III. METODE PENELITIAN
|
|
- Yandi Lie
- 7 tahun lalu
- Tontonan:
Transkripsi
1 15 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penelitian Perkembangan ekonomi dan bisnis dewasa ini semakin cepat dan pesat. Bisnis dan usaha yang semakin berkembang ini ditandai dengan semakin banyaknya bentuk dan jenis usaha yang muncul sekarang ini. Perkembangan bisnis yang semakin cepat ini menuntut para pelaku bisnis untuk memahami dan meramalkan keadaan di masa depan dalam mengambil keputusan. Peramalan merupakan unsur sangat penting dalam menjalankan suatu usaha, terlebih dalam memberikan gambaran terhadap masa depan suatu perusahaan. Meskipun, peramalan merupakan suatu hal yang jarang ditemui kesempurnaan perhitungannya dalam kehidupan sehari-hari. Tetapi, hasil peramalan penjualan dapat membantu pihak manajemen perusahaan dalam mengambil keputusan yang berpengaruh terhadap perusahaan ke depannya yang dapat mendatangkan keuntungan bagi perusahaan. Dengan melakukan peramalan, para perencana dan pengambil keputusan akan dapat mempertimbangkan alternatif alternatif strategi dalam cakupan yang lebih luass dan pasti apabila dibandingkan dengan tanpa peramalan. Industri Pariwisata merupakan industri yang sedang berkembang sekarang ini. Hal ini terkait dengan semakin tingginya prospek bisnis industri pariwisata yang menjanjikan ke depannya. Bisnis pariwisata sendiri terdiri dari banyak komponen bisnis didalamnya dan banyak pihak yang terlibat dalam menjalankan usahanya. Banyaknya jumlah turis yang datang merupakan penggerak utama perekonomian dalam sektor pariwisata. Oleh karena itu perlu dilakukan peramalan terhadap jumlah wisatawan yang akan datang ke Indonesia dengan menggunakan studi kasus dua (2) pintu gerbang utama terhadap kedatangan wisatawan mancanegara di Indonesia yaitu Bandara Internasional Soekarno-Hatta dan Ngurah Rai serta bagaimana korelasi dan pengaruh kedatangan turis mancanegara diantara dua (2) pintu gerbang utama tersebut. Peramalan kedatangan turis mancanegara Dengan peramalan yang tepat maka para pelaku bisnis pariwisata dapat mempersiapkan dengan baik
2 16 hal-hal seperti hunian hotel, transportasi, dan acara kebudayaan untuk menarik minat para wisatawan tersebut. Oleh karena itu pada penelitian ini dilakukan peramalan terhadap kedatangan turis mancanegara ke Indonesia yang berfokus kepada dua (2) pintu utama yaitu Bandara Internasional Soekarno-Hatta dan Ngurah Rai. Metode peramalan yang tersedia cukup banyak untuk melakukan peramalan. Untuk kasus pada travel ini, metode yang digunakan adalah ARIMA) atau juga yang sering disebut dengan metode runtun waktu Box- Jenkins. ARIMA adalah suatu model yang secara penuh mengabaikan independen variabel dalam membuat peramalan. Analisis time series model ARIMA dapat digunakan untuk melakukan estimasi maupun peramalan pada waktu yang mendatang. Diharapkan dari hasil pemodelan peramalan yang didapat dari penggunaan ARIMA ini didapatkan model yang dapat meramalkan kedatangan turis mancanegara ke Indonesia selama 15 bulan ke depan. Hasil dari pemodelan peramalan yang dilakukan dengan metode ARIMA diharapkan dapat memeberikan sumbangan pemikiran bagi pemerintah dan para pelaku bisnis pariwisata dalam mengestimasi banyaknya turis mancanegara yang datang ke Indonesia dalam periode 15 bulan mendatang dan dengan demikian pemerintah dapat menyediakan program yang menarik bagi para turis dan pelaku bisnis pariwisata dapat menggerakkan potensi bisnisnya semaksimal mungkin dan dapat menambah devisa negara secara keseluruhan. Kerangka Pemikiran dapat dilihat pada Gambar 2.
3 17 Kunjungan turis mancanegara ke Indonesia Bandar udara Soekarno-Hatta Bandar udara Ngurah Rai Hubungan kedatangan turis mancanegara Model Peramalan kedatangan turis di Soekarno Hatta Model Peramalan kedatangan turis di Ngurah Rai Hasil peramalan kunjungan turis mancanegara di sekarno-hatta Pengecekan tingkat galat dan Penentuan model ARIMA terbaik untuk peramalan Hasil peramalan kunjungan turis mancanegara di Ngurah Rai Gambar 2. Kerangka pemikiran penelitian 3.2. Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan dengan menggunakan data sekunder, data kedatangan turis mancanegara ke Indonesia selama 4 tahun kebelakang (data tahun ). Pemilihan jenis penelitian ini dilakukan karena tersedianya akses untuk mendapatkan data dan dengan pertimbangan bahwa peramalan kedatangan turis mancanegra ke Indonesia melalui 2 (dua) pintu utama yaitu bandar udara Soekarno-Hatta dan Ngurah Rai belum pernah dilakukan sebelumnya. Penelitian ini akan dilakukan dari bulan Februari sampai dengan bulan April Pengumpulan Data Data yang digunakan dalam penyelesaian penelitian ini, antara lain adalah data kedatangan turis mancanegara ke Indonesia. Data kedatangan
4 18 turis mancanegara yang digunakan merupakan data bulanan kedatangan turis dalam setiap tahunnya dan kecenderungan trend kedatangannya yang naik di bulan-bulan tertentu. Data kedatangan yang digunakan pada saat meramal juga adalah data yang didapatkan dengan mengamati bagaimana hubungan antara kedatangan turis mancanegara diantara kedua bandar udara yang digunakan dalam studi kasus penelitian kali ini. Analisis kuantitatif yang dilakukan dalam penelitian ini berfungsi untuk meramalkan kedatangan turis mancanegara di masa mendatang. Peramalan kedatangan turis mancanegara ini diawali dengan mengumpulkan data jumlah kedatangan turis mancanegara ke Indonesia. Setelah itu ditemui dan diketahui pola data penjualan, maka akan ditentukan model peramalan ARIMA yang paling sesuai dan paling kecil tingkat kesalahannya. Hasil peramalan dalam penelitian ini dapat berguna bagi pemerintah dan para pelaku bisnis pariwisata dalam mengeluarkan keputusan dan penyediaan akomodasi bagi kedatangan turis ke depannya. Hal ini bertujuan untuk memaksimalkan pendapatan dan devisa negara yang masuk melalui sektor pariwisata. Analisis peramalan dalam penelitian ini menggunakan metode time series. Metode time series adalah metode yang meramalkan kejadian atau penjualan di masa yang akan datang atas dasar serangkaian data masa lalu, yang merupakan hasil observasi berbagai variabel menurut waktu. Selain itu, metode ini juga digunakan dengan pertimbangan dengan digunakan data deret waktu dalam penelitian ini berarti bahwa data penjualan didasarkan pada waktu kejadian tanpa memperhatikan faktor luar yang mempengaruhinya. Metode peramalan time series yang digunakan dalam penelitian ini adalah ARIMA. Model ARIMA ini adalah model yang secara penuh mengabaikan independen variabel dalam membuat peramalan. Dalam menyusun metode peramalan time series perlu diketahui suatu pola data terlebih dahulu. Dari suatu pola data tersebut dapat terbentuk suatu plot data yang kemudian dikonversi menjadi bentuk kurva sehingga dapat diketahui unsur yang terdapat dalam data tersebut, hal ini berguna untuk menduga metode peramalan yang terbaik untuk digunakan.
5 19 Menurut Aritonang (2002), data runtut waktu dapat dibedakan menjadi empat (4) komponen, yaitu : 1. Trend merupakan komponen data runtut waktu yang berkaitan dengan adanya kecendrungan peningkatan atau penurunan pada periode tertentu. 2. Musim merupakan komponen data runtu waktu yang memiliki pola berulang dari waktu ke waktu. Pola tersebut biasanya timbul karena adanya pengaruh dari suatu musim tertentu. 3. Siklis merupakan komponen data runtut waktu yang ditunjukkan dengan pola data yang berfluktuasi bergelombang yang biasanya dipengaruhi keadaan ekonomi secara umum. 4. Ketidakteraturan/ireguler/acak merupakan komponen data runtut waktu yang tidak tergolong dalam trend, musim, maupun siklis. Komponen ini berkaitan dengan hal-hal yang tdak terduga sebelumnya. Pemilihan metode peramalan dalam time series ini dilakukan pada data kedatangan turis mancanegara ke Indonesia dengan pola kedatangan turis mancanegara tersebut dan nilai kesalahan terkecil. Pada peramalan time series model peramalan yang terbaik adalah model yang memiliki nilai kesalahan peramalan terkecil. Data yang digunakan dalam penelitian ini adalah data sekunder serta jenis data yang bersifat kuantitatif. data sekunder yang digunakan adalah data kedatangan turis mancanegara ke Indonesia yang sudah menjadi arsip negara, keadaan umum lokasi penelitian, potensi pengembangan perusahaan ke depannya dan informasi lain yang didapatkan dari berbagai sumber termasuk internet. 3.4 Pengolahan dan Analisis Data Pengolahan dan analisis data yang digunakan dalam penelitian ini akan dilakukan secara kualitatif dan kuantitatif. Penghitungan dan pengolahan data kuantitatif akan dikerjakan dengan menggunakan bantuan software komputer seperti program Stastical Package Social Science (SPSS) dan Minitab. Analisis kualitatif digunakan untuk mengetahui gambaran umum keadaan selama penelitian dan mengetahui permasalahan apakah yang terjadi di dalam pemelitian terseut. Analisis ini dilakukan dengan
6 20 menggunakan pengamatan langsung terhadap keadaan selama penelitian dan wawancara mendalam ke pada pihak pihak ahli. Data yang digunakan seperti terdapat dalam Lampiran Analisis Korelasi Sederhana Analisis korelasi pertama kali dikembangkan oleh Karl Pearson pada tahun Tujuan dari analisis korelasi adalah menentukan seberapa erat hubungan antara dua (2) peubah. Analisis Korelasi adalah suatu teknik statisika yang digunakan untuk mengukur keeratan hubungan atau korelasi diantara dua (2) peubah. Analisis korelasi mengukur keeratan hubungan antara dua (2) peubah X dan Y. Keeratan hubungan antara dua (2) variabel tersebut dinyatakan dalam bentuk koefisien korelasi yang dilambangkan dengan huruf r. Koefisisen korelasi (r) menunjukkan seberapa dekat titik kombinasi antara peubah X dan Y pada garis lurus sebagai dugaaannya. Semakin dekat titik kombinasi dengan dugaannya maka korelasi semakin besar. Ukuran korelasi antar dua (2) buah variabel yang paling banyak digunakan adalah koefisien korelasi momen yang dikembangkan oleh Pearson. Rumus Koefisien Korelasi tersbut dinyatakan sebagai berikut : n( XY) ( X Y) r hitung = [n X 2 ( X) 2 ] [n Y 2 ( Y) 2 ] Dimana : r : Nilai koefisien korelasi X : jumlah pengamatan peubah X Y : jumlah pengamatan peubah Y XY : jumlah hasil perkalian peubah X dan Y ( X2) : jumlah kuadrat dari hasil pengamatan peubah X ( Y2) : jumlah kuadrat dari hasil pengamatan peubah Y n : jumlah pasangan pengamatan X dan Y Koefisisen korelasi mempunyai nilai antara -1 sampai 1. Nilai r=-1 yang disebut dengan linier sempurna negatif, terjadi apabila titik contoh atau kombinasi terletak pada suatu garis lurus yang mempunyai kemiringan negatif. Nilai r = 1 disebut dengan nilai linier sempurna positif dan hal ini
7 21 terjadi apabila semua titik contoh terletak tepat pada suatu garis lurus dengan kemiringan positif. Akan tetapi apabila nilai mendekati nol (0) hubungan antara kedua peubah sangat lemah atau mungkin tidak ada sama sekali Metode ARIMA Model Box-Jenkins (ARIMA) dibagi kedalam tiga (3) kelompok, yaitu : model autoregressive (AR), moving average (MA), dan model campuran (ARIMA) yang memiliki karakteristik dari dua (2) model pertama. a Autoregressive Model (AR) Model AR dapat berjenjang 0, 1, 2,..., sampai dengan p. Bentuk model AR(p), AR (1), dan AR (2) dikemukakan sebagai berikut model umum AR (P) : Yt = a +b 1 Y t-1 + b 2 Y t b p Y t-p +e t dari model tersebut dapat diketahui bahwa nilai pada suatu periode (Yt) merupakan hasil penjumlahan dari komponen konstanta (a), komponen data pada suatu periode sebelumnya dikalikan dengan koefisien otoregresinya (b 1 y t-1 ), komponen data pada dua periode sebelumnya dikalikan dengan koefisien otoregresinya (b 2 Y t-2 ),.., komponen data pada p periode sebelumnya dikalikan dengan koefisien otoregresinya (b p Y t-p ), dan komponen residu atau error modelnya pada periode tersebut (e t ). komponen residu itu merupakan selisih dari hasil yang diproyeksikan datanya. b Moving Average Model (MA) Model MA juga dapat berjenjang 0, 1, 2,..., sampai dengan jenjang q. Model MA (q), MA (1), MA (2) dikemukakan sebagai berikut ini : Model umum MA (q) : Y t = c + e + m 1 e t-1 + m 2 e t m q e t-q Dari model itu dapat diketahui bahwa nilai data pada suatu periode (Y t ) merupakan hasil penjumlahan dari komponen konstanta (c), komponen residu pada periode tersebut (e t ), komponen residu pada suatu periode sebelumnya dikalikan dengan koefisiennya (m 1 e t-1), komponen residu pada dua periode
8 22 c sebelumnya dikalikan dengan koefisiennya (m 2 e t-2 ),..., dan komponen residu pada q periode sebelumnya dikalikan dengan koefisiennya (m q e t-q ). ARMA (p,q) Yt = K + b 1 y t b p y t-p m 1 e t m q e t-q +e t Gabungan model AR (p) dan model (q) disebut model ARMA (p,q). Konstanta (K) model itu dihitung dengan rumus : K= M(1-b b p ), dimana M: merupakan rata-rata dari data mentah Yt. d Model ARIMA (1,1,1) Yt = K + Y t-1 + b 1 Y t-1 - b 1 Y t-2 m 1 e t-1 Konstanta pada model ARIMA (1,1,1) adalah rata-rata dari I(1). Estimasi awal atas parameter ARIMA (1,1,1), dilakukan berdasarkan dua persamaan berikut ; r1 = [(1-b 1 m 1 )(b 1 -m 1 )]/[1+m 2 1 2b 1 m 1 ], dan r2 = r 1 b1 Langkah Langkah dalam Pengolahan Data dalam Metode ARIMA 1) Identifikasi Model Tentatif Hal yang perlu diperhatikan sebelum menentukan model awal dari metode ARIMA adalah melihat komponen plot data. Model ARIMA mengasumikan bahwa peramalan dapat dilakukan apabila data telah berfluktuasi secara konstan diantara rataan dan ragamnya telah stasioner. Untuk melihat kestasioneran data, dapat dilihat melalui plot data dan analisis autokorelasi. Data yang masih tergabung dalam unsur trend yang tampak apabila diplotkan harus terleih dahulu dilakukan pembedaan (differencing) secara regular. Sedangkan apabila data mengandung unsur musiman, maka perlu dilakukan pembedaan secara musiman pula. Data yang memiliki ragam yang tidak stasioner (trend yang tidak konstan) dapat diatasi dengan menggunakan transformasi dengan mengubahnya ke bentuk akar, logaritma, atau logaritma natural. (ln). Rumus pembeda regukar dan musiman adalah : 1) Pembeda regular : Zt = Yt Yt-1
9 23 2) Pembeda Musiman : Zt = Yt Yt-L Dimana : Zt : nilai pembedaan regular Yt : data pada periode t Yt-1 : data pada satu periode sebelum t L : jumlah periode musiman dalam 1 tahun Setelah dilakukan pembedaan, untuk menentukan stasioneritas dari data, kita dapat melihat dari plot autocorrelation function yang merupakan kumpulan dari koefisien koefisien autokorelasi (rk). Untuk model ARIMA regular, data dapat disebut stasioner apabila nilai rk sudh menurun mendekati nol pada selang ketiga dalam lima selang pertama. Nilai Rk yang kembali berbeda nyata dengan nol setelah selang kelima tidak diperhatikan dan dianggap sudah stasioner. Setelah mendapati data yang stasioner, berikutnya dilakukan pembentukan model tentatif yang dilihat dari ACF dan Partial Autocorrelation Function (PACF).ACF mewakili ordo MA dan PACF mewakili ordo AR. Penentuan model ARIMA regular dan seasonal dijelaskan pada tabel berikut. 2) Estimasi Dalam melakukan metode peramalan dengan metode Box- Jenkins (ARIMA) adalah menentukan nilai-nilai dalam parameter atau koefisien dari model tentatif. Estimasi dilakukan dengan bantuan software minitab 14.0 ini juga ditunjukkan untuk melihat nyatanya suatu parameter. Suatu parameter dikatakan signifikan atau berbeda nyata dari nol apabila nilai. Uji slope (t hit ) lebih besar dari nilai t tabel pada selang kepercayaan tertentu (5 persen). Atau dapat dilihat dari p-value harus lebih kecil dari selang kepercayaan a (p-value < a). Selain itu, pada tahap ini juga dilakukan perbamdingan nilai Mean Squared Error (MSE) dan Mean Percentage Error (MAPE) yang bermanfaat bagi pencocokan dan perbandingan model-model yang berbeda (Hanke, et all, 1996).
10 24 Tabel 4. Beberapa Kemungkinan model berdasarkan Pola ACF dan PACF Model Pola ACF Pola PACF AR (p) dying down Cut off setelah selang p (p = 1 atau p = 2) MA (q) Cut off setelah selang p (p = 1 atau p = 2) dying down ARIMA (p,d,q) dying down dying down Ada dua (2) cara yang mendasar untuk mendapatkan parameterparameter dalam model ARIMA : 1) nilai yang berbeda dan memilih satu nilai tersebut (atau sekumpulan nilai, apabila terdapat lebih dari satu parameter yang akan ditaksir) yang meminimumkan jumlah kuadrat nilai sisa (sum of squared residual).dengan cara mencoba-coba (trial and error), menguji beberapa 2) Perbaikan secara iteratif, memilih taksiran awal dan kemudian penghitungan dilakukan Box-Jenkins Computer Program untuk memperhalus penaksiran tersebut secara iterati c) Evaluasi Model Tedapat enam (6) yang harus dilihat untuk mengetahui kelayakan model ARIMA, diantaranya (Firdaus, 2006) : 1) Proses iterasi harus konvergen. Bila kondisi ini terpenuhi, maka pada sassion output Minitab 14.0 n tampil pernyataaan, relative change in each estimate less than 0, ) Parameter yang diestimasi harus sudah signifikan atau sudah berbeda dengan nol. Hal ini dinyatakan dengan nilai p-value dari parameter AR atau MA yang kurang dari 0,05. 3) Kondisi inversibilitas dan stasioneritas model terpenuhi. Invertibilitas merupakan kondisi dimana seluruh penjumlahan koefisien parameter MA lebih kecil dari 1. Sedangkan stasioneritas terpenuhi apabila jumlah
11 25 koefisien parameter AR lebih kecil dari 1. Penjumlahan secara absolut antara koefisien parameter AR dan MA reguler dan seasonal dilakukan secara terpisah. 4) Parsimonitas model. Hal ini berarti dari pemilihan model, dipilih model yang memiliki bentuk paling sederhana. Sebagai contoh, model ARIMA (1,1,1) lebih baik daripada ARIMA model (2,1,2) 5) Residual (error) peramalan bersifat acak. Uji ini dilakukan untuk melihat apakah sekumpulan autokorelasi dari nilai sisa telah bersifat acak atau masih memiliki pola. Model yang baik adalah model yang memiliki komponen galatnya tidak dapat digunakan untuk menjelaskan ramalan. Uji ini dilihat dengan menggunakan indikator Ljung-Box Q, apabila p-value telah lebih besar dari 0,05 maka residual atau error model tersebut telah menyebar acak (random). 6) MSE terkecil. Nilai rataan galat kuadrat dari model ARIMA yang kita dapatkan harus menampilkan hasil yang paling kecil apabila dibandingkan dengan model ARIMA lainnya. Selain dari MSE, evaluasi untuk mendapatkan model terbaik pun dapat dilihat dari nilai Mean Absolute Percentage Error (MAPE) dan Mean Percentage Error (MPE) yang mendekati nol.
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
Lebih terperinciMETODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015
III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan digunakanan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalis kendala atau memaksimalkan pengembangan baik
Lebih terperinciPENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA
KEMENTERIAN PEKERJAAN UMUM BADAN PENELITIAN DAN PENGEMBANGAN PUSAT PENELITIAN DAN PENGEMBANGAN SUMBER DAYA AIR PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA PENDAHULUAN Prediksi data runtut waktu.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Defenisi Peramalan Peramalan adalah suatu kegiatan dalam memperkirakan atau kegiatan yang meliputi pembuatan perencanaan di masa yang akan datang dengan menggunakan data masa lalu
Lebih terperinciLAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU. Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins
LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU Kelas A Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins No Nama Praktikan Nomor Mahasiswa Tanggal Pengumpulan 1 29 Desember 2010 Tanda Tangan Praktikan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Pendahuluan Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan
Lebih terperinciTINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang
II.. TINJAUAN PUSTAKA Indeks Harga Konsumen (IHK Menurut Monga (977 indeks harga konsumen adalah ukuran statistika dari perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang didapatkan.
Lebih terperinci4 BAB IV HASIL PEMBAHASAN DAN EVALUASI. lebih dikenal dengan metode Box-Jenkins adalah sebagai berikut :
4 BAB IV HASIL PEMBAHASAN DAN EVALUASI Pada bab ini, akan dilakukan analisis dan pembahasan terhadap data runtut waktu. Data yang digunakan dalam penelitian ini merupakan data sekunder, yaitu data harga
Lebih terperinciIV. HASIL DAN PEMBAHASAN 4.1 Gambaran Umum Bandar Udara Soekarno-Hatta
26 IV. HASIL DAN PEMBAHASAN 4.1 Gambaran Umum Bandar Udara Soekarno-Hatta Bandar Udara Internasional Soekarno-Hatta (IATA: CGK, ICAO: WIII) merupakan sebuah bandar udara utama di Indonesia yang terletak
Lebih terperinciBab IV. Pembahasan dan Hasil Penelitian
Bab IV Pembahasan dan Hasil Penelitian IV.1 Statistika Deskriptif Pada bab ini akan dibahas mengenai statistik deskriptif dari variabel yang digunakan yaitu IHSG di BEI selama periode 1 April 2011 sampai
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di Indonesia sejak tahun enam puluhan telah diterapkan Badan Meteorologi, Klimatologi, dan Geofisika di Jakarta menjadi suatu direktorat perhubungan udara. Direktorat
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Iklim Iklim ialah suatu keadaan rata-rata dari cuaca di suatu daerah dalam periode tertentu. Curah hujan ialah suatu jumlah hujan yang jatuh di suatu daerah pada kurun waktu
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi
Lebih terperinciVI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER
VI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER 6.1. Analisis Pola Data Penjualan Ayam Broiler Data penjualan ayam broiler adalah data bulanan yang diperoleh dari bulan Januari 2006
Lebih terperinciPERAMALAN JUMLAH PENUMPANG BANDARA I GUSTI NGURAH RAI DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA)
M-11 2) PERAMALAN JUMLAH PENUMPANG BANDARA I GUSTI NGURAH RAI DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) Naili Farkhatul Jannah 1), Muhammad Bahtiar Isna Fuady 2), Sefri
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini, akan dilakukan analisis dan pembahasan terhadap data runtun waktu. Adapun data yang digunakan dalam penelitian ini merupakan data sekunder, yaitu data
Lebih terperinciHALAMAN PERSETUJUAN PEMBIMBING...iii. HALAMAN PENGESAHAN...iv. HALAMAN PERSEMBAHAN... vi. KATA PENGANTAR... viii. DAFTAR ISI... x. DAFTAR TABEL...
HALAMAN PERSETUJUAN PEMBIMBING...iii HALAMAN PENGESAHAN...iv MOTTO... v HALAMAN PERSEMBAHAN... vi KATA PENGANTAR... viii DAFTAR ISI... x DAFTAR TABEL... xi DAFTAR GAMBAR... xii DAFTAR LAMPIRAN... xiv PERNYATAAN...
Lebih terperinciBAB 2 LANDASAN TEORI
1 BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan metode ARIMA box jenkins untuk meramalkan kebutuhan bahan baku. 2.1. Peramalan Peramalan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola data yang sistematis (Makridakis, 1999). Peramalan menggunakan pendekatan
Lebih terperinciFORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA
FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA 1) Nurul Latifa Hadi 2) Artanti Indrasetianingsih 1) S1 Program Statistika, FMIPA, Universitas PGRI Adi Buana Surabaya 2)
Lebih terperinci1. Latar Belakang. Gambar 1 Plot Produksi Tembakau Indonesia. Gambar 2 Plot Harga Tembakau Indonesia
1. Latar Belakang Tembakau merupakan komoditas yang mempunyai arti penting karena memberikan manfaat ekonomi bagi Indonesia. Meskipun demikian, komoditi tembakau di Indonesia menghadapi berbagai permasalahan,
Lebih terperinciAnalisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia. Oleh : Pomi Kartin Yunus
Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia Oleh : Pomi Kartin Yunus 1306030040 Latar Belakang Industri manufaktur yang berkembang pesat
Lebih terperinciBAB 2 LANDASAN TEORI. datang. Kegunaan dari peramalan terlihat pada saat pengambilan keputusan.
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang datang. Kegunaan dari peramalan terlihat pada saat pengambilan keputusan. Keputusan yang
Lebih terperinciPERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)
PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) Oleh : Nofinda Lestari 1208 100 039 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciPemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah
Vol. 9, No., 9-5, Januari 013 Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Fitriani, Erna Tri Herdiani, M. Saleh AF 1 Abstrak Dalam analisis deret waktu
Lebih terperinciPenerapan Model ARIMA
Penerapan Model ARIMA (Bagian I) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 016 1 Ada tiga tahapan iterasi dalam pemodelan data deret waktu, yaitu: 1. Penentuan model tentatif (spesifikasi model)
Lebih terperinciModel Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan
METODE BOX JENKINS Model Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan utk semua tipe pola data. Dapat
Lebih terperinciIII. METODE PENELITIAN
38 III. METODE PENELITIAN A. Konsep Dasar dan Batasan Operasional Konsep dasar dan definisi opresional mencakup pengertian yang dipergunakan untuk mendapatkan dan menganalisis data sesuai dengan tujuan
Lebih terperinciMetode Deret Berkala Box Jenkins
METODE BOX JENKINS Metode Deret Berkala Box Jenkins Suatu metode peramalan yang sistematis, yang tidak mengasumsikan suatu model tertentu, tetapi menganalisa deret berkala sehingga diperoleh suatu model
Lebih terperinciBAB III METODE PENELITIAN. merupakan suatu proses, mencari kebenaran dan menghasilkan kebenaran.
BAB III METODE PENELITIAN 3.1 Jenis / Pendekatan Penelitian Penelitian dan ilmu pengetahuan mempunyai kaitan yang erat keduanya merupakan suatu proses, mencari kebenaran dan menghasilkan kebenaran. Penelitian
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
C BAB IV ANALISIS DAN PEMBAHASAN Penelitian ini mencoba meramalkan jumlah penumpang kereta api untuk masa yang akan datang berdasarkan data volume penumpang kereta api periode Januari 994-Februari 203
Lebih terperinciPEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER
PKMT-2-13-1 PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER Umi Rosyiidah, Diah Taukhida K, Dwi Sitharini Jurusan Matematika, Universitas Jember, Jember ABSTRAK
Lebih terperinciBAB 2. Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah sesuatu kegiatan situasi atau kondisi yang diperkirakan akan
Lebih terperinciPREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)
PREDIKSI HARGA SAHAM PT. BRI, MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average) Greis S. Lilipaly ), Djoni Hatidja ), John S. Kekenusa ) ) Program Studi Matematika FMIPA UNSRAT Manado
Lebih terperinciEFEKTIVITAS METODE BOX-JENKINS DAN EXPONENTIAL SMOOTHING UNTUK MERAMALKAN RETRIBUSI PENGUJIAN KENDARAAN BERMOTOR DISHUB KLATEN
EFEKTIVITAS METODE BOX-JENKINS DAN EXPONENTIAL SMOOTHING UNTUK MERAMALKAN RETRIBUSI PENGUJIAN KENDARAAN BERMOTOR DISHUB KLATEN Puji Rahayu 1), Rohmah Nur Istiqomah 2), Eminugroho Ratna Sari 3) 1)2)3) Matematika
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pajak merupakan sumber kas negara yang digunakan untuk pembangunan. Undang- Undang Republik Indonesia Nomor 16 Tahun 2000 tentang Ketentuan Umum Dan Tata Cara Perpajakan
Lebih terperinciPERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS
Saintia Matematika ISSN: 2337-9197 Vol. 02, No. 03 (2014), pp. 253 266. PERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS
Lebih terperinciBAB 2 LANDASAN TEORI Pengertian Data Deret Berkala
BAB 2 LANDASAN TEORI 2.1. Pengertian Data Deret Berkala Suatu deret berkala adalah himpunan observasi yang terkumpul atau hasil observasi yang mengalami peningkatan waktu. Data deret berkala adalah serangkaian
Lebih terperinciVERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE
VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE (Studi Kasus : Kecepatan Rata-rata Angin di Badan Meteorologi Klimatologi dan Geofisika Stasiun Meteorologi Maritim Semarang) SKRIPSI
Lebih terperinciMetode Box - Jenkins (ARIMA)
Metode Box - Jenkins (ARIMA) Metode peramalan saat ini cukup banyak dengan berbagai kelebihan masing-masing. kelebihan ini bisa mencakup variabel yang digunakan dan jenis data time seriesnya. nah, dalam
Lebih terperinciMODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI
MODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI Diajukan Kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta
Lebih terperinciAKURANSI ARIMA DALAM PERAMALAN INFLASI KOTA BANDUNG
AKURANSI ARIMA DALAM PERAMALAN INFLASI KOTA BANDUNG Muhamad Nawawi mnnierri@gmail.com ABSTRAK Inflation is as one of economic development indicator has an important role to public s economic prosperity
Lebih terperinciPerbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG
JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Print) A-34 Perbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG Mey Lista Tauryawati
Lebih terperinciII. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya
II. TINJAUAN PUSTAKA 2.1 Stasioner Analisis ARIMA Autoregressive Integrated Moving Average umumnya mengasumsikan bahwa proses umum dari time series adalah stasioner. Tujuan proses stasioner adalah rata-rata,
Lebih terperinciPERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010
Statistika, Vol., No., Mei PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI Reksa Nila Anityaloka, Atika Nurani Ambarwati Program Studi S Statistika Universitas Muhammadiyah
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Variabel ARIMA menggunakan variabel dependen harga saham LQ45 dan variabel independen harga saham LQ45 periode sebelumnya, sedangkan ARCH/GARCH menggunakan variabel dependen
Lebih terperinciPEMODELAN ARIMA INTENSITAS HUJAN TROPIS DARI DATA PENGUKURAN RAINGAUGE DAN DISDROMETER
1 PEMODELAN ARIMA INTENSITAS HUJAN TROPIS DARI DATA PENGUKURAN RAINGAUGE DAN DISDROMETER Muhammad Zainuddin Fanani, Achmad Mauludiyanto Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember (ITS)
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Investasi 2.1.1 Pengertian Investasi Investasi sering diartikan menunda pengeluaran konsumtif supaya uang bisa berkembang biak lebih dulu. Kalau uang sudah berkembang, barulah
Lebih terperinciBAB 2 TINJAUAN TEORITIS. yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan terjadi
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan
Lebih terperinciBAB 2 LANDASAN TEORI. Ramalan pada dasarnya merupakan perkiraan mengenai terjadinya suatu yang akan
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Ramalan pada dasarnya merupakan perkiraan mengenai terjadinya suatu yang akan datang. Peramalan adalah proses untuk memperkirakan kebutuhan di masa datang
Lebih terperinciBAB I PENDAHULUAN. Peramalan merupakan suatu kegiatan memprediksi nilai dari suatu
BAB I PENDAHULUAN A. LATAR BELAKANG Peramalan merupakan suatu kegiatan memprediksi nilai dari suatu variabel berdasarkan nilai yang diketahui dari variabel tersebut pada masa lalu atau variabel yang berhubungan.
Lebih terperinciBAB II LANDASAN TEORI. merupakan kumpulan dari komponen-komponen yang salling berkaitan untuk
BAB II LANDASAN TEORI 2.1 Sistem Definisi sistem dapat dibagi menjadi dua pendekatan, yaitu pendekatan secara prosedur dan pendekatan secara komponen. Berdasarkan pendekatan prosedur, sistem didefinisikan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu ratarata temperatur bumi periode tahun 1880 sampai dengan tahun 2012. 3.2 Jenis dan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Mulai Studi Pendahuluan Studi Pustaka Identifikasi Masalah Perumusan Masalah Tujuan Pengumpulan Data 1. Profil Perusahaan PT. Mensa Binasukses cabang kota Padang 2. Data forecasting
Lebih terperinciPenerapan Model ARIMA
Penerapan Model ARIMA (Bagian II) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016 1 a. Lakukan proses pembedaan (differencing) sebanyak dua kali pada data asal. b. Lakukan pendugaan parameter pada
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Peramalan pada dasarnya merupakan proses menyusun informasi tentang kejadian masa lampau yang berurutan untuk menduga kejadian di masa depan (Frechtling, 2001:
Lebih terperinciPeramalan Permintaan Paving Blok dengan Metode ARIMA
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Peramalan Permintaan Paving Blok dengan Metode ARIMA Adin Nofiyanto 1,Radityo Adi Nugroho 2, Dwi Kartini 3 1,2,3 Program
Lebih terperinciAnalisis Peramalan Data Produk Domestik Regional Bruto (PDRB) Sebagai Tolak Ukur Kinerja Perekonomian Provinsi Kepulauan Bangka Belitung
Analisis Peramalan Data Produk Domestik Regional Bruto (PDRB) Sebagai Tolak Ukur Kinerja Perekonomian Provinsi Kepulauan Bangka Belitung Desy Yuliana Dalimunthe Jurusan Ilmu Ekonomi, Fakultas Ekonomi,
Lebih terperinciPrediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA
Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA Jeine Tando 1, Hanny Komalig 2, Nelson Nainggolan 3* 1,2,3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada
Lebih terperinciPeramalam Jumlah Penumpang Yang Berangkat Melalui Bandar Udara Temindung Samarinda Tahun 2012 Dengan Metode ARIMA BOX-JENKINS
Jurnal EKSPONENSIAL Volume 3, Nomor, Mei 2 ISSN 8-7829 Peramalam Jumlah Penumpang Yang Berangkat Melalui Bandar Udara Temindung Samarinda Tahun 2 Dengan Metode ARIMA BOX-JENKINS Forecasting The Number
Lebih terperinciBAB 2 TINJAUAN TEORITIS. 2.1 Produk Domestik Regional Bruto
18 BAB 2 TINJAUAN TEORITIS 2.1 Produk Domestik Regional Bruto Dalam menghitung pendapatan regional, dipakai konsep domestik. Berarti seluruh nilai tambah yang ditimbulkan oleh berbagai sektor atau lapangan
Lebih terperinciPERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA
Jurnal UJMC, Volume 2, Nomor 1, Hal. 28-35 pissn : 2460-3333 eissn: 2579-907X PERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA Novita Eka Chandra 1 dan Sarinem 2 1 Universitas
Lebih terperinciPERAMALAN PENJUALAN TEH HIJAU DENGAN METODE ARIMA (STUDI KASUS PADA PT. MK)
PERAMALAN PENJUALAN TEH HIJAU DENGAN METODE ARIMA (STUDI KASUS PADA PT. MK) Zulhamidi 1, Riski Hardianto 2 1,2) Politeknik ATI Padang Email: zulhamidi@gmail.com; riskii.hardianto@gmail.com Abstrak Peramalan
Lebih terperinciPENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI
TUGAS AKHIR - ST 1325 PENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI I G B ADI SUDIARSANA NRP 1303100058 Dosen Pembimbing Ir. Dwiatmono Agus Widodo,
Lebih terperinciKAJIAN TEORI. atau yang mewakili suatu himpunan data. Menurut Supranoto (2001:14) Rata rata (μ) dari distribusi probabilitas
6 BAB II KAJIAN TEORI A. Statistik Dasar 1. Average (Rata-rata) Menurut Spiegel,dkk (1996:45) rata-rata yaitu sebuah nilai yang khas atau yang mewakili suatu himpunan data. Menurut Supranoto (2001:14)
Lebih terperinciPERBANDINGAN PERAMALAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING HOLT-WINTERS DAN ARIMA
UJM 6 (1) (2017) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm PERBANDINGAN PERAMALAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING HOLT-WINTERS DAN ARIMA Tias Safitri, Nurkaromah
Lebih terperinciANALISIS PERAMALAN JUMLAH PENUMPANG KEBERANGKATAN INTERNASIONAL DI BANDARA SOEKARNO-HATTA TAHUN 2016 MENGGUNAKAN METODE SARIMA DAN HOLT-WINTER
ANALISIS PERAMALAN JUMLAH PENUMPANG KEBERANGKATAN INTERNASIONAL DI BANDARA SOEKARNO-HATTA TAHUN 2016 MENGGUNAKAN METODE SARIMA DAN HOLT-WINTER Tugas Akhir disusun sebagai salah satu syarat untuk memperoleh
Lebih terperinciDAFTAR ISI. BAB I PENDAHULUAN Latar Belakang Masalah Rumusan Masalah Batasan Masalah Tujuan Penelitian...
DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii HALAMAN PERNYATAAN... iii NASKAH SOAL TUGAS AKHIR... iv HALAMAN PERSEMBAHAN... v INTISARI... vi KATA PENGANTAR... vii UCAPAN TERIMA KASIH... viii
Lebih terperinciSpesifikasi Model. a. ACF
Dept. Statistika IPB, 0 Spesifikasi Model Ada tiga tahapan iterasi dalam pemodelan data deret waktu, yaitu:. Penentuan model tentatif (spesifikasi model) berdasarkan data contoh untuk mengidentifikasi
Lebih terperinciANALISIS KUNJUNGAN KEDATANGAN TAMU MANCANEGARA KE INDONESIA (STUDI KASUS : BANDAR UDARA INTERNASIONAL SOEKARNO- HATTA DAN NGURAH RAI)
ANALISIS KUNJUNGAN KEDATANGAN TAMU MANCANEGARA KE INDONESIA (STUDI KASUS : BANDAR UDARA INTERNASIONAL SOEKARNO- HATTA DAN NGURAH RAI) Oleh Ruth Caroline H24080126 DEPARTEMEN MANAJEMEN FAKULTAS EKONOMI
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 DATA MINING Data Mining adalah analisis otomatis dari data yang berjumlah banyak atau kompleks dengan tujuan untuk menemukan pola atau kecenderungan yang penting yang biasanya
Lebih terperinciPENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Seminar Nasional Matematika dan Aplikasinya, 21 Oktober 27 PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Sedangkan
Lebih terperinciSeasonal ARIMA adalah model ARIMA yang mengandung faktor musiman.
Definisi Seasonal ARIMA adalah model ARIMA yang mengandung faktor musiman. Musiman berarti kecenderungan mengulangi pola tingkah gerak dalam periode musim, biasanya satu tahun untuk data bulanan. Karena
Lebih terperinciDiagnostik Model. Uji Ljung-Box-Pierce (modified Box-Pierce)
Diagnostik Model Analisis Sisaan Sisaan = Nilai Aktual Nilai Prediksi Apabila model ARIMA(p, d, q) benar dan dugaan parameter sangat dekat ke nilai yang sebenarnya maka sisaan akan memiliki sifat seperti
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Manfaat Peramalan Pada dasarnya peramalan adalah merupakan suatu dugaan atau perkiraan tentang terjadinya suatu keadaan dimasa depan, tetapi dengan menggunakan metode metode tertentu
Lebih terperinciDAFTAR ISI ABSTRAK... KATA PENGANTAR... UCAPAN TERIMA KASIH... DAFTAR ISI... DAFTAR TABEL... DAFTAR GAMBAR... DAFTAR LAMPIRAN...
DAFTAR ISI Halaman ABSTRAK... KATA PENGANTAR... UCAPAN TERIMA KASIH... DAFTAR ISI... DAFTAR TABEL... DAFTAR GAMBAR... DAFTAR LAMPIRAN... i ii iii v ix x xi BAB I PENDAHULUAN... 1 1.1 Latar Belakang Masalah...
Lebih terperincimodel Seasonal ARIMA
Jurnal Sains Matematika dan Statistika, Vol. No. i ISSN - Peramalan Wisatawan Mancanegara Ke Provinsi Riau Melalui Kota Pekanbaru Menggunakan Metode Seasonal ARIMA Ropita Munawaroh dan M. M. Nizam, Jurusan
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian dilakukan di Pasar Bunga Rawabelong, Jakarta Barat yang merupakan Unit Pelaksana Teknis (UPT) Pusat Promosi dan Pemasaran Holtikultura
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini, peneliti akan memberikan penjelasan tentang teori metode backpropagation jaringan syaraf tiruan dan metode deret berkala ARIMA(Boxjenkins) sehingga dapat mempermudah
Lebih terperinciANALISIS PERAMALAN (Forecasting) PRODUKSI KARET (Hevea Brasiliensis) DI PT PERKEBUNAN NUSANTARA IX KEBUN SUKAMANGLI KABUPATEN KENDAL
Analisis Peramalan (Forecasting)... ANALISIS PERAMALAN (Forecasting) PRODUKSI KARET (Hevea Brasiliensis) DI PT PERKEBUNAN NUSANTARA IX KEBUN SUKAMANGLI KABUPATEN KENDAL Eko Setyawan, Renan Subantoro, Rossi
Lebih terperinciPEMODELAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE PADA DATA REDAMAN HUJAN DI SURABAYA. Nur Hukim
TE 091399 TUGAS AKHIR- 4 SKS PEMODELAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE PADA DATA REDAMAN HUJAN DI SURABAYA Oleh Nur Hukim Dosen Pembimbing Prof. Ir. Gamantyo Hendrantoro, M.Eng. Ph.D Ir. Achmad
Lebih terperinciPEMBANDINGAN METODE PENGHALUSAN EKSPONENSIAL GANDA DUA PARAMETER HOLT
PEMBANDINGAN METODE PENGHALUSAN EKSPONENSIAL GANDA DUA PARAMETER HOLT DAN METODE BOX-JENKINS PADA PERAMALAN DATA DERET WAKTU TREND (Studi Kasus Data Penumpang Bandara Juanda 2008-2016) (Skripsi) Oleh RASYD
Lebih terperinciBAB 2 LANDASAN TEORI. diperkirakan akan terjadi pada masa yang akan datang. Ramalan tersebut dapat
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi dimasa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan
Lebih terperinciSTUDI PERAMALAN (FORECASTING) KURVA BEBAN HARIAN LISTRIK JANGKA PENDEK MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE(ARIMA)
Vol: 2 No.1 Maret 213 ISSN : 232-2949 STUDI PERAMALAN (FORECASTING) KURVA BEBAN HARIAN LISTRIK JANGKA PENDEK MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE(ARIMA) Syafii, dan Edyan Noveri
Lebih terperinciPeramalan Jumlah Kunjungan Wisatawan Mancanegara (Wisman) ke Bali Tahun 2019: Metode ARIMA
JEKT 8 [2] : 136-141 ISSN : 2301-8968 Peramalan Jumlah Kunjungan Wisatawan Mancanegara (Wisman) ke Bali Tahun 2019: Metode ARIMA Rukini *) Putu Simpen Arini Esthisatari Nawangsih Badan Pusat Statistik
Lebih terperinciPeramalan (Forecasting)
Peramalan (Forecasting) Peramalan (forecasting) merupakan suatu proses perkiraan keadaan pada masa yang akan datang dengan menggunakan data di masa lalu (Adam dan Ebert, 1982). Awat (1990) menjelaskan
Lebih terperinciBAB II LANDASAN TEORI. nonstasioneritas, Autocorrelation Function (ACF) dan Parsial Autocorrelation
BAB II LANDASAN TEORI Pada Bab II akan dijelaskan pengertian-pengertian dasar yang digunakan sebagai landasan pembahasan pada bab selanjutnya yaitu peramalan data runtun waktu (time series), konsep dasar
Lebih terperinciPENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI)
PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) Liana Kusuma Ningrum dan Winita Sulandari, M.Si. Jurusan Matematika,
Lebih terperinciPeramalan Kecepatan Angin Di Kota Pekanbaru Menggunakan Metode Box-Jenkins
Peramalan Kecepatan Angin Di Kota Pekanbaru Menggunakan Metode Box-Jenkins Ari Pani Desvina 1, Melina Anggriani 2,2 Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau Jl. HR.
Lebih terperinciMetode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api
Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api Efek Variasi Kalender dengan Pendekatan Regresi Time Series Nur Ajizah 1, Resa Septiani Pontoh 2, Toni Toharudin 3 Mahasiswa Program
Lebih terperinciPERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER
PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER I Ketut Putra Adnyana 1, I Wayan Sumarjaya 2, I Komang Gde Sukarsa 3 1 Jurusan Matematika, Fakultas FMIPA
Lebih terperinciPERBANDINGAN PERAMALAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING HOLT- WINTERS DAN ARIMA
PERBANDINGAN PERAMALAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING HOLT- WINTERS DAN ARIMA Skripsi disusun sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains Program Studi Matematika oleh Tias
Lebih terperinciPENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. APPLICATION OF ARIMA TO FORECASTING STOCK PRICE OF PT. TELOKM Tbk.
PENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. Djoni Hatidja ) ) Program Studi Matematika FMIPA Universitas Sam Ratulangi, Manado 955 email: dhatidja@yahoo.com ABSTRAK Penelitian ini
Lebih terperinciPERAMALAN STOK BARANG UNTUK MEMBANTU PENGAMBILAN KEPUTUSAN PEMBELIAN BARANG PADA TOKO BANGUNAN XYZ DENGAN METODE ARIMA
PERAMALAN STOK BARANG UNTUK MEMBANTU PENGAMBILAN KEPUTUSAN PEMBELIAN BARANG PADA TOKO BANGUNAN XYZ DENGAN METODE ARIMA Tanti Octavia 1), Yulia 2), Lydia 3) 1) Program Studi Teknik Industri, Universitas
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Curah Hujan Curah hujan adalah jumlah air yang jatuh di permukaan tanah datar selama periode tertentu yang diukur dengan satuan tinggi milimeter (mm) di atas permukaan horizontal.
Lebih terperinciMODEL TERBAIK ARIMA DAN WINTER PADA PERAMALAN DATA SAHAM BANK
MODEL TERBAIK ARIMA DAN WINTER PADA PERAMALAN DATA SAHAM BANK Moh. Yamin Darsyah 1, Muhammad Saifudin Nur 2 1,2 Progam Studi Statistika Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Muhammadiyah
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK
BAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK 3.1 Metode Pemulusan Eksponensial Holt-Winter Metode rata-rata bergerak dan pemulusan Eksponensial dapat digunakan untuk
Lebih terperinci