PERAMALAN NILAI EKSPOR DAN NILAI IMPOR INDONESIA KE JEPANG MENGGUNAKAN MODEL VARIMA
|
|
- Irwan Susman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PERAMALAN NILAI EKSPOR DAN NILAI IMPOR INDONESIA KE JEPANG MENGGUNAKAN MODEL VARIMA, Universitas Negeri Malang Abstrak: Penulisan skripsi ini bertujuan untuk mempelajari Model VARIMA serta membentuk dan menerapkan suatu Model VARIMA pada peramalan nilai ekspor Indonesia ke Jepang dan nilai impor Indonesia ke Jepang. Model yang sesuai untuk peramalan nilai ekspor Indonesia ke Jepang, dan nilai impor Indonesia ke Jepang yaitu Model VARIMA (3,1,1) dengan persamaan, = 1,0001, 0,0001, +, + 0,0001, + 0,0001,, = 1,0001, + 0,0001, + 1,0001, 0,0001, +, + 0,0001, dengan, adalah nilai ekspor Indonesia ke Jepang pada periode ke t,, adalah nilai impor Indonesia ke Jepang pada periode ke t,, merupakan nilai residual ekspor pada periode ke t, serta, adalah nilai residual impor pada periode t. Kata Kunci : Vektor Autoreggressive Integrated Moving Average, Peramalan, Ekspor, Impor. Abstract: In this research has a purpose to lesson VARIMA model to forecasting of value of export and import of Indonesia to Japan. For the research was gotten VARIMA (3,1,1) model with the equation :, = 1,0001, 0,0001, +, + 0,0001, + 0,0001,, = 1,0001, + 0,0001, + 1,0001, 0,0001, +, + 0,0001, with, is a value export of Indonesia to Japan at t period,, is a value import of Indonesia to Japan at t period,, is a residual value of export of t period, and, is a residual value of import of t period. Keyword : Vector Autoreggressive Integrated Moving Average, Forecasting, Export, Import. Dalam perdagangan internasional dibedakan menjadi dua bagian yang itu ekspor dan impor. Dimana ekspor dan impor tersebut berhubungan erat dengan kepabean dari negara pengirim maupun penerima. Akibatnya ekspor dan impor mengambil peranan penting dalam kestabilan perekonomian suatu negara karena secara langsung akan mempengaruhi jumlah devisa suatu negara. Selain itu kerja sama internasional sangat dibutuhkan dalam suatu perdagangan internasional karena membawa pengaruh yang besar bagi perluasan pasar barang-barang dan jasa suatu negara. Bagi negara berkembang seperti Indonesia, proses perdagangan internasional dengan negara maju seperti Jepang sangatlah penting dalam meningkatkan sektor perekonomian negara dengan melihat SDA Indonesia yang melimpah. Selain itu negara maju seperti Jepang yang memiliki berbagai teknologi dan modal yang besar yang akan menjadi suatu modal perekonomian yang kuat jika potensi antara Jepang dan Indonesia dipadukan. Peramalan terhadap nilai ekspor Indonesia ke Jepang dan nilai impor Indonesia ke Jepang adalah salah satu hal yang dapat dilakukan untuk membatu pemerintah menetapkan kebijakan yang tepat ke depannya dalam kegiatan perekonomian di Indonesia. 1. Desi Yulvia Pradini adalah mahasiswa jurusan Matematika FMIPA Universitas Negeri Malang 2. Swasono Rahardjo adalah dosen jurusan Matematika FMIPA Universitas Negeri Malang
2 Peramalan tersebut umumnya dilakukan berdasarkan data masa lampau yang kemudian dianalisis dengan menggunakan metode-metode tertentu. Untuk itu perlu adanya data-data nilai ekspor dan nilai impor Indonesia ke Jepang pada masa lampau. Data masa lampau yang telah dikumpulkan tersebut kemudian dipelajari dan dianalisis hubungannya dengan gerakan waktu. Peramalan disini dimaksudkan memperkirakan sesuatu pada waktu yang akan datang berdasarkan data pada masa lampau yang dianalisis secara ilmiah, khususnya menggunakan metode statistika. Model VARIMA adalah salah satu metode analisis deret waktu yang melibatkan data deret waktu multivariat. Model VARIMA ini adalah pengembangan dari model ARIMA yang merupakan suatu metode yang digunakan untuk menganalisis data deret waktu univariat. Model VARIMA merupakan bentuk vektor dari model ARIMA. Sehingga dalam aplikasinya diperlukan data-data yang telah stasioner dan memiliki keterhubungan antara masing-masing peubah. sebelum menganalisis lebih lanjut. Model ini juga memiliki kelebihan yaitu berupa meramalkan data deret waktu multivariat yang terdiri atas peubah-peubah endogen yang bersifat stokastik dimana peubah endogen tersebut dalam suatu persamaan simultan terdapat kemungkinan akan muncul sebagai variabel eksogen pada persamaan lain. Secara umum Model VARIMA (p,d,q) adalah dapat dinyatakan sebagai berikut. (Wei, 2006:400) ( )( ) = ( ) atau ekuivalen dengan ( )(1 ) = ( ) dengan: = vektor deret waktu multivariat ( ) = matriks polinomial autoregressive orde p ( ) = matriks polinomial moving average orde q = vektor error white noise (1 ) = komponen differencing B = operator pembeda. dimana ( ) = dan ( ) = METODE: Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari arsip Perpustakaan Bank Indonesia Cabang Malang sebanyak 60 data. Variabel endogen yang digunakan dalam penelitian ini adalah nilai ekspor Indonesia ke Jepang ( ) dan nilai import Indonesia ke Jepang ( ). Langkahlangkah yang dilakukan dalam penelitian ini adalah: 1. Uji Stasioneritas 2. Identifikasi orde VARIMA (p,d,q) dan penentuan sementara model VARIMA (p,d,q) 3. Uji kecocokan Model a. Pengujian signifikansi parameter model VARIMA b. Pengujian asumsi residual. -. Pemeriksaan white noise -. Pengujian Distribuasi Multinormal Residual 4. Peramalan
3 HASIL DAN PEMBAHASAN: Data yang digunakan pada analisis ini adalah data ekspor di Indonesia ke Jepang dan data Impor di Indonesia ke Jepang yang masing-masing berupa data bulanan dari tahun 2007 sampai dengan tahun Perlu adanya suatu analisis yang lebih tajam terhadap nilai impor Indonesia ke Jepang karena masing-masing data fluktuatif atau mengalami kenaikan atau penurunan yang tidak stabil dari bulan ke bulan maupun dari tahun ke tahun. Tabel 4.3 Korelasi antara Nilai Ekspor, dan Nilai Impor Indonesia ke Jepang Variabel Ekspor Impor p-value Ekspor 1 0,758 0 Impor 0, Dari Tabel 4.3 dapat diketahui bahwa p-value korelasi antara nilai ekspor Indonesia ke Jepang dan nilai impor Indonesia ke Jepang sebesar 0 yang berarti p- value kurang dari (0,05), hal ini menunjukkan bahwa antara nilai ekspor dan impor Indonesia ke Jepang memiliki suatu keterkaitan. Dari hal tersebut dimungkinkan bahwa perubahan nilai ekspor ke Jepang dengan perubahan nilai impor Indonesia ke Jepang saling mempengaruhi. Tentunya perlu dilakukan proses analisis yang lebih tajam. Langkah-langkah analisis statistik yang dilakukan sebagai berikut. a. Uji Stasioneritas Sebelum kita mengidentifikasi model, langkah awal yang perlu diperhatikan adalah menguji stasioneritas masing-masing data. Kita perhatikan grafik data awal masing-masing data sebagai berikut : Gambar 4.1. Grafik data awal masing-masing data. Dari Gambar 4.1 nampak bahwa grafik nilai ekspor Indonesia ke Jepang, dan nilai impor Indonesia ke Jepang dari bulan ke bulan juga tidak periodik, yang berarti data-data ini tidak membentuk pola trend dan musiman pula. Selanjutnya akan dilihat apakah masing-masing data telah stasioner terhadap varian telebih dahulu dengan menggunakan plot Box-Cox di bawah ini.
4 Box-Cox Plot of impor Lower CL Upper CL Lambda (using 95,0% confidence) Estimate 0, Lower CL 0,17 Upper CL 1,75 Rounded Value 1,00 StDev Limit ,0-2,5 0,0 Lambda 2,5 5,0 Gambar 4.2 Plot Box Cox Dari plot Box-Cox terlihat bahwa nilai untuk pada nilai ekspor Indonesia ke Jepang sebesar 0,53 dan perlu dilakukan transformasi agar nilai ekspor Indonesia stasioner terhadap varian. Sedangkan nilai pada data impor Indonesia ke Jepang sebesar 0,88 dengan nilai optimal sebesar 1, sehingga data tidak perlu dilakukan proses transformasi. Hasil tranformasinya dapat dilihat pada Gambar 4.3 berikut ini dan dapat dilanjutkan analisis berikutnya. Gambar 4.3 Hasil Tranformasi Box-Cox Selanjutnya akan dilihat data telah stasioner terhadap mean. Hal ini dapat dilihat melalui plot MACF dan MPACF yang cenderung menurun lambat secara multivariat yang terdapat pada Gambar 4.4 berikut ini. Schematic Representation of Cross Correlations Variable/ Lag impor ekspor is > 2*std error, - is < -2*std error,. is between Gambar 4.4 Plot MACF Data Awal Schematic Representation of Partial Cross Correlations Variable/ Lag impor +. ekspor is > 2*std error, - is < -2*std error,. is between
5 Gambar 4.5 Plot MPACF Data Awal. Gambar 4.4 dan Gambar 4.5 menunjukkan plot MACF dan plot MPACF dari data. Pada plot MACF, data terlihat cenderung turun lambat secara multivariat yang ditandai dengan banyaknya simbol plus (+) dan minus ( -) simbol titik pada Gambar 4.4 Untuk itu akan dilakukan proses differencing orde satu yang hasil plot MACF dan MPACFnya dapat dilihat pada Gambar 4.6 dan Gambar 4.7 berikut ini. Schematic Representation of Cross Correlations Variable/ Lag impor ekspor is > 2*std error, - is < -2*std error,. is between Gambar 4.6 MACF untuk data yang didifferencing orde 1. Schematic Representation of Partial Cross Correlations Variable/ Lag impor -. ekspor is > 2*std error, - is < -2*std error,. is between Gambar 4.7 MPACF untuk data yang didifferencing orde 1. Pada plot MACF dan plot MPACF setelah dilakukan differencing orde 1, nampak bahwa data sudah tidak mengalami penurunan atau kenaikan secara lambat. Sehingga data sudah stasioner dan dapat dilakukan langkah selanjutnya. b. Identifikasi orde dan penentuan sementara model VARIMA (p,d,q) Setelah data stasioner, langkah yang selanjutnya yaitu menentukan orde dari model VARIMA untuk data ekspor Indonesia ke Jepang, dan data impor Indonesia ke Jepang dengan melihat MACF dan MPACF dari data yang telah stasioner. Kemudian membandingkan nilai-nilai tersebut dengan dua kali standard error yaitu = 0,23. Tabel 4.4 Tabel Matriks Autokorelasi Sampel untuk data yang stasioner K ( ) 1 0,0915 0, ,271 0,023 0,140 0,439 0,105 0,006 0,183 0,062 Simbol K ( ) 0,073 0,053 0,220 0,013 0,160 0,258 0,044 0,149 0,068 0,210 0,002 0,095 Simbol
6 Dari Tabel 4.4 nilai autokorelasi peubah ekspor dan imporsignifikan pada lag 0 dan pada lag1 atau, dan,. Hal ini menunjukkan terjadi kemungkinan proses VMA(0) atau VMA(1). Tabel 4.5 Nilai AIC untuk orde p Lag AIC 1 33, , , , , , , , , ,534 Dari tabel 4.5 dapat dilihat bahwa nilai AIC terkecil, dapat dilihat bahwa nilai terkecil adalah lag1 sebesar 33,528. Kemungkinan terjadi proses VAR(3). Tabel 4.6 Nilai AIC untuk orde q Lag MA (0) MA (1) MA (2) MA (3) MA (4) AR(3) 33,528 33,433 33,578 33,645 33,758 Pada Tabel 4.6 dapat dilihat bahwa nilai terkecil untuk menentukan orde q terdapat pada lag 1 (MA=1) pada p=3 (AR3) dengan AIC sebesar 33,433. Dari analisa ini digabung menjadi satu kesatuan dugaan awal data nilai ekspor dan nilai impor mengikuti model VARIMA (3,1,1). c. Uji kecocokan Model Dari identifikasi model, telah didapatkan model sementara yaitu VARIMA(3,1,1) yang akan selanjutnya akan dilakukan proses uji kelayakan model dengan proses berikut ini. 1. Pengujian signifikansi parameter model VARIMA (3,1,1) Penaksiran parameter dilakukan dengan menggunakan metode least square estimation. Hasil dari penaksiran parameter model dapat dilihat pada Tabel 4.7 berikut ini. Tabel 4.7 Penaksiran Parameter VARIMA (3,1,1) Persamaan Parameter Taksiran Parameter p-value X, AR3_1_1 - - AR3_1_2 1,76 0,0833 MA1_1_1 - - MA1_1_2 - - X, AR3_2_1 - - AR3_2_2 - - MA1_2_1 - - MA1_2_2-0,29 0,7707
7 Berdasarkan Tabel 4.7, dari pengujian parameter dapat diketahui bahwa untuk setiap parameter dari peubah dengan persamaan X, yang merupakan peubah impor dan X, tidak semua signifikan dengan taraf signifikan sebesar 5%. Hal ini dapat dilihat dari sebagian besar nilai p- value yang lebih dari 5%(0,05), sehingga perlu dilakukan restrict terhadap taksiran parameter sampai diperoleh parameter yang signifikan. Tabel 4.8 Penaksiran Parameter VARIMA (3,1,1) setelah dilakukan restrict Persamaan Parameter Taksiran p-value Parameter X, AR3_1_ AR3_1_ MA1_1_ MA1_1_ X, AR3_2_ AR3_2_ MA1_2_ MA1_2_ Dari Tabel 4.8 nampak bahwa semua parameter persamaan X,, dan X, telah signifikan dengan p-value kurang dari 5%. Hasil taksiran parameter model VARIMA (3,1,1) dapat disajikan dalam bentuk matrik sebagai berikut : = 0, ,0001 0,0001 ; = 0,0001 0,0001 0, dan berikut ini adalah model VARIMA (3,1,1) yang diperoleh untuk laju inflasi, nilai ekspor, dan nilai impor. 0, ,0001 0,0001 (1 ), =, +, (1 ),, 0,0001 0,0001 = + (1 ),, 0,0001 0, = 1,0001, 0,0001, +, + 0,0001, + 0,0001,, = 1,0001, + 0,0001, + 1,0001, 0,0001, +, + 0,0001, Model ini menginterpretasikan bahwa peubah ekspor pada saat t dipengaruhi oleh peubah ekspor pada saat t-1 dan t-2 serta dipengaruhi oleh nilai residual peubah ekspor pada saat t-1 dan nilai residual peubah impor pada saat t-1. Peubah impor dipengaruhi oleh peubah impor pada saat t-1 dan t-2 dan peubah ekspor pada saat t-1 dan t-2, serta nilai residual peubah impor pada saat t-1 dan nilai residual peubah ekspor pada saat t Pengujian asumsi residual. -. Pemeriksaan white noise Untuk mengetahui apakah residual white noise, digunakan uji chisquare dari nilai korelasi parsial residual. Hipotesis H : Residual bersifat white-noise H : Residual tidak bersifat white-noise,, Tabel 4.9 Hasil Uji Chi-Square Korelasi Parsial Residual
8 Lag Standar Deviasi p-value 5 4 5,97 9,49 0, ,98 15,51 0, ,49 21,03 0, ,90 26,30 0, ,69 31,41 0, ,40 36,42 0,1718 Karena pada berdasarkan Tabel 4.10, pada semua nilai < dan nilai p-value kurang dari 5% (0,05) maka residual tolak H. Maka residual bersifat white noise, maka akan dapat dilanjutkan langkah selanjutnya. Dengan kata lain model VARIMA ( 3,1,1) merupakan model yang baik. Sehingga akan dilanjutkan proses selanjutnya. -. Pengujian Distribuasi Multinormal Residual Kenormalan residual diuji dengan menggunakan chi-square. Pada lampiran nampak bahwa lebih dari nilai-nilai residual sebesar 73,3333 yang berarti lebih dari 50% nilai-nilai residual berada pada daerah penerimaan. Sehingga dapat disimpulkan bahwa residual model telah memenuhi uji kenormalan residual dengan nilai sebesar 0, Plot Multivariate Normal q dj Gambar 4.8 Plot Residual Model Gambar 4.8 menunjukkan bahwa data residual membentuk garis lurus, hal ini memperkuat bahwa residual berdistribusi normal multivariat. d. Peramalan Berdasarkan dari model yang telah diperoleh yakni Model VARIMA (3,1,1):, = 1,0001, 0,0001, +, + 0,0001, + 0,0001,, = 1,0001, + 0,0001, + 1,0001, 0,0001, +, + 0,0001, Dari persamaan tersebut dapat dilihat bahwa model yang terbentuk untuk peramalan ekspor (X 1 ) dipengaruhi oleh peubah ekspor pada saat t-1 dan t-2 serta dipengaruhi oleh nilai residual peubah ekspor pada saat t-1 dan nilai residual peubah impor pada saat t-1. Peubah impor (X 2 ) dipengaruhi oleh peubah impor pada saat t-1 dan t-2 dan peubah ekspor pada saat t-1 dan t-2, serta nilai residual peubah impor pada saat t-1 dan nilai residual peubah
9 ekspor pada saat t-1. Hasil peramalan untuk varibel ekspor, dan impor untuk periode yang akan datang akan ditampilkan pada tabel berikut ini. Tabel 4.10 Nilai Peramalan Periode Ekspor Impor November Desember Januari Maret April Nilai peramalan pada tabel 4.10 menunjukkan bahwa nilai peubah ekspor dan impor tidak jauh berbeda dengan nilai sebenarnya pada periode sebelumnya sehingga dapat dikatakan pendekatan dengan motode VARIMA telah sesuai. PENUTUP Kesimpulan 1. Dari analisis data dan pembahasan dapat disimpulkan bahwa untuk data nilai ekspor dan nilai impor Indonesia ke Jepang, model peramalan yang sesuai untuk meramalkan adalah VARIMA (3,1,1) dengan persamaan :, = 1,0001, 0,0001, +, + 0,0001, + 0,0001,, = 1,0001, + 0,0001, + 1,0001, 0,0001, +, + 0,0001, Peubah ekspor pada saat ke t dipengaruhi oleh peubah ekspor pada saat t- 1 dan t-2 (data 1 bulan dan 2 bulan sebelumnya) serta dipengaruhi oleh nilai residual peubah ekspor pada saat t-1 (data 1 bulan sebelumnya) dan nilai residual peubah impor pada saat t-1 (data 1 bulan sebelumnya). Peubah impor pada saat ke t dipengaruhi oleh peubah impor pada saat t-1 dan t-2 (data 1 bulan da n 2 bulan sebelumnya) dan peubah ekspor pada saat t-1 dan t-2 (data 1 bulan dan 2 bulan sebelumnya), serta nilai residual peubah impor pada saat t-1 (data 1 bulan sebelumnya) dan nilai residual peubah ekspor pada saat t-1 (data 1 bulan sebelumnya). 2. Dari model tersebut diperoleh hasil peramalan nilai ekspor dan nilai impor Indonesia ke Jepang bulan November 2012 sampai dengan April 2013 yang akan ditampilkan pada tabel berikut ini. Periode Ekspor Impor November Desember Januari Maret April Saran Model VARIMA memiliki kelebihan antara lain yaitu mudah untuk diterapkan dalam jenis data multivariat dan hasil peramalan dengan menggunakan model VARIMA memiliki pendekatan yang sesuai dengan data asli pada periode sebelumnya. Di samping itu, model VARIMA ini mempunyai kelemahan di antanya yaitu belum pernah di bandingkan dengan model vektor lain. Untuk penelitian selanjutnya dapat digunakan model VARIMA dengan peubah endogen yang lebih banyak lagi dan lebih mengembangkan aspek
10 komputasi dalam paket program SAS. Selain itu dapat juga membandingkan Metode VARIMA dengan metode lain misalnya Metode VARECM dan Metode VARMAX. DAFTAR PUSTAKA Anggraeni, Wiwik dan Kartika Leivina Dewi.PERAMALAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE MOVING AVERAGE (VARMA).Fakultas Teknologi Informasi.Jurusan Sistem Informatika.ITS Aswi, dan Sukarna.2006.Analisis Deret Waktu: Teori dan Aplikasi.Cetakan Pertama.Makassar: Andira Publisher. Chatfield, C.1997.The Analysis of Time Series An Intoduction.Edisi Kelima. Cetakan Ketujuh.London. Enders, W Applied Econometric Time Series Second Edition. New York. Hanke, J. E, D.W Winchern dan A.G Reitsch Peramalan Bisnis Edisi Ketujuh. PT. Prenhallindo. Jakarta m#varmax_toc.html (diakses pada tanggal 6 Februari 2013) Makridakis, S. Wheelwright, S. C. dan McGee, V. E Metode dan Aplikasi Peramalan. Edisi kedua. Jilid pertama (Terjemahan : Andriyanto, U. S. dan Basith, Abdul). Jakarta: Erlangga. Makridakis, S. Wheelwright, S. C. dan McGee, V. E Metode dan Aplikasi Peramalan. Edisi kedua. Jilid kedua (Terjemahan : Suminto, Hari). Batam: Interaksara. Okky, Dimas dan Setiawan Pemodelan Indeks Harga Saham Gabungan (IHSG), Kurs, dan Harga Minyak Dunia dengan Pendekatan Vector Autoregressive. Fakultas MIPA.Jurusan Statistika.ITS Wei, William W.S Time Series Analysis Univariate and Multivariate Methods. Edisi Kedua.United State of America (diakses tanggal 24 Februari 2013) Statistik Ekonomi-Keuangan Indonesia. Bank Indonesia Edisi Desember Jakarta
11 t, ) LEMBAR PERSETUJUAN Artikel ilmiah oleh Desi Yulvia Pradini l telah diperiksa dan disetujui,,t Malang, 2l Mei20l3 Fembimbing Dr. Swasono Rahardjo, S.Pd, M.Si NIP196610I0 t Mahasiswa f I a Desi Yulvia Pradini NIM
LULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI
LULIK PRESDITA W 1207 100 002 APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI 1 Pembimbing : Dra. Nuri Wahyuningsih, M.Kes BAB I PENDAHULUAN 2 LATAR BELAKANG 1. Stabilitas ekonomi dapat dilihat
Lebih 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 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 terperinciMETODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015
III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih 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 terperinciBAB IV ANALISIS DAN PEMBAHASAN
C BAB IV ANALISIS DAN PEMBAHASAN Penelitian ini mencoba meramalkan jumlah penumpang kereta api untuk masa yang akan datang berdasarkan data volume penumpang kereta api periode Januari 994-Februari 203
Lebih terperinciSBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n
SBAB III MODEL VARMAX 3.1. Metode Analisis VARMAX Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n dengan variabel random Z n yang dapat dipandang sebagai variabel random berdistribusi
Lebih terperinciPERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)
PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR) SKRIPSI Oleh : PRISKA RIALITA HARDANI 24010211120020 DEPARTEMEN STATISTIKA FAKULTAS
Lebih terperinciModel Penjualan Plywood PT. Linggarjati Mahardika Mulia
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami) Vol., No., Juli 7, Hal. 52-57 p-issn: 25-4596; e-issn: 25-4X Halaman 52 Model Penjualan Plywood PT. Linggarjati Mahardika Mulia
Lebih terperinciPeramalan Indeks Harga Saham di Indonesia dan Dunia dengan Model Univariate dan Multivariate Time Series
Peramalan Indeks Harga Saham di Indonesia dan Dunia dengan Model Univariate dan Multivariate Time Series Silvia Roshita Dewi, Agus Suharsono, dan Suhartono Statistika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih 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 terperinciPEMODELAN DAN PERAMALAN INDEKS HARGA SAHAM VECTOR AUTOREGRESSIVE EXOGENOUS (VARX)
PEMODELAN DAN PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG), JAKARTA ISLAMIC INDEX (JII), DAN HARGA MINYAK DUNIA BRENT CRUDE OIL MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE EXOGENOUS (VARX) SKRIPSI Disusun
Lebih terperinciPENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH
PENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH Tri Mulyaningsih ), Budi Nurani R ), Soemartini 3) ) Mahasiswa Program Magister Statistika Terapan Universitas Padjadjaran
Lebih 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 terperinci99.9. Percent maka H 0 diterima, berarti residual normal
Uji residual white noise 2 Lag Q P value 6 3.5 9.49 0.5330 2 6.6 8.3 0.803 8 9.8 26.30 0.9059 24 9.3 33.92 0.6374 K p q Uji residual berdistribusi normal Percent 99.9 99 95 90 80 70 60 50 40 30 20 0 5
Lebih terperinciPENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Seminar Nasional Matematika dan Aplikasinya, 21 Oktober 27 PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Lebih terperinciPERAMALAN HASIL PRODUKSI ALUMINIUM BATANGAN PADA PT INALUM DENGAN METODE ARIMA
Saintia Matematika Vol. 1, No. 1 (2013), pp. 1 10. PERAMALAN HASIL PRODUKSI ALUMINIUM BATANGAN PADA PT INALUM DENGAN METODE ARIMA Lukas Panjaitan, Gim Tarigan, Pengarapen Bangun Abstrak. Dalama makalah
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 terperinciAnalisis Peramalan Banyaknya Permintaan Darah di Surabaya Menggunakan Metode
Analisis Peramalan Banyaknya Permintaan Darah di Surabaya Menggunakan Metode ARIMA Box Jenkins Oleh : Winda Eka Febriana 1307 030 002 Pembimbing : Dra. Wiwiek Setya Winahju, MS Latar Belakang PMI Merupakan
Lebih terperinciTugas Akhir. Peramalan Penjualan Produk Minuman TB Wilayah Pemasaran Jawa Timur dengan Menggunakan Metode VARIMA. Oleh : C. Ade Kurniawan
Tugas Akhir Peramalan Penjualan Produk Minuman TB Wilayah Pemasaran Jawa Timur dengan Menggunakan Metode VARIMA Oleh : C. Ade Kurniawan 1304100022 Latar Belakang Ketidakpastian dalam aliran hulu supply
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 terperinciPERAMALAN DATA NILAI EKSPOR NON MIGAS INDONESIA KE WILAYAH ASEAN MENGGUNAKAN MODEL EGARCH
PERAMALAN DATA NILAI EKSPOR NON MIGAS INDONESIA KE WILAYAH ASEAN MENGGUNAKAN MODEL EGARCH, Universitas Negeri Malang E-mail: die_gazeboy24@yahoo.com Abstrak: Penelitian ini bertujuan untuk mengetahui model
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 terperinciPERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2016, Halaman 101-110 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA
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 683-693 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN DAN PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG),
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 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 terperinciPemodelan Vector Autoregresive (VAR) pada Komoditas Harga Cabai di Jawa Tengah
Pemodelan Vector Autoregresive (VAR) pada Komoditas Harga Cabai di Jawa Tengah Memi Nor Hayati 1, Alan Prahutama 2,*, Hasbi Yasin 2, Tiani Wahyu Utami 3 1 Program Studi Statistika, Universitas Mulawarman
Lebih terperinciMeytaliana F Dosen Pembimbing: Prof. Dr. Basuki Widodo, M.Sc. Dra. Nuri Wahyuningsih, M.Kes.
ESTIMASI PARAMETER AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) (STUDI KASUS PERAMALAN CURAH HUJAN DAS BRANGKAL MOJOKERTO) Meytaliana F. 1210100014
Lebih terperinciAnalisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan
SEMINAR PROPOSAL TUGAS AKHIR Analisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan OLEH: NAMA : MULAZIMATUS SYAFA AH NRP : 13.11.030.021 DOSEN PEmbimbing: Dr.
Lebih terperinciPERAMALAN 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 terperinciPERAMALAN PEMAKAIAN ENERGI LISTRIK DI MEDAN DENGAN METODE ARIMA
Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 1 (2014), pp. 55 69. PERAMALAN PEMAKAIAN ENERGI LISTRIK DI MEDAN DENGAN METODE ARIMA John Putra S Tampubolon, Normalina Napitupulu, Asima Manurung Abstrak.
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 593-602 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN SEASONAL GENERALIZED SPACE TIME AUTOREGRESSIVE (SGSTAR)
Lebih terperinciPemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer
TUGAS AKHIR Pemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer Oleh : Fani Felani Farid (1306 100 047) Pembimbing : Drs. Kresnayana Yahya M.Sc Latar Belakang
Lebih terperinciModel Vector Autoregressive (VAR) untuk Analisis Indeks Harga Konsumen Kota Samarinda dan Kota Sampit
Jurnal EKSPONENSIAL Volume, Nomor 1, Mei 13 ISSN 5-79 Model Vector Autoregressive (VAR) untuk Analisis Indeks Harga Konsumen Kota Samarinda dan Kota Sampit Vector Autoregressive Models (VAR) for the Analysis
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 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 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 terperinciPERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 110 117 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Lebih 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 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 Inflasi di Kota Semarang, Yogyakarta, dan Surakarta dengan pendekatan GSTAR
JURNAL SAINS DAN SENI POMITS Vol., No., (0) 7-0 (0-X Prin D-7 Pemodelan Inflasi di Kota Semarang, Yogyakarta, dan Surakarta dengan pendekatan GSTAR Laily Awliatul Faizah dan Setiawan Jurusan Statistika,
Lebih terperinciPERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010
Statistika, Vol., No., Mei PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI Reksa Nila Anityaloka, Atika Nurani Ambarwati Program Studi S Statistika Universitas Muhammadiyah
Lebih terperinciTINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang
II.. TINJAUAN PUSTAKA Indeks Harga Konsumen (IHK Menurut Monga (977 indeks harga konsumen adalah ukuran statistika dari perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang didapatkan.
Lebih 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 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 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 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 terperinciPeramalam Jumlah Penumpang Yang Berangkat Melalui Bandar Udara Temindung Samarinda Tahun 2012 Dengan Metode ARIMA BOX-JENKINS
Jurnal EKSPONENSIAL Volume 3, Nomor, Mei 2 ISSN 8-7829 Peramalam Jumlah Penumpang Yang Berangkat Melalui Bandar Udara Temindung Samarinda Tahun 2 Dengan Metode ARIMA BOX-JENKINS Forecasting The Number
Lebih 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 terperinciPERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH)
Jurnal Matematika UNAND Vol. 5 No. 4 Hal. 80 88 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE
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 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 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 terperinciPeramalan merupakan alat bantu yang penting dalam penyusunan rencana yang efektif dan efisien. Pada
Estimasi Parameter Autoregressive Integrated Moving Average (ARIMA) Menggunakan Algoritma Particle Swarm Optimization (PSO) (Studi Kasus: Peramalan Curah Hujan DAS Brangkal, Mojokerto) Meytaliana Factmawati,
Lebih terperinciPeramalan Jumlah Kunjungan Wisatawan Mancanegara (Wisman) ke Bali Tahun 2019: Metode ARIMA
JEKT 8 [2] : 136-141 ISSN : 2301-8968 Peramalan Jumlah Kunjungan Wisatawan Mancanegara (Wisman) ke Bali Tahun 2019: Metode ARIMA Rukini *) Putu Simpen Arini Esthisatari Nawangsih Badan Pusat Statistik
Lebih terperinciPeramalan Penjualan Pipa di PT X
Elviani, et al. / Peramalan Penjualan Pipa di PT X / Jurnal Titra, Vol.. 2, No. 2, Juni 2014, pp. 55-60 Peramalan Penjualan Pipa di PT X Cicely Elviani 1, Siana Halim 1 Abstract: In this thesis we modeled
Lebih terperinciPeramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun
Peramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun NAMA : RITA RAHMADHANI NRP : 1306 030 008 PEMBIMBING: DR. BRODJOL SUTIJO
Lebih 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 terperinciISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 737-745 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN DAYA LISTRIK BERDASARKAN JUMLAH PELANGGAN PLN MENGGUNAKAN
Lebih terperinciBab IV. Pembahasan dan Hasil Penelitian
Bab IV Pembahasan dan Hasil Penelitian IV.1 Statistika Deskriptif Pada bab ini akan dibahas mengenai statistik deskriptif dari variabel yang digunakan yaitu IHSG di BEI selama periode 1 April 2011 sampai
Lebih 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 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 terperinciPENDEKATAN MODEL EKONOMETRIKA UNTUK MEMPREDIKSI INDEKS SAHAM SYARIAH INDONESIA
PENDEKATAN MODEL EKONOMETRIKA UNTUK MEMPREDIKSI INDEKS SAHAM SYARIAH INDONESIA Nuri Wahyuningsih 1), Daryono Budi U. 2), R.A. Diva Zatadini 3) 1)2))3) Departemen Matematika FMIPA ITS Kampus ITS Keputih,
Lebih terperinciPERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL. Oleh: Niswatul Maghfiroh NRP.
PERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL Oleh: Niswatul Maghfiroh NRP. 1208100065 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih 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 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 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 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 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 terperinciPERBANDINGAN MODEL STAR DAN GSTAR UNTUK PERAMALAN INFLASI DUMAI, PEKANBARU, DAN BATAM
PERBANDINGAN MODEL STAR DAN GSTAR UNTUK PERAMALAN INFLASI DUMAI, PEKANBARU, DAN BATAM Gama Putra Danu Sohibien Jurusan Statistika, Sekolah Tinggi Ilmu Statistik Jakarta Email : gamaputra@stis.ac.id ABSTRAK
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 PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA
Jurnal UJMC, Volume 2, Nomor 1, Hal. 28-35 pissn : 2460-3333 eissn: 2579-907X PERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA Novita Eka Chandra 1 dan Sarinem 2 1 Universitas
Lebih terperinciPERAMALAN DEBIT AIR SUNGAI BRANTAS DENGAN MODEL GSTAR DAN ARIMA. Abstrak
PERAMALAN DEBIT AIR SUNGAI BRANTAS DENGAN MODEL GSTAR DAN ARIMA Oleh: Henny Dwi Khoirun Nisa 25 44 Dosen Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan
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 terperinciPeramalan Harga Minyak Mentah Standar West Texas Intermediate dengan Pendekatan Metode ARIMA
Seminar Nasional Pendidikan, Sains dan Teknologi ISBN : 9786026159960 Peramalan Harga Minyak Mentah Standar West Texas Intermediate dengan Pendekatan Metode ARIMA Syahril Faozi 1), Wellie Sulistijanti
Lebih 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 terperinciANALISIS KELAYAKAN RENCANA PEMBUKAAN SHOWROOM MOBIL OLEH PT XYZ BERDASARKAN RAMALAN PERMINTAAN DI BANDA ACEH
Saintia Matematika Vol. 1, No. 1 (2013), pp. 41 50. ANALISIS KELAYAKAN RENCANA PEMBUKAAN SHOWROOM MOBIL OLEH PT XYZ BERDASARKAN RAMALAN PERMINTAAN DI BANDA ACEH Maradu Naipospos, Pengarapen Bangun, Gim
Lebih terperinciPENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA
KEMENTERIAN PEKERJAAN UMUM BADAN PENELITIAN DAN PENGEMBANGAN PUSAT PENELITIAN DAN PENGEMBANGAN SUMBER DAYA AIR PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA PENDAHULUAN Prediksi data runtut waktu.
Lebih 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 Volume Distribusi Air di PDAM Kabupaten Bojonegoro dengan Metode ARIMA Box- Jenkins
Peramalan Volume Distribusi Air di PDAM Kabupaten Bojonegoro dengan Metode ARIMA Box- Jenkins Fastha Aulia P / 1309030018 Pembimbing: Ir.Dwiatmono Agus M.Ikomp Latar Belakang Air sebagai sumber kehidupan
Lebih 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 terperinciSidang Akhir Tugas Akhir PERAMALAN KETERSEDIAAN BATUBARA MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE MOVING AVERAGE (VARMA) PADA PT.
Sidang Akhir Tugas Akhir PERAMALAN KETERSEDIAAN BATUBARA MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE MOVING AVERAGE (VARMA) PADA PT.XYZ Immash Kusuma Pratiwi 5208100123 PENDAHULUAN Latar Belakang, Perumusan
Lebih terperinciPERAMALAN INDEKS HARGA SAHAM MENGGUNAKAN METODE INTERVENSI. Oleh: IRLIZANTY YULYANTIKA RAHADI
PERAMALAN INDEKS HARGA SAHAM MENGGUNAKAN METODE INTERVENSI Oleh: IRLIZANTY YULYANTIKA RAHADI 6 4 Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes Abstrak Indeks harga saham merupakan suatu indikator yang
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini, dibahas mengenai model Vector Error Correction (VEC),
BAB III PEMBAHASAN Pada bab ini, dibahas mengenai model Vector Error Correction (VEC), prosedur pembentukan model Vector Error Correction (VEC), dan aplikasi model Vector Error Correction (VEC) pada penutupan
Lebih terperinciPREDIKSI INFLASI BEBERAPA KOTA DI JAWA TENGAH TAHUN 2014 MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)
PREDIKSI INFLASI BEBERAPA KOTA DI JAWA TENGAH TAHUN 2014 MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR) SKRIPSI Disusun Oleh : TIKA NUR RESA UTAMI 240 102 111 300 59 JURUSAN STATISTIKA FAKULTAS SAINS DAN
Lebih terperinciANALISIS POLA HUBUNGAN PEMODELAN ARIMA CURAH HUJAN DENGAN CURAH HUJAN MAKSIMUM, LAMA WAKTU HUJAN, DAN CURAH HUJAN RATA-RATA
ANALISIS POLA HUBUNGAN PEMODELAN ARIMA CURAH HUJAN DENGAN CURAH HUJAN MAKSIMUM, LAMA WAKTU HUJAN, DAN CURAH HUJAN RATA-RATA FATHIN FAHIMAH 226133 DOSEN PEMBIMBING Prof. Ir. Gamantyo Hendrantoro, M.Eng.
Lebih terperinciBAB I PENDAHULUAN. Dewasa ini banyak permasalahan yang muncul baik di bidang ekonomi,
BAB I PENDAHULUAN 1.1 Latar Belakang Dewasa ini banyak permasalahan yang muncul baik di bidang ekonomi, manajemen, pendidikan, maupun kesehatan. Pada bidang ekonomi, permasalahan itu kian kompleks seiring
Lebih terperinciPERAMALAN INDEKS HARGA KONSUMEN 4 KOTA DI JAWA TENGAH MENGGUNAKAN MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 553-562 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN INDEKS HARGA KONSUMEN 4 KOTA DI JAWA TENGAH MENGGUNAKAN
Lebih terperinciSKRIPSI JURUSAN STATISTIKA PERAMALAN INDEKS HARGA KONSUMEN 4 KOTA DI JAWA TENGAH MENGGUNAKAN MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR)
PERAMALAN INDEKS HARGA KONSUMEN 4 KOTA DI JAWA TENGAH MENGGUNAKAN MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) SKRIPSI Disusun Oleh : LINA IRAWATI NIM : 24010211140072 JURUSAN STATISTIKA FAKULTAS
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 terperinciPemodelan ARIMA Jumlah Pencapaian Peserta KB Baru IUD
Pemodelan ARIMA Jumlah Pencapaian Peserta KB Baru IUD Charisma Arianti, Arief Wibowo Departemen Biostatistika dan Kependudukan Fakultas Kesehatan Masyarakat Universitas Airlangga Surabaya Alamat Korespondensi:
Lebih 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 terperinciPeramalan Harga Beras di Perum BULOG Divre Jatim
Peramalan Harga Beras di Perum BULOG Divre Jatim Disusun oleh : Woro Morphi H (1309030010) Dosen Pembimbing : Dr. Suhartono, S.Si, M.Sc Pendahuluan Latar Belakang, Perumusan Masalah,Tujuan Penelitian,
Lebih terperinciPrediksi Laju Inflasi di Kota Ambon Menggunakan Metode ARIMA Box Jenkins
Statistika, Vol. 16 No. 2, 95 102 November 2016 Prediksi Laju Inflasi di Kota Ambon Menggunakan Metode ARIMA Box Jenkins FERRY KONDO LEMBANG Jurusan Matematika Fakultas MIPA Universitas Pattimura Ambon
Lebih terperinciPEMODELAN VECTOR AUTOREGRESSIVE X (VARX) UNTUK MERAMALKAN JUMLAH UANG BEREDAR DI INDONESIA
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 3, Tahun 2017, Halaman 333-343 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN VECTOR AUTOREGRESSIVE X (VARX) UNTUK MERAMALKAN JUMLAH
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 terperinciPemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 Pemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA 1 Harnum Annisa Prafitia dan 2 Irhamah
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 terperinciESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING
ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING Nama : Zahroh Atiqoh NRP : 1205 100 021 Dosen Pembimbing : 1. Dra. Nuri Wahyuningsih, MKes 2. Drs. Sulistiyo,
Lebih terperinci