Peramalan Temperatur Udara di Kota Surabaya dengan Menggunakan ARIMA dan Artificial Neural Network
|
|
- Sudirman Tanuwidjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 202) ISSN: X D-8 Peramala Temperaur Udara di Koa Surabaya dega Megguaka ARIMA da Arificial Neural Nework Ali Machmudi da Brodol S. S. Ulama Jurusa Saisika, Fakulas Maemaika da Ilmu Pegeahua Alam, Isiu Tekologi Sepuluh Nopember (ITS) Jl. Arief Rahma Hakim, Surabaya 60 da 2 brodol_su@saisika.is.ac.id Absrak Pada dekade erakhir eradi peigkaa emperaur eruama di koa besar idak erkecuali di Surabaya. Dampak yag diimbulka akiba keaika emperaur udara adalah kekeriga, krisis air, higga perubaha cuaca. Uuk megaisipasi perubaha suhu udara diperluka suau model yag dapa meramalka kodisi udara / emperaur. Model yag bayak diguaka adalah model ARIMA uuk pedekaa model liear. Berdasarka proses ideifikasi model ARIIMA yag didapa adalah Model ARIMA (0,,2). Sedagka uuk model Pedugaa daa emperaur udara Koa Surabaya dega megguaka Arificial Neural Nework dega meode backpropagaio meghasilka model opimum FFNN (2,4,). Berdasarka kedua model ersebu yag memberika ilai MAPE erkecil adalah FFNN (2,4,) yaiu sebesar 0.074% dibadigka model ARIMA sebesar %. Kaa Kuci Temperaur, ARIMA, ANN, Backpropagaio. I PENDAHULUAN igka pemaasa raa-raa selama lima puluh ahu Terakhir hampir dua kali lipa dari raa-raa seraus ahu erakhir, dimaa pemaasa lebih dirasaka pada daerah daraa daripada laua []. Pada Sebelas ahu erakhir merupaka ahu-ahu erhaga dalam emperaur permukaa global seak 850. Hal ersebu uga berpegaruh pada cuaca di Surabaya. Meuru Bada Meeorologi, Klimaologi, da Geofisika (BMKG) suhu paas di Koa Pahlawa diperkiraka mecapai pucakya seak awal Okober 20 [6]. Peigkaa emperaur memiliki dampak diaaraya kekeriga da krisis air bersih sera aikya pemakaia Air Codiioer (AC) dimaa secara idak lagsug meaikka kosumsi lisrik. Akiba keaika suhu, emperaur udara uga saga berkaia dega kelembaba udara di suau wilayah yag uga aka mempegaruhi cuaca. Sehigga peramala yag epa aka emperaur udara saga dibuuhka. Selama ii BMKG dalam melakuka peramala idak memperhaika usur-usur keidakpasia [2]. Berdasarka hasil peeliia Pirzada (200) bahwa pegguaa meode kalibrasi meghasilka performa yag bagus dega pedekaa Bayesia Model Averagig Expecaio Maximizaio (BMA- EM) [4]. Peeliia lai mecoba meramalka daa emperaur udara di sekiar Palagkaraya [3]. Peeliiaya meghasilka kesimpula bahwa model MA() adalah beuk model yag palig baik karea memiliki ilai MAPE ((Mea Absolue Perceage error) erkecil. Arificial Neural Nework (ANN) aau Jariga Syaraf Tirua (JST) adalah salah sau meode yag sudah bayak dikembagka uuk pedugaa. Meode ii uga dapa dipakai uuk meramalka berdasarka pola keadia yag ada di masa lampau. Ii dapa dilakuka megiga kemampua ariga syaraf irua uuk megiga da membua geeralisasi dari apa yag sudah ada sebelumya. Salah sau meode yag dapa diguaka uuk memperbaiki bobo adalah meode bacpropagaio. Meode ii umum diguaka uuk diaplikasika pada peyelesaia suau masalah berkaia dega ideifikasi, prediksi, pegeala pola da sebagaiya. Pada laiha yag berulag ulag, algorima ii aka meghasilka uuk kera yag lebih baik. Hal ii berari bahwa bobo ierkoeksi JST semaki medekai bobo yag seharusya. Kelebiha lai yag dimiliki JST ii adalah kemampuaya uuk belaar (bersifa adapif) da kebal erhadap adaya kesalaha (Faul Tolerace) dega kelebiha ersebu JST dapa mewuudka sisem yag aha aka kerusaka (robus) da kosise bekera dega baik [4]. Pegaplikasia ANN pada peramala emperaur di Surabaya dapa meadi aleraif meode peramala yag baik dalam kaiaya meghasilka ilai ramala yag epa. Uuk megeahui pedugaa peramala erbaik ANN ersebu maka aka dibadigka dega pedugaa emperaur dega megguaka meode ARIMA sebagaimaa peeliia Ramdai eapi dega daa yag berbeda. II. LANDASAN TEORI A. Teag Time Series Meode ime series adalah suau meode peramala uuk masa depa yag dilakuka berdasarka ilai aau daa masa lalu dari suau variabel da kesalaha (error) masa lalu. Tuua dari meode peramala ime series ii adalah uuk meemuka pola daa ime series (ruu waku) da megeksrapolasika pola ersebu ke masa depa [5]. B. Proses Saioer Sasioerias daa ime series adalah suau keadaa dimaa proses pembagkia yag medasari suau dere berkala didasarka pada ilai egah (mea) da ilai varias yag kosa [5].
2 JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 202) ISSN: X D-9 Trasformasi Box Cox diguaka uuk megeahui kesasioera daa berdasarka ilai varias. Rumus maemais rasformasi ersebu diampilka sebagai beriku. Keeraga : = Trasformasi Box Cox = Nilai koefise dari rasformasi Box Cox Trasformasi Box Cox berdasarka ilai lambda () sebagai beriku [6]. Nilai esimasi λ - -0,5 Tabel. Trasformasi Box Cox Trasformasi Z 0,0 L (Z ) 0,5 Z Z (idak dirasformasi) Pegeceka kesasioera daa pegamaa dalam mea secara umum dapa meliha plo Parial Auocorrelaio Fucio (PACF). C. ACF da PACF Fugsi Auokorelasi aau auocorrelaio fucio (ACF) merupaka suau hubuga liier aara pegamaa Z dega pegamaa Z - k ˆ k r k k ( Z Z )( Z ( Z k Z ) 2 Z ) Fugsi auokorelasi parsial aau parial auocorrelaio fucio (PACF) diguaka uuk meuukka besarya hubuga aar ilai variabel yag sama, dega megaggap pegaruh dari semua kelambaa waku yag lai adalah kosa. ˆ k rk kk k Dimaa ˆ ˆ - ˆ ˆ k, k, r k k k, kk k, k ˆ ˆ r Z uuk =, 2,, k-, D. Model ARIMA Berdasarka pola ACF da PACF maka dilakuka ideifikasi da esimasi parameer. Adapu model ARIMA secara umum adalah sebagai beriku. () (2) (3) p S d D S B p ( B ) B ( B) q B q ( B ) a E. Pemeriksaa Diagosik Uuk megeahui kebaika model maka perlu dilakuka lagkah-lagkah peguia sebagai beriku.. Peguia Sigifikasi Parameer Model Se 2. Ui Asumsi Residual (Diagosic Check) 3. Pemiliha Model Terbaik F. Arificial Neural Nework Arificial Neural Nework aau Jariga Syaraf Tirua (JST) adalah sisem pemrosesa iformasi yag memiliki karakerisik mirip dega ariga syaraf biologi [7]. JST dibeuk sebagai geeralisasi model maemaika dari ariga syaraf biologi.jst dieuka oleh 3 hal :. Pola hubuga aar euro (disebu arsiekur ariga) 2. Meode uuk meeuka bobo peghubug (meode raiig/learig/algorima) 3. Fugsi akivasi D. Pemiliha Model Terbaik Pemiliha model erbaik dapa megguaka beberapa krieria, aara lai: a. Krieria I Sample Krieria yag diguaka pada i sample aara lai:. AIC (Akaike s Iformaio Crierio), dimaa model erbaik dipilih dega memperimbagka umlah parame-er dalam model. Semaki kecil ilai AIC, maka model semaki baik da layak uuk diguaka. AIC( M ) l ˆ 2 a 2M (5) 2. Schwarz Bayesia Crierio (SBC), dimaa krieria pe-miliha model erbaik dipilih berdasarka ilai erkecil. semaki kecil ilai SBC, maka model yag didapaka aka semaki baik. Beriku ii merupaka rumus krieria SBC: SBC M l ˆ 2 a M l (6) dega: = bayakya observasi 2 ˆ a 2 a = esimasi maksimum likelihood dari M = umlah parameer dalam model ARIMA (p,q) b. Krieria Ou Sample Krieria yag diguaka pada ou sample adalah RMSE (Roo Mea Square Error) da MAPE (Mea Absolue Perceage error) dega rumus sebagai beriku: RMSE MAPE MSE ( y 2 ( y yˆ ) (7) i y ) / y 00% (8) (4)
3 JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 202) ISSN: X D-20 Semaki kecil ilai RMSE da MAPE, maka semaki baik da model ersebu layak uuk diguaka. Namu ika hasil pemiliha model erbaik aara i sample da ou sample, maka yag diguaka adalah hasil pemodela pada ou sample. III. METODOLOGI A. Sumber Daa Daa yag diguaka dalam peeliia ii berasal dari BMKG Perak II eag emperaur udara haria di Surabaya. Periode daa adalah aara Jauari 20 higga Mare 202. Adapu uuk aalisis maka daa periode Jauari 20 higga Februari 202 diguaka sebagai daa i sample da pada bula Mare 202 diguaka sebagai ou sample. B. Variabel Peeliia Pada peeliia ii variabel yag diamai adalah daa emperaur udara di Surabaya. Daa ersebu dalam saua celcius dalam periode haria. C. Meode Aalisis Daa. Aalisis ARIMA Pedugaa kecepaa agi dega ARIMA dilakuka dega prosedur sebagai beriku. Plo daa iisiasi Megideifikasi kesasioera daa dega meliha ACF da PACF Melakuka peguia esimasi parameer model Melakuka peguia parameer model, da beberapa asumsi residual yag harus dipeuhi aara lai: asumsi whie oise dega megguaka saisik ui Lug-Box da asumsi keormala dega megguaka saisik ui Kolmogorov Smirov. 2. Aalisis Arificial Neural Nework Beuk arsiekur ariga syaraf irua yag diguaka dalam pedugaa emperaur udara di Surabaya megguaka meode backpropagaio. Beriku lagkah-lagkah prosedur peramala ariga syaraf irua. Daa iisiasi disklaka erlebih dahulu aara 0- Iisiasi bobo weigh [0,] Meeuka bayak ipu berdasarka pola PACF daa yag sudah sasioer. Pembelaara daa dega algorima backporpagaio Megevaluasi krieria pemiliha model erbaik (AIC, SBC) pada seiap kombiasi ipu da euro. Daa hasil raiig dikembalika ke daa skala awal D. Peeua Model Terbaik Uuk meeuka model erbaik dari kedua model maka perlu diliha ilai MAPE yag erkecil. Semaki kecil ilai ersebu maka semaki baik da model ersebu layak uuk diguaka IV. HASIL DAN PEMBAHASAN A. Saisika Deskripif Daa emperaur uuk periode Jauari 20 higga Mare 202 diampilka sebagaimaa abel da gambar sebagai beriku. Tabel 2. Nilai Saisika Deskripif Krieria Nilai Miimu 25,792 Maksimum 3,383 Mea 28,580 Media 28,596 Sadar Deviasi 0,934 Berdasarka Tabel 2 dikeahui bahwa daa emperaur Koa Surabaya memilki ilai miimum sebesar 25,792 C da ilai maksimal sebesar 3,383 C. Raa-raa (mea) suhu udara sepaag ahu 20 higga awal 202 sebesar 28,580 C. Nilai egah (media) dari daa emperaur sebesar 28,596 sedagka ilai sadar deviasi daa emperaur udara sebesar 0,934 C meuukka bahwa keragama ilai daa emperaur udara idak erlalu bervariasi da ilaiya erleak pada rage ilai miimum da maksimum dari daa ersebu. B. Permodela ARIMA Ideifikasi pada daa emperaur beruua megeahui kesasioera daa baik saioer dalam mea maupu varias. Proses ideifikasi dapa dilakuka dega megguaka Time Series Plo, Box-cox Trasformaio, Pola Auocorrelaio Fucio (ACF). emperaur Time Series Plo of emperaur Gambar.. Time series plo daa emperaur Koa Surabaya Pola daa emperaur udara secara gambara umum idak berada di ilai raa-raaya sebesar Hal ersebu dapa diidikasika bahwa daa pegamaa berdasarka Gambar belum sasioer dalam mea sera idak erliha adaya pegaruh dari dere waku. Apabila meliha ilai varias daa pegamaa yaiu sebesar dimaa ilaiya cukup kecil belum dapa meadi acua bahwa daa pegamaa diaggap sudah sasioer dalam varias. Berdasarka hal ersebu uuk mesasioerka diperluka differecig. 20 Ide x
4 JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 202) ISSN: X D-2 Auocorrelaio Fucio for differecig (wih 5% sigificace limis for he auocorrelaios) ersebu aka dibadiga dega ilai araf yaaya (α) sebesar 5% Auocorrelaio Parial Auocorrelaio Lag Parial Auocorrelaio Fucio for differecig (wih 5% sigificace limis for he parial auocorrelaios) Lag Gambar. 2. Pola Auocorrelaio Fucio (ACF) da Pola Parial Auocorrelaio Fucio (PACF) Daa Temperaur seelah Differecig Berdasarka Gambar 2 dapa diyaaka bahwa pada pola ACF lag- da lag-2 keluar dari ilai baas. Adapu uuk pola PACF pada lag-, lag-2, lag-3, lag-4, da lag-5 keluar dari baasya. Uuk megeahui model ARIMA erbaik maka dilakuka pecaria model erbaik berdasarka pola ACF da PACF. Berdasarka pola ACF da PACF maka model yag erbaik yag dipilih adalah ARIMA (0,,2) dega ilai MAPE 2.305%. Model ARIMA (0,,2) adalah model Auoregressive Iegraed Iegraed Movig Average dega differecig pada lag- dimaa parameer sigifika pada lag- da lag 2 pada ilai raa-raa bergerakya. Secara maemais model ARIMA (0,,2) dapa diulis sebagai beriku (9) Model ARIMA (0,,2) uuk layak diguaka perlu dilakuka beberapa peguia. Peguia yag dimaksud adalah peguia sigifikasi parameer, diagosic checkig yag melipui ui whie oise da ui keormala. Ui sigifikasi parameer diguaka uuk megeahui apakah parameer dari model sigifika memiliki pegaruh pada model aau idak. Peguia sigifikasi parameer ARIMA (0,,2) dielaska sebagai beriku. Hipoesis: H 0 : =0 H 0 : =0 H : 0 H : 0 Nilai esimasi parameer model ARIMA (0,,2) besera ilai saisik hiugya diampilka Tabel 3 sebagai beriku. Nilai Tabel 3. Ui Sigifikasi Parameer ARIMA (0,,2) Parameer Esimasi _value P_value Kepuusa <.000 Sigifika <.000 Sigifika Berdasarka Tabel 3 disimpulka bahwa semua parameer uuk model ARIMA (0,,2) elah sigifika. Uuk dilauka pada peguia residual. Peguia residual model ersebu uuk memasika bahwa model layak uuk diguaka peramala. Ui yag dilakuka adalah ui whie oise da ui keormala. Peguia whie oise diguaka uuk megeahui ke idepedea residual da homogeias dari residual (varias homoge). Peguia whie oise yag umumya dilakuka adalah dega megguaka Lug-Box. Hipoesis: H 0 : ρ = ρ 2 = = ρ 48 H : Miimal ada sau ρ i yag idak sama dega ol i =, 2,, 48 Nilai chi-square pada peguia whie oise model ARIMA (0,,2) besera ilai saisik hiugya diampilka Tabel 4 sebagai beriku. Nilai ersebu aka dibadiga dega ilai araf yaaya (α) sebesar 5% Tabel 4. Peguia Lug-Box ARIMA (0,,2) Lag Chi-Square Pr > Chi Square Kesimpula Whie Noise Whie Noise Whie Noise Whie Noise Whie Noise Whie Noise Whie Noise Whie Noise Oupu pada Tabel 4 memberika hasil bahwa keseluruha lag yag diui pada peguia Lug-Box meghasilka kepuusa gagal olak H 0. Hal ersebu berari bahwa asumsi whie oise elah erpeuhi da varias residual elah homoge da idepede. Ui selauya yag dilakuka adalah ui keormala residual. Salah sau peguia keormala yag bayak diguaka adalah Ui Kolmogorov-Smirov. Hipoesis: H 0 : Residual berdisribusi ormal H : Residual idak berdisribusi ormal
5 JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 202) ISSN: X D-22 Nilai saisik D pada peguia keormala model ARIMA (0,,2) besera ilai saisik hiugya diampilka Tabel 5 sebagai beriku. Nilai ersebu aka dibadiga dega ilai araf yaaya (α) sebesar 5% Tabel 5. Peguia Keormala Residual ARIMA (0,,2) Tes Saisik (D) P_value (Pr > D) Kolmogorov-Smirov Berdasarka Tabel 5 peguia keormala dikeahui ilai P_value pada peguia Kolmogorof Smirof. Nilai P_value dari peguia residual ormal melebihi ilai α sebesar 5%. Kepuusa dari peguia ersebu adalah erima H 0 yag berari residual model elah megikui disribusi ormal. Berdasarka keseluruha peguia sebelumya maka model ARIMA (0,,2) layak diguaka uuk peramala. Hasil peramala model ARIMA (0,,2) adalah sebagai beriku. Tabel 6. Hasil Peramala ARIMA (0,,2) Taggal Temp ( C) Taggal Temp ( C) Taggal Temp ( C) -Mar Mar Mar Mar Mar Mar Mar Mar Mar Mar Mar Mar Mar Mar Mar Mar Mar Mar Mar Mar Mar Mar Mar Mar Mar Mar Mar Mar Mar Mar Mar C. Permodela ANN Aalisis ANN daa emperaur pada arsiekur Neural Nework megguaka pedekaa Feed Forward Neural Nework (FFNN) aau backpropagaio. Fugsi akivasi yag diguaka adalah fugsi logisik sigmoid uuk pemrosesa dari ipu ke hidde layer. Adapu uuk pemrosesa dari hidde layer ke oupu megguaka fugsi liear. Ipu pada pemrosesa FFNN pada daa emperaur megguaka beberapa umlah ipu. Ada 3 macam ipu yag diguaka yaiu ) Ipu pada lag- (Z - ); 2) Ipu pada lag- (Z - ) da lag-2 (Z -2 ); da 3) Ipu pada lag- (Z - ), lag- 2 (Z -2 ), lag-3 (Z -3 ), lag-4 (Z -4 ), da lag-5 (Z -5 ). Pemrosesa FFNN dega sau ipu pada lag- (Z - ) da oupu dega umlah euro pada hidde layer aara higga 0 meghasilka ilai-ilai kebaika model (AIC, SBC, RMSE) pada i sample sera MAPE da RMSE pada ou sample. Beriku diampilka krieria-krieria ersebu. Neuro Tabel 7 Perbadiga Model dega Ipu pada Lag- (Z T- ) Traiig Tesig AIC SBC RMSE MAPE RMSE Berdasarka Tabel 7 maka model FFNN yag erpilih adalah model FFNN (,5,). Model FFNN ersebu erdiri dari ipu, 5 euro, da oupu. Nilai MAPE uuk hasil permala sebesar 0.077%. Beriku hasil ilai permala dari model FFNN (,5,). Pemrosesa FFNN dega du ipu pada lag- (Z - ) da lag-2 (Z -2 ) sera oupu dega umlah euro pada hidde layer aara higga 0 meghasilka ilai-ilai kebaika model (AIC, SBC, RMSE) pada i sample sera MAPE da RMSE pada ou sample. Beriku diampilka krieria-krieria ersebu. Tabel 8 Perbadiga Model dega Ipu pada Lag- (Z T- ) da Lag-2 (Z T-2 ) Neuro Traiig Tesig AIC SBC RMSE MAPE RMSE Berdasarka Tabel 8 maka model FFNN yag erpilih adalah model FFNN (2,4,). Model FFNN ersebu erdiri dari 2 ipu, 4 euro, da oupu. Nilai MAPE uuk hasil permala sebesar 0.074%. Pemrosesa FFNN dega Ipu pada lag- (Z - ), lag-2 (Z - 2), lag-3 (Z -3 ), lag-4 (Z -4 ), da lag-5 (Z -5 ) da oupu dega umlah euro pada hidde layer aara higga 0 meghasilka ilai-ilai kebaika model (AIC, SBC, RMSE)
6 JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 202) ISSN: X D-23 pada i sample sera MAPE da RMSE pada ou sample. Beriku diampilka krieria-krieria ersebu. Tabel 9 Perbadiga Model dega Ipu pada Lag-(Z T- ), Lag-2 (Z T-2 ), Lag-3 (Z T-3 ), Lag-4 (Z T-4 ), Lag-5 (Z T-5 ) Y-Daa Scaerplo of daa, ARIMA, FFNN (,5,), FFNN (2,4,),... vs TGL 30.5 Variable daa 30.0 ARIMA FFNN (,5,) 29.5 FFNN (2,4,) FFNN (5,9,) Neuro Traiig Tesig AIC SBC RMSE MAPE RMSE Mar Mar 202 Mar Mar 202 TGL 2 Mar Mar 202 Apr Berdasarka Tabel 9 maka model FFNN yag erpilih adalah model FFNN (5,9,). Model FFNN ersebu erdiri dari 5 ipu, 9 euro, da I oupu. Nilai MAPE uuk hasil permala sebesar 0.074%. D. Perbadiga Model ARIMA da ANN Uuk megeahui model yag erbaik berdasarka ilai keakuraa dalam melakuka peramala daa emperaur Koa Surabaya maka aara model ARIMA da ANN dibadigka. Berdasarka model-model yag elah didapaka sebelumya maka dilakuka perbadiga sebagaimaa abel di bawah ii. Tabel 0. Perbadiga ARIMA da ANN Model MAPE (%) ARIMA (0,,2) FFNN (,5,) FFNN (2,4,) FFNN (,5,) Berdasarka Tabel 0 maka model yag medekai dari ilai daa asli adalah FFNN(2,4,). Sehigga dapa disimpulka bahwa model erbaik uuk daa emperaur Koa Surabaya adalah FFNN (2,4,). Beriku grafik perbadiga hasil peramala aara model ARIMA da ANN. Gambar. 3. Plo Perbadiga Model ARIMA da ANN V. KESIMPULAN Berdasarka pembahasa dalam bab sebelumya maka dapa diambil beberapa kesimpula sebagai beriku.. Pedugaa daa emperaur udara Koa Surabaya dega megguaka meode ARIMA meghasilka model ARIMA (0,,2) 2. Pedugaa daa emperaur udara Koa Surabaya dega megguaka Arificial Neural Nework meghasilka model FFNN (5,0,) 3. Berdasarka kedua model ersebu maka model erbaik yag dapa dierapka dalam peramala emperaur udara Koa Surabaya adalah FFNN (5,0,) Model ARIMA dari hasil peeliia masih belum baik sehigga peeliia selauya dapa memperbaiki model. Adapu uuk ANN Backpropagaio memberika model yag cukup baik da dapa dikembagka pada model ANN laiya. DAFTAR PUSTAKA [] Ahmad Luky (2008). Hubuga Iklim (Curah Hua, Kelembaba, da Suhu Udara) dega Keadia peyaki Demam Berdarah Degue (DBD) [Olie]. Available: hp://gudagmakalah.blogspo.com. [2] Beazir Pirzada, Kalibrasi Peramala Esembel Daa Temperaur Udara Haria dega Bayesia Model Averagig BMA (Sudi Kasus: Daa Sasiu Pegamaa Juada Surabaya Tahu ), Tugas Akhir Jurusa Saisika Isiu Tekologi Sepuluh Nopember, Surabaya (200). [3] Ramdai, Pegguaa Model ARIMA dalam Peramala Suhu Udara di Sekiar Palagkaraya, Skripsi Jurusa Saisika, Isiu Peraia Bogor, Bogor (2008). [4] Aoim (2008) Jariga Syaraf Tirua (Arificial Neural Nework) [Olie]. Available: hp://creasof.wordpress.com /2008/04/2/ ariga saraf irua arificial eural ework. [5] S. Makridakis, S. C. Wheelwrigh, da V. E. McGee, Forecasig: Mehods ad Applicaio, 2 d Ediio, New York: Joh Wiley ad Sos Ic (983). [6] William W. S. Wei, Time Series Aalysis: Uivariae ad Mulivaraiae Mehods, USA: Addiso-Wesley Publishig Compaya (990). [7] Jog Jek Siag, Aplikasi Jariga Syaraf Tirua da Pemrogama Meguaka MATLAB. Jogakara: Adi Jogakara (2005).
BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai
BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai
Lebih terperinciBAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak
BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa
Lebih terperinciPemodelan Indeks Harga Saham Gabungan (IHSG), Kurs, dan Harga Minyak Dunia dengan Pendekatan Vector Autoregressive
JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 0) ISSN: 30-98X D-87 Pemodela Ideks Harga Saham Gabuga (IHSG), Kurs, da Harga Miyak Duia dega Pedekaa Vecor Auoregressive Dimas Okky.S da Seiawa Jurusa Saisika,
Lebih terperinciBAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu
BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala
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 terperinciMODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dadan Kusnandar, Naomi Nessyana Debataraja
Bulei Ilmiah Mah. Sa. da Terapaya (Bimaser) Volume 07, No. (018), hal 77 84. MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dada Kusadar, Naomi Nessyaa
Lebih terperinciBAB METODOLOGI. Bab 2 Metodologi berisikan :
BAB METODOLOGI Bab Meodologi berisika :.. Pegambila Sampel.. Peramala Nilai Iflasi melalui Ideks Harga Kosume Megguaka Meode ARIMA.3. Akumulasi Prese Value melalui Buga Sederhaa dalam Perhiuga Harga Barag
Lebih terperinciPrediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki
JURNAL SAINS DAN SENI POMITS Vol. 3, No., (4) 337-35 (3-98X Pri) D-34 Sepeda Moor Merek X Di Kabupae Da Koamadya Malag Dega Meode Peramala Hierarki Rika Susai, Desri Susilaigrum, da Suharoo Jurusa Saisika,
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 terperinciMODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR
MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais Pada Jurusa Maemaika Oleh :
Lebih terperinciPENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.
. Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis
Lebih terperinciPemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network
D-378 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (26) 2337-3520 (23-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi pada Plaform MK di PT X Menggunakan Meode ARIMA, Neural Nework, dan Hibrida ARIMA-Neural
Lebih terperinciTUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI
MODEL TIME SERIES UNTUK PERAMALAN TINGKAT PENJUALAN JENIS BAHAN BAKAR MINYAK (BBM) DI STASIUN PENGISIAN BAHAN BAKAR UNTUK UMUM (SPBU) ARIFIN ACHMAD-PEKANBARU TUGAS AKHIR Diajuka sebagai Salah Sau Syara
Lebih terperinciJurnal Rekursif, Vol. 3 No. 1 Maret 2015, ISSN
Jural Rekursif, Vol 3 No Mare 05, ISSN 303-0755 PERBANDINGAN KEAKURATAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DAN EPONENTIAL SMOOTHING PADA PERAMALAN PENJUALAN SEMEN DI PT SINAR ABADI
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 terperinciPREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP
Prosidig SPMIPA. pp. 57-6. 6 ISBN : 979.74.47. PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Sri Rahayu, Taro Jurusa Maemaika FMIPA UNDIP Semarag Jl. Prof. Soedaro, Kampus UNDIP Tembalag,
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-266
JURNAL SAINS DAN SENI ITS Vol., No., () 337-3 (3-9X Pri) D-66 Peramala Ideks Harga Saham Perusahaa Fiasial LQ Megguaka Meode Auoregressive Iegraed Movig Average (ARIMA) da Vecor Auoregressive (VAR) Rivai
Lebih terperinciRumus-rumus yang Digunakan
Saisika Uipa Surabaya 4. Sampel Tuggal = Rumus-rumus yag Diguaka s..... Sampel berkorelasi D D N N N...... 3. Sampel Bebas a. Uuk varias sama... 3 aau x x s g... 4 b. Sampel Heeroge Guaka Uji Corha - Cox
Lebih terperinciBAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala Meode peramala merupaka bagia dari ilmu Saisika. Salah sau meode peramala adalah dere waku. Meode ii disebu sebagai meode peramala dere waku karea memiliki kareserisik
Lebih terperinciMETODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di
8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,
Lebih terperinciPrediksi Penjualan di Perusahaan Ritel dengan Metode Peramalan Hirarki Berdasarkan Model Variasi Kalender
JURNAL SAINS AN SENI POMITS Vol. 2, No., (23) 2337-352 (23-928X Pri) -54 Prediksi Peuala di Perusahaa Riel dega Meode Peramala Hirarki Berdasarka Model Variasi Kaleder Puspia Karikasari da Suharoo Jurusa
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 terperinciV. PENGUJIAN HIPOTESIS
V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska
Lebih terperinciPeramalan Jumlah Pengunjung Domestik dan Mancanegara di Maharani Zoo & Goa Menggunakan ARIMA Box - Jenkins
Peramalan Jumlah Pengunjung Domesik dan Mancanegara di Maharani oo & Goa Menggunakan ARIMA Box - Jenkins Vivi Kusuma Sulisyawai (3030085) Dosen Pembimbing Dr. Irhamah, S.Si.,M.Si Laar Belakang Rumusan
Lebih terperinciPERAMALAN INFLASI MENGGUNAKAN PENDEKATAN GABUNGAN ANTARA FUNGSI TRANSFER DAN INTERVENSI DENGAN DETEKSI OUTLIER
Semiar Hasil Tugas Akhir PERAMALAN INFLASI MENGGUNAKAN PENDEKATAN GABUNGAN ANTARA FUNGSI TRANSFER DAN INTERVENSI DENGAN DETEKSI OUTLIER TAHIRA ETA ADISTI (1309100108) Pembimbig: Dr. SUHARTONO, S. Si, M.
Lebih terperinciIII. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data
III. METODE KAJIAN 1. Lokasi da Waku Lokasi kajia berempa uuk kelompok dilaksaaka di kelompok peeraka sapi di Bagka Tegah, Provisi Bagka Beliug, da Kelompok Peeraka Sapi di Cisarua, Bogor, Provisi Jawa
Lebih terperinciPemodelan Volatilitas Saham Menggunakan Jaringan Syaraf Tiruan dan Algoritma Genetika
Pemodelan Volailias Saham Menggunakan Jaringan Syaraf Tiruan dan Algorima Geneika Hasbi Yasin 1 1 Jurusan Saisika Undip, hasbiyasin@undip.ac.id Absrak. Flukuasi yang besar dan idak pasi dalam peramalan
Lebih terperinciPemodelan 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 terperinciUniversitas Sumatera Utara
Uiversias Sumaera Uara BAB 2 LANDASAN TEORI Ladasa eori ii merupaka hasil dari ijaua lieraur-lieraur yag ada kaiaya dega meode-meode peramala maupu dega koeks laiya dalam peulisa Tugas Akhir ii. Adapu
Lebih terperinciPeramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown
Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN 085-789 Peramala Jumlah Peduduk Koa Samarida Dega Megguaka Meode Pemulusa Ekspoesial Gada da Tripel Dari Brow Forecasig he Populaio of he Ciy of Samarida
Lebih terperinciPEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR. Oleh:
PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR Diajuka sebagai Salah Sau Syara uuk Memperoleh Gelar Sarjaa Sais pada Jurusa Maemaika
Lebih terperinciBAB II TINJAUAN PUSTAKA. pengantar metode ARIMA Box Jenkins dan analisis spektral.
BAB II TINJAUAN PUSTAKA. Pedahulua Pada Bab II aka dijelaska pegeria pegeria da eori dasar yag diguaka sebagai ladasa pembahasa pada bab selajuya. Teori yag aka dibahas pada Bab II ii secara garis besar
Lebih terperinciPERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN
PERENCNN JUMLH PRODUK MENGGUNKN METODE FUZZY MMDNI BERDSRKN PREDIKSI PERMINTN Nama Mahasiswa : Norma Edah Haryai NRP : 1207 100 031 Jurusa : Maemaika FMIP-ITS Dose Pembimbig : Drs. I G N Rai Usadha, M.Si
Lebih terperinciB A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan
30 B A B III METODE PENELITIAN 3. Peeapa Lokai da Waku Peeliia Objek peeliia dalam peeliia ii adalah megaalii perbadiga harga jual produk melalui pedekaa arge pricig dega co-plu pricig pada oko kue yag
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 terperinciMETODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2
METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA Roki Nuari *, Aziskha, Edag Lily Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas
Lebih terperinciManajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS
Modul ke: 06Fakulas EKONOMI DAN BISNIS EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI Program Sudi Akuasi Idik Sodiki,SE,MBA,MM Krieria Kepuusa Ivesasi aau Pegaggara Modal o Beberapa krieria yag aka diperguaka
Lebih terperinciPeramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk
Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk Oleh : Dwi Hapsari K (1306 100 015) Dosen Pembimbing : Dra. Karika Firiasari, M.Si 1 Pendahuluan Laar Belakang, Perumusan Masalah, Tujuan
Lebih terperinciAbstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.
1 Peramalan Volume Produksi Air Bersih di PDAM Kabupaen Bojonegoro berdasarkan Jumlah Pelanggan dan Volume Konsumsi Air Fasha Aulia Pradhani dan Adaul Mukarromah Jurusan Saisika, FMIPA, ITS Jl. Arief Rahman
Lebih terperinciPERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS
PERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS Joko Ariyadi (308 030 060) Pembimbing : Drs. Brodjol Suijo Suprih Ulama, M.Si Laar Belakang 2 Laar
Lebih 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 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 terperinciSTUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA
Widya Tekika Vol.18 No.2; Okober 2010 ISSN 1411 0660: 1-6 Absrak STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Arie Resu Wardhai 1), Salvador Mauel Pereira 2) Perusahaa sepau da sadal House of Mr.
Lebih terperinciKRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB
KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne
Lebih terperinciPERAMALAN JUMLAH TAMU DI HOTEL X DENGAN PENDEKATAN ARIMA, FUNGSI TRANSFER, DAN ANFIS 1 Vinny Merlinda Hardiana, 2 Destri Susilaningrum dan 3 Suhartono
PERAMALAN JUMLAH TAMU DI HOTEL X DENGAN PENDEKATAN ARIMA, FUNGSI TRANSFER, DAN ANFIS Viy Merlida Hardiaa, 2 ri Susilaigrum da 3 Suharoo Jurusa Saisika, Fakulas MIPA, Isiu Tekologi uluh ember (ITS) Jala
Lebih terperinciAnalisis Peramalan Jumlah Permintaan Kerudung di Industri Kecil Kerudung Arin di Surabaya dengan Metode Variasi Kalender
Analisis Peramalan Jumlah Perminaan Kerudung di Indusri Kecil Kerudung Arin di Surabaya dengan Meode Variasi Kalender Disusun oleh : Sely Enggar Rusiano 307 030 030 Dosen Pembimbing : Dr. Irhamah, M.Si
Lebih terperinciMENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012
MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012 Julia Nahar 1 1 Uiversias Padjadjara, Jala Raya Badug-Sumedag km 21,Jaiagor
Lebih terperinciTINGKAT PENJUALAN SEPEDA MOTOR SUZUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES
FORECASTING TINGKAT PENJUALAN SEPEDA MOTOR SUUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES AUTOREGRESSIVE TUGAS AKHIR Diajuka sebagai Salah Sau Syara uuk Memperoleh
Lebih terperinciBAB 2 LANDASAN TEORI
18 BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala ( Forecasig ) Peramala ( forecasig ) adalah kegiaa megisemasi apa yag aka erjadi pada masa yag aka daag. Peramala diperluka karea adaya perbedaa kesejaga waku
Lebih terperinciPemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline ABSTRAK
Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Meode Inervensi dan Regresi Spline Rina Andriani, Dr. Suharono, M.Sc 2 Mahasiswa Jurusan Saisika FMIPA-ITS, 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih terperinciANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER. Muflih Rori Putra Harahap
ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER Muflih Rori Pura Harahap 30 00 052 Pembimbing : Dr. Drs. Agus Suharsono, M.S. LATAR BELAKANG PENDAHULUAN
Lebih 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 ARIMAX Dan Deteksi GARCH Untuk Peramalan Inflasi Kota Denpasar Tahun 2014
JEKT Model ARIMAX Dan Deeksi GARCH Unuk Peramalan Inflasi Koa Denpasar Tahun 2014 Rukini *) Badan Pusa Saisik Provinsi Bali ABSTRAK pemerinah dalam mengambil kebijakan unuk menjaga sabilias moneer di masa
Lebih terperinciESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING
ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING Nama: Zahroh Aiqoh 05 00 0 Dosen Pembimbing: Dra. Nuri Wahyuningsih, MKes Drs. Sulisiyo, MT Jurusan Maemaika
Lebih terperinciPENGUJIAN HIPOTESIS DUA RATA-RATA
PENGUJIN HIPOTEI DU RT-RT Pegujia hipoesis dua raa-raa diguaka uuk membadigka dua keadaa aau epaya dua populasi. Misalya kia mempuyai dua populasi ormal masig-masig dega raa-raa µ da µ sedagka simpaga
Lebih terperinciANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG
ISSN: 9-54 JURNAL GAUSSIAN, Volume 4, Nomor, Tahun 05, Halaman 6-60 Online di: hp://eournal-s.undip.ac.id/index.php/gaussian ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG
Lebih terperinciPemodelan Pencemaran Udara Menggunakan Metode Vector Autoregressive (Var) di Provinsi Riau
Pemodela Pecemara Udara Megguaka Meode Vecor Auoregressive (Var) di Provisi Riau Ari Pai Desvia 1, Maryam Julliaa D 2 Jurusa Maemaika, Fakulas Sais da Tekologi, UIN Sula Syarif Kasim Riau Jl. HR. Soebraas
Lebih terperinciUniversitas Sumatera Utara
50.7 4.3770 6.7547 6.7547 4.4 48.6965 R4.7 36.3 N8 TOL 0..70 35.9497 36.3.99 50.7 94.338 6.89 3.5 6.75 7.567 36.0 6.4837 57.396 8.783 66.0384 5.337 37.006 3.568 PISAU POTONG AISI D SEPUH No Qy NAME MATERIAL
Lebih terperinciBAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel
BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka
Lebih terperinciPERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR
TUGAS AKHIR SS 145561 PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR SARIRAZTY DWIJANTARI NRP 1314 030 010 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si., M.Si DEPARTEMEN
Lebih terperinciPemodelan Produksi Minyak dan Gas Bumi di PT. Z Menggunakan Metode ARIMA, FFNN, dan Hybrid ARIMA-FFNN
D-444 JURNAL SANS DAN SEN TS Vol. 5 No. 2 (206) 27-520 (20-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi di PT. Z Menggunakan Meode ARMA, FFNN, dan Hybrid ARMA-FFNN Daniar Kusumaning Ayu, Desri Susilaningrum
Lebih terperinciMODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA
Prosidig Semiar Nasioal Sais da Pedidika Sais IX, Fakulas Sais da Maemaika, UKSW Salaiga, Jui 4, Vol 5, No, ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN
Lebih terperinciTUGAS AKHIR. untuk Analisis Peramalan Data Ekspor Non Migas Indonesia Di Sektor Pertanian, Sektor Perindustrian dan Sektor
TUGAS AKHIR Pendekaan Meode ARIMA Box Jenkins unuk Analisis Peramalan Daa Ekspor Non Migas Indonesia Di Sekor Peranian, Sekor Perindusrian dan Sekor Nurul Laifa Perambangan 307 030 70 Dosen pembimbing
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii merupaka peeliia kuaiaif dega megguaka meode eksperime. Desai peeliia ii megguaka ru experime desig beuk desai poses oly corol desig yaki meempaka
Lebih terperinciBAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang.
BAB 3 LANDASAN TEORI 3. Peramala 3.. Defiisi Peramala Peramala adalah perkiraa probabilisik aau peggambara dari ilai aau kodisi di masa depa. Asumsi yag umum dipakai dalam peramala adalah pola masa lampau
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-183
JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (3) 2337- (2-928X Pri) D-83 Peramala Jumlah Tamu di Hoel X dega Pedekaa Arima, Fugsi Trasfer, da Afis Viy Merlida Hardiaa, ri Susilaigrum da Suharoo Jurusa Saisika,
Lebih terperinciBAB III TINJAUAN PUSTAKA
BAB III TINJAUAN PUSTAKA 3.1. Defiisi Peramala Peramala adalah proses uuk memperkiraka berapa bayak kebuuha dimasa medaag yag melipui kebuuha dalam ukura kuaias, kualias, waku da lokasi yag dibuuhka dalam
Lebih terperinciAnalisis Peramalan Jumlah Penumpang Kereta Api Penataran Tujuan Surabaya-Malang
Analisis Peramalan Jumlah Penumpang Kerea Api Penaaran Tujuan Surabaya-Malang Oleh. Andria Prima Diago 08.00.0 Dosen Pembimbing. r. Dwiamono Agus, M.komp Andria Prima Diago 08.00.0 nsiu Teknologi Sepuluh
Lebih terperinciMODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR
Bulei Ilmiah Ma.Sa. da Terapaya (Bimaser) Volume 06, No. (07), hal -0. MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Ermawai, Helmi, Frasiskus
Lebih terperincimetodologi penelitian
pendahuluan injauan pusaka meodologi peneliian hasil dan pembahasan kesimpulan Pusaka Meodologi Peningkaan Energi lisrik Kebuuhan energi lisrik Pengembangan sisem energi lisrik Peramalan beban lisrik Slide
Lebih terperinciBAB IV METODOLOGI PENELITIAN
30 BAB IV METODOLOGI PENELITIAN 4.1 Beuk da Meode Peeliia Peeliia Opimalisasi da Sraegi Pemafaaa Souher Bluefi Tua di Samudera Hidia Selaa Idoesia diarahka pada upaya uuk megugkapa suau masalah aau keadaa
Lebih terperinciANALISIS PERAMALAN KOMBINASI TERHADAP JUMLAH PERMINTAAN DARAH DI SURABAYA (STUDI KASUS:
ANALISIS PERAMALAN KOMBINASI TERHADAP JUMLAH PERMINTAAN DARAH DI SURABAYA (STUDI KASUS: UDD PMI KOTA SURABAYA) Oleh: Winda Eka Febriana (0500) Pembimbing: Ir. Dwiamono Agus W., MIKom . LATAR BELAKANG DARAH
Lebih terperinciPENERAPAN METODE EXPONENTIAL SMOOTHING DALAM MEMPREDIKSI JUMLAH SISWA BARU (STUDI KASUS: SMK PEMDA LUBUK PAKAM)
Jural Pelia Iformaika, Volume 16, Nomor 3, Juli 2017 IN 2301-9425 (Media Ceak) PENERAPAN METODE EXPONENTIAL MOOTHING DALAM MEMPREDIKI JUMLAH IWA BARU (TUDI KAU: MK PEMDA LUBUK PAKAM) Kuriagara Mahasiswa
Lebih terperinciMETODOLOGI. Waktu dan Tempat. Alat dan Bahan
METODOLOGI Waku da Tempa Peeliia merupaka desk sudy dega megguaka daa sekuder da pegolaha daa dilakuka di Laboraorium Klimaologi Depareme Geofisika da Meeorologi, Fakulas Maemaika da Ilmu Pegeahua Alam,
Lebih terperinciPeramalan Inflasi Nasional Berdasarkan Faktor Ekonomi Makro Menggunakan Pendekatan Time Series Klasik dan ANFIS
JURNAL SAINS DAN SENI IS Vol. 4, No., () 2337-3 (2-928X Prin) D-67 Peramalan Inflasi Nasional Berdasarkan Fakor Ekonomi Makro Menggunakan Pendekaan ime Series Klasik dan ANFIS Clara Agusin Sephani, Agus
Lebih 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 terperinciPENERAPAN UKURAN KETEPATAN NILAI RAMALAN DATA DERET WAKTU DALAM SELEKSI MODEL PERAMALAN VOLUME PENJUALAN PT SATRIAMANDIRI CITRAMULIA
PENERAPAN UKURAN KETEPATAN NILAI RAMALAN DATA DERET WAKTU DALAM SELEKSI MODEL PERAMALAN VOLUME PENJUALAN PT SATRIAMANDIRI CITRAMULIA Iwa Sugkawa; Ries Tri Megasari Mahemaics & Saisics Deparme, School of
Lebih terperinciKata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting.
METODE INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) UNTUK MEMODELKAN HARGA GABAH DUNIA (INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY TO CAPTURE
Lebih terperinciMODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR
MODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR S - 27 Rukini, Suharono2 2,2 Jurusan Saisika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciBarekeng, Juni hal Vol. 1. No. 1
Barekeg, Jui 7 hal46-5 Vol No ANALISIS VARIANS MULTIVARIAT PADA EKSPERIMEN DENGAN RANCANGAN ACAK LENGKAP (Variace Mulivaria Aalysis for Eperime wih Complee Radom Desig Th PENTURY Jurusa Maemaika FMIPA
Lebih terperinciANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o
ANALII BEDA Fx. ugiyao da Agus usworo Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg Meguji apakah erdapa perbedaa yg sigifika
Lebih terperinciPERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS Puri Handayani NRP 1314 030 112 Dosen Pembimbing Dr. Brodjol Suijo Suprih Ulama, M.Si. Deparemen
Lebih terperinciNILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN
NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN Nomi Kelari *, Hasriai 2, Musraii 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua
Lebih terperinciBAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang
BAB II LANDASAN TEORI Dalam peulisa ugas akhir ii diperluka eori-eori yag medukug yag didapa dari maa kuliah yag perah dierima, da referesi-referesi sebagai baha pedukug. Uuk mecapai ujua dari peulisa
Lebih terperinci1999 sampai bulan September Data ini diperoleh dari yahoo!finance.
7 999 sampai bulan Sepember 8. Daa ini diperoleh dari yahoo!finance. Meode Langkah-langkah pemodelan nilai harian IHSG secara garis besar dapa diliha pada Lampiran dengan penjelasan sebagai beriku:. Melakukan
Lebih terperinciBeberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )
33 LAMPIRAN 34 35 Beberapa Defiisi Ruag Cooh Kejadia da Peluag Suau percobaa yag dapa diulag dalam kodisi yag sama, yag hasilya idak dapa diprediksi dega epa eapi kia bisa megeahui semua kemugkia hasil
Lebih terperinciBAB II KAJIAN PUSTAKA. dalam waktu (Hanke&Winchern, 2005: 58). Metode time series adalah metode
BAB II KAJIAN PUSTAKA A. Time Series Time series aau ruu wau adalah himpua observasi daa eruru dalam wau (Hae&Wicher, 005: 58). Meode ime series adalah meode peramala dega megguaa aalisa pola hubuga aara
Lebih terperinciBAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan
BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan
Lebih terperinciMODEL ARIMA(0,1,1) UNTUK PERAMALAN JUMLAH NASABAH PADA PT. PRUDENTIAL LIFE INSURANCE KOTA PEKANBARU TUGAS AKHIR
MODEL ARIMA(0,,) UNTUK PERAMALAN JUMLAH NASABAH PADA PT. PRUDENTIAL LIFE INSURANCE KOTA PEKANBARU TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais pada Jurusa Maemaika Oleh:
Lebih terperinciPERAMALAN HARGA SAHAM SYARI AH RUPIAH EQUITY FUND PT. PRUDENTIAL LIFE INSURANCE PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR.
PERAMALAN HARGA SAHAM SYARI AH RUPIAH EQUITY FUND PT. PRUDENTIAL LIFE INSURANCE PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais pada
Lebih terperinciANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro
ANALII BEA Agus usworo wi Marhaedro Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg sigifika di aara kelompok-kelompok Tekik
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 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 terperinciPeramalan Kebutuhan Bahan Bakar Premium di Depot Ampenan dengan Metode Hibrida Arima- Neural Network untuk Optimasi Persediaan
JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 202) ISSN: 230-928X D-94 Peramalan Kebuuhan Bahan Bakar Premium di Depo Ampenan dengan Meode Hibrida Arima- Neural Nework unuk Opimasi Persediaan Okivianis Kusumaningrum,
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan
Lebih terperinciPERAMALAN 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 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 terperinciKAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q)
KAJIA METODE BOOTSTRAP DALAM MEMBAGU SELAG KEPERCAYAA DEGA MODEL ARMA (p,q) Oleh : Rata Evyka E.S.A 06 00 043 Dose Pembimbig : Dra. uri Wahyuigsih, M.Kes Dra. Laksmi Prita W, M.Si Jurusa Matematika Fakultas
Lebih terperinci