PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT
|
|
- Benny Dharmawijaya
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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 Fakulas Maemaika dan Ilmu Pengeahuan Alam, Universias Muhammadiyah Semarang 2 Jurusan Maemaika Fakulas Sains dan Maemaika, Universias Diponegoro Semarang Program Sudi Pendidikan Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam, Universias Muhammadiyah Semarang Alama sriwahyuniunimus2@gmail.com ABSTRAK Peramalan Indeks Harga Saham Gabungan (IHSG) dapa digunakan unuk mengurangi resiko dari suau pengambilan kebijakan ekonomi Indonesia. Kuala Lumpur Sock Exchange (KLSE) sebagai variabel yang mempengaruhi IHSG dengan korelasi 9,4%. Kedekaan anara IHSG dan KLSE karena negara yang berdekaan biasanya memiliki invesor yang sama. Penggunaan meode fungsi ransfer single inpu dengan daa Februari 2 sampai November 2 menghasilkan model [,,][,] dan b,r,s (,,) sera menghasilkan ramalan 66 bulan kemudian. Ramalan yang dihasilkan dapa dijadikan acuan sampai Mei 26 dengan Mean Absolue Prosenaion Error (MAPE) selama 2 bulan sebesar,2. Kaa Kunci : IHSG, KLSE, Peramalan, Fungsi Transfer PENDAHULUAN Peramalan merupakan ehnik unuk memperkirakaan keadaan di masa depan sehingga, dapa digunakan sebagai policemaker dari kejadian yang idak diinginkan. Fungsi ransfer adalah suau eknik peramalan guna mendapakan nilai prediksi masa depan dari suau dere berkala ( oupu aau y ) didasarkan pada nilai-nilai masa lalu dari dere iu sendiri (y ) dan pengaruhnya menyebar dari variabel inpu ke variabel oupu oleh karena iu model fungsi ransfer merupakan eknik peramalan yang dinamis []. Fungsi ransfer merupakan pengembangan dari ARIMA dan regresi linear, minimal erdapa dua variabel. Aplikasi fungsi ransfer pada peneliian ini, digunakan pada peramalan indeks harga saham gabungan (IHSG) erhadap indeks harga saham Malaysia (KLSE). Hal ini dikarenakan negara yang berdekaan saling berpengaruh []. [4] menyaakan bahwa biasanya negara yang berdekaan memilki invesor yang sama. IHSG (y ) memiliki korelasi sebesar 9,4% erhadap KLSE (x ). Peneliian yang dilakukan memiliki perbedaan dengan peneliian dari [6] dan [8]. Kedua peneliian ersebu menggunakan regresi linear dan ARIMA sedangkan penulis menggunakan Fungsi ransfer yang merupakan pengembangan ARIMA dengan regresi linear. ARIMA digunakan unuk peramalan jangka pendek sedangkan fungsi ransfer unuk jangka panjang. Time series merupakan serangkaian pengamaan berdasarkan uruan waku dan anar uruan waku pada suau variabel yang berdekaan saling berkorelasi. Arinya, iap pengamaan 49
2 Saisika, Vol. 2, No. 2, November 24 yang diambil dari variabel yang berkorelasi dengan variabel iu sendiri pada waku sebelumnya merupakan model yang dinamis []. Proses sokasik adalah suau proses variabel random yang nilainya idak dapa dienukan secara pasi, eapi dirumuskan dengan pendekaan probabilisik. Proses sasioner adalah proses keseimbangan yang akan menjadikan daa konsan. Kesasioneran daa arinya daa idak naik maupun urun aau flukuasi daa berada disekiar raa-raa dan varian yang konsan. Keidaksasioneran dalam ime series dibedakan menjadi dua (2), yaiu idak sasioner dalam mean (disebabkan idak konsan) dan idak sasioner dalam varians (disebabkan 2 yang dependen erhadap dere waku). Tidak sasioner dalam mean dapa diaasi dengan melakukan differencing (pembedaan) dan sabilizing varians (ransformasi) unuk mensasionerkan varians. Fungsi ransfer dapa digunakan unuk menjelaskan pengaruh fungsi frekuensi pada lieraur Box, Jenkins dan Reinsel. Persamaan fungsi ransfer adalah y v ( B ) x n. Parameer v (B) menjelaskan adanya orde fungsi ransfer. Operaor (B) menunjukan operaor backshif. Keika x dan n diasumsikan mengarah pada beberapa model ARMA persamaan fungsi ransfer y v ( B ) x n dapa disebu sebagai ARMAX model []. Model fungsi ransfer adalah suau model yang menggambarkan nilai prediksi masa depan dari suau dere berkala ( oupu aau y ) didasarkan pada nilai-nilai masa lalu dari dere iu sendiri (x ) dan berdasarkan pula pada sau aau lebih dere berkala yang berhubungan dere ( inpu x ) dengan dere oupu ersebu. Model fungsi ransfer merupakan fungsi dinamis, yang pengaruhnya idak hanya pada hubungan linier anara waku ke- inpu x dan waku ke- oupu y, eapi berpengaruh juga erhadap hubungan saa inpu x dengan saa, +, +2,, +k pada oupu y. Benuk umum model fungsi ransfer single inpu (x ) dan single oupu (y ) adalah []: y v ( B ) x n () keerangan : y = dere oupu x = dere inpu = pengaruh kombinasi dari seluruh fakor yang mempengaruhi y v(b) = (v + v B + + v k B k ), di mana k adalah orde fungsi ransfer. 2 s ( B) B 2B... s B menyaakan besarnya kenaikan level r (mean)dan ( B) B B 2... B 2 r menyaakan benuk delay aau decay dari proses sebagai respon masing-masing. Besarnya s pada (B) menunjukkan awal erjadinya penundaan, sedangkan r pada (B) menunjukkan benuk di mana jika r= merngakibakan respon berupa delay aau decay dan r= 2 mengakibakan respon berupa gelombang sinus []. Semenara b merupakan waku jeda seelah. METODE PENELITIAN Dere inpu (x ) dan dere oupu (y ) erenu dalam benuk daa menah, erdapa empa ahap uama dan beberapa sub-ahap didalam proses yang lengkap dari pembenukan model fungsi ransfer [] sebagai beriku: Tahap I : Idenifikasi Model Fungsi Transfer Tahap idenifikasi digunakan unuk meliha perilaku dan karakerisik dari daa yang ada (daa inpu dan oupu). Dalam ahap ini akan diperoleh fungsi ransfer ( ) dengan langkah-langkah sebagai beriku:
3 Saisika, Vol. 2, No. 2, November 24 a. Mempersiapkan dere inpu dan oupu yang sasioner. b. Prewhiening dere inpu pada dere inpu unuk mendapa dere yang whie noise (α ) c. Prewhiening dere oupu pada dere oupu unuk mendapa dere yang wihe noise (β ) d. Menghiung fungsi korelasi silang aau (Cross Correlaion Funcion) CCF dan Auocorrelaion unuk dere inpu dan dere oupu seelah dilakukan prewhiening e. Penaksiran langsung bobo respons impuls. Dalam hal ini korelasi silang anara dan dikalikan dengan sandar deviasi dari dere dan dibagi oleh sandar deviasi dari dere. f. Peneapan (b, r, s) unuk model fungsi ransfer g. Penaksiran awal dere noise (n ) h. Peneapan p dan q unuk model ARIMA dari dere noise Tahap II: Penaksiran Parameerparameer Model Fungsi Transfer. Meode penaksiran parameer menggunakan maximum likelihood esimaion. Tahap III: Uji Diagnosis Model Fungsi Transfer. Taksiran parameer yang dihasilkan pada model awal perlu dilakukan pengujian guna meliha apakah model yang didapa sudah memenuhi asumsi yang elah dieapkan sehingga layak digunakan sebagai model sebenarnya. Ada beberapa langkah yang dapa dilakukan dalam pengujian ini, anara lain: ) Pemeriksaan Auokorelasi unuk Residual Model. 2) Penghiungan Crosscorrelaion anara Residual dengan Inpu Prewhiening. Komponen whie noise independen, maka fungsi cross correlaion anara (a ) dengan ( ) idak akan menunjukkan pola erenu dan berada dianara dua sandar deviasi 2(n-k) /2. Tahap IV: Penggunaan Model Fungsi Transfer Unuk Peramalan. Jika dan keduanya sasioner dan berhubungan maka peramalan dengan model fungsi ransfer dapa dilakukan. HASIL PENELITIAN Perkembangan indeks saham gabungan Indonesia dipengaruhi oleh berbagai fakor. Fakor-fakor yang mempengaruhi indeks saham gabungan di Indonesia erbagi menjadi fakor eksernal dan fakor inernal. Dalam hal ini akan dibahas fakor eksernal yang mempengaruhi perkembangan indeks saham gabungan Indonesia yaiu indeks saham negara erdeka. Hal ini disebabkan negara-negara yang berdekaan biasanya memiliki invesor yang sama. Beriku saisik dari indeks saham gabungan Indonesia. IHSG Time Series Plo of IHSG 2 28 Index Gambar. Perkembangan IHSG Periode Februari 2 Sampai November 2. Berdasarkan Gambar dapa diliha bahwa pola perkembangan nilai IHSG selama periode bulan Februari ahun 2 sampai dengan bulan November 2 naik urun. Perkembangan IHSG selama periode Februari 2 sampai November 2 memiliki raa - raa sebesar 99, rupiah. Nilai minimum 29,6 rupiah erjadi pada bulan April 2. Kesepakaan maupun perjanjianperjanjian ekonomi seperi G
4 Saisika, Vol. 2, No. 2, November 24 menyebabkan Indeks harga saham mengalami kenaikan [2]. Korelasi yang sanga inggi anara IHSG dengan KLSE sebesar,94 menunjukkan adanya hubungan yang linear yang kua, arinya bahwa semakin inggi IHSG semakin inggi pula KLSE. Analisis fungsi ransfer digunakan unuk menggambarkan IHSG sebagai dere oupu (y ) dan dere KLSE yang berperan sebagai dere inpu (x ). Pemodelan pola IHSG (dere oupu), maka erlebih dahulu dilakukan pemodelan erhadap dere inpu, yaiu Indeks saham Malaysia (KLSE) dengan plo ime series. Time series berari pengamaan berdasarkan perilaku dari daa variabel []. Dari pengamaan berdasarkan plo ime series dikeahui daa idak sasioner dalam mean dan varian, maka perlu dilakukan ransformasi lalu didifferencing. KLSE Time Series Plo of KLSE 2 28 Index Gambar 2. Plo Daa KLSE Februari 2 sampai November 2. Model ARIMA yang erbenuk harus memenuhi asumsi residual whie noise dan berdisribusi normal. Model yang erbaik adalah ARIMA (,,) yang mempunyai nilai AIC erkecil, yaiu Selain iu, model ini elah memenuhi asumsi residual whie noise. Sedangkan, unuk asumsi disribusi normalnya jika P value (,) > =% [2]. Secara maemais model KLSE ini dapa diuliskan sebagai beriku: (,844B) x = (,68. Di mana x = ( B) x. Sehingga prewhiening unuk dere inpu (KLSE) dapa diuliskan sebagai beriku: (,844B) x = (2) (,68B) Apabila model dere inpu sudah layak unuk digunakan maka selanjunya dere oupu dipaksakan mengikui model dere inpu unuk menjaga inegrias hubungan fungsional, sehingga nilai residual dari KLSE belum enu whie noise. Secara maemais model dere oupu (IHSG) yang elah diprewhiening dapa diulis sebagai beriku: (,844) y = () (,68B) Fungsi korelasi silang (CCF) merupakan suau fungsi yang menjelaskan korelasi anara variabel IHSG dan KLSE. Dengan meliha lag yang signifikan pada plo CCF ini maka dapa dienukan bahwa nilai-nilai (b, r, s) yang memungkinkan adalah (,,). Hal ini menunjukkan bahwa dere inpu akan mempengaruhi dere oupu pada lag ke sehingga dapa dikaakan bahwa apabila erjadi perubahan pada nilai IHSG pada waku ke maka akan berpengaruh erhadap perubahan KLSE pada waku yang sama. Seelah dienukan nilai-nilai dari (b, r, s) maka fungsi ransfer dengan nilai b=, r=, dan s= dapa diuliskan sebagai beriku: v(b) x = ( ) x (4) Model dari noise ( n ) yang sesuai model ARIMA (,,). Secara maemais model dari noise ( n ) ersebu dapa diuliskan sebagai beriku: ( B ) a n = () ( B ) Seelah didapakan model yang sesuai unuk noise ( n ) maka selanjunya dapa disusun model fungsi ransfer IHSG sebagai beriku: ( B B) a y =( )x + ( B B B ) 6) Model fungsi ransfer IHSG dengan KLSE yang elah dihasilkan perlu diuji kelayakannya sehingga model dapa dipergunakan. Pengujian ini melipui pengujian signifikansi parameer dan 2
5 Saisika, Vol. 2, No. 2, November 24 pengujian kesesuaian asumsi residual. Didapakan parameer model fungsi ransfer signifikan layak masuk model. Sebagai caaan nilai T hiung merupakan nilai mulak maka, mengabaikan nilai yang negaif. Persamaan fungsi ransfer IHSG sebagai beriku: y =(,462)x + (,889 B,69 B ) a (,462B,498 B,22B ) () =,4622,498,28 +,462,494 +,24 +,2829,889 +,69 + ) (8) Model fungsi ransfer di aas dapa diarikan bahwa nilai IHSG pada waku ke dipengaruhi oleh nilai dirinya sendiri pada waku ke -, -2, -, -4, - dan - 6. Disamping iu peramalan IHSG dipengaruhi oleh KLSE pada waku ke, - -2, -, -4, - dan -6 sera nilai residual pada waku ke, -, -, -4, - dan -6. Misalkan adalah peramalan pada bulan Desember 2 maka, IHSG akan dipengaruhi oleh dirinya sendiri pada bulan November 2, Okober 2, Sepember 2, Agusus 2, Juli 2 dan Juni 2. IHSG dipengaruhi oleh KLSE pada Desember 2, November 2, Sepember 2, Agusus 2, Juli 2 dan Juni 2. Sedangkan residual pada bulan Desember 2, November 2 dan Agusus 2. Pengujian erhadap parameerparameer model elah selesai dilakukan, maka selanjunya dilakukan pegujian erhadap nilai residual model. Nilai residual model harus memenuhi dua asumsi yang elah dieapkan, yaiu mengikui proses whie noise dan mempunyai disribusi normal. Tabel auokorelasi residual dapa menjelaskan peramalan model fungsi ransfer unuk enam puluh enam (66) bulan kemudian. Hal ini dapa diarikan bahwa model dapa menjelaskan peramalan sampai Mei 26. Seelah diperoleh bahwa residual model fungsi ransfer mengikui proses whie noise maka langkah selanjunya dilakukan pengujian normalias erhadap residualnya sebagai beriku: Gambar. Plo Residual Normal Persamaan Model Fungsi Transfer. Nilai p-value lebih besar dari, sehingga, dapa disimpulkan bahwa model dere inpu independen. Model yang elah dibua unuk dere inpu dapa mewakili perilaku dere inpu sehingga idak ada bagian dere inpu yang idak erjelaskan dan berkumpul pada dere noise. Keepaan suau model dalam meramalkan kejadian yang akan erjadi dikemudian waku sangalah pening maka perlu dilakukan validasi. Model dikaakan valid karena semua hasil ramalan berada dalam baas selang kepercayaan 9%. Daa dalam peneliian ini menggunakan ransformasi ln, unuk mengembalikan ransformasi ln digunakan exponenial. Model dikaakan baik jika pada raining memiliki AIC erkecil dan pada daa esing ramalan berada pada selang kepercayaan sera memiliki MAPE semakin kecil. Pada daa raining AIC sebesar -28,22 pada model fungsi ransfer [,,],[,]. Validasi daa dilakukan dengan menguji model raining dengan menggunakan daa Desember 2 sampai November 22 dengan menghiung nilai MAPE dan meliha selang kepercayaan. Hasil dari
6 Saisika, Vol. 2, No. 2, November 24 penghiungan MAPE selama 2 bulan sebesar,2 dan nilai ramalan dari daa esing berada pada selang kepercayaan 9%. Hal ini dapa disimpulkan bahwa model fungsi ransfer [,,],[,] dapa digunakan unuk meramalkan enam puluh enam bulan kemudian dengan ingka kepercayaan 9%. Dari plo ersebu dapa diliha bahwa nilai IHSG selama 2 bulan mendaang cukup flukuaif dengan pola yang cenderung hampir sama. Des- Mar-2 Jun-2 Sep-2 akual ramalan ba_bw ba_aas Gambar 4. Plo Ramalan 2 Bulan ke Depan, Baas Bawah dan Aas. Ramalan merupakan suau prediksi kejadian yang akan daang. Ramalan IHSG pada bulan Desember 2 sampai November 22 dapa dijadikan evaluasi unuk peramalan selanjunya. Anara daa akual dan ramalan saling berhimpi menunjukkan ramalan yang dilakukan dapa dijadikan acuan. Raa-raa ramalan eringggi IHSG berada pada posisi bulan Agusus 22 dengan 64, sedangkan pada daa akual erjadi pada bulan Okober 22. Sedangkan, ramalan IHSG erendah dalam kurun Desember 2 sampai November 22 yaiu 8,2 yang merupakan raa-raa bulan Mare 22 dengan raa-raa IHSG erendah pada kenyaaanya erjadi pada Desember 2. Akhir 2 IHSG bergerak posiif didukung dari senimen invesmen grade dari Fich Raings kepada Indonesia yang berakiba pada masuknya aliran dana asing ermasuk ke bursa saham []. Daa akual pada Mei 22 mengalami penurunan akiba krisis Yunanai (GaleriSaham.com). Anara Ramalan dan daa akual Mei 22 selisih 29,92 poin lalu pada Juni 22 selisish,9 poin. Sedangkan pada Juni 22 erjadi pergerakan saham akiba kenaikan uang muka BI sehingga IHSG erus mengua eapi hasilnya lebih bagus di ahun 22. Tabel. Hasil Peramalan IHSG Desember 2 - November 22. Bulan Desember 2 Januari 22 Februari 22 Mare 22 Akua l 82, 99 94, 69 98, 2 42, April 22 48, Mei 22 82, 82 Juni 22 9, 8 Juli , 4 Agusus 46, 22 Sepember 22 Okober 22 November , 6 4, , 4 Rama lan meng gunak an fungs i ransf er 68, 66 69, 92 88, 8, 2 96, 622, 9 6, 6 6, 64, 69, 6, 6, 28 9% Confidence Inerval Baas Bawah 69, 6 62,6 4,4 48, 2 44,2 4 98,6 66, 2, 29, 6 22,8 28,4 6 66, Baas Aas 88, 8, 8, 89, 8684, 9,9 984, 98,2 2, 8 689, 92, 9, Kesimpulan hasil ramalan dierima dengan ingka kesalahan =%. Pemodelan dengan fungsi ransfer dapa meramalkan dalam jangka panjang pada peramalan IHSG dengan KLSE sebanyak enam puluh enam bulan (66) kedepan. Arinya peramalan yang dilakukan dengan daa Februari 2 sampai 4
7 Saisika, Vol. 2, No. 2, November 24 November 2 dapa meramalkan IHSG dari Desember 2 sampai Mei 26. Oleh karena peramalan IHSG Desember 2 sampai Februari 24 elah erjadi, maka peramalan yang dilakukan dapa dijadikan evaluasi ramalan. Sedangkan peramalan IHSG bulan Mare 24 sampai Mei 26 dapa dijadikan acuan peramalan selanjunya. KESIMPULAN Hasil analisa didapakan bahwa KLSE sebesar,94, arinya hubungan anara IHSG dan KLSE sanga kua. KLSE merupakan indeks saham negara erdeka dengan Indonesia yang memiliki pengaruh erkua. Model fungsi ransfer dari IHSG yang dipengaruhi oleh KLSE adalah sebagai beriku: y =(,462)x + (,889B (,4622B,69B ) a,498b,28b ) (9) dan model fungsi ransfer yang elah sasioner sebagai beriku: =,4622,498,28 +,462,494 +,24 +,2829,882 +,69 + ) () Model fungsi ransfer elah erbenuk maka peramalan unuk 2 bulan kedepan dapa dikeahui. Peramalan unuk dua belas (2) bulan ke depan berada pada selang kepercayaan 9%, arinya peramalan dikaakan baik. Jika di liha dari nilai auokorelasi dapa dijelaskan bahwa pemodelan fungsi ransfer dapa meramalkan enam puluh enam (66) bulan kemudian. Berdasarkan hasil analisis yang sudah dilakukan, maka ada beberapa saran yang perlu diperhaikan :. Fungsi ransfer merupakan model yang erbenuk minimal dua variabel, sehingga korelasi yang kua memegang peranan yang pening dalam membenuk peramalan. 2. Dalam menduga model ramalan suau variabel, perlu diperimbangkan variabel-variabel lain yang berpengaruh. Arinya perlu dilakukan pemodelan fungsi ransfer muli inpu. Perlunya model fungsi ransfer muli inpu agar ramalan yang digunakan bisa lebih menggambarkan kondisi di lapangan.. Beberapa daa menunjukkan oulier Daa dengan oulier IHSG diunjukkan pada bulan Mei 2 yang merupakan nilai erendah dan oulier eringgi diunjukkan Okober 2 dengan raa-raa IHSG 99, yang merupakan raaraa dari bulan Februari 2 sampai November 2. DAFTAR PUSTAKA [] Abraham, B and Johannes L. 2. Saisical Mehodes for Forcasing, A. Jhon Wiley and Sons Inc.,New Jersey. [2] Aswi dan Sukarna. 26. Analisis Dere Waku Teori dan Aplikasi. (.2) Adira Publisher: Makassar. [] Aniyaloka, R. dan Aika, N.A. 22. Peramalan Saham Jakaraa Islamic Index Menggunakan Meode ARIMA Bulan Mei-Juli 2. Jurnal Saisika. Vol, No:-. [4] Hidayah, N. 22. Pengaruh Indeks Bursa Asia Tenggara Terhadap Indeks Harga Saham Gabungan (IHSG) di Bursa Efek Indonesia. Reposiory.Gunadarma.ac.id/...//PRE
8 Saisika, Vol. 2, No. 2, November 24 SENTASI.pdf. Sepember 24. Pukul 2.. [] Mansur, M. 2. Pengaruh Indeks Bursa Global erhadap Indeks Harga Saham Gabungan (IHSG) pada Bursa Efek Jakara (BEJ) Periode Tahun 2-2. Sosiohumaniora Vol, No :2-29. [6] Mauliano, D. A.29. Analisis fakorfakor yang mempengaruhi indeks harga saham gabungan di BEI. Tugas akhir.universias Gunadarma. [] Mufidah. 2. Pemodelan dan Peramalan Nilai Barang Jaminan di Perum Pegadaian Sidoarjo. Tugas akhir. ITS. [8] Sadeq, A. 28. Analisis prediksi indeks saham gabungan dengan meode ARIMA pada IHSG di Bursa Efek Jakara. Thesis. Universias Diponegoro. [9] Sunariyah. 26. Pengeahuan Pasar Modal (Edisi ke -). UPP STIM.YKPN: Yogyakara. [] Wei, W.W.S. 26. Time Series Analysis Univariae and Mulivariae Mehods, Addison-Wesley Company Inc., New York. 6
BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan
Lebih 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 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 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 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 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 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 terperinciBAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF
BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun
43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan
Lebih terperinciPeramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk
Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk Oleh : Dwi Hapsari K (1306 100 015) Dosen Pembimbing : Dra. Karika Firiasari, M.Si 1 Pendahuluan Laar Belakang, Perumusan Masalah, Tujuan
Lebih terperinciBAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena
Lebih 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 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 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 terperinciBAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang
BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang
Lebih terperinciBAB 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 terperinciPemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network
D-378 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (26) 2337-3520 (23-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi pada Plaform MK di PT X Menggunakan Meode ARIMA, Neural Nework, dan Hibrida ARIMA-Neural
Lebih terperinciBAB 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 terperinciPemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun
Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro
Lebih terperinciBAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel
BAB III ANALISIS INTERVENSI 3.1. Pendahuluan Analisis inervensi dimaksudkan unuk penenuan jenis respons variabel ak bebas yang akan muncul akiba perubahan pada variabel bebas. Box dan Tiao (1975) elah
Lebih 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiaan memperkirakan apa yang akan erjadi pada masa yang akan daang. Ramalan adalah sesuau kegiaan siuasi aau kondisi yang diperkirakan akan erjadi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan
BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi
Lebih terperinciBAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu
BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,
Lebih terperinciBAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan
BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,
Lebih 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 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 terperinciPerancangan Sistem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Metode Triple Exponential Smoothing
Jurnal Ilmiah Teknologi dan Informaika ASIA (JITIKA) Vol.10, No.2, Agusus 2016 ISSN: 0852-730X Perancangan Sisem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Meode Triple Exponenial Smoohing Tria
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis Peneliian Jenis peneliian kuaniaif ini dengan pendekaan eksperimen, yaiu peneliian yang dilakukan dengan mengadakan manipulasi erhadap objek peneliian sera adanya konrol.
Lebih 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 terperinciPENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK.
PENERAPAN METODE TRIPLE EXPONENTIAL MOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUAHAAN MEBEL INAR JEPARA TANJUNGANOM NGANJUK. ii Rukayah*), Achmad yaichu**) ABTRAK Peneliian ini berujuan unuk
Lebih terperinciKAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN
JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina
Lebih terperinciIDENTIFIKASI POLA DATA TIME SERIES
IDENTIFIKASI POLA DATA TIME SERIES Daa merupakan bagian pening dalam peramalan. Beriku adalah empa krieria yang dapa digunakan sebagai acuan agar daa dapa digunakan dalam peramalan.. Daa harus dapa dipercaya
Lebih 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 terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 LANDASAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi
Lebih terperinciPERAMALAN 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 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 terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di
Lebih 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 terperinciAPLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND
APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND Noeryani 1, Ely Okafiani 2, Fera Andriyani 3 1,2,3) Jurusan maemaika, Fakulas Sains Terapan, Insiu Sains & Teknologi
Lebih 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 terperinciJurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK
PERBANDINGAN METODE DES (DOUBLE EXPONENTIAL SMOOTHING) DENGAN TES (TRIPLE EXPONENTIAL SMOOTHING) PADA PERAMALAN PENJUALAN ROKOK (STUDI KASUS TOKO UTAMA LUMAJANG) 1 Fajar Riska Perdana (1110651142) 2 Daryano,
Lebih terperinciPenentuan Pelebaran Window Time Optimal Pada Data Deret Waktu
1 Penenuan Pelebaran Window Time Opimal Pada Daa Dere Waku (1) Nursya`bani Hendro Prabowo dan (2) Raden Mohamad Aok Deparemen Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam, Insiu Teknologi Sepuluh
Lebih 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 terperinciDAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Studi Aplikasi Model Intervensi dengan Step Function)
DAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Sudi Aplikasi Model Inervensi dengan Sep Funcion) S-3 Kismianini dan Dhoriva Urwaul Wusqa Jurusan Pendidikan Maemaika
Lebih 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 terperinciANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional.
JURNAL ILMIAH RANGGAGADING Volume 7 No. 1, April 7 : 3-9 ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Sudi kasus pada CV Cia Nasional. Oleh Emmy Supariyani* dan M. Adi Nugroho *Dosen
Lebih terperinciPEMODELAN PRODUKSI SEKTOR PERTANIAN
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 2009 PEMODELAN PRODUKSI SEKTOR PERTANIAN Brodjol Suijo Jurusan Saisika ITS Surabaya ABSTRAK Pada umumnya daa ekonomi bersifa ime
Lebih terperinciPERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk)
Jurnal UJMC, Volume 3, Nomor 1, Hal. 15-0 pissn : 460-3333 eissn : 579-907X ERHITUNGAN VAUE AT RISK (VaR) DENGAN SIMUASI MONTE CARO (STUDI KASUS SAHAM T. X ACIATA.Tbk) Sii Alfiaur Rohmaniah 1 1 Universias
Lebih terperinciSekilas Pandang. Modul 1 PENDAHULUAN
Modul 1 Sekilas Pandang Drs. Irlan Soelaeman, M.Ed. S PENDAHULUAN uau hari, saya dan keluarga berencana membawa mobil pergi ke Surabaya unuk mengunjungi salah seorang saudara. Sau hari sebelum keberangkaan,
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Kerangka Pemikiran Salah sau ujuan didirikannya perusahaan adalah dalam rangka memaksimalkan firm of value. Salah sau cara unuk mengukur seberapa besar perusahaan mencipakan
Lebih terperinciBAB 2 LANDASAN TEORI
35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju
Lebih terperinciPENGARUH PANJANG DAN LEBAR DATA DEBIT HISTORIS PADA KINERJA MODEL PEMBANGKITAN DATA DEBIT SUNGAI BRANTAS DENGAN METODE ARIMA
PENGARUH PANJANG DAN LEBAR DATA DEBIT HISTORIS PADA KINERJA MODEL PEMBANGKITAN DATA DEBIT SUNGAI BRANTAS DENGAN METODE ARIMA Maskur Efendi ), Widandi Soeopo 2), Piojo Tri Juwono 2) ) Mahasiswa Magiser
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian yang dilakukan mengenai analisis perencanaan pengadaan una berdasarkan ramalan ime series volume ekspor una loin beku di PT Tridaya Eramina
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN
PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan
Lebih 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 terperinciBAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu
BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju perumbuhan
Lebih terperinciPEMODELAN ARIMAX DAN NEURAL NETWORK UNTUK PERAMALAN DAN DASAR PERENCANAAN INVESTASI NET ASSET VALUE (NAV) EQUITY DI PT. PRUDENTIAL LIFE ASSURANCE
90 Djojonegoro: PEMODELAN ARIMAX DAN NEURAL NETWORK UNTUK PERAMALAN DAN PEMODELAN ARIMAX DAN NEURAL NETWORK UNTUK PERAMALAN DAN DASAR PERENCANAAN INVESTASI NET ASSET VALUE (NAV) EQUITY DI PT. PRUDENTIAL
Lebih terperinci(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF
Seminar Nasional Saisika 12 November 2011 Vol 2, November 2011 (T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Gumgum Darmawan, Sri Mulyani S Saf Pengajar Jurusan Saisika FMIPA UNPAD
Lebih terperinciPERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH
Vol.. No., 03 PERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH Ari Pani Desvina, Sari Marlinda, Jurusan Maemaika Fakulas Sains dan Teknologi
Lebih terperinciBAB 2 TINJAUAN TEORI
7 BAB 2 TINJAUAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinci(T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES
PROSIDING ISSN : 087-590. Seminar Nasional Saisika November 0 Vol, November 0 (T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES Yahya Ubaid ), Budi Nurani R. ), Mulyana K. 3) )Mahasiswa Program
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 terperinciKOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES. Abstrak
KOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES Universias Muhammadiyah Purwokero malim.muhammad@gmail.com Absrak Pada persamaan regresi linier sederhana dimana variabel dependen dan variabel independen
Lebih terperinciPEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 9 PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL Y.P.Y. Asmara,
Lebih terperinciMODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI
MODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI Diajukan kepada Fakulas Maemaika dan Ilmu Pengeahuan Alam Universias Negeri Yogyakara unuk memenuhi
Lebih terperinciPERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,1,1)(0,1,1) 12 TUGAS AKHIR.
PERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,,)(0,,) 2 TUGAS AKHIR Diajukan Sebagai Salah Sau Syara unuk Memperoleh Gelar Sarjana Sains
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*
PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor
Lebih terperinciKARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP
Karakerisik Umur Produk (Sudarno) KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL Sudarno Saf Pengajar Program Sudi Saisika FMIPA UNDIP Absrac Long life of produc can reflec is qualiy. Generally, good producs
Lebih terperinciBAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan
BAB I PENDAHULUAN 1.1 Laar Belakang Dalam perencanaan pembangunan, daa kependudukan memegang peran yang pening. Makin lengkap dan akura daa kependudukan yang esedia makin mudah dan epa rencana pembangunan
Lebih terperinciPENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Studi Kasus: PT Tembaga Mulia Semanan)
Prosiding Seminar Nasional Manajemen Teknologi Program Sudi MMT-ITS, Surabaya 1 Agusus 2009 PENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Sudi Kasus: PT
Lebih 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 terperinciPERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO
PERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO SKRIPSI Disusun Oleh : SITI LIS INA ATUL HIDAYAH 24010211120006 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciSISTEM PREDIKSI PENJUALAN GAMIS TOKO QITAZ MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING. Oleh: Salman Alfarisi
S. Alfarisi / Journal of Applied Business and Economics Vol. 4 No. 1 (Sep 2017) 80-95 SISTEM PREDIKSI PENJUALAN GAMIS TOKO QITAZ MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING Oleh: Salman Alfarisi Program
Lebih terperinciDAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII
Bulein Ilmiah Mah. Sa. dan Terapannya (Bimaser) Volume 6, No. 3 (27), hal 83 2. MODEL SPACE-TIME DAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII Ella Kurniawai, Naomi Nessyana
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 terperinciBAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat
BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber
Lebih terperinciIII. METODE PENELITIAN
26 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penilaian perkembangan kinerja keuangan PT. Goodyear Indonesia Tbk dilakukan dengan maksud unuk mengeahui sejauh mana perkembangan usaha perusahan yang
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa
BAB 2 TINJAUAN TEORITI 2.1. Pengerian-pengerian Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. edangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciProsiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PERAMALAN VOLUME PENGGUNAAN AIR BERSIH DENGAN METODE WINTERS EPONENTIAL SMOOTHING UNTUK MENENTUKAN VOLUME
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah persediaan merupakan masalah yang sanga pening dalam perusahaan. Persediaan mempunyai pengaruh besar erhadap kegiaan produksi. Masalah persediaan dapa diaasi
Lebih terperinciPENENTUAN MODEL PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN METODE ARIMA
PENENTUAN MODEL PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN METODE ARIMA Leopoldus Ricky Sasongko, Lydia Ninuk Rahayu, dan Alberh Roy Koa 3,,3 Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias
Lebih terperinciPERAMALAN JUMLAH PENJUALAN KORAN HARIAN BERLANGGANAN DI PT. JAWA POS DENGAN MENGGUNAKAN ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN JUMLAH PENJUALAN KORAN HARIAN BERLANGGANAN DI PT. JAWA POS DENGAN MENGGUNAKAN ARIMA BOX-JENKINS TRI EMIRA RISMAYANTI NRP 1314 030 070 Dosen Pembimbing Dr. Brodjol Suijo
Lebih terperinciPERAMALAN JUMAH MOBIL PRIBADI YANG BERADA DI KOTA SURABAYA
TUGAS AKHIR SS 145561 PERAMALAN JUMAH MOBIL PRIBADI YANG BERADA DI KOTA SURABAYA RIZKI FEBRIASTO NRP 1314 030 102 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si., M.Si DEPARTEMEN STATISTIKA BISNIS Fakulas Vokasi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
11 BAB I PENDAHULUAN 1.1 Laar Belakang Salah sau masalah analisis persediaan adalah kesulian dalam menenukan reorder poin (iik pemesanan kembali). Reorder poin diperlukan unuk mencegah erjadinya kehabisan
Lebih terperinciPERAMALAN CURAH HUJAN DENGAN WAVELET
PERAMALAN CURAH HUJAN DENGAN WAVELET Garini Widosari 1 T-7 1 Polieknik Negeri Samarinda 1 garini_72@yahoo.com Absrak Peramalan adalah salah sau unsur yang sanga pening dalam pengambilan kepuusan. Peranan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis dan Pendekaan Peneliian Jenis peneliian yang digunakan dalam peneliian ini adalah peneliian evaluasi dan pendekaannya menggunakan pendekaan kualiaif non inerakif (non
Lebih terperinciPenerapan Model ARCH/GARCH untuk Peramalan Nilai Tukar Petani ABSTRAK ABSTRACT. Pendahuluan
Jurnal Sains Maemaika dan Saisika, Vol. 4, No., Januari 8 ISSN 46-454 prin/issn 65-8663 online Penerapan Model ARCH/GARCH unuk Peramalan Nilai Tukar Peani Ari Pani Desvina, Inggrid Ocaviani Meijer, Jurusan
Lebih terperinciPERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN (STUDI KASUS KOTA SALATIGA, BULAN JANUARI 2014 JULI 2016)
Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: 978-602-622-20-9 hal 935-950 November 206 hp://jurnal.fkip.uns.ac.id PERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN
Lebih 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 terperinciBAB III METODOLOGI PENELITIAN
perpusakaan.uns.ac.id BAB III METODOLOGI PENELITIAN A. Ruang Lingkup Peneliian Peneliian ini dilaksanakan di Indonesia dengan periode ahun 984 sampai dengan ahun 0. Peneliian ini memfokuskan pada fakor-fakor
Lebih terperinciBAB II TINJAUAN PUSTAKA. mempunyai efek menekan atau menghentikan suatu proses biokimia di dalam
BAB II TINJAUAN PUSTAKA 2.1 Anibioik 2.1.1 Defenisi Anibioik adalah segolongan senyawa, baik alami maupun sineik, yang mempunyai efek menekan aau menghenikan suau proses biokimia di dalam organisme, khususnya
Lebih terperinci2 efek dari pengaruh kejadian luar (exernal even) pada daa ime series (Wei, 2006). Bila y adalah daa ime series yang mengandung variasi kalender, maka
. PERAMALAN VOLUME KENDARAAN MASUK DI TOL DUPAK-WARU MENGGUNAKAN MODEL VARIASI KALENDER Yosua D. Charismawan (1304 100 024) Pembimbing : Ir. Dwiamono Agus W.,M.Ikom ABSTRAK Tol Surabaya-Gempol merupakan
Lebih terperinciMuhammad Firdaus, Ph.D
Muhammad Firdaus, Ph.D DEPARTEMEN ILMU EKONOMI FEM-IPB 010 PENGERTIAN GARIS REGRESI Garis regresi adalah garis yang memplokan hubungan variabel dependen (respon, idak bebas, yang dipengaruhi) dengan variabel
Lebih terperinciUSULAN PENERAPAN METODE KOEFISIEN MANAJEMEN (BOWMAN S) SEBAGAI ALTERNATIF MODEL PERENCANAAN PRODUKSI PRINTER TIPE LX400 PADA PT X
USULAN ENERAAN METODE KOEISIEN MANAJEMEN (BOMAN S) SEBAGAI ALTERNATI MODEL ERENCANAAN RODUKSI RINTER TIE LX400 ADA T X Hendi Dwi Hardiman Jurusan Teknik Manajemen Indusri - Sekolah Tinggi Manajemen Indusri
Lebih terperinciJurnal Edik Informatika. Peramalan Kebutuhan Manajemen Logistik Pada Usaha Depot Air Minum Isi Ulang Al-Fitrah
Jurnal Edik Informaika Peneliian Bidang Kompuer Sains dan Pendidikan Informaika V.i(5-4) Peramalan Kebuuhan Manajemen Logisik Pada Usaha Depo Air Minum Isi Ulang Al-Firah Henny Yulius, Islami Yei Universias
Lebih terperinci