Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR)

Ukuran: px
Mulai penontonan dengan halaman:

Download "Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR)"

Transkripsi

1 JURNAL SAINS DAN SENI POMITS Vol. 3, No., (04) (30-98X Prn) D-36 Peramalan Penjualan eda Moor Tap Jens d Wlayah Surabaya dan Blar dengan Model ARIMA Box-Jenkns dan Vecor Auoregressve (VAR) Ade Dw Anggraen dan Agus Suharsono Jurusan Saska, Fakulas Maemaka dan Ilmu Pengeahuan Alam, Insu Teknolog uluh Nopember (ITS) Jl. Aref Rahman Hakm, Surabaya 60 Indonesa e-mal: gmagussuharsono@saska.s.ac.d Absrak Transporas khususnya sepeda moor saa n menjad salah sau elemen yang sanga dbuuhkan manusa dalam membanu moblas manusa melakukan kegaan seharhar. AISI (00) menjelaskan bahwa penjualan sepeda moor d Indonesa menngka dar 5,9 jua un d ahun 009 menjad 7,4 un d ahun 00. Adanya penngkaan sebesar 5,7 persen dalam sau ahun menunjukkan adanya perumbuhan yang pesa unuk penjualan sepeda moor d Indonesa. Pada penelan n menganalss mengena peramalan penjualan sepeda moor Merk X dan Toal Marke ap jens d wlayah Surabaya dan Blar karena Surabaya dan Blar memlk nla IPM erngg d Jawa Tmur. Dduga erdapa efek hubungan mbal balk anar penjualan sepeda moor, sehngga penyelesaan dalam kasus n menggunakan meode ARIMA secara unvarae dan Vecor Auoregressve (VAR) secara mulvarae. Berdasarkan unvarae me seres ddapakan model erbak wlayah Surabaya adalah model ARIMA (,,0) bak unuk varabel Toal Merk X, Toal Marke, Merk X maupun varabel Toal Marke jens mac dan spor kecual pada Merk X jens spor model erplh adalah ARIMA (0,,0). Begu pula pada wlayah Blar ddapakan model erbaknya adalah ARIMA (,,0) varabel Toal Merk X, Toal Marke, Merk X maupun varabel Toal Marke jens mac dan spor kecual pada Merk X jens spor model erplh adalah ARIMA (0,,). Sedangkan unuk model VAR ddapakan VARIMA (,,0) unuk Merk X dan Toal Marke Surabaya dan Blar. Kaa Kunc Penjualan eda Moor, Unvarae Tme Seres (ARIMA), Mulvarae Tme Seres (Vecor Auoregressve) D I. PENDAHULUAN EWASA n ransporas menjad salah sau elemen yang sanga membanu moblas manusa dalam melakukan kegaan sehar-har. Serng berambahnya jumlah penduduk, maka jumlah kendaraan bermoor d Indonesa pun semakn menngka. Pada ahun 0 jumlah pemlk kendaraan bermoor d Indonesa sebesar un dan angka ersebu semakn melonjak pada ahun 0 yakn sebesar un kendaraan bermoor (BPS, 04). Menngkanya perumbuhan kendaraan bermoor ersebu dakbakan adanya kemacean lalu lnas yang parah, sehngga unuk menghndar kemacean masyaraka cenderung menggunakan sepeda moor sebaga solus mengaas kemacean lalu lnas. Hal n erbuk dar jumlah pemlk sepeda moor d Indonesa lebh banyak dbandngkan dengan kendaraan bermoor lannya yakn sebesar un pada ahun 0 (BPS,04). Persangan yang ngg eruama dalam bdang sepeda moor menyebabkan pebsns dunu unuk mempunya sraegs yang epa dalam memenuh arge volume penjualan. Begu juga dengan perusahaan PT X, unuk dapa menguasa pangsa pasar produk Merk X ersebu selalu mencpakan penemuan-penemuan baru yang bervaras dan dsesuakan dengan perkembangan jaman sera kengnan dar masyaraka agar produknya eap laku d pasaran. Hal n dapa dbukkan bahwa saa n Merk X mampu menguasa pangsa pasar sebesar 63 persen dar Toal Marke sepeda moor d Indonesa (AISI, 04). Koa Blar dan Koa Surabaya adalah koa dengan nla IPM (Indeks Pembangunan Manusa) erngg d Provns Jawa Tmur. Sehngga dapa dasumskan bahwa permnaan sepeda moor d kedua koa ersebu akan ngg serng dengan nggnya IPM kedua koa ersebu. Merujuk pada [] menjelaskan elah mengaplkaskan Vecor Auoregressve (VAR), dmana meode Vecor Auoregressve (VAR) dgunakan unuk meramalkan harga saham PT Indofood Sukses Makmur Indonesa Tbk. Hadyaullah (0) juga menggunakan meode Vecor Auoregressve (VAR) unuk menganalss pengaruh harga mgas erhadap ndeks harga konsumen. Berdasarkan permasalahan yang ada, penerapan unuk model unvarae akan menggunakan meode ARIMA. Penelan n akan menguj hubungan mbal balk (smulan) penjualan sepeda moor Merk X ap jensnya (cub, spor, dan mac). Kemudan akan dlakukan peramalan unuk sau ahun yang akan daang. Meode Vecor Auoregressve (VAR) dapa menjelaskan adanya hubungan mbal balk (kausalas) anara varabel-varabel yang erka, sehngga meode peramalan yang epa unuk menyelesakan permasalahan n adalah Vecor Auoregressve (VAR). A. Analss Tme Seres II. TINJAUAN PUSTAKA Tme seres adalah serangkaan pengamaan erhadap suau varabel yang dambl dar waku ke waku dan dcaa secara beruruan menuru uruan waku [].Daa penelan yang dgunakan erpau oleh waku, sehngga erdapa korelas anara daa kejadan saa n dengan daa dar sau perode sebelumnya.

2 JURNAL SAINS DAN SENI POMITS Vol. 3, No., (04) (30-98X Prn) D-37 B. ARIMA Box-Jenkns Pada analss me seres, langkah perama yang dlakukan adalah denfkas model unuk melha pola daa. Apabla daa me seres bersfa non-sasoner maka harus dsasonerkan erlebh dahulu. Jka konds sasoner dalam raa-raa dak erpenuh maka dperlukan proses dfferencng [3]. Jka daa dak sasoner dalam varans, maka dapa dsablkan dengan menggunakan ransformas dan salah saunya adalah dengan melakukan ransformas Box Cox. Pengujan kesasoneran dalam mean menggunakan uj un roo. Persamaan yang dgunakan dalam uj mened Dckey-Fuller adalah sebaga berku. y p y y a () Mean yang dak sasoner dapa dsasonerkan dengan melakukan dfferencng serangkaan daa pengamaan (Z). Berku merupakan sasoneras dalam mean []. W Z Z () Apabla varans belum sasoner, maka unuk mensasonerkan varans perlu dlakukan ransformas. Transformas Box-Cox merupakan ransformas pangka yang dapa dnyaakan sebaga berku. ( ) T ( ) (3) Z Z C. Idenfkas Model ARIMA Pada ahap denfkas model ARIMA dapa dlakukan dengan melha plo dar ACF dan PACF. Beberapa model ARIMA dar ACF dan PACF adalah sebaga berku: [] Tabel. Model Dugaan ARIMA Model ACF PACF AR (p) Des Down Cu off seelah lag p MA (q) Cu off seelah lag q Des Down ARMA (p,q) Des Down Des Down AR (p) Aau MA (q) Cu off seelah lag q Cu off seelah lag p D. Model-Model Tme Seres Unuk menenukan model-model ARIMA dapa dkeahu dengan melha plo ACF dan PACF. Model-model ARIMA yang erbenuk danaranya adalah model Auoregressve (AR), model Movng Average (MA), model Auoregressve Movng Average (ARMA) dan model Auoregressve Inegraed Movng Average (ARIMA). E. Dagnosc Checkng Pada Model ARIMA, resdual yang dperoleh harus memenuh asums, yau whe nose dan berdsrbus normal. Pengujan whe nose menggunakan hpoess sebaga berku (We, 006). H 0 :... 0 (resdual memenuh syara k whe nose) H : Mnmal ada sau 0 dengan =,,,k (resdual dak memenuh syara whe nose) Sask Uj : Q n n k k H 0 dolak jka Q ˆ k n k aau p-value < α., k p q Uj normalas dapa dlakukan dengan uj Kolmogorov Smrnov dengan hpoess sebaga berku (Danel, 989). H 0 : F(x) = F 0 (x) unuk semua nla x (resdual berdsrbus normal) H : F(x) F 0 (x) unuk sekurang-kurangnya sebuah nla x (resdual dak berdsrbus normal) Sask Uj : x x D SUP S F. (5) X 0 H 0 dolak jka D > D (-α,n) aau p-value < α. F. Pemlhan Model Terbak Pada pemodelan daa me seres, erdapa kemungknan bahwa beberapa model yang ddapa sudah sesua dengan persyaraan yau semua parameer sgnfkan, resdual sudah memenuh asums bak whe nose maupun berdsrbus normal. Oleh karena u langkah selanjunya adalah melakukan pemlhan model erbak. Dalam menenukan model erbak ada kreranya anara lan kreera n sample dan krera ou sample. G. Vecor Auoregressve Vecor Auoregressve (VAR) dkemukakan perama kal oleh Sms (980). Model Vecor Auoregressve (VAR) sebenarnya merupakan gabungan dar beberapa model Auoregresf (AR), dmana model-model n membenuk sebuah vekor yang anar varabel varabelnya salng mempengaruh. Model VAR() adalah model Vecor Auoregressve berorde, arnya varabel bebas dar model ersebu hanyalah sau nla lag dar varabel ak bebasnya. Model Vecor Auoregressve order p aau VAR(p) yang dbangkkan dar model AR(p) dengan varabel adalah dengan z α o+ p n Φ n z n + (4) a (6) z = vekor z pada waku α o = konsana Φ n = besarnya nla parameer z ke n, dengan n =,,3,...,p a = nla error pada saa Seelah daa me seres erpenuh syara sasoneras, ahap selanjunya dalam pembenukan model VAR adalah mengdenfkas model yang sesua. Idenfkas model n dapa dlakukan dengan memperhakan pola markas korelas sampel (MACF) dan korelas parsal (MPACF) yang erbenuk. H. Penaksran Parameer Model VAR Seelah model dugaan dar daa me seres dperoleh, langkah selanjunya adalah mengesmas nla parameer-

3 JURNAL SAINS DAN SENI POMITS Vol. 3, No., (04) (30-98X Prn) D-38 parameer pada model ersebu. Salah sau meode esmas yang dapa dgunakan adalah meode Maxmum Lkelhood Esmaon (MLE). Hasl penaksran parameer dar meode lkelhood n selanjunya mash perlu duj unuk mengeahu sgnfkansnya erhadap model dengan menggunakan sask uj. Hpoess yang dgunakan dalam pengujan n adalah sebaga berku: H H 0 : : 0 0 dan perhungan sask uj adalah sebaga berku: (7) ˆ (8) sdev ( ˆ ) Sask uj d aas kemudan dbandngkan dengan / yang dperoleh dar abel dsrbus. Dengan olerans keepaan (α) sebesar 5%, hpoess awal akan dolak jka nla > /,( n p ) dmana p menunjukkan jumlah parameer, yang berar bahwa parameer elah sgnfkan [] I. Uj Kesesuaan Model Seelah esmas parameer dperoleh, maka selanjunya kecukupan dar kesesuaan model harus dperksa dengan analss dagnosa dar resdual. Selanjunya adalah melakukan uj mulvarae normal, dmana analss saska mulvarae normal n dgunakan unuk menganalss lebh dar sau varabel dependen unuk mengeahu apakah raa-raa kelompok berbeda secara sgnfkan. H 0 H : Daa berdsrbus normal mulvara : Daa dak berdsrbus normal mulvara Pemerksaan dsrbus normal mulvara dapa dlakukan pada seap populas dengan cara membua q-q plo aau scaer plo dar nla jarak mahalanobs. d ( X X ) S ( X X ),,,... n. (9) Jka scaer plo cenderung membenuk gars lurus dan ( n, nla d, q) mendeka sau, maka gagal olak H 0. J. Pemlhan Model Terbak Pemlhan model basanya dlakukan jka erdapa beberapa model yang layak unuk dgunakan. Ada beberapa krera pemlhan model yang dapa dgunakan anara lan AIC (Akake s Informaon Creraon) dan SBC (Schwarz s Bayesan Creraon) unuk daa n-sample []. Unuk daa ou-sample dapa menggunakan smape (Symmerc Mean Absolue Percenage Error). Perhungan unuk smape adalah sebaga berku [3]. n n Y Yˆ *00 ( Y Yˆ ) (0) dengan Y menyaakan real value sedangkan Yˆ menyaakan forecas dan n menyaakan jumlah ramalan yang dlakukan. A. Sumber Daa III. METODOLOGI PENELITIAN Daa yang dgunakan dalam penelan kal n merupakan daa sekunder. Daa ersebu merupakan daa bulanan hasl pencaaan daa penjualan eda Moor Merk X dan Toal Marke jens mac, cub dan spor d Koa Blar dan Koa Surabaya mula dar Januar 009 sampa Desember 03. Daa pada Januar 009 Desember 03 dgunakan sebaga daa n sample, sedangkan daa pada Januar 04-Mare 04 dgunakan sebaga daa ou sample. B. Varabel Penelan Pada penelan n dgunakan 6 varabel yang dgunakan dalam penelan unuk masng-masng koa yau sebaga berku. Z, : Daa penjualan sepeda moor Toal Merk X. Z, : Daa penjualan sepeda moor Merk X jens mac. Z 3, : Daa penjualan sepeda moor Merk X jens spor. Z 4, : Daa penjualan Toal Marke. Z 5, : Daa penjualan Toal Marke jens mac. Z 6, : Daa penjualan Toal Marke jens spor. C. Meode Analss Daa Tahap dan langkah-langkah analss daa dalam penelan n adalah sebaga berku:. Unuk menjawab rumusan masalah perama: a. Mendeskrpskan daa unuk mendapakan karakersk penjualan sepeda moor Merk X dan Toal Marke jens mac dan spor d Koa Surabaya dan Blar.. Unuk menjawab rumusan masalah yang kedua yau dengan pendekaan ARIMA Box Jenkns adalah sebaga berku. a. Melakukan uj sasoneras daa dalam mean dan varans. b. Membua plo ACF dan PACF. c. Membua dugaan model ARIMA. d. Melakukan pemerksaan dan pengujan resdual.pemerksaan resdual melpu asums whe nose yang duj dengan Ljung Box dan asums berdsrbus normal yang duj dengan menggunakan uj Kolmogorov-Smrnov. e. Mengukur kebakan model dalam melakukan peramalan dengan menggunakan MAPE dan smape. f. Melakukan peramalan dengan model yang elah memenuh asums resdual whe nose dan dsrbus normal. 3. Unuk menjawab rumusan masalah kega yau dengan pendekaan Vecor Auoregressve (VAR). a. Melakukan deeks sasoneras. b. Membua plo MACF dan MPACF berdasarkan daa yang sudah sasoner. c. Pendugaan model VAR awal dengan menggunakan plo MPACF dan Mnmum Informaon Creron. d. Melakukan pemodelan dan penaksran parameer. e. Melakukan pemerksaan dan pengujan resdual. Pemerksaan melpu asums whe nose dan dsrbus mulvarae normal.

4 Auocorrelaon Paral Auocorrelaon JURNAL SAINS DAN SENI POMITS Vol. 3, No., (04) (30-98X Prn) D-39 f. Mengukur kebakan model dalam melakukan peramalan dengan menggunakan MAPE dan smape. g. Melakukan peramalan dengan model VAR yang elah memenuh asums. IV. HASIL DAN PEMBAHASAN Pada pembahasan n akan damplkan hasl analss mengena peramalan permnaan sepeda moor Toal Merk X, Toal Marke, Merk X dan Toal Marke jens mac dan spor unuk wlayah Surabaya. Tabel. Saska Deskrpf Penjualan eda Moor Wlayah Surabaya Varabel Mean SDev Varans Mn Maks Skew Kuross Toal X X Mac X Spor Toal TM TM Mac TM Spor ,98 3, ,7 0, ,3 6, ,69, ,8,05 349, 473,4 4086, ,6,08 Berdasarkan Tabel menunjukkan bahwa penjualan sepeda moor yang memlk raa-raa penjualan sepeda moor merk Merk X erngg unuk wlayah Surabaya adalah merk mac dengan raa-raa penjualan per bulannya adalah sebesar 3438 sepeda moor. Selan u penjualan sepeda moor yang memlk raa-raa oal marke erngg unuk wlayah Surabaya adalah merk mac dengan raa-raa penjualan per bulannya adalah sebesar 6336 sepeda moor. Nla-nla sandard devas menunjukkan bahwa ngka keragaman daa penjualan sepeda moor bak oal marke maupun Merk X bulanan unuk wlayah Surabaya ersebu cenderung ngg, dengan ngka keragaman erbesar dhaslkan oleh daa penjualan sepeda moor oal marke wlayah Surabaya sebesar 358. A. Idenfkas Model ARIMA Pada ahapan denfkas model, akan dkeahu apakah daa yang dgunakan sudah memenuh asums sasoner erhadap varans dan mean apa belum. Pada wlayah Surabaya, berdasarkan Box-Cox Tranformaon Tabel 3 dapa dkeahu bahwa varabelnya belum memenuh asums sasoner erhadap varans. Selanjunya adalah melakukan ransformas, hasl ransformas dgunakan unuk mengecek sasoneras dalam mean. Pada penelan n dapa dkeahu bahwa plo ACF pada semua varabel bersfa des down aau bergerak urun lamba. Hal n mengndkaskan bahwa semua varabel mash belum sasoner dalam mean, sehngga harus daas dengan cara melakukan proses dfferencng. Seelah dlakukan proses dfferencng sau, semua varabel yang dgunakan elah memenuh asums sasoner dalam mean. Tabel 3. Box-Cox Transformaon Daa Penjualan eda Moor Varabel Rounded Value Toal Merk X 0,00-0,86 0,67 Merk X Mac 0,00-0,39 0,3 Merk X Spor 0,00-0,70 0,33 Toal Marke 0,50-0,6,66 Toal Marke Mac 0,00-0,87 0,49 Toal Marke Spor 0,00-0,4 0,89 Selanjunya adalah melakukan ahap denfkas model ARIMA. Unuk menduga model ARIMA pada ahap denfkas dapa dlha dar plo Paral Auocorrelaon Funcon (PACF) dar daa yang sudah sasoner. Berku n merupakan plo ACF dan PACF dar wlayah Surabaya Gambar. Plo ACF dan PACF Toal Merk X Surabaya Berdasarkan plo PACF dan ACF dapa dkeahu beberapa kemungknan model yang erbenuk dar masngmasng varabel d wlayah Surabaya. B. Pemlhan Model Terbak Pemlhan model erbak dlakukan keka parameer sudah sgnfkan dan resdual pada model dugaan elah memenuh asums whe nose dan berdsrbus normal. Krera penenuan model erbak ddapakan dengan menggunakan nla MAPE dan smape yang dhung berdasarkan daa ou sample. Tabel 4. Nla MAPE dan smape pada Model Penjualan eda Moor Wlayah Surabaya Varabel Model MAPE smape Toal Merk X ARIMA ([ 8],,0) 9,7679 8, ARIMA (,,0) 4, ,707855* ARIMA (8,,0),4067,4333 Merk X Mac ARIMA (,,0) 4,8489 4,7379 * Toal Marke Toal Marke Mac Toal Marke Spor Lag 9 0 ARIMA (,,0) 3,6465 3,0665* ARIMA (0,,) 7, ,78065 ARIMA (,,0) 3,950 3,83389 * ARIMA (,,0) 7,0053 * 7,3893 *nla erkecl Model yang dplh pada wlayah Surabaya unuk semua varabel bak varabel Merk X ap jens maupun varabel Toal Marke ap jens adalah model ARIMA (,,0) kecual pada varabel Merk X spor model erplh adalah ARIMA (0,,0). Selanjunya adalah melakukan peramalan dengan model yang dgunakan adalah model yang sudah sgnfkan dan memenuh asums bak asums whe nose maupun asums berdsrbus normal (Lampran). C. Pemodelan Vecor Auoregressve Seelah ddapakan model erbak pada unvarae me seres, selanjunya adalah melakukan pemodelan mulvarae Lag

5 JURNAL SAINS DAN SENI POMITS Vol. 3, No., (04) (30-98X Prn) D-330 me seres dengan Vecor Auoregressve. Dengan pemodelan n akan dapa dkeahu hubungan anara sau varabel dengan varabel lannya. Unuk melakukan denfkas orde model VAR maka dapa dlha melalu nformas AIC erkecl pada Mnmum Informaon Creron. Tabel 5. Mnmum Informaon Creron pada Merk X VARIMA (,,0) Surabaya Lag MA 0 MA MA MA 3 MA 4 MA 5 AR 0 -,03-0,967-0,759-0,580-0,303-0,98 AR -,76 -,0-0,838-0,607-0,309-0,000 AR -,483-0,793-0,45-0,45-9,870-9,45 AR 3 -,4-0,704-0,83-9,775-9,39-8,737 AR 4 -,99-0,489-9,97-9,55-9,05-8,6 AR 5 -,036-0,34-9,806-9,094-8,0-6,77 Berdasarkan Tabel 5 dapa dkeahu bahwa pada AR () MA (0) memlk nla AIC erkecl, sehngga hal n mendukung model dugaan yang dperoleh adalah VARIMA (,,0). Pada Toal Marke Wlayah Surabaya ddapakan model VARIMA (,,0). Berdasarkan hasl esmas parameer model VARIMA (,,0) wlayah Surabaya dapa dlha jka dak semua parameer memlk pengaruh yang sgnfkan erhadap model, hal n dapa dlha dar p-value dar masng-masng parameer. Unuk parameer yang dak sgnfkan, maka cara mengaasnya adalah dengan melakukan resrc erhadap varabel ersebu. Tabel 6. Sgnfkans Hasl Esmas Parameer Model Merk X VARIMA (,,0) Equaon Parameer Esmae a b c Surabaya Sd Error Rao Pr>II Varabel AR,, 0 0 a (-) AR,, -0, ,0949-4,64 0,000 b (-) AR,,3 0 0 c (-) AR,, -0,779 0,3638 -,03 0,0469 a (-) AR,, -0, ,567 -,39 0,00 b (-) AR,,3 0,80 0,05646,09 0,04 c (-) AR,3, 0,5489 0,5094,9 0,0330 a (-) AR,3, -0,7683 0,499-3,08 0,003 b (-) AR,3,3 0 0 c (-) D. Cek Resdual Seelah ddapakan parameer yang sgnfkan, maka langkah selanjunya adalah melakukan pengujan asums whe nose dan berdsrbus normal pada resdual. Berdasarkan pormaneau es dapa dlha bahwa resdual unuk model VARIMA (,,0) bak unuk Merk X maupun Toal Marke wlayah Surabaya sudah memenuh asums whe nose. Tabel 7. Pormaneau Tes Merk X dan Toal Marke VARIMA (,,0) Surabaya Toal Marke Lag Df Merk X P-Value P-Value 9 0,34 0, ,0846 0, ,54 0, ,0490 0, ,0085 0, ,0458 0, ,0773 0, ,79 0, ,748 0,7 90 0,484 0, ,758 0,0778 Pengujan asums selanjunya adalah resdual berdsrbus mulvarae normal. Varabel Tabel 8. Pengujan Dsrbus Mulvarae Normal Model ( d j, q ) Merk X Surabaya VARIMA (,,0) 0,980 Toal Marke Surabaya VARIMA (,,0) 0,97 Berdasarkan dar (, q) j n, d, dmana koefsen korelas sudah mendeka sau maka dapa dkaakan resdual Merk X dan Toal Marke wlayah Surabaya berdsrbus mulvarae normal. Semua model VARIMA (,,0) yang elah memenuh asums, dapa dlha keerkaan anar varabel. Keerkaan n akan dgambarkan pada Gambar. Gambar. Keerkaan Merk X d wlayah Surabaya Gambar 3. Keerkaan Toal Marke d wlayah Surabaya V. KESIMPULAN DAN SARAN Berdasarkan hasl analss dan pembahasan yang elah dlakukan, ddapakan beberapa kesmpulan anara lan sebaga berku. A. Kesmpulan Toal Toal Mac Mac Spor Spor. Karakersk penjualan sepeda moor merk Merk X dan Toal Marke yang erjad d wlayah Surabaya dan Blar adalah sebaga berku. a. Raa-raa penjualan sepeda moor merk Merk X erngg d wlayah Surabaya dan wlayah Blar adalah jens mac, dengan raa-raa penjualan per bulannya adalah sebesar 3438 sepeda moor unuk wlayah Surabaya dan sebesar 438 sepeda moor unuk wlayah Blar. b. Raa-raa penjualan sepeda moor Toal Marke erngg d wlayah Surabaya dan wlayah Blar adalah jens mac, dengan raa-raa penjualan per

6 Daa Daa Daa Daa Daa Daa Daa Daa Daa Daa Daa JURNAL SAINS DAN SENI POMITS Vol. 3, No., (04) (30-98X Prn) D-33 bulannya adalah sebesar 6336 sepeda moor unuk wlayah Surabaya dan sebesar 984 sepeda moor unuk wlayah Blar.. Pada unvarae me seres, hasl peramalannya adalah sebaga berku. a. Pada ahun 04 penjualan Merk X erngg wlayah Surabaya berada d bulan Mare, sedangkan pada ahun 03 penjualan Merk X erngg pada bulan. Selan u, penngkaan penjualan sepeda moor Merk X erjad pada bulan Februar dengan besar penngkaan sebesar 8,%. Begu pula dengan penjualan Toal Marke wlayah Surabaya, dmana penjualan erngg d ahun 04 pada bulan Mare, dengan penngkaan penjualan sebesar,4% pada bulan Januar. Unuk Merk X Mac penngkaan penjualan erbesar erjad pada bulan Februar sebesar 0,% sedangkan unuk Toal Marke Mac penngkaan erbesar erjad pada bulan Januar yakn sebesar 0%. Begu pula unuk Merk X Spor dan Toal Marke Spor mengalam penngkaan pada bulan Januar sebesar 57,6% unuk Merk X Spor dan 9,% unuk Toal Marke Spor. b. Unuk wlayah Blar, pada ahun 04 penjualan sepeda moor Merk X dan Toal Marke erngg erjad pada bulan Januar dengan penngkaan sebesar 8% unuk Merk X dan 8,9% unuk Toal Marke, sedangkan pada ahun 03 penjualan Merk X dan Toal Marke erngg pada bulan. Selan u, unuk Merk X Mac dan Toal Marke Mac penngkaan penjualan erngg pada bulan Januar yakn sebesar 7,6% dan,6%. Begu pula unuk Merk X Spor dan Toal Marke Spor mengalam penngkaan penjualan pada bulan Januar sebesar 8,9% dan 35,5%. 3. Pada mulvarae me seres, hasl peramalannya adalah sebaga berku. a. Keerkaan varabel Merk X d wlayah Surabaya dperoleh hasl bahwa varabel Toal Merk X dpengaruh varabel Merk X Mac. Unuk varabel Merk X Mac dpengaruh semua varabel. Pada varabel Merk X Spor dpengaruh oleh varabel Toal Merk X dan Merk X Mac. Adapun keerkaan varabel Toal Marke adalah varabel Toal Marke dpengaruh varabel Toal Marke Mac. Unuk varabel Toal Marke Mac dpengaruh oleh oleh Toal Marke Mac u sendr. Pada varabel Toal Marke Spor dpengaruh oleh varabel Toal Marke Mac. b. Pada wlayah Blar keerkaan varabel Merk X adalah varabel Toal Merk X hanya dpengaruh oleh Toal Merk X u sendr, varabel Merk X Mac dpengaruh oleh Toal Merk X dan Merk X Spor, sedangkan pada varabel Merk X Spor dpengaruh oleh semua varabel yakn Toal Merk X, Merk X Mac, dan Merk X Spor u sendr. Namun, unuk varabel Toal Marke wlayah Blar ap jens dak dpengaruh oleh varabel lan melankan hanya dpengaruh oleh varabel u sendr. B. Saran Pada unvarae me seres, hasl peramalan yang dhaslkan lebh mendeka reala, sehngga unuk peramalan selanjunya lebh bak dengan menggunakan model unvarae me seres. Tdak hanya u, sebaknya juga menambahkan ouler dan varabel dunny unuk mendapakan hasl pemodelan yang lebh bak. LAMPIRAN Lampran. Plo Ramalan Model ARIMA Wlayah Surabaya a) b) c) Monh 04 Oc d) e) Monh 04 Lampran. Plo Ramalan Model VARIMA (,,0) Wlayah Surabaya a) b) c) Monh d) e) f) Monh Oc Oc Monh Monh Monh 04 Oc DAFTAR PUSTAKA [] D.A.I. Maruddan dan D. Safr. Vecor Auoregressve (VAR) Unuk Peramalan Harga Saham PT Indofood Sukses Makmur Indonesa Tbk. Vol. No. (008) 06-. [] W.W.S. We. Tme Seres Analyss Unvarae and Mulvarae Mehod nd Edons. New York: Addson Wesley Publshng Company, Inc. (006) [3] S. Makrdaks and M. Hbbon. The M3-Compeon:Resuls, Conclusons and Implcaons, Vol. 6 (003) Oc Oc Oc Monh Monh 04 Monh Monh Oc Oc Oc Oc

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun Baasan Masalah Jumlah kasus pendera penyak Demam Berdarah Dengue (DBD d Koa Surabaya ahun - Varabel Explanaory (Varabel penjelas yang dgunakan dalam penelan adalah varabel Iklm (Curah hujan, Suhu, Kelembaban

Lebih terperinci

PENERAPAN MODEL GSTAR(1,1) UNTUK DATA CURAH HUJAN

PENERAPAN MODEL GSTAR(1,1) UNTUK DATA CURAH HUJAN Bulen Ilmah Mah. Sa. dan Terapannya (Bmaser) Volume 6, o. 03 (017), hal 159 166. PEERAPA MODEL GSTAR(1,1) UTUK DATA CURAH HUJA Ism Adam, Dadan Kusnandar, Hendra Perdana ITISARI Model Generalzed Space Tme

Lebih terperinci

MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT

MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT Bulen Ilmah Mah. Sa. dan Terapannya (Bmaser) Volume 07, No. (018), hal 85 9. MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT Felca Kurna Kusuma Wra Pur, Dadan

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013 3. Lokas dan Waku Penelan 3.. Lokas Penelan BAB III METODOLOGI PENELITIAN Penelan n dlaksanakan d SMP Neger 7 Goronalo pada ahun ajaran 0/03 3.. Waku Penelan Penelan n d laksanakan pada semeser genap ahun

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Creaed by Smpo PDF Creaor Pro (unregsered verson) hp://www.smpopdf.com Sask Bsns : BAB 8 VIII. ANALISIS DATA DERET BERKALA (TIME SERIES) 8.1 Pendahuluan Daa Berkala (Daa Dere waku) adalah daa yang dkumpulkan

Lebih terperinci

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU Pada bab III, ka elah melakukan penguan erhadap meoda Runge-Kua orde 4 pada persamaan panas. Haslnya, solus analk persamaan panas

Lebih terperinci

Analisis Penyaluran Kredit kendaraan bermotor Roda Dua Jenis Baru dan Bekas di PT X dengan Metode Vector Autoregressive

Analisis Penyaluran Kredit kendaraan bermotor Roda Dua Jenis Baru dan Bekas di PT X dengan Metode Vector Autoregressive JURNAL SAINS DAN SENI POMITS Vol., No., () 7 (98X Prn) D9 Analss Penyaluran Kred kendaraan bermoor Roda Dua Jens Baru dan Bekas d PT X dengan Meode Vecor Auoregressve Ardhka Surya Pura, Adaul Mukarromah

Lebih terperinci

Penerapan Statistika Nonparametrik dengan Metode Brown-Mood pada Regresi Linier Berganda

Penerapan Statistika Nonparametrik dengan Metode Brown-Mood pada Regresi Linier Berganda Jurnal EKSPONENSIAL Volume 7, Nomor, Me 6 ISSN 85-789 Penerapan Saska Nonparamerk dengan Meode Brown-Mood pada Regres Lner Berganda Applcaon of Nonparamerc Sascs, wh Brown-Mood Mehod on Mulple Lnear Regresson

Lebih terperinci

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32)

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32) 8 Raaan poserornya adalah E m x ò (, ) f ( x) m f x m f f m ddm (32) Dalam obseras basanya dgunakan banyak daa klam. Msalkan saja erdr dar grup daa klam dengan masng-masng grup ke unuk seap, 2,..., yang

Lebih terperinci

Peramalan Jumlah Penumpang Kereta Api Kelas Ekonomi Kertajaya Menggunakan ARIMA dan ANFIS

Peramalan Jumlah Penumpang Kereta Api Kelas Ekonomi Kertajaya Menggunakan ARIMA dan ANFIS JURNAL SAINS DAN SENI ITS Vol. 4 No. (05) 33-350 (30-9X Prn) D-3 Peramalan Jumlah Penumpang Kerea Ap Kelas Ekonom Keraaya Menggunakan ARIMA dan ANFIS Ilaf Andala dan Irhamah Jurusan Saska Fakulas Maemaka

Lebih terperinci

PERAMALAN JUMLAH WISATAWAN MANCANEGARA YANG MASUK MELALUI PINTU KEDATANGAN BANDARA SOEKARNO HATTA DAN BANDARA JUANDA

PERAMALAN JUMLAH WISATAWAN MANCANEGARA YANG MASUK MELALUI PINTU KEDATANGAN BANDARA SOEKARNO HATTA DAN BANDARA JUANDA PERAMALAN JUMLAH WISATAWAN MANCANEGARA YANG MASUK MELALUI PINTU KEDATANGAN BANDARA SOEKARNO HATTA DAN BANDARA JUANDA Indra Rahm, Sr Png Wulandar Mahasswa Jurusan Saska Insu Teknolog Seuluh Noember Dosen

Lebih terperinci

PERBAIKAN ASUMSI KLASIK

PERBAIKAN ASUMSI KLASIK BAHAN AJAR EKONOMETRI AGUS TRI BASUKI UNIVERSITAS MUHAMMADIAH OGAAKARTA PERBAIKAN ASUMSI KLASIK 6.. Mulkolnearas Jka model ka mengandung mulkolneras yang serus yakn korelas yang ngg anar varabel ndependen,

Lebih terperinci

BAB 8 PERSAMAAN DIFERENSIAL BIASA

BAB 8 PERSAMAAN DIFERENSIAL BIASA Maa kulah KOMPUTASI ELEKTRO BAB 8 PERSAMAAN DIFERENSIAL BIASA Persamaan dferensal dapa dbedakan menjad dua macam erganung pada jumlah varabel bebas. Apabla persamaan ersebu mengandung hana sau varabel

Lebih terperinci

Analisis Jalur / Path Analysis

Analisis Jalur / Path Analysis Analss Jalur / Pah Analyss Analss jalur adalah salah sau benuk model SEM yang dak mengandung varable laen. Tenu saja model n lebh sederhana dbandngkan dengan model SEM lengka. Analss jalur sebenarnya meruakan

Lebih terperinci

Analisis Survival pada Pasien Penderita Sindrom Koroner Akut di RSUD Dr. Soetomo Surabaya Tahun 2013 Menggunakan Regresi Cox Proportional Hazard

Analisis Survival pada Pasien Penderita Sindrom Koroner Akut di RSUD Dr. Soetomo Surabaya Tahun 2013 Menggunakan Regresi Cox Proportional Hazard JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (215) 2337-352 (231-928X Prn) D151 Analss Survval pada Pasen Pendera Sndrom Koroner Aku d RSUD Dr. Soeomo Surabaya Tahun 213 Menggunakan Regres Cox Proporonal Hazard

Lebih terperinci

PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG

PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG INDEPT, Vol., No. 3, Okober 01 ISSN 087 945 PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG Samsul Budaro, ST., MT Dosen Teap Teknk Indusr, Wakl Dekan III akulas Teknk, Unversas

Lebih terperinci

Space-time Models. MA5282 Topik dalam Statistika II 21 April 2015 Utriweni Mukhaiyar

Space-time Models. MA5282 Topik dalam Statistika II 21 April 2015 Utriweni Mukhaiyar Space-me Models MA58 opk dalam Saska II Aprl 5 Urwen Mukhayar Analss Sask Box&Jenkns Ieraon Posulae General Class of Models ACF, PACF, dff Daa Analyss on-paramerc Analyss Sochasc Processes Mulvarae Analyss

Lebih terperinci

PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR

PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR B-5-1 PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR Wsnu Bud Sunaryo, Haryono ITS Surabaya ABSTRAK Dalam duna konsruks saa n pemakaan produk beon

Lebih terperinci

ANALISIS DATA DERET BERKALA DENGAN METODE TREND SEKULER UNTUK MENENTUKAN MODEL PERTUMBUHAN PENDUDUK MISKIN JAWA BARAT

ANALISIS DATA DERET BERKALA DENGAN METODE TREND SEKULER UNTUK MENENTUKAN MODEL PERTUMBUHAN PENDUDUK MISKIN JAWA BARAT ANALISIS DATA DERET BERKALA DENGAN METODE TREND SEKULER UNTUK MENENTUKAN MODEL PERTUMBUHAN PENDUDUK MISKIN JAWA BARAT ANALSIS OF TIME SERIES USING SECULAR TREND METHOD TO DETERMINE POPULATION GROWTH MODEL

Lebih terperinci

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI BAB ETROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUYI Model Markov Tersembuny (Hdden Markov Model, MMT) elah banyak daplkaskan dalam berbaga bdang seper pelafalan bahasa (speeh reognon) dan klasfkas (luserng).

Lebih terperinci

BAB III MINIMUM COVARIANCE DETERMINANT. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode

BAB III MINIMUM COVARIANCE DETERMINANT. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode BAB III MINIMUM COVARIANCE DETERMINANT Sebagamana elah dsnggung pada bab sebelumnya, salah sau meode robus unuk mendeeks penclan (ouler) dalam analss komponen uama robus yau meode Mnmum Covarance Deermnan

Lebih terperinci

BAB II TINJAUAN PUSTAKA. membahas analisis deret waktu, diagram kontrol Shewhart, Average Run Length

BAB II TINJAUAN PUSTAKA. membahas analisis deret waktu, diagram kontrol Shewhart, Average Run Length BAB II TINJAUAN PUSTAKA Pendahuluan Dalam enulsan maer okok dar skrs n derlukan beberaa eor-eor yang mendukung, yang menjad uraan okok ada bab n Uraan dmula dengan membahas analss dere waku, dagram konrol

Lebih terperinci

Modifikasi Penaksir Robust dalam Pelabelan Outlier Multivariat

Modifikasi Penaksir Robust dalam Pelabelan Outlier Multivariat Vol. 14, No. 1, 46-53, Jul 2017 Modfkas Penaksr Robus dalam Pelabelan Ouler Mulvara Erna Tr Herdan Absrak Ouler adalah suau observas yang polanya dak mengku mayoras daa. Ouler dalam kasus mulvara sanga

Lebih terperinci

ANALISIS 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 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 terperinci

Pemodelan Penyerapan Tenaga Kerja Sektor Industri di Indonesia Dengan Pendekatan Regresi Data Panel Dinamis

Pemodelan Penyerapan Tenaga Kerja Sektor Industri di Indonesia Dengan Pendekatan Regresi Data Panel Dinamis JURAL SAIS DA SEI ITS Vol. 5 o. 2 (2016) 2337-3520 (2301-928X Prn) D-217 Pemodelan Penyerapan Tenaga Kerja Sekor Indusr d Indonesa Dengan Pendekaan Regres Daa Panel Dnams Avolla Terza Damalana dan Seawan

Lebih terperinci

Penerapan Metode Filter Kalman Dalam Perbaikan Hasil Prediksi Cuaca Dengan Metode ARIMA

Penerapan Metode Filter Kalman Dalam Perbaikan Hasil Prediksi Cuaca Dengan Metode ARIMA JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (24) ISSN: 2337-3539 (23-927 Prn) A-28 Penerapan Meode Fler Kalman Dalam Perbaan Hasl Preds Cuaca Dengan Meode ARIMA Tomy Kurnawan, Luman Hanaf, dan Erna Aprlan

Lebih terperinci

BAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode

BAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode BAB III THREE STAGE LEAST SQUARE Sebagamana elah dsnggung pada bab sebelumnya, salah sau meode penaksran parameer pada persamaan smulan yau meode Three Sage Leas Square (3SLS. Sebelum djelaskan lebh lanju

Lebih terperinci

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1 PENDUGAAN SAISIK AREA KECIL DENGAN MEODE EMPIRICAL CONSRAINED AYES Ksmann Jurusan Penddkan Maemaka FMIPA Unversas Neger Yogyakara Absrak Meode emprcal ayes (E merupakan meode yang lebh aplkaf pada pendugaan

Lebih terperinci

ANALISIS 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 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup

Lebih terperinci

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST BAB ESPONS FUNGSI STEP PADA ANGKAIAN DAN C Oleh : Ir. A.achman Hasbuan dan Naemah Mubarakah, ST . Persamaan Dferensal Orde Sau Adapun benuk yang sederhana dar suau persamaan dferensal orde sau adalah:

Lebih terperinci

PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS

PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS Mra Puspasar, Snggh Sapad, Dana Puspasar Absraks PT Ulam Tba Halm merupakan salah sau ndusr mnuman serbuk d Indonesa, dmana

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor

Lebih terperinci

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

BAB 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 terperinci

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

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 terperinci

Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS) (2)

Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS) (2) JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (016) 337-350 (301-98X Prn) D-17 Analss Kurva Survval Kaplan Meer pada Pasen HIV/AIDS dengan Anrerovral Therapy (ART) d RSUD Prof. Dr. Soekandar Kabupaen Mojokero

Lebih terperinci

NILAI AKUMULASI DARI SUATU CASH FLOW DENGAN TINGKAT BUNGA BERUBAH BERDASARKAN FORMULA FISHER

NILAI AKUMULASI DARI SUATU CASH FLOW DENGAN TINGKAT BUNGA BERUBAH BERDASARKAN FORMULA FISHER ILAI AKUMULASI DARI SUATU CASH FLOW DEGA TIGKAT BUGA BERUBAH BERDASARKA FORMULA FISHER Devs Apranda, Johannes Kho, Sg Sugaro Mahasswa rogram S Maemaka Dosen Jurusan Maemaka Fakulas Maemaka dan Ilmu engeahuan

Lebih terperinci

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1 BAB I PENDAHULUAN 1.1 Defns Rangkaan Lsrk Rangkaan Lsrk adalah sambungan dar beberapa elemen lsrk ( ressor, kapasor, ndukor, sumber arus, sumber egangan) yang membenuk mnmal sau lnasan eruup yang dapa

Lebih terperinci

Peramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis

Peramalan 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 terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 45 BAB III METODOLOGI PENELITIAN 3.1 Spesfkas Model Berdasarkan ujuan penelan seper dsebukan dalam bab pendahuluan maka ada dua hal mendasar yang akan del yau pengaruh volalas nla ukar rl erhadap volalas

Lebih terperinci

ANaLISIS - TRANSIEN. A B A B A B A B V s V s V s V s. (a) (b) (c) (d) Gambar 1. Proses pemuatan kapasitor

ANaLISIS - TRANSIEN. A B A B A B A B V s V s V s V s. (a) (b) (c) (d) Gambar 1. Proses pemuatan kapasitor ANaISIS - TANSIEN. Kapasor dalam angkaan D Sebuah kapasor akan ermua bla erhubung ke sumber egangan dc seper yang dperlhakan pada Gambar. Pada Gambar (a), kapasor dak bermuaan yau pla A dan pla B mempunya

Lebih terperinci

( L ). Matriks varians kovarians dari

( L ). Matriks varians kovarians dari LIVIA PUSPA T 677 9.3 METODE KOMPONEN UTAMA Informas yang dbuuhkan daam eknk komponen uama suau daa ddapa dar marks varans kovarans, aau marks koreasnya. Meode komponen uama n, beruuan unuk menaksr parameer

Lebih terperinci

Di bidang ekonomi tidak semua informasi dapat diukur secara kuantitatif. Peubah dummy digunakan untuk memperoleh informasi yang bersifat kualitatif

Di bidang ekonomi tidak semua informasi dapat diukur secara kuantitatif. Peubah dummy digunakan untuk memperoleh informasi yang bersifat kualitatif Regres Dummy D bdang ekonom dak semua nformas dapa dukur secara kuanaf Peubah dummy dgunakan unuk memperoleh nformas yang bersfa kualaf Conoh pada daa cross secon: Gender: sebaga penenu jumlah pendapaan

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PENELITIAN 3.1 Jens dan Sumber Daa Daa ang dgunakan dalam penelan n merupakan daa sekunder ang berasal dar berbaga nsans pemernah eruama Badan Pusa Sask. Daa ang dgunakan anara lan angka kemsknan,

Lebih terperinci

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan KONSEP DASAR Laar belakang Meode Numerk Ilusras masalah numerk Angka sgnfkan Akuras dan Press Pendekaan dan Kesalahan Laar Belakang Meode Numerk Tdak semua permasalahan maemas dapa dselesakan dengan mudah,

Lebih terperinci

BAB II TINJAUAN TEORITIS

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

' PERATURAN BUPATI PACITAN I NOMOR 4 TAHUN 2012 PEMBERIAN BANTUAN PERALATAN DAN/ATAU MESIN BAGI INDUSTRI KECIL DAN MENENGAH KABUPATEN PACITAN

' PERATURAN BUPATI PACITAN I NOMOR 4 TAHUN 2012 PEMBERIAN BANTUAN PERALATAN DAN/ATAU MESIN BAGI INDUSTRI KECIL DAN MENENGAH KABUPATEN PACITAN j BUPAT PACTAN ' PERATURAN BUPAT PACTAN NOMOR 4 TAHUN 2012 TENTANG PEMBERAN BANTUAN PERALATAN DAN/ATAU MESN BAG NDUSTR KECL DAN MENENGAH KABUPATEN PACTAN DENGAN RAHMAT TUHAN YANG MAHA ESA BUPAT PACTAN

Lebih terperinci

Kresnanto NC. Model Sebaran Pergerakan

Kresnanto NC. Model Sebaran Pergerakan Kresnano C Moel Sebaran Pergerakan Kresnano C Tujuan Uama: Mengeahu pola pergerakan alam ssem ransporas serng jelaskan alam benuk arus pergerakan (kenaraan, penumpang, an barang) yang bergerak ar zona

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 5 BAB II LANDASAN TEORI Pada bab n akan dbahas beberapa eor dasar yang kelak akan dgunakan dalam penurunan formula penenuan harga Asan Opon, bak secara analk pada Bab III maupun secara numerk pada Bab

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan

BAB 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 terperinci

PERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN (STUDI KASUS KOTA SALATIGA, BULAN JANUARI 2014 JULI 2016)

PERAMALAN 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 terperinci

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan

Lebih terperinci

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL MESIN OKK Gll BCG1-P PADA BAGIAN DRAWING PT VONEX INDONESIA 3.1 Pedahulua Pada Bab II elah djelaska megea eor eor yag dbuuhka uuk meeuka jadwal opmum

Lebih terperinci

*Corresponding Author:

*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 terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.

Lebih terperinci

KAJIAN RESPONS PEUBAH TERHADAP BERBAGAI GUNCANGAN DALAM SISTEM PEMBENTUK PDB TANAMAN BAHAN MAKANAN MELALUI MODEL VECTOR AUTOREGRESSION

KAJIAN RESPONS PEUBAH TERHADAP BERBAGAI GUNCANGAN DALAM SISTEM PEMBENTUK PDB TANAMAN BAHAN MAKANAN MELALUI MODEL VECTOR AUTOREGRESSION , Okober 2006, p: 0-20 Vol. No. 2 ISSN : 0853-85 KAJIAN RESPONS PEUBAH TERHADAP BERBAGAI GUNCANGAN DALAM SISTEM PEMBENTUK PDB TANAMAN BAHAN MAKANAN MELALUI MODEL VECTOR AUTOREGRESSION Anna Asrd Susan Pusa

Lebih terperinci

APLIKASI STRUKTUR GRUP YANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI. Mujiasih a

APLIKASI STRUKTUR GRUP YANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI. Mujiasih a APLIKASI STRUKTUR GRUP ANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI Mujash a a Program Sud Maemaka Jurusan Tadrs Fakulas Tarbah IAIN Walsongo Jl. Prof. Dr. Hamka Kampus II Ngalan Semarang

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang

BAB 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 terperinci

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan. 3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan

Lebih terperinci

TINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph

TINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph TINJAUAN PUSTAKA Bayesan Networks BNs dapat memberkan nformas yang sederhana dan padat mengena nformas peluang. Berdasarkan komponennya BNs terdr dar Bayesan Structure (Bs) dan Bayesan Parameter (Bp) (Cooper

Lebih terperinci

Peramalan Jumlah Wisatawan di Agrowisata Kusuma Batu Menggunakan Metode Analisis Spektral

Peramalan Jumlah Wisatawan di Agrowisata Kusuma Batu Menggunakan Metode Analisis Spektral JURAL SAIS DA SEI ITS Vol., o., (Sep. 0) ISS: 30-98X A-40 Peramalan Jumlah Wsawan d Agrowsa Kusuma Bu Menggunaan Meode Analss Speral swul Maghfroh, Sr Suprap Har, ur Wahyunngsh Jurusan Mema, Faulas Mema

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.

Lebih terperinci

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan

BAB 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 terperinci

BAB III MODEL PERTUMBUHAN EKONOMI DUA SEKTOR

BAB III MODEL PERTUMBUHAN EKONOMI DUA SEKTOR 15 BAB III MODEL PERTUMBUHA EKOOMI DUA SEKTOR 3.1 Aum dan oa Model perumbuhan dua ekor n merupakan model perumbuhan dengan dua komod yang dhalkan, yau barang modal dan barang konum. Kedua barang n dproduk

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode BAB III METODE PENELITIAN 3. Meode Penelan Meode penelan yang dgunakan dalam penelan n adalah meode deskrpf anals. Wnarno Surakhmad (990:40) mengemukakan bahwa meode deskrpf mempunya cr-cr sebaga berku:.

Lebih terperinci

Peramalan Dengan Model SVAR Pada Data Inflasi Indonesia Dan Nilai Tukar Rupiah Terhadap Dolar Amerika Dengan Menggunakan Metode Bootstrap

Peramalan Dengan Model SVAR Pada Data Inflasi Indonesia Dan Nilai Tukar Rupiah Terhadap Dolar Amerika Dengan Menggunakan Metode Bootstrap Peramalan Dengan Model SVR Pada Daa Inflas Indonesa Dan Nla Tukar Ruah Terhada Dolar merka Dengan Menggunakan Meode Boosra Dav S Wardan, d Seawan 2, Dd B Nugroho 3 PS Maemaka, Fak Sans dan Maemaka, UKSW

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEORI. Tnjauan Pusaka.. Uj Keseragaman Daa Tujuan uama pengukuran uj keseragaman daa adalah unuk mendapakan da yang seragam. Kedak seragaman daa dapa daang anpa dsadar, maka dperlukan suau

Lebih terperinci

E-book Statistika Gratis... Statistical Data Analyst. Uji Asumsi Klasik Regresi Linear

E-book Statistika Gratis... Statistical Data Analyst. Uji Asumsi Klasik Regresi Linear E-boo Sasa Gras... Sascal Daa Anals Uj Asums Klas Regres Lnear Pada penulsan enang Regres Lnear n, penuls aan memberan bahasan mengena Uj Asums Klas epada para pembaca unu memberan pemahaman dan solus

Lebih terperinci

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal Hdden Markov Model Oleh : Frdanza, urul Gusran dan Akmal Dosen Jurusan Maemaka FMIPA Unversas Padjadjaran Jl. Raya Bandung Sumedang Km 2, Janangor, Jawa Bara elp. / Fax : 022 7794696 Absrak Hdden Markov

Lebih terperinci

! BUPATI PACriAN j PERATURAN BUPATI PACITAN NOMOR 18 TAHUN 2013

! BUPATI PACriAN j PERATURAN BUPATI PACITAN NOMOR 18 TAHUN 2013 ! BUPAT PACrAN j PERATURAN BUPAT PACTAN NOMOR 18 TAHUN 2013 TENTANG PEDOMAN PENYUSUNAN LAPORAN DEWAN PENGAWAS BADAN LAYANAN UMUM DAERAH PADA RUMAH SAKT UMUM DAERAH KABUPATEN PACTAN DENGAN RAHMAT TUHAN

Lebih terperinci

EL NINO, LA NINA, DAN PENAWARAN PANGAN DI JAWA, INDONESIA

EL NINO, LA NINA, DAN PENAWARAN PANGAN DI JAWA, INDONESIA Jurnal Ekonom Pembangunan Volume 1, Nomor, Desember 011, hlm.57-71 EL NINO, LA NINA, DAN PENAWARAN PANGAN DI JAWA, INDONESIA Arn Wahyu Uam, Jamhar, dan Suhamn Hardyasu Jurusan Sosal Ekonom Peranan, Fakulas

Lebih terperinci

BAB 3 METODOLOGI PEMECAHAN MASALAH

BAB 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 terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 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

Pengenalan Aksara Pallawa dengan Model Hidden Markov

Pengenalan Aksara Pallawa dengan Model Hidden Markov Pengenalan Aksara Pallawa dengan Model Hdden Markov Wwen Wdyasu Teknk Elekro, Fakulas Sans dan Teknolog, Unversas Sanaa Dharma Emal: wwen@usd.ac.d Absrak Aksara Pallawa aau kadangkala duls sebaga Pallava

Lebih terperinci

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan 7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan

Lebih terperinci

BAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai

BAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai BAB 1 PENDAHULUAN 1.1 Laar Belakang Propinsi Sumaera Uara merupakan salah sau propinsi yang mempunyai perkembangan yang pesa di bidang ransporasi, khususnya perkembangan kendaraan bermoor. Hal ini dapa

Lebih terperinci

BAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun

BAB 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 terperinci

PENERAPAN FUZZY MULTI CRITERIA DECISION MAKING UNTUK MENENTUKAN PEMBERIAN BEASISWA

PENERAPAN FUZZY MULTI CRITERIA DECISION MAKING UNTUK MENENTUKAN PEMBERIAN BEASISWA Semnar Nasonal Teknolog Informas dan Mulmeda 2015 STMIK AMIKOM Yogyakara, 6-8 Februar 2015 PENERAPAN FUZZY MULTI CRITERIA DECISION MAKING UNTUK MENENTUKAN PEMBERIAN BEASISWA Yeffransjah Salm STMIK Indonesa

Lebih terperinci

PEMERINTAH KABUPATEN PACITAN PERATURAN DAERAH KABUPATEN PACITAN : NOMOR 18 TAHUN 2001

PEMERINTAH KABUPATEN PACITAN PERATURAN DAERAH KABUPATEN PACITAN : NOMOR 18 TAHUN 2001 I I PEMERINTAH KABUPATEN PACITAN PERATURAN DAERAH KABUPATEN PACITAN : NOMOR 18 TAHUN 2001 \ TENTANG PEMBERDAYAAN, PELESTARIAN DAN PENGEMBANGAN ADAT ISTIADAT DAN LEMBAGA ADAT DENGAN RAHMAT TAHUN YANG MAHA

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah BAB I PENDAHULUAN 1.1. Laar Belakang Masalah Knerja pembangunan ekonom Indonesa bsa dkaakan sanga membanggakan dengan ngka perumbuhan ekonom selama beberapa dekade erakhr n sangalah ngg, walaupun mengalam

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan quas expermental dengan one group pretest posttest desgn. Peneltan n tdak menggunakan kelas pembandng namun sudah menggunakan

Lebih terperinci

BAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat

BAB 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 terperinci

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan

BAB 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 terperinci

APLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI

APLIKASI 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 terperinci

IV METODE PENELITIAN

IV 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 terperinci

Analisis Faktor-Faktor yang Mempengaruhi Produksi Kedelai di Provinsi Jawa Timur dengan Metode Regresi Semiparametrik Spline

Analisis Faktor-Faktor yang Mempengaruhi Produksi Kedelai di Provinsi Jawa Timur dengan Metode Regresi Semiparametrik Spline Da Amela (309 00 009) Pembmbng : Prof. Dr. Drs. I N Budanara, M.S Jurusan Saska Fakulas Maemaka dan Ilmu Pengeahuan Alam Insu Teknolog Sepuluh Nopember Surabaya Semnar Hasl Tugas Akhr Analss Fakor-Fakor

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN EORI. njauan Pusaka.. Peramalan Peramalan (forecasng) merupakan ala banu yang penng dalam perencanaan yang efekf dan efsen khususnya dalam bdang ekonom. Dalam organsas modern mengeahu keadaan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan

Lebih terperinci

ANALISIS VECTOR AUTO REGRESSIVE (VAR) TERHADAP KORELASI ANTARA BELANJA PUBLIK DAN PERTUMBUHAN EKONOMI DI SULAWESI SELATAN, TAHUN

ANALISIS VECTOR AUTO REGRESSIVE (VAR) TERHADAP KORELASI ANTARA BELANJA PUBLIK DAN PERTUMBUHAN EKONOMI DI SULAWESI SELATAN, TAHUN Jurnal Ekonom Pembangunan Vol. 10, No.1, Jun 2009, hal. 1-14 ANALISIS VECTOR AUTO REGRESSIVE (VAR) TERHADAP KORELASI ANTARA BELANJA PUBLIK DAN PERTUMBUHAN EKONOMI DI SULAWESI SELATAN, TAHUN 1985-2005 Abusan

Lebih terperinci

3 Kondisi Fisik Dermaga A I Pelabuhan Palembang

3 Kondisi Fisik Dermaga A I Pelabuhan Palembang Bab 3 3 Konds Fsk Dermaga A I Pelabuhan Palembang Penanganan Kerusakan Dermaga Sud Kasus Dermaga A I Pelabuhan Palembang 3.1 Pengolahan Daa Pasang Suru 3.1.1 Meode Leas Square Meode n menjelaskan bahwa

Lebih terperinci

Line Transmisi. Oleh: Aris Heri Andriawan ( )

Line Transmisi. Oleh: Aris Heri Andriawan ( ) ANALISIS APLIKASI PENJADWALAN UNIT-UNIT PEMBANGKIT PADA SISTEM KELISTRIKAN JAWA-BALI DENGAN MENGGUNAKAN UNIT COMMITMENT, UNIT DECOMMITMENT DAN MODIFIED UNIT DECOMMITMENT Oleh: Ars Her Andrawan (07000)

Lebih terperinci

Muthmainnah PROGRAM STUDI MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 2007 M/1428 H

Muthmainnah PROGRAM STUDI MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 2007 M/1428 H PERBANDINGAN MODEL COX PROPORTIONAL HAZARD DAN MODEL PARAMETRIK BERDASARKAN ANALISIS RESIDUAL (Sud Kasus pada Daa Kanker Paru-Paru yang Dperoleh dar Conoh Daa pada Sofware S-Plus 2000 dan Smulas unuk Dsrbus

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

Lebih terperinci