PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN
|
|
- Yulia Hartono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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, Nurul Gusriani, Budi Nurani Ruchjana 3 Jurusan Maemaika FMIPA Universias Padjadjaran Jl. Raya Bandung Sumedang KM Jainangor Sumedang dinda.awe@gmail.com, gusriani99@gmail.com, budinr@unpad.ac.id Absrac Vecor Auoregressive Inegraed (VARI) models is ime series mulivariae models affeced by he variable iself and he oher variables in previous period wih daa no saionary. Sages in VARI models includes differencing, idenificaion, saionary, parameer esimaion, diagnosic esing, and forecasing. In his research, assuming normally disribued error, esimaion parameers VARI model can be done by he Maximum Likelihood Esimaion (MLE) mehod by maximizing ln likelihood funcion. The daa used are he Consumer Price Index (CPI) in Bandung, Bekasi, and Depok in period July June 03. From he resuls of analysis, he obained model is VARI(,), which means VAR model order one and experience firs difference. The applicaion of VARI(,) model wih MLE mehod on CPI Bandung, Bekasi, and Depok, shows ha each locaion is correlaed o each oher and produce a small enough value of MAPE. CPI forecasing resuls for Bandung, Bekasi, and Depok for he nex wo monhs has increased wih minimum error in CPI Bandung. Keywords : ime series, VARI, MLE, CPI, MAPE, forecasing. Absrak Model Vecor Auoregressive Inegraed (VARI) adalah model dere waku mulivaria yang dipengaruhi oleh variabel iu sendiri dan variabel lain pada periode sebelumnya dengan daa idak sasioner. Tahapan dalam model VARI melipui differencing, idenifikasi, sasionerias, esimasi parameer, uji diagnosik, dan peramalan. Pada peneliian ini, dengan asumsi gala berdisribusi normal, esimasi parameer model VARI dapa menggunakan meode Maximum Likelihood Esimaion (MLE) dengan memaksimumkan fungsi ln likelihood. Daa yang digunakan adalah Indeks Harga Konsumen (IHK) di Koa Bandung, Bekasi, dan Depok pada periode Juli 008 Juni 03. Dari hasil analisis daa diperoleh model VARI(,), arinya model VAR orde sau dan proses differencing perama. Penerapan model VARI(,) dengan meode MLE pada daa IHK Koa Bandung, Bekasi, dan Depok, menunjukkan seiap lokasi saling berkorelasi dan menghasilkan nilai MAPE yang cukup kecil. Hasil peramalan IHK 00 Mahemaics Subjec Classificaion: 6M0, 6P5. 7
2 8 Dinda Ariska Wulandari, Nurul Gusriani, Budi Nurani Ruchjana Koa Bandung, Bekasi, dan Depok unuk dua bulan mendaang mengalami peningkaan dengan gala minimum pada IHK Koa Bandung. Kaa kunci : dere waku, VARI, MLE, IHK, MAPE, peramalan.. Pendahuluan Salah sau sekor ekonomi yang dianggap pening unuk mewujudkan pembangunan dalam bidang ekonomi yang berujuan meningkakan pendapaan masyaraka adalah Indeks Harga Konsumen (IHK). IHK adalah angka indeks yang menggambarkan perubahan harga barang dan jasa yang dikonsumsi oleh masyaraka pada suau periode waku yang elah dieapkan [3]. Daa IHK bersifa flukuaif arinya daa mengandung rend sehingga membenuk model dere waku. Salah sau model yang digunakan dalam dere waku univaria yaiu model Auoregressive (AR). Model AR adalah suau model dere waku yang menggambarkan pengamaan suau variabel yang dipengaruhi variabel iu sendiri pada periode sebelumnya pada daa sasioner. Unuk daa yang idak sasioner aau mengikui pola rend dilakukan differencing, yaiu mengurangi nilai daa pada suau periode dengan nilai daa periode sebelumnya. Unuk memodelkan daa dere waku univaria berupa daa differencing digunakan model Auoregressive Inegraed (ARI). Unuk daa dere waku mulivaria digunakan model Vecor Auoregressive Inegraed (VARI). Model VARI merupakan suau sisem persamaan yang saling berhubungan dengan variabel-variabel sebelumnya unuk mengukur daa idak sasioner. Penaksiran parameer VARI yang sudah dilakukan adalah dengan meode Ordinary Leas Squares (OLS). Berdasarkan asumsi gala pada model VARI berdisribusi normal, esimasi parameer dapa dilakukan dengan meode Maximum Likelihood Esimaion (MLE). Yang menarik bagi penelii yaiu, bagaimana menaksir parameer VARI dengan meode MLE dan penerapannya pada daa IHK yang berpola rend ersebu. Pada peneliian ini dilakukan penaksiran esimasi model VARI dengan meode MLE, sera penerapannya dalam peramalan IHK di Koa Bandung, Bekasi, dan Depok. Keiga koa ersebu merupakan koa dengan populasi erbesar di Provinsi Jawa Bara.. Meode. Daa Dere Waku (Time Series) Daa dere waku merupakan proses sokasik yaiu rangkaian daa yang berupa nilai pengamaan selama kurun waku erenu. Proses sokasik adalah barisan variabel acak yang diberi uruan aau indeks Z 0,,, 3,, dengan Z adalah variabel acak unuk seiap waku dan merupakan ahun, bulan, minggu, hari, aau waku lainnya erganung siuasi []. Menuru Makridakis (99), langkah pening dalam memilih suau meode dere waku (ime series) yang epa adalah dengan memperimbangkan jenis pola daa sehingga meode
3 Penaksiran Parameer Model Vecor Auoregressive Inegraed (Vari)... 9 yang paling epa dengan pola daa ersebu dapa diuji. Pola daa dapa dibedakan menjadi empa, yaiu Pola Horisonal, Pola Musiman, Pola Siklis, dan Pola Trend [].. Differencing Salah sau cara unuk mensasionerkan daa adalah dengan differencing. Meode ini dilakukan dengan cara mengurangi nilai daa pada suau periode dengan nilai daa periode sebelumnya. Differencing perama (firs difference) dari suau daa dere waku Z dapa didefinisikan dengan persamaan beriku []: Z B Z Z Z ().3 Fungsi Auokovarian, Fungsi Auokorelasi (ACF), dan Fungsi Auokorelasi Parsial (PACF) Proses sasioner Z dengan EZ dan Var Z E Z konsan sera Cov Z, Z fungsi pada waku k, maka fungsi auokovarian Z dan Z adalah k k dan fungsi auokorelasi anara Z dan Jika Z parsial (PACF) anara Z dan E Z Z () k k k Z k, Z Z k Z Var Z Cov,. (3) k Var k adalah dere waku yang berdisribusi normal, maka fungsi auokorelasi Z kyaiu [4]: Z ˆ ˆ Z Z k Z k ˆ Var ˆ Cov ), ( P k Var Z Z Z k Z k. (4).4 Penaksiran Model Auoregressive (ARI) dengan Meode MLE Jika daa dere waku mengandung rend, maka salah sau cara mensasionerkannya adalah dengan differencing. Daa yang merupakan model AR orde dan mengalami proses differencing perama unuk menghasilkan daa yang sasioner, akan menjadi model ARI(,), yaiu: Y Y a (5) iid dengan, ~ 0, beriku: a N dan Y Z Z, sehingga persamaan (5) dapa diulis sebagai iid Z Z Z Z a, a ~ N 0,. Model dikaakan sasioner jika akar-akar polinom ( B) ( B) 0 erleak di luar lingkaran sauan aau dinyaakan dengan [4]. Dengan asumsi gala berdisribusi normal,
4 30 Dinda Ariska Wulandari, Nurul Gusriani, Budi Nurani Ruchjana maka parameer model ARI(,) dapa diesimasi dengan menggunakan meode MLE dengan cara memaksimukan fungsi ln likelihood, sehingga dihasilkan penaksiran meode MLE unuk model ARI(,), yaiu: ˆ T T YY Y. (6).5 Model Vecor Auoregressive Inegraed (VARI) Model Vecor Auoregressive Inegraed (VARI) merupakan pengembangan dari model Auoregressive Inegraed (ARI) yang dipengaruhi oleh variabel iu sendiri dan variabel lain pada periode sebelumnya dengan daa idak sasioner. Jika daa mengalami proses differencing perama unuk menghasilkan daa yang sasioner, maka benuk model VAR() menjadi model VARI(,) dengan persamaan sebagai beriku: aau, dengan, Y Z Z. iid Φ, ~ 0, (7) Y Y a a N Y Φ Y a NN N T N T N T.6 Mean Absolue Percenage Error (MAPE) Mean Absolue Percenage Error (MAPE) merupakan persenase dari raa-raa mulak gala pada iap periode dibagi dengan nilai akual pada periode ersebu. MAPE mengindikasi seberapa besar persenase gala unuk mengeahui keepaan dugaan model. MAPE dapa dihiung dengan rumus sebagai beriku []: n Z ˆ Z MAPE 00% (8) n Z dengan Z ˆ merupakan daa ramalan pada periode dan n periode waku..7 Tahapan Penaksiran Parameer Model VARI dengan Meode MLE Tahapan-ahapan dalam menaksir parameer VARI sebagai beriku:. Mengubah model VARI ke dalam benuk model linier.. Mencari fungsi likelihood model VARI dari fungsi kepadaan peluang gabungan gala. 3. Menransformasikan fungsi likelihood ke dalam fungsi ln likelihood. 4. Mencari urunan perama dari fungsi ln likelihood erhadap parameer. 5. Maksimumkan urunan fungsi ln likelihood unuk memperoleh nilai parameer ˆ.
5 Penaksiran Parameer Model Vecor Auoregressive Inegraed (Vari) Daa Peneliian Daa yang digunakan dalam peneliian ini adalah daa sekunder, yaiu daa Indeks Harga Konsumen (IHK) di Koa Bandung, Bekasi, dan Depok secara bulanan yang bersumber dari websie Badan Pusa Saisik. Unuk menenukan model, digunakan daa pada periode Juli 008 Juni 03, sedangkan unuk peramalan, digunakan daa periode Juli Agusus Variabel Peneliian Variabel-variabel yang digunakan dalam peneliian ini yaiu: Z = IHK Koa Bandung, Z, = IHK Koa Bekasi Z 3, = IHK Koa Depok Y, = Daa Differencing IHK Koa Bandung Y, = Daa Differencing IHK Koa Bekasi Y 3, = Daa Differencing IHK Koa Depok..0 Tahapan Analisis Daa. Daa Tiga Lokasi, daa yang digunakan adalah daa IHK di Koa Bandung, Bekasi, dan Depok periode Juli 008 Juni 03 yang sudah dipusakan, selanjunya, membua analisis saisik deskripif dan grafik unuk masing-masing daa yang elah dipusakan.. Kesasioneran Daa, daa dikaakan idak sasioner jika daa mengandung rend sera pada plo ACF dan PACF meluruh sanga perlahan. Jika daa idak sasioner perlu dilakukan proses differencing. 3. Idenifikasi Model ARI(,), dikaakan model ARI(,) jika pada plo ACF menurun secara eksponensial menuju nol dan plo PACF erpoong pada lag. 4. Kesasioneran Model ARI(,), model dikaakan sasioner apabila aau. 5. Esimasi Model VARI(,), jika unuk keiga lokasi diidenifikasi model AR(,) dan model ersebu sudah sasioner, maka dapa dibenuk model VARI(,). 6. Penaksiran Parameer Model VARI(,), dengan asumsi gala berdisribusi normal, aksiran parameer model VARI(,) diperoleh menggunakan meode MLE. 7. Perhiungan MAPE, unuk mengeahui apakah model VARI(,) dengan meode MLE sudah baik dan cocok unuk digunakan pada daa IHK Koa Bandung, Bekasi, dan Depok, diunjukkan pada perhiungan Mean Absolue Percenage Error (MAPE) yang minimum. 8. Peramalan, seelah didapa model yang sesuai, maka ahapan selanjunya adalah peramalan jangka pendek pada daa IHK Koa Bandung, Bekasi, dan Depok periode Juli Agusus 03.
6 3 Dinda Ariska Wulandari, Nurul Gusriani, Budi Nurani Ruchjana 3 Hasil dan Pembahasan 3. Penaksiran Parameer Model VARI dengan Meode MLE Asumsi gala pada model VARI(,) berdisribusi normal, sehingga parameer model VARI(,) dapa diesimasi menggunakan meode MLE dengan cara memaksimukan fungsi ln likelihood. Misal, unuk lokasi N 3 dan waku T 3, maka model VARI(,) menjadi: Y Φ Y a dapa diulis dalam benuk: Y, Y Y Y ,, 3, a, Y 3 0 0, Y Y Y 0 a,, 3,, Y 3, Y Y Y a,, 3, 3, Y Y Y Y 0 0 0,3,, 3, a,3. 3 Y Y Y Y,3,, 3, a,3 Y ,3 Y Y Y a,, 3, 3, y X Persamaan di aas disederhanakan dengan persamaan linier, yaiu: yx (9) sehingga fungsi likelihoodnya yaiu: Fungsi ln likelihood menjadi, Persamaan () diurunkan erhadap, y X y X n L, e. (0) n L y X y X ln, ln. () ln L, y X X Memaksimumkan fungsi likelihood pada persamaan (), maka: y X X 0 y X X X 0. ()
7 Penaksiran Parameer Model Vecor Auoregressive Inegraed (Vari) Dengan menghilangkan ranspose pada y X X X. (3), persamaan (3) menjadi: ˆ X X X y. (4) Maka aksiran MLE unuk model VARI(,) pada, N 3 dan T 3 menjadi: ˆΦ Y Y Y Y Taksiran MLE unuk model VARI(,) pada N lokasi dan waku T secara umum, yaiu: Φˆ dengan Y Z Z. Y Y Y Y NN (5) N N N T N T N N N N N T N T 3. Daa Tiga Lokasi Tabel. Saisik Deskripif Daa IHK Koa Bandung, Bekasi, dan Depok Lokasi Mean Sandar Deviasi N Bandung -5,03 x 0-4 6, Bekasi -9,47446 x 0-5 8, Depok, x 0-4 8, Penyebaran daa erhadap pusa daa (raa-raa) unuk nilai IHK Koa Bandung adalah 6,85707 sedangkan unuk IHK Koa Bekasi sebesar 8,354 dan IHK Koa Depok adalah 8,939. Berdasarkan grafik daa IHK Koa Bandung, Bekasi, dan Depok diperoleh bahwa daa mengandung rend sera fungsi ACF dan PACF yang meluruh sanga perlahan, maka dapa dikaakan bahwa daa IHK Koa Bandung, Bekasi, dan Depok belum sasioner sehingga dilakukan differencing. 3.3 Proses Differencing Tabel. Saisik Deskripif Daa IHK Koa Bandung, Bekasi, dan DepokDifferencing Perama Lokasi Mean Sandar Deviasi N Bandung 0, , Bekasi 0, , Depok 0, , Berdasarkan Tabel, penyebaran daa erhadap pusa daa (raa-raa) unuk nilai IHK differencing perama Koa Bandung adalah 0,500774, Koa Bekasi sebesar 0,76898 dan Koa Depok adalah 0, Daa hasil differencing lebih baik, yang diunjukkan oleh nilai sandar deviasi yang lebih kecil.
8 34 Dinda Ariska Wulandari, Nurul Gusriani, Budi Nurani Ruchjana IHK$Bandung.DiffLag Time Series Plo of Daa Gambar. Grafik IHK Koa Bandung Differencing Perama Time IHK$Bekasi.DiffLag - 0 Time Series Plo of Daa Gambar. Grafik IHK Koa Bekasi Differencing Perama Time IHK$Depok.DiffLag Time Series Plo of Daa Gambar 3. Grafik IHK Koa Depok Differencing Perama Seelah di differencing, dihasilkan grafik daa IHK di Koa Bandung, Bekasi, dan Depok menggunakan banuan sofware R... Pada Gambar, Gambar, dan Gambar 3, dapa diliha bahwa daa sudah cukup sabil. Oleh karena iu daa hasil differencing perama unuk IHK Koa Bandung, Bekasi, dan Depok sudah sasioner sehingga daa differencing perama bisa digunakan pada model ARI. 3.4 Idenifikasi Model ARI(,) Daa yang digunakan diidenifikasi menggunakan grafik ACF dan PACF dengan banuan sofware R.., yang diunjukkan pada gambar di bawah ini. Time Gambar 4. Grafik ACF dan PACF IHK Koa Bandung Differencing Perama
9 Penaksiran Parameer Model Vecor Auoregressive Inegraed (Vari) Gambar 5. Grafik ACF dan PACF IHK Koa Bekasi Differencing Perama Gambar 6. Grafik ACF dan PACF IHK Koa Depok Differencing Perama Pada Gambar 4, Gambar 5, dan Gambar 6, erliha bahwa pada grafik ACF dari lag ke- hingga seerusnya menurun secara eksponensial dan pada grafik PACF erliha bahwa lag ke- keluar dari garis barle sehingga dapa dikaakan bahwa daa signifikan pada lag ke-. Arinya daa unuk daa IHK Koa Bandung, Bekasi, dan Depok differencing perama dapa dimodelkan dengan menggunakan model ARI(,). 3.5 Kesasioneran Model ARI(,) Hasil esimasi model ARI(,) dengan meode MLE daa IHK, unuk Koa Bandung didapa nilai parameer ˆ 0, 595. Nilai parameer unuk Koa Bekasi yaiu ˆ 0, Nilai parameer unuk Koa Depok yaiu ˆ 0, 657. Dari keiga variabel, parameer ˆ memenuhi syara ˆ, dapa dikaakan bahwa model ARI(,) unuk keiga variabel sudah sasioner. 3.6 Esimasi Parameer Model VARI(,) dengan Meode MLE Menggunakan banun Microsof Office Excel 03, diperoleh nilai parameer unuk masing-masing lokasi, ˆ 0, 38, ˆ 0, 409, ˆ 0, , ˆ 0, 0338, ˆ 0, 499, ˆ 0, , ˆ 0, 379 3, ˆ 0, dan ˆ 0, Hasil yang diperoleh unuk model VARI(,) dengan meode MLE sebagai beriku: ˆ Y 0,38 Y 0,409 Y 0,0603 Y (6),,, 3, ˆ Y 0,0338 Y 0,499 Y 0,48064 Y (7),,, 3,
10 36 Dinda Ariska Wulandari, Nurul Gusriani, Budi Nurani Ruchjana ˆ Y 0,379 Y 0,863 Y 0,8067 Y. (8) 3,,, 3, Hasil persamaan (6), (7), dan (8), menyaakan bahwa model VARI(,) dengan meode MLE unuk daa IHK Koa Bandung, Bekasi, dan Depok membenuk model VAR(). 3.7 Peramalan Selanjunya dilakukan perhiungan Mean Absolue Percenage Error pada masingmasing lokasi unuk mengeahui model yang sudah disimasi sudah layak aau belum unuk digunakan. Tabel 3. Mean Absolue Percenage Error Lokasi MAPE (%) Bandung 6,708 Bekasi 8,05083 Depok 7,887 Dapa diliha nilai gala unuk lokasi Bandung sebesar 6,708% dari nilai akual, Bekasi sebesar 8,05083%, dan 7,887%, sehingga model VARI(,) dengan meode MLE sudah layak digunakan unuk peramalan, karena memberikan nilai MAPE yang cukup kecil. Tabel 4. Hasil Peramalan IHK Koa Bandung, Bekasi, dan Depok Tahun 03 Lokasi Bulan Juli 03 Bulan Agusus 03 Akual Taksiran Gala Akual Taksiran Gala Bandung 37,56 34,49 3,07 39,46 35,5 4, Bekasi 44,44 40,9 4,5 46,94 4,6 5,68 Depok 46,7 4,47 4,8 47,8 4,53 5,8 Berdasarkan Tabel 4 erliha hasil peramalan IHK Koa Bandung, Bekasi, dan Depok unuk dua bulan kedepan pada periode Juli Agusus 03 mengalami peningkaan, namun mengalami penurunan dari daa akualnya, dengan nilai gala erkecil pada IHK Koa Bandung 4. Simpulan Berdasarkan uraian dan analisis daa yang elah dilakukan, maka disimpulkan bahwa:. Daa dere waku univaria berupa daa differencing menggunakan model ARI. Jika model ARI pada iga lokasi digabungkan, maka menjadi model VARI. Dengan asumsi gala berdisribusi normal, penaksiran parameer model VARI dapa dilakukan menggunakan meode MLE yaiu memaksimumkan urunan fungsi ln likelihood.. Daa IHK Koa Bandung, Bekasi, dan Depok mengandung rend, sehingga model yang sesuai yaiu VARI(,) karena seiap daa melalui proses differencing peramadan merupakan model ARI(,). Model VARI(,) yang diperoleh dapa dinyaakan sebagai model VAR(). Model VARI(,) dengan meode MLE pada daa IHK Koa Bandung, Bekasi, dan Depok menghasilkan nilai MAPE yang cukup kecil, dengan hasil peramalan unuk dua bulan mendaang periode Juli Agusus 03 mengalami peningkaan dan nilai gala erkecil erdapa pada daa IHK Koa Bandung.
11 Penaksiran Parameer Model Vecor Auoregressive Inegraed (Vari) Dafar Pusaka [] Cryer, J.D. dan Chan, K Time Series Analysis; Wih Applicaions in R. New York: Springer. [] Makridakis, S., Wheelwrigh, S.C., dan McGee, V.E. 99. Meode dan Aplikasi Peramalan. Jakara: Erlangga. [3] Mankiw, N.G Makroekonomi. Jakara: Erlangga. [4] Wei, W.W.S Time Series Analysis; Univariae and Mulivariae Mehods. Deparmen of Saisics Temple Universiy: Addison-Wesley Publishing Company. [5] hp:// (diakses pada anggal 0 Sepember 03)
12 38 Dinda Ariska Wulandari, Nurul Gusriani, Budi Nurani Ruchjana
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 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 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 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 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 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 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 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 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 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 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 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 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 terperinciProsiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PERAMALAN VOLUME PENGGUNAAN AIR BERSIH DENGAN METODE WINTERS EPONENTIAL SMOOTHING UNTUK MENENTUKAN VOLUME
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 terperinciPENGEMBANGAN MODEL PREDIKSI OLR-MJO BERBASIS HASIL ANALISIS MODEL STATISTIK BOX-JENKINS (ARIMA)
Prosiding Seminar Nasional Peneliian, Pendidikan, dan Penerapan MIPA Fakulas MIPA, Universias Negeri Yogyakara, 16 Mei 2009 PENGEMBANGAN MODEL PREDIKSI OLR-MJO BERBASIS HASIL ANALISIS MODEL STATISTIK BOX-JENKINS
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 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 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 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 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 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 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 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 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 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 terperinci(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF
Seminar Nasional Saisika 12 November 2011 Vol 2, November 2011 (T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Gumgum Darmawan, Sri Mulyani S Saf Pengajar Jurusan Saisika FMIPA UNPAD
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 terperinciPENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA
PENDUGAAN PARAMEER DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY DAN DIMAS HARI SANOSO Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor Jl Merani, Kampus
Lebih terperinciDAMPAK 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 terperinciPENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC TMP C CILACAP
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC
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 terperinciBAB 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 terperinciJurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK
PERBANDINGAN METODE DES (DOUBLE EXPONENTIAL SMOOTHING) DENGAN TES (TRIPLE EXPONENTIAL SMOOTHING) PADA PERAMALAN PENJUALAN ROKOK (STUDI KASUS TOKO UTAMA LUMAJANG) 1 Fajar Riska Perdana (1110651142) 2 Daryano,
Lebih terperinciPENERAPAN MODEL VECTOR AUTOREGRESSIVE (VAR) UNTUK PERAMALAN CURAH HUJAN KOTA PEKANBARU
Jurnal Sains, Teknologi dan Indusri, Vol. 11, No., Juni, pp. 151-159 ISSN 93-3 prin/issn 07-0939 online PENERAPAN MODEL VECTOR AUTOREGRESSIVE (VAR) UNTUK PERAMALAN CURAH HUJAN KOTA PEKANBARU 1 Ari Pani
Lebih terperinciBAB 1 PENDAHULUAN. Dalam pelaksanaan pembangunan saat ini, ilmu statistik memegang peranan penting
BAB 1 PENDAHULUAN 1.1. Laar Belakang Dalam pelaksanaan pembangunan saa ini, ilmu saisik memegang peranan pening baik iu di dalam pekerjaan maupun pada kehidupan sehari-hari. Ilmu saisik sekarang elah melaju
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Air merupakan kebuuhan pokok bagi seiap makhluk hidup di dunia ini ermasuk manusia. Air juga merupakan komponen lingkungan hidup yang pening bagi kelangsungan hidup
Lebih terperinciKARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP
Karakerisik Umur Produk (Sudarno) KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL Sudarno Saf Pengajar Program Sudi Saisika FMIPA UNDIP Absrac Long life of produc can reflec is qualiy. Generally, good producs
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 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 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 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 terperinciAPLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI
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 terperinciBAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai
BAB 1 PENDAHULUAN 1.1 Laar Belakang Propinsi Sumaera Uara merupakan salah sau propinsi yang mempunyai perkembangan yang pesa di bidang ransporasi, khususnya perkembangan kendaraan bermoor. Hal ini dapa
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 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 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 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 terperinciPENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK.
PENERAPAN METODE TRIPLE EXPONENTIAL MOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUAHAAN MEBEL INAR JEPARA TANJUNGANOM NGANJUK. ii Rukayah*), Achmad yaichu**) ABTRAK Peneliian ini berujuan unuk
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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju
Lebih terperinciPENENTUAN 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 terperinciBAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan
BAB I PENDAHULUAN 1.1 Laar Belakang Dalam perencanaan pembangunan, daa kependudukan memegang peran yang pening. Makin lengkap dan akura daa kependudukan yang esedia makin mudah dan epa rencana pembangunan
Lebih terperinciIII. METODE PENELITIAN
26 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penilaian perkembangan kinerja keuangan PT. Goodyear Indonesia Tbk dilakukan dengan maksud unuk mengeahui sejauh mana perkembangan usaha perusahan yang
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 terperinciBAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju perumbuhan
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 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 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 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 terperinciBAB 2 LANDASAN TEORI
35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),
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 terperinciANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional.
JURNAL ILMIAH RANGGAGADING Volume 7 No. 1, April 7 : 3-9 ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Sudi kasus pada CV Cia Nasional. Oleh Emmy Supariyani* dan M. Adi Nugroho *Dosen
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Definisi Peramalan Peramalan adalah suau kegiaan dalam memperkirakan aau kegiaan ang melipui pembuaan perencanaan di masa ang akan daang dengan menggunakan daa masa lalu dan daa masa
Lebih terperinciPENERAPAN METODE BOX-JENKINS UNTUK MEMPREDIKSI JUMLAH MAHASISWA UNIVERSITAS ISLAM NEGERI SUSKA RIAU
Jurnal Sains, Teknologi dan Indusri, Vol., No., Desember 4, pp. 8 89 ISSN 693-39 prin/issn 47-939 online PENERAPAN METODE BOX-JENKINS UNTUK MEMPREDIKSI JUMLAH MAHASISWA UNIVERSITAS ISLAM NEGERI SUSKA RIAU
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 terperinciPENGGUNAAN 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 terperinciPERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS Puri Handayani NRP 1314 030 112 Dosen Pembimbing Dr. Brodjol Suijo Suprih Ulama, M.Si. Deparemen
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu
BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang
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 terperinciAPLIKASI MODEL GSTAR PADA PERAMALAN JUMLAH KUNJUNGAN WISATAWAN EMPAT LOKASI WISATA DI BATU
APLIKASI MODEL GSTAR PADA PERAMALAN JUMLAH KUNJUNGAN WISATAWAN EMPAT LOKASI WISATA DI BATU Dwi Susani, Susiswo Universias Negeri Malang E-mail: dwisusani39@gmail.com ABSTRAK: Peneliian ini berujuan unuk
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 terperinciPENDEKATAN PERAMALAN TINGKAT KONSUMSI MINYAK DI INDONESIA DENGAN MENGGUNAKAN METODE BOX-JENKINS
PENDEKATAN PERAMALAN TINGKAT KONSUMSI MINYAK DI INDONESIA DENGAN MENGGUNAKAN METODE BOX-JENKINS Ari Pani Desvina, Abdur Rahman Siddiq Jurusan Maemaika Fakulas Sains dan Teknologi UIN Suska Riau E-mail:
Lebih terperinciMinggu 4 RATA-RATA BERGERAK DAN EXPONENTIAL SMOOTHING. Peramalan Data Time Series
Minggu 4 RATA-RATA BERGERAK DAN EXPONENTIAL SMOOTHING Bab ini memperkenalkan model berlaku unuk daa ime series dengan musiman, ren, aau keduana komponen musiman dan ren dan daa sasioner. Meode peramalan
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 terperinci(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 terperinciJumlah penjualan bulanan Produk X
BAB 4 HASIL DAN PEMBAHASAN 4.1 Eksraksi Hasil Pengumpulan Daa Hasil pengumpulan daa yang didapa pada periode Januari 006 sampai dengan Desember 009 disajikan dalam benuk abel seperi di bawah ini. Daa yang
Lebih terperinciPERAMALAN JUMAH MOBIL PRIBADI YANG BERADA DI KOTA SURABAYA
TUGAS AKHIR SS 145561 PERAMALAN JUMAH MOBIL PRIBADI YANG BERADA DI KOTA SURABAYA RIZKI FEBRIASTO NRP 1314 030 102 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si., M.Si DEPARTEMEN STATISTIKA BISNIS Fakulas Vokasi
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 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 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 terperinciPemulusan Eksponensial dengan Metode Holt Winter Additive Damped
Pemulusan Eksponensial dengan Meode Hol Winer Addiive Damped Hurul in 1),Dr. Erna Tri Herdiani, M.Si 2), Andi Kresna Jaya, S.Si., M.Si 3) Program Sudi Saisika Jurusan Maemaika FMIPA Unhas Jln. Perinis
Lebih terperinciFORECASTING & ARIMA. Dwi Martani. 1/26/2010 Statistik untuk Bisnis 9 1
FORECASTING & ARIMA Dwi Marani /26/200 Saisik unuk Bisnis 9 DERET BERKALA (TIME SERIES) Suau dere berkala merupakan suau himpunan observasi dimana variabel yang digunakan diukur dalam uruan periode waku,
Lebih terperinci