APLIKASI METODE JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI DATA INDEKS HARGA SAHAM GABUNGAN DI INDONESIA
|
|
- Sucianty Sudirman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 APLIKASI METODE JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI DATA INDEKS HARGA SAHAM GABUNGAN DI INDONESIA 1 Arani Indraseianigsih, 2 Ika Damayani 1,2 Program Sudi Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam, Universias PGRI Adi Buana Surabaya arani.indra@gmail.com ABSTRAK Pergerakan harga saham di Bursa Efek Indonesia dapa di liha dari Indeks Harga Saham Gabungan (IHSG). Penenuan indeks harga saham ersebu dapa dilakukan melalui daa hisoris, oleh karena iu daa indeks harga saham merupakan daa runun waku. Pemanauan pergerakan IHSG ini digunakan sebagai dasar unuk pengambilan kepuusan oleh pelaku invesasi. Peneliian ini menerapkan meode jaringan saraf iruan dengan meode back propagaion pada daa penuupan Indeks Harga Saham Gabungan di Indonesia. Daa IHSG yang digunakan mulai Januari 2014 sampai Juli Pada peneliian ini digunakan enam hidden layer yaiu 1, 2, 3, 4, 5 dan 20. Berdasarkan hasil analisis daa menunjukkan bahwa nilai peramalan erbaik diperoleh dengan menggunakan hidden layer lima (5), karena mempunyai nilai MAD (Mean Absolue Deviaion) dan MAPE (Mean Absolue Persenage Error) erkecil. Kaa Kunci : Jaringan Syaraf Tiruan, Indeks Harga Saham Gabungan, Peramalan PENDAHULUAN Invesasi yang dilakukan oleh para pelaku usaha dapa berupa invesasi modal dalam benuk saham, maa uang asing maupun indeks. Tujuan dari invesasi ersebu unuk memperoleh keunungan yang besar dengan margin (jaminan) yang relaif kecil. Indeks saham gabungan merupakan indeks harga saham yang berasal dari gabungan saham-saham yang erdapa di bursa efek, yang dapa dipanau secara on line. Pergerakan harga saham di Bursa Efek Indonesia dapa di liha dari Indeks Harga Saham Gabungan (IHSG). Daa indeks harga saham gabungan ini merupakan daa runun waku. Pelaku usaha biasanya menggunakan daa hisoris unuk melakukan peramalan pada daa ersebu. Informasi mengenai perubahan indeks harga saham diperlukan bagi invesor. Peramalan dapa digunakan sebagai dasar unuk pengambilan kepuusan pelaku invesasi. Ada beberapa cara unuk menganalisa perubahan harga saham, dianaranya dengan analisis eknikal yakni suau upaya unuk memperkirakan harga saham dengan mengamai perubahan harga saham di waku yang lalu aau melalui pendekaan maemais dan saisic. Peneliian mengenai peramalan IHSG elah banyak dilakukan, dianaranya peneliian [10] yang melakukan peramalan IHSG dengan meode Fuzzy Time Series Cheng. Terdapa juga peneliian [9] yang memprediksi nilai IHSG dengan meode ARIMA. Semenara beberapa penelii lainnya menggunakan meode hibrid, seperi 9
2 yang dilakukan oleh Subanar dan Suharono, Popoola dkk. Di dalam peneliian ini, penulis akan menerapkan meode jaringan saraf iruan pada daa penuupan Indeks Harga Saham Gabungan di Indonesia. Daa IHSG yang digunakan mulai januari 2014 sampai Juli Peramalan dilakukan pada daa nilai Close Indeks Harga Saham Gabungan (IHSG) Dengan peramalan daa IHSG ini, para pelaku pasar dapa memprediksi kenaikan aau penurunan harga saham di masa mendaang. Unuk mengeahui seberapa baik peramalan menggunakan meode jaringan syaraf iruan ini hasil peramalan dibandingkan dengan daa acual, lalu dilakukan perhiungan krieria MAD dan MAPE. Indeks Harga Saham Gabungan (disingka IHSG, dalam bahasa Inggris disebu juga Jakara Composie Index, JCI aau JSX Composie) merupakan salah sau indeks pasar saham yang digunakan oleh Bursa Efek Indonesia (BEI, dahulu Bursa Efek Jakara (BEJ). Diperkenalkan perama kali pada anggal 1 April 1983, sebagai indikaor pergerakan harga saham di BEJ, Indeks ini mencakup pergerakan harga seluruh saham biasa dan saham preferen yang ercaa di BEI. Harga Dasar unuk perhiungan IHSG adalah anggal 10 Agusus Pada anggal ersebu, indeks dieapkan dengan nilai Dasar 100 dan saham ercaa pada saa iu berjumlah 13 saham [5]. Jaringan Syaraf Tiruan (arificial neural nework) aau disingka JST, adalah sisem kompuasi di mana arsiekur dan operasi dililhami dari pengeahuan enang sel saraf biologis di dalam oak, yang merupakan salah sau represenasi buaan dari oak manusia yang selalu mencoba mensimulasi proses pembelajaran pada oak manusia ersebu. JST dapa digambarkan sebagai model maemais dan kompuasi unuk fungsi aproksimasi non-linier, klasifikasi daa cluser dan regresi non paramerik aau sebuah simulasi dari koleksi model saraf biologi [4]. Jaringan saraf iruan aau Neural nework merupakan salah sau represenasi buaan dari oak manusia yang selalu mencoba unuk mensimulasikan proses pembelajaran yang erjadi pada oak ersebu. Isilah buaan digunakan karena neural nework ini diimplemenasikan dengan menggunakan program kompuer yang mampu menyelesaikan sejumlah proses perhiungan selama proses pembelajaran. Seiap pengolahan elemen membua perhiungan berdasarkan pada jumlah masukan (inpu). Sebuah kelompok pengolahan elemen disebu layer aau lapisan dalam jaringan. Lapisan perama adalah inpu dan yang erakhir adalah oupu. Lapisan dianara inpu dan oupu disebu dengan lapisan ersembunyi layer). Seperi halnya oak manusia, JST juga erdiri dari beberapa neuron, dan ada hubungan anara neuron-neuron ersebu. Neuron-neuron ini akan menransformasikan informasi yang dierima melalui sambungan keluarnya menuju ke neuron-neuron yang lain. Pada neural nework, hubungan ini dikenal dengan nama bobo. Informasi ersebu disimpan pada suau nilai erenu pada bobo ersebu. Gambar 1 menunjukkan srukur neuron pada JST. Gambar 1. Srukur neuron pada JST Pada neural nework, neuron-neuron dikumpulkan dalam lapisan-lapisan (layer) yang disebu dengan lapisan neuron (neuron layers). Biasanya neuron- 10
3 neuron pada sau lapisan dihubungkan dengan lapisan-lapisan sebelum dan sesudahnya (kecuali lapisan inpu dan oupu). Informasi yang diberikan pada neural nework akan dirambakan lapisan ke lapisan, mulai dari lapisan inpu sampai ke lapisan oupu melalui lapisan yang lainnya, yang disebu sebagai lapisan ersembunyi layer). Gambar 2. menunjukkan neural nework sederhana dengan fungsi akivasi F. Gambar 2. Fungsi akivasi pada neural nework Pada Gambar 2. ersebu sebuah neuron akan mengolah N inpu (x 1, x 2,..., x N ) yang masing-masing memiliki bobo w 1, w 2,..., w N dan bobo bias b, yang dihiung dengan persamaan beriku : = ଵ ݔ ݓ + (1) Fungsi akivasi F kemudian mengakivasi a menjadi oupu jaringan y. Percepron merupakan salah sau benuk neural nework yang paling sederhana. Percepron biasanya digunakan unuk mengklasifikasi-kan suau ipe pola erenu yang sering dikenal dengan pemisahan secara linear. Pada dasarnya, percepron pada neural nework dengan sau lapisan memiliki bobo yang bisa diaur. Algorima yang digunakan oleh auran percepron ini akan mengaur parameer-parameer bebasnya melalui proses pembelajaran. Respon unuk uni oupu y_in dihiung dengan persamaan beriku : (2) =1,2,ds dengan ݓ ݔ _ݕ = + ଵ Sehingga nilai y adalah : 0 jikaݕ_ = 1, ݕ 0, jikaݕ_ 0 ; unukoupu biner METODE PENELITIAN Sumber Daa dan Variabel Peneliian Daa yang digunakan pada peneliian ini merupakan daa harian penuupan Indeks Harga Saham Gabungan dalam renang waku mulai Januari 2014 sampai Juli Daa IHSG ersebu diperoleh dari sius. [6] Daa yang digunakan sebagai pemodelan (in sample) adalah daa IHSG mulai Januari Juli 2015, sedangkan daa unuk meliha hasil peramalan (ou sample) adalah daa IHSG 24 Juli 2015 sampai 31 Juli 201 Variabel yang digunakan dalam peneliian ini adalah IHSG ( x ). Unuk analisis menggunakan meode Jaringan Syaraf Tiruan, maka dibuuhkan variabel inpu dan variabel oupu, yaiu : a. Variabel inpu erdiri aas x 1, x b. Variabel oupunya adalah daa x 1. Meode Analisis Salah sau Algorima dalam JST adalah backpropagaion. Algorima backpropagaion merupakan salah sau meode pelaihan JST erawasi (supervised learning) yang erdiri dari iga langkah [3] : 1. Daa dimasukkan dalam inpu jaringan (feedforward) 2. Perhiungan dan propagasi balik dari error yang diemukan (backpropagaion) 3. Pembaruan bobo dan bias. Backpropagaion merupakan algorima pembelajaran yang erawasi dan biasanya digunakan oleh percepron 11
4 dengan banyak lapisan unuk mengubah bobo-bobo yang erhubung dengan neuron-neuron yang ada pada lapisan ersembunyinya. Algorima backpropagaion menggunakan error oupu unuk mengubah nilai bobobobonya dalam arah mundur (backward). Unuk mendapakan error ini, ahap perambaan maju (forward propagaion) harus dikerjakan erlebih dahulu. Pada saa perambaan maju, neuron-neuron diakifkan dengan menggunakan fungsi akivasi yang dapa dideferensiasikan. Meode analisis daa yang digunakan dengan langkah sebagai beriku : 1. Melakukan pengkajian daa hisoris IHSG dengan melakukan analisis deskripif dan membua plo ime series daa IHSG. 2. Memasukkan daa unuk analisis. Variabel inpu erdiri aas x 1, x yaiu hari ini (x), daa sau hari sebelumnya (x-1) sedangkan Variabel oupunya adalah daa x 1, yaiu daa arge adalah daa sau hari seelahnya (x+1). 3. Menenukan synax unuk melakukan perhiungan Jaringan Syaraf Tiruan. Hidden layer yang dicoba dalam peneliian ini adalah 1, 2, 3, 4, 5 dan Melakukan peramalan daa IHSG unuk periode 24 Juli s.d 31 Juli Menghiung nilai kesalahan peramalan dengan menggunakan MAD (Mean Absolue Deviaion) dan MAPE (Mean Absolue Percenage Error). Rumus MAD : n ( x xˆ ) MAD 1 n Rumus MAPE : n ( x x ) MAPE 1 n HASIL PENELITIAN x Deskripsi Daa Dalam peneliian ini digunakan daa nilai close Indeks Harga Saham Gabungan dalam renang waku mulai Januari 2014-Juli Beriku adalah plo dari nilai Indeks Harga Saham Gabungan. Plo ersebu menunjukkan bahwa erdapa kenaikan yang menunjukkan keidaksasioneran dalam means. Analisis menggunakan jaringan syaraf iruan idak memerlukan sasionerias daa, oleh karena iu meski menunjukkan adanya keidaksasioneran daa dapa langsung diolah menggunakan prosedur jaringan syaraf iruan. close IHSG Time Series Plo of close IHSG Index Gambar 3. Plo Time Series Daa Nilai Close IHSG Daa yang dianalisis menggunakan jaringan syaraf iruan sejumlah 380 daa dengan raa-raa nilai penuupan IHSG adalah , nilai erkecil dan erbesar dalam penuupan IHSG secara beruru uru adalah dan Analisis Jaringan Syaraf Tiruan Pada ahap analisis jaringan syaraf iruan proses perhiungan menggunakan sofware Malab. Hidden layer yang digunakan dalam peneliian ini adalah 1,
5 Nilai R daa Training daa validasi daa Tes 2, 3, 4, 5 dan 20. Beriku diambil plo dari masing-masing layer yang diuji cobakan. Plo menunjukkan pola hubungan anara variabel inpu dan oupu pada daa raining, validasi dan daa es. Masing-masing nilai R unuk daa raining, validasi, es dirangkum dalam Tabel 1. Tabel 1. Perbandingan Hasil Nilai R layer 1 layer 2 layer 3 layer 3 layer 5 layer Berdasarkan hasil diaas, beriku diberikan plo anara daa es dan daa prediksi beberapa hidden layer. Daa Time Series Plo of Y (es) vs Y Prediksi Index Gambar 4. Plo daa Y es dan Y hasil prediksi layer 1, 2, 3, 4, 5 dan 20) 5 6 Variable Y (es) Y Prediksi layer 1) Y Prediksi layer 2) Y Prediksi layer 3) Y Prediksi layer 4) Y Prediksi layer 5) Y Prediksi layer 20) Hasil prediksi menggunakan meode back propagaion diberikan dalam Tabel 2. Tabel 2. Daa Y es dan hasil prediksi layer 1 s.d 3) Y Y Y Tanggal Y (es) Prediksi Prediksi Prediksi layer 1) layer 2) layer 3) 24 Jul Jul Jul Jul Jul Jul Tabel 3. Daa Y es dan hasil prediksi layer 4, 5 dan 20) Y Y Y Tanggal Prediksi Prediksi Prediksi layer 4) layer 5) layer 20) 24 Jul Jul Jul Jul Jul Jul Langkah selanjunya dihiung nilai kesalahan peramalan anara kelima hasil prediksi, sehingga dikeahui berapakah nilai opimal dari hidden layer yang sebaiknya digunakan agar hasil prediksi lebih opimal Tabel 4. Perbandingan Ukuran Kesalahan Peramalan layer 1) layer 2) hidden layer 3) layer 4) layer 5) layer 20) MAD MAPE Suau hasil peramalan dapa dikaakan baik jika nilai dari model peramalannya deka nilainya dengan daa akual sera memiliki ingka kesalahan yang paling kecil. Unuk krieria pemilihan model erbaik pada peneliian ini dipilih berdasarkan nilai MAPE dan MAD yang erkecil. Sehingga dapa disimpulkan bahwa unuk melakukan peramalan daa IHSG nilai penuupan pada peneliian ini digunakan hidden layer lima (5), dengan nilai kesalahan peramalan sebesar 6.15% dan nilai kesalahan MAD sebesar sauan. 13
6 KESIMPULAN 1 Peramalan menggunakan Jaringan syaraf iruan meode back propagaion dalam peneliian ini menggunakan enam buah hidden layer yaiu 1, 2, 3, 4, 5 dan 20. Hasil peramalan unuk daa ini menunjukkan bahwa nilai peramalan unuk hidden layer 5 mendekai daa akual. 1. Hasil perbandingan kesalahan peramalan unuk keenam hidden layer yang digunakan menunjukkan bahwa hidden layer 5 mempunyai nilai ukuran kesalahan yang lebih kecil dibandingkan dengan hidden layer yang lainnya. Sehingga unuk daa IHSG nilai penuupan, sebaiknya digunakan hidden layer 5. Nilai prosenase kesalahan peramalan yang di dapakan keika menggunakan hidden layer 1 adalah 6.15% dengan sauan kesalahan peramalan sebesar sauan DAFTAR PUSTAKA [1] Ashraf, Q., Gershman, B., and Howi, P., (2013), How Inflaion Affecs Macroeconomic Performance : An agen-based Compuaional Inversigaion, Exended Paper, i/working/inflaion.pdf, diunduh anggal 27 April [2] Cryer, J.D., 1986, Time series Analysis, Universiy of IOWA, PWS KENT Publishing Company, Boson. [3] Hansun, S., 2013, Peramalan Daa IHSG dengan Menggunakan Meode Backpropagaion, Ulimaic, Vol. IV, No. 1, ISSN [4] Hermawan, A., 2006, Jaringan Saraf Tiruan Teori dan Aplikasi, Andi Offse, Yogyakara. [5] hps://id.wikipedia.org/wiki/indeks_ Harga_Saham_Gabungan, diakses pada 19 Juni 2015 [6] hp://finance.yahoo.com/q/hp?s=^jk SE, di akses pada 30 Mare April 2015 [7] Hulwai, 2001, Transaksi Saham di Pasar Modal Indonesia(Perspekif Hukum Ekonomi Islam), UII Press, Yogyakara. [8] Makridakis, Wheel Wrigh and Mc. Gee, 1999, Meode dan Aplikasi Peramalan, Jilid sau, Edisi kedua, Bina Rupa Aksara, Jakara [9] Sadeq, Ahmad, 2008, Analisis Prediksi Indeks Harga Saham Gabungan Dengan Meode ARIMA (Sudi pada IHSG di Bursa Efek Jakara), Thesis Program Magiser Manajemen, Universias Diponegoro, Semarang [10] Mey Lisa Tauryawai dan M.Isa.Irawan, 2014, Perbandingan Meode Fuzzy Time Series Cheng dan Meode Box Jenkins unuk Memprediksi IHSG, Jurnal SAINS DAN SENI POMITS Vol. 3, No. 2, ISSN: ( Prin) [11] Wei, W.W.S, 1989, Time Series Analysis, Reprined wih correcion, Universiy Deparemen of Saisics Temple, Universiy Addison-Wesley Publishing Company Inc. 14
*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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 terperinciPEMODELAN ARIMAX DAN NEURAL NETWORK UNTUK PERAMALAN DAN DASAR PERENCANAAN INVESTASI NET ASSET VALUE (NAV) EQUITY DI PT. PRUDENTIAL LIFE ASSURANCE
90 Djojonegoro: PEMODELAN ARIMAX DAN NEURAL NETWORK UNTUK PERAMALAN DAN PEMODELAN ARIMAX DAN NEURAL NETWORK UNTUK PERAMALAN DAN DASAR PERENCANAAN INVESTASI NET ASSET VALUE (NAV) EQUITY DI PT. PRUDENTIAL
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 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 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 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 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 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 terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH
BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Tahapan Pemecahan Masalah Tahapan pemecahan masalah berfungsi unuk memudahkan dalam mencari jawaban dalam proses peneliian yang dilakukan agar sesuai dengan arah
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 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 terperinciPerancangan Sistem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Metode Triple Exponential Smoothing
Jurnal Ilmiah Teknologi dan Informaika ASIA (JITIKA) Vol.10, No.2, Agusus 2016 ISSN: 0852-730X Perancangan Sisem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Meode Triple Exponenial Smoohing Tria
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 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 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 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 terperinciSISTEM PREDIKSI PENJUALAN GAMIS TOKO QITAZ MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING. Oleh: Salman Alfarisi
S. Alfarisi / Journal of Applied Business and Economics Vol. 4 No. 1 (Sep 2017) 80-95 SISTEM PREDIKSI PENJUALAN GAMIS TOKO QITAZ MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING Oleh: Salman Alfarisi Program
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 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 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 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 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 terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waku Peneliian Peneliian ini dilaksanakan di PT Panafil Essenial Oil. Lokasi dipilih dengan perimbangan bahwa perusahaan ini berencana unuk melakukan usaha dibidang
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 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 terperinciSISTEM INFORMASI PERAMALAN STOK BARANG DI CV. ANNORA ASIA MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING
Jurnal Informaika Polinema ISSN: 2407-070X SISTEM INFORMASI PERAMALAN STOK BARANG DI CV. ANNORA ASIA MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING Mansyur, Erfan Rohadi Program Sudi Teknik Informaika,
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 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 terperinciPREDIKSI CURAH HUJAN KOTA SEMARANG DENGAN FEEDFORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA QUASI NEWTON BFGS DAN LEVENBERG-MARQUARDT
Jurnal PRESIPIASI Volume 3 No Sepember 007 PREDIKSI CURAH HUJAN KOA SEMARANG DENGAN FEEDFORWARD NEURAL NEWORK MENGGUNAKAN ALGORIMA QUASI NEWON BFGS DAN LEVENBERG-MARQUARD Budi Warsio 1), Sri Sumiyai )
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 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 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 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 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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengerian Supply Chain Managemen Supply chain managemen merupakan pendekaan aau meode dalam memanajemen hubungan perusahaan dengan supplier dan konsumen yang erjadi pada pengendalian
Lebih terperinciBAB 2 LANDASAN TEORI. Pengangguran atau tuna karya merupakan istilah untuk orang yang tidak mau bekerja
BAB 2 LANDASAN TEORI 2.1 Pengerian Pengangguran Pengangguran aau una karya merupakan isilah unuk orang yang idak mau bekerja sama sekali, sedang mencari kerja, bekerja kurang dari dua hari selama seminggu,
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN TEMPAT KOST DENGAN METODE PEMBOBOTAN ( STUDI KASUS : SLEMAN YOGYAKARTA)
SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN TEMPAT KOST DENGAN METODE PEMBOBOTAN ( STUDI KASUS : SLEMAN YOGYAKARTA) I Wayan Supriana Program Pascasarjana Ilmu Kompuer Fakulas MIPA Universias Gadjah Mada
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 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 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 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 terperinciPEMODELAN VOLATILITAS UNTUK PENGHITUNGAN VALUE AT RISK (VaR) MENGGUNAKAN FEED FORWARD NEURAL NETWORK DAN ALGORITMA GENETIKA. Hasbi Yasin 1, Suparti 2
Pemodelan Volailias (Hasbi Yasin) PEMODELAN VOLATILITAS UNTUK PENGHITUNGAN VALUE AT RISK (VaR) MENGGUNAKAN FEED FORWARD NEURAL NETWORK DAN ALGORITMA GENETIKA Hasbi Yasin 1, Supari 1 Dosen Jurusan Saisika
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 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 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 terperinciKOMPARASI METODE PERAMALAN AUTOMATIC CLUSTERING TECHNIQUE AND FUZZY LOGICAL RELATIONSHIPS DENGAN SINGLE EXPONENTIAL SMOOTHING
Komparasi Meode Peramalan (Beik E.) KOMPARASI METODE PERAMALAN AUTOMATIC CLUSTERING TECHNIQUE AND FUZZY LOGICAL RELATIONSHIPS DENGAN SINGLE EXPONENTIAL SMOOTHING Beik Endaryai 1, Rober Kurniawan 2 1,2
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 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 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 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 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 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 terperinciJurnal Edik Informatika. Peramalan Kebutuhan Manajemen Logistik Pada Usaha Depot Air Minum Isi Ulang Al-Fitrah
Jurnal Edik Informaika Peneliian Bidang Kompuer Sains dan Pendidikan Informaika V.i(5-4) Peramalan Kebuuhan Manajemen Logisik Pada Usaha Depo Air Minum Isi Ulang Al-Firah Henny Yulius, Islami Yei Universias
Lebih terperinciBAB III. Metode Penelitian
66 BAB III Meode Peneliian 3.1. Variabel Peneliian dan Definisi Operasional Peneliian ini menggunakan sau definisi variabel operasional yaiu nilai harian indeks LQ 45. 3.2. Populasi dan sampel Populasi
Lebih terperinciRANK DARI MATRIKS ATAS RING
Dela-Pi: Jurnal Maemaika dan Pendidikan Maemaika ISSN 089-855X ANK DAI MATIKS ATAS ING Ida Kurnia Waliyani Program Sudi Pendidikan Maemaika Jurusan Pendidikan Maemaika dan Ilmu Pengeahuan Alam FKIP Universias
Lebih terperinciIDENTIFIKASI POLA DATA TIME SERIES
IDENTIFIKASI POLA DATA TIME SERIES Daa merupakan bagian pening dalam peramalan. Beriku adalah empa krieria yang dapa digunakan sebagai acuan agar daa dapa digunakan dalam peramalan.. Daa harus dapa dipercaya
Lebih terperinciJURNAL TEKNIK POMITS Vol. 2, No. 2, (2013) ISSN: ( Print) D-108
JURNAL TEKNIK POMITS Vol., No., (013) ISSN: 337-3539 (301-971 Prin) D-108 Simulasi Peredaman Gearan Mesin Roasi Menggunakan Dynamic Vibraion Absorber () Yudhkarisma Firi, dan Yerri Susaio Jurusan Teknik
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 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 Kebutuhan Bahan Bakar Premium di Depot Ampenan dengan Metode Hibrida Arima- Neural Network untuk Optimasi Persediaan
JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 202) ISSN: 230-928X D-94 Peramalan Kebuuhan Bahan Bakar Premium di Depo Ampenan dengan Meode Hibrida Arima- Neural Nework unuk Opimasi Persediaan Okivianis Kusumaningrum,
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini adalah penelitian Quasi Eksperimental Design dengan
BAB III METODOLOGI PENELITIAN A. Jenis dan Desain Peneliian Peneliian ini adalah peneliian Quasi Eksperimenal Design dengan kelas eksperimen dan kelas conrol dengan desain Prees -Poses Conrol Group Design
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 terperinciPERANCANGAN SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE BOBOT UNTUK MENILAI KENAIKAN GOLONGAN PEGAWAI
Seminar Nasional Informaika PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE BOBOT UNTUK MENILAI KENAIKAN GOLONGAN PEGAWAI Evri Ekadiansyah Program Sudi D Manajemen Informaika, STMIK Poensi Uama evrie9@gmail.com
Lebih terperinciPERANCANGAN SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE BOBOT UNTUK MENILAI KENAIKAN GOLONGAN PEGAWAI
Seminar Nasional Informaika 24 PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE BOBOT UNTUK MENILAI KENAIKAN GOLONGAN PEGAWAI Evri Ekadiansyah Program Sudi D3 Manajemen Informaika, STMIK Poensi Uama
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 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 terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian ini dilakukan di Dafarm, yaiu uni usaha peernakan Darul Fallah yang erleak di Kecamaan Ciampea, Kabupaen Bogor, Jawa Bara. Pemilihan lokasi
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 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 I PENDAHULUAN. Dalam pembicaraan sehari-hari, bank dikenal sebagai lembaga keuangan yang
BAB I PENDAHULUAN 1.1 Laar Belakang Dalam pembicaraan sehari-hari, bank dikenal sebagai lembaga keuangan yang kegiaan uamanya menerima simpanan giro, abungan dan deposio. Kemudian bank juga dikenal sebagai
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 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 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 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 terperinciUSULAN PENERAPAN METODE KOEFISIEN MANAJEMEN (BOWMAN S) SEBAGAI ALTERNATIF MODEL PERENCANAAN PRODUKSI PRINTER TIPE LX400 PADA PT X
USULAN ENERAAN METODE KOEISIEN MANAJEMEN (BOMAN S) SEBAGAI ALTERNATI MODEL ERENCANAAN RODUKSI RINTER TIE LX400 ADA T X Hendi Dwi Hardiman Jurusan Teknik Manajemen Indusri - Sekolah Tinggi Manajemen Indusri
Lebih 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 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 terperinciKLASIFIKASI DOKUMEN TUGAS AKHIR MENGGUNAKAN ALGORITMA K-MEANS. Wulan Fatin Nasyuha¹, Husaini 2 dan Mursyidah 3 ABSTRAK
KLASIFIKASI DOKUMEN TUGAS AKHIR MENGGUNAKAN ALGORITMA K-MEANS Wulan Fain Nasyuha¹, Husaini 2 dan Mursyidah 3 1,2,3 Teknologi Informasi dan Kompuer, Polieknik Negeri Lhokseumawe, Jalan banda Aceh-Medan
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 terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waku Peneliian Peneliian ini dilaksanakan pada kasus pengolahan ikan asap IACHI Peikan Cia Halus (PCH) yang erleak di Desa Raga Jaya Kecamaan Ciayam, Kabupaen Bogor,
Lebih terperinciProyeksi Penduduk Provinsi Riau Menggunakan Metode Campuran
Saisika, Vol. 10 No. 2, 129 138 Nopember 2010 Proyeksi Penduduk Provinsi Riau 2010-2015 Menggunakan Meode Campuran Ari Budi Uomo, Yaya Karyana, Tei Sofia Yani Program Sudi Saisika, Universias Islam Bandung
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 terperinci