VI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER
|
|
- Suparman Sasmita
- 7 tahun lalu
- Tontonan:
Transkripsi
1 VI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER 6.1. Analisis Pola Data Penjualan Ayam Broiler Data penjualan ayam broiler adalah data bulanan yang diperoleh dari bulan Januari 2006 hingga Desember Dalam series waktu tersebut terdapat 48 bulan, yang berarti terdapat 48 data penjualan ayam broiler dalam satuan kilogram. Analisis pola data dilakukan untuk mengetahui unsur-unsur yang terdapat pada pola data penjualan ayam broiler Tunas Mekar Farm. Apakah polanya stasioner, terdapat unsur musiman atau siklus beserta penyebab terjadinya unsurunsur tersebut dengan terlebih dahulu melakukan identifikasi pola data Penjualan Ayam Broiler TMF Kilogram (Kg) Periode Gambar 5. Plot Data Penjualan Ayam Broiler Periode Januari 2006 Desember 2009 Berdasarkan hasil plot data yang dapat dilihat pada Gambar 4, diidentifikasikan bahwa penjualan ayam broiler selalu berfluktuasi dengan ratarata penjualan mencapai ,9 kg per bulan. Pengamatan terhadap plot data tersebut tampak bahwa pola data penjualan ayam broiler tidak stasioner.
2 Ketidakstasioneran terlihat dari sebaran data penjualan ayam broiler yang tidak berada di sekitar garis lurus atau rata-rata konstan. Menurut Bapak H. Muslikhin (Pemilik TMF) Pada bulan Oktober 2007 hingga Januari 2008 terjadi wabah flu burung yang ke dua menyerang Indonesia. Kasus flu burung pertama terjadi sekitar tahun 2003 yang menyebabkan peternak mengalami kerugian yang sangat besar. Flu burung yang terjadi pada tahun 2007 berdampak langsung terhadap penjualan ayam broiler Tunas Mekar Farm. Hasil analisis terhadap pola data penjualan ayam broiler terjadi penurunan penjualan ayam broiler Tunas Mekar Farm baik dari jumlah maupun harganya, salah satu faktor yang sangat mempengaruhi penurunan harga maupun jumlah penjualan ayam broiler Tunas Mekar Farm diakibatkan oleh kasus flu burung. Penjualan ayam broiler Tunas Mekar Farm mengalami peningkatan yang tinggi yaitu pada bulan Desember 2008 sebesar kg, hal ini terjadi karena salah satu faktor yang mempengaruhinya adalah akibat dampak wabah flu burung tahun Pada saat terjadi wabah flu burung harga ayam broiler turun dan di ikuti oleh jumlah penjualan ayam yang mengalami penurunan, sehingga banyak peternak mandiri yang tidak dapat mengatasi masalah tersebut yang berakibat rugi besar dan menyebabkan bangkrut. Sedangkan Tunas Mekar Farm mampu mengatasi kasus flu burung tersebut karena bekerja sama dengan investor serta berkonsultasi dengan dokter hewan yang ahli terhadap flu burung. Sehingga pada bulan Maret 2008 hingga Desember 2009 Tunas Mekar Farm mengalami peningkatan penjualan akibat dari berkurangnya pesaing serta meningkatnya jumlah produksi dengan memperluasan wilayah produksi ayam broiler Selain itu berdasarkan plot data tersebut penjualan ayam broiler Tunas Mekar Farm memiliki kecenderungan yang meningkat Metode Peramalan Penjualan Setelah pola data penjualan ayam broiler diidentifikasi maka penerapan metode peramalan dapat dilakukan lebih mudah. Metode yang diterapkan dalam penelitian ini adalah metode time series. 50
3 6.2.1 Metode Rata-rata Bergerak (Moving Average) Metode rata-rata bergerak akan menghasilkan ramalan yang baik hanya jika proses yang mendasari nilai pengamatan tidak menunjukkan adanya trend dan unsur musiman. Dari hasil penerapan metode rata-rata sederhana diperoleh nilai MSE sebesar Metode Pemulusan Eksponensial Tunggal (Single Exponential Smoothing) Metode ini banyak mengurangi masalah penyimpanan data, karena tidak perlu lagi menyimpan semua data historisnya. Metode ini diterapkan dengan menyimpan nilai α, data dan ramalan terakhir untuk menghasilkan ramalan berikutnya. Hasil dari metode ini menghasilkan nilai MSE Metode Pemulusan Eksponensial Ganda (Double Exponential Smoothing) Metode ini cukup akurat jika diterapkan untuk data deret waktu yang mengandung unsur trend. Metode ini berusaha mengekstrapolasi atas dasar trend terakhir pada data, sehingga ramalan akan memperlihatkan kecenderungan ke satu arah, yaitu yang sesuai dengan arah trend terakhir pada data. Metode ini menghasilkan MSE Metode Dekomposisi Aditif Metode dekomposisi aditif memisahkan pola data atas unsur siklus, musiman, trend dan error. Metode ini merupakan salah satu metode yang dapat mengatasi unsur trend. Model trend yang sesuai yang dihasilkan metode ini, yaitu Yt = *t. Penerapan metode dekomposisi aditif menghasilkan MSE Nilai unsur musiman yang dihasilkan metode dekomposisi aditif dapat di lihat pada Tabel
4 Tabel 11. Nilai Unsur Musiman Yang dihasilkan Metode Dekomposisi Aditif No Bulan Nilai Unsur Musiman 1 Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Berdasarkan tabel di atas menunjukkan bahwa pada bulan Januari, Februari, April, Juli, Oktober, November dan Desember, nilai unsur musimannya negatif, maka dapat diramalkan penjualan ayam broiler pada bulan tersebut akan lebih rendah dibanding rata-rata penjualan. Sedangkan pada bulan Maret, Mei, Juni, Agustus dan September. Nilai unsur musimannya positif, maka dapat diramalkan penjualan daging ayam pada bulan tersebut akan lebih tinggi dibanding rata-rata penjualan Metode Dekomposisi Multiplikatif Model trend yang sesuai yang dihsilkan metode ini adalah Yt = *t. Penerapan metode ini menghasilkan MSE nilai unsur musiman yang dihasilkan metode ini dapat di lihat pada tabel
5 Tabel 12. Nilai Unsur Musiman Yang dihasilkan Metode Dekomposisi Multiplikatif No Bulan Nilai Unsur Musiman 1 Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Tabel 12 menunjukkan bahwa pada bulan Januari, Februari, April, Juli, Oktober, November dan Desember, nilai unsur musimannya lebih kecil dari satu, maka dapat diramalkan penjualan ayam broiler pada bulan tersebut akan lebih rendah dibanding rata-rata penjualan. Sedangkan pada bulan Maret, Mei, Juni, Agustus dan September. Nilai unsur musimannya lebih besar dari satu, maka dapat diramalkan penjualan daging ayam pada bulan tersebut akan lebih tinggi dibanding rata-rata penjualan Metode Winters Aditif Jika dibandingkan dengan metode pemulusan yang lain, metode winters merupakan metode yang kompleks dan rumit. Dalam menggunakan metode winters diperlukan tiga parameter sehingga diperlukan perhitungan dan waktu yang cukup lama untuk menemukan nilai tiga parameter yang optimal. Penerapan metode winters aditf menghasilkan nilai MSE dengan nilai α = 0.45; β = 0.05, γ =0.9 dan panjang musin (L) =
6 Metode Winters Multiplikatif Metode wineters memiliki kelebihan dapat mengatasi unsur trend dan musiman. Sama halnya dengan metode winters aditif, metode winters mltiplikatif memerlukan tiga parameter penduga yang dalam proses menemukan nilai tiga parameter yang optimal dibutuhkan perhitungan dan waktu yang cukup lama. Penerapan metode winters multiplikatif menghasilkan nilai MSE dengan nilai α = 0.45; β = 0.05, γ =0.9 dan panjang musin (L) = Metode Box Jenkins (ARIMA) Tahap pertama dalam metode Box Jenkins adalah identifikasi pola data. Pola data penjualan ayam broiler diidentifikasikan terdapat unsur trend dan unsur musiman. Berdasarkan plot ACF (Lampiran 1), pola data belum stasioner sehingga diperlukan pembedaan pertama (first differencing). Kemudian plot ACF hasil pembedaan pertama dari deret data dianalisis untuk melihat apakah data sudah stasioner atau belum. Implikasi dari pembedaan pertama ini adalah model yang digunakan mengandung nilai d = 1 menjadi ARIMA (p,1,q). Hasil dari pembedaan pertama dari data penjualan ayam broiler dapat di lihat pada Lampiran 2. dari hasil pengamatan plot ACF tersebut terlihat bahwa deret data telah stasioner yang di tunjukkan oleh nilai autokorelasinya sudah tidak berbeda secara nyata dengan nol. Setelah dilakukan pengidentifikasikan data, maka dilakukan uji diagnostik atas model SARIMA tersebut. Uji diagnostik tersebut terdiri dari enam kriteria model Box-Jenkins, antara lain : 1. Residual atau error peramalan bersifat random. Pada Lampiran 3 error peramalan sudah random, hal ini dibuktikan pada Ljung-Box Statistic dimana P-value lebih besar daripada α (0,05) yaitu 0,496 dan 0, Model parsimonious dimana model tentatif yang diperoleh yaitu SARIMA (1,1,0)(1,1,1) 12, menunjukkan bentuk model yang paling sederhana. 3. Parameter yang diestimasi berbeda nyata dengan nol. Hal ini dapat dilihat dari nilai P-value yang kurang dari α (0,05), dimana pada P-value koefisien =
7 4. Kondisi invertibilitas ataupun stasioneritas harus terpenuhi, yang ditunjukkan oleh jumlah koefisien AR yang harus kurang dari satu yaitu AR = 0,7796 SAR=0,3453 dan SMA = 0,8106. Sehingga model ARIMA (1,1,0)(1,1,1) 12 sudah invertibilitas. 5. Proses iterasi harus convergence. Pada session sudah terdapat penyataan bahwa Relative change in each estimate less than Model harus memiliki MSE yang kecil. Pada model ARIMA ditunjukkan dengan nilai MSE sebesar Tahapan selanjutnya dalam Box-Jenkins adalah meramalkan hasil (forecasting) penjualan ayam broiler, dengan metode SARIMA (1,1,0)(1,1,1) 12. Bentuk model SARIMA (1,1,0)(1,1,1) 12. Y t = Φy t-1 w L (ε t-l Φ 1 y t-l-1 ) + ε t Y t = 0,7796 (y t-1 ) 0,8106 (ε t-l - 0,7796 y t-l-1 ) + ε t Hasil ramalan penjualan untuk 12 bulan ke depan yang terdapat pada Tabel 13 menunjukkan bahwa tingkat penjualan ayam broiler berfluktuasi dengan rata-rata penjualan mencapai kg per bulan. Ramalan penjualan tertinggi terjadi pad bulan Desember 2009 yaitu sebesar kg. 55
8 Tabel 13. Hasil Ramalan Penjualan Ayam Broiler Periode Waktu Januari 2010 Desember 2010 No. Bulan Ramalan Penjualan (kilogram) 1 Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Berdasarkan nilai MSE yang diperoleh dari masing-masing metode peramalan, nilai MSE yang paling kecil serta model yang paling sederhana yang dapat dipakai untuk meramalkan penjualan ayam broiler Tunas Mekar Farm adalah model SARIMA (1,1,0)(1,1,1)¹² dengan nilai MSE Mengenai nilai MSE masing-masing teknik peramalan dapat di lihat pada Tabel
9 Tabel 14. Nilai MSE Metode Peramalan Penjualan Ayam Broiler Tunas Mekar Farm No Metode MSE Urutan Terbaik 1 Moving Average Single Eksponensial Double Eksponensial Dekomposisi Aditif Dekomposisi Multiplikatif Winters Aditif Winters Multiplikatif SARIMA (1,1,0)(1,1,1)¹² Analisis Pola Data Harga Ayam Broiler Data harga ayam broiler adalah data bulanan yang diperoleh dari bulan Januari 2006 hingga Desember Dalam series waktu tersebut terdapat 48 bulan, yang berarti terdapat 48 data harga ayam broiler dalam satuan Rupiah. Analisis pola data dilakukan untuk mengetahui unsur-unsur yang terdapat pada pola data penjualan ayam broiler Tunas Mekar Farm. Apakah polanya stasioner, terdapat unsur musiman atau siklus beserta penyebab terjadinya unsurunsur tersebut dengan terlebih dahulu melakukan identifikasi pola data. Untuk lebih jelasnya dapat di lihat pada Gambar 5. 57
10 Harga Ayam Broiler TMF Rupiah (Rp) Periode Gambar 6. Plot Data Harga Ayam Broiler Periode Januari 2006 Desember 2009 Berdasarkan hasil plot data yang dapat dilihat pada Gambar 5, diidentifikasikan bahwa penjualan ayam broiler selalu berfluktuasi dengan ratarata harga Rp per bulan, sedangkan untuk tahun 2009 harga ra-rata per bulannya adalah Rp ,75. Pengamatan terhadap plot data tersebut tampak bahwa pola data penjualan ayam broiler tidak stasioner. Ketidakstasioneran terlihat dari sebaran data harga ayam broiler yang tidak berada di sekitar garis lurus atau rata-rata konstan. Penurunan harga pada bulan November 2006 hingga Februari dikarenakan permintaan pasar berkurang yang mengakibatkan harga tertekan hingga mencapai Rp per kilogram. Menurut Bapak H. Muslikhin (Pemilik TMF) Pada bulan Oktober 2007 hingga Januari 2008 terjadi wabah flu burung yang ke dua menyerang Indonesia. Kasus flu burung yang terjadi pada tahun 2007 berdampak langsung terhadap harga ayam broiler Tunas Mekar Farm. Apabila dikaji lebih jauh pada bulan Okober 2007 hingga Januari 2008 terjadi penurunan harga ayam broiler Tunas Mekar Farm. Penurunan harga ini diikuti pula oleh penurunan penjualan ayam broiler yang mengakibatkan banyak peternak yang mengalami kerugian besar hingga bangkrut. Salah satu faktor yang 58
11 sangat mempengaruhi penurunan harga maupun jumlah penjualan ayam broiler Tunas Mekar Farm diakibatkan oleh kasus flu burung. Harga ayam broiler Tunas Mekar Farm mengalami peningkatan yang tinggi yaitu pada bulan September 2009 sebesar Rp per kilogram, hal ini terjadi karena pada tahun 2009 cenderung sedikit faktor yang dapat menekan harga ayam sehingga harga yang terjadi pada tahun 2009 stabil dengan kecenderungan naik. Harga rata-rata ayam per bulan pada tahun 2009 sebesar Rp ,75 per kilogram Metode Peramalan Harga Setelah pola data harga ayam broiler diidentifikasi maka penerapan metode peramalan dapat dilakukan lebih mudah. Metode yang diterapkan dalam penelitian ini adalah metode time series Metode Rata-rata Bergerak (Moving Average) Metode rata-rata bergerak akan menghasilkan ramalan yang baik hanya jika proses yang mendasari nilai pengamatan tidak menunjukkan adanya trend dan unsur musiman. Dari hasil penerapan metode rata-rata sederhana diperoleh nilai MSE sebesar Metode Pemulusan Eksponensial Tunggal (Single Exponential Smoothing) Metode ini banyak mengurangi masalah penyimpanan data, karena tidak perlu lagi menyimpan semua data historisnya. Metode ini diterapkan dengan menyimpan nilai α, data dan ramalan terakhir untuk menghasilkan ramalan berikutnya. Hasil dari metode ini menghasilkan nilai MSE Metode Pemulusan Eksponensial Ganda (Double Exponential Smoothing) Metode ini cukup akurat jika diterapkan untuk data deret waktu yang mengandung unsur trend. Metode ini berusaha mengekstrapolasi atas dasar trend terakhir pada data, sehingga ramalan akan memperlihatkan kecenderungan ke satu 59
12 arah, yaitu yang sesuai dengan arah trend terakhir pada data. Metode ini menghasilkan MSE Metode Dekomposisi Aditif Metode dekomposisi aditif memisahkan pola data atas unsur siklus, musiman, trend dan error. Metode ini merupakan salah satu metode yang dapat mengatasi unsur trend. Model trend yang sesuai yang dihasilkan metode ini, yaitu Yt = *t. Penerapan metode dekomposisi aditif menghasilkan MSE Nilai unsur musiman yang dihasilkan metode dekomposisi aditif dapat di lihat pada tabel 15. Tabel 15. Nilai Unsur Musiman Yang dihasilkan Metode Dekomposisi Aditif No Bulan Nilai Unsur Musiman 1 Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Berdasarkan tabel di atas menunjukkan bahwa pada bulan Januari, Februari, Maret, Mei. Juni, November dan Desember, nilai unsur musimannya negatif, maka dapat diramalkan penjualan ayam broiler pada bulan tersebut akan lebih rendah dibanding rata-rata penjualan. 60
13 Sedangkan pada bulan April, Juli, Agustus, September dan Oktober. Nilai unsur musimannya positif, maka dapat diramalkan penjualan daging ayam pada bulan tersebut akan lebih tinggi dibanding rata-rata penjualan Metode Dekomposisi Multiplikatif Model trend yang sesuai yang dihsilkan metode ini adalah Yt = *t. Penerapan metode ini menghasilkan MSE nilai unsur musiman yang dihasilkan metode ini dapat di lihat pada tabel 16. Tabel 16. Nilai Unsur Musiman Yang dihasilkan Metode Dekomposisi Multiplikatif No Bulan Nilai Unsur Musiman 1 Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Tabel 16 menunjukkan bahwa pada bulan Januari, Februari, Maret, Mei, Juni, November dan Desember, nilai unsur musimannya lebih kecil dari satu, maka dapat diramalkan penjualan ayam broiler pada bulan tersebut akan lebih rendah dibanding rata-rata penjualan. Sedangkan pada bulan April, Juli, Agustus, September dan Oktober. Nilai unsur musimannya lebih besar dari satu, maka dapat diramalkan penjualan daging ayam pada bulan tersebut akan lebih tinggi dibanding rata-rata penjualan. 61
14 6.4.6.Metode Winters Aditif Jika dibandingkan dengan metode pemulusan yang lain, metode winters merupakan metode yang kompleks dan rumit. Dalam menggunakan metode winters diperlukan tiga parameter sehingga diperlukan perhitungan dan waktu yang cukup lama untuk menemukan nilai tiga parameter yang optimal. Penerapan metode winters aditf menghasilkan nilai MSE dengan nilai α = 0.45; β = 0.05, γ =0.9 dan panjang musin (L) = Metode Winters Multiplikatif Metode wineters memiliki kelebihan dapat mengatasi unsur trend dan musiman. Sama halnya dengan metode winters aditif, metode winters mltiplikatif memerlukan tiga parameter penduga yang dalam proses menemukan nilai tiga parameter yang optimal dibutuhkan perhitungan dan waktu yang cukup lama. Penerapan metode winters multiplikatif menghasilkan nilai MSE dengan nilai α = 0.45; β = 0.05, γ =0.9 dan panjang musin (L) = Metode Box Jenkins (ARIMA) Tahap pertama dalam metode Box Jenkins adalah identifikasi pola data. Pola data penjualan ayam broiler diidentifikasikan terdapat unsur trend dan unsur musiman. Berdasarkan plot ACF (Lampiran 4), pola data belum stasioner sehingga diperlukan pembedaan pertama (first differencing). Kemudian plot ACF hasil pembedaan pertama dari deret data dianalisis untuk melihat apakah data sudah stasioner atau belum. Implikasi dari pembedaan pertama ini adalah model yang digunakan mengandung nilai d = 1 menjadi ARIMA (p,1,q). Hasil dari pembedaan pertama dari data penjualan ayam broiler dapat di lihat pada Lampiran 5. dari hasil pengamatan plot ACF tersebut terlihat bahwa deret data telah stasioner yang di tunjukkan oleh nilai autokorelasinya sudah tidak berbeda secara nyata dengan nol. Setelah dilakukan pengidentifikasikan data, maka dilakukan uji diagnostik atas model SARIMA tersebut. Uji diagnostik tersebut terdiri dari enam kriteria model Box-Jenkins, antara lain : 62
15 1. Residual atau error peramalan bersifat random. Pada Lampiran 6 error peramalan sudah random, hal ini dibuktikan pada Ljung-Box Statistic dimana P-value lebih besar daripada α (0,05) yaitu 0,235 dan 0, Model parsimonious dimana model tentatif yang diperoleh yaitu SARIMA (1,1,1)(1,1,1) 12, menunjukkan bentuk model yang paling sederhana. 3. Parameter yang diestimasi berbeda nyata dengan nol. Hal ini dapat dilihat dari nilai P-value yang kurang dari α (0,05), dimana pada P-value koefisien = Kondisi invertibilitas ataupun stasioneritas harus terpenuhi, yang ditunjukkan oleh jumlah koefisien AR yang harus kurang dari satu yaitu AR = 0,4210 SAR=0,6749 dan SMA = 0,7995. Sehingga model ARIMA (1,1,1)(1,1,1) 12 sudah invertibilitas. 5. Proses iterasi harus convergence. Pada session sudah terdapat penyataan bahwa Relative change in each estimate less than Model harus memiliki MSE yang kecil. Pada model ARIMA ditunjukkan dengan nilai MSE sebesar Tahapan selanjutnya dalam Box-Jenkins adalah meramalkan hasil (forecasting) penjualan ayam broiler, dengan metode SARIMA (1,1,1)(1,1,1) 12. Bentuk model SARIMA (1,1,1)(1,1,1) 12. Y t = Φy t-1 w L (ε t-l Φ 1 y t-l-1 ) + ε t Y t = 0,4210 (y t-1 ) 0,7995 (ε t-l - 0,4210 y t-l-1 ) + ε t Hasil ramalan harga ayam untuk 12 bulan ke depan yang terdapat pada Tabel 17, menunjukkan bahwa tingkat harga ayam broiler berfluktuasi dengan harga rata-rata mencapai Rp per kilogram. Ramalan harga ayam tertinggi terjadi pada bulan September 2010 yaitu sebesar Rp per kilogram. 63
16 Tabel 17. Hasil Ramalan Harga Ayam Broiler Periode Waktu Januari 2010 Desember 2010 No. Bulan Ramalan Harga (Rupiah) 1 Januari ,1 2 Februari ,5 3 Maret ,8 4 April ,1 5 Mei ,6 6 Juni ,8 7 Juli ,5 8 Agustus ,8 9 September ,0 10 Oktober ,9 11 November ,4 12 Desember ,2 Berdasarkan nilai MSE yang diperoleh dari masing-masing metode peramalan, nilai MSE yang paling kecil serta model yang paling sederhana yang dapat dipakai untuk meramalkan harga ayam broiler Tunas Mekar Farm adalah model SARIMA (1,1,1)(1,1,1)¹² dengan nilai MSE Mengenai nilai MSE masing-masing teknik peramalan dapat di lihat pada Tabel 18 Tabel 18. Nilai MSE Metode Peramalan Harga Ayam Broiler Tunas Mekar Farm No Metode MSE Urutan Terbaik 1 Moving Average Single Eksponensial Double Eksponensial Dekomposisi Aditif Dekomposisi Multiplikatif Winters Aditif Winters Multiplikatif SARIMA (1,1,1)(1,1,1)¹²
BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola data yang sistematis (Makridakis, 1999). Peramalan menggunakan pendekatan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi
Lebih terperinciBAB I PENDAHULUAN. untuk membuat prediksi tersebut disebut peramalan (Bowerman, 1993).
BAB I PENDAHULUAN 1.1 Latar Belakang Prediksi terhadap kejadian di masa depan disebut ramalan, dan tindakan untuk membuat prediksi tersebut disebut peramalan (Bowerman, 1993). Peramalan diperlukan untuk
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di Indonesia sejak tahun enam puluhan telah diterapkan Badan Meteorologi, Klimatologi, dan Geofisika di Jakarta menjadi suatu direktorat perhubungan udara. Direktorat
Lebih terperinciIII. METODE PENELITIAN
15 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penelitian Perkembangan ekonomi dan bisnis dewasa ini semakin cepat dan pesat. Bisnis dan usaha yang semakin berkembang ini ditandai dengan semakin banyaknya
Lebih terperinciIII KERANGKA PEMIKIRAN
3.1. Kerangka Pemikiran Teoritis 3.1.1. Konsep Permintaan III KERANGKA PEMIKIRAN Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan digunakanan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalis kendala atau memaksimalkan pengembangan baik
Lebih terperinciFORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA
FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA 1) Nurul Latifa Hadi 2) Artanti Indrasetianingsih 1) S1 Program Statistika, FMIPA, Universitas PGRI Adi Buana Surabaya 2)
Lebih terperinciBAB I PENDAHULUAN. Dugaan atau perkiraan mengenai kejadian atau peristiwa pada waktu yang
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dugaan atau perkiraan mengenai kejadian atau peristiwa pada waktu yang akan datang disebut ramalan dan tindakan dalam membuat dugaan atau perkiraan tersebut
Lebih terperinciAnalisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia. Oleh : Pomi Kartin Yunus
Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia Oleh : Pomi Kartin Yunus 1306030040 Latar Belakang Industri manufaktur yang berkembang pesat
Lebih terperinciPENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA
KEMENTERIAN PEKERJAAN UMUM BADAN PENELITIAN DAN PENGEMBANGAN PUSAT PENELITIAN DAN PENGEMBANGAN SUMBER DAYA AIR PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA PENDAHULUAN Prediksi data runtut waktu.
Lebih terperinciData Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun Tahun Bulan Wisman
Lampiran 1. Data Tingkat Hunian Hotel di Propinsi DIY Tahun 1991-2003 48 49 Lampiran 1 Data Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun 1991-2003, Tahun Bulan Wisman 1991 1 27,00 1991 2 30,60
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Pendahuluan Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Mulai Studi Pendahuluan Studi Pustaka Identifikasi Masalah Perumusan Masalah Tujuan Pengumpulan Data 1. Profil Perusahaan PT. Mensa Binasukses cabang kota Padang 2. Data forecasting
Lebih terperinciBAB 2 TINJAUAN TEORITIS. yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan terjadi
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Peramalan Peramalan (forecasting) merupakan upaya memperkirakan apa yang terjadi pada masa yang akan datang. Pada hakekatnya peramalan hanya merupakan suatu perkiraan (guess),
Lebih terperinci4 BAB IV HASIL PEMBAHASAN DAN EVALUASI. lebih dikenal dengan metode Box-Jenkins adalah sebagai berikut :
4 BAB IV HASIL PEMBAHASAN DAN EVALUASI Pada bab ini, akan dilakukan analisis dan pembahasan terhadap data runtut waktu. Data yang digunakan dalam penelitian ini merupakan data sekunder, yaitu data harga
Lebih terperinciMETODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015
III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciBAB 2 LANDASAN TEORI
1 BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan metode ARIMA box jenkins untuk meramalkan kebutuhan bahan baku. 2.1. Peramalan Peramalan
Lebih terperinciPEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER
PKMT-2-13-1 PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER Umi Rosyiidah, Diah Taukhida K, Dwi Sitharini Jurusan Matematika, Universitas Jember, Jember ABSTRAK
Lebih terperinciPeramalan Kecepatan Angin Di Kota Pekanbaru Menggunakan Metode Box-Jenkins
Peramalan Kecepatan Angin Di Kota Pekanbaru Menggunakan Metode Box-Jenkins Ari Pani Desvina 1, Melina Anggriani 2,2 Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau Jl. HR.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Sedangkan
Lebih terperinciMODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI
MODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI Diajukan Kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta
Lebih terperinciModel Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan
METODE BOX JENKINS Model Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan utk semua tipe pola data. Dapat
Lebih terperinciPERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS
Saintia Matematika ISSN: 2337-9197 Vol. 02, No. 03 (2014), pp. 253 266. PERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS
Lebih terperinciAnalisis Deret Waktu
Analisis Deret Waktu Jenis Data Cross section Beberapa pengamatan diamati bersama-sama pada periode waktu tertentu Harga saham semua perusahaan yang tercatat di BEJ pada hari Rabu 27 Februari 2008 Time
Lebih terperinciIII. KERANGKA PEMIKIRAN
III. KERANGKA PEMIKIRAN 3.1. Kerangka Pemikiran Teoritis 3.1.1. Konsep Harga Harga yang terjadi di pasar merupakan nilai yang harus dibayarkan konsumen untuk mendapatkan suatu produk yang diinginkannya.
Lebih terperinciPREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)
PREDIKSI HARGA SAHAM PT. BRI, MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average) Greis S. Lilipaly ), Djoni Hatidja ), John S. Kekenusa ) ) Program Studi Matematika FMIPA UNSRAT Manado
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
C BAB IV ANALISIS DAN PEMBAHASAN Penelitian ini mencoba meramalkan jumlah penumpang kereta api untuk masa yang akan datang berdasarkan data volume penumpang kereta api periode Januari 994-Februari 203
Lebih terperinciMetode Box - Jenkins (ARIMA)
Metode Box - Jenkins (ARIMA) Metode peramalan saat ini cukup banyak dengan berbagai kelebihan masing-masing. kelebihan ini bisa mencakup variabel yang digunakan dan jenis data time seriesnya. nah, dalam
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Defenisi Peramalan Peramalan adalah suatu kegiatan dalam memperkirakan atau kegiatan yang meliputi pembuatan perencanaan di masa yang akan datang dengan menggunakan data masa lalu
Lebih terperinciHASIL DAN PEMBAHASAN. Eksplorasi Data
5 korelasi diri, dan plot korelasi diri parsial serta uji Augmented Dickey- Fuller b. Identifikasi Model dengan metode Box-Jenkins c. Pemutihan deret input d. Pemutihan deret output berdasarkan hasil pemutihan
Lebih terperinciANALISIS PERAMALAN PENJUALAN DAN KAITANNYA DALAM PERAMALAN LABA PADA PD. RAMATEX. Nama : Desty Trisnayannis NPM :
ANALISIS PERAMALAN PENJUALAN DAN KAITANNYA DALAM PERAMALAN LABA PADA PD. RAMATEX Nama : Desty Trisnayannis NPM : 21210860 Latar Belakang Dalam dunia usaha, perusahaan harus memperkirakan hal-hal yang terjadi
Lebih terperinciBAB I PENDAHULUAN. Melihat fenomena masyarakat pada saat ini yang menggunakan
BAB I PENDAHULUAN 1.1 Latar Belakang Melihat fenomena masyarakat pada saat ini yang menggunakan kendaraan pribadi bertambah banyak, terutama kendaraan roda dua atau motor, menjadikan banyak perusahaan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Peramalan pada dasarnya merupakan proses menyusun informasi tentang kejadian masa lampau yang berurutan untuk menduga kejadian di masa depan (Frechtling, 2001:
Lebih terperinciDAFTAR ISI. BAB I PENDAHULUAN Latar Belakang Masalah Rumusan Masalah Batasan Masalah Tujuan Penelitian...
DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii HALAMAN PERNYATAAN... iii NASKAH SOAL TUGAS AKHIR... iv HALAMAN PERSEMBAHAN... v INTISARI... vi KATA PENGANTAR... vii UCAPAN TERIMA KASIH... viii
Lebih terperinciPERBANDINGAN METODE PEMULUSAN (SMOOTHING) EKSPONENSIAL GANDA DUA PARAMETER DARI HOLT DAN METODE BOX-JENKINS
PERBANDINGAN METODE PEMULUSAN (SMOOTHING) EKSPONENSIAL GANDA DUA PARAMETER DARI HOLT DAN METODE BOX-JENKINS DALAM MERAMALKAN HASIL PRODUKSI KERNEL KELAPA SAWIT PT. EKA DURA INDONESIA SKRIPSI EKA ARYANI
Lebih terperinciI PENDAHULUAN 1.1. Latar Belakang
I PENDAHULUAN 1.1. Latar Belakang Salah satu sub sektor pertanian yang mempunyai potensi yang sangat baik untuk menopang pembangunan pertanian di Indonesia adalah subsektor peternakan. Di Indonesia kebutuhan
Lebih terperinciPERBANDINGAN PERAMALAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING HOLT-WINTERS DAN ARIMA
UJM 6 (1) (2017) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm PERBANDINGAN PERAMALAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING HOLT-WINTERS DAN ARIMA Tias Safitri, Nurkaromah
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 DATA MINING Data Mining adalah analisis otomatis dari data yang berjumlah banyak atau kompleks dengan tujuan untuk menemukan pola atau kecenderungan yang penting yang biasanya
Lebih terperinciEFEKTIVITAS METODE BOX-JENKINS DAN EXPONENTIAL SMOOTHING UNTUK MERAMALKAN RETRIBUSI PENGUJIAN KENDARAAN BERMOTOR DISHUB KLATEN
EFEKTIVITAS METODE BOX-JENKINS DAN EXPONENTIAL SMOOTHING UNTUK MERAMALKAN RETRIBUSI PENGUJIAN KENDARAAN BERMOTOR DISHUB KLATEN Puji Rahayu 1), Rohmah Nur Istiqomah 2), Eminugroho Ratna Sari 3) 1)2)3) Matematika
Lebih terperinciBab IV. Pembahasan dan Hasil Penelitian
Bab IV Pembahasan dan Hasil Penelitian IV.1 Statistika Deskriptif Pada bab ini akan dibahas mengenai statistik deskriptif dari variabel yang digunakan yaitu IHSG di BEI selama periode 1 April 2011 sampai
Lebih terperinciBAB 2 LANDASAN TEORI Pengertian Data Deret Berkala
BAB 2 LANDASAN TEORI 2.1. Pengertian Data Deret Berkala Suatu deret berkala adalah himpunan observasi yang terkumpul atau hasil observasi yang mengalami peningkatan waktu. Data deret berkala adalah serangkaian
Lebih terperinciPerkapalan Negeri Surabaya, Surabaya Program Studi Teknik Otomasi, Jurusan Teknik Kelistrikan Kapal, Politeknik Perkapalan Negeri
Perbandingan Metode Autoregressive Integrated Moving Average (ARIMA) dan Exponential Smoothing pada Peramalan Penjualan Klip (Studi Kasus PT. Indoprima Gemilang Engineering) Aditia Rizki Sudrajat 1, Renanda
Lebih terperinciPERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 110 117 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Lebih terperinciHASIL DAN ANALISIS DATA. Berikut ini adalah data penjualan besi Wiremesh selama 4 tahun berturutturut.
BAB 5 HASIL DAN ANALISIS DATA 5.1 Penyajian Data Penelitian Berikut ini adalah data penjualan besi Wiremesh selama 4 tahun berturutturut. Data berikut merupakan data aktual untuk diramalkan penjualannya
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan sering dipandang sebagai seni dan ilmu dalam memprediksikan kejadian yang mungkin dihadapi pada masa yang akan datang. Secara teoritis peramalan
Lebih terperinciPERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA
Seminar Hasil Tugas Akhir Jurusan Statistika Institut Teknologi Sepuluh Nopember Surabaya 2013 LOGO PERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA
Lebih terperinciBAB 2 LANDASAN TEORI
10 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang. Peramalan diperlukan karena adanya kesenjaan waktu
Lebih terperinciPemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input
Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input Oleh : Defi Rachmawati 1311 105 007 Dosen Pembimbing :
Lebih terperinciANALISIS DERET WAKTU
ANALISIS DERET WAKTU JENIS DATA Cross section Beberapa pengamatan diamati bersama-sama pada periode waktu tertentu Harga saham semua perusahaan yang tercatat di BEJ pada hari Rabu 27 Februari 2008 Time
Lebih terperinciBAB IV METODE PERAMALAN
Metode Peramalan 15 BAB METODE PERAMALAN 4.1 Model Sederhana Data deret waktu Nilai-nilai yang disusun dari waktu ke waktu tersebut disebut dengan data deret waktu (time series). Di dunia bisnis, data
Lebih terperinciBAB 2 TINJAUAN TEORITIS. 2.1 Produk Domestik Regional Bruto
18 BAB 2 TINJAUAN TEORITIS 2.1 Produk Domestik Regional Bruto Dalam menghitung pendapatan regional, dipakai konsep domestik. Berarti seluruh nilai tambah yang ditimbulkan oleh berbagai sektor atau lapangan
Lebih terperinciBAB 2. Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah sesuatu kegiatan situasi atau kondisi yang diperkirakan akan
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1. Peramalan 2.1.1. Pengertian dan Kegunaan Peramalan Peramalan (forecasting) menurut Sofjan Assauri (1984) adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang
Lebih terperinciPERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)
PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) Oleh : Nofinda Lestari 1208 100 039 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciBAB 2 LANDASAN TEORI. Ramalan pada dasarnya merupakan perkiraan mengenai terjadinya suatu yang akan
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Ramalan pada dasarnya merupakan perkiraan mengenai terjadinya suatu yang akan datang. Peramalan adalah proses untuk memperkirakan kebutuhan di masa datang
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Pengumpulan Data Pengumpulan data yang dilakukan dengan cara pengamatan dari dokumen perusahaan. Data yang di perlukan meliputi data penjualan produk Jamur Shiitake,
Lebih terperinciEvelina Padang, Gim Tarigan, Ujian Sinulingga
Saintia Matematika Vol. 1, No. 2 (2013), pp. 161 174. PERAMALAN JUMLAH PENUMPANG KERETA API MEDAN-RANTAU PRAPAT DENGAN METODE PEMULUSAN EKSPONENSIAL HOLT-WINTERS Evelina Padang, Gim Tarigan, Ujian Sinulingga
Lebih terperinciBAB III METODE PENELITIAN. merupakan suatu proses, mencari kebenaran dan menghasilkan kebenaran.
BAB III METODE PENELITIAN 3.1 Jenis / Pendekatan Penelitian Penelitian dan ilmu pengetahuan mempunyai kaitan yang erat keduanya merupakan suatu proses, mencari kebenaran dan menghasilkan kebenaran. Penelitian
Lebih terperinciMetode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api
Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api Efek Variasi Kalender dengan Pendekatan Regresi Time Series Nur Ajizah 1, Resa Septiani Pontoh 2, Toni Toharudin 3 Mahasiswa Program
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. PengertianPeramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Dalam usaha mengetahui atau melihat perkembangan di masa depan,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Manfaat Peramalan Pada dasarnya peramalan adalah merupakan suatu dugaan atau perkiraan tentang terjadinya suatu keadaan dimasa depan, tetapi dengan menggunakan metode metode tertentu
Lebih terperinciBAB I PENDAHULUAN. yang akan terjadi di masa yang akan datang menggunakan dan. mempertimbangkan data dari masa lampau. Ketepatan secara mutlak dalam
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Peramalan (forecasting) merupakan suatu kegiatan untuk mengetahui apa yang akan terjadi di masa yang akan datang menggunakan dan mempertimbangkan data dari
Lebih terperinciLAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU. Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins
LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU Kelas A Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins No Nama Praktikan Nomor Mahasiswa Tanggal Pengumpulan 1 29 Desember 2010 Tanda Tangan Praktikan
Lebih terperinciPEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA
Jurnal Matematika UNAND Vol. 3 No. 3 Hal. 59 67 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA ANNISA UL UKHRA Program Studi Matematika,
Lebih terperinciPERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA
Jurnal UJMC, Volume 2, Nomor 1, Hal. 28-35 pissn : 2460-3333 eissn: 2579-907X PERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA Novita Eka Chandra 1 dan Sarinem 2 1 Universitas
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
13 BAB 1 PENDAHULUAN 1.1 Latar Belakang Era globalisasi saat ini, perkembangan zaman semankin maju dan berkembang pesat, di antaranya banyak pernikahan dini yang menyebabkan salah satu faktor bertambahnya
Lebih terperinciPenerapan Model ARIMA
Penerapan Model ARIMA (Bagian II) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016 1 a. Lakukan proses pembedaan (differencing) sebanyak dua kali pada data asal. b. Lakukan pendugaan parameter pada
Lebih terperinciPERENCANAAN PRODUKSI
PERENCANAAN PRODUKSI Membuat keputusan yang baik Apakah yang dapat membuat suatu perusahaan sukses? Keputusan yang dibuat baik Bagaimana kita dapat yakin bahwa keputusan yang dibuat baik? Akurasi prediksi
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK
BAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK 3.1 Metode Pemulusan Eksponensial Holt-Winter Metode rata-rata bergerak dan pemulusan Eksponensial dapat digunakan untuk
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini, akan dilakukan analisis dan pembahasan terhadap data runtun waktu. Adapun data yang digunakan dalam penelitian ini merupakan data sekunder, yaitu data
Lebih terperinciIII. MATEMATIKA DAN STATISTIKA APLIKASI (S.1) EFEK PERUBAHAN POLA CUACA PADA DEBIT AIR MASUK DI WADUK SAGULING
III. MATEMATIKA DAN STATISTIKA APLIKASI (S.1) EFEK PERUBAHAN POLA CUACA PADA DEBIT AIR MASUK DI WADUK SAGULING Yurian Yudanto (yurian.yudanto@yahoo.com) Jurusan Statistika, Fakultas Matematika dan Ilmu
Lebih terperinciBAB 2 LANDASAN TEORI
20 BAB 2 LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu atau beberapa produk pada periode yang akan datang.
Lebih terperinciMembuat keputusan yang baik
Membuat keputusan yang baik Apakah yang dapat membuat suatu perusahaan sukses? Keputusan yang dibuat baik Bagaimana kita dapat yakin bahwa keputusan yang dibuat baik? Akurasi prediksi masa yang akan datang
Lebih terperinciBAB I PENDAHULUAN. Sejak kondisi ekonomi dan bisnis selalu berubah setiap waktu, maka para
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sejak kondisi ekonomi dan bisnis selalu berubah setiap waktu, maka para pimpinan suatu perusahaan atau para pelaku bisnis harus menemukan cara untuk terus
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN. langsung melihat database yang digunakan dengan cara menekan tombol open
BAB 4 HASIL DAN PEMBAHASAN 4.1 Program Peramalan 4.1.1 Tampilan Layar Pada saat pertama kali menjalankan program peramalan ini, user akan dihadapkan pada tampilan program seperti Gambar 4.1. Pada kondisi
Lebih terperinciPENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Seminar Nasional Matematika dan Aplikasinya, 21 Oktober 27 PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Lebih terperinciBAB 2 LANDASAN TEORI. datang. Kegunaan dari peramalan terlihat pada saat pengambilan keputusan.
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang datang. Kegunaan dari peramalan terlihat pada saat pengambilan keputusan. Keputusan yang
Lebih terperinciHALAMAN PERSETUJUAN PEMBIMBING...iii. HALAMAN PENGESAHAN...iv. HALAMAN PERSEMBAHAN... vi. KATA PENGANTAR... viii. DAFTAR ISI... x. DAFTAR TABEL...
HALAMAN PERSETUJUAN PEMBIMBING...iii HALAMAN PENGESAHAN...iv MOTTO... v HALAMAN PERSEMBAHAN... vi KATA PENGANTAR... viii DAFTAR ISI... x DAFTAR TABEL... xi DAFTAR GAMBAR... xii DAFTAR LAMPIRAN... xiv PERNYATAAN...
Lebih terperinciBAB I PENDAHULUAN. Peramalan merupakan suatu kegiatan memprediksi nilai dari suatu
BAB I PENDAHULUAN A. LATAR BELAKANG Peramalan merupakan suatu kegiatan memprediksi nilai dari suatu variabel berdasarkan nilai yang diketahui dari variabel tersebut pada masa lalu atau variabel yang berhubungan.
Lebih terperinci(FORECASTING ANALYSIS):
ANALISIS KUANTITATIF ANALISIS PERAMALAN Hand-out ke-3 ANALISIS PERAMALAN (FORECASTING ANALYSIS): Contoh-contoh sederhana PRODI AGRIBISNIS UNEJ, 2017 PROF DR IR RUDI WIBOWO, MS Contoh aplikasi tehnik peramalan
Lebih terperinciPERAMALAN STOK BARANG UNTUK MEMBANTU PENGAMBILAN KEPUTUSAN PEMBELIAN BARANG PADA TOKO BANGUNAN XYZ DENGAN METODE ARIMA
PERAMALAN STOK BARANG UNTUK MEMBANTU PENGAMBILAN KEPUTUSAN PEMBELIAN BARANG PADA TOKO BANGUNAN XYZ DENGAN METODE ARIMA Tanti Octavia 1), Yulia 2), Lydia 3) 1) Program Studi Teknik Industri, Universitas
Lebih terperinciMetode Deret Berkala Box Jenkins
METODE BOX JENKINS Metode Deret Berkala Box Jenkins Suatu metode peramalan yang sistematis, yang tidak mengasumsikan suatu model tertentu, tetapi menganalisa deret berkala sehingga diperoleh suatu model
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit
BAB 2 LANDASAN TEORI 2.1 Pengertian Produksi Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit tanaman pada lahan yang telah disediakan, pemupukan dan perawatan sehingga
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Variabel ARIMA menggunakan variabel dependen harga saham LQ45 dan variabel independen harga saham LQ45 periode sebelumnya, sedangkan ARCH/GARCH menggunakan variabel dependen
Lebih terperinciPERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 1 8 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama (assaury, 1991). Sedangkan ramalan adalah
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Iklim Iklim ialah suatu keadaan rata-rata dari cuaca di suatu daerah dalam periode tertentu. Curah hujan ialah suatu jumlah hujan yang jatuh di suatu daerah pada kurun waktu
Lebih terperinciGARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : Genap
GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : Genap Berlaku mulai: Genap/2010 MATA KULIAH : TEKNIK PERAMALAN KODE MATA KULIAH/ SKS : 410103096 / 3 SKS MATA KULIAH PRASYARAT
Lebih terperinciAnalisis Hubungan Deret Waktu untuk Peramalan
Analisis Hubungan Deret Waktu untuk Peramalan Author: Junaidi Junaidi Ramalan (forecast) merupakan dugaan atau perkiraan mengenai terjadinya suatu kejadian atau peristiwa di waktu yang akan datang. Ramalan
Lebih terperinciPERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT
PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT Novian Endi Gunawan 1, I Wayan Sumarjaya 2, I G.A.M. Srinadi 3 1 Program Studi Matematika,
Lebih terperinciTINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang
II.. TINJAUAN PUSTAKA Indeks Harga Konsumen (IHK Menurut Monga (977 indeks harga konsumen adalah ukuran statistika dari perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang didapatkan.
Lebih terperinciBAB III METODE DEKOMPOSISI X-11-ARIMA. Metode Census II telah dikembangkan oleh Biro Sensus Amerika Serikat.
BAB III METODE DEKOMPOSISI X-11-ARIMA 3.1 Pendahuluan Metode Census II telah dikembangkan oleh Biro Sensus Amerika Serikat. Metode Cencus II memiliki beberapa jenis metode dan perbaikan sejak metode pertama
Lebih terperinciBAB III PERAMALAN DENGAN METODE DEKOMPOSISI. (memecah) data deret berkala menjadi beberapa pola dan mengidentifikasi masingmasing
BAB III PERAMALAN DENGAN METODE DEKOMPOSISI 3.1 Metode Dekomposisi Prinsip dasar dari metode dekomposisi deret berkala adalah mendekomposisi (memecah) data deret berkala menjadi beberapa pola dan mengidentifikasi
Lebih terperinciMODEL AUTOREGRESSIVE (AR) ATAU MODEL UNIVARIATE
MODEL AUTOREGRESSIVE (AR) ATAU MODEL UNIVARIATE Data yang digunakan adalah data M2Trend.wf1 (buku rujukan pertama, bab-8). Model analisisnya adalah Xt = M2 diregresikan dengan t = waktu. Model yang akan
Lebih terperinciBAB 2 LANDASAN TEORITIS
BAB 2 LANDASAN TEORITIS 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksikan apa yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.
Lebih terperinciPERAMALAN PENJUALAN DALAM RANGKA PERENCANAAN PRODUKSI PADA PERUSAHAAN FURNITURE (STUDI KASUS CV. BUDI LUHUR SIDOARJO)
TUGAS AKHIR KS 141501 PERAMALAN PENJUALAN DALAM RANGKA PERENCANAAN PRODUKSI PADA PERUSAHAAN FURNITURE (STUDI KASUS CV. BUDI LUHUR SIDOARJO) MUH. THOLIB NRP 5211 100 0024 Dosen Pembimbing Erma Suryani,
Lebih terperinciBAB III METODE DEKOMPOSISI. 3.1 Arti dan Pentingnya Analisis Deret Waktu. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu
BAB III METODE DEKOMPOSISI 3.1 Arti dan Pentingnya Analisis Deret Waktu Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu kegiatan (perkembangan produksi,
Lebih terperinci