Jurnal EKSPONENSIAL Volume 4, Nomor 1, Mei 2013 ISSN

Ukuran: px
Mulai penontonan dengan halaman:

Download "Jurnal EKSPONENSIAL Volume 4, Nomor 1, Mei 2013 ISSN"

Transkripsi

1 Jurnal EKSONENSIAL Volume 4, Nomor, Mei 03 ISSN eramalan menggunaan Moel ARIMA Musiman an Verifiasi Hasil eramalan engan Grafi engenali Moving Range (Sui Kasus: rousi Air Bersih i DAM Tira Kencana Samarina) Forecasing using Seasonal ARIMA Moels an Verificaion Resuls of Forecasing wih Moving Range Char (Case Suy: Clean Waer roucion in DAM Tira Kencana Samarina) Ai Nurhayai, Darnah A. Nohe, Syaripuin 3 Mahasiswa rogram Sui Saisia FMIA Universias Mulawarman,3 Dosen rogram Sui Saisia FMIA Universias Mulawarman aic.nurhayai@gmail.com, arnah.98@gmail.com, Syarif9@yahoo.co.i 3 Absrac Seasonal ARIMA Moels is an ARIMA moels were use o complee he seasonal ime series, he ime associae wih many observaions per season perio. Moving range char use o verify he resuls of forecasing. The purpose of his suy is o forecas he seasonal ARIMA moels an verify he resuls of forecasing he amoun clean waer proucion in DAM Tira Kencana Samarina from 008 o 0 wih moving range char. Base on he resuls obaine by he analysis of he ARIMA moels (0,,)(0,,). Base on seasonal ARIMA moels obaine an mae forecasing a perios from January 03 o December 03 an furher verifie. The verificaion resuls show ha he forecasing resuls of clean waer proucion has been conrolle, so ha he ARIMA moels (0,,) (0,,) can be use o forecas of clean waer proucion in DAM Tira Kencana Samarina from January 03 o December 03. Keywors: Clean waer proucion, forecasing, moving range, Seasonal ARIMA. enahuluan eramalan aalah suau eni unu memperiraan suau nilai paa masa yang aan aang engan memperhaian aa masa lalu maupun aa saa ini (Aswi an Suarna, 006). Salah sau eni peramalan ere wau aalah Seaseonal Auoregressive Inegrae Moving Average (ARIMA musiman). Dalam ARIMA musiman, ime series mempunyai sifa berulang seelah seian perioe wau erenu (Salamah, 003). Hasil peramalan moel ARIMA musiman erbai yang iperoleh emuian iverifiasi engan grafi pengenali moving range unu mengeahui apaah hasil peramalan engan meoe yang igunaan mencerminan aa masa lalu. Jia hasil peramalan menunjuan eaaan i luar baas pengenali, maa ilauan revisi aa engan grafi pengenali moving range an peramalan pun harus iulangi lagi (Gaspersz alam Farieprahana (0)). Menuru Haim (0) air bersih merupaan air yang harus bebas ari miroorganisme penyebab penyai ari bahan-bahan imia yang apa merugian esehaan manusia maupun mahlu hiup lainnya. Sebelum air apa i onsumsi, air harus mengalami proses pengolahan erlebih ahulu guna menghilangan an meneralisir ari za-za an miroorganisme yang berbahaya. Air bersih aalah unsur yang sanga pening an iperluan oleh mahlu hiup unu menunjang ehiupannya. Salah sau perusahaan yang melauan proses pengolahan air menjai air bersih aalah DAM Tira Kencana Samarina. Jumlah prousi air bersih yang iprousi oleh DAM Tira Kencana seiap ahun selalu mengalami penurunan paa Bulan Februari arena inga urunnya hujan relaif inggi. eneliian ini berujuan unu melauan peramalan engan menggunaan moel ARIMA musiman an melauan verifiasi hasil peramalan berasaran moel ARIMA musiman erbai. Analisis Dere Wau Dere wau aalah serangaian aa pengamaan yang erjai berasaran ines wau secara beruruan engan inerval wau eap. Analisis ere wau aalah salah sau proseur saisia yang ierapan unu meramalan sruur probabilisi eaaan yang aan erjai i masa yang aan aang alam ranga pengambilan epuusan (Aswi an Suarna, 006) Daa ere wau iaaan sasioner jia memenuhi iga rieria, yaiu nilai engah (raaraa) an ragamnya onsan ari wau e wau, sera peragam (covariance) anara ua aa ere wau hanya erganung ari lag anara ua perioe wau ersebu. Sasionerias Berasaran raa-raa an variansinya erapa ua jenis esasioneran aa yaiu, aa sasioner paa raa-raa an variansi. Unu mensasioneran aa yang ia sasioner alam rogram Sui Saisia FMIA Universias Mulawarman

2 Jurnal EKSONENSIAL Volume 4, Nomor, Mei 03 ISSN variansi apa ilauan engan ransformasi Box-Cox (pensabilan variansi). Secara umum, unu mensabilan variansi apa igunaan ransformasi panga sebagai beriu: Z Z ( ) () imana aalah parameer ransformasi (Aswi an Suarna, 006). Unu mengaasi aa runun wau yang ia sasioner alam raa-raanya, apa ilauan proses pembeaan (ifferencing) erhaap ere aa asli. Secara umum operasi ifferencing yang menghasilan suau ejaian baru sasioner, misal W aalah: W ( B) Z, () Dengan B aalah operaor munur (bacshif operaor) yang iefinisian bahwa B Z Z. Fungsi Auoorelasi Menuru Soejoei (987) suau ere wau yang sasioner apa iesimasi nilai mean (μ) an ACF ; 0,,... engan menggunaan persamaan saisi sebagai beriu: n ˆ Z Z, (3) n an unu = 0,,..., maa nilai auoorelasi (ACF) aalah sebagai beriu: n ( Z Z )( Z Z ) ˆ c, (4) n Unu memperoleh harga esimasi yang cuup bai iperluan n yang cuup besar, yaiu n 0. Nilai c yang ihiung hanya n / 4. Nilai emuian iesimasian engan: r c, () c 0 Fungsi Auoorelasi arsial Menuru Soejoei (987) ACF yang iulis engan ;,,..., yani himpunan auoorelasi parsial unu berbagai lag. ersamaannya aalah sebagai beriu: *, (6) engan aalah maris auoorelasi x an * aalah engan olom erahir igani engan: ρ ρ ρ roses Whie Noise Suau proses a inamaan proses whie noise jia benu peubah aca yang beruruan ia saling berorelasi an mengiui isribusi erenu. Raa-raa E( a ) a ari proses ini iasumsian bernilai nol an mempunyai variansi yang onsan yaiu var( a ) a an nilai ovariansi unu proses ini cov( a, a ) 0 unu 0 (Aswi an Suarna, 006). Meoe Box-Jenins Menuru Mariais (003) meoe Box- Jenins merupaan salah sau eni peramalan moel ime series yang hanya berasaran perilau aa variabel yang iamai. Moel Box- Jenins secara enis ienal sebagai moel auoregressive inegrae moving average (ARIMA). Moel-Moel Meoe Box-Jenins : Moel Auoregressive (AR) p Z a, (7) p p ( B B... p B ) Z Z Moel Moving Average (MA) Z = θ q (B)a (8) q q ( B B... q B ) Moel Auoregressive-Moving Average (ARMA) p Z q a, (9) p p ( B B... p B ) q q ( B B... q B ) Moel Auoregressive Inegrae Moving Average (ARIMA) p [ B] Z q a, (0) imana ( B) aalah ore ifferencing nonmusiman. Moel ARIMA Musiman Menuru Salamah (003) musiman aalah ecenerungan mengulangi pola ingah gera alam perioe musim, biasanya sau ahun unu aa bulanan. Moel ARIMA Musiman merupaan moel ARIMA yang igunaan unu menyelesaian ime series musiman yang eriri ari ua bagian, yaiu bagian ia musiman 6 rogram Sui Saisia FMIA Universias Mulawarman

3 Jurnal EKSONENSIAL Volume 4, Nomor, Mei 03 ISSN (non-musiman) an bagian musiman. Bagian non-musiman ari meoe ini aalah moel ARIMA. Menuru Aswi an Suarna (006) secara umum benu moel ARIMA musiman aau ARIMA (p,,q)(,d,q) S aalah: D p ( B S )( B) ( B S ) Z q( B) Q ( B S ) a () p,,q = ore AR, ifferencing, MA non-musiman,d,q = ore AR, ifferencing, MA musiman B B B p p( )... pb S S S S ( B ) B B... B ( B) = ore ifferencing non-musiman S D ( B ) = ore ifferencing musiman q q ( B B... q B ) S S S QS Q ( B ) B B... Q B Meoologi eneaan Box-Jenins Menuru Aswi an Suarna (006) asar ari peneaan Box an Jenins eriri ari iga ahap, yaiu ienifiasi moel, penasiran an iagnosi moel, sera apliasi moel (peramalan).. Ienifiasi Moel Tahap ini eriri ari pemerisaan sasionerias aa ere wau an emuian peneapan moel semenara berasaran grafi ACF an ACF.. enasiran arameer an engujian Diagnosi Meoe penasiran parameer yang umum igunaaan aalah meoe leas squares, yaiu suau meoe yang ilauan engan cara mencari nilai parameer yang meminimuman jumlah uara esalahan. engujian iagnosi eriri ari uji signifiansi parameer an uji esesuaian moel yang melipui uji whie noise an uji enormalan resiual. Uji Signifiansi arameer Uji signifiansi parameer berujuan unu membuian bahwa moel yang iperoleh cuup memaai aau ia (parameer signifian berbea engan nol). Uji signifiansi parameer yang igunaan aalah uji iniviual (uji ). Uji iniviual (uji ) igunaan unu menguji inga signifiansi parameer alam moel. Uji Kesesuaian Moel aa uji esesuaian moel eriri ari ua ahap, yaiu uji whie noise an uji enormalan resiual. Beriu ini aalah proses pengujian whie noise engan menggunaan uji Ljung-Box. Hipoesis : H 0 :... K 0 Resiual memenuhi syara whie noise) H : minimal aa sau i 0 unu i =,,..., K (Resiual ia memenuhi syara whie noise) Saisi uji : K ˆ Q* n( n ), () n Daerah riis : H 0 iola jia Q* ; f aau p-value < α. Selanjunya aalah melauan pengujian enormalan resiual. roses pengujiannya aalah sebagai beriu : Hipoesis : H 0 : Resiual berisribusi normal H : Resiual ia berisribusi normal Saisi uji : D hiung masimum S n ( X ) S ( X ) n,(3) Daerah riisnya : H 0 iola jia D hiung D aau abel p-value < α imana D abel D ( n, ) 3. eramalan Tujuan moel ime series aalah menggunaan moel yang iperoleh unu inferensi ime series i masa menaang berasaran pola yang erjai i masa lalu. Yani, berasaran suau moel ingin iurunan isribusi bersyaraan observasi yang aan aang, jia ieahui observasi yang lalu. emilihan Moel Terbai Menuru Juana an Junaii (0) unu menenuan moel yang erbai ari beberapa moel memenuhi syara ersebu apa igunaan rieria Mean Absolue ercenage Error (MAE). MAE menguur esalahan nilai ugaan moel yang inyaaan alam benu raa-raa persenase absolu resiual. Formula MAE apa iulis sebagai beriu: n Z Z MAE Z x00%, (4) n Suau moel mempunyai inerja sanga bagus jia nilai MAE beraa i bawah 0% an mempunyai inerja bagus jia nilai MAE beraa i anara 0% an 0% (Zainun an Maji alam Raharja (00)). Grafi engenali Menuru Mongomery (990) grafi pengenali aalah suau ala yang igunaan rogram Sui Saisia FMIA Universias Mulawarman 7

4 Jurnal EKSONENSIAL Volume 4, Nomor, Mei 03 ISSN unu memonioring proses an pengenalian ualias. Menuru Ariani (003) grafi pengenali eriri ari berbagai macam, ianaranya aalah grafi pengenali uni-uni iniviu. Gafi pengenali uni-uni iniviu hanya menggunaan pengujian erhaap sau uni prou. Salah sau jenis grafi pengenali uni-uni iniviu aalah grafi pengenali moving range. Grafi pengenali moving range aalah grafi pengenali iniviu yang igunaan unu melauan verifiasi ari suau sebaran aa, yaiu apaah erenali secara saisi aau ia. Beriu ini aalah rumus unu menenuan jara (R) anara ua observasi yang beruruan. Beriu ini aalah rumus maemais unu menenuan jara (R) an raa-raa jaranya (R ). R X max X min, () an n R R, (6) n X = nilai masimum max X = nilai minimum min n = banyanya sampel Selanjunya unu menenuan nilai baas pengenali aalah sebagai beriu: Baas engenali Aas (BA) = R D 4 Garis Tengah = R (7) Baas engenali Bawah (BB) = R D 3 imana nilai D 3 an D 4 apa iliha paa abel grafi pengenali. Verifiasi Grafi engenali Menuru Nasuion alam Hiaya (00) engenalian (verifiasi) hasil peramalan ilauan unu mengeahui apaah hasil peramalan engan meoe yang igunaan mencerminan aa masa lalu. Melalui verifiasi peramalan apa ieahui efeivias meoe peramalan yang igunaan. Verifiasi ilauan yaiu engan menggunaan grafi renang bergera (Moving Range). Menuru Gaspersz alam Farieprahana (0) jia grafi pengenali Moving Range menunjuan eaaan iluar rieria enali, maa erapa aa yang ia berasal ari sisem sebab-aiba yang sama an harus ibuang maa peramalan pun harus iulangi lagi. Meoologi eneliian Daa yang igunaan alam peneliian ini aalah aa prousi air bersih i DAM Tira Kencana Samarina ari ahun yang bersumber ari DAM Tira Kencana Samarina. Aapun eni analisis aa alam peneliian ini aalah:. Analisis saisia esripif yang berujuan unu menggambaran eaaan aa.. Ienifiasi moel engan meliha esasioneran aa melalui ime series plo, Box-Cox plo an grafi ACF. jia aa ia sasioner alam variansi maa ilauan ransformasi Box-Cox (pensabilan variansi), seangan jia aa ia sasioner alam raaraa, bai raa-raa non-musiman maupun raaraa musiman maa ilauan proses pembeaan (ifferencing) non-musiman maupun ifferencing musiman. Tahap selanjunya aalah melauan peneapan moel ugaan berasaran grafi ACF an ACF. 3. Melauan pengujian iagnosi yang eriri ari uji signifiansi parameer an uji esesuaian moel yang melipui uji whie noise an uji enormalan resiual. 4. emilihan moel erbai ari moel ARIMA musiman yang semua parameernya signifian, resiual memenuhi whie noise sera resiual berisribusi normal berasaran nilai MAE erecil.. melauan peramalan ari Bulan Januari 03 sampai Desember Verifiasi hasil peramalan engan grafi pengenali moving range. Hasil an embahasan Analisis Saisia Desripif Saisia esripif unu prousi air bersih i DAM Tira Kencana Samarina aalah sebagai beriu: Tabel. Hasil Saisia Desripif Minimum ,600 Masimum.38.48,700 Raa-raa ,96 Sanar eviasi.70,7063 Ienifiasi Moel Gambar memperlihaan bahwa aa prousi air bersih elah sasioner alam variansi namun ia sasioner alam raa-raa nonmusiman. Hal ini iunjuan engan nilai (liha esimae) aalah sebesar,7, arena nilai λ meneai maa hal ini menginiasian bahwa aa prousi air bersih suah sasioner alam variansi. Melalui ime series plo erliha bahwa aa ia berfluuasi i seiar raa-raa an melalui grafi ACF ieahui bahwa nilai auoorelasi urun lamba paa lag,, 3,... aau urun lamba paa lag non-musiman, sera paa grafi ACF erliha bahwa nilai auoorelasi parsial erpoong seelah lag an lag. Hal ini menunjuan bahwa aa prousi air bersih ia sasioner alam raa-raa non-musiman. 8 rogram Sui Saisia FMIA Universias Mulawarman

5 arial Auocorrelaion Auocorrelaion arial Auocorrelaion D= Auocorrelaion arial Auocorrelaion SDev Auocorrelaion Z = Jurnal EKSONENSIAL Volume 4, Nomor, Mei 03 ISSN Time Series lo of Z Time Series lo of = Inex (a) Inex (a) Auocorrelaion Funcion for = (wih % significance limis for he auocorrelaions) 4 60 Box-Cox lo of Z,0 0 Lower CL Upper CL Lamba (using 9,0% confience) 7 0 Esimae,7 Lower CL -0,7 Upper CL,78 Roune Value,00 0, -0, - 00 Limi -,0 -,,,0 Lamba (b) Auocorrelaion Funcion for Z (wih % significance limis for he auocorrelaions),0 0, -0, - -, (c) arial Auocorrelaion Funcion for Z (wih % significance limis for he parial auocorrelaions),0 0, -0, -,0,0 0, -0, - -,0 0 0 (b) arial Auocorrelaion Funcion for = (wih % significance limis for he parial auocorrelaions) 0 0 (c) Gambar. (a) Time series plo unu aa ifferencing sau non-musiman (b). Grafi ACF (c). Grafi ACF Time Series lo of D= , () Gambar. (a) Time series plo unu aa (b). Box- Cox plo (c). Grafi ACF (). Grafi ACF Sehingga unu mensasionerannya maa ilauan proses ifferencing sau non-musiman (=) ari aa prousi air bersih. aa Gambar melalui grafi ACF erliha bahwa nilai auoorelasi urun secara lamba paa lag musiman. Hal ini menunjuan bahwa aa prousi air bersih belum sasioner alam raaraa musiman. Oleh arena iu unu mensasionerannya ilauan ifferencing sau musiman (D=). Grafi ACF (c) Gambar 3 memperlihaan bahwa aa prousi air bersih suah sasioner. Selanjunya aalah menenuan moel ugaan awal moel ARIMA musiman. ola grafi ACF an grafi ACF aalah cu off an masing-masing erpoong paa lag non-musiman an lag musiman (lag ). Sehingga ugaan awal moel ARIMA musiman aalah ARIMA (,,0)(,,0) an ARIMA (0,,)(0,,) ,0 0, -0, - -,0,0 0, -0, - -, (a) 0 Inex Auocorrelaion Funcion for D= (wih % significance limis for he auocorrelaions) (b) arial Auocorrelaion Funcion for D= (wih % significance limis for he parial auocorrelaions) 0 0 (c) Gambar 3. (a) Time series plo unu aa ifferencing sau non-musiman an musiman (b). Grafi ACF rogram Sui Saisia FMIA Universias Mulawarman 9

6 Jurnal EKSONENSIAL Volume 4, Nomor, Mei 03 ISSN engujian Diagnosi Uji Signifiansi arameer Unu mengeahui parameer moel yang signifian paa aa prousi air bersih inga ifferencing sau non-musiman an musiman ilauan uji signifiansi iniviual (uji ) engan hipoesis nol aalah nilai parameer ia signifian alam moel. Tabel. Uji Signifiansi arameer Moel ARIMA (,,0) (,,0) (0,,) (0,,) arameer ( ; f ) hiung - value Konsana 3,04 3 AR(),06,04 4 SAR() 7,96,04 00 Konsana 0,74,04 6 MA() 3,,04 03 SMA() 4,,04 00 Berasaran Tabel ieahui bahwa nilai semua parameer ecuali onsana memilii nilai hiung ( ; f ) aau nilai p-value<α, sehingga ipuusan unu menola H 0. Jai moel ARIMA (,,0)(,,0) an ARIMA (0,,)(0,,) memilii nilai parameer yang signifian alam moel, ecuali nilai onsana. Karena nilai onsana ari moel ARIMA (,,0)(,,0) an ARIMA (0,,)(0,,) ia signifian, maa ilauan analisis ulang engan menghilangan nilai onsana. Tabel 3. Uji Signifiansi arameer anpa Nilai Konsana. Moel arameer hiung ( ; f ) - ARIMA value (,,0) AR(),00,04 (,,0) SAR() 8,0,04 00 (0,,) MA() 3,,04 03 (0,,) SMA() 4,66,04 00 Berasaran Tabel 3 ieahui bahwa nilai semua parameer ecuali AR() memilii nilai aau nilai p-value < α, sehingga hiung ( ; f ) ipuusan unu menola H 0. Jai nilai parameer yang signifian alam moel aalah parameer moel ARIMA (0,,)(0,,). Uji Kesesuaian Moel Beriu ini aalah uji esesuian moel unu moel ARIMA (0,,)(0,,). Uji Whie Noise engujiawhie noise menggunaan saisi uji Ljung-Box engan hipoesis nol bahwa resiual memenuhi syara whie noise. Tabel 4. Uji Whie Noise Df Q* ;f -value 0 4,4 8,70 0,6 4,0 33,944 0, , 48,604 0,89 Berasaran Tabel 4 erliha bahwa nilai Q*< ;f aau nilai p-value > α= unu masing-masing lag, maa apa ipuusan menerima H 0 sehingga apa isimpulan bahwa resiual memenuhi syara whie noise. Kenormalan Resiual Seelah resiual memenuhi asumsi whie noise, selanjunya ilauan pengujian apaah resiual mengiui asumsi enormalan aau ia engan hipoesis nol aalah resiual berisribusi normal. Hasil uji enormalan resiual menunjuan bahwa nilai Kolmogorov-Smirnov (D hiung ) aalah 7 urang ari nilai abel Kolmogorov-Smirnov (D abel ) yaiu 0,9 aau arena nilai p-value=0,0 > α= maa ipuusan unu menerima H 0. Jai resiual aa suah berisribusi normal. emilihan Moel Terbai Seelah ilauan uji signifiansi parameer an uji esesuaian moel (melipui uji asumsi whie noise an uji enormalan resiual) ieahui bahwa moel ARIMA yang memenuhi syara ersebu aalah moel ARIMA (0,,)(0,,) engan nilai MAE sebesar,09%. eramalan Beriu aalah persamaan moel ARIMA (0,,)(0,,) : W W W W 3 a 44a 0,774a 0,4a 3 beriu ini aalah asil peramalan prousi air bersih ari Januari 03 sampai Desember 03: Tabel. eramalan rousi rousi Air Bersih ahun 03 Bulan eramalan rousi Air Bersih (m 3 ) Januari ,8 Februari.0.88,98 Mare ,64 April ,09 Mei.69.94,8 Juni ,9 Juli Agusus.6.4,6 Sepember Oober ,0 November..906, Desember.67.03,9 60 rogram Sui Saisia FMIA Universias Mulawarman

7 Moving Range Jurnal EKSONENSIAL Volume 4, Nomor, Mei 03 ISSN Verifiasi Hasil eramalan Berasaran hasil peramalan air bersih paa Tabel ilauan perhiungan jaranya (R) sesuai persamaan (), sehingga jara raaraanya ( R ) aalah: n R R ,8 R 6.776,8 n Berasaran abel grafi pengenali ieahui bahwa nilai D 4 =3,67 an D 3 =0, sehingga baas pengenali 3-sigma aalah - Baas engenali Aas (BA) BA RD ,8(3,67) 8.4,806 - Garis Tengah = R = 6.776,8 - Baas engenali Bawah (BB) BB RD ,8(0) 0 Beriu ini aalah grafi pengenali moving range engan Miniab 4 unu hasil peramalan prousi air bersih paa DAM Tira Kencana Samarina imana nilai D 4 ia mengalami pembulaan sehingga nilai baas pengenali aas aan seii berbea engan perhiungan manual Moving Range Char of eramalan UCL=87 MR=6777 Aswi an suarna Analisis Dere Wau an Apliasi. Maassar: Anira ublisher. Farieprahana. 0. Forecasing (eramalan). Di ases i hp://farieprahana.worpress.com paa anggal November 0. Haim, Muhamma Tsani Abul. 0. engerian an Definisi Air. Di ases i hp://eucaion.pozmo.com paa anggal November 0. Hiaya, Arif an Musanirroh, Sii Asmaul. 00. engenalian erseiaan Cengeh unu Roo engan eneaan rogram Dinamis: Suau Sui Kasus i T Ganum Malang. Malang: Universias Brawijaya. Juana, Bambang an Junaii. 0. Eonomeria Dere Wau Teori an Apliasi. Bogor: IB ress. Mongomery, Douglas C enganar engenalian Kualias Saisi. Yogyaara: UGM ress. Raharja, Ala. 00. enerapan Meoe Exponenial Smoohing unu eramalan enggunaan Wau Telepon i T.Telomsel Divre3 Surabaya. Surabaya: SISFO. Salamah, Muiah, Suharono an Wulanari, Sri ingi Analisis Time Series. Surabaya: FMIA-ITS. Soejoei, Zanzawi Analisis Runun Wau. Jaara: Universias Terbua. 0 LCL= Observaion Gambar 4. Grafi engenali Moving Range unu Hasil eramalan Berasaran Gambar 4 erliha bahwa ia aa nilai peramalan yang beraa i luar baas pengenali, sehingga aa hasil peramalan elah erenali. Dengan emiian moel ARIMA (0,,)(0,,) apa igunaan unu melauan peramalan prousi air bersih i DAM Tira Kencana Samarina ari Bulan Januari 03 sampai Desember Kesimpulan Berasaran hasil analisis aa prousi air bersih i DAM Tira Kencana Samarina, maa apa isimpulan bahwa:. Moel Arima yang erbai aalah moel ARIMA (0,,)(0,,).. Moel ARIMA (0,,)(0,,) yang iperoleh merupaan moel peramalan yang erbai unu melauan peramalan prousi air bersih i DAM Tira Kencana Samarina ari bulan Januari 03 sampai Desember 03 arena semua hasil peramalannya elah erenali secara saisi. Dafar usaa Ariani, Dorohea Wahyu engenalian Kualias Saisi. Yogyaara: ANDI. rogram Sui Saisia FMIA Universias Mulawarman 6

8 Jurnal EKSONENSIAL Volume 4, Nomor, Mei 03 ISSN rogram Sui Saisia FMIA Universias Mulawarman

Prediksi Curah Hujan Kota Samarinda pada Tahun 2014 dengan Metode Filter Kalman. Rainfall Prediction Samarinda in 2014 with Kalman Filter Method

Prediksi Curah Hujan Kota Samarinda pada Tahun 2014 dengan Metode Filter Kalman. Rainfall Prediction Samarinda in 2014 with Kalman Filter Method Jurnal EKSPONENSIAL Volume 6, Nomor, Mei ISSN 8-789 Predisi Curah Hujan Koa Samarinda pada Tahun dengan Meode Filer Kalman Rainfall Predicion Samarinda in wih Kalman Filer Mehod Ea Syafiri Andarini, Sri

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

Rosy M., Rahardjo S., Susiswo Jurusan Matematika Fakultas MIPA Universitas Negeri Malang

Rosy M., Rahardjo S., Susiswo Jurusan Matematika Fakultas MIPA Universitas Negeri Malang PERAMALAN INDEKS HARGA KONSUMEN (IHK) KOTA MALANG BULAN JANUARI SAMPAI BULAN JUNI TAHUN 013 MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) Rosy M., Raharjo S., Susiswo Jurusan Maemaika

Lebih terperinci

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

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

Lebih terperinci

Mahasiswa Jurusan Statistika FMIPA-ITS ( ) Abstrak

Mahasiswa Jurusan Statistika FMIPA-ITS ( ) Abstrak PEMODELAN DAYA LISTRIK DENGAN PENDEKATAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH). (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK) Firoh Amalia, Drs. Haryono, MSIE Mahasiswa

Lebih terperinci

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

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

Lebih terperinci

PEMODELAN ARFIMA NONSTASIONER MELALUI METODE MODIFIKASI GPH ( GEWEKE AND PORTER- HUDAK) ABSTRAK

PEMODELAN ARFIMA NONSTASIONER MELALUI METODE MODIFIKASI GPH ( GEWEKE AND PORTER- HUDAK) ABSTRAK PEMODELAN ARFIMA NONSTASIONER MELALUI METODE MODIFIKASI GPH ( GEWEKE AND PORTER- HUDAK) Gumgum Darmawan Saf Pengajar Jurusan Saisia FMIPA UNPAD e-mail : gumsa_973@yahoo.com ABSTRAK Paa maalah ini aan i

Lebih terperinci

ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING

ESTIMASI 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 Aiqoh 05 00 0 Dosen Pembimbing: Dra. Nuri Wahyuningsih, MKes Drs. Sulisiyo, MT Jurusan Maemaika

Lebih terperinci

Oleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes

Oleh: 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 terperinci

Jurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN

Jurnal 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 terperinci

Jurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN

Jurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN Jurnal EKPOEIAL Volume 5, omor, opember 4 I 85-789 Pemodelan Dan Peramalan Indes Harga Perdagangan Besar (IHPB) Dengan Menggunaan ARFIMA (udi Kasus : IHPB Provinsi Kalimanan Timur bulan Januari Desember

Lebih terperinci

Model GSTAR Termodifikasi untuk Produktivitas Jagung di Boyolali

Model GSTAR Termodifikasi untuk Produktivitas Jagung di Boyolali Prosiding Semnar Nasional VIII UNNES, 8 Nov 4 Semarang Hal.4-5 Model GSTAR Termodifiasi unu Produivias Jagung di Boyolali Prisa Dwi Apriyani ), Hanna Arini Parhusip ), Lili Linawai ) ))) Progdi Maemaia,

Lebih terperinci

Peramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Multi Input. : Nesia Brilliana I.P NRP :

Peramalan 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 terperinci

TUGAS AKHIR. untuk Analisis Peramalan Data Ekspor Non Migas Indonesia Di Sektor Pertanian, Sektor Perindustrian dan Sektor

TUGAS AKHIR. untuk Analisis Peramalan Data Ekspor Non Migas Indonesia Di Sektor Pertanian, Sektor Perindustrian dan Sektor TUGAS AKHIR Pendekaan Meode ARIMA Box Jenkins unuk Analisis Peramalan Daa Ekspor Non Migas Indonesia Di Sekor Peranian, Sekor Perindusrian dan Sekor Nurul Laifa Perambangan 307 030 70 Dosen pembimbing

Lebih terperinci

PERBANDINGAN METODE TIME SERIES REGRESSION DAN ARIMAX PADA PEMODELAN DATA PENJUALAN PAKAIAN DI BOYOLALI ABSTRAK

PERBANDINGAN METODE TIME SERIES REGRESSION DAN ARIMAX PADA PEMODELAN DATA PENJUALAN PAKAIAN DI BOYOLALI ABSTRAK PERBANDINGAN METODE TIME SERIES REGRESSION DAN ARIMAX PADA PEMODELAN DATA PENJUALAN PAKAIAN DI BOYOLALI Ardia Suma Perdana (1308 100 503 Dosen Pembimbing: Ir. Dwiamono A. W., M.Iom JURUSAN STATISTIKA Faulas

Lebih terperinci

Peramalan Jumlah Wisatawan Di Agrowisata Kusuma Batu Menggunakan Metode Analisis Spektral

Peramalan Jumlah Wisatawan Di Agrowisata Kusuma Batu Menggunakan Metode Analisis Spektral JURAL TEKK POMTS Peramalan Jumlah Wisaawan Di Agrowisaa Kusuma Bau Menggunaan Meode Analisis Seral iswaul Maghfiroh, uri Wahyuningsih, Sri Surai Haraiai Jurusan Maemaia, Faulas MPA, nsiu Tenologi Seuluh

Lebih terperinci

PERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS

PERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS PERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS Joko Ariyadi (308 030 060) Pembimbing : Drs. Brodjol Suijo Suprih Ulama, M.Si Laar Belakang 2 Laar

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG 1.2 TUJUAN

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG 1.2 TUJUAN BAB PENDAHUUAN. ATAR BEAKANG Seringali ara enelii aau saisiawan melauan enganalisaan erhada suau eadaan/masalah dimana eadaan yang dihadai adalah besarnya jumlah variabel samel yang diamai. Unu iu erlu

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

KAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN

KAJIAN 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 terperinci

Abstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.

Abstrak 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 terperinci

*Corresponding Author:

*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 terperinci

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa BAB 2 TINJAUAN TEORITI 2.1. Pengerian-pengerian Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. edangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan

Lebih terperinci

ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI

ANALISIS 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 terperinci

4. VALIDITAS DAN RELIABILITAS DALAM MEMBUAT EVALUASI

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

Lebih terperinci

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

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

Lebih terperinci

PENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Studi Kasus: PT Tembaga Mulia Semanan)

PENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Studi Kasus: PT Tembaga Mulia Semanan) Prosiding Seminar Nasional Manajemen Teknologi Program Sudi MMT-ITS, Surabaya 1 Agusus 2009 PENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Sudi Kasus: PT

Lebih terperinci

UJI LINEARITAS DATA TIME SERIES DENGAN RESET TEST

UJI LINEARITAS DATA TIME SERIES DENGAN RESET TEST Vol. 7. No. 3, 36-44, Desember 004, ISSN : 1410-8518 UJI LINEARITAS DATA TIME SERIES DENGAN RESET TEST Budi Warsio, Dwi Ispriyani Jurusan Maemaia FMIPA Universias Diponegoro Absra Tulisan ini membahas

Lebih terperinci

Kata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting.

Kata 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 terperinci

Analisis Peramalan Jumlah Permintaan Kerudung di Industri Kecil Kerudung Arin di Surabaya dengan Metode Variasi Kalender

Analisis Peramalan Jumlah Permintaan Kerudung di Industri Kecil Kerudung Arin di Surabaya dengan Metode Variasi Kalender Analisis Peramalan Jumlah Perminaan Kerudung di Indusri Kecil Kerudung Arin di Surabaya dengan Meode Variasi Kalender Disusun oleh : Sely Enggar Rusiano 307 030 030 Dosen Pembimbing : Dr. Irhamah, M.Si

Lebih terperinci

PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN

PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN IndoMS Journal on Saisics Vol., No. (04), Page 7-37 PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN Dinda Ariska Wulandari,

Lebih terperinci

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

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

Lebih terperinci

PEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA

PEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA PEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA Fadil Rahman Hakim, Dr. Ir. Achmad Mauludiyano, MT. Program Sudi Telekomunikasi Mulimedia Jurusan Teknik Elekro Fakulas Teknologi Indusri

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 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 terperinci

ANALISIS PERAMALAN KOMBINASI TERHADAP JUMLAH PERMINTAAN DARAH DI SURABAYA (STUDI KASUS:

ANALISIS PERAMALAN KOMBINASI TERHADAP JUMLAH PERMINTAAN DARAH DI SURABAYA (STUDI KASUS: ANALISIS PERAMALAN KOMBINASI TERHADAP JUMLAH PERMINTAAN DARAH DI SURABAYA (STUDI KASUS: UDD PMI KOTA SURABAYA) Oleh: Winda Eka Febriana (0500) Pembimbing: Ir. Dwiamono Agus W., MIKom . LATAR BELAKANG DARAH

Lebih terperinci

DAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Studi Aplikasi Model Intervensi dengan Step Function)

DAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Studi Aplikasi Model Intervensi dengan Step Function) DAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Sudi Aplikasi Model Inervensi dengan Sep Funcion) S-3 Kismianini dan Dhoriva Urwaul Wusqa Jurusan Pendidikan Maemaika

Lebih terperinci

ANALISIS SURVIVAL LAJU INDEKS KINERJA DOSEN STKIP PGRI TULUNGAGUNG DENGAN MODEL REGRESI COX

ANALISIS SURVIVAL LAJU INDEKS KINERJA DOSEN STKIP PGRI TULUNGAGUNG DENGAN MODEL REGRESI COX Seminar Nasional Maemaia dan Apliasinya, 1 Oober 17 ANALISIS SURVIVAL LAJU INDEKS KINERJA DOSEN STKIP PGRI TULUNGAGUNG DENGAN MODEL REGRESI COX Maylia Hasyim 1), Dedy Dwi Prasyo ) 1) Program Sudi Pendidian

Lebih terperinci

Perbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X

Perbandingan 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 terperinci

Peramalan Jumlah Pengunjung Domestik dan Mancanegara di Maharani Zoo & Goa Menggunakan ARIMA Box - Jenkins

Peramalan Jumlah Pengunjung Domestik dan Mancanegara di Maharani Zoo & Goa Menggunakan ARIMA Box - Jenkins Peramalan Jumlah Pengunjung Domesik dan Mancanegara di Maharani oo & Goa Menggunakan ARIMA Box - Jenkins Vivi Kusuma Sulisyawai (3030085) Dosen Pembimbing Dr. Irhamah, S.Si.,M.Si Laar Belakang Rumusan

Lebih terperinci

9/21/2012 [ A] Penjabaran integrasi persamaan laju reaksi. Reaksi order satu. Reaksi order satu. Reaksi order satu

9/21/2012 [ A] Penjabaran integrasi persamaan laju reaksi. Reaksi order satu. Reaksi order satu. Reaksi order satu 9// Jurusan Kimia - FMIP Universias Gajah Maa (UGM) KINETIK KIMI Penenuan Laju Reasi Bagian. Penjabaran persamaan Drs. Iqmal Tahir, M.Si. Labrarium Kimia Fisia,, Jurusan Kimia Faulas Maemaia an Ilmu Pengeahuan

Lebih terperinci

PERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN (STUDI KASUS KOTA SALATIGA, BULAN JANUARI 2014 JULI 2016)

PERAMALAN 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 terperinci

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

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

Lebih terperinci

KINETIKA REAKSI HOMOGEN SISTEM BATCH

KINETIKA REAKSI HOMOGEN SISTEM BATCH KINETIK REKSI HOMOGEN SISTEM BTH SISTEM REKTOR BTH OLUME TETP REKSI SEDERHN (SERH/IREERSIBEL Beberapa sisem reasi sederhana yang disajian di sini: Reasi ireversibel unimoleuler berorde-sau Reasi ireversibel

Lebih terperinci

BAB IV SIMULASI MODEL

BAB IV SIMULASI MODEL 21 BAB IV SIMULASI MODEL Pada bagian ini aan diunjuan simulasi model melalui pendeaan numeri dengan menggunaan ala banu peranga luna Mahemaica. Oleh arena iu dienuan nilai-nilai parameer seperi yang disajian

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 26 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penilaian perkembangan kinerja keuangan PT. Goodyear Indonesia Tbk dilakukan dengan maksud unuk mengeahui sejauh mana perkembangan usaha perusahan yang

Lebih terperinci

BAB II TINJAUAN TEORITIS

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

Lebih terperinci

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER. Muflih Rori Putra Harahap

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER. Muflih Rori Putra Harahap ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER Muflih Rori Pura Harahap 30 00 052 Pembimbing : Dr. Drs. Agus Suharsono, M.S. LATAR BELAKANG PENDAHULUAN

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman Online di: ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 701-710 Online di: hp://ejournal-s1.undip.ac.id/index.php/gaussian VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING

Lebih terperinci

MODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI

MODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI MODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI Diajukan kepada Fakulas Maemaika dan Ilmu Pengeahuan Alam Universias Negeri Yogyakara unuk memenuhi

Lebih terperinci

ARIMA (Autoregressive Integrated Moving Average)

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

Lebih terperinci

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

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

Lebih terperinci

Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk

Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk Oleh : Dwi Hapsari K (1306 100 015) Dosen Pembimbing : Dra. Karika Firiasari, M.Si 1 Pendahuluan Laar Belakang, Perumusan Masalah, Tujuan

Lebih terperinci

Jurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK

Jurusan 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 terperinci

Peramalan Inflasi Menggunakan Model Fungsi Transfer Multi Input. Forcasting Inflation Using Multiple Input Transfer Function Model

Peramalan 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 terperinci

Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :

Prosiding 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 terperinci

IV METODE PENELITIAN

IV 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 terperinci

PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT

PERAMALAN 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 terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG

ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG ISSN: 9-54 JURNAL GAUSSIAN, Volume 4, Nomor, Tahun 05, Halaman 6-60 Online di: hp://eournal-s.undip.ac.id/index.php/gaussian ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG

Lebih terperinci

BAB 4 ANALISIS DAN PEMBAHASAN

BAB 4 ANALISIS DAN PEMBAHASAN BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di

Lebih terperinci

IDENTIFIKASI POLA DATA TIME SERIES

IDENTIFIKASI POLA DATA TIME SERIES IDENTIFIKASI POLA DATA TIME SERIES Daa merupakan bagian pening dalam peramalan. Beriku adalah empa krieria yang dapa digunakan sebagai acuan agar daa dapa digunakan dalam peramalan.. Daa harus dapa dipercaya

Lebih terperinci

Peramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis

Peramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis JURNAL SAINS DAN NI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Prin) D-224 Peramalan Penjualan Sepeda Moor di Jawa Timur dengan Menggunakan Model Dinamis Desy Musika dan Seiawan Jurusan Saisika,

Lebih terperinci

( ) r( t) 0 : tingkat pertumbuhan populasi x

( ) r( t) 0 : tingkat pertumbuhan populasi x III PEMODELAN Model Perumbuan Koninu Terbaasnya sumber-sumber penyoong (ruang, air, maanan, dll) menyebaban populasi dibaasi ole suau daya duung lingungan Perumbuan populasi lamba laun aan menurun dan

Lebih terperinci

PEMBAHASAN. Solusi Eksak Persamaan Boltzman dengan Nilai Awal Bobylev Misalkan dipilih nilai awal Bobylev berikut:

PEMBAHASAN. Solusi Eksak Persamaan Boltzman dengan Nilai Awal Bobylev Misalkan dipilih nilai awal Bobylev berikut: PEMBAHASAN Paa karya ilmiah ini persamaan Bolzmann yang akan icari solusinya aalah persamaan Bolzmann spasial homogen yaiu persamaan Bolzmann engan x bernilai nol iuliskan: S cos [ ] e. g θ 4 uas kiri

Lebih terperinci

PENGARUH PANJANG DAN LEBAR DATA DEBIT HISTORIS PADA KINERJA MODEL PEMBANGKITAN DATA DEBIT SUNGAI BRANTAS DENGAN METODE ARIMA

PENGARUH PANJANG DAN LEBAR DATA DEBIT HISTORIS PADA KINERJA MODEL PEMBANGKITAN DATA DEBIT SUNGAI BRANTAS DENGAN METODE ARIMA PENGARUH PANJANG DAN LEBAR DATA DEBIT HISTORIS PADA KINERJA MODEL PEMBANGKITAN DATA DEBIT SUNGAI BRANTAS DENGAN METODE ARIMA Maskur Efendi ), Widandi Soeopo 2), Piojo Tri Juwono 2) ) Mahasiswa Magiser

Lebih terperinci

OPTIMALISASI WAKTU PRODUKSI MIE INSTAN MENGGUNAKAN ANALISIS INPUT-OUTPUT SISTEM LINEAR MAKS-PLUS WAKTU INVARIAN

OPTIMALISASI WAKTU PRODUKSI MIE INSTAN MENGGUNAKAN ANALISIS INPUT-OUTPUT SISTEM LINEAR MAKS-PLUS WAKTU INVARIAN Bulein Ilmiah Ma. Sa. an Terapannya (Bimaser) Volume 04, No. 1 (2015), hal 63 68. OTIMALISASI WAKTU RODUKSI MIE INSTAN MENGGUNAKAN ANALISIS INUT-OUTUT SISTEM LINEAR MAKS-LUS WAKTU INVARIAN Wina Firi Winari,

Lebih terperinci

PERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS

PERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS TUGAS AKHIR SS 145561 PERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS Puri Handayani NRP 1314 030 112 Dosen Pembimbing Dr. Brodjol Suijo Suprih Ulama, M.Si. Deparemen

Lebih terperinci

PERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk)

PERHITUNGAN 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 terperinci

BAB 2 TINJAUAN TEORI

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

Lebih terperinci

PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR

PERAMALAN 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 terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

PENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK.

PENERAPAN 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 terperinci

PENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC TMP C CILACAP

PENENTUAN 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 terperinci

ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional.

ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional. JURNAL ILMIAH RANGGAGADING Volume 7 No. 1, April 7 : 3-9 ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Sudi kasus pada CV Cia Nasional. Oleh Emmy Supariyani* dan M. Adi Nugroho *Dosen

Lebih terperinci

PERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH

PERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH Vol.. No., 03 PERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH Ari Pani Desvina, Sari Marlinda, Jurusan Maemaika Fakulas Sains dan Teknologi

Lebih terperinci

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

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

Lebih terperinci

PERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,1,1)(0,1,1) 12 TUGAS AKHIR.

PERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,1,1)(0,1,1) 12 TUGAS AKHIR. PERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,,)(0,,) 2 TUGAS AKHIR Diajukan Sebagai Salah Sau Syara unuk Memperoleh Gelar Sarjana Sains

Lebih terperinci

Penentuan Pelebaran Window Time Optimal Pada Data Deret Waktu

Penentuan Pelebaran Window Time Optimal Pada Data Deret Waktu 1 Penenuan Pelebaran Window Time Opimal Pada Daa Dere Waku (1) Nursya`bani Hendro Prabowo dan (2) Raden Mohamad Aok Deparemen Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam, Insiu Teknologi Sepuluh

Lebih terperinci

PERAMALAN JUMLAH PENUMPANG PADA PT

PERAMALAN JUMLAH PENUMPANG PADA PT PERAMALAN JUMLAH PENUMPANG PADA PT. ANGKASA PURA I (PERSERO) KANTOR CABANG BANDAR UDARA INTERNASIONAL ADISUTJIPTO YOGYAKARTA DENGAN METODE WINTER S EXPONENTIAL SMOOTHING DAN SEASONAL ARIMA SKRIPSI Diajukan

Lebih terperinci

Bab 3. Migrasi Data Seismik. Migrasi dilakukan untuk memindahkan posisi reflektor yang terlihat pada

Bab 3. Migrasi Data Seismik. Migrasi dilakukan untuk memindahkan posisi reflektor yang terlihat pada Bab 3 Migrasi Daa Seismik Migrasi ilakukan unuk meminahkan posisi reflekor yang erliha paa rekaman aa seismik menjai posisi yang sebenarnya sesuai engan posisi i bawah permukaan. Unuk srukur geologi yang

Lebih terperinci

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

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

Lebih terperinci

PERAMALAN VOLUME PENJUALAN KEDELAI PT. X MENGGUNAKAN METODE ARIMA BOX-JENKINS

PERAMALAN VOLUME PENJUALAN KEDELAI PT. X MENGGUNAKAN METODE ARIMA BOX-JENKINS TUGAS AKHIR SS 145561 PERAMALAN VOLUME PENJUALAN KEDELAI PT. X MENGGUNAKAN METODE ARIMA BOX-JENKINS Affanda Abdul Hakim Aminullah NRP 1314 030 048 Dosen Pembimbing : Dr. Brodjol Suijo S.U., M.Si Deparemen

Lebih terperinci

Sekilas Pandang. Modul 1 PENDAHULUAN

Sekilas Pandang. Modul 1 PENDAHULUAN Modul 1 Sekilas Pandang Drs. Irlan Soelaeman, M.Ed. S PENDAHULUAN uau hari, saya dan keluarga berencana membawa mobil pergi ke Surabaya unuk mengunjungi salah seorang saudara. Sau hari sebelum keberangkaan,

Lebih terperinci

PENENTUAN MODEL PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN METODE ARIMA

PENENTUAN MODEL PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN METODE ARIMA PENENTUAN MODEL PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN METODE ARIMA Leopoldus Ricky Sasongko, Lydia Ninuk Rahayu, dan Alberh Roy Koa 3,,3 Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias

Lebih terperinci

PEMODELAN ARIMA UNTUK KANAL HF LINK MALANG - SURABAYA

PEMODELAN ARIMA UNTUK KANAL HF LINK MALANG - SURABAYA PEMODELAN ARIMA UNTUK KANAL HF LINK MALANG - SURABAYA Lissa Rosdiana Noer, Achmad Mauludiyano. Program Sudi Telekomunikasi Mulimedia Jurusan Teknik Elekro Fakulas Teknologi Indusri Insiu Teknologi Sepuluh

Lebih terperinci

Model ARIMAX Dan Deteksi GARCH Untuk Peramalan Inflasi Kota Denpasar Tahun 2014

Model ARIMAX Dan Deteksi GARCH Untuk Peramalan Inflasi Kota Denpasar Tahun 2014 JEKT Model ARIMAX Dan Deeksi GARCH Unuk Peramalan Inflasi Koa Denpasar Tahun 2014 Rukini *) Badan Pusa Saisik Provinsi Bali ABSTRAK pemerinah dalam mengambil kebijakan unuk menjaga sabilias moneer di masa

Lebih terperinci

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

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

Lebih terperinci

PERAMALAN JUMLAH PENJUALAN KORAN HARIAN BERLANGGANAN DI PT. JAWA POS DENGAN MENGGUNAKAN ARIMA BOX-JENKINS

PERAMALAN JUMLAH PENJUALAN KORAN HARIAN BERLANGGANAN DI PT. JAWA POS DENGAN MENGGUNAKAN ARIMA BOX-JENKINS TUGAS AKHIR SS 145561 PERAMALAN JUMLAH PENJUALAN KORAN HARIAN BERLANGGANAN DI PT. JAWA POS DENGAN MENGGUNAKAN ARIMA BOX-JENKINS TRI EMIRA RISMAYANTI NRP 1314 030 070 Dosen Pembimbing Dr. Brodjol Suijo

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengerian Supply Chain Managemen Supply chain managemen merupakan pendekaan aau meode dalam memanajemen hubungan perusahaan dengan supplier dan konsumen yang erjadi pada pengendalian

Lebih terperinci

BAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel

BAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel BAB III ANALISIS INTERVENSI 3.1. Pendahuluan Analisis inervensi dimaksudkan unuk penenuan jenis respons variabel ak bebas yang akan muncul akiba perubahan pada variabel bebas. Box dan Tiao (1975) elah

Lebih terperinci

PERAMALAN JUMAH MOBIL PRIBADI YANG BERADA DI KOTA SURABAYA

PERAMALAN JUMAH MOBIL PRIBADI YANG BERADA DI KOTA SURABAYA TUGAS AKHIR SS 145561 PERAMALAN JUMAH MOBIL PRIBADI YANG BERADA DI KOTA SURABAYA RIZKI FEBRIASTO NRP 1314 030 102 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si., M.Si DEPARTEMEN STATISTIKA BISNIS Fakulas Vokasi

Lebih terperinci

Minggu 4 RATA-RATA BERGERAK DAN EXPONENTIAL SMOOTHING. Peramalan Data Time Series

Minggu 4 RATA-RATA BERGERAK DAN EXPONENTIAL SMOOTHING. Peramalan Data Time Series Minggu 4 RATA-RATA BERGERAK DAN EXPONENTIAL SMOOTHING Bab ini memperkenalkan model berlaku unuk daa ime series dengan musiman, ren, aau keduana komponen musiman dan ren dan daa sasioner. Meode peramalan

Lebih terperinci

MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BOX-JENKINS. OLEH : SHANTIKA MARTHA, S.Si NIP

MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BOX-JENKINS. OLEH : SHANTIKA MARTHA, S.Si NIP MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BO-JENKINS OLEH : SHANTIKA MARTHA, S.Si NIP. 9840308008003 UNIVERSITAS TANJUNGPURA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM JURUSAN MATEMATIKA

Lebih terperinci

(T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES

(T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES PROSIDING ISSN : 087-590. Seminar Nasional Saisika November 0 Vol, November 0 (T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES Yahya Ubaid ), Budi Nurani R. ), Mulyana K. 3) )Mahasiswa Program

Lebih terperinci

Pemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network

Pemodelan 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 terperinci

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

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

Lebih terperinci