PERAMALAN KUNJUNGAN WISATAWAN KE ULUWATU DENGAN MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE
|
|
- Leony Pranoto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 TRI TANAMI SUKRAINI : RAMALAN KUNJUNGAN WISATAWAN 47 PERAMALAN KUNJUNGAN WISATAWAN KE ULUWATU DENGAN MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE Tri Tanami Sukraini Jurusan Adminisrasi Niaga Polieknik Negeri Bali Jln. Kamus Buki Jimbaran, Bali Tel Fax rianami@nb.ac.id Absrak: Ramalan jumlah kunjungan wisaawan yang daang ke dalam suau daerah ujuan wisaa sanga dierlukan oleh elaku bisnis wisaa unuk erencanaan bisnis mereka. Tujuan eneliian ini adalah membua model dan memeroleh hasil eramalan jumlah kunjungan wisaawan ada beberaa eriode ke dean. Meode yang digunakan dalam eneliian ini adalah meode Box-Jenkins dengan endekaan model Auoregressive Inegraed Moving Average (). Langkah erama yang dilakukan dengan cara meliha kesasioneran daa, selanjunya mengidenifikasi model dari correlogram ACF dan PACF. Dari correlogram ersebu daa dibenuk model semenara dan dilakukan overfiing. Langkah berikunya yaiu enaksiran dan esimasi arameer model. Selanjunya langkah akhir adalah emeriksaan diagnosik dengan meliha nilai residual dan normalias. Hasil akhir menunjukkan bahwa model (1,1,0) ana konsana adalah model yang erbaik dalam meramalkan kunjungan wisaawan. Kaa-kaa kunci:, Meode Box-Jenkins, Peramalan. Touriss Visi Predicion In Uluwau Using Auoregressive Inegraed Moving Average Model Absrac: Predicing he number of ouriss coming o ourism desinaion is required by ourism businesses o lan heir business. The urose of his research is o creae a model and know he resuls of redicing he number of ouriss visi for several eriods ino he fuure. The mehod used in his research is he Box-Jenkins wih Auoregressive Inegraed Moving Average () model aroach. The firs se is look a he saionary daa and idenify he model of he ACF and PACF correlogram. The emorary model are formed from he correlogram and hen o be overfied. The nex se is o measure and esimae he model arameers.the final se is o conduc diagnosic examinaion by looking a residual value and normaliy. The final resul shows ha he (1,1,0) wihou consan is he bes model in redicing he ouris visis. Keywords:, Box-Jenkins mehod, redicion. I. PENDAHULUAN Sekor ariwisaa bereranan ening dalam erekonomian Indonesia. Pariwisaa menjadi sekor unggulan bagi erekonomian daerah Bali. Hal ini daa diliha dari daa Badan Pusa Saisik Bali, erumbuhan ekonomi Bali lebih banyak diunjang oleh laangan usaha enyediaan akomodasi. Pada ahun 014 jumlah kunjungan wisaawan yang daang mencaai 3,77 jua orang, Meningka seikiar 14,89 ersen dari ahun sebelumnya []. Usaha unuk engembangan ariwisaa yang erarah dan ea sanga dierlukan. Oleh karenanya. ihakihak yang erkai elah beruaya meningkakan kegiaan emasaran, erbaikan berbagai fasilias dan elayanan yang dierlukan wisaawan. Conohnya, objek wisaa kawasan Uluwau yang erleak di wilayah Bali Selaan, kini menjadi salah sau ujuan wisaa andalan di Bali. Selain anorama yang indah, Uluwau juga menghadirkan emenasan Tari Kecak yang menjadi salah sau seni budaya yang dikagumi engunjung. Pihak engelola kawasan Uluwau bersama-sama dengan emerinah, dan elaku bisnis ariwisaa lainnya elah beruaya meningkakan elayanan dan melakukan erbaikan fasilias. Namun, kedaangan jumlah wisaawan yang bersifa flukuaif menjadi kendala ihak erkai dalam mengambil suau indakan. Unuk membua suau erencanaan yang cerma, ihak erkai memerlukan gambaran enang ola kujungan wisaawan ke Uluwau. Peneliian ini berujuan membua model eramalan kunjungan wisaawan ke kawasan wisaa Uluwau. Peramalan meruakan ala banu yang ening dalam suau erencanaan agar daa mengambil suau indakan yang ea. Dalam suau erisiwa, eramalan dierlukan unuk meneakan kaan suau erisiwa akan erjadi aau imbul, sehingga indakan yang ea daa dilakukan.
2 48 JURNAL MATRIX VOL. 6, NO. 1, MARET 016 Daa masa lamau yang elah dikumulkan secara eraur (baik dalam benuk harian, minggu, bulan, ahun dan sebagainya) dianalisis menggunakan eknik eramalan yang ea. Hasilnya daa dijadikan acuan unuk eramalan nilai di masa yang akan daang. Hal okok yang harus dierhaikan dalam roses eramalan adalah engumulan daa yang relevan dan emilihan eknik eramalan yang ea. Peramalan haruslah daa memanfaakan daa yang dieroleh semaksimal mungkin. Aabila kedua hal ini daa erenuhi, roses eramalan akan memeroleh hasil yang akura dan bermanfaa. Makridakis e al [1] menjelaskan bahwa model Auoregressive Inegraed Moving Average () meruakan meode yang dierakan unuk analisis dere berkala, eramalan dan engendalian. Model secara enuh mengabaikan variabel bebas dalam embuaan eramalan. Noasi yang diusulkan Box-Jenkins [3] dalam buku mereka Time Series Analysis : Forecasing and Conrol (San Fransisco : Holden-Day,1976) adalah (,d,q) dengan: AR : = orde dari roses auoregresif I : d = ingka embedaan (berhubungan dengan sasionerias) MA : q = orde dari roses raa raa bergerak Model Box-Jenkins () dibagi ke dalam 3 kelomok, yaiu model auoregressive (AR), moving average (MA), dan model camuran (auoregressive moving average) yang memunyai karakerisik dari dua model erama. a. Auoregressive Model (AR) Benuk umum model auoregressive dengan ordo (AR()) aau model (,0,0) dinyaakan sebagai beriku: Z= µ + φ1z 1+ φz + + φz + e (1) dengan: Z = engamaan Z ada waku ke- Z i= engamaan Z ada waku ke--i, dengan i = 1,,, µ = suau konsana φ1, φ, φ = arameer auoregresif (AR) e = nilai error ada waku ke- dengan disribusi whie noise ( 0,σ ). Dengan menggunakan oeraor backward shif ada roses AR (), maka roses AR() daa diulis sebagai beriku : Z φz φ Z φ Z = e 1 1 Z φ BZ φ B Z φ B Z = e 1 0 ( 1 φ1 φ φ ) B B B Z = e φ ( BZ ) = e () φ ( B) = (1 φb φ B ) dengan 1 Unuk fungsi auokorelasi dan auokorelasi arsial ada model AR() yaiu: Fungsi auokorelasi akan urun secara eksonensial Fungsi auokorelasi arsial : φ kk = 0, k > Auokorelasi arsial akan nol seelah lag b. Moving Average Model (MA) Benuk umum model moving average orde q (MA(q)) aau model (0,0,q) dinyaakan sebagai beriku: Z= µ + e θ1e 1 θe θqe q (3) dengan: Z = engamaan Z ada waku ke- µ = suau konsana θ1, θ, θq = arameer moving average (MA) e = nilai error ada waku ke- dengan disribusi whie noise ( 0,σ ) Unuk fungsi auokorelasi dan auokorelasi arsial ada model MA(q) yaiu: Fungsi Auokorelasi Auokorelasi akan nol seelah lag Fungsi Auokorelasi Parsial Kurva fungsi auokorelasi arsial akan urun secara eksonensial c. Model camuran i. Proses ARMA Model ARMA: Z = µ + φz + + φ Z + e 1 1 θ e θ e 1 1 q q (4) dimana, Z = engamaan Z ada waku ke- Z i= engamaan Z ada waku ke--i, dengan i = 1,,, φ1, φ, φ = arameer auoregresif (AR) θ1, θ, θq = arameer moving average (MA) e = nilai error ada waku ke- dengan disribusi whie noise ( 0,σ ) ii. Proses Model (,d,q) model eramalan nonsasioner yang seelah diambil selisih dari lag erenu akan dilakukan differencing menjadi sasioner yang memunyai model auoregresif orde dan moving average orde q. Model
3 TRI TANAMI SUKRAINI : RAMALAN KUNJUNGAN WISATAWAN 49 (,d,q) dengan differencing orde d dinyaakan dalam ersamaan sebagai beriku: d φ ( B)(1 B) Z = µ + θ ( Be ) (5) q dimana: φ ( B) = (1 φb φ B ) AR 1 q θ ( B) = (1 θ B θ B ) q MA 1 = oeraor dari = oeraor dari Variasi model idak erbaas jumlahnya. Model umum,yang mencaku seluruhnya dikenal dengan (,d,q). Meode Box-Jenkins hanya daa dierakan, menjelaskan, aau mewakili daa yang sasioner aau elah dijadikan sasioner. Suau daa runun waku dikaakan sasioner jika memunyai mean dan variansi dari runun waku ersebu yang idak diengaruhi oleh berubahnya waku engamaan. Daa runun waku yang sasioner memunyai kecenderungan bergerak di sekiar raa-raa yang aabila digambarkan erhada waku akan melewai sumbu raa-raa [1]. Pada kenyaaannya, daa runun waku lebih banyak bersifa idak sasioner. Jika daa idak sasioner maka meode yang digunakan unuk membua daa sasioner adalah differencing unuk daa yang idak sasioner dalam raa-raa dan roses ransformasi unuk daa yang idak sasioner dalam variansi [4]. Analisis ime series dengan meode Box-Jenkins ini erdiri aas ema ahaan, yaiu idenifikasi model, enaksiran arameer, emeriksaan diagnosik dan eramalan. Beriku enjelasan dari masing-masing ahaan ersebu. 1. Idenifikasi Model Pengujian visual dari suau lo dere berkala seringkali cuku meyakinkan bahwa daa ersebu adalah sasioner aau idak sasioner demikian ula lo auokorelasi daa dengan mudah memerlihakan keidaksasioneran. Nilai-nilai q auokorelasi dari daa sasioner akan urun secara cea menuju nol (urun samai nol sesudah ime-lag kedua aau keiga), sedangkan unuk daa yang idak sasioner akan urun menuju nol secara lamban. Unuk engujian secara inferensi daa digunakan uji ADF (Augmened Dickey Fuller). Prosedur engujian uni roo dengan ADF es sebagai beriku: Model AR(1) : Z = φz + e, 1< φ < Z Z = φ Z Z + e ( φ 1) Z = Z + e 1 1 Z = δ Z + e (6) 1 Model AR() : Z = φz + φ Z + e 1 1 Z Z Z = φz Z Z + φ Z Z + e Z = φ 1 Z + φ 1 Z + e ( ) ( ) 1 1 Z = δ Z + δ Z + e (7) 1 1 Dari ersamaan ersebu dieroleh hioesis : H0 = δ = 0 (daa idak sasioner) H1 = δ 0 (daa sasioner) H 0 diolak jika ADF Tes Saisic > Criical Value unuk nilai α erenu (1%, 5%, 10%). Rosadi [5] menjelaskan bahwa sasionerias dari daa daa diliha juga dari benuk Auo Correlaion Funcion (ACF) dan Parial Correlaion Funcion (PACF). Tabel 1 menunjukkan rangkuman sifa-sifa ACF/PACF. Tabel 1. Rangkuman sifa-sifa ACF/PACF Proses ACF PACF Whie noise Tidak ada yang melewai baas inerval ada lag>0 Tidak ada yang melewai baas inerval ada lag>0 AR () Meluruh menuju nol secara eksonensial Di aas baas inerval maksimum samai lag ke dan di bawah baas ada lag > MA(q) Di aas baas inerval maksimum samai Meluruh menuju nol secara eksonensial ARMA(,q) lag ke q dan di bawah baas ada lag > q Meluruh menuju nol secara eksonensial seelah lag q Meluruh menuju nol secara eksonensial seelah lag. Esimasi Parameer Seelah model semenara suau dere berkala eridenifikasi, langkah selanjunya adalah mencari esimasi erbaik aau aling efisien unuk arameerarameer dalam model ersebu. Esimasi arameer daa dilakukan dengan menggunakan meode Leas
4 50 JURNAL MATRIX VOL. 6, NO. 1, MARET 016 Square. Wei [6] mengaakan bahwa meode Leas Square meruakan suau meode dengan meminimalkan nilai jumlah kuadra dari selisih nilai akual (daa sebenarnya) dengan nilai ramalan. Dalam emodelan, juga dilakukan analisis overfiing, yaiu mengkaji dan menganalisis model ime series yang memiliki order lebih inggi dariada model yang elah eridenifikasi. 3. Diagnosic Checking Uji diagnosik yaiu memeriksa aau menguji aakah model elah disesifikasi secara benar aau elah diilih, d dan q yang benar. Cara yang sebaiknya digunakan unuk memeriksa model adalah dengan memelajari nilai sisa (residual) unuk meliha aakah masih erdaa beberaa ola yang belum dierhiungkan. Nilai sisa (gala) yang eringgal sesudah dilakukan encocokan model diharakan hanya meruakan gangguan acak. Oleh karena iu, aabila auokorelasi dan arsial dari nilai sisa dieroleh, diharakan akan diemukan (i) idak ada auokorelasi yang nyaa, arinya idak ada korelasi di anara serangkaian gala observasi (residual) yang beruruan menuru waku, (ii) residual bersifa homokedasis, arinya variansi residual konsan, dan (iii) residual berdisribusi normal. Unuk memilih model erbaik di anara modelmodel yang memenuhi uji diagnosic. Ala yang biasanya digunakan unuk emilihan model biasanya didasarkan ada kesalahan/error. Jika Z meruakan daa acual unuk eriod ke I dan F meruakan rediksi/eramalan ada eriode ke-i maka kesalahan/error didefinisikan sebagai : e = Z F (8) i i i Jika erdaa nilai engamaan dan ramalan unuk n eriode waku maka akan erdaa n kesalahan/error. Krieria emilihan model berdasarkan ukuran ingka keslahan/error ersebu daa didefinisikan anara lain berdasarkan nilai Akaike s Informaion Crierion (AIC). SSE AIC = n ln + k. n (9) dimana k adalah jumlah arameer yang ada di dalam model (+q+1), n adalah jumlah daa dan SSE (Sum of Squared Error) yang daa diesimasi dari jumlah kuadra semua nilai residual. Ukuran krieria informasi lainnya yaiu Schwarz s Bayesian Crierion (SBC). Semakin kecil nilai AIC dan SBC maka semakin baik modelnya. SSE SBC = n ln + k ln( n). n (10) 4. Peramalan Seelah dieroleh model yang memadai, maka model ersebu daa digunakan unuk melakukan eramalan unuk eriode waku selanjunya. Menuru Wei [6] aabila dikeahui n adalah eriode eramalan, l adalah ukuran langkah ke dean (l-se), dan Zn() l adalah eramalan engamaan Z ada eriode waku ke n + l ( Z n + l), daa didefinisikan sebagai beriku: Z () l = E Z Z, Z, (11) ( ) n n + l n n 1 Sehingga jika diberikan : d + d ψ( B) = φ( B)(1 B) = 1 ψ B ψ B (1) ( 1 + d ) Maka ersamaan model (,d,q) daa di sederhanakan menjadi : + d q ( 1 ψ1b ψ + db ) Z= ( 1 θ1b θqb ) e, (13) Unuk = n + l, dieroleh : Z = ψ Z + + ψ Z + e θ e θ e (14) n+ l 1 n+ l 1 + d n+ l d n+ l 1 n+ l 1 q n+ l q Sehingga nilai eramalan Z n+ l dengan n adalah eriode eramalan dan l adalah ukuran langkah kedean (l-se), yaiu: n ψ1 n ψ + d n n θ1 n θq en( l q), Z ( l) = Z ( l 1) + + Z ( l d) + e ( l) e ( l 1) dimana, Zn( j) = E Zn+ j Zn, Zn 1,, j 1, Z ( j) = Z, j 0, n n + j en( j) = 0, j 1, en( j) Zn+ j Zn+ j 1(1) en+ j, = = j 0. (15) Beberaa enelii elah menggunakan meode Box-Jenkins dengan endekaan model dalam eramalan. Rahmi [7] menelii enang eramalan jumlah wisaawan mancanegara yang masuk melalui inu kedaangan Bandara Soekarno Haa dan Bandara Juanda. Model ini digunakan karena ada fakor eksernal yaiu krisis oliik Thailand yang mendorong wisaawan mengalihkan erjalanannya ke Indonesia. Terjadi eningkaan jumlah kunjungan wisaawan ke Indonesia. Hasil analisis menunjukkan bahwa model yang dieroleh adalah ( )( ) 1 1,1, 0 0,1,1 dan model ini sesuai unuk daa jumlah kunjungan yang masuk melalui Bandara Soekarno Haa dan Bandara
5 TRI TANAMI SUKRAINI : RAMALAN KUNJUNGAN WISATAWAN 51 Juanda. Pengunjung wisaawan dari Malaysia menduduki eringka eraas yang erbanyak masuk ke Indonesia melalui bandara Soekarno Haa dan Bandara Juanda. Mifahurrohmah [8] menelii eramalan kunjungan wisawan bahari Lamongan dengan menggunakan. Model yang dieroleh dengan niai MAD (Mean Absolue Deviaion) dan MAPE (Mean Absolue Percenage Error) erkecil adalah model ( 1, 0,1)( 1, 0,1 ) 1. Hasil eneliian menunjukkan enurunan jumlah engunjung ada bulan Agusus dan eningkaan jumlah engunjung dierkirakan akan naik sanga sediki ada bulan Juni dan Seember. Sulisyawai [9] menelii eramalan jumlah engunjung domesik dan macanegara di Maharani Zoo & Goa menggunakan Box-Jenkins. Berdasarkan daa yang ada engunjung domesik aling banyak ada bulan Juni 009 dan engunjung mancanegara ada bulan Desember 013. Dari daa ersebu dieroleh model erbaik unuk engunjung domesik adalah X ( 1, 0, 0)( 0,1,1 ) 1 dan engunjung mancanegara adalah (0, 1, 1). Hasil ramalan menunjukkan jumlah engunjung domesik ada ahun 014 dierkirakan aling nggi ada bulan Mei dan jumlah engunjung aling rendah ada bulan Juli. Peramalan jumlah engunjung mancanegara ada ahun 014 aling inggi dierkirakan ada bulan Januari dan unuk bulan-bulan selanjunya jumlah engunjung ea. II. METODE PENELITIAN Peneliian ini ermasuk jenis analisis ime series dengan meode Box-Jenkins. Meode ini erdiri aas ema ahaan, yaiu idenifikasi, enaksiran (esimaion) arameer, emeriksaan diagnosik (diagnosic checking) dan eramalan (forecasing) sebagaimana elah dijelaskan ada bagian sebelumnya. Peneliian ini menggunakan variabel erika (4 daa) dan variabel ersebu menjadi masukan dalam roses eramalan. Daa yang digunakan adalah kunjungan wisaawan ke kawasan wisaa Uluwau mulai ahun Januari 013 Desember 014 (daa bulanan). Daa Januari hingga Aril 015 digunakan sebagai erbandingan erhada hasil eramalan. Daa dieroleh dari Kanor Desa Ada Pecau Kua Selaan Proinsi Bali. Inu daa yang dieroleh diliha ola daa dan diidenifikasi kesasionerannya. Seelah daa dikaakan sasioner dalam mean dan variansi, kemudian dilakukan idenifikasi lo ACF dan PACF yang diliha dari lo correlogram unuk membenuk model. Selanjunya dilakukan overfiing erhada model sebagai salah sau langkah unuk membandingkan model sau dengan yang lainnya demi mendaakan model yang memberikan hasil rediksi yang diangga baik dan kemudian melakukan uji signifikansi arameer dan uji kelayakan model. Bagian erakhir dari eneliian ini adalah menghiung nilai eramalan jumlah kunjungan wisaawan ke Uluwau unuk 4 bulan kedean (Januari 015 Aril 015). III.HASIL DAN PEMBAHASAN 3.1 Plo Daa dan Mensasionerkan Daa Langkah erama yang dilakukan dalam roses embenukan model yaiu meliha kesasioneran daa. Daa yang digunakan adalah daa jumlah kunjungan wisaawan ke Uluwau dari Januari 013 hingga Desember 014 (4 bulan). Tabel. Daa Akual Jumlah Kunjungan Wisaawan ke Uluwau Bulan Tahun 013 Tahun 014 Januari 87, Pebruari 77, Mare 74, Aril 8, Mei 86, Juni 83, Juli 68, Agusus 9, Seember 69, Okober 77, Noember 71, Desember 8, Tamak daa asli idak sasioner (gambar 1a) di mana daa idak berflukuasi sabil aau daa idak berflukuasi disekiar iik nol sehingga daa dikaakan daa idak sasioner dalam mean dan variansi. Unuk mensasionerkannya maka dilakukan differencing (sau kali) dan ransformasi kemudian di bua kembali lonya (gambar 1b). Gambar 1a. Plo daa
6 5 JURNAL MATRIX VOL. 6, NO. 1, MARET 016 Gambar 1b. Plo daa seelah diansformasi Terliha bahwa daa elah sasioner dalam mean dan variansi, unuk memasikannya lagi dilakukan dengan uji Augmened Dickey-Fuller (ADF), dimana nilai ADF es > criical value (Tabel 3). Tabel 3. Hasil Uji Augmened Dickey-Fuller -Saisic Prob.* Augmened Dickey-Fuller es saisic Tes criical 1% level values: 5% level % level Idenifikasi Plo ACF dan PACF Seelah daa dikaakan sasioner dalam mean dan variansi, maka kemudian dilakukan idenifikasi lo ACF dan PACF yang diliha dari lo correlogram (Gambar ). Dari lo erliha lo ACF dan PACF ada engamaan lag, lag yang keluar baas signifikansi adalah lag ke-1, hal ini menunjukkan adanya roses AR(1) dan MA(1). Sebelumnya elah dilakukan differencing erhada daa sebanyak 1 kali, sehingga dieroleh model semenara yaiu (1,1,1) ana konsana. rediksi yang diangga baik. Kemudian dilakukan uji hioesis unuk mengeahui aakah model-model ersebu lolos dalam uji signifikansi arameer aau idak. Uji signifikan arameer daa dilakukan dengan krieria engambilan keuusan sebagai beriku: H 0 : Parameer = 0 (idak signifikan) H 1 : Parameer 0 (signifikan) Tingka signifikansi: α = 5% Tingka kriik : Prob ( ˆα ) Daerah kriik : H 0 diolak jika robabilias < α = 5% Model yang mungkin dibenuk adalah seeri ada Tabel 4. Tabel 4. Overfiing model (1,1,1) (1,1,1)C (1,1,0) (1,1,0) C (0,1,1) (0,1,1)C Hasil uji signifikansi arameer dengan α = 5% unuk model dan model di sekiar model dirangkum dalam Tabel 5. Tabel 5. Hasil Uji Signifikansi Parameer Model C AR(1) MA(1) Kesimulan (1,1,1) Lolos Tidak lolos (1,1,0) (0,1,1) Lolos Tidak lolos Lolos Tidak lolos Gambar. Correlogram ACF dan PACF 3.3 Overfiing Model dan Esimasi Parameer Model yang dieroleh adalah (1,1,1) ana konsana, maka dilakukan overfiing disekiar model sebagai salah sau langkah unuk membandingkan model sau dengan model lainnya demi mendaakan model yang memberikan hasil Dari analisis di aas, model (1,1,1) dengan konsana, (1,1,0) dengan konsana dan (0,1,1) dengan konsana idak lolos dalam uji signifikansi arameer karena mengandung arameer-arameer yang idak signifikan sehingga model idak layak digunakan. Dari abel uji signifikansi (Tabel 5) erdaa 3 model yang lolos uji signifikansi arameer yaiu model (1,1,1) ana konsana, (1,1,0) ana konsana, dan (0,1,1) ana konsana. 3.4 Analisis Residual dan Uji Kelayakan Model Selanjunya dilakukan analisis residual dari ke iga model ersebu. Unuk hasil analisis residual, daa diliha ada Tabel 6.
7 TRI TANAMI SUKRAINI : RAMALAN KUNJUNGAN WISATAWAN 53 Tabel 6. Analisis Residual Model No auokorelasi Homokedasisias Normalisasi Tidak ada lag yang Tidak ada lag yang keluar ada lag-lag keluar ada lag-lag (1,1,1) (1,1,0) (0,1,1) Tidak ada lag yang keluar ada lag-lag Tidak ada lag yang keluar ada lag-lag Tidak ada lag yang keluar ada lag-lag Tidak ada lag yang keluar ada lag-lag Prob = > α = 0.05 (normalias erenuhi) Prob = > α = 0.05 (normalias erenuhi) Prob = > α = 0.05 (normalias erenuhi) Unuk mendaakan model erbaik akan dilakukan erbandingan keiga model ersebu berdasarkan ukuran kebaikan model yang dirangkum dalam Tabel 7. Tabel 7. Ukuran Kebaikan Model Model AIC SBC (1,1,1) (1,1,0) (0,1,1) Terliha ada Tabel 7 model yang ermasuk baik berdasarkan erhiungan AIC dan SBC adalah model (1,1,0) ana konsana. Hal ini daa diliha dari nilai AIC dan SBC erkecil. Sehingga dieroleh model yang erbaik dari model lain yang mungkin erjadi adalah model (1,1,0) ana konsana. 3.7 Peramalan Berdasarkan hasil analisis, model erbaik yang dieroleh yaiu (1,1,0) ana konsana yang diformulasikan sebagai beriku. Z = Z 1+ φz 1 φz + e (16) dengan nilai arameer seeri ada Tabel 8. Tabel 8 Nilai arameer (1,1,0) Variable Coefficien Sd.Error -Saisic Prob AR(1) Unuk = n + l, dengan l adalah ukuran langkah kedean (l-se) dan n adalah eriode eramalan, berdasarkan ersamaan (8) nilai eramalan engamaan Z ada eriode waku ke n + l unuk model (1,1,0) ana konsana adalah: Zn( l) = Zn( l 1) + φ Zn( l 1) φ Zn( l ) + en( l) (17) dengan nilai arameer φ adalah Dieroleh hasil ramalan unuk 4 eriode ke dean, yaiu Januari, Februari, Mare dan Aril 015. Hasil eramalan dibandingan dengan daa akual yang dieroleh di Kanor Desa Ada Pecau dieroleh nilai Mean Square Error (MSE) 3, (Tabel 9). Tabel 9 Hasil Peramalan Bulan Akual Peramalan Januari ,607 73,830 Februari ,859 77,908 Mare ,77 75,844 Aril ,95 76,889 Berdasarkan hasil eramalan, erliha bahwa jumlah kunjungan wisaawan ke Uluwau ada ahun 015 akan mengalami enurunan ada bulan Januari 015. Sehingga ihak manajemen Uluwau harus memersiakan romosi aau even unuk menarik engunjung lebih banyak. Teai engunjung ada bulan Februari 015 mengalami kenaikan sehingga ihak manajemen Uluwau harus meningkakan kualias elayanan sera fasilias yang memadai unuk memberikan rasa nyaman dan uas keada engunjung. Peningkaan wisaawan juga mengakibakan ihak manajemen Uluwau bersama emerinah harus memikirkan jumlah enaga kerja, lahan akir yang memadai, dan engauran arus lalu linas unuk menghindari erjadinya kemacean. Memodelkan daa jumlah kunjungan wisaawan erlu dilakukan unuk meramalkan jumlah kunjungan wisaawan. Hasil eramalan jumlah kunjungan wisaawan ini akan sanga dibuuhkan unuk ara elaku bisnis dalam menganisiasi halhal yang erjadi. Sehingga segala kekurangan daa dierbaiki dan kelebihan daa diingkakan. IV. KESIMPULAN Dieroleh model erbaik unuk eramalan jumlah kunjungan wisaawan ke Uluwau adalah model (1,1,0) ana konsana. Dengan nilai arameer AR(1) adalah Daa ramalan dibandingan dengan daa akual dan dieroleh nilai MSE 3, Model (1,1,0) ana konsana cuku baik dalam meramalkan jumlah
8 54 JURNAL MATRIX VOL. 6, NO. 1, MARET 016 kedaangan wisaawan ke Uluwau unuk 4 eriode ke dean. Unuk ke deannya diharakan meode ini daa memrediksi kunjungan wisaawan dalam eriode waku yang lebih anjang dan daa digunakan unuk memrediksi kunjungan wisaawan baik di ema wisaa aauun akomodasi wisaa lainnya (hoel, ema makan). DAFTAR PUSTAKA [1] Makridakis, S., Wheelwrigh, S.C., dan McGee, V.E., Forecasing: Mehods and Alicaions, Edisi Kedua, John Wiley dan Sons, New York. [] Badan Pusa Saisik Provinsi Bali., 015. Tinjauan Perekonomian Bali 014. Badan Pusa Provinsi Bali. [3] Box, G.E.P., dan Jenkins, G.M., Time Series Analysis: Forecasing and Conrol, Revised Ediion, Holden-Day San Fransisco. [4] Box, P.E.G, Jenkins, G.M dan Reinsel C. G., 1994, Time Series Analysis: Forecasing and Conrol, New Jersey, Prenice Hall. [5] Rosadi, D., 01. Ekonomerika dan Analisis Runun Waku Teraan dengan Eviews, Andi Offse, Yogyakara. [6] Wei, W.W.S., Time Series Analysis: Univariae dan Mulivariae Mehods, Addison- Wesley Publishing Comany, Inc. New York. [7] Rahmi, Indira, 01. eramalan jumlah wisaawan mancanegara yang masuk melalui inu kedaangan Bandara Soekarno Haa dan Bandara Juanda, Insiu Teknologi Seuluh Noember Surabaya. [8] Mifahurrohmah, Brina., 013. Peramalan Jumlah Pengunjung Wisaa Bahari Lamongan dengan Meode Box Jenkins, Insiu Teknologi Seuluh Noember Surabaya. [9] Sulysiawai, Vivi Kusuma., 014. Peramalan Jumlah Pengunjung Domesik dan Mancanegara di Maharani Zoo & Goa Menggunakan Box Jenkin, Insiu Teknologi Seuluh Noember Surabaya.
BAB 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 terperinciPENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER
Sains, Teknologi, Kedokeran, dan Ilmu Kesehaan Vol., No., Aril 07: hlm 8-8 ISSN 579-640 (Versi Ceak) ISSN-L 579-640 (Versi Elekronik) PENENTUAN MODEL INDEKS HARGA SAHAM GAUNGAN (IHSG) MENGGUNAKAN ANALISIS
Lebih terperinciPENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER
Jurnal Jurnal Muara Sains, Teknologi, Kedokeran, dan Ilmu Kesehaan Vol., No., Okober 07: hlm 97-07 ISSN 579-640 (Versi Ceak) ISSN-L 579-640 (Versi Elekronik) PENENTUAN MODEL INDEKS HARGA SAHAM GAUNGAN
Lebih terperinciAnalisis Peramalan Kombinasi Terhadap Jumlah Permintaan Darah di Surabaya (Studi Kasus: UDD PMI Kota Surabaya)
JURNAL STATISTIKA Vol., No., () 5 Analisis Peramalan Kombinasi Terhada Jumlah Perminaan Darah di Surabaya (Sudi Kasus: UDD PMI Koa Surabaya) Winda Eka F., Ir. Dwiamono Agus W.,MIKom Jurusan Saisika, FMIPA,
Lebih terperinciPemodelan ARIMA Dalam Prediksi Penumpang Pesawat Terbang Pada Bandara Internasional Sam Ratulangi Manado
Pemodelan ARIMA Dalam Prediksi Penumang Pesawa Terbang Pada Bandara Inernasional Sam Raulangi Manado Sinnyo H.A. Salmon, Nelson Nainggolan 2, Djoni Haidja 3 Program Sudi Maemaika, FMIPA, UNSRAT, sinnyosalmon@ymail.com
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 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 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 terperinciPemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun
Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro
Lebih terperinciBAB III 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 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 terperinciMAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BOX-JENKINS. OLEH : SHANTIKA MARTHA, S.Si NIP
MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BO-JENKINS OLEH : SHANTIKA MARTHA, S.Si NIP. 9840308008003 UNIVERSITAS TANJUNGPURA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM JURUSAN MATEMATIKA
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 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 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 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 terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 LANDASAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi
Lebih terperinciPeramalan Inflasi Menggunakan Pendekatan Gabungan antara Fungsi Transfer dan Intervensi dengan Deteksi Outlier
Peramalan Inflasi Menggunakan Pendekaan Gabungan anara Fungsi Transfer dan Inervensi dengan Deeksi Oulier Tahira Ea Adisi, Dr. Suharono, S.Si. M.Sc. Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam,
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 terperinciPENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Studi Kasus Data Saham PT. Gudang Garam Tbk.
Bulein Ilmiah Mah. Sa. dan Teraannya (Bimaser) Volume 4, No. 3 (ahun), hal 69 78. PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Sudi Kasus Daa Saham PT.
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 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 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 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 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 terperinciKata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting.
METODE INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) UNTUK MEMODELKAN HARGA GABAH DUNIA (INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY TO CAPTURE
Lebih terperinciBAB 2 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 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 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 terperinciAbstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.
1 Peramalan Volume Produksi Air Bersih di PDAM Kabupaen Bojonegoro berdasarkan Jumlah Pelanggan dan Volume Konsumsi Air Fasha Aulia Pradhani dan Adaul Mukarromah Jurusan Saisika, FMIPA, ITS Jl. Arief Rahman
Lebih terperinciBAB 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 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 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 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 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 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 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 terperinciESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING
ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING Nama: Zahroh Aiqoh 05 00 0 Dosen Pembimbing: Dra. Nuri Wahyuningsih, MKes Drs. Sulisiyo, MT Jurusan Maemaika
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 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 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 terperinciJURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print) D-326
JURNAL AIN DAN ENI OMIT Vol. 3, No., (4) 337-35 (-98X rin) D-36 eramalan Toal Marke eeda Moor dan Toal enjualan Moor X di roinsi Jawa Timur dengan endekaan ARIMA Box-Jenkins dan Auoregressive Inegraed
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 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 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 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 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 terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 701-710 Online di: hp://ejournal-s1.undip.ac.id/index.php/gaussian VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING
Lebih terperinciKAJIAN PEMODELAN DERET WAKTU NONLINIER THRESHOLD AUTOREGRESSIVE (TAR) Puji Noviandari Universitas Jenderal Soedirman
JMP : Volume 4 Nomor 1, Juni 01, hal. 13-134 KAJIAN PEMODELAN DERET WAKTU NONLINIER THRESHOLD AUTOREGRESSIVE (TAR) Pui Noviandari Universias Jenderal Soedirman veeyan_love18@yahoo.com Renny Universias
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 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 terperinciANALISIS PERAMALAN KOMBINASI TERHADAP JUMLAH PERMINTAAN DARAH DI SURABAYA (STUDI KASUS:
ANALISIS PERAMALAN KOMBINASI TERHADAP JUMLAH PERMINTAAN DARAH DI SURABAYA (STUDI KASUS: UDD PMI KOTA SURABAYA) Oleh: Winda Eka Febriana (0500) Pembimbing: Ir. Dwiamono Agus W., MIKom . LATAR BELAKANG DARAH
Lebih terperinciPEMODELAN SMOOTH TRANSITION AUTOREGRESSIVE (STAR) PADA KURS THAI BATH TERHADAP RUPIAH RAHMA NUR CAHYANI
erusakaan.uns.ac.id PEMODELAN SMOOH RANSIION AUOREGRESSIVE (SAR PADA KURS HAI BAH ERHADAP RUPIAH oleh RAHMA NUR CAHYANI M005059 SKRIPSI diulis dan diajukan unuk memenuhi sebagian ersyaraan memeroleh gelar
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 Inflow dan Outflow Uang Kartal Bank Indonesia di Wilayah Jawa Tengah dengan Menggunakan Metode ARIMA, Time Series Regression, dan ARIMAX
JURNA SAINS DAN SENI ITS Vol., No., () - (-X rin) D- eramalan Inflow dan Ouflow Uang Karal Bank Indonesia di Wilayah Jawa Tengah dengan Menggunakan Meode ARIMA, Time Series Regression, dan ARIMAX Noorgam
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 terperinciPENGEMBANGAN MODEL PREDIKSI OLR-MJO BERBASIS HASIL ANALISIS MODEL STATISTIK BOX-JENKINS (ARIMA)
Prosiding Seminar Nasional Peneliian, Pendidikan, dan Penerapan MIPA Fakulas MIPA, Universias Negeri Yogyakara, 16 Mei 2009 PENGEMBANGAN MODEL PREDIKSI OLR-MJO BERBASIS HASIL ANALISIS MODEL STATISTIK BOX-JENKINS
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 robabilias 2.1.1 Definisi robabilias adalah kemungkinan yang daa erjadi dalam suau erisiwa erenu. Definisi robabilias daa diliha dari iga macam endekaan, yaiu endekaan klasik,
Lebih terperinciMODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI
MODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI Diajukan kepada Fakulas Maemaika dan Ilmu Pengeahuan Alam Universias Negeri Yogyakara unuk memenuhi
Lebih 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 terperinciBAB IV METODOLOGI PENELITIAN
BAB IV METODOLOGI PENELITIAN Dalam peneliian ini, penulis akan menggunakan life cycle model (LCM) yang dikembangkan oleh Modigliani (1986). Model ini merupakan eori sandar unuk menjelaskan perubahan dari
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 terperinciModel ARIMAX Dan Deteksi GARCH Untuk Peramalan Inflasi Kota Denpasar Tahun 2014
JEKT Model ARIMAX Dan Deeksi GARCH Unuk Peramalan Inflasi Koa Denpasar Tahun 2014 Rukini *) Badan Pusa Saisik Provinsi Bali ABSTRAK pemerinah dalam mengambil kebijakan unuk menjaga sabilias moneer di masa
Lebih terperinciAnalisis Pola Hubungan Pemodelan ARIMA Curah Hujan dengan Curah Hujan Maksimum, Lama Waktu Hujan, dan Curah Hujan Rata-Rata
Analisis Pola Hubungan Pemodelan ARIMA Curah Hujan dengan Curah Hujan Maksimum, Lama Waku Hujan, dan Curah Hujan Raa-Raa Fahin Fahimah 33 Jurusan Teknik Elekro-FTI, Insiu Teknologi Seuluh Noember Kamus
Lebih terperinciPERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS Puri Handayani NRP 1314 030 112 Dosen Pembimbing Dr. Brodjol Suijo Suprih Ulama, M.Si. Deparemen
Lebih 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 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 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 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 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 terperinciJURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ISSN: ( Print) D-212
JURNAL SAINS DAN SENI POMITS Vol. 3, No., (04) ISSN: 337-3539 (30-97 Prin) D- Peramalan Jumlah Penumang Pesawa Terbang di Pinu Kedaangan Bandar Udara Inernasional Lombok dengan Meode ARIMA Box-Jenkins,
Lebih terperinciFORECASTING & ARIMA. Dwi Martani. 1/26/2010 Statistik untuk Bisnis 9 1
FORECASTING & ARIMA Dwi Marani /26/200 Saisik unuk Bisnis 9 DERET BERKALA (TIME SERIES) Suau dere berkala merupakan suau himpunan observasi dimana variabel yang digunakan diukur dalam uruan periode waku,
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 terperinciTUGAS AKHIR. untuk Analisis Peramalan Data Ekspor Non Migas Indonesia Di Sektor Pertanian, Sektor Perindustrian dan Sektor
TUGAS AKHIR Pendekaan Meode ARIMA Box Jenkins unuk Analisis Peramalan Daa Ekspor Non Migas Indonesia Di Sekor Peranian, Sekor Perindusrian dan Sekor Nurul Laifa Perambangan 307 030 70 Dosen pembimbing
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 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 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 terperinciPERAMALAN JUMLAH PENUMPANG PADA PT
PERAMALAN JUMLAH PENUMPANG PADA PT. ANGKASA PURA I (PERSERO) KANTOR CABANG BANDAR UDARA INTERNASIONAL ADISUTJIPTO YOGYAKARTA DENGAN METODE WINTER S EXPONENTIAL SMOOTHING DAN SEASONAL ARIMA SKRIPSI Diajukan
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 terperinciPERAMALAN VOLUME PENJUALAN KEDELAI PT. X MENGGUNAKAN METODE ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN VOLUME PENJUALAN KEDELAI PT. X MENGGUNAKAN METODE ARIMA BOX-JENKINS Affanda Abdul Hakim Aminullah NRP 1314 030 048 Dosen Pembimbing : Dr. Brodjol Suijo S.U., M.Si Deparemen
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 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 terperinciANALISIS DATA INFLASI INDONESIA MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DENGAN PENAMBAHAN OUTLIER.
Analisis Daa (Supari) ANALISIS DAA INFLASI INDONESIA MENGGUNAKAN MODEL AUOREGRESSIVE INEGRAED MOVING AVERAGE (ARIMA) DENGAN PENAMBAHAN OULIER Supari 1 dan Alfi Faridaus Sa adah 2 1 Saf Pengajar Jurusan
Lebih terperinciESTIMASI MODEL UNTUK DATA DEPENDEN DENGAN METODE CROSS VALIDATION. Oleh: Tarno Program Studi Statistika FMIPA UNDIP Semarang
ESTIMASI MODEL UNTUK DATA DEPENDEN DENGAN METODE CROSS VALIDATION Oleh: Tarno Program Sudi Saisika FMIPA UNDIP Semarang Absrac This paper discuss abou applicaion of cross-validaion mehod for modeling of
Lebih terperinciPENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK.
PENERAPAN METODE TRIPLE EXPONENTIAL MOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUAHAAN MEBEL INAR JEPARA TANJUNGANOM NGANJUK. ii Rukayah*), Achmad yaichu**) ABTRAK Peneliian ini berujuan unuk
Lebih terperinciKAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN
JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina
Lebih 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 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 terperinciAnalisis Peramalan Jumlah Penumpang Kereta Api Penataran Tujuan Surabaya-Malang
Analisis Peramalan Jumlah Penumpang Kerea Api Penaaran Tujuan Surabaya-Malang Oleh. Andria Prima Diago 08.00.0 Dosen Pembimbing. r. Dwiamono Agus, M.komp Andria Prima Diago 08.00.0 nsiu Teknologi Sepuluh
Lebih terperinciMAKALAH TUGAS AKHIR IDENTIFIKASI MODEL ARIMA BOX-JENKINS
1. Pendahuluan MAKALAH TUGAS AKHIR IDENTIFIKASI MODEL ARIMA BOX-JENKINS CAMPURAN DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA Oleh : Febriana Dwi P. (1306 100 011) Dosen Pembimbing I : Dr. Irhamah, S.Si,
Lebih terperinciUSULAN PENERAPAN METODE KOEFISIEN MANAJEMEN (BOWMAN S) SEBAGAI ALTERNATIF MODEL PERENCANAAN PRODUKSI PRINTER TIPE LX400 PADA PT X
USULAN ENERAAN METODE KOEISIEN MANAJEMEN (BOMAN S) SEBAGAI ALTERNATI MODEL ERENCANAAN RODUKSI RINTER TIE LX400 ADA T X Hendi Dwi Hardiman Jurusan Teknik Manajemen Indusri - Sekolah Tinggi Manajemen Indusri
Lebih terperinciDosen Pembimbing Dr. Brodjol Sutijo Suprih Ulama, M.Si.
TUGAS AKHIR SS 145561 PERAMALAN NILAI IMPOR NON MIGAS DI JAWA TIMUR DENGAN MENGGUNAKAN METODE ARIMA BOX-JENKINS BOBBY AKBAR NRP 1314 030 002 Dosen Pembimbing Dr Brodjol Suijo Suprih Ulama, MSi DEPARTEMEN
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 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 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 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 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 terperinciPenerapan Model ARIMA Dalam Memprediksi IHSG
Penerapan Model ARIMA Dalam Memprediksi IHSG Bambang Hendrawan Polieknik Baam Parkway Sree, Baam Cenre, Baam 29461, Indonesia e-mail: benks@polibaam.ac.id Absrak: Tujuan peneliian ini adalah unuk mencari
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu
BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang
Lebih terperinci