PERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH
|
|
- Vera Hermanto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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 UIN Suska Riau ABSTRAK Peneliian ini membahas enang model peramalan daa kurs ransaksi Bank Indonesia erhadap maa uang dollar Amerika, pada Januari 007 sampai dengan Desember 0. Tujuan peneliian ini yaiu unuk membenuk model peramalan daa kurs ransaksi Bank Indonesia khususnya daa kurs beli menggunakan model ARCH/GARCH. Hasil yang diperoleh menunjukkan bahwa model ARCH() adalah model yang sesuai unuk peramalan daa kurs beli. Daa raining dan esing diambil dari bulan Januari 007 sampai bulan Juli 0 dan dari bulan Agusus 0 sampai Desember 0. Hasil ramalan menunjukkan bahwa daa raining dan daa esing memiliki pola yang sama dan peramalan unuk bulan berikunya memberikan gambaran bahwa kurs ransaksi khususnya kurs beli mengalami peningkaan. Kaa kunci: ARCH/GARCH, ARIMA, Box-Jenkins, kurs beli ABSTRACT This sudy explains abou forecasing model ransacion rae daa of Bank Indonesia o Unied Sae Dollar (USD) on January 007 unil Desember 0. The goal of his research o formulaed forecasing model of ransacion rae daa of Bank Indonesia specially is ha rae pay daa by using ARCH/GARCH model. The resul ha go is ha ARCH() model is he suiable model o forecasing rae pay daa. The raining daa and esing daa aken from January 007 unil Juli 0 an from Agusus 0 unil Desember 0. Resul of forecasing so ha raining daa an esing daa has he same form and he forecasing for mounly laer so ha ransacion rae specially rae pay is being increase. Key Words: ARCH/GARCH, ARIMA, Box-Jenkins, rae pay PENDAHULUAN Valua asing merupakan suau nilai maa uang di negara lain. Nilai berbagai maa uang asing yang dimiliki seiap negara berbeda-beda dalam suau waku erenu dan nilai suau maa uang asing akan mengalami perubahan dari waku ke waku (Sadono Sukirno, 994). Dalam masalah finansial kurs merupakan salah sau harga yang erpening, karena sanga berpengaruh erhadap perdagangan anar negara, dengan adanya kurs seiap warga negara asing dapa melakukan ransaksi di negara manapun di dunia, hanya saja yang harus dilakukan adalah mencari keerangan enang kurs yang sedang berlaku di negara yang dikunjungi. Daa ime series eruama daa di sekor keuangan sanga inggi ingka volailiasnya, volailias yang inggi diunjukkan dengan flukuasinya juga relaif inggi dan kemudian diikui dengan flukuasi yang rendah dan kembali inggi, maka dengan kaa lain daa ini memiliki raa-raa dan varians yang idah konsan (Agus Widarjono, 009). Adanya volailias yang inggi enunya akan suli dilakukan esimasi dan memprediksi pergerakan nilai disekor keuangan. Esimasi yang dilakukan erhadap daa finansial anpa meliha ingka volailias yang berubah-ubah dari waku ke waku akan mengalami kesalahan yang sanga ampak (Agus Widarjono, 009). Hal ini disebabkan karena volailias di pasar finansial sanga sensiif erhadap perubahan ekonomi. Terdapa banyak peneliian yang menggunakan model ARCH/GARCH, dianaranya Ey Murwaningsari (008) menggunakan model GARCH dan ARIMA unuk menganalisa pengaruh volume perdagangan saham, deposio dan kurs
2 Vol.. No., 03 erhadap IHSG besera prediksi IHSG. Sumaryano (009) menggunakan model ARCH/GARCH unuk analisa volailias harga eceran beberapa komodias pangan uama. Tingginya ingka volailias daa finansial, maka diperlukan suau model pendekaan unuk memprediksi volailias residual suau daa. Model yang dapa menyelesaikan masalah volailias yang inggi adalah model ARCH/GARCH, karena model ini adalah model yang memperhaikan ingka varians residualnya. Model ARCH/GARCH merupakan penyelesaian suau model pendekaan erenu unuk mengukur masalah volalias residual. Varian residual yang erjadi saa ini akan sanga berganung dari residual sebelumnya. Berdasarkan peningnya mengeahui ingka volailias daa finansial di bidang kurs maa uang, maka peneliian ini berujuan unuk menenukan model peramalan dan hasil peramalan di masa yang akan daang enang kurs ransaksi Bank Indonesia erhadap maa uang dollar Amerika (USD) dengan menggunakan model ARCH/GARCH. Tinjauan Pusaka Meode Box-Jenkins Meode Box-Jenkins merupakan salah sau meode peramalan yang elah dikenalkan oleh G.E.P. Box dan G.M. Jenkins. Ada beberapa model yang elah dihasilkan dengan menggunakan meode Box-Jenkins yaiu model moving average (MA), auoregressive (AR), sau kelas model yang berguna unuk ime series yang merupakan kombinasi proses MA dan AR yaiu ARMA. Model-model ini adalah model dari meode Box-Jenkins yang linier dan sasioner (saionary). Sedangkan model unuk daa idak sasioner yaiu model ARIMA (Bowerman e al. 005). Langkah Perama dalam meode Box- Jenkins adalah idenifikasi model, dengan menenukan apakah daa ime series yang digunakan ersebu sudah saionary aau nonsaionary. Jika idak saionary, maka perlu dilakukan differencing beberapa kali sampai daa ime series ersebu sudah saionary. Saionary aau non-saionary suau daa dapa diuji dengan menggunakan uji saisik yaiu uji uni roo. Uji yang sering digunakan adalah uji Augmened Dickey Fuller (ADF), uji ini dilakukan dengan menggunakan persamaan sebagai beriku: y y y () 0 i i i dengan ;,, n i i n adalah parameer, adalah waku rend variabel dan adalah rala (Brocklebank e al. 003). Uji berikunya adalah dengan menggunakan uji Phillips Perron (PP), persamaannya adalah: y y () 0 dengan 0, adalah parameer, adalah waku rend variabel dan adalah rala (Maddala 99). Selain kedua uji ersebu, uji Kwiakowski Phillips Schmid Shin (KPSS) juga dapa digunakan unuk menguji saionary aau non-saionary daa, dengan persamaannya adalah (Wai e al. 008): ' ' y 0 (3) Auocorrelaion funcion (ACF) dan Parial auocorrelaion funcion (PACF) digunakan unuk menenukan model semenara (Bowerman e al. 005). Auocorrelaion funcion (ACF) pada lag k, disimbolkan dengan r k, ialah: r k dengan nk b z z z z z n b n b k z z z nb (4) (5) Nilai ini berkaian dengan hubungan linear anara sampel ime series yang dipisahkan oleh lag k uni waku. Ini dapa dibukikan r k selalu berada anara inerval - dan. Parial auocorrelaion funcion (PACF) adalah sama dengan ACF eapi memiliki ciri siries yang berbeda. Perama, PACF unuk ime series idak bermusim boleh erpangkas. Lagipula, kia mengaakan bahwa PACF memoong seelah lag k jika kk r ACF pada lag k adalah besar secara saisik (Bowerman e al.005). Oleh iu PACF pada lag k dapa diulis jika nilai mulak:
3 Vol.. No., 03 rkk rkk (6) srkk Langkah berikunya yang dilakukan seelah model semenara diperoleh adalah esimasi parameer model ersebu. Esimasi parameer dapa dilakukan dengan menggunakan meode kuadra erkecil. Hasil esimasi parameer yang diperoleh harus diuji signifikansinya, sehingga model yang kia dapakan benar-benar model yang sesuai unuk daa (Cryer e al.008). Model yang diperoleh idak dapa digunakan langsung unuk analisis peramalan, eapi perlu dilakukan verifikasi model. Salah sau cara yang dapa digunakan unuk memeriksa kecukupan keseluruhan model adalah analisis residual yang diperoleh dari model. Uji saisik Ljung-Box dapa digunakan unuk menunjukkan kecukupan bagi model. Uji saisik Ljung-Box adalah: K Q* n' n' n' r ˆ i (7) dengan n' n d, n=bilangan daa ime r = series asal, d = deraja differensing, ˆ i kuadra dari ˆ r sampel auokorelasi i residual di lag l. H 0= daa adalah acak lawannya H a = daa adalah idak acak. Jika Q* lebih kecil dari x K n, kia erima H 0. a Residual iu adalah idak berkorelasi dan model esebu dikaakan sesuai unuk daa. Jika x K n maka kia Q* lebih besar dari gagal erima H 0. Model iu gagal mewakili daa dan penenuan model yang baru hendak dilakukan (Bowerman e al. 005). Selain dari uji saisik Ljung-Box, dengan menggunakan plo ACF dan PACF residual dan uji Akaike Informaion crierion (AIC) sera uji Schwarz Crierion (SC) dapa juga digunakan unuk verifikasi model. Seelah model erbaik dieapkan, maka peramalan ime series unuk waku yang akan daang dapa dilakukan. Model yang diperoleh digunakan unuk melakukan peramalan, dan kemudian diperoleh residual unuk dilakukan uji ARCH-LM a c c Uji ARCH-LM Seelah residual model diperoleh, idenifikasi keberadaan ARCH pada residual model yang elah diperoleh dengan melakukan uji lagrange muliplier aau disingka ARCH- LM es. Adapun Hipoesis unuk uji ARCH- LM adalah H 0 : Varians residual konsan (idak ada unsur ARCH) lawannya H : Varians residual idak konsan (erdapa unsur ARCH). Jika hiung > abel pada erenu aau jika p-value <, maka olak H 0 maka olak H 0, yang berari residual idak konsan (erdapa unsur ARCH). Sebaliknya jika hiung < abel pada erenu maka erima H 0 yang berari varians residual adalah konsan. Pemodelan ARCH/GARCH Langkah dasar yang dilakukan dalam pemodelan ARCH/GARCH yaiu idenifikasi model, esimasi parameer, verifikasi model, penerapan model unuk peramalan, dan keepaan model peramalan. Idenifikasi model unuk model ARCH adalah suau model dimana varians residual ARIMA yang erjadi saa ini sanga berganung dari residual periode lalu. Benuk umum model ARCH adalah sebagai beriku: (8) dimana adalah varian pada periode, α 0 adalah konsana, adalah parameer ARCH ke, adalah residual pada periode. Model GARCH adalah suau model dimana varians residual ARIMA yang erjadi saa ini berganung dari residual periode lalu dan varians residual periode lalu. Benuk umum model GARCH(p,q) adalah sebagai beriku: (9) dimana adalah varian pada periode, adalah konsana, adalah parameer ARCH ke, adalah residual pada periode, adalah varian periode. 3
4 Vol.. No., 03 Seelah model diidenifikasi, ahap selanjunya yaiu esimasi parameer dengan menggunakan meode maximum likelihood (ML). Seelah parameer diesimasi selanjunya dilakukan uji signifikansi parameer ersebu dalam model dengan cara membandingkan P- value dengan level oleransi ( ) dalam pengujian hipoesis yaiu H 0 : Parameer idak signifikan dalam model lawannya H : Parameer signifikan dalam model. Krieria penerimaan H 0, jika P-value > α dan penolakan H 0 jika P-value < α, yang berari parameer signifikan dalam model. Verifikasi model yaiu meliha apakah model yang dihasilkan sudah layak digunakan unuk peramalan aau belum, dengan meliha residual yang dihasilkan model. Uji yang digunakan yaiu uji independensi residual. Uji independensi residual dilakukan unuk menenukan independensi residual anar lag yang dapa dilakukan dengan meliha pasangan ACF dan PACF residual yang dihasilkan model. Jika lag pada ACF dan PACF idak ada yang erpoong, maka residual idak berkorelasi (independen), sehingga model layak digunakan unuk peramalan. Model yang diperoleh pada ahap verifikasi digunakan unuk melakukan peramalan yang melipui residual raining, residual esing dan residual unuk peramalan daa. Model yang elah diperoleh digunakan unuk meramalkan daa pada periode yang akan daang. Keepaan peramalan dapa dihiung dengan menggunakan MAPE (Mean Absolue Percenage Error) aau raaan persenase kesalahan absolu. Rumus yang digunakan unuk menenukan nilai MAPE adalah (Singgih Sanoso, 009): MAPE = (0) dimana adalah daa akual, adalah daa ramalan, adalah banyak observasi. Nilai MAPE merupakan nilai raaan persenase kesalahan. Semakin kecil nilai MAPE maka daa hasil peramalan semakin mendekai nilai akual, dan sebaliknya semakin besar nilai MAPE maka daa hasil peramalan semakin jauh dari daa akual. BAHAN DAN METODE Daa Peneliian Daa yang digunakan adalah daa kurs ransaksi Bank Indonesia erhadap maa uang dollar Amerika (USD) dalam jangka waku Tahun Adapun daa kurs ransaksi yang digunakan adalah daa kurs beli Bank Indonesia erhadap maa uang Dollar Amerika pada Januari 007-Desember 0, jumlah daa yang digunakan adalah 60 daa kurs ransaksi Bank Indonesia. Meode Peneliian Pengolahan daa dalam peneliian ini menggunakan sofware saisik yaiu Eview. Jalannya peneliian dapa diunjukkan pada Gambar dibawah ini: Penyiapan daa Idenifikasi Model ( Box-Jenkins) Peramalan Residual Terima H 0 Uji ARCH-LM Tolak H 0 Meode Box-Jenkins Mulai Esimasi Parameer Verifikasi Model ARCH/GARCH Idenifikasi Model (ARCH/GARCH Esimasi Parameer Verifikasi Model Peramalan Selesai Gambar. Flowchar Meodelogi Peneliian 4
5 Vol.. No., 03 HASIL DAN PEMBAHASAN a. Saisik Deskripif Gambar beriku adalah hisogram daa kurs ransaksi yang digunakan adalah daa kurs beli Bank Indonesia erhadap maa uang Dollar Amerika pada Januari 007-Desember 0. Gambar. Hisogram Daa Kurs Transaksi Bank Indonesia Berdasarkan Gambar menunjukkan bahwa daa kurs ransaksi Bank Indonesia erhadap dollar Amerika mengalami peningkaan dan penurunan secara signifikan. Raa-raa daa kurs beli yang eringgi erjadi pada Tahun 009 yaiu sebesar Raaraa daa kurs beli yang erendah erjadi pada Tahun 0 yaiu sebesar 873,03. b. Pembenukan Model Peramalan Daa Kurs Beli Bank Indonesia Tahap. Pembenukan Model dengan Meode Box-Jenkins Idenifikasi model adalah meliha kesasioneran daa dan mencari model semenara yang sesuai dengan membua plo daa akual, uji uni roo sera grafik auokorelasi dan grafik auokorelasi parsial. Beriku merupakan grafik daa akual kurs Beli Bank Indonesia erhadap maa uang dollar Amerika sebanyak 60 daa erhiung dari bulan Januari Tahun 007 sampai bulan Desember Tahun 0 pada Gambar 3: dengan menggunakan uji uni roo. Uji uni roo yang digunakan erdiri dari iga uji yaiu uji uni roo Augmened Dickey-Fuller (ADF), uji uni roo Phillips-Perron (PP) dan uji uni roo Kwiakowski Phillips Schmid Shin (KPSS). Beriku adalah hasil uji uni roo dengan nilai. Tabel-abel beriku adalah nilai saisik unuk uji ADF, PP dan KPSS: Tabel. Nilai Uji ADF Berbanding dengan Nilai Kriik Mackinnon Anggaran Saisik- Augmened Dickey-Fuller (ADF) -,974 Nilai Kriik Mackinnon % -3, 548 -,96 -,5940 Tabel. Nilai Uji PP Berbanding dengan Nilai Kriik Mackinnon Anggaran Saisik- Phillips-Perron (PP) -,7785 Nilai Kriik Mackinnon % -3,5460 -,97 -,5935 Tabel 3. Nilai Uji KPSS Berbanding dengan Nilai Kriik Mackinnon Anggaran Saisik Kwiakowski Phillips Schmid 0, 45 Shin (KPSS) Nilai Kriik Mackinnon % Berdasarkan hasil yang diperoleh melalui uji uni roo, erdapa dua uji yang menyaakan bahwa daa idak sasioner yaiu uji ADF dan uji PP, sedangkan uji KPSS menyaakan bahwa daa sudah sasioner, maka dapa disimpulkan bahwa daa cenderung idak sasioner. Kesasioneran daa juga dapa diliha berdasarkan plo ACF dan PACF yaiu: Gambar 3. Grafik Daa Akual Kurs Beli Bank Indonesia Berdasarkan Gambar 3 dapa diliha secara visual bahwa daa kurs beli Bank Indonesia idak sasioner. Pengujian kesasioneran daa dapa juga dilakukan Gambar 4. Plo ACF dan PACF Daa Kurs Beli Bank Indonesia Plo ACF dan PACF pada Gambar 4 menunjukkan bahwa daa idak sasioner karena lag-lag pada fungsi auokorelasi idak 5
6 Vol.. No., 03 urun secara drasis, sehingga dapa disimpulkan bahwa daa kurs beli Bank Indonesia idak sasioner. Berdasarkan uji-uji ersebu di aas diperoleh daa idak sasioner, maka perlu dilakukan diferensing unuk mensasionerkan daa. Diferensing dapa dilakukan berulang kali sampai daa menjadi sasioner. Diferensing perama dilakukan, selanjunya dilakukan beberapa uji unuk meliha apakah daa diferensing perama ersebu sudah sasioner aau idak. Daa diferensing perama cenderung idak sasioner, karena hasil uji menggunakan plo ACF dan PACF menunjukkan bahwa idak ada lag yang memoong, sehingga perlu dilakukan kembali proses diferensing kedua. Beriku adalah grafik daa kurs beli Bank Indonesia hasil diferensing kedua: Tabel 6. Nilai uji KPSS Berbanding dengan Nilai Kriik Mackinnon Diferensing Kedua Anggaran Saisik Kwiakowski Phillips Schmid 0,500 Shin (KPSS) Nilai Kriik Mackinnon % 0,6 0,40 0,9 Berdasarkan hasil yang diperoleh melalui keiga uji uni roo dapa disimpulkan bahwa daa cenderung sasioner. Selain iu dapa juga diliha berdasarkan plo ACF dan PACF. Beriku ini merupakan plo ACF dan PACF daa kurs beli Bank Indonesia pada diferensing kedua: Gambar 5. Grafik Hasil Differencing Kedua Kurs Beli Bank Indonesia Berdasarkan Gambar 5 dapa diliha secara visual bahwa daa kurs beli Bank Indonesia diferensing kedua elah sasioner, sehingga unuk lebih meyakinkan bahwa daa elah sasioner pada differencing kedua dapa dilakukan dengan menggunakan uji uni roo seperi pada uji sebelumnya, yaiu uji ADF, uji PP dan uji KPSS. Tabel-abel beriku adalah hasil uji uni roo daa kurs beli Bank Indonesia pada differencing kedua yaiu: Tabel 4. Nilai Uji ADF Berbanding dengan Nilai Kriik Mackinnon Diferensing Kedua Anggaran Saisik- Augmened Dickey-Fuller -0,49 (ADF) Nilai Kriik Mackinnon % -4,30-3,49-3,74 Tabel 5. Nilai Uji PP Berbanding dengan Nilai Kriik Mackinnon Diferensing Kedua Anggaran Saisik- Phillips-Perron (PP) -3,30 Nilai Kriik Mackinnon % -4,7-3,490-3,73 Gambar 6. Plo ACF dan PACF Daa Kurs Beli Differensing Kedua Plo pada Gambar 6 menunjukkan bahwa daa elah sasioner, karena elah menurun drasis dan memoong pada lag erenu. Pola pasangan plo ACF dan PACF menunjukkan bahwa model semenara yaiu ARIMA(0,,), dan ARIMA(,,0). Esimasi parameer pada model ARIMA(0,,), dan ARIMA(,,0) ersebu yaiu: Tabel 7. Nilai Parameer Model ARIMA(0,,) dan ARIMA(,,0) Parameer Koefisien P- Signifikansi value Model ARIMA(0,,) -0,43 0,9 Tidak Signifikan 0,564 0,000 Signifikan 0,40 0,003 Signifikan Model ARIMA(,,0) 3, 0,943 Tidak Signifikan ,00 Signifikan -0,57 0,000 Signifikan Berdasarkan hasil yang diperoleh pada ahap esimasi parameer, hanya parameer konsana unuk kedua model yang idak signifikan, maka parameer ini dapa 6
7 Vol.. No., 03 dikeluarkan dari model. Sehingga kedua model dapa digunakan unuk analisis peramalan. Beriku adalah persamaan maemais unuk model ARIMA(0,,): Y Y Y a a a Y 0 Y Y a 0,564a 0, 40a Persamaan maemais unuk model ARIMA(,,0) yaiu: Y 0 Y Y Y 3 Y 0,398 0,57Y 0,398 0, 57Y 0,398 0,57Y 3 Agar model yang diperoleh dapa digunakan unuk analisis selanjunya yaiu analisis peramalan daa kurs beli Bank Indonesia, maka dapa dilakukan verifikasi model ARIMA(0,,) dan ARIMA(,,0) erlebih dahulu. Uji saisik yang digunakan unuk verifikasi model adalah uji Box-Pierce (Ljung-Box). Tabel 8. Oupu Proses Ljung Box Pierce Lag Model ARIMA(0,,) P- value 0,86 0,34 0,74 0,975 Model ARIMA(,,0) P- value 0,69 0,8 0,739 0,975 Nilai P-value seiap lag pada kedua model menunjukkan nilai yang lebih besar dari pada level oleransi 0,05, maka dapa disimpulkan residual model mengikui proses random, aau kedua model layak digunakan unuk analisis selanjunya yaiu peramalan. Selain uji Box-Pierce dapa juga digunakan uji independensi residual dengan meliha pasangan ACF dan PACF residual yang dihasilkan kedua model. Beriku adalah plo ACF dan PACF residual model ARIMA(0,,) dan ARIMA(,,0) yaiu: Gambar 7. ACF dan PACF Residual Model ARIMA(0,,) Gambar 8. ACF dan PACF Residual Model ARIMA(,,0) Kedua model ARIMA(,,0) dan ARIMA(0,,) layak digunakan unuk peramalan berdasarkan ahap verifikasi model, sehingga unuk memperoleh model yang erbaik akan dipilih berdasarkan uji AIC dan SIC model ARIMA(,,0) dan ARIMA(0,,) yaiu: Tabel 9. Nilai AIC dan SIC Kedua Model Model Nilai AIC Nilai SIC ARIMA(0,,) 4, ,860 ARIMA(,,0) 4,5748 4,6833 Berdasarkan nilai AIC dan SIC maka diperoleh model erbaik yaiu model ARIMA(0,,) yang memiliki nilai AIC dan SIC erkecil. Seelah model erbaik diperoleh, selanjunya menggunakan model ersebu unuk peramalan daa raining, dalam penerapan model ini hanya akan dilakukan peramalan unuk daa raining saja, karena residual dari daa raining yang diperoleh akan diuji homocedasiciy residual. Peramalan dengan menggunakan model ARIMA(0,,) daa raining yaiu: Tabel 0. Hasil peramalan Daa Training dan Residual Kurs Beli Bank Indonesia Bulan Kurs Beli Daa Training Residual Jan-07 90,8 * * Feb-07 90,750 * * Mar-07 97, ,500 53,40 Apr ,00 903,00-50,90 Mei , ,00-49,030 Des- 9043,90 906,400 6,830 Berdasarkan hasil residual yang diperoleh pada abel di aas, perlu di uji residual daa kurs beli apakah erdapa heeroscedasiciy dengan menggunakan uji ARCH-LM. Jika erdapa heeroscedasiciy dalam residual, maka model ARIMA(0,,) yang diperoleh dengan meode Box- Jenkins kurang baik digunakan unuk peramalan, model yang lebih 7
8 Vol.. No., 03 epa digunakan unuk peramalan adalah model ARCH/GARCH. Tahap. Uji ARCH-LM Pendeeksian daa menggunakan uji ARCH-LM didasarkan pada residual model yang elah kia peroleh pada model ARIMA(0,,) dapa diliha pada abel beriku: Tabel. Hasil Nilai Uji ARCH -LM Tes ARCH P-value Saisik - F,3706 0,00088 hiung 0, ,005 Berdasarkan oupu yang dihasilkan pada Tabel dapa diliha bahwa P-value pada saisik-f dan hiung lebih kecil dari 0,05. Dengan demikian secara saisik yang berari varians residual idak konsan aau model mengandung unsur heeroscedasiciy, maka dapa dilakukan pemodelan menggunakan ARCH/GARCH. Adanya unsur ARCH/GARCH juga dapa diliha berdasarkan plo ACF dan PACF residual kuadra yang dihasil model ARIMA(0,,) yaiu: Gambar 9. ACF dan PACF Residual Kuadra Model ARIMA(0,,) Plo ACF dan PACF residual kuadra model ARIMA(0,,) unuk daa kurs beli Bank Indonesia mengandung unsur heeroscedasiciy, sehingga model yang lebih sesuai digunakan adalah model ARCH/GARCH. Tahap 3. Pembenukan Model ARCH/ GARCH Pembenukan model ARCH/GARCH dilakukan dengan pemeriksaan residual dari lag -, jika pada lag - masih erdapa unsur ARCH aau masih mengandung unsur heeroscedasiciy, maka model ARCH lebih cocok digunakan unuk peramalan, eapi jika pemeriksaan residual dilakukan hingga lebih dari lag masih mengandung unsur ARCH, maka model GARCH yang lebih cocok digunakan unuk peramalan. Model yang epa unuk daa kurs beli adalah model ARCH, karena seelah dilakukan pengujian pada ARCH-LM menggunakan sofware Eviews menunjukkan hasil yang idak signifikan lagi pada lag. Menenukan ordo ARCH dapa dilakukan dengan meliha pola ACF dan PACF residual kuadra yang dihasilkan model ARCH(). Pola ACF dan PACF elah diampilkan pada Gambar 9, sehingga model yang epa unuk daa kurs beli Bank Indonesia adalah ARCH(). Secara maemais Model unuk ARCH() adalah sebagai beriku: 0 Seelah model semenara diperoleh, ahap selanjunya yaiu esimasi parameer dalam model yaiu: Tabel. Esimasi Parameer Model ARCH() Parameer Koefisien P-value 9774,83 0,0077 0,9644 0,0000 Kedua parameer pada model ARCH() menunjukkan signifikan dalam model. 9774,83 0, 9644 Verifikasi model perlu dilakukan karena model semenara yang diperoleh apakah layak digunakan unuk peramalan aau belum. Uji yang digunakan yaiu uji independensi residual. Uji independensi residual dilakukan dengan meliha pasangan ACF dan PACF residual yang dihasilkan model ARCH() yaiu: Gambar 0. Plo ACF dan PACF Residual Model ARCH() Plo ACF dan PACF pada Gambar 0 menunjukkan bahwa idak erdapa lag yang memoong garis baas aas dan baas bawah nilai korelasi residual, sehingga dapa disimpulkan bahwa residual yang dihasilkan model idak berkorelasi (independen). Uji indenpendensi juga akan dilakukan unuk residual kuadranya, yaiu: 8
9 Frekuensi Vol.. No., 03 Mei-07 0, ,0 Jun-07 77, ,549 Mei- 54, ,934 Gambar. Plo ACF dan PACF Residual Square Model ARCH() Plo ACF dan PACF pada Gambar menunjukkan bahwa idak erdapa lag yang memoong garis baas aas dan baas bawah nilai korelasi residual, sehingga dapa disimpulkan bahwa residual kuadra yang dihasilkan model sudah idak berkorelasi (independen). Selain plo ACF dan PACF residual dapa juga verifikasi dengan uji Box- Pierce unuk model ARCH(): Tabel 3. Oupu Proses Ljung Box Pierce Lag P- value 0,47 0,300 0,740 0,975 Nilai P-Value seiap lag pada oupu Ljung-Box Pierce pada Tabel 3 menunjukkan nilai yang lebih besar dari pada level oleransi 0,05, maka dapa disimpulkan bahawa unuk residual model mengikui proses random, dan layak digunakan unuk peramalan. Seelah model dinyaakan layak digunakan pada ahap verifikasi, maka model dapa digunakan unuk peramalan. Selanjunya model ARCH() digunakan unuk peramalan, yaiu peramalan residual raining, residual esing dan residual peramalan unuk masa yang akan daang. a. Residual Training Residual raining yaiu residual yang digunakan unuk membenuk model peramalan. Residual raining sebanyak 53 daa residual yaiu daa residual dari Januari 007- Mei 0. Peramalan residual raining pada abel beriku: Tabel 4. Daa Akual dan Peramalan Training Daa Kurs Beli Bulan Ramalan Residual Training Ramalan Daa Training Jan Feb Mar Apr-07 49,78 890,47 b. Residual Tesing Residual esing dilakukan unuk 7 daa residual yaiu dari Juni-Desember 0. Tabel beriku adalah hasil peramalan daa residual esing: Tabel 5. Daa Akual dan Peramalan Tesing Daa Kurs Beli Bulan Daa Akual Ramalan Juni 0 85, ,95 Juli ,86 873,55 Agusus , ,78 Sepember 0 87, ,97 Okober ,80 969,757 November , ,804 Desember , ,39 c. Peramalan Langkah erakhir yang dilakukan adalah meramalkan daa kurs beli pada kurs ransaksi Bank Indonesia erhadap maa uang dollar Amerika dengan menggunakan peramalan residual. Selanjunya akan dilakukan peramalan daa kurs beli Bank Indonesia unuk 7 bulan yang akan daang yaiu Januari-Juli 0, yaiu: Tabel 6. Daa Hasil Peramalan Kurs Beli Bulan Ramalan Januari 0 94,94 Februari 0 944,938 Mare ,69 April ,40 Mei ,648 Juni ,65 Juli ,094 Hasil peramalan unuk daa raining, daa esing dan peramalan daa kurs beli Bank Indonesia erhadap dollar Amerika unuk 7 bulan yang akan daang disajikan pada gambar beriku: Gambar. Time Series Plo of Akual dan Peramalan Daa kurs Beli Peramalan 35 Bulan 4 49 Tesing 56 Peramalan 63 Variable kb ramalan Grafik Daa Kurs Beli, Daa Training dan Peramalan 9
10 Vol.. No., 03 Berdasarkan gambar di aas dapa disimpulkan bahwa peramalan daa esing dan daa raining mendekai daa akual, sedangkan unuk hasil peramalan 7 bulan yang akan daang pada daa kurs beli Bank Indonesia erhadap maa uang dollar Amerika mengalami peningkaan dari bulan ke bulan. Tahap 4. Meneukan Keepaan Model Nilai MAPE digunakan unuk menenukan keepaan peramalan model dengan daa aau dengan kaa lain berapa persen raaan error yang erjadi pada model yang diperoleh unuk melakukan peramalan. Nilai MAPE unuk model ARCH() pada daa kurs beli Bank Indonesia adalah sebesar,. Hal ini berari sebesar, raaan error yang erjadi unuk daa kurs beli Bank Indonesia yang dihasilkan model ARCH(). KESIMPULAN DAN SARAN Kesimpulan Hasil analisis pada peneliian ini unuk daa kurs ransaksi khususnya daa kurs beli Bank Indonesia erhadap maa uang dollar Amerika (USD) menghasilkan model peramalan yaiu model ARCH(). Hasil peramalan unuk 7 bulan yang akan daang dari bulan Januari-Juli 0 pada daa kurs beli Bank Indonesia erhadap maa uang dollar Amerika mengalami peningkaan dari bulan ke bulan. Dengan nilai MAPE sebesar,, yang berari besar persenase kesalahan pada model ARCH() unuk daa kurs beli adalah sebesar, aau 0,05. Saran Peneliian ini menjelaskan enang peramalan daa kurs ransaksi khususnya kurs beli Bank Indonesia erhadap maa uang dollar Amerika (USD) dengan menggunakan model ARCH/GARCH. Bagi para pembaca penulis menyarankan unuk meramalkan daa kurs ransaksi Bank Indonesia dengan menggunakan model yang lain, kemudian membandingkan hasil peramalan yang dilakukan dengan peramalan yang pernah dilakukan oleh penulis yang lain. Bagi perusahaan khususnya Bank Indonesia berdasarkan hasil nilai ramalan yang diperoleh diharapkan unuk dapa memperkirakan kebijakan yang akan diambil dimasa yang akan daang unuk eap mensabilkan nilai rupiah di pasar inernasional sesuai dengan salah sau ugas Bank Indonesia. DAFTAR PUSTAKA Bowerman, B.L., O Connell, R.T. & Koehler, A.B Forecasing, Time Series, Regression An applied approach, 4 h ed. Thomson Brooks/cole, Belmon, CA. Brocklebank, J.C. & David, A.D SAS for Forecasing Time Series, h ed. John Wiley & Sons, Inc, New York. Cryer D. Jonahan Time Series Analysis. Lowa Ciy USA. Deparmen of Saisics & Acuarial Science Universias of Lowa. Maddala, G.S. 99. Inroducion o Economerics. Edisi ke-. New York: Macmillan Publishing Company. Sanoso, Singgih Bussiness Forecasing Meode Peramalan Bisnis Masa Kini dengan Miniab dan SPSS. PT. Elex Media Kompuindo. Sembiring Analisis Regresi. Penerbi ITB. Bandung. Sukirno, Sadono Penganar Teory Makroekonomi. PT. Raja Grafindo Persada. Jakara. Sumaryano Analisis Volailias Harga Eceran Beberapa Komodias Pangan Uama dengan Model ARCH/ GARCH. Jurnal Pusa Analisis Sosial Ekonomi dan Kebjakan Peranian. Wai, H.M., Teo, K. & Yee, K.M FDI and Economic Growh Relaionship: An Empirical Sudy on Malaysia. Inernaional Business Research, :: -8. Widarjono, Agus Ekonomerika Penganar dan Aplikasinya. Ekonisia Fakulas Ekonomi UII. Yogyakara. 0
Penerapan 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 terperinciPENDEKATAN PERAMALAN TINGKAT KONSUMSI MINYAK DI INDONESIA DENGAN MENGGUNAKAN METODE BOX-JENKINS
PENDEKATAN PERAMALAN TINGKAT KONSUMSI MINYAK DI INDONESIA DENGAN MENGGUNAKAN METODE BOX-JENKINS Ari Pani Desvina, Abdur Rahman Siddiq Jurusan Maemaika Fakulas Sains dan Teknologi UIN Suska Riau E-mail:
Lebih terperinciPENERAPAN METODE BOX-JENKINS UNTUK MEMPREDIKSI JUMLAH MAHASISWA UNIVERSITAS ISLAM NEGERI SUSKA RIAU
Jurnal Sains, Teknologi dan Indusri, Vol., No., Desember 4, pp. 8 89 ISSN 693-39 prin/issn 47-939 online PENERAPAN METODE BOX-JENKINS UNTUK MEMPREDIKSI JUMLAH MAHASISWA UNIVERSITAS ISLAM NEGERI SUSKA RIAU
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 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 terperinciPERAMALAN PENCEMARAN UDARA OLEH SULFUR DIOKSIDA (SO 2 ) DI PEKANBARU DENGAN MODEL AR(3)
PERAMALAN PENCEMARAN UDARA OLEH SULFUR DIOKSIDA (SO 2 ) DI PEKANBARU DENGAN MODEL AR(3) Ari Pani Desvina Jurusan Maemaika Fakulas Sains dan Teknologi UIN Suska Riau aripanidesvina@gmail.com ABSTRAK Meode
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 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 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan
BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun
43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan
Lebih terperinciPERAMALAN 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 terperinciPENERAPAN MODEL VECTOR AUTOREGRESSIVE (VAR) UNTUK PERAMALAN CURAH HUJAN KOTA PEKANBARU
Jurnal Sains, Teknologi dan Indusri, Vol. 11, No., Juni, pp. 151-159 ISSN 93-3 prin/issn 07-0939 online PENERAPAN MODEL VECTOR AUTOREGRESSIVE (VAR) UNTUK PERAMALAN CURAH HUJAN KOTA PEKANBARU 1 Ari Pani
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 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 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 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 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 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 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 terperinciPERAMALAN PARTICULATE MATTER (PM10) DI KAJANG MALAYSIA DENGAN MENGGUNAKAN MODEL AUTOREGRESSIVE
Jurnal Sains, Teknologi dan Indusri PERAMALAN PARTICULATE MATTER (PM10) DI KAJANG MALAYSIA DENGAN MENGGUNAKAN MODEL AUTOREGRESSIVE Ari Pani Desvina Jurusan Maemaika Fakulas Sains dan Teknologi UIN Suska
Lebih terperinciBAB III METODE PENELITIAN
3. METODE PENELITIAN 3.1. Kerangka Pikir BAB III METODE PENELITIAN Peneliian ini diujukan unuk membukikan adanya hubungan dan pengaruh dari nilai ukar Rupiah erhadap Dollar Amerika Serika (exchange rae),
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 terperinciANALISIS PERAMALAN BEBAN LISTRIK JANGKA PENDEK WILAYAH SUMBAR RIAU DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE (AR)
Vol. 9. No. 1, 011 ANALISIS PERAMALAN BEBAN LISTRIK JANGKA PENDEK WILAYAH SUMBAR RIAU DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE (AR) Zulfari Aini Jurusan Teknik Elekro, Fakulas Sains dan Teknologi UIN Suska
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan
Lebih 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 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 terperinciPERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT
Saisika, Vol. 2, No. 2, November 24 PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT Sri Wahyuni, 2 Farikhin, Iswahyudi Joko Suprayino Program Sudi Saisika
Lebih terperinciBAB 2 LANDASAN TEORI. 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 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 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 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 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 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 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 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 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 terperinciARIMA (Autoregressive Integrated Moving Average)
ARIMA (Auoregressive Inegraed Moving Average) I. Prinsip Dasar dan Tujuan Analisis. Prinsip Dasar ARIMA sering juga disebu meode runun waku Box-Jenkins. ARIMA sanga baik keepaannya unuk peramalan jangka
Lebih 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 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 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 terperinciIDENTIFIKASI POLA DATA TIME SERIES
IDENTIFIKASI POLA DATA TIME SERIES Daa merupakan bagian pening dalam peramalan. Beriku adalah empa krieria yang dapa digunakan sebagai acuan agar daa dapa digunakan dalam peramalan.. Daa harus dapa dipercaya
Lebih terperinciBAB 2 LANDASAN TEORI
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 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 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 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 terperinciBAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu
BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,
Lebih terperinciBAB 2 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 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 terperinciPERAMALAN RATA-RATA TEMPERATUR UDARA HARIAN KOTA PEKANBARU MENGGUNAKAN MODEL ARIMA (0,1,1) TUGAS AKHIR
PERAMALAN RATA-RATA TEMPERATUR UDARA HARIAN KOTA PEKANBARU MENGGUNAKAN MODEL ARIMA (0,,) TUGAS AKHIR Diajukan Sebagai Salah Sau Syara unuk Memperoleh Gelar Sarjana Sains pada Jurusan Maemaika Oleh: DEWI
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 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 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 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 terperinciANALISIS CRITICAL ROOT VALUE PADA DATA NONSTATIONER
ANALISIS CRITICAL ROOT VALUE PADA DATA NONSTATIONER Abdul Aziz Dosen Jurusan Maemaika Fakulas Sains Teknologi Universias Islam Negeri (UIN) Maulana Malik Ibrahim Malang e-mail : abdulaziz_uinmlg@yahoo.com
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 terperinciPERAMALAN JUMLAH PENDERITA TUMOR JINAK (NEOPLASMA) DI RSUD ARIFIN ACHMAD PEKANBARU DENGAN MENGGUNAKAN MODEL ARIMA(0,1,1) TUGAS AKHIR.
PERAMALAN JUMLAH PENDERITA TUMOR JINAK (NEOPLASMA) DI RSUD ARIFIN ACHMAD PEKANBARU DENGAN MENGGUNAKAN MODEL ARIMA(,1,1) TUGAS AKHIR Diajukan Sebagai Salah Sau Syara Unuk Memperoleh Gelar Sarjana Sains
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 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 NILAI EKSPOR NON MIGAS SEKTOR PERINDUSTRIAN DI JAWA TIMUR DENGAN MENGGUNAKAN ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN NILAI EKSPOR NON MIGAS SEKTOR PERINDUSTRIAN DI JAWA TIMUR DENGAN MENGGUNAKAN ARIMA BOX-JENKINS Mohammad Fariq NRP 1314 030 015 Dosen Pembimbing Dra. Sri Mumpuni Renaningsih,
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 terperinciPENGGUNAAN METODE PERAMALAN DALAM ANALISIS NILAI TUKAR RUPIAH TERHADAP DOLAR DENGAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY
PENGGUNAAN METODE PERAMALAN DALAM ANALISIS NILAI TUKAR RUPIAH TERHADAP DOLAR DENGAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY Hermansah Program Sudi Pendidikan Maemaika, Fakulas Keguruan
Lebih terperinciPengaruh variabel makroekonomi..., 24 Serbio Harerio, Universitas FE UI, 2009Indonesia
BAB 3 DATA DAN METODOLOGI 3.1 Variabel-Variabel Peneliian 3.1.1 Variabel dependen Variabel dependen yang digunakan adalah reurn Indeks Harga Saham Gabungan yang dihiung dari perubahan logarima naural IHSG
Lebih terperinciDAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Studi Aplikasi Model Intervensi dengan Step Function)
DAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Sudi Aplikasi Model Inervensi dengan Sep Funcion) S-3 Kismianini dan Dhoriva Urwaul Wusqa Jurusan Pendidikan Maemaika
Lebih terperinci(T.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 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 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
BAB LANDASAN TEORI.1 Definisi Peramalan Peramalan adalah suau kegiaan dalam memperkirakan aau kegiaan ang melipui pembuaan perencanaan di masa ang akan daang dengan menggunakan daa masa lalu dan daa masa
Lebih 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 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 terperinciBab 5 Penaksiran Fungsi Permintaan. Ekonomi Manajerial Manajemen
Bab 5 Penaksiran Fungsi Perminaan 1 Ekonomi Manajerial Manajemen Peranyaan Umum Tenang Perminaan Seberapa besar penerimaan perusahaan akan berubah seelah adanya peningkaan harga? Berapa banyak produk yang
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 terperinciModel Dinamis: Autoregressive Dan Distribusi Lag (Studi Kasus : Pengaruh Kurs Dollar Amerika Terhadap Produk Domestik Regional Bruto (PDRB))
Model Dinamis: Auoregressive Dan Disribusi Lag (Sudi Kasus : Pengaruh Kurs Dollar Amerika Terhadap Produk Domesik Regional Bruo (PDRB)) Dynamic Model : Auoregressive and Disribuion Lag (Case Sudy: Effecs
Lebih terperinciBAB 1 PENDAHULUAN. Dalam pelaksanaan pembangunan saat ini, ilmu statistik memegang peranan penting
BAB 1 PENDAHULUAN 1.1. Laar Belakang Dalam pelaksanaan pembangunan saa ini, ilmu saisik memegang peranan pening baik iu di dalam pekerjaan maupun pada kehidupan sehari-hari. Ilmu saisik sekarang elah melaju
Lebih 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 terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 91-100 Online di: hp://ejournal-s1.undip.ac.id/index.php/gaussian IDENTIFIKASI BREAKPOINT DAN PEMODELAN AUTOREGRESSIVE STRUCTURAL
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 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 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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN III.1 Model Peneliian Dalam menganalisa efekifias kebijakan pemerinah, maka model yang digunakan dalam skripsi ini adalah model yang diurunkan dari eori kekuaan monopoli,
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 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 terperinciPROSES AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY DENGAN DUGAAN VARIANSI INFLASI INDONESIA
PROSES AUOREGRESSIVE CONDIIONAL HEEROSCEDASICIY DENGAN DUGAAN VARIANSI INFLASI INDONESIA Rianiai Monica, Suyono, dan Vera Maya Sani Jurusan Maemaika FMIPA UNJ Absrak Model-model runun waku konvensional,
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 terperinciIII. METODE PENELITIAN. Data yang digunakan adalah data sekunder runtun waktu (time series) bulanan
III. METODE PENELITIAN A. Jenis dan Sumber Daa Daa yang digunakan adalah daa sekunder runun waku (ime series) bulanan dari 2002:01 sampai dengan 2009:06 yang bersumber dari Laporan dan websie Bank Indonesia
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.. Ruang Lingkup Peneliian Peneliian ini diujukan unuk menenukan meode erbaik yang dapa digunakan dalam meramalkan harga ayam pada enam koa besar di Jawa-Bali. Meode peramalan yang
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. tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami
11 BAB 1 PENDAHULUAN 1.1. Laar Belakang Keahanan pangan (food securiy) di negara kia ampaknya cukup rapuh. Sejak awal ahun 1990-an, jumlah produksi pangan eruama beras, cenderung mengalami penurunan sehingga
Lebih terperinciPENENTUAN MODEL TERBAIK UNTUK PERAMALAN DATA SAHAM CLOSING PT. CIMB NIAGA INDONESIA MENGGUNAKAN METODE ARCH-GARCH
PENENTUAN MODEL TERBAIK UNTUK PERAMALAN DATA SAHAM CLOSING PT. CIMB NIAGA INDONESIA MENGGUNAKAN METODE ARCH-GARCH Gatri Eka K 1, Vebriani Safitry 2, Yesika Kristin 3 Program Studi Matematika, Universitas
Lebih terperinciPENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC TMP C CILACAP
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC
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 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 terperinciExponential smoothing
Exponenial smoohing This is a widely used forecasing echnique in reailing, even hough i has no proven o be especially accurae, www,cl,asae,edu/crbrown/smoohing07,pp 1 Exponenial Smoohing n Period Moving
Lebih terperinciUJI MULTIKOLINEARITAS DAN PERBAIKAN MULTIKOLINEARITAS
BAHAN AJAR EKONOMETRIKA AGUS TRI BASUKI UNIVERSITAS MUHAMMADIYAH YOGYAKARTA UJI MULTIKOLINEARITAS DAN PERBAIKAN MULTIKOLINEARITAS 6.1. Uji Mulikolinearias Sebagaimana dikemukakan di aas, bahwa salah sau
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 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 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 terperinciPENERAPAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (GARCH) DALAM PERAMALAN NILAI TUKAR DOLAR TERHADAP RUPIAH
Penerapan Model Generalized Auoregressive Condiional Heeroscedasic (Garch) PENERAPAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (GARCH) DALAM PERAMALAN NILAI TUKAR DOLAR TERHADAP RUPIAH
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 terperinci