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

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 JURNAL SAINS DAN SENI IS Vol. 4, No., () (2-928X Prin) D-67 Peramalan Inflasi Nasional Berdasarkan Fakor Ekonomi Makro Menggunakan Pendekaan ime Series Klasik dan ANFIS Clara Agusin Sephani, Agus Suharsono, dan Suharono2 Jurusan Saisika, FMIPA, Insiu eknologi Sepuluh Nopember (IS) Jl. Arief Rahman Hakim, Surabaya 60 Indonesia Absrak ujuan dari peneliian ini adalah mengembangkan model peramalan yang sesuai unuk memodelkan inflasi nasional yaiu inflasi umum dan ujuh kelompok pengeluaran. Unuk menenukan pola dan model dari inflasi ersebu, maka pendekaan yang digunakan menggunakan model ARIMA, fungsi ransfer, variasi kalender, inervensi, ARIMAX (gabungan dari model fungsi ransfer dengan dummy variabel inervensi dan variasi kalender) sebagai meode peramalan klasik, sera ANFIS sebagai meode peramalan modern. Berdasarkan hasil peneliian yang diperoleh, dengan menggunakan daa inflasi umum dan inflasi ujuh kelompok pengeluaran periode 0-4, menunjukkan bahwa model ARIMAX dan ANFIS idak selalu menjadi model erbaik. Pemodelan erbaik erganung dari keerkaian anara dere inpu jumlah uang beredar dan ingka suku bunga, sera fakor-fakor variasi kalender dan inervensi yang digunakan erhadap ingka inflasi di masing-masing kelompok. Kaa Kunci ANFIS, ARIMAX, Inflasi, harus memperhiungkan fakor-fakor yang mempengaruhi flukuasi ingka inflasi dan kejadian-kejadian erenu yang menimbulkan inervensi erhadap lonjakan ingka inflasi. erdapa banyak meode yang dapa digunakan dalam memodelkan daa ime series, namun penggunaannya harus disesuaikan dengan karakerisik dan variabel dari daa ersebu agar diperoleh model yang erbaik. Peneliian ini berujuan unuk memodelkan inflasi menggunakan variabel ekonomi makro sebagai predikor yaiu jumlah uang beredar dan ingka suku bunga. Variabel lain yang dimasukkan melipui variasi kalender hari Raya Idul Firi dan kejadian inervensi yang diperkirakan berpengaruh, yaiu kenaikan harga BBM, DL, dan gaji PNS. Analisis dilakukan dengan meode ARIMA, fungsi ransfer, variasi kalender, inervensi, dan ARIMAX sebagai meode peramalan klasik, sera meode ANFIS sebagai meode peramalan modern. I. PENDAHULUAN II. INJAUAN PUSAKA NFLASI sanga berdampak pada perumbuhan ekonomi dan kesejaheraan masyaraka. Kesabilan inflasi menjadi sanga pening karena berkaian dengan perumbuhan ekonomi yang akan berdampak pada peningkaan kesejaheraan masyaraka. Keika erjadi inflasi yang inggi, maka harga-harga akan erus merangkak naik dan menyebabkan masyaraka idak mampu membeli barangbarang yang dibuuhkan. Oleh karena iu, peningnya suau pengendalian inflasi akan mencegah erjadinya kenaikan inflasi yang erlalu inggi dan idak sabil yang akan memberikan dampak negaif pada kondisi sosial ekonomi masyaraka Indonesia. Inflasi nasional dibedakan menjadi inflasi umum dan berdasarkan ujuh kelompok pengeluaran. Penyebab inflasi di Indonesia elah dikaji oleh beberapa penelii yaiu dipengaruhi oleh jumlah uang beredar, kenaikan harga bahan bakar minyak (BBM), arif dasar lisrik (DL), dan gaji PNS []. Walaupun DL, misalnya, belum naik, namun secara ekpekasi, pasar akan menyambunya dengan negaif [2]. ingka inflasi juga dipengaruhi oleh ingka suku bunga [3]. Peneliian mengenai peramalan inflasi di suau negara mendapakan perhaian yang posiif bagi penelii makro ekonomi. Sebagian besar bank senral menggunakan inflasi sebagai salah sau perimbangan unuk mengambil kebijakan moneer sehingga perlu dilakukan suau peramalan erhadap ingka inflasi. Peramalan inflasi idak dapa hanya didasarkan pada daa hisoris ingka inflasi saja, namun juga A. Inflasi Inflasi adalah meningkanya harga-harga secara umum dan erus menerus. Kenaikan harga dari sau aau dua barang saja idak dapa disebu inflasi kecuali bila kenaikan iu meluas aau mengakibakan kenaikan harga pada barang lainnya. Inflasi yang diukur dengan IHK di Indonesia dikelompokkan ke dalam 7 kelompok pengeluaran, yaiu kelompok bahan makanan, kelompok makanan jadi, minuman, dan embakau, kelompok perumahan, kelompok sandang, kelompok kesehaan, kelompok pendidikan dan olah raga, sera kelompok ransporasi dan komunikasi [4]. I B. ARIMA Suau daa ime series dikaakan memiliki model ARIMA jika memiliki persamaan umum sebagai beriku []: p B B Y 0 q B a d () dimana operaor AR yang sasioner adalah p B B... p B p (2) dan operaor MA yang inveribel q B B... q B q. (3) C. Fungsi ransfer Meode fungsi ransfer merupakan suau meode unuk meramalkan nilai dari suau ime series yaiu dere oupu y yang didasarkan pada nilai-nilai masa lalu dari dere

2 JURNAL SAINS DAN SENI IS Vol. 4, No., () (2-928X Prin) D-68 iu sendiri dan didasarkan pada sau aau lebih dere inpu x. Persamaan umum model fungsi ransfer dengan single inpu y dan single oupu x adalah sebagai beriku [6]. B B B B y x a (4) b S r B Persamaan fungsi ransfer muli inpu adalah sebagai beriku. k s B j b B a j y B x j. () B B j rj D. Variasi Kalender variasi kalender merupakan model ime series yang digunakan unuk meramalkan daa berdasarkan pola musiman dengan periode bervariasi [7]. Di Indonesia, dengan penduduk mayorias Islam, Idul Firi diduga berpengaruh erhadap pergerakan ekonomi, khususnya inflasi. Persamaan model variasi kalender adalah sebagai beriku. Y V V V S S S, 2 2, p p,, 2 2, s s, p q B a. B E. Inervensi Analisis inervensi ime series digunakan unuk mengevaluasi efek-efek dari kejadian-kejadian eksernal dan inernal [6]. Pada analisis inervensi, diasumsikan bahwa kejadian inervensi erjadi pada waku yang dikeahui dari suau ime series [8]. Benuk persamaan saisik dari model inervensi adalah sebagai beriku [6]. b ( ) ( ) s B B q B Y I a. (7) d ( B) ( B)( B) F. ANFIS r Adapive Neuro Fuzzy Inference Sysems (ANFIS) adalah kombinasi dari dua sisem, yaiu sisem logika fuzzy aau fuzzy logic sysems dan jaringan syaraf iruan aau arificial neural neworks (ANN). Sisem neuro-fuzzy berdasarkan pada fuzzy inference sysem (FIS) menggunakan algorima yang diurunkan dari sisem ANN. Oleh karena iu, sisem neuro-fuzzy memiliki kelebihan yang dimiliki sisem FIS maupun ANN [9]. Benuk dari srukur ANFIS yang erkenal adalah inferensi model Sugeno yang diunjukkan pada gambar beriku ini. Gambar. Srukur ANFIS erdapa dua macam node yaiu node adapif (bersimbol koak) dan node eap (bersimbol lingkaran) dimana adalah oupu dari masing-masing lapisan (j=banyak lapisan=,2,3,4,, dan i=banyak auran=,2). p (6) G. ARIMAX ARIMAX merupakan gabungan model fungsi ransfer yang didalamnya erdapa variabel inervensi dan variasi kalender. III. A. Sumber Daa MEODOLOGI PENELIIAN Daa yang digunakan merupakan daa sekunder yang diambil dari Badan Pusa Saisika, Bank Indonesia, sera dari sumber-sumber dan lieraur lain yang berhubungan dengan peneliian. Daa yang diambil adalah daa bulanan inflasi umum dan daa inflasi unuk ujuh komodias periode uari 0 sampai dengan Agusus 4. Daa dibagi menjadi dua bagian, yaiu daa in sample mulai uari 0 sampai Desember 3 sebanyak 6 daa dan daa ou sample dari uari 4 hingga Agusus 4 sebanyak 8 daa. B. Variabel Peneliian Variabel yang digunakan dalam peneliian disajikan dalam abel beriku. abel. Variabel Peneliian Variabel Nama Variabel Definisi Operasional Y, Inflasi umum Y 2, ingka inflasi komodias bahan makanan bahan makanan pada 66 koa di Indonesia per bulan Y 3, Y 4, Y, Y 6, Y 7, Y 8, X, X 2, Inflasi makanan jadi, minuman, dan embakau perumahan sandang kesehaan pendidikan dan olah raga ransporasi dan komunikasi Jumlah uang beredar ingka Suku Bunga (SBI) Waku Kenaikan Harga BBM Waku Kenaikan DL ingka inflasi komodias makanan jadi, minuman, dan embakau pada 66 koa di Indonesia per bulan ingka inflasi komodias perumahan pada 66 koa di Indonesia per bulan ingka inflasi komodias sandang pada 66 koa di Indonesia per bulan ingka inflasi komodias kesehaan pada 66 koa di Indonesia per bulan ingka inflasi komodias pendidikan dan olah raga pada 66 koa di Indonesia per bulan ingka inflasi komodias ransporasi dan komunikasi pada 66 koa di Indonesia per bulan Jumlah uang yang beredar di masyaraka per bulan ingka Suku Bunga Bank Indonesia unuk jangka waku bulan Waku puncak kenaikan harga bahan bakar minyak anara ahun 0-4 Waku puncak kenaikan arif dasar lisrik anara ahun 0-4 Waku puncak kenaikan gaji pegawai negeri sipil anara ahun 0-4 Waku Kenaikan gaji PNS rend rend kenaikan aau penurunan inflasi S S 2, Bulan Dummy bulan uari - Desember H, H 2, H 3, Sau Bulan Sebelum Hari Raya Idul Firi Bulan Hari Raya Idul Firi Sau Bulan Seelah Hari Raya Idul Firi C. Langkah Analisis Dummy bulan sebelum erjadinya Hari Raya Idul Firi Dummy bulan erjadinya Hari Raya Idul Firi Dummy bulan seelah erjadinya Hari Raya Idul Firi Langkah-langkah yang dilakukan dalam peneliian ini dapa dijelaskan sebagai beriku.. Eksplorasi daa inflasi nasional 2. Melakukan analisis erhadap daa inflasi nasional dengan meode ARIMA prosedur Box-Jenkins. 3. Melakukan analisis dan pemodelan ingka inflasi nasional dengan meode fungsi ransfer muli inpu.

3 JURNAL SAINS DAN SENI IS Vol. 4, No., () (2-928X Prin) IV. ANALISIS DAN PEMBAHASAN A. Saisika Deskripif Hasil analisis deskripif ingka inflasi umum dan keujuh kelompok pengeluaran, memiliki pola sebagaimana diampilkan pada abel 2 dan gambar 2. abel 2. Saisik Deskripif Inflasi Nasional Deviasi Mean Min Sandar 22-0,0 0,73,600-2, ,4-0 0, ,786-2, ,43 0 0, ,7000-2,70 Variabel Y Y2 Y3 Y4 Y Y6 Y7 Y8 3, 8,7000 7,20 3,0 7,00 3,0700,8800 7,80 28,700 Variable mean umum mean mak anan mean mak anan jadi mean perumahan mean sandang mean k esehaan mean pendidikan mean ranspor 3,0 2, 2,0 abel 3. Persamaan ARIMA erbaik unuk Inflasi Nasional Y, 7 0, 0a, - a, 2 Y2, Y2,-2 0,3437a2, - 0,02a2,-2 0,736a 2,-3 a 2, 976 Y3, = ,292a3, - + a3, 04 Y4, 0, 668 0,80a4, - 0, 280a 4, -33 a 4, 98 Y, 0, ,398a, - a, 0,377 Y6, 23 0,3342Y 6, - 0, 2806Y6, -2 +a6, 0,76 Y7, 77Y7, -2 0,3224Y7, -24 0,966a7, - a 0,63 Y8, 0, 748 0, 2697 a8, -7 0, 2466a8, -32 a8,,233 C. Pemodelan Fungsi ransfer Pemodelan dengan fungsi ransfer single inpu diawali dengan proses pre-whiening baik pada dere inpu maupun dere oupu. Proses pre-whiening dere inpu jumlah uang beredar dan ingka suku bunga perlu dilakukan, sedangkan proses prewhiening pada dere oupu akan mengikui model dari dere inpu. Pemodelan fungsi ransfer muli inpu menggunakan orde b,r,s dari model single inpu yang elah dikeahui. Hasil idenifikasi erhadap dere inpu menunjukkan bahwa daa idak sasioner dalam mean baik pada inpu jumlah uang beredar maupun ingka suku bunga sehingga perlu dilakukan differencing pada pola reguler dan differencing pada pola musiman unuk inpu jumlah uang beredar, sedangkan unuk ingka suku bunga perlu dilakukan differencing pada pola reguler., Auocorrelaion Daa Max inflasi umum dan keujuh kelompok pengeluaran yaiu ARIMA (,), ARIMA (,)(0,,)2, ARIMA (,), ARIMA (,[,33]), ARIMA (,), ARIMA (2,), ARIMA (,)(,)2, ARIMA (,[7,32]). 0, Parial Auocorrelaion 4. Melakukan analisis dan pemodelan ingka inflasi dengan menggunakan meode variasi kalender.. Melakukan analisis dan pemodelan ingka inflasi dengan menggunakan meode inervensi. 6. Melakukan analisis dan pemodelan ingka inflasi dengan menggunakan meode ARIMAX. 7. Melakukan analisis dan pemodelan ingka inflasi dengan menggunakan meode ANFIS. 8. Membandingkan akurasi model yang elah diperoleh dari meode ARIMA, fungsi ransfer, variasi kalender, inervensi, dan meode ARIMAX, sera meode ANFIS. dengan MSE dan erkecil dipilih sebagai model erbaik dan kemudian digunakan unuk meramalkan ingka inflasi sau ahun ke depan. D , Year 0 Gambar 2. ime Series Plo Inflasi (a) (b) A uocorrelaion Gambar 3. Plo Jumlah Uang Beredar Seelah Differencing (a) ACF (b) PACF Parial A uocorrelaion B. Pemodelan dengan ARIMA Pada ahap idenifikasi model, daa inflasi elah sasioner baik dalam varians maupun mean, sehingga idak diperlukan ransformasi dan differencing. Hasil peramalan dengan meode ARIMA diperoleh model yang elah whie noise namun belum memenuhi asumsi berdisribusi normal. Hal ini diakibakan oleh adanya oulier yang mempengaruhi kenormalan pada residual. Oulier dalam hal ini diduga erjadi karena adanya kejadian eskernal yang menjadi fakor inervensi, misalnya kebijakan pemerinah dalam menaikkan harga BBM. Berdasarkan nilai MSE dan erkecil, diperoleh model ARIMA erbaik unuk masing-masing Pola yang erbenuk unuk masing-masing kelompok inflasi berbeda-beda. erliha bahwa ingka inflasi eringgi erjadi pada ahun 0, dimana pada ahun ersebu erjadi dua kali kenaikan harga BBM. Adanya kenaikan harga BBM juga mendorong meningkanya ingka inflasi pada periode lainnya (a) (b) Gambar 4. Plo ingka Suku Bunga Seelah Differencing (a) ACF (b) PACF Hasil pemodelan dengan meode fungsi ransfer diperoleh model yang elah whie noise namun belum memenuhi asumsi berdisribusi normal. Berdasarkan nilai MSE dan erkecil, diperoleh model fungsi ransfer erbaik unuk masing-masing inflasi umum dan keujuh kelompok pengeluaran yang diampilkan pada abel 4. Plo crosscorrelaion kelompok inflasi makanan jadi (Y3) dan

4 JURNAL SAINS DAN SENI IS Vol. 4, No., () (2-928X Prin) Y, 42,648 X 2,-0 2X 2, 742a, 470a, 2 a, 2,0 0, H, H2, H, (a) 2,33 H2, (b), ,323, 0,3 sandang 0,376Y4, 4 98Y4, a4, 2, makanan jadi Y2, 23,378X, -2 0, 437a2, - 0, 43a2,-2 a2 Y4, 2,007X4, 2 7,8387X4, 3 0,708Y4, 0,98Y4, 2 0,4Y4, 3,2 makanan abel 4. Persamaan Fungsi ransfer erbaik unuk Inflasi Nasional Y, 0,247 X, 34,9282 X 2, 2 43,73 X 2, 3 0, 9269 a, 0,928 0, 7039 a, 2 0, 62a, 3 a, Firi pada kelompok inflasi ersebu. Efek hari Raya Idul Firi ersaji pada gambar 6 beriku ini. umum kelompok pendidikan (Y7) idak erdapa nilai b,s,r sehingga model fungsi ransfer pada kedua inflasi idak dapa erbenuk. D-70 0, Y6, X, 3 0,384a6, 79a6, 2 0,367a6, 3 a6, Y8, 2,46 X 2,,63 X 2, 3 0,9696a8, a8, 0,93 0,364 D. Pemodelan Variasi Kalender ingka inflasi diduga kua dipengaruhi oleh efek Hari Raya Idul Firi. Dengan begiu, maka perlu dilakukan analisis variasi kalender yang melibakan variabel dummy sau bulan sebelum (H), keika (H2), dan seelah (H3) hari Raya Idul Firi. 9 8 Des/02 Nop/04 Ok/06 7 Des/0 Nop/03 Nop/0 Ok/08 Sep/0 Agus/2 Ok/07 Sep/09 Agus/ Agus/3 umum 6 H2, H3, H2, (c) H3, (d) Gambar 6. Efek Hari Raya Idul Firi (a) Umum (b) Bahan Makanan (c) Makanan Jadi (d) Sandang E. Pemodelan Inervensi Kejadian inervensi yang digunakan yaiu kenaikan harga BBM, DL, dan gaji PNS. Berdasakan keiga jenis kejadian inervensi ersebu, diperoleh hasil bahwa yang berpengaruh secara signifikan erhadap ingka inflasi umum hanya waku kenaikan BBM pada bulan Mare 0 dan Okober 0. Persamaan model erbaik inervensi yang diperoleh adalah : Y, 0,70 0,7232,,8264, 7,, 66,,82686, 0,3909a, 0,38a, 2 0,332a, 3 a, 4 Keerangan: 2, = kenaikan harga BBM uari Monh Year 0 H, , = kenaikan harga BBM Mare 0 3 Gambar. ime Series Plo Inflasi Umum dan Waku erjadinya Hari Raya Idul Firi Langkah yang dilakukan adalah mengidenifikasi model sampai mendapakan model yang semua parameernya elah signifikan dan residual memenuhi asumsi. Apabila model yang didapakan erdapa parameer yang belum signifikan, maka perlu dilakukan eliminasi sau persau dan melakukan esimasi parameer kembali. Hasil pemodelan dari inflasi umum besera keujuh kelompok pengeluaran adalah sebagai beriku. abel. Persamaan Variasi Kalender erbaik unuk Inflasi Nasional Y, = 0,002 +,8H, + 0, 4994H 2, + 0, 249a, - + 0, 26a, a Y2, 0,99,034S8,,46S9, 2,2H, 2,0386H2, 2a2,-2 0,090a2,- 0,283a2,-3 a2, Y3, =0,378+24S, +0,3476H, +0,3644H2, +0,394H3, +0,4a3,- + a3,,0 3 Y4, = 0, ,396 Y, =,704 H 2, +, 0432 H 3, + 0,3889a, - + a, 0,486 Y6, , 2946Y6, - 0, 228Y6, -2 a6, Y7, =, 62S 7, + 3, 0827 S8, +, 9 S9, + 0, 4376Y7, - + a7, 49 0,3802 Pada kelompok inflasi ransporasi idak erdapa parameer yang signifikan sehingga idak dapa erbenuk model variasi kalender. Hal ersebu memiliki ari bahwa idak erdapa pengaruh ren, bulan maupun hari Raya Idul 4, = kenaikan harga BBM Mare 0 6, = kenaikan harga BBM Mei 08 Persamaan model menjelaskan bahwa kenaikan harga BBM pada periode uari 02 sebesar 6,9% berpengaruh erhadap kenaikan ingka inflasi umum sebesar 0,723. Kenaikan BBM pada Mare 0 sebesar 32% berpengaruh erhadap kenaikan ingka inflasi umum sebesar,826 pada bulan ersebu. Kenaikan harga BBM pada Okober 0 sebesar 87,% berpengaruh erhadap meningkanya inflasi umum sebesar 7,. Kenaikan harga BBM pada Mei 08 berpengaruh erhadap meningkanya inflasi umum sebesar 6 pada periode ersebu dan peningkaan sebesar,8268 sau bulan seelahnya. Peningkaan pada bulan seelahnya diduga kua karena kejadian inervensi erjadi pada minggu erakhir periode Mei 08. Hasil analisis menunjukkan bahwa kenaikan harga BBM pada Okober 0 memberikan pengaruh yang sanga besar erhadap meningkanya inflasi pada bulan ersebu. Pada model inervensi inflasi umum berdasarkan waku kenaikan DL dan gaji PNS, idak erdapa variabel yang signifikan, sehingga model idak dapa erbenuk unuk kedua kejadian inervensi ersebu. Hal ersebu menunjukkan bahwa kenaikan DL dan gaji PNS idak memberikan dampak yang signifikan erhadap meningkanya inflasi umum, eapi kenaikan BBM jelas memberikan dampak yang nyaa erhadap kenaikan BBM. inervensi gabungan idak selalu menjadi model erbaik unuk ingka inflasi per kelompok pengeluaran erganung

5 JURNAL SAINS DAN SENI IS Vol. 4, No., () (2-928X Prin) D-7 keerkaian anar variabel inervensi dengan ingka inflasi, seperi yang erera pada abel 6 beriku. abel 6. Pemilihan Inervensi erbaik Inflasi ujuh Kelompok Pengeluaran Inervensi Gabungan : Y 72 Y 4,8470 2,427 3, a 2, 2, -2, 8, 2, 2, - 0,339a 0,632a a 8, = kenaikan DL Juli 0 2, = kenaikan Gaji PNS uari 07 Inervensi BBM Y = 0, , 4 Y +,70 +, 490 +,478 +, 008 3, 3, -, 2, 3, 4, + 2,3823 +, a,, - 3,, = kenaikan BBM Juni 0 2, = kenaikan BBM uari 02 3, = kenaikan BBM uari 03 4, = kenaikan BBM Mare 0, = kenaikan BBM Okober 0 Inervensi Gabungan Y = 0, Y + 0,47 Y + 0,393 Y +,6832 4, 4, - 4, -2 4, -3 2,, , , a 3,, 6, 3, 6, = kenaikan BBM Mei 08 3, = kenaikan Gaji PNS uari 08 Inervensi BBM Y = 0, , , 46 a + a,,, -, Inervensi Gaji Y = 0, ,3382 Y + 0, 2829 Y + 0,76 + a 6, 6, - 6, -2 2, 6, 2, = kenaikan Gaji PNS uari 07 Inervensi BBM 2, -2 2, -3 2, Y = Y Y + 3,00 + 6,476 8, 8, - 8, -2,, - + 9, , , ,77 + 3, ,499 + a F. Pemodelan ARIMAX 0, ,367 0,37 0, Pemodelan dengan meode ARIMAX dilakukan dengan memasukkan semua fakor yang diduga mempengaruhi flukuasi ingka inflasi. Pemodelan menggunakan daa merik maupun nonmerik unuk mengeahui apakah dengan memasukkan semua fakor, akan diperoleh model dengan akurasi yang lebih baik. Fakor yang dipilih elah dijelaskan pada sub bab sebelumnya. erbaik dari pendekaan ARIMAX unuk inflasi umum adalah sebagai beriku. Y 2, 063X 0,088H 0,077H,862,,, 2, 4, 7, 76 0,96, 73 0, 767a, 6, 6,, 0, 73a 0,396a a dengan : 2 X ( B)( B ) X,, Y ( B)( B ) Y 4,, 6, 6, - 7, 7, - 8, 2,,, 2, 3, Berdasarkan persamaan model yang diperoleh, dapa dijelaskan bahwa ingka inflasi umum pada bulan ini memiliki keerkaian dengan jumlah uang beredar sau bulan sebelumnya. Sau bulan sebelum erjadinya hari Raya Idul Firi akan berpengaruh erhadap meningkanya inflasi umum sebesar 0,088 dan pada saa bulan erjadi hari Raya akan berpengaruh erhadap meningkanya inflasi umum sebesar 0,077. Kenaikan harga BBM sebesar 32% pada Mare 0 berpengaruh erhadap meningkanya inflasi umum pada bulan ersebu sebesar,862, dan kenaikan harga BBM dengan persenase 87,% pada Okober 0 memiliki pengaruh erhadap peningkaan inflasi umum sebesar 7,76 pada periode ersebu. Kenaikan BBM sebesar 33,3% periode Mei 08 akan meningkakan inflasi umum sebesar 0,96 pada periode ersebu dan meningkakan inflasi umum sebesar,73 pada periode Juni 08. abel 7. Pemilihan ARIMAX erbaik Inflasi ujuh Kelompok Pengeluaran Y2, 89,393 X 0, 4769H,34H,3760, 3,00468, 2,, 2, 0,7690a 0,486a 0, 428a a 0,06 2, 2, 2 2, 3 2, Y 44,8X 33,4X 0,770H 99H 468 0, 2, 2, 2, 3,,,643 62a 0,90a 0,7806a a,,, 2, 3, Y,9868X 2,8249 X 2,909 6, ,8323 8, 2, 2, 2,, 4, 28,229 2,347 8, , 63 9, 290 0,7268a, 6, 6, 7, 7, a 8, 8, G. Pemodelan ANFIS 0,6 82 Pemodelan ANFIS adalah menggunakan meode nonlinier dengan inpu berdasarkan model ARIMA yaiu model AR yang signifikan. Peneliian ini menggunakan dua fungsi keanggoaan dengan iga jenis fungsi keanggoaan yaiu Gauss, Gbell, dan rapezoidal. Pemodelan ANFIS yang didapakan unuk inflasi nasional adalah sebagai beriku. abel 8. Pemilihan ANFIS erbaik Inflasi Nasional Berdasarkan rapezoidal 47 Y w (,446Y,99) w (0, 4486Y 6,6),, - 2, - Y w (-0, 279Y,3Y 2, 78Y, 62) 2,, 2, -2 2, -2 2, - w (7,34Y 2, 67Y 0, 280Y 26, 28) 2, 2, -2 2, -2 2, - w (, 47Y 6,8Y 9, 43Y 28, 49) 3, 2, , - w (, 74Y -2 33,96Y2, -2 8, 63Y2, -,8) 4, 2, w ( 49,8Y 24, 44Y 4,6Y 2,) 2, -2 2, -2 2, - w (82, 34Y 34, 09Y 4Y 9, 44) 6, 2, -2 2, -2 2, - w (8,Y 79, 2Y, 02Y 7, 2, -2 2, -2 2, - 8, 2, -2 2, -2 2, - 478, 2) + w ( 236,8Y 63,Y 3, 6Y 286, 2) Y w (0,92Y 0,42) w (, 062Y, 242) 3,, 3, - 2, 3, - rapezoidal Y w (0, 008Y 0, 2806Y 0, 2789) 4, 4, -33 4, - w (0, Y 0, 08432Y 0, 039) 2, 4, -33 4, - w ( 46,Y 06Y 26, 9) 3, 4, -33 4, - Y w (,67Y, 68) w ( 4, 48Y 2, 4),,, - 2,, - Y w (0,38Y 0,38Y 0, 248) 6,, 6, -2 6, - w (,86Y 477Y 0, 62) 2, 6, -2 6, - w (0,727Y, 466Y, 476) 3, 6, -2 6, - w4, ( 96, 64Y6, -2 49,93Y 6, - 2) Gauss Y w (,87Y 98Y 0,327) 7,, 7, -2 7, - w (0, 6003Y 0, 09484Y, 297) 2, 7, -2 7, - w ( 4,87Y, 67Y 9, 06) 3, 7, -2 7, - w (93,Y 7, 68Y 736, 7) 4, 7, -2 7, -,4897 0, ,39 0,63 0,07

6 JURNAL SAINS DAN SENI IS Vol. 4, No., () (2-928X Prin) D-72 rapezoidal Y w (0, 04968Y 77Y 0,3438) 8,, 8, -32 8, -7 w ( 937,Y, 28Y 97,9) 2, 8, -32 8, -7 w (83Y, 44Y 9,70) 3, 8, -32 8, -7 H. Perbandingan Keenam Meode 427 yang elah diperoleh kemudian digunakan dalam melakukan peramalan ingka inflasi dengan masing-masing meode. Pemilihan model erbaik unuk keenam model ersebu, didasarkan pada krieria nilai yang erkecil, sebagaimana diampilkan dalam abel 9. erliha bahwa model yang memiliki nilai erkecil adalah model fungsi ransfer dengan variabel inpu jumlah uang beredar, sehingga unuk melakukan peramalan inflasi umum menggunakan model erbaik ini. abel 9. Pemilihan erbaik unuk Inflasi Umum Berdasarkan ARIMA 2 Fungsi ransfer (X ) 03 Variasi Kalender 7 Inervensi 0,3894 ARIMAX 632 ANFIS 47 erbaik unuk masing-masing inflasi berdasarkan kelompok pengeluaran diunjukkan pada abel 0. Berdasarkan abel 0, dapa dikeahui bahwa model yang kompleks idak selalu menjadi model erbaik pada masingmasing variabel. Hasil peramalan yang diperoleh unuk inflasi umum nasional pada 2 periode berikunya ercanum pada abel. abel 0. Pemilihan erbaik Inflasi ujuh Kelompok Pengeluaran Variabel erbaik Inflasi Bahan Makanan ARIMAX 0,06 Inflasi Makanan Jadi, Minuman, Rokok, dan Inervensi 2 embakau Inflasi Perumahan, Air, Lisrik, Gas, dan Bahan Fungsi ransfer (X 2) 448 Bakar Inflasi Sandang Fungsi ransfer (X 2) 0,323 Inflasi Kesehaan ANFIS 0,63 Inflasi Pendidikan, Rekreasi dan Olahraga ARIMA 0,63 Inflasi ransporasi, Komunikasi, dan Jasa Keuangan Inervensi 72 abel. Hasil Ramalan ingka Inflasi Umum ahun 4- ahun Bulan Ramalan Selang Kepercayaan 9% Baas Baas Akual Bawah Aas 4 Sepember -39-2,2266, Okober -0, -2,3, November -82-2,289,688,0 4 Desember 486 -,98 2,08 - uari 7 -,68 2,236 - Februari -0,3793-2,333,748 - Mare -0, -2,032, April -0,7374-2,6788, - Mei 6-2,4767, Juni ,0073,806 - Juli 0,48 -,3743 2,473 - Agusus 43-2,080,724 - A. Kesimpulan V. KESIMPULAN DAN SARAN Hasil perbandingan keenam model, menunjukkan bahwa model fungsi ransfer dengan inpu jumlah uang beredar merupakan model erbaik unuk meramalkan inflasi umum nasional. Pada inflasi kelompok bahan makanan, model yang erbaik adalah model ARIMAX. fungsi ransfer dengan inpu ingka suku bunga merupakan model erbaik pada ingka inflasi kelompok perumahan, dan inflasi sandang. ingka inflasi kelompok makanan jadi dan kelompok ransporasi dapa diramalkan oleh model inervensi. Pemodelan ANFIS memodelkan ingka inflasi kesehaan, sedangkan kelompok inflasi pendidikan dimodelkan dengan model ARIMA yang menjadi model erbaiknya. B. Saran Saran yang dapa diberikan berdasarkan hasil peneliian ini anara lain, perlu memasukkan fakor-fakor lain dalam analisis yang diduga mempengaruhi ingka inflasi, seperi nilai ukar rupiah erhadap dollar, kenaikan harga sembako, dan sebagainya agar hasil model yang diperoleh unuk meramalkan ingka inflasi lebih akura. Selain iu, perlu memasukkan fakor yang dapa diduga menjadi inervensi dalam pergerakan inflasi sehingga model yang erbenuk dapa memenuhi asumsi. Peneliian selanjunya dapa dilengkapi menggunakan deeksi oulier agar model yang dihasilkan dapa memenuhi asumsi kenormalan. Dapa dikeahui pula dari kesimpulan bahwa seiap kelompok inflasi memiliki pola dan model yang berbeda sehingga dengan adanya pemodelan ini dapa dijadikan perimbangan bagi pemerinah dalam menenukan kebijakan, eruama apabila erjadi inervensi, anisipasi apa saja yang perlu dilakukan unuk menghindari lonjakan ingka inflasi. DAFAR PUSAKA [] Adisi,. E. (3). Peramalan inflasi menggunakan pendekaan gabungan anara fungsi ransfer dan inervensi dengan deeksi oulier. Surabaya: ugas Akhir IS. [2] Hasbullah, J. (2). angguh dengan saisik. Bandung: Nuansa Cendekia. [3] Saron. (). Pengaruh ingka suku bunga SBI erhadap ingka inflasi di Indonesia. Majalah Forum Ilmiah UNIJA. (3). [4] Bank Indonesia. (4). Saisik moneer. Jakara [] Cryer, J. D. (08). ime series analysis wih applicaion in R second ediion. New York: Springer Science Business Media. [6] Wei, W. W. (06). ime series analysis: univariae and mulivariae mehods (2nd ed.). USA: Pearson Educaion, Inc. [7] Karomah, A. (4). Peramalan neflow uang karal dengan model variasi kalender dan model Auoregressive Disribued (ARDL). Surabaya: ugas Akhir IS [8] Nuviasari, E. (09). Analisis inervensi muli inpu fungsi sep dan pulse unuk peramalan kunjungan wisaawan ke Indonesia. Surabaya: esis IS. [9] Syudasri. (2). Esimaion of inflaion rae in Indonesia using Adapive Neuro Fuzzy Approach. Jakara: Skripsi Universias Gunadarma.

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

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

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

*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

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

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

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

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG

ANALISIS 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

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

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

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

DAMPAK 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 (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 terperinci

PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL

PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 9 PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL Y.P.Y. Asmara,

Lebih terperinci

Peramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis

Peramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis JURNAL SAINS DAN NI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Prin) D-224 Peramalan Penjualan Sepeda Moor di Jawa Timur dengan Menggunakan Model Dinamis Desy Musika dan Seiawan Jurusan Saisika,

Lebih terperinci

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

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

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi

Lebih terperinci

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

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang

Lebih terperinci

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

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan

Lebih terperinci

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

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun 43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C

Lebih terperinci

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

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

Lebih terperinci

Pemodelan 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 Outflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Autoregressive (GSTAR)

Peramalan Outflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Autoregressive (GSTAR) JURNA SAINS DAN SENI ITS Vol. 5 No. (16) 7-5 (1-98X Prin) D-59 Peramalan Ouflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Auoregressive (GSTAR) Rahmah Safiri, Seiawan, dan Imam Safawi

Lebih terperinci

PEMODELAN PRODUKSI SEKTOR PERTANIAN

PEMODELAN 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 terperinci

BAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan

BAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan BAB I PENDAHULUAN 1.1 Laar Belakang Dalam perencanaan pembangunan, daa kependudukan memegang peran yang pening. Makin lengkap dan akura daa kependudukan yang esedia makin mudah dan epa rencana pembangunan

Lebih 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 TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi

Lebih 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 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 terperinci

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

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,

Lebih terperinci

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

Perbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X

Perbandingan 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 terperinci

Penentuan Pelebaran Window Time Optimal Pada Data Deret Waktu

Penentuan Pelebaran Window Time Optimal Pada Data Deret Waktu 1 Penenuan Pelebaran Window Time Opimal Pada Daa Dere Waku (1) Nursya`bani Hendro Prabowo dan (2) Raden Mohamad Aok Deparemen Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam, Insiu Teknologi Sepuluh

Lebih terperinci

BAB II TINJAUAN TEORITIS

BAB II TINJAUAN TEORITIS BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan

Lebih terperinci

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

BAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu

BAB 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang

BAB 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 terperinci

Peramalan Inflasi Menggunakan Model Fungsi Transfer Multi Input. Forcasting Inflation Using Multiple Input Transfer Function Model

Peramalan 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN

PENAKSIRAN 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 terperinci

BAB 4 ANALISIS DAN PEMBAHASAN

BAB 4 ANALISIS DAN PEMBAHASAN BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di

Lebih terperinci

BAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel

BAB 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 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

2 efek dari pengaruh kejadian luar (exernal even) pada daa ime series (Wei, 2006). Bila y adalah daa ime series yang mengandung variasi kalender, maka

2 efek dari pengaruh kejadian luar (exernal even) pada daa ime series (Wei, 2006). Bila y adalah daa ime series yang mengandung variasi kalender, maka . PERAMALAN VOLUME KENDARAAN MASUK DI TOL DUPAK-WARU MENGGUNAKAN MODEL VARIASI KALENDER Yosua D. Charismawan (1304 100 024) Pembimbing : Ir. Dwiamono Agus W.,M.Ikom ABSTRAK Tol Surabaya-Gempol merupakan

Lebih terperinci

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

BAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber

Lebih terperinci

PREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED

PREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED PREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED Wahyuda 1, Budi Sanosa 2, Nani Kurniai 3 1 Teknik Indusri Universias Mulawarman-Samarinda

Lebih 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

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi dan Waku Peneliian Peneliian ini dilaksanakan di PT Panafil Essenial Oil. Lokasi dipilih dengan perimbangan bahwa perusahaan ini berencana unuk melakukan usaha dibidang

Lebih terperinci

PROSEDUR PEMBENTUKAN MODEL VARIASI KALENDER BERDASARKAN MODEL ARIMAX UNTUK PERAMALAN DATA DENGAN EFEK VARIASI KALENDER

PROSEDUR PEMBENTUKAN MODEL VARIASI KALENDER BERDASARKAN MODEL ARIMAX UNTUK PERAMALAN DATA DENGAN EFEK VARIASI KALENDER Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, November PROSEDUR PEMBENTUKAN MODEL VARIASI KALENDER BERDASARKAN MODEL ARIMAX UNTUK PERAMALAN DATA DENGAN EFEK VARIASI KALENDER Suharono dan

Lebih terperinci

PENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI

PENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI PENGGUNAAN ONSEP FUNGSI CONVEX UNU MENENUAN SENSIIVIAS HARGA OBLIGASI 1 Zelmi Widyanuara, 2 Ei urniai, Dra., M.Si., 3 Icih Sukarsih, S.Si., M.Si. Maemaika, Universias Islam Bandung, Jl. amansari No.1 Bandung

Lebih terperinci

agenda Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran

agenda Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran seminar ugas akhir Renny Elfira Wulansari 0000 pembimbing Dr. Suharono, S.Si, M.Sc Gedung H Lanai Saisika FMIPA-ITS Surabaya, Juli 04 agenda Pendahuluan Tinjauan Pusaka Meodologi Peneliian Analisis dan

Lebih 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

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 1 PENDAHULUAN. tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami

BAB 1 PENDAHULUAN. tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami 11 BAB 1 PENDAHULUAN 1.1. Laar Belakang Keahanan pangan (food securiy) di negara kia ampaknya cukup rapuh. Sejak awal ahun 1990-an, jumlah produksi pangan eruama beras, cenderung mengalami penurunan sehingga

Lebih terperinci

Analisis Peramalan Jumlah Permintaan Kerudung di Industri Kecil Kerudung Arin di Surabaya dengan Metode Variasi Kalender

Analisis 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 terperinci

Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :

Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn : Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PERAMALAN VOLUME PENGGUNAAN AIR BERSIH DENGAN METODE WINTERS EPONENTIAL SMOOTHING UNTUK MENENTUKAN VOLUME

Lebih terperinci

Peramalan Inflasi Kota Surabaya dengan Pendekatan ARIMA, Variasi Kalender, dan Intervensi

Peramalan Inflasi Kota Surabaya dengan Pendekatan ARIMA, Variasi Kalender, dan Intervensi JURNA SAINS DAN SENI IS Vol. 5, No., (206) 2337-3520 (230-928X Print) D-90 Peramalan Inflasi Kota Surabaya dengan Pendekatan ARIMA, Variasi Kalender, dan Intervensi Novi Wulandari, Setiawan dan 2 Imam

Lebih terperinci

IV METODE PENELITIAN

IV METODE PENELITIAN IV METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian yang dilakukan mengenai analisis perencanaan pengadaan una berdasarkan ramalan ime series volume ekspor una loin beku di PT Tridaya Eramina

Lebih terperinci

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

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

Lebih terperinci

PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR

PERAMALAN 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 terperinci

Peramalan Beban Listrik di Jawa Timur Menggunakan Metode ARIMA dan Adaptive Neuro Fuzzy Inference System (ANFIS)

Peramalan Beban Listrik di Jawa Timur Menggunakan Metode ARIMA dan Adaptive Neuro Fuzzy Inference System (ANFIS) JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) -50 (0-9X Prin) D-9 Peramalan Beban Lisrik di Jawa Timur Menggunakan Meode ARIMA dan Adapive Neuro Fuzzy Inference Sysem () Indana La Zulfa dan Suharono Jurusan

Lebih terperinci

APLIKASI 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 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 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-laju

Lebih terperinci

BAB 1 PENDAHULUAN. Dalam pelaksanaan pembangunan saat ini, ilmu statistik memegang peranan penting

BAB 1 PENDAHULUAN. Dalam pelaksanaan pembangunan saat ini, ilmu statistik memegang peranan penting BAB 1 PENDAHULUAN 1.1. Laar Belakang Dalam pelaksanaan pembangunan saa ini, ilmu saisik memegang peranan pening baik iu di dalam pekerjaan maupun pada kehidupan sehari-hari. Ilmu saisik sekarang elah melaju

Lebih terperinci

ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional.

ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional. JURNAL ILMIAH RANGGAGADING Volume 7 No. 1, April 7 : 3-9 ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Sudi kasus pada CV Cia Nasional. Oleh Emmy Supariyani* dan M. Adi Nugroho *Dosen

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu

BAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang

Lebih terperinci

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

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

BAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun BAB III ARFIMA-FIGARCH 3. Time Series Memori Jangka Panjang Proses ARMA sering dinyaakan sebagai proses memori jangka pendek (shor memory) karena fungsi auokorelasi anara dan urun cepa secara eksponensial

Lebih terperinci

PERAMALAN 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(0,1,1)(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 terperinci

PERAMALAN JUMLAH PENJUALAN KORAN HARIAN BERLANGGANAN DI PT. JAWA POS DENGAN MENGGUNAKAN ARIMA BOX-JENKINS

PERAMALAN JUMLAH PENJUALAN KORAN HARIAN BERLANGGANAN DI PT. JAWA POS DENGAN MENGGUNAKAN ARIMA BOX-JENKINS TUGAS AKHIR SS 145561 PERAMALAN JUMLAH PENJUALAN KORAN HARIAN BERLANGGANAN DI PT. JAWA POS DENGAN MENGGUNAKAN ARIMA BOX-JENKINS TRI EMIRA RISMAYANTI NRP 1314 030 070 Dosen Pembimbing Dr. Brodjol Suijo

Lebih terperinci

Jurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK

Jurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK PERBANDINGAN METODE DES (DOUBLE EXPONENTIAL SMOOTHING) DENGAN TES (TRIPLE EXPONENTIAL SMOOTHING) PADA PERAMALAN PENJUALAN ROKOK (STUDI KASUS TOKO UTAMA LUMAJANG) 1 Fajar Riska Perdana (1110651142) 2 Daryano,

Lebih terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN

PEMODELAN 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 terperinci

Jurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN

Jurnal 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 terperinci

Dosen Pembimbing Dr. Brodjol Sutijo Suprih Ulama, M.Si.

Dosen Pembimbing Dr. Brodjol Sutijo Suprih Ulama, M.Si. TUGAS AKHIR SS 145561 PERAMALAN NILAI IMPOR NON MIGAS DI JAWA TIMUR DENGAN MENGGUNAKAN METODE ARIMA BOX-JENKINS BOBBY AKBAR NRP 1314 030 002 Dosen Pembimbing Dr Brodjol Suijo Suprih Ulama, MSi DEPARTEMEN

Lebih 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

Sekilas Pandang. Modul 1 PENDAHULUAN

Sekilas Pandang. Modul 1 PENDAHULUAN Modul 1 Sekilas Pandang Drs. Irlan Soelaeman, M.Ed. S PENDAHULUAN uau hari, saya dan keluarga berencana membawa mobil pergi ke Surabaya unuk mengunjungi salah seorang saudara. Sau hari sebelum keberangkaan,

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian ini dilakukan di Dafarm, yaiu uni usaha peernakan Darul Fallah yang erleak di Kecamaan Ciampea, Kabupaen Bogor, Jawa Bara. Pemilihan lokasi

Lebih terperinci

Jurnal Edik Informatika. Peramalan Kebutuhan Manajemen Logistik Pada Usaha Depot Air Minum Isi Ulang Al-Fitrah

Jurnal Edik Informatika. Peramalan Kebutuhan Manajemen Logistik Pada Usaha Depot Air Minum Isi Ulang Al-Fitrah Jurnal Edik Informaika Peneliian Bidang Kompuer Sains dan Pendidikan Informaika V.i(5-4) Peramalan Kebuuhan Manajemen Logisik Pada Usaha Depo Air Minum Isi Ulang Al-Firah Henny Yulius, Islami Yei Universias

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

PENGARUH 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 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 terperinci

ISSN: JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman Online di: ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 91-100 Online di: hp://ejournal-s1.undip.ac.id/index.php/gaussian IDENTIFIKASI BREAKPOINT DAN PEMODELAN AUTOREGRESSIVE STRUCTURAL

Lebih terperinci

PERAMALAN JUMAH MOBIL PRIBADI YANG BERADA DI KOTA SURABAYA

PERAMALAN 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 terperinci

IDENTIFIKASI POLA DATA TIME SERIES

IDENTIFIKASI 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 terperinci

PERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS

PERAMALAN 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 terperinci

USULAN PENERAPAN METODE KOEFISIEN MANAJEMEN (BOWMAN S) SEBAGAI ALTERNATIF MODEL PERENCANAAN PRODUKSI PRINTER TIPE LX400 PADA PT X

USULAN PENERAPAN METODE KOEFISIEN MANAJEMEN (BOWMAN S) SEBAGAI ALTERNATIF MODEL PERENCANAAN PRODUKSI PRINTER TIPE LX400 PADA PT X USULAN ENERAAN METODE KOEISIEN MANAJEMEN (BOMAN S) SEBAGAI ALTERNATI MODEL ERENCANAAN RODUKSI RINTER TIE LX400 ADA T X Hendi Dwi Hardiman Jurusan Teknik Manajemen Indusri - Sekolah Tinggi Manajemen Indusri

Lebih terperinci

ANALISIS DATA INFLASI INDONESIA MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DENGAN PENAMBAHAN OUTLIER.

ANALISIS 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 terperinci

PENGEMBANGAN MODEL REGRESI DERET WAKTU UNTUK DATA YANG MENGANDUNG VARIASI KALENDER

PENGEMBANGAN MODEL REGRESI DERET WAKTU UNTUK DATA YANG MENGANDUNG VARIASI KALENDER Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, November PENGEMBANGAN MODEL REGRESI DERET WAKTU UNTUK DATA YANG MENGANDUNG VARIASI KALENDER Alfonsus. J. Endhara dan Suharono Mahasiswa S Jurusan

Lebih terperinci

Peramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun

Peramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun JURNAL AIN DAN ENI IT Vol. 1, No. 1, (ep. 2012 IN: 2301-928X D-230 Peramalan Kebuuhan Premium dengan Meode ARIMAX unuk Opimasi Persediaan di Wilayah TM Madiun Nindia ekar Dini, Haryono, dan uharono Jurusan

Lebih terperinci

BAB 2 TINJAUAN TEORI

BAB 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 terperinci

KOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES. Abstrak

KOINTEGRASI 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 terperinci

Pendekatan Fungsi Transfer Sebagai Input Adaptive Neuro-Fuzzy Inference System (ANFIS) dalam Peramalan Kecepatan Angin Rata-Rata Harian di Sumenep

Pendekatan 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 terperinci

BAB I PENDAHULUAN. universal, disemua negara tanpa memandang ukuran dan tingkat. kompleks karena pendekatan pembangunan sangat menekankan pada

BAB I PENDAHULUAN. universal, disemua negara tanpa memandang ukuran dan tingkat. kompleks karena pendekatan pembangunan sangat menekankan pada BAB I PENDAHULUAN A. Laar Belakang Disparias pembangunan ekonomi anar daerah merupakan fenomena universal, disemua negara anpa memandang ukuran dan ingka pembangunannya. Disparias pembangunan merupakan

Lebih terperinci

(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF

(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Seminar Nasional Saisika 12 November 2011 Vol 2, November 2011 (T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Gumgum Darmawan, Sri Mulyani S Saf Pengajar Jurusan Saisika FMIPA UNPAD

Lebih terperinci

Peramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun

Peramalan 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 terperinci

Peramalan Return Saham Bank Central Asia Menggunakan Self Exciting Threshold Autoregressive Genetic Algorithm

Peramalan Return Saham Bank Central Asia Menggunakan Self Exciting Threshold Autoregressive Genetic Algorithm JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (2016) 2337-3520 (2301-928X Prin) D-71 Peramalan Reurn Saham Bank Cenral Asia Menggunakan Self Exciing Threshold Auoregressive Geneic Algorihm Tesalonika Puri dan

Lebih terperinci

BAB 2 LANDASAN TEORI. Pengangguran atau tuna karya merupakan istilah untuk orang yang tidak mau bekerja

BAB 2 LANDASAN TEORI. Pengangguran atau tuna karya merupakan istilah untuk orang yang tidak mau bekerja BAB 2 LANDASAN TEORI 2.1 Pengerian Pengangguran Pengangguran aau una karya merupakan isilah unuk orang yang idak mau bekerja sama sekali, sedang mencari kerja, bekerja kurang dari dua hari selama seminggu,

Lebih terperinci

PENDETEKSIAN DAN PEMODELAN PERUBAHAN STRUKTUR PADA DATA DERET WAKTU (Studi kasus data IHK umum Surabaya dan Kediri tahun )

PENDETEKSIAN DAN PEMODELAN PERUBAHAN STRUKTUR PADA DATA DERET WAKTU (Studi kasus data IHK umum Surabaya dan Kediri tahun ) PENDEEKSIAN DAN PEMODELAN PERUBAHAN SRUKUR PADA DAA DERE WAKU (Sudi kasus daa IHK umum Surabaya dan Kediri ahun 99 ) Arani Indraseianingsih Suharono Dwiamono Agus Widodo ABSRAK Perubahan Srukur (Srucural

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),

Lebih terperinci