*Corresponding Author:
|
|
- Ratna Kusuma
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion Of Neuro-Garch Model On Forecasing (Case Sudy: Reurn Composie Sock Price Index) Hardiany, Wenny Krisina, Sri Wahyuningsih,* Laboraorium Ekonomi dan Bisnis Program Sudi Saisika FMIPA Universias Mulawarman Program Sudi Saisika FMIPA Universias Mulawarman *Corresponding Auhor: swahyuningsih@gmail.com Absrak Salah sau masalah yang dihadapi dalam proses peramalan adalah masalah heeroskedasisias. Heeroskedasisias banyak erjadi eruama pada daa keuangan. Model Generalized Auoregressive Condiional Heeroskedasiciy () dan jaringan saraf iruan model Backpropagaion merupakan meode yang dapa digunakan pada daa yang mengalami heeroskedasisias. Dalam peneliian ini, kedua model ersebu dikombinasikan menjadi sebuah model yang disebu Neuro-. Peramalan dilakukan pada daa Reurn Indeks Harga Saham Gabungan bulan November-Desember 4 dengan menggunakan daa bulan Januari-Okober 4. Berdasarkan model Neuro- ersebu hasil peramalan Reurn Indeks Harga Saham Gabungan selama bulan mengalami flukuasi di mana reurn eringgi pada anggal 8 Desember 4, yaiu sebesar,73 dan erendah pada anggal 6 Desember 4, yaiu sebesar -,3. Kaa-kaa kunci: ARIMA, heeroskedasisias, neuro-, backpropagaion Pendahuluan Sebagian besar daa ime series ekonomi dan financial seperi pergerakan Indeks Harga Konsumen (IHK), inflasi, indeks harga saham, kurs valua asing, dan sebagainya merupakan daa dere waku yang idak sasioner erhadap raa-raa dan ragam/heeroskedasisias (Aswi dan Sukarna, 6). Salah sau model ime series yang dapa digunakan unuk daa yang bersifa heeroskedasisias adalah Generalized Auoregressive Condiional Heeroskedasiciy () (Widarjono, 7). Selain model ersebu, model yang sering digunakan dalam peramalan adalah jaringan saraf iruan model Backpropagaion. Model ini dikenal sebagai model yang sanga baik dalam peramalan karena hasil peramalan yang diperoleh akura dan memiliki kesalahan yang relaif kecil. Backpropagaion adalah salah sau meode dari jaringan saraf iruan yang dapa diaplikasikan dengan baik dalam bidang peramalan (forecasing) (Jong, 5). Purnamashidi (3) menggunakan model Neuro-ARCH (kombinasi anara model ARCH dengan jaringan saraf iruan Backpropagaion) dan Ramadhani (3) menggunakan model Neuro- (kombinasi anara model dengan jaringan saraf iruan Backpropagaion). Kedua peneliian ersebu meramalkan daa saham beberapa perusahaan dan membandingkannya dengan jaringan saraf iruan Backpropagaion. Dari peneliian ersebu penulis erarik unuk menerapkan eknik gabungan anara jaringan saraf iruan dengan model yang selanjunya disebu dengan Neuro- dalam meramalkan nilai Reurn Indeks Harga Saham Gabungan. Tujuan peneliian ini adalah mengeahui benuk arsiekur jaringan model erbaik dari Neuro- dalam meramalkan RIHSG dan mengeahui perbandingan hasil peramalan dengan daa akual RIHSG pada bulan November-Desember 4 dengan menggunakan model Neuro-. Meode Peneliian Adapun langkah-langkah yang dilakukan dalam peramalan daa RIHSG dengan model Neuro- adalah sebagai beriku:. Peramalan dengan menggunakan model : a. Inpu daa saham b. Plo daa saham c. Idenifikasi kesasioneran daa (ragam dan raa-raa). d. Idenifikasi model dengan meliha Plo Auocorrelaion Funcion (ACF) dan Plo Parial Auocorrelaion Funcion (PACF). e. Membenuk persamaan auoregresi sebagai model awal. 56
2 Prosiding Seminar Sains dan Teknologi FMIPA Unmul Periode Mare 6, Samarinda, Indonesia ISBN: f. Pengujian heeroskedaisias aau efek ARCH/ pada residual. g. Esimasi parameer model. h. Uji kelayakan model.. Peramalan kembali daa hasil peramalan model dengan menggunakan model backpropagaion. a. Meneapkan ujuan sisem. b. Menenukan fungsi akivasi. c. Membenuk inpu jaringan dengan kuadra sisaan model (,). d. Pembagian komposisi daa (83% daa raining dan 7% daa esing). e. Inisialisasi jaringan dengan menenukan arsiekur jaringan. f. Proses pelaihan jaringan. g. Simulasi dan pengujian, simulasi dilakukan erhadap marik inpu daa 83% dan sedangkan pengujian dilakukan erhadap marik inpu daa 7%. h. Pemilihan arsiekur jaringan yang opimum sehingga siap digunakan dalam peramalan. Hasil dan Pembahasan Pemodelan (,) Langkah perama adalah memodelkan daa RIHSG ke dalam model ARIMA dengan hasil sebagai beriku : Z,9988Z a () dilanjukan ke model sebagai beriku.. Efek ARCH/ Seelah memperoleh model erbaik maka langkah selanjunya adalah meliha apakah erdapa efek ARCH/ aau heeroskedasisias pada kuadra residual model ersebu dengan menggunakan uji ARCH-LM sebagai beriku: Tabel. Uji Efek ARCH Lag Obs*R-squared α, 5%, 5% 3, 5% 4, 5% 5, 5% Berdasarkan abel nilai probabilias dari Obs*R-squared lebih kecil dari 5% maka dapa dipuuskan unuk menolak H aau daa bersifa heeroskedasisias (erdapa efek ARCH/) pada model. Dengan demikian model dapa langsung digunakan anpa menghilangkan heeroskedasisias pada model.. Idenifikasi Model Prosedur analisis erhadap daa menggunakan EViews serupa dengan ARCH. Perbedaannya hanyalah nilai order menjadi lebih dari. Unuk analisis awal biasanya dipilih dengan ordo p dan q aau (,). Tahapan berikunya adalah memeriksa apakah erdapa komponen baik p maupun q dengan ordo lebih inggi yang juga signifikan melalui proses overfiing. Dengan kaa lain, proses overfiing ini adalah melakukan analisis ulang erhadap daa dengan menggunakan ordo p maupun q yang lebih inggi dari p dan q yang sudah dicobakan. Ordo p dan q yang dicobakan biasanya idak melebihi 4. Pada abel di bawah disajikan model hasil overfiing unuk iga pasangan ordo (p,q) lain, yaiu (,), (,), (,) dan (,). 3. Pendugaan Parameer Tabel. Uji Signifikansi Model Model Parameer P-value Signifikan (,) (,) (,) (,), Ya,7 Ya, Ya,4385 Tidak,449 Tidak,369 Tidak,96 Tidak,6 Ya,33 Tidak,9597 Tidak, Ya,676 Tidak,4 Ya,58 Tidak,863 Tidak Berdasarkan pengujian signifikansi parameer pada Tabel, dapa diperoleh kesimpulan bahwa model parameer yang signifikan berbeda dengan nol unuk daa 57
3 Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: RIHSG adalah (,), sedangkan yang signifikan sama dengan nol adalah (,), (,) dan (,). 4. Uji Kelayakan Model Seelah memperoleh parameer persamaan (,) akan dilakukan pengujian kelayakan model ersebu unuk meliha efek ARCH, dan normalias pada residual. Tabel 3. Kenormalan Residual Model P-value Normal (,),448 5% Ya Selanjunya adalah meliha apakah erdapa efek ARCH/ aau heeroskedasisias pada model. Tabel 4. Pengujian Efek ARCH/ Lag Obs*R-squared,5 5%,8 5% 3,454 5% 4,663 5% 5,66 5% Dari hasil pengujian sudah memenuhi kelayakan model sehingga model sudah dapa digunakan dalam peramalan. Disimpulkan bahwa (,) adalah model erbaik sehingga akan digunakan dalam peramalan RIHSG pada peneliian ini. Dengan menggunakan Maximum Likelihood Mehod yang elah ersedia pada program Eviews, esimasi parameer model (,) dari model pendahuluan ARIMA (,,) sebagai beriku: Z,9878 Z a (),4,58,58 (3) Pemodelan Neuro- Berdasarkan daa harian RIHSG selama ahun ersebu dibenuk jaringan dengan masukan / inpu dan arge. Jumlah hidden layer (layar ersembunyi) yang digunakan dalam peneliian ini sebanyak sau lapisan dengan jumlah uni pada seiap daa dimulai dari yang erkecil yaiu 5,, dan 5 α sehingga arsiekur jaringan yang erbenuk adalah sebagai beriku: Tabel 5. Srukur Arsiekur Jaringan Model Neuro- Reurn Indeks Harga Saham Gabungan Arsiekur yang digunakan pada abel 5, selanjunya menggunakan parameerparameer inpu dalam raining dan esing parameer-parameer ersebu adalah: Tabel 6. Inisialisasi Parameer Model Neuro- Parameer Nilai Uji Maksimum epochs (ierasi) 5 MSE raining dan esing, Learning rae,5 Proses raining akan berheni keika MSE jaringan mendekai aau bahkan lebih kecil daripada MSE yang dienukan, aau jika jumlah epochs (ierasi) elah mencapai baas maksimal dari ierasi yang dienukan. Pola Training dan Tesing Daa hasil peramalan dengan model dibagi menjadi 83% daa raining dan 7% daa esing. Terdapa 44 daa harian dari Januari 4-Desember 4, sehingga daa raining 83% dari 44 = 3 hari (3 daa dari anggal Januari 4-3 Desember 5) dan 7% sisanya = 4 hari (4 daa dari anggal 3 November 4-3 Desember 4) adalah daa esing Pemilihan Model Terbaik Tabel 7. MSE Hasil Training dan Tesing daa RIHSG Jumlah Uni Lapisan MSE Training Tesing -5-,43, ,8545, ,4874,999 Pemilihan model erbaik didasarkan dari nilai MSE yang dihasilkan model, semakin kecil nilai MSE maka semakin baik model ersebu. Berdasarkan Tabel 7, maka model erbaik yaiu model dengan jaringan uni lapisan -5- dengan MSE esing sebesar,
4 Prosiding Seminar Sains dan Teknologi FMIPA Unmul Periode Mare 6, Samarinda, Indonesia ISBN: Analisis Daa Training dan Tesing Model -5- Gambar. Grafik hasil daa raining Gradien garis erbaik (m) =,945 Konsana (a) =,959 Koefisien Korelasi (r) =,99 Koefisien korelasi bernilai,99 dan mendekai, menunjukkan hasil yang baik unuk kecocokan oupu jaringan dengan arge. Gambar. Grafik hasil daa esing Gradien garis erbaik (m) =,33 Konsana (a) = -,578 Koefisien Korelasi (r) =,984 Koefisien korelasi bernilai,984 dan mendekai, menunjukkan hasil yang baik unuk kecocokan oupu jaringan dengan arge. Dibandingkan dengan hasil pelaihan nilai korelasi pengujian lebih kecil dari daa pelaihan. Peramalan dengan Neuro- Berdasarkan model yang erbenuk pada Tabel 7, maka langkah selanjunya adalah melakukan peramalan beberapa periode pada daa RIHSG. Beriku adalah hasil ramalan dari daa RIHSG: Tabel 8. Ramalan daa RIHSG ahun 4 Hari Ramalan Z 8,778 8, , , , , ,88 4 8,768 Hasil oupu ramalan 4 hari ersebu masih berbenuk Z yang kemudian unuk menghasilkan daa asli harus dikembalikan ke daa awal dengan menggunakan rumus: Z ˆ Z dan Z (,4,) Zˆ (4) Seelah dilakukan pengembalian daa, hasil ramalan adalah sebagai beriku: Tabel 9. Hasil peramalan menggunakan Model Neuro- Hari Ramalan Akual -,5 -,345 -,3 -,46 3 -,7 -,35 4 -, -,83 5 -, -,457 39,8,9563 4,44, , Selanjunya, dari hasil ramalan juga diperoleh perbandingan grafik daa akual dan daa ramalan, seperi diampilkan pada Gambar 3. 59
5 Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: adalah model dengan jaringan uni lapisan (-5-) dengan MSE raining sebesar,4874 dan esing sebesar,999.. Dari hasil peramalan pada bulan November-Desember 4 dengan menggunakan model Neuro- dapa diliha bahwa RIHSG eringgi erjadi pada anggal 8 Desember 4, yaiu sebesar.73 dan erendah pada anggal 6 Desember 4, yaiu sebesar -.3. Gambar 3. Perbandingan daa akual dan daa ramalan RIHSG ahun 4 Berdasarkan Gambar 3, dikeahui bahwa daa hasil ramalan dan daa akual hampir berhimpi, yang mengindikasikan bahwa hasil ramalan ersebu cukup baik. Hasil ramalan selama 4 hari pada grafik di aas, dikeahui bahwa daa hasil peramalan mengalami flukuasi. Dapa diliha pada grafik hasil ramalan dari model Neuro-, RIHSG eringgi erjadi pada hari ke- 34 yaiu pada anggal 8 Desember 4 sebesar,73 dan erendah pada hari ke- 3 yaiu pada anggal 6 Desember 4 sebesar -,3, Kesimpulan Dari hasil peneliian, pembahasan, dan analisis daa maka diperoleh kesimpulan sebagai beriku:. Benuk arsiekur jaringan model erbaik Neuro- unuk peramalan RIHSG Dafar Pusaka [] Aswi dan Sukarna. 6. Analisis Dere Waku. Makassar: Andira Publisher. [] Widarjono, Agus. 7. Ekonomerika : Teori dan Aplikasi unuk Ekonomi dan Bisnis. Yogyakara : Penerbi Ekonosia UII. [3] Jong Jek Siang. 5. Jaringan Syaraf Tiruan dan Pemprogramannya Menggunakan MATLAB. Yogyakara: Andi Offse. [4] Purnamasidhi, Wahyu. 3. Pemodelan Jaringan Syaraf Tiruan dengan Peubah Inpu Model ARCH pada Daa Reurn Saham unuk Peramalan Volailias. Jurnal Mahasiswa Saisik. Vol. No.. Hal Malang: Universias Brawijaya [5] Ramadhani, Thea R. 3. Penerapan Model Neuro- unuk Peramalan Daa Saham. Jurnal Mahasiswa Saisik. Vol. No.. Hal -4. Malang: Universias Brawijaya. 53
Kata 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 Volatilitas Saham Menggunakan Jaringan Syaraf Tiruan dan Algoritma Genetika
Pemodelan Volailias Saham Menggunakan Jaringan Syaraf Tiruan dan Algorima Geneika Hasbi Yasin 1 1 Jurusan Saisika Undip, hasbiyasin@undip.ac.id Absrak. Flukuasi yang besar dan idak pasi dalam peramalan
Lebih 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 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang
BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang
Lebih terperinciBAB III 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 terperinciPERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH
Vol.. No., 03 PERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH Ari Pani Desvina, Sari Marlinda, Jurusan Maemaika Fakulas Sains dan Teknologi
Lebih terperinciPemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network
D-378 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (26) 2337-3520 (23-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi pada Plaform MK di PT X Menggunakan Meode ARIMA, Neural Nework, dan Hibrida ARIMA-Neural
Lebih terperinciBAB 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 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 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 terperinciPeramalan Inflasi Menggunakan Model Fungsi Transfer Multi Input. Forcasting Inflation Using Multiple Input Transfer Function Model
Peramalan Inflasi Menggunakan Model Fungsi Transfer Muli Inpu Forcasing Inflaion Using Muliple Inpu Transfer Funcion Model Novi Adisia, Sri Wahyuningsih, dan Rio Goeanoro 3 Laboraorium Saisika Terapan
Lebih terperinciPenerapan 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 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
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 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 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 terperinciANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 009 XV-1 ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Muhammad Sjahid Akbar, Jerry Dwi Trijoyo
Lebih terperinci(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 III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF
BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap
Lebih terperinciBAB 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 terperinciKOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES. Abstrak
KOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES Universias Muhammadiyah Purwokero malim.muhammad@gmail.com Absrak Pada persamaan regresi linier sederhana dimana variabel dependen dan variabel independen
Lebih terperinciPEMODELAN 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 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 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 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 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 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 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 terperinciBAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena
Lebih terperinciPeramalan Inflasi Nasional Berdasarkan Faktor Ekonomi Makro Menggunakan Pendekatan Time Series Klasik dan ANFIS
JURNAL SAINS DAN SENI IS Vol. 4, No., () 2337-3 (2-928X Prin) D-67 Peramalan Inflasi Nasional Berdasarkan Fakor Ekonomi Makro Menggunakan Pendekaan ime Series Klasik dan ANFIS Clara Agusin Sephani, Agus
Lebih 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 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 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 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 terperinciKAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN
JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina
Lebih 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 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 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 terperinciPREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED
PREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED Wahyuda 1, Budi Sanosa 2, Nani Kurniai 3 1 Teknik Indusri Universias Mulawarman-Samarinda
Lebih terperinciPERAMALAN YIELD DAN HARGA OBLIGASI PEMERINTAH DENGAN PENDEKATAN ARIMA DAN BACKPROPAGATION-ANN
PERAMALAN YIELD DAN HARGA OBLIGASI PEMERINTAH DENGAN PENDEKATAN ARIMA DAN BACKPROPAGATION-ANN Yuli Wahyuningsih (), Brodjol Suijo S. U (), Suharono () Mahasiswa Jurusan Saisika, FMIPA, Insiu Teknologi
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 terperinciBAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan
BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,
Lebih terperinciPeramalan 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 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 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Air merupakan kebuuhan pokok bagi seiap makhluk hidup di dunia ini ermasuk manusia. Air juga merupakan komponen lingkungan hidup yang pening bagi kelangsungan hidup
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 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 terperinciAPLIKASI METODE JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI DATA INDEKS HARGA SAHAM GABUNGAN DI INDONESIA
APLIKASI METODE JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI DATA INDEKS HARGA SAHAM GABUNGAN DI INDONESIA 1 Arani Indraseianigsih, 2 Ika Damayani 1,2 Program Sudi Saisika, Fakulas Maemaika dan Ilmu Pengeahuan
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 terperinciPrediksi Permintaan BBM di PT. Pertamina Region V dengan Metode Peramalan Data Time Series Hirarki
Prediksi Perminaan BBM di PT. Peramina Region V dengan Meode Peramalan Daa Time Series Hirarki Prania Dian Uari dan 2 Suharono Mahasiswa Jurusan Saisika FMIPA-ITS (38 57) 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih terperinciPenentuan Pelebaran Window Time Optimal Pada Data Deret Waktu
1 Penenuan Pelebaran Window Time Opimal Pada Daa Dere Waku (1) Nursya`bani Hendro Prabowo dan (2) Raden Mohamad Aok Deparemen Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam, Insiu Teknologi Sepuluh
Lebih terperinciProsiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PERAMALAN VOLUME PENGGUNAAN AIR BERSIH DENGAN METODE WINTERS EPONENTIAL SMOOTHING UNTUK MENENTUKAN VOLUME
Lebih terperinciPemodelan Produksi Minyak dan Gas Bumi di PT. Z Menggunakan Metode ARIMA, FFNN, dan Hybrid ARIMA-FFNN
D-444 JURNAL SANS DAN SEN TS Vol. 5 No. 2 (206) 27-520 (20-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi di PT. Z Menggunakan Meode ARMA, FFNN, dan Hybrid ARMA-FFNN Daniar Kusumaning Ayu, Desri Susilaningrum
Lebih 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 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 terperinciANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG
ISSN: 9-54 JURNAL GAUSSIAN, Volume 4, Nomor, Tahun 05, Halaman 6-60 Online di: hp://eournal-s.undip.ac.id/index.php/gaussian ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG
Lebih terperinciANALISIS 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 terperinciPERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk)
Jurnal UJMC, Volume 3, Nomor 1, Hal. 15-0 pissn : 460-3333 eissn : 579-907X ERHITUNGAN VAUE AT RISK (VaR) DENGAN SIMUASI MONTE CARO (STUDI KASUS SAHAM T. X ACIATA.Tbk) Sii Alfiaur Rohmaniah 1 1 Universias
Lebih terperinciPERAMALAN CURAH HUJAN DENGAN WAVELET
PERAMALAN CURAH HUJAN DENGAN WAVELET Garini Widosari 1 T-7 1 Polieknik Negeri Samarinda 1 garini_72@yahoo.com Absrak Peramalan adalah salah sau unsur yang sanga pening dalam pengambilan kepuusan. Peranan
Lebih 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 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 terperinciPEMODELAN VOLATILITAS DALAM ANALISIS DATA MAKROEKONOMI STUDI KASUS PADA INFLASI.
Prosiding Seminar Nasional Peneliian, Pendidikan dan Penerapan MIPA Fakulas MIPA, Universias Negeri Yogyakara, 16 Mei 29 PEMODELAN VOLATILITAS DALAM ANALISIS DATA MAKROEKONOMI STUDI KASUS PADA INFLASI.
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 terperinciPeramalan Return Saham Bank Central Asia Menggunakan Self Exciting Threshold Autoregressive Genetic Algorithm
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (2016) 2337-3520 (2301-928X Prin) D-71 Peramalan Reurn Saham Bank Cenral Asia Menggunakan Self Exciing Threshold Auoregressive Geneic Algorihm Tesalonika Puri dan
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 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 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 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 terperinciPEMODELAN ARIMAX DAN NEURAL NETWORK UNTUK PERAMALAN DAN DASAR PERENCANAAN INVESTASI NET ASSET VALUE (NAV) EQUITY DI PT. PRUDENTIAL LIFE ASSURANCE
90 Djojonegoro: PEMODELAN ARIMAX DAN NEURAL NETWORK UNTUK PERAMALAN DAN PEMODELAN ARIMAX DAN NEURAL NETWORK UNTUK PERAMALAN DAN DASAR PERENCANAAN INVESTASI NET ASSET VALUE (NAV) EQUITY DI PT. PRUDENTIAL
Lebih 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 terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waku Peneliian Peneliian ini dilaksanakan di PT Panafil Essenial Oil. Lokasi dipilih dengan perimbangan bahwa perusahaan ini berencana unuk melakukan usaha dibidang
Lebih terperinciPEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA
PEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA Fadil Rahman Hakim, Dr. Ir. Achmad Mauludiyano, MT. Program Sudi Telekomunikasi Mulimedia Jurusan Teknik Elekro Fakulas Teknologi Indusri
Lebih terperinciAPLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI
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 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 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 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 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 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 terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH
BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Tahapan Pemecahan Masalah Tahapan pemecahan masalah berfungsi unuk memudahkan dalam mencari jawaban dalam proses peneliian yang dilakukan agar sesuai dengan arah
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 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 terperinciPERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO
PERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO SKRIPSI Disusun Oleh : SITI LIS INA ATUL HIDAYAH 24010211120006 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih 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 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 terperinciBAB III. Metode Penelitian
66 BAB III Meode Peneliian 3.1. Variabel Peneliian dan Definisi Operasional Peneliian ini menggunakan sau definisi variabel operasional yaiu nilai harian indeks LQ 45. 3.2. Populasi dan sampel Populasi
Lebih terperinciPENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI
PENGGUNAAN ONSEP FUNGSI CONVEX UNU MENENUAN SENSIIVIAS HARGA OBLIGASI 1 Zelmi Widyanuara, 2 Ei urniai, Dra., M.Si., 3 Icih Sukarsih, S.Si., M.Si. Maemaika, Universias Islam Bandung, Jl. amansari No.1 Bandung
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 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 terperinciPeramalan Outflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Autoregressive (GSTAR)
JURNA SAINS DAN SENI ITS Vol. 5 No. (16) 7-5 (1-98X Prin) D-59 Peramalan Ouflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Auoregressive (GSTAR) Rahmah Safiri, Seiawan, dan Imam Safawi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju
Lebih 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 terperinciISSN : e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 3732
ISSN : 355-9365 e-proceeding of Engineering : Vol.3, No. Agusus 016 Page 373 Sifa Asimeris Model Prediksi Generalized Auoregressive Condiional Heerocedasiciy (GARCH) dan Sochasic Volailiy Auoregressive
Lebih terperinciPeramalan Kebutuhan Bahan Bakar Premium di Depot Ampenan dengan Metode Hibrida Arima- Neural Network untuk Optimasi Persediaan
JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 202) ISSN: 230-928X D-94 Peramalan Kebuuhan Bahan Bakar Premium di Depo Ampenan dengan Meode Hibrida Arima- Neural Nework unuk Opimasi Persediaan Okivianis Kusumaningrum,
Lebih terperinciAnalisis Kinerja Beberapa Saham Syariah dengan Menggunakan Model Volatilitas Tak Konstan
Saisika, Vol. 13 No. 1, 5 31 Mei 013 Analisis Kinerja Beberapa Saham Syariah dengan Menggunakan Model Volailias Tak Konsan Endang Soeryana Hasbullah 1, Ismail Bin Mohd, Musafa Mama 3, Sukono 4, & Endang
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 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 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 terperinciPENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA
PENDUGAAN PARAMEER DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY DAN DIMAS HARI SANOSO Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor Jl Merani, Kampus
Lebih terperinci