Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk
|
|
- Sudomo Hadiman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk Oleh : Dwi Hapsari K ( ) Dosen Pembimbing : Dra. Karika Firiasari, M.Si 1
2 Pendahuluan Laar Belakang, Perumusan Masalah, Tujuan Peneliian, Baasan Masalah, Manfaa Peneliian. Tinjauan Pusaka Meodologi Peneliian Analisis Daa dan Pembahasan Kesimpulan dan Saran Konsep Dasar Time Series, Meode ARIMA Box- Jenkins, Meode Variasi Kalender. Sumber Daa dan Variabel Peneliian, Meode Analisis, Langkah Analisis. Model ARIMA Box-Jenkins, Model Variasi Kalender, Perbandingan Model. Kesimpulan, Saran. 2
3 PENDAHULUAN Laar Belakang Permasalahan Tujuan Peneliian Baasan Masalah Manfaa Peneliian semen Peneliian sebelumnya Roviq (2001) : Opimalisasi Pendisribusian Semen PPC di PT.Semen Gresik (Persero) Tbk Unuk Wilayah Jawa Tunu (2006) : Analisis Time Series Penjualan Produk Semen di PT. Semen Gresik, PT. Semen Tonasa dan PT. Semen Padang dengan Menggunakan Meode ARIMA Box-Jenkins. 3
4 PENDAHULUAN Laar Belakang Permasalahan Tujuan Peneliian Baasan Masalah Manfaa Peneliian Faka di lapangan Penjualan semen oleh PT. Semen Gresik cenderung meningka dari ahun ke ahun dan cenderung menurun pada bulan yang di dalamnya erdapa periode libur lebaran (biasanya berlangsung selama sau minggu sebelum dan sesudah lebaran) Peramalan yang didasarkan pada kalender Islam aau peramalan dengan model variasi kalender. Dapa meningkakan keakuraan hasil peramalan jika dibandingkan dengan peneliian sebelumnya yang menggunakan meode ARIMA Box-Jenkins. 4
5 PENDAHULUAN Laar Belakang Permasalahan Tujuan Peneliian Baasan Masalah Manfaa Peneliian Permasalahan yang akan dibahas dalam peneliian ini adalah 1. Bagaimana model peramalan yang sesuai dengan daa volume penjualan semen di PT. Semen Gresik? 2. Bagaimana hasil peramalan volume penjualan semen di PT.Semen Gresik unuk enam bulan mendaang? 5
6 PENDAHULUAN Laar Belakang Permasalahan Tujuan Peneliian Baasan Masalah Manfaa Peneliian Tujuan yang akan dicapai pada peneliian ini adalah : 1. Menyusun model peramalan yang sesuai dengan daa volume penjualan semen di PT. Semen Gresik. 2. Mengeahui hasil peramalan volume penjualan semen di PT.Semen Gresik unuk enam bulan mendaang. 6
7 PENDAHULUAN Laar Belakang Permasalahan Tujuan Peneliian Baasan Masalah Manfaa Peneliian Pada peneliian ini, variabel yang dielii adalah variabel volume penjualan semen PT. Semen Gresik seiap bulan yaiu dimulai pada bulan uari 2001 hingga Mare
8 PENDAHULUAN Laar Belakang Permasalahan Tujuan Peneliian Baasan Masalah Manfaa Peneliian Manfaa yang akan diperoleh pada peneliian ini adalah dapa memberikan informasi kepada PT. Semen Gresik mengenai kebuuhan semen enam periode mendaang, sehingga dapa digunakan sebagai masukan berkaian dengan perencanaan produksi, penjadwalan, penyediaan jumlah armada ransporasi, maupun disribusi ke agen-agen pemasaran. 8
9 TINJAUAN PUSTAKA Konsep Dasar Time Series Meode ARIMA Box-Jenkins Meode Analisis Variasi Kalender Time series adalah serangkaian pengamaan erhadap suau variabel yang diambil dari waku ke waku dan dicaa secara beruruan menuru uruan waku kejadiannya dengan inerval waku yang eap (Wei, 1990). Pada saa 1, 2, 3,, n pengamaan suau dere berkala membenuk suau dere dan mempunyai variabel random Z dengan fungsi, Z, Z, Z n disribusi bersama adalah F ( Z, Z, Z, Z ). Dalam analisis ime series, daa 1 pengamaan 2 3 n yang disimbolkan dengan Z disyarakan mengikui proses sokasik. Menuru Wei (1990) proses sokasik adalah suau kelompok daa berdasarkan waku yang ersusun oleh variabel Ζ ( ω, ) random dimana ω adalah ruang sampel dan adalah indeks waku 9
10 TINJAUAN PUSTAKA Konsep Dasar Time Series Meode ARIMA Box-Jenkins Meode Analisis Variasi Kalender Model ARIMA dalam peramalan menghendaki adanya kesasioneran daa. Apabila daa idak sasioner dalam varians dapa dilakukan ransformasi dan apabila daa idak sasioner dalam mean dapa dilakukan proses differencing (pembedaan). Secara umum, model ARIMA ini diuliskan dengan noasi ARIMA (p,d,q), dimana p menyaakan orde dari proses auoregressive (AR), d menyaakan pembedaan (differencing), dan q menyaakan orde dari proses moving average (MA). p d q 1 φ B... φ B )(1 B) Zɺ = 1 θ B... θ B a ( 1 p 1 ( q ) Prosedur Box-Jenkins adalah suau prosedur sandar yang banyak digunakan dalam pembenukan model ARIMA. Secara umum prosedur ini memiliki empa ahapan, yaiu ahap idenifikasi model semenara, ahap esimasi parameer, ahap pemeriksaan diagnosik, dan ahap peramalan. 10
11 TINJAUAN PUSTAKA Konsep Dasar Time Series Meode ARIMA Box-Jenkins Meode Analisis Variasi Kalender Analisis variasi kalender menuru Bell dan Hillmer (1983) erbagi menjadi dua bagian, yaiu variasi perdagangan dan variasi liburan. Kasus yang hampir sama di Indonesia adalah efek lebaran, eruama pada sekor ekonomi. Ide dasar dari model variasi kalender adalah µ y = µ + x dimana adalah komponen deerminisik unuk menghiung variasi kalender sedangkan x adalah proses ARIMA unuk menghiung sisaan y yang masih belum dijelaskan oleh komponen variasi kalender. 11
12 TINJAUAN PUSTAKA Konsep Dasar Time Series Meode ARIMA Box-Jenkins Meode Analisis Variasi Kalender µ Mean deerminisik ( ) dapa diwakili oleh rend, fakor musiman dan efek variasi kalender, sehingga model variasi kalender yang erbenuk adalah sebagai beriku : S θq( B) ΘQ( B ) y = α0 + α1 + β1d1, β( L 1) D( L 1), + γ CV + a S φ p( B) Φ P ( B ) dimana D 1, D2, D( L 1) adalah dummy waku dalam sau periode musiman dan CV adalah variabel dummy efek variasi kalender, bernilai 1 jika pada observasi ke- erjadi efek variasi kalender dan bernilai 0 unuk yang lain. Unuk mendapakan esimasi α, β dan γ adalah dengan cara meregresikan anara variabel respon ( y )dengan variabel dummy. Residual dari hasil regresi ersebu dimodelkan ARIMA. 12
13 METODOLOGI PENELITIAN Sumber Daa dan Variabel Peneliian Meode Analisis Langkah Analisis Daa yang digunakan dalam peneliian ini adalah daa sekunder volume penjualan semen oleh PT. Semen Gresik dalam sauan on selama periode uari 2001 hingga Mare Sehingga banyaknya daa yang digunakan adalah 111 pengamaan, dengan 96 daa in-sample unuk pembenukan model, dan 15 daa ou-sample unuk memeriksa keepaan model. 13
14 METODOLOGI PENELITIAN Sumber Daa dan Variabel Peneliian Meode Analisis Langkah Analisis Meode analisis saisik yang digunakan dalam peneliian ini adalah meode ARIMA Box-Jenkins dan meode analisis variasi kalender. Dari kedua meode ersebu dibandingkan nilai RMSE dari masing-masing meode dan nilai RMSE yang paling kecil iulah meode yang akan digunakan unuk meramal 6 periode yang akan daang. 14
15 METODOLOGI PENELITIAN Sumber Daa dan Variabel Peneliian Meode Analisis Langkah Analisis Berdasarkan meode analisis yang akan digunakan maka beriku ini akan dijelaskan langkah-langkah yang harus dilakukan pada masing-masing meode. A. Meode ARIMA Box-Jenkins B. Meode Analisis Variasi Kalender 15
16 Diagram Alur ARIMA Box-Jenkins Daa Mulai Membagi daa menjadi dua, insample dan ou sample Idenifikasi melalui Plo Time Series dan ACF Apakah Daa Sasioner? ya Idenifikasi model dengan mengunakan plo ACF dan plo PACF Tidak Varian : ransformasi Mean : differencing Peneapan Model Semenara Pendugaan dan Pengujian Parameer Asumsi Residual Terpenuhi? ya Model Terbaik (berdasarkan insample dan ou sample) Tidak Selesai 16
17 Diagram Alur Meode Analisis Variasi Kalender Mulai Daa Membagi daa menjadi dua, in-sample dan ou-sample Idenifikasi dengan Plo Time Series Pembenukan Variabel Dummy Pembenukan Model Regresi Dummy Membua Plo ACF dan PACF residual Apakah ada lag yang keluar? idak Pendugaan Model Semenara ya Memodelkan residual dengan model ARIMA Penaksiran dan Pengujian Parameer Model idak Uji asumsi residual erpenuhi? ya Model Terbaik (berdasarkan in-sample dan ou-sample) Selesai 17
18 Definisi Variabel Dummy D 1, D 2, D 11, PL 1 = 0 1 = 0 1 = 0 1 = 0 Jika periode adalah bulan uari Lainnya Jika periode adalah bulan Februari Lainnya Jika periode adalah bulan November Lainnya Jika periode erdapa periode libur lebaran Lainnya 18
19 ANALISIS DATA dan PEMBAHASAN Model ARIMA Box-Jenkins Model Variasi Kalender Perbandingan Model Idenifikasi Model Semenara , ,8 0,6 penjualan Auocorrelaion 0,4 0,2 0,0-0,2-0,4-0, , Monh Year , Lag Daa penjualan semen elah sasioner dalam varians namun belum sasioner dalam mean ( lag urun lamba mendekai nol ) sehingga perlu dilakukan differencing reguler. 19
20 ANALISIS DATA dan PEMBAHASAN Model ARIMA Box-Jenkins Hasil Differencing Reguler Model Variasi Kalender Perbandingan Model diff Monh Year Plo ime series berbenuk naik urun-naik urun (berflukuasi) dan apabila diarik garis lurus diengah-engah plo (nilai nol) maka akan erliha bahwa plo akan mengikui garis lurus ersebu sehingga dapa disimpulkan bahwa daa volume penjualan semen dengan differencing 1 ini sudah sasioner dalam mean. 20
21 ANALISIS DATA dan PEMBAHASAN Model ARIMA Box-Jenkins Model Variasi Kalender Perbandingan Model Dugaan Model Semenara (Differencing Reguler) Auocorrelaion 1,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0,6-0,8-1,0 Parial Auocorrelaion 1,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0,6-0,8-1, Lag Lag Plo ACF membenuk pola Cus Off seelah lag ke 1 karena garis yang keluar dari baas adalah garis ke 1 (lag ke-1) eapi erdapa pula lag yang keluar baas yaiu pada lag ke 12, 13, 22, 23 dan 35. Semenara iu, plo PACF membenuk pola Cus Off pada lag ke-1 dan lag lain yang keluar baas adalah lag ke 7, 8, 10,11,12 dan 22. Dugaan model yang memenuhi adalaharima(0,1,1)(0,0,1)12, ARIMA (1,1,1)(1,0,0) 12, ARIMA (1,1,1)(0,0,1) 12, ARIMA (1,1,1)(1,0,1) 12, ARIMA ([1,11,12,22], 1,0), ARIMA ([11,12],1,1), ARIMA ([11,12],1,[1,35] dan ARIMA ([1,7,8,10,11,12,22],1,[1,12,13,22,23,35]). 21
22 ANALISIS DATA dan PEMBAHASAN Model ARIMA Box-Jenkins Model Variasi Kalender Perbandingan Model Dugaan Model Semenara (Differencing Reguler dan Musiman) 1,0 1,0 0,8 0,8 0,6 0,6 Auocorrelaion 0,4 0,2 0,0-0,2-0,4-0,6 Parial Auocorrelaion 0,4 0,2 0,0-0,2-0,4-0,6-0,8-1,0-0,8-1, Lag Lag Gambar di aas merupakan plo ACF dan PACF daa volume penjualan semen seelah dilakukan differencing regular dan musiman. Dapa dikeahui bahwa plo ACF sudah sasioner dalam musiman sehingga dugaan model yang sesuai adalah ARIMA (1,1,1)(0,1,0)12, ARIMA (2,1,1)(0,1,0) 12, ARIMA ([1,2,22],1,0) (0,1,0) 12 dan ARIMA(0,1,[1,22,23])(0,1,0)
23 Uji Signifikansi Paramaer MODEL Parameer Esimasi P-value Kepuusan MA 1 0,60715 < 0,0001 signifikan ARIMA(0,1,1)(0,0,1) 12 MA12-0,5907 < 0,0001 signifikan AR 1 0, ,1047 idak signifikan ARIMA(1,1,1)(1,0,0) 12 AR 12 0,6054 < 0,0001 signifikan MA 1 0,87918 < 0,0001 signifikan AR 1 0, ,0095 signifikan ARIMA(1,1,1)(0,0,1) 12 MA 1 0,89402 < 0,0001 signifikan MA 12-0,58934 < 0,0001 signifikan AR 1 0, ,0365 signifikan AR 12 0, ,0322 signifikan ARIMA(1,1,1)(1,0,1) 12 MA 1 0,89113 < 0,0001 signifikan MA 12-0,3329 0,0599 idak signifikan AR 1-0,34587 < 0,0001 signifikan ARIMA([1,11,12,22],1,0) AR 11 0, ,0002 signifikan AR 12 0,607 < 0,0001 signifikan AR 22-0, ,0011 signifikan AR 11 0,29147 < 0,0001 signifikan ARIMA([11,12],1,1) AR 12 0, ,0007 signifikan MA 1 0,62159 < 0,0001 signifikan AR 11 0, ,0029 signifikan ARIMA([11,12],1,[1,35]) AR 12 0,5096 < 0,0001 signifikan MA 1 0,582 < 0,0001 signifikan MA 35-0, ,006 signifikan 23
24 Uji Signifikansi Paramaer MODEL Parameer Esimasi P-value AR 1-0, ,0766 Kepuusan idak signifikan AR 7-0,0664 0,4877 idak signifikan AR 8-0, ,6847 idak signifikan AR 10-0, ,758 idak signifikan AR 11 0,2537 0,0227 signifikan ARIMA ([1,7,8,10,11,12,22], 1,[1,12,13,22,23,35]) AR 12 AR 22 MA 1 0, ,031 0, ,0022 0,8564 0,0536 signifikan idak signifikan idak signifikan MA 12 0, ,8759 idak signifikan MA 13-0, ,3908 idak signifikan MA 22 0, ,2721 idak signifikan MA 23-0, ,101 idak signifikan MA 35-0, ,1798 idak signifikan ARIMA(1,1,1)(0,1,0) 12 AR 1 MA 1-0, ,7709 0,7587 < 0,0001 idak signifikan signifikan AR 1 0,1263 0,3105 idak signifikan ARIMA(2,1,1)(0,1,0) 12 AR 2 0, ,0852 idak signifikan MA 1 0,93804 < 0,0001 signifikan AR 1-0,64856 < 0,0001 signifikan ARIMA([1,2,22],1,0)(0,1,0) 12 AR 2-0, ,0034 signifikan AR 22-0, ,0002 signifikan MA 1 0,81828 < 0,0001 signifikan ARIMA(0,1,[1,22,23])(0,1,0) 12 MA 22 MA 23 0, , ,0008 0,0191 signifikan signifikan 24
25 Uji Whie Noise Model Lag 6 12 Uji L-jung Box Keerangan ARIMA(0,1,1)(0,0,1) 12 Chi-square DF P-value 14,82 4 0, , , , , ,38 22 < 0,001 73,86 28 < 0,001 89,45 34 < 0,001 Tidak Whie Noise ARIMA(1,1,1)(0,0,1) 12 Chi-square DF P-value 5,06 3 0,1673 9,68 9 0,377 14, , , ,007 42, , , ,0052 Tidak Whie Noise Chi-square 3,96 5,79 12, ,01 31,03 ARIMA([1,11,12,22],1,0) DF Whie noise P-value 0,1382 0,6707 0,5884 0,653 0,6325 0,5154 ARIMA([11,12],1,1) Chi-square DF P-value 4,79 3 0,1874 7,76 9 0, , , , , , ,14 45, ,0782 Tidak Whie Noise Chi-square 4,82 5,98 12,72 30,92 32,72 40,78 ARIMA([11,12],1,[1,35]) DF Whie noise P-value 0,0899 0,649 0,5484 0,0562 0,1705 0,1375 Chi-square 4,27 9,94 17,38 21,14 23,99 37,01 ARIMA([1,2,22],1,0)(0,1,0) 12 DF Whie noise P-value 0,2334 0,3554 0,2968 0,4505 0,6309 0,2888 Chi-square 0,74 6,09 15,54 23,64 27,86 38,76 ARIMA(0,1,[1,22,23])(0,1,0) 12 DF Whie noise P-value 0,8643 0,7312 0,4132 0,3109 0,4182 0,
26 Uji Normalias MODEL D P-value Keerangan ARIMA([1,11,12,22],1,0) 0, ,1477 Berdisribusi normal ARIMA([11,12],1,[1,35]) 0, > 0,1500 Berdisribusi normal ARIMA([1,2,22],1,0)(0,1,0) 12 0, ,101 Berdisribusi normal ARIMA(0,1,[1,22,23])(0,1,0) 12 0, > 0,1500 Berdisribusi normal 26
27 Pemilihan Model ARIMA MODEL D P-value Keerangan ARIMA([1,11,12,22],1,0) 0, ,1477 Berdisribusi normal ARIMA([11,12],1,[1,35]) 0, > 0,1500 Berdisribusi normal ARIMA([1,2,22],1,0)(0,1,0) 12 0, ,101 Berdisribusi normal ARIMA(0,1,[1,22,23])(0,1,0) 12 Kesimpulan yang dapa diperoleh dengan mengacu pada abel di aas adalah model ARIMA ([11,12],1,[1,35]) merupakan model ARIMA erbaik karena memiliki nilai MSE dan MAPE yang erkecil yaiu sebesar dan 0, dan model maemaisnya adalah Z = Z 1 + 0,27672 Z ,23288Z 12 0, 5096 Z 13 + a 0, ,582 a 1 + 0, 30211a 35 > 0,1500 Berdisribusi normal + 27
28 ANALISIS DATA dan PEMBAHASAN Model ARIMA Box-Jenkins Model Variasi Kalender Perbandingan Model Volume Penjualan Monh Year Volume penjualan semen PT. Semen Gresik berkorelasi posiif dengan waku (). Selain iu juga dikeahui pada saa erjadi periode libur lebaran, volume penjualan semen mengalami penurunan. 28
29 ANALISIS DATA dan PEMBAHASAN Model ARIMA Box-Jenkins Model Variasi Kalender Perbandingan Model Berdasarkan pola ersebu maka model variasi kalender dengan variabel dummy berdasarkan pola seasonal dan pola rend yang erbenuk adalah sebagai beriku : Y = D1, D2, D3, dimana: : dummy daa yang mengandung rend : dummy bulan dalam 1 ahun : variabel dummy periode libur lebaran D 4, 18447D5, 9731D6, D7, D8, D9, D10, D11, PL D 1,, D2,, D11, PL + 29
30 ANALISIS DATA dan PEMBAHASAN Model ARIMA Box-Jenkins Model Variasi Kalender Perbandingan Model Uji Whie Noise pada Residual Model Regresi Dummy lag Uji L-jung Box Q P-value Keerangan 6 35,940 0, Tidak Whie noise 12 37,543 0, Tidak Whie noise 18 43,911 0, Tidak Whie noise 24 72,620 0, Tidak Whie noise 30 95,237 0, Tidak Whie noise ,047 0, Tidak Whie noise Dari hasil pengujian asumsi residual dikeahui bahwa residual pada model regresi mengandung auokorelasi, sehingga perlu dilakukan analisis lebih lanju dengan melakukan pemodelan ARIMA pada residualnya. 30
31 ANALISIS DATA dan PEMBAHASAN Model ARIMA Box-Jenkins Model Variasi Kalender Perbandingan Model Uji Normalias pada Residual Model Regresi Dummy 99, Mean -6,00267E-10 SDev N 96 KS 0,080 P-Value 0,129 Percen , RESI Dari hasil pengujian asumsi residual dikeahui bahwa residual pada model regresi dummy berdisribusi normal. 31
32 ANALISIS DATA dan PEMBAHASAN Model ARIMA Box-Jenkins Model Variasi Kalender Perbandingan Model 1,0 1,0 0,8 0,8 0,6 0,6 Auocorrelaion 0,4 0,2 0,0-0,2-0,4-0,6-0,8-1,0 Parial Auocorrelaion 0,4 0,2 0,0-0,2-0,4-0,6-0,8-1, Lag Lag Dugaan Model Residual Pola ACF signifikan pada lag 1, lag 2, dan lag 24 sedangkan pada Gambar 9 erliha bahwa pola PACF signifikan pada lag 1, lag 19 dan lag 24 sehingga dugaan model ARIMA yang memenuhi adalah ARIMA (1,0,1), ARIMA (1,0[1,24]) dan ARIMA([1,24],0,0). 32
33 Esimasi dan Uji Signifikan Parameer Model ARIMA Residual Model Parameer Coefisien P-value Keerangan ARIMA(1,0,1) AR 1 MA 1 0, ,55494 < 0,0001 0,0063 Signifikan Signifikan AR 1 0,68121 < 0,0001 Signifikan ARIMA (1,0[1,24]) MA 1 0, ,0133 Signifikan MA 24 0, ,0009 Signifikan ARIMA([1,24],0,0) AR 1 AR 24 0, , ,0047 < 0,0001 Signifikan Signifikan 33
34 Uji Asumsi Residul Uji Whie Noise Model Lag 6 Uji L-jung Box Keerangan Chi-Square 2,51 8,04 16,23 35,57 40,27 48,49 ARIMA(1,0,1) DF Tidak Whie Noise P-value 0,6432 0,6245 0,4371 0,0337 0,0625 0,0512 Chi-Square 3,48 9,13 16,38 22,74 26,82 39,38 ARIMA (1,0[1,24]) DF Whie Noise P-value 0,323 0,4253 0,3573 0,3578 0,4735 0,206 Chi-Square 7,07 13,04 20,22 27,15 31,45 43,69 ARIMA([1,24],0,0) DF Whie Noise P-value Uji Normalias 0,1323 0,2216 0,2103 0,2057 0,2976 0,1235 Model D P-value Keerangan ARIMA (1,0[1,24]) 0, >0,1500 Berdisribusi normal ARIMA([1,24],0,0) 0, >0,1500 Berdisribusi normal 34
35 Pemilihan Model Variasi Kalender Krieria in-sample Krieria Ou-sample Model AIC SBC MSE MAPE ARIMA(1,0,[1,24]) 2364, , ,10067 ARIMA([1,24],0,0) 2361, , ,12306 Kesimpulan yang dapa diperoleh dengan mengacu pada Tabel di aas adalah model regresi dummy dengan kombinasi ARIMA (1,0,[1,24]) merupakan model variasi kalender erbaik karena memiliki nilai MSE dan MAPE yang erkecil yaiu sebesar dan 0,
36 Y Model Maemais = 0 + β1 + β 2D1, + β 2D2, + + β12d11, + β13 β PL + ε dengan Y ε (1 θ B θ B = a (1 φ1) ) sehingga = , , ,7 D1, , 6 D2, ,3 D 3, ,6 D4, 24121, 5 D5, 11307,9 D 6, ,4 D7, ,6 D8, D9, ,1 D10, ,8 D11, , 9 PL (1 0,45854 B 0,42169 B + (1 0,68121B) 24 ) a 36
37 ANALISIS DATA dan PEMBAHASAN Model ARIMA Box-Jenkins Model Variasi Kalender Perbandingan Model MODEL ARIMA Variasi Kalender MSE RMSE 83956, ,02 Model yang mempunyai nilai RMSE paling kecil adalah pada model variasi kalender dengan nilai RMSE sebesar 83832,02 sehingga model peramalan yang erbaik yang digunakan unuk meramalkan daa volume penjualan semen PT.Semen Gresik adalah model variasi kalender. 37
38 KESIMPULAN DAN SARAN Kesimpulan Saran Dari analisis yang elah dilakukan maka kesimpulan yang dapa diambil adalah sebagai beriku. 1. Model peramalan yang sesuai dengan daa volume penjualan semen oleh PT. Semen Gresik adalah model variasi kalender. 2. Hasil peramalan volume penjualan semen di PT. Semen Gresik unuk enam bulan mendaang adalah sebagai beriku : Periode April 2010 Mei 2010 Juni 2010 Juli 2010 Agusus 2010 Sepember 2010 Volume Penjualan Semen (on) , , , , , ,6 38
39 KESIMPULAN DAN SARAN Kesimpulan Saran Dari hasil analisis yang elah dilakukan, diperkirakan penjualan eringgi selama enam bulan mendaang akan erjadi pada bulan Agusus dan penjualan erendah akan erjadi pada bulan Sepember. Berdasarkan hal ersebu maka diharapkan pihak Semen Gresik lebih bijak dalam mengambil kepuusan dalam hal perencanaan produksi, penjadwalan, penyediaan jumlah armada ransporasi, maupun disribusi ke agen-agen pemasaran. Unuk peneliian selanjunya, dapa diambahkan meode yang lebih bervariaif sehingga idak hanya membandingkan dua meode peneliian, seperi : ARIMAX aaupun Neural Nework (NN). 39
40 DAFTAR PUSTAKA Anonim. (2008). PT. Semen Gresik (Persore) Tbk. hp:// (anggal akses: 15 uari 2010). Bell, W.R. dan Hilmer, S., (1983). Modelling Time Series Wih Calendar Variaion. Journal of American Saisical Associaion, 78, Bowerman, B.L. dan O Connell, D., (1993). Forecasing and Time Series: An Applied Approach, 3rd ediion. California: Duxbury Press. Cryer, D. J. (1986). Time Series Analysis, Universiy of IOWA PWS-KENT Publishing Company, Boson. Daniel, W.W. (1989). Saisika Nonparamerik Terapan. Jakara : PT.Gramedia. Drapper, N.R. dan Smih, H. (1992). Analisis Regresi Terapan, Edisi kedua, Jakara : PT. Gramedia Pusaka Uama. Hindaro, Probo (2008). Mengenal Maerial Semen, Jenis dan Aplikasinya Unuk Rumah Tinggal. hp://asudioarchiec.com/2009/06/ mengenal-maerial-semen-jenis-dan.hml (anggal akses : 15 Februari 2010) Kamaliah, N., (2008). Laporan Tugas Akhir Peramalan Volume Penjualan Konveksi dan Non Konveksi dengan Pendekaan Model Kombinasi Tren Deerminisik dan Sokasik (Sudi Kasus di Amigo Pedan dan Amigo Sukoharjo), Tugas Akhir, FMIPA Saisika ITS. 40
41 DAFTAR PUSTAKA Makridakis, W.,Mc Gee, (1999). Meode dan Aplikasi Peramalan, Edisi kedua, Bina Rupa Aksara, Jakara. Rasyid, N.R.,(2009). Laporan Tugas Akhir Peramalan Perminaan Baju Muslim Anak-Anak di Dannis Collecions, Tugas Akhir, FMIPA Saisika ITS. Roviq, A.A., (2001). Laporan Tugas Akhir Opimalisasi Pendisribusian Semen PPC di PT. Semen Gresik (Persero) Tbk dan Unuk Wilayah Jawa, Tugas Akhir, FMIPA Saisika ITS. Seyo,T.R., (2006). Laporan Tugas Akhir Analisis Time Series Terhadap Penjualan Produk Semen di PT. Semen Gresik, PT. Semen Tonasa dan PT. Semen Padang, Tugas Akhir, FMIPA Saisika ITS. Suharono. (2006). Calender Variaion Model for Forecasing Time Series Daa wih Islamic Calender Effec. Jurnal Maemaika, Sains, & Teknologi, 7, 2 : Suharono dan Aok, R.M., (2006), Sudi Perbandingan Model ren Deerminisic, ren Sokasik, Kombinasi ren deerminisik dan Sokasik, dan Neural Nework pada Daa Time Series, hp:// ( anggal akses : 15 januari 2010) Wei, W.W.S., (1990). Time Series Univariae and Mulivariae Mehods. Addison Wesley Publishing Company, Inc. 41
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 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 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 terperinciAnalisis Peramalan Jumlah Permintaan Kerudung di Industri Kecil Kerudung Arin di Surabaya dengan Metode Variasi Kalender
Analisis Peramalan Jumlah Perminaan Kerudung di Indusri Kecil Kerudung Arin di Surabaya dengan Meode Variasi Kalender Disusun oleh : Sely Enggar Rusiano 307 030 030 Dosen Pembimbing : Dr. Irhamah, M.Si
Lebih 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 III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF
BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap
Lebih terperinciPeramalan 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 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 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 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 terperinciPEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 9 PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL Y.P.Y. Asmara,
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 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 terperinci2 efek dari pengaruh kejadian luar (exernal even) pada daa ime series (Wei, 2006). Bila y adalah daa ime series yang mengandung variasi kalender, maka
. PERAMALAN VOLUME KENDARAAN MASUK DI TOL DUPAK-WARU MENGGUNAKAN MODEL VARIASI KALENDER Yosua D. Charismawan (1304 100 024) Pembimbing : Ir. Dwiamono Agus W.,M.Ikom ABSTRAK Tol Surabaya-Gempol merupakan
Lebih terperincimetodologi penelitian
pendahuluan injauan pusaka meodologi peneliian hasil dan pembahasan kesimpulan Pusaka Meodologi Peningkaan Energi lisrik Kebuuhan energi lisrik Pengembangan sisem energi lisrik Peramalan beban lisrik Slide
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 terperinciPemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun
Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro
Lebih terperinciPERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT
Saisika, Vol. 2, No. 2, November 24 PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT Sri Wahyuni, 2 Farikhin, Iswahyudi Joko Suprayino Program Sudi Saisika
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang
BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang
Lebih terperinciBAB 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*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 terperinciPemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline ABSTRAK
Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Meode Inervensi dan Regresi Spline Rina Andriani, Dr. Suharono, M.Sc 2 Mahasiswa Jurusan Saisika FMIPA-ITS, 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih 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 terperinciPrediksi Penjualan Sepeda Motor Honda di Kabupaten dan Kotamadya Malang dengan Metode Peramalan Hierarki. Oleh : Rika Susanti
Prediksi Penjualan Sepeda Moor Honda di Kabupaen dan Koamadya Malang dengan Meode Peramalan Hierarki Oleh : Rika Susani 1310100066 Dosen Pembimbing Co. Pembimbing : Dra. Desri Susilaningrum, M.Si. : Dr.
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 terperinciPemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network
D-378 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (26) 2337-3520 (23-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi pada Plaform MK di PT X Menggunakan Meode ARIMA, Neural Nework, dan Hibrida ARIMA-Neural
Lebih 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 terperinciBAB II TINJAUAN TEORITIS
BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan
Lebih terperinciPERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,1,1)(0,1,1) 12 TUGAS AKHIR.
PERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,,)(0,,) 2 TUGAS AKHIR Diajukan Sebagai Salah Sau Syara unuk Memperoleh Gelar Sarjana Sains
Lebih terperinciPeramalan Inflasi Nasional Berdasarkan Faktor Ekonomi Makro Menggunakan Pendekatan Time Series Klasik dan ANFIS
JURNAL SAINS DAN SENI IS Vol. 4, No., () 2337-3 (2-928X Prin) D-67 Peramalan Inflasi Nasional Berdasarkan Fakor Ekonomi Makro Menggunakan Pendekaan ime Series Klasik dan ANFIS Clara Agusin Sephani, Agus
Lebih terperinciPROSEDUR PEMBENTUKAN MODEL VARIASI KALENDER BERDASARKAN MODEL ARIMAX UNTUK PERAMALAN DATA DENGAN EFEK VARIASI KALENDER
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, November PROSEDUR PEMBENTUKAN MODEL VARIASI KALENDER BERDASARKAN MODEL ARIMAX UNTUK PERAMALAN DATA DENGAN EFEK VARIASI KALENDER Suharono dan
Lebih terperinciPeramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun
Peramalan Kebuuhan Premium dengan Meode ARIMAX unuk Opimasi Persediaan di Wilayah TBBM Madiun Oleh: Nindia Sekar Dini 1308100088 Pembimbing: Drs. Haryono, MSIE Dr. Suharono 1 Ouline Pendahuluan Tinjauan
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 terperinciBAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun
43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C
Lebih terperinciPERAMALAN 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 terperinciS 9 Peramalan Volume Penjualan Calana Panjang di Boyolali dengan Menggunakan Model Variasi Kalender
9 Peramalan Volume Penjualan Calana Panjang di Boyolali dengan Menggunakan Model Variasi Kalender Wahyuni uryaningyas Dosen FKIP Universias Muhammadiyah urabaya e-mail: ma_ums @yahoo.com ABTRAK Bisnis
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 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 terperinciPenentuan Pelebaran Window Time Optimal Pada Data Deret Waktu
1 Penenuan Pelebaran Window Time Opimal Pada Daa Dere Waku (1) Nursya`bani Hendro Prabowo dan (2) Raden Mohamad Aok Deparemen Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam, Insiu Teknologi Sepuluh
Lebih terperinciBAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena
Lebih terperinciPeramalan Inflasi 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 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 terperinciBAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel
BAB III ANALISIS INTERVENSI 3.1. Pendahuluan Analisis inervensi dimaksudkan unuk penenuan jenis respons variabel ak bebas yang akan muncul akiba perubahan pada variabel bebas. Box dan Tiao (1975) elah
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 terperinciPENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Studi Kasus: PT Tembaga Mulia Semanan)
Prosiding Seminar Nasional Manajemen Teknologi Program Sudi MMT-ITS, Surabaya 1 Agusus 2009 PENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Sudi Kasus: PT
Lebih terperinciANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG
ISSN: 9-54 JURNAL GAUSSIAN, Volume 4, Nomor, Tahun 05, Halaman 6-60 Online di: hp://eournal-s.undip.ac.id/index.php/gaussian ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG
Lebih terperinciPeramalan Pengguna Kapal Ferry Ujung-Kamal dengan Metode Intervensi
D-480 JURNAL SAINS DAN SENI IS Vol. No. 2 (6) 2337-3 (2-928X Prin) Peramalan Pengguna Kapal Ferry Ujung-Kamal dengan Meode Inervensi Eka Apriliani, dan Irhamah Jurusan Saisika, Fakulas MIPA, Insiu eknologi
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 terperinciPerbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X
JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa
Lebih terperinciBAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan
BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan
Lebih terperinciBAB 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
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiaan memperkirakan apa yang akan erjadi pada masa yang akan daang. Ramalan adalah sesuau kegiaan siuasi aau kondisi yang diperkirakan akan erjadi
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju perumbuhan
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 JUMAH MOBIL PRIBADI YANG BERADA DI KOTA SURABAYA
TUGAS AKHIR SS 145561 PERAMALAN JUMAH MOBIL PRIBADI YANG BERADA DI KOTA SURABAYA RIZKI FEBRIASTO NRP 1314 030 102 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si., M.Si DEPARTEMEN STATISTIKA BISNIS Fakulas Vokasi
Lebih terperinciPeramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun
JURNAL AIN DAN ENI IT Vol. 1, No. 1, (ep. 2012 IN: 2301-928X D-230 Peramalan Kebuuhan Premium dengan Meode ARIMAX unuk Opimasi Persediaan di Wilayah TM Madiun Nindia ekar Dini, Haryono, dan uharono Jurusan
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 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 JUMLAH KEBERANGKATAN PENUMPANG PELAYARAN DALAM NEGERI DARI PELABUHAN TANJUNG PERAK MENGGUNAKAN ARIMA-BOX JENKINS
TUGAS AKHIR SS 4556 PERAMALAN JUMLAH KEBERANGKATAN PENUMPANG PELAYARAN DALAM NEGERI DARI PELABUHAN TANJUNG PERAK MENGGUNAKAN ARIMA-BOX JENKINS Nina Fannani NRP 34 030 02 Dosen Pembimbing Dr. Wahyu Wibowo,
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 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 terperinciPrediksi Permintaan BBM di PT. Pertamina Region V dengan Metode Peramalan Data Time Series Hirarki
Prediksi Perminaan BBM di PT. Peramina Region V dengan Meode Peramalan Daa Time Series Hirarki Prania Dian Uari dan 2 Suharono Mahasiswa Jurusan Saisika FMIPA-ITS (38 57) 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih terperinciPENENTUAN MODEL PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN METODE ARIMA
PENENTUAN MODEL PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN METODE ARIMA Leopoldus Ricky Sasongko, Lydia Ninuk Rahayu, dan Alberh Roy Koa 3,,3 Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias
Lebih terperinciPENGEMBANGAN MODEL REGRESI DERET WAKTU UNTUK DATA YANG MENGANDUNG VARIASI KALENDER
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, November PENGEMBANGAN MODEL REGRESI DERET WAKTU UNTUK DATA YANG MENGANDUNG VARIASI KALENDER Alfonsus. J. Endhara dan Suharono Mahasiswa S Jurusan
Lebih terperinciPREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED
PREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED Wahyuda 1, Budi Sanosa 2, Nani Kurniai 3 1 Teknik Indusri Universias Mulawarman-Samarinda
Lebih 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 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 terperinciPeramalan Total Market Sepeda Motor Dan Total Penjualan Motor X Di Propinsi Jawa Timur Dengan Pendekatan ARIMA Box-Jenkins Dan ARIMAX
Peramalan Toal Marke epeda Moor Dan Toal Penjualan Moor X Di Propinsi Jawa Timur Dengan Pendekaan ARIMA Box-Jenkins Dan ARIMAX Oleh: Novia Dwi R. (300027) Dosen Pembimbing: Dr. eiawan, M.i 2 AGENDA PENDAHULUAN
Lebih terperinciPERAMALAN NILAI EKSPOR NON MIGAS SEKTOR PERINDUSTRIAN DI JAWA TIMUR DENGAN MENGGUNAKAN ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN NILAI EKSPOR NON MIGAS SEKTOR PERINDUSTRIAN DI JAWA TIMUR DENGAN MENGGUNAKAN ARIMA BOX-JENKINS Mohammad Fariq NRP 1314 030 015 Dosen Pembimbing Dra. Sri Mumpuni Renaningsih,
Lebih terperinciPERAMALAN 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 terperinciProsiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PERAMALAN VOLUME PENGGUNAAN AIR BERSIH DENGAN METODE WINTERS EPONENTIAL SMOOTHING UNTUK MENENTUKAN VOLUME
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan
Lebih terperinciPERAMALAN JUMLAH PENJUALAN KORAN HARIAN BERLANGGANAN DI PT. JAWA POS DENGAN MENGGUNAKAN ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN JUMLAH PENJUALAN KORAN HARIAN BERLANGGANAN DI PT. JAWA POS DENGAN MENGGUNAKAN ARIMA BOX-JENKINS TRI EMIRA RISMAYANTI NRP 1314 030 070 Dosen Pembimbing Dr. Brodjol Suijo
Lebih terperinciPeramalan Return Saham Bank Central Asia Menggunakan Self Exciting Threshold Autoregressive Genetic Algorithm
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (2016) 2337-3520 (2301-928X Prin) D-71 Peramalan Reurn Saham Bank Cenral Asia Menggunakan Self Exciing Threshold Auoregressive Geneic Algorihm Tesalonika Puri dan
Lebih 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 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 terperinciPERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH
Vol.. No., 03 PERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH Ari Pani Desvina, Sari Marlinda, Jurusan Maemaika Fakulas Sains dan Teknologi
Lebih terperinciPEMODELAN 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 terperinciagenda Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran
seminar ugas akhir Renny Elfira Wulansari 0000 pembimbing Dr. Suharono, S.Si, M.Sc Gedung H Lanai Saisika FMIPA-ITS Surabaya, Juli 04 agenda Pendahuluan Tinjauan Pusaka Meodologi Peneliian Analisis dan
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 terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Definisi Peramalan Peramalan adalah suau kegiaan dalam memperkirakan aau kegiaan ang melipui pembuaan perencanaan di masa ang akan daang dengan menggunakan daa masa lalu dan daa masa
Lebih terperinciSekilas Pandang. Modul 1 PENDAHULUAN
Modul 1 Sekilas Pandang Drs. Irlan Soelaeman, M.Ed. S PENDAHULUAN uau hari, saya dan keluarga berencana membawa mobil pergi ke Surabaya unuk mengunjungi salah seorang saudara. Sau hari sebelum keberangkaan,
Lebih 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 PENJUALAN LISTRIK DI PT. PEMBANGKITAN JAWA BALI (PT. PJB) KANTOR PUSAT SURABAYA
TUGAS AKHIR SS 145561 PERAMALAN PENJUALAN LISTRIK DI PT PEMBANGKITAN JAWA BALI (PT PJB) KANTOR PUSAT SURABAYA DIA LINA WARDATI NRP 1314 030 08 Dosen Pembimbing Dr Wahyu Wibowo SSi, MSi DEPARTEMEN STATISTIKA
Lebih terperinciPeramalan Outflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Autoregressive (GSTAR)
JURNA SAINS DAN SENI ITS Vol. 5 No. (16) 7-5 (1-98X Prin) D-59 Peramalan Ouflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Auoregressive (GSTAR) Rahmah Safiri, Seiawan, dan Imam Safawi
Lebih 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 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 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 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 terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.. Ruang Lingkup Peneliian Peneliian ini diujukan unuk menenukan meode erbaik yang dapa digunakan dalam meramalkan harga ayam pada enam koa besar di Jawa-Bali. Meode peramalan yang
Lebih terperinci(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF
Seminar Nasional Saisika 12 November 2011 Vol 2, November 2011 (T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Gumgum Darmawan, Sri Mulyani S Saf Pengajar Jurusan Saisika FMIPA UNPAD
Lebih 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 terperinciBAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan
BAB I PENDAHULUAN 1.1 Laar Belakang Dalam perencanaan pembangunan, daa kependudukan memegang peran yang pening. Makin lengkap dan akura daa kependudukan yang esedia makin mudah dan epa rencana pembangunan
Lebih terperinciPeramalan Kebutuhan Bahan Bakar Premium di Depot Ampenan dengan Metode Hibrida Arima- Neural Network untuk Optimasi Persediaan
JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 202) ISSN: 230-928X D-94 Peramalan Kebuuhan Bahan Bakar Premium di Depo Ampenan dengan Meode Hibrida Arima- Neural Nework unuk Opimasi Persediaan Okivianis Kusumaningrum,
Lebih terperinciBAB 2 LANDASAN TEORI
35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
11 BAB I PENDAHULUAN 1.1 Laar Belakang Salah sau masalah analisis persediaan adalah kesulian dalam menenukan reorder poin (iik pemesanan kembali). Reorder poin diperlukan unuk mencegah erjadinya kehabisan
Lebih terperinciANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional.
JURNAL ILMIAH RANGGAGADING Volume 7 No. 1, April 7 : 3-9 ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Sudi kasus pada CV Cia Nasional. Oleh Emmy Supariyani* dan M. Adi Nugroho *Dosen
Lebih 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 terperinciMODEL HIBRIDA EXPONENTIAL SMOOTHING PENDEKATAN STATE SPACE DENGAN METODE VARIASI KALENDER UNTUK PERAMALAN INFLOW DAN OUTFLOW UANG KARTAL DI JAWA TIMUR
TUGAS AKHIR SS 450 MODEL HIBRIDA EXPONENTIAL SMOOTHING PENDEKATAN STATE SPACE DENGAN METODE VARIASI KALENDER UNTUK PERAMALAN INFLOW DAN OUTFLOW UANG KARTAL DI JAWA TIMUR ANA SUSANTI NRP 32 00 033 Dosen
Lebih terperinciPemodelan Volatilitas Saham Menggunakan Jaringan Syaraf Tiruan dan Algoritma Genetika
Pemodelan Volailias Saham Menggunakan Jaringan Syaraf Tiruan dan Algorima Geneika Hasbi Yasin 1 1 Jurusan Saisika Undip, hasbiyasin@undip.ac.id Absrak. Flukuasi yang besar dan idak pasi dalam peramalan
Lebih terperinci