PENGENDALIAN KUALITAS STATISTIKA RUNTUN WAKTU DENGAN METODE FEEDBACK CONTROL DI PT. SEMEN GRESIK (PERSERO) TBK.

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENGENDALIAN KUALITAS STATISTIKA RUNTUN WAKTU DENGAN METODE FEEDBACK CONTROL DI PT. SEMEN GRESIK (PERSERO) TBK."

Transkripsi

1 PENGENDALIAN KUALITAS STATISTIKA RUNTUN WAKTU DENGAN METODE FEEDBACK CONTROL DI PT. SEMEN GRESIK (PERSERO) TBK. SKRIPSI oleh: ADJI ACHMAD RINALDO FERNANDES PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA & ILMU PENGETAHUAN ALAM UNIVERSITAS BRAWIJAYA MALANG 2004

2 LEMBAR PENGESAHAN PENGENDALIAN KUALITAS STATISTIKA RUNTUN WAKTU DENGAN METODE FEEDBACK CONTROL DI PT. SEMEN GRESIK (PERSERO) TBK. SKRIPSI oleh: ADJI ACHMAD RINALDO FERNANDES Setelah dipertahankan di depan Majelis Penguji pada tanggal 19 Januari 2004 dan dinyatakan memenuhi syarat untuk memperoleh gelar Sarjana Sains dalam bidang Statistika Dosen Pembimbing I, Dosen Pembimbing II, Ir. Heni Kusdarwati, MS Rahma Fitriani, SSi, MSc NIP NIP Mengesahkan, Ketua Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Brawijaya

3 Dr. Marjono, M.Phil NIP

4 ABSTRAK Adji Achmad Rinaldo Fernandes. Pengendalian Kualitas Statistika Runtun Waktu Dengan Metode Feedback Control Di PT. Semen Gresik (Persero) Tbk. Dosen Pembimbing I Ir. Heni Kusdarwati, MS. Dosen Pembimbing II Rahma Fitriani, SSi, MSc. Pengendalian kualitas statistika runtun waktu digunakan bila digunakan pengambilan sampel secara runtun waktu dan proses produksi memiliki nilai target (T) tertentu yang telah ditentukan. Proses pengawasan menggunakan grafik pengendali, untuk menguji secara grafis apakah proses produksi berada dalam keadaan terkendali atau tidak. Proses penyesuaian menggunakan metode feedback control, dengan cara memanipulasi peubah tambahan Xt, supaya nilai peubah Yt di masa yang akan datang cukup dekat dengan nilai target T. Penelitian dilakukan di PT. Semen Gresik (Persero) Tbk. Karakteristik kualitas (Yt) yang diukur adalah kehalusan semen (blaine) pada proses produksi penggilingan akhir (finishing mill) dengan T sebesar 3200 M 2 /kg, dan peubah tambahan (Xt) yang digunakan adalah putaran penggilingan mesin. Data diambil tiap interval 2 jam dalam 24 jam sehari, selama 7 hari mulai tanggal 1 sampai 7 Desember 2003, di mana terdapat (7 x 24/2) = 84 observasi. Pada proses pengawasan berdasarkan grafik pengendali, dapat disimpulkan bahwa karakteristik kualitas (Yt) berada dalam keadaan terkendali secara statistika. Pada proses penyesuaian, hasil identifikasi ARIMA untuk deret gangguan Dt didapatkan model terbaik adalah ARIMA (1,0,0) dengan persamaan Dt = 0,4595Dt-1 + at, dan hasil identifikasi model fungsi transfer deret input Xt dengan deret output Yt didapatkan model terbaik adalah model fungsi transfer (0,0,1)(0,0) didapatkan persamaan Yt = 2,01185Xt-1. Hasil persamaan pengendali pada metode feedback control ini adalah: 3200 (0,4595) D t X t = 2,01185 sehingga dengan menggunakan persamaan pengendali di atas, diharapkan untuk periode ke depan, didapatkan nilai Yt mendekati nilai T.

5 BAB I PENDAHULUAN 1.1. Latar Belakang Pengendalian kualitas statistika sering digunakan di berbagai bidang industri, terutama pada perusahaan manufaktur. Pengendalian kualitas statistika menjabarkan penggunaan teknik-teknik statistika dalam mengawasi dan meningkatkan performasi proses untuk menghasilkan produk berkualitas (Keats dan Montgomery, 1991). Pengendalian kualitas statistika terbagi menjadi dua jenis berdasarkan runtun waktu pengumpulan data karakteristik kualitas, yaitu sebagai berikut: 1. Jika pengumpulan data dilakukan dengan runtun waktu pada interval tetap, misalnya pengumpulan data setiap 1 jam sekali, dinamakan pengendalian kualitas statistika menggunakan runtun waktu, 2. Jika pengumpulan data dilakukan tanpa runtun waktu, misalnya dengan penomoran sampel, dinamakan pengendalian kualitas statistika tanpa menggunakan runtun waktu. Pada pengendalian kualitas statistika tanpa runtun waktu, proses pengendalian meliputi proses pengawasan (monitoring), sedangkan pada pengendalian kualitas runtun waktu, proses pengendalian meliputi proses pengawasan dan proses penyesuaian (adjustment). Proses pengawasan adalah proses pengendalian terhadap karakteristik kualitas, apakah berada pada keadaan terkendali atau tidak. Proses penyesuaian adalah suatu usaha untuk mengurangi ataupun menghilangkan keragaman (penyimpangan) dari karakteristik kualitas supaya cukup dekat dengan nilai target yang telah dispesifikasi pada proses

6 produksi. Pada proses penyesuaian ini, dibutuhkan sebuah peubah tambahan sebagai peubah manipulasi, yang dapat mengendalikan karakteristik kualitas supaya cukup dekat dengan nilai target. PT. Semen Gresik (Persero) Tbk sebagai perusahaan pembuat semen terkemuka di Indonesia, pada proses produksi melakukan pengendalian kualitas statistika secara runtun waktu. Pada bagian penggilingan akhir (finish mill) karakteristik kualitas yang dikendalikan berupa kehalusan semen (blaine) yang diamati secara runtun waktu pada selang interval 2 jam sekali Tujuan Tujuan dari penelitian ini adalah: 1. Mempelajari proses pengawasan dan proses penyesuaian pada pengendalian kualitas statistika runtun waktu. 2. Mengetahui aplikasi dan penggunaan pengendalian kualitas statistika runtun waktu pada proses penggilingan akhir (finish mill) produk semen yang dihasilkan PT. Semen Gresik (Persero) Tbk Batasan Masalah Ruang lingkup studi ini adalah pengendalian kualitas statistika runtun waktu, di mana karakteristik kualitas telah dispesifikasi dengan suatu nilai target (T) tertentu, dengan proses pengawasan menggunakan grafik pengendali dan proses penyesuaian menggunakan metode Feedback Control.

7 DAFTAR PUSTAKA Assauri, S., 1984, Teknik dan Metoda Peramalan Penerapannya Dalam Ekonomi dan Dunia Usaha, Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia, Jakarta. Box, G., dan Jenkins, G., 1976, Time Series Analysis: Forecasting and Control, Holden-Day, Inc, San Francisco. Box, G., Jenkins G., dan Reinsel G., 1994, Time Series Analysis and Control Forecasting, Edisi Ketiga, Prentice-Hall, Inc, New Jersey. Chatfield, C., 1984, Time Series, Theory and Practice and Forecasting, Chapman Hall, London. Cryer, J., 1986, Time Series Analysis, PWS-KENT Publishing Company, Boston. Keats, J.B., dan Montgomery, 1991, Statistical Process Control In Manufacturing, Marcel Dekker, Inc, New York. Kume, H., 1989, Metode Statistik untuk Peningkatan Mutu, Edisi Pertama, Terjemahan Cornel Naibaho dan Nawolo Widodo, Mediyatama Sarana Perkasa, Jakarta. Makridakis, S., Wheelwright, S., dan McGee, V., 1999, Metode dan Aplikasi Peramalan, Jilid Satu, Edisi Kedua, Alih Bahasa Hari Suminto, Binarupa Aksara, Jakarta. Montgomery, D., 1990, Pengantar Pengendalian Kualitas Statistik, Gadjah Mada University Press, Yogyakarta. Wei, W.S., 1994, Time Series Analysis, Univariate and Multivariate Methods, The Bartlett, Press, Inc, Toronto.

ANALISIS PENJUALAN BAHAN BAKAR MINYAK (BBM) dari PT. PERTAMINA (PERSERO) UPms V SURABAYA dengan METODE ARIMA BOX JENKINS

ANALISIS PENJUALAN BAHAN BAKAR MINYAK (BBM) dari PT. PERTAMINA (PERSERO) UPms V SURABAYA dengan METODE ARIMA BOX JENKINS ANALISIS PENJUALAN BAHAN BAKAR MINYAK (BBM) dari PT. PERTAMINA (PERSERO) UPms V SURABAYA dengan METODE ARIMA BOX JENKINS Oleh: Rizky Amlia Rachmawati (1306.030.046) Dosen Pembimbing: Dra. Madu Ratna, M.Si

Lebih terperinci

BABV PENUTUP. 2. Model fungsi transfer yang menghubungkan antara harga rninyak bumi dengan harga bijih plastikjenis PE, yaitu:

BABV PENUTUP. 2. Model fungsi transfer yang menghubungkan antara harga rninyak bumi dengan harga bijih plastikjenis PE, yaitu: BABV PENUTUP V.I KesimpuJan Berdasarkan analisa dan pembahasan yang telah dilakukan, maka dapat diarnbil kesirnpulan sebagai berikut: I. Model fungsi transfer yang menghubungkan antara harga rninyak bmni

Lebih terperinci

Peramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun

Peramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun Peramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun NAMA : RITA RAHMADHANI NRP : 1306 030 008 PEMBIMBING: DR. BRODJOL SUTIJO

Lebih terperinci

BAB IV KESIMPULAN DAN SARAN. maka dapat disimpulkan sebagai berikut: 1. Langkah-langkah dalam menentukan model EGARCH pada pemodelan data

BAB IV KESIMPULAN DAN SARAN. maka dapat disimpulkan sebagai berikut: 1. Langkah-langkah dalam menentukan model EGARCH pada pemodelan data BAB IV KESIMPULAN DAN SARAN A. Kesimpulan Berdasarkan uraian dan pembahasan pada bab-bab sebelumnya, maka dapat disimpulkan sebagai berikut: 1. Langkah-langkah dalam menentukan model EGARCH pada pemodelan

Lebih terperinci

PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA

PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA Jurnal Matematika UNAND Vol. 3 No. 3 Hal. 59 67 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA ANNISA UL UKHRA Program Studi Matematika,

Lebih terperinci

Oleh : Dwi Listya Nurina Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si

Oleh : Dwi Listya Nurina Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si Oleh : Dwi Listya Nurina 1311105022 Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si Air Bersih BUMN Penyediaan air bersih untuk masyarakat mempunyai peranan yang sangat penting dalam meningkatkan kesehatan

Lebih terperinci

BAB V KESIMPULAN DAN SARAN

BAB V KESIMPULAN DAN SARAN BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan analisis data dan pembahasan pada Bab IV, kesimpulan penelitian ini adalah sebagai berikut. 1. Model VARIMA yang sesuai untuk data penjualan obat I,

Lebih terperinci

IDENTIFIKASI MODEL FUNGSI TRANSFER MENGGUNAKAN PEMODELAN ARIMA OTOMATIS GOMEZ-MARAVALL (STUDI KASUS PADA DATA INFLASI INDONESIA)

IDENTIFIKASI MODEL FUNGSI TRANSFER MENGGUNAKAN PEMODELAN ARIMA OTOMATIS GOMEZ-MARAVALL (STUDI KASUS PADA DATA INFLASI INDONESIA) IDENTIFIKASI MODEL FUNGSI TRANSFER MENGGUNAKAN PEMODELAN ARIMA OTOMATIS GOMEZ-MARAVALL (STUDI KASUS PADA DATA INFLASI INDONESIA) Oleh: R I O J A K A R I A NPM. 140720090023 T E S I S Untuk memenuhi salah

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Berdasarkan sifatnya peramalan terbagi atas dua yaitu peramalan kualitatif dan peramalan kuantitatif. Metode kuantitatif terbagi atas dua yaitu analisis deret berkala

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-300

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-300 JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (203) 233-20 (230-9X Print) D-300 Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R- dengan Metode Fungsi Transfer

Lebih terperinci

KESIMPULAN DAN SARAN SARAN

KESIMPULAN DAN SARAN SARAN KESIMPULAN DAN SARAN 1. Peramalan dengan menggunakan ensemble tiruan menghasilkan peramalan berupa pdf dan memiliki interval. Ensembel tiruan pada lead pertama dapat menangkap observasi kecepatan angin

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) A-31

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) A-31 JURNAL SAINS DAN SENI ITS Vol 4, No2, (2015) 2337-3520 (2301-928X Print) A-31 Perbandingan Performansi Metode Peramalan Fuzzy Time Series yang Dimodifikasi dan Jaringan Syaraf Tiruan Backpropagation (Studi

Lebih terperinci

PERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH)

PERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH) Jurnal Matematika UNAND Vol. 5 No. 4 Hal. 80 88 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE

Lebih terperinci

ESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) Abstract

ESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) Abstract Estimasi Parameter (Mika Asrini) ESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) Mika Asrini 1, Winita Sulandari 2, Santoso Budi Wiyono 3 1 Mahasiswa

Lebih terperinci

PERAMALAN PRODUKSI PADI DENGAN ARIMA, FUNGSI TRANSFER DAN ADAPTIVE NEURO FUZZY INFERENCE SYSTEM

PERAMALAN PRODUKSI PADI DENGAN ARIMA, FUNGSI TRANSFER DAN ADAPTIVE NEURO FUZZY INFERENCE SYSTEM PERAMALAN PRODUKSI PADI DENGAN ARIMA, FUNGSI TRANSFER DAN ADAPTIVE NEURO FUZZY INFERENCE SYSTEM Oleh: ADI WIJAYA NRP. 1310201720 Dosen Pembimbing: Dr. Suhartono, S.Si, M.Sc PROGRAM MAGISTER STATISTIKA

Lebih terperinci

Penerapan Model ARIMA

Penerapan Model ARIMA Penerapan Model ARIMA (Bagian II) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016 1 a. Lakukan proses pembedaan (differencing) sebanyak dua kali pada data asal. b. Lakukan pendugaan parameter pada

Lebih terperinci

PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT

PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT Novian Endi Gunawan 1, I Wayan Sumarjaya 2, I G.A.M. Srinadi 3 1 Program Studi Matematika,

Lebih terperinci

FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA

FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA 1) Nurul Latifa Hadi 2) Artanti Indrasetianingsih 1) S1 Program Statistika, FMIPA, Universitas PGRI Adi Buana Surabaya 2)

Lebih terperinci

PENDUGAAN PARAMETER MODEL AUTOREGRESSIVE PADA DERET WAKTU

PENDUGAAN PARAMETER MODEL AUTOREGRESSIVE PADA DERET WAKTU Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 28 37 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENDUGAAN PARAMETER MODEL AUTOREGRESSIVE PADA DERET WAKTU NELFA SARI Program Studi Matematika, Fakultas

Lebih terperinci

PEMODELAN JUMLAH PENDERITA HIV/AIDS TERKAIT KUNJUNGAN WISATAWAN DI KABUPATEN BADUNG DAN KOTA MADYA DENPASAR DENGAN METODE TRANSFER FUNCTION

PEMODELAN JUMLAH PENDERITA HIV/AIDS TERKAIT KUNJUNGAN WISATAWAN DI KABUPATEN BADUNG DAN KOTA MADYA DENPASAR DENGAN METODE TRANSFER FUNCTION PEMODELAN JUMLAH PENDERITA HIV/AIDS TERKAIT KUNJUNGAN WISATAWAN DI KABUPATEN BADUNG DAN KOTA MADYA DENPASAR DENGAN METODE TRANSFER FUNCTION Oleh NYOMAN PANDU WIRADARMA (1308 100 052) Dosen Pembimbing 1

Lebih terperinci

Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer

Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer 1 Faridah Yuliani dan 2 Dr. rer pol Heri Kuswanto 1,2 Jurusan Statistika

Lebih terperinci

Penerapan Model ARIMA

Penerapan Model ARIMA Penerapan Model ARIMA (Bagian I) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 016 1 Ada tiga tahapan iterasi dalam pemodelan data deret waktu, yaitu: 1. Penentuan model tentatif (spesifikasi model)

Lebih terperinci

Goal Programming untuk PeRencanaan Produksi Agregat dengan kendala sumber daya

Goal Programming untuk PeRencanaan Produksi Agregat dengan kendala sumber daya Goal Programming untuk PeRencanaan Produksi Agregat dengan kendala sumber daya Oleh : Kartika Megasari 1206 100 044 Dosen Pembimbing: Drs.Sulistiyo,MT Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan

Lebih terperinci

Nomor Kode : MT 524. : Pendidikan Matematika (NONDIK)/S-1. : STATDAS dan STATMAT-I : Dra Entit Puspita, M.Si

Nomor Kode : MT 524. : Pendidikan Matematika (NONDIK)/S-1. : STATDAS dan STATMAT-I : Dra Entit Puspita, M.Si DESKRIPSI MATA KULIAH MT 524 Metode Runtun Waktu : 3 sks, Semerster 7 Mata kuliah ini merupakan salah satu mata kuliah pilihan bebas (MKPB), yang dapat diikuti oleh mahasiswa jurusan/program studi Non

Lebih terperinci

PREDIKSI JANGKA PENDEK B ULAN AN JUMLAH FLARE DENGAN MODEL ARIMA (p,d,[q]), (P,D,Q)' 32

PREDIKSI JANGKA PENDEK B ULAN AN JUMLAH FLARE DENGAN MODEL ARIMA (p,d,[q]), (P,D,Q)' 32 PREDIKSI JANGKA PENDEK B ULAN AN JUMLAH FLARE DENGAN MODEL ARIMA (p,d,[q]), (P,D,Q)' 32 Nanang WIdodo Penelid Staslun Pengamat Dlrgantara Watukosek, LAPAN ABSTRACT The time series of the monthly number

Lebih terperinci

PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS

PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS Oleh : Agustini Tripena ABSTRACT In this paper, forecasting the consumer price index data and inflation. The method

Lebih terperinci

LULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI

LULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI LULIK PRESDITA W 1207 100 002 APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI 1 Pembimbing : Dra. Nuri Wahyuningsih, M.Kes BAB I PENDAHULUAN 2 LATAR BELAKANG 1. Stabilitas ekonomi dapat dilihat

Lebih terperinci

PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER

PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER PKMT-2-13-1 PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER Umi Rosyiidah, Diah Taukhida K, Dwi Sitharini Jurusan Matematika, Universitas Jember, Jember ABSTRAK

Lebih terperinci

PERAN STATISTIKA DALAM MENDUKUNG PENGEMBANGAN INDUSTRI Pengendalian Mutu dengan Bantuan Statistika

PERAN STATISTIKA DALAM MENDUKUNG PENGEMBANGAN INDUSTRI Pengendalian Mutu dengan Bantuan Statistika PERAN STATISTIKA DALAM MENDUKUNG PENGEMBANGAN INDUSTRI Pengendalian Mutu dengan Bantuan Statistika Muhammad Arif Tiro Program Studi Statistika FMIPA Universitas Negeri Makassar Abstrak Salah satu alat

Lebih terperinci

PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI)

PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) Liana Kusuma Ningrum dan Winita Sulandari, M.Si. Jurusan Matematika,

Lebih terperinci

OPTIMASI PRODUKSI INDUSTRI PERHIASAN EMAS di PT X DENGAN METODE LINEAR PROGRAMMING

OPTIMASI PRODUKSI INDUSTRI PERHIASAN EMAS di PT X DENGAN METODE LINEAR PROGRAMMING OPTIMASI PRODUKSI INDUSTRI PERHIASAN EMAS di PT DENGAN METODE LINEAR PROGRAMMING Heni Indrayati* dan Bobby Oedy P. Soepangkat** Program Pascasarjana Magister Manajemen Teknologi ITS Bidang Keahlian Manajemen

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA

RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA A. MATA KULIAH Nama Mata Kuliah : Metode Peramalan Kode/sks : MAS 4234 / 3 (2-1) Semester : VI Status (Wajib/Pilihan) : Pilihan (P) Prasyarat

Lebih terperinci

PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)

PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) Oleh : Nofinda Lestari 1208 100 039 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT

Lebih terperinci

PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus : KA Argo Muria)

PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus : KA Argo Muria) ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 131-140 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN

Lebih terperinci

ANALISIS DERET BERKALA MULTIVARIAT DENGAN MENGGUNAKAN MODEL FUNGSI TRANSFER: STUDI KASUS CURAH HUJAN DI KOTA MALANG

ANALISIS DERET BERKALA MULTIVARIAT DENGAN MENGGUNAKAN MODEL FUNGSI TRANSFER: STUDI KASUS CURAH HUJAN DI KOTA MALANG ANALISIS DERET BERKALA MULTIVARIAT DENGAN MENGGUNAKAN MODEL FUNGSI TRANSFER: STUDI KASUS CURAH HUJAN DI KOTA MALANG Fachrul Ulum Febriansyah dan Abadyo Universitas Negeri Malang E-mail: fachrul.febrian@gmail.com

Lebih terperinci

TUGAS AKHIR PERKIRAAN PENGGUNAAN BANDWIDTH PADA BTS PROVEDER XL AXIATA MENGGUNAKAN DERET WAKTU

TUGAS AKHIR PERKIRAAN PENGGUNAAN BANDWIDTH PADA BTS PROVEDER XL AXIATA MENGGUNAKAN DERET WAKTU TUGAS AKHIR PERKIRAAN PENGGUNAAN BANDWIDTH PADA BTS PROVEDER XL AXIATA MENGGUNAKAN DERET WAKTU Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah

Lebih terperinci

SILABUS MATAKULIAH PERAMALAN BISNIS

SILABUS MATAKULIAH PERAMALAN BISNIS SILABUS MATAKULIAH PERAMALAN BISNIS Matakuliah : Peramalan Bisnis Kode Matakuliah/sks : AGB 201/ 3(2-3) Semester : 4 Prasyarat Deskripsi Singkat : Metode Statistika : Matakuliah ini memberikan pengetahuan,

Lebih terperinci

As ad 36, I Made Tirta 37, YulianiSetiaDewi 38

As ad 36, I Made Tirta 37, YulianiSetiaDewi 38 PERAMALAN PERTUMBUHAN PENDUDUK KABUPATEN SITUBONDO DENGAN MODEL ARIMA, DERET ARITMATIK, DERET GEOMETRI DAN DERET EKSPONENSIAL THE FORECASTING GROWTH OF THE POPULATION IN SITUBONDO BY USING ARIMA, ARITMATICS,

Lebih terperinci

KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q)

KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q) UJIAN TUGAS AKHIR KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q) Disusun oleh : Novan Eko Sudarsono NRP 1206.100.052 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi

Lebih terperinci

Jurusan Teknik Industri, Universitas Brawijaya Jalan MT. Haryono 167, Malang, 65145, Indonesia (1)

Jurusan Teknik Industri, Universitas Brawijaya Jalan MT. Haryono 167, Malang, 65145, Indonesia (1) Petunjuk Sitasi: Setyanto, N. W., Herdianto, B., & Eunike, A. (2017). Analisa Kapasitas Produksi Pembuatan Rokok Sigaret Keretek Mesin (SKM) Menggunakan Metode Rougt Cut Capacity Planning (RCCP). Prosiding

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakang Pajak merupakan sumber kas negara yang digunakan untuk pembangunan. Undang- Undang Republik Indonesia Nomor 16 Tahun 2000 tentang Ketentuan Umum Dan Tata Cara Perpajakan

Lebih terperinci

PERENCANAAN PRODUKSI AGREGAT PADA INDUSTRI KACA DI PT. XYZ

PERENCANAAN PRODUKSI AGREGAT PADA INDUSTRI KACA DI PT. XYZ PERENCANAAN PRODUKSI AGREGAT PADA INDUSTRI KACA DI PT. XYZ 1 Martinus Harun Koentjoro, 2 Bobby Oedy P. Soepangkat, 3 Nurhadi Siswanto 1 Mahasiswa Pasca Sarjana Magister Manajemen Teknologi 2 Dosen Magister

Lebih terperinci

Pengendalian Kualitas Statistik Produk Botol Sting 240 ml di PT IGLAS (Persero) Oleh: Wahyu Eka Kusumaningrum

Pengendalian Kualitas Statistik Produk Botol Sting 240 ml di PT IGLAS (Persero) Oleh: Wahyu Eka Kusumaningrum Pengendalian Kualitas Statistik Produk Botol Sting 40 ml di PT IGLAS (Persero) Oleh: Wahyu Eka Kusumaningrum 1308030047 PENDAHULUAN LATAR BELAKANG PT IGLAS (Persero) merupakan perusahaan manufacturing

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA

RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA A. MATA KULIAH Nama Mata Kuliah : Analisa Deret Waktu Kode/sks : MAS 4133 / 3 Semester : V Status (Wajib/Pilihan) : Wajib (W) Prasyarat : MAS

Lebih terperinci

OUTLINE. Pendahuluan. Tinjauan Pustaka. Metodologi Penelitian. Analisis dan Pembahasan. Kesimpulan dan Saran

OUTLINE. Pendahuluan. Tinjauan Pustaka. Metodologi Penelitian. Analisis dan Pembahasan. Kesimpulan dan Saran OUTLINE Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran LATAR BELAKANG Listrik elemen terpenting dalam kehidupan manusia Penelitian Sebelumnya Masyarakat

Lebih terperinci

Spesifikasi Model. a. ACF

Spesifikasi Model. a. ACF Dept. Statistika IPB, 0 Spesifikasi Model Ada tiga tahapan iterasi dalam pemodelan data deret waktu, yaitu:. Penentuan model tentatif (spesifikasi model) berdasarkan data contoh untuk mengidentifikasi

Lebih terperinci

PERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH

PERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH Jurnal Matematika UNAND Vol. VI No. 1 Hal. 1 8 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH

Lebih terperinci

Penerapan Model ARIMA

Penerapan Model ARIMA Penerapan Model ARIMA (Bagian I) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017 1 Ada tiga tahapan iteratif dalam pemodelan data deret waktu yang berbasis model ARIMA, yaitu: 1. Penentuan model

Lebih terperinci

PEMODELAN DAN PERAMALAN JUMLAH PENUMPANG DAN PESAWAT DI TERMINAL KEDATANGAN INTERNASIONAL BANDARA JUANDA SURABAYA DENGAN METODE VARIANSI KALENDER

PEMODELAN DAN PERAMALAN JUMLAH PENUMPANG DAN PESAWAT DI TERMINAL KEDATANGAN INTERNASIONAL BANDARA JUANDA SURABAYA DENGAN METODE VARIANSI KALENDER PEMODELAN DAN PERAMALAN JUMLAH PENUMPANG DAN PESAWAT DI TERMINAL KEDATANGAN INTERNASIONAL BANDARA JUANDA SURABAYA DENGAN METODE VARIANSI KALENDER M. Insanil Kamil 0 0 0 m.insanil_kml@yahoo.com Dosen pembimbing:

Lebih terperinci

PEMODELAN DATA RUNTUK WAKTU PADA DATA PRODUKSI SUSU SAPI DI AMERIKA SEJAK TAHUN

PEMODELAN DATA RUNTUK WAKTU PADA DATA PRODUKSI SUSU SAPI DI AMERIKA SEJAK TAHUN PEMODELAN DATA RUNTUK WAKTU PADA DATA PRODUKSI SUSU SAPI DI AMERIKA SEJAK TAHUN 1962 1975 Jantini Trianasari Natangku dan Fitria Puspitoningrum Mahasiswa Program Studi Matematika Fakultas Sains dan Matematika

Lebih terperinci

Teknik Peramalan Melalui Pemulusan Data (Bagian II) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017/2018

Teknik Peramalan Melalui Pemulusan Data (Bagian II) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017/2018 Teknik Peramalan Melalui Pemulusan Data (Bagian II) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017/2018 The most crucial issue in simple moving averages is the choice of the span, N. A simple moving

Lebih terperinci

A. Judul : PEMODELAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN DI KABUPATEN BANDUNG

A. Judul : PEMODELAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN DI KABUPATEN BANDUNG A. Judul : PEMODELAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN DI KABUPATEN BANDUNG B. Latar Belakang Informasi tentang curah hujan merupakan perihal penting yang berpengaruh terhadap berbagai macam aktifitas

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di: ISSN: 2339-254 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 205, Halaman 957-966 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian PREDIKSI NILAI KURS DOLLAR AMERIKA MENGGUNAKAN EXPONENTIAL SMOOTHING

Lebih terperinci

PERENCANAAN WAKTU YANG OPTIMAL DALAM PEMBELIAN KOMPONEN BELT

PERENCANAAN WAKTU YANG OPTIMAL DALAM PEMBELIAN KOMPONEN BELT TUGAS AKHIR PERENCANAAN WAKTU YANG OPTIMAL DALAM PEMBELIAN KOMPONEN BELT WF (WEIGHT FEEDER) PADA PROSES MESIN FINISH MILL (Studi kasus : PT. Semen Gresik Tbk.) Disusun untuk Melengkapi dan Memenuhi Syarat

Lebih terperinci

Dlri Fiuia $trbi# Nn/l. N

Dlri Fiuia $trbi# Nn/l. N 4di ". ; :W -":Es-..3rys\ il., F. ii) I _-- ::...-.ij.jr,-i:lii:{aid{*;f,!.:rtq {'!%EEryryrynr:rirjt'i',r\14:Er:i{Y.ii.. :1 t:irrri,' -.,::ffi.t I A*ikel sleh Dwi Fiuia Subiakti ini Telah diperiksa dan

Lebih terperinci

PENERAPAN BAGAN KENDALI T 2 HOTELLING DAN ANALISIS KEMAMPUAN PROSES DALAM PRODUKSI SEMEN PPC (PORTLAND POZZOLLAND CEMENT ) DI PT.

PENERAPAN BAGAN KENDALI T 2 HOTELLING DAN ANALISIS KEMAMPUAN PROSES DALAM PRODUKSI SEMEN PPC (PORTLAND POZZOLLAND CEMENT ) DI PT. Jurnal Matematika UNAND Vol. 4 No. 1 Hal. 76 84 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN BAGAN KENDALI T 2 HOTELLING DAN ANALISIS KEMAMPUAN PROSES DALAM PRODUKSI SEMEN PPC (PORTLAND

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-201

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-201 JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) 2337-3520 (2301-928X Print) D-201 Penerapan Bootstrap pada Neural Network untuk Peramalan Produksi Minyak Mentah di Indonesia Ida Bagus Oka Ari Adnyana,

Lebih terperinci

PERAMALAN KUNJUNGAN WISATAWAN MENGGUNAKAN MODEL ARMAX DENGAN NILAI KURS DAN EKSPOR-IMPOR SEBAGAI FAKTOR EKSOGEN

PERAMALAN KUNJUNGAN WISATAWAN MENGGUNAKAN MODEL ARMAX DENGAN NILAI KURS DAN EKSPOR-IMPOR SEBAGAI FAKTOR EKSOGEN PERAMALAN KUNJUNGAN WISATAWAN MENGGUNAKAN MODEL ARMAX DENGAN NILAI KURS DAN EKSPOR-IMPOR SEBAGAI FAKTOR EKSOGEN Putu Ika Oktiyari Laksmi 1, Komang Dharmawan 2, Luh Putu Ida Harini 3 1 Jurusan Matematika,

Lebih terperinci

Pemodelan Vector Autoregresive (VAR) pada Komoditas Harga Cabai di Jawa Tengah

Pemodelan Vector Autoregresive (VAR) pada Komoditas Harga Cabai di Jawa Tengah Pemodelan Vector Autoregresive (VAR) pada Komoditas Harga Cabai di Jawa Tengah Memi Nor Hayati 1, Alan Prahutama 2,*, Hasbi Yasin 2, Tiani Wahyu Utami 3 1 Program Studi Statistika, Universitas Mulawarman

Lebih terperinci

Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input

Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input Oleh : Defi Rachmawati 1311 105 007 Dosen Pembimbing :

Lebih terperinci

Jurnal Dinamika, April 2015, halaman Vol. 06. No. 1 ISSN

Jurnal Dinamika, April 2015, halaman Vol. 06. No. 1 ISSN Jurnal Dinamika, April 2015, halaman 61-66 Vol. 06. No. 1 ISSN 2087-7889 SIMULASI PERBANDINGAN METODE PERAMALAN MODEL GENERALIZED SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (GSARIMA) DENGAN SEASONAL

Lebih terperinci

PERAMALAN CURAH HUJAN KOTA BANDUNG MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT PADA DERET BERKALA MUSIMAN

PERAMALAN CURAH HUJAN KOTA BANDUNG MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT PADA DERET BERKALA MUSIMAN PERAMALAN CURAH HUJAN KOTA BANDUNG MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT PADA DERET BERKALA MUSIMAN Danica Dwi Prahesti, Entit Puspita, Fitriani Agustina Departemen Pendidikan Matematika FPMIPA

Lebih terperinci

OPTIMASI PRODUKSI UNTUK PRODUK PESANAN PADA PERUSAHAAN PESTISIDA MENGGUNAKAN METODE GOAL PROGRAMMING. Oleh: Rossy Susanti ( )

OPTIMASI PRODUKSI UNTUK PRODUK PESANAN PADA PERUSAHAAN PESTISIDA MENGGUNAKAN METODE GOAL PROGRAMMING. Oleh: Rossy Susanti ( ) OPTIMASI PRODUKSI UNTUK PRODUK PESANAN PADA PERUSAHAAN PESTISIDA MENGGUNAKAN METODE GOAL PROGRAMMING Oleh: Rossy Susanti (1207 100 007) Dosen Pembimbing: Drs. Suharmadi S., DiplSc.,MPhil JURUSAN MATEMATIKA

Lebih terperinci

99.9. Percent maka H 0 diterima, berarti residual normal

99.9. Percent maka H 0 diterima, berarti residual normal Uji residual white noise 2 Lag Q P value 6 3.5 9.49 0.5330 2 6.6 8.3 0.803 8 9.8 26.30 0.9059 24 9.3 33.92 0.6374 K p q Uji residual berdistribusi normal Percent 99.9 99 95 90 80 70 60 50 40 30 20 0 5

Lebih terperinci

KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q)

KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) SIDANG TUGAS AKHIR KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) Disusun oleh : Ratna Evyka E.S.A NRP 1206.100.043 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi

Lebih terperinci

OPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION

OPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION OPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION NILA YUWIDA 1208100015 Dosen Pembimbing : Dra. Nuri Wahyuningsih, M.Kes Drs. Lukman Hanafi,

Lebih terperinci

Penerapan Model ARIMA

Penerapan Model ARIMA Penerapan Model ARIMA (Bagian II) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017/2018 1 a. Misalkan data asal Y t. Lakukan proses pembedaan (differencing) sebanyak dua kali pada data asal sehingga

Lebih terperinci

PERAMALAN BEBAN PEMAKAIAN LISTRIK JAWA TENGAH DAN DAERAH ISTIMEWA YOGYAKARTA DENGAN

PERAMALAN BEBAN PEMAKAIAN LISTRIK JAWA TENGAH DAN DAERAH ISTIMEWA YOGYAKARTA DENGAN PERAMALAN BEBAN PEMAKAIAN LISTRIK JAWA TENGAH DAN DAERAH ISTIMEWA YOGYAKARTA DENGAN MENGGUNAKAN HYBRID AUTOREGRESSIVE INTEGRATED MOVING AVERAGE NEURAL NETWORK Disusun oleh : Berta Elvionita Fitriani 24010211120005

Lebih terperinci

Model Penjualan Plywood PT. Linggarjati Mahardika Mulia

Model Penjualan Plywood PT. Linggarjati Mahardika Mulia Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami) Vol., No., Juli 7, Hal. 52-57 p-issn: 25-4596; e-issn: 25-4X Halaman 52 Model Penjualan Plywood PT. Linggarjati Mahardika Mulia

Lebih terperinci

Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA

Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA Jeine Tando 1, Hanny Komalig 2, Nelson Nainggolan 3* 1,2,3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Peramalan Peramalan (forecasting) merupakan upaya memperkirakan apa yang terjadi pada masa yang akan datang. Pada hakekatnya peramalan hanya merupakan suatu perkiraan (guess),

Lebih terperinci

BAB V KESIMPULAN DAN SARAN

BAB V KESIMPULAN DAN SARAN BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Kesimpulan yang diperoleh berdasarkan analisis dan pembahasan pada bab sebelumnya adalah sebagai berikut. 1. Bobot lokasi yang digunakan dalam membentuk model

Lebih terperinci

S 10 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis)

S 10 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis) PROSIDING ISBN : 978 979 6353 6 3 S 0 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis) Wirayanti ), Adi Setiawan ), Bambang Susanto

Lebih terperinci

PERAMALAN NILAI EKSPOR DAN NILAI IMPOR INDONESIA KE JEPANG MENGGUNAKAN MODEL VARIMA

PERAMALAN NILAI EKSPOR DAN NILAI IMPOR INDONESIA KE JEPANG MENGGUNAKAN MODEL VARIMA PERAMALAN NILAI EKSPOR DAN NILAI IMPOR INDONESIA KE JEPANG MENGGUNAKAN MODEL VARIMA, Universitas Negeri Malang E-mail: desyulvia@gmail.com Abstrak: Penulisan skripsi ini bertujuan untuk mempelajari Model

Lebih terperinci

APLIKASI SISTEM INFERENSI FUZZY METODE MAMDANI UNTUK PERENCANAAN JUMLAH PRODUKSI PAKAIAN DI CV CIPTA SARANA MANDIRI

APLIKASI SISTEM INFERENSI FUZZY METODE MAMDANI UNTUK PERENCANAAN JUMLAH PRODUKSI PAKAIAN DI CV CIPTA SARANA MANDIRI APLIKASI SISTEM INFERENSI FUZZY METODE MAMDANI UNTUK PERENCANAAN JUMLAH PRODUKSI PAKAIAN DI CV CIPTA SARANA MANDIRI Disusun Oleh: Shella Anjani Muhiardi/38412265 Pembimbing: Dr. Emirul Bahar, ACSI. LATAR

Lebih terperinci

Tugas Akhir. Peramalan Penjualan Produk Minuman TB Wilayah Pemasaran Jawa Timur dengan Menggunakan Metode VARIMA. Oleh : C. Ade Kurniawan

Tugas Akhir. Peramalan Penjualan Produk Minuman TB Wilayah Pemasaran Jawa Timur dengan Menggunakan Metode VARIMA. Oleh : C. Ade Kurniawan Tugas Akhir Peramalan Penjualan Produk Minuman TB Wilayah Pemasaran Jawa Timur dengan Menggunakan Metode VARIMA Oleh : C. Ade Kurniawan 1304100022 Latar Belakang Ketidakpastian dalam aliran hulu supply

Lebih terperinci

PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO

PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Perbandingan Model ARIMA... (Alia Lestari) PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Alia Lestari Fakultas Teknik Universitas

Lebih terperinci

II. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya

II. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya II. TINJAUAN PUSTAKA 2.1 Stasioner Analisis ARIMA Autoregressive Integrated Moving Average umumnya mengasumsikan bahwa proses umum dari time series adalah stasioner. Tujuan proses stasioner adalah rata-rata,

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-249

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-249 JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) 2337-3520 (2301-928X Print) D-249 Analisis Fungsi Transfer pada Harga Cabai Merah yang Dipengaruhi oleh Curah Hujan Di Surabaya Putri Rintan Aryasita,

Lebih terperinci

PERAMALAN INFLASI DENGAN METODE WEIGHTED FUZZY TIME SERIES

PERAMALAN INFLASI DENGAN METODE WEIGHTED FUZZY TIME SERIES PERAMALAN INFLASI DENGAN METODE WEIGHTED FUZZY TIME SERIES Dwi Ayu Lusia 1, Suhartono 2 1 Mahasiswa Program Sarjana, Jurusan Statistika FMIPA-ITS (1307 100 013), 2 Dosen Pembimbing, Jurusan Statistika

Lebih terperinci

UANG BEREDARR DAN TINGKAT INFLASI FEB RINA HANDAYANI

UANG BEREDARR DAN TINGKAT INFLASI FEB RINA HANDAYANI FUNGSI TRANSFER HUBUNGAN PERUBAHAN JUMLAH UANG BEREDARR DAN TINGKAT INFLASI FEB RINA HANDAYANI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKAA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2010 RINGKASAN

Lebih terperinci

Penerapan Bootstrap Pada Neural Network Untuk Peramalan Produksi Minyak Mentah Di Indonesia

Penerapan Bootstrap Pada Neural Network Untuk Peramalan Produksi Minyak Mentah Di Indonesia Penerapan Bootstrap Pada Neural Network Untuk Peramalan Produksi Minyak Mentah Di Indonesia Ida Bagus Oka Ari Adnyana, 2 Dwiatmono A. W., 2 Brodol Sutio S. U. Mahasiswa, 2 Dosen Pembimbing Jurusan Statistika,

Lebih terperinci

PENERAPAN DIAGRAM KONTROL IMPROVED GENERALIZED VARIANCE PADA PROSES PRODUKSI HIGH DENSITY POLYETHYLENE (HDPE)

PENERAPAN DIAGRAM KONTROL IMPROVED GENERALIZED VARIANCE PADA PROSES PRODUKSI HIGH DENSITY POLYETHYLENE (HDPE) PENERAPAN DIAGRAM KONTROL IMPROVED GENERALIZED VARIANCE PADA PROSES PRODUKSI HIGH DENSITY POLYETHYLENE (HDPE) (Studi Kasus Di CV. Garuda Plastik Karangawen) SKRIPSI Disusun Oleh: Nama : Rahma Kurnia Widyawati

Lebih terperinci

Aritonang, Lebrin Peramalan Bisnis. Jakarta: Ghalia Indonesia. Assauri, Sofjan Teknik dan Metode Peramalan. Jakarta: Penerbit Fakultas

Aritonang, Lebrin Peramalan Bisnis. Jakarta: Ghalia Indonesia. Assauri, Sofjan Teknik dan Metode Peramalan. Jakarta: Penerbit Fakultas DAFTAR PUSTAKA Aritonang, Lebrin. 2009. Peramalan Bisnis. Jakarta: Ghalia Indonesia Assauri, Sofjan. 1984. Teknik dan Metode Peramalan. Jakarta: Penerbit Fakultas Ekonomi Universitas Indonesia Ginting,

Lebih terperinci

PEMBANDINGAN METODE PENGHALUSAN EKSPONENSIAL GANDA DUA PARAMETER HOLT

PEMBANDINGAN METODE PENGHALUSAN EKSPONENSIAL GANDA DUA PARAMETER HOLT PEMBANDINGAN METODE PENGHALUSAN EKSPONENSIAL GANDA DUA PARAMETER HOLT DAN METODE BOX-JENKINS PADA PERAMALAN DATA DERET WAKTU TREND (Studi Kasus Data Penumpang Bandara Juanda 2008-2016) (Skripsi) Oleh RASYD

Lebih terperinci

LAPORAN PERTANGGUNG JAWABAN WORKSHOP STATISTIKA 2015 WORKSHOP ON MODERN SPATIO-TEMPORAL MODELING

LAPORAN PERTANGGUNG JAWABAN WORKSHOP STATISTIKA 2015 WORKSHOP ON MODERN SPATIO-TEMPORAL MODELING LAPORAN PERTANGGUNG JAWABAN WORKSHOP STATISTIKA 2015 WORKSHOP ON MODERN SPATIO-TEMPORAL MODELING PROGRAM STUDI S2 STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS

Lebih terperinci

PERAMALAN JUMLAH PENUMPANG PESAWAT TERBANG DOMESTIK DI BANDAR UDARA JUANDA DENGAN MENGGUNAKAN METODE FUNGSI TRANSFER MULTI INPUT

PERAMALAN JUMLAH PENUMPANG PESAWAT TERBANG DOMESTIK DI BANDAR UDARA JUANDA DENGAN MENGGUNAKAN METODE FUNGSI TRANSFER MULTI INPUT PERAMALAN JUMLAH PENUMPANG PESAWAT TERBANG LOGO DOMESTIK DI BANDAR UDARA JUANDA DENGAN MENGGUNAKAN METODE FUNGSI TRANSFER MULTI INPUT Oleh : Ary Miftakhul Huda (1309 100 061) Dosen Pembimbing : Dr.rer.pol.

Lebih terperinci

MODEL PENDUKUNG KEPUTUSAN UNTUK PERENCANAAN PRODUKSI PIPA BAJA DENGAN MENGGUNAKAN NEURAL NETWORK DI PT. XYZ TBK

MODEL PENDUKUNG KEPUTUSAN UNTUK PERENCANAAN PRODUKSI PIPA BAJA DENGAN MENGGUNAKAN NEURAL NETWORK DI PT. XYZ TBK MODEL PENDUKUNG KEPUTUSAN UNTUK PERENCANAAN PRODUKSI PIPA BAJA DENGAN MENGGUNAKAN NEURAL NETWORK DI PT. XYZ TBK Ida Bagus Oka Ari Adnyana 1) dan M. Isa Irawan 2) 1) Program Studi Magister Manajemen Teknologi,

Lebih terperinci

PEMODELAN ARIMA UNTUK PREDIKSI KENAIKAN MUKA AIR LAUT DAN DAMPAKNYA TERHADAP LUAS SEBARAN ROB DI KOTA AMBON

PEMODELAN ARIMA UNTUK PREDIKSI KENAIKAN MUKA AIR LAUT DAN DAMPAKNYA TERHADAP LUAS SEBARAN ROB DI KOTA AMBON PEMODELAN ARIMA UNTUK PREDIKSI KENAIKAN MUKA AIR LAUT DAN DAMPAKNYA TERHADAP LUAS SEBARAN ROB DI KOTA AMBON (MODELS OF ARIMA TO PREDICT RISING SEA AND ITS IMPACT FOR THE WIDESPREAD DISTRIBUTION OF ROB

Lebih terperinci

OPTIMALISASI PERENCANAAN PRODUKSI DENGAN PREEMPTIVE GOAL PROGRAMMING (STUDI KASUS: UD. DODOL MADE MERTA TEJAKULA, SINGARAJA)

OPTIMALISASI PERENCANAAN PRODUKSI DENGAN PREEMPTIVE GOAL PROGRAMMING (STUDI KASUS: UD. DODOL MADE MERTA TEJAKULA, SINGARAJA) OPTIMALISASI PERENCANAAN PRODUKSI DENGAN PREEMPTIVE GOAL PROGRAMMING (STUDI KASUS: UD. DODOL MADE MERTA TEJAKULA, SINGARAJA) Ni Putu Deviyanti 1, Ni Ketut Tari Tastrawati 2, I Wayan Sumarjaya 3 1 Jurusan

Lebih terperinci

SEMINAR TUGAS AKHIR. Peta Kendali Comulative Sum (Cusum) Residual Studi Kasus pada PT. PJB Unit Pembangkitan Gresik. Rina Wijayanti

SEMINAR TUGAS AKHIR. Peta Kendali Comulative Sum (Cusum) Residual Studi Kasus pada PT. PJB Unit Pembangkitan Gresik. Rina Wijayanti SEMINAR TUGAS AKHIR Peta Kendali Comulative Sum (Cusum) Residual Studi Kasus pada PT. PJB Unit Pembangkitan Gresik Rina Wijayanti 1306100044 Pembimbing Drs. Haryono, MSIE Dedi Dwi Prastyo, S.Si., M.Si.

Lebih terperinci

PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010

PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010 Statistika, Vol., No., Mei PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI Reksa Nila Anityaloka, Atika Nurani Ambarwati Program Studi S Statistika Universitas Muhammadiyah

Lebih terperinci

HALAMAN PERSETUJUAN PEMBIMBING...iii. HALAMAN PENGESAHAN...iv. HALAMAN PERSEMBAHAN... vi. KATA PENGANTAR... viii. DAFTAR ISI... x. DAFTAR TABEL...

HALAMAN PERSETUJUAN PEMBIMBING...iii. HALAMAN PENGESAHAN...iv. HALAMAN PERSEMBAHAN... vi. KATA PENGANTAR... viii. DAFTAR ISI... x. DAFTAR TABEL... HALAMAN PERSETUJUAN PEMBIMBING...iii HALAMAN PENGESAHAN...iv MOTTO... v HALAMAN PERSEMBAHAN... vi KATA PENGANTAR... viii DAFTAR ISI... x DAFTAR TABEL... xi DAFTAR GAMBAR... xii DAFTAR LAMPIRAN... xiv PERNYATAAN...

Lebih terperinci

PEMBUATAN INDIKATOR VECTOR AUTOREGESSIVE (VAR) PADA METATRADER

PEMBUATAN INDIKATOR VECTOR AUTOREGESSIVE (VAR) PADA METATRADER PEMBUATAN INDIKATOR VECTOR AUTOREGESSIVE (VAR) PADA METATRADER Samuel Ridwan Setiadi 1, Mahendrawathi ER 2, dan Nur Iriawan 3 1 MMT-ITS, Surabaya, Indonesia 2 Dosen Jurusan Sistem Informasi, FTIF-ITS mahendra_w@its-sby.edu

Lebih terperinci

JURNAL GAUSSIAN, Volume 2, Nomor 3, Tahun 2013, Halaman Online di:

JURNAL GAUSSIAN, Volume 2, Nomor 3, Tahun 2013, Halaman Online di: JURNAL GAUSSIAN, Volume 2, Nomor 3, Tahun 2013, Halaman 197-207 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN ARIMA DENGAN FUZZY AUTOREGRESSIVE (FAR) DALAM PERAMALAN INTERVAL

Lebih terperinci

KOMBINASI PROSEDUR PEMODELAN SUBSET ARIMA DAN DETEKSI OUTLIER UNTUK PREDIKSI DATA RUNTUN WAKTU

KOMBINASI PROSEDUR PEMODELAN SUBSET ARIMA DAN DETEKSI OUTLIER UNTUK PREDIKSI DATA RUNTUN WAKTU UNIVERSITAS DIPONEGORO 013 ISBN: 978-60-14387-0-1 KOMBINASI PROSEDUR PEMODELAN SUBSET ARIMA DAN DETEKSI OUTLIER UNTUK PREDIKSI DATA RUNTUN WAKTU Tarno Program Studi Statistika FSM UNDIP e-mail: tarno@undip.ac.id

Lebih terperinci

PERBANDINGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL DAN FUZZY TIME SERIES UNTUK MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN

PERBANDINGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL DAN FUZZY TIME SERIES UNTUK MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN PERBANDINGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL DAN FUZZY TIME SERIES UNTUK MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN SKRIPSI Oleh : TAUFAN FAHMI J2E008056 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA

Lebih terperinci

Pemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer

Pemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer TUGAS AKHIR Pemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer Oleh : Fani Felani Farid (1306 100 047) Pembimbing : Drs. Kresnayana Yahya M.Sc Latar Belakang

Lebih terperinci

PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI ABSTRAK

PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI ABSTRAK PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI Trio Yonathan Teja Kusuma 1, Sandra Praharani Nur Asmoro 2 1,2)

Lebih terperinci

OPTIMASI PERENCANAAN DAN PENGENDALIAN BAHAN BAKU DI PT. SIANTAR TOP TBK ABSTRAK

OPTIMASI PERENCANAAN DAN PENGENDALIAN BAHAN BAKU DI PT. SIANTAR TOP TBK ABSTRAK OPTIMASI PERENCANAAN DAN PENGENDALIAN BAHAN BAKU DI PT. SIANTAR TOP TBK Robby Hidayat, Moses L.Singih, Mahasiswa MMT ITS Manajemen Industri Email : Robbie_First@Yahoo.Com ABSTRAK PT. Siantar Top Tbk adalah

Lebih terperinci