Peramalan Return Saham Bank Central Asia Menggunakan Self Exciting Threshold Autoregressive Genetic Algorithm
|
|
- Hartanti Budiman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (2016) ( X Prin) D-71 Peramalan Reurn Saham Bank Cenral Asia Menggunakan Self Exciing Threshold Auoregressive Geneic Algorihm Tesalonika Puri dan Irhamah Jurusan Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam, Insiu Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya Indonesia Absrak Tujuan uama invesor melakukan invesasi adalah mendapakan reurn invesasi yang sesuai dengan apa yang elah diinvesasikannya. Unuk mendapakan hasil invesasi yang epa, invesor perlu mengeahui kondisi reurn saham di masa yang akan daang dengan ingka resiko yang kecil. BCA meru-pakan salah sau perusahaan yang paling diminai oleh invesor karena BCA menduduki peringka ke 4 berdasarkan pengu-kuran kinerja perusahaan dalam peningkaan kekayaan yang dihasilkan perusahaan di aas reurn minimal. Kasus reurn sa-ham BCA mengikui pola dere waku nonlinear sehingga dide-kai dengan salah sau meode dere waku nonlinear Self Exci-ing Threshold Auoregressive (). Model mem-bagi daa menjadi beberapa regime berdasarkan nilai hreshold yang diambil dari lag dere waku reurn saham BCA ersebu. Namun sering dijumpai permasalahan dalam memperoleh model erbaik. Pada peneliian ini dilakukan opimasi esimasi para-meer model dengan geneic algorihm (GA) unuk me-ngaasi hal ersebu. GA melakukan proses pencarian solusi er-baik berdasarkan kumpulan solusi. Pemodelan reurn saham BCA dilakukan menggunakan model, GA dan. Model erbaik adalah model subse menggunakan opimasi geneic algorihm, karena menghasilkan akurasi peramalan paling inggi dibandingkan model. Kaa Kunci Reurn Saham, Self Exciing Threshold Auoregressive, Geneic Algorihm, S I. PENDAHULUAN AHAM merupakan salah sau insrumen keuangan yang menjadi sarana berinvesasi bagi masyaraka pemodal (invesor). Tujuan uama invesor melakukan invesasi adalah mendapakan reurn invesasi yang sesuai dengan apa yang elah diinvesasikannya. Konsep reurn adalah ingka keunungan yang dinikmai oleh invesor aas suau invesasi yang elah diinvesasikan, sehingga reurn saham adalah income yang diperoleh pemegang saham sebagai hasil dari invesasi di perusahaan erenu [1]. Mekanisme harga saham diaur dalam Bursa Efek Indonesia (BEI). Salah sau perusahaan yang ergabung dalam BEI adalah Bank Cenral Asia (BCA). Berdasarkan perhiungan harian daa dari Bloomberg periode 2009 sampai 2013, BCA menduduki peringka ke 4 berdasarkan pengukuran kinerja perusahaan dalam peningkaan kekayaan yang dihasilkan perusahaan di aas reurn minimal. Hal ini menjadikan BCA sebagai perusahaan yang paling diincar oleh invesor karena hasil invesasi yang cukup menarik. Namun demikian, unuk mendapakan hasil invesasi yang epa, invesor perlu mengeahui kondisi reurn saham di masa yang akan daang dengan ingka resiko yang kecil. Pada kasus reurn saham erjadi volailias aau erjadinya perubahaan pada daa reurn yang akan berakiba langsung pada perilaku harga saham unuk periode yang panjang. Hal ersebu menyebabkan peramalan reurn saham BCA didekai menggunakan model dere waku nonlinear. Salah sau model nonlinear yang digunakan adalah Self Exciing Threshold Auoregressive (). Model ini memisahkan daa menjadi dua bagian yang disebu regime bawah dan regime aas. Pada model, hreshold yang digunakan unuk memisahkan daa diambil dari nilai lag dere waku ersebu [2]. Namun demikian, sering dijumpai permasalahan dalam melakukan Pemodelan yang menyebabkan hasil prediksi kurang epa sehingga pada peneliian ini dilakukan opimasi unuk esimasi parameer model menggunakan Geneic Algorihm (GA) [3]. Keunggulan meode GA adalah bekerja pada kumpulan solusi. Tujuan peneliian ini adalah unuk mendapakan hasil peramalan reurn saham BCA menggunakan model dan GA. Peneliian sebelumnya pernah dilakukan oleh Irhamah, dkk [4] sera Maulida dan Irhamah [5] unuk idenifikasi model dan esimasi parameer model menggunakan GA, kemudian diperoleh hasil bahwa meode GA menghasilkan keepaan peramalan yang lebih inggi dibandingkan model lainnya. Berdasarkan peneliian ersebu maka dalam peneliian ini dilakukan. Pemodelan reurn saham BCA menggunakan dan GA sera membandingkan dengan model Auoregressive Inegraed Moving Average (). II. TINJAUAN PUSTAKA A. Model Auoregressive Inegraed Moving Average () Model merupakan salah sau model yang digunakan unuk daa yang idak sasioner sehingga perlu diransformasi (jika idak sasioner dalam varians) dan differencing (jika idak sasioner dalam mean) [6]. dikaakan proses jika mengikui model auo-regressive orde p, moving average orde q, dan differencing sebanyak d kali aau dapa diulis model (p,d,q). Secara umum, model
2 JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (2016) ( X Prin) D-72 (p,d,q) diunjukkan pada persamaan (1) beriku ini. p d q 1 B... B )(1 B) (1 B... B ) a (1) ( 1 p 1 q Dalam melakukan Pemodelan, daa harus sasioner dalam mean dan varians. Uji augmened dickey fuller (ADF) digunakan unuk menguji sasionerias daa, sedangkan unuk mengeahui sasioner dalam varians dapa menggunakan box cox ransformaion. B. Uji Nonlinearias Terasvira Uji nonlinearias erasvira dilakukan unuk mengeahui apakah suau daa mengikui pola linear aau nonlinear. Uji erasvira menggunakan uji F dan erdapa suku kuadraik hasil dari ekspansi dere Taylor [7]. Prosedur unuk mendapakan nilai saisik uji F adalah sebagai beriku. 1. Meregresikan dengan 1, -1, -2,..., -p sehingga diperoleh residual dan menghiung jumlah kuadra residual (SSR 0). 2. Meregresikan a a dengan 1, -1, -2,..., -p dan m predikor ambahan yang diperoleh dari hasil ekspansi dere Taylor, kemudian diperoleh residual dan menghiung jumlah kuadra residual (SSR). 3. Menghiung nilai F dengan rumus beriku ini. ( SSR0 SSR)/ m F (2) SSR/( N p 1 m) dimana N adalah jumlah pengamaan. Nilai F didekai dengan disribusi F dengan deraja bebas m (predikor ambahan) dan N p 1 m dimana p adalah banyak orde. Daa bersifa nonlinear apabila diperoleh kesimpulan olak H 0. C. Model Self Exciing Threshold Auoregressive () Model Self Exciing Threshold Auoregressive () merupakan pengembangakn dari model TAR dimana hreshold yang digunakan diambil dari nilai lag dere waku iu [2]. Pada model, daa dipisahkan sebanyak k regime. Regime yang digunakan pada peneliian ini adalah sebanyak 2 regime, sehingga model unuk masing-masing regime diunjukkan pada persamaan beriku ini. p1 0,1 i,1 i a,1 ; jika d r i 1 (3) p2 0,2 i,2 i a,2 ; jika d r i 1 Persamaan di aas menunjukkan model (2,p 1,p 2) yang merupakan model dengan 2 regime dimana p 1 menunjukkan orde AR pada regime bawah dan p 2 menunjukkan orde AR pada regime aas. Kemudian d adalah delay. Delay adalah efek dari orde maksimum aau lag yang keluar dari plo PACF, namun nilai delay juga dapa kurang dari orde maksimum karena berdasarkan lag yang signifikan. Kemudian r adalah hreshold yang diperoleh dari persenil lag dere waku ersebu. Persamaan (3) dapa diulis dalam benuk marik beriku ini. XΦ a (4) v dimana merupakan vekor yang erdiri dari daa dere waku regime bawah dan regime aas yaiu,1, +1,1,, T,1,,2, +1,2,, T,2. Kemudian X adalah marik yang erdiri dari elemen variabel predikor 1, -1, -2,, -p unuk masingmasing regime. Vekor ɸ adalah vekor yang erdiri dari elemen parameer model yaiu ϕ 0,1, ϕ 1,1, ϕ 2,1,, ϕ p,1, ϕ 0,2, ϕ 1,2,, ϕ p,2. Seelah diperoleh benuk marik unuk persamaan model, maka diperoleh esimasi parameer model menggunakan meode OLS dengan persamaan beriku ini. 1 Φ ( X ' X) X' (5) D. Krieria Pemilihan Model Terbaik Akaike s Informaion Crieria () adalah suau krieria pemilihan model erbaik yang diperkenalkan Akaike dengan memperimbangkan banyaknya parameer dalam model. Semakin kecil nilai yang diperoleh maka semakin baik model yang digunakan. Krieria dapa dirumuskan sebagai beriku [5]. SSE N ln( ) 2M (6) N dimana SSE adalah sum of square error dan M adalah banyak parameer dalam model. Selain, krieria pemilihan model menggunakan Mean Square Error (). adalah pengukuran kebaikan model berdasarkan nilai raa-raa dari jumlah kuadra error. l 2 ( ) 1 (7) l E. Geneic Algorihm (GA) Geneic Algorihm (GA) dikembangkan perama kali oleh John Holland dan mengaakan bahwa seiap masalah yang berbenuk adapasi (alami maupun buaan) dapa diformulasikan dalam erminology geneika. GA melibakan proses evolusi Darwin dan operasi geneika aas kromosom. Prosedur GA dijelaskan sebagai beriku [8]. 1. Menenukan kromosom aau individu. Kromosom yang digunakan pada peneliian ini adalah bilangan real. Seiap anggoa kromosom disusun oleh gen-gen dimana masingmasing gen mewakili elemen dari vekor solusi. 2. Menenukan fungsi finess unuk mengukur ingka kebaikan aau kesesuaian suau solusi. Fungsi finess yang digunakan adalah nilai sum square error (SSE). Rumus SSE adalah sebagai beriku. T 2 SSE ( ) (8) 1 dimana adalah dere waku reurn saham BCA dan adalah dere waku yang diperoleh dari Pemodelan pada persamaan (3) dengan esimasi parameer hasil opimasi GA. Karena pada peneliian ini dilakukan opimasi unuk meminimumkan SSE maka fungsi finess yang digunakan menjadi 1. Seelah seiap solusi dievaluasi SSE dengan fungsi finess, perlu dilakukan proses seleksi unuk memilih paren di anara populasi solusi.
3 JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (2016) ( X Prin) D Proses pengkopian kromosom aau eliisme unuk memperahankan individu yang bernilai finess inggi. 4. Seleksi kromosom menggunakan roda roulee, yaiu masing-masing individu dipeakan dalam garis secara berauran sehingga seiap segmen individu memiliki ukuran sama dengan ukuran finess. Kemudian sebuah bilangan random dibangkikan, apabila segmen dalam kawasan bilangan random maka akan erseleksi. Proses diulang hingga diperoleh individu yang diharapkan. 5. Crossover aau pindah silang yaiu proses pembenukan kromosom baru dengan memindah-silangkan dua buah krmosom. Proses ini hanya bisa dilakan dengan suau probabilias erenu (Pc). Apabila suau bilangan random yang dibangkikan kurang dari Pc maka dapa dilakukan pindah silang. 6. Pengganian populasi yaiu semua individu dari suau generasi diganikan sekaligus oleh individu baru hasil pindah silang dan muasi. F. Reurn Saham Reurn saham merupakan hasil yang yang diperoleh dari suau invesasi. Salah sau jenis reurn saham adalah reurn realisasi, yaiu reurn yang sudah erjadi dan dihiung berdasarkan daa hisoris [8]. Reurn saham dapa dihiung menggunakan logarima dari rasio harga penuupan saham. s ln( s r ) (9) 1 dimana r : reurn dari harga penuupan bursa saham pada hari ini () s : harga penuupan bursa saham pada hari ini () s -1 : harga penuupan bursa saham pada hari kemarin (-1) A. Sumber Daa III. METODOLOGI PENELITIAN Daa yang digunakan adalah daa sekunder yang diperoleh dari yahoo finance yaiu daa reurn saham harian Bank Cenral Asia mulai anggal 4 Januari 2010 sampai 13 November 2015 yang diakses dari Daa reurn saham dibagi dalam daa in-sample dan daa ousample. Daa in-sample dimulai dari 4 Januari 2010 sampai 31 Okober 2015 dan unuk daa ou-sample sebagai daa validasi digunakan daa dari 2 November sampai 13 November Pada peneliian ini, reurn yang digunakan adalah ln reurn (naural logarihmic), namun pada pembahasan selanjukan akan disebu reurn. B. Langkah Peneliian Pada peneliian ini dilakukan analisis dere waku nonlinear dengan dan Self Exciing Threshold Auoregressive (), dimana esimasi parameer model diopimasi dengan meode Geneic Algorihm (GA). Tahapan analisis daa yang dilakukan dalam peneliian ini yaiu sebagai beriku. 1. Melakukan analisis saisika deskripif 2. Melakukan idenifikasi model a. Melakukan plo daa reurn saham. b. Melakukan pengujian sasionerias dalam varian, jika daa idak sasioner dalam varians dilakukan ransformasi Box- Cox. c. Melakukan pengujian sasionerias dalam mean, jika daa idak sasioner dalam mean maka dilakukan differencing. d. Melakukan idenifikasi model dengan plo ACF dan PACF. e. Melakukan esimasi parameer dan pengujian parameer. f. Melakukan pemeriksaan asumsi residual whie noise dan disribusi normal. Jika idak berdisribusi normal maka melakukan deeksi oulier. 3. Uji nonlinierias Terasvira 4. Melakukan idenifikasi model. a. Menenukan order maksimum dari AR (p) berdasarkan plo PACF yang elah dilakukan pada analisis sebelumnya. b. Menenukan nilai hreshold. c. Memisahkan daa menjadi 2 bagian, regime bawah dan regime aas berdasarkan nilai hreshold. d. Melakukan idenifikasi model unuk memperoleh nilai maksimum unuk p 1 (regime bawah), p 2 (regime aas), dan d (delay). e. Melakukan Pemodelan sesuai hasil idenifikasi model. f. Melakukan pengujian signifikansi parameer. 5. Melakukan idenifikasi model dengan GA a. Menyusun kromosom dari idenifikasi model yang erdiri dari orde maksimum dari d, p 1, p 2, dan hreshold sesuai hasil idenifikasi model pada langkah nomor 4. b. Menenukan finess, Pc, Pm, dan banyak generasi. c. Melakukan insialisasi dari generasi ke-i. d. Melakukan decode kromosom dari populasi. e. Melakukan seleksi dengan roulee wheel, crossover, muasi, sera eliism pada populasi yang dimiliki. f. Diperoleh kromosom erbaik dari generasi ke-i. g. Diperoleh kromosom dengan minimum dan dilakukan dekode kromosom. h. Melakukan esimasi parameer dengan meode GA. i. Diperoleh model erbaik dengan erkecil. 6. Melakukan perbandingan model,, dan dengan GA 7. Membua ramalan ou-sample berdasarkan model erbaik. IV. HASIL DAN PEMBAHASAN Daa reurn saham BCA mengalami flukuasi erendah sebesar -0, yang erjadi pada anggal 22 Sepember Penurunan ini disebabkan karena krisis ekonomi Eropa yang membua invesor menarik dana dari pasar modal. Kemudian reurn saham BCA eringgi erjadi pada 17 Mare 201 dimana harga saham naik dari Rp 4802,75 menjadi Rp 5356,91. Daa reurn saham juga menunjukkan flukuasi seiap hari. A. Pemodelan Reurn Saham BCA menggunakan Sebelum melakukan idenifikasi model perlu dilakukan pengujian sasionerias mean dan varians. Hasil uji
4 JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (2016) ( X Prin) D-74 Tabel 2. Perbandingan Kebaikan Model Model (in-sample) (ou-sample) ([1,3,4],0,0) -7749,6 0, (0,0,[1,3,4]) -7749,0 0, Gambar. 1. Plo Time Series Daa Reurn Saham BCA Dickey Fuller menunjukkan p-value sebesar 0,01 sehingga daa reurn saham BCA sudah sasioner dalam mean. Kemudian rounded value pada box-cox plo yaiu sebesar 3 sehingga daa reurn saham BCA idak perlu dilakukan ransformasi. Berdasarkan plo ACF dan PACF dikeahui bahwa lag yang keluar baas adalah lag 1, lag 3, dan lag 4 sehingga model yang diduga adalah (4,0,0), ([1,3,4],0,0), dan (0,0,[1,3,4]). Seelah dilakukan esimasi parameer dan uji signifikansi yang diunjukkan pada Tabel 1 diperoleh model dugaan ([1,3,4],0,0) dan (0,0,[1,3,4]). Tabel 1. Hasil Esimasi Parameer Model Model Parameer Esimasi p-value Kepuusan µ 0,001 0,048 Signifikan ϕ1-0,086 0,001 Signifikan (4,0,0) ([1,3,4],0,0) (0,0,[1,3,4]) ϕ2-0,009 0,722 Tidak signifikan ϕ3-0,098 0,0002 Signifikan ϕ4-0,102 0,0001 Signifikan µ 0,001 0,049 ϕ1-0,0849 0,001 ϕ3-0,0985 0,0002 Signifikan ϕ4-0,1109 0,0001 µ 0,0001 0,037 Ɵ1 0,0861 0,0009 Ɵ3 0,1028 0,0001 Signifikan Ɵ4 0,0778 0,0027 Hasil uji diagnosik dikeahui bahwa kedua model memenuhi asumsi residual saling bebas, namun belum berdisribusi normal sehingga perlu dilakukan deeksi oulier. Seelah dilakukan deeksi oulier, dilakukan Pemodelan dengan penambahan oulier. Namun demikian, residual belum berdisribusi normal. Lalu dilakukan pengecekan kurosis pada residual dan diperoleh nilai kurosis yang cukup inggi yaiu sebesar 3,25 sehingga nilai kurosis adalah 50,83. Nilai kurosis ersebu dibandingkan dengan nilai abel yaiu 1,96. Hal ersebu menunjukkan bahwa nilai kurosis lebih besar dari nilai abel sehingga disimpulkan bahwa residual idak berdisribusi normal. Kemudian diperoleh hasil model erbaik berdasarkan krieria unuk daa raining dan unuk daa esing adalah model ([1,3,4],0,0) dan secara maemais diuliskan sebagai beriku. 0,001 0, ,0985 0, 1109 a (10) 3 4 B. Pemodelan Reurn Saham BCA menggunakan Sebelum melakukan Pemodelan reurn saham BCA menggunakan maka perlu melakukan pengujian nonlinearias. Hasil pengujian diperoleh p-value sebesar 0, sehingga dapa disimpulkan bahwa daa reurn saham bersifa nonlinear karena p-value kurang dari α (5%). Pada Pemodelan perlu mengesimasi nilai delay (d), hreshold (r), orde AR regime bawah (p 1) dan regime aas (p 2). Esimasi nilai ersebu dipilih berdasarkan nilai erkecil yaiu model (2,4,1) delay sebesar 3 dan hreshold sebesar 0,0137. Gambar. 2. Plo Daa Reurn Saham Berdasarkan Regime Seelah diperoleh nilai hreshold dan delay, daa dipisahkan menjadi regime bawah dan regime aas. Gambar 2 menjelaskan bahwa hreshold membagi daa reurn saham menjadi 1211 daa masuk regime bawah dan 294 daa masuk pada regime aas. Pada uji signifikansi parameer (2,4,1) erdapa parameer yang idak signifikan sehingga dilakukan Pemodelan kembali menggunakan regresi sepwise erhadap daa regime bawah dan regime aas. Kemudian diperoleh model hasil regresi sepwise yaiu model. Model ini memiliki nilai sebesar ,52 berdasarkan daa insample. Hasil perbandingan kedua model ersebu diunjukkan pada Tabel 3. Berdasarkan Tabel 3 diperoleh model erbaik yaiu dan secara maemais model ersebu Model diuliskan sebagai beriku. 0,001 0, ,098 0,0013 0, Tabel 3. Hasil Perbandingan Model (in-sample) 3 0,145 4 ; jika ; jika (ou-sample) (2,4,1) ,1 0, ,52 0, (11)
5 JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (2016) ( X Prin) D-75 C. Pemodelan Reurn Saham BCA menggunakan GA Seelah diperoleh model erbaik, maka perlu melakukan opimasi unuk parameer model menggunakan geneic algorihm. Langkah awal yang dilakukan adalah menenukan iniial value unuk esimasi parameer model. Iniial value ersebu diperoleh dari esimasi parameer yang elah dianalisis sebelumnya. Pada meode geneic algorihm, iniial value ersebu dimasukkan ke dalam kromosom. Pada peneliian ini akan menggunakan 2 jenis kromosom. Kromosom perama erdiri dari esimasi parameer model unuk regime bawah dan regime aas. Kromosom kedua ediri dari hreshold dan esimasi parameer model. Ilusrasi kromosom dijelaskan pada Gambar 3 dan Gambar 4. Gambar. 3. Ilusrasi Kromosom GA anpa Threshold Gambar. 4. Ilusrasi Kromosom GA dengan Threshold Seelah membenuk kromosom, maka menenukan fungsi finess unuk proses opimasi. Fungsi finess yang digunakan adalah SSE. Kemudian melakukan penenuan parameer yang digunakan dalam meode geneic algorihm, yang diunjukkan pada Tabel 4. Nilai hreshold diperoleh berdasarkan daerah pencarian 15-85%. Kemudian dilakukan opimasi parameer dengan hreshold yang diperoleh pada analisis sebelumnya yaiu hreshold sebesar 0,0136. Tabel 6 menunjukkan hasil esimasi parameer model -GA anpa opimasi hreshold. Tabel 4. Parameer Geneic Algorihm Parameer Nilai Pop Size 200 Pc 0,8 Pm 0,1 T 2 Finess SSE ( ) 1 Berdasarkan esimasi parameer yang diunjukkan pada Tabel 5 diperoleh nilai unuk model (2,4,1) sebesar ,91 sedangkan nilai unuk model adalah sebesar ,23Selanjunya dilakukan opimasi esimasi parameer model dengan menambahkan opimasi hreshold ke dalam kromosom dimana hasil esimasi parameer diunjukkan pada Tabel 6. Seelah diperoleh model dengan opimasi GA, maka melakukan perbandingan kebaikan model dengan krieria unuk daa raining dan unuk daa esing. Tabel 5. Esimasi Parameer -GA anpa Opimasi Threshold Model Parameer Esimasi p-value (2,4,1) ϕ0,1-0,009-16,43 0,000 ϕ1,1-0,117-3,99 0,003 ϕ2,1-0,201-7,09 0,000 ϕ3,1 0,033 1,13 0,258 ϕ4,1-0,089-2,34 0,020 ϕ0,2 0,0001 0,00 0,998 ϕ1,2-0,077-0,04 0,968 ϕ0,1 0,001 1,83 0,067 ϕ1,1-0,468-16,04 0,000 ϕ3,1-0,105-3,60 0,000 ϕ4,1-0,101-2,66 0,008 ϕ0,2 0,039 37,19 0,000 ϕ1,2-0,908-16,89 0,000 Tabel 6. Esimasi Parameer -GA dengan Opimasi Threshold Model Parameer Esimasi p-value (2,4,1) Model (2,4,1) ϕ0,1 0,001 0,34 0,734 ϕ1,1-0,169-2,79 0,006 ϕ2,1 0,017 0,30 0,764 ϕ3,1-0,096-1,79 0,074 ϕ4,1-0,061-0,63 0,529 ϕ0,2 0,0002 0,12 0,904 ϕ1,2-0,0581-2,04 0,041 hreshold = -0,01504 ϕ0,1 0,001 2,24 0,036 ϕ1,1-0,054-2,09 0,000 ϕ3,1-0,100-3,82 0,001 ϕ4,1-0,100-3,41 0,000 ϕ0,2 0,036 13,32 0,001 ϕ1,2-0,851-6,00 0,000 hreshold = 0,03257 Tabel 7. Perbandingan Kebaikan Model -GA Opimasi Threshold Threshold (insample) (ousample) Tidak 0, ,9 0, Ya -0, , Tidak 0, ,2 0, Ya 0, ,3 0, Dari Tabel 7 dapa dikeahui model erbaik menggunakan geneic algorihm yaiu model dengan nilai hreshold sebesar 0,03167, unuk daa insample sebesar ,2 dan unuk daa ou-sample sebesar 0, Secara maemais, model erbaik yang erbenuk unuk daa reurn saham BCA dengan meode GA diunjukkan pada persamaan beriku ini. 0,001 0, , ,101 4 ; jika 3 (12) 0,039 0,908 1 ; jika 3
6 JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (2016) ( X Prin) D-76 Inerpreasi model ersebu adalah daa reurn saham yang masuk regime bawah dipengaruhi oleh 1 periode, 3 periode, dan 4 periode hari sebelumnya, sedangkan daa reurn saham yang masuk regime aas dipengaruhi oleh 1 periode hari sebelumnya. D. Perbandingan Performasi Model Terbaik Seelah diperoleh model erbaik unuk masing-masing model yang elah dijelaskan sebelumnya, maka melakukan perbandingan performasi model erbaik berdasarkan nilai unuk daa in-sample dan nilai unuk daa ou-sample. Kemudian hasil perbandingan model erbaik diunjukkan pada Gambar 5. Model erbaik unuk meramalkan daa reurn saham BCA adalah model GA dengan sebesar ,2 dan sebesar 0, Model ini memiliki keepaan akurasi yang paling inggi dibandingkan meode lainnya. Gambar. 5. Plo Time Series Daa Ou-Sample dan Hasil Ramalan Model ([1,3,4],0,0) GA Seelah diperoleh model ramalan erbaik, beriku ini adalah ramalan reurn saham BCA 10 periode ke depan yang diunjukkan pada Tabel 9 dan model unuk meramalkan daa reurn saham BCA adalah sebagai beriku. 0,001 0,468 0,105 0,101 ; jika (13) 1 0,039 0,908 Tabel 8. Perbandingan Kebaikan Model Threshold (in-sample) ; jika 3 3 V. KESIMPULAN DAN SARAN (ou-sample) ,1 0, , ,2 0, , ,2 0, Berdasarkan analisis dan pembahasan yang elah dilakukan, dapa diambil dua kesimpulan dari peneliian ini. 1. Pemodelan reurn saham menggunakan mengikui dere waku auoregressive dan diperoleh model erbaik yaiu ([1,3,4],0,0) berdasarkan nilai in-sample. 2. Model erbaik unuk daa reurn saham BCA adalah (2,4,1), dengan delay sebesar 3 dan hreshold sebesar 0, Namun pada model ersebu erdapa parameer yang idak signifikan sehingga dilanjukan pemodelan menggunakan subse. Model erbaik yang diperoleh yaiu model (2,[1,3,4],[1]). 3. Pemodelan reurn saham BCA menggunakan -GA pada opimasi esimasi parameer, memberikan hasil erbaik dibandingkan dengan model dan model karena menghasilkan in-sample dan ou-sample erkecil, Model erbaik -GA yang dihasilkan adalah (2,[1,3,4],[1] dengan hreshold 0,0136 dan delay sebesar 3. Hasil peramalan reurn saham menggunakan model subse GA diunjukkan pada Tabel 9. Saran peneliian selanjunya yaiu menggunakan model peramalan yang dapa menangkap oulier karena pada analisis ini flukuasi yang erjadi pada daa reurn saham dianggap sebagai daa oulier. Kemudian unuk peneliian selanjunya perlu menambahkan fakor dari flukuasi reurn saham ke dalam model peramalan. Tabel 9. Hasil Peramalan Reurn Saham Tanggal Reurn 16 November , November , November , November , November , November , November , November , November , November , DAFTAR PUSTAKA [1] Ang, R., Buku Pinar Pasar Modal Indonesia. Jakara: Mediasof Indonesia [2] Franses, P. H. & Dijk, D. V., Non-Linear Time Series In Empirical Finance. New York: Cambridge Universiy Press. [3] Sawaka, M., Geneic Algorims and Fuzzy Muliobjecive Opimizaion. Boson: Kluwer Academic Publishers. [4] Irhamah, Kuswano, H., & Nurhidayai, M Idenificaion of Self- Exciing Threshold Auoregressive Model In Sock Reurn Daa by Using Geneic Algorihm. Presened in Inernaional Conference on Mahemaics: Pure, Applied and Compuaion Surabaya. [5] Nurhidayai, M. & Irhamah Idenificaion of Self-Exciing Threshold Auoregressive Model by Using Geneic Algorihm. Proceedings The 5 h Annual Basic Science Inernaional Conference. Malang. [6] Wei, W. W. S., Time Series Analysis Univariae and Mulivariae Mehods Second Ediion. New York: Pearson. [7] Terasvira, T., Lin, C.-F. & Granger, C. W., Power of The Neural Nework Lineariy Tes. Journal of Time Series Analysis, Volume 14, pp [8] Wu, B. & Chang, C. L., Using Geneic Algorihms o Parameer (d,r) Esimaion For Threshold Auoregressive Model. Compuaional Saisics And Daa Analysis, Volume 38, pp [9] Jogiyano, Hm Analisis dan Disain Sisem Informasi: Pendekaan Tersrukur Teori dan Prakek Aplikasi Bisnis. Yogyakara: Andi.
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*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 terperinciMAKALAH TUGAS AKHIR IDENTIFIKASI MODEL ARIMA BOX-JENKINS
1. Pendahuluan MAKALAH TUGAS AKHIR IDENTIFIKASI MODEL ARIMA BOX-JENKINS CAMPURAN DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA Oleh : Febriana Dwi P. (1306 100 011) Dosen Pembimbing I : Dr. Irhamah, S.Si,
Lebih terperinciANALISIS 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 terperinciPemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline ABSTRAK
Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Meode Inervensi dan Regresi Spline Rina Andriani, Dr. Suharono, M.Sc 2 Mahasiswa Jurusan Saisika FMIPA-ITS, 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih terperinciANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 009 XV-1 ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Muhammad Sjahid Akbar, Jerry Dwi Trijoyo
Lebih terperinciPeramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk
Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk Oleh : Dwi Hapsari K (1306 100 015) Dosen Pembimbing : Dra. Karika Firiasari, M.Si 1 Pendahuluan Laar Belakang, Perumusan Masalah, Tujuan
Lebih terperinciPemodelan 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 terperinciOleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes
PERAMALAN INDEKS HARGA SAHAM YANG DIPENGARUHI KURS, PERUBAHAN INFLASI, POSISI JUMLAH DEPOSITO BERJANGKA, SUKU BUNGA SBI DAN DEPOSITO MENGGUNAKAN FUNGSI TRANSFER DAN ARCH-GARCH Oleh: TANTI MEGASARI 6 00
Lebih terperinciPemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun
Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro
Lebih terperinciBAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun
BAB III ARFIMA-FIGARCH 3. Time Series Memori Jangka Panjang Proses ARMA sering dinyaakan sebagai proses memori jangka pendek (shor memory) karena fungsi auokorelasi anara dan urun cepa secara eksponensial
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan
Lebih terperinciAbstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.
1 Peramalan Volume Produksi Air Bersih di PDAM Kabupaen Bojonegoro berdasarkan Jumlah Pelanggan dan Volume Konsumsi Air Fasha Aulia Pradhani dan Adaul Mukarromah Jurusan Saisika, FMIPA, ITS Jl. Arief Rahman
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 91-100 Online di: hp://ejournal-s1.undip.ac.id/index.php/gaussian IDENTIFIKASI BREAKPOINT DAN PEMODELAN AUTOREGRESSIVE STRUCTURAL
Lebih terperinciPerbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X
JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa
Lebih terperinciBAB 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 terperinciPEMODELAN PRODUKSI SEKTOR PERTANIAN
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 2009 PEMODELAN PRODUKSI SEKTOR PERTANIAN Brodjol Suijo Jurusan Saisika ITS Surabaya ABSTRAK Pada umumnya daa ekonomi bersifa ime
Lebih terperinciPERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT
Saisika, Vol. 2, No. 2, November 24 PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT Sri Wahyuni, 2 Farikhin, Iswahyudi Joko Suprayino Program Sudi Saisika
Lebih terperinci1999 sampai bulan September Data ini diperoleh dari yahoo!finance.
7 999 sampai bulan Sepember 8. Daa ini diperoleh dari yahoo!finance. Meode Langkah-langkah pemodelan nilai harian IHSG secara garis besar dapa diliha pada Lampiran dengan penjelasan sebagai beriku:. Melakukan
Lebih terperinciBAB 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 terperinciPemodelan Volatilitas Saham Menggunakan Jaringan Syaraf Tiruan dan Algoritma Genetika
Pemodelan Volailias Saham Menggunakan Jaringan Syaraf Tiruan dan Algorima Geneika Hasbi Yasin 1 1 Jurusan Saisika Undip, hasbiyasin@undip.ac.id Absrak. Flukuasi yang besar dan idak pasi dalam peramalan
Lebih terperinciPenentuan Pelebaran Window Time Optimal Pada Data Deret Waktu
1 Penenuan Pelebaran Window Time Opimal Pada Daa Dere Waku (1) Nursya`bani Hendro Prabowo dan (2) Raden Mohamad Aok Deparemen Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam, Insiu Teknologi Sepuluh
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan
Lebih terperinciPeramalan Inflasi Nasional Berdasarkan Faktor Ekonomi Makro Menggunakan Pendekatan Time Series Klasik dan ANFIS
JURNAL SAINS DAN SENI IS Vol. 4, No., () 2337-3 (2-928X Prin) D-67 Peramalan Inflasi Nasional Berdasarkan Fakor Ekonomi Makro Menggunakan Pendekaan ime Series Klasik dan ANFIS Clara Agusin Sephani, Agus
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun
43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C
Lebih terperinciPeramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis
JURNAL SAINS DAN NI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Prin) D-224 Peramalan Penjualan Sepeda Moor di Jawa Timur dengan Menggunakan Model Dinamis Desy Musika dan Seiawan Jurusan Saisika,
Lebih terperinciBAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan
BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,
Lebih terperinciPeramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Multi Input. : Nesia Brilliana I.P NRP :
Peramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Muli Inpu Nama : Nesia Brilliana I.P NRP : 20800023 Jurusan : Maemaika Dosen Pembimbing : Dra. Nuri Wahyuningsih, M. Kes Pemberian pupuk
Lebih terperinciBAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena
Lebih terperinciPERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,1,1)(0,1,1) 12 TUGAS AKHIR.
PERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,,)(0,,) 2 TUGAS AKHIR Diajukan Sebagai Salah Sau Syara unuk Memperoleh Gelar Sarjana Sains
Lebih terperinciANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI 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 terperinciPROSES AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY DENGAN DUGAAN VARIANSI INFLASI INDONESIA
PROSES AUOREGRESSIVE CONDIIONAL HEEROSCEDASICIY DENGAN DUGAAN VARIANSI INFLASI INDONESIA Rianiai Monica, Suyono, dan Vera Maya Sani Jurusan Maemaika FMIPA UNJ Absrak Model-model runun waku konvensional,
Lebih terperinciPeramalan Jumlah Pengunjung Domestik dan Mancanegara di Maharani Zoo & Goa Menggunakan ARIMA Box - Jenkins
Peramalan Jumlah Pengunjung Domesik dan Mancanegara di Maharani oo & Goa Menggunakan ARIMA Box - Jenkins Vivi Kusuma Sulisyawai (3030085) Dosen Pembimbing Dr. Irhamah, S.Si.,M.Si Laar Belakang Rumusan
Lebih terperinciBAB 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 terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN
PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan
Lebih terperinciKOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES. Abstrak
KOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES Universias Muhammadiyah Purwokero malim.muhammad@gmail.com Absrak Pada persamaan regresi linier sederhana dimana variabel dependen dan variabel independen
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*
PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor
Lebih terperinciKata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting.
METODE INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) UNTUK MEMODELKAN HARGA GABAH DUNIA (INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY TO CAPTURE
Lebih terperinciPERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN (STUDI KASUS KOTA SALATIGA, BULAN JANUARI 2014 JULI 2016)
Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: 978-602-622-20-9 hal 935-950 November 206 hp://jurnal.fkip.uns.ac.id PERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN
Lebih terperinciModel ARIMAX Dan Deteksi GARCH Untuk Peramalan Inflasi Kota Denpasar Tahun 2014
JEKT Model ARIMAX Dan Deeksi GARCH Unuk Peramalan Inflasi Koa Denpasar Tahun 2014 Rukini *) Badan Pusa Saisik Provinsi Bali ABSTRAK pemerinah dalam mengambil kebijakan unuk menjaga sabilias moneer di masa
Lebih terperinciBAB 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 terperinciMODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR
MODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR S - 27 Rukini, Suharono2 2,2 Jurusan Saisika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciMuhammad Firdaus, Ph.D
Muhammad Firdaus, Ph.D DEPARTEMEN ILMU EKONOMI FEM-IPB 010 PENGERTIAN GARIS REGRESI Garis regresi adalah garis yang memplokan hubungan variabel dependen (respon, idak bebas, yang dipengaruhi) dengan variabel
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan
BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-299
JURNAL SAINS DAN SENI ITS Vol. 4, No., (5) 337-35 (3-98X Prin) D-99 Esimasi Value a Risk (VaR) Porofolio Saham yang Tergabung dalam Indeks LQ45 Periode Agusus 4 sampai Januari 5 Menggunakan Meode Copula
Lebih terperinciDAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII
Bulein Ilmiah Mah. Sa. dan Terapannya (Bimaser) Volume 6, No. 3 (27), hal 83 2. MODEL SPACE-TIME DAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII Ella Kurniawai, Naomi Nessyana
Lebih terperinciBAB 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 terperinciBAB III METODE PENELITIAN
3. METODE PENELITIAN 3.1. Kerangka Pikir BAB III METODE PENELITIAN Peneliian ini diujukan unuk membukikan adanya hubungan dan pengaruh dari nilai ukar Rupiah erhadap Dollar Amerika Serika (exchange rae),
Lebih terperinciPENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN
IndoMS Journal on Saisics Vol., No. (04), Page 7-37 PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN Dinda Ariska Wulandari,
Lebih terperinciPenerapan Model ARCH/GARCH untuk Peramalan Nilai Tukar Petani ABSTRAK ABSTRACT. Pendahuluan
Jurnal Sains Maemaika dan Saisika, Vol. 4, No., Januari 8 ISSN 46-454 prin/issn 65-8663 online Penerapan Model ARCH/GARCH unuk Peramalan Nilai Tukar Peani Ari Pani Desvina, Inggrid Ocaviani Meijer, Jurusan
Lebih terperinciPemodelan Produksi Minyak dan Gas Bumi di PT. Z Menggunakan Metode ARIMA, FFNN, dan Hybrid ARIMA-FFNN
D-444 JURNAL SANS DAN SEN TS Vol. 5 No. 2 (206) 27-520 (20-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi di PT. Z Menggunakan Meode ARMA, FFNN, dan Hybrid ARMA-FFNN Daniar Kusumaning Ayu, Desri Susilaningrum
Lebih terperinciPERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk)
Jurnal UJMC, Volume 3, Nomor 1, Hal. 15-0 pissn : 460-3333 eissn : 579-907X ERHITUNGAN VAUE AT RISK (VaR) DENGAN SIMUASI MONTE CARO (STUDI KASUS SAHAM T. X ACIATA.Tbk) Sii Alfiaur Rohmaniah 1 1 Universias
Lebih terperinciPERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS
PERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS Joko Ariyadi (308 030 060) Pembimbing : Drs. Brodjol Suijo Suprih Ulama, M.Si Laar Belakang 2 Laar
Lebih terperinciPeramalan 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 terperinciPERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR
TUGAS AKHIR SS 145561 PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR SARIRAZTY DWIJANTARI NRP 1314 030 010 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si., M.Si DEPARTEMEN
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 LANDASAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi
Lebih terperinciPeramalan 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 terperinciContagions Effect Kurs 5 Negara ASEAN (Association of Southeast Asian Nations) Menggunakan Vector Autoregressive (VAR)
JURNAL SAINS DAN SENI POMITS Vol. 2, No., (203) 2337-3520 (230-928X Prin) D-8 Conagions Effec Kurs 5 Negara ASEAN (Associaion of Souheas Asian Naions) Menggunakan Vecor Auoregressive (VAR) Mirna Chairany,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis Peneliian Jenis peneliian kuaniaif ini dengan pendekaan eksperimen, yaiu peneliian yang dilakukan dengan mengadakan manipulasi erhadap objek peneliian sera adanya konrol.
Lebih terperinciKAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN
JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina
Lebih terperinciPERAMALAN YIELD DAN HARGA OBLIGASI PEMERINTAH DENGAN PENDEKATAN ARIMA DAN BACKPROPAGATION-ANN
PERAMALAN YIELD DAN HARGA OBLIGASI PEMERINTAH DENGAN PENDEKATAN ARIMA DAN BACKPROPAGATION-ANN Yuli Wahyuningsih (), Brodjol Suijo S. U (), Suharono () Mahasiswa Jurusan Saisika, FMIPA, Insiu Teknologi
Lebih terperinciPERAMALAN 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 terperinciJurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN
Peramalan Dengan Meode Smoohing dan Verifikasi Meode Peramalan Dengan Grafik Pengendali Moving Range () (Sudi Kasus: Produksi Air Bersih di PDAM Tira Kencana Samarinda) Forecasing wih Smoohing and Verificaion
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian yang dilakukan mengenai analisis perencanaan pengadaan una berdasarkan ramalan ime series volume ekspor una loin beku di PT Tridaya Eramina
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiaan memperkirakan apa yang akan erjadi pada masa yang akan daang. Ramalan adalah sesuau kegiaan siuasi aau kondisi yang diperkirakan akan erjadi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
11 BAB I PENDAHULUAN 1.1 Laar Belakang Salah sau masalah analisis persediaan adalah kesulian dalam menenukan reorder poin (iik pemesanan kembali). Reorder poin diperlukan unuk mencegah erjadinya kehabisan
Lebih terperinciAPLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND
APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND Noeryani 1, Ely Okafiani 2, Fera Andriyani 3 1,2,3) Jurusan maemaika, Fakulas Sains Terapan, Insiu Sains & Teknologi
Lebih terperinciPENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Studi Kasus: PT Tembaga Mulia Semanan)
Prosiding Seminar Nasional Manajemen Teknologi Program Sudi MMT-ITS, Surabaya 1 Agusus 2009 PENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Sudi Kasus: PT
Lebih terperinciPERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH
Vol.. No., 03 PERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH Ari Pani Desvina, Sari Marlinda, Jurusan Maemaika Fakulas Sains dan Teknologi
Lebih terperinciPrediksi Permintaan BBM di PT. Pertamina Region V dengan Metode Peramalan Data Time Series Hirarki
Prediksi Perminaan BBM di PT. Peramina Region V dengan Meode Peramalan Daa Time Series Hirarki Prania Dian Uari dan 2 Suharono Mahasiswa Jurusan Saisika FMIPA-ITS (38 57) 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih terperinciISSN : e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 3732
ISSN : 355-9365 e-proceeding of Engineering : Vol.3, No. Agusus 016 Page 373 Sifa Asimeris Model Prediksi Generalized Auoregressive Condiional Heerocedasiciy (GARCH) dan Sochasic Volailiy Auoregressive
Lebih terperinciPEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA
PEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA Fadil Rahman Hakim, Dr. Ir. Achmad Mauludiyano, MT. Program Sudi Telekomunikasi Mulimedia Jurusan Teknik Elekro Fakulas Teknologi Indusri
Lebih terperinciESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING
ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING Nama: Zahroh Aiqoh 05 00 0 Dosen Pembimbing: Dra. Nuri Wahyuningsih, MKes Drs. Sulisiyo, MT Jurusan Maemaika
Lebih terperinciPenerapan Model ARIMA Dalam Memprediksi IHSG
Penerapan Model ARIMA Dalam Memprediksi IHSG Bambang Hendrawan Polieknik Baam Parkway Sree, Baam Cenre, Baam 29461, Indonesia e-mail: benks@polibaam.ac.id Absrak: Tujuan peneliian ini adalah unuk mencari
Lebih terperinciAnalisis Peramalan Jumlah Permintaan Kerudung di Industri Kecil Kerudung Arin di Surabaya dengan Metode Variasi Kalender
Analisis Peramalan Jumlah Perminaan Kerudung di Indusri Kecil Kerudung Arin di Surabaya dengan Meode Variasi Kalender Disusun oleh : Sely Enggar Rusiano 307 030 030 Dosen Pembimbing : Dr. Irhamah, M.Si
Lebih terperinciPengaruh variabel makroekonomi..., 24 Serbio Harerio, Universitas FE UI, 2009Indonesia
BAB 3 DATA DAN METODOLOGI 3.1 Variabel-Variabel Peneliian 3.1.1 Variabel dependen Variabel dependen yang digunakan adalah reurn Indeks Harga Saham Gabungan yang dihiung dari perubahan logarima naural IHSG
Lebih terperinciBAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu
BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,
Lebih terperinciARIMA (Autoregressive Integrated Moving Average)
ARIMA (Auoregressive Inegraed Moving Average) I. Prinsip Dasar dan Tujuan Analisis. Prinsip Dasar ARIMA sering juga disebu meode runun waku Box-Jenkins. ARIMA sanga baik keepaannya unuk peramalan jangka
Lebih terperinciDosen Pembimbing Dr. Brodjol Sutijo Suprih Ulama, M.Si.
TUGAS AKHIR SS 145561 PERAMALAN NILAI IMPOR NON MIGAS DI JAWA TIMUR DENGAN MENGGUNAKAN METODE ARIMA BOX-JENKINS BOBBY AKBAR NRP 1314 030 002 Dosen Pembimbing Dr Brodjol Suijo Suprih Ulama, MSi DEPARTEMEN
Lebih terperinciANALISIS 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 terperinciAnalisis Peramalan Jumlah Penumpang Kereta Api Penataran Tujuan Surabaya-Malang
Analisis Peramalan Jumlah Penumpang Kerea Api Penaaran Tujuan Surabaya-Malang Oleh. Andria Prima Diago 08.00.0 Dosen Pembimbing. r. Dwiamono Agus, M.komp Andria Prima Diago 08.00.0 nsiu Teknologi Sepuluh
Lebih terperinciPERAMALAN CURAH HUJAN DENGAN WAVELET
PERAMALAN CURAH HUJAN DENGAN WAVELET Garini Widosari 1 T-7 1 Polieknik Negeri Samarinda 1 garini_72@yahoo.com Absrak Peramalan adalah salah sau unsur yang sanga pening dalam pengambilan kepuusan. Peranan
Lebih terperinciPEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 9 PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL Y.P.Y. Asmara,
Lebih terperinciPeramalan 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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Kerangka Pemikiran Salah sau ujuan didirikannya perusahaan adalah dalam rangka memaksimalkan firm of value. Salah sau cara unuk mengukur seberapa besar perusahaan mencipakan
Lebih terperinciPeramalan 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 terperinciBAB IV METODOLOGI PENELITIAN
BAB IV METODOLOGI PENELITIAN Dalam peneliian ini, penulis akan menggunakan life cycle model (LCM) yang dikembangkan oleh Modigliani (1986). Model ini merupakan eori sandar unuk menjelaskan perubahan dari
Lebih terperinciPEMODELAN BOX-JENKINS (ARIMA) UNTUK PERAMALAN INDEKS HARGA SAHAM GABUNGAN
PEMODELAN BOX-JENKINS (ARIMA) UNTUK PERAMALAN INDEKS HARGA SAHAM GABUNGAN Vincenius Iwan Primadiya 1 dan Nur Iriawan 2 1) Program Sudi Magiser Manajemen Teknologi, Insiu Teknologi Sepuluh Nopember e-mail:
Lebih terperinciPENGARUH PANJANG DAN LEBAR DATA DEBIT HISTORIS PADA KINERJA MODEL PEMBANGKITAN DATA DEBIT SUNGAI BRANTAS DENGAN METODE ARIMA
PENGARUH PANJANG DAN LEBAR DATA DEBIT HISTORIS PADA KINERJA MODEL PEMBANGKITAN DATA DEBIT SUNGAI BRANTAS DENGAN METODE ARIMA Maskur Efendi ), Widandi Soeopo 2), Piojo Tri Juwono 2) ) Mahasiswa Magiser
Lebih terperinciPERAMALAN NILAI EKSPOR NON MIGAS SEKTOR PERINDUSTRIAN DI JAWA TIMUR DENGAN MENGGUNAKAN ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN NILAI EKSPOR NON MIGAS SEKTOR PERINDUSTRIAN DI JAWA TIMUR DENGAN MENGGUNAKAN ARIMA BOX-JENKINS Mohammad Fariq NRP 1314 030 015 Dosen Pembimbing Dra. Sri Mumpuni Renaningsih,
Lebih terperinciAnalisis Model dan Contoh Numerik
Bab V Analisis Model dan Conoh Numerik Bab V ini membahas analisis model dan conoh numerik. Sub bab V.1 menyajikan analisis model yang erdiri dari analisis model kerusakan produk dan model ongkos garansi.
Lebih terperinciBAB 2 TINJAUAN TEORI
7 BAB 2 TINJAUAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciSekilas Pandang. Modul 1 PENDAHULUAN
Modul 1 Sekilas Pandang Drs. Irlan Soelaeman, M.Ed. S PENDAHULUAN uau hari, saya dan keluarga berencana membawa mobil pergi ke Surabaya unuk mengunjungi salah seorang saudara. Sau hari sebelum keberangkaan,
Lebih terperinciPeramalan Inflasi Menggunakan Model Fungsi Transfer Multi Input. Forcasting Inflation Using Multiple Input Transfer Function Model
Peramalan Inflasi Menggunakan Model Fungsi Transfer Muli Inpu Forcasing Inflaion Using Muliple Inpu Transfer Funcion Model Novi Adisia, Sri Wahyuningsih, dan Rio Goeanoro 3 Laboraorium Saisika Terapan
Lebih terperinciJURNAL TEKNIK POMITS Vol. 3, No. 2, (2014) ISSN: ( Print) A-169
JURNAL TEKNIK POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Prin) A-169 Pembuaan Aplikasi Pendukung Kepuusan Unuk Peramalan Persediaan Bahan Baku Produksi Plasik Blowing dan Injec Menggunakan
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1. Kerangka Pemikiran Poensi sumberdaya perikanan, salah saunya dapa dimanfaakan melalui usaha budidaya ikan mas. Budidaya ikan mas yang erus berkembang di masyaraka, kegiaan budidaya
Lebih terperinciBAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat
BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber
Lebih terperinciPREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED
PREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED Wahyuda 1, Budi Sanosa 2, Nani Kurniai 3 1 Teknik Indusri Universias Mulawarman-Samarinda
Lebih terperinciPERAMALAN RATA-RATA TEMPERATUR UDARA HARIAN KOTA PEKANBARU MENGGUNAKAN MODEL ARIMA (0,1,1) TUGAS AKHIR
PERAMALAN RATA-RATA TEMPERATUR UDARA HARIAN KOTA PEKANBARU MENGGUNAKAN MODEL ARIMA (0,,) TUGAS AKHIR Diajukan Sebagai Salah Sau Syara unuk Memperoleh Gelar Sarjana Sains pada Jurusan Maemaika Oleh: DEWI
Lebih terperinci