PENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. APPLICATION OF ARIMA TO FORECASTING STOCK PRICE OF PT. TELOKM Tbk.
|
|
|
- Utami Kurniawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. Djoni Hatidja ) ) Program Studi Matematika FMIPA Universitas Sam Ratulangi, Manado dhatidja@yahoo.com ABSTRAK Penelitian ini bertujuan untuk mengetahui karakteristik data harga saham harian PT. Telkom, Tbk, membuat model dan melakukan prediksi harga saham PT. Telkom, Tbk bulan Mei sampai Juni tahun 20. Data yang digunakan adalah data sekunder yang diambil dari website perusahaan PT. Telkom, Tbk sejak Januari 200 sampai 30 Maret 20 untuk memprediksi harga saham Mei sampai Juni 20. Hasil penelitian menunjukkan bahwa model untuk harga saham maksimum adalah ARIMA (3,,3) dengan persamaan. Sedangkan model harga saham minimum adalah ARIMA (3,,) dengan persamaan. Prediksi harga saham maksimum dan minimum PT. Telkom, Tbk untuk bulan Mei sampai Juni didapatkan harga saham berkisar antara Rp sampai Rp Kata Kunci : ARIMA, PT. Telkom Tbk., Stasioner APPLICATION OF ARIMA TO FORECASTING STOCK PRICE OF PT. TELOKM Tbk. ABSTRACT The objevtives of this research was to knowed the daily stock price of PT. Telkom, Tbk, make models and predicted May up to June 20 using the data from 2008 up to March 20. Data that are used by secondary data and take from website of PT. Telkom, Tbk since January 200 to March 20 for predicting May to June 20. The results showed that the maximum stock price model was ARIMA (3,,3) with. While the minimum stock price model was ARIMA (3,,) with. Predicted maximum and minimum stock price of PT. Telkom Tbk. for May to June was Rp to Rp Keywords: ARIMA, PT. Telkom Tbk., stationary PENDAHULUAN Latar Belakang PT. Telekomunikasi Indonesia, Tbk adalah perusahaan informasi dan komunikasi serta penyedia jasa dan jaringan telekomunikasi secara lengkap di Indonesia. PT. Telkom, Tbk merupakan salah satu BUMN yang sahamnya saat ini dimiliki oleh Pemerintah Indonesia sebesar 52,74% dan sisanya oleh publik. Pada Tahun 2007 perekonomian dunia diguncang dengan adanya krisis ekonomi global yang dimulai dari negara adikuasa yaitu Amerika dan semakin dirasakan dampaknya pada tahun Sebagai bagian dari pelaku perekonomian dunia, Indonesia tidak terlepas dari pengaruh krisis global yang terjadi walaupun dengan presentase yang bervariasi (Ahmad, 2009).
2 Hatidja: Penerapan Model Arima.. 7 Pokok permasalahannya adalah para investor sangat tertarik dalam memiliki saham perusahaan dalam hal ini PT. Telekomunikasi Indonesia, Tbk untuk mengetahui lebih jelasnya kapan waktu yang cocok untuk membeli saham dan menjualnya kembali. Terlebih untuk PT. Telkom, Tbk sendiri yang merupakan penyedia jasa jaringan telekomunikasi terbesar di Indonesia dengan banyak kompetitor yang ada. Kemampuan untuk memprediksi atau forecast merupakan salah satu teknik analisis yang bisa membantu para pelaku pasar modal untuk menentukan dasar pengambilan keputusan stategis yang bisa memberikan mereka keuntungan. Suatu pendugaan secara ilmiah terhadap masa depan akan jauh lebih berarti ketimbang pendugaan hanya mengandalkan intuisi saja. Pada tahun 2009 Wongkar mencoba memprediksi saham PT. Telkom, Tbk tahun 2009 dengan data dari tahun 200 sampai 2008 menggunakan data harga saham harian mingguan dengan metode Simple Exponential Smoothing. Dari latar belakang penelitian sebelumnya maka penulis mencoba memprediksi harga saham PT. Telkom, Tbk menggunakan metode ARIMA (Autoregressive Integrated Moving Average). Tujuan. Mengetahui karakteristik data harga saham harian PT. Telkom, Tbk tahun 2008 sampai Membuat model dan melakukan prediksi harga saham PT. Telkom, Tbk bulan Mei sampai Juni tahun 20 menggunakan data tahun 2008 sampai Maret 20 TINJAUAN PUSTAKA ARIMA (Autoregressive Integrated Moving Average) Metode Autoregressive Integrated Moving Average (ARIMA) atau biasa disebut juga sebagai metode BoxJenkins merupakan metode yang secara intensif dikembangkan oleh George Box dan Gwilym Jenkins pada tahun 970 (Iriawan, 2006). Kelompok model time series yang termasuk dalam metode ini antara lain: autoregressive (AR), moving average (MA), autoregressivemoving average (ARMA), dan autoregressive integrated moving average (ARIMA) (Razak, 2009). Model Autoregresif (Autoregressive, AR) Model Autoregresif (AR) pertama kali diperkenalkan oleh Yule pada tahun 926 dan dikembangkan oleh Walker pada tahun 93, model ini memiliki asumsi bahwa data periode sekarang dipengaruhi oleh data pada periode sebelumnya. Model Autoregresif dengan ordo p disingkat AR(p) atau ARIMA (p,0,0) dan diformulasikan sebagai berikut (Halim, 2006) : ( ) Dimana: Μ= konstanta; :koefisien parameter autoregresif kep; :Variabel bebas; :sisaan pada saat ket Model Ratarata Bergerak (Moving Average, MA) Proses Moving Average berorde q menyatakan hubungan ketergantungan antara nilai pengamatan dengan nilainilai kesalahan yang berurutan dari periode t sampai tq. (Sartono, 2006). Model Moving Average (MA) pertama kali diperkenalkan oleh Slutzky pada tahun 973, dengan orde q ditulis MA (q) atau ARIMA (0,0,q) dikembangkan oleh Wadsworth pada tahun 989 yang memiliki formulasi sebagai berkut (Halim, 2006). (2) Dimana : Μ= konstanta; koefisien parameter moving average keq; =sisaan pada saat ket. Model ARMA (Autoregressive Moving Average) Model AR (p) dan MA (q) dapat disatukan menjadi model yang dikenal dengan Autoregressive Moving Average (ARMA), sehingga memiliki asumsi bahwa data periode sekarang dipengaruhi oleh data pada periode sebelumnya dan nilai sisaan pada periode sebelumnya (Assauri, 984). Model ARMA dengan berorde p dan q ditulis ARMA (p,q) atau ARIMA (p,0,q)
3 8 Jurnal Ilmiah Sains Vol. No., April 20 yang memiliki formulasi sebagai berikut (Halim, 2006) :.(3) Dimana: =Variabel tidak bebas; =Parameter =konstanta; Autoregresif; =koefisien parameter moving average; = Variabel bebas; =sisaan pada saat ke tq Model ARIMA (Autoregressive Integrated Moving Average) Model AR, MA dan ARMA menggunakan asumsi bahwa data deret waktu yang dihasilkan sudah bersifat stasioner. Pada kenyataannya, data deret waktu lebih banyak bersifat tidak stasioner (Sadeq, 2008). Jika data tidak stasioner maka metode yang digunakan untuk membuat data stasioner dilakukan adalah differencing untuk data yang tidak stasioner dalam ratarata dan proses transformasi untuk data yang tidak stasioner dalam varian (Mulyana, 2004). Bentuk umum model ARIMA dapat dinyatakan dalam persamaan berikut (Sartono, 2006): ( ) ( ) ( ) Dimana : : pengamatan saat t : Parameter autoregresif (Autoregressive) B : Operator geser mundur d : Parameter pembedaan (differencing) : Parameter konstan : Parameter rataan bergerak (Moving Average) : sisaan (error) Model ARIMA (p,d,q) merupakan model umum dari regresi deret waktu sebab ARIMA (p,0,0) sama dengan AR (p), ARIMA (0,0,q) sama dengan MA (p) dan ARIMA (p,0,q) sama dengan ARMA (k,p). Data berupa nilai saham maksimum dan minimum PT. Telkom, Tbk yang diperoleh dari Teknik Analisis Data Suatu model time series dikatakan baik apabila telah sesuai dengan kenyataan. Dengan kata lain, apabila kesalahan (error) model semakin kecil, maka model bisa dikatakan baik (Iriawan, 2006). Analisis Data dilakukan menggunakan metode ARIMA dengan bantuan software statistika yaitu MINITAB 4. Langkah langkah penerapan metode ARIMA secara berturutturut adalah:. Pemeriksaan Kestasioneran Data 2. Identifikasi model dalam ARIMA. Melalui plot ACF dan PACF kita dapat menentukan model ARIMA yang bisa digunakan dalam prediksi. 3. Penentuan Parameter p, d dan q dalam ARIMA. 4. Penentuan persamaan model ARIMA. Koefisienkoefisien yang digunakan dihasilkan dari hasil analisis parameter model ARIMA dengan yang terkecil. 5. Validasi Prediksi. 6. Prediksi. Langkah selanjutnya adalah dengan menggunakan model terbaik untuk prediksi. Jika model terbaik telah ditetapkan, model itu siap digunakan untuk prediksi harga saham Telkom bulan Mei sampai Juni 20 HASIL DAN PEMBAHASAN Harga Saham Harian Maksimum PT. Telkom, Tbk Tahun 2009 sampai Maret 20 Eksplorasi data harga saham harian maksimum PT. Telkom, Tbk dilakukan melalui plot deret waktu untuk periode 2009 sampai Maret 20 selama 544 hari dapat dilihat pada gambar. METODE PENELITIAN Jenis dan Sumber Data Data yang digunakan untuk penulisan ini adalah data sekunder dari Januari 2008 saampai dengan Maret 20 (data harian).
4 Autocorrelation Autocorrelation d Partial Autocorrelation max 2009maret 20 Hatidja: Penerapan Model Arima Time Series Plot of max 2009maret 20 metode pembedaan (Differencing). Hasilnya dapat dilihat dari gambar Index Gambar. Plot Data Harga Saham Harian Maksimum PT. Telkom, Tbk Tahun 2009 sampai Maret 20 Pada gambar terlihat harga saham diawali dengan Rp pada tanggal 5 Januari 2009 kemudian terjadi penurunan pada bulan Februari 2009 menjadi Rp tapi berangsur naik sampai Rp pada bulan Desember 200 kemudian menurun dan naik kembali sampai akhirnya ditutup pada tanggal 3 Maret senilai Rp Dari gambar juga bisa terlihat bahwa data belum stasioner karena masih mengalami perubahan seiring perubahan waktu. Selain menggunakan plot data untuk mengetahui karakteristik data, plot data juga dapat diamati melalui koefisien Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF) Lag ACF max 2009 sampai maret 20 Gambar 2. Fungsi Autokorelasi Data Harga Saham Harian Maksimum PT. Telkom, Tbk Tahun 2009 sampai Maret 20 Dari gambar 2 dan 3 dapat dilihat bahwa koefisien autokorelasi berbeda secara signifikan dari nol dan mengecil secara perlahan sedangkan semua koefisien autokorelasi parsial mendekati nol setelah lag pertama. Kedua hal tersebut menunjukkan bahwa data bersifat tidak stasioner khususnya tidak stasioner dalam ratarata, padahal metode ARIMA memerlukan data yang bersifat stasioner. Karena itu perlu dilakukan PACF max 2009 sampai maret Lag Gambar 3. Fungsi Autokorelasi Parsial Data Harga Saham Harian Maksimum PT. Telkom, Tbk Tahun 2009 sampai Maret Time Series Plot of max 2009maret 20 selisih orde Index Gambar 4. Plot Data Harga Saham Harian Maksimum PT. Telkom, Tbk Tahun 2009 sampai Maret 20 Selisih Orde Pada gambar 4 data telah melalui proses pembedaan tingkat. Dari data tersebut dapat diamati adanya data yang sudah bersifat stasioner. Proses pembedaan yang sudah dilakukan mengindikasikan bahwa nilai d yang bisa dipakai adalah nilai d =. Setelah data sudah stasioner maka dilakukan plot untuk melihat model ARIMA yang akan digunakan. Dengan melihat plot ACF dan PACF seperti pada gambar 5 dan gambar Lag ACF max 2009 sampai maret 20 selisih orde Gambar 5. Fungsi Autokorelasi Data Harga Saham Harian Maksimum PT. Telkom, Tbk Tahun 2009 sampai Maret 20 Selisih Orde
5 Harga saham (Rp) Partial Autocorrelation 20 Jurnal Ilmiah Sains Vol. No., April PACF max 2009 sampai maret 20 selisih orde dapat diestimasi oleh Minitab. Sehingga diketahui bahwa parameter p=3, d=, q=3 atau ARIMA (3,,3) dengan nilai yang terkecil yaitu 823 dapat digunakan untuk memprediksi harga saham maksimum PT. Telkom, Tbk bulan Mei sampai Juni Gambar 6. Fungsi Autokorelasi Parsial Data Harga Saham Harian Maksimum PT. Telkom, Tbk Tahun 2009 sampai Maret 20 Selisih Orde Dari gambar 5 dan 6 dapat dilihat koefisien ACF dan PACF menurun secara eksponensial. Apabila ACF dan PACF turun secara eksponensial atau secara cepat maka hal ini menunjukkan bahwa model ARIMA yang bisa digunakan adalah model ARIMA (p,d,q). Untuk mengetahui nilai parameter ARIMA yang lebih terperinci dilakukan penentuan parameter p, d dan q. Tingkat akurasi prediksi dapat diukur melalui niali (Mean Square Error) yang terkecil sehingga dapat diambil keputusan apabila suatu model layak digunakan. Tabel. Penentuan p, d dan q dengan untuk Data Harga Saham Harian Maksimum PT. Telkom, Tbk Tahun 2009 sampai Maret 20 Selisih Selisih 2 Selisih 3 Param eter Parame ter Parame ter (0,,0) (0,2,0) (0,3,0) (,,0) 8497 (,2,0) (,3,0) (2,,0) 840 (2,2,0) (2,3,0) (3,,0) 8348 (3,2,0) 2363 (3,3,0) (0,,) 8472 (0,2,) (0,3,) (,,) 8485 (,2,) (,3,) (2,,) (2,2,) (2,3,) (3,,) 8349 (3,2,) (3,3,) (0,,2) 8446 (0,2,2) (0,3,2) (,,2) 8325 (,2,2) (,3,2) (2,,2) 8349 (2,2,2) (2,3,2) (3,,2) 896 (3,2,2) 8395 (3,3,2) (0,,3) 8273 (0,2,3) (0,3,3) (,,3) 8293 (,2,3) (,3,3) (2,,3) 8335 (2,2,3) (2,3,3) 3730 (3,,3) 823 (3,2,3) 8360 (3,3,3) Dari tabel terdapat 48 model yang bisa digunakan untuk prediksi harga saham maksimum dengan data tahun 2009 sampai Maret 20, berdasarkan teori semakin kecil nilai yang dihasilkan maka model semakin baik. nilai yang tidak terisi menandakan parameter tersebut tidak 35 Lag Menentukan Persamaan Model ARIMA (p,d,q) pada Data Harga Saham Harian Maksimum PT. Telkom, Tbk Tahun 2009 sampai Maret 20 Dari hasil penentuan parameter diperoleh ARIMA (3,,3) dengan koefisienkoefisen yaitu: AR :0.0352, AR 2:0.029, AR 3:0.4443, MA : 0.294, MA 2:0.044, MA 3:0.575 dan Konstanta: (Lampiran 7). Dibuat analisis persamaan sebagai berikut untuk ARIMA (3,,3) menjadi : ( ) ( ) ( ) Validasi Prediksi pada Data Harga Saham Harian Maksimum PT. Telkom, Tbk Tahun 2009 sampai Maret 20 Validasi ini dilakukan agar bisa mengetahui kondisi data sebenarnya dengan hasil prediksi harga saham maksimum harian PT. Telkom, Tbk tahun 2009 sampai Maret 20 menggunakan model ARIMA (3,,3). Dengan membandingkan hasil prediksi untuk bulan April tahun 20 terhadap data sebenarnya sebelum digunakan untuk Mei sampai Juni didapatkan nilai sebesar dan nilai R yaitu Interpretasi grafik dapat dilihat pada gambar 7: Validasi saham maksimum April 20 forecast actual Gambar 7. Data Harga Saham Harian Maksimum Sebenarnya dan Prediksi PT.Telkom, Tbk April Tahun 20
6 min 2009maret 20 Hatidja: Penerapan Model Arima.. 2 Dari tampilan gambar 7 harga saham maksimum PT.Telkom April tahun 20 tidak terlalu jauh berbeda dengan harga prediksi menggunakan ARIMA (3,,3). Oleh karena itu ARIMA (3,,3) bisa digunakan untuk memprediksi harga saham maksimum PT. Telkom, Tbk bulan Mei sampai Juni tahun 20. Prediksi Data Harga Saham Harian Maksimum PT. Telkom, Tbk Bulan Mei sampai Juni Tahun 20 Dari tabel hasil perhitungan dan interpretasi grafik yang telah ada dapat diketahui bahwa hasil prediksi untuk harga saham maksimum PT. Telkom, Tbk bulan Mei sampai Juni tahun 20 dapat dilakukan dengan menggunakan data harga saham harian tahun 2009 sampai Maret 20, hasilnya seperti pada tabel 2. Tabel 2. Prediksi Harga Saham Harian Maksimum PT. Telkom, Tbk Bulan Mei sampai Juni Tahun 20 Mei Prediksi Juni Prediksi 2/05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /06/ /06/ Harga Saham Harian Minimum PT. Telkom, Tbk Tahun 2009 sampai Maret 20 Eksplorasi data harga saham harian minimum PT. Telkom, Tbk dilakukan melalui plot deret waktu untuk periode 2009 sampai Maret 20 selama 544 hari dapat dilihat pada gambar Time Series Plot of min 2009maret Index Gambar 8. Plot Data Harga Saham Harian Minimum PT. Telkom, Tbk Tahun 2009 sampai Maret 20 Pada gambar 8 terlihat harga saham diawali dengan Rp pada tanggal 4 Januari 2009 dan kemudian terjadi penurunan pada bulan Februari 2009 yang mencapai Rp tapi berangsur naik sampai Rp pada bulan Desember 2009 kemudian sempat menurun dan naik kembali sampai akhirnya ditutup pada tanggal 3 Maret 20 sebesar Rp Dari gambar 8 juga terlihat bahwa data belum stasioner hal ini karena data masih bergerak seiring perubahan waktu. Proses selanjutnya adalah sama dengan data maksimum, yaitu plot ACF, PACF, pembedaan sehingga diperoleh parameter p, d, dan q. Untuk mengetahui nilai parameter ARIMA yang lebih terperinci dilakukan penentuan parameter p, d dan q. Penentuan p, d dan q dapat dilakukan melalui nilai (Mean Square Error) yang terkecil. Tabel 3. Penentuan p, d dan q dengan untuk Data Harga Saham Harian Minimum PT.Telkom, Tbk Tahun 2009 sampai Maret 20 Selisih Selisih 2 Selisih 3 Parameter Parameter Parameter (0,,0) (0,2,0) (0,3,0) (,,0) 750 (,2,0) (,3,0) (2,,0) 752 (2,2,0) (2,3,0) (3,,0) 748 (3,2,0) (3,3,0) (0,,) 752 (0,2,) (0,3,) (,,) 7540 (,2,) (,3,) (2,,) 753 (2,2,) (2,3,) (3,,) 7336 (3,2,) (3,3,) (0,,2) 752 (0,2,2) (0,3,2) (,,2) 7499 (,2,2) (,3,2) (2,,2) 7360 (2,2,2) (2,3,2) (3,,2) 7390 (3,2,2) (3,3,2) (0,,3) 7396 (0,2,3) 9883 (0,3,3) (,,3) 7342 (,2,3) (,3,3) (2,,3) 7368 (2,2,3) (2,3,3) (3,,3) 7337 (3,2,3) 7542 (3,3,3)
7 Harga saham (Rp) 22 Jurnal Ilmiah Sains Vol. No., April 20 Dari tabel 3 terdapat 48 model yang bisa digunakan untuk prediksi harga saham minimum dengan data tahun 2009 sampai Maret 20, namun berdasarkan teori semakin kecil nilai yang dihasilkan suatu model maka model semakin baik. nilai yang tidak terisi menandakan bahwa parameter tersebut tidak dapat diestimasi oleh Minitab. Sehingga dapat diketahui bahwa parameter p = 3, d =, q = atau ARIMA (3,,) dengan nilai yang terkecil yaitu 7336 dapat digunakan untuk memprediksi harga saham minimum PT. Telkom, Tbk bulan Mei sampai Juni tahun 20. Menentukan Persamaan Model ARIMA (p,d,q) Pada Data Harga Saham Harian Minimum PT.Telkom, Tbk tahun 2009 sampai Maret 20 Hasil penentuan parameter diperoleh ARIMA (3,,) dengan koefisienkoefisien sebagai berikut yaitu: AR : ; AR 2: 0.057; AR 3: 0.077; MA : ; Konstanta: 0.05 (Lampiran 9) dibuat analisis persamaan untuk ARIMA (3,,) menjadi: ( ) ( ) ( ) ( ) Validasi Prediksi pada Data Harga Saham Harian Minimum PT. Telkom, Tbk Tahun 2009 sampai Maret 20 Validasi ini dilakukan agar mengetahui kondisi data sebenarnya dengan hasil prediksi harga saham maksimum harian PT. Telkom, Tbk tahun 2009 sampai Maret tahun 20 menggunakan model ARIMA (3,,). Dengan membandingkan hasil prediksi terhadap data aktual April tahun 20, sebelum digunakan untuk Mei sampai Juni 20 didapatkan nilai yaitu dan R (Root Mean Square) senilai Dari tampilan gambar 9, harga saham minimum PT. Telkom April 20 tidak terlalu jauh berbeda dengan harga prediksi untuk April 20 menggunakan ARIMA (3,,). Oleh karena itu ARIMA (3,,) bisa digunakan untuk memprediksi harga saham maksimum PT. Telkom, Tbk bulan Mei sampai Juni tahun 20. Validasi saham minimum April forecast actual Gambar 9. Data Harga Saham Harian Minimum Sebenarnya dan Prediksi PT.Telkom, Tbk April Tahun 20 Prediksi Harga Saham Harian Minimum PT. Telkom, Tbk bulan Mei sampai Juni Tahun 20 Dari hasil perhitungan dan interpretasi grafik yang telah ada dapat diketahui bahwa, hasil prediksi untuk harga saham minimum PT. Telkom, Tbk tahun 20 dapat dilakukan dengan menggunakan data harga saham harian tahun 2009 sampai Maret 20. Hasil dari prediksi harga saham minimum PT. Telkom, Tbk bulan Mei sampai Juni dapat dilihat pada Tabel 4. Tabel 4. Prediksi Harga Saham Minimum PT. Telkom, Tbk Bulan Mei sampai Juni Tahun 20 Mei Prediksi Juni Prediksi 2/05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /05/ /06/ /06/ /06/
8 Hatidja: Penerapan Model Arima.. 23 KESIMPULAN Model untuk harga saham maksimum adalah ARIMA (3,,3) dengan persamaan:. Sedangkan harga saham minimum adalah ARIMA (3,,) dengan persamaan:. Prediksi harga saham maksimum dan minimum PT. Telkom, Tbk untuk bulan Mei sampai Juni didapatkan harga saham berkisar antara Rp sampai Rp DAFTAR PUSTAKA Anonim Harga saham PT.Telkom, Tbk. ( saham, oktober 200 April 20). Anonim Profil Perusahaan PT. Telkom ( Oktober 200). Assauri, S Teknik dan Metode Peramalan. Penerapannya Dalam Ekonomi dan Dunia Usaha Edisi Satu. LP Fakultas Ekonomi UI. Jakarta. Halim Diktat Time Series. Universitas Kristen Petra. Surabaya. Iriawan, N dan P.S. Astuti Mengolah Data Statistik Dengan Mudah Menggunakan Minitab 4. Penerbit Andi. Yogyakarta. Mulyana Buku Ajar Analisis Deret Waktu. Universitas Padjajaran FMIPA Jurusan Statistika. Bandung Razak. Abd. Fadhilah Load Forecasting Using Time Series Models. Jurnal Kejuruteraan. 2: 5362 Sadeq. A Analisis Prediksi Indeks Harga Saham Gabungan dengan Metode ARIMA [Tesis]. Pasca Sarjana UNDIP. Semarang Sartono, B Modul Kuliah Pelatihan Time Series Analysis. IPB. Bogor
PREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)
PREDIKSI HARGA SAHAM PT. BRI, MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average) Greis S. Lilipaly ), Djoni Hatidja ), John S. Kekenusa ) ) Program Studi Matematika FMIPA UNSRAT Manado
Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA
Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA Jeine Tando 1, Hanny Komalig 2, Nelson Nainggolan 3* 1,2,3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan
BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola data yang sistematis (Makridakis, 1999). Peramalan menggunakan pendekatan
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan digunakanan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalis kendala atau memaksimalkan pengembangan baik
FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA
FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA 1) Nurul Latifa Hadi 2) Artanti Indrasetianingsih 1) S1 Program Statistika, FMIPA, Universitas PGRI Adi Buana Surabaya 2)
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010
Statistika, Vol., No., Mei PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI Reksa Nila Anityaloka, Atika Nurani Ambarwati Program Studi S Statistika Universitas Muhammadiyah
BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di Indonesia sejak tahun enam puluhan telah diterapkan Badan Meteorologi, Klimatologi, dan Geofisika di Jakarta menjadi suatu direktorat perhubungan udara. Direktorat
METODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015
III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
BAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi
PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA
KEMENTERIAN PEKERJAAN UMUM BADAN PENELITIAN DAN PENGEMBANGAN PUSAT PENELITIAN DAN PENGEMBANGAN SUMBER DAYA AIR PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA PENDAHULUAN Prediksi data runtut waktu.
BAB 2 LANDASAN TEORI
1 BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan metode ARIMA box jenkins untuk meramalkan kebutuhan bahan baku. 2.1. Peramalan Peramalan
Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah
Vol. 9, No., 9-5, Januari 013 Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Fitriani, Erna Tri Herdiani, M. Saleh AF 1 Abstrak Dalam analisis deret waktu
LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU. Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins
LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU Kelas A Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins No Nama Praktikan Nomor Mahasiswa Tanggal Pengumpulan 1 29 Desember 2010 Tanda Tangan Praktikan
PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP
PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP SKRIPSI Disusun oleh : DITA RULIANA SARI NIM. 24010211140084 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
PENERAPAN METODE ARIMA DALAM MERAMALKAN INDEKS HARGA KONSUMEN (IHK) INDONESIA TAHUN 2013
La Pimpi //Paradigma, Vol. 17 No. 2, Oktober 2013, hlm. 35-46 PENERAPAN METODE ARIMA DALAM MERAMALKAN INDEKS HARGA KONSUMEN (IHK) INDONESIA TAHUN 2013 1) La Pimpi 1 Staf Pengajar Jurusan Matematika, FMIPA,
BAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Iklim Iklim ialah suatu keadaan rata-rata dari cuaca di suatu daerah dalam periode tertentu. Curah hujan ialah suatu jumlah hujan yang jatuh di suatu daerah pada kurun waktu
Metode Deret Berkala Box Jenkins
METODE BOX JENKINS Metode Deret Berkala Box Jenkins Suatu metode peramalan yang sistematis, yang tidak mengasumsikan suatu model tertentu, tetapi menganalisa deret berkala sehingga diperoleh suatu model
III. METODE PENELITIAN
38 III. METODE PENELITIAN A. Konsep Dasar dan Batasan Operasional Konsep dasar dan definisi opresional mencakup pengertian yang dipergunakan untuk mendapatkan dan menganalisis data sesuai dengan tujuan
PROSPEK PERDAGANGAN KOPI ROBUSTA INDONESIA DI PASAR INTERNASIONAL. (Indonesian Robusta Coffee Trade Prospects In The International Markets)
PROSPEK PERDAGANGAN KOPI ROBUSTA INDONESIA DI PASAR INTERNASIONAL (Indonesian Robusta Coffee Trade Prospects In The International Markets) Devi Chandra, R. Hanung Ismono, Eka Kasymir Program Studi Agribisnis,
PERAMALAN STOK BARANG UNTUK MEMBANTU PENGAMBILAN KEPUTUSAN PEMBELIAN BARANG PADA TOKO BANGUNAN XYZ DENGAN METODE ARIMA
PERAMALAN STOK BARANG UNTUK MEMBANTU PENGAMBILAN KEPUTUSAN PEMBELIAN BARANG PADA TOKO BANGUNAN XYZ DENGAN METODE ARIMA Tanti Octavia 1), Yulia 2), Lydia 3) 1) Program Studi Teknik Industri, Universitas
Peramalan Permintaan Paving Blok dengan Metode ARIMA
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Peramalan Permintaan Paving Blok dengan Metode ARIMA Adin Nofiyanto 1,Radityo Adi Nugroho 2, Dwi Kartini 3 1,2,3 Program
PERAMALAN JUMLAH PENUMPANG BANDARA I GUSTI NGURAH RAI DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA)
M-11 2) PERAMALAN JUMLAH PENUMPANG BANDARA I GUSTI NGURAH RAI DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) Naili Farkhatul Jannah 1), Muhammad Bahtiar Isna Fuady 2), Sefri
Model Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan
METODE BOX JENKINS Model Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan utk semua tipe pola data. Dapat
BAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Variabel ARIMA menggunakan variabel dependen harga saham LQ45 dan variabel independen harga saham LQ45 periode sebelumnya, sedangkan ARCH/GARCH menggunakan variabel dependen
PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 110 117 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
BAB 2 LANDASAN TEORI. datang. Kegunaan dari peramalan terlihat pada saat pengambilan keputusan.
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang datang. Kegunaan dari peramalan terlihat pada saat pengambilan keputusan. Keputusan yang
II. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya
II. TINJAUAN PUSTAKA 2.1 Stasioner Analisis ARIMA Autoregressive Integrated Moving Average umumnya mengasumsikan bahwa proses umum dari time series adalah stasioner. Tujuan proses stasioner adalah rata-rata,
Perbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG
JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Print) A-34 Perbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG Mey Lista Tauryawati
PERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA
Jurnal UJMC, Volume 2, Nomor 1, Hal. 28-35 pissn : 2460-3333 eissn: 2579-907X PERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA Novita Eka Chandra 1 dan Sarinem 2 1 Universitas
PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)
PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR) SKRIPSI Oleh : PRISKA RIALITA HARDANI 24010211120020 DEPARTEMEN STATISTIKA FAKULTAS
BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini, akan dilakukan analisis dan pembahasan terhadap data runtun waktu. Adapun data yang digunakan dalam penelitian ini merupakan data sekunder, yaitu data
PERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS
Saintia Matematika ISSN: 2337-9197 Vol. 02, No. 03 (2014), pp. 253 266. PERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS
BAB 2. Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah sesuatu kegiatan situasi atau kondisi yang diperkirakan akan
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Defenisi Peramalan Peramalan adalah suatu kegiatan dalam memperkirakan atau kegiatan yang meliputi pembuatan perencanaan di masa yang akan datang dengan menggunakan data masa lalu
PERAMALAN NILAI EKSPOR DI PROPINSI SUMATERA UTARA DENGAN METODE ARIMA BOX-JENKINS
Saintia Matematika Vol. 1, No. 6 (2013), pp. 579 589. PERAMALAN NILAI EKSPOR DI PROPINSI SUMATERA UTARA DENGAN METODE ARIMA BOX-JENKINS Raisa Ruslan, Agus Salim Harahap, Pasukat Sembiring Abstrak. Dalam
TINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang
II.. TINJAUAN PUSTAKA Indeks Harga Konsumen (IHK Menurut Monga (977 indeks harga konsumen adalah ukuran statistika dari perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang didapatkan.
Pemodelan ARIMA Non- Musim Musi am
Pemodelan ARIMA Non- Musimam ARIMA ARIMA(Auto Regresif Integrated Moving Average) merupakan suatu metode analisis runtun waktu(time series) ARIMA(p,d,q) Dengan AR : p =orde dari proses autoreggresif I
PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER
PKMT-2-13-1 PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER Umi Rosyiidah, Diah Taukhida K, Dwi Sitharini Jurusan Matematika, Universitas Jember, Jember ABSTRAK
PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Seminar Nasional Matematika dan Aplikasinya, 21 Oktober 27 PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE
VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE (Studi Kasus : Kecepatan Rata-rata Angin di Badan Meteorologi Klimatologi dan Geofisika Stasiun Meteorologi Maritim Semarang) SKRIPSI
Prediksi Harga Saham dengan ARIMA
Prediksi Harga Saham dengan ARIMA Peramalan harga saham merupakan sesuatu yang ditunggu-tunggu oleh para investor. Munculnya model prediksi yang baru yang bisa meramalkan harga saham secara tepat merupakan
BAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 DATA MINING Data Mining adalah analisis otomatis dari data yang berjumlah banyak atau kompleks dengan tujuan untuk menemukan pola atau kecenderungan yang penting yang biasanya
ANALISA BOX JENKINS PADA PEMBENTUKAN MODEL PRODUKSI PREMI ASURANSI KENDARAAN BERMOTOR RODA EMPAT
ANALISA BOX JENKINS PADA PEMBENTUKAN MODEL PRODUKSI PREMI ASURANSI KENDARAAN BERMOTOR RODA EMPAT Mei Taripar Pardamean S.,SKom Jl. Makmur No.1 Ciracas Jakarta Timur mtp95@yahoo.com ABSTRAK Tujuan dari
Bab IV. Pembahasan dan Hasil Penelitian
Bab IV Pembahasan dan Hasil Penelitian IV.1 Statistika Deskriptif Pada bab ini akan dibahas mengenai statistik deskriptif dari variabel yang digunakan yaitu IHSG di BEI selama periode 1 April 2011 sampai
LULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI
LULIK PRESDITA W 1207 100 002 APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI 1 Pembimbing : Dra. Nuri Wahyuningsih, M.Kes BAB I PENDAHULUAN 2 LATAR BELAKANG 1. Stabilitas ekonomi dapat dilihat
PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS
PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS Oleh : Agustini Tripena ABSTRACT In this paper, forecasting the consumer price index data and inflation. The method
ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG
ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG SKRIPSI Disusun Oleh : NOVIA DIAN ARIYANI 24010211120016 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Prediksi Laju Inflasi di Kota Ambon Menggunakan Metode ARIMA Box Jenkins
Statistika, Vol. 16 No. 2, 95 102 November 2016 Prediksi Laju Inflasi di Kota Ambon Menggunakan Metode ARIMA Box Jenkins FERRY KONDO LEMBANG Jurusan Matematika Fakultas MIPA Universitas Pattimura Ambon
Artikel Ilmiah. Peneliti : Auditya Gianina Bernadine Amaheka ( ) Michael Bezaleel Wenas, S.Kom., M.Cs.
Analisis Peramalan Penerimaan Pajak Kendaraan Bermotor dengan Metode Autoregressive Integrated Moving Average (ARIMA) (Studi Kasus : Dinas Pendapatan dan Pengelolaan Aset Daerah Provinsi Jawa Tengah) Artikel
BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Peramalan pada dasarnya merupakan proses menyusun informasi tentang kejadian masa lampau yang berurutan untuk menduga kejadian di masa depan (Frechtling, 2001:
DAFTAR ISI. BAB I PENDAHULUAN Latar Belakang Masalah Rumusan Masalah Batasan Masalah Tujuan Penelitian...
DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii HALAMAN PERNYATAAN... iii NASKAH SOAL TUGAS AKHIR... iv HALAMAN PERSEMBAHAN... v INTISARI... vi KATA PENGANTAR... vii UCAPAN TERIMA KASIH... viii
Program Studi Matematika, Institut Teknologi Kalimantan, Balikpapan
J. Math. and Its Appl. E-ISSN: 2579-8936 P-ISSN: 1829-605X Vol. 14, No. 2, Desember 2017, 25-37 Perbandingan Metode ARIMA dan Double Exponential Smoothing pada Peramalan Harga Saham LQ45 Tiga Perusahaan
Analisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan
SEMINAR PROPOSAL TUGAS AKHIR Analisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan OLEH: NAMA : MULAZIMATUS SYAFA AH NRP : 13.11.030.021 DOSEN PEmbimbing: Dr.
Spesifikasi Model. a. ACF
Dept. Statistika IPB, 0 Spesifikasi Model Ada tiga tahapan iterasi dalam pemodelan data deret waktu, yaitu:. Penentuan model tentatif (spesifikasi model) berdasarkan data contoh untuk mengidentifikasi
Analisis Peramalan Data Produk Domestik Regional Bruto (PDRB) Sebagai Tolak Ukur Kinerja Perekonomian Provinsi Kepulauan Bangka Belitung
Analisis Peramalan Data Produk Domestik Regional Bruto (PDRB) Sebagai Tolak Ukur Kinerja Perekonomian Provinsi Kepulauan Bangka Belitung Desy Yuliana Dalimunthe Jurusan Ilmu Ekonomi, Fakultas Ekonomi,
BAB II TINJAUAN PUSTAKA. autokovarians (ACVF) dan fungsi autokorelasi (ACF), fungsi autokorelasi parsial
BAB II TINJAUAN PUSTAKA Berikut teori-teori yang mendukung penelitian ini, yaitu konsep dasar peramalan, konsep dasar deret waktu, proses stokastik, proses stasioner, fungsi autokovarians (ACVF) dan fungsi
Peramalan Penjualan Pipa di PT X
Elviani, et al. / Peramalan Penjualan Pipa di PT X / Jurnal Titra, Vol.. 2, No. 2, Juni 2014, pp. 55-60 Peramalan Penjualan Pipa di PT X Cicely Elviani 1, Siana Halim 1 Abstract: In this thesis we modeled
PENERAPAN METODE BOX-JENKINS UNTUK PERAMALAN PENCEMARAN UDARA OLEH PARAMETER KARBON MONOKSIDA (CO) DI KOTA PEKANBARU TUGAS AKHIR.
PENERAPAN METODE BOX-JENKINS UNTUK PERAMALAN PENCEMARAN UDARA OLEH PARAMETER KARBON MONOKSIDA (CO) DI KOTA PEKANBARU TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains
MODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI
MODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI Diajukan Kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta
ANALISIS KELAYAKAN RENCANA PEMBUKAAN SHOWROOM MOBIL OLEH PT XYZ BERDASARKAN RAMALAN PERMINTAAN DI BANDA ACEH
Saintia Matematika Vol. 1, No. 1 (2013), pp. 41 50. ANALISIS KELAYAKAN RENCANA PEMBUKAAN SHOWROOM MOBIL OLEH PT XYZ BERDASARKAN RAMALAN PERMINTAAN DI BANDA ACEH Maradu Naipospos, Pengarapen Bangun, Gim
PEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU SULAWESI TENGAH
JIMT Vol. 12 No. 2 Desember 2016 (Hal 149-159) ISSN : 2450 766X PEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU SULAWESI TENGAH 1 Y. Wigati, 2 Rais, 3 I.T.
BAB 2 LANDASAN TEORI. Ramalan pada dasarnya merupakan perkiraan mengenai terjadinya suatu yang akan
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Ramalan pada dasarnya merupakan perkiraan mengenai terjadinya suatu yang akan datang. Peramalan adalah proses untuk memperkirakan kebutuhan di masa datang
PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI)
PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) Liana Kusuma Ningrum dan Winita Sulandari, M.Si. Jurusan Matematika,
AKURANSI ARIMA DALAM PERAMALAN INFLASI KOTA BANDUNG
AKURANSI ARIMA DALAM PERAMALAN INFLASI KOTA BANDUNG Muhamad Nawawi mnnierri@gmail.com ABSTRAK Inflation is as one of economic development indicator has an important role to public s economic prosperity
Peramalan Kecepatan Angin Di Kota Pekanbaru Menggunakan Metode Box-Jenkins
Peramalan Kecepatan Angin Di Kota Pekanbaru Menggunakan Metode Box-Jenkins Ari Pani Desvina 1, Melina Anggriani 2,2 Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau Jl. HR.
MODEL ARMA (AUTOREGRESSIVE MOVING AVERAGE) UNTUK PREDIKSI CURAH HUJAN DI KABUPATEN SEMARANG JAWA TENGAH - INDONESIA. Salatiga, Jawa Tengah, Indonesia
MODEL ARMA (AUTOREGRESSIVE MOVING AVERAGE) UNTUK PREDIKSI CURAH HUJAN DI KABUPATEN SEMARANG JAWA TENGAH - INDONESIA Adi Nugroho 1, Bistok Hasiholan Simanjuntak 2 1 Staf pengajar di Fakultas Teknologi Informasi
BAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Pendahuluan Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan
ANALISIS INTERVENSI FUNGSI STEP
ANALISIS INTERVENSI FUNGSI STEP (Studi Kasus Pada Jumlah Pengiriman Benda Pos Ke Semarang Pada Tahun 2006 2011) SKRIPSI Diajukan Sebagai Syarat untuk Memperoleh Gelar Sarjana Sains Pada Jurusan Statistika
PERAMALAN PEMAKAIAN ENERGI LISTRIK DI MEDAN DENGAN METODE ARIMA
Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 1 (2014), pp. 55 69. PERAMALAN PEMAKAIAN ENERGI LISTRIK DI MEDAN DENGAN METODE ARIMA John Putra S Tampubolon, Normalina Napitupulu, Asima Manurung Abstrak.
Perkapalan Negeri Surabaya, Surabaya Program Studi Teknik Otomasi, Jurusan Teknik Kelistrikan Kapal, Politeknik Perkapalan Negeri
Perbandingan Metode Autoregressive Integrated Moving Average (ARIMA) dan Exponential Smoothing pada Peramalan Penjualan Klip (Studi Kasus PT. Indoprima Gemilang Engineering) Aditia Rizki Sudrajat 1, Renanda
III. METODE PENELITIAN
15 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penelitian Perkembangan ekonomi dan bisnis dewasa ini semakin cepat dan pesat. Bisnis dan usaha yang semakin berkembang ini ditandai dengan semakin banyaknya
PERBANDINGAN MODEL PADA DATA DERET WAKTU PEMAKAIAN LISTRIK JANGKA PENDEK YANG MENGANDUNG POLA MUSIMAN GANDA ABSTRAK
PERBANDINGAN MODEL PADA DATA DERET WAKTU PEMAKAIAN LISTRIK JANGKA PENDEK YANG MENGANDUNG POLA MUSIMAN GANDA Gumgum Darmawan 1), Suhartono 2) 1) Staf Pengajar Jurusan Statistika FMIPA UNPAD 2) Staf Pengajar
PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI ABSTRAK
PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI Trio Yonathan Teja Kusuma 1, Sandra Praharani Nur Asmoro 2 1,2)
BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Teknologi informasi telah berkembang dengan relatif pesat. Di era
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Teknologi informasi telah berkembang dengan relatif pesat. Di era informasi seperti sekarang ini kebutuhan akan informasi semakin meningkat, terutama dengan
BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Salah satu indikator tingkat kesejahteraan rakyat dapat dilihat dari perkembangan angka kematian balita, dikarenakan kematian balita berkaitan erat dengan keadaan ekonomi,
Penerapan Model ARIMA
Penerapan Model ARIMA (Bagian I) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 016 1 Ada tiga tahapan iterasi dalam pemodelan data deret waktu, yaitu: 1. Penentuan model tentatif (spesifikasi model)
Application of ARIMA Models
Application of ARIMA Models We have learned how to model using ARIMA Stages: 1. Verify whether the data we are analyzing is a stationary data using ACF or other methods 2. If the data is not stationer,
BAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Mulai Studi Pendahuluan Studi Pustaka Identifikasi Masalah Perumusan Masalah Tujuan Pengumpulan Data 1. Profil Perusahaan PT. Mensa Binasukses cabang kota Padang 2. Data forecasting
ARIMA and Forecasting
ARIMA and Forecasting We have learned linear models and their characteristics, like: AR(p), MA(q), ARMA(p,q) and ARIMA (p,d,q). The important thing that we have to know in developing the models are determining
DAFTAR ISI. HALAMAN JUDUL. i. LEMBAR PERSETUJUAN ii LEMBAR PENGESAHAN. iii LEMBAR PERNYATAAN.. iv
DAFTAR ISI HALAMAN JUDUL. i LEMBAR PERSETUJUAN ii LEMBAR PENGESAHAN. iii LEMBAR PERNYATAAN.. iv ABSTRAK. v ABSTRACT... vi KATA PENGANTAR... vii DAFTAR ISI.. ix DAFTAR TABEL. xii DAFTAR GAMBAR xiii DAFTAR
HASIL DAN PEMBAHASAN Eksplorasi Data Suhu Udara Rata-rata
suhu 18 20 22 24 26 28 30 32 ragam, maka dilakukan transformasi Box-Cox. d. Mengidentifikasi model. Dalam tahap ini akan didapat model-model sementara, dengan melihat plot ACF dan PACF. e. Pendugaan parameter
Penerapan Metode ARCH/GARCH Dalam Peramalan Indeks Harga Saham Sektoral
Jurnal Sains Matematika dan Statistika, Vol 2, No I, Januari 206 Penerapan Metode ARCH/GARCH Dalam Peramalan Indeks Harga Saham Sektoral Ari Pani Desvina, Nadyatul Rahmah 2,2 Jurusan Matematika Fakultas
BAB I PENDAHULUAN. 1.1 Latar Belakang. Rumah Sakit merupakan salah satu faktor yang penting dalam kehidupan
BAB I PENDAHULUAN 1.1 Latar Belakang Rumah Sakit merupakan salah satu faktor yang penting dalam kehidupan masyarakat. Terutama untuk mendapatkan layanan kesehatan ketika sakit atau ketika membutuhkan pelayanan
Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer
Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer 1 Faridah Yuliani dan 2 Dr. rer pol Heri Kuswanto 1,2 Jurusan Statistika
BAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan (Forceasting) 2.1.1 Pengertian Peramalan Untuk memajukan suatu usaha harus memiliki pandangan ke depan yakni pada masa yang akan datang. Hal seperti ini yang harus dikaji
TEKNIK PERAMALAN DENGANMODEL AUTOREGRESSIVE CONDITIONALHETEROSCEDASTIC (ARCH) (Studi KasusPada PT. Astra Agro Lestari Indonesia Tbk)
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 2 (2013), hal 71 78. TEKNIK PERAMALAN DENGANMODEL AUTOREGRESSIVE CONDITIONALHETEROSCEDASTIC (ARCH) (Studi KasusPada PT. Astra Agro Lestari
Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia. Oleh : Pomi Kartin Yunus
Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia Oleh : Pomi Kartin Yunus 1306030040 Latar Belakang Industri manufaktur yang berkembang pesat
JSIKA Vol. 5, No. 8, Tahun 2016 ISSN X
JSIKA Vol., No. 8, Tahun 6 ISSN 233837X Analisis Peramalan Menggunakan Metode Arif Rahman ) Sulistiowati 2) Julianto Lemantara 3) Program Studi/Jurusan Sistem Informasi Institut Bisnis dan Informatika
ABSTRAK. Kata kunci : Data Runtun Waktu, Indeks Harga Konsumen, ARIMA, Analisis Intervensi, Fungsi Step, Peramalan. I Pendahuluan
Analisis Model Intervensi Fungsi Step Terhadap Indeks Harga Konsumen (IHK) Zuhairini Azzahra A 1, Suyono 2, Ria Arafiyah 3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
BAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pajak merupakan sumber kas negara yang digunakan untuk pembangunan. Undang- Undang Republik Indonesia Nomor 16 Tahun 2000 tentang Ketentuan Umum Dan Tata Cara Perpajakan
PERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 1 8 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH
PERHITUNGAN VALUE AT RISK HARGA SAHAM DENGAN MENGGUNAKAN VOLATILITAS ARCH-GARCH DALAM KELOMPOK SAHAM LQ 45 ABSTRACT
PERHITUNGAN VALUE AT RISK HARGA SAHAM DENGAN MENGGUNAKAN VOLATILITAS ARCH-GARCH DALAM KELOMPOK SAHAM LQ 45 Boy A Lumban Gaol 1, Tumpal Parulian Nababan 2, Haposan Sirait 2 1 Mahasiswa Program Studi S1
PERAMALAN PENJUALAN TEH HIJAU DENGAN METODE ARIMA (STUDI KASUS PADA PT. MK)
PERAMALAN PENJUALAN TEH HIJAU DENGAN METODE ARIMA (STUDI KASUS PADA PT. MK) Zulhamidi 1, Riski Hardianto 2 1,2) Politeknik ATI Padang Email: zulhamidi@gmail.com; riskii.hardianto@gmail.com Abstrak Peramalan
PERAMALAN HASIL PRODUKSI ALUMINIUM BATANGAN PADA PT INALUM DENGAN METODE ARIMA
Saintia Matematika Vol. 1, No. 1 (2013), pp. 1 10. PERAMALAN HASIL PRODUKSI ALUMINIUM BATANGAN PADA PT INALUM DENGAN METODE ARIMA Lukas Panjaitan, Gim Tarigan, Pengarapen Bangun Abstrak. Dalama makalah
Peramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series
JURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (2017) ISSN: 2337-3520 (2301-928X Print) D-157 Peramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series Moh Ali Asfihani dan Irhamah
PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)
PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) Oleh : Nofinda Lestari 1208 100 039 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
PEMODELAN DATA RUNTUK WAKTU PADA DATA PRODUKSI SUSU SAPI DI AMERIKA SEJAK TAHUN
PEMODELAN DATA RUNTUK WAKTU PADA DATA PRODUKSI SUSU SAPI DI AMERIKA SEJAK TAHUN 1962 1975 Jantini Trianasari Natangku dan Fitria Puspitoningrum Mahasiswa Program Studi Matematika Fakultas Sains dan Matematika
IV. HASIL DAN PEMBAHASAN
9 menguji kelayakan model sehingga model sementara tersebut cukup memadai. Salah satu caranya adalah dengan menganalisis galat (residual). Galat merupakan selisih antara data observasi dengan data hasil
HALAMAN PERSETUJUAN PEMBIMBING...iii. HALAMAN PENGESAHAN...iv. HALAMAN PERSEMBAHAN... vi. KATA PENGANTAR... viii. DAFTAR ISI... x. DAFTAR TABEL...
HALAMAN PERSETUJUAN PEMBIMBING...iii HALAMAN PENGESAHAN...iv MOTTO... v HALAMAN PERSEMBAHAN... vi KATA PENGANTAR... viii DAFTAR ISI... x DAFTAR TABEL... xi DAFTAR GAMBAR... xii DAFTAR LAMPIRAN... xiv PERNYATAAN...