PERAMALAN TIME SERIES NONLINEAR MENGGUNAKAN RADIAL BASIS FUNCTION NETWORK - SELF ORGANIZING MAP (RBFN-SOM)
|
|
- Yuliana Pranoto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PERAMALAN TIME SERIES NONLINEAR MENGGUNAKAN RADIAL BASIS FUNCTION NETWORK - SELF ORGANIZING MAP (RBFN-SOM) oleh SURYANTO WIBOWO M SKRIPSI diulis dan diajukan unuk memenuhi sebagai persyaraan memperoleh gelar Sarjana Sains Maemaika FAKULTAS MATEMATIKA DAN ILMUPENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET 2012 i
2 SKRIPSI PERAMALAN TIME SERIES NONLINEAR MENGGUNAKAN RADIAL BASIS FUNCTION NETWORK - SELF ORGANIZING MAP (RBFN-SOM) yang disiapkan dan disusun oleh SURYANTO WIBOWO M dibimbing oleh Pembimbing 1 Pembimbing 2 Winia Sulandari, M.Si Dra. Mania Roswiha, M.Si NIP NIP Telah diperahankan di depan Dewan Penguji Pada hari Senin, anggal 21 Mei 2012 dan dinyaakan elah memenuhi syara Anggoa Tim Penguji Tanda Tangan 1. Bowo Winarno, S.Si, M.Kom NIP Dra. Yuliana Susani, M.Si NIP Disahkan oleh Fakulas Maemaika dan Ilmu Pengeahuan Alam Dekan, Surakara, Mei 2012 Keua Jurusan Maemaika, Prof. Ir. Ari Handono Ramelan, M.Sc. (Hons), Ph.D. NIP Irwan Susano, S.Si, DEA NIP ii
3 ABSTRAK Suryano Wibowo, PERAMALAN TIME SERIES NONLINEAR MENGGUNAKAN RADIAL BASIS FUNCTION NETWORK - SELF ORGANIZING MAP (RBFN-SOM). Fakulas Maemaika dan Ilmu Pengeahuan Alam, Universias Sebelas Mare. Pada beberapa ahun erakhir, Arificial Neural Nework (ANN) elah diusulkan sebagai pendekaan alernaif unuk pemodelan dan peramalan nonlinear ime series. Radial Basis Funcion Nework (RBFN) adalah ANN yang elah banyak digunakan dalam peramalan nonlinear ime series. Pada umumnya, banyaknya pusa RBFN sama dengan banyaknya daa pelaihan. Dengan demikian, arsiekur dan bobo dari RBFN menjadi idak efekif jika daa pelaihan diambil dalam jumlah yang besar. Self Organizing Map (SOM) merupakan ANN yang dapa digunakan unuk mengurangi bobo dengan cara mengklaser pusa dari RBFN. Modifikasi dari RBFN ersebu dikenal dengan RBFN-SOM. Pada peneliian ini, algorima RBFN- SOM lebih diekankan pada konsruksi algorima dalam bahasa pemrograman MATLAB. Program yang elah dihasilkan kemudian digunakan unuk meramalkan daa ime series nonlinear. Conoh daa yang digunakan dalam hal ini adalah daa Indeks Harga Saham Gabungan (IHSG). Hasil dari peneliian adalah algorima RBFN-SOM, program RBFN-SOM berbasis MATLAB dan peramalan conoh daa IHSG. Algorima RBFN-SOM dengan baasan inpu dan pusa sebanyak 10 neuron erdiri aas : (a) pembagian daa inpu RBFN-SOM, (b) penenuan winning neuron SOM, (c) pembaruan bobo SOM, (d) perulangan pembaruan bobo SOM, (e) penenuan inpu dan arge RBFN, (f) penenuan nilai pusa dan spread RBFN, (g) penenuan nilai pusa dan spread RBFN, (h) penenuan nilai mariks pada lapisan ersembunyi RBFN, (i) penenuan nilai bobo opimum RBFN, (j) pembenukan model RBFN-SOM erbaik, dan (k) peramalan daa. Penerapan program RBFN-SOM unuk peramalan daa Indeks Harga Saham Gabungan (IHSG) menunjukkan bahwa hasil peramalan idak berbeda jauh dengan nilai aslinya. Kaa kunci : peramalan, nonlinear ime series, algorima,, Radial Basis Funcion Neworks, Self Organizing Map. iii
4 ABSTRACT Suryano Wibowo, NONLINEAR TIME SERIES FORECASTING USING RADIAL BASIS FUNCTION NETWORK-SELF ORGANIZING MAP (RBFN-SOM). Faculy of Mahemaics and Naural Sciences, Sebelas Mare Universiy. In recen years, Arificial Neural Nework (ANN) has been proposed as a promising alernaive approach o nonlinear ime series modeling and forecasing. Radial Basis Funcion Nework (RBFN) is an ANN which has been widely used for forecasing. Generaly, he number of ceners of RBFN are equal o he number of raining daa. So ha, he archiecure and he weighs of RBFN will be ineffecive if he number of raining daa are large. Self Organizing Map (SOM) is he proposed ANN o reduce weighs by clusering he ceners. Then, modified of RBFN is called by RBFN-SOM. In his sudy, RBFN-SOM algorihm is more emphasized on he consrucion of he algorihm in MATLAB programming. The program ha have been made is used o predic nonlinear ime series daa. Daa which is used o be an example is Indeks Harga Saham Gabungan (IHSG). The resuls of he sudy are he RBFN-SOM algorihm, RBFN-SOM MATLAB Program, and predicion of IHSG as an example daa. The algorihm of RBFN-SOM, wih maximum 10 neurons of inpu and cener, consiss of : (a) he disribuion of inpu daa RBFN-SOM, (b) he deerminaion of he winning neuron, (c) he updae of SOM weigh, (d) he ieraion of SOM weigh updae, (e) he deerminaion of RBFN inpu and arge, (f) he deerminaion of he RBFN cener and spread, (g) he deerminaion of RBFN marix on he hidden layer, (h) he deerminaion of he RBFN opimum weighs, (i) he deerminaion of he bes RBFN archiecure, and (j) he daa predicion. In implemenaion of he IHSG nonlinear ime series forecasing, RBFN-SOM program shows ha a forecas value is almos same wih he real one. Keywords : forecasing, ime series, nonlinear, algorihms, Radial Basis Funcion Neworks, Self Organizing Map. iv
5 MOTTO Tidak ada masalah yang idak bisa diselesaikan selama ada komimen, anggungjawab, dan keyakinan kepada-nya. v
6 PERSEMBAHAN Karya ini dipersembahkan unuk Bapak, Ibu, dan keluarga ercina, aas doa, pengorbanan, naseha, dan semanga yang diberikan. vi
7 KATA PENGANTAR Alhamdulillah, segala puji syukur kepada Allah SWT yang Maha Pengasih lagi Maha Penyayang, dengan segala peunjuk-nya sehingga penulis dapa menyelesaikan skripsi yang berjudul Peramalan Time Series Nonlinear Menggunakan Radial Basis Funcion Nework - Self Organizing Map (RBFN- SOM). Dalam penyusunan skripsi ini, penulis elah banyak mendapakan saran, banuan dan bimbingan dari berbagai pihak yang sanga bermanfaa baik secara langsung maupun idak langsung. Oleh karena iu, penulis mengucapkan banyak erimakasih kepada 1. Ibu Winia Sulandari, M.Si selaku dosen pembimbing I aas kesediaan, moivasi, dan kesabaran yang diberikan dalam membimbing penulis, 2. Ibu Dra. Mania Roswiha, M.Si selaku pembimbing II aas kesediaan, dan moivasi yang diberikan dalam membimbing penulis, 3. Teman-eman Maemaika FMIPA UNS aas kebersamaan dan semanga yang diberikan, 4. Semua pihak yang membanu kelancaran penulisan skripsi ini. Penulis berharap semoga skripsi ini bermanfaa bagi semua pembaca. Surakara, Mei 2012 Penulis vii
8 DAFTAR ISI Halaman HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii ABSTRAK... iii ABSTRACT... iv HALAMAN MOTTO... v HALAMAN PERSEMBAHAN... vi KATA PENGANTAR... vi DAFTAR ISI... viii DAFTAR TABEL... x DAFTAR GAMBAR... xi DAFTAR NOTASI... xii BAB I PENDAHULUAN Laar Belakang Perumusan Masalah Baasan Masalah Tujuan Peneliian Manfaa Peneliian... 3 BAB II LANDASAN TEORI Tinjauan Pusaaka Teori Penunjang Arificial Neural Nework (ANN) Radial Basis Funcion Nework (RBFN) Meode Kuadra Terkecil Self-Organizing Map (SOM) Uji Linearias Time Series Akaike s Informaion Crieria (AIC) Kerangka Pemikiran BAB III METODOLOGI PENELITIAN viii
9 BAB IV PEMBAHASAN Radial Basis Funcion Nework - Self Organizing Map Pemrograman RBFN-SOM berbasis MATLAB Peramalan Dengan program RBFN-SOM BAB V PENUTUP Kesimpulan Saran DAFTAR PUSTAKA ix
10 DAFTAR TABEL Halaman Tabel 4.1 Bobo pengklaseran SOM pada arsiekur RBFN-SOM(2,5,1) Tabel 4.1 Bobo pengklaseran SOM pada arsiekur RBFN-SOM(2,5,1) Tabel 4.3 Nilai AIC unuk k = 1 sampai dengan k = Tabel 4.4 Nilai AIC unuk k = 6 sampai dengan k = Tabel 4.5 Bobo SOM opimum pada arsiekur RBFN-SOM(1,9,1) Tabel 4.6 Bobo RBFN-SOM opimum pada arsiekur RBFN-SOM(1,9,1) x
11 DAFTAR GAMBAR Halaman Gambar 2.1 Arsiekur sederhana ANN... 5 Gambar 2.2 Arsiekur RBFN dengan 3 lapisan... 6 Gambar 2.3 Arsiekur SOM... 9 Gambar 4.1 Arsiekur sederhana RBFN-SOM Gambar 4.2 Arsiekur lengkap RBFN-SOM Gambar 4.3 Flowchar algorima pembagian daa RBFN-SOM Gambar 4.4 Flowchar algorima pengklaseran SOM Gambar 4.5 Flowchar algorima pembenukan model RBFN-SOM Gambar 4.6 Flowchar algorima pemilihan arsiekur erbaik Gambar 4.7 Flowchar algorima pembenukan model RBFN-SOM erbaik Gambar 4.8 Fowchar peramalan daa Gambar 4.9 Plo ime series Gambar 4.10 Plo pengklaseran SOM arsiekur RBFN-SOM(2,5,1) Gambar 4.11 Plo gabungan, y ) dan, yˆ ) pada arsiekur RBFN-SOM(2,5,1) ( ( Gambar 4.12 Plo y, yˆ ) pada arsiekur RBFN-SOM(2,5,1) ( Gambar 4.13 Plo gabungan, y ) dan, yˆ ) pada arsiekur RBFN-SOM(1,9,1) ( ( Gambar 4.14 Plo y, yˆ ) pada arsiekur RBFN-SOM(1,9,1) ( xi
12 DAFTAR NOTASI N p X x i,j : Banyaknya inpu RBFN : Mariks pada lapisan inpu : Koefisien mariks pada inpu ke-i dan pelaihan ke-j : Eucledian norm c k : Pusa neuron ke-k pada lapisan ersembunyi RBFN x ) : Fungsi akivasi radial basis neuron ke-k pada lapisan ersembunyi ke-j k ( j N h : Banyaknya neuron pada lapisan ersembuyi : Spread d : Jarak euclid maksimum anar pusa dari pada lapisan ersembuyi RBFN max ŷ j x j w k w 0 : Nilai peramalan pada oupu ke-j : Vekor inpu daa pelaihan ke-j : Bobo penghubung anara neuron ke-k pada lapisan ersembunyi dan neuron lapisan oupu RBFN : Bobo bias e : Nilai eror h i, : Koefisien mariks pada alapisan ersembunyi j y : Vekor arge pada lapisan oupu RBFN H b w N g k ( e p ) f X y ê : Mariks pada lapisan ersemb unyi : Vekor bobo RBFN : Banyaknya daa pelaihan : Fungsi opological neighbourhood SOM unuk bobo ke-k : Lebar opological neighbourhood SOM : Fungsi koefisien laju pembelajaran erhadap epoch : Periode imeseries : Fungsi auoregresif pada uji RESET : Daa inpu ke- pada uji RESET : Parameer fungsi auoregresif : Nilai asli ke- : Nilai aksiran eror ke- xii
13 a m : Koefisien penaksir eror r : Eror dari fungsi e N : Banyaknya daa uji u N : Banyaknya bobo ANN w y : Targe daa pelaihan ke-j j ŷ : j Oupu daa pelaihan ke-j v : Vekor bobo SOM pada klaser ke-k k b : Vekor bias pada lapisan ersembunyi RBFN y : Vekor arge pada lapisan oupu v w : Winning neuron N e p : Nilai epoch maksimum xiii
*Corresponding Author:
Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion
Lebih terperinciPemodelan Volatilitas Saham Menggunakan Jaringan Syaraf Tiruan dan Algoritma Genetika
Pemodelan Volailias Saham Menggunakan Jaringan Syaraf Tiruan dan Algorima Geneika Hasbi Yasin 1 1 Jurusan Saisika Undip, hasbiyasin@undip.ac.id Absrak. Flukuasi yang besar dan idak pasi dalam peramalan
Lebih terperinciPREDIKSI CURAH HUJAN KOTA SEMARANG DENGAN FEEDFORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA QUASI NEWTON BFGS DAN LEVENBERG-MARQUARDT
Jurnal PRESIPIASI Volume 3 No Sepember 007 PREDIKSI CURAH HUJAN KOA SEMARANG DENGAN FEEDFORWARD NEURAL NEWORK MENGGUNAKAN ALGORIMA QUASI NEWON BFGS DAN LEVENBERG-MARQUARD Budi Warsio 1), Sri Sumiyai )
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*
PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor
Lebih terperincioleh WAHYUNI PUTRANTO NIM. M SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
PERBANDINGAN METODE GRADIENT DESCENT DAN GRADIENT DESCENT DENGAN MOMENTUM PADA JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM PERAMALAN KURS TENGAH RUPIAH TERHADAP DOLAR AMERIKA oleh WAHYUNI PUTRANTO NIM.
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN
PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan
Lebih terperinciAPLIKASI METODE JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI DATA INDEKS HARGA SAHAM GABUNGAN DI INDONESIA
APLIKASI METODE JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI DATA INDEKS HARGA SAHAM GABUNGAN DI INDONESIA 1 Arani Indraseianigsih, 2 Ika Damayani 1,2 Program Sudi Saisika, Fakulas Maemaika dan Ilmu Pengeahuan
Lebih terperinciBAB 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 terperinciPemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network
D-378 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (26) 2337-3520 (23-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi pada Plaform MK di PT X Menggunakan Meode ARIMA, Neural Nework, dan Hibrida ARIMA-Neural
Lebih terperinciPREDIKSI CURAH HUJAN KOTA SEMARANG DENGAN FEEDFORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA QUASI NEWTON BFGS DAN LEVENBERG-MARQUARDT
PREDIKSI CURAH HUJAN KOA SEMARANG DENGAN FEEDFORWARD NEURAL NEWORK MENGGUNAKAN ALGORIMA QUASI NEWON BFGS DAN LEVENBERG-MARQUARD Budi Warsio *), Sri Sumiyai **) ABSRAC his paper sudy he rainfall predicion
Lebih terperinciPENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA
PENDUGAAN PARAMEER DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY DAN DIMAS HARI SANOSO Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor Jl Merani, Kampus
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan
Lebih terperinciBAB 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju
Lebih terperinciESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM)
ESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) oleh MIKA ASRINI M0108094 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh
Lebih terperinciPEMODELAN VOLATILITAS UNTUK PENGHITUNGAN VALUE AT RISK (VaR) MENGGUNAKAN FEED FORWARD NEURAL NETWORK DAN ALGORITMA GENETIKA. Hasbi Yasin 1, Suparti 2
Pemodelan Volailias (Hasbi Yasin) PEMODELAN VOLATILITAS UNTUK PENGHITUNGAN VALUE AT RISK (VaR) MENGGUNAKAN FEED FORWARD NEURAL NETWORK DAN ALGORITMA GENETIKA Hasbi Yasin 1, Supari 1 Dosen Jurusan Saisika
Lebih terperinciBAB 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 terperinciBAB 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 terperinciPeramalan Kebutuhan Bahan Bakar Premium di Depot Ampenan dengan Metode Hibrida Arima- Neural Network untuk Optimasi Persediaan
JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 202) ISSN: 230-928X D-94 Peramalan Kebuuhan Bahan Bakar Premium di Depo Ampenan dengan Meode Hibrida Arima- Neural Nework unuk Opimasi Persediaan Okivianis Kusumaningrum,
Lebih terperinciPENENTUAN WAKTU PRODUKSI TERCEPAT PADA SISTEM MESIN PRODUKSI JAMU DI PT. PUTRO KINASIH DENGAN ALJABAR MAX-PLUS
PENENTUAN WAKTU PRODUKSI TERCEPAT PADA SISTEM MESIN PRODUKSI JAMU DI PT. PUTRO KINASIH DENGAN ALJABAR MAX-PLUS oleh CAESAR ADHEK KHARISMA M0109017 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciNILAI EIGEN DAN VEKTOR EIGEN MATRIKS TERREDUKSI DALAM ALJABAR MAKS-PLUS BESERTA APLIKASINYA
NILAI EIGEN DAN VEKTOR EIGEN MATRIKS TERREDUKSI DALAM ALJABAR MAKS-PLUS BESERTA APLIKASINYA oleh BUDI AGUNG PRASOJO M0105001 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh
Lebih terperinciPERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk)
Jurnal UJMC, Volume 3, Nomor 1, Hal. 15-0 pissn : 460-3333 eissn : 579-907X ERHITUNGAN VAUE AT RISK (VaR) DENGAN SIMUASI MONTE CARO (STUDI KASUS SAHAM T. X ACIATA.Tbk) Sii Alfiaur Rohmaniah 1 1 Universias
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju perumbuhan
Lebih terperinciKOMPARASI METODE ANFIS DAN FUZZY TIME SERIES KASUS PERAMALAN JUMLAH WISATAWAN AUSTRALIA KE BALI
E-Jurnal Maemaika Vol. 2, No.2, Mei 2013, 18-26 ISSN: 2303-1751 KOMPARASI METODE ANFIS DAN FUZZY TIME SERIES KASUS PERAMALAN JUMLAH WISATAWAN AUSTRALIA KE BALI IDA BAGUS KADE PUJA ARIMBAWA K 1, KETUT JAYANEGARA
Lebih terperinciPERAMALAN YIELD DAN HARGA OBLIGASI PEMERINTAH DENGAN PENDEKATAN ARIMA DAN BACKPROPAGATION-ANN
PERAMALAN YIELD DAN HARGA OBLIGASI PEMERINTAH DENGAN PENDEKATAN ARIMA DAN BACKPROPAGATION-ANN Yuli Wahyuningsih (), Brodjol Suijo S. U (), Suharono () Mahasiswa Jurusan Saisika, FMIPA, Insiu Teknologi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Air merupakan kebuuhan pokok bagi seiap makhluk hidup di dunia ini ermasuk manusia. Air juga merupakan komponen lingkungan hidup yang pening bagi kelangsungan hidup
Lebih terperinciRATA-RATA KUADRAT SESATAN PENDUGA REGRESI DENGAN KOMBINASI LINIER DUA VARIABEL BANTU PADA SAMPEL ACAK SEDERHANA
RATA-RATA KUADRAT SESATAN PENDUGA REGRESI DENGAN KOMBINASI LINIER DUA VARIABEL BANTU PADA SAMPEL ACAK SEDERHANA oleh INTAN LISDIANA NUR PRATIWI NIM. M0110040 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciPemodelan 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 terperinciKAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN
JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina
Lebih terperinciSIMULASI PEMILIHAN SUPPLIER SIMPLISIA TERBAIK DI PT. AIR MANCUR MENGGUNAKAN METODE ADDITIVE RATIO ASSESSMENT
SIMULASI PEMILIHAN SUPPLIER SIMPLISIA TERBAIK DI PT. AIR MANCUR MENGGUNAKAN METODE ADDITIVE RATIO ASSESSMENT oleh TITIK MURDATIK M0107061 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciPROSEDUR MODEL EXPONENTIAL SMOOTH TRANSITION AUTOREGRESSIVE (ESTAR)
PROSEDUR MODEL EXPONENTIAL SMOOTH TRANSITION AUTOREGRESSIVE (ESTAR) Oleh EKA SARI PUTRI WARDOYO M0108086 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains
Lebih terperinciPENDUGA RASIO PADA PENGAMBILAN SAMPEL ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KURTOSIS, DAN KORELASI
PENDUGA RASIO PADA PENGAMBILAN SAMPEL ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KURTOSIS, DAN KORELASI oleh EKO BUDI SUSILO M0110022 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciPEMODELAN ARIMAX DAN NEURAL NETWORK UNTUK PERAMALAN DAN DASAR PERENCANAAN INVESTASI NET ASSET VALUE (NAV) EQUITY DI PT. PRUDENTIAL LIFE ASSURANCE
90 Djojonegoro: PEMODELAN ARIMAX DAN NEURAL NETWORK UNTUK PERAMALAN DAN PEMODELAN ARIMAX DAN NEURAL NETWORK UNTUK PERAMALAN DAN DASAR PERENCANAAN INVESTASI NET ASSET VALUE (NAV) EQUITY DI PT. PRUDENTIAL
Lebih terperinciPemodelan Produksi Minyak dan Gas Bumi di PT. Z Menggunakan Metode ARIMA, FFNN, dan Hybrid ARIMA-FFNN
D-444 JURNAL SANS DAN SEN TS Vol. 5 No. 2 (206) 27-520 (20-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi di PT. Z Menggunakan Meode ARMA, FFNN, dan Hybrid ARMA-FFNN Daniar Kusumaning Ayu, Desri Susilaningrum
Lebih terperinciPeramalan Inflasi Menggunakan Model Fungsi Transfer Multi Input. Forcasting Inflation Using Multiple Input Transfer Function Model
Peramalan Inflasi Menggunakan Model Fungsi Transfer Muli Inpu Forcasing Inflaion Using Muliple Inpu Transfer Funcion Model Novi Adisia, Sri Wahyuningsih, dan Rio Goeanoro 3 Laboraorium Saisika Terapan
Lebih terperinciagenda Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran
seminar ugas akhir Renny Elfira Wulansari 0000 pembimbing Dr. Suharono, S.Si, M.Sc Gedung H Lanai Saisika FMIPA-ITS Surabaya, Juli 04 agenda Pendahuluan Tinjauan Pusaka Meodologi Peneliian Analisis dan
Lebih terperinciPENGKLUSTERAN KONDISI PASAR KOMODITI JAGUNG DI INDONESIA MENGGUNAKAN SELF ORGANIZING MAP (SOM) Oleh TRIYOGO BUDI SANTOSO NIM.
PENGKLUSTERAN KONDISI PASAR KOMODITI JAGUNG DI INDONESIA MENGGUNAKAN SELF ORGANIZING MAP (SOM) Oleh TRIYOGO BUDI SANTOSO NIM. M0107063 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh
Lebih terperinciPREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED
PREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED Wahyuda 1, Budi Sanosa 2, Nani Kurniai 3 1 Teknik Indusri Universias Mulawarman-Samarinda
Lebih terperinciPEMBUATAN TABEL MORTALITA MELALUI MODEL LEE-CARTER
PEMBUATAN TABEL MORTALITA MELALUI MODEL LEE-CARTER TESIS Karya Tulis sebagai Salah Sau Syara unuk Memperoleh Gelar Magiser Maemaika Insiu Teknologi Bandung Oleh Taofik Hidaya 20107103 Program Sudi Magiser
Lebih terperinciPERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO
PERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO SKRIPSI Disusun Oleh : SITI LIS INA ATUL HIDAYAH 24010211120006 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciJurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN
Peramalan Dengan Meode Smoohing dan Verifikasi Meode Peramalan Dengan Grafik Pengendali Moving Range () (Sudi Kasus: Produksi Air Bersih di PDAM Tira Kencana Samarinda) Forecasing wih Smoohing and Verificaion
Lebih terperinciPENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV HAMILTON *
PENDUGAAN PARAMEER DERE WAKU HIDDEN MARKOV HAMILON * BERLIAN SEIAWAY, YANA ADHARINI DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor Jl Merani, Kampus IPB
Lebih terperinciKLASIFIKASI DATA PRODUKSI PADI PULAU JAWA MENGGUNAKAN ALGORITMECLASSIFICATION VERSION 4.5 (C4.5)
KLASIFIKASI DATA PRODUKSI PADI PULAU JAWA MENGGUNAKAN ALGORITMECLASSIFICATION VERSION 4.5 (C4.5) Dwi Seyowai, Yuliana Susani, Supriyadi Wibowo Program Sudi Maemaika Fakulas Maemaika dan Ilmu Pengeahuan
Lebih terperinciBAB 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 terperinciPENDEKATAN PERAMALAN TINGKAT KONSUMSI MINYAK DI INDONESIA DENGAN MENGGUNAKAN METODE BOX-JENKINS
PENDEKATAN PERAMALAN TINGKAT KONSUMSI MINYAK DI INDONESIA DENGAN MENGGUNAKAN METODE BOX-JENKINS Ari Pani Desvina, Abdur Rahman Siddiq Jurusan Maemaika Fakulas Sains dan Teknologi UIN Suska Riau E-mail:
Lebih terperinciPENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK.
PENERAPAN METODE TRIPLE EXPONENTIAL MOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUAHAAN MEBEL INAR JEPARA TANJUNGANOM NGANJUK. ii Rukayah*), Achmad yaichu**) ABTRAK Peneliian ini berujuan unuk
Lebih terperinciPemodelan VAR-NN dan GSTAR-NN untuk Peramalan Curah Hujan di Kabupaten Malang
JURNAL SAINS DAN SENI POMITS Vol., No., () - (-X Prin) D- Pemodelan VAR-NN dan GSTAR-NN unuk Peramalan Curah Hujan di Kabupaen Malang Kadek Ardya Novi Diani dan Seiawan dan Suharono Saisika, Fakulas Maemaika
Lebih terperinciPerbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X
JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa
Lebih terperinciPENERAPAN METODE BOX-JENKINS UNTUK MEMPREDIKSI JUMLAH MAHASISWA UNIVERSITAS ISLAM NEGERI SUSKA RIAU
Jurnal Sains, Teknologi dan Indusri, Vol., No., Desember 4, pp. 8 89 ISSN 693-39 prin/issn 47-939 online PENERAPAN METODE BOX-JENKINS UNTUK MEMPREDIKSI JUMLAH MAHASISWA UNIVERSITAS ISLAM NEGERI SUSKA RIAU
Lebih terperinciPENENTUAN UNIT HIDDEN OPTIMAL PADA MODEL NEURAL NETWORK DENGAN ANALISIS KONTRIBUSI INCREMENTAL SEL
PENENTUAN UNIT HIDDEN OPTIMAL PADA MODEL NEUAL NETWOK DENGAN ANALISIS KONTIBUSI INCEMENTAL SEL Budi Warsio Jurusan Maemaika FMIPA UNDIP Jl. Prof. H. Soedaro, S.H, Semarang 75 Absrac. This paper discusses
Lebih terperinciPENERAPAN MODEL AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY IN MEAN (ARCH-M) PADA RETURN SAHAM (Studi Kasus Pada PT.
PENERAPAN MODEL AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY IN MEAN (ARCH-M) PADA RETURN SAHAM (Sudi Kasus Pada PT. Indosa Tbk) SKRIPSI Oleh : Linda Wiguna J2A 605 068 PROGRAM STUDI MATEMATIKA JURUSAN
Lebih terperinciAbstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.
1 Peramalan Volume Produksi Air Bersih di PDAM Kabupaen Bojonegoro berdasarkan Jumlah Pelanggan dan Volume Konsumsi Air Fasha Aulia Pradhani dan Adaul Mukarromah Jurusan Saisika, FMIPA, ITS Jl. Arief Rahman
Lebih terperinciPeramalan Curah Hujan di Wilayah Surabaya Timur dengan Vector Autoregressive Neural Network
JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prin) D-175 Peramalan Curah Hujan di Wilayah Surabaya Timur dengan Vecor Auoregressive Neural Nework Febrian Krisianda dan Karika Fihriasari
Lebih terperinciOleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes
PERAMALAN INDEKS HARGA SAHAM YANG DIPENGARUHI KURS, PERUBAHAN INFLASI, POSISI JUMLAH DEPOSITO BERJANGKA, SUKU BUNGA SBI DAN DEPOSITO MENGGUNAKAN FUNGSI TRANSFER DAN ARCH-GARCH Oleh: TANTI MEGASARI 6 00
Lebih terperinciANALISIS CRITICAL ROOT VALUE PADA DATA NONSTATIONER
ANALISIS CRITICAL ROOT VALUE PADA DATA NONSTATIONER Abdul Aziz Dosen Jurusan Maemaika Fakulas Sains Teknologi Universias Islam Negeri (UIN) Maulana Malik Ibrahim Malang e-mail : abdulaziz_uinmlg@yahoo.com
Lebih terperinciAPLIKASI 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 terperinciKOMPARASI METODE PERAMALAN AUTOMATIC CLUSTERING TECHNIQUE AND FUZZY LOGICAL RELATIONSHIPS DENGAN SINGLE EXPONENTIAL SMOOTHING
Komparasi Meode Peramalan (Beik E.) KOMPARASI METODE PERAMALAN AUTOMATIC CLUSTERING TECHNIQUE AND FUZZY LOGICAL RELATIONSHIPS DENGAN SINGLE EXPONENTIAL SMOOTHING Beik Endaryai 1, Rober Kurniawan 2 1,2
Lebih terperinciPERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN JARINGAN SARAF TIRUAN ELMAN DENGAN ALGORITME GRADIENT DESCENT ADAPTIVE LEARNING RATE
PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN JARINGAN SARAF TIRUAN ELMAN DENGAN ALGORITME GRADIENT DESCENT ADAPTIVE LEARNING RATE oleh BETA VITAYANTI M0110012 SKRIPSI Ditulis dan diajukan untuk
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
11 BAB I PENDAHULUAN 1.1 Laar Belakang Salah sau masalah analisis persediaan adalah kesulian dalam menenukan reorder poin (iik pemesanan kembali). Reorder poin diperlukan unuk mencegah erjadinya kehabisan
Lebih terperinciPENGARUH PENGEMBANGAN KARYAWAN TERHADAP MOTIVASI DAN PRESTASI KERJA KARYAWAN (Studi pada karyawan tetap PT PG Tulangan Sidoarjo)
PENGARUH PENGEMBANGAN KARYAWAN TERHADAP MOTIVASI DAN PRESTASI KERJA KARYAWAN (Sudi pada karyawan eap PT PG Tulangan Sidoarjo) Niken Dwi Okavia Heru Susilo Moehammad Soe`oed Hakam Fakulas Ilmu Adminisrasi
Lebih terperinciPERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN (STUDI KASUS KOTA SALATIGA, BULAN JANUARI 2014 JULI 2016)
Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: 978-602-622-20-9 hal 935-950 November 206 hp://jurnal.fkip.uns.ac.id PERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN
Lebih terperinciPERAMALAN JUMLAH WISATAWAN GROJOGAN SEWU MENGGUNAKAN MODEL REGRESI RUNTUN WAKTU DENGAN EFEK VARIASI KALENDER
PERAMALAN JUMLAH WISATAWAN GROJOGAN SEWU MENGGUNAKAN MODEL REGRESI RUNTUN WAKTU DENGAN EFEK VARIASI KALENDER oleh APRILLIA COSASI M0109014 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciPENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC TMP C CILACAP
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC
Lebih terperinciBAB 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 terperinciANALISIS 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 terperinciPERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT
Saisika, Vol. 2, No. 2, November 24 PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT Sri Wahyuni, 2 Farikhin, Iswahyudi Joko Suprayino Program Sudi Saisika
Lebih terperinciAPLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI
Lebih terperinciExponential smoothing
Exponenial smoohing This is a widely used forecasing echnique in reailing, even hough i has no proven o be especially accurae, www,cl,asae,edu/crbrown/smoohing07,pp 1 Exponenial Smoohing n Period Moving
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian yang dilakukan mengenai analisis perencanaan pengadaan una berdasarkan ramalan ime series volume ekspor una loin beku di PT Tridaya Eramina
Lebih terperinciBAB 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 terperinciANALISIS JUMLAH PERMINTAAN DARAH JENIS PACKED RED CELL DI PMI SURABAYA MENGGUNAKAN ARIMA, ARTIFICIAL NEURAL NETWORK DAN HYBRID ARIMA ANN
TUGAS AKHIR SS450 ANALISIS JUMLAH PERMINTAAN DARAH JENIS PACKED RED CELL DI PMI SURABAA MENGGUNAKAN ARIMA, ARTIFICIAL NEURAL NETWORK DAN HBRID ARIMA ANN FAHRIZAL ANDRANSAH NRP 35 05 08 Dosen Pembimbing
Lebih terperinciKata Kunci - GSTAR, Inflasi, Invers Jarak, Korelasi Silang, Seragam. I. PENDAHULUAN II. TINJAUAN PUSTAKA
Pemodelan Inflasi di Koa Semarang, Yogyakara, dan Surakara dengan pendekaan GSTAR Laily Awliaul Faizah, Seiawan Jurusan Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Teknologi Sepuluh Nopember
Lebih terperinciPemulusan Eksponensial dengan Metode Holt Winter Additive Damped
Pemulusan Eksponensial dengan Meode Hol Winer Addiive Damped Hurul in 1),Dr. Erna Tri Herdiani, M.Si 2), Andi Kresna Jaya, S.Si., M.Si 3) Program Sudi Saisika Jurusan Maemaika FMIPA Unhas Jln. Perinis
Lebih terperinciIII. METODE PENELITIAN. Data yang digunakan adalah data sekunder runtun waktu (time series) bulanan
III. METODE PENELITIAN A. Jenis dan Sumber Daa Daa yang digunakan adalah daa sekunder runun waku (ime series) bulanan dari 2002:01 sampai dengan 2009:06 yang bersumber dari Laporan dan websie Bank Indonesia
Lebih terperinciOptimasi Fuzzy Time Series Menggunakan Algoritma Particle Swarm Optimization Untuk Peramalan Jumlah Penduduk Di Kabupaten Probolinggo
Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer e-issn: 2548-964X Vol. 2, No. 8, Agusus 218, hlm. 2791-2799 hp://j-piik.ub.ac.id Opimasi Fuzzy Time Series Menggunakan Algorima Paricle Swarm Opimizaion
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN TEMPAT KOST DENGAN METODE PEMBOBOTAN ( STUDI KASUS : SLEMAN YOGYAKARTA)
SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN TEMPAT KOST DENGAN METODE PEMBOBOTAN ( STUDI KASUS : SLEMAN YOGYAKARTA) I Wayan Supriana Program Pascasarjana Ilmu Kompuer Fakulas MIPA Universias Gadjah Mada
Lebih terperinciPENJADWALAN PEMANDU WISATA DI KERATON KASUNANAN SURAKARTA DENGAN MENGGUNAKAN ALJABAR MAX-PLUS
PENJADWALAN PEMANDU WISATA DI KERATON KASUNANAN SURAKARTA DENGAN MENGGUNAKAN ALJABAR MAX-PLUS oleh ADITYA WENDHA WIJAYA M0109003 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh
Lebih terperinciJurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK
PERBANDINGAN METODE DES (DOUBLE EXPONENTIAL SMOOTHING) DENGAN TES (TRIPLE EXPONENTIAL SMOOTHING) PADA PERAMALAN PENJUALAN ROKOK (STUDI KASUS TOKO UTAMA LUMAJANG) 1 Fajar Riska Perdana (1110651142) 2 Daryano,
Lebih terperinciAPLIKASI MODEL GSTAR PADA PERAMALAN JUMLAH KUNJUNGAN WISATAWAN EMPAT LOKASI WISATA DI BATU
APLIKASI MODEL GSTAR PADA PERAMALAN JUMLAH KUNJUNGAN WISATAWAN EMPAT LOKASI WISATA DI BATU Dwi Susani, Susiswo Universias Negeri Malang E-mail: dwisusani39@gmail.com ABSTRAK: Peneliian ini berujuan unuk
Lebih terperinciKata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting.
METODE INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) UNTUK MEMODELKAN HARGA GABAH DUNIA (INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY TO CAPTURE
Lebih terperinciPERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR
TUGAS AKHIR SS 145561 PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR SARIRAZTY DWIJANTARI NRP 1314 030 010 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si., M.Si DEPARTEMEN
Lebih terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH
BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Tahapan Pemecahan Masalah Tahapan pemecahan masalah berfungsi unuk memudahkan dalam mencari jawaban dalam proses peneliian yang dilakukan agar sesuai dengan arah
Lebih terperinciBAB 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 terperinciPERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN MODEL RUNTUN WAKTU FUZZY TIGA FAKTOR
PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN MODEL RUNTUN WAKTU FUZZY TIGA FAKTOR oleh MAULIDA DWI RAHMITANINGRUM M0111054 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
Lebih terperinciJurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer Vol. 2, No. 5, Mei 2018, hlm. 1856-1865 e-issn: xxx-xxx hp://j-piik.ub.ac.id Klasifikasi Keminaan Menggunakan Algorime Exreme Learning Machine dan
Lebih terperinciProsiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PERAMALAN VOLUME PENGGUNAAN AIR BERSIH DENGAN METODE WINTERS EPONENTIAL SMOOTHING UNTUK MENENTUKAN VOLUME
Lebih terperinciPeramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Multi Input. : Nesia Brilliana I.P NRP :
Peramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Muli Inpu Nama : Nesia Brilliana I.P NRP : 20800023 Jurusan : Maemaika Dosen Pembimbing : Dra. Nuri Wahyuningsih, M. Kes Pemberian pupuk
Lebih terperinciKARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP
Karakerisik Umur Produk (Sudarno) KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL Sudarno Saf Pengajar Program Sudi Saisika FMIPA UNDIP Absrac Long life of produc can reflec is qualiy. Generally, good producs
Lebih terperinciANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 009 XV-1 ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Muhammad Sjahid Akbar, Jerry Dwi Trijoyo
Lebih terperinciBAB 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 terperinciPENERAPAN MODEL VECTOR AUTOREGRESSIVE (VAR) UNTUK PERAMALAN CURAH HUJAN KOTA PEKANBARU
Jurnal Sains, Teknologi dan Indusri, Vol. 11, No., Juni, pp. 151-159 ISSN 93-3 prin/issn 07-0939 online PENERAPAN MODEL VECTOR AUTOREGRESSIVE (VAR) UNTUK PERAMALAN CURAH HUJAN KOTA PEKANBARU 1 Ari Pani
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI M-KUANTIL MENGGUNAKAN METODE ITERATIVE REWEIGHTED LEAST SQUARE (IRLS)
ESTIMASI PARAMETER MODEL REGRESI M-KUANTIL MENGGUNAKAN METODE ITERATIVE REWEIGHTED LEAST SQUARE (IRLS) oleh Lisa Apriana Dewi M0108055 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratanmemperoleh
Lebih terperinciBAB 1 PENDAHULUAN. Dalam pelaksanaan pembangunan saat ini, ilmu statistik memegang peranan penting
BAB 1 PENDAHULUAN 1.1. Laar Belakang Dalam pelaksanaan pembangunan saa ini, ilmu saisik memegang peranan pening baik iu di dalam pekerjaan maupun pada kehidupan sehari-hari. Ilmu saisik sekarang elah melaju
Lebih terperinciDIMENSI METRIK PADA GRAF (n, t)-kite, UMBRELLA, G m H n, DAN K 1 + (P m P n )
DIMENSI METRIK PADA GRAF (n, t)-kite, UMBRELLA, G m H n, DAN K 1 + (P m P n ) Penulis Hamdani Citra Pradana M0110031 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana
Lebih terperinciBAB 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 terperinciPEMODELAN PRODUKSI SEKTOR PERTANIAN
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 2009 PEMODELAN PRODUKSI SEKTOR PERTANIAN Brodjol Suijo Jurusan Saisika ITS Surabaya ABSTRAK Pada umumnya daa ekonomi bersifa ime
Lebih terperinciKLASIFIKASI DOKUMEN TUGAS AKHIR MENGGUNAKAN ALGORITMA K-MEANS. Wulan Fatin Nasyuha¹, Husaini 2 dan Mursyidah 3 ABSTRAK
KLASIFIKASI DOKUMEN TUGAS AKHIR MENGGUNAKAN ALGORITMA K-MEANS Wulan Fain Nasyuha¹, Husaini 2 dan Mursyidah 3 1,2,3 Teknologi Informasi dan Kompuer, Polieknik Negeri Lhokseumawe, Jalan banda Aceh-Medan
Lebih terperinciPrediksi Permintaan BBM di PT. Pertamina Region V dengan Metode Peramalan Data Time Series Hirarki
Prediksi Perminaan BBM di PT. Peramina Region V dengan Meode Peramalan Daa Time Series Hirarki Prania Dian Uari dan 2 Suharono Mahasiswa Jurusan Saisika FMIPA-ITS (38 57) 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih terperinciPeramalan Outflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Autoregressive (GSTAR)
JURNA SAINS DAN SENI ITS Vol. 5 No. (16) 7-5 (1-98X Prin) D-59 Peramalan Ouflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Auoregressive (GSTAR) Rahmah Safiri, Seiawan, dan Imam Safawi
Lebih terperinciPROBABILITAS PUNCAK EPIDEMI MODEL RANTAI MARKOV DENGAN WAKTU DISKRIT SUSCEPTIBLE INFECTED SUSCEPTIBLE (SIS)
PROBABILITAS PUNCAK EPIDEMI MODEL RANTAI MARKOV DENGAN WAKTU DISKRIT SUSCEPTIBLE INFECTED SUSCEPTIBLE (SIS) oleh IQROK HENING WICAKSANI M0109038 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinci