BAB 2 LANDASAN TEORI
|
|
- Yenny Agusalim
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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 pada masa yang akan daang. Peramalan dilakukan dengan memanfaakan informasi erbaik yang ada pada masa iu, unuk menimbang kegiaan di masa yang akan daang Manfaa peramalan Kegunaan peramalan erliha pada saa pengambilan kepuusan aau meneapkan berbagai kebijakan. Kepuusan yang baik adalah kepuusan yang didasarkan aas perimbangan apa yang akan erjadi pada waku kepuusan iu dilaksanakan. Ramalan diperlukan unuk memberikan informasi sebagai dasar unuk membua suau kepuusan dalam berbagai kegiaan, seperi penerbangan, peernakan, perkebunan dan sebagainya. Perimbangan enang peramalan elah umbuh karena beberapa fakor, yang perama adalah karena meningkanya kompleksias organisasi dan lingkungan. Hal ini menyebabkan semakin suli bagi pengambil kepuusan unuk memperimbangkan semua fakor secara memuaskan. Ke dua, meningkanya ukuran organisasi menyebabkan bobo dan kepeningan suau kepuusan meningka pula. Ke iga, lingkungan dari kebanyakan organisasi elah berubah dengan cepa. Peramalan diperlukan karena adanya perbedaan-perbedaan waku anara kebijakan baru dengan waku pelaksanaan ersebu. Oleh karena iu dalam menenukan kebijakan sanga diperlukan pemanfaaan kesempaan yang ada, dan gangguan yang mungkin erjadi pada saa kebijakan baru ersebu dilaksanakan. Peramalan diperlukan unuk menganisipasi suau perisiwa yang dapa erjadi pada masa yang akan daang, sehingga dapa dipersiapkan kebijaksanaan aau indakan-indakan yang perlu dilakukan. Adapun manfaa dari peramalan adalah sebagai beriku: 1. Membanu agar perencanaan suau pekerjaan dapa diperkirakan dengan epa. Universias Sumaera Uara
2 2. Merupakan suau pedoman dalam menenukan ingka persediaan perencanaan dapa bekerja secara opimal. 3. Sebagai masukan unuk penenuan jumlah invesasi. 4. Membanu menenukan pengembangan suau pekerjaan unuk periode selanjunya Jenis-jenis Peramalan Berdasarkan sifanya peramalan dibedakan aas 2 (dua) macam yaiu: 1. Peramalan Kualiaif Peramalan Kualiaif merupakan peramalan yang didasarkan aas daa kualiaif pada masa lalu. Hasil peramalan yang dibua sanga erganung pada orang yang menyusunnya. Hal ini pening karena hasil peramalan ersebu dienukan berdasarkan pemikiran yang bersifa inuisi, pendapa dan pengeahuan sera pengalaman penyusunan. 2. Peramalan Kuaniaif Peramalan Kuaniaif merupakan peramalan yang didasarkan aas daa kuaniaif pada masa lalu. Hasil peramalan yang dibua sanga erganung pada meode yang dipergunakan dalam peramalan ersebu. Baik idaknya meode yang digunakan dienukan oleh perbedaan anara penyimpangan hasil ramalan dengan kenyaaan yang erjadi. Peramalan kuaniaif hanya dapa digunakan apabila erdapa 3 (iga) kondisi sebagai beriku: 1. Adanya informasi masa lalu yang dapa dipergunakan. 2. Informasi ersebu dapa dikuaniaifkan dalam benuk daa. 3. Dapa diasumsikan bahwa pola yang lalu akan berkelanjuan pada masa yang akan daang. Peramalan yang baik adalah peramalan yang dilakukan dengan mengikui langkahlangkah aau prosedur penyusunan yang baik. Pada dasarnya ada 3 (iga) langkah peramalan yang pening, yaiu: 1. Menganalisis daa masa lalu 2. Menenukan meode yang dipergunakan 3. Memproyeksi daa masa lalu dengan menggunakan meode yang dipergunakan dan memperimbangkan adanya beberapa fakor perubahan. Universias Sumaera Uara
3 2.1.3 Meode Peramalan Meode peramalan adalah cara memperkirakan secara kuaniaif apa yang erjadi pada masa depan berdasarkan daa yang relevan pada masa lalu. Oleh karena meode peramalan didasarkan aas daa yang relevan pada masa lalu, sehingga meode peramalan ini dipergunakan dalam peramalan yang objekif. Meode peramalan sanga berguna unuk membanu dalam mengadakan pendekaan analisis erhadap pola daa yang lalu, sehingga dapa memberikan cara pemikiran, pekerjaan dan pemecahan yang sisemais, sera memberi ingka keyakinan yang lebih aas keepaan hasil ramalan yang dibua. Keberhasilan dari suau peramalan dienukan oleh: 1. Pengeahuan eknik enang informasi masa lalu yang dibuuhkan, informasi ini bersifa kuaniaif. 2. Teknik dan meode peramalan Jenis-jenis Meode Peramalan Kuaniaif 1. Meode peramalan yang didasarkan aas penggunaan analisis pola hubungan anara variabel yang diperkirakan dengan variabel waku yang merupakan dere berkala (ime series). Meode peramalan yang ermasuk daa dere berkala adalah: a. Meode pemulusan b. Meode Box-Jenkins c. Meode proyeksi rend dengan regresi 2. Meode peramalan yang didasarkan aas analisa pola hubungan anara variabel yang mempengaruhinya, yang bukan waku disebu meode korelasi aau sebab akiba (meode kausal). a. Meode regresi dan korelasi b. Meode ekonomeri c. Model inpu dan oupu Salah sau meode yang mencampurkan pendekaan dere berkala dan pendekaan kausal yaiu meode fungsi ransfer (adakalanya disebu mulivaria ARIMA aau MARIMA). Hal ini disebabkan karena model mulivaria menggabungkan beberapa karakerisik dari model ARIMA univaria dan beberapa karakerisik analisa regresi berganda. Universias Sumaera Uara
4 2.2 Pemilihan Teknik dan Meode Peramalan Semua ipe organisasi elah menunjukkan keinginan yang meningka unuk mendapakan ramalan dan menggunakan sumber daya peramalan secara lebih baik. Oleh karena meode peramalan yang ersedia sanga banyak, maka masalah yang imbul bagi para prakisi adalah memahami bagaimana karakerisik suau meode peramalan cocok bagi siuasi pengambilan kepuusan erenu. yaiu: Ada enam fakor uama yang dapa didefinisikan sebagai eknik dan meode peramalan 1. Horizon waku Merupakan pemilihan yang didasarkan aas jangka waku peramalan yaiu: a. Peramalan yang segera dilakukan dengan waku kurang dari sau bulan. b. Peramalan jangka pendek dengan waku anara sau sampai iga bulan. c. Peramalan jangka menengah dengan waku anara iga bulan sampai dua ahun. d. Peramalan jangka panjang dengan waku iga ahun ke aas. 2. Pola Daa Salah sau dasar pemilihan meode peramalan adalah dengan memperhaikan pola. Ada empa jenis pola daa mendasar yang erdapa dalam suau derean daa yaiu: a. Apabila pola daa berflukuasi di sekiar nilai raa-raa yang konsan (dere seperi ini adalah sasioner erhadap nilai raa-raanya), maka disebu dengan Pola Horisonal (H). Gambar 2.1 Pola Daa Horizonal b. Apabila pola daa erjadi saa suau dere dipengaruhi oleh fakor musiman (misalnya: kuaralan, bulanan, aau hari-hari pada minggu), maka disebu dengan Pola Musiman (M). Universias Sumaera Uara
5 Gambar 2.2 Pola Daa Musiman c. Apabila pola daa erjadi saa daa dipengaruhi oleh flukuasi jangka panjang dan lebih lama dari pola musiman, lamanya berbeda dari sau siklus yang lain, maka pola ini disebu dengan Pola siklis (C). Gambar 2.3 Pola Daa Siklis d. Apabila pola daa erjadi saa erdapa kenaikan dan penurunan jangka panjang dalam daa, maka disebu dengan Pola Trend (T). Gambar 2.4 Pola Daa Trend 3. Jenis dari model Unuk mengklasifikasikan meode peramalan kuaniaif perlu diperhaikan model yang didasarinya. Model sanga pening diperhaikan, karena masing-masing model mempunyai fungsi yang berbeda. 4. Biaya yang dibuuhkan Universias Sumaera Uara
6 Biaya sanga diperlukan dalam menelii suau objek, yang ermasuk biaya dalam penggunaan meode peramalan anara lain, biaya penyimpangan daa, biaya perhiungan, biaya unuk menganalisisa dan biaya pengembangan. 5. Keepaan meode peramalan Tingka keepaan yang sanga era hubungannya dengan ingka perincian yang dibuuhkan dalam suau peramalan. Dalam pengambilan kepuusan, variasi aau penyimpangan aas peramalan yang dilakukan anara 10% sampai 15% bagi maksumaksud yang diharapkan, sedangkan unuk hal aau kasus lain mungkin menganggap bahwa adanya variasi aau penyimpangan aas ramalan sebesar 5% adalah cukup berbahaya. 6. Kemudahan dalam penerapan Meode peramalan yang digunakan adalah meode yang mudah dimengeri dan mudah dierapkan dalam pengambilan dan analisanya. 2.3 Model Dere berkala Meode peramalan yang sering digunakan adalah dere berkala (ime series), dengan menggunakan sejumlah observasi selama beberapa periode sebagai dasar dalam penyusunan suau ramalan unuk beberapa periode di masa depan yang diinginkan. Dengan kaa lain, dere berkala adalah dere waku dimana pengamaan pada suau waku berkorelasi linier dengan waku sebelumnya secara dinamis. Peramalan dengan model dere waku ini idak memperhaikan seiap fakor yang mempengaruhi suau perubahan, melainkan berdasarkan pada pola ingkah laku peubah iu sendiri pada masa lampau. Kemudian dengan menggunakan informasi enang ingkah laku peubah ersebu dilakukan proses menduga kecenderungan peubah ersebu pada masa yang akan daang. Pada umumnya perhaian uama dalam analisis dere waku bukan pada iik waku pengamaan, melainkan pada uruan pengamaan. Tujuan meode peramalan dere berkala adalah menemukan pola dalam dere daa hisoris dan mengeksrapolasikan daa ersebu ke masa depan. Meode peramalan Box-Jenkins merupakan suau meode yang sanga epa unuk menganalisis dere waku dan siuasi peramalan lainnya. Pada dasarnya ada 2 (dua) model dari meode Box-Jenkins, yaiu model linier unuk dere sais (Saionary Series) disebu ARMA dan model unuk daa yang idak sais (Non Saionary Series) disebu ARIMA. Universias Sumaera Uara
7 Meode fungsi ransfer merupakan perluasan meode Box-Jenkins unuk analisis dere berkala mulivaria yaiu yang melibakan dua aau lebih kelompok daa Ala-ala Meodologi unuk Menganalisa Daa Dere Berkala Pada bagian ini kia akan memusakan pada analisis erenu yang dapa dierapkan unuk analisis dere berkala secara empiris guna meneapkan sifa-sifa saisikanya dan dengan demikian dapa kia peroleh pengerian enang jenis model formal yang epa. 1. Plo Daa Langkah perama yang baik unuk menganalisis daa dere berkala adalah membua plo daa ersebu secara grafis. Unuk mempermudah hal ini dapa dilakukan dengan menggunakan program kompuer yang ersedia. 2. Koefisien Auokorelasi Saisika kunci di dalam analisis dere berkala adalah koefisien auokorelasi (korelasi dere berkala dengan dere berkala iu sendiri dengan selisih waku (lag) 0,1,2 periode aau lebih. Menuru Pindyck dan Rubinfield (1981) secara maemais rumus unuk koefisien auokorelasi dapa diuliskan dengan rumus seperi pada persamaan sebagai beriku: r k nk 1 ( n 1 )( ( k ) 2 ) (2.1) Apabila r k merupakan fungsi aas waku, maka hubungan auokorelasi dengan lagnya dinamakan fungsi auokorelasi (Auocorrelaion funcion) sering disebu ACF dan dinoasikan oleh: k nk i1 ( n 1 _ )( ( _ k ) 2 _ ) (2.2) Konsepsi lain pada auokorelasi adalah auokorelasi parsial (Parial Auocorrelaion Funcion) sering disebu PACF. Seperi halnya auokorelasi yang merupakan fungsi aas lagnya, yang hubungannya dinamakan auokorelasi (ACF), auokorelasi parsial juga merupakan fungsi aas lagnya, dan disebu dengan fungsi auokorelasi parsial (PACF). Universias Sumaera Uara
8 Gambar dari ACF dan PACF dinamakan kolerogram dan dapa digunakan unuk menelaah signifikansi auokorelasi dan kesasioneran daa. 3. Disribusi sampling auokorelasi Tercapainya keberhasilan analisis dere berkala sanga berganung pada keberhasilan menginerpreasikan hasil analisis auokorelasi dan kemampuan membedakan pola dan kerandoman daa. Koefisien auokorelasi dari daa random mendekai disribusi sampling yang mendekai kurva normal dengan nilai engah nol dan kesalahan sandar 1 / n. Dengan demikian suau dere daa dapa disimpulkan bersifa random apabila koefisien korelasi yang dihiung berada didalam baas ersebu. Sedangkan uji Box-Pierce Pormaneau unuk sekumpulan nilai-nilai r k didasarkan pada nilai-nilai saisik Q. Q n m 2 r k k 1 (2.3) Seperi yang diperlihakan oleh Anderson (1942), Barle (1946), Quenouille (1949) suau dere berkala dikaakan bersifa acak apabila koefisien korelasi yang dihiung berada di dalam baas: 1.96(1/ n) rk 1.96(1/ n) (2.4) Ini berari bahwa 95% dari seluruh koefisisien auokorelasi berdasarkan sampel harus erleak di dalam daerah nilai engah diambah aau dikurangi 1,96 kali gala sandar. 4. Periodogram dan Analisis Spekral Salah sau cara unuk menganalisis daa dere berkala adalah dengan menguraikan daa ersebu ke dalam himpunan gelombang sinus (siklus) pada frekuensi yang berbeda-beda. Hal ini merupakan prosedur yang sanga erkenal pada masa sebelum adanya kompuer eapi prosedur masih sanga berguna unuk meneapkan kerandoman dan musiman (seasonaliy) di dalam suau dere berkala, dan unuk mengenali adanya auokorelasi posiif dan negaif. 5. Koefisien Auokorelasi Parsial Auokorelasi parsial digunakan unuk mengukur ingka keeraan (associaion) anara k dan, pengaruh dari ime-lag 1,2,3,.. dan seerusnya sampai k-1 dianggap erpisah. Sausaunya ujuan di dalam analisis dere berkala adalah unuk membanu meneapkan model ARIMA yang epa unuk peramalan. Universias Sumaera Uara
9 2.3.2 Aplikasi Analisis Dere Berkala Analisis dere berkala dapa diaplikasikan dalam hal sebagai beriku: 1. Penenuan Kerandoman Daa Membua plo koefisien auokorelasi sanga bermanfaa unuk membanu menenukan model yang epa. Auokorelasi dapa digunakan unuk meneapkan apakah erdapa suau pola dalam suau kumpulan daa dan apabila idak erdapa kumpulan daa ersebu, maka dapa dibukikan bahwa kumpulan daa ersebu adalah random. Membua plo koefisien auokorelasi sanga bermanfaa unuk membanu meneapkan adanya suau pola. Apabila suau model peramalan elah dipilih, maka auokorelasi kesalahan nilai sisa dapa dihiung unuk meneapkan apakah daa ersebu random. 2. Pengujian Sasioner Daa Dere Berkala Plo auokorelasi dapa dengan mudah memperlihakan keidaksasioneran. Nilai-nilai auokorelasi dari daa sasioner akan urun sampai nol sesudah ime lag kedua aau keiga sedangkan unuk daa yang idak sasioner, nilai-nilai ersebu bernilai signifikan dari nol beberapa periode waku. Apabila disajikan secara grafik, maka auokorelasi daa yang idak sasioner memperlihakan suau rend searah diagonal dari kanan ke kiri bersama dengan meningkanya jumlah ime lag. Kesasioneran daa dapa diperiksa dengan analisa auokorelasi dan auokorelasi parsial. Daa yang dianalisa dalam model ARIMA Box-Jenkins adalah daa yang bersifa sasioner yaiu daa yang raa-raa dan variansinya relaif konsan dari sau periode ke periode selanjunya, demikian juga halnya dengan analisis dengan model Fungsi ransfer. Auokorelasi-auokorelasi dari daa yang idak sasioner berbeda secara signifikan dari nol dan mengecil secara perlahan membenuk garis lurus, nilai-nilai ersebu bernilai signifikan dari nol beberapa periode waku sedangkan auokorelasi-auokorelasi dari daa yang sasioner mengecil secara drasis membenuk garis lengkung ke arah nol seelah periode kedua aau keiga. Jadi bila auokorelasi pada periode sau, dua, maupun periode keiga ergolong signifikan sedangkan auokorelasi-auokorelasi pada periode lainnya ergolong idak signifikan, maka daanya bersifa sasioner. Menuru Box-Jenkins daa dere waku yang idak sasioner dapa diransformasikan menjadi dere daa yang sasioner dengan melakukan proses pembedaan (differencing) pada daa akual. Pembedaan ordo perama dari daa akual dapa dinyaakan sebagai beriku: Universias Sumaera Uara
10 unuk = 2, 3,, N (2.5) Secara umum proses pembedaan(differencing) ordo ke d dapa diulis sebagai beriku: (2.6) 3. Menghilangkan Keidaksasioneran Daa Dere Berkala Jika proses pembangkian yang mendasari suau dere berkala didasarkan pada nilai engah konsan dan varians konsan, maka dere berkala sasioner. Apabila sebuah dere sudah sasioner, maka sifa saisiknya bebas dari periode selama pengamaan. Jadi, sasioner adalah flukuasi daa berada di sekiar nilai raa-raa yang konsan, idak erganung pada waku dan varian dari flukuasi ersebu sera eap konsan seiap waku. Dalam meode dere berkala (ime series) pengujian kesasioneran daa sanga diperlukan karena apabila daa ersebu sudah sasioner, maka dapa digunakan unuk melakukan peramalan di masa yang akan daang. Ada beberapa hal yang yang diperlukan unuk meliha suau daa elah sasioner anaralain sebagai beriku: 1. Apabila suau dere berkala diplo, dan kemudian idak erbuki adanya perubahan nilai engah dari waku kewaku, maka dikaakan bahwa dere ersebu sasioner pada nilai engahnya. 2. Apabila plo dere berkala idak memperlihakan adanya perubahan yang jelas dari waku ke waku, maka dapa dikaakan bahwa dere berkala ersebu adalah sasioner pada variasinya. 3. Apabila plo dere berkala memperlihakan adanya penyimpangan nilai engah aau erjadi perubahan varians yang jelas dari waku ke waku, maka dikaakan bahwa dere berkala ersebu mempunyai nilai engah yang idak sasioner aau mempunyai nilai variasi yang idak sasioner. 4. Apabila plo dere berkala memperlihakan adanya penyimpangan pada nilai engah sera erjadi perubahan nilai engah dari waku ke waku, maka dikaakan bahwa dere daa ersebu mempunyai nilai engah dan variasi yang idak sasioner. Unuk melakukan peramalan dengan meode dere berkala Box-Jenkins, maka dipilih dere berkala yang sasioner baik nilai engahnya maupun variasinya, sehingga unuk dere berkala yang idak sasioner baik nilai engah maupun variasinya perlu dilakukan suau proses unuk mendapakan keadaan sasioner. Proses unuk mendapakan keadaan sasioner nilai engah adalah dengan melakukan pembedaan, sedangkan unuk mendapakan keadaan Universias Sumaera Uara
11 sasioner varians perlu dilakukan ransformasi. Ke dua hal ersebu biasa dilakukan salah sau saja aau ke dua-duanya, erganung dari keadaan sasioner dari dere daa dere berkala yang akan dipilih unuk peramalan. 4. Mengenali Adanya Fakor Musiman dalam Suau Dere Berkala Musiman didefinisikan sebagai pola yang berulang-ulang dalam selang waku yang eap. Sebagai conoh, penjualan minyak unuk ala pemanas adalah inggi unuk musim dingin dan rendah pada musim panas yang memperlihakan suau pola musim 12 bulan. Unuk daa sasioner, fakor musiman dapa dienukan dengan mengidenifikasi koefisien auokorelasi pada dua aau iga ime lag yang berbeda nyaa dari nol. Auokorelasi yang berbeda nyaa dari nol menyaakan adanya suau pola dalam daa. Adanya fakor musiman dapa dengan mudah diliha di dalam grafik auokorelasi namun hal ini idaklah selalu mudah dikombinasikan dengan pola lain seperi rend. Semakin kua pengaruh rend akan semakin idak jelas adanya keidak sasioneran daa (adanya rend). Sebagai pedoman daa ersebu harus diransformasikan ke benuk yang sasioner sebelum dienukan adanya fakor musiman. 2.4 Model Dere Berkala Box-Jenskin ARIMA sering juga disebu meode runun waku Box-Jenskins. Model Auoregresif Inegraed Moving Average (ARIMA) adalah model yang secara penuh mengabaikan variabel bebas dalam membua peramalan. ARIMA menggunakan nilai masa lalu dan sekarang dari variabel dependen unuk menghasilkan peramalan jangka pendek yang akura. ARIMA cocok digunakan unuk observasi dari dere waku (ime series) secara saisik berhubungan sau sama lain (dependen). ARIMA hanya menggunakan sau variabel (univaria) dere waku. Misalnya: variabel IHSG. Model ARIMA erdiri dari iga langkah dasar, yaiu ahap idenifikasi, ahap penaksiran dan pengujian, dan pemeriksaan diagnosik. Hal yang perlu diperhaikan adalah bahwa kebanyakan dere berkala bersifa nonsasioner dan bahwa aspek-aspek AR dan MA dari model ARIMA hanya berkenaan dengan dere berkala yang sasioner. Universias Sumaera Uara
12 Dalam anlisis daa dere berkalaunuk mendapakan hasil yang baik nilai pengamaan harus cukup besar, paling kecil 50 dah lebih baik lagi jika lebih dari 100 dan auokorelasi dikaan berari jika jika k diambil lebih kecil aau sama dengan seperempa dari pengamaan. Model Box-Jenkins dikelompokkan ke dalam iga kelompok yaiu: 1. Model Auoregressive 2. Model Moving Average 3. Model Campuran Model campuran ini erdiri dari model Auoregressive-Moving Average (ARMA) dan model Auoregressive Inegraed Moving Average (ARIMA) Model Auoregresif (AR) Meode auoregresif adalah model yang menggambarkan bahwa variabel dependen dipengaruhi oleh variabel dependen iu sendiri pada periode-periode yang sebelumnya, aau auokorelasi dapa diarikan juga sebagai korelasi linier dere berkala dengan dere berkala iu sendiri dengan selisih waku (lag) 0,1,2 periode aau lebih. Benuk umum auoregresif dengan ordo p aau diulis dengan AR (p) aau model ARIMA (p,0,0) mempunyai persamaan sebagai beriku: Keerangan: p p e (2.7) = Nilai series yang sasioner i e = nilai konsan = parameer auokorelasi ke-i dengan i=1,2,3,.,p = nilai kesalahan pada saa Model Raaan Bergerak/Moving Average (MA) Meode raaan bergerak (Moving Average) mempunyai benuk umum dengan ordo q aau biasa diulis dengan MA (q) aau ARIMA (0,0,q) adalah sebagai beriku: Universias Sumaera Uara
13 e 1e 1 2e2 qeq (2.8) Keerangan: = Nilai series yang sasioner = konsana i = parameer moving average ke- i dengan i = 1, 2,,q = Variabel yang akan diramalkan e q = Nilai kesalahan pada saa - q Perbedaan moving average dan model auoregressif erleak pada jenis variabel bebas pada model auoregresif adalah nilai sebelumnya (lag) dari variabel dependen ( ) iu sendiri, pada model moving average sebagai variabel bebas adalah nilai residual pada periode sebelumnya Model Campuran Auoregressive-Moving Average(ARMA) Model umum unuk campuran proses AR (p) dan MA (q) aau sering disebu ARMA (p,q) adalah sebagai beriku: 1 1 p p e 1e 1 q q (2.9) Model Auoregressive Inegraed Moving Average(ARIMA) Apabila proses nonsasioner diambahkan pada campuran proses ARMA, maka model umum ARIMA (p,d,q) diulis sebagai beriku: (2.10) Salah sau ahapan dalam analisis dere berkala adalah menggeahui adanya pola AR, MA dan ARMA dalam daa ersebu. Hal ini dapa diidenifikasi dibanu dengan mengamai pola Fungsi auokorelasi (ACF) dan pola fungsi auokorelasi Parsial (PACF) Tabel 2.1 beriku: Tabel 2.1 Pola ACF dan PACF Model ACF PACF MA (q) Menuju nol seelah lag q Menurun secara berahap/bergelombang AR (p) Menurun secara Menuju nol seelah lag q Universias Sumaera Uara
14 ARMA (p,q) berahap/bergelombang Menurun secara berahap/bergelombang Menurun secara berahap/bergelombang 2.5 Meode Fungsi Transfer Peramalan daa dere waku pada dasarnya adalah analisis univaria, sedangkan dalam kenyaaan, sebagian besar pengamaan merupakan daa mulivaria (lebih dari sau daa). Misal dalam bidang pemasaran, volume penjualan yang masing-masing berganung pada cara pemasaran, benuk promosi, dan daerah pemasaran, yang masing-masing fakor ersebu lebih dari sau macam, sehingga jika analisis peramalan hanya didasarkan pada volume penjualan saja anpa memperhaikan fakor-fokor yang mempengaruhinya, maka informasi unuk pembuaan perencanaan menjadi idak lengkap, sehingga ujuan peramalan menjadi idak ercapai secara uuh. Salah sau upaya menganalisis daa dere waku mulivaia agar diperoleh hasil yang dapa memberikan informasi yang lengkap dan simulan, adalah dengan menggunakan model fungsi ransfer. Model Fungsi Transfer adalah suau model yang menggambarkan bahwa nilai prediksi masa depan dari suau ime series (disebu oupu series aau Y ) adalah berdasarkan pada nilainilai masa lalu dari ime series iu sendiri dan berdasarkan pula pada sau aau lebih ime series yang berhubungan (disebu inpu series aau ) dengan oupu series ersebu. Model fungsi ransfer merupakan pengembangan dari model ARIMA sau peubah aau sau dere berkala. Jika dere berkala Y berhubungan dengan sau aau lebih dere berkala lain maka dapa dibua suau model berdasarkan informasi dere berkala nilai Y., unuk menduga Conoh: 1. Model anara oal sales ( Y ) dan adverising expendiure ( ) yang diamai per bulan. (Makridakis, Wheelwrigh, and Mc Gee, 1983). 2. Model anara sales ( Y ) dan leading indicaor ( ) yang elah dianalisis oleh Box dan Jenkins (1976). Universias Sumaera Uara
15 Jika dere berkala Y berhubungan dengan sau aau lebih dere berkala lain dapa dibua suau model berdasarkan informasi dere berkala lain maka, unuk menduga nilai Y model yang dihasilkan desebu fungsi ransfer. Jadi, fungsi ransfer adalah suau cara unuk meramalkan nilai Y dari dere ersebu. dan gabungan dere ke dua-duanya sera meliha pengaruh ke dua Dere inpu Fungsi Transfer Dere oupu Gambar 2.5 Konsep Fungsi Transfer Pada Gambar 2.5 diperlihakan konsep fungsi ransfer, di mana erdapa dere oupu disebu Y, yang diperkirakan akan dipengaruhi oleh dere berkala inpu lain yang disebu gangguan (noise) Seluruh pengaruh lain disebu gangguan ( N ), dan inpu-inpu N. Seluruh sisem-sisem ersebu adalah dinamis, dengan kaa lain dere inpu memberikan pengaruh-pengaruhnya melalui fungasi ransfer, mendisribusikan dampak melalui beberapa periode yang akan daang. Tujuan pemodelan fungsi ransfer adalah unuk meneapkan model yang sederhana, yang menghubungkan Y dengan dan N, sehingga dengan meneapkan peranan indikaor penenu (leading indicaor) dere inpu sehingga dapa dieapkan variabel yang dibicarakan yaiu variabel oupu. Dengan kaa lain fungsi ransfer membua suau konsep dengan cara menransfer daa dere inpu (indikaor penenu) melalui sisem dan keluaran sebagai dere oupu. Unuk dere inpu ( ) dan dere oupu ( Y ) erenu dalam benuk daa menah, erdapa empa ahap uama dan beberapa sub ahap di dalam proses yang lengkap dari pembenukan model fungsi ransfer yang akan penulis bahas di Bab 3. Universias Sumaera Uara
BAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena
Lebih 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
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 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 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 LANDASAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan
BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi
Lebih terperinciBAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan
BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan
Lebih terperinciBAB 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 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan
BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan
Lebih terperinciBAB 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 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 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 terperinciPemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun
Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro
Lebih terperinciBAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu
BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,
Lebih terperinciBAB 2 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 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 terperinciPerbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X
JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Definisi Peramalan Peramalan adalah suau kegiaan dalam memperkirakan aau kegiaan ang melipui pembuaan perencanaan di masa ang akan daang dengan menggunakan daa masa lalu dan daa masa
Lebih 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 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 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 yang dilakukan mengenai analisis perencanaan pengadaan una berdasarkan ramalan ime series volume ekspor una loin beku di PT Tridaya Eramina
Lebih terperinciBAB II TINJAUAN PUSTAKA. mempunyai efek menekan atau menghentikan suatu proses biokimia di dalam
BAB II TINJAUAN PUSTAKA 2.1 Anibioik 2.1.1 Defenisi Anibioik adalah segolongan senyawa, baik alami maupun sineik, yang mempunyai efek menekan aau menghenikan suau proses biokimia di dalam organisme, khususnya
Lebih terperinciBAB 3 LANDASAN TEORI. peramalan, jenis-jenis peramalan, langkah-langkah peramalan, pemilihan teknik dan
BAB 3 LANDASAN TEORI 3. Peramalan Pada sub bab ini akan dibahas mengenai pengerian peramalan, kegunaan meode peramalan, jenis-jenis peramalan, langkah-langkah peramalan, pemilihan eknik dan meode peramalan,
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 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 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 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 terperinciBAB 2 LANDASAN TEORI
35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),
Lebih 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 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 III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun
BAB III ARFIMA-FIGARCH 3. Time Series Memori Jangka Panjang Proses ARMA sering dinyaakan sebagai proses memori jangka pendek (shor memory) karena fungsi auokorelasi anara dan urun cepa secara eksponensial
Lebih 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 terperinciBab 2 Landasan Teori
Bab 2 Landasan Teori 2.1 Keseimbangan Lini 2.1.1 Definisi Keseimbangan Lini Penjadwalan dari pekerjaan lini produksi yang menyeimbangkan kerja yang dilakukan pada seiap sasiun kerja. Keseimbangan lini
Lebih terperinciBAB 1 PENDAHULUAN. tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami
11 BAB 1 PENDAHULUAN 1.1. Laar Belakang Keahanan pangan (food securiy) di negara kia ampaknya cukup rapuh. Sejak awal ahun 1990-an, jumlah produksi pangan eruama beras, cenderung mengalami penurunan sehingga
Lebih terperinciLANDASAN TEORI. Untuk membantu tercapainya suatu keputusan yang efisien, diperlukan adanya
BAB 3 LANDASAN TEORI 3.1 Pengerian Peramalan Unuk membanu ercapainya suau kepuusan yang efisien, diperlukan adanya suau cara yang epa, sisemais dan dapa diperanggungjawabkan. Salah sau ala yang diperlukan
Lebih terperinciOleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes
PERAMALAN INDEKS HARGA SAHAM YANG DIPENGARUHI KURS, PERUBAHAN INFLASI, POSISI JUMLAH DEPOSITO BERJANGKA, SUKU BUNGA SBI DAN DEPOSITO MENGGUNAKAN FUNGSI TRANSFER DAN ARCH-GARCH Oleh: TANTI MEGASARI 6 00
Lebih terperinci*Corresponding Author:
Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion
Lebih terperinciARIMA (Autoregressive Integrated Moving Average)
ARIMA (Auoregressive Inegraed Moving Average) I. Prinsip Dasar dan Tujuan Analisis. Prinsip Dasar ARIMA sering juga disebu meode runun waku Box-Jenkins. ARIMA sanga baik keepaannya unuk peramalan jangka
Lebih 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 terperinciANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 009 XV-1 ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Muhammad Sjahid Akbar, Jerry Dwi Trijoyo
Lebih terperinciPERAMALAN 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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Defenisi Persediaan Persediaan adalah barang yang disimpan unuk pemakaian lebih lanju aau dijual. Persediaan dapa berupa bahan baku, barang seengah jadi aau barang jadi maupun
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 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 terperinciAbstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.
1 Peramalan Volume Produksi Air Bersih di PDAM Kabupaen Bojonegoro berdasarkan Jumlah Pelanggan dan Volume Konsumsi Air Fasha Aulia Pradhani dan Adaul Mukarromah Jurusan Saisika, FMIPA, ITS Jl. Arief Rahman
Lebih terperinciPeramalan 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 terperinciMODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI
MODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI Diajukan kepada Fakulas Maemaika dan Ilmu Pengeahuan Alam Universias Negeri Yogyakara unuk memenuhi
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 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 DASAR TEORI. Studi mengenai aspek teknis dan produksi ini sifatnya sangat strategis, sebab
13 BAB 2 DASAR TEORI 2.1 Aspek Teknis Sudi mengenai aspek eknis dan produksi ini sifanya sanga sraegis, sebab berkaian dengan kapasias proyek, lokasi, aa leak ala produksi, kajian aas bahan dan sumbernya,
Lebih terperinciBAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan
BAB 2 KINEMATIKA Tujuan Pembelajaran 1. Menjelaskan perbedaan jarak dengan perpindahan, dan kelajuan dengan kecepaan 2. Menyelidiki hubungan posisi, kecepaan, dan percepaan erhadap waku pada gerak lurus
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 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah persediaan merupakan masalah yang sanga pening dalam perusahaan. Persediaan mempunyai pengaruh besar erhadap kegiaan produksi. Masalah persediaan dapa diaasi
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 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 terperinciPERAMALAN JUMLAH PENUMPANG PADA PT
PERAMALAN JUMLAH PENUMPANG PADA PT. ANGKASA PURA I (PERSERO) KANTOR CABANG BANDAR UDARA INTERNASIONAL ADISUTJIPTO YOGYAKARTA DENGAN METODE WINTER S EXPONENTIAL SMOOTHING DAN SEASONAL ARIMA SKRIPSI Diajukan
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 terperinciPENGARUH PANJANG DAN LEBAR DATA DEBIT HISTORIS PADA KINERJA MODEL PEMBANGKITAN DATA DEBIT SUNGAI BRANTAS DENGAN METODE ARIMA
PENGARUH PANJANG DAN LEBAR DATA DEBIT HISTORIS PADA KINERJA MODEL PEMBANGKITAN DATA DEBIT SUNGAI BRANTAS DENGAN METODE ARIMA Maskur Efendi ), Widandi Soeopo 2), Piojo Tri Juwono 2) ) Mahasiswa Magiser
Lebih terperinciBAB 3 LANDASAN TEORI
BAB 3 LANDASAN TEORI 3.1. Deskripsi Teori 3.1.1. Pengerian Peramalan Unuk membanu ercapainya suau kepuusan yang efisien unuk penjualan produknya, perusahaan memerlukan suau cara yang epa, sisemais dan
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 terperinciBAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai
BAB 1 PENDAHULUAN 1.1 Laar Belakang Propinsi Sumaera Uara merupakan salah sau propinsi yang mempunyai perkembangan yang pesa di bidang ransporasi, khususnya perkembangan kendaraan bermoor. Hal ini dapa
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di
Lebih 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 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 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 terperinciJurnal Edik Informatika Penelitian Bidang Komputer Sains dan Pendidikan Informatika V1.i1(64-69)
Jurnal Edik Informaika Peneliian Bidang Kompuer Sains dan Pendidikan Informaika Peramalan Penjualan Pada Usaha Kecil Menengah (UKM) Roi Sania Dengan Menggunakan Program POM QM Henny Yulius 1, Yadi Prawinaa
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 3 LANDASAN TEORI. 3.1 Pengertian dan Kegunaan Peramalan (Forecasting)
BAB 3 LANDAAN TEORI 3.1 Pengerian dan Kegunaan Peramalan (Forecasing) Dalam melakukan analisis dibidang ekonomi, sosial dan sebagainya, kia memerlukan suau perkiraan apa yang akan erjadi aau gambaran enang
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 terperinciDAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Studi Aplikasi Model Intervensi dengan Step Function)
DAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Sudi Aplikasi Model Inervensi dengan Sep Funcion) S-3 Kismianini dan Dhoriva Urwaul Wusqa Jurusan Pendidikan Maemaika
Lebih 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 terperincix 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr.
Pekan #1: Kinemaika Sau Dimensi 1 Posisi, perpindahan, jarak Tinjau suau benda yang bergerak lurus pada suau arah erenu. Misalnya, ada sebuah mobil yang dapa bergerak maju aau mundur pada suau jalan lurus.
Lebih terperinciKAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN
JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina
Lebih 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 terperinciANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA
ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA Oleh : Liviani Nursia 307030040 Dosen Pembimbing: Dr. Brodjol Suijo S.U, MSi Laar Belakang
Lebih terperinciJurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN
Peramalan Dengan Meode Smoohing dan Verifikasi Meode Peramalan Dengan Grafik Pengendali Moving Range () (Sudi Kasus: Produksi Air Bersih di PDAM Tira Kencana Samarinda) Forecasing wih Smoohing and Verificaion
Lebih 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 terperinciIII. KERANGKA PEMIKIRAN
III. KERANGKA PEMIKIRAN 3.1. Kerangka Teoriis 3.1.1 Daya Dukung Lingkungan Carrying capaciy aau daya dukung lingkungan mengandung pengerian kemampuan suau empa dalam menunjang kehidupan mahluk hidup secara
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 terperinciPenerapan Model ARIMA Dalam Memprediksi IHSG
Penerapan Model ARIMA Dalam Memprediksi IHSG Bambang Hendrawan Polieknik Baam Parkway Sree, Baam Cenre, Baam 29461, Indonesia e-mail: benks@polibaam.ac.id Absrak: Tujuan peneliian ini adalah unuk mencari
Lebih terperinciFaradina GERAK LURUS BERATURAN
GERAK LURUS BERATURAN Dalam kehidupan sehari-hari, sering kia jumpai perisiwa yang berkaian dengan gerak lurus berauran, misalnya orang yang berjalan kaki dengan langkah yang relaif konsan, mobil yang
Lebih terperinciPEMODELAN PRODUKSI SEKTOR PERTANIAN
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 2009 PEMODELAN PRODUKSI SEKTOR PERTANIAN Brodjol Suijo Jurusan Saisika ITS Surabaya ABSTRAK Pada umumnya daa ekonomi bersifa ime
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Manajemen Perminaan 2.1.1. Konsep Dasar Manajemen Perminaan Pada dasarnya manajemen perminaan (demand managemen) didefinisikan sebagai suau fungsi pengelolaan dari semua perminaan
Lebih terperinciIntegral dan Persamaan Diferensial
Sudaryano Sudirham Sudi Mandiri Inegral dan Persamaan Diferensial ii Darpublic 4.1. Pengerian BAB 4 Persamaan Diferensial (Orde Sau) Persamaan diferensial adalah suau persamaan di mana erdapa sau aau lebih
Lebih terperinciPERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO
PERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO SKRIPSI Disusun Oleh : SITI LIS INA ATUL HIDAYAH 24010211120006 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciPeramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Multi Input. : Nesia Brilliana I.P NRP :
Peramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Muli Inpu Nama : Nesia Brilliana I.P NRP : 20800023 Jurusan : Maemaika Dosen Pembimbing : Dra. Nuri Wahyuningsih, M. Kes Pemberian pupuk
Lebih terperinciBAB I PENDAHULUAN. universal, disemua negara tanpa memandang ukuran dan tingkat. kompleks karena pendekatan pembangunan sangat menekankan pada
BAB I PENDAHULUAN A. Laar Belakang Disparias pembangunan ekonomi anar daerah merupakan fenomena universal, disemua negara anpa memandang ukuran dan ingka pembangunannya. Disparias pembangunan merupakan
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 terperinciBAB 3 LANDASAN TEORI. terhadap perbandingan antara kesan kinerja suatu produk serta jasa yang diberikan
BAB 3 LANDASAN TEORI 3. Konsep Kepuasan Konsumen Menuru Gerson, kepuasan konsumen merupakan pandangan konsumen bahwa harapannya elah erpenuhi aau erlampaui (Gerson,999,p3). Sedangkan menuru Koler, kepuasan
Lebih terperinciBAB II LANDASAN TEORI. bahasa Yunani Sustema yang berarti satu kesatuan yang atas komponen atau
BAB II LANDASAN TEORI 2.1 Sisem Aplikasi Menuru Jogiano (2004), sisem berasal dari bahasa lain Sysema dan bahasa Yunani Susema yang berari sau kesauan yang aas komponen aau elemen-elemen yang dihubungkan
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 IX TEKNIK PERAMALAN
Peramalan 93 BAB IX TEKNIK PERAMALAN Kepuusan persediaan yang dihasilkan dari pembelian cenderung bersifa jangka pendek dan hanya unuk produk yang khas. Peramalan yang mengarah pada kepuusan ini harus
Lebih terperinciKombinasi Fitting Sinusoids dan Metode Dekomposisi dalam Memprediksi Besar Permintaan Kredit
Kombinasi Fiing Sinusoids dan Meode Dekomposisi dalam Memprediksi Besar Perminaan Kredi (Sudi Kasus: Koperasi Simpan Pinjam X Salaiga, Jawa Tengah) Rahayu Prihanini Fakulas Teknologi Informasi Universias
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 terperinciJURNAL TEKNIK POMITS Vol. 3, No. 2, (2014) ISSN: ( Print) A-169
JURNAL TEKNIK POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Prin) A-169 Pembuaan Aplikasi Pendukung Kepuusan Unuk Peramalan Persediaan Bahan Baku Produksi Plasik Blowing dan Injec Menggunakan
Lebih 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 terperinciMuhammad Firdaus, Ph.D
Muhammad Firdaus, Ph.D DEPARTEMEN ILMU EKONOMI FEM-IPB 010 PENGERTIAN GARIS REGRESI Garis regresi adalah garis yang memplokan hubungan variabel dependen (respon, idak bebas, yang dipengaruhi) dengan variabel
Lebih terperinci