Pemodelan ARIMA Dalam Prediksi Penumpang Pesawat Terbang Pada Bandara Internasional Sam Ratulangi Manado
|
|
- Iwan Pranoto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Pemodelan ARIMA Dalam Prediksi Penumang Pesawa Terbang Pada Bandara Inernasional Sam Raulangi Manado Sinnyo H.A. Salmon, Nelson Nainggolan 2, Djoni Haidja 3 Program Sudi Maemaika, FMIPA, UNSRAT, sinnyosalmon@ymail.com 2 Program Sudi Maemaika, FMIPA, UNSRAT, baaivana@yahoo.co.id 3 Program Sudi Maemaika, FMIPA, UNSRAT, dhaidja@yahoo.com Absrak Analisis ime series model ARIMA daa digunakan unuk melakukan erkiraan mauun rediksi ada masa yang akan daang. Daa engamaan banyaknya enumang esawa daa diandang sebagai daa ime series. Tujuan eneliian ini ialah menenukan model ime series yakni model ARIMA dari banyaknya enumang esawa domesik di Bandara Inernasional Sam Raulangi Manado. Kemudian memrediksi (redicion) jumlah enumang esawa domesik di Bandara Inernasional Sam Raulangi Manado unuk 6 bulan. Daa yang digunakan ada eneliian ini adalah daa sekunder yang dieroleh dari PT. Angkasa Pura I di Bandara Inernasional Sam Raulangi yang berua daa jumlah enumang esawa di Bandara Inernasional Sam Raulangi bulan Januari 03 samai Juni 4. Daa yang diambil adalah banyaknya enumang esawa baik yang daang ke Bandara Inernasional Sam Raulangi mauun yang berangka dari Bandara Inernasional Sam Raulangi. Hasilnya model ime series unuk jumlah enumang esawa domesik ada Bandara Inernasional Sam Raulangi Manado adalah ARIMA musiman (,,)(,,) 2 dengan hasil rediksi bulan Januari sebanyak 7794 enumang, bulan Februari sebanyak enumang, bulan Mare sebanyak 6233 enumang, bulan Aril sebanyak enumang, bulan Mei sebanyak 8937 enumang dan bulan Juni sebanyak 6424 enumang. Kaa Kunci : Bandara Inernasional Sam Raulangi, Meode ARIMA ARIMA Modeling In Predicion Passenger Aircraf A The Inernaional Airor Sam Raulangi In Manado Absrac Analysis of ime series ARIMA model can be used o make forecass and redicions on he fuure. The number of air assengers observaional daa can be seen as ime series daa. The urose of his sudy is o deermine he ime series model ARIMA models of many domesic air assengers in Sam Raulangi Inernaional Airor. Then Predicing (redicion) he number of domesic air assengers in Sam Raulangi Inernaional Airor for 6 monhs. The daa used in his research is secondary daa obained from PT. AngkasaPura I Sam Raulangi Inernaional Airor in he form of daa on he number of assengers a Sam Raulangi Inernaional Airor in January 03 o June 4. The daa is aken from he number of assengers who came o Sam Raulangi Inernaional Airor as well as hose dearing from Sam Raulangi Inernaional Airor. The resul ime series models for he number of domesic air assengers a Sam Raulangi Inernaional Airor is a seasonal ARIMA (,,) (,,) 2 wih he resuls rediced in January is 7794 assengers, in February is assengers, in March is 6233 assengers, in Aril is assengers, in May is8937 assengers, and in June is 6424 assengers. Keywords: Sam Raulangi Inernaional Airor, ARIMA Mehod. Pendahuluan Perauran Meneri Nomor 69 Tahun 3 enang Taaan Kebandarudaraan Nasional definisi bandar udara adalah kawasan di daraan dan/aau erairan dengan baas-baas erenu yang digunakan sebagai ema esawa udara mendara dan leas landas, naik urun enumang, bongkar mua barang, dan ema erindahan inra dan anarmoda ransorasi, yang dilengkai
2 60 Salmon, Nainggolan, Haidja Pemodelan ARIMA dalam Prediksi.. dengan fasilias keselamaan dan keamanan enerbangan, sera fasilias okok dan fasilias enunjang lainnya []. PT. Angkasa Pura I berada di Bandara Inernasional Sam Raulangi yang erleak di kecamaan Maange, Manado. Saa ini erdaa 2 maskaai enerbangan yang ada di Indonesia, 7 maskaai enerbangan dianaranya beroerasi di Sulawesi Uara unuk jalur enerbagan domesik dan maskaai unuk jalur enerbagan inernasional. Analisis ime series (runun waku) banyak digunakan dalam berbagai bidang, misalnya ekonomi, eknik, geofisik, eranian dan kedokeran. Runun waku adalah suau dere observasi yang beruru dalam waku. Analisis ime series model ARIMA daa digunakan unuk melakukan esimasi mauun eramalan ada masa yang akan daang. Daa engamaan banyaknya enumang esawa daa diandang sebagai daa ime series. Tujuan eneliian ini ialah menenukan model ime series yakni model ARIMA dari banyaknya enumang esawa domesik di Bandara Inernasional Sam Raulangi Manado. Kemudian memrediksi (redicion) jumlah enumang esawa domesik di Bandara Inernasional Sam Raulangi Manado unuk 6 bulan. 2. Model Auoregresif (Auoregressive) Model auoregresif disingka AR adalah model yang menyaakan bahwa daa ada eriode sekarang diengaruhi oleh daa ada eriode sebelumya. Model Auoregresif dengan ordo disingka dengan ARIMA (,0,0). Benuk umum dari model ini adalah sebagai beriku [2]. dimana : : Konsana, 2, : Koefisien arameer auoregresif ke-, 2, : Variabel bebas e... : Sisaan ada saa ke Model Raa-raa Bergerak (Moving Average) 2 Model Raa-raa Bergerak (Moving Average) disingka MA menyaakan hubungan anara nilai engamaan dari kesalahan eramalan sekarang dan masa lalu yang beruruan, ersamaan iu dianamakan moving average model. Model moving average dengan orde q disingka MA(q) aau ARIMA (0,0,q). Benuk umum dari model ini sebagai beriku [3] : e () dimana :, 2, e e e 2e2... eq (2) : Konsana : Koefisien arameer moving average ke-q : Sisaan ada saa ke- 4. Model ARMA (Auoregressive Moving Average) Model ARMA (Auoregressive Moving Average) ialah gabungan dari model AR() dan MA(q) sehingga memiliki asumsi bahwa daa eriode sekarang diengaruhi oleh daa erode lamaunya dan nilai lamau kesalahannya. Model ARMA dengan orde dan q diulis ARMA (,q) aau ARIMA (,0,q). Benuk umum dari model ini adalah sebagai beriku [3]:
3 JdC, Vol. 4, No., Mare 6... e e e 2e2 q q (3) dimana : : Variabel ak bebas : Konsana, 2, q : Koefisien arameer moving average ke-q, 2, : Koefisien arameer auoregressive ke-,, : Variabel bebas 2 e : Sisaan ada saa ke--q q. Proses Selisih (Differencing) Meode embedaan (differencing) dilakukan dengan cara mengurangi nilai daa ada suau eriode dengan nilai daa eriode sebelumnya yang daa dirumuskan sebagai beriku : W (4) 6. Model ARIMA (Auoregrssive Inegraed Moving Average) Model ime series yang digunakan berdasarkan asumsi bahwa daa ime series ersebu sasioner arinya raa-raa dan varian suau daa ime series konsan. Jika daa ime series idak sasioner maka meode yang digunakan unuk membua daa sasioner yaiu dilakukan dengan diffencing unuk daa yang idak sasioner dalam raa-raa dan roses ransformasi unuk daa yang idak sasioner dalam varian [2]. Proses ARIMA adalah model ime series yang idak sasioner. Secara umum ersamaan model ARIMA adalah : ( 2) 2( 2 3)... ( ) e e... qeq () 7. Fakor Musiman (seasonaliy) Dalam Suau Dere Berkala Suau ola yang berulang-ulang dalam selang waku yang ea didefinisikan sebagai ola musiman. Unuk daa yang sasioner, fakor musiman daa dienukan dengan mengidenifikasi koefisien auokorelasi ada dua aau iga ime lag yang berbeda nyaa dari nol. Sebagai conoh unuk daa yang dikumulkan bulanan, embedaan sau musiman enuh (ahun) daa dihiung sebagai beriku: ' 2 B 2 (6) Noasi ARIMA daa dierluas unuk menangani asek musiman, noasi umum yang disingka adalah [4]: ARIMA, d, qp, D, Q s Bagian yang Bagian S = jumlah Tidak musiman musiman eriode er dari model dari model musim
4 Jumlah Penumang 62 Salmon, Nainggolan, Haidja Pemodelan ARIMA dalam Prediksi.. 8. Meodologi Peneliian Daa yang digunakan ada eneliian ini adalah daa sekunder yang dieroleh dari PT. Angkasa Pura I di Bandara Inernasional Sam Raulangi yang berua daa jumlah enumang esawa di Bandara Inernasional Sam Raulangi bulan Januari 03 samai Juni 4. Daa yang diambil adalah banyaknya enumang esawa baik yang daang ke Bandara Inernasional Sam Raulangi mauun yang berangka dari Bandara Inernasional Sam Raulangi. Langkah-langkah eneraan model ARIMA sebagai beriku : ) Pengumulan Daa 2) Plo Daa 3) Pemeriksaan Kesasioneran Daa 4) Idenifikasi Model ARIMA ) Penenuan Parameer 6) Penenuan Persamaan Model ARIMA 7) Validasi Model 8) Prediksi 9. Hasil dan Pembahasan 9.. Jumlah Penumang Pesawa Bandara Sam Raulangi Periode Bulan Januari 03 samai dengan Bulan Juni 4 Daa jumlah enumang esawa Bandara Sam Raulangi eriode bulan Januari 03 samai dengan bulan Juni 4 sebanyak 38 daa daa diliha ada Time series lo Gambar Plo Daa Jumlah Penumang Pesawa Gambar. Plo Daa Jumlah Penumang Pesawa Domesik Periode Bulan Januari 03 samai dengan Bulan Juni 4 Berdasarkan lo ada Gambar menunjukkan jumlah enumang esawa eriode bulan Januari 03 dimulai dari 2602 enumang kemudian mengalami enurunan ada bulan Februari kemudian naik kembali ada bulan Mare menjadi 9 enumang, erus naik samai ada akhir ahun 03 yaiu ada bulan Desember sebanyak 827 enumang. Pada bulan Agusus 3 meruakan jumlah enumang erbanyak yakni enumang kemudian mengalami enurunan secara drasis ada bulan Februari 4 dengan oal enumang sebanyak 2929 enumang kemudian naik kembali samai ada bulan Juni 4 dengan oal enumang sebanyak 77. Dari Gambar erliha bahwa daa menunjukkan ola rend aau berubah-ubah. Oleh karena iu, daa dikaakan daa belum sasioner. Unuk meliha kesasioneran daa daa diliha melalui engidenifikasi nilai koefisien Fungsi Auokorelasi (ACF) dan Fungsi Auokorelasi Parsial (PACF) ada Gambar 2 dan 3. Dari Gambar 2 erliha bahwa erilaku Fungsi Auokorelasi (ACF) dari lag dan lag 2 secara erlahan mengecil mendekai nol sedangkan ada Gambar 3 erliha erilaku Fungsi Auokorelasi Parsial (PACF) mendekai nol seelah lag erama. Kedua hal ini mengidenifikasikan bahwa daa ersebu idak bersifa sasioner sedangkan dalam analisis ARIMA dibuuhkan daa yang bersifa sasioner. Maka dari iu erlu dilakukan roses selisih (differencing)
5 Auocorrelaion Jumlah Penumang d= Parial Auocorrelaion Auocorrelaion JdC, Vol. 4, No., Mare 63 ACF Jumlah Penumang Pesawa Domesik Gambar 2. Fungsi Auokorelasi Daa Jumlah Penumang Pesawa Domesik Periode Bulan Januari 03 samai dengan Bulan Juni 4 PACF Jumlah Penumang Pesawa Domesik Gambar 3. Fungsi Auokorelasi Parsial Daa Jumlah Penumang Domesik Pesawa Periode Bulan Januari 03 samai dengan Bulan Juni Plo Daa Jumlah Penumang Pesawa d= Gambar 4. Plo Daa Jumlah Penumang Pesawa Domesik Periode Bulan Januari 03 samai dengan Bulan Juni 4 Dengan Selisih Orde Pada Gambar 4 menunjukkan bahwa daa elah sasioner dan mengindikasi adanya musiman seelah dilakukan roses selisih sau kali. Pengidenifikasian daa elah sasioner daa diliha juga dalam grafik Fungsi Auokorelasi (ACF) dan Fungsi Auokorelasi Parsial (PACF) seeri ada Gambar dan 6. ACF Jumlah Penumang Pesawa Domesik d= Gambar. Fungsi Auokorelasi Daa Jumlah Penumang Pesawa Domesik Periode Bulan Januari 03 samai dengan Bulan Juni 4 Dengan Selisih Orde
6 Parial Auocorrelaion 64 Salmon, Nainggolan, Haidja Pemodelan ARIMA dalam Prediksi...0 PACF Jumlah Penumang Pesawa d= Gambar 6. Fungsi Auokorelasi Parsial Daa Jumlah Penumang Pesawa Domesik Periode Bulan Januari 03 - Juni 4 Dengan Selisih Orde Pada Gambar erliha bahwa koefisien ACF menurun secara eksonensial menuju nol hal serua juga diunjukkan oleh koefisien dari PACF seelah lag erama mengindikasikan bahwa daa elah bersifa sasioner. Dengan menggunakan sofware Saisika hasil idenifikasi dari Gambar dan Gambar 6 menghasilkan kemungkinan model rediksi seeri ada Tabel. Tabel. Kemungkinan Model Prediksi Jumlah Penumang Pesawa Domesik Bandara Inernasional Sam Raulangi Manado Dari Tabel erdaa model dengan roses differencing kali yang akan digunakan unuk memridiksi Jumlah Penumang Pesawa Domesik ada Bandara Inernasional Sam Raulangi Manado. Model yang erbaik adalah model dengan nilai dari MSE yang aling kecil. Namun model yang akan digunakan adalah model dalam eneliian ini adalah model ARIMA (,,)(,,) 2 dengan nilai MSE Hal ini dikarnakan model ersebu seelah validasi menggasilkan nilai MSE erkecil dari ke lima model. Model ARIMA (,,)(,,) 2 dengan arameer =, d=, q=, P=, D=, dan Q= aau ARIMA (,,)(,,) 2 adalah model yang akan digunakan dalam memrediksi Jumlah Penumang Pesawa Domesik ada Bandara Inernasional Sam Raulangi Manado. 9.2 Menenukan Persamaan ARIMA (,d,q)(p,d,q) 2 Pada Daa Jumlah Penumang Pesawa Domesik Bandara Inernasional Sam Raulangi Manado Berdasarkan hasil eneuan arameer dieroleh model ARIMA (,,)(,,) 2 dengan koefisien AR : , SAR 2 : 36, MA : -690, SMA 2 : 47 dan konsana : Dibua ersamaan unuk model ARIMA (,,)(,,) 2 menjadi : B B B B B B e e e e e Model MeanSquared Error (MSE) (0,,)(,,) (,,)(,,) (2,,)(,,) (,,0)(,,) (,,2)(,,) ( 22) ( 0.373) 26 ( 690) e 47e 2 83e 3 ( 22.) 2 3
7 Percen Auocorrelaion Frequency JdC, Vol. 4, No., Mare 6 Seelah ersamaan didaakan selanjunya dilakukan roses diagnosik unuk meliha ingka kesalahan model yaiu dengan meliha Hisogram of Residual, ACF of Residual dan Normal Probabiliy Plo of Residual yang akan diunjukkan oleh Gambar 7, 8, dan 9. Hisogram of Residual Residual Gambar 7. Hisogram of Residual Jumlah Penumang Pesawa Domesik Bandara Inernasional Sam Raulangi Manado ACF Residual Gambar 8. ACF of Residual Jumlah Penumang Pesawa Domesik Bandara Inernasional Sam Raulangi Manado Probabiliy Plo of Residual Normal Mean SDev 670 N 2 AD P-Value Residual Gambar 9. Normal Probabiliy Plo of Residual Jumlah Penumang Pesawa Domesik Bandara Inernasional Sam Raulangi Manado Pada Gambar 7 erliha grafik Hisogram of Residual membenuk diagram normal hal ini menandakan bahwa residual berdisribusi normal. Selanjunya unuk asumsi Whie Noise dimana residual harus bersifa random dan berdisribusi normal. Pada Gambar 8 dimana erliha bahwa semua bar idak melebihi garis uus-uus, iu berari residual bersifa random aau acak. Pada Gambar 9 erliha bahwa residual mengikui garis garis diagonal yang mengarikan bahwa residual berdisribusi normal. Residual yang bersifa random aau acak dan berdisribusi normal menandakan bahwa Asumsi Whie Noise sudah erenuhi Validasi Prediksi Jumlah Penumang Pesawa Domesik Bandara Inernasional Sam Raulangi Manado Validasi digunakan unuk mengeahui kondisi daa yang sebenarnya (akual) dengan hasil rediksi sehingga daa membandingkan kedua kondisi daa ersebu.
8 Salmon, Nainggolan, Haidja Pemodelan ARIMA dalam Prediksi Prediksi Akual Gambar 0. Daa Jumlah Penumang Pesawa Domesik Sebenarnya dan Prediksinya Bulan Februari 04 samai Juni 4. Gambar 0 erliha bahwa jumlah enumang esawa domesik eriode bulan Februari 04 samai bulan Desember 4 idak erlalu berbeda jauh dengan hasil Prediksi. Terliha keakuraan model rediksi seia bulannya saling umang indih. Karena iu model ARIMA (,,)(,,) 2 bisa digunakan unuk memrediksi jumlah enumang esawa domesik ada eriode bulan Januari samai Juni. 9.4 Prediksi Jumlah Penumang Pesawa Domesik Bandara Inernasional Sam Raulangi Manado Periode 6 bulan Langkah erakhir dalam analisis ime series adalah rediksi (redicion). Dalam eneliian ini akan dirediksi unuk eriode 6 bulan. Hasil rediksi dengan mengunakan model ARIMA (,,)(,,) 2 unuk Jumlah Penumang Pesawa Domesik Bandara Inernasional Sam Raulangi Manado diuangkan dalam Tabel 2. Tabel 2. Hasil Prediksi Jumlah Penumang Pesawa Domesik Bandara Inernasional Sam Raulangi Manado Periode Bulan Juli 4 samai Bulan Juni. Periode Prediksi Akual Juli Agusus Seember Okober November Desember Januari Februari Mare Aril Mei Juni
9 JdC, Vol. 4, No., Mare 67 Hasil rediksi unuk jumlah enumang esawa domesik bandara inernasional Sam Raulangi Manado dimulai dari bulan Juli 4 samai Juni. Pada bulan Januari erjadi enurunan Jumlah enumang dan ada bulan Mei meruakan rediksi jumlah enumang esawa domesik erendah, yakni sebanyak 8937 enumang kemudian naik kembali ada bulan Juni hingga 6424 enumang. 0. Kesimulan Model ime series unuk rediksi jumlah enumang esawa domesik ada Bandara Inernasional Sam Raulangi Manado, menggunakan daa eriode Januari 03 samai Desember 4 adalah ARIMA musiman (,,)(,,) 2 Model rediksi jumlah enumang esawa domesik ada Bandara Inernasional Sam Raulangi Manado cuku baik unuk renang eriode 6 bulan yakni bulan Januari sebanyak 7794 enumang, bulan Februari sebanyak enumang, bulan Mare sebanyak 6233 enumang, bulan Aril sebanyak enumang, bulan Mei sebanyak 8937 enumang dan bulan Juni sebanyak 6424 enumang.. Dafar Pusaka [] Perauran Meneri Perhubungan, 3. Perauran Meneri No. 69 Tahun 3 enang Taanan Kebandarudaraan Nasional. Jakara [2] Mulyana, 04. Buku Ajar Analisis Dere Waku. Universias Padjajaran FMIPA Jurusan Saisika, Bandung. [3] Mulyono, S. 00. Peramalan Harga Saham dan Nilai Tukar : Teknik Box-Jenkins. Ekonomi dan Keuangan Indonesia 48(2). [4] Makridakis, S., S.C. Wheelwrigh & V.E. McGee Meode dan Alikasi Peramalan Jilid Edisi Kedua. Terjemahan S. Andriyano dan A.Basih. Erlangga, Jakara.
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 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 terperinciAnalisis Peramalan Kombinasi Terhadap Jumlah Permintaan Darah di Surabaya (Studi Kasus: UDD PMI Kota Surabaya)
JURNAL STATISTIKA Vol., No., () 5 Analisis Peramalan Kombinasi Terhada Jumlah Perminaan Darah di Surabaya (Sudi Kasus: UDD PMI Koa Surabaya) Winda Eka F., Ir. Dwiamono Agus W.,MIKom Jurusan Saisika, FMIPA,
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 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 terperinciPENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER
Sains, Teknologi, Kedokeran, dan Ilmu Kesehaan Vol., No., Aril 07: hlm 8-8 ISSN 579-640 (Versi Ceak) ISSN-L 579-640 (Versi Elekronik) PENENTUAN MODEL INDEKS HARGA SAHAM GAUNGAN (IHSG) MENGGUNAKAN ANALISIS
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 terperinciOleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes
PERAMALAN INDEKS HARGA SAHAM YANG DIPENGARUHI KURS, PERUBAHAN INFLASI, POSISI JUMLAH DEPOSITO BERJANGKA, SUKU BUNGA SBI DAN DEPOSITO MENGGUNAKAN FUNGSI TRANSFER DAN ARCH-GARCH Oleh: TANTI MEGASARI 6 00
Lebih terperinciMAKALAH 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 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 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 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 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 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 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 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 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 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 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 terperinciPeramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Multi Input. : Nesia Brilliana I.P NRP :
Peramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Muli Inpu Nama : Nesia Brilliana I.P NRP : 20800023 Jurusan : Maemaika Dosen Pembimbing : Dra. Nuri Wahyuningsih, M. Kes Pemberian pupuk
Lebih 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 terperinciANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 009 XV-1 ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Muhammad Sjahid Akbar, Jerry Dwi Trijoyo
Lebih terperinciBAB 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 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 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 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 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 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 terperinciPERAMALAN KUNJUNGAN WISATAWAN KE ULUWATU DENGAN MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE
TRI TANAMI SUKRAINI : RAMALAN KUNJUNGAN WISATAWAN 47 PERAMALAN KUNJUNGAN WISATAWAN KE ULUWATU DENGAN MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE Tri Tanami Sukraini Jurusan Adminisrasi Niaga
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 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 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 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 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 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 terperinciPENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Studi Kasus Data Saham PT. Gudang Garam Tbk.
Bulein Ilmiah Mah. Sa. dan Teraannya (Bimaser) Volume 4, No. 3 (ahun), hal 69 78. PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Sudi Kasus Daa Saham PT.
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 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 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 terperinciBAB 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 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 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 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 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 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 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 terperinciPenerapan Model ARCH/GARCH untuk Peramalan Nilai Tukar Petani ABSTRAK ABSTRACT. Pendahuluan
Jurnal Sains Maemaika dan Saisika, Vol. 4, No., Januari 8 ISSN 46-454 prin/issn 65-8663 online Penerapan Model ARCH/GARCH unuk Peramalan Nilai Tukar Peani Ari Pani Desvina, Inggrid Ocaviani Meijer, Jurusan
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 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 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 terperinciAnalisis Pola Hubungan Pemodelan ARIMA Curah Hujan dengan Curah Hujan Maksimum, Lama Waktu Hujan, dan Curah Hujan Rata-Rata
Analisis Pola Hubungan Pemodelan ARIMA Curah Hujan dengan Curah Hujan Maksimum, Lama Waku Hujan, dan Curah Hujan Raa-Raa Fahin Fahimah 33 Jurusan Teknik Elekro-FTI, Insiu Teknologi Seuluh Noember Kamus
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ISSN: ( Print) D-212
JURNAL SAINS DAN SENI POMITS Vol. 3, No., (04) ISSN: 337-3539 (30-97 Prin) D- Peramalan Jumlah Penumang Pesawa Terbang di Pinu Kedaangan Bandar Udara Inernasional Lombok dengan Meode ARIMA Box-Jenkins,
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 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 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 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai
BAB 1 PENDAHULUAN 1.1 Laar Belakang Propinsi Sumaera Uara merupakan salah sau propinsi yang mempunyai perkembangan yang pesa di bidang ransporasi, khususnya perkembangan kendaraan bermoor. Hal ini dapa
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 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 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 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 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 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 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 terperinciProsiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PERAMALAN VOLUME PENGGUNAAN AIR BERSIH DENGAN METODE WINTERS EPONENTIAL SMOOTHING UNTUK MENENTUKAN VOLUME
Lebih 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 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 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 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 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 terperinciPERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN (STUDI KASUS KOTA SALATIGA, BULAN JANUARI 2014 JULI 2016)
Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: 978-602-622-20-9 hal 935-950 November 206 hp://jurnal.fkip.uns.ac.id PERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN
Lebih 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 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 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 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 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. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat
BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 robabilias 2.1.1 Definisi robabilias adalah kemungkinan yang daa erjadi dalam suau erisiwa erenu. Definisi robabilias daa diliha dari iga macam endekaan, yaiu endekaan klasik,
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 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 terperinciPERAMALAN JUMLAH PENDERITA TUMOR JINAK (NEOPLASMA) DI RSUD ARIFIN ACHMAD PEKANBARU DENGAN MENGGUNAKAN MODEL ARIMA(0,1,1) TUGAS AKHIR.
PERAMALAN JUMLAH PENDERITA TUMOR JINAK (NEOPLASMA) DI RSUD ARIFIN ACHMAD PEKANBARU DENGAN MENGGUNAKAN MODEL ARIMA(,1,1) TUGAS AKHIR Diajukan Sebagai Salah Sau Syara Unuk Memperoleh Gelar Sarjana Sains
Lebih terperinciBAB I PENDAHULUAN. Dalam pembicaraan sehari-hari, bank dikenal sebagai lembaga keuangan yang
BAB I PENDAHULUAN 1.1 Laar Belakang Dalam pembicaraan sehari-hari, bank dikenal sebagai lembaga keuangan yang kegiaan uamanya menerima simpanan giro, abungan dan deposio. Kemudian bank juga dikenal sebagai
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 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 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 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 terperinciFORECASTING & ARIMA. Dwi Martani. 1/26/2010 Statistik untuk Bisnis 9 1
FORECASTING & ARIMA Dwi Marani /26/200 Saisik unuk Bisnis 9 DERET BERKALA (TIME SERIES) Suau dere berkala merupakan suau himpunan observasi dimana variabel yang digunakan diukur dalam uruan periode waku,
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 terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.. Ruang Lingkup Peneliian Peneliian ini diujukan unuk menenukan meode erbaik yang dapa digunakan dalam meramalkan harga ayam pada enam koa besar di Jawa-Bali. Meode peramalan yang
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print) D-326
JURNAL AIN DAN ENI OMIT Vol. 3, No., (4) 337-35 (-98X rin) D-36 eramalan Toal Marke eeda Moor dan Toal enjualan Moor X di roinsi Jawa Timur dengan endekaan ARIMA Box-Jenkins dan Auoregressive Inegraed
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 terperinciISSN: 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 terperinciBAB III PERSAMAAN ARPS DAN METODE TABEL
BAB III ERSAMAAN ARS DAN METODE TABEL 3. ersamaan Ars Meoda decline curve analysis (analisis enurunan kurva) meruakan suau meode yang sering digunakan unuk mengesimasi erhiungan cadangan yang daa diamil
Lebih terperinciMinggu 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 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 terperinciPeramalan Inflow dan Outflow Uang Kartal Bank Indonesia di Wilayah Jawa Tengah dengan Menggunakan Metode ARIMA, Time Series Regression, dan ARIMAX
JURNA SAINS DAN SENI ITS Vol., No., () - (-X rin) D- eramalan Inflow dan Ouflow Uang Karal Bank Indonesia di Wilayah Jawa Tengah dengan Menggunakan Meode ARIMA, Time Series Regression, dan ARIMAX Noorgam
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 terperinciBAB 3 LANDASAN TEORI. peramalan, jenis-jenis peramalan, langkah-langkah peramalan, pemilihan teknik dan
BAB 3 LANDASAN TEORI 3. Peramalan Pada sub bab ini akan dibahas mengenai pengerian peramalan, kegunaan meode peramalan, jenis-jenis peramalan, langkah-langkah peramalan, pemilihan eknik dan meode peramalan,
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 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 terperinci