JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-183

Ukuran: px
Mulai penontonan dengan halaman:

Download "JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-183"

Transkripsi

1 JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (3) (2-928X Pri) D-83 Peramala Jumlah Tamu di Hoel X dega Pedekaa Arima, Fugsi Trasfer, da Afis Viy Merlida Hardiaa, ri Susilaigrum da Suharoo Jurusa Saisika, Fakulas MIPA, Isiu Tekologi uluh ember (ITS) Jala Arief Rahma Haki, Surabaya 6 desri_s@saisika.is.ac.id, suharoo@saisika.is.ac.id Absrak Perecaaa yag berkaia dega amu hoel da egujug resaura ada bisis erhoela saga komleks dega resiko yag iggi. Hal ii dikareaka salah sauya aara lai belum adaya sisem erecaaa maajeme yag berladaska kejadia masa lalu. Oleh karea iu, eeliia ii berujua uuk megembagka suau model yag sesuai uuk eramala amu hoel berdasarka ARIMA, Fugsi Trasfer, da ANFIS sera meramalka amu hoel dega meode eramala daa ime series hirarki. yag diguaka adalah daa egujug hoel yag megia da daa egujug resaura ahu 6 samai 2. Hasil eeliia eramala Hirarki meujukka bahwa edekaa erbaik uuk egujug hoel oal adalah edekaa boom-u sedagka uuk egujug macaegara da egujug lokal megguaka edekaa o-dow roorsi eramala model ARIMA da o-dow roorsi daa model ANFIS. Hasil dari aalisis Fugsi Trasfer meujukka bahwa egujug resaura ada saa dier idak memiliki keerkaia dega egujug hoel yag megia. Kaa kuci ANFIS, ARIMA, Fugsi Trasfer, Hirarki, Tamu Hoel B I. PENDAHULUAN idag erhoela meruaka suau bisis yag saga meguugka ada saa ii sehigga dibuuhka erecaaa maajeme yag baik. Perecaaa ada bidag ii saga komleks dega resiko yag iggi. Hal ii dikareaka belum adaya sisem erecaaa maajeme yag berladaska kejadia masa lalu. Hoel adalah salah sau eujag dalam sekor ariwisaa. Hoel meruaka erusahaa yag meyediaka jasa dalam beuk egiaa (akomodasi) sera meyajika beberaa fasilias didalamya uuk umum yag memeuhi syara-syara keyamaa da berujua uuk mecari keuuga []. Bisis di bidag erhoela memuyai adil yag cuku besar erhada eerimaa devisa egara. Karea bayakya wisaawa, baik dari macaegara mauu lokal [2]. Jumlah egujug wisaawa macaegara ke Surabaya semaki meigka. Secara kumulaif wisaawa macaegara yag daag ke Jawa Timur da masuk melalui Badara Juada ada ember 2 aik 6,34% dibadig eriode yag sama ada Tahu [3]. Sudah seaasya hal ii diaisiasi oleh ihak hoel uuk meeuka lagkah selajuya baik maajerial, mauu segi kualias elayaa da jumlah kamar yag ersedia. Meuru Weaherford & Kimes eramala igka huia kamar adalah salah sau kuci kesuk-sesa sisem maajeme edaaa hoel. Hoel X adalah hoel berbiag 4 yag meruaka salah sau hoel erbesar dega lokasi sraegis erleak di egah koa Surabaya. di hoel ii buka saja mereka yag megia eai juga yag memafaaka jasa elayaa hoel seeri resaura. eri kebayaka idusri laiya, idusri erhoela meghadai aaga uuk merumuska erecaaa ke dea []. Adau erecaaa yag dimaksud adalah erecaaa eramala jumlah egujug hoel baik egujug lokal mauu egujug macaegara, da juga erbaika maajeme kualias elayaa resaura. Pada ugas akhir ii, dilakuka eramala hirarki ada daa egujug hoel. egujug hoel daa diadag sebagai daa hirarki karea erbagi mejadi dua, yaiu daa kujuga macaegara da daa kujuga lokal. Pada daa hirarki, daa oal egujug hoel yag megia meruaka daa hirarki level sedagka daa kujuga macaegara da daa kujuga lokal meruaka daa hirarki level. Peramala hirarki ada ugas akhir ii megguaka dua meode eramala yaiu ARIMA (Auoregressive Iegraed Movig Average) da ANFIS (Adaive Neuro Fuzzy Iferece Sysem). Selai iu, meode Fugsi Trasfer diguaka uuk megeahui aakah egujug resaura (dier) diegaruhi oleh egujug yag megia di hoel X. II. TINJAUAN PUSTAKA A. Saisika kriif Saisika deskriif adalah meode-meode yag berkaia dega egumula da eyajia daa sehigga daa memberika iformasi yag bergua [6]. B. Model Auoregressive Iegraed Movig Average (ARIMA) Model ARIMA meruaka gabuga aara model AR da MA dega differecig orde d. Model ARIMA (,d,q) secara umum, yaiu [7]. d B B Z B a () q q B B, B B B dega B q da adalah ierce ada model uuk differece ke-d. Pembuaa model ARIMA daa dilakuka dega megguaka iga rosedur yaiu ideifikasi model, esimasi model da cek diagosa. Ideifikasi model ARIMA daa dilakuka dega meliha lo ime series, ACF da PACF. Plo ACF da PACF diguaka uuk meeuka orde da q dari model ARIMA. Esimasi arameer yag diguaka dalam eeliia ii megguaka codiioal leas square kemudia dilajuka dega uji saisik uuk meeuka arameer sigifika aau idak. Taha cek diagosa meliui residual harus Whie Noise da berdisribusi ormal. Jika model ARIMA idak memeuhi asumsi residual berdisribusi ormal maka salah q

2 JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (3) (2-928X Pri) D-84 sau cara uuk meagaiya adalah dega deeksi oulier. Pada kasus ime series, oulier daa dibedaka mejadi iovaioal oulier (IO), emorary chage (TC), addiive Oulier (AO) da level Shif (LS). Model ARIMA dega oulier secara umum diuliska sebagai beriku [7]. k T B j Z jv j B I j a (2) j B dega adaya oulier ada waku ke-t j, da v j B uuk LS. B, variabel yag meujukka v j B= uuk AO, C. Peramala Hirarki Hirarki ime series memiliki bayak level. Beriku diagram oho uuk srukur level [8]. Pedekaa yag diguaka dalam eramala hirarki, yaiu boom-u, o-dow roorsi hisori da o-dow roorsi eramala. Pejelaska edekaa boom-u megguaka ~ ~ beuk umum Y ( l) SPY ( l) diuliska sebagai beriku. P I (3) mk X ( mmk ) mk Meuru Ahaasooulus e al,erdaa dua jeis edekaa o-dow berdasarka roorsi hisori. Jeis yag erama sebagai beriku. Y j, j, j,..., mk (4) Y Sedagka jeis yag kedua sebagai beriku. Y j, Y j, j,..., mk () Beuk umum uuk medaaka roorsi variabel eramala ke-j uuk l lagkah ke dea ada edekaa odow berdasarka roorsi eramala [8]. K ˆ h Y j, ( l) j, dimaa j=,2,...,m ˆ h k (6) S ( l) l j, D. Fugsi Trasfer Fugsi rasfer diguaka uuk meramalka ilai dari suau dere waku yag berdasar ada ilai masa lalu dari dere iu sediri da didasarka ada sau aau lebih dere waku yag berhubuga dega dere ouu. Beriku model Fugsi Trasfer sigle iu (x ) da sigle ouu (y ) [7]. y v x (7) dimaa : dere ouu yag saioer dere iu yag saioer dere oise b s B Dega v( B) r Sehigga bisa diliha ada ersamaa beriku ii. Tamu lokal y s B Gambar Diagram Poho Hirarki Level Sau aau r b x Gambar 2 Srukur Dasar ANFIS b s B q y x a (9) r dimaa : Jumlah Tamu Dalam membeuk model Fugsi Trasfer ada 4 ahaa, diaaraya ideifikasi beuk model, eaksira arameer model Fugsi Trasfer, uji diagosik model Fugsi Trasfer, egguaa model Fugsi Trasfer uuk eramala. E. Adaive Neuro Fuzzy Iferece Sysem (ANFIS) ANFIS meruaka gabuga Arificial Neural Nework (ANN) da Fuzzy Iferece Sysem (FIS). ANFIS adalah arsiekur yag secara fugsioal sama dega fuzzy rule base model Sugeo [9]. Dua aura ada basis aura model Sugeo, misal erdaa 2 iu x,y da sau ouu f, sebagai beriku. Aura : If x is A ad y is B, he f = x + q x 2 + r Aura 2 : If x is A 2 ad y is B 2, he f 2 = 2 x + q 2 x 2 + r 2 Meuru Kusumadewi da Harai, erhiuga raa-raa erboboi uuk aura w da w 2 sebagai beriku. w y w2 y2 y w y w2 y2 () w w2 Arsiekur ANFIS erdiri aas laisa. Terdaa dua macam ode adaif (bersimbol koak) da ode ea (bersimbol ligkara). III. METODOLOGI PENELITIAN A. Sumber da Variabel Peeliia yag diguaka dalam eeliia ii adalah daa sekuder eag amu hoel da egujug resaura di Hoel X. yag dieroleh meruaka rekaa bulaa dari ahu 6 samai ahu 2. Dalam eeliia ii, aka dilakuka emodela dega meode eramala hirarki berdasarka model ARIMA da ANFIS dega variabel jumlah kujuga macaegara er bula, jumlah kujuga Level Tamu Macaegara (8) Level

3 Auocorrelaio Parial Auocorrelaio Auocorrelaio Parial Auocorrelaio MANCANEGARA JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (3) (2-928X Pri) D-8 lokal er bula, da oal egujug hoel yag megia er bula yag dilambagka Z, Z 2, da Y. Sera emodela Fugsi Trasfer da ANFIS dega variabel oal egujug resaura dier er bula da jumlah egujug yag megia er bula yag dilambagka Y da X. B. kah Aalisis Sebelum melakuka aalisis lebih laju daa dibagi mejadi daa i samle da daa ou samle. i samle diguaka uuk membeuk model da daa ou samle diguaka uuk megevaluasi keeaa model. Taha erama melakuka emodela erhada egujug hoel yag megia dega meode ARIMA & ANFIS. Lalu melakuka eramala dega meode hirarki da membadigka hasil eramala dari kedua meode ersebu berdasarka krieria kebaika model daa ou samle, yaiu RMSE, MAPE, da SMAPE. Selajuya melakuka emodela erhada egujug resaura dega meode Fugsi Trasfer & ANFIS. Seelah dilakuka aalisis uuk kedua meode ersebu dilakuka erbadiga hasil emodela da eramala daa ou samle berdasarka krieria kebaika model daa ou samle, yaiu RMSE, MAPE, da SMAPE. Model yag erbaik yag diguaka uuk eramala diilih berdasarka ilai RMSE, MAPE, da SMAPE erkecil dari hasil erbadiga kedua meode. IV. HASIL DAN PEMBAHASAN A. krisi Tamu Hoel Idikaor yag diguaka dalam eeliia ii, yaiu oal hoel, egujug hoel macaegara, egujug hoel lokal, da egujug resaura dier. Tabel meujukka bahwa bahwa egujug oal meruaka ejumlaha dari egujug macaegara da lokal. Hal ii erliha ada ilai mea yag erdaa ada egujug oal. B. Peramala Tamu Hoel dega Model ARIMA Box- Jekis kah awal yag harus dilakuka adalah melakuka lo ime series. Pada aha ideifikasi emodela ARIMA, asumsi yag harus dieuhi yaiu sasioer dalam varias da mea. Aabila erjadi keidaksasioera dalam daa baik varias mauu mea maka dilakuka rasformasi da differecig Beriku adalah lo ime series uuk daa macaegara. Selajuya adalah melakuka edugaa model awal ARIMA berdasrka lo ACF da PACF. Gambar 4 meujukka bahwa series ada variabel egujug macaegara meujukka ola dies dow uru lamba ada ia 2 lag. Hal ii meujukka erdaa ola musima bulaa ada daa egujug macaegara yag megakibaka daa ersebu idak sasioer dalam mea sehigga dilakuka differecig 2 lag agar daa mejadi sasioer dalam mea. Tabel Saisika kriif Tamu Hoel Variabel Mea S.Dev Miimum Maksimum Toal Macaegara Lokal Dier,,8,6,4,2, -,2 -,4 -,6 -,8 -, Gambar 3. Plo Time Series Hoel Macaegara Gambar 4 Plo ACF Macaegara Plo PACF Macaegara,,8,6,4,2, -,2 -,4 -,6 -,8 -, Gambar ACF Plo Macaegara Differecig PACF Plo Macaegara Differecig Tabel 2 Uji Sigfikasi Parameer Model ARIMA Macaegara Model Esimasi SE T P-value (,,) 2 =,43762,277 3,44, Plo ACF da PACF ada Gambar meujukka ola Tabel 3 Uji Whie Noise da Uji Normalias Model ARIMA Macaegara Model (,,) 2,,8,6,4,2, -,2 -,4 -,6 -,8 -, 2 Whie Noise 2 df P-value 6 3,74, ,36,8486 8, 7, ,7 23,246 Keormala Residual >, cus off di lag 2 sehigga model dugaa yag dieroleh adalah ARIMA (,,) 2. Lalu dilakuka uji residual whie oise. Parameer model ARIMA (,,) 2 elah sigifika karea -value kurag dari,. Selajuya dilakuka cek,,8,6,4,2, -,2 -,4 -,6 -,8 -,

4 JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (3) (2-928X Pri) D-86 diagosa yag meliui uji residual whie oise da berdisribusi ormal. Berdasarka Tabel 3 dikeahui bahwa residual model ARIMA (,,) 2 elah whie oise da berdisribusi ormal. Selajuya melakuka emiliha model erbaik berdasarka krieria emiliha model ada daa ou samle. Model yag erilih adalah yag memiliki ilai RMSE, MAPE da SMAPE erkecil. Beriku adalah ragkuma model erbaik dari seluruh variabel. C. Peramala Hoel yag Megia dega Model ANFIS Peramala ANFIS dilakuka dega kombiasi dari jeis da jumlah membershi fucio. Pada emodela ii, variabel iu yag diguaka adalah lag-lag sigifika ada model ARIMA. Jeis membershi fucio yag diguaka ada variabel egujug macaegara adalah Traesoid dega jumlah membershi fucio 2. Aura yag erbeuk 2 aura yag berasal dari bayakya fugsi keaggoaa diagkaka jumlah variabel iu yaiu 2. Beriku adalah srukur ANFIS variabel egujug macaegara. Gambar 6 meujukka bahwa erdaa 2 arameer oliier da 2 arameer liier. Parameer oliier meruaka arameer remis yag diguaka uuk meghiug deraja keaggoaa ada laisa sau (Fuzzyfikasi) sedagka arameer liier adalah arameer kosekue ada laisa ema. Selajuya, medaaka iisialisasi ilai arameer oliier ada laisa erama sesuai dega jeis fugsi keaggoaa yag diguaka yaiu Traesoid. Nilai arameer oliier uuk variabel egujug macaegara secara maemais sebagai beriku. ( x ) A x,6 223,4,6 44,9 x 44,9 237,6 uuk : x a uuk : a x b uuk : b x c uuk : c x d uuk : x d x 238, 44,8 238, A ( x ) 2 33 x 3 uuk : x a uuk : a x b uuk : b x c uuk : c x d uuk : x d Pada layer, daa iu diubah mejadi deraja keaggoaa dimaa deraja keaggoaa yag erbeuk meruaka ouu ada layer da mejadi iu ada layer 2. Pada layer 2 biasaya diguaka oeraor AND yaiu megguaka oerasi erkalia ada semua iu di layer 2. Tahaa laisa kedua ada ANFIS adalah sebagai beriku.. If ( Z2is A ) he (ouu is w ) 2. If ( Z2is A 2 ) he (ouu is w 2 ) Ouu ada layer 2 mejadi iu ada layer 3 dioasika dega w i dimaa i adalah bayakya aura da adalah bayakya egamaa. Pada layer 3, dilakuka ormalisasi uuk me-daaka ilai ormalized firig sregh yag dioasika dega w. Selajuya, ada layer 4 dihiug ilai coseque arameer aau arameer liier megguaka meode leas square. Ouu erakhir ada layer adalah daa ramala yag meruaka jumlaha dari semua iu ada layer 4. Tabel 4 Ragkuma Krieria Model Terbaik Variabel Tamu Hoel Berdasarka RMSE, MAPE, da SMAPE Variabel Model RMSE MAPE SMAPE ARIMAX Toal (,,) 78,36,32 6,96 ARIMA Macaegara (,,) 2 6,,48, ARIMAX 298,63,4 6,6 Lokal Dier (,,) ARIMA ([,3],,) 428,2 9, 9,33 Gambar 6 Srukur ANFIS Macaegara,,,, Gambar 7 Plo Nilai SMAPE Per Taha Pedekaa Boom-U Toal Tabel 7 Proorsi dega Megguaka Hisori Proorsi edekaa To-dow () ARIMA ANFIS Proorsi edekaa To-dow (2) Macaegara,9, Lokal,99,99 (j) Terdaa 2 fugsi Z dega coseque arameer akhir hasil ierasi.. () Z,669Z 2 4, (2) Z,79Z 2 6, 8 Sehigga model ramala yag dieroleh megguaka meode ANFIS secara maemais diulis sebagai beriku. D. Meode Peramala Time Series Hiraki Pada edekaa boom-u, medaaka eramala daa hirarki level dega mejumlahka eramala ada daa hirarki level dari model eramala ARIMA da ANFIS yag elah dijelaska sebelumya. Nilai SMAPE er aha dega edekaa boom-u diamilka dalam Gambar 7. Pedekaa kedua ada meode eramala daa ime series hirarki adalah edekaa o-dow dega roorsi hisori. Beriku adalah roorsi eramala daa hisori. Peramala level dilakuka dega memecah eramala level megguaka roorsi ada Tabel 7. Pada eeliia ii megguaka roorsi hisori daa Tahu, raa-raa daa Tahu 6-, da daa Tahu 6- dega idak megasumsika roorsi seia bulaya sama. Perhiuga erhada ilai SMAPE er aha dari kedua model eramala sebagai beriku. Dari Gambar 8 dikeahui bahwa uuk eramala er aha ada bula i-ember 2, edekaa yag memiliki ilai SMAPE alig kecil uuk model ARIMA

5 JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (3) (2-928X Pri) D-87 adalah o-dow dega roorsi (2) sedagka ada bula ember adalah e-dekaa dega roosi daa ahu 6- (). Berdasarka Gambar 8, ada bula i 2 yag memiliki ilai SMAPE erkecil adalah edekaa o-dow dega roorsi (2) da uuk bula us- ember daa diliha ada Gambar 8. Pedekaa keiga adalah edekaa To-Dow dega roorsi eramala. Beriku adalah lo ilai SMAPE er aha. Dari keiga edekaa ersebu, kemudia dilakuka erbadiga dari keigaya berdasarka ilai SMAPE erkecil uuk l lagkah ke dea. Berdasarka Gambar eramala ada bula i samai us 2 yag memiliki ilai SMAPE erkecil adalah edekaa o-dow roorsi (2) sedagka eramala ada bula ember samai ember 2 megguaka edekaa roorsi eramala. Dari Gambar daa dikeahui bahwa edekaa o-dow roorsi (2) memiliki ilai SMAPE erkecil ada bula i, us, ember 2, Sedagka ada bula ober 2 edekaa dega SMAPE erkecil adalah o-dow roorsi daa. Bula ember da ember 2 megguaka edekaa o-dow roorsi () daa 6-. E. Model Fugsi Trasfer Taha erama uuk medaaka model Fugsi Trasfer adalah rewhieig dere iu da dere ouu. Pada eeliia ii megguaka daa egujug resaura dier. Beriku ii rewhieig dere iu melalui ersamaa. (,332B) x Sehigga rewhieig uuk dere ouu adalah sebagai beriku. (,332B) y Selajuya megideifikasi model awal berdasarka ilai b,r,s yag didaa dari lo korelasi silag aau CCF lo. Hasil yag didaaka dari ideifikasi ilai b,r,s ada egujug resaura dier adalah seeri ada Gambar. Terliha bahwa idak erdaa lag yag keluar baas ariya ilai b,r,s idak daa diideifikasi. Hal ii daa diarika bahwa idak ada keerkaia aara egujug resaura dier da egujug hoel. F. Pegguaa Meode Forecasig uuk Peramala TamuHoel Seelah melakuka egujia dega model ARIMA da ANFIS sera melakuka eramala dega meode eramala hirarki maka didaaka eramala amu hoel uuk bula uari samai ember 3 yag daa diliha ada Tabel To-dow Proorsi () To-dow Proorsi (2) Proorsi Proorsi Raa-raa 6- Proorsi () daa 6- Proorsi (2) daa To-dow Proorsi () To-dow Proorsi (2) Proorsi Proorsi Raa-raa 6- Proorsi () daa 6- Proorsi (2) daa 6- Gambar 8 Plo Nilai SMAPE Per Taha Pedekaa To-Dow Proorsi Peramala Macaegara dega ARIMA Plo Nilai SMAPE Per Taha Pedekaa To-Dow Proorsi Peramala Macaegara dega ANFIS ARIMA ANFIS Gambar 9 Plo Nilai SMAPE Per Taha Pedekaa To-Dow Proorsi Peramala Macaegara To-dow Proorsi () To-dow Proorsi (2) Proorsi Proorsi Raa-raa 6- Proorsi () daa 6- Proorsi (2) daa 6- Proorsi Peramala Boom-U To-dow Proorsi () To-dow Proorsi (2) Proorsi Proorsi Raa-raa 6- Proorsi () daa 6- Proorsi (2) daa 6- Proorsi Peramala Boom-U Gambar Plo Nilai SMAPE Per Taha Peramala Time Series Hirarki Macaegara Model ARIMA Plo Nilai SMAPE Per Taha Peramala Time Series Hirarki Macaegara Model ANFIS Crosscorrelaios Covariace Correlaio ** * ** * ** ** ** *** * * * *. Gambar Plo CCF aara Hoel Toal da Dier Tabel 8. Hasil Ramala Variabel Hoel yag Megia da Resaura Periode 3 Periode Hasil Ramala (3) Toal Macaegara Lokal Dier uari ruari e il Jui i us ember ober ember ember Berdasarka hasil ramala ada Tabel 8, selajuya membua lo dari hasil ramala seeri yag diujukka ada Gambar 2. Gambar 2 meruaka visualisasi

6 JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (3) (2-928X Pri) D-88 ramala egu-jug hoel oal ada ahu 3. Terliha bahwa egujug ada ahu 3 aka megalami eurua eruama di bula ober 3. Sehigga ihak maajeme hoel harus memersiaka romosi aau eve uuk mearik egujug lebih bayak. Teai egujug ada bula ember 3 aka megalami keaika sehigga ihak maajeme hoel harus membua keuusa maajerial seeri memersiaka suly baha makaa, jumlah egawai hoorer, da eigkaa kualias elayaa sehigga egujug merasa yama da uas dega elayaa yag diberika da bisa mejadi egujug hoel ea. Gambar 2 meruaka visualisasi dari ramala egujug hoel macaegara ada ahu 3. hoel macaegara yag diramalka idak jauh berbeda dega ahu-ahu sebelumya dimaa egujug aka megalami keaika seia akhir ahu sehigga uuk egujug macaegara belum memerluka keuusa maajerial ereu da aalisis ramala egujug hoel macaegara daa meg-ikui aalisis ramala dari egujug hoel oal. Ramala 3 egujug hoel lokal daa diliha ada Gambar 2 (c). Terliha bahwa ada bula uari 3 egujug hoel lokal megalami keaika aka eai erus megalami eurua samai bula ember 3. Sehigga ihak hoel harus lebih gia melakuka romosi aau eve uuk mearik egujug lokal lebih bayak. Selai melakuka romosi, ihak hoel juga harus melakuka erecaaa house keeig yag lebih baik agar idak erjadi kodisi dimaa egujug idak merasa yama. Gambar 2 (d) memerlihaka ramala egujug resaura ada saa dier. Daa diliha ada awal ahu egujug resaura ada saa dier saga iggi sehigga ihak hoel khususya maajeme food ad beverage harus memersiaka suly baha makaa da melakuka cek kierja egawai resaura agar kualias elayaa yag diberika ea baik. Teai egujug megalami euru-a ada bula-bula selajuya sehigga ihak maajeme hoel bisa melakuka romosi aau eve uuk resaura seeri eyewaa resaura uuk erayaa weddig ary, erayaa ulah, da sebagaiya. V. KESIMPULAN Pada eramala daa ime series hirarki berdasarka model ARIMA daa dikeahui edekaa yag erbaik uuk seia variabel di level da dega membadigka SMAPE ou samle erkecil. Pedekaa erbaik di level uuk egujug hoel oal adalah edekaa boom-u. Sedagka edekaa erbaik di level uuk egujug hoel macaegara da egujug hoel lokal adalah edekaa o-dow roorsi eramala da edekaa boom-u. Berdasarka model ANFIS, edekaa erbaik di level uuk egujug hoel oal adalah edekaa boom-u. Sedagka edekaa erbaik di level uuk egujug hoel macaegara da egujug Hoel Toal Hoel Lokal Ju Ju (c) Hoel Macaegara Ju Ju Resaura Dier Gambar 2 Plo Ramala uari samai ember 3 Hoel Toal Hoel Macaegara (c) Hoel Lokal (d) Resaura Dier hoel lokal adalah edekaa o-dow roorsi daa ahu 6- () da edekaa o-dow roorsi (2). Pada aalisis Fugsi Trasfer uuk daa egujug resaura dier, ilai b,r,s ada crosscorrelaio lo idak daa diideifikasi karea idak erdaa lag yag keluar. Sehigga daa diarika bahwa egujug resaura dier idak memiliki keerkaia dega dega egujug hoel. DAFTAR PUSTAKA [] Susai, L. 4. Aalisis Tigka Keuasa Kosume Terhada Kualias Pelayaa (Sudi Kasus : Hoel Sofya Beawi, Meeg Jakara). Skrisi. Jurusa Maajeme. Fakulas Ekoomi da Maajema. Isiu Peraia Bogor. [2] Raharjo, D.R. (). Pegaruh Kualias Layaa Terhada Keuasa Kosume ada Hoel Wea Surabaya. Skrisi. Jurusa Maajeme. Fakulas Ekoomi. Uiversias Pembagua Nasioal Veera Surabaya. [3] Aoim. Jumlah Wisaawa Macaegara melalui Badara Juada. Komifo Jaim. Diakses aggal 24 jauari 3, ukul 7. wib. [4] Weaherford, L.R. & Kimes, S.E. (3). A Comariso of Forecasig Mehods for Hoel Reveue Maageme. Ierasioal Joural of Forecasig [] Lim, C., Chag, C. & McAleer, M. 9. Forecasig H(M)oel Gues Nighs i New Zealad. Ieraioal Joural of Hosialiy Maageme [6] Walole, E Roald.99. Pegaar Saisika Edisi Keiga. Jakara: PT. Gramedia Pusaka Uama. [7] Wei, W.W.S. 6. Time Series Aalysis Uivariae ad Mulivariae Mehod. Caada : Addiso Wesley Publishig Comay, Ic. [8] Ahaasooulos, G., Ahmed, R. A. & Hydma, R. J. (9). Hierarchical forecass for Ausralia Domesic Tourism. Ieraioal Joural of Forecasig (), [9] Kusumadewi, S., da Harai, S. 6. Neuro-Fuzzy Iegrasi Sisem Fuzzy da Jariga Syaraf. Yogyakara: Graha Ilmu. (d)

PERAMALAN JUMLAH TAMU DI HOTEL X DENGAN PENDEKATAN ARIMA, FUNGSI TRANSFER, DAN ANFIS 1 Vinny Merlinda Hardiana, 2 Destri Susilaningrum dan 3 Suhartono

PERAMALAN JUMLAH TAMU DI HOTEL X DENGAN PENDEKATAN ARIMA, FUNGSI TRANSFER, DAN ANFIS 1 Vinny Merlinda Hardiana, 2 Destri Susilaningrum dan 3 Suhartono PERAMALAN JUMLAH TAMU DI HOTEL X DENGAN PENDEKATAN ARIMA, FUNGSI TRANSFER, DAN ANFIS Viy Merlida Hardiaa, 2 ri Susilaigrum da 3 Suharoo Jurusa Saisika, Fakulas MIPA, Isiu Tekologi uluh ember (ITS) Jala

Lebih terperinci

Prediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki

Prediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki JURNAL SAINS DAN SENI POMITS Vol. 3, No., (4) 337-35 (3-98X Pri) D-34 Sepeda Moor Merek X Di Kabupae Da Koamadya Malag Dega Meode Peramala Hierarki Rika Susai, Desri Susilaigrum, da Suharoo Jurusa Saisika,

Lebih terperinci

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-266

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-266 JURNAL SAINS DAN SENI ITS Vol., No., () 337-3 (3-9X Pri) D-66 Peramala Ideks Harga Saham Perusahaa Fiasial LQ Megguaka Meode Auoregressive Iegraed Movig Average (ARIMA) da Vecor Auoregressive (VAR) Rivai

Lebih terperinci

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala

Lebih terperinci

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN Nomi Kelari *, Hasriai 2, Musraii 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa

Lebih terperinci

PERAMALAN INFLASI MENGGUNAKAN PENDEKATAN GABUNGAN ANTARA FUNGSI TRANSFER DAN INTERVENSI DENGAN DETEKSI OUTLIER

PERAMALAN INFLASI MENGGUNAKAN PENDEKATAN GABUNGAN ANTARA FUNGSI TRANSFER DAN INTERVENSI DENGAN DETEKSI OUTLIER Semiar Hasil Tugas Akhir PERAMALAN INFLASI MENGGUNAKAN PENDEKATAN GABUNGAN ANTARA FUNGSI TRANSFER DAN INTERVENSI DENGAN DETEKSI OUTLIER TAHIRA ETA ADISTI (1309100108) Pembimbig: Dr. SUHARTONO, S. Si, M.

Lebih terperinci

Prediksi Penjualan di Perusahaan Ritel dengan Metode Peramalan Hirarki Berdasarkan Model Variasi Kalender

Prediksi Penjualan di Perusahaan Ritel dengan Metode Peramalan Hirarki Berdasarkan Model Variasi Kalender JURNAL SAINS AN SENI POMITS Vol. 2, No., (23) 2337-352 (23-928X Pri) -54 Prediksi Peuala di Perusahaa Riel dega Meode Peramala Hirarki Berdasarka Model Variasi Kaleder Puspia Karikasari da Suharoo Jurusa

Lebih terperinci

Peramalan Temperatur Udara di Kota Surabaya dengan Menggunakan ARIMA dan Artificial Neural Network

Peramalan Temperatur Udara di Kota Surabaya dengan Menggunakan ARIMA dan Artificial Neural Network JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 202) ISSN: 230-928X D-8 Peramala Temperaur Udara di Koa Surabaya dega Megguaka ARIMA da Arificial Neural Nework Ali Machmudi da Brodol S. S. Ulama Jurusa Saisika,

Lebih terperinci

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Widya Tekika Vol.18 No.2; Okober 2010 ISSN 1411 0660: 1-6 Absrak STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Arie Resu Wardhai 1), Salvador Mauel Pereira 2) Perusahaa sepau da sadal House of Mr.

Lebih terperinci

Jurnal Rekursif, Vol. 3 No. 1 Maret 2015, ISSN

Jurnal Rekursif, Vol. 3 No. 1 Maret 2015, ISSN Jural Rekursif, Vol 3 No Mare 05, ISSN 303-0755 PERBANDINGAN KEAKURATAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DAN EPONENTIAL SMOOTHING PADA PERAMALAN PENJUALAN SEMEN DI PT SINAR ABADI

Lebih terperinci

Pemodelan Indeks Harga Saham Gabungan (IHSG), Kurs, dan Harga Minyak Dunia dengan Pendekatan Vector Autoregressive

Pemodelan Indeks Harga Saham Gabungan (IHSG), Kurs, dan Harga Minyak Dunia dengan Pendekatan Vector Autoregressive JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 0) ISSN: 30-98X D-87 Pemodela Ideks Harga Saham Gabuga (IHSG), Kurs, da Harga Miyak Duia dega Pedekaa Vecor Auoregressive Dimas Okky.S da Seiawa Jurusa Saisika,

Lebih terperinci

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala Meode peramala merupaka bagia dari ilmu Saisika. Salah sau meode peramala adalah dere waku. Meode ii disebu sebagai meode peramala dere waku karea memiliki kareserisik

Lebih terperinci

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di 8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,

Lebih terperinci

MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR

MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais Pada Jurusa Maemaika Oleh :

Lebih terperinci

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne

Lebih terperinci

TUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI

TUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI MODEL TIME SERIES UNTUK PERAMALAN TINGKAT PENJUALAN JENIS BAHAN BAKAR MINYAK (BBM) DI STASIUN PENGISIAN BAHAN BAKAR UNTUK UMUM (SPBU) ARIFIN ACHMAD-PEKANBARU TUGAS AKHIR Diajuka sebagai Salah Sau Syara

Lebih terperinci

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data III. METODE KAJIAN 1. Lokasi da Waku Lokasi kajia berempa uuk kelompok dilaksaaka di kelompok peeraka sapi di Bagka Tegah, Provisi Bagka Beliug, da Kelompok Peeraka Sapi di Cisarua, Bogor, Provisi Jawa

Lebih terperinci

Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk

Peramalan 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 terperinci

Pemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network

Pemodelan 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 terperinci

BAB METODOLOGI. Bab 2 Metodologi berisikan :

BAB METODOLOGI. Bab 2 Metodologi berisikan : BAB METODOLOGI Bab Meodologi berisika :.. Pegambila Sampel.. Peramala Nilai Iflasi melalui Ideks Harga Kosume Megguaka Meode ARIMA.3. Akumulasi Prese Value melalui Buga Sederhaa dalam Perhiuga Harga Barag

Lebih terperinci

PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR. Oleh:

PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR. Oleh: PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR Diajuka sebagai Salah Sau Syara uuk Memperoleh Gelar Sarjaa Sais pada Jurusa Maemaika

Lebih terperinci

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN PERENCNN JUMLH PRODUK MENGGUNKN METODE FUZZY MMDNI BERDSRKN PREDIKSI PERMINTN Nama Mahasiswa : Norma Edah Haryai NRP : 1207 100 031 Jurusa : Maemaika FMIP-ITS Dose Pembimbig : Drs. I G N Rai Usadha, M.Si

Lebih terperinci

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi. . Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis

Lebih terperinci

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA Oleh : Liviani Nursia 307030040 Dosen Pembimbing: Dr. Brodjol Suijo S.U, MSi Laar Belakang

Lebih terperinci

BAB II TINJAUAN PUSTAKA. pengantar metode ARIMA Box Jenkins dan analisis spektral.

BAB II TINJAUAN PUSTAKA. pengantar metode ARIMA Box Jenkins dan analisis spektral. BAB II TINJAUAN PUSTAKA. Pedahulua Pada Bab II aka dijelaska pegeria pegeria da eori dasar yag diguaka sebagai ladasa pembahasa pada bab selajuya. Teori yag aka dibahas pada Bab II ii secara garis besar

Lebih terperinci

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Prosidig SPMIPA. pp. 57-6. 6 ISBN : 979.74.47. PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Sri Rahayu, Taro Jurusa Maemaika FMIPA UNDIP Semarag Jl. Prof. Soedaro, Kampus UNDIP Tembalag,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 18 BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala ( Forecasig ) Peramala ( forecasig ) adalah kegiaa megisemasi apa yag aka erjadi pada masa yag aka daag. Peramala diperluka karea adaya perbedaa kesejaga waku

Lebih terperinci

MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012

MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012 MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012 Julia Nahar 1 1 Uiversias Padjadjara, Jala Raya Badug-Sumedag km 21,Jaiagor

Lebih terperinci

APLIKASI PERAMALAN PENJUALAN KOSMETIK DENGAN METODE ARIMA

APLIKASI PERAMALAN PENJUALAN KOSMETIK DENGAN METODE ARIMA APIKASI PERAAAN PENJUAAN KOSETIK DENGAN ETODE ARIA Alexader Seiawa, Adi Wibowo, Suiso Wiaya 3,,3 Jurusa Tekik Iformaika, Fakulas Tekologi Idusri, Uiversias Krise Pera Jl. Siwalakero 3 Surabaya 6036, Tel.

Lebih terperinci

metodologi penelitian

metodologi 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 terperinci

*Corresponding Author:

*Corresponding Author: Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion

Lebih terperinci

Model ARIMAX Dan Deteksi GARCH Untuk Peramalan Inflasi Kota Denpasar Tahun 2014

Model 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

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER

PENENTUAN 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 terperinci

TINGKAT PENJUALAN SEPEDA MOTOR SUZUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES

TINGKAT PENJUALAN SEPEDA MOTOR SUZUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES FORECASTING TINGKAT PENJUALAN SEPEDA MOTOR SUUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES AUTOREGRESSIVE TUGAS AKHIR Diajuka sebagai Salah Sau Syara uuk Memperoleh

Lebih terperinci

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER

PENENTUAN 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 terperinci

Abstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.

Abstrak 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 terperinci

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN 085-789 Peramala Jumlah Peduduk Koa Samarida Dega Megguaka Meode Pemulusa Ekspoesial Gada da Tripel Dari Brow Forecasig he Populaio of he Ciy of Samarida

Lebih terperinci

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER. Muflih Rori Putra Harahap

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER. Muflih Rori Putra Harahap ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER Muflih Rori Pura Harahap 30 00 052 Pembimbing : Dr. Drs. Agus Suharsono, M.S. LATAR BELAKANG PENDAHULUAN

Lebih terperinci

BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR

BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR Bulei Ilmia Ma. Sa. da Teraaa (Bimaser) Volume 6, No. 0(07), al 8. BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR Umi Salma, Mariaul Kifia, Frasiskus Fra INTISARI Beuk kaoik

Lebih terperinci

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Bulei Ilmiah Ma.Sa. da Terapaya (Bimaser) Volume 06, No. (07), hal -0. MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Ermawai, Helmi, Frasiskus

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara 50.7 4.3770 6.7547 6.7547 4.4 48.6965 R4.7 36.3 N8 TOL 0..70 35.9497 36.3.99 50.7 94.338 6.89 3.5 6.75 7.567 36.0 6.4837 57.396 8.783 66.0384 5.337 37.006 3.568 PISAU POTONG AISI D SEPUH No Qy NAME MATERIAL

Lebih terperinci

Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline ABSTRAK

Pemodelan 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 terperinci

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS Modul ke: 06Fakulas EKONOMI DAN BISNIS EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI Program Sudi Akuasi Idik Sodiki,SE,MBA,MM Krieria Kepuusa Ivesasi aau Pegaggara Modal o Beberapa krieria yag aka diperguaka

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara Uiversias Sumaera Uara BAB 2 LANDASAN TEORI Ladasa eori ii merupaka hasil dari ijaua lieraur-lieraur yag ada kaiaya dega meode-meode peramala maupu dega koeks laiya dalam peulisa Tugas Akhir ii. Adapu

Lebih terperinci

Analisis Peramalan Kombinasi Terhadap Jumlah Permintaan Darah di Surabaya (Studi Kasus: UDD PMI Kota Surabaya)

Analisis Peramalan Kombinasi Terhadap Jumlah Permintaan Darah di Surabaya (Studi Kasus: UDD PMI Kota Surabaya) JURNAL STATISTIKA Vol., No., () 5 Analisis Peramalan Kombinasi Terhada Jumlah Perminaan Darah di Surabaya (Sudi Kasus: UDD PMI Koa Surabaya) Winda Eka F., Ir. Dwiamono Agus W.,MIKom Jurusan Saisika, FMIPA,

Lebih terperinci

Peramalan Inflasi Nasional Berdasarkan Faktor Ekonomi Makro Menggunakan Pendekatan Time Series Klasik dan ANFIS

Peramalan 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 terperinci

Rumus-rumus yang Digunakan

Rumus-rumus yang Digunakan Saisika Uipa Surabaya 4. Sampel Tuggal = Rumus-rumus yag Diguaka s..... Sampel berkorelasi D D N N N...... 3. Sampel Bebas a. Uuk varias sama... 3 aau x x s g... 4 b. Sampel Heeroge Guaka Uji Corha - Cox

Lebih terperinci

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosidig Semiar Nasioal Sais da Pedidika Sais IX, Fakulas Sais da Maemaika, UKSW Salaiga, Jui 4, Vol 5, No, ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN

Lebih terperinci

MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dadan Kusnandar, Naomi Nessyana Debataraja

MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dadan Kusnandar, Naomi Nessyana Debataraja Bulei Ilmiah Mah. Sa. da Terapaya (Bimaser) Volume 07, No. (018), hal 77 84. MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dada Kusadar, Naomi Nessyaa

Lebih terperinci

Cara uji butiran agregat kasar berbentuk pipih, lonjong, atau pipih dan lonjong

Cara uji butiran agregat kasar berbentuk pipih, lonjong, atau pipih dan lonjong Cara uji buira agrega kasar berbeuk iih, lojog, aau iih da lojog RSNI T-0-005 Ruag ligku Sadar ii meeaka kaidah da aa cara eeua ersease dari buira agrega kasar berbeuk iih, lojog, aau iih da lojog. Pegujia

Lebih terperinci

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap

Lebih terperinci

BAB III TINJAUAN PUSTAKA

BAB III TINJAUAN PUSTAKA BAB III TINJAUAN PUSTAKA 3.1. Defiisi Peramala Peramala adalah proses uuk memperkiraka berapa bayak kebuuha dimasa medaag yag melipui kebuuha dalam ukura kuaias, kualias, waku da lokasi yag dibuuhka dalam

Lebih terperinci

Prediksi Permintaan BBM di PT. Pertamina Region V dengan Metode Peramalan Data Time Series Hirarki

Prediksi 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 terperinci

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI 5/4/0 INTERVAL KEPERCAYAAN Poulai θ= μ,, π PENDAHULUAN amlig amel θˆ=,, KANIA EVITA DEWI Peakira arameer ada cara:. Peakira iik. Peakira ierval aau ierval keercayaa PENAKSIRAN TITIK Peakira iik -> Jika

Lebih terperinci

Pemodelan ARIMA Dalam Prediksi Penumpang Pesawat Terbang Pada Bandara Internasional Sam Ratulangi Manado

Pemodelan ARIMA Dalam Prediksi Penumpang Pesawat Terbang Pada Bandara Internasional Sam Ratulangi Manado Pemodelan ARIMA Dalam Prediksi Penumang Pesawa Terbang Pada Bandara Inernasional Sam Raulangi Manado Sinnyo H.A. Salmon, Nelson Nainggolan 2, Djoni Haidja 3 Program Sudi Maemaika, FMIPA, UNSRAT, sinnyosalmon@ymail.com

Lebih terperinci

Peramalan Pengguna Kapal Ferry Ujung-Kamal dengan Metode Intervensi

Peramalan 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 terperinci

Peramalan Jumlah Pengunjung Domestik dan Mancanegara di Maharani Zoo & Goa Menggunakan ARIMA Box - Jenkins

Peramalan 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 terperinci

PENERAPAN METODE EXPONENTIAL SMOOTHING DALAM MEMPREDIKSI JUMLAH SISWA BARU (STUDI KASUS: SMK PEMDA LUBUK PAKAM)

PENERAPAN METODE EXPONENTIAL SMOOTHING DALAM MEMPREDIKSI JUMLAH SISWA BARU (STUDI KASUS: SMK PEMDA LUBUK PAKAM) Jural Pelia Iformaika, Volume 16, Nomor 3, Juli 2017 IN 2301-9425 (Media Ceak) PENERAPAN METODE EXPONENTIAL MOOTHING DALAM MEMPREDIKI JUMLAH IWA BARU (TUDI KAU: MK PEMDA LUBUK PAKAM) Kuriagara Mahasiswa

Lebih terperinci

V. PENGUJIAN HIPOTESIS

V. PENGUJIAN HIPOTESIS V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska

Lebih terperinci

BAB II KAJIAN PUSTAKA. dalam waktu (Hanke&Winchern, 2005: 58). Metode time series adalah metode

BAB II KAJIAN PUSTAKA. dalam waktu (Hanke&Winchern, 2005: 58). Metode time series adalah metode BAB II KAJIAN PUSTAKA A. Time Series Time series aau ruu wau adalah himpua observasi daa eruru dalam wau (Hae&Wicher, 005: 58). Meode ime series adalah meode peramala dega megguaa aalisa pola hubuga aara

Lebih terperinci

METODOLOGI. Waktu dan Tempat. Alat dan Bahan

METODOLOGI. Waktu dan Tempat. Alat dan Bahan METODOLOGI Waku da Tempa Peeliia merupaka desk sudy dega megguaka daa sekuder da pegolaha daa dilakuka di Laboraorium Klimaologi Depareme Geofisika da Meeorologi, Fakulas Maemaika da Ilmu Pegeahua Alam,

Lebih terperinci

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun

Pemodelan 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 terperinci

PERAMALAN HARGA SAHAM SYARI AH RUPIAH EQUITY FUND PT. PRUDENTIAL LIFE INSURANCE PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR.

PERAMALAN HARGA SAHAM SYARI AH RUPIAH EQUITY FUND PT. PRUDENTIAL LIFE INSURANCE PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR. PERAMALAN HARGA SAHAM SYARI AH RUPIAH EQUITY FUND PT. PRUDENTIAL LIFE INSURANCE PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais pada

Lebih terperinci

PERAMALAN 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 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 terperinci

PENGGUNAAN BOOTSTRAP DATA DEPENDEN UNTUK MEMBANGUN SELANG KEPERCAYAAN PADA PARAMETER MODEL PERAMALAN DATA STASIONER

PENGGUNAAN BOOTSTRAP DATA DEPENDEN UNTUK MEMBANGUN SELANG KEPERCAYAAN PADA PARAMETER MODEL PERAMALAN DATA STASIONER JURNAL TEKNIK INDUSTRI VOL. 8, NO., JUNI 2006: 54-60 PENGGUNAAN BOOTSTRAP DATA DEPENDEN UNTUK MEMBANGUN SELANG KEPERCAYAAN PADA PARAMETER MODEL PERAMALAN DATA STASIONER Siaa Halim, Herma Mallia Jurusa

Lebih terperinci

MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BOX-JENKINS. OLEH : SHANTIKA MARTHA, S.Si NIP

MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BOX-JENKINS. OLEH : SHANTIKA MARTHA, S.Si NIP MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BO-JENKINS OLEH : SHANTIKA MARTHA, S.Si NIP. 9840308008003 UNIVERSITAS TANJUNGPURA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM JURUSAN MATEMATIKA

Lebih terperinci

B. DESKRIPSI SINGKAT MATA KULIAH

B. DESKRIPSI SINGKAT MATA KULIAH A. IDENTITAS MATA KULIAH Nama Maa Kuliah : Kalkulus 1 Kode Maa Kuliah : MUG1A4 SKS : 4 (empa) Jeis : Maa kuliah wajib Jam pelaksaaa : Taap muka di kelas = 4 jam per peka Tuorial/ resposi Semeser / Tigka

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii merupaka peeliia kuaiaif dega megguaka meode eksperime. Desai peeliia ii megguaka ru experime desig beuk desai poses oly corol desig yaki meempaka

Lebih terperinci

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 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 terperinci

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan 30 B A B III METODE PENELITIAN 3. Peeapa Lokai da Waku Peeliia Objek peeliia dalam peeliia ii adalah megaalii perbadiga harga jual produk melalui pedekaa arge pricig dega co-plu pricig pada oko kue yag

Lebih terperinci

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA Laar Belakag Masalah Semaki berambah pesaya pembagua dibidag kosruksi maka meyebabka meigka pula kebuuha aka meerial-maerial

Lebih terperinci

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER STATISTIK CUKUP Oleh: Ramayai Rizka M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula

Lebih terperinci

KAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN

KAJIAN 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 terperinci

BAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang.

BAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang. BAB 3 LANDASAN TEORI 3. Peramala 3.. Defiisi Peramala Peramala adalah perkiraa probabilisik aau peggambara dari ilai aau kodisi di masa depa. Asumsi yag umum dipakai dalam peramala adalah pola masa lampau

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii ergolog peeliia komparasioal, yaiu peeliia yag dilaksaaka uuk megeahui ada idakya perbedaa aar variabel yag sedag dielii. Jika perbedaa iu memag

Lebih terperinci

Pemodelan Pencemaran Udara Menggunakan Metode Vector Autoregressive (Var) di Provinsi Riau

Pemodelan Pencemaran Udara Menggunakan Metode Vector Autoregressive (Var) di Provinsi Riau Pemodela Pecemara Udara Megguaka Meode Vecor Auoregressive (Var) di Provisi Riau Ari Pai Desvia 1, Maryam Julliaa D 2 Jurusa Maemaika, Fakulas Sais da Tekologi, UIN Sula Syarif Kasim Riau Jl. HR. Soebraas

Lebih terperinci

Prediksi Penjualan Sepeda Motor Honda di Kabupaten dan Kotamadya Malang dengan Metode Peramalan Hierarki. Oleh : Rika Susanti

Prediksi 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 terperinci

Oleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes

Oleh: 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 terperinci

ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI

ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 009 XV-1 ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Muhammad Sjahid Akbar, Jerry Dwi Trijoyo

Lebih terperinci

Analisis Peramalan Jumlah Penumpang Kereta Api Penataran Tujuan Surabaya-Malang

Analisis 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 terperinci

MODEL ARIMA(0,1,1) UNTUK PERAMALAN JUMLAH NASABAH PADA PT. PRUDENTIAL LIFE INSURANCE KOTA PEKANBARU TUGAS AKHIR

MODEL ARIMA(0,1,1) UNTUK PERAMALAN JUMLAH NASABAH PADA PT. PRUDENTIAL LIFE INSURANCE KOTA PEKANBARU TUGAS AKHIR MODEL ARIMA(0,,) UNTUK PERAMALAN JUMLAH NASABAH PADA PT. PRUDENTIAL LIFE INSURANCE KOTA PEKANBARU TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais pada Jurusa Maemaika Oleh:

Lebih terperinci

MODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR

MODEL 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 terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB TINJAUAN PUSTAKA Tijaua Pusaka Pegguaa meode peramala Forecasig elah dilakuka oleh berbagai macam peeliia dalam berbagai bidag eruama diguaka dalam memprediksi pejuala pada perusahaa Beriku dibawah

Lebih terperinci

Pemodelan Volatilitas Saham Menggunakan Jaringan Syaraf Tiruan dan Algoritma Genetika

Pemodelan 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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Ruag sampel da Kejadia Defiisi Himpua semua hasil yag mugki dari suau percobaa disebu ruag sampel da diyaaka dega S Mogomery, 2004: 7. Tiap hasil dari ruag sampel disebu usur aau

Lebih terperinci

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka

Lebih terperinci

BAGIAN 2 TOPIK 5. andhysetiawan

BAGIAN 2 TOPIK 5. andhysetiawan BAGIAN OIK 5 adhyseiawa Isi Maeri Modulasi Aliudo AM Modulasi Frekuesi FM adhyseiawa MODULASI AMLIUDO DAN MODULASI ANGULAR SUDU Modulasi roses erubaha karakerisik aau besara gelobag ebawa, euru ola gelobag

Lebih terperinci

Analisa Faktor-faktor yang Mempengaruhi Pengembangan Kawasan Wisata Bahari Lhok Geulumpang, Aceh Jaya

Analisa Faktor-faktor yang Mempengaruhi Pengembangan Kawasan Wisata Bahari Lhok Geulumpang, Aceh Jaya JURNAL TEKNIK ITS Vol. 4, No. 1, (2015) ISSN: 2337-3539 (2301-9271 Pri) C-6 Aalisa Fakor-fakor yag Mempegaruhi Pegembaga Kawasa Wisaa Bahari Lhok Geulumpag, Aceh Jaya Rizki Saryao, Adjie Pamugkas Jurusa

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 robabilias 2.1.1 Definisi robabilias adalah kemungkinan yang daa erjadi dalam suau erisiwa erenu. Definisi robabilias daa diliha dari iga macam endekaan, yaiu endekaan klasik,

Lebih terperinci

PEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA

PEMODELAN 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 terperinci

PENDAHULUAN TINJAUAN PUSTAKA

PENDAHULUAN TINJAUAN PUSTAKA PENDAHULUAN Laar Belaag Pasar saham meruaa salah sau ema aleraif ivesasi yag elah berembag cuu esa di Idoesia. Saham dieal memilii araerisi high ris-high reur. Ariya saham meruaa sura berharga yag memberia

Lebih terperinci

ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING

ESTIMASI 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 terperinci

BAB IV METODOLOGI PENELITIAN

BAB IV METODOLOGI PENELITIAN 30 BAB IV METODOLOGI PENELITIAN 4.1 Beuk da Meode Peeliia Peeliia Opimalisasi da Sraegi Pemafaaa Souher Bluefi Tua di Samudera Hidia Selaa Idoesia diarahka pada upaya uuk megugkapa suau masalah aau keadaa

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ISSN: ( Print) D-212

JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ISSN: ( Print) D-212 JURNAL SAINS DAN SENI POMITS Vol. 3, No., (04) ISSN: 337-3539 (30-97 Prin) D- Peramalan Jumlah Penumang Pesawa Terbang di Pinu Kedaangan Bandar Udara Inernasional Lombok dengan Meode ARIMA Box-Jenkins,

Lebih terperinci

Peramalan Volume Penjualan Total Sepeda Motor di Kabupaten Bojonegoro dan Lamongan dengan Pendekatan Model ARIMAX dan VARX

Peramalan Volume Penjualan Total Sepeda Motor di Kabupaten Bojonegoro dan Lamongan dengan Pendekatan Model ARIMAX dan VARX Peramalan Volume Penjualan Toal Seeda Moor di Kabuaen Bojonegoro dan Lamongan dengan Pendekaan Model ARIMAX dan VARX Sii Maghfiroul Ulyah, Desri Susilaningrum, 3 Suharono Jurusan Saisika, Fakulas MIPA,

Lebih terperinci

PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT

PERAMALAN 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 terperinci