecamaan Sanjur Mulamula merupaan asal orang Baa Pusu Buh merupaan perbuan dengan enggan lebh dar 800 meer d aas permuaan Danau Toba Pulau Samosr meml banya obje wsaa yang dapa dunjung seper wsaa alam, wsaa sen budaya dan wsaa pennggalan sejarah yang sanga berpeluang unu memberan onrbus erhadap Pendapaan Asl Daerah (PAD) Adapun obje wsaa yang menjad unggulan Danau Toba d Pulau Samosr saa n alah: Kawasan hoel dan resoran d Tuu Sadong, Kec Smanndo Maam Tua Raja Sdabuar d Tomo, Kec Smanndo 3 Perunjuan Sgale-gale d Tomo, KecSmanndo 4 Bau urs parsdangan d Sallagan, Kec Smanndo 5 Museum Huabolon d Smanndo, KecPangururan 6 Pemandan Ar Panas, KecPangururan 7 Pemandan Ae Spu Da, Kec Sanjur Mula-mula Unversas Sumaera Uara

7 8 Perampungan S Raja Baa d Sgula, Kec Smanndo Dan mash banya obye wsaa Pulau Samosr yang berpoens laya dunjung dan mash dalam ahap pengembangan PERAMALAN Ramalan merupaan dugaan aau pran mengena erjadnya ejadan aau perswa dar wau yang aan daang (Suprano, 993) Peramalan dapa juga daran sebaga suau usaha memperraan perubahan, agar da dsalahpaham bahwa peramalan da memberan jawaban yang pas enang apa yang aan erjad, melanan aan mencar yang sedea mungn dengan apa yang aan erjad (Mulyono, 000) Forecasng adalah peramalan yang aan erjad pada masa yang aan daang, sedangan rencana merupaan penenuan apa yang aan dlauan pada wau yang aan dlauan pada wau yang aan daang (Pangesu, 986) Suau epuusan aan lebh ba haslnya bla memaduan anara hasl peramalan dan nus Arsham (994) menyaaan bahwa peramalan adalah bagan yang negral dar egaan pengamblan epuusan manejemen Hampr seap organsas memerluan ramalan ba secara espls maupun secara mpls, arena hampr seap organsas harus membua perencanaan agar sesua dengan onds masa depan yang da deahu dengan ba Selan u, peramalan dbuuhan pada semua ln fungsonal, begu pula pada semua jens organsas Peramalan dbuuhan dalam bdang euangan, pemasaran, personala, dan lngup produs, dalam pemernahan dan organsas pencar laba, dalam lub sosal ecl, dan dalam para pol nasonal (Hane e al, 003) Tujuan Peramalan Peramalan dan perencanaan adalah dua egaan yang salng melengap, dan buan subsus sau dengan yang lan (Sanoso, 009) Peramalan dan rencana mempunya Unversas Sumaera Uara

8 hubungan yang cuup era, arena rencana u dsusun berdasaran ramalan yang dmungnan erjad d masa mendaang Dalam beberapa hal eruama dalam lmu socal eonom, serng era dengan sesuau yang serba da pas dan suar unu dperraan secara epa, oleh arena u dalam hal n a membuuhan adanya perraan aau peramalan Dalam membua ramalan dupayaan unu dapa memnmuman pengaruh edapasan, dengan aa lan forecas berujuan mendapaan ramalan yang bsa memnmuman error (esalahan) meramal Error yang dgunaan sebaga uuran auras peramalan dapa berupa ME (mean error), MAE (mean absolue error), MSE (mean absolue error), MPE (mean percenage error), dam MAPE (mean absolue percenage error) Seman besar uuran u berar seman da aura peramalannya Sebalnya, seman ecl uuran u berar seman aura peramalannya (Aronang, 00, hal: 35) Meode Peramalan Meode peramalan dapa berdasaran pengalaman, penlaan, opn dar ahl aau model maemaa yang menggambaran pola daa hsors Peramalan da dapa dhndaran arena sfa dar nvesas yang mempunya umur beberapa ahun Suau rencana nvesas yang ddasaran pada suau peramalan yang salah, sudah pas aan membawa erugan, buan saja pada saa nvesas u harus dbua ap juga selama umur nvesas u Meode peramalan erbag menjad dua yau meode peramalan ualaf dan meode uanaf Meode Kualaf Peramalan ualaf pada haeanya ddasaran pada nus aau pengalaman emprs dar perencana aau pengambl epuusan, sehngga relave lebh subjef Pada suas manajemen dan ndusr yang mash sederhana, peramalan ualaf dapa memberan auras hasl peramalan yang relaf sama dengan peramalan uanaf Unversas Sumaera Uara

9 Meode ualaf membuuhan npu yang erganung pada meode erenu dan basanya merupaan hasl dar pemran nuf, permbangan dan pengeahuan yang ddapa Pendeaan dengan meode n serngal memerluan npu dar sejumlah orang yang elah erlah secara husus (Mardas e al, 999) Meode Kuanaf Peramalan uanaf meml sfa yang objef berdasaran pada eadaan aual yang dolah dengan menggunaan meode-meode erenu (Mardas e al, 999) Penggunaan suau meode juga harus ddasaran pada fenomena manajemen aau bsns apa yang aan dramalan dan ujuan yang ngn dcapa melalu peramalan Peramalan uanaf dapa derapan bla erdapa ga onds beru: Terseda nformas masa lalu Informas ersebu dapa duanafan dalam benu daa numer 3 Dapa dasumsan bahwa pola masa lalu aan erus berlanju dmasa daang Pada dua asums perama merupaan syara eharusan bag penerapan meode peramalan uanaf Asums ega merupaan syara ecuupan, arnya walaupun asums ega dlanggar, model yang drumusan mash dapa dgunaan Hal ersebu aan memberan esalahan peramalan yang relaf besar bla perubahan pola daa maupun benu hubungan fungsonal ersebu erjad secara ssemas Meode uanaf dapa dbag dalam dua elompo, yau meode-meode peramalan dengan analss dere berala dan meode ausal Meode-meode peramalan dengan analsa dere berala, yau: Meode Pemulusan Esponensal dan Raa-raa Bergera Meode Proyes Trend dengan Regres 3 Meode Box Jens Meode-meode ausal, yau : Meode Regres dan Korelas Meode Eonomer 3 Model Inpu dan Oupu Unversas Sumaera Uara

10 3 Meode Dere Berala Runun wau adalah serangaan pengamaan erhadap suau perswa, ejadan, gejala aau varabel yang dambl dar wau e wau, dcaa secara el menuru uru-uruan wau erjadnya dan emudan dsusun sebaga daa sas (Had, 968) Pada umumnya pencaaan n dlauan dalam janga wau erenu msalnya sau bulan, sau ahun, sepuluh ahunan dan sebaganya Analss runun wau adalah suau meode uanaf unu menenuan pola daa masa lampau yang elah dumpulan secara eraur Secara umum analss dere wau mempunya beberapa ujuan, yau peramalan, pemodelan, dan onrol (Chafeld, 00) Peramalan beraan dengan pembenuan model dan meode yang dapa dgunaan unu menghaslan suau ramalan yang aura Sebuah model dere berala adalah suau fungs yang menghubungan nla dere berala dengan nla awal dere berala, esalahannya, aau yang berhubungan dengan dere berala lannya Meode dere berala meramalan sfanya unu masa depan Ja ada persamaan yang denuan maa sfa ssem dapa deahu dengan menyelesaan persamaan ersebu yang onds awalnya sudah deahu Pada peramalan runun wau, persamaan dan onds awal mungn deahu edua-duanya aau mungn hanya salah sau saja Oleh arena u dperluan suau auran unu menenuan perembangan dan eauraan ssem Penenuan auran ersebu mungn mengacu dar pencocoan daa masa lalu Menuru Hane e al (003), faor uama yang mempengaruh pemlhan en peramalan unu daa dere wau adalah denfas dan pemahaman pola hsors daa Pola daa ersebu erbag menjad empa, yau: Pola Horsonal Pola n erjad pada saa daa observas berfluuas dsear nla raa-raa onsan Pola n dsebu juga pola sasoner Pola Trend Unversas Sumaera Uara

11 Pola n muncul ea observas daa mena aau menurun pada perode yang panjang Conoh dar rangaan rend adalah perumbuhan populas, nflas harga, perubahan enolog, preferens onsumen dan enaan produfas 3 Pola Sls (cyclus) Pola n muncul pada saa observas daa memperlhaan enaan dan penurunan pada perode yang da eap Komponen sl mrp fluuas gelombang dsear rend yang serng dpengaruh oleh onds eonom 4 Pola Musman (seasonaly) Pola erjad pada saa daa observas dpengaruh oleh faor musman Komponen musman mengacu pada suau pola perubahan yang berulang dengan sendrnya dar ahun eahun Unu dere bulanan, omponen musman menguur eragaman dere dar seap Januar, seap Februar dan seerusnya Unu dere rwulanan, ada empa elemen musm, masng-masng sau unu seap rwulan 4 Komponen Dere Berala (Tme Seres) Pada umumnya, me seres adalah hasl peerjaan dar empa gera, yang dsebu juga omponen-omponen dar me seres u Derangan secara snga eempa omponen u sebaga persapan epada uraan yang lebh panjang Keempa omponen u anara lan: a Gera Janga Panjang (Longerm Movemen aau Seculer Trend) Yau suau gera yang menunjuan e arah mana ujuan dar me seres u mungn saja berbenu gars lurus aau gars lengung Cara menenuan rend, yau: Dengan memaa angan saja Cara sem average 3 Cara raa raa bergera (Movng Average) 4 Cara leas square Unversas Sumaera Uara

12 b Gera Berulang (Cyclcal movemen) Yau gera na urun yang erjad dalam janga wau yang lama Gera seper n erjad dengan eraur aau hampr eraur, aan eap mungn juga ampludonya berbeda dar wau e dalam janga wau yang snga (bagan dar ahun aau musm) Oleh arena gera n hampr eraur aau benar-benar eraur, maa gera n dsebu dengan gera perod c Gera Ta Teraur (Irreguler Movemen) Yau gera yang erjad hanya seal al dan da mengu auran erenu dan arenanya da dapa dramalan lebh dahulu Gera n basanya da berpengaruh unu janga wau yang lama, walaupun eecualan selalu ada Ten peramalan yang dgunaan dalam peramalan me seres erdr dar beberapa model Pembagan model ersebu beragam menuru para ahl, namun pada dasarnya meml masud dan ujuan yang sama Model-model peramalan me seres ersebu, adalah sebaga beru: Model Trend Model Nave (naf) 3 Model raa-raa 4 Model Exponenal Smoohng (pemulusan esponensal) 5 Model Box-Jenns (ARIMA) 6 Model Deomposs Dalam penelan n, meode peramalan yang aan dgunaan adalah ARIMA arena danggap sebaga meode yang dapa dgunaan sebaga meode peramalan unu asus daa unjungan wsaa dan meode n cuup memungnan unu mengaas asus daa me seres yang da sasoner Beberapa penelan erdahulu memberan nformas mengena meode yang dapa derapan unu meramalan jumlah unjungan wsaa Naïve Models, Exponenal Smoohng dan Seasonal ARIMA merupaan meode yang pernah dgunaan oleh Wang dan Lm (005) unu meramalan unjungan wsaawan asal Ausrala e Jepang Sedangan Ahanasopoulos dan Hyndman (007) memanfaaan Tme Seres Regresson, Unversas Sumaera Uara

13 Exponenal Smoohng dan Innovaons sae space models dalam meramalan jumlah unjungan wsaa e Ausrala Pada model ARIMA dperluan peneapan araers daa dere berala seper sasoner, musman dan sebaganya, yang memerluan suau pendeaan ssemas unu mendapaan gambaran yang jelas mengena model-model dasar yang aan dangan Hal uama yang mencran dar model ARIMA dalam analss daa dere wau dbandngan meode pemulusan adalah perlunya pemersaan eacaan daa dengan melha oefsen auoorelasnya Model ARIMA juga bsa dgunaan unu mengaas masalah sfa eacaan, rend, musman bahan sfa sls daa daa dere wau yang danalss 3 Meode ARIMA (Auoregressve Inegraed Movng average) Model Auoregressve Inrgraed Movng Average (ARIMA) merupaan meode yang secara nensf dembangan oleh George Box dan Gwlym Jenns Meode ARIMA berbeda dengan meode peramalan lan arena meode n da mensyaraan suau pola daa erenu supaya model dapa beerja dengan ba Meode ARIMA aan beerja dengan ba apabla daa dere berala yang dpergunaan bersfa dependen aau berhubungan sau sama lan secara sas ARIMA merupaan suau meode yang menghaslan ramalan-ramalan berdasaran sness dar pola daa secara hsors (Arsyad, 995) Meode ARIMA merupaan uj lnear yang smewa ARIMA sama seal mengabaan varabel ndependen arena model n menggunaan nla searang dan nla-nla lampau dar varabel dependen unu menghaslan peramalan janga pende yang aura Arsyad (995) juga menyebuan bahwa meodolog Box-Jenns n dapa dgunaan: Unu meramal nga employmen Menganalss pengaruh promos erhadap penjualan barang-barang onsums Unversas Sumaera Uara

14 3 Menganalss persangan anara jalur erea ap dengan jalur pesawa erbang 4 Mengesmas perubahan sruur harga suau ndusr Hasl para penel erdahulu mengena ARIMA dapa dsmpulan sebaga beru: ARIMA merupaan suau meode yang menghaslan ramalan-ramalan berdasaran sness dar pola daa secara hsors (Arsyad, 995) Varabel yang dgunaan adalah nla-nla erdahulu bersama nla esalahannya ARIMA meml nga eauraan peramalan yang cuup ngg arena seelah mengalam nga penguuran esalahan peramalan MAE (mean absolue error) nlanya mendea nol (Francs dan Hare, 994) 3 ARIMA mempunya nga eauraan peramalan sebesar 8333% dbandng model log 6637% dan OLS 5833% (Duns, 00) 4 Menuru penelan Mulyono (000), en Box-Jenns menunjuan bahwa meode n coco unu meramal sejumlah varabel dengan cepa, sederhana, dan murah arena hanya membuuhan daa varabel yang aan dramal Secara umum model ARIMA drumusan dengan noas sebaga beru ARIMA (p, d, q) dengan, p menunjuan orde aau deraja auoregressve (AR) d menunjuan orde aau deraja dfferencng (pembedaan) dan q menunjuan orde aau deraja movng average (MA) 3 Model AR (ARIMA (p,0,0)) Kasus yang palng serng dhadap dalam proses auoregressve adalah apabla p dan p, yau beruru-uru unu model AR() dan AR() yang ddefnsan sebaga beru (Mardas e al, 999): ARIMA(,0,0) e μ' φ (5) Unversas Sumaera Uara

15 aau ARIMA(,0,0) aau ( φb ) μ' e e μ' φ φ ( φb φb ) μ' e (6) (7) (8 3 Model MA (ARIM (00q)) Dalam prae, asus yang emungnan besar muncul adalah apabla q dan q yau beruru-uru proses MA() dan MA() Dua asus n dapa duls dengan persamaan beru (Mardas e al, 999): ARIMA (0,0,) ARIMA (0,0,) ) μ ( θb e μ ( θ B θ B ) e (9) (0) 33 Model ARIMA (p,d,q) Secara umum model ARIMA dapa dulsan sebaga beru () Dengan operaor shf mundur dapa duls sebaga beru () Model ARIMA menggunaan nla sebelumnya dar varabel ndependen maupun nla resdual perode sebelumnya Dengan penggabungan n dharapan model ARIMA dapa mengaomodas pola daa yang da dapa ddenfas secara sendr-sendr oleh model MA aau AR Orde dar model ARIMA denuan oleh Unversas Sumaera Uara

16 jumlah perode varabel ndependen ba dar nla sebelumnya dar varabel ndependen maupun nla resdual perode sebelumnya 34 Model ARIMA dan Musman Musman berar ecendrungan mengulang pola ngah gera dalam perode musm, basanya sau ahun unu daa bulanan Karena u, dere wau musman mempunya araers yang dunjuan oleh adanya orelas berunun yang ua pada jara semusm (Cryer,986) Unu daa yang sasoner, faor musman dapa denuan dengan mengdenfas oefsen auoorelas pada dua aau ga me-lag yang berbeda nyaa dar nol Auoorelas yang secara sgnfan berbeda dar nol menyaaan adanya suau pola dalam daa Noas umum yang snga unu menangan musman adalah ARIMA (p,d,q)(p,d,q) S dengan, (p,d,q) bagan yang da musman dar model (P,D,Q) bagan musman dar model S jumlah perode per musm 35 Model AR Musman Benu umum dar proses auoregresf musman perode S nga P aau AR(P) s ddefensan sebaga beru Θ s Θ s Θ p ps α ' Persamaan daas dapa juga duls dalam benu: Φ ( B) α (3) (4) Unversas Sumaera Uara

17 dengan S QS Φ ( B) ΦB ΦB yang denal sebaga operaor AR(P) S dmana α adalah ndependen dan berdsrbus normal dengan mean 0 dan varans σ a Sebaga conoh model AR(p) S aan djelasan model AR() yan suau proses { } daaan mengu model AR() ja mengu model Φ α (5) dengan E( ) 0, unu semua dperoleh E( [( Φ )( α )] ) E α α Dengan membag persamaan daas dengan γ 0 aan dperoleh (6) Jelas bahwa, unu (7) Φ Φ0 dan Sehngga secara umum aan dperoleh Φ, unu,, Φ Φ Selanjunya, unu dan dengan aan dperoleh Yang bermplas bahwa 0 Φ dan Φ (8) 36 Model MA Musman Benu umum dar proses movng average musman perode S nga Q aau MA(Q) S ddefnsan sebaga beru α Θα s Θα s Θ Persamaan (9) dapa juga duls dalam benu: dengan, Θ( B) α Θ( B) Θ B S Θ B S Θ Q α Q B QS S (9) (30) (3) Unversas Sumaera Uara

18 yang denal sebaga operaor MA(Q) S, dengan α adalah ndependen dan berdsrbus normal dengan mean 0 dan varans σ a Sebaga conoh dar model MA(Q) S aan djelasan model MA() Suau proses daaan mengu model MA() ja { } mengu model: α Θ α Jelas bahwa, yau E( ) 0 dan unu semua [( α Θ α )( α Θ )] E( ) α E (3) (3) Dalam hal n E( - ) 0 unu, yang berar proses da mempunya orelas dluar lag Sebaga rngasan, unu suau seres yang mengu proses MA(), maa γ 0 var( ) σ ( Θ α γ Θ σ α ) (33) dan γ 0 unu Θ Θ 37 Analss Model ARIMA 37 Plo Daa Langah perama yang ba unu menganalss daa dere berala adalah membua plo daa ersebu secara grafs Hal n bermanfaa unu memplo berbaga daa movng average unu meneapan adanya rend (penympangan nla engah) dan adanya pengaruh musman pada daa (deseasonalze he daa) 37 Koefsen Auoorelas Kovarans dan orelas anara dan beruru-uru dapa dulsan sebaga beru Unversas Sumaera Uara

19 ), ( ), ( μ μ γ E Cov () dan 0 ) var( ) var( ), ( γ γ ov, () Dengan: pengamaan sejumlah pengamaan seelahnya Dar suau runun wau sasoner,,, n maa dapa desmas fungs auoorelas dengan menggunaan persamaan: n n r 0 ) ( ) )( ( γ γ (3) Unu proses Gaussan, rumus pendeaan ovarannya unu > 0 dan j > 0 (We, 990) ) ( ) ˆ ˆ, ( j j j j j j n ov (4) Unu n besar, mendea dsrbus normal dengan raa-raa dan varan: ( ) n 4 ) ˆ var( (5) Unu proses 0 dengan > m, pendeaan erhadap persamaan d aas adalah sebaga beru: ( ) m n ) ˆ var( (6) Dalam enyaaannya da deahu maa dgunaan (,,,m) Sandar error unu lag besar adalah: Unversas Sumaera Uara

20 ( ) ˆ ˆ ˆ m n SE (7) dengan 0,,, 373 Koefsen Auoorelas Parsal Msalan erdapa model regres dmana varabel dependen dar proses sasoner dregresan pada -lag varabel -, -, dan, yau: e φ φ φ (8) dengan φ merupaan parameer regres dan e adalah suu sesaan normal yang da berorelas dengan -j unu j (We, 990) Dengan menggunaan auran cramer, unu,,, dperoleh φ φ 3 33 φ Unversas Sumaera Uara

21 φ Dengan φ adalah auoorelas parsal anara dan Karena merupaan fungs dar, hmpunan { } ; 0, φ dnamaan fungs auoorelas parsal (paral auocorrelaon funcon), dsnga dengan PACF 374 Sasoner dan Nonsasoner Hal perama yang harus dperhaan adalah bahwa ebanyaan dere berala bersfa nonsasoner Sasoneras berar bahwa da erdapa perumbuhan aau penurunan pada daa Daa secara asarnya harus horzonal sepanjang sumbu wau Dengan aa lan, fluuas daa berada dsear pada suau nla raa-raa yang onsan, da erganung pada wau dan varans dar fluuas ersebu eap onsan seap wau Nla-nla auoorelas dar daa sasoner aan urun sampa nol sesudah me-lag edua aau ega, sedangan unu daa yang da sasoner, nla-nla ersebu berbeda sgnfan dar nol unu beberapa perode wau Apabla dsajan secara graf, auoorelas daa yang da sasoner memperlhaan suau rend searah dagonal dar anan e r bersama dengan mennganya jumlah me-lag (selsh wau) Karena model ARIMA membuuhan erpenuhnya asums sasoneras, maa edasasoneran dar daa perlu dhlangan erlebh dahulu sebelum melangah lebh lanju pada pengesmasan model dere berala Unu Unversas Sumaera Uara

22 mensasoneran nla mean yau dengan melauan pembedaan dere daa (dfferrencng) 375 Operaor Bacward Shf (Shf mundur) Noas yang sanga bermanfaa dalam meode dere berala ARIMA Box-Jenns adalah operaor shf mundur (bacward shf) dnoasan B, yang penggunaannya adalah sebaga beru (9) Noas B yang dpasang pada, mempunya pengaruh menggeser daa perode e belaang Dua penerapan B unu shf aan menggeser daa ersebu (dua) perode e belaang (0) Operaor shf mundur juga dapa dgunaan unu menggambaran proses pembedaan (dfferencng) Sebaga conoh apabla suau dere berala da sasoner maa daa ersebu dapa dbua lebh mendea sasoner dengan melauan pembedaan perama dar dere daa Pembedaan perama drumusan sebaga beru () Dengan menggunaan operaor shf mundur, pembedaan perama dapa dulsan sebaga beru () Pembedaan orde edua drumusan sebaga beru (3) Dengan menggunaan operaor shf mundur maa pembedaan orde edua dapa duls sebaga beru (4) Unversas Sumaera Uara

23 Pembedaan orde edua dnyaaan oleh (B) Salah sau hal yang penng adalah bahwa pembedaan orde edua yang dnoasan (B) da sama dengan pembedaan edua yang dnoasan dengan (B ) 4 Tahapan dalam meode ARIMA 4 Tahap Idenfas Pada ahap denfas, varabel yang aan dramalan erlebh dahulu duj esasoneran daanya Kesasoneran daa dapa duj dengan cara plo daa dan menghung auocorrelaon funcon (ACF) Melalu plo daa, dlha secara vsual apaah daa meml ecendrungan seman mennga, seman menurun, aau erdapa fluuas musman Sedangan dar nla ACF, ja nla ACF mendea nol pada lag edua aau ega, maa daa ersebu sasoner Ja daa yang dama meml pola musman, pada plo ACF aan erlha nla ACF yang sgnfan pada elpaan musmnya Dere daa non-sasoner dapa djadan sasoner dengan melauan proses dfferencng (pembedaan) Jumlah berapa al dlauan proses dfferencng menunjuan nga dfferensas model Unu pola daa yang mengandung unsur musman, secara husus dapa dgunaan model seasonal ARIMA Unsur musman dapa dhlangan dengan seasonal dfferencng Seelah daa menjad sasoner, langah yang selanjunya dlauan adalah menenuan model enave Unu menenuan model enave, dperluan analss dar ACF dan PACF Pola ACF dan PACF bsa berpola cu off dan des down Perama, ACF dan PACF dar daa me seres bsa berpola cu off Pola cu off adalah pola ea gars ACF dan PACF sgnfan pada lag perama aau edua eap emudan da ada gars ACF dan PACF yang sgnfan pada lag berunya Unu pola cu off, perbedaan anara ACF dan PACF yang sgnfan dengan ACF dan PACF yang da sgnfan adalah besar sehngga gars ACF dan PACF erlha erpoong (cu off) Kedua, ACF dan PACF daaan meml perlau des down ja edua fungs Unversas Sumaera Uara

24 ersebu da erpoong, melanan menurun secara berahap Benu penurunannya bsa anpa aaupun dengan berbenu gelombang snus Penenuan apaah suau daa me seres dmodelan dengan AR, MA aau ARIMA erganung pola ACF dan PACF Model AR dgunaan ja plo ACFnya des down semenara PACF-nya cu off Model MA dgunaan ja plo ACFnyacu off dan plo ACF-nya des down Sedangan ja edua plo ACF dan PACF sama-sama des down, maa model yang dgunaan adalah model ARIMA Tabel rera ACF dan PACF pada model ARIMA Proses ACF PACF AR(p) des down (menurun) mengu benu esponensal aau gelombang snus Cu off (erpuus) seelah lag e-p MA(q) Cu off seelah lag e-q des down mengu benu esponensal aau gelombang snus ARMA(p, q) (We, 990) des down seelah lag (q-p) des down seelah lag (p-q) 4 Tahap Penasran Parameer Seelah model semenara unu suau runun wau ddenfasan, langah selanjunya adalah mencar esmas erba unu parameer-parameer dalam model semenara ersebu 4 Proses da Musman AR() dan AR() Unversas Sumaera Uara

25 Unu proses auoregresf pada orde p dengan pendeaan Yule-Waler ddefnsan sebaga beru φ φ φ p p φ φ φ p p p φ p φ p φ p (34) dengan, adalah auoorelas eors beruru-uru unu me-lag,, 3,, p, φ,, φ, φ p adalah p buah oefsen AR dar proses AR(p) Karena nla eors da deahu maa dganan dengan nla emprsnya dan emudan dgunaan unu memecahan nla-nlaφ Unu proses AR(), persamaan (34) menjad sebaga beru Ja (35) yang da deahu dgan dengan r yang deahu (auoorelas emprs) dperoleh nla asran parameer φ unu proses AR() sebaga beru ˆ φ r (36) Unu proses AR(), persamaan (34) menjad sebaga beru φ φ φ φ (37) Ja dan dgan dengan r dan r dperoleh nla asran parameer φ dan φ unu proses AR() sebaga beru ˆ r ( r ) φ, r ˆ r r φ r (38) 4 Proses da Musman MA() dan MA() Unversas Sumaera Uara

26 Esmas aas oefsen MA(q) da dlauan dengan meode lner arena walaupun modelnya modelnya berbenu lner eap oefsennys sendr bersfa nonlner sehngga dgunaan meode esmas nonlner (Lerbn, 00) Auoorelas eors unu proses MA(q) dapa dgunaan dalam benu oefsen-oefsen MA sebaga beru θ θθ θ q θ θ q 0, > q θ q,,,, q (39) Nla asran dar dapa dperoleh dengan mensubsusuan auoorelas emprs, r pada persamaan (39) dan emudan dselesaan Unu proses MA(), persamaan (39) menjad sebaga beru (40) Dengan memsubsusan r unu pada persamaan (40) dperoleh persamaan uadra sebaga beru (4) Dar persamaan (40) dperoleh dua penyelesaan yang harus erlea d anara - dan Unu proses MA() persamaannya adalah sebaga beru θ ( θ ) θ θ θ θ θ 0, 3 (4) Dengan mensubsusan r dan r unu dan aan menghaslan dua persamaan dalam θ dan θ yang da deahu Ada dua cara yang mendasar unu mendapaan parameer-parameer ersebu, yau: Dengan cara ral and error (mencoba-coba), menguj beberapa nla yang berbeda dan memlh sau nla ersebu aau seumpulan nla, apabla erdapa lebh dar Unversas Sumaera Uara

27 sau parameer yang aan dasr yang memnmuman sum of squared resdual (jumlah uadra nla ssa) Perbaan secara eraf, memlh asran awal dan emudan membaran program ompuer memperhalus penasran ersebu secara eraf 43 Tahap Pemersaan Dagnos Seelah menasr nla-nla parameer dar model ARIMA yang deapan semenara, selanjunya perlu dlauan pemersaan unu membuan bahwa model ersebu cuup memada Dagnoss model dlauan unu mendees adanya orelas dan enormalan anar resdual Dalam runun wau (me seres) ada asums bahwa resdual mengu proses whe nose yang berar resdual harus ndependen (da berorelas) dan berdsrbus normal dengan raa-raa mendea 0 (μ 0) dan sandar devas (σ) erenu (Irawan, 006) Unu mendees adanya proses whe nose, maa perlu dlauan dagnoss model Ada beberapa cara dalam hal n, anara lan: Uj ndependens resdual Uj dlauan unu mendees ndependens resdual anar lag Dua lag daaan ndependen (da berorelas) apabla anar lag da ada orelas cuup berar (Irawan, 006: 36) Dalam penelan n, uj dlauan dengan membandngan χ LjungBox dan χ (α,df ) pada oupu proses Ljung-Box-Perce Hpoess: H 0 : 0 (Ada orelas anar-lag) a, a H : 0 (da ada orelas anar lag aau mnmal ada lag yang a, a 0 ) a, a Krera penolaan H 0 yau ja χ LjungBox < χ (α,df ), d mana dsrbus χ yang dgunaan mempunya df K- Selan dengan pengujan hpoess, ndependens anar lag aan dunjuan pula oleh graf fungs auoorelas (ACF) rasdual Suau resdual model Unversas Sumaera Uara

28 daaan elah ndependen ja da ada sau lag pun pada graf fungs auoorelas (ACF) resdual yang eluar baas gars (Irawan, 006) Uj enormalan resdual Uj dlauan unu mendees enormalan resdual model Dalam penelan n, uj dlauan hanya dengan membandngan nla P-Value pada oupu proses Ljung-Box-Perce dengan level olerans (α) yang dgunaan dalam uj hpoess Hpoess: H 0 : Resdual model berdsrbus normal dengan raa-raa mendea 0 (μ 0) H : Resdual model da berdsrbus normal dengan raa-raa mendea 0 (μ 0) Krera penolaan H0 yau ja P-Value < level olerans (α) (Irawan, 006) 3 Uj Lac of f (eurangan esesuaan) dengan box-perce Q sas boxperece Q dhung dengan model sebaga beru Q n m r dengan, m lag masmum n banyanya daa asl r nla oefsen auoorelas me lag (43) Ja nla Q lebh ecl dar nla pada abel Ch-Square dengan deraja ebebasan selsh dar m-p-q, dmana p dan q adalah orde dar AR dan MA Sebalnya ja nla Q lebh ecl dar Ch-Square model belum danggap memada dan harus mengulang langah sebelumnya 4 Overfng model ARIMA, yau menggunaan beberapa parameer lebh banya darpada yang dperluan Namun, dalam hal n perlu dperhaan bahwa dalam meode ARIMA berlau prnsp parsmony arnya model yang Unversas Sumaera Uara

29 dplh adalah model yang palng sederhana yau yang jenjangnya palng rendah dan omponennya palng sed 44 Peramalan dengan Model ARIMA Seelah meode peramalan deapan, maa model ARIMA dapa derapan pada daa, dan dapa dlauan perraan pada daa ersebu unu beberapa perode e depan Dengan berjalannya wau perlu dlauan evaluas ulang erhadap model yang sudah dplh arena ada emungnan model perlu dperba arena pola daa mungn berubah 44 Penguuran Kesalahan Peramalan Ada beberapa meode yang dgunaan unu menunjuan esalahan yang dsebaban oleh suau en peramalan erenu Hampr semua uuran ersebu menggunaan beberapa fungs dar perbedaan anara nla sebenarnya dengan nla peramalannya Perbedaan nla sebenarnya dengan nla peramalan n basanya dsebu sebaga resdual Menuru Arsyad (995) ada beberapa en unu mengevaluas hasl peramalan, danaranya: Mean Absolue Devaon (MAD) aau smpangan absolu raa-raa n ( ˆ ) MAD n (44) MAD n sanga berguna ja seorang anals ngn menguur esalahan peramalan dalam un uuran yang sama seper daa aslnya Mean Squared Error (MSE) aau Kesalahan raa-raa uadra MSE n ( ˆ ) n (45) Unversas Sumaera Uara

30 Pendeaan n menghuum suau esalahan yang besar arena duadraan Pendeaan n penng arena sau en yang menghaslan esalahan yang modera yang lebh dsua oleh suau peramalan yang basanya menghaslan esalahan yang lebh ecl eap adang-adang menghaslan esalahan yang sanga besar 3 Mean Absolue Percenage Error (MAPE) aau persenase esalahan absolu raa-raa MAPE n n ˆ (46) Pendeaan n sanga berguna ja uuran varabel peramalan merupaan facor penng dalam mengevaluas auras peramalan ersebu MAPE memberan peunju seberapa besar esalahan peramalan dbandngan dengan nla sebenarnya dar seres ersebu 4 Mean Percenage Error (MPE) aau Persenase esalahan raa-raa n ( ˆ ) MAD n (47) MPE dperluan unu menenuan apaah suau meode peramalan bas aau da Ja pendeaan peramalan ersebu da bas, maa hasl perhungan MPE aan menghaslan persenase mendea nol Unversas Sumaera Uara

Penerapan Metode Filter Kalman Dalam Perbaikan Hasil Prediksi Cuaca Dengan Metode ARIMA

Penerapan Metode Filter Kalman Dalam Perbaikan Hasil Prediksi Cuaca Dengan Metode ARIMA JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (24) ISSN: 2337-3539 (23-927 Prn) A-28 Penerapan Meode Fler Kalman Dalam Perbaan Hasl Preds Cuaca Dengan Meode ARIMA Tomy Kurnawan, Luman Hanaf, dan Erna Aprlan

Lebih terperinci

E-book Statistika Gratis... Statistical Data Analyst. Uji Asumsi Klasik Regresi Linear

E-book Statistika Gratis... Statistical Data Analyst. Uji Asumsi Klasik Regresi Linear E-boo Sasa Gras... Sascal Daa Anals Uj Asums Klas Regres Lnear Pada penulsan enang Regres Lnear n, penuls aan memberan bahasan mengena Uj Asums Klas epada para pembaca unu memberan pemahaman dan solus

Lebih terperinci

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun Baasan Masalah Jumlah kasus pendera penyak Demam Berdarah Dengue (DBD d Koa Surabaya ahun - Varabel Explanaory (Varabel penjelas yang dgunakan dalam penelan adalah varabel Iklm (Curah hujan, Suhu, Kelembaban

Lebih terperinci

TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE

TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE Fan Puspasar 201 16019 Program Sud Magser Maemaa Faulas Maemaa dan Ilmu Pengeahuan Alam Insu Tenolog Bandung

Lebih terperinci

Peramalan Jumlah Wisatawan di Agrowisata Kusuma Batu Menggunakan Metode Analisis Spektral

Peramalan Jumlah Wisatawan di Agrowisata Kusuma Batu Menggunakan Metode Analisis Spektral JURAL SAIS DA SEI ITS Vol., o., (Sep. 0) ISS: 30-98X A-40 Peramalan Jumlah Wsawan d Agrowsa Kusuma Bu Menggunaan Meode Analss Speral swul Maghfroh, Sr Suprap Har, ur Wahyunngsh Jurusan Mema, Faulas Mema

Lebih terperinci

BAB 8 PERSAMAAN DIFERENSIAL BIASA

BAB 8 PERSAMAAN DIFERENSIAL BIASA Maa kulah KOMPUTASI ELEKTRO BAB 8 PERSAMAAN DIFERENSIAL BIASA Persamaan dferensal dapa dbedakan menjad dua macam erganung pada jumlah varabel bebas. Apabla persamaan ersebu mengandung hana sau varabel

Lebih terperinci

PRESENTASI TUGAS AKHIR

PRESENTASI TUGAS AKHIR Penerapan PID Predcve Ar-Rao Conroller Pada Mesn Mobl Msubsh Type 4G63 Unu Memnmuman Ems Gas Buang Oleh Hendre Angga P 10 105 03 PRESENTASI TUGAS AKHIR Mesn-mesn oomof saa n dunu unu menghaslan performa

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Creaed by Smpo PDF Creaor Pro (unregsered verson) hp://www.smpopdf.com Sask Bsns : BAB 8 VIII. ANALISIS DATA DERET BERKALA (TIME SERIES) 8.1 Pendahuluan Daa Berkala (Daa Dere waku) adalah daa yang dkumpulkan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla

Lebih terperinci

Pemodelan Indeks Pembangunan Gender dengan Pendekatan Regresi Nonparametrik Spline di Indonesia

Pemodelan Indeks Pembangunan Gender dengan Pendekatan Regresi Nonparametrik Spline di Indonesia JURNAL SAINS DAN SENI ITS Vol. 4, No., ( 337-3 (3-9X Prn D-7 Pemodelan Indes Pembangunan Gender dengan Pendeaan Regres Nonparamer Splne d Indonesa Nurul Fajryyah dan I Nyoman Budanara Jurusan Sasa, Faulas

Lebih terperinci

BAB 3 PENYELESAIAN NUMERIK MODEL ADVEKSI-DISPERSI DENGAN IMPLEMENTASI SPREADSHEET

BAB 3 PENYELESAIAN NUMERIK MODEL ADVEKSI-DISPERSI DENGAN IMPLEMENTASI SPREADSHEET BAB PENYELESAIAN NUMERIK MODEL ADVEKSI-DISPERSI DENGAN IMPLEMENTASI SPREADSHEET MENGENAI METODE NUMERIK Persoalan yang melbaan model maemaa banya munul dalam berbaga lmu pengeahuan seper halnya dalam asus

Lebih terperinci

Kombinasi Penaksiran Model Lag Terdistribusi Dengan Ekspektasi Adaptif Dan Penyesuaian Parsial

Kombinasi Penaksiran Model Lag Terdistribusi Dengan Ekspektasi Adaptif Dan Penyesuaian Parsial 96 Vol. 3, No., 96-, Januar 7 Kombnas Penasran Model Lag Terdsrbus Dengan Espeas Adapf Dan Penyesuaan Parsal Adawaya Rangu Absra Dalam menasr Model Lag Terdsrbus, masalah yang mungn erjad adalah da adanya

Lebih terperinci

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla

Lebih terperinci

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU Pada bab III, ka elah melakukan penguan erhadap meoda Runge-Kua orde 4 pada persamaan panas. Haslnya, solus analk persamaan panas

Lebih terperinci

Zullaikah 1 dan Sutimin 2. Jl. Prof. H. Soedarto, S.H., Tembalang Semarang

Zullaikah 1 dan Sutimin 2. Jl. Prof. H. Soedarto, S.H., Tembalang Semarang MODEL PERTUMBUHAN BIOMASSA RUMPUT LAUT GRACILLARIA DENGAN CARRYING CAPACITY BERGANTUNG WAKTU Zullaah dan Sumn, Jurusan Maemaa FMIPA Unversas Dponegoro Jl Prof H Soedaro, SH, Tembalang Semarang Absrac In

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Pada bab ini aan diemuaan beberapa onsep dasar yang beraian dengan analisis runun wau, dianaranya onsep enang esasioneran, fungsi auoorelasi dan fungsi auoorelasi parsial, macam-macam

Lebih terperinci

U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K

U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K Isaro Elevas Jurusan Ten Spl dan Lngungan FT UGM U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K SABTU JULI OPE N BOOK WAKTU ME NIT PETUNJUK ) Saudara bole menggunaan ompuer unu mengerjaan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan

Lebih terperinci

PENERAPAN MODEL GSTAR(1,1) UNTUK DATA CURAH HUJAN

PENERAPAN MODEL GSTAR(1,1) UNTUK DATA CURAH HUJAN Bulen Ilmah Mah. Sa. dan Terapannya (Bmaser) Volume 6, o. 03 (017), hal 159 166. PEERAPA MODEL GSTAR(1,1) UTUK DATA CURAH HUJA Ism Adam, Dadan Kusnandar, Hendra Perdana ITISARI Model Generalzed Space Tme

Lebih terperinci

Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR)

Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR) JURNAL SAINS DAN SENI POMITS Vol. 3, No., (04) 337-350 (30-98X Prn) D-36 Peramalan Penjualan eda Moor Tap Jens d Wlayah Surabaya dan Blar dengan Model ARIMA Box-Jenkns dan Vecor Auoregressve (VAR) Ade

Lebih terperinci

PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR

PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR B-5-1 PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR Wsnu Bud Sunaryo, Haryono ITS Surabaya ABSTRAK Dalam duna konsruks saa n pemakaan produk beon

Lebih terperinci

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola

Lebih terperinci

' PERATURAN BUPATI PACITAN I NOMOR 4 TAHUN 2012 PEMBERIAN BANTUAN PERALATAN DAN/ATAU MESIN BAGI INDUSTRI KECIL DAN MENENGAH KABUPATEN PACITAN

' PERATURAN BUPATI PACITAN I NOMOR 4 TAHUN 2012 PEMBERIAN BANTUAN PERALATAN DAN/ATAU MESIN BAGI INDUSTRI KECIL DAN MENENGAH KABUPATEN PACITAN j BUPAT PACTAN ' PERATURAN BUPAT PACTAN NOMOR 4 TAHUN 2012 TENTANG PEMBERAN BANTUAN PERALATAN DAN/ATAU MESN BAG NDUSTR KECL DAN MENENGAH KABUPATEN PACTAN DENGAN RAHMAT TUHAN YANG MAHA ESA BUPAT PACTAN

Lebih terperinci

BAB II TINJAUAN TEORITIS

BAB II TINJAUAN TEORITIS BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan

Lebih terperinci

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap

Lebih terperinci

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2) BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang

Lebih terperinci

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI BAB ETROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUYI Model Markov Tersembuny (Hdden Markov Model, MMT) elah banyak daplkaskan dalam berbaga bdang seper pelafalan bahasa (speeh reognon) dan klasfkas (luserng).

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya

Lebih terperinci

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1 BAB I PENDAHULUAN 1.1 Defns Rangkaan Lsrk Rangkaan Lsrk adalah sambungan dar beberapa elemen lsrk ( ressor, kapasor, ndukor, sumber arus, sumber egangan) yang membenuk mnmal sau lnasan eruup yang dapa

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013 3. Lokas dan Waku Penelan 3.. Lokas Penelan BAB III METODOLOGI PENELITIAN Penelan n dlaksanakan d SMP Neger 7 Goronalo pada ahun ajaran 0/03 3.. Waku Penelan Penelan n d laksanakan pada semeser genap ahun

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah

Lebih terperinci

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,

Lebih terperinci

BAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode

BAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode BAB III THREE STAGE LEAST SQUARE Sebagamana elah dsnggung pada bab sebelumnya, salah sau meode penaksran parameer pada persamaan smulan yau meode Three Sage Leas Square (3SLS. Sebelum djelaskan lebh lanju

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang

Lebih terperinci

MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT

MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT Bulen Ilmah Mah. Sa. dan Terapannya (Bmaser) Volume 07, No. (018), hal 85 9. MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT Felca Kurna Kusuma Wra Pur, Dadan

Lebih terperinci

SEGMETASI BAYESIAN HIRARKI UNTUK MODEL AR STASIONER KONSTAN PER SEGMEN MENGGUNAKAN ALGORITMA REVERSIBLE JUMP MCMC

SEGMETASI BAYESIAN HIRARKI UNTUK MODEL AR STASIONER KONSTAN PER SEGMEN MENGGUNAKAN ALGORITMA REVERSIBLE JUMP MCMC Semnar Nasonal Ssem Informas Indonesa, - 4 Desember 03 SEGMETASI BAYESIAN HIRARKI UNTUK MODEL AR STASIONER KONSTAN PER SEGMEN MENGGUNAKAN ALGORITMA REVERSIBLE JUMP MCMC Suparman Penddan Maemaa FKIP UAD

Lebih terperinci

BAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode 20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena

Lebih terperinci

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32)

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32) 8 Raaan poserornya adalah E m x ò (, ) f ( x) m f x m f f m ddm (32) Dalam obseras basanya dgunakan banyak daa klam. Msalkan saja erdr dar grup daa klam dengan masng-masng grup ke unuk seap, 2,..., yang

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI SATU PEUBAH ACAK EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena

Lebih terperinci

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun 43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C

Lebih terperinci

PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG

PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG INDEPT, Vol., No. 3, Okober 01 ISSN 087 945 PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG Samsul Budaro, ST., MT Dosen Teap Teknk Indusr, Wakl Dekan III akulas Teknk, Unversas

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

BAB II TEORI DASAR. Analisis Kelompok BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan

Lebih terperinci

PERAMALAN DENGAN MODEL ARCH SKRIPSI

PERAMALAN DENGAN MODEL ARCH SKRIPSI PERAMALAN DENGAN MODEL ARCH SKRIPSI Dajuan unu Memenuh Salah Sau Syara Memeroleh Gelar Sarjana Sans (S.S) Program Sud Maemaa Oleh: SUHARTINI NIM : 48 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS

Lebih terperinci

NILAI AKUMULASI DARI SUATU CASH FLOW DENGAN TINGKAT BUNGA BERUBAH BERDASARKAN FORMULA FISHER

NILAI AKUMULASI DARI SUATU CASH FLOW DENGAN TINGKAT BUNGA BERUBAH BERDASARKAN FORMULA FISHER ILAI AKUMULASI DARI SUATU CASH FLOW DEGA TIGKAT BUGA BERUBAH BERDASARKA FORMULA FISHER Devs Apranda, Johannes Kho, Sg Sugaro Mahasswa rogram S Maemaka Dosen Jurusan Maemaka Fakulas Maemaka dan Ilmu engeahuan

Lebih terperinci

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro

Lebih terperinci

REGRESI LINIER FUZZY PADA DATA TIME SERIES

REGRESI LINIER FUZZY PADA DATA TIME SERIES Regres Lner Fuzzy Pada Daa Tme Seres REGRESI LINIER FUZZY PADA DATA TIME SERIES Abdul Roza Progam Sud Maemaa Unversas Pesanren Tngg Darul Ulum Jombang abd.roza76@yahoo.co.d Absra Perembangan eor dan alas

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan

Lebih terperinci

Penempatan Optimal Sensor Dengan Metode Particle Swarm Optimization (PSO) Untuk State Estimation Pada Sistem Distribusi Surabaya

Penempatan Optimal Sensor Dengan Metode Particle Swarm Optimization (PSO) Untuk State Estimation Pada Sistem Distribusi Surabaya JURNL TEKNIK POMITS Vol 2, No 1, (214) 1 Penempaan Opmal Sensor Dengan Meode Parcle Swarm Opmzaon (PSO) Unu Sae Esmaon Pada Ssem Dsrbus Surabaya j Dharma, Onoseno Penangsang, Rony Seo Wbowo Jurusan Ten

Lebih terperinci

Penggerombolan Model Parameter Regresi dengan Error-Based Clustering

Penggerombolan Model Parameter Regresi dengan Error-Based Clustering Penggerombolan Model Parameer Regres dengan Error-Based Cluserng 1 I Made Sumerajaya 2 Gus Adh Wbawa 3 I Gede Nyoman Mndra Jaya 1 Saf Pengajar Deparemen Sasa IPB 2,3 Mahsswa Pascasarjana Sasa IPB ABSTRAK

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 5 BAB II LANDASAN TEORI Pada bab n akan dbahas beberapa eor dasar yang kelak akan dgunakan dalam penurunan formula penenuan harga Asan Opon, bak secara analk pada Bab III maupun secara numerk pada Bab

Lebih terperinci

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi

Lebih terperinci

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda KOLINEARITAS GANDA MULTICOLLINEARIT Oleh Bambang Juanda Model: = X + X + + X + ε. Hubungan Lnear Sempurna esa, Ja C X 0 C onstanta yg td semuanya 0. Mudah detahu rn td ada dugaan parameter oef dgn OLS,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEORI. Tnjauan Pusaka.. Uj Keseragaman Daa Tujuan uama pengukuran uj keseragaman daa adalah unuk mendapakan da yang seragam. Kedak seragaman daa dapa daang anpa dsadar, maka dperlukan suau

Lebih terperinci

PEMERINTAH KABUPATEN PACITAN PERATURAN DAERAH KABUPATEN PACITAN : NOMOR 18 TAHUN 2001

PEMERINTAH KABUPATEN PACITAN PERATURAN DAERAH KABUPATEN PACITAN : NOMOR 18 TAHUN 2001 I I PEMERINTAH KABUPATEN PACITAN PERATURAN DAERAH KABUPATEN PACITAN : NOMOR 18 TAHUN 2001 \ TENTANG PEMBERDAYAAN, PELESTARIAN DAN PENGEMBANGAN ADAT ISTIADAT DAN LEMBAGA ADAT DENGAN RAHMAT TAHUN YANG MAHA

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,

Lebih terperinci

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Usulan Penerapan Teor Marov Dalam Pengamblan Keputusan Perawatan Tahunan Pada Pt. Pupu Kujang USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Nof Ern,

Lebih terperinci

BAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu

BAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,

Lebih terperinci

\ DANA ALOKASI DESA DENGAN RAHMAT TUHAN YANG MAHA ESA

\ DANA ALOKASI DESA DENGAN RAHMAT TUHAN YANG MAHA ESA y BUPAT PACTAN PERATURAN BUPAT PACTAN : NOMOR 55" TAHUN 20 ; TENTANG \ DANA ALOKAS DESA DENGAN RAHMAT TUHAN YANG MAHA ESA BUPAT PACTAN, Menmbang : a. bahwa dalam rangka penngkaan penyelenggaraan pemernahan,

Lebih terperinci

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST BAB ESPONS FUNGSI STEP PADA ANGKAIAN DAN C Oleh : Ir. A.achman Hasbuan dan Naemah Mubarakah, ST . Persamaan Dferensal Orde Sau Adapun benuk yang sederhana dar suau persamaan dferensal orde sau adalah:

Lebih terperinci

! BUPATI PACriAN j PERATURAN BUPATI PACITAN NOMOR 18 TAHUN 2013

! BUPATI PACriAN j PERATURAN BUPATI PACITAN NOMOR 18 TAHUN 2013 ! BUPAT PACrAN j PERATURAN BUPAT PACTAN NOMOR 18 TAHUN 2013 TENTANG PEDOMAN PENYUSUNAN LAPORAN DEWAN PENGAWAS BADAN LAYANAN UMUM DAERAH PADA RUMAH SAKT UMUM DAERAH KABUPATEN PACTAN DENGAN RAHMAT TUHAN

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN ORI. Aljabar Matrs.. Defns Matrs Matrs adalah suatu umpulan anga-anga yang juga serng dsebut elemen-elemen yang dsusun secara teratur menurut bars dan olom sehngga berbentu perseg panjang,

Lebih terperinci

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar VI. KETIDAKPASTIAN 12 Dalam enyataan sehar-har banya masalah dduna n tda dapat dmodelan secara lengap dan onssten. Suatu penalaran dmana adanya penambahan fata baru mengabatan etdaonsstenan, dengan cr-cr

Lebih terperinci

PERBAIKAN ASUMSI KLASIK

PERBAIKAN ASUMSI KLASIK BAHAN AJAR EKONOMETRI AGUS TRI BASUKI UNIVERSITAS MUHAMMADIAH OGAAKARTA PERBAIKAN ASUMSI KLASIK 6.. Mulkolnearas Jka model ka mengandung mulkolneras yang serus yakn korelas yang ngg anar varabel ndependen,

Lebih terperinci

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 6 BAB II TINJAUAN PUSTAKA. TINJAUAN STATISTIK Tnjaun sas meupaan penjelasan mengena eo-eo sas. Dalam hal n eo sas yang dgunaan adalah enang peamalan. Peamalan dee wau dengan fungs ansfe yang ddea melalu

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

Karakterisasi Matrik Leslie Ordo Tiga Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember

Lebih terperinci

i PERATURAN BUPATI PACITAN j NOMOR 14 TAHUN 2012 i

i PERATURAN BUPATI PACITAN j NOMOR 14 TAHUN 2012 i BXJPAT PACTAN PERATURAN BUPAT PACTAN j NOMOR 4 TAHUN 202 \ TENTANG PELMPAHAN SEBAGAN KEWENANGAN PENGELOLAAN BDANG PERZNAN KEPADA KEPALA KANTOR PELAYANAN PERZNAN KABUPATEN PACTAN DENGAN RAHMAT TUHAN YANG

Lebih terperinci

Model Suku Bunga Multinomial 4. Danang Teguh Qoyyimi *, Dedi Rosadi 2.

Model Suku Bunga Multinomial 4. Danang Teguh Qoyyimi *, Dedi Rosadi 2. ROSIDING ISBN: 978-979-6353-3- Model Suu Bunga Mulnomal 4 S-5 Danang Teguh Qoyym *, Ded Rosad Jurusan Maemaa FMIA Unversas Gadah Mada *qoyym@ugm.ac.d Maalah n adalah merupaan pengembangan dar model suu

Lebih terperinci

Analisis Jalur / Path Analysis

Analisis Jalur / Path Analysis Analss Jalur / Pah Analyss Analss jalur adalah salah sau benuk model SEM yang dak mengandung varable laen. Tenu saja model n lebh sederhana dbandngkan dengan model SEM lengka. Analss jalur sebenarnya meruakan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

Di bidang ekonomi tidak semua informasi dapat diukur secara kuantitatif. Peubah dummy digunakan untuk memperoleh informasi yang bersifat kualitatif

Di bidang ekonomi tidak semua informasi dapat diukur secara kuantitatif. Peubah dummy digunakan untuk memperoleh informasi yang bersifat kualitatif Regres Dummy D bdang ekonom dak semua nformas dapa dukur secara kuanaf Peubah dummy dgunakan unuk memperoleh nformas yang bersfa kualaf Conoh pada daa cross secon: Gender: sebaga penenu jumlah pendapaan

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

Peramalan Jumlah Penumpang Kereta Api Kelas Ekonomi Kertajaya Menggunakan ARIMA dan ANFIS

Peramalan Jumlah Penumpang Kereta Api Kelas Ekonomi Kertajaya Menggunakan ARIMA dan ANFIS JURNAL SAINS DAN SENI ITS Vol. 4 No. (05) 33-350 (30-9X Prn) D-3 Peramalan Jumlah Penumpang Kerea Ap Kelas Ekonom Keraaya Menggunakan ARIMA dan ANFIS Ilaf Andala dan Irhamah Jurusan Saska Fakulas Maemaka

Lebih terperinci

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal Hdden Markov Model Oleh : Frdanza, urul Gusran dan Akmal Dosen Jurusan Maemaka FMIPA Unversas Padjadjaran Jl. Raya Bandung Sumedang Km 2, Janangor, Jawa Bara elp. / Fax : 022 7794696 Absrak Hdden Markov

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk) Semnar Nasonal plas enolog Informas (SNI ) Yogyaarta, Jun FUZZY BCKPROPGION UNUK KLSIFIKSI POL (Stud asus: lasfas ualtas produ) Sr Kusumadew Jurusan en Informata, Faultas enolog Industr Unverstas Islam

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat

Lebih terperinci

ARIMA (Autoregressive Integrated Moving Average)

ARIMA (Autoregressive Integrated Moving Average) ARIMA (Auoregressive Inegraed Moving Average) I. Prinsip Dasar dan Tujuan Analisis. Prinsip Dasar ARIMA sering juga disebu meode runun waku Box-Jenkins. ARIMA sanga baik keepaannya unuk peramalan jangka

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

Kresnanto NC. Model Sebaran Pergerakan

Kresnanto NC. Model Sebaran Pergerakan Kresnano C Moel Sebaran Pergerakan Kresnano C Tujuan Uama: Mengeahu pola pergerakan alam ssem ransporas serng jelaskan alam benuk arus pergerakan (kenaraan, penumpang, an barang) yang bergerak ar zona

Lebih terperinci

BAB 2 TINJAUAN TEORI

BAB 2 TINJAUAN TEORI 7 BAB 2 TINJAUAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 45 BAB III METODOLOGI PENELITIAN 3.1 Spesfkas Model Berdasarkan ujuan penelan seper dsebukan dalam bab pendahuluan maka ada dua hal mendasar yang akan del yau pengaruh volalas nla ukar rl erhadap volalas

Lebih terperinci

PERAMALAN KURS EURO TERHADAP RUPIAH MENGGUNAKAN MODEL ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (APARCH)

PERAMALAN KURS EURO TERHADAP RUPIAH MENGGUNAKAN MODEL ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (APARCH) erusaaan.uns.ac.d dglb.uns.ac.d PERAMALAN KURS EURO TERHADAP RUPIAH MENGGUNAKAN MODEL ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY APARCH Oleh BONDRA UJI PRATAMA M007075 SKRIPSI duls

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

ANALISIS EVOLUSI MATRIK ASAL TUJUAN (MAT) MENGGUNAKAN METODE GRAFIK REPRESENTASI MATRIK

ANALISIS EVOLUSI MATRIK ASAL TUJUAN (MAT) MENGGUNAKAN METODE GRAFIK REPRESENTASI MATRIK ANAII EVOUI MATRIK AA TUJUAN (MAT) MENGGUNAKAN METODE GRAFIK REPREENTAI MATRIK Tas an Junaed Absra Mar Asal Tujuan (MAT) sebaga salah sau benu nformas pola perjalanan mempunya peranan yang sanga penng

Lebih terperinci

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA Oleh : Liviani Nursia 307030040 Dosen Pembimbing: Dr. Brodjol Suijo S.U, MSi Laar Belakang

Lebih terperinci

BUPAH PAOTAN PERATURAN BUPATI PACITAN NOMOR 30 TAHUN 2013 TENTANG TATA CARA PENYESUAIAN ANGGARAN PENDAPATAN DAN BELANJA DAERAH

BUPAH PAOTAN PERATURAN BUPATI PACITAN NOMOR 30 TAHUN 2013 TENTANG TATA CARA PENYESUAIAN ANGGARAN PENDAPATAN DAN BELANJA DAERAH r BUPAH PAOTAN PERATURAN BUPAT PACTAN NOMOR 30 TAHUN 2013 TENTANG TATA CARA PENYESUAAN ANGGARAN PENDAPATAN DAN BELANJA DAERAH DENGAN RAHMAT TUHAN YANG MAHA ESA! BUPAT PACTAN, Menglnga a. bahwa guna kelancaran

Lebih terperinci

4. VALIDITAS DAN RELIABILITAS DALAM MEMBUAT EVALUASI

4. VALIDITAS DAN RELIABILITAS DALAM MEMBUAT EVALUASI 4. ALIDITAS DA RELIABILITAS DALAM MEMBUAT EALUASI Tujuan : Seelah mempelajari modul ini mahasiswa mampu membua ala evaluasi bau unu program pembelajaran Evaluasi pembelajaran adalah ahap ahir dalam prosedur

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiaan memperkirakan apa yang akan erjadi pada masa yang akan daang. Ramalan adalah sesuau kegiaan siuasi aau kondisi yang diperkirakan akan erjadi

Lebih terperinci

APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND

APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND Noeryani 1, Ely Okafiani 2, Fera Andriyani 3 1,2,3) Jurusan maemaika, Fakulas Sains Terapan, Insiu Sains & Teknologi

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu

BAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang

Lebih terperinci

BAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun

BAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun BAB III ARFIMA-FIGARCH 3. Time Series Memori Jangka Panjang Proses ARMA sering dinyaakan sebagai proses memori jangka pendek (shor memory) karena fungsi auokorelasi anara dan urun cepa secara eksponensial

Lebih terperinci

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan KONSEP DASAR Laar belakang Meode Numerk Ilusras masalah numerk Angka sgnfkan Akuras dan Press Pendekaan dan Kesalahan Laar Belakang Meode Numerk Tdak semua permasalahan maemas dapa dselesakan dengan mudah,

Lebih terperinci