Implementasi Metode Time Series Arima dan Arimax pada Pemodelan Data Jumlah Permintaan Busana Muslim Anak di Perusahaan Habibah Busana
|
|
- Ridwan Kusuma
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Implementasi Metode Time Series Arima dan Arimax pada Pemodelan Data Jumlah Permintaan Busana Muslim Anak di Perusahaan Habibah Busana Dosen Pembimbing I : Wiwik Anggraeni, S.Si, M.Kom Dosen Pembimbing II : Retno Aulia Vinarti, S.Kom, M.Kom
2 1. Latar Belakang Dalam proses produksinya, Habibah Busana selalu merencanakan target jumlah produk yang harus diproduksi tiap bulannya secara manual (dengan melihat histori data penjualan periode sebelumnya). Jumlah permintaan busana muslim yang cenderung berubah-ubah dan tidak dapat diperkirakan jumlah pastinya, menyebabkan perencanaan yang telah dibuat tidak sesuai dengan kondisi nyata. Perkiraan jumlah permintaan busana muslim dapat membantu Habibah Busana untuk membuat perencanaan yang lebih efektif dan efisien. Habibah Busana membutuhkan metode yang tepat untuk menghasilkan peralaman jumlah permintaan produk berakurasi tinggi.
3 2. Rumusan Masalah Berapakah nilai ordo p, q, d, dan s yang digunakan pada model Arima untuk menghasilkan peramalan jumlah permintaan busana muslim anak dengan tingkat akurasi terbaik? Berapakah nilai ordo p, q, d, dan s yang digunakan pada model Arimax untuk menghasilkan peramalan jumlah permintaan busana muslim anak dengan tingkat akurasi terbaik? Variabel bebas apa saja yang dapat digunakan untuk menghasilkan peramalan dengan akurasi terbaik? Manakah diantara metode Arima dan Arimax yang lebih akurat digunakan untuk melakukan peramalan jumlah permintaan busana muslim anak?
4 3. Batasan Masalah Data yang digunakan merupakan data per bulan untuk permintaan busana muslim anak tipe setelan rok selama bulan Januari 2005 sampai bulan Desember Data yang akan diramalkan yaitu jumlah permintaan busana muslim anak tipe setelan rok untuk periode satu tahun berikutnya.
5 4. Tujuan Tugas Akhir Mengimplementasikan model peramalan dengan metode Arima untuk data jumlah permintaan busana muslim anak di Habibah Busana. Mengimplementasikan model peramalan dengan metode Arimax berbasis model variasi kalender untuk data jumlah permintaan busana muslim anak di Habibah Busana. Membandingkan hasil model peramalan terbaik yang diperoleh dari metode Arima dengan metode Arimax berbasis variasi kalender berdasarkan tingkat akurasinya. Memperoleh nilai ramalan jumlah permintaan busana muslim anak di Habibah Busana untuk periode satu tahun ke depan berdasarkan model dari metode yang terbaik.
6 5. Manfaat Tugas Akhir Bagi perusahaan, Dapat memberikan informasi yang lebih akurat kepada pihak Habibah Busana tentang model dan ramalan jumlah permintaan busana muslim anak pada tahun-tahun berikutnya. Habibah Busana akan mampu melakukan perencanaan serta pembuatan keputusan operasional yang lebih efektif dan efisien terkait dengan produksi busana muslim anak, khususnya dalam perencanaan order kain bulanan dan jumlah potong baju yang diproduksi. Bagi mahasiswa, Dapat mengimplementasikan metode Arima dan Arimax berbasis variasi kalender dalam bentuk java desktop application.
7 METODOLOGI TUGAS AKHIR
8 METODOLOGI TUGAS AKHIR
9 1. Analisis Data Data-data yang digunakan dibagi menjadi 2 kelompok data, yaitu : Data training. Berisi kumpulan data untuk analisis dan penetuan model. Terdiri dari data permintaan busana muslim anak Habibah Busana per. Januari 2005 s/d Desember 2011(N= 84). Data testing. Berisi kumpulan data yang digunakan untuk menguji keakuratan hasil peramalan model. Terdiri dari data permintaan busana muslim anak Habibah Busana per. Januari 2012 s/d Desember 2012 (N = 12).
10 1. Analisis Data (Cont d) Ada unsur musiman setiap 12 bulan, sehingga model Arima musiman dan Arimax musiman sesuai untk pemodelan Jumlah permintaan produk cenderung meningkat pada bulan-bulan tertentu adanya variasi kalender. Model variabel dummy untuk efek variasi kalender dapat ditambahkan pada metode Arimax musiman. Plot menunjukkan jumlah permintaan tertinggi terjadi satu bulan sebelum terjadinya hari raya Idul Fitri. Tahun 2005, jumlah permintaan tertinggi pada bulan Oktober. Tahun 2006, 2007, dan 2008, jumlah permintaan tertinggi terjadi pada bulan September. Tahun 2009, 2010, 2011, jumlah permintaan melonjak naik pada bulan Agustus. Tahun 2012, lonjakan jumlah permintaan terjadi bulan Juli.
11 2. Perancangan Sistem Input Perancangan Sistem Input untuk Metode Arima Data Training Data Testing Data seluruh jumlah permintaan produk
12 5. Perancangan Sistem Output Optimum Model Nilai AIC MAPE-in sample RMSE-in sample MAPE-out sample RMSE-out sample Tabel Data Hasil Training Process Tabel Data Hasil Testing Process Tabel Data Hasil Forecasting Process
13 7. Implementasi Sistem (Cont d) Tampilan Muka Metode Arima dan Arimax
14 1. Uji Coba dan Verifikasi Hasil Running Aplikasi menggunakan Metode Arima training process testing process forecasting process
15 2. Uji Coba dan Validasi Validasi pada Sistem yang mengimplementasikan Metode Arima Identifikasi Model Uji Stasioneritas Diff 1 Pendugaan ordo p dan q Sehingga, pendugaan sementara model Arima yang mungkin adalah (2, 1, 0) (0,1,0) 12
16 2. Uji Coba dan Validasi (Cont d) Validasi pada Sistem yang mengimplementasikan Metode Arima Peramalan Pendekatan in-sample Program SPSS Program Java MAPE 22.44% 12.48% RMSE Pendekatan out-sample Program SPSS Program Java MAPE 36.00% 17.30% RMSE
17 2. Uji Coba dan Validasi (Cont d) Validasi pada Sistem yang mengimplementasikan Metode Arima Perbandingan plot hasil Pendekatan in-sample metode Arima pada program SPSS dan Java Perbandingan plot hasil Pendekatan out-sample metode Arima pada program SPSS dan Java
18 2. Uji Coba dan Validasi (Cont d) Dari gambar perbandingan plot hasil proses training dan testing metode Arima pada program SPSS dan program Java, dapat diketahui bahwa terdapat perbedaan atau gap yang cukup besar diantara keduanya. Perbedaan ini dimungkinkan terjadi karena adanya faktor critical value yang ada pada program Java namun tidak terdapat pada program SPSS. Pada library JMSL class AutoArima yang digunakan untuk membangun program Java terdapat fungsi untuk mengeset critical value. Sehingga, dikarenakan SPSS merupakan statistic package yang sudah tersertifikasi, maka untuk melakukan validasi hasil proses training dan testing akan dilakukan percobaan pengesetan ulang critical value pada program Java untuk mendapatkan hasil dari proses training dan testing dari program Java yang mendekati hasil dari program SPSS.
19 2. Uji Coba dan Validasi (Cont d) Pengesetan ulang critical value pada program Java dilakukan menggunakan beberapa critical value yang berbeda yaitu sebesar 7.0, 8.5, dan 9.0. Adapun hasil dari proses training dan testing yang berupa nilai MAPE dan RMSE dari masing-masing nilai critival value tersebut akan ditunjukkan pada berikut ini. SPSS Program Java dengan Critical value >=9.0 Mape in-sample 22.44% % % 23.01% RMSE in-sample Mape out-sample 36 % % % % RMSE out-sample Dari table, dapat diketahui bahwa critical value yang menghasilkan nilai MAPE dan RMSE yang paling mendekati dengan nilai MAPE dan RMSE dari SPSS yaitu critical value sebesar 9.0 dan diatas 9.0. Sehingga, berdasarkan nilai MAPE dan RMSE yang dihasilkan dari proses traning dan testing dengan bantuan software SPSS 17 dan yang dihasilkan dari program java, maka tetap dapat disimpulkan bahwa program telah valid karena nilai MAPE dan RMSEnya hampir sama (mendekati).
20 2. Uji Coba dan Validasi (Cont d) Dari gambar perbandingan plot hasil proses training dan testing metode Arimax pada program SPSS dan program Java, dapat diketahui bahwa terdapat perbedaan atau gap yang cukup besar diantara keduanya. Perbedaan ini dimungkinkan terjadi karena adanya faktor critical value yang ada pada program Java namun tidak terdapat pada program SPSS. Pada library JMSL class AutoArima yang digunakan untuk membangun program Java terdapat fungsi untuk mengeset critical value. Sehingga, dikarenakan SPSS merupakan statistic package yang sudah tersertifikasi, maka untuk melakukan validasi hasil proses training dan testing akan dilakukan percobaan pengesetan ulang critical value pada program Java. Pengesetan ulang critical value pada program Java dilakukan menggunakan beberapa critical value yang berbeda yaitu sebesar 2.0, 2.5, dan 4.0
21 KESIMPULAN 1. Model Arima paling optimal yang dapat digunakan untuk meramalkan jumlah permintaan busana muslim tipe setelan rok ini adalah model Arima dengan ordo p=2, d=1, q=0 dan s=12. Pada process training, implementasi model Arima menggunakan JMSL Numerical Library menghasilkan peramalan dengan tingkat akurasi yang baik yaitu nilai MAPE sebesar % dan RMSE sebesar Sementara itu, pada process testing, dihasilkan peramalan dengan tingkat akurasi yang baik yaitu nilai MAPE sebesar dan RMSE sebesar Model Arimax paling optimal yang dapat digunakan untuk meramalkan jumlah permintaan busana muslim tipe setelan rok ini adalah model Arimax dengan ordo p=3, d=1, q=0 dan s=12. Pada process training, implementasi model Arimax menggunakan JMSL Numerical Library menghasilkan peramalan dengan tingkat akurasi yang baik yaitu nilai MAPE sebesar % dan RMSE sebesar Sementara itu, pada process testing, dihasilkan peramalan dengan tingkat akurasi yang baik yaitu nilai MAPE sebesar dan RMSE sebesar Dari hasil analisa implementasi metode Arimax dapat diketahui bahwa variabel bebas yang dapat digunakan untuk menghasilkan peramalan dengan akurasi terbaik yaitu variabel dummy bulan dalam tahun (D 1, D 2,..., D 12 )., variabel dummy 1 bulan sebelum terjadinya idul fitri (D SIF ), variabel dummy bulan saat terjadinya idul fitri (D IF ) dan variabel dummy 1 bulan setelah terjadinya idul fitri (D IFS ). 4. Dengan kemampuan metode Arimax dalam mengikutsertakan pengaruh dari adanya variasi kalender berupa variable dummy, menjadikan metode Arimax dapat menghasilkan nilai peramalan dengan tingkat akurasi yang lebih baik dibandingkan dengan metode Arima.
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) I. PENDAHULUAN II. METODOLOGI
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1 Implementasi Metode Time Series Arima Berbasis Java Desktop Application untuk Memperkirakan Jumlah Permintaan Busana Muslim Anak di Perusahaan Habibah Busana
Lebih terperinciPENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT TELKOMSEL Divre 3 SURABAYA
SISTEM PENDUKUNG KEPUTUSAN PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT TELKOMSEL Divre 3 SURABAYA Alda Raharja - 5206 100 008! Wiwik Anggraeni, S.Si, M.Kom! Retno
Lebih terperinciPERAMALAN JUMLAH WISATAWAN GROJOGAN SEWU MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE EXOGENOUS (ARIMAX) DENGAN VARIASI KALENDER
PERAMALAN JUMLAH WISATAWAN GROJOGAN SEWU MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE EXOGENOUS (ARIMAX) DENGAN VARIASI KALENDER Oleh SAHETI ULLY FATWA M0109058 SKRIPSI ditulis dan diajukan
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 terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1 PEMBUATAN APLIKASI PERAMALAN JUMLAH PERMINTAAN PRODUK DENGAN METODE TIME SERIES EXPONENTIAL SMOOTHING HOLTS WINTER DI PT. TELEKOMUNIKASI INDONESIA Tbk.
Lebih terperinciUKDW BAB 1 PENDAHULUAN
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan pada sektor transportasi di Indonesia semakin meningkat seperti transportasi udara, laut, dan darat. Hal itu disebabkan oleh kebutuhan manusia
Lebih terperinciPENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus: KA Argo Muria)
PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus: KA Argo Muria) SKRIPSI Disusun oleh : TITIS NUR UTAMI 24010212140052 DEPARTEMEN
Lebih terperinciPemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input
Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input Oleh : Defi Rachmawati 1311 105 007 Dosen Pembimbing :
Lebih terperinciPROGRAM STUDI SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI INSTITUT TEKNOLOGI SEPULUH NOPEMBER
PROGRAM STUDI SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI INSTITUT TEKNOLOGI SEPULUH NOPEMBER PEMBUATAN APLIKASI PERAMALAN JUMLAH PERMINTAAN PRODUK DENGAN METODE TIME SERIES EXPONENTIAL SMOOTHING HOLTS
Lebih terperinciContoh Analisis Deret Waktu: BJSales
Contoh Analisis Deret Waktu: BJSales Untuk contoh analisis deret waktu ini, kita menggunakan data BJsales. Data ini adalah data tahunan dan dapat dengan mengetikkan BJsales pada konsul R. 1 Plot Data Plot
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 terperinciHASIL DAN PEMBAHASAN
36 HASIL DAN PEMBAHASAN Deskripsi Data Penelitian ini diawali dengan melihat ketergantungan antar lokasi dan waktu. Lokasi-lokasi dalam penelitian ini saling berhubungan, hal ini ditunjukkan dengan nilai
Lebih terperinciUNIKOM. Pendesainan Model. Pemodelan Simulasi
UNIKOM Pendesainan Model Pemodelan Simulasi Rani Susanto,S.Kom 12/11/2009 Langkah langkah pendesainan suatu Model Secara umum, tahapan yang harus dilewati untuk membuat model dan simulasi adalah : Deskripsi
Lebih terperinciPEMODELAN DAN PERAMALAN JUMLAH PENUMPANG DAN PESAWAT DI TERMINAL KEDATANGAN INTERNASIONAL BANDARA JUANDA SURABAYA DENGAN METODE VARIANSI KALENDER
PEMODELAN DAN PERAMALAN JUMLAH PENUMPANG DAN PESAWAT DI TERMINAL KEDATANGAN INTERNASIONAL BANDARA JUANDA SURABAYA DENGAN METODE VARIANSI KALENDER M. Insanil Kamil 0 0 0 m.insanil_kml@yahoo.com Dosen pembimbing:
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 III MODEL ARIMAX DENGAN EFEK VARIASI KALENDER
21 BAB III MODEL ARIMAX DENGAN EFEK VARIASI KALENDER 3.1 Model Variasi Kalender Liu (Kamil 2010: 10) menjelaskan bahwa untuk data runtun waktu yang mengandung efek variasi kalender, dituliskan pada persamaan
Lebih terperinciPrediksi Harga Saham dengan ARIMA
Prediksi Harga Saham dengan ARIMA Peramalan harga saham merupakan sesuatu yang ditunggu-tunggu oleh para investor. Munculnya model prediksi yang baru yang bisa meramalkan harga saham secara tepat merupakan
Lebih terperinciJURNAL TEKNIK ITS Vol. 7, No. 1 (2018) ( X Print)
Penerapan Metode Campuran Autoregressive Integrated Moving Average dan Quantile Regression (ARIMA-QR) untuk Peramalan Harga Cabai Sebagai Komoditas Strategis Pertanian Indonesia Maria Cendanasari Kurniawan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Indonesia merupakan salah satu negara dengan jumlah penduduk terbesar di dunia. Pertumbuhan penduduk yang semakin meningkat selaras dengan pertumbuhan akan kebutuhan
Lebih terperinciLangkah-langkah metode ARIMAX menggunakan Eviews dan Minitab
Langkah-langkah metode ARIMAX menggunakan Eviews dan Minitab 1. Uji Stasioner Ragam Uji stasioner ragam dilakukan dengan menggunakan software minitab dengan langkah-langkah sebagai berikut: 1. Copy data
Lebih terperinciPERAMALAN JUMLAH WISATAWAN GROJOGAN SEWU MENGGUNAKAN MODEL REGRESI RUNTUN WAKTU DENGAN EFEK VARIASI KALENDER
PERAMALAN JUMLAH WISATAWAN GROJOGAN SEWU MENGGUNAKAN MODEL REGRESI RUNTUN WAKTU DENGAN EFEK VARIASI KALENDER oleh APRILLIA COSASI M0109014 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciPeramalan Inflasi dengan Metode Weighted Fuzzy Time Series
Peramalan Inflasi dengan Metode Weighted Fuzzy Time Series Oleh: Dwi Ayu Lusia (1307 100 013) Pembimbing: Dr. Suhartono, M.Sc 1 seminar hasil Tugas Akhir S1 Statistika 24 Juni 2011 Latar belakang masalah
Lebih terperinciNama : ANDRIAN RAMADHAN F NIM :
UJIAN AKHIR SEMESTER GENAP TA. 2014/2015 Matakuliah : Lab Statistika Hari/Tanggal : Sabtu / 4 Juli 2015 Waktu / Ruang : 90 Menit / 2507 Kelas / Semester Dosen Pembina : IS-8 / VI : Sita Dewi Prahastini
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 terperinciPENGGUNAAN METODE REGRESI BERGANDA UNTUK MERAMALKAN PERMINTAAN MOBIL DENGAN N VARIABEL INDEPENDEN ADAPTIF
PRESENTASI TUGAS AKHIR KS091336 PENGGUNAAN METODE REGRESI BERGANDA UNTUK MERAMALKAN PERMINTAAN MOBIL DENGAN N VARIABEL INDEPENDEN ADAPTIF Penyusun Tugas Akhir : Fitri Linawati (NRP : 5207.100.114) Dosen
Lebih terperinciHASIL DAN PEMBAHASAN Eksplorasi Data Suhu Udara Rata-rata
suhu 18 20 22 24 26 28 30 32 ragam, maka dilakukan transformasi Box-Cox. d. Mengidentifikasi model. Dalam tahap ini akan didapat model-model sementara, dengan melihat plot ACF dan PACF. e. Pendugaan parameter
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 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 terperinciIV. HASIL DAN PEMBAHASAN
9 menguji kelayakan model sehingga model sementara tersebut cukup memadai. Salah satu caranya adalah dengan menganalisis galat (residual). Galat merupakan selisih antara data observasi dengan data hasil
Lebih terperinciSKRIPSI APLIKASI METODE GOLDEN SECTION UNTUK OPTIMASI PARAMETER PADA METODE EXPONENTIAL SMOOTHING. Disusun oleh: DANI AL MAHKYA
APLIKASI METODE GOLDEN SECTION UNTUK OPTIMASI PARAMETER PADA METODE EXPONENTIAL SMOOTHING SKRIPSI Disusun oleh: DANI AL MAHKYA 24010210141025 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
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 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 terperinciGARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : Genap
GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : Genap Berlaku mulai: Genap/2010 MATA KULIAH : TEKNIK PERAMALAN KODE MATA KULIAH/ SKS : 410103096 / 3 SKS MATA KULIAH PRASYARAT
Lebih terperinciDisusun Oleh: Suryo Djojonegoro ( )
SKRIPSI PEMODELAN ARIMAX DAN NEURAL NETWORK UNTUK PERAMALAN DAN DASAR PERENCANAAN INVESTASI NET ASSET VALUE (NAV) EQUITY DI PT. PRUDENTIAL LIFE ASSURANCE Disusun Oleh: Suryo Djojonegoro (5303004003) Jurusan
Lebih terperinciPemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer
TUGAS AKHIR Pemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer Oleh : Fani Felani Farid (1306 100 047) Pembimbing : Drs. Kresnayana Yahya M.Sc Latar Belakang
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 terperinciIMPLEMENTASI ALGORITMA GENETIKA UNTUK MINIMASI GALAT PADA METODE PERAMALAN ARIMA
Seminar Nasional Sistem Informasi Indonesia, 2-3 November 2015 IMPLEMENTASI ALGORITMA GENETIKA UNTUK MINIMASI GALAT PADA METODE PERAMALAN ARIMA Muhammad Abdurrahman Baraja (1), Wiwik Anggraeni (2) (1,
Lebih terperinciPeramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Peramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model Ni Kadek Sukerti STMIK STIKOM Bali Jl. Raya Puputan
Lebih terperinciPeramalan Volume Penjualan Sepeda Motor di Kabupaten Trenggalek dengan Menggunakan Metode ARIMAX dan ANFIS
Peramalan Volume Penjualan Sepeda Motor di Kabupaten Trenggalek dengan Menggunakan Metode ARIMAX dan ANFIS I Made Bayu Kurniawan, 2 Santi Puteri Rahayu, dan 3 Suhartono Jurusan Statistika, Fakultas MIPA,
Lebih terperinciPEMBUATAN PERANGKAT LUNAK PERAMALAN MENGGUNAKAN METODE ANN DENGAN MEMANFAATKAN LIBRARY ENCOG JAVA
PEMBUATAN PERANGKAT LUNAK PERAMALAN MENGGUNAKAN METODE ANN DENGAN MEMANFAATKAN LIBRARY ENCOG JAVA Nama : Resa Alfarisi NRP : 5207100100 Jurusan : Sistem informasi FTIF ITS Dosen Pembimbing 1 : Wiwik Anggraeni
Lebih terperinci1. Pendahuluan. 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Pasar valuta asing telah mengalami perkembangan yang tak terduga selama beberapa dekade terakhir, dunia bergerak ke konsep "desa global" dan telah menjadi salah satu pasar
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 terperinciOUTLINE. Pendahuluan. Tinjauan Pustaka. Metodologi Penelitian. Analisis dan Pembahasan. Kesimpulan dan Saran
OUTLINE Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran LATAR BELAKANG Listrik elemen terpenting dalam kehidupan manusia Penelitian Sebelumnya Masyarakat
Lebih terperinciBAB I PENDAHULUAN. barang dan penumpang dari suatu tempat ke tempat lainnya. Jenis
1 BAB I PENDAHULUAN 1. Latar Belakang Transportasi merupakan kegiatan mengangkut atau membawa barang dan penumpang dari suatu tempat ke tempat lainnya. Jenis transportasi yang digunakan, yaitu transportasi
Lebih terperinciBAB I PENDAHULUAN. secara lebih aktual dan optimal. Penggunaan teknologi informasi bertujuan untuk
BAB I PENDAHULUAN I.1. Latar Belakang Perkembangan teknologi yang sangat cepat telah membawa manusia memasuki kehidupan yang berdampingan dengan informasi dan teknologi itu sendiri. Yang berdampak pada
Lebih terperinciOPTIMASI PERENCANAAN PENGENDALIAN BAHAN BAKU CAPROLACTAM
OPTIMASI PERENCANAAN PENGENDALIAN BAHAN BAKU CAPROLACTAM PABRIK NYLON PT. ITS Dyah Lintang Trenggonowati 1), Wisnu Broto Darmawan 2) 1),2 ) Teknik Industri, Fakultas Teknik, Universitas Sultan Ageng Tirtayasa
Lebih terperinciPeramalan Inflasi Menurut Kelompok Pengeluaran Makanan Jadi, Minuman, Rokok dan Tembakau Menggunakan Model Variasi Kalender
Peramalan Inflasi Menurut Kelompok Pengeluaran Makanan Jadi, Minuman, Rokok dan Tembakau Menggunakan Model Variasi Kalender (Studi Kasus Inflasi Kota Semarang) SKRIPSI Disusun Oleh : AMANDA LUCKY BERLIAN
Lebih terperinciPeramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer
Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer 1 Faridah Yuliani dan 2 Dr. rer pol Heri Kuswanto 1,2 Jurusan Statistika
Lebih terperinci99.9. Percent maka H 0 diterima, berarti residual normal
Uji residual white noise 2 Lag Q P value 6 3.5 9.49 0.5330 2 6.6 8.3 0.803 8 9.8 26.30 0.9059 24 9.3 33.92 0.6374 K p q Uji residual berdistribusi normal Percent 99.9 99 95 90 80 70 60 50 40 30 20 0 5
Lebih terperinciPenerapan Model ARIMA
Penerapan Model ARIMA (Bagian II) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017/2018 1 a. Misalkan data asal Y t. Lakukan proses pembedaan (differencing) sebanyak dua kali pada data asal sehingga
Lebih terperinciPERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI ABSTRAK
PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI Trio Yonathan Teja Kusuma 1, Sandra Praharani Nur Asmoro 2 1,2)
Lebih terperinciPeramalan Netflow Uang Kartal dengan Model Variasi Kalender dan Model Autoregressive Distributed Lag (ARDL)
Peramalan Netflow Uang Kartal dengan Model Variasi Kalender dan Model Autoregressive Distributed Lag (ARDL) Ainil Karomah dan Suhartono Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Lebih terperinciPERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO
Perbandingan Model ARIMA... (Alia Lestari) PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Alia Lestari Fakultas Teknik Universitas
Lebih terperinciPERBANDINGAN METODE SETENGAH RATA-RATA DAN METODE KUADRAT TERKECIL UNTUK PERAMALAN PENDAPATAN PERUSAHAAN DI BLU UPTD TERMINAL MANGKANG SEMARANG
Techno.COM, Vol. 15, No. 2, Mei 2016: 132-139 PERBANDINGAN METODE SETENGAH RATA-RATA DAN METODE KUADRAT TERKECIL UNTUK PERAMALAN PENDAPATAN PERUSAHAAN DI BLU UPTD TERMINAL MANGKANG SEMARANG Rachmad Budi
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-249
JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) 2337-3520 (2301-928X Print) D-249 Analisis Fungsi Transfer pada Harga Cabai Merah yang Dipengaruhi oleh Curah Hujan Di Surabaya Putri Rintan Aryasita,
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN. dari UD. Wingko Babat Pak Moel sebagai berikut: a. Data permintaan wingko pada tahun 2016.
BAB IV ANALISIS DAN PEMBAHASAN 4.1 Pengumpulan dan Pengolahan Data Untuk menganalisi permasalahan pengoptimalan produksi, diperlukan data dari UD. Wingko Babat Pak Moel sebagai berikut: a. Data permintaan
Lebih terperinciDAFTAR ISI. ABSTRAK... i ABSTRACT... KATA PENGANTAR... UCAPAN TERIMA KASIH... DAFTAR ISI... DAFTAR TABEL... viii DAFTAR GAMBAR...
DAFTAR ISI ABSTRAK... i ABSTRACT... KATA PENGANTAR... UCAPAN TERIMA KASIH... DAFTAR ISI... ii iii iv vi DAFTAR TABEL... viii DAFTAR GAMBAR... ix BAB I PENDAHULUAN... 1 1.1 Latar Belakang... 1 1.2 Rumusan
Lebih terperinciRenny Elfira Wulansari, Epa Suryanto, Kiki Ferawati, Ilafi Andalita, Suhartono
Statistika, Vol. No., November 0 Penerapan Time Series Regression with Calendar Variation Effect pada Data Netflow Uang Kartal Bank Indonesia Sebagai Solusi Kontrol Likuiditas Perbankan di Indonesia Renny
Lebih terperinciESTIMASI PARAMETER MODEL HYBRIDIZING EXPONENTIAL SMOOTHING DAN NEURAL NETWORK PADA HASIL PENGUKURAN MEAN SEA LEVEL SATELIT ALTIMETRI JASON 2
Vol. 7, No. 2, Desember 2012 ESTIMASI PARAMETER MODEL HYBRIDIZING EXPONENTIAL SMOOTHING DAN NEURAL NETWORK PADA HASIL PENGUKURAN MEAN SEA LEVEL SATELIT ALTIMETRI JASON 2 Novi Mara KODE ARTIKEL : 117-2-12
Lebih terperinciPemodelan ARIMA Non- Musim Musi am
Pemodelan ARIMA Non- Musimam ARIMA ARIMA(Auto Regresif Integrated Moving Average) merupakan suatu metode analisis runtun waktu(time series) ARIMA(p,d,q) Dengan AR : p =orde dari proses autoreggresif I
Lebih terperinciMETODOLOGI PENELITIAN. Bab ini menjelaskan tahapan yang dilakukan dalam penelitian tugas akhir ini. Adapun kerangka kerja yang dilakukan adalah:
BAB 3 METODOLOGI PENELITIAN Bab ini menjelaskan tahapan yang dilakukan dalam penelitian tugas akhir ini. Adapun kerangka kerja yang dilakukan adalah: Gambar 3. 1 Kerangka Kerja Penelitian 3.1 Pencarian
Lebih terperinciPERAMALAN JUMLAH PENUMPANG PESAWAT TERBANG DOMESTIK DI BANDAR UDARA JUANDA DENGAN MENGGUNAKAN METODE FUNGSI TRANSFER MULTI INPUT
PERAMALAN JUMLAH PENUMPANG PESAWAT TERBANG LOGO DOMESTIK DI BANDAR UDARA JUANDA DENGAN MENGGUNAKAN METODE FUNGSI TRANSFER MULTI INPUT Oleh : Ary Miftakhul Huda (1309 100 061) Dosen Pembimbing : Dr.rer.pol.
Lebih terperinciPEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU SULAWESI TENGAH
JIMT Vol. 12 No. 2 Desember 2016 (Hal 149-159) ISSN : 2450 766X PEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU SULAWESI TENGAH 1 Y. Wigati, 2 Rais, 3 I.T.
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 terperinci2015 RANCANG BANGUN SISTEM APLIKASI PERAMALAN JUMLAH MUATAN KAPAL RO-RO DENGAN METODE WINTER S TIGA PARAMETER
BAB I PENDAHULUAN Dalam bab ini akan dibahas latar belakang dilakukannya penelitian, rumusan masalah, batasan masalah, manfaat penelitian, metodologi penelitian, serta sistematika penulisan. 1.1. Latar
Lebih terperinciProsiding Seminar Nasional MIPA 2016
Peramalan Jumlah Penumpang Kereta Api Lodaya Jurusan Bandung-Solo Menggunakan Model Reg-ARIMA Dengan Variasi Kalender (Studi Kasus: PT. Kereta Api Indonesia) Dyah Puspita Sari*, Gumgum Darmawan, Soemartini
Lebih terperinciDENIA FADILA RUSMAN
Sidang Tugas Akhir INVENTORY CONTROL SYSTEM UNTUK MENENTUKAN ORDER QUANTITY DAN REORDER POINT BAHAN BAKU POKOK TRANSFORMER MENGGUNAKAN METODE FUZZY (STUDI KASUS : PT BAMBANG DJAJA SURABAYA) DENIA FADILA
Lebih terperinciJurnal String Vol. 2 No. 1 Agustus 2017 p-issn: e-issn:
ANALISIS DAN MODEL PERAMALAN DATAEKSPOR IMPOR DENGAN METODE GABUNGAN ARIMA NEURAL NETWORK Aris Gunaryati Program Studi Teknik Informatika, Universitas Nasional E-Mail : arisgunaryati@yahoo.co.id Abstrak
Lebih terperinciPERAMALAN YIELD DAN HARGA OBLIGASI PEMERINTAH DENGAN PENDEKATAN ARIMA DAN ARTIFICIAL NEURAL NETWORK
PERAMALAN YIELD DAN HARGA OBLIGASI PEMERINTAH DENGAN PENDEKATAN ARIMA DAN ARTIFICIAL NEURAL NETWORK Disusun Oleh : Yuli Wahyuningsih 1308 100 074 Pembimbing Co.Pembimbing : Dr. Brodjol Sutijo Suprih Ulama,
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
44 BAB 4 HASIL DAN PEMBAHASAN 4.1. ARIMA DENGAN SPSS Dalam riset ini digunakan nilai penutupan harian dari saham ANTM pada bulan november 2007 sampai desember 2007. Gambar 1: Data Close Saham Nov Dec 07
Lebih terperinciANALISIS IMPLEMENTASI ERP
TUGAS AKHIR ANALISIS IMPLEMENTASI ERP (ENTERPRISE RESOURCES PLANNING) PADA PERUSAHAAN TEKSTIL DENGAN METODE BUSINESS PROCESS RE-ENGINEERING (Studi Kasus: PT. Apac Inti Corpora (AIC), Bawen Semarang) Diajukan
Lebih terperinciPemodelan dan Peramalan Penjualan Sepeda Motor di Surabaya dengan ARIMAX Variasi Kalender
Pemodelan dan Peramalan Penjualan Sepeda Motor di Surabaya dengan ARIMAX Variasi Kalender 1 Arinta Cahyaningtyas dan 2 Setiawan 1,2 Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Lebih terperinciContoh Analisis Deret Waktu: BJSales (Revisi)
Contoh Analisis Deret Waktu: BJSales (Revisi) Untuk contoh analisis deret waktu ini, kita menggunakan data BJsales. Data ini adalah data tahunan dan dapat dengan mengetikkan BJsales pada konsul R. 1 Plot
Lebih terperinciPENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION SKRIPSI
PENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION (Studi Kasus : Harga Penutupan Saham Unilever Indonesia Tbk. Periode September
Lebih terperinciMETODE PEMULUSAN EKSPONENSIAL WINTER UNTUK PERAMALAN ABSTRACT
METODE PEMULUSAN EKSPONENSIAL WINTER UNTUK PERAMALAN Arganata Manurung 1, Bustami 2, M.D.H. Gamal 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPERAMALAN JUMLAH TAMU HOTEL DI KABUPATEN DEMAK
PERAMALAN JUMLAH TAMU HOTEL DI KABUPATEN DEMAK MENGGUNAKAN METODE SUPPORT VECTOR REGRESSION SKRIPSI Disusun Oleh : DESY TRISHARDIYANTI ADININGTYAS 24010211130047 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kabupaten Purworejo adalah daerah agraris karena sebagian besar penggunaan lahannya adalah pertanian. Dalam struktur perekonomian daerah, potensi daya dukung
Lebih terperinciAnalisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan
SEMINAR PROPOSAL TUGAS AKHIR Analisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan OLEH: NAMA : MULAZIMATUS SYAFA AH NRP : 13.11.030.021 DOSEN PEmbimbing: Dr.
Lebih terperinciPREDIKSI JUMLAH KUNJUNGAN PASIEN RAWAT JALAN MENGGUNAKAN METODE REGRESI LINIER
PREDIKSI JUMLAH KUNJUNGAN PASIEN RAWAT JALAN MENGGUNAKAN METODE REGRESI LINIER Titik Misriati Manajemen Informatika, AMIK BSI Jakarta Jalan RS Fatmawati No 24 Pondok Labu Jakarta 12450 titik.tmi@bsi.ac.id
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.. Pengertian Manajemen Produksi dan Operasi Sebelum kita membahas lebih lanjut mengenai manajemen produksi dan operasi sebaiknya kita mengetahui terlebih dahulu pengertian dari
Lebih terperinciBAB I PENDAHULUAN I.1 Latar Belakang
BAB I PENDAHULUAN I.1 Latar Belakang Analisa keandalan untuk sistem perbaikan sangat penting untuk industri dan berpengaruh pada sistem produksi yang kompleks. Menggantikan atau memperbaiki komponen yang
Lebih terperinciPENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus : KA Argo Muria)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 131-140 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN
Lebih terperinciSISTEM PERAMALAN PENJUALAN PRODUK USAHA KECIL MENENGAH BERDASARKAN POLA DATA RIWAYAT PENJUALAN
SISTEM PERAMALAN PENJUALAN PRODUK USAHA KECIL MENENGAH BERDASARKAN POLA DATA RIWAYAT PENJUALAN [1] Abdi Pandu Kusuma, [2] Indyah Hartami Santi, dan [3] Dennys Setiawan [1],[2,[3] Universitas Islam Balitar
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-300
JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (203) 233-20 (230-9X Print) D-300 Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R- dengan Metode Fungsi Transfer
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1 Variabel Berikut merupakan variabel yang digunakan dalam pemecahan masalah pada penelitian ini yaitu sebagai berikut : Data historis penjualan yang akan digunakan untuk
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Teknologi informasi telah berkembang dengan relatif pesat. Di era
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Teknologi informasi telah berkembang dengan relatif pesat. Di era informasi seperti sekarang ini kebutuhan akan informasi semakin meningkat, terutama dengan
Lebih terperinciFORECASTING IMPORT RICE USING HYBRID AUTOREGRESSIVE INTEGRATED MOVING AVERAGE EXOGENEOUS INPUT DAN ADAPTIVE NEURO FUZZY
TUGAS AKHIR KS141501 PERAMALAN IMPOR BERAS MENGGUNAKAN METODE CAMPURAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE EXOGENEOUS INPUT DAN ADAPTIVE NEURO FUZZY (ARIMAX-ANFIS) STUDI KASUS : INSTANSI- XYZ FORECASTING
Lebih terperinciPeramalan Inflasi Kota Surabaya dengan Pendekatan ARIMA, Variasi Kalender, dan Intervensi
JURNA SAINS DAN SENI IS Vol. 5, No., (206) 2337-3520 (230-928X Print) D-90 Peramalan Inflasi Kota Surabaya dengan Pendekatan ARIMA, Variasi Kalender, dan Intervensi Novi Wulandari, Setiawan dan 2 Imam
Lebih terperinciPENERAPAN ALGORITMA FORECASTING UNTUK PREDIKSI PENDERITA DEMAM BERDARAH DENGUE DI KABUPATEN SRAGEN
PENERAPAN ALGORITMA FORECASTING UNTUK PREDIKSI PENDERITA DEMAM BERDARAH DENGUE DI KABUPATEN SRAGEN Ryan Putranda Kristianto 1), Ema Utami 2), Emha Taufiq Lutfi 3) 1, 2,3) Magister Teknik informatika STMIK
Lebih terperinciPENERAPAN METODE EXPONENTIALLY WEIGHTED QUANTILE REGRESSION UNTUK PERAMALAN PENJUALAN MOBIL
PENERAPAN METODE EXPONENTIALLY WEIGHTED QUANTILE REGRESSION UNTUK PERAMALAN PENJUALAN MOBIL Wiwik Anggraeni 1, Indah Sri Wahyuni 2 Jurusan Sistem Informasi, Fakultas Teknologi Informasi, ITS Jl. Raya ITS
Lebih terperinciHASIL DAN PEMBAHASAN. Eksplorasi Data
5 korelasi diri, dan plot korelasi diri parsial serta uji Augmented Dickey- Fuller b. Identifikasi Model dengan metode Box-Jenkins c. Pemutihan deret input d. Pemutihan deret output berdasarkan hasil pemutihan
Lebih terperinciBAB I PENDAHULUAN. memiliki persediaan, minimal dalam bentuk persediaan bahan-bahan pembantu
BAB I PENDAHULUAN I.1. Latar Belakang Setiap perusahaan baik yang bergerak di bidang manufaktur, perdagangan maupun jasa pasti memiliki persediaan dalam menjalankan operasional usahanya. Perusahaan memiliki
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 terperinciBAB 1 PENDAHULUAN. kemajuan yang sangat pesat. Hal ini dapat dibuktikan dengan banyak munculnya
BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring dengan berkembangnya jaman, perekonomian semakin mengalami kemajuan yang sangat pesat. Hal ini dapat dibuktikan dengan banyak munculnya perusahaan-perusahaan
Lebih terperinciBAB IV METODE PENELITIAN
BAB IV METODE PENELITIAN 4.1. Desain Penelitian Dari uraian latar belakang masalah, penelitian ini dikategorikan ke dalam penelitian kasus dan penelitian lapangan. Menurut Rianse dan Abdi dalam Surip (2012:33)
Lebih terperinciPERAMALAN BEBAN PEMAKAIAN LISTRIK JAWA TENGAH DAN DAERAH ISTIMEWA YOGYAKARTA DENGAN
PERAMALAN BEBAN PEMAKAIAN LISTRIK JAWA TENGAH DAN DAERAH ISTIMEWA YOGYAKARTA DENGAN MENGGUNAKAN HYBRID AUTOREGRESSIVE INTEGRATED MOVING AVERAGE NEURAL NETWORK Disusun oleh : Berta Elvionita Fitriani 24010211120005
Lebih terperinciBAB III PERAMALAN. Praktikum Sistem Produksi ATA 2014/2015
BAB III PERAMALAN 3.1 Landasan Teori Peramalan merupakan suatu bentuk usaha untuk meramalkan keadaan di masa mendatang melalui pengujian keadaan di masa lalu. Esensi peramalan adalah perkiraan peristiwa-peristiwa
Lebih terperinciLABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI MODUL VIII ( TIME SERIES FORECASTING
FAKULTAS TEKNOLOGI INDUSTRI PROGRAM STUDI TEKNIK INDUSTRI UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR LAPORAN RESMI MODUL VIII TIME SERIES FORECASTING I. Pendahuluan A. LatarBelakang (Min. 1 halaman)
Lebih terperinciTREND ANALYSIS INFANT MORTALITY RATE DENGAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA)
TREND ANALYSIS INFANT MORTALITY RATE DENGAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) Jerhi Wahyu Fernanda, Wisnaningsih S, Emilia Boavida,, Prodi Rekam Medis Informasi Kesehatan Institut Ilmu Kesehatan
Lebih terperinci