BAB METODOLOGI. Bab 2 Metodologi berisikan :

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB METODOLOGI. Bab 2 Metodologi berisikan :"

Transkripsi

1 BAB METODOLOGI Bab Meodologi berisika :.. Pegambila Sampel.. Peramala Nilai Iflasi melalui Ideks Harga Kosume Megguaka Meode ARIMA.3. Akumulasi Prese Value melalui Buga Sederhaa dalam Perhiuga Harga Barag Peyusua Buku Sadar Biaya Belaja Barag da Jasa Upad Tahu Aggara 0 Halama-5

2 .. PENGAMBILAN SAMPEL Pegambila sampel secara saisik aka meyakika kia bahwa iformasi yag erkumpul diperoleh dari jumlah yag sigifika erhadap populasiya. Pegambila sampel mejadi peig, karea dalam bayak kasus peelii idak mugki megamai seluruh aggoa populasi karea beberapa hal beriku ii.. sumber daya yag dimiliki erbaas. Sumber daya yag dimaksud adalah waku, eaga, da daa. Dega keerbaasa yag dihadapi dalam melakuka peeliia, seorag peelii diharuska megambil sampel pegamaa agar ia dapa meyelesaika peeliiaya.. idak mugki dapa megamai seluruh aggoa populasi Misalka seorag peelii dimia megamai kosume dari suau produk X yag ersebar diseluruh Idoesia. Maka idak mugki peelii ersebu dapa megamai semua kosume peggua produk X. Uuk kasus seperi ii, peelii diharuska megambil sebagia dari kosume produk X yag dapa mewakili keseluruha kosume. 3. sebagia pegamaa bersifa merusak Bagaimaa jadiya apabila uuk meguji bahwa jeruk yag aka kia beli memiliki rasa yag mais, kia harus mecoba erlebih dahulu jeruk-jeruk yag dijual pedagag? Melalui ilusrasi ersebu saga jelas bahwa sesus idak dapa dilakuka pada kasus di aas. Uuk memeriksa rasa dari jeruk yag dijual pedagag, cukup diambil sebagia saja uuk diuji. Selajuya, krieria dari daa (sampel) yag baik adalah sebagai beriku: () objekif, maksudya bahwa sampel yag erkumpul harus sesuai dega keadaa yag sebearya, Peyusua Buku Sadar Biaya Belaja Barag da Jasa Upad Tahu Aggara 0 Halama-6

3 () represeaive, maksudya bahwa sampel yag erkumpul harus dapa mewakili objek yag diamai, (3) sadard error yag kecil, maksudya adalah igka keeliia dari proses medapaka sampel harus iggi aau dega kaa lai kesalaha proses pegambila sampel kecil, (4) releva, ariya sampel yag erkumpul harus memiliki hubuga aau keerkaia dega masalah yag aka diselesaika. Proses pegambila sampel dalam kegia ii aka megguaka ekik probabiliy samplig dapa didefiisika sebagai beriku. Tekik probabiliy samplig adalah suau ekik meeuka jumlah sampel da pemiliha aggoa sampel dega memperkiraka kemugkia aau peluag dari seiap aggoa populasi yag erpilih mejadi aggoa sampel. Dalam ekik probabiliy samplig, pegambila sampel dilakuka secara objekif, dalam aria sampel yag erpilih idak didasarka semaa-maa pada keigia peelii, eapi seiap aggoa populasi memiliki kesempaa/peluag yag sama uuk dapa erpilih sebagai sampel. Dega demikia diharapka sampel yag erpilih adi dapa diguaka uuk mempelajari prilaku populasi secara objekif pula. Disampig iu beberapa meode probabiliy samplig yag dipelajari aka dapa memperkiraka besarya ilai bias da juga variasi dari aggoa populasi. Selai iu, uuk dapa megguaka probabiliy samplig dibuuhka keragka sampel (samplig frame) yaki suau dafar dari ui-ui samplig dalam ragka medapaka respode dega peluag yag elah dikeahui sebelumya. Tekik probabiliy samplig yag diguaka dalam kegiaa ii adalah Simple Radom Samplig. Meode simple radom samplig merupaka sebuah racaga samplig yag palig sederhaa diijau dari proses sampligya maupu dari beuk rumusa aalisisya. Peyusua Buku Sadar Biaya Belaja Barag da Jasa Upad Tahu Aggara 0 Halama-7

4 Pearika sampel acak secara sederhaa (simple radom samplig) dapa diguaka apabila populasi yag diamai memiliki sifa homoge (aau hampir sama sau sama lai karakerisikya) sera seiap respode memiliki kemugkia yag sama uuk dapa erpilih mejadi sampel, sebagai cooh proses pemiliha sampel dari jeis pekerjaa. Pegambila sampel melalui meode ii memiliki beberapa kelebiha, seperi () prosedur pemiliha sampel mudah uuk dilaksaaka () idak memerluka proses pegolaha sampel yag rumi. Teapi disisi lai beberapa kelemaha dari pegguaa meode ii adalah () memerluka biaya yag cukup bayak, () waku pegamaa ergolog lama, (3) memugkika muculya samplig error yag iggi, da (4) peelii diharuska uuk membua keragka sampel (yaki dafar semua ui samplig yag aka diamai) erlebih dahulu. Proses pemiliha aggoa sampel melalui meode ii dapa dilakuka melalui () pearika udia, Pearika udia dapa dilakuka dega memberika omor pada keras sebayak aggoa populasi (mirip dega arisa). Kemudia dilakuka pegudia sau per sau apa megembalika omor yag elah erambil, demikia seerusya higga diperoleh jumlah yag sesuai dega ukura sampel yag dieuka. () pearika melalui abel bilaga acak (radom able), aau Apabila diguaka abel bilaga acak sebagai cara pemiliha sampel, maka pilihlah secara acak baris da kolom dari abel bilaga acak sebagai acua Peyusua Buku Sadar Biaya Belaja Barag da Jasa Upad Tahu Aggara 0 Halama-8

5 dega cara memejamka maa ada da guaka baua elujuk ada uuk memilih salah sau agka (yag selajuya diguaka sebagai agka acua). Kemudia guaka abel bilaga acak uuk memilih aggoa sampel sesuai dega ukura sampel yag diigika (dimaa sebelumya seiap ui elah berilah omor, misalya uuk populasi berukura 00, berilah peomora dari 00 s/d 00). (3) cara ordial/sisemais. Pemiliha aggoa sampel secara sisemais/ordial adalah suau proses pearika aggoa populasi dega sisemaika ereu, cooh uuk meeuka 0 aggoa sampel dari 00 buah ui, dapa dieuka semua aggoa dega omor kelipaa 5 yaki 5, 0, 5, 0, 5,..., 00 aau diambil respode dega omor uru gajil saja, dll... PERAMALAN NILAI INFLASI MELALUI INDEKS HARGA KONSUMEN MENGGUNAKAN METODE ARIMA... Pedahulua Ideks Harga Kosume (IHK) adalah agka yag memberika iformasi megeai perkembaga raa-raa perubaha harga sekelompok eap barag aau jasa dalam suau kuru waku ereu. Dewasa ii bayak meode peramala yag diguaka, diaaraya ARIMA (Auoregressive Iegraed Movig Average). ARIMA sebagai suau meode peramala yag memugkika peggabuga kosep model regresi yag dikeal dega Auoregressio (AR) dega meode peghalusa Movig Average (MA). Meode ARIMA dapa megaalisis daa yag megadug pola musima maupu red. Meode ii haya megaalisis daa yag sasioer, sehigga daa yag idak sasioer harus disasioerka erlebih dahulu dega rasformasi aau pembedaa. Peyusua Buku Sadar Biaya Belaja Barag da Jasa Upad Tahu Aggara 0 Halama-9

6 Peramala dega megguaka Model ARIMA erdiri dari iga lagkah dasar, yaiu :. Tahap ideifikasi model. Tahap peaksira parameer da pegujia diagosik model 3. Tahap pemiliha model erbaik da peramala Tahap. Ideifikasi Perumusa model umum Peeapa model semeara Tahap. Peaksira da pegujia Peaksira parameer pada model semeara Tidak Pegujia diagosik Ya Tahap 3. Model erbaik Guaka model uuk peramala Gambar. Tahapa peramala dega megguaka meode ARIMA Peyusua Buku Sadar Biaya Belaja Barag da Jasa Upad Tahu Aggara 0 Halama-0

7 Tahap ideifikasi dilakuka dega merumuska model umum yag mugki diguaka yag selajuya dieapka sebagai model semeara da dilakuka peaksira parameer pada model semeara ersebu. Keika ilai parameer sudah diaksir maka perlu dilakuka pegujia diagosik uuk meguji apakah model semeara yag diambil sudah memadai aau belum. Jika eryaa model semeara idak memadai maka dilakuka loopig dega merumuska model semeara yag lai. Jika model semeara sudah memadai maka model ersebu dieapka sebagai model erbaik yag aka diguaka dalam peramala. Keiga ahapa ii dapa digambarka pada Gambar..... Ideifikasi Model. Plo ime series Dalam melakuka ideifikasi erhadap model, ahap perama yag perlu dilakuka adalah meliha ime series plo dari daa. Dari plo daa ersebu aka erliha bagaimaa pola dari daa sehigga dapa memberika iformasi awal misalka daa membeuk red, musima dll. Dari plo ime series daa dapa erliha apakah daa ersebu sasioer aau idak. Jika plo daa ersebu membeuk suau pola ereu maka daa ersebu idak sasioer, sedagka daa disebu sasioer jika pola peyebara daa membeuk suau pola acak. Hal yag perlu diperhaika adalah bahwa kebayaka dere berkala bersifa osasioer da bahwa aspek-aspek AR da MA dari model ARIMA haya berkeaa dega dere berkala yag sasioer. Sasioerias berari idak erdapa perumbuha aau peurua pada daa. Daa secara kasarya harus horizoal sepajag sumbu waku. Dega kaa lai, flukuasi daa berada di sekiar suau ilai raa-raa yag kosa, idak ergaug pada waku da varias dari flukuasi ersebu pada pokokya eap kosa seiap waku. Suau dere waku yag idak sasioer harus diubah mejadi daa sasioer dega melakuka differecig. Yag dimaksud dega differecig adalah meghiug perubaha aau selisih ilai observasi. Nilai selisih yag diperoleh dicek lagi apakah sasioer aau idak. Jika belum sasioer maka dilakuka differecig lagi. Jika varias idak sasioer, maka dilakuka rasformasi logarima. Peyusua Buku Sadar Biaya Belaja Barag da Jasa Upad Tahu Aggara 0 Halama-

8 . Fiig model Fiig model dilakuka uuk medapaka dugaa model semeara yag sesuai dega daa. Pedugaa model semeara dilakuka melalui plo ACF (Auocorrelaio Fucio) da PACF (Parial Auocorrelaio Fucio). Dari hasil Plo ACF da PACF dapa dieuka model semeara yag diguaka, model ersebu dapa berbeuk model Auoregressive Model (AR), model Movig Average Model (MA), model ARMA aau model ARIMA. ) Auoregressive Model (AR) Beuk umum model auoregressive dega ordo p (AR(p)) aau model ARIMA (p,0,0) diyaaka sebagai beriku: φ + φ φ + a p p () dimaa: φ p parameer auoregresif ke-p a ilai kesalaha pada saa ) Movig Average Model (MA) Beuk umum model movig average ordo q (MA(q)) aau ARIMA (0,0,q) diyaaka sebagai beriku: a θ a θ a... θ a q q () dimaa: θsampai θ q parameer- parameer movig average a -q ilai kesalaha pada saa -q 3) Model campura a. Proses ARMA Model umum uuk campura proses AR() muri da MA() muri, misal ARIMA (,0,) diyaaka sebagai beriku: φ + a θa (3) Peyusua Buku Sadar Biaya Belaja Barag da Jasa Upad Tahu Aggara 0 Halama-

9 aau ( φb) ( θb) a AR() MA() (4) b. Proses ARIMA Apabila osasioerias diambahka pada campura proses ARMA, maka model umum ARIMA (p,d,q) erpeuhi. Persamaa uuk kasus sederhaa ARIMA (,,) adalah sebagai beriku: ( B) ( φb) ( θb) a perbedaa perama AR() MA() (5) Dega B adalah operaor shif mudur...3. Peaksira Parameer Peaksira parameer dilakuka uuk medapaka ilai dugaa dari parameer model. Peaksira ii dapa dilakuka dega meode Maximum Likelihood Esimaio (MLE)...4. Diagosik model dalam proses diagosik model dilakuka pemeriksaa kecocoka asumsi-asumsi dari residual (a ). Asumsi dasar ersebu adalah residual harus bersifa whie-oise, ariya residual ersebu bersifa : Radom (acak), hal ii diidikasika dega plo residual yag berbeuk acak. Ragam bersifa homoge, diidikasika dega plo residual da fi daa yag berbeuk acak. Peyusua Buku Sadar Biaya Belaja Barag da Jasa Upad Tahu Aggara 0 Halama-3

10 Meyebar ormal, diidikasika dega plo peluag ormal yag membeuk pola garis lirus (liear) Pemeriksaa whie-oise juga dilakuka melalui pemeriksaa ACF da PACF residual yag idaka memiliki lag sigifika da meyebar acak. Pemeriksaa kecocoka asumsi dari residual selai dilakuka secara visual dega plo residual dapa pula dilakuka pemeriksaa secara formaal melalui uji saisik sebagai beriku : ) Uji Q Box da Pierce: ) Uji Ljug-Box: Q m r k k (6) m rk Q ( + ) ( k) dimaa: ukura sampel m lag waku maksimum r k auokorelasi uuk ime lag,, 3, 4,..., k Krieria pegujia: k (7) Jika Jika Q χ ( α, db) ( α, db), berari ilai error bersifa radom (model dapa dierima). Q χ, berari: ilai error idak bersifa radom (model idak dapa dierima). dega deraja bebas (db) (k-p-q)..5. Pemiliha Model Terbaik Uuk meeuka model yag erbaik dapa diguaka sadard error esimae beriku: Peyusua Buku Sadar Biaya Belaja Barag da Jasa Upad Tahu Aggara 0 Halama-4

11 Peyusua Buku Sadar Biaya Belaja Barag da Jasa Upad Tahu Aggara 0 Halama-5 ) ( p p Y Y SSE S (8) dimaa: Y ilai sebearya pada waku ke- Y ilai dugaa pada waku ke- Model erbaik adalah model yag memiliki ilai sadard error esimae (S) yag palig kecil. Selai ilai sadard error esimae, ilai raa-raa persease kesalaha peramala (MAPE) dapa juga diguaka sebagai baha perimbaga dalam meeuka model yag erbaik yaiu: 00% ) x T Y Y Y MAPE T (9) dimaa: T bayakya periode peramala/dugaa...6. Peramala Dega Model ARIMA Noasi yag diguaka dalam ARIMA adalah oasi yag mudah da umum. Misalka model ARIMA (0,,) dijabarka sebagai beriku: ) ( ) ( a B B θ (0)

12 Teapi uuk megguakaya dalam peramala megharuska dilakuka suau pejabara dari persamaa ersebu da mejadikaya sebuah persamaa regresi yag lebih umum uuk model diaas beukya adalah: θ + a a () Uuk meramalka sau periode ke depa, yaiu X + maka seperi pada persamaa beriku: θ + + a+ a ().3. AKUMULASI PRESENT VALUE MELALUI BUNGA SEDERHANA DALAM PERHITUNGAN HARGA BARANG Perhiuga harga barag dalam kegiaa ii aka dieuka melalui rumusa akumulasi prese value beriku ii: P ( + + a θ a ) (3) P + dega: P meyaaka harga barag pada bula ke- P meyaaka harga barag maksimum pada awal bula pegamaa i meyaaka ilai iflasi barag berdasarka peramala IHK meyaaka bula pegamaa ke- Peyusua Buku Sadar Biaya Belaja Barag da Jasa Upad Tahu Aggara 0 Halama-6

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

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

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi. . Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis

Lebih terperinci

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala

Lebih terperinci

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data III. METODE KAJIAN 1. Lokasi da Waku Lokasi kajia berempa uuk kelompok dilaksaaka di kelompok peeraka sapi di Bagka Tegah, Provisi Bagka Beliug, da Kelompok Peeraka Sapi di Cisarua, Bogor, Provisi Jawa

Lebih terperinci

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

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

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara Uiversias Sumaera Uara BAB 2 LANDASAN TEORI Ladasa eori ii merupaka hasil dari ijaua lieraur-lieraur yag ada kaiaya dega meode-meode peramala maupu dega koeks laiya dalam peulisa Tugas Akhir ii. Adapu

Lebih terperinci

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Prosidig SPMIPA. pp. 57-6. 6 ISBN : 979.74.47. PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Sri Rahayu, Taro Jurusa Maemaika FMIPA UNDIP Semarag Jl. Prof. Soedaro, Kampus UNDIP Tembalag,

Lebih terperinci

V. PENGUJIAN HIPOTESIS

V. PENGUJIAN HIPOTESIS V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska

Lebih terperinci

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Bulei Ilmiah Ma.Sa. da Terapaya (Bimaser) Volume 06, No. (07), hal -0. MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Ermawai, Helmi, Frasiskus

Lebih terperinci

TUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI

TUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI MODEL TIME SERIES UNTUK PERAMALAN TINGKAT PENJUALAN JENIS BAHAN BAKAR MINYAK (BBM) DI STASIUN PENGISIAN BAHAN BAKAR UNTUK UMUM (SPBU) ARIFIN ACHMAD-PEKANBARU TUGAS AKHIR Diajuka sebagai Salah Sau Syara

Lebih terperinci

Rumus-rumus yang Digunakan

Rumus-rumus yang Digunakan Saisika Uipa Surabaya 4. Sampel Tuggal = Rumus-rumus yag Diguaka s..... Sampel berkorelasi D D N N N...... 3. Sampel Bebas a. Uuk varias sama... 3 aau x x s g... 4 b. Sampel Heeroge Guaka Uji Corha - Cox

Lebih terperinci

BAB III TINJAUAN PUSTAKA

BAB III TINJAUAN PUSTAKA BAB III TINJAUAN PUSTAKA 3.1. Defiisi Peramala Peramala adalah proses uuk memperkiraka berapa bayak kebuuha dimasa medaag yag melipui kebuuha dalam ukura kuaias, kualias, waku da lokasi yag dibuuhka dalam

Lebih terperinci

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

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala Meode peramala merupaka bagia dari ilmu Saisika. Salah sau meode peramala adalah dere waku. Meode ii disebu sebagai meode peramala dere waku karea memiliki kareserisik

Lebih terperinci

Jurnal Rekursif, Vol. 3 No. 1 Maret 2015, ISSN

Jurnal Rekursif, Vol. 3 No. 1 Maret 2015, ISSN Jural Rekursif, Vol 3 No Mare 05, ISSN 303-0755 PERBANDINGAN KEAKURATAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DAN EPONENTIAL SMOOTHING PADA PERAMALAN PENJUALAN SEMEN DI PT SINAR ABADI

Lebih terperinci

MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR

MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais Pada Jurusa Maemaika Oleh :

Lebih terperinci

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di 8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,

Lebih terperinci

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) .   Definisi L.2 (Kejadian lepas ) 33 LAMPIRAN 34 35 Beberapa Defiisi Ruag Cooh Kejadia da Peluag Suau percobaa yag dapa diulag dalam kodisi yag sama, yag hasilya idak dapa diprediksi dega epa eapi kia bisa megeahui semua kemugkia hasil

Lebih terperinci

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov BAB II TEORI DASAR. Proses Sokasik Raai Markov Proses sokasik merupaka suau cara uuk mempelajari hubuga yag diamis dari suau ruua perisiwa aau proses yag kejadiaya bersifa idak pasi. Dalam memodelka perubaha

Lebih terperinci

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER STATISTIK CUKUP Oleh: Ramayai Rizka M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula

Lebih terperinci

Prediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki

Prediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki JURNAL SAINS DAN SENI POMITS Vol. 3, No., (4) 337-35 (3-98X Pri) D-34 Sepeda Moor Merek X Di Kabupae Da Koamadya Malag Dega Meode Peramala Hierarki Rika Susai, Desri Susilaigrum, da Suharoo Jurusa Saisika,

Lebih terperinci

BAB V METODE PENELITIAN

BAB V METODE PENELITIAN 31 BAB V METODE PENELITIAN 5.1 Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Sukaagara, Kabupae Ciajur. Pemiliha lokasi peeliia dilakuka secara segaja (purposive samplig) dega memperimbagka aspek

Lebih terperinci

ARIMA (Autoregressive Integrated Moving Average)

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

Lebih terperinci

BAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang.

BAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang. BAB 3 LANDASAN TEORI 3. Peramala 3.. Defiisi Peramala Peramala adalah perkiraa probabilisik aau peggambara dari ilai aau kodisi di masa depa. Asumsi yag umum dipakai dalam peramala adalah pola masa lampau

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii merupaka peeliia kuaiaif dega megguaka meode eksperime. Desai peeliia ii megguaka ru experime desig beuk desai poses oly corol desig yaki meempaka

Lebih terperinci

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan 30 B A B III METODE PENELITIAN 3. Peeapa Lokai da Waku Peeliia Objek peeliia dalam peeliia ii adalah megaalii perbadiga harga jual produk melalui pedekaa arge pricig dega co-plu pricig pada oko kue yag

Lebih terperinci

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS Modul ke: 06Fakulas EKONOMI DAN BISNIS EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI Program Sudi Akuasi Idik Sodiki,SE,MBA,MM Krieria Kepuusa Ivesasi aau Pegaggara Modal o Beberapa krieria yag aka diperguaka

Lebih terperinci

BAB II TINJAUAN PUSTAKA. pengantar metode ARIMA Box Jenkins dan analisis spektral.

BAB II TINJAUAN PUSTAKA. pengantar metode ARIMA Box Jenkins dan analisis spektral. BAB II TINJAUAN PUSTAKA. Pedahulua Pada Bab II aka dijelaska pegeria pegeria da eori dasar yag diguaka sebagai ladasa pembahasa pada bab selajuya. Teori yag aka dibahas pada Bab II ii secara garis besar

Lebih terperinci

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne

Lebih terperinci

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN PERENCNN JUMLH PRODUK MENGGUNKN METODE FUZZY MMDNI BERDSRKN PREDIKSI PERMINTN Nama Mahasiswa : Norma Edah Haryai NRP : 1207 100 031 Jurusa : Maemaika FMIP-ITS Dose Pembimbig : Drs. I G N Rai Usadha, M.Si

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii ergolog peeliia komparasioal, yaiu peeliia yag dilaksaaka uuk megeahui ada idakya perbedaa aar variabel yag sedag dielii. Jika perbedaa iu memag

Lebih terperinci

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN Nomi Kelari *, Hasriai 2, Musraii 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua

Lebih terperinci

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN 085-789 Peramala Jumlah Peduduk Koa Samarida Dega Megguaka Meode Pemulusa Ekspoesial Gada da Tripel Dari Brow Forecasig he Populaio of he Ciy of Samarida

Lebih terperinci

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori

Lebih terperinci

MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012

MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012 MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012 Julia Nahar 1 1 Uiversias Padjadjara, Jala Raya Badug-Sumedag km 21,Jaiagor

Lebih terperinci

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

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

Lebih terperinci

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka

Lebih terperinci

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Widya Tekika Vol.18 No.2; Okober 2010 ISSN 1411 0660: 1-6 Absrak STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Arie Resu Wardhai 1), Salvador Mauel Pereira 2) Perusahaa sepau da sadal House of Mr.

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital isim Komuikasi 1 Peremua 5 Koversi Aalog ke Digial Murik Alayrus Tekik Elekro Fakulas Tekik, UMB murikalayrus@yahoo.com 1 Base Ba Moulaio Paa bagia sebelum kia meapaka siyal koiyu erhaap waku, misalyasiyalm(),

Lebih terperinci

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o ANALII BEDA Fx. ugiyao da Agus usworo Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg Meguji apakah erdapa perbedaa yg sigifika

Lebih terperinci

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2 METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA Roki Nuari *, Aziskha, Edag Lily Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas

Lebih terperinci

MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dadan Kusnandar, Naomi Nessyana Debataraja

MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dadan Kusnandar, Naomi Nessyana Debataraja Bulei Ilmiah Mah. Sa. da Terapaya (Bimaser) Volume 07, No. (018), hal 77 84. MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dada Kusadar, Naomi Nessyaa

Lebih terperinci

PENGUJIAN HIPOTESIS DUA RATA-RATA

PENGUJIAN HIPOTESIS DUA RATA-RATA PENGUJIN HIPOTEI DU RT-RT Pegujia hipoesis dua raa-raa diguaka uuk membadigka dua keadaa aau epaya dua populasi. Misalya kia mempuyai dua populasi ormal masig-masig dega raa-raa µ da µ sedagka simpaga

Lebih terperinci

PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR. Oleh:

PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR. Oleh: PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR Diajuka sebagai Salah Sau Syara uuk Memperoleh Gelar Sarjaa Sais pada Jurusa Maemaika

Lebih terperinci

B. DESKRIPSI SINGKAT MATA KULIAH

B. DESKRIPSI SINGKAT MATA KULIAH A. IDENTITAS MATA KULIAH Nama Maa Kuliah : Kalkulus 1 Kode Maa Kuliah : MUG1A4 SKS : 4 (empa) Jeis : Maa kuliah wajib Jam pelaksaaa : Taap muka di kelas = 4 jam per peka Tuorial/ resposi Semeser / Tigka

Lebih terperinci

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA Achmad Samudi, M.Pd. JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA 6. MENGUJI PROPORSI π : UJI DUA PIAK Mialka kia mempuyai populai biom dega propori periiwa A π Berdaarka ebuah ampel

Lebih terperinci

BAB II KAJIAN PUSTAKA. dalam waktu (Hanke&Winchern, 2005: 58). Metode time series adalah metode

BAB II KAJIAN PUSTAKA. dalam waktu (Hanke&Winchern, 2005: 58). Metode time series adalah metode BAB II KAJIAN PUSTAKA A. Time Series Time series aau ruu wau adalah himpua observasi daa eruru dalam wau (Hae&Wicher, 005: 58). Meode ime series adalah meode peramala dega megguaa aalisa pola hubuga aara

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Ruag sampel da Kejadia Defiisi Himpua semua hasil yag mugki dari suau percobaa disebu ruag sampel da diyaaka dega S Mogomery, 2004: 7. Tiap hasil dari ruag sampel disebu usur aau

Lebih terperinci

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

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

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN 29 IV. METODE PENELITIAN 4.1. Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Pamijaha, Kabupae Bogor, Provisi Jawa Bara. Pemiliha lokasi peeliia dilakuka secara segaja (purposive) dega perimbaga

Lebih terperinci

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

METODOLOGI. Waktu dan Tempat. Alat dan Bahan

METODOLOGI. Waktu dan Tempat. Alat dan Bahan METODOLOGI Waku da Tempa Peeliia merupaka desk sudy dega megguaka daa sekuder da pegolaha daa dilakuka di Laboraorium Klimaologi Depareme Geofisika da Meeorologi, Fakulas Maemaika da Ilmu Pegeahua Alam,

Lebih terperinci

Pemodelan Indeks Harga Saham Gabungan (IHSG), Kurs, dan Harga Minyak Dunia dengan Pendekatan Vector Autoregressive

Pemodelan Indeks Harga Saham Gabungan (IHSG), Kurs, dan Harga Minyak Dunia dengan Pendekatan Vector Autoregressive JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 0) ISSN: 30-98X D-87 Pemodela Ideks Harga Saham Gabuga (IHSG), Kurs, da Harga Miyak Duia dega Pedekaa Vecor Auoregressive Dimas Okky.S da Seiawa Jurusa Saisika,

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro ANALII BEA Agus usworo wi Marhaedro Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg sigifika di aara kelompok-kelompok Tekik

Lebih terperinci

TINGKAT PENJUALAN SEPEDA MOTOR SUZUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES

TINGKAT PENJUALAN SEPEDA MOTOR SUZUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES FORECASTING TINGKAT PENJUALAN SEPEDA MOTOR SUUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES AUTOREGRESSIVE TUGAS AKHIR Diajuka sebagai Salah Sau Syara uuk Memperoleh

Lebih terperinci

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel. II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.

Lebih terperinci

Peramalan Temperatur Udara di Kota Surabaya dengan Menggunakan ARIMA dan Artificial Neural Network

Peramalan Temperatur Udara di Kota Surabaya dengan Menggunakan ARIMA dan Artificial Neural Network JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 202) ISSN: 230-928X D-8 Peramala Temperaur Udara di Koa Surabaya dega Megguaka ARIMA da Arificial Neural Nework Ali Machmudi da Brodol S. S. Ulama Jurusa Saisika,

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak BAB II TINJAUAN PUSTAKA. Peeliia Terdahulu Black da Scholes (973) meyaaka bahwa ilai ase megikui Gerak Brow Geomeri, dega drif μ (ekpekasi dari reur) da volailias σ (deviasi sadar dari reur). Berawal dari

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara 50.7 4.3770 6.7547 6.7547 4.4 48.6965 R4.7 36.3 N8 TOL 0..70 35.9497 36.3.99 50.7 94.338 6.89 3.5 6.75 7.567 36.0 6.4837 57.396 8.783 66.0384 5.337 37.006 3.568 PISAU POTONG AISI D SEPUH No Qy NAME MATERIAL

Lebih terperinci

IV. METODOLOGI PENELITIAN. mencakup penyusunan proposal hingga penyusunan draft skripsi dilaksanakan di

IV. METODOLOGI PENELITIAN. mencakup penyusunan proposal hingga penyusunan draft skripsi dilaksanakan di IV. METODOLOGI PENELITIAN 4.1 Lokasi da Waku Peeliia Peeliia yag dilakuka pada Bula Jauari higga Mei 2008 yag mecakup peyusua proposal higga peyusua draf skripsi dilaksaaka di empa kecamaa di Kabupae Garu,

Lebih terperinci

ALGORITMA DATA MINING

ALGORITMA DATA MINING ALGORITMA DATA MINING A. DECISION TREE. Kosep Decisio Tree Megubah daa mejadi poho kepuusa (decisio ree) da aura-aura kepuusa (rule). Sebagai cooh misalya igi membua aura yag dapa diguaka uuk meeuka apakah

Lebih terperinci

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA Laar Belakag Masalah Semaki berambah pesaya pembagua dibidag kosruksi maka meyebabka meigka pula kebuuha aka meerial-maerial

Lebih terperinci

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI Bulei Ilmiah Ma. Sa. da erapaya (Bimaser) Volume 4, No. (5), hal 7 6. PNYLSAIAN PRSAMAAN DIFRNSIAL PARSIAL LINAR DNGAN MNGGUNAKAN MOD RANSFORMASI LZAKI Noa Miari, Mariaul Kifiah, Helmi INISARI Persamaa

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

ρ = sehingga momen pertama dan kedua BAB 2 TEORI DASAR 2.1 Random Walk ρi = ε) = q= 1 p. Posisi suku bunga bergerak pada

ρ = sehingga momen pertama dan kedua BAB 2 TEORI DASAR 2.1 Random Walk ρi = ε) = q= 1 p. Posisi suku bunga bergerak pada BAB EORI DASAR Uuk meeuka ieres rae differeial, peulis aka membahas erlebih dahulu beberapa eori yag berkaia dega proses sokasik Pergeraka suau parikel yag bergerak secara acak aau disebu juga megikui

Lebih terperinci

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '.

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '. 6..MENURUNKAN FUNGSI IMPLISIT Padag y fugsi dari yag disajika dalam beuk implisi f (, y) 0. Turuaya y' didapa sebagai beriku: a. Jika mugki y diyaaka sebagai beuk eksplisi dari, lalu diuruka erhadap b.

Lebih terperinci

Distribusi Sampling (Distribusi Penarikan Sampel)

Distribusi Sampling (Distribusi Penarikan Sampel) Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi

Lebih terperinci

MODEL ARIMA(0,1,1) UNTUK PERAMALAN JUMLAH NASABAH PADA PT. PRUDENTIAL LIFE INSURANCE KOTA PEKANBARU TUGAS AKHIR

MODEL ARIMA(0,1,1) UNTUK PERAMALAN JUMLAH NASABAH PADA PT. PRUDENTIAL LIFE INSURANCE KOTA PEKANBARU TUGAS AKHIR MODEL ARIMA(0,,) UNTUK PERAMALAN JUMLAH NASABAH PADA PT. PRUDENTIAL LIFE INSURANCE KOTA PEKANBARU TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais pada Jurusa Maemaika Oleh:

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB TINJAUAN PUSTAKA Tijaua Pusaka Pegguaa meode peramala Forecasig elah dilakuka oleh berbagai macam peeliia dalam berbagai bidag eruama diguaka dalam memprediksi pejuala pada perusahaa Beriku dibawah

Lebih terperinci

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu: 4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap

Lebih terperinci

BAB IV METODOLOGI PENELITIAN

BAB IV METODOLOGI PENELITIAN 30 BAB IV METODOLOGI PENELITIAN 4.1 Beuk da Meode Peeliia Peeliia Opimalisasi da Sraegi Pemafaaa Souher Bluefi Tua di Samudera Hidia Selaa Idoesia diarahka pada upaya uuk megugkapa suau masalah aau keadaa

Lebih terperinci

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

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

Lebih terperinci

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ INTEGRL TK TENTU pecaha rasioal gusia Pradjaigsih, M.Si. Jurusa Maemaika FMIP UNEJ agusia.fmipa@uej.ac.id DEFINISI Fugsi suku bayak derajad dega bula o egaif 0 dimaa, 0 a a a a a P Fugsi kosa dipadag sbg

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 18 BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala ( Forecasig ) Peramala ( forecasig ) adalah kegiaa megisemasi apa yag aka erjadi pada masa yag aka daag. Peramala diperluka karea adaya perbedaa kesejaga waku

Lebih terperinci

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014. BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Pada penelitian ini, peneliti menetapkan objek pada anak kelompok B TK Damhil

BAB III METODOLOGI PENELITIAN. Pada penelitian ini, peneliti menetapkan objek pada anak kelompok B TK Damhil BAB III METODOLOGI PENELITIAN 3.1 Tempa da Waku Peeliia 3.1.1 Tempa Peeliia Pada peeliia ii, peelii meeapka objek pada aak kelompok B TK Damhil Kecamaa Koa elaa Koa Goroalo. Peeapa lokasi ersebu berdasarka

Lebih terperinci

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel)

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel) DISTRIBUSI SAMPLING (Distribusi Pearika Sampel) I. PENDAHULUAN Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

*Corresponding Author:

*Corresponding Author: Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena

BAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena 7 BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii merupaka jeis peelitia deskriptif-kuatitatif, karea melalui peelitia ii dapat dideskripsika fakta-fakta yag berupa kemampua siswa kelas VIII SMP

Lebih terperinci

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa 19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh

Lebih terperinci

BAB II TINJAUAN TEORITIS

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

Lebih terperinci

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

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

Lebih terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi. Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

PERAMALAN HARGA SAHAM SYARI AH RUPIAH EQUITY FUND PT. PRUDENTIAL LIFE INSURANCE PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR.

PERAMALAN HARGA SAHAM SYARI AH RUPIAH EQUITY FUND PT. PRUDENTIAL LIFE INSURANCE PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR. PERAMALAN HARGA SAHAM SYARI AH RUPIAH EQUITY FUND PT. PRUDENTIAL LIFE INSURANCE PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais pada

Lebih terperinci

PERAMALAN INFLASI MENGGUNAKAN PENDEKATAN GABUNGAN ANTARA FUNGSI TRANSFER DAN INTERVENSI DENGAN DETEKSI OUTLIER

PERAMALAN INFLASI MENGGUNAKAN PENDEKATAN GABUNGAN ANTARA FUNGSI TRANSFER DAN INTERVENSI DENGAN DETEKSI OUTLIER Semiar Hasil Tugas Akhir PERAMALAN INFLASI MENGGUNAKAN PENDEKATAN GABUNGAN ANTARA FUNGSI TRANSFER DAN INTERVENSI DENGAN DETEKSI OUTLIER TAHIRA ETA ADISTI (1309100108) Pembimbig: Dr. SUHARTONO, S. Si, M.

Lebih terperinci

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

Oleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes PERAMALAN INDEKS HARGA SAHAM YANG DIPENGARUHI KURS, PERUBAHAN INFLASI, POSISI JUMLAH DEPOSITO BERJANGKA, SUKU BUNGA SBI DAN DEPOSITO MENGGUNAKAN FUNGSI TRANSFER DAN ARCH-GARCH Oleh: TANTI MEGASARI 6 00

Lebih terperinci

PENDAHULUAN. Statistika penyajian DATA untuk memperoleh INFORMASI penafsiran DATA. Data (bentuk tunggal : Datum ) : ukuran suatu nilai

PENDAHULUAN. Statistika penyajian DATA untuk memperoleh INFORMASI penafsiran DATA. Data (bentuk tunggal : Datum ) : ukuran suatu nilai 1. Pegertia Statistika PENDAHULUAN Statistika berhubuga dega peyajia da peafsira kejadia yag bersifat peluag dalam suatu peyelidika terecaa atau peelitia ilmiah. Statistika peyajia DATA utuk memperoleh

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

BAB III FORMULA PENENTUAN HARGA OPSI ASIA

BAB III FORMULA PENENTUAN HARGA OPSI ASIA 3 BAB III FORMULA PEETUA HARA OPSI ASIA Pada Bab III ii aka dibahas megeai opsi Asia da aalisisya, di maa yag aka dibahas hayalah beberapa ipe opsi Asia, da erbaas pada eis Europea call saa. Jeis-eis opsi

Lebih terperinci

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosidig Semiar Nasioal Sais da Pedidika Sais IX, Fakulas Sais da Maemaika, UKSW Salaiga, Jui 4, Vol 5, No, ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN

Lebih terperinci