Peramalan Inflow dan Outflow Uang Kartal Bank Indonesia di Wilayah Jawa Tengah dengan Menggunakan Metode ARIMA, Time Series Regression, dan ARIMAX

Ukuran: px
Mulai penontonan dengan halaman:

Download "Peramalan Inflow dan Outflow Uang Kartal Bank Indonesia di Wilayah Jawa Tengah dengan Menggunakan Metode ARIMA, Time Series Regression, dan ARIMAX"

Transkripsi

1 JURNA SAINS DAN SENI ITS Vol., No., () - (-X rin) D- eramalan Inflow dan Ouflow Uang Karal Bank Indonesia di Wilayah Jawa Tengah dengan Menggunakan Meode ARIMA, Time Series Regression, dan ARIMAX Noorgam Ika Rachmawai, Seiawan dan Suharono Jurusan Saisika, FMIA, Insiu Teknologi Seuluh Noember (ITS) Jl. Arief Rahman Hakim, Surabaya Indonesia seiawan@saisika.is.ac.id dan suharono@saisika.is.ac.id Absrak Banyaknya uang yang beredar di masyaraka akan berengaruh ada kondisi erekonomian suau negara, sehingga Bank Indonesia (BI) menyusun erencanaan kebuuhan uang ruiah. eneliian ini berujuan unuk meramalkan inflow dan ouflow uang karal di seia Kw BI BI wilayah Jawa Tengah berdasarkan model erbaik. Hasil analisis menunjukan bahwa karakerisik inflow dan ouflow uang karal diengaruhi oleh efek variasi kalender, yaiu adanya hari raya Idul Firi sera ola musiman. Selain iu eriode minggu erenu saa kejadian hari raya juga berengaruh erhada eningkaan jumlah inflow dan ouflow uang karal. Hasil eramalan menghasilkan model erbaik yang berbeda-beda unuk seia Kw BI BI di wilayah Jawa Tengah. Berdasarkan nilai Roo Mean Suare Error (RMSE) erkecil, model erbaik unuk meramalkan daa inflow baik di Kw BI BI Semarang, Kw BI BI Solo, Kw BI BI urwokero dan Kw BI BI Tegal adalah model ARIMA. Sedangkan model erbaik unuk meramalkan daa ouflow di Kw BI BI urwokero adalah model Time Series Regression. Selain iu model erbaik unuk meramalkan daa ouflow di Kw BI BI Semarang, Kw BI BI Solo dan Kw BI BI Tegal yaiu model ARIMAX aauun Time Series Regression, karena keduanya memiliki model yang sama. Hasil ramalan eriode menunjukan bahwa kenaikan inflow uang karal erjadi ada bulan Agusus, sedangkan kenaikan ouflow uang karal erjadi ada bulan Juli. Kaa Kunci ARIMA, ARIMAX, Inflow, Ouflow, Time Series Regression U I. ENDAHUUAN ANG meruakan komonen ening dalam erekonomian yang digunakan sebagai ala embayaran dalam melakukan ransaksi jual beli, baik dalam erukaran barang aauun jasa. Banyaknya uang yang beredar di masyaraka akan berengaruh ada kondisi erekonomian suau negara. Bank Indonesia memiliki ujuan unggal unuk mencaai dan menjaga kesabilan nilai ruiah []. Oleh karena iu, BI sebagai bank senral menyusun erencanaan unuk memenuhi kebuuhan uang ruiah. erencanaan ersebu daa dilakukan dengan melakukan eramalan unuk inflow dan ouflow uang karal. Inflow meruakan uang yang masuk ke BI melalui kegiaan enyeoran, sedangkan ouflow meruakan uang yang keluar dari BI melalui kegiaan enarikan []. Selama ini BI mengadakan agenda ruin unuk melakukan eramalan uang karal yang diedarkan melalui Oen Marke Commie (OMC) awal bulan seia minggu kedua []. Adaun meode eramalan yang digunakan adalah meode ARIMA. Namun, hasil eramalan dengan meode ini seringkali kurang akura karena idak daa menangka efek variasi kalender yang diakibakan adanya hari raya Idul Firi, yang maju hari seia ahun. Adanya hari raya Idul Firi berengaruh erhada kenaikan inflow mauun ouflow uang karal. Unuk iu ada eneliian ini akan mencoba meramalkan inflow dan ouflow uang karal dengan ARIMAX dan Time Series Regression dengan efek variasi kalender. eneliian sebelumnya enang jumlah uang karal yang beredar elah dilakukan oleh Wulansari [] dengan menerakan ARIMAX yang menggabungkan efek variasi kalender dan fungsi ransfer sera menggunakan meode Radial Basis Funcion Nework (RBFN) unuk meramalkan daa neflow. eneliian serua juga dilakukan oleh Karomah [] yang melakukan eramalan daa neflow uang karal dengan menggunakan model variasi kalender dan Model Auoregressive Disribued ag (ARD) yang menggunakan endekaan ekonomerik dan fungsi ransfer. Selain iu, eneliian dengan melibakan efek variasi kalender juga dilakukan oleh Suharono, ee dan Hamzah [, ] unuk meramalkan enjualan baju muslim unuk anak-anak di Indonesia yang diengaruhi oleh hari raya Idul Firi.dengan menggunakan meode Time Series Regression dan ARIMAX, lalu membandingkan dengan beberaa meode eramalan lain. Dalam eneliian ini akan menggunakan beberaa model eramalan unuk meramalkan inflow dan ouflow uang karal di Kw BI Wilayah Jawa Tengah yaiu ARIMA, Time Series Regression dan ARIMAX. Adaun ujuannya adalah unuk mendaakan model erbaik unuk meramalkan masing-masing daa inflow dan ouflow uang karal di Kw BI wilayah Jawa Tengah. Dengan demikian diharakan eneliian ini daa membanu BI sebagai bahan

2 erimbangan dalam mengeluarkan kebijakan dalam hal eredaran uang, eruama unuk wilayah Jawa Tengah. A. ARIMA II. TINJAUAN USTAKA Model ARIMA(, d, ) meruakan enggabungan anara model AR( ) dan MA( ) sera roses differencing orde d ada daa ime series unuk ola non musiman. Sedangkan model ARIMA musiman aau SARIMA meruakan model ARIMA yang memunyai efek musiman ada eriode S dengan noasi ARIMA (,, )(,, ) S d D. Secara umum benuk model ARIMA(, d, ) non musiman adalah [,,]. d B B Y B a (). Sedangkan benuk umum model ARIMA musiman adalah S d S D S ( B ) ( B) ( B) ( B ) Y ( B) ( B ) a () dengan ( B) ( B B... B ) ( B) ( B B... B ) S S S S S S S S ( B ) ( B B... B ) ( B ) ( B B... B ). Selain benuk umum ARIMA di aas, erdaa juga model ARIMA subse. Model ARIMA subse meruakan model ARIMA yang idak daa dinyaakan dengan benuk umum. Misalnya model subse ARIMA(,[,,]) daa diulis sebagai [] Y a a a a () dan model mulilikaif ARIMA(,)(,) daa diulis sebagai Y a a a a () dengan,, dan meruakan arameer dari order MA. Model () sama dengan model subse ARIMA ada ersamaan (), dimana. B. Time Series Regression Model yang digunakan dalam eneliian ini adalah model ime series regression dengan adanya efek variasi kalender. Secara umum, model ime series regression memiliki kesamaan dengan model regresi linear, yaiu dengan asumsi reson diengaruhi oleh inu aau variabel indeenden sehingga hubungan keduanya daa dieksresikan sebagai model regresi linear []. Adaun model ime series regression dari daa yang memiliki unsur ren adalah Y () dengan adalah komonen error yang memenuhi asumsi idenik, indeenden dan berdisribusi normal dengan raaraa dan variansi. Daa yang memiliki ola musiman,,, M, M,..., M daa diuliskan,,, Y M M... M. () Sejalan dengan hal ersebu, daa dengan variasi kalender juga daa dimodelkan menggunakan regresi linear dengan ersamaan Y,,,, (),,,,,. Sehingga jika daa memiliki unsur ren, musiman dan variasi kalender maka akan mengikui ersamaan Y M, M,... M, (),,,,,, dengan i, adalah variabel dummy unuk efek variasi kalender minggu ke- i bulan ke- dengan i,,, dan M m, adalah variabel dummy bulan ke- m, dengan m,,...,. Keika residual idak memenuhi asumsi disribusi normal, maka diduga erdaa oulier sehingga daa dilakukan deeksi oulier dan menambahkan oulier ke dalam model. Deeksi oulier ini dilakukan dengan meliha nilai deleed (sudenized) residual aau -residual. Jika erdaa observasi dengan nilai -residual lebih dari aau kurang dari -, maka observasi ersebu dinyaakan sebagai oulier. Adaun rumus dari -residual yaiu * s ( h) () n SSE( h ) dengan adalah residual ke-, h adalah elemen diagonal ke- dari mariks X(X ' X) () X ', n adalah banyak observasi, s adalah MSE yang dihiung seelah menghilangkan observasi ke-, SSE adalah jumlah kuadra erkecil, adalah jumlah arameer dalam model, X adalah mariks dari variabel indeenden. Asumsi yang harus dienuhi dalam model ini adalah asumsi residual whie noise, berdisribusi normal dan varians homogen. Jika erdaa residual idak whie noise maka lag residual yang signifikan daa diambahkan sebagai variabel indeenden. engecekan asumsi whie noise berdasarkan uji jung-box, asumsi residual mengikui disribusi normal dengan uji Kolmogorov-Smirnov, sedangkan asumsi varians homogen ada residual dengan uji agrange Mulilier. C. ARIMAX Model ARIMA dengan ambahan variabel disebu model ARIMAX. Model ARIMAX dengan variasi kalender digunakan unuk meramalkan daa berdasarkan ola musiman dengan eriode bervariasi. Beriku ini meruakan model ARIMAX dengan ren deerminisik []: Y M, M,... M,,, (),,,, S B ( B ) + S B ( B )

3 JURNA SAINS DAN SENI ITS Vol., No., () - (-X rin) D- dengan i, adalah variabel dummy unuk efek variasi kalender minggu ke- i bulan ke- dengan i,,, dan M m, adalah variabel dummy bulan ke- m, dengan m,,...,. ( B) ( B B... B ) ( B) ( B B... B ) S S S S S S S S ( B ) ( B B... B ) ( B ) ( B B... B ). D. Deeksi Oulier Oulier adalah daa engamaan yang idak konsisen ada seriesnya. ada observasi ime series biasanya diengaruhi oleh kejadian yang mengganggu seeri eerangan, krisis ekonomi aauun kejadian eksernal lain yang idak dikeahui. Terdaa ema macam jenis oulier anara lain yaiu Addiive Oulier (AO), Innovaive Oulier (IO), evel Shif (S) dan Temorary Change (TC). Dalam eneliian ini ie oulier yang digunakan adalah Addiive Oulier (AO) dan evel Shif (S). a. Addiive Oulier (AO) adalah oulier yang memunyai efek ada daa ime series hanya ada sau eriode saja (engamaan ke- T ). b. evel Shif (S) adalah oulier yang memengaruhi dere ada sau waku erenu dan efek ersebu memberikan engaruh yang iba-iba dan bersifa ea (berengaruh ada engamaan ke- TT,, dan seerusnya). Secara umum, model oulier diuliskan sebagai beriku []: k ( T ) ( ) ( ) j B Y j jv j B I a () ( B) dimana ( T ) I adalah variabel indikaor yang mewakili adanya oulier ada waku ke- T, yaiu ( T ), T I, T dengan v j( B) : unuk AO, dan v j( B) : unuk S. ( B) E. Krieria Kebaikan Model Unuk menenukan model erbaik daa diliha dari nilai kesalahan eramalan yang dihasilkan. Semakin kecil nilai kesalahan eramalan yang dihasilkan dari suau model, maka model ersebu akan semakin baik. Krieria kebaikan eramalan yang digunakan adalah nilai Roo Mean Suare Error (RMSE). Rumus dari RMSE adalah []. dimana ˆ RMSE ( Yn l Yn ( l)) () l Yn l adalah daa akual ou samle ke- l, l,,...,, Yˆ n () l adalah hasil ramalan ou samle ke- l dan adalah banyak ou samle. III. METODOOGI ENEITIAN A. Sumber Daa dan Variabel eneliian Daa yang digunakan ada eneliian ini adalah daa sekunder yang dieroleh dari Bank Indonesia (BI). Daa yang digunakan adalah daa bulanan ouflow dan inflow uang karal di Jawa Tengah dengan ema Kw BI sebagai variabel reson. Daa dengan eriode bulan uari - Desember digunakan unuk Kw BI rovinsi Jawa Tengah (Semarang), Kw BI Solo dan Kw BI urwokero. Sedangkan ada Kw BI Tegal menggunakan eriode bulan Agusus -Desember. Variabel eneliian yang digunakan meliui variabel reson berua inflow uang karal di Kw BI Semarang ( Y,, ), Kw BI Solo ( Y,, ), Kw BI urwokero ( Y,, ), dan Kw BI Tegal ( Y,, ), sera ouflow uang karal di Kw BI Semarang ( Y,, ), Kw BI Solo ( Y,, ), Kw BI urwokero ( Y,, ), dan Kw BI Tegal ( Y,, ). Sedangkan variabel dummy yang digunakan dalam ermodelan ini erdiri dari beberaa variabel beriku.. Variabel dummy hari raya, bulan ke-( ) hari raya Idul Firi ada minggu ke-i i,, lainnya, bulan ke- hari raya Idul Firi ada minggu ke-i i,, lainnya, bulan ke-( ) hari raya Idul Firi ada minggu ke-i i,, lainnya dengan i,,,.. Variabel dummy bulan M, M,..., M, dengan,,..., mewakili bulan,,, uari, Februari, hingga Desember.. Variabel dummy eriode erubahan kebijakan enarikan dan enyeoran, bulan ke- ada eriode ahun - D,, lainnya D,, bulan ke- ada eriode ahun -, lainnya. Variabel dummy ren =,,...,.. Variabel dummy ren dan eriode D : kenaikan ada eriode ahun -, D : kenaikan ada eriode ahun -,. Variabel dummy eriode dan hari raya D : minggu ke-i ada sau bulan sebelum hari raya, i, Idul Firi di eriode ahun -, D : minggu ke-i ada bulan hari raya Idul Firi di D, i, eriode ahun -, : minggu ke-i ada sau bulan seelah hari raya, i, Idul Firi di eriode ahun -, dengan i,,,. B. angkah Analisis angkah analisis yang dilakukan ada eneliian ini adalah sebagai beriku:

4 Ouflow Semarang (Triliun). Melakukan deskrisi karakerisik dari daa inflow dan ouflow uang karal Bank Indonesia di masing-masing cabang di wilayah Jawa Tengah.. Membenuk model dengan ARIMA, Time Series Regression dan ARIMAX sehingga dieroleh model erbaik unuk meramalkan daa inflow dan ouflow uang karal Bank Indonesia di masing-masing cabang di wilayah Jawa Tengah.. Membandingkan hasil eramalan daa inflow dan ouflow anara model berdasarkan nilai RMSE adadaa ou samle.. Meramalkan daa inflow dan ouflow berdasarkan model erbaik unuk bulan kedean ada ahun.. Membua kesimulan. IV. ANAISIS DAN EMBAHASAN A. Idenifikasi Karakerisik Inflow dan Ouflow Uang Karal di Wilayah Jawa Tengah Beriku ini meruakan karakerisik daa inflow dan ouflow uang karal ada masing-masing Kw BI di wilayah Jawa Tengah. Tabel. Karakerisik Inflow dan Ouflow Uang Karal di Jawa Tengah Daa Kw BI Mean Sdev Min Maks Semarang,,,, Solo,,, Inflow urwokero,,, Tegal,,, Semarang,, Solo,,, Ouflow urwokero,,, Tegal,,, Berdasarkan Tabel, dikeahui bahwa raa-raa inflow dan ouflow eringgi di wilayah Jawa Tengah berada di Kw BI Semarang, yaiu masing-masing sebesar, riliun ruiah dan, riliun ruiah. Nilai maksimum dari inflow dan ouflow eringgi di wilayah Jawa Tengah juga erdaa di Kw BI Semarang, yaiu sebesar, riliun ruiah dan, riliun ruiah. Ini karena Kw BI Semarang sebagai deo kas regional wilayah V memiliki eran ening dalam kegiaan disribusi uang di wilayah ersebu. Terliha ula bahwa raa-raa inflow uang karal di masing-masing Kw BI lebih besar dariada raa-raa ouflow uang karal di masing-masing Kw BI wilayah Jawa Tengah. Hal ini menunjukan bahwa raa-raa aliran uang karal yang masuk (inflow) lebih banyak dariada aliran uang yang keluar (ouflow), sehingga secara keseluruhan daa dikaakan seia Kw BI di wilayah Jawa Tengah mengalami ne inflow. Monh Year No/ No/ No/ Ok/ Ok/ Ok/ Se/ Se/ Agus/ Agus/ Agus/ Jul/ Gambar. lo Ouflow Uang Karal di Kw BI Semarang ola inflow dan ouflow uang karal masing-masing Kw BI BI di wilayah Jawa Tengah mengalami ren naik, namun ada ahun - erjadi enurunan inflow karena ada eriode ersebu elah diberlakukan kebijakan BI mengenai embaasan enyeoran unuk uang yang idak layak edar (UTE). alu uang yang masih layak edar (UE) ada eriode ersebu dikelola melalui ransaksi uang karal anar bank (TUKAB). Dengan adanya TUKAB ini, maka anar bank umum daa saling memenuhi kekurangan mauun kelebihan jumlah ecahan uang karal erenu yang diinginkan. Semenjak ahun, ola inflow uang karal kembali menunjukan kenaikan yang cuku besar dibandingkan ahun-ahun sebelumnya. Hal ini dikarenakan semenjak ahun ersebu BI kembali menerima enyeoran UTE dan UE. Kenaikan inflow yang cuku inggi erjadi ada bulan uari (bulan ) dan bulan-bulan saa erjadinya hari raya Idul Firi aau sau bulan seelah erjadinya hari raya Idul Firi. Hal ini dikarenakan masyaraka cenderung menyeorkan uang seelah hari raya Idul Firi berakhir. Sedangkan kenaikan ouflow yang cuku inggi jika dibandingkan bulan-bulan lainnya erjadi ada bulan Desember (bulan ) dan ada bulan saa hari raya Idul Firi sera sau bulan sebelum hari raya Idul Firi. Kenaikan yang sanga inggi di bulan Desember erjadi karena adanya naal dan ahun baru. Selain iu erusahaan aauun emerinah cenderung mengeluarkan anggaran unuk membayar huang aauun mengeksekusi belanja di akhir ahun. alu kenaikan ouflow ada bulan saa hari raya Idul Firi dan sau bulan sebelum hari raya Idul Firi dikarenakan masyaraka cenderung menarik uang unuk membeli kebuuhan hari raya..... minggu ke- minggu ke- minggu ke- minggu ke- sebelum saa seelah Gambar. Diagram Baang Raa-Raa Ouflow Sebelum, Saa dan Seelah hari raya Idul Firi di Kw BI BI Semarang Inflow, Ouflow Gambar menunjukan bahwa jika hari raya Idul Firi erjadi ada minggu erama dan minggu kedua, maka inflow akan meningka cuku inggi ada bulan saa erjadinya hari raya Idul Firi. Sedangkan jika hari raya Idul Firi erjadi ada minggu keiga dan minggu keema, maka inflow akan meningka cuku inggi ada sau bulan seelah erjadinya hari raya Idul Firi. Sedangkan Gambar menunjukan bahwa jika hari raya Idul Firi erjadi ada minggu erama dan minggu kedua, maka ouflow akan meningka cuku inggi ada sau bulan sebelum erjadinya hari raya Idul Firi. Sedangkan jika hari raya Idul Firi erjadi ada minggu keiga dan minggu keema, maka ouflow akan meningka cuku inggi ada bulan saa erjadinya hari raya Idul Firi. B. embenukan Model ARIMA embenukan model ARIMA unuk inflow dan ouflow uang karal dilakukan ada masing-masing Kw BI... minggu ke- minggu ke- minggu ke- minggu ke- sebelum saa seelah

5 Auocorrelaion ercen JURNA SAINS DAN SENI ITS Vol., No., () - (-X rin) D- di wilayah Jawa Tengah. angkah-langkah ermodelan ini didasarkan ada rosedur Box-Jenkins. Daa inflow mauun ouflow uang karal di Kw BI Wilayah Jawa Tengah idak sasioner dalam varians dan mean, sehingga dilakukan ransformasi Box-Cox, sera differencing baik seasonal mauun reguler. Kemuadian berdasarkan lo ACF dan ACF dieroleh model dugaan sebagai beriku. Tabel. Model ARIMA Dugaan Kw BI Model Terbaik Semarang inflow ARIMA([,,,],)(,,) Semarang ouflow ARIMA(,,[,])(,,) Solo inflow ARIMA([],,)(,,) Solo ouflow ARIMA([,,],,[,])(,,) urwokero inflow ARIMA([],,)(,,) urwokero ouflow ARIMA(,,[,])(,,) Tegal inflow ARIMA(,,)(,,) Tegal ouflow ARIMA(,,)(,,) Model ARIMA yang elah ersaji dalam Tabel ersebu meruakan model ARIMA erbaik yang elah dilakukan engujian signifikansi arameer dan engujian asumsi residual, baik asumsi residual whie noise, mengikui disribusi normal dan varians residual homogen. C. embenukan Model Time Series Regression embenukan model variasi kalender dengan endekaan Time Series Regression unuk daa inflow dan ouflow uang karal dilakukan ada masing-masing Kw BI di wilayah Jawa Tengah. Adaun variabel dummy yang digunakan elah dijelaskan sebelumnya. Tahaan erama yang harus dilakukan adalah melakukan engujian residual yang meliui uji -jung Box, Kolmogorov Smirnov dan agrang Mulilier. Berdasarkan Gambar erliha bahwa residual ersamaan model awal unuk daa inflow di Kw BI Semarang idak memenuhi asumsi whie noise, normal dan varians homogen ada residual.,,,,, -, -, -, -, -, ag Gambar. engujian Asumsi Residual unuk Daa Inflow di Kw BI Semarang, engujian Whie Noise, engujian Disribusi Normal Unuk iu lag-lag yang signifikan dari residual ada lo ACF dimasukan ke dalam model sebagai variabel indeenden. Seelah dilakukan esimasi ulang, dieroleh hasil bahwa lag dan yang berengaruh signifikan dan dieroleh residual yang elah whie noise namun idak berdisribusi normal dan varians idak homogen ada residual. Selanjunya dilakukan deeksi dan idenifikasi oulier berdasarkan nilai -residual. Seelah dieroleh model yang whie noise, berdisribusi normal, dan varians residual homogen, selanjunya dilakukan eliminasi backward unuk mendaakan arameer-arameer yang signifikan. Beriku ini meruakan model variasi kalender berdasarkan Time Series Regression yang daa digunakan unuk meramalkan daa inflow uang karal di Kw BI Semarang.,, -, -, RESI,,, Mean,E- SDev, N KS -Value < Y,D,, D +. D +. D +,M,M, M +, M +,M,M,,,,,,,,,,,M, M +M, M, M,,,,, +, M +,,,,,,, +,,, D,,,,, +,D, D, Y,I (),,,,,, () () (),I,I a ada eramalan daa inflow dan ouflow uang karal dengan meode Time Series Regression erdaa beberaa model yang idak memenuhi asumsi residual seeri halnya ada eramalan unuk daa ouflow dan inflow Kw BI Solo, inflow Kw BI Tegal dan Kw BI urwokero. Menuru Kosenko dan Hyndman [], uji signifikansi dan asumsi daa diabaikan unuk keeningan eramalan. Dalam hal ini yang erening adalah bagaimana kemamuan model dalam melakukan eramalan unuk daa inflow mauun ouflow. Hal yang serua juga dijelaskan oleh Amsrong []. D. embenukan Model ARIMAX embenukan model variasi kalender dengan endekaan ARIMAX menggunakan variabel dummy yang sama dengan variabel eneliian dalam embenukan model Time Series Regression. Hanya saja jika residual idak memenuhi asumsi whie noise maka residual dimodelkan dengan ARIMA. Beriku ini meruakan model ARIMAX unuk daa inflow Kw BI Semarang yang elah memenuhi asumsi residual whie noise dan berdisribusi normal sera memiliki arameer yang elah signifikan, namun idak memenuhi asumsi varians residual homogen. Y,,D,D +. D. D, +,M,,M,, M, +, M, + M, +M,,M,,M, (),M,M,M, M +,,,,,, +, +, +,,,,,,,,,,,, D +,D,D,,,,,,, + (,B,B B ) a Model yang dihasilkan dengan meode ARIMAX dan Time Series Regression akan sama jika residual elah memenuhi asumsi whie noise sebelumnya. Hal ini juga erjadi ada saa melakukan eramalan ada daa ouflow di Kw BI Semarang, Kw BI Solo dan Kw BI Tegal. E. emilihan dan eramalan Model Terbaik Seelah dilakukan ermodelan inflow dan ouflow uang karal ada masing-masing Kw BI di wilayah Jawa Tengah dengan beberaa meode eramalan, ada aha ini akan diilih sebuah model erbaik unuk eramalan. emilihan model erbaik didasarkan ada krieria kebaikan model dengan endekaan ou samle yaiu bulan uari -Desember berdasarkan nilai RMSE erkecil. Berdasarkan nilai RMSE ou samle erkecil erliha bahwa model erbaik unuk meramalkan daa inflow baik di Kw BI Semarang, Kw BI Solo, Kw BI urwokero dan Kw BI Tegal adalah model ARIMA. Sedangkan unuk memodelkan daa ouflow di Kw BI urwokero dieroleh model erbaik yaiu dengan menggunakan model Time Series Regression. alu unuk memodelkan daa ouflow di Kw BI Semarang, Kw BI Solo dan Kw BI Tegal yaiu

6 Daa Daa Daa Daa Daa Daa Daa Daa model ARIMAX aauun Time Series Regression, karena keduanya memiliki model yang sama. Kw BI Tabel. emilihan Model Terbaik RMSE ARIMA TSR ARIMAX in ou in ou in ou Semarang inflow,,*,,,, Semarang ouflow,,, *, * Solo inflow,,*,,, Solo ouflow,,,,*,,* urwokero inflow,,*,,, urwokero ouflow,, * Tegal inflow,,*,,, Tegal ouflow,,,*,* Terilihnya model ARIMA sebagai model erbaik dalam meramalkan daa inflow uang karal ini menunjukan bahwa idak selalu meode ime series yang lebih suli dan memiliki ingka kerumian lebih akan selalu menghasilkan nilai ramalan yang lebih akura dariada meode yang sederhana. Hal ini sama dengan eneliian Makridarkis dan Hibon[] yang eruang dalam hasil M comeiion. Tidak menjadi masalah walauun nilai RMSE in samle ada beberaa model ada meode ARIMA lebih besar dariada nilai RMSE ou samle. Nilai RMSE ou samle yang kecil ersebu menunjukan bahwa hasil eramalan unuk daa ou samle lebih baik. Ini dierkua dengan eneliian yang dilakukan oleh Suarman[], yang melakukan sudi simulasi unuk membandingkan anara MSE in samle (Mean Suare redicor Error/ MSE) dengan MSE ou samle sebagai enenu emilihan model erbaik. Hasil yang dieroleh menunjukan bahwa MSE ou samle meruakan enaksir yang lebih baik digunakan sebagai enenuan model erbaik. Ini karena aksiran MSE memiliki bias dan sandar error yang lebih kecil jika dibandingkan dengan MSE. Berdasarkan eneliian ersebu, maka dalam eneliian ini hanya memerhaikan nilai RMSE ou samle dari seia model saja sebagai enenu emilihan model erbaik unuk daa inflow dan ouflow uang karal ada masing-masing Kw BI di wilayah Jawa Tengah. Beriku ini meruakan model erbaik unuk inflow dan ouflow uang karal dimasing-masing Kw BI BI wilayah Jawa Tengah.. Model inflow uang karal di Kw BI Semarang * Y,, a (,B,B B B )( B). Model inflow uang karal di Kw BI Solo *,B () () Y,, a,, I I (, B )( B )( B) Y,D,D +. D +M,M,,,,,,,, M +, M +,M,M,M,,,,,, M +,M,M, M +,M,,,,, +,,, +,,,,,,, +,,D,D,D a. Model ouflow uang karal di Kw BI Solo Y,,, D,,D, +. D, +M,,M,, M +, M +,M,M,M,,,,,,,,,,,,, M +,M,M, M +,M,,,,, +,,,,,,,,,D,,,D,,,D,,,D,, a. Model ouflow uang karal di Kw BI urwokero Y,,,D,,D, +. D, +. D, +,M, M, M + M +,M,M,,,,,,M, M +,M,M, M,,,,, +, M +,,,,,,,,,,,,D,D,,,,,,,,I,I,I,Y,I () () () (),, I,I,I,I I () () () () (),I,I,I,I,I () () () () () (),I a. Model ouflow uang karal di Kw BI Tegal Y,,,M, M, M,,M,,M,M M +,M,,,,,,,,,,,,,,,,I a ousamle foreou ousamle foreou (),,, (c) Gambar. lo Time Series Inflow Daa Akual Ou Samle dan Hasil eramalan Kw BI Semarang, Kw BI Solo, (c) Kw BI urwokero, (d) Kw BI Tegal ousamle foreou,,,,,,,,,,,,,,, ousamle foreou ousamle foreou ousamle foreou (d). Model inflow uang karal di Kw BI urwokero * (, B) () Y,, a, I (, B )( B )( B) () () (),I I I. Model inflow uang karal di Kw BI Tegal * Y,, a (,B, B )( B)( B ). Model ouflow uang karal di Kw BI Semarang,,,,, ousamle foreou (c),,,,,,, ousamle foreou (d) Gambar. lo Time Series Ouflow Daa Akual Ou Samle dan Hasil eramalan Kw BI Semarang, Kw BI Solo, (c) Kw BI urwokero, (d) Kw BI Tegal

7 JURNA SAINS DAN SENI ITS Vol., No., () - (-X rin) D- Seelah dieroleh model erbaik unuk masingmasing daa, selanjunya dilakukan eramalan unuk daa inflow mauun ouflow uang karal unuk eriode ahun. Hasil ramalan unuk daa inflow dan ouflow uang karal di masing-masing Kw BI wilayah Jawa Tengah daa diliha ada Tabel dan Tabel sebagai beriku. Tabel. Ramalan Inflow Uang Karal unuk Tahun Bulan Kw BI Semarang Solo urwokero Tegal uari,,, Februari,,,, Mare,,,, Aril,,,, Mei,,,, Juni,,,, Juli,,, Agusus (c),,,, Seember,,,, Okober,,,, Noember,,,, Desember,,,, Tabel. Ramalan Ouflow Uang Karal unuk Tahun Bulan Kw BI Semarang Solo urwokero Tegal uari,,,, Februari,,, Mare,,, Aril,,,, Mei,,,, Juni,,,, Juli,,,, Agusus (c),,, Seember,, Okober,,,, Noember,,,, Desember,,,, Keerangan: sau bulan sebelum hari raya, bulan saa hari raya, (c) sau bulan seelah hari raya Jika dierhaikan, hasil ramalan inflow dan ouflow uang karal unuk ahun elah sesuai dengan fenomena yang erjadi, yaiu erjadi kenaikan di bulan-bulan sekiar hari raya Idul Firi. Kenaikan inflow yang sanga inggi erjadi ada bulan uari dan Agusus, sedangkan kenaikan ouflow yang sanga inggi erjadi ada bulan Juli dan Desember. V. KESIMUAN DAN SARAN Karakerisik inflow dan ouflow uang karal diengaruhi oleh adanya hari raya Idul Firi dan erdaa efek musiman dari bulan-bulan erenu. Selain iu eriode minggu erenu saa kejadian hari raya juga berengaruh erhada eningkaan inflow dan ouflow uang karal. Model erbaik unuk meramalkan daa inflow di masing-masing Kw BI wilayah Jawa Tengah adalah model ARIMA, sedangkan unuk daa ouflow adalah model Time Series Regression. Hasil ramalan inflow dan ouflow uang karal unuk ahun menunjukan bahwa inflow uang karal mengalami kenaikan cuku inggi di bulan uari dan bulan Agusus, sedangkan ouflow uang karal mengalami kenaikan cuku inggi di bulan Juli dan Desember. ada eneliian ini beberaa meode yang dilakukan elah menghasilkan model inflow dan ouflow uang karal yang cuku mamu menangka efek hari raya Idul Firi hanya dengan menggunakan variabel dummy saja. Namun unuk variabel dummy variasi kalender idak cuku hanya meliha eriode minggu saa kejadian hari raya, karena nilai inflow mauun ouflow ada minggu yang sama memiliki selisih nilai yang cuku jauh dan mengangga hari di awal minggu ke-i sama dengan hari di akhir minggu ke-i. Unuk eneliian selanjunya sebaiknya diambahkan variabel dummy hari agar hasil eramalan menjadi lebih akura. Selain iu juga daa diambahkan variabel-variabel lain yang sekiranya berengaruh erhada inflow dan ouflow uang karal sera dilakukan ermodelan dengan meode lain sebagai erbandingan agar didaakan hasil ramalan yang lebih baik lagi. DAFTAR USTAKA [] Bank Indonesia.. Bank Indonesia. Diakses ada Februari dari h:// [] Bank Indonesia. (). erauran Bank Indonesia Nomor //BI/ Tenang engelolahan Uang Ruiah. Jakara: BI. [] Karomah, A. dan Suharono. (). eramalan Neflow Uang Karal dengan Model Variansi Kalender dan Model Auoregressive Disribued ag (ARD). Jurnal Sains dan Seni ITS, Vol No.. [] Wulansari, R. E dan Suharono. (). eramalan Neflow Uang Karal dengan Meode ARIMAX dan Radial Basis Funcion Nework (RBFN) Sudi Kasus di Bank Indonesia. Jurnal Sains dan Seni ITS, Vol No.. [] Suharono, ee, M. H. dan Hamzah, N. A. (). Calendar Variaion Model Based on Time Series Regression for Sales Forecass: The Ramadhan Effecs. roceedings of The Regional Conference on Saisical Sciences, - [] Suharono, ee, M. H., dan Hamzah, N. A. (). Calendar Variaion Model Based on ARIMAX for Forecasing Sales Daa wih Ramadhan Effec. roceedings of he Regional Conference on Saisical Sciences,. [] Wei, W. W. ().Time Series Analysis : Univariae and Mulivariae Mehods. New York: earson Educaion, Inc. [] Cryer, J.D., dan Chan, K.S. (). Time Series Analysis wih Alicaion in R nd Ediion. New York: Sringer. [] Bowerman,.B dan O Connell, T.R.. Forecasing and Time Series: An Alied Aroach. Belmon: Duxbury ress. [] Suharono dan ee, M. H. (). Forecasing of Touris Arrivals Using Subse, Mulilicaive or Addiive Seasonal ARIMA Model. Maemaika, Vol No., -. [] Kosenko, A. V. dan Hyndman, R. J. (). Forecasing wihou Significance Tes. Inernaional Journal of Forecasing, -. [] Armsrong, J. S. (). Significance Tess Harm rogress in Forecasing. Inernaional Journal of Forecasing, Vol, -. [] Makridakis, S. dan Hibon, M. (). The M-Comeiion: resul, conclusions and imlicaions. Inernaional Journal of Forecasing, Vol, -. [] Suarman, Y. (). erlukah Cross Validaion dilakukan? erbandingan anara Mean Suare redicion Error dan Mean Suare Error sebagai enaksir Haraan Kuadra Kekeliruan Model. rosiding Universias adjajaran.

JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print) D-326

JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print) D-326 JURNAL AIN DAN ENI OMIT Vol. 3, No., (4) 337-35 (-98X rin) D-36 eramalan Toal Marke eeda Moor dan Toal enjualan Moor X di roinsi Jawa Timur dengan endekaan ARIMA Box-Jenkins dan Auoregressive Inegraed

Lebih terperinci

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER Jurnal Jurnal Muara Sains, Teknologi, Kedokeran, dan Ilmu Kesehaan Vol., No., Okober 07: hlm 97-07 ISSN 579-640 (Versi Ceak) ISSN-L 579-640 (Versi Elekronik) PENENTUAN MODEL INDEKS HARGA SAHAM GAUNGAN

Lebih terperinci

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER Sains, Teknologi, Kedokeran, dan Ilmu Kesehaan Vol., No., Aril 07: hlm 8-8 ISSN 579-640 (Versi Ceak) ISSN-L 579-640 (Versi Elekronik) PENENTUAN MODEL INDEKS HARGA SAHAM GAUNGAN (IHSG) MENGGUNAKAN ANALISIS

Lebih terperinci

Analisis Peramalan Kombinasi Terhadap Jumlah Permintaan Darah di Surabaya (Studi Kasus: UDD PMI Kota Surabaya)

Analisis Peramalan Kombinasi Terhadap Jumlah Permintaan Darah di Surabaya (Studi Kasus: UDD PMI Kota Surabaya) JURNAL STATISTIKA Vol., No., () 5 Analisis Peramalan Kombinasi Terhada Jumlah Perminaan Darah di Surabaya (Sudi Kasus: UDD PMI Koa Surabaya) Winda Eka F., Ir. Dwiamono Agus W.,MIKom Jurusan Saisika, FMIPA,

Lebih terperinci

Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk

Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk Oleh : Dwi Hapsari K (1306 100 015) Dosen Pembimbing : Dra. Karika Firiasari, M.Si 1 Pendahuluan Laar Belakang, Perumusan Masalah, Tujuan

Lebih terperinci

Peramalan Outflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Autoregressive (GSTAR)

Peramalan Outflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Autoregressive (GSTAR) JURNA SAINS DAN SENI ITS Vol. 5 No. (16) 7-5 (1-98X Prin) D-59 Peramalan Ouflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Auoregressive (GSTAR) Rahmah Safiri, Seiawan, dan Imam Safawi

Lebih terperinci

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER. Muflih Rori Putra Harahap

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER. Muflih Rori Putra Harahap ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER Muflih Rori Pura Harahap 30 00 052 Pembimbing : Dr. Drs. Agus Suharsono, M.S. LATAR BELAKANG PENDAHULUAN

Lebih terperinci

Peramalan Volume Penjualan Total Sepeda Motor di Kabupaten Bojonegoro dan Lamongan dengan Pendekatan Model ARIMAX dan VARX

Peramalan Volume Penjualan Total Sepeda Motor di Kabupaten Bojonegoro dan Lamongan dengan Pendekatan Model ARIMAX dan VARX Peramalan Volume Penjualan Toal Seeda Moor di Kabuaen Bojonegoro dan Lamongan dengan Pendekaan Model ARIMAX dan VARX Sii Maghfiroul Ulyah, Desri Susilaningrum, 3 Suharono Jurusan Saisika, Fakulas MIPA,

Lebih terperinci

Peramalan Inflasi Nasional Berdasarkan Faktor Ekonomi Makro Menggunakan Pendekatan Time Series Klasik dan ANFIS

Peramalan Inflasi Nasional Berdasarkan Faktor Ekonomi Makro Menggunakan Pendekatan Time Series Klasik dan ANFIS JURNAL SAINS DAN SENI IS Vol. 4, No., () 2337-3 (2-928X Prin) D-67 Peramalan Inflasi Nasional Berdasarkan Fakor Ekonomi Makro Menggunakan Pendekaan ime Series Klasik dan ANFIS Clara Agusin Sephani, Agus

Lebih 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 Peramalan Inflasi Menggunakan Pendekaan Gabungan anara Fungsi Transfer dan Inervensi dengan Deeksi Oulier Tahira Ea Adisi, Dr. Suharono, S.Si. M.Sc. Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam,

Lebih terperinci

KAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN

KAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina

Lebih 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

Peramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun

Peramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun 1 Peramalan Kebuuhan Premium dengan Meode ARIMAX unuk Oimasi Persediaan di Wilayah TM Madiun Nindia ekar Dini, Haryono, dan uharono Jurusan aisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam, Insiu Teknologi

Lebih terperinci

PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL

PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 9 PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL Y.P.Y. Asmara,

Lebih terperinci

Peramalan Netflow Uang Kartal dengan Metode ARIMAX dan Radial Basis Function Network (Studi Kasus Di Bank Indonesia)

Peramalan Netflow Uang Kartal dengan Metode ARIMAX dan Radial Basis Function Network (Studi Kasus Di Bank Indonesia) JURNAL SAINS DAN SENI POMITS Vol., No., () - (-X Prin) D- Peramalan Neflow Uang Karal dengan Meode ARIMAX dan Radial Basis Funcion Nework (Sudi Kasus Di Bank Indonesia) Renny Elfira Wulansari dan Suharono

Lebih terperinci

Peramalan Volume Penjualan Total Sepeda Motor di Kabupaten Bojonegoro dan Lamongan dengan Pendekatan Model ARIMAX dan VARX

Peramalan Volume Penjualan Total Sepeda Motor di Kabupaten Bojonegoro dan Lamongan dengan Pendekatan Model ARIMAX dan VARX JURNAL SAINS AN SENI POMITS Vol., No., (0) ISSN: - (0- Prin) -0 Peramalan Volume Penjualan Toal Seeda Moor di Kabuaen Bojonegoro dan Lamongan dengan Pendekaan Model dan VARX ii Maghfiroul Ulyah, esri Susilaningrum,

Lebih terperinci

MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BOX-JENKINS. OLEH : SHANTIKA MARTHA, S.Si NIP

MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BOX-JENKINS. OLEH : SHANTIKA MARTHA, S.Si NIP MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BO-JENKINS OLEH : SHANTIKA MARTHA, S.Si NIP. 9840308008003 UNIVERSITAS TANJUNGPURA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM JURUSAN MATEMATIKA

Lebih terperinci

Peramalan Permintaan Penjualan SepedaMotor di PT. A dengan Menggunakan ARIMAX dan VARX (Studi Kasus dikabupaten Ponorogo)

Peramalan Permintaan Penjualan SepedaMotor di PT. A dengan Menggunakan ARIMAX dan VARX (Studi Kasus dikabupaten Ponorogo) JURNAL AIN DAN ENI POMIT Vol. 3, No.2, (204) 2337-3520 (230-928X Prin) D-28 Peramalan Perminaan Penjualan eedamoor di PT. Menggunakan ARIMAX dan VARX (udi Kasus dikabuaen Ponorogo) Ani aul Ru yai Badriyah

Lebih terperinci

ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI

ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 009 XV-1 ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Muhammad Sjahid Akbar, Jerry Dwi Trijoyo

Lebih terperinci

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA Oleh : Liviani Nursia 307030040 Dosen Pembimbing: Dr. Brodjol Suijo S.U, MSi Laar Belakang

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ISSN: ( Print) D-212

JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ISSN: ( Print) D-212 JURNAL SAINS DAN SENI POMITS Vol. 3, No., (04) ISSN: 337-3539 (30-97 Prin) D- Peramalan Jumlah Penumang Pesawa Terbang di Pinu Kedaangan Bandar Udara Inernasional Lombok dengan Meode ARIMA Box-Jenkins,

Lebih terperinci

PROSEDUR PEMBENTUKAN MODEL VARIASI KALENDER BERDASARKAN MODEL ARIMAX UNTUK PERAMALAN DATA DENGAN EFEK VARIASI KALENDER

PROSEDUR PEMBENTUKAN MODEL VARIASI KALENDER BERDASARKAN MODEL ARIMAX UNTUK PERAMALAN DATA DENGAN EFEK VARIASI KALENDER Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, November PROSEDUR PEMBENTUKAN MODEL VARIASI KALENDER BERDASARKAN MODEL ARIMAX UNTUK PERAMALAN DATA DENGAN EFEK VARIASI KALENDER Suharono dan

Lebih terperinci

Pemodelan ARIMA Dalam Prediksi Penumpang Pesawat Terbang Pada Bandara Internasional Sam Ratulangi Manado

Pemodelan ARIMA Dalam Prediksi Penumpang Pesawat Terbang Pada Bandara Internasional Sam Ratulangi Manado Pemodelan ARIMA Dalam Prediksi Penumang Pesawa Terbang Pada Bandara Inernasional Sam Raulangi Manado Sinnyo H.A. Salmon, Nelson Nainggolan 2, Djoni Haidja 3 Program Sudi Maemaika, FMIPA, UNSRAT, sinnyosalmon@ymail.com

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

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 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

PENGEMBANGAN MODEL REGRESI DERET WAKTU UNTUK DATA YANG MENGANDUNG VARIASI KALENDER

PENGEMBANGAN MODEL REGRESI DERET WAKTU UNTUK DATA YANG MENGANDUNG VARIASI KALENDER Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, November PENGEMBANGAN MODEL REGRESI DERET WAKTU UNTUK DATA YANG MENGANDUNG VARIASI KALENDER Alfonsus. J. Endhara dan Suharono Mahasiswa S Jurusan

Lebih terperinci

Abstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.

Abstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih. 1 Peramalan Volume Produksi Air Bersih di PDAM Kabupaen Bojonegoro berdasarkan Jumlah Pelanggan dan Volume Konsumsi Air Fasha Aulia Pradhani dan Adaul Mukarromah Jurusan Saisika, FMIPA, ITS Jl. Arief Rahman

Lebih terperinci

MODEL HIBRIDA EXPONENTIAL SMOOTHING PENDEKATAN STATE SPACE DENGAN METODE VARIASI KALENDER UNTUK PERAMALAN INFLOW DAN OUTFLOW UANG KARTAL DI JAWA TIMUR

MODEL HIBRIDA EXPONENTIAL SMOOTHING PENDEKATAN STATE SPACE DENGAN METODE VARIASI KALENDER UNTUK PERAMALAN INFLOW DAN OUTFLOW UANG KARTAL DI JAWA TIMUR TUGAS AKHIR SS 450 MODEL HIBRIDA EXPONENTIAL SMOOTHING PENDEKATAN STATE SPACE DENGAN METODE VARIASI KALENDER UNTUK PERAMALAN INFLOW DAN OUTFLOW UANG KARTAL DI JAWA TIMUR ANA SUSANTI NRP 32 00 033 Dosen

Lebih terperinci

2 efek dari pengaruh kejadian luar (exernal even) pada daa ime series (Wei, 2006). Bila y adalah daa ime series yang mengandung variasi kalender, maka

2 efek dari pengaruh kejadian luar (exernal even) pada daa ime series (Wei, 2006). Bila y adalah daa ime series yang mengandung variasi kalender, maka . PERAMALAN VOLUME KENDARAAN MASUK DI TOL DUPAK-WARU MENGGUNAKAN MODEL VARIASI KALENDER Yosua D. Charismawan (1304 100 024) Pembimbing : Ir. Dwiamono Agus W.,M.Ikom ABSTRAK Tol Surabaya-Gempol merupakan

Lebih terperinci

agenda Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran

agenda Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran seminar ugas akhir Renny Elfira Wulansari 0000 pembimbing Dr. Suharono, S.Si, M.Sc Gedung H Lanai Saisika FMIPA-ITS Surabaya, Juli 04 agenda Pendahuluan Tinjauan Pusaka Meodologi Peneliian Analisis dan

Lebih terperinci

Penentuan Pelebaran Window Time Optimal Pada Data Deret Waktu

Penentuan Pelebaran Window Time Optimal Pada Data Deret Waktu 1 Penenuan Pelebaran Window Time Opimal Pada Daa Dere Waku (1) Nursya`bani Hendro Prabowo dan (2) Raden Mohamad Aok Deparemen Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam, Insiu Teknologi Sepuluh

Lebih terperinci

Analisis Peramalan Jumlah Permintaan Kerudung di Industri Kecil Kerudung Arin di Surabaya dengan Metode Variasi Kalender

Analisis Peramalan Jumlah Permintaan Kerudung di Industri Kecil Kerudung Arin di Surabaya dengan Metode Variasi Kalender Analisis Peramalan Jumlah Perminaan Kerudung di Indusri Kecil Kerudung Arin di Surabaya dengan Meode Variasi Kalender Disusun oleh : Sely Enggar Rusiano 307 030 030 Dosen Pembimbing : Dr. Irhamah, M.Si

Lebih terperinci

Pemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network

Pemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network D-378 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (26) 2337-3520 (23-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi pada Plaform MK di PT X Menggunakan Meode ARIMA, Neural Nework, dan Hibrida ARIMA-Neural

Lebih terperinci

PERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS

PERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS PERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS Joko Ariyadi (308 030 060) Pembimbing : Drs. Brodjol Suijo Suprih Ulama, M.Si Laar Belakang 2 Laar

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 robabilias 2.1.1 Definisi robabilias adalah kemungkinan yang daa erjadi dalam suau erisiwa erenu. Definisi robabilias daa diliha dari iga macam endekaan, yaiu endekaan klasik,

Lebih terperinci

BAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu

BAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,

Lebih 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

PERAMALAN KUNJUNGAN WISATAWAN KE ULUWATU DENGAN MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE

PERAMALAN KUNJUNGAN WISATAWAN KE ULUWATU DENGAN MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE TRI TANAMI SUKRAINI : RAMALAN KUNJUNGAN WISATAWAN 47 PERAMALAN KUNJUNGAN WISATAWAN KE ULUWATU DENGAN MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE Tri Tanami Sukraini Jurusan Adminisrasi Niaga

Lebih 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

PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT

PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT Saisika, Vol. 2, No. 2, November 24 PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT Sri Wahyuni, 2 Farikhin, Iswahyudi Joko Suprayino Program Sudi Saisika

Lebih terperinci

Peramalan Jumlah Pengunjung Domestik dan Mancanegara di Maharani Zoo & Goa Menggunakan ARIMA Box - Jenkins

Peramalan Jumlah Pengunjung Domestik dan Mancanegara di Maharani Zoo & Goa Menggunakan ARIMA Box - Jenkins Peramalan Jumlah Pengunjung Domesik dan Mancanegara di Maharani oo & Goa Menggunakan ARIMA Box - Jenkins Vivi Kusuma Sulisyawai (3030085) Dosen Pembimbing Dr. Irhamah, S.Si.,M.Si Laar Belakang Rumusan

Lebih terperinci

PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Studi Kasus Data Saham PT. Gudang Garam Tbk.

PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Studi Kasus Data Saham PT. Gudang Garam Tbk. Bulein Ilmiah Mah. Sa. dan Teraannya (Bimaser) Volume 4, No. 3 (ahun), hal 69 78. PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Sudi Kasus Daa Saham PT.

Lebih terperinci

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

Aplikasi Metode Ensembel untuk Peramalan Inflasi di Indonesia

Aplikasi Metode Ensembel untuk Peramalan Inflasi di Indonesia JURNAL SAINS DAN SENI ITS Vol., No., (Se. 22) ISSN: 23-928X D-7 Alikasi Meode unuk Peramalan Inflasi di Indonesia Mega Silfiani dan Suharono Jurusan Saisika, Falkulas Maemaika dan Ilmu Pengeahuan Alam,

Lebih terperinci

Peramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis

Peramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis JURNAL SAINS DAN NI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Prin) D-224 Peramalan Penjualan Sepeda Moor di Jawa Timur dengan Menggunakan Model Dinamis Desy Musika dan Seiawan Jurusan Saisika,

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang

Lebih terperinci

Model ARIMAX Dan Deteksi GARCH Untuk Peramalan Inflasi Kota Denpasar Tahun 2014

Model ARIMAX Dan Deteksi GARCH Untuk Peramalan Inflasi Kota Denpasar Tahun 2014 JEKT Model ARIMAX Dan Deeksi GARCH Unuk Peramalan Inflasi Koa Denpasar Tahun 2014 Rukini *) Badan Pusa Saisik Provinsi Bali ABSTRAK pemerinah dalam mengambil kebijakan unuk menjaga sabilias moneer di masa

Lebih terperinci

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan

Lebih 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

Distribusi Normal Multivariat

Distribusi Normal Multivariat Vol.4, No., 43-48, Januari 08 Disribusi Normal Mulivaria Husy Serviana Husain Absrak Pada engendalian roses univaria berdasarkan variabel, biasanya digunakan model disribusi normal unuk mengamai kualias

Lebih terperinci

Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline ABSTRAK

Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline ABSTRAK Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Meode Inervensi dan Regresi Spline Rina Andriani, Dr. Suharono, M.Sc 2 Mahasiswa Jurusan Saisika FMIPA-ITS, 2 Dosen Jurusan Saisika FMIPA-ITS

Lebih terperinci

Prediksi Penjualan Sepeda Motor Honda di Kabupaten dan Kotamadya Malang dengan Metode Peramalan Hierarki. Oleh : Rika Susanti

Prediksi Penjualan Sepeda Motor Honda di Kabupaten dan Kotamadya Malang dengan Metode Peramalan Hierarki. Oleh : Rika Susanti Prediksi Penjualan Sepeda Moor Honda di Kabupaen dan Koamadya Malang dengan Meode Peramalan Hierarki Oleh : Rika Susani 1310100066 Dosen Pembimbing Co. Pembimbing : Dra. Desri Susilaningrum, M.Si. : Dr.

Lebih terperinci

Peramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun

Peramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun Peramalan Kebuuhan Premium dengan Meode ARIMAX unuk Opimasi Persediaan di Wilayah TBBM Madiun Oleh: Nindia Sekar Dini 1308100088 Pembimbing: Drs. Haryono, MSIE Dr. Suharono 1 Ouline Pendahuluan Tinjauan

Lebih terperinci

MODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR

MODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR MODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR S - 27 Rukini, Suharono2 2,2 Jurusan Saisika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Teknologi Sepuluh Nopember (ITS) Surabaya

Lebih terperinci

BAB 4 ANALISIS DAN PEMBAHASAN

BAB 4 ANALISIS DAN PEMBAHASAN BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di

Lebih terperinci

KAJIAN PEMODELAN DERET WAKTU NONLINIER THRESHOLD AUTOREGRESSIVE (TAR) Puji Noviandari Universitas Jenderal Soedirman

KAJIAN PEMODELAN DERET WAKTU NONLINIER THRESHOLD AUTOREGRESSIVE (TAR) Puji Noviandari Universitas Jenderal Soedirman JMP : Volume 4 Nomor 1, Juni 01, hal. 13-134 KAJIAN PEMODELAN DERET WAKTU NONLINIER THRESHOLD AUTOREGRESSIVE (TAR) Pui Noviandari Universias Jenderal Soedirman veeyan_love18@yahoo.com Renny Universias

Lebih terperinci

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi

Lebih terperinci

PEMODELAN SMOOTH TRANSITION AUTOREGRESSIVE (STAR) PADA KURS THAI BATH TERHADAP RUPIAH RAHMA NUR CAHYANI

PEMODELAN SMOOTH TRANSITION AUTOREGRESSIVE (STAR) PADA KURS THAI BATH TERHADAP RUPIAH RAHMA NUR CAHYANI erusakaan.uns.ac.id PEMODELAN SMOOH RANSIION AUOREGRESSIVE (SAR PADA KURS HAI BAH ERHADAP RUPIAH oleh RAHMA NUR CAHYANI M005059 SKRIPSI diulis dan diajukan unuk memenuhi sebagian ersyaraan memeroleh gelar

Lebih terperinci

Analisis Pola Hubungan Pemodelan ARIMA Curah Hujan dengan Curah Hujan Maksimum, Lama Waktu Hujan, dan Curah Hujan Rata-Rata

Analisis Pola Hubungan Pemodelan ARIMA Curah Hujan dengan Curah Hujan Maksimum, Lama Waktu Hujan, dan Curah Hujan Rata-Rata Analisis Pola Hubungan Pemodelan ARIMA Curah Hujan dengan Curah Hujan Maksimum, Lama Waku Hujan, dan Curah Hujan Raa-Raa Fahin Fahimah 33 Jurusan Teknik Elekro-FTI, Insiu Teknologi Seuluh Noember Kamus

Lebih 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

Peramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Multi Input. : Nesia Brilliana I.P NRP :

Peramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Multi Input. : Nesia Brilliana I.P NRP : Peramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Muli Inpu Nama : Nesia Brilliana I.P NRP : 20800023 Jurusan : Maemaika Dosen Pembimbing : Dra. Nuri Wahyuningsih, M. Kes Pemberian pupuk

Lebih terperinci

PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR

PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR TUGAS AKHIR SS 145561 PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR SARIRAZTY DWIJANTARI NRP 1314 030 010 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si., M.Si DEPARTEMEN

Lebih terperinci

Peramalan Inflasi Menggunakan Model Fungsi Transfer Multi Input. Forcasting Inflation Using Multiple Input Transfer Function Model

Peramalan Inflasi Menggunakan Model Fungsi Transfer Multi Input. Forcasting Inflation Using Multiple Input Transfer Function Model Peramalan Inflasi Menggunakan Model Fungsi Transfer Muli Inpu Forcasing Inflaion Using Muliple Inpu Transfer Funcion Model Novi Adisia, Sri Wahyuningsih, dan Rio Goeanoro 3 Laboraorium Saisika Terapan

Lebih terperinci

APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND

APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND Noeryani 1, Ely Okafiani 2, Fera Andriyani 3 1,2,3) Jurusan maemaika, Fakulas Sains Terapan, Insiu Sains & Teknologi

Lebih terperinci

DAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Studi Aplikasi Model Intervensi dengan Step Function)

DAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Studi Aplikasi Model Intervensi dengan Step Function) DAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Sudi Aplikasi Model Inervensi dengan Sep Funcion) S-3 Kismianini dan Dhoriva Urwaul Wusqa Jurusan Pendidikan Maemaika

Lebih 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

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

ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG

ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG ISSN: 9-54 JURNAL GAUSSIAN, Volume 4, Nomor, Tahun 05, Halaman 6-60 Online di: hp://eournal-s.undip.ac.id/index.php/gaussian ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG

Lebih terperinci

Perbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X

Perbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa

Lebih terperinci

Analisis Peramalan Jumlah Penumpang Kereta Api Penataran Tujuan Surabaya-Malang

Analisis Peramalan Jumlah Penumpang Kereta Api Penataran Tujuan Surabaya-Malang Analisis Peramalan Jumlah Penumpang Kerea Api Penaaran Tujuan Surabaya-Malang Oleh. Andria Prima Diago 08.00.0 Dosen Pembimbing. r. Dwiamono Agus, M.komp Andria Prima Diago 08.00.0 nsiu Teknologi Sepuluh

Lebih terperinci

Peramalan Pengguna Kapal Ferry Ujung-Kamal dengan Metode Intervensi

Peramalan Pengguna Kapal Ferry Ujung-Kamal dengan Metode Intervensi D-480 JURNAL SAINS DAN SENI IS Vol. No. 2 (6) 2337-3 (2-928X Prin) Peramalan Pengguna Kapal Ferry Ujung-Kamal dengan Meode Inervensi Eka Apriliani, dan Irhamah Jurusan Saisika, Fakulas MIPA, Insiu eknologi

Lebih terperinci

metodologi penelitian

metodologi penelitian pendahuluan injauan pusaka meodologi peneliian hasil dan pembahasan kesimpulan Pusaka Meodologi Peningkaan Energi lisrik Kebuuhan energi lisrik Pengembangan sisem energi lisrik Peramalan beban lisrik Slide

Lebih terperinci

Bab III Komentar terhadap distribusi vec(r)

Bab III Komentar terhadap distribusi vec(r) Bab III Komenar erhada disribusi vec(r Bab ini mengeengahkan enang komenar erhada disribusi asimoik dari mariks korelasi R, dalam benuk vec(r, yang akan menjadi salah sau dasar dalam eneliian diserasi

Lebih terperinci

Peramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun

Peramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun JURNAL AIN DAN ENI IT Vol. 1, No. 1, (ep. 2012 IN: 2301-928X D-230 Peramalan Kebuuhan Premium dengan Meode ARIMAX unuk Opimasi Persediaan di Wilayah TM Madiun Nindia ekar Dini, Haryono, dan uharono Jurusan

Lebih terperinci

Jurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN

Jurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN Peramalan Dengan Meode Smoohing dan Verifikasi Meode Peramalan Dengan Grafik Pengendali Moving Range () (Sudi Kasus: Produksi Air Bersih di PDAM Tira Kencana Samarinda) Forecasing wih Smoohing and Verificaion

Lebih terperinci

Kata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting.

Kata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting. METODE INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) UNTUK MEMODELKAN HARGA GABAH DUNIA (INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY TO CAPTURE

Lebih terperinci

(T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES

(T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES PROSIDING ISSN : 087-590. Seminar Nasional Saisika November 0 Vol, November 0 (T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES Yahya Ubaid ), Budi Nurani R. ), Mulyana K. 3) )Mahasiswa Program

Lebih terperinci

ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING

ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING Nama: Zahroh Aiqoh 05 00 0 Dosen Pembimbing: Dra. Nuri Wahyuningsih, MKes Drs. Sulisiyo, MT Jurusan Maemaika

Lebih terperinci

PERAMALAN JUMLAH PENJUALAN KORAN HARIAN BERLANGGANAN DI PT. JAWA POS DENGAN MENGGUNAKAN ARIMA BOX-JENKINS

PERAMALAN JUMLAH PENJUALAN KORAN HARIAN BERLANGGANAN DI PT. JAWA POS DENGAN MENGGUNAKAN ARIMA BOX-JENKINS TUGAS AKHIR SS 145561 PERAMALAN JUMLAH PENJUALAN KORAN HARIAN BERLANGGANAN DI PT. JAWA POS DENGAN MENGGUNAKAN ARIMA BOX-JENKINS TRI EMIRA RISMAYANTI NRP 1314 030 070 Dosen Pembimbing Dr. Brodjol Suijo

Lebih terperinci

BAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel

BAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel BAB III ANALISIS INTERVENSI 3.1. Pendahuluan Analisis inervensi dimaksudkan unuk penenuan jenis respons variabel ak bebas yang akan muncul akiba perubahan pada variabel bebas. Box dan Tiao (1975) elah

Lebih terperinci

Peramalan Total Market Sepeda Motor Dan Total Penjualan Motor X Di Propinsi Jawa Timur Dengan Pendekatan ARIMA Box-Jenkins Dan ARIMAX

Peramalan Total Market Sepeda Motor Dan Total Penjualan Motor X Di Propinsi Jawa Timur Dengan Pendekatan ARIMA Box-Jenkins Dan ARIMAX Peramalan Toal Marke epeda Moor Dan Toal Penjualan Moor X Di Propinsi Jawa Timur Dengan Pendekaan ARIMA Box-Jenkins Dan ARIMAX Oleh: Novia Dwi R. (300027) Dosen Pembimbing: Dr. eiawan, M.i 2 AGENDA PENDAHULUAN

Lebih terperinci

Dosen Pembimbing Dr. Brodjol Sutijo Suprih Ulama, M.Si.

Dosen Pembimbing Dr. Brodjol Sutijo Suprih Ulama, M.Si. TUGAS AKHIR SS 145561 PERAMALAN NILAI IMPOR NON MIGAS DI JAWA TIMUR DENGAN MENGGUNAKAN METODE ARIMA BOX-JENKINS BOBBY AKBAR NRP 1314 030 002 Dosen Pembimbing Dr Brodjol Suijo Suprih Ulama, MSi DEPARTEMEN

Lebih terperinci

PEMODELAN PRODUKSI SEKTOR PERTANIAN

PEMODELAN PRODUKSI SEKTOR PERTANIAN Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 2009 PEMODELAN PRODUKSI SEKTOR PERTANIAN Brodjol Suijo Jurusan Saisika ITS Surabaya ABSTRAK Pada umumnya daa ekonomi bersifa ime

Lebih terperinci

BAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat

BAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber

Lebih terperinci

Peramalan Beban Listrik di Jawa Timur Menggunakan Metode ARIMA dan Adaptive Neuro Fuzzy Inference System (ANFIS)

Peramalan Beban Listrik di Jawa Timur Menggunakan Metode ARIMA dan Adaptive Neuro Fuzzy Inference System (ANFIS) JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) -50 (0-9X Prin) D-9 Peramalan Beban Lisrik di Jawa Timur Menggunakan Meode ARIMA dan Adapive Neuro Fuzzy Inference Sysem () Indana La Zulfa dan Suharono Jurusan

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

Analisa Performansi Keandalan Pada Boiler dengan Menggunakan Metode Jaringan Syaraf Tiruan di PT. PJB Unit Pembangkit Gresik

Analisa Performansi Keandalan Pada Boiler dengan Menggunakan Metode Jaringan Syaraf Tiruan di PT. PJB Unit Pembangkit Gresik JURNAL EKNIK POMIS Vol., No., () - Analisa Performansi Keandalan Pada Boiler dengan Menggunakan Meode Jaringan Syaraf iruan di P. PJB Uni Pembangki Gresik Inan Mara Kusuma, Imam Abadi, S, M dan Deak Yan

Lebih terperinci

USULAN PENERAPAN METODE KOEFISIEN MANAJEMEN (BOWMAN S) SEBAGAI ALTERNATIF MODEL PERENCANAAN PRODUKSI PRINTER TIPE LX400 PADA PT X

USULAN PENERAPAN METODE KOEFISIEN MANAJEMEN (BOWMAN S) SEBAGAI ALTERNATIF MODEL PERENCANAAN PRODUKSI PRINTER TIPE LX400 PADA PT X USULAN ENERAAN METODE KOEISIEN MANAJEMEN (BOMAN S) SEBAGAI ALTERNATI MODEL ERENCANAAN RODUKSI RINTER TIE LX400 ADA T X Hendi Dwi Hardiman Jurusan Teknik Manajemen Indusri - Sekolah Tinggi Manajemen Indusri

Lebih terperinci

BAB 2 TINJAUAN TEORI

BAB 2 TINJAUAN TEORI 7 BAB 2 TINJAUAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan

Lebih terperinci

S 9 Peramalan Volume Penjualan Calana Panjang di Boyolali dengan Menggunakan Model Variasi Kalender

S 9 Peramalan Volume Penjualan Calana Panjang di Boyolali dengan Menggunakan Model Variasi Kalender 9 Peramalan Volume Penjualan Calana Panjang di Boyolali dengan Menggunakan Model Variasi Kalender Wahyuni uryaningyas Dosen FKIP Universias Muhammadiyah urabaya e-mail: ma_ums @yahoo.com ABTRAK Bisnis

Lebih terperinci

PENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI

PENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI PENGGUNAAN ONSEP FUNGSI CONVEX UNU MENENUAN SENSIIVIAS HARGA OBLIGASI 1 Zelmi Widyanuara, 2 Ei urniai, Dra., M.Si., 3 Icih Sukarsih, S.Si., M.Si. Maemaika, Universias Islam Bandung, Jl. amansari No.1 Bandung

Lebih terperinci

DAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII

DAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII Bulein Ilmiah Mah. Sa. dan Terapannya (Bimaser) Volume 6, No. 3 (27), hal 83 2. MODEL SPACE-TIME DAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII Ella Kurniawai, Naomi Nessyana

Lebih terperinci

ANALISIS DATA INFLASI INDONESIA MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DENGAN PENAMBAHAN OUTLIER.

ANALISIS DATA INFLASI INDONESIA MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DENGAN PENAMBAHAN OUTLIER. Analisis Daa (Supari) ANALISIS DAA INFLASI INDONESIA MENGGUNAKAN MODEL AUOREGRESSIVE INEGRAED MOVING AVERAGE (ARIMA) DENGAN PENAMBAHAN OULIER Supari 1 dan Alfi Faridaus Sa adah 2 1 Saf Pengajar Jurusan

Lebih terperinci

PENDAHULUAN LANDASAN TEORI

PENDAHULUAN LANDASAN TEORI PEDAHULUA Laar Belakang Menduga dan meramal sae yang idak bisa diamai secara langsung dari suau kejadian ekonomi adalah ening Pemerinah melalui bank senral dan ara regulaor daa menggunakan informasi enang

Lebih terperinci

PENENTUAN MODEL PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN METODE ARIMA

PENENTUAN MODEL PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN METODE ARIMA PENENTUAN MODEL PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN METODE ARIMA Leopoldus Ricky Sasongko, Lydia Ninuk Rahayu, dan Alberh Roy Koa 3,,3 Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias

Lebih terperinci

IDENTIFIKASI POLA DATA TIME SERIES

IDENTIFIKASI POLA DATA TIME SERIES IDENTIFIKASI POLA DATA TIME SERIES Daa merupakan bagian pening dalam peramalan. Beriku adalah empa krieria yang dapa digunakan sebagai acuan agar daa dapa digunakan dalam peramalan.. Daa harus dapa dipercaya

Lebih 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 TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi

Lebih terperinci

PERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN (STUDI KASUS KOTA SALATIGA, BULAN JANUARI 2014 JULI 2016)

PERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN (STUDI KASUS KOTA SALATIGA, BULAN JANUARI 2014 JULI 2016) Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: 978-602-622-20-9 hal 935-950 November 206 hp://jurnal.fkip.uns.ac.id PERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN

Lebih terperinci

ANALISIS PERAMALAN KOMBINASI TERHADAP JUMLAH PERMINTAAN DARAH DI SURABAYA (STUDI KASUS:

ANALISIS PERAMALAN KOMBINASI TERHADAP JUMLAH PERMINTAAN DARAH DI SURABAYA (STUDI KASUS: ANALISIS PERAMALAN KOMBINASI TERHADAP JUMLAH PERMINTAAN DARAH DI SURABAYA (STUDI KASUS: UDD PMI KOTA SURABAYA) Oleh: Winda Eka Febriana (0500) Pembimbing: Ir. Dwiamono Agus W., MIKom . LATAR BELAKANG DARAH

Lebih terperinci