ANALISIS DERET BERKALA MULTIVARIAT DENGAN MENGGUNAKAN MODEL FUNGSI TRANSFER: STUDI KASUS CURAH HUJAN DI KOTA MALANG
|
|
- Liana Hartono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ANALISIS DERET BERKALA MULTIVARIAT DENGAN MENGGUNAKAN MODEL FUNGSI TRANSFER: STUDI KASUS CURAH HUJAN DI KOTA MALANG Fachrul Ulum Febriansyah dan Abadyo Universitas Negeri Malang ABSTRAK: Model fungsi transfer merupakan salah satu model peramalan kuantitatif yang dapat digunakan untuk peramalan data deret berkala yang multivariat. Model ini menggabungkan beberapa karakteristik analisis regresi berganda dengan karakteristik deret berkala ARIMA. Konsep fungsi transfer terdiri dari deret input yang dilambangkan dengan Xt, deret output yang dilambangkan dengan Yt, dan seluruh pengaruh lain yang disebut dengan gangguan yang dilambangkan dengan Nt. Di dalam skripsi ini akan dijelaskan model peramalan pada jumlah curah hujan di kota Malang dengan menggunakan fungsi transfer dan hasil peramalan tersebut. Sehingga diperoleh model fungsi transfer multivariat sebagai berikut 35,686 3,2286,88827,57282 dengan deret output jumlah curah hujan dan deret input temperatur udara, kelembaban udara dan kecepatan angin di kota Malang tahun Setelah melakukan peramalan dengan menggunakan fungsi transfer multivariat diperoleh hasil ramalan curah hujan di kota Malang dengan ratarata jumlah curah hujan pada tahun 22 adalah 63,47 dan tahun 23 adalah 39,98. Curah hujan yang minimum pada tahun 22 dan 23 terjadi pada bulan Agustus yaitu 23,86 dan 4,46. Sedangkan curah hujan maksimum terjadi pada bulan Februari tahun 22 yaitu 254,56 dan Januari tahun 23 yaitu 277,853. Kata Kunci: peramalan, fungsi transfer, curah hujan ABSTRACT: Transfer function model is one of quantitative forecast models which can be used to forecast the multivariate time series data. This model is the combinating of characteristic multiple regression analysis with the time series character ARIMA. The transfer function concept consist of input series and symbolize with meanwhile output series symbolize with, and another part which affected and called as noise symbolize with. This thesis explained about the multivariate transfer function model in Malang and forecast result. Then we get the result of the following multivariate transfer function with 35,686 3,2286,88827,57282 with the output series of rainfall and input series of air temperature, humidity and wind speed in Malang in the year 27-2Having done forecasting using transfer function multivariate, the forecast results of rainfall in Malang with the average amount of rainfall in the year 22 is 63,47 and the year 23 is 39,98. The minimum rainfall in the year 22 and 23 occurs in August is 23,86 and 4,46. While the maximum rainfall occurs in February in the year 22 is 254,56 and January in the year 23 is 277,853. Keywords: forecasting, transfer function, rainfall
2 PENDAHULUAN Analisis data deret berkala adalah salah satu cabang ilmu statistik yang pada dasarnya untuk menganalisis data yang mempertimbangkan pengaruh waktu. Data-data dikumpulkan secara periodik berdasarkan waktu, bisa jam, hari, minggu, bulan, kuartal, dan tahun. Analisis deret berkala tidak hanya digunakan untuk data yang mempunyai satu variabel univariate tetapi juga bisa digunakan untuk data yang mempunyai banyak variabel multivariate. Selain itu analisis data deret berkala dapat dilakukan peramalan data ke depan sehingga membantu untuk perencanaan ke depan. Analisis deret berkala pada model ARIMA adalah data deret berkala tunggal atau disebut juga dengan univariate. Sedangkan untuk data deret berkala multivariat tidak bisa digunakan dalam model ARIMA, oleh karena itu diperlukan model model multivriat. Pada umumnya model multivariat lebih rumit daripada model univariat. Model-model analisis deret berkala multivariat antara lain: model fungsi transfer, analisis intervensi, dan filter kalman. Makridakis, 999:443 Model fungsi transfer adalah salah satu model peramalan yang bisa digunakan untuk data deret berkala multivariat. Model ini menggabungkan deret berkala ARIMA dengan beberapa karakteristik analisis regresi berganda. Model ini dapat digunakan untuk menetapkan model yang sederhana, yang menghubungkan deret output dengan deret input dan deret noise sehingga diperoleh penentuan peramalan kedepan secara simultan. Makridakis, 999: 443. Peramalan dengan menggunakan fungsi transfer sering dilakukan pada bidang perdangan, kesehatan, dan meteorologi. Peramalan sangat penting dalam kehidupan ini untuk mendapatkan suatu perencanaan yang lebih baik agar dapat mengetahui langkah yang harus diambil untuk memperkecil resiko yang tidak diinginkan. Dalam bidang meteorologi dan geofisika peramalan sangat dibutuhkan khususnya dalam meramalkan curah hujan. Peramalan curah hujan sangat berdampak pada kehidupan dalam berbagai bidang diantaranya pada bidang pertanian, pengairan, dan perhubungan. Dalam bidang pengairan untuk menentukan pola operasional yang digunakan untuk tahun basah, kering, atau normal. Dalam bidang perhubungan untuk menentukan apakah cuaca mendukung untuk digunakannya media transportasi sedangkan dalam bidang pertanian untuk menentukan awal musim tanam. Untuk meramalkan curah hujan yang akan terjadi, harus diketahui faktorfaktor yang mempengaruhinya. Faktor-faktor tersebut antara lain yaitu kelembaban udara, temperatur, intensitas cahaya, kecepatan angin dan lain-lain Tjasjono, 999: 5. Input yang akan digunakan adalah beberapa faktor-faktor yang mempengaruhi curah hujan dan outputnya adalah banyaknya curah hujan. Oleh karena faktor yang sebagai inputnya lebih dari dua maka peramalan ini termasuk peramalan dengan variabel multivariat yang bisa dikerjakan dengan menggunakan model fungsi transfer. METODE PENELITIAN Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data yang telah dikumpulkan terlebih dahulu oleh pihak-pihak lain selain peneliti. 2
3 Dalam penelitian ini data sekunder diperoleh dari buku Kota Malang dalam Angka. Teknik analisis data yang digunakan dalam penelitian ini adalah dengan menggunakan model fungsi transfer. Populasi dalam penelitian ini adalah curah hujan dengan pengaruhpengaruhnya yaitu temperatur udara, kelembaban udara, dan kecepatan angin. Sedangkan sampel yang digunakan adalah curah hujan dan pengaruh-pengaruhnya di kota Malang pada tahun 26 sampai dengan tahun 2. Analisis data dalam penelitian ini menggunakan model fungsi transfer. Adapun langkah-langkahnya adalah sebagai berikut. a. Mempersiapkan deret input dan deret output. Tahap ini bertujuan untuk menstasionerkan deret input dan deret output baik dalam rata-rata atau variansinya. Jika data tidak stasioner maka dilakukan differencing dan transformasi untuk menghilangkan ketidakstasioneran. b. Identifikasi model ARIMA yang cocok untuk masing-masing deret input dan outputnya. c. Pemutihan deret input dan deret output. Pemutihan deret input dan deret output maksudnya adalah untuk menghilangkan seluruh pola yang diketahui agar yang tertinggal hanya white noise. d. Menghitung korelasi silang antara deret input dan deret output. Tahap ini maksudnya adalah untuk mencari hubungan antara deret input dengan deret outputnya. e. Identifikasi awal model fungsi transfer deret input. Identifikasi awal model dilakukan dengan melihat pola korelasi silang antara pemutihan deret input dan pemutihan deret output. f. Identifikasi model sisaan. Identifikasi model sisaan dilakukan dengan melihat plot ACF dan PACF dari identifikasi awal model fungsi transfer. g. Identifikasi akhir parameter model fungsi transfer deret input. Identifikasi akhir parameter model fungsi transfer dilakukan dengan mengkombinasi model awal dengan sisaannya. h. Penaksiran akhir model fungsi transfer multivariat. Setalah diperoleh model fungsi transfer deret input maka dilakukan penggabungan dari model fungsi transfer deret input untuk mendapatkan model fungsi transfer multivariat. i. Meramalkan jumlah curah hujan dengan menggunakan model fungsi tranfer yang terbaik. HASIL ANALISIS DAN PEMBAHASAN Identifikasi Bentuk Model Identifikasi model data ini dilakukan untuk mengidentifikasi bentuk model dari data curah hujan output dan pengaruh-pengaruhnya input. Berikut ini langkah-langkah dalam identifikasi bentuk model.. Mempersiapkan Deret Input dan Output Langkah pertama identifikasi model ARIMA terlebih dahulu untuk deret inputnya yaitu temperatur udara, kelembaban udara, dan kecepatan angin. Model ARIMA yang diperoleh untuk temperatur udara adalah 2, 2,, kelembaban udara 2,,, dan kecepatan angin,,. Setelah masing-masing deret input 3
4 diperoleh model ARIMAnya maka langkah selanjutnya adalah mengidentifikasi model ARIMA curah hujan yaitu 3, 2,. 2. Pemutihan Deret Input Setelah didapat model ARIMA dari masing-masing deret input, proses selanjutnya adalah pemutihan deret input. Berikut ini adalah pemutihan untuk deret input. a. Pemutihan deret input temperatur udara model ARIMA 2,2, b. Pemutihan deret input kelembaban udara model ARIMA 2,, c. Pemutihan deret input kecepatan angin model ARIMA,, 3. Pemutihan Deret Output Setelah didapat hasil pemutihan deret input, maka proses selanjutnya adalah melakukan pemutihan deret output. Cara untuk melakukan pemutihan deret output adalah dengan menggunakan persamaan yang ada pada masing-masing pemutihan deret input dan mengganti menjadi serta menjadi. Berikut ini proses dari pemutihan deret output. 4. Perhitungan Korelasi Silang Deret Input dan Deret Output yang Sudah Diputihkan Perhitungan korelasi silang dilakukan pada masing-masing deret input dan deret output yang telah diputihkan untuk mengetahui apakah ada hubungan dari waktu ke waktu yang mempengaruhi deret tersebut. Sebelum menghitung korelasi silang perlu dihitung terlebih dahulu statistik dasar dari masing masing deret input dan deret output yang telah diputihkan yang digunakan untuk parameter pada model fungsi transfer. Kemudian dihitung korelasi silang dari masing-masing deret input dan deret output yang telah diputihkan. Nilai dari korelasi silang berguna untuk mengidentifikasi model fungsi transfer r,s,b. 5. Identifikasi Awal Model Fungsi Transfer Deret Input Setelah diperoleh nilai korelasi silang, maka tahap selanjutnya adalah mengidentifikasi model fungsi transfer. Pertama-tama ditentukan bobot respon impuls berdasarkan hasil nilai korelasi silang yang diperoleh dengan rumus untuk menentukan bobot respons impuls adalah,,,2,,8 Setelah diperoleh nilai bobot respon impuls maka langkah selanjutnya adalah menetapkan r,s,b pada model fungsi transfer yang menghubungkan deret input dan deret output. Berikut ini adalah adalah perkiraan r,s,b untuk model fungsi transfer input tunggal. Variabel input r S b Temperatur udara Kelembaban udara Kecepatan angin 4
5 Berdasarkan hasil r,s,b model fungsi transfer untuk masing-masing deret input adalah sebagai berikut. Model fungsi transfer temperatur udara Model fungsi transfer kelembaban udara Model fungsi transfer kecepatan angin Dari model fungsi transfer untuk masing-masing deret input dapat disimpulkan bahwa model fungsi transfer untuk kelembaban udara tidak dapat digunakan untuk meramalkan curah hujan. 6. Identifikasi Model Deret Gangguan Noise Setelah didapat model fungsi transfer untuk masing-masing deret input maka langkah selanjutnya yaitu penaksiran awal deret gangguan noise dari masingmasing model fungsi transfer dengan menggunakan persamaan berikut.... Setelah diperoleh deret gangguan dari masing-masing deret input maka langkah selanjutnya adalah mengidentifikasi model ARIMA,, untuk masing-masing deret gangguan. ARIMA dari deret noise temperatur udara adalah 2,, dan kecepatan angin,,. Setelah diperoleh model ARIMA untuk deret noise dari masing-masing deret input maka model fungsi transfer input tunggal terbentuk sebagai berikut. a. Model fungsi transfer input temperatur udara b. 7. Model fungsi transfer kecepatan angin Pendugaan Akhir Parameter Model Fungsi Transfer Deret Input Langkah berikutnya adalah menentukan parameter model fungsi transfer tersebut dengan berdasarkan pada nilai,,. Penaksiran estimasi parameter dan uji signifikansi dari masing-masing model fungsi transfer sudah signifikan sehingga model fungsi transfer dari deret input yang telah diperoleh menjadi sebagai berikut. a. Model fungsi transfer temperatur udara b. 4,6798,, Model fungsi transfer kecepatan angin 4,699,89277,6742 5,
6 8. Penaksiran Akhir Model Fungsi Transfer Multivariat Peramalan curah hujan dengan model fungsi transfer multivariat adalah dengan cara memodelkan seluruh variabel yang telah diidentifikasi sebelumnya secara serentak, maka fungsi transfer multivariat dapat diperoleh sebagai berikut. Model ARIMA yang sesuai dari deret gangguan adalah ARIMA,, yang dapat ditulis sebagai berikut. Sehingga model fungsi transfer multivariat dapat ditulis sebagai berikut. Setelah diperoleh model fungsi transfer multivariatnya maka langkah selanjutnya adalah menguji parameter fungsi transfer multivariat. Hasil dari pengujian parameter dan uji diagnostik yang sudah signifikan akan mendapatkan model sebagai berikut. 35,686 35,686 3,2286 3,2286,88827,57282,88827,57282 B. Peramalan Curah Hujan dengan Menggunakan Model Fungsi Transfer Hasil permalan banyaknya curah hujan di Kota Malang dengan menggunakan model akhir fungsi transfer multivariat adalah sebagai berikut. Tahun Bulan Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember 22 6, ,56 234,542 98,43 59,75 26,98 58,3 23,86 48,45 83,497 79, , ,853 87,45 6,659 85,344 7,548 96,377 74,849 4,46 67,654 88,64 29,832 92,649
7 Hasil dari peramalan curah hujan dengan menggunakan model fungsi transfer multivariat dapat dilihat setiap bulan terjadi hujan. Rata-rata jumlah curah hujan pada tahun 22 adalah 63,6 dan tahun 23 adalah 55,4. Curah hujan yang minimum pada tahun 22 dan 23 terjadi pada bulan Agustus. Sedangkan curah hujan maksimum terjadi pada bulan Februari di tahun 22 dan Januari di tahun 23. PENUTUP Kesimpulan Berdasarkan hasil penelitian, dapat ditarik kesimpulan sebagai berikut.. Model fungsi transfer multivariat untuk curah hujan di kota Malang adalah 35,686 3,2286,88827,57282 Pada model fungsi transfer di atas variabel kelembaban udara dikeluarkan dari model karena tidak signifikan ini dikarenakan tidak ada pengaruh kelembaban udara untuk curah hujan. 2. Hasil peramalan curah hujan di kota Malang dengan menggunakan fungsi transfer multivariat adalah sebagai berikut: Tabel 5. Hasil Ramalan Curah Hujan Tahun Bulan Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember 22 6, ,56 234,542 98,43 59,75 26,98 58,3 23,86 48,45 83,497 79, , ,853 87,45 6,659 85,344 7,548 96,377 74,849 4,46 67,654 88,64 29,832 92,649 Dari hasil peramalan di atas dapat dilihat setiap bulan terjadi hujan. Rata-rata jumlah curah hujan pada tahun 22 adalah 63,47 dan tahun 23 adalah 39,98. Curah hujan yang minimum pada tahun 22 dan 23 terjadi pada bulan Agustus. Sedangkan curah hujan maksimum terjadi pada bulan Februari di tahun 22 dan Januari di tahun 23. Saran Berdasarkan hasil penelitian dan pembahasan pada bab sebelumnya, penulis menyarankan untuk menggunakan model multivariat yang lain seperti Analisis Intervensi agar diperoleh model baru yang lebih mampu menjalaskan hubungan 7
8 antara deret input dan deret outputnya. Tidak terlepas kemungkinan mendapatkan hasil ramalan yang lebih akurat. Penulis juga menyarankan untuk penelitian selanjutnya agar menggunakan ARIMA musiman agar salah satu variabel deret input tidak dikeluarkan dari model yang telah ditaksir. DAFTAR RUJUKAN Makridakis Spyros, Wheel Wright Steven C, dan Victor E,McGEE Metode Dan Aplikasi Peramalan. Edisi Ke-2. Jakarta: Erlangga Mulyana. 24. Diktat Analisis Deret Waktu.Diktat Perkuliahan. Bandung: UNPAD Bandung Tjasjono, Bayong Klimatologi Umum.Bandung: ITB Wei, W.S William. 99. Univariate and Multivariate Methods. California.Addison Wesley Publishing Company 8
9
BAB 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 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Berdasarkan sifatnya peramalan terbagi atas dua yaitu peramalan kualitatif dan peramalan kuantitatif. Metode kuantitatif terbagi atas dua yaitu analisis deret berkala
Lebih terperinciBAB 1 PENDAHULUAN. Di Indonesia meteorologi diasuh dalam Badan Meteorologi dan Geofisika di Jakarta
BAB 1 PENDAHULUAN 1.1. Latar Belakang Di Indonesia meteorologi diasuh dalam Badan Meteorologi dan Geofisika di Jakarta yang sejak tahun enam puluhan telah diterapkan menjadi suatu direktorat perhubungan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di Indonesia sejak tahun enam puluhan telah diterapkan Badan Meteorologi, Klimatologi, dan Geofisika di Jakarta menjadi suatu direktorat perhubungan udara. Direktorat
Lebih terperinciSKRIPSI. Disusun oleh: Firda Megawati
PERAMALAN TINGGI GELOMBANG BERDASARKAN KECEPATAN ANGIN DI PERAIRAN PESISIR SEMARANG MENGGUNAKAN MODEL FUNGSI TRANSFER (Studi Kasus Bulan Januari 2014 sampai dengan Desember 2014) SKRIPSI Disusun oleh:
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 terperinciPERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER
PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER I Ketut Putra Adnyana 1, I Wayan Sumarjaya 2, I Komang Gde Sukarsa 3 1 Jurusan Matematika, Fakultas FMIPA
Lebih terperinciPERAMALAN CURAH HUJAN KOTA BANDUNG MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT PADA DERET BERKALA MUSIMAN
PERAMALAN CURAH HUJAN KOTA BANDUNG MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT PADA DERET BERKALA MUSIMAN Danica Dwi Prahesti, Entit Puspita, Fitriani Agustina Departemen Pendidikan Matematika FPMIPA
Lebih terperinciHALAMAN PERSETUJUAN PEMBIMBING...iii. HALAMAN PENGESAHAN...iv. HALAMAN PERSEMBAHAN... vi. KATA PENGANTAR... viii. DAFTAR ISI... x. DAFTAR TABEL...
HALAMAN PERSETUJUAN PEMBIMBING...iii HALAMAN PENGESAHAN...iv MOTTO... v HALAMAN PERSEMBAHAN... vi KATA PENGANTAR... viii DAFTAR ISI... x DAFTAR TABEL... xi DAFTAR GAMBAR... xii DAFTAR LAMPIRAN... xiv PERNYATAAN...
Lebih terperinciPERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)
PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) Oleh : Nofinda Lestari 1208 100 039 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pajak merupakan sumber kas negara yang digunakan untuk pembangunan. Undang- Undang Republik Indonesia Nomor 16 Tahun 2000 tentang Ketentuan Umum Dan Tata Cara Perpajakan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Pendahuluan Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan
Lebih terperinciMODEL FUNGSI TRANSFER BIVARIAT UNTUK MERAMALKAN CURAH HUJAN DI KABUPATEN DELI SERDANG SKRIPSI DYAH RARA
1 MODEL FUNGSI TRANSFER BIVARIAT UNTUK MERAMALKAN CURAH HUJAN DI KABUPATEN DELI SERDANG SKRIPSI DYAH RARA 100803065 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA
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 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 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 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 terperinci1. I Wayan Sumarjaya, S.Si, M.Stats. 2. I Gusti Ayu Made Srinadi, S.Si, M.Si. ABSTRAK
Judul : Peramalan Curah Hujan Menggunakan Metode Analisis Spektral Nama : Ni Putu Mirah Sri Wahyuni NIM : 1208405018 Pembimbing : 1. I Wayan Sumarjaya, S.Si, M.Stats. 2. I Gusti Ayu Made Srinadi, S.Si,
Lebih terperinciPERAMALAN CURAH HUJAN BULANAN DI MEDAN PADA TAHUN 2011 BERDASARKAN DATA KELEMBABAN UDARA DARI TAHUN DENGAN FUNGSI TRANSFER TUGAS AKHIR
PERAMALAN CURAH HUJAN BULANAN DI MEDAN PADA TAHUN 2011 BERDASARKAN DATA KELEMBABAN UDARA DARI TAHUN 2006 2010 DENGAN FUNGSI TRANSFER TUGAS AKHIR NUR SURI PRADIPTA 082407061 PROGRAM STUDI DIPLOMA III STATISTIKA
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 terperinciPEMODELAN FUNGSI TRANSFER UNTUK MERAMALKAN CURAH HUJAN DI KOTA SEMARANG
PEMODELAN FUNGSI TRANSFER UNTUK MERAMALKAN CURAH HUJAN DI KOTA SEMARANG 1 Andayani Nurfaizah, 2 Rochdi Wasono, 3 Siti Hajar Rahmawati 1,2,3 Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan
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 terperinciA. Judul : PEMODELAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN DI KABUPATEN BANDUNG
A. Judul : PEMODELAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN DI KABUPATEN BANDUNG B. Latar Belakang Informasi tentang curah hujan merupakan perihal penting yang berpengaruh terhadap berbagai macam aktifitas
Lebih terperinciPeramalan Kecepatan Angin Di Kota Pekanbaru Menggunakan Metode Box-Jenkins
Peramalan Kecepatan Angin Di Kota Pekanbaru Menggunakan Metode Box-Jenkins Ari Pani Desvina 1, Melina Anggriani 2,2 Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau Jl. HR.
Lebih terperinciPERAMALAN CURAH HUJAN MENGGUNAKAN METODE ANALISIS SPEKTRAL
E-Jurnal Matematika Vol. 5 (4), November 2016, pp. 183-193 ISSN: 2303-1751 PERAMALAN CURAH HUJAN MENGGUNAKAN METODE ANALISIS SPEKTRAL Ni Putu Mirah Sri Wahyuni 1, I Wayan Sumarjaya 2, I Gusti Ayu Made
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 terperinciOPTIMALISASI PERENCANAAN PRODUKSI DENGAN PREEMPTIVE GOAL PROGRAMMING (STUDI KASUS: UD. DODOL MADE MERTA TEJAKULA, SINGARAJA)
OPTIMALISASI PERENCANAAN PRODUKSI DENGAN PREEMPTIVE GOAL PROGRAMMING (STUDI KASUS: UD. DODOL MADE MERTA TEJAKULA, SINGARAJA) Ni Putu Deviyanti 1, Ni Ketut Tari Tastrawati 2, I Wayan Sumarjaya 3 1 Jurusan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Manfaat Peramalan Pada dasarnya peramalan adalah merupakan suatu dugaan atau perkiraan tentang terjadinya suatu keadaan dimasa depan, tetapi dengan menggunakan metode metode tertentu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola data yang sistematis (Makridakis, 1999). Peramalan menggunakan pendekatan
Lebih terperinciPERAMALAN JUMLAH PENUMPANG PESAWAT TERBANG DOMESTIK DI BANDAR UDARA JUANDA DENGAN MENGGUNAKAN METODE FUNGSI TRANSFER MULTI INPUT
PERAMALAN JUMLAH PENUMPANG PESAWAT TERBANG LOGO DOMESTIK DI BANDAR UDARA JUANDA DENGAN MENGGUNAKAN METODE FUNGSI TRANSFER MULTI INPUT Oleh : Ary Miftakhul Huda (1309 100 061) Dosen Pembimbing : Dr.rer.pol.
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 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 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 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 terperinciBAB 2 LANDASAN TEORI. Ramalan pada dasarnya merupakan perkiraan mengenai terjadinya suatu yang akan
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Ramalan pada dasarnya merupakan perkiraan mengenai terjadinya suatu yang akan datang. Peramalan adalah proses untuk memperkirakan kebutuhan di masa datang
Lebih terperinciVERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE
VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE (Studi Kasus : Kecepatan Rata-rata Angin di Badan Meteorologi Klimatologi dan Geofisika Stasiun Meteorologi Maritim Semarang) SKRIPSI
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi
Lebih terperinciBAB I PENDAHULUAN. berasal dari sumber tetap yang terjadinya berdasarkan indeks waktu t secara
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Time Series atau runtun waktu adalah serangkaian data pengamatan yang berasal dari sumber tetap yang terjadinya berdasarkan indeks waktu t secara berurutan
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 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 terperinciPrediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA
Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA Jeine Tando 1, Hanny Komalig 2, Nelson Nainggolan 3* 1,2,3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciLULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI
LULIK PRESDITA W 1207 100 002 APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI 1 Pembimbing : Dra. Nuri Wahyuningsih, M.Kes BAB I PENDAHULUAN 2 LATAR BELAKANG 1. Stabilitas ekonomi dapat dilihat
Lebih 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. Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada
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 terperinciHASIL DAN PEMBAHASAN
18 HASIL DAN PEMBAHASAN Eksplorasi data Tahap pertama dalam pembentukan model VAR adalah melakukan eksplorasi data untuk melihat perilaku data dari semua peubah yang akan dimasukkan dalam model. Eksplorasi
Lebih terperinciAnalisis Peramalan Data Produk Domestik Regional Bruto (PDRB) Sebagai Tolak Ukur Kinerja Perekonomian Provinsi Kepulauan Bangka Belitung
Analisis Peramalan Data Produk Domestik Regional Bruto (PDRB) Sebagai Tolak Ukur Kinerja Perekonomian Provinsi Kepulauan Bangka Belitung Desy Yuliana Dalimunthe Jurusan Ilmu Ekonomi, Fakultas Ekonomi,
Lebih terperinciPREDIKSI CURAH HUJAN DI KOTA SEMARANG DENGAN METODE KALMAN FILTER
PREDIKSI CURAH HUJAN DI KOTA SEMARANG DENGAN METODE KALMAN FILTER Tika Dhiyani Mirawati 1, Hasbi Yasin 2, Agus Rusgiyono 3 1 Mahasiswa Jurusan Statistika FSM UNDIP 2,3 Staff Pengajar Jurusan Statistika
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 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 terperinciPERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI ABSTRAK
PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI Trio Yonathan Teja Kusuma 1, Sandra Praharani Nur Asmoro 2 1,2)
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 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 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 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 terperinciModel Fungsi Transfer Time Series Dengan Input Series Tunggal
Model Fungsi Transfer Time Series Dengan Input Series Tunggal SKRIPSI Diajukan Untuk Memenuhi Persyaratan Penyelesaian Program Sarjana Sains Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Defenisi Peramalan Peramalan adalah suatu kegiatan dalam memperkirakan atau kegiatan yang meliputi pembuatan perencanaan di masa yang akan datang dengan menggunakan data masa lalu
Lebih 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 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 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 terperinciPEMBOBOTAN SUB DIMENSION INDICATOR INDEX UNTUK PENGGABUNGAN CURAH HUJAN (Studi Kasus : 15 Stasiun Penakar Curah Hujan di Kabupaten Indramayu)
Xplore, 2013, Vol. 1(1):e3(1-7) c 2013 Departemen Statistika FMIPA IPB PEMBOBOTAN SUB DIMENSION INDICATOR INDEX UNTUK PENGGABUNGAN CURAH HUJAN (Studi Kasus : 15 Stasiun Penakar Curah Hujan di Kabupaten
Lebih terperinciVI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER
VI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER 6.1. Analisis Pola Data Penjualan Ayam Broiler Data penjualan ayam broiler adalah data bulanan yang diperoleh dari bulan Januari 2006
Lebih 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 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 terperinciJURNAL GAUSSIAN, Volume 2, Nomor 3, Tahun 2013, Halaman Online di:
JURNAL GAUSSIAN, Volume 2, Nomor 3, Tahun 2013, Halaman 239-248 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PREDIKSI CURAH HUJAN DENGAN METODE KALMAN FILTER (Studi Kasus di Kota Semarang
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA PERAMALAN TINGKAT INFLASI NASIONAL DENGAN MULTI INPUT SKRIPSI
PERAMALAN TINGKAT INFLASI NASIONAL DENGAN PENDEKATAN TIME SERIES BERDASARKAN FUNGSI TRANSFER MULTI INPUT SKRIPSI DIDIT EKO PRASETYO PROGRAM STUDI S-1 STATISTIKA DEPARTEMEN MATEMATIKA FAKULTAS SAINS DAN
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 terperinciTREND ANALYSIS INFANT MORTALITY RATE DENGAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA)
TREND ANALYSIS INFANT MORTALITY RATE DENGAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) Jerhi Wahyu Fernanda, Wisnaningsih S, Emilia Boavida,, Prodi Rekam Medis Informasi Kesehatan Institut Ilmu Kesehatan
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 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 terperinciPERAMALAN KECEPATAN ANGIN BULANAN DI MEDAN BERDASARKAN TEKANAN UDARA DENGAN FUNGSI TRANSFER TUGAS AKHIR
PERAMALAN KECEPATAN ANGIN BULANAN DI MEDAN BERDASARKAN TEKANAN UDARA DENGAN FUNGSI TRANSFER TUGAS AKHIR Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya YUSRINA BATUBARA 072407019
Lebih terperinciRenny Elfira Wulansari, Epa Suryanto, Kiki Ferawati, Ilafi Andalita, Suhartono
Statistika, Vol. No., November 0 Penerapan Time Series Regression with Calendar Variation Effect pada Data Netflow Uang Kartal Bank Indonesia Sebagai Solusi Kontrol Likuiditas Perbankan di Indonesia Renny
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Iklim Iklim ialah suatu keadaan rata-rata dari cuaca di suatu daerah dalam periode tertentu. Curah hujan ialah suatu jumlah hujan yang jatuh di suatu daerah pada kurun waktu
Lebih terperinci(T.7) PENAKSIRAN KUADRAT TERKECIL PARAMETER MODEL VEKTOR AUTOREGRESI
(T.7) PENAKSIRAN KUADRAT TERKECIL PARAMETER MODEL VEKTOR AUTOREGRESI Kankan Parmikanti, Khafsah Joebaedi, dan Budi Nurani R. Jurusan Matematika FMIPA Universitas Padjadjaran Jl. Raya Bandung Sumedang Km
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Peramalan pada dasarnya merupakan proses menyusun informasi tentang kejadian masa lampau yang berurutan untuk menduga kejadian di masa depan (Frechtling, 2001:
Lebih terperinciPERAMALAN NILAI EKSPOR DI PROPINSI SUMATERA UTARA DENGAN METODE ARIMA BOX-JENKINS
Saintia Matematika Vol. 1, No. 6 (2013), pp. 579 589. PERAMALAN NILAI EKSPOR DI PROPINSI SUMATERA UTARA DENGAN METODE ARIMA BOX-JENKINS Raisa Ruslan, Agus Salim Harahap, Pasukat Sembiring Abstrak. Dalam
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 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 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 DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA
Jurnal Matematika UNAND Vol. 3 No. 3 Hal. 59 67 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA ANNISA UL UKHRA Program Studi Matematika,
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 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 terperinciMODEL HIBRIDA RUNTUN WAKTU FUZZY TERBOBOT-DERET FOURIER UNTUK PERAMALAN CURAH HUJAN DI DAERAH ALIRAN SUNGAI BENGAWAN SOLO
MODEL HIBRIDA RUNTUN WAKTU FUZZY TERBOBOT-DERET FOURIER UNTUK PERAMALAN CURAH HUJAN DI DAERAH ALIRAN SUNGAI BENGAWAN SOLO oleh INDIAWATI AYIK IMAYA M0111045 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciBAB 1 PENDAHULUAN. meteorologi dan geofisika yang salah satu bidangnya adalah iklim.
BAB 1 PENDAHULUAN 1.1. Latar Belakang Di Indonesia meteorologi diasuh dalam Badan Meteorologi dan Geofisika di Jakarta yang sejak tahun enam puluhan telah diterapkan menjadi suatu direktorat perhubungan
Lebih terperinciProgram Studi Matematika, Institut Teknologi Kalimantan, Balikpapan
J. Math. and Its Appl. E-ISSN: 2579-8936 P-ISSN: 1829-605X Vol. 14, No. 2, Desember 2017, 25-37 Perbandingan Metode ARIMA dan Double Exponential Smoothing pada Peramalan Harga Saham LQ45 Tiga Perusahaan
Lebih terperinciPENERAPAN METODE ARIMA DALAM MERAMALKAN INDEKS HARGA KONSUMEN (IHK) INDONESIA TAHUN 2013
La Pimpi //Paradigma, Vol. 17 No. 2, Oktober 2013, hlm. 35-46 PENERAPAN METODE ARIMA DALAM MERAMALKAN INDEKS HARGA KONSUMEN (IHK) INDONESIA TAHUN 2013 1) La Pimpi 1 Staf Pengajar Jurusan Matematika, FMIPA,
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 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 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 terperinciARIMA and Forecasting
ARIMA and Forecasting We have learned linear models and their characteristics, like: AR(p), MA(q), ARMA(p,q) and ARIMA (p,d,q). The important thing that we have to know in developing the models are determining
Lebih terperinciGARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : Genap
GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : Genap Berlaku mulai: Genap/2010 MATA KULIAH : TEKNIK PERAMALAN KODE MATA KULIAH/ SKS : 410103096 / 3 SKS MATA KULIAH PRASYARAT
Lebih terperinciPERBANDINGAN AKURASI ENSEMBLE ARIMA DALAM PERAMALAN CURAH HUJAN DI KOTA BATU, MALANG, JAWA TIMUR
PERBANDINGAN AKURASI ENSEMBLE ARIMA DALAM PERAMALAN CURAH HUJAN DI KOTA BATU, MALANG, JAWA TIMUR Ria Faulina e-mail: riafaulina1989@gmail.com ABSTRACT In Indonesia, the climate change is important for
Lebih terperinciUNIVERSITAS NEGERI SEMARANG
PEMODELAN FUNGSI TRANSFER UNTUK MERAMALKAN TINGKAT INFLASI INDONESIA Skripsi disusun sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains Program Studi Matematika oleh Evelyn Paradita 4111412013
Lebih terperinciPERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP
PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP SKRIPSI Disusun oleh : DITA RULIANA SARI NIM. 24010211140084 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Lebih terperinciPENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus: KA Argo Muria)
PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus: KA Argo Muria) SKRIPSI Disusun oleh : TITIS NUR UTAMI 24010212140052 DEPARTEMEN
Lebih terperinciPemodelan Kecepatan Angin di Perairan Pulau Bawean dengan Menggunakan Fungsi Transfer
JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Print) D-248 Pemodelan Kecepatan Angin di Perairan Pulau Bawean dengan Menggunakan Fungsi Transfer Muhammad Tayyib dan Wiwiek
Lebih terperinciModel Space Time Autoregressive (STAR) Orde 1 Dan Penerapannya Pada Prediksi Harga Beras Di Kota Manado, Tomohon Dan Kabupaten Minahasa Utara
Model Space Time Autoregressive (STAR) Orde 1 Dan Penerapannya Pada Prediksi Harga Beras Di Kota Manado, Tomohon Dan Kabupaten Minahasa Utara 1 Rahmadania Paita, 2 Nelson Nainggolan, 3 Yohanes A.R. Langi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Salah satu indikator tingkat kesejahteraan rakyat dapat dilihat dari perkembangan angka kematian balita, dikarenakan kematian balita berkaitan erat dengan keadaan ekonomi,
Lebih terperinciProsiding Seminar Nasional MIPA 2016
Peramalan Jumlah Penumpang Kereta Api Lodaya Jurusan Bandung-Solo Menggunakan Model Reg-ARIMA Dengan Variasi Kalender (Studi Kasus: PT. Kereta Api Indonesia) Dyah Puspita Sari*, Gumgum Darmawan, Soemartini
Lebih terperinci