Oleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes
|
|
- Lanny Yuwono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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 Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes Absrak Indeks harga saham merupakan suau indikaor yang menunjukkan pergerakan harga saham. Indeks berfungsi sebagai indikaor rend pasar. Dengan adanya indeks, kia dapa mengeahui rend pergerakan harga saham saa ini apakah sedang naik, sabil aau urun. Indeks harga saham dapa dipengaruhi oleh beberapa fakor, baik mikro maupun makro. Salah sau meode yang dapa digunakan unuk menyelesaikan masalah dere waku yang berhubungan dengan sau aau beberapa dere waku lainnya adalah fungsi ransfer. Penerapan fungsi ransfer pada Tugas Akhir ini diujukan unuk memodelkan suau dere oupu, yaiu indeks harga saham PT Sampoerna Tbk dengan variabel inpu berupa suku bunga SBI, posisi jumlah deposio berjangka dalam rupiah, kurs, ingka bunga deposio, dan perubahan inflasi. Di samping dilakukan pemodelan erhadap mean dengan menggunakan fungsi ransfer, juga dilakukan pemodelan erhadap variannya dengan menggunakan ARCH-GARCH unuk mengaasi adanya heeroskedasisias. Unuk mendapakan model peramalan yang erbaik, yaiu memilih model yang semua parameernya signifikan, residual yang whie noise, dan berdisribusi normal, sera mempunyai AIC dan SBC erkecil. Yang akhirnya akan digunakan unuk meramalkan indeks harga saham pada masa mendaang. Kaa Kunci: indeks harga saham, ime series, fungsi ransfer, ARCH-GARCH. PENDAHULUAN Indeks harga saham merupakan suau indikaor yang menunjukkan pergerakan harga saham. Indeks berfungsi sebagai indikaor rend pasar. Dengan adanya indeks, kia dapa mengeahui pergerakan harga saham saa ini apakah sedang naik, sabil aau urun [3]. Peramalan (forecasing) adalah suau kegiaan unuk memperkenalkan apa yang akan erjadi pada masa yang akan daang dengan meniikberakan pada kajian siuasi dan kondisi yang berlaku sekarang dan masa lalu [4]. Permasalahan uama yang akan dibahas pada peneliian ini adalah bagaimana mean model peramalan indeks harga saham yang dipengaruhi oleh kurs, suku bunga SBI, perubahan inflasi, ingka bunga deposio, dan posisi jumlah deposio berjangka dalam rupiah dengan menggunakan fungsi ransfer dan bagaimana varian model indeks harga saham dengan menggunakan ARCH-GARCH. Tugas Akhir ini dibaasi pada daa sekunder dari Bank Indonesia, Bursa Efek Indonesia, dan Badan Pusa Saisik berupa daa per bulan anara Januari 0 sampai dengan November 09. Adapun ujuan dari penulisan Tugas Akhir ini adalah:. Mendapakan mean model yang menggambarkan hubungan anara kurs, suku bunga SBI, perubahan inflasi, ingka bunga deposio, dan posisi jumlah deposio berjangka erhadap indeks harga saham dengan fungsi ransfer.. Mendapakan variance model yang menggambarkan hubungan anara kurs, suku bunga SBI, perubahan inflasi, ingka bunga deposio, dan posisi jumlah deposio berjangka erhadap indeks harga saham dengan ARCH- GARCH. 3. Meramalkan indeks harga saham pada beberapa periode mendaang. Manfaa dari penulisan Tugas Akhir ini adalah :. Memberikan informasi bagi pelaku bisnis di pasar modal dalam memprediksi harga saham.. Memberikan gambaran enang pemodelan saisik pada permasalahan ekonomi khususnya indeks harga saham.. TINJAUAN PUSTAKA Benuk umum model fungsi ransfer single inpu sebagai beriku : Y = v( B) X + N aau ω( B) θ ( B) y = x b + a () δ ( B) φ( B) Benuk umum model fungsi ransfer muli inpu sebagai beriku : k ω ( B ) j θ ( B ) y = x + a () ( ) j bj j δ B = φ ( B ) j Benuk umum model ARCH sebagai beriku :
2 h = α 0 + αε + α ε α pε p (3) Benuk umum model GARCH sebagai beriku: p q = α iε i β j i= j= h α h (4) j 3. METODE PENELITIAN Uruan langkah langkah dalam menganalisa daa adalah sebagai beriku : a. Idenifikasi Model Fungsi Transfer b. Penaksiran Parameer Model Fungsi Transfer c. Pemeriksaan Diagnosik Model Fungsi Transfer d. Peramalan dengan fungsi ransfer e. Pengujian adanya proses ARCH-GARCH f. Pemodelan varian dengan ARCH-GARCH g. Peramalan varian dengan ARCH-GARCH 4. HASIL PENELITIAN Yang dilakukan dalam ahap idenifikasi model fungsi ransfer adalah sebagai beriku :. Idenifikasi dere inpu dan dere oupu Tahap idenifikasi model dapa diliha dari plo ime seriesnya, ACF, dan PACF. A. Variabel inpu peredaran maa uang Unuk mengeahui daa sudah sasioner aau belum harus dilakukan plo ime series dan plo Box- Cox sebagai beriku: 8 Time Series Plo of SBI SBI /Z SDev Time Series Plo of SBI /Z Box-Cox Plo of SBI /Z -. Lower CL Lambda Upper CL. 4.0 Limi 6 Lambda (using 9.0% confidence) Esimae.00 Lower CL Upper CL. Rounded Value.00 Gambar Plo Time Series dan Plo Box-Cox ransformasi Suku Bunga SBI diff_ SBI Time Series Plo of diff_ SBI SBI Auocorrelaion Funcion for diff_ SBI (wih % significance limis for he auocorrelaions) Auocorrelaion SDev Lower CL Box-Cox Plo of SBI -. Lambda Upper CL..0 Limi Lambda (using 9.0% confidence) Esimae -.00 Lower CL -. Upper CL - Rounded Value -.00 Gambar Plo Time Series dan Plo Box-Cox Suku Bunga SBI Dari plo ime series dan plo Box-Cox pada Gambar erliha bahwa daa suku bunga SBI belum sasioner dalam mean maupun varian. Unuk mengaasi keidaksaioneran dalam varian perlu dilakukan ransformasi. Pada Gambar erliha bahwa daa suku bunga SBI sudah sasioner dalam varian eapi belum sasioner dalam mean, maka dilakukan differencing orde ke- dan diperoleh plo ime series dan ACF pada Gambar Gambar 3 Plo Time Series dan Plo ACF Differencing Suku Bunga SBI Dari plo ime series dan plo ACF pada Gambar 3 erliha bahwa daa suku bunga SBI belum sasioner dalam mean sehingga perlu differencing orde ke-. Seelah di differencing diperoleh plo ime series, ACFdan PACF seperi pada Gambar 4 dan Gambar. diff_ SBI Time Series Plo of diff_ SBI 4 Gambar 4 Plo Time series Differencing Suku Bunga SBI 0 6 6
3 Auocorrelaion Parial Auocorrelaion Auocorrelaion Funcion for diff_ SBI (wih % significance limis for he auocorrelaions) 0 0 Parial Auocorrelaion Funcion for diff_ SBI (wih % significance limis for he parial auocorrelaions) Gambar Plo ACF dan PACF Differencing Suku Bunga SBI Pada Gambar 4 plo ime series erliha bahwa daa sudah sasioner, baik dalam mean maupun varian. Dengan meliha plo ACF dan PACF pada Gambar, maka dapa di duga model awal unuk dere inpu suku bunga SBI adalah ARIMA (,,). Selanjunya dilakukan pengujian signifikansi parameer dengan saisik uji dengan % Hipoesis : H : Esimasi parameer 0 H : Esimasi parameer 0 Saisik Uji :.,.99 H diolak jika aau menggunakan nilai P-value, maka H diolak jika arinya parameer model signifikan. Tabel Uji signifikansi parameer ARIMA (,,) Parameer Esimasi SE hiung P-Value Berdasarkan Tabel hasil uji signifikasi paramaer dapa disimpulkan bahwa pada model ARIMA (,,) parameernya idak signifikan. Asumsi yang harus dipenuhi dalam menenukan model yang sesuai, yaiu residual bersifa whie noise dan berdisribusi normal. Pengujian residual independen dilakukan dengan uji Ljung-Box. Hipoesis: H 0 H minimal ada sau 0, dimana,, Saisik uji Ljung-Box : ,., 9. H dierima jika., aau arinya residual whie noise. Tabel Uji residual ARIMA(,,) Q, P value Pengujian asumsi residual berdisribusi normal menggunakan uji Kolmogorov-Smirnov. Hipoesis : H 0 : ( e i berdisribusi normal) H : ( e i idak berdisirbusi normal) Saisik uji : D = Sup S ( x) F0 ( x) = 89 x,., H 0 dierima jika., aau arinya residual berdisribusi normal. Percen Probabiliy Plo of Residual SBI Normal 00 Residual SBI 0 0 Mean 00 SDev 06 N KS 4 P-Value > Gambar 6 Plo Kenormalan Residual Suku Bunga SBI Unuk memilih model yang erbaik, langkah selanjunya adalah overfiing dengan memilih parameer yang signifikan, memenuhi asumsi whie noise, berdisribusi normal dan mempunyai nilai AIC dan SBC yang erkecil. Tabel 3 Hasil overfiing Model ARIMA Suku Bunga SBI Model Para- Whie Normal AIC SBC ARIMA meer Noise (,,) dk sign ya normal (,,0) sign ya normal (0,,) sign ya normal (,,[4]) sign ya normal (,,[]) sign ya normal ([4],,) sign ya normal Dari Tabel 3 hasil overfiing menunjukkan bahwa model ARIMA ([4],,) merupakan model yang erbaik unuk variabel inpu suku bunga SBI. Secara maemais, model ARIMA dapa diulis dengan : Dengan cara yang sama pada variabel posisi jumlah deposio berjangka, didapa model ARIMA ([3],,[9]) dan dapa diulis: Dengan cara yang sama pada variabel kurs rupiah erhadap USD, didapa model ARIMA (,,).
4 06 89 Dengan cara yang sama pada variabel ingka bunga deposio, didapa model ARIMA ([],,[6]). 8 8 Dengan cara yang sama pada variabel perubahan inflasi, didapa model ARIMA (,,[,6]) (9) B. Dere oupu (indeks harga saham) Berdasarkan Gambar erliha daa HMSP belum sasioner dalam mean dan varian, maka diransformasi ln dan di differencing orde ke-. HMSP diff_ HMSP Time Series Plo of HMSP Gambar Plo Time series HMSP Time Series Plo of diff_ HMSP Gambar 8 Plo Time series Differencing HMSP Auocorrelaion Parial Auocorrelaion Auocorrelaion Funcion for diff_ HMSP (wih % significance limis for he auocorrelaions) 0 Parial Auocorrelaion Funcion for diff_ HMSP (wih % significance limis for he parial auocorrelaions) 0 Gambar 9 Plo ACF dan PACF Differencing HMSP Berdasarkan Gambar 8 dan Gambar 9 erliha bahwa daa sudah sasioner. Apapun model yang dimiliki oleh dere oupu, pada akhirnya dere oupu ini akan dimodelkan sama dengan model dere inpunya yaiu suku bunga SBI, posisi jumlah deposio berjangka, kurs, ingka bunga deposio dan perubahan inflasi.. Prewhiening dere inpu (α ) Model prewhiening dere inpu suku bunga SBI adalah :.. (0) Model prewhiening dere inpu posisi jumlah deposio berjangka adalah:.. () Model prewhiening dere inpu kurs rupiah erhadap USD adalah:.. () Model prewhiening dere inpu ingka bunga deposio adalah :.. (3) Model prewhiening dere inpu perubahan inflasi adalah :... (4) 3. Prewhiening dere oupu (β ) Prewhiening dere oupu dengan variabel inpu suku bunga SBI menghasilkan persamaan beriku :.. () Prewhiening dere oupu dengan variabel inpu posisi jumlah deposio berjangka menghasilkan persamaan beriku :.. (6) Prewhiening dere oupu dengan variabel inpu kurs menghasilkan persamaan beriku :.. () Prewhiening dere oupu dengan variabel inpu ingka bunga deposio menghasilkan persamaan beriku :.. (8) prewhiening dere oupu dengan variabel inpu perubahan inflasi menghasilkan persamaan beriku :... (9) 4. Perhiungan Fungsi Korelasi Silang (CCF) dan Penenuan (r,s,b) Model Fungsi Transfer Dari plo CCF pada Gambar 0 anara HMSP dengan suku bunga SBI dapa dienukan bahwa nilai b=3, r=0, dan s=. Sehingga dapa dibenuk model awal fungsi ransfer yaiu: () Dari plo CCF pada Gambar anara HMSP dengan posisi jumlah deposio berjangka dapa
5 dienukan bahwa nilai b=, r=0, dan s=0. Sehingga dapa dibenuk model awal fungsi ransfer yaiu: () Covariance Correlaion E E * E E 8.84 ******. 4.80E *****.63E 8 4. ****. 6.9E **..09E 8.89.**** E * E *. 0.03E 8.0. *. 4.3E E *** E E 8. ***. 3.E Gambar 0 Plo Crosscorrelaion HMSP dengan Suku Bunga SBI Covariance Correlaion ***** * ** *** * *** ** * * ** * ** *. Gambar Plo Crosscorrelaion HMSP dengan Posisi Jumlah Deposio Berjangka Dari plo CCF pada Gambar anara HMSP dengan kurs rupiah erhadap USD dapa dienukan bahwa nilai b=, r=0, dan s=0. Sehingga dapa dibenuk model awal fungsi ransfer yaiu: () Covariance Correlaion * * *** ***** ** ******* * **** **. Gambar Plo Crosscorrelaion HMSP dengan Kurs Rupiah erhadap USD Sedangkan dari plo CCF pada Gambar 3 anara HMSP dengan ingka bunga deposio dapa dienukan bahwa nilai b=0, r=0, s=0. Sehingga dapa dibenuk model awal fungsi ransfer yaiu: (3) Covariance Correlaion * ***..936E ** * *** **** ** *** * *** *** *. Gambar 3 Plo Crosscorrelaion HMSP dengan Tingka Bunga Deposio Sedangkan dari plo CCF pada Gambar 4 anara HMSP dengan perubahan inflasi dapa dienukan bahwa nilai b=, r=0, s=. Sehingga dapa dibenuk model awal fungsi ransfer yaiu: (4) Unuk fungsi ransfer muli inpu diliha dari plo CCF pada Gambar 3 anara HMSP dengan ingka bunga deposio dapa dienukan bahwa nilai b=9, r=0, s=0 dan pada Gambar 4 anara HMSP dengan perubahan inflasi dapa dienukan bahwa nilai b=, r=0, s=0. Sehingga dapa dibenuk model awal fungsi ransfer yaiu: () Covariance Correlaion ***** ***** * **. 4. * *** * *** *** **** * **** **** * **. "." marks wo sandard errors Gambar 4 Plo Crosscorrelaion HMSP dengan Perubahan Inflasi. Idenifikasi Dere Noise (, ) Pada Gambar plo ACF dan PACF dapa diduga model ARIMA dere noise dari fungsi ransfer dengan variabel inpu suku bunga SBI adalah ARIMA (0,0,). Secara maemais, model ersebu dapa diulis dengan : (6) Auocorrelaion Plo of Residuals Cov Corr Sd Error 0.E 8.00 ******************** 0 6.E 9.48 ********** E 0 3. * E 9.. ***. 4.64E ** E 0 6. * E 9.3. ***. 33.3E 9. ** E 9.. ** E 9. ** E E ** E 9 8. ** E ** E ****. 8.E 9.6. ***. 466 Parial Auocorrelaions Correlaion **********. 4 *****. 3 4 ******* ****. 90. * *** *** ** *** ** *** * Gambar Plo ACF dan PACF residual HMSP dengan Suku Bunga SBI Dengan cara yang sama pada variabel posisi jumlah deposio berjangka, didapa model ARIMA (0,0,0). () Dengan cara yang sama pada variabel kurs rupiah erhadap USD, didapa model ARIMA (0,0,). ()
6 Dengan cara yang sama pada variabel ingka bunga deposio, didapa model ARIMA (,0,). (9) Dengan cara yang sama pada variabel perubahan inflasi, didapa model ARIMA ([,],0,0). () Dengan cara yang sama pada fungsi ransfer muli inpu, didapa model ARIMA (0,0,4). Secara maemais dapa diulis: (3) Pada ahap penaksiran parameer model fungsi ransfer digunakan Condiional Leas squares. Tabel 4 Hasil Esimasi Parameer Model Fungsi Transfer dengan Inpu Suku Bunga SBI Parameer Esimasi SE hi P-Value < <.000 Berdasarkan Tabel 4 hasil uji signifikasi paramaer dapa disimpulkan bahwa pada model fungsi ransfer semua parameernya signifikan. Sehingga didapa model fungsi ransfer dengan inpu suku bunga SBI sebagai beriku: (3) dengan dan Dengan cara yang sama unuk variabel inpu posisi jumlah deposio berjangka didapa model fungsi ransfer sebagai beriku: 333 (33) dengan dan Dengan cara yang sama unuk variabel inpu kurs rupiah erhadap USD didapa model fungsi ransfer sebagai beriku: (34) Dengan cara yang sama unuk variabel inpu suku bunga deposio didapa model fungsi ransfer sebagai beriku: 9.. () dengan ln dan ln Dengan cara yang sama unuk variabel inpu perubahan inflasi didapa model fungsi ransfer sebagai beriku: (36) dengan ln dan ln 6 Dengan cara yang sama didapa model fungsi ransfer muli inpu sebagai beriku: (3) dengan ln, ln dan ln Pada ahap pemeriksaan diagnosik model fungsi ransfer yang dilakukan adalah:. Pengujian Residual bersifa Whie Noise A. Pemeriksaan Auokorelasi Residual Model Berdasarkan Tabel erliha bahwa P-value> sehingga dapa disimpulkan bahwa residual model fungsi ransfer dengan variabel inpu suku bunga SBI whie noise. Tabel Uji Whie Noise Residual Model Fungsi Transfer dengan Inpu Suku Bunga SBI Q, P value Dengan cara yang sama unuk residual fungsi ransfer dengan variabel inpu posisi jumlah deposio berjangka, kurs rupiah erhadap USD, suku bunga deposio, perubahan inflasi dan residual fungsi ransfer muli inpu adalah whie noise. B. Pemeriksaan Crosscorrelaion dere inpu yang elah dipuihkan dengan residual model Tabel 6 Nilai Chi-Square Crosscorrelaion anara dan Q, P value Berdasarkan Tabel 6 erliha bahwa P-value> sehingga dapa disimpulkan bahwa anara dere inpu yang elah dipuihkan ( ) dengan nilai residual ( ) independen. Dengan cara yang sama anara dan independen, anara dan independen, anara dan independen, anara dan independen. Dengan cara yang sama pada pemeriksaan crosscorrelaion anara dan unuk model fungsi ransfer muli inpu anara dan independen, anara dan independen.. Pengujian Residual Berdisribusi Normal Pengujian asumsi disribusi normal dapa dilakukan dengan menggunakan uji Kolmogorov- Smirnov. MAPE unuk model fungsi ransfer dengan variabel inpu suku bunga SBI sebesar 3.4%, dengan inpu posisi jumlah deposio berjangka sebesar.%, dengan inpu kurs sebesar 9.%, dengan inpu ingka bunga deposio sebesar 9.09%, dengan inpu perubahan inflasi sebesar 33.3%, dengan inpu ingak bunga deposio dan perubahan inflasi sebesar.9%.
7 Percen Probabiliy Plo of Residual SBI-HMSP Normal Residual SBI-HMSP Mean SDev N 6 KS 90 P-Value > Gambar 6 Plo Normal Residual HMSP - Suku Bunga SBI Model fungsi ransfer yang memiliki MAPE erkecil adalah dengan variabel inpu posisi jumlah deposio berjangka sehingga model ini merupakan model erbaik dan digunakan unuk meramalkan indeks harga saham PT HM Sampoerna seperi pada Tabel. Tabel Hasil Peramalan HMSP Menggunakan Fungsi Transfer dengan Inpu Posisi Jumlah Deposio Berjangka Selang Kepercayaan Bulan Akual Ramalan Sandard 9% Deviasi Baas Baas Bawah Aas Ok Nov Des Jan Karena pada ahap idenifikasi daa posisi jumlah deposio berjangka dilakukan ransformasi maka hasil ramalan harus dikuadrakan sehingga ramalan indeks harga saham PT HM Sampoerna bulan Januari 0 sebesar.9. Pada idenifikasi adanya proses ARCH- GARCH yang dilakukan adalah pengujian adanya proses ARCH-GARCH menggunakan uji Ljung Box, LM dan meliha ACF dan PACF. Tabel 8 Uji Ljung Box dan LM Posisi Jumlah Deposio Berjangka Q LM Diliha dari Tabel 8 bahwa P value> berari kuadra residual posisi jumlah deposio berjangka idak erdapa unsur heeroskedasis. Teapi pada Gambar plo ACF dan PACF erdapa lag yang signifikan yaiu lag ke-4, sehingga diduga kuadra residual dari posisi jumlah deposio berjangka erdapa unsur heerokedasisias. Auocorrelaions Cov Corr Sd Error ******************** **** ***** * ***** * * **** *** *** *** ** ** ** ** ** ** ** Parial Auocorrelaions Correlaion **** **** ****. 0.. ** ***. 0.. *** ** * *. 9. * ** * ** ***. 9. **. Gambar Plo ACF dan Plo PACF Kuadra Residual Posisi Jumlah Deposio Berjangka Tahap selanjunya adalah esimasi dan pengujian parameer model ARCH-GARCH. Esimasi parameer dilakukan dengan menggunakan Maximum Likelihood. Tabel 9 Esimasi Parameer Model ARCH(4) Posisi Jumlah Deposio Berjangka Parameer Esimasi SE hi P-Value Berdasarkan Tabel 9 erliha bahwa P-value< sehingga semua parameernya signifikan dan didapakan model unuk varian sebagai beriku: (38) Seelah mendapakan model yang signifikan, model ersebu digunakan unuk meramalkan varian pada beberapa periode mendaang menggunakan ARCH-GARCH. Hasil peramalan varian adalah sebagai beriku: Tabel 0 Hasil Peramalan Varian dari Kuadra Residual Posisi Jumlah Deposio Berjangka Bulan Ramalan Sandar Deviasi Selang Kepercayaan 9% Baas Baas Aas Bawah Ok Nov Des Jan Dari Tabel 4.0 erliha bahwa sandard deviasi dengan mengunakan ARCH-GARCH lebih kecil dibandingkan dengan sandard deviasi menggunakan fungsi ransfer, sehingga dengan memodelkan varian akan menghasilkan selang kepercayaan yang lebih sempi. Hal ini menunjukkan bahwa hasil peramalan akan mendapakan hasil yang lebih baik jika variance model juga diperimbangkan.
8 . PENUTUP Dari analisa daa dan pembahasan dapa diarik kesimpulan :. Mean model menggunakan fungsi ransfer dengan inpu posisi jumlah deposio adalah: dengan dan Dari hasil model fungsi ransfer ersebu dapa diarikan bahwa indeks harga saham PT HM Sampoerna Tbk pada waku ke- dipengaruhi oleh indeks harga saham sau bulan sebelumnya (-), posisi jumlah deposio berjangka sau sampai dua bulan sebelumnya {(-), (-)}, dan nilai residual ke-.. Variance model menggunakan ARCH-GARCH unuk posisi jumlah deposio berjangka sebagai beriku: Dari hasil model ARCH-GARCH ersebu dapa diarikan bahwa varian dari indeks harga saham PT HM Sampoerna Tbk pada waku ke- dipengaruhi oleh kuadra residual empa bulan sebelumnya (-4). 3. Hasil ramalan indeks harga saham PT HM Sampoerna dengan inpu posisi jumlah deposio berjangka unuk bulan Januari 0 sebesar.9. Hasil peramalan akan mendapakan hasil yang lebih baik jika variance model juga diperimbangkan. Saran yang dapa diberikan pada peneliian berikunya adalah :. Digunakan inpu yang lebih banyak dan variabel yang mungkin diduga sanga berpengaruh agar mendapakan nilai ramalan yang lebih baik dari model sebelumnya.. Memperimbangkan fakor eksernal seperi kondisi poliik dan sosial agar hasil peramalan lebih mendekai akual. 3. Menggunakan daa harian unuk indeks harga saham agar memperkecil error. IHSG di Bursa Efek Surabaya. Jurusan Ilmu Ekonomi dan Sudi Pembangunan Universias Airlangga. Surabaya. [] Indonesia Sock Exchange. 08. Buku Panduan Indeks Harga Saham Bursa Efek Indonesia. Jakara: IDX. [6] Makridakis, S., Wheelwrigh S.C., dan McGee V.E Meode dan Aplikasi Peramalan. Dierjemahkan oleh Sumino, H. Jakara: Binarupa Aksara. [] Sulisiyawai, D. 04. Analisis Fungsi Transfer Muli Inpu dan Arch-Garch pada Daa Indeks Harga Saham PT HM Sampoerna. Jurusan Saisika ITS. Surabaya. [8] Tsay, R. S. 0. Analysis of Financial Time Series. Unied Sae of America: John Wiley and Sons. [9] Wei, W. W. S Time Series Analysis :Univariae and Mulivariae Mehods. Unied Sae of America: Addison-Wesley Publishing Company. DAFTAR PUSTAKA [] Ang, R. 99. Buku Pinar Pasar Modal Indonesia. Firs Ediion. Indonesia : Mediasof Indonesia. [] Bank Indonesia Saisik Ekonomi dan Keuangan Indonesia. Jakara : Bank Indonesia. [3] Bollerslev Generalized Auoregressive Condiional Heeroskedasiciy. Journal of Economerics 3: -3. Norh-Holland. [4] Harono, A Pengaruh Perubahan Suku Bunga Deposio Berjangka, Spread Suku Bunga Perbankan, Posisi Jumlah Deposio Berjangka, Nilai Tukar dan Giro erhadap 8
Peramalan 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 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 terperinciAbstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.
1 Peramalan Volume Produksi Air Bersih di PDAM Kabupaen Bojonegoro berdasarkan Jumlah Pelanggan dan Volume Konsumsi Air Fasha Aulia Pradhani dan Adaul Mukarromah Jurusan Saisika, FMIPA, ITS Jl. Arief Rahman
Lebih terperinciBAB 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 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 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 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 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 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 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 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 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 terperinciPeramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk
Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk Oleh : Dwi Hapsari K (1306 100 015) Dosen Pembimbing : Dra. Karika Firiasari, M.Si 1 Pendahuluan Laar Belakang, Perumusan Masalah, Tujuan
Lebih 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 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 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 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 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 terperinci99.9. Percent maka H 0 diterima, berarti residual normal
Uji residual white noise 2 Lag Q P value 6 3.5 9.49 0.5330 2 6.6 8.3 0.803 8 9.8 26.30 0.9059 24 9.3 33.92 0.6374 K p q Uji residual berdistribusi normal Percent 99.9 99 95 90 80 70 60 50 40 30 20 0 5
Lebih 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 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 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 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 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 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 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 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 terperinci1999 sampai bulan September Data ini diperoleh dari yahoo!finance.
7 999 sampai bulan Sepember 8. Daa ini diperoleh dari yahoo!finance. Meode Langkah-langkah pemodelan nilai harian IHSG secara garis besar dapa diliha pada Lampiran dengan penjelasan sebagai beriku:. Melakukan
Lebih 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 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 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 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 terperinci(T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES
PROSIDING ISSN : 087-590. Seminar Nasional Saisika November 0 Vol, November 0 (T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES Yahya Ubaid ), Budi Nurani R. ), Mulyana K. 3) )Mahasiswa Program
Lebih terperinciBAB 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. 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 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 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 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 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 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 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 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 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 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 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 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 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. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena
Lebih terperinciBAB III METODE PENELITIAN
3. METODE PENELITIAN 3.1. Kerangka Pikir BAB III METODE PENELITIAN Peneliian ini diujukan unuk membukikan adanya hubungan dan pengaruh dari nilai ukar Rupiah erhadap Dollar Amerika Serika (exchange rae),
Lebih terperinciPENGGUNAAN METODE PERAMALAN DALAM ANALISIS NILAI TUKAR RUPIAH TERHADAP DOLAR DENGAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY
PENGGUNAAN METODE PERAMALAN DALAM ANALISIS NILAI TUKAR RUPIAH TERHADAP DOLAR DENGAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY Hermansah Program Sudi Pendidikan Maemaika, Fakulas Keguruan
Lebih terperinciPENGARUH PANJANG DAN LEBAR DATA DEBIT HISTORIS PADA KINERJA MODEL PEMBANGKITAN DATA DEBIT SUNGAI BRANTAS DENGAN METODE ARIMA
PENGARUH PANJANG DAN LEBAR DATA DEBIT HISTORIS PADA KINERJA MODEL PEMBANGKITAN DATA DEBIT SUNGAI BRANTAS DENGAN METODE ARIMA Maskur Efendi ), Widandi Soeopo 2), Piojo Tri Juwono 2) ) Mahasiswa Magiser
Lebih terperinciPERAMALAN 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 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 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 terperinciPENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Studi Kasus: PT Tembaga Mulia Semanan)
Prosiding Seminar Nasional Manajemen Teknologi Program Sudi MMT-ITS, Surabaya 1 Agusus 2009 PENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Sudi Kasus: PT
Lebih terperinciBAB 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 terperinciLULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI
LULIK PRESDITA W 1207 100 002 APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI 1 Pembimbing : Dra. Nuri Wahyuningsih, M.Kes BAB I PENDAHULUAN 2 LATAR BELAKANG 1. Stabilitas ekonomi dapat dilihat
Lebih terperinciPERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk)
Jurnal UJMC, Volume 3, Nomor 1, Hal. 15-0 pissn : 460-3333 eissn : 579-907X ERHITUNGAN VAUE AT RISK (VaR) DENGAN SIMUASI MONTE CARO (STUDI KASUS SAHAM T. X ACIATA.Tbk) Sii Alfiaur Rohmaniah 1 1 Universias
Lebih terperinciPEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA
PEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA Fadil Rahman Hakim, Dr. Ir. Achmad Mauludiyano, MT. Program Sudi Telekomunikasi Mulimedia Jurusan Teknik Elekro Fakulas Teknologi Indusri
Lebih terperinciPeramalan 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 terperinciPENERAPAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (GARCH) DALAM PERAMALAN NILAI TUKAR DOLAR TERHADAP RUPIAH
Penerapan Model Generalized Auoregressive Condiional Heeroscedasic (Garch) PENERAPAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (GARCH) DALAM PERAMALAN NILAI TUKAR DOLAR TERHADAP RUPIAH
Lebih 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 terperinciPERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO
PERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO SKRIPSI Disusun Oleh : SITI LIS INA ATUL HIDAYAH 24010211120006 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciBAB 2 TINJAUAN TEORI
7 BAB 2 TINJAUAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih 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 terperinciPERBANDINGAN MODEL FUNGSI TRANSFER DAN ARIMA STUDI KASUS MODEL ANTARA CURAH HUJAN DENGAN KELEMBABAN UDARA
PERBANDINGAN MODEL FUNGSI TRANSFER DAN ARIMA STUDI KASUS MODEL ANTARA CURAH HUJAN DENGAN KELEMBABAN UDARA Skripsi Sebagai Salah Sau Syara Unuk Memperoleh Gelar Sarjana Sains Fakulas Sains dan Teknologi
Lebih terperinciPemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network
D-378 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (26) 2337-3520 (23-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi pada Plaform MK di PT X Menggunakan Meode ARIMA, Neural Nework, dan Hibrida ARIMA-Neural
Lebih 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 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 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 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 terperinciPENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER
Jurnal Jurnal Muara Sains, Teknologi, Kedokeran, dan Ilmu Kesehaan Vol., No., Okober 07: hlm 97-07 ISSN 579-640 (Versi Ceak) ISSN-L 579-640 (Versi Elekronik) PENENTUAN MODEL INDEKS HARGA SAHAM GAUNGAN
Lebih terperinciPENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER
Sains, Teknologi, Kedokeran, dan Ilmu Kesehaan Vol., No., Aril 07: hlm 8-8 ISSN 579-640 (Versi Ceak) ISSN-L 579-640 (Versi Elekronik) PENENTUAN MODEL INDEKS HARGA SAHAM GAUNGAN (IHSG) MENGGUNAKAN ANALISIS
Lebih terperinciBAB I PENDAHULUAN. Dalam pembicaraan sehari-hari, bank dikenal sebagai lembaga keuangan yang
BAB I PENDAHULUAN 1.1 Laar Belakang Dalam pembicaraan sehari-hari, bank dikenal sebagai lembaga keuangan yang kegiaan uamanya menerima simpanan giro, abungan dan deposio. Kemudian bank juga dikenal sebagai
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN
PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan
Lebih terperinciJurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN
Peramalan Dengan Meode Smoohing dan Verifikasi Meode Peramalan Dengan Grafik Pengendali Moving Range () (Sudi Kasus: Produksi Air Bersih di PDAM Tira Kencana Samarinda) Forecasing wih Smoohing and Verificaion
Lebih terperinciPEMODELAN ARIMA UNTUK KANAL HF LINK MALANG - SURABAYA
PEMODELAN ARIMA UNTUK KANAL HF LINK MALANG - SURABAYA Lissa Rosdiana Noer, Achmad Mauludiyano. Program Sudi Telekomunikasi Mulimedia Jurusan Teknik Elekro Fakulas Teknologi Indusri Insiu Teknologi Sepuluh
Lebih terperinciContagions Effect Kurs 5 Negara ASEAN (Association of Southeast Asian Nations) Menggunakan Vector Autoregressive (VAR)
JURNAL SAINS DAN SENI POMITS Vol. 2, No., (203) 2337-3520 (230-928X Prin) D-8 Conagions Effec Kurs 5 Negara ASEAN (Associaion of Souheas Asian Naions) Menggunakan Vecor Auoregressive (VAR) Mirna Chairany,
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 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 terperinciPendekatan Fungsi Transfer Sebagai Input Adaptive Neuro-Fuzzy Inference System (ANFIS) dalam Peramalan Kecepatan Angin Rata-Rata Harian di Sumenep
JURNL SINS DN SENI ITS Vol., No., (Sep. 0 ISSN: 0-9 D- Pendekaan Fungsi Transer Sebagai Inpu dapive Neuro-Fuzzy Inerence Sysem (NFIS dalam Peramalan Kecepaan ngin Raa-Raa Harian di Sumenep Yulia Nurviasari
Lebih terperinciPROSES AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY DENGAN DUGAAN VARIANSI INFLASI INDONESIA
PROSES AUOREGRESSIVE CONDIIONAL HEEROSCEDASICIY DENGAN DUGAAN VARIANSI INFLASI INDONESIA Rianiai Monica, Suyono, dan Vera Maya Sani Jurusan Maemaika FMIPA UNJ Absrak Model-model runun waku konvensional,
Lebih terperinciANALISIS DATA INFLASI INDONESIA MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DENGAN PENAMBAHAN OUTLIER.
Analisis Daa (Supari) ANALISIS DAA INFLASI INDONESIA MENGGUNAKAN MODEL AUOREGRESSIVE INEGRAED MOVING AVERAGE (ARIMA) DENGAN PENAMBAHAN OULIER Supari 1 dan Alfi Faridaus Sa adah 2 1 Saf Pengajar Jurusan
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan
BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi
Lebih 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 terperinciPENDEKATAN PERAMALAN TINGKAT KONSUMSI MINYAK DI INDONESIA DENGAN MENGGUNAKAN METODE BOX-JENKINS
PENDEKATAN PERAMALAN TINGKAT KONSUMSI MINYAK DI INDONESIA DENGAN MENGGUNAKAN METODE BOX-JENKINS Ari Pani Desvina, Abdur Rahman Siddiq Jurusan Maemaika Fakulas Sains dan Teknologi UIN Suska Riau E-mail:
Lebih terperinciPenerapan Model ARCH/GARCH untuk Peramalan Nilai Tukar Petani ABSTRAK ABSTRACT. Pendahuluan
Jurnal Sains Maemaika dan Saisika, Vol. 4, No., Januari 8 ISSN 46-454 prin/issn 65-8663 online Penerapan Model ARCH/GARCH unuk Peramalan Nilai Tukar Peani Ari Pani Desvina, Inggrid Ocaviani Meijer, Jurusan
Lebih 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 terperinciBab 5 Penaksiran Fungsi Permintaan. Ekonomi Manajerial Manajemen
Bab 5 Penaksiran Fungsi Perminaan 1 Ekonomi Manajerial Manajemen Peranyaan Umum Tenang Perminaan Seberapa besar penerimaan perusahaan akan berubah seelah adanya peningkaan harga? Berapa banyak produk yang
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 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 terperinciKOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES. Abstrak
KOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES Universias Muhammadiyah Purwokero malim.muhammad@gmail.com Absrak Pada persamaan regresi linier sederhana dimana variabel dependen dan variabel independen
Lebih 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 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 terperinciPENERAPAN METODE BOX-JENKINS UNTUK MEMPREDIKSI JUMLAH MAHASISWA UNIVERSITAS ISLAM NEGERI SUSKA RIAU
Jurnal Sains, Teknologi dan Indusri, Vol., No., Desember 4, pp. 8 89 ISSN 693-39 prin/issn 47-939 online PENERAPAN METODE BOX-JENKINS UNTUK MEMPREDIKSI JUMLAH MAHASISWA UNIVERSITAS ISLAM NEGERI SUSKA RIAU
Lebih terperinciBAB 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 terperinciPEMODELAN ARIMAX DAN NEURAL NETWORK UNTUK PERAMALAN DAN DASAR PERENCANAAN INVESTASI NET ASSET VALUE (NAV) EQUITY DI PT. PRUDENTIAL LIFE ASSURANCE
90 Djojonegoro: PEMODELAN ARIMAX DAN NEURAL NETWORK UNTUK PERAMALAN DAN PEMODELAN ARIMAX DAN NEURAL NETWORK UNTUK PERAMALAN DAN DASAR PERENCANAAN INVESTASI NET ASSET VALUE (NAV) EQUITY DI PT. PRUDENTIAL
Lebih terperinciPEMODELAN VOLATILITAS DALAM ANALISIS DATA MAKROEKONOMI STUDI KASUS PADA INFLASI.
Prosiding Seminar Nasional Peneliian, Pendidikan dan Penerapan MIPA Fakulas MIPA, Universias Negeri Yogyakara, 16 Mei 29 PEMODELAN VOLATILITAS DALAM ANALISIS DATA MAKROEKONOMI STUDI KASUS PADA INFLASI.
Lebih terperinciPENERAPAN MODEL VECTOR AUTOREGRESSIVE (VAR) UNTUK PERAMALAN CURAH HUJAN KOTA PEKANBARU
Jurnal Sains, Teknologi dan Indusri, Vol. 11, No., Juni, pp. 151-159 ISSN 93-3 prin/issn 07-0939 online PENERAPAN MODEL VECTOR AUTOREGRESSIVE (VAR) UNTUK PERAMALAN CURAH HUJAN KOTA PEKANBARU 1 Ari Pani
Lebih terperinciDAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Studi Aplikasi Model Intervensi dengan Step Function) 1
DAMPAK PENURUNAN HARGA BBM JENS PREMUM TERHADAP ANGKA NFLAS D KOTA YOGYAKARTA (Sudi Aplikasi Model nervensi dengan Sep Funcion) Kismianini dan Dhoriva Urwaul Wusqa Jurusan Pendidikan Maemaika FMPA Universias
Lebih terperinci