Peramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Multi Input. : Nesia Brilliana I.P NRP :
|
|
- Ida Makmur
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Peramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Muli Inpu Nama : Nesia Brilliana I.P NRP : Jurusan : Maemaika Dosen Pembimbing : Dra. Nuri Wahyuningsih, M. Kes Pemberian pupuk NPK dalam kegiaan budidaya anaman merupakan salah sau komponen yang sanga pening dalam proses produksi anaman. Banyak variabel-variabel yang mempengaruhi hasil produksi pupuk NPK, sehingga digunakan meode fungsi ransfer. Fungsi ransfer merupakan suau meode peramalan yang digunakan unuk memodelkan suau dere waku yang dipengaruhi oleh sau aau beberapa dere waku lainnya. Dalam peneliian ini, variabel-variabel inpu yang mempengaruhi hasil produksi pupuk NPK adalah Dolomi, Fosfa, KCL, ZA dan Calsium. Karena inpunya erdiri dari lima variabel maka meode yang digunakan adalah fungsi ransfer muli inpu. Hasil analisis menunukkan bahwa dengan menggunakan meode fungsi ransfer muli inpu, hasil produksi pupuk NPK adalah sebagai beriku : Y 0.333y 3.889x x 67.9x x x x.289x 69.92x 70x6 a a Seelah dilakukan peramalan dengan menggunakan model fungsi ransfer muli inpu yang elah erbenuk, maka dapa dikeahui hasil produksi pupuk NPK unuk dua belas periode berikunya. Ramalan hasil produksi pupuk NPK yang erbesar adalah pada bulan Februari yaiu kg, sedangkan ramalan hasil produksi pupuk NPK yang erkecil adalah pada bulan April yaiu kg. Kaa kunci : pupuk npk, ime series, fungsi ransfer muli inpu x 89x x x 0x I. Pendahuluan Negara Indonesia merupakan negara agraris dimana sebagian besar penduduknya adalah peani. Dalam bercocok anam pemberian pupuk merupakan salah sau upaya yang dilakukan unuk perkembangan anaman. Pupuk NPK merupakan salah sau enis pupuk anorganik maemuk karena mempunyai kandungan lebih dari sau unsur hara yaiu Nirogen yang berfungsi merangsang perumbuhan anaman secara keseluruhan, Fosfa yang berfungsi unuk proses foosinesis dan pembesaran sel sera proses-proses di dalam anaman lainnya, Kalium yang dapa merangsang perumbuhan akar. Salah sau perusahaan yang memproduksi pupuk NPK adalah CV. Cahaya Tani Abadi yang merupakan perusahaan pupuk anorganik yang ada di Jl. Kunang-Badas, KM, Dsn. Mangu, Ds. Kapi, Kec. Kunang, Kab. Kediri. Dalam proses produksi pupuk NPK, CV. Cahaya Tani Abadi sering mengalami permasalahan dalam hal sok barang. Hal ini disebabkan oleh banyak fakor, anara lain karena umlah barang produksi lebih besar dari perminaan pelanggan, banyaknya perusahaan seenis yang memproduksi pupuk NPK, dan adanya pupuk organik bersubsidi. Sehingga menyebabkan sok pupuk NPK mengalami penumpukan di dalam gudang. Oleh karena iu diperlukan suau meode peramalan yang epa agar hasil produksi yang akan dipasarkan sesuai dengan umlah perminaan konsumen. Diharapkan keika perminaan pupuk NPK meningka, CV. Cahaya Tani Abadi eap dapa memenuhi perminaan pupuk di pasaran dan saa perminaan pupuk NPK menurun idak eradi kerugian akiba penumpukan barang hasil produksi. Dalam memproduksi pupuk NPK erdapa lebih dari sau variabel yang mempengaruhi hasil produksi pupuk NPK. Oleh karena iu menggunakan fungsi ransfer muli inpu. Fungsi ransfer merupakan salah sau cara unuk menyelesaikan masalah ika erdapa lebih dari sau daa ime series. Berdasarkan laar belakang ersebu dalam Tugas Akhir ini penulis mengambil udul Peramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Muli inpu. Permasalahan yang akan dibahas dalam Tugas Akhir ini adalah :. Bagaimana model fungsi ransfer muli inpu pada hasil produksi pupuk NPK di CV. Cahaya Tani Abadi. 2. Bagaimana hasil peramalan produksi pupuk NPK di CV. Cahaya Tani Abadi beberapa bulan mendaang dengan memanfaakan model yang diperoleh.
2 Pada Tugas Akhir ini, dibua baasan masalah sebagai beriku :. Model peramalan hasil produksi pupuk NPK akan dienukan dengan variabel-variabel inpu yang berpengaruh adalah kebuuhan bahan baku yang erdiri dari ZA, KCL, Dolomi, Calsium dan Fosfa. 2. Daa yang diperoleh merupakan daa sekunder per bulan dari CV. Cahaya Tani Abadi periode Sepember 2006 Sepember Sofware yang digunakan adalah Miniab dan SAS. Tuuan dari Tugas Akhir ini adalah :. Menenukan benuk model fungsi ransfer muli inpu pada daa hasil produksi pupuk NPK di CV. Cahaya Tani Abadi. 2. Meramalkan hasil produksi pupuk NPK di CV. Cahaya Tani Abadi beberapa bulan berikunya. Manfaa yang diharapkan dari Tugas Akhir ini adalah :. Sebagai penerapan ilmu dari maa kuliah yang elah diperoleh. 2. Memberikan informasi bagi pelaku bisnis di pasar modal khususnya CV. Cahaya Tani abadi dalam memprediksi hasil produksi pupuk NPK. II. Model Fungsi Transfer Time series adalah pengamaan yang diambil berdasarkan uruan waku dan anar pengamaan yang berdekaan saling berkorelasi Suau dere waku dikaakan sasioner apabila proses idak berubah seiring dengan perubahan waku, raa-raa dere pengamaan di sepanang waku selalu konsan. Dengan memandang suau pengamaan Z,...,, Z 2 Z n sebagai suau proses Z, Z,..., Z 2 n sokasik, maka variabel random dikaakan sasioner apabila : F( Z, Z2,..., Zn ) F( Z, k Z2,..., Z k n k Daa yang dapa diolah dengan menggunakan model ARIMA adalah daa yang sasioner baik dalam mean maupun varian.. Kesasioneran dalam mean Suau dere waku dikaakan sasioner dalam mean ika dere ersebu berflukuasi di sekiar nilai engah. Diliha dari plo ACF, daa dikaakan sasioner dalam mean ika nilai-nilai auokorelasinya akan urun secara cepa menuu nol. 2. Kesasioneran dalam varian Suau dere waku dikaakan sasioner dalam varian ika dere ersebu berflukuasi dalam varian yang konsan aau simpangan daa idak erlalu besar. ) Unuk mengaasi keidaksaioneran dalam varian perlu dilakukan ransformasi. Transformasi yang biasa digunakan adalah ransformasi Box-Cox. Model fungsi ransfer merupakan suau model unuk memprediksi nilai masa depan dari suau dere waku didasarkan pada nilai-nilai masa lalu dari dere iu sendiri dan berdasarkan pula pada sau aau lebih dere waku (disebu oupu aau ) yang mempunyai hubungan (disebu dere inpu aau ) dengan dere oupu ersebu [6]. Benuk umum model fungsi ransfer single inpu sebagai beriku: Y v( X dengan: : Dere oupu : Dere inpu : Nilai gangguan random v( : (v 0 + v + v 2 B v k B k ), k adalah orde fungsi ransfer B N : operaor shif mundur (backward shif) Orde dari fungsi ransfer k menadi orde eringgi unuk proses pembedaan dan kadang-kadang nilainya dapa lebih besar sehingga model fungsi ransfer uga dapa diulis sebagai beriku: ( ( y x b a ( Pada fungsi ransfer muli inpu erdapa beberapa variabel inpu yang dimasukkan pada suau pemodelan, sehingga benuk model fungsi ransfer muli inpu adalah [8]: m x, b ( B a y ) dengan: :dere oupu yang elah diransformasi dan dibedakan : dere inpu unuk variabel ke- yang elah diransformasi dan dibedakan : operaor moving average orde s unuk variabel ke- : operaor auoregressive orde r unuk variabel ke- : operaor moving average orde q : operaor auoregressive orde p : nilai gangguan acak Dalam pembenukan model fungsi ransfer erdapa empa ahap uama dan beberapa sub-ahap di dalam proses yang lengkap adalah sebagai beriku: Tahap : Idenifikasi Model Fungsi Transfer Dalam ahap idenifikasi model fungsi ransfer erdapa beberapa sub-ahap yang harus dilakukan adalah sebagai beriku: 2
3 . Mempersiapkan dere inpu dan dere oupu Apabila dere inpu maupun dere oupu idak saioner maka perlu dilakukan differencing dan ransformasi unuk menghilangkan keidaksaioneran, baik dalam mean maupun varians. Dere daa yang elah sesuai disebu x dan y. 2. Prewhiening dere inpu Dengan pemuihan (prewhiening), sisem inpu dapa dibua sesederhana mungkin unuk mempermudah memahami fungsi ransfer dari suau sisem yang mengubah dere inpu menadi dere oupu. Model unuk dere inpu yang elah diprewhiening adalah p x, q 0 q 3. Prewhiening dere oupu Apabila prewhiening dierapkan pada dere inpu x, maka hal yang sama uga dilakukan erhadap dere oupu y. Prewhiening pada dere oupu ini dilakukan dengan cara yang sama dengan dere inpu, yaiu p B y, q 0 B q 4. Perhiungan Fungsi Korelasi Silang (Cross- Correlaion Funcion/CCF) Fungsi korelasi silang digunakan unuk mengukur kekuaan dan arah hubungan dianara dua variabel random.. Peneapan (r,s,b) unuk model fungsi ransfer 6. Penaksiran awal dere noise ( n ) Seelah bobo respons impuls diperoleh, maka aksiran pendahuluan dari dere noise dihiung sebagai beriku : n x b m y, 7. Idenifikasi model ARIMA dari dere noise p n, q ) ( n Peneapan model ARIMA dari dere noise dilakukan dengan penaksiran dengan model ime series univariae yaiu: n B n n B a Tahap 2 : Penaksiran Parameer-parameer Model Seelah dilakukan idenifikasi pada ahap, maka dapa diperoleh model fungsi ransfer beriku ini : s ( y x b a ( r Kemudian selanunya dilakukan esimasi parameerparameer fungsi ransfer yaiu,, dan dengan menggunakan meode Condiional Leas Squares Esimaion. Tahap 3 : Pemeriksaan Diagnosik pada Model Penguian ini dilakukan unuk mengeahui apakah model awal fungsi ransfer yang elah erbenuk memenuhi asumsi aau idak. Adapun langkah-langkah dalam ui diagnosik model adalah:. Penguian Residual Bersifa Whie Noise Dalam penguian residual yang bersifa whie noise akan diperiksa auokorelasi unuk residual model dan crosscorrelaion anara residual dengan dere inpu yang elah dipuihkan. a. Pemeriksaan Auokorelasi unuk Residual Model Pemeriksaan ini dilakukan unuk mengeahui apakah pemodelan dere noise elah sesuai aau idak. Selain iu uga bisa digunakan saisik ui Lung-Box sebagai beriku: Hipoesis: H 0 : 2... K 0 H : minimal ada sau 0, Saisik ui Lung-Box: K 2 ˆ k Q n( n 2), n k k n k b. Pemeriksaan Crosscorrelaion Anara Residual Dere Noise Penguian ini dilakukan unuk mengeahui apakah dere noise dan dere inpu yang elah diprewhiening saling independen, dengan cara menghiung cross correlaion (CCF) anara residual a dan. 2. Penguian Residual Berdisribusi Normal Penguian asumsi residual berdisribusi normal dapa dilakukan dengan menggunakan ui Kolmogorov-Smirnov sebagai beriku: Hipoesis: H 0 : F( x ) F 0 ( x ) unuk semua x H : F( x) F0 ( x) unuk beberapa x Saisik ui: D Sup S( x) F0 ( x) x Tahap 4 : Penggunaan Model Fungsi Transfer Unuk Peramalan Seelah model fungsi ransfer yang erbaik dihasilkan, maka selanunya menggunakan model ersebu unuk meramalkan variabel oupu pada masa mendaang. III. Meode Peneliian Daa yang digunakan dalam peneliian ini adalah daa sekunder yang diperoleh dari CV. Cahaya Tani Abadi yang ada di Jl. Kunang-Badas, KM, Dsn. Mangu, Ds. Kapi, Kec. Kunang, Kab. Kediri. 3
4 Dalam peneliian ini variabel yang diamai melipui variabel inpu sera sau variabel oupu. Variabel oupu dalam peneliian ini adalah hasil produksi pupuk NPK. Dan variabel inpunya adalah Dolomi, Fosfa, KCL, ZA, dan Calsium. Pemodelan peramalan hasil produksi pupuk NPK menggunakan pemodelan fungsi ransfer dengan langkah langkah sebagai beriku : Tahap : Idenifikasi Model Fungsi Transfer. Mempersiapkan dere inpu dan dere oupu. 2. Prewhiening dere inpu (x ) 3. Prewhiening dere oupu (y ) 4. Perhiungan Fungsi Korelasi Silang (Cross Correlaion Funcion/CCF). Peneapan (r,s,b) unuk model fungsi ransfer 6. Penaksiran awal dere noise 7. Peneapan model ARIMA dari dere noise Tahap 2 : Penaksiran Parameer Model Fungsi Transfer Tahap 3 : Pemeriksaan Diagnosik Model Fungsi Transfer. Pemeriksaan auokorelasi unuk residual model 2. Pemeriksaan cross-correlaion anara dan Tahap 4 : Penggunaan Model Fungsi Transfer unuk peramalan IV. Hasil Peneliian Pemodelan Fungsi ransfer single inpu melipui beberapa ahap yang dapa dielaskan seperi uraian dibawah ini: 4. Idenifikasi Model Fungsi Transfer A. Tahap Idenifikasi Benuk Model Tahap idenifikasi model dapa diliha dari plo ime series dan plo Box-Cox, selain iu dapa uga diliha dari plo ACF. Jika plo ACF menurun secara lamba, maka daa belum sasioner dalam mean. Jika pada plo Box-Cox nilai = maka daa sudah sasioner dalam varian. Unuk dere inpu yang erdiri dari variabel inpu Dolomi, Fosfa, ZA, KCL, dan Calsium hasil ahapan idenifikasinya sebagai beriku:. Dolomi Dolomi Time Series Plo of Dolomi 8 24 Index Gambar Plo Time Series dan Plo ACF Auocorrelaion Auocorrelaion Funcion for Dolomi (wih % significance limis for he auocorrelaions) Parial Auocorrelaion Parial Auocorrelaion Funcion for dolomi (wih % significance limis for he parial auocorrelaions) Gambar 2 Plo PACF dan Plo Box Cox 2.Fosfa Parial Auocorrelaion Fosfa Time Series Plo of Fosfa Index Gambar 3 Plo Time Series dan Plo ACF Parial Auocorrelaion Funcion for Fosfa (wih % significance limis for he parial auocorrelaions) Gambar 4 Plo PACF dan Plo Box Cox 3.KCL Parial Auocorrelaion kcl Time Series Plo of kcl Index Gambar Plo Time Series dan Plo ACF Parial Auocorrelaion Funcion for kcl (wih % significance limis for he parial auocorrelaions) Gambar 6 Plo PACF dan Plo Box Cox 4.ZA Transformasi Akar Z ZA Time Series Plo of Transformasi Akar Z ZA Index Gambar 7 Plo Time Series Transformasi dan Plo ACF Transformasi SDev Auocorrelaion SDev SDev Auocorrelaion Auocorrelaion Box-Cox Plo of Dolomi Lower CL Upper CL (using 9.0% confidence) 700 Esimae 0.97 Lower CL Upper CL Rounded Value Limi Auocorrelaion Funcion for Fosfa (wih % significance limis for he auocorrelaions) Box-Cox Plo of Fosfa Lower CL Upper CL (using 9.0% confidence) 700 Esimae 0.96 Lower CL Upper CL Rounded Value Limi Auocorrelaion Funcion for kcl (wih % significance limis for he auocorrelaions) Box-Cox Plo of KCL Lower CL Upper CL 0 (using 9.0% confidence) 00 Esimae.2 Lower CL Upper CL 2.0 Rounded Value Limi Auocorrelaion Funcion for Transformasi Akar Z ZA (wih % significance limis for he auocorrelaions)
5 Parial Auocorrelaion Parial Auocorrelaion Funcion for Transformasi Akar Z ZA (wih % significance limis for he parial auocorrelaions) SDev Box-Cox Plo of Transformasi Akar Z ZA Lower CL Upper CL 8. (using 9.0% confidence) Esimae Lower CL Upper CL Rounded Value Limi Dengan cara yang sama didapa model dere inpu KCL yang elah dipuihkan sebagai beriku: Dengan cara yang sama didapa model dere inpu ZA yang elah dipuihkan sebagai beriku: Gambar 8 Plo PACF Transformasi dan Plo Box.Calsium Transformasi Akar Z Calsium Parial Auocorrelaion 70 0 Time Series Plo of Transformasi Akar Z Calsium Index Cox Transformasi Gambar 9 Plo Time Series Transformasi dan Plo ACF Transformasi Parial Auocorrelaion Funcion for Transformasi Akar Z Calsium (wih % significance limis for he parial auocorrelaions) Gambar 0 Plo PACF Transformasi dan Plo Box Cox Transformasi Dengan meliha plo ACF dan PACF variabel inpu didapakan model unuk dere inpu adalah : a. Berdasarkan gambar dan 2 didapakan model dere inpu unuk dolomi yaiu ARIMA (, 0, ). b. Berdasarkan gambar 3 dan 4 didapakan model dere inpu unuk Fosfa yaiu ARIMA (, 0, ). c. Berdasarkan gambar dan 6 didapakan model dere inpu unuk KCL yaiu ARIMA (, 0, ). d. Berdasarkan gambar 7 dan 8 didapakan model dere inpu unuk ZA yaiu ARIMA ([2], 0, 0 ). e. Berdasarkan gambar 9 dan 0 didapakan model dere inpu unuk Calsium yaiu ARIMA (, 0, 0). B. Prewhiening Dere Inpu Model dere inpu Dolomi sebagai beriku: Model dere inpu Dolomi yang elah dipuihkan sebagai beriku: Dengan cara yang sama didapa model dere inpu Fosfa yang elah dipuihkan sebagai beriku: Auocorrelaion SDev Auocorrelaion Funcion for Transformasi Akar Z Calsium (wih % significance limis for he auocorrelaions) Box-Cox Plo of Transformasi Akar Z Calsium Lower CL 2. 3 Upper CL.0 Limi 4 0 (using 9.0% confidence) Esimae.06 Lower CL Upper CL 2.68 Rounded Value.00 Dengan cara yang sama didapa model dere inpu Calsium yang elah dipuihkan sebagai beriku: C. Prewhiening Dere Oupu Model dere inpu Dolomi yang elah dipuihkan sebagai beriku: Dengan cara yang sama didapa model dere inpu Fosfa yang elah dipuihkan sebagai beriku: Dengan cara yang sama didapa model dere inpu KCL yang elah dipuihkan sebagai beriku: Dengan cara yang sama didapa model dere inpu ZA yang elah dipuihkan sebagai beriku: Dengan cara yang sama didapa model dere inpu Calsium yang elah dipuihkan sebagai beriku: 4.2 Tahap Pembenukan Model Awal Seelah ahap idenifikasi dilakukan, maka langkah selanunya adalah dilakukan pembenukan model awal. Dalam ahapan ini akan dibenuk model awal dari dere inpu dan oupu sehingga dari model awal ini akan diui apakah model sudah sesuai unuk model akhir aau belum. Pada ahap pembenukan model awal ini ada beberapa langkah yang harus dilakukan anara lain:. Penenuan nilai (b,r,s) pada model fungsi ransfer Plo cross-correlaion dalam penenuan bobo respon impuls didapakan dari dere inpu ( i ) dan dere oupu ( i ) yang elah dipuihkan, memberikan hasil yang signifikan pada : Tabel Esimasi nilai bobo respon impuls Variabel inpu b R s X X X X X 0 0
6 Berdasarkan Tabel dapa dikeahui nilai (b,r,s) dari variabel inpu dolomi, fosfa, KCL, ZA, dan Calsium. 2. Idenifikasi model ARIMA unuk dere noise Pendugaan model dere noise dilakukan dengan meliha plo ACF dan PACF residual model fungsi ransfer hasil produksi pupuk NPK dengan variabel inpu Dolomi. Model yang sesuai unuk dere noise ini adalah ARIMA (,0,[7]) karena semua parameernya elah signifikan dan memenuhi asumsi residual whie noise, sehingga secara maemais model ersebu dapa diulis sebagai beriku : 7 B a 7 B Dengan cara yang sama maka dapa diperoleh model ARIMA unuk dere noise dari variabel inpu fosfa, KCL, ZA, dan Calsium adalah: B a B 2 B B a 2 B a B 3. Peneapan model ARIMA dari dere noise Dari model dere noise yang elah diperoleh maka model fungsi ransfer hasil produksi pupuk NPK dengan variabel inpu Dolomi, Fosfa, KCL, ZA, dan Calsium adalah : y ( 0) x7 7 B a 7 B y 0 x B a B y 0 x0 ( 0 B x y ) y 0 x ( 2 B B a 2 + B a B 4.3 Penaksiran Parameer-Parameer Model Fungsi Transfer Model fungsi ransfer single inpu variabel Dolomi : Y 247y x6 a a 7 Model fungsi ransfer single inpu variabel Fosfa : Y.96833y.289x x6 a a Model fungsi ransfer single inpu variabel KCL: 0 Y 0.2y x y a a x 0 Model fungsi ransfer single inpu variabel ZA: Y 0989y.679x.43443x 6247x a 2.667x 27788a 0.974a2 Model fungsi ransfer single inpu variabel Calsium: Y y.87.4x 32.89x x 2 a 4.4 Tahap Penguian Diagnosik Penguian kelayakan suau model perlu dilakukan unuk mengeahui kesesuaian dere noise model, dan idak adanya korelasi anara residual dengan variabel inpunya dengan memeriksa auokorelasi residual model dan memeriksa cross correlaion residual model.. Pemeriksaan Auokorelasi Residual Model Dari Tabel, Tabel 2, Tabel 3, Tabel 4, dan Tabel menunukkan bahwa nilai auokorelasi dari variabel inpu p-value lebih besar dari = %. Sehingga dapa disimpulkan bahwa residual bersifa independen secara saisik. Tabel 2 Ui Whie Noise Residual Model Fungsi Transfer dengan variabel inpu Dolomi Chi-Square Df P-Value Tabel 3 Ui Whie Noise Residual Model Fungsi Transfer dengan variabel inpu Fosfa Chi-Square Df P-Value Tabel 4 Ui Whie Noise Residual Model Fungsi Transfer dengan variabel inpu KCL Chi-Square Df P-Value
7 Tabel Ui Whie Noise Residual Model Fungsi Transfer dengan variabel inpu ZA Chi-Square Df P-Value Tabel Ui Whie Noise Residual Model Fungsi Transfer dengan variabel inpu Calsium Chi-Square df P-Value Pemeriksaan Cross Correlaion Residual Model Pemeriksaan cross correlaion residual menunukkan bahwa semua nilai p-value dari ui Lung Box (Q) lebih besar dari = %. Berdasarkan Tabel 6, Tabel 7, Tabel 8, Tabel 9, dan Tabel 0 dapa disimpulkan bahwa anara dere inpu ( i ) dengan residual (a i ) bersifa independen secara saisik. Tabel 6 Ui Whie Noise Residual Model Fungsi Transfer dengan variabel inpu Dolomi Chi-Square df P-Value Tabel 7 Ui Whie Noise Residual Model Fungsi Transfer dengan variabel inpu Fosfa Chi-Square df P-Value Tabel 8 Ui Whie Noise Residual Model Fungsi Transfer dengan variabel inpu KCL Chi-Square df P-Value Tabel 9 Ui Whie Noise Residual Model Fungsi Transfer dengan variabel inpu ZA Chi-Square df P-Value Tabel 0 Ui Whie Noise Residual Model Fungsi Transfer dengan variabel inpu Calsium Chi-Square df P-Value Pemodelan fungsi ransfer muli inpu dilakukan dengan cara memodelkan secara serenak seluruh variabel yang sudah diidenifikasi sebelumnya. A. Pemodelan Dere Noise Seelah model fungsi ransfer muli inpu semenara erbenuk, maka dilakukan pemodelan erhadap dere noisenya dengan meliha plo ACF dan PACF residualnya. Dari beberapa model yang parameernya signifikan dan residualnya memenuhi asumsi whie noise, model erbaik unuk dere noise ini adalah ARIMA ([],0,). Secara maemais, model dere noise ini dapa diuliskan sebagai beriku : B ) n ( ( a a n ( B ) B. Tahap Esimasi Parameer Pada ahap ini akan dilakukan esimasi parameer dari model fungsi ransfer muli inpu. Esimasi parameer ini dilakukan unuk meliha apakah parameer model fungsi ransfer muli inpu layak digunakan dalam pemodelan hasil produksi pupuk NPK. Hasil esimasi parameer model fungsi ransfer muli inpu dapa diliha pada Tabel. Tabel Esimasi parameer model fungsi ransfer muli inpu Parameer Esimae Sd.Error - P- Value hiung < < < <.000 C. Tahap Penguian Diagnosik Ada dua asumsi yang harus dipenuhi dalam menenukan model yang sesuai, yaiu residual bersifa whie noise dan residual berdisribusi normal. Adapun langkah-langkah dalam ui diagnosik model sebagai beriku: 7
8 . Penguian auokorelasi residual model Dari Tabel 2 erliha bahwa residual model fungsi ransfer muli inpu elah memenuhi asumsi whie noise yaiu residual saling independen karena nilai p-value unuk semua lag lebih besar dari = %. Tabel 2 Penguian auokorelasi residual model fungsi ransfer muli inpu Chi-Square Df P-Value Penguian cross correlaion anara residual Dengan meliha Tabel 4.3, Tabel 4, Tabel, Tabel 6, dan Tabel 7 erliha bahwa anara residual model dan dere inpu dolomi, fosfa, KCL, ZA, dan Calsium elah saling independen karena nilai p-value dari semua lag lebih besar dari = %. Tabel 3 Penguian cross correlaion anara residual fungsi ransfer muli inpu dan variabel inpu Dolomi Chi-Square Df P-Value Tabel 4 Penguian cross correlaion anara residual fungsi ransfer muli inpu dan variabel inpu Fosfa Chi-Square Df P-Value Tabel Penguian cross correlaion anara residual fungsi ransfer muli inpu dan variabel inpu KCL Chi-Square Df P-Value Tabel 6 Penguian cross correlaion anara residual fungsi ransfer muli inpu dan variabel inpu ZA Chi-Square Df P-Value Tabel 7 Penguian cross correlaion anara residual fungsi ransfer muli inpu dan variabel inpu Calsium Chi-Square Df P-Value D. Ui Normalias Unuk mengeahui pola kenormalan residual pada model fungsi ransfer muli inpu dilakukan dengan meliha plo sebaran residual yang dibandingkan dengan kurva normal. Gambar menunukkan bahwa residual model curah huan berdisribusi normal dengan p-value sebesar 0. aau lebih besar dari = %. Percen Probabiliy Plo of hasil produksi pupuk Normal hasil produksi pupuk Gambar Plo Kenormalan Residual Fungsi Transfer Muli Inpu E. PERAMALAN Seelah model fungsi ransfer muli inpu didapakan, selanunya dapa digunakan unuk meramalkan hasil produksi pukpuk NPK unuk beberapa periode yang akan daang. Pada Tabel 8 dapa diliha adalah hasil peramalan hasil produksi pupuk NPK yang dipengaruhi oleh variabel inpu Dolomi, Fosfa, KCL, ZA, dan Calsium unuk dua belas bulan yang akan daang dengan menggunakan model fungsi ransfer muli inpu. Tabel 8 Hasil peramalan produksi pupuk NPK Bulan Peramalan Selang Kepercayaan Baas Baas Aas Bawah Okober November Desember Januari Februari Mare April Mei Juni Juli Agusus Sepem ber V. Penuup Berdasarkan hasil analisis dan pembahasan yang dilakukan, maka dapa diarik kesimpulan sebagai beriku:. Model fungsi ransfer muli inpu dengan variabel inpu Dolomi, Fosfa, KCl, ZA, dan Calsium adalah sebagai beriku: Mean 7074 SDev 9900 N 6 KS 8 P-Value >0.0 8
9 Y 0.333y.289x 3.889x 274x 69.92x x 89x 67.9x 70x x x 774x 0x a x 4 2. Dengan menggunakan model fungsi ransfer muli inpu yang elah diperoleh maka dapa dikeahui hasil produksi pupuk NPK unuk dua belas periode berikunya. Ramalan hasil produksi pupuk NPK yang erbesar adalah pada bulan Februari yaiu kg, sedangkan ramalan hasil produksi pupuk NPK yang erkecil adalah pada bulan April yaiu kg. Dari hasil peneliian yang elah dilakukan, maka penelii memberikan saran perlunya penambahan variabel-variabel lain yang mempengaruhi hail produksi pupuk NPK dalm peneliian-peneliian selanunya. Namun pemilihan variabel-variabel ersebu hendaknya memiliki keerkaian cukup kua dengan variabel-variabel yang akan dimodelkan sehingga diperoleh hasil yang lebih akura. DAFTAR PUSTAKA a x [] Ahadiyani, S.D Model Fungsi Transfer Jumlah Penumpang Pesawa Rue Surabaya Balikpapan. Jurusan Maemaika FMIPA ITS. [2] Aswi, dan Sukarna. Analisis Dere Waku : Teori dan Aplikasi [3] Box, G.E.P., dan G.M. Jenkins. Time Series Analysis : Forecasing and Conrol, 2d ed. San Fransisco : Holden Day,976. [4] Bruce, L. Bowerman., dan Richard T. O Connell. Forecasing and Time Series : An Applied Approach hird ediion. Miami Universiy, Ohio. [] Kusrini, Y Pemodelan Produksi Gula dengan Meode Fungsi Transfer. Jurusan Maemaika FMIPA ITS. [6] Makridakis, S., Wheelwrigh S.C., dan McGee V.E Meode dan Aplikasi Peramalan. Dieremahkan oleh Sumino, H. Jakara: Binarupa Aksara. [7] Meiasari, F Model Peramalan Inflasi Nasional dengan Menggunakan Fungsi Transfer Muli Inpu. Jurusan Maemaika FMIPA ITS. [8] Wei, W. W. S Time Series Analysis: Univariae and Mulivariae Mehods. Unied Sae of America: Addison-Wesley Publishing Company. 4 9
10 0
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 terperinciAbstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.
1 Peramalan Volume Produksi Air Bersih di PDAM Kabupaen Bojonegoro berdasarkan Jumlah Pelanggan dan Volume Konsumsi Air Fasha Aulia Pradhani dan Adaul Mukarromah Jurusan Saisika, FMIPA, ITS Jl. Arief Rahman
Lebih terperinciANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA
ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA Oleh : Liviani Nursia 307030040 Dosen Pembimbing: Dr. Brodjol Suijo S.U, MSi Laar Belakang
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan
Lebih terperinciPeramalan Inflasi Menggunakan Model Fungsi Transfer Multi Input. Forcasting Inflation Using Multiple Input Transfer Function Model
Peramalan Inflasi Menggunakan Model Fungsi Transfer Muli Inpu Forcasing Inflaion Using Muliple Inpu Transfer Funcion Model Novi Adisia, Sri Wahyuningsih, dan Rio Goeanoro 3 Laboraorium Saisika Terapan
Lebih terperinciPERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT
Saisika, Vol. 2, No. 2, November 24 PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT Sri Wahyuni, 2 Farikhin, Iswahyudi Joko Suprayino Program Sudi Saisika
Lebih terperinciBAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF
BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap
Lebih terperinciPeramalan 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 terperinciANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 009 XV-1 ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Muhammad Sjahid Akbar, Jerry Dwi Trijoyo
Lebih terperinciModel 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 terperinciPERAMALAN 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 terperinciPeramalan 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 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 Aiqoh 05 00 0 Dosen Pembimbing: Dra. Nuri Wahyuningsih, MKes Drs. Sulisiyo, MT Jurusan Maemaika
Lebih terperinciMODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR
MODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR S - 27 Rukini, Suharono2 2,2 Jurusan Saisika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan
Lebih terperinciANALISIS 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 terperinciPERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR
TUGAS AKHIR SS 145561 PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR SARIRAZTY DWIJANTARI NRP 1314 030 010 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si., M.Si DEPARTEMEN
Lebih terperinci*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 terperinciTUGAS 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 terperinciKAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN
JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina
Lebih terperinciANALISIS 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 terperinciPENGAMBILAN 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 terperinciBAB 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 terperinciAnalisis 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 terperinciAnalisis Peramalan Jumlah Penumpang Kereta Api Penataran Tujuan Surabaya-Malang
Analisis Peramalan Jumlah Penumpang Kerea Api Penaaran Tujuan Surabaya-Malang Oleh. Andria Prima Diago 08.00.0 Dosen Pembimbing. r. Dwiamono Agus, M.komp Andria Prima Diago 08.00.0 nsiu Teknologi Sepuluh
Lebih terperinciKata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting.
METODE INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) UNTUK MEMODELKAN HARGA GABAH DUNIA (INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY TO CAPTURE
Lebih terperinciDAMPAK 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 terperinciANALISIS 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 terperinciBAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan
BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan
Lebih terperinciBAB 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 terperinciPERAMALAN 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 terperinciPENAKSIRAN 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 terperinciPERAMALAN 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 terperinciPENGARUH 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 terperinciPeramalan Inflasi Nasional Berdasarkan Faktor Ekonomi Makro Menggunakan Pendekatan Time Series Klasik dan ANFIS
JURNAL SAINS DAN SENI IS Vol. 4, No., () 2337-3 (2-928X Prin) D-67 Peramalan Inflasi Nasional Berdasarkan Fakor Ekonomi Makro Menggunakan Pendekaan ime Series Klasik dan ANFIS Clara Agusin Sephani, Agus
Lebih terperinciMODEL 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 terperincimetodologi penelitian
pendahuluan injauan pusaka meodologi peneliian hasil dan pembahasan kesimpulan Pusaka Meodologi Peningkaan Energi lisrik Kebuuhan energi lisrik Pengembangan sisem energi lisrik Peramalan beban lisrik Slide
Lebih terperinciPemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun
Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro
Lebih terperinciBAB 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 terperinciPerbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X
JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa
Lebih terperinciBAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun
BAB III ARFIMA-FIGARCH 3. Time Series Memori Jangka Panjang Proses ARMA sering dinyaakan sebagai proses memori jangka pendek (shor memory) karena fungsi auokorelasi anara dan urun cepa secara eksponensial
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan
Lebih terperinciPemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline ABSTRAK
Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Meode Inervensi dan Regresi Spline Rina Andriani, Dr. Suharono, M.Sc 2 Mahasiswa Jurusan Saisika FMIPA-ITS, 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih terperinciPERAMALAN 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 terperinciPERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO
PERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO SKRIPSI Disusun Oleh : SITI LIS INA ATUL HIDAYAH 24010211120006 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciARIMA (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 terperinciBAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan
BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,
Lebih terperinciBAB 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 terperinciPemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network
D-378 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (26) 2337-3520 (23-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi pada Plaform MK di PT X Menggunakan Meode ARIMA, Neural Nework, dan Hibrida ARIMA-Neural
Lebih terperinciBAB 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 terperinciBAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan
BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi
Lebih terperinciIDENTIFIKASI 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 terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian yang dilakukan mengenai analisis perencanaan pengadaan una berdasarkan ramalan ime series volume ekspor una loin beku di PT Tridaya Eramina
Lebih terperinciPERAMALAN 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 terperinciBAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun
43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C
Lebih terperinciPERAMALAN 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 terperinciPendekatan Fungsi Transfer Sebagai Input Adaptive Neuro-Fuzzy Inference System (ANFIS) dalam Peramalan Kecepatan Angin Rata-Rata Harian di Sumenep
JURNL SINS DN SENI ITS Vol., No., (Sep. 0 ISSN: 0-9 D- Pendekaan Fungsi Transer Sebagai Inpu dapive Neuro-Fuzzy Inerence Sysem (NFIS dalam Peramalan Kecepaan ngin Raa-Raa Harian di Sumenep Yulia Nurviasari
Lebih terperinciPEMODELAN 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 terperinciPERAMALAN 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 terperinciBAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju perumbuhan
Lebih terperinciDAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII
Bulein Ilmiah Mah. Sa. dan Terapannya (Bimaser) Volume 6, No. 3 (27), hal 83 2. MODEL SPACE-TIME DAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII Ella Kurniawai, Naomi Nessyana
Lebih terperinciPREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED
PREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED Wahyuda 1, Budi Sanosa 2, Nani Kurniai 3 1 Teknik Indusri Universias Mulawarman-Samarinda
Lebih terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH
BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Tahapan Pemecahan Masalah Tahapan pemecahan masalah berfungsi unuk memudahkan dalam mencari jawaban dalam proses peneliian yang dilakukan agar sesuai dengan arah
Lebih terperinciPEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 9 PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL Y.P.Y. Asmara,
Lebih terperinciDosen Pembimbing Dr. Brodjol Sutijo Suprih Ulama, M.Si.
TUGAS AKHIR SS 145561 PERAMALAN NILAI IMPOR NON MIGAS DI JAWA TIMUR DENGAN MENGGUNAKAN METODE ARIMA BOX-JENKINS BOBBY AKBAR NRP 1314 030 002 Dosen Pembimbing Dr Brodjol Suijo Suprih Ulama, MSi DEPARTEMEN
Lebih terperinciAPLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND
APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND Noeryani 1, Ely Okafiani 2, Fera Andriyani 3 1,2,3) Jurusan maemaika, Fakulas Sains Terapan, Insiu Sains & Teknologi
Lebih terperinciPEMODELAN PRODUKSI SEKTOR PERTANIAN
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 2009 PEMODELAN PRODUKSI SEKTOR PERTANIAN Brodjol Suijo Jurusan Saisika ITS Surabaya ABSTRAK Pada umumnya daa ekonomi bersifa ime
Lebih terperinciPEMODELAN 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 terperinciBAB 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 terperinciPERAMALAN 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 terperinciBAB 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 terperinciPENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK.
PENERAPAN METODE TRIPLE EXPONENTIAL MOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUAHAAN MEBEL INAR JEPARA TANJUNGANOM NGANJUK. ii Rukayah*), Achmad yaichu**) ABTRAK Peneliian ini berujuan unuk
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju
Lebih terperinciPENENTUAN 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 terperinciMAKALAH TUGAS AKHIR IDENTIFIKASI MODEL ARIMA BOX-JENKINS
1. Pendahuluan MAKALAH TUGAS AKHIR IDENTIFIKASI MODEL ARIMA BOX-JENKINS CAMPURAN DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA Oleh : Febriana Dwi P. (1306 100 011) Dosen Pembimbing I : Dr. Irhamah, S.Si,
Lebih terperinciBAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan
BAB I PENDAHULUAN 1.1 Laar Belakang Dalam perencanaan pembangunan, daa kependudukan memegang peran yang pening. Makin lengkap dan akura daa kependudukan yang esedia makin mudah dan epa rencana pembangunan
Lebih terperinciPenentuan 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 terperinciJurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN
Peramalan Dengan Meode Smoohing dan Verifikasi Meode Peramalan Dengan Grafik Pengendali Moving Range () (Sudi Kasus: Produksi Air Bersih di PDAM Tira Kencana Samarinda) Forecasing wih Smoohing and Verificaion
Lebih terperinciPERAMALAN CURAH HUJAN DENGAN WAVELET
PERAMALAN CURAH HUJAN DENGAN WAVELET Garini Widosari 1 T-7 1 Polieknik Negeri Samarinda 1 garini_72@yahoo.com Absrak Peramalan adalah salah sau unsur yang sanga pening dalam pengambilan kepuusan. Peranan
Lebih terperinciSekilas 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 terperinciJurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK
PERBANDINGAN METODE DES (DOUBLE EXPONENTIAL SMOOTHING) DENGAN TES (TRIPLE EXPONENTIAL SMOOTHING) PADA PERAMALAN PENJUALAN ROKOK (STUDI KASUS TOKO UTAMA LUMAJANG) 1 Fajar Riska Perdana (1110651142) 2 Daryano,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Definisi Peramalan Peramalan adalah suau kegiaan dalam memperkirakan aau kegiaan ang melipui pembuaan perencanaan di masa ang akan daang dengan menggunakan daa masa lalu dan daa masa
Lebih terperinci1999 sampai bulan September Data ini diperoleh dari yahoo!finance.
7 999 sampai bulan Sepember 8. Daa ini diperoleh dari yahoo!finance. Meode Langkah-langkah pemodelan nilai harian IHSG secara garis besar dapa diliha pada Lampiran dengan penjelasan sebagai beriku:. Melakukan
Lebih terperinciPEMODELAN ARIMAX DAN NEURAL NETWORK UNTUK PERAMALAN DAN DASAR PERENCANAAN INVESTASI NET ASSET VALUE (NAV) EQUITY DI PT. PRUDENTIAL LIFE ASSURANCE
90 Djojonegoro: PEMODELAN ARIMAX DAN NEURAL NETWORK UNTUK PERAMALAN DAN PEMODELAN ARIMAX DAN NEURAL NETWORK UNTUK PERAMALAN DAN DASAR PERENCANAAN INVESTASI NET ASSET VALUE (NAV) EQUITY DI PT. PRUDENTIAL
Lebih terperinciBAB 2 TINJAUAN TEORI
7 BAB 2 TINJAUAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciANALISIS DATA INFLASI INDONESIA MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DENGAN PENAMBAHAN OUTLIER.
Analisis Daa (Supari) ANALISIS DAA INFLASI INDONESIA MENGGUNAKAN MODEL AUOREGRESSIVE INEGRAED MOVING AVERAGE (ARIMA) DENGAN PENAMBAHAN OULIER Supari 1 dan Alfi Faridaus Sa adah 2 1 Saf Pengajar Jurusan
Lebih terperinciPERAMALAN NILAI EKSPOR NON MIGAS SEKTOR PERINDUSTRIAN DI JAWA TIMUR DENGAN MENGGUNAKAN ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN NILAI EKSPOR NON MIGAS SEKTOR PERINDUSTRIAN DI JAWA TIMUR DENGAN MENGGUNAKAN ARIMA BOX-JENKINS Mohammad Fariq NRP 1314 030 015 Dosen Pembimbing Dra. Sri Mumpuni Renaningsih,
Lebih terperinciPerancangan Sistem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Metode Triple Exponential Smoothing
Jurnal Ilmiah Teknologi dan Informaika ASIA (JITIKA) Vol.10, No.2, Agusus 2016 ISSN: 0852-730X Perancangan Sisem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Meode Triple Exponenial Smoohing Tria
Lebih terperinciPERBANDINGAN MODEL FUNGSI TRANSFER DAN ARIMA STUDI KASUS MODEL ANTARA CURAH HUJAN DENGAN KELEMBABAN UDARA
PERBANDINGAN MODEL FUNGSI TRANSFER DAN ARIMA STUDI KASUS MODEL ANTARA CURAH HUJAN DENGAN KELEMBABAN UDARA Skripsi Sebagai Salah Sau Syara Unuk Memperoleh Gelar Sarjana Sains Fakulas Sains dan Teknologi
Lebih terperinciPENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER
Jurnal Jurnal Muara Sains, Teknologi, Kedokeran, dan Ilmu Kesehaan Vol., No., Okober 07: hlm 97-07 ISSN 579-640 (Versi Ceak) ISSN-L 579-640 (Versi Elekronik) PENENTUAN MODEL INDEKS HARGA SAHAM GAUNGAN
Lebih terperinciBab 5 Penaksiran Fungsi Permintaan. Ekonomi Manajerial Manajemen
Bab 5 Penaksiran Fungsi Perminaan 1 Ekonomi Manajerial Manajemen Peranyaan Umum Tenang Perminaan Seberapa besar penerimaan perusahaan akan berubah seelah adanya peningkaan harga? Berapa banyak produk yang
Lebih terperinciagenda Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran
seminar ugas akhir Renny Elfira Wulansari 0000 pembimbing Dr. Suharono, S.Si, M.Sc Gedung H Lanai Saisika FMIPA-ITS Surabaya, Juli 04 agenda Pendahuluan Tinjauan Pusaka Meodologi Peneliian Analisis dan
Lebih terperinciPERAMALAN JUMLAH KEBERANGKATAN PENUMPANG PELAYARAN DALAM NEGERI DARI PELABUHAN TANJUNG PERAK MENGGUNAKAN ARIMA-BOX JENKINS
TUGAS AKHIR SS 4556 PERAMALAN JUMLAH KEBERANGKATAN PENUMPANG PELAYARAN DALAM NEGERI DARI PELABUHAN TANJUNG PERAK MENGGUNAKAN ARIMA-BOX JENKINS Nina Fannani NRP 34 030 02 Dosen Pembimbing Dr. Wahyu Wibowo,
Lebih terperinciPENGEMBANGAN MODEL PREDIKSI OLR-MJO BERBASIS HASIL ANALISIS MODEL STATISTIK BOX-JENKINS (ARIMA)
Prosiding Seminar Nasional Peneliian, Pendidikan, dan Penerapan MIPA Fakulas MIPA, Universias Negeri Yogyakara, 16 Mei 2009 PENGEMBANGAN MODEL PREDIKSI OLR-MJO BERBASIS HASIL ANALISIS MODEL STATISTIK BOX-JENKINS
Lebih terperinci(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF
Seminar Nasional Saisika 12 November 2011 Vol 2, November 2011 (T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Gumgum Darmawan, Sri Mulyani S Saf Pengajar Jurusan Saisika FMIPA UNPAD
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN
PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan
Lebih terperinciPROSEDUR PEMBENTUKAN MODEL VARIASI KALENDER BERDASARKAN MODEL ARIMAX UNTUK PERAMALAN DATA DENGAN EFEK VARIASI KALENDER
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, November PROSEDUR PEMBENTUKAN MODEL VARIASI KALENDER BERDASARKAN MODEL ARIMAX UNTUK PERAMALAN DATA DENGAN EFEK VARIASI KALENDER Suharono dan
Lebih terperinciPeramalan 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Air merupakan kebuuhan pokok bagi seiap makhluk hidup di dunia ini ermasuk manusia. Air juga merupakan komponen lingkungan hidup yang pening bagi kelangsungan hidup
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*
PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor
Lebih terperinci