Peramalan Jumlah Penumpang Kereta Api Kelas Ekonomi Kertajaya Menggunakan ARIMA dan ANFIS
|
|
- Ida Budiaman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 JURNAL SAINS DAN SENI ITS Vol. 4 No. (05) (30-9X Prn) D-3 Peramalan Jumlah Penumpang Kerea Ap Kelas Ekonom Keraaya Menggunakan ARIMA dan ANFIS Ilaf Andala dan Irhamah Jurusan Saska Fakulas Maemaka dan Ilmu Pengeahuan Alam Insu Teknolog Sepuluh Nopember (ITS) Jl. Aref Rahman Hakm Surabaya 60 Emal : rhamahn@gmal.com Absrak Kebuuhan masyaraka erhadap penggunaan a- la ransporas kerea ap kelas ekonom perlu dperhakan mengnga ens kerea ap ersebu elah dplh masyaraka berdasarkan kenyamanan dan erangkaunya arf ke. Peramalan umlah penumpang kerea ap kelas ekonom Keraaya merupakan salah sau upaya penng unuk mengeahu kebuuhan pengguna ransporas ersebu. Namun me seres umlah penumpang kerea ap Keraaya yang mempunya flukuas ngg erbuk bersfa nonlnear berdasarkan u lneras. Pemodelan menggunakan pendekaan lner seper ARIMA Box-Jenkns dak selalu memberkan peramalan yang bak karena erka beberapa asums dalam membangun model. Oleh karena u penelan n mengusulkan penggunaan meode ANFIS yang dharapkan memberkan knera lebh bak dalam pemodelan nonlner dan dbandngkan dengan hasl dar ARIMA. Penggunaan ANFIS unuk peramalan umlah penumpang selama 4 perode ke depan memberkan akuras ramalan yang lebh ngg darpada ARIMA karena MAPE dan RMSE yang dhaslkan lebh kecl. Model ANFIS erbak dhaslkan dar npu umlah penumpang pada sau uuh dan delapan har sebelumnya dan fungs keanggoaan p. Kaa Kunc ANFIS ARIMA nonlner penumpang I. PENDAHULUAN K erea ap merupakan salah sau ala ransporas yang basa dgunakan oleh masyaraka d Indonesa. Badan Pusa Sask [] menyebukan Jumlah penumpang kerea ap kumulaf pada Januar s.d Agusus 04 mencapa.0 ua orang aau menngka sebesar 3.44 % bla dbandngkan dengan perode yang sama pada ahun 03. Kenakan umlah penumpang kerea ap erad pada seluruh wlayah yau: Jabodeabek Jawa non-jabodeabek dan Sumaera. Jumlah penumpang kerea ap masng-masng wlayah nak sebesar 3.35% 9.53% dan 5.6 %. Badan Usaha Mlk Negara (BUMN) yang menyelenggarakan asa angkuan perkereaapan adalah PT Kerea Ap Indonesa (PT. KAI). PT. KAI berkewaban menyelenggarakan Publc Servce Oblgaon (PSO) yau salah saunya dengan memberkan subsd kepada beberapa kerea ap. PT. KAI memproraskan KRL dan KA ekonom arak deka unuk pemberan subsd []. Hal n mengakbakan arf unuk KA Ekonom Jarak Jauh yau kerea ap Keraaya mengalam beberapa penyesuaan arf. Perubahan arf yang berkal-kal dalam sau ahun membua masyaraka mash belum erbasa dengan konds ersebu. Hal ersebu berakba pada umlah penumpang kerea ap yang berflukuaf d sepanang ahun 04 dan 05. Sehubungan dengan konds perkereaapan maka penng unuk meramalkan umlah penumpang kerea ap Ekonom Keraaya unuk mengeahu kebuuhan masyaraka. Namun daa umlah penumpang ermasuk ke dalam me seres yang nonlner. Pendekaan lner seper ARIMA Box-Jenkns menganggap suau me seres berasal dar proses yang lner maka ARIMA Box-Jenkns dak selalu memberkan peramalan yang bak erhadap me seres yang nonlner karena erka beberapa asums unuk membangun model. Adapun alernaf meode adalah ANFIS yang merupakan salah sau eknk sof compung. ANFIS menggabungkan kemampuan belaar dar arngan syaraf ruan dengan kemampuan adanya auran fuzzy f-hen yang dapa menghaslkan pemodelan yang lebh bak. Gyun Jn-pyung Jee-hyong & Moon-hyun [3] melakukan peramalan angka pendek erhadap umlah penumpang kerea pada dua ermnal meropolan Korea dan memberkan hasl bahwa model ANFIS memlk keepaan lebh dar 93%. Perbandngan model ARIMA dan ANFIS pernah dlakukan oleh Galav Mrzae Shu dan Valzadeh [4] dengan meramalkan kenggan ar d Sunga Klang Malaysa. Analss menunukkan bahwa peramalan dengan menggunakan kedua model memlk nla MAPE sebesar <0.5% dan pemodelan ANFIS menghaslkan MAPE lebh kecl. Maka penelan n mengusulkan model ANFIS sebaga meode unuk peramalan umlah penumpang. Adapun meode ANFIS menggunakan npu dar pendekaan ARIMA. Hasl pemodelan ANFIS dbandngkan dengan pendekaan lner yau ARI- MA unuk meramalkan umlah penumpang. II. TINJAUAN PUSTAKA A. Tme seres Suau meodolog sask yang dapa menganalss suau me seres dsebu sebaga analss me seres. Seap pengamaan dnyaakan sebaga varabel random Z yang ddapakan berdasarkan ndeks waku erenu sebaga uruan waku pengamaan dengan 3 n sehngga suau me seres yang d-nyaakan sebaga hmpunan varabel random adalah Z Z Z3... Z n. Salah sau meode unuk analss me seres adalah prosedur Box-Jenkns [5]. B. Prosedur ARIMA Box Jenkns Prosedur ARIMA Box-Jenkns sebaga analss me seres erdr dar beberapa prosedur yang perama adalah denfkas model. Idenfkas model dlakukan unuk mengdenfkas kebuuhan ransformas pada daa yang belum sasoner dalam varans dfferencng pada daa yang belum sasoner dalam raa-raa dan menenukan orde p dan q yang epa unuk model. Prosedur kedua adalah esmas
2 JURNAL SAINS DAN SENI ITS Vol. 4 No. (05) (30-9X Prn) D-3 parameer. Parameer yang elah dperoleh dapa dlakukan penguan sgnfkans parameer. Adapun hpoess dan sask u yang dgunakan adalah sebaga berku. H 0: 0 H : 0 p hung H 0 Tabel Hpoess dan Sask U Hpoess AR(p) MA(q) AR(p) ˆ se.. ˆ () dolak apabla Sask U H 0: 0 H : 0 q hung hung n r MA(q) ˆ () se.. ˆ dengan n menunukkan banyaknya daa dan r menunukkan banyak parameer pada model [6]. Selanunya pemerksaan dagnosk resdual whe nose dan dsrbus normal. U Kolmogorov-Smrnov dgunakan dalam penguan asums dsrbus normal. Berku n merupakan hpoess yang dgunakan. H 0 : Daa mengku dsrbus normal H : Daa dak mengku dsrbus normal Sask u yang dgunakan adalah sebaga berku: D max D D () (.) Berdasarkan sask u yang dperkenalkan oleh D max / n Z Kolmogorov maka dkeahu bahwa () D max Z() ( ) / n sera Z( ) F( x( ) ). Adapun Fxadalah ( ) fungs dsrbus peluang dar dsrbus normal dan x () merupakan orde sask ke-h dar sampel random dengan n dan n merupakan ukuran sampel. Apabla D D an maka hpoess nol dolak dengan D an merupakan nla pada abel Kolmogorov-Smrnov []. H 0 : k 0 k H : k 0 k k K Adapun sask u yang dgunakan adalah : 6 Q n n n k ˆ k (3) dengan n merupakan ukuran sampel dan k menunukkan auokorelas resdual pada lag ke-k. Hpoess nol dolak apabla Q X df K dengan m=p+q [5]. Prosedur selanunya adalah pemlhan model erbak. Krera yang dgu- m nakan adalah Mean Absolue Percenage Error (MAPE) dan Roo Mean Square Error (RMSE). Berku n krera berdasarkan kesalahan peramalan ou-sample [5]. K k n Z ˆ Z MAPE 00% (4) n Z RMSE n Z n ˆ (5) Berdasarkan persamaan ersebu n merupakan banyaknya ou sample Z merupakan daa akual ke- dan Z ˆ merupakan peramalan ke- dar ou-sample. Pemodelan ARIMA musman mulplkaf Box Jenkns dapa dunukkan sebaga berku n.. s d s D s Adapun persamaan menunukkan s P B B B B B Z B B a (6) P p q Q merupakan koefsen komponen Auoregressve (AR) musman dengan B s koefsen komponen perode s dan orde P sedangkan Q Movng Average (MA) musman dengan perode s dan orde Q. Selan u koefsen komponen regular unuk AR orde p adalah p B dan unuk MA orde q adalah q B. Pembedaan musman orde D dan perode musman s dunukkan oleh s D B sedangkan unuk pembedaan reguler orde d dun- d ukkan oleh B. C. Adapve Neuro Fuzzy Inference Sysem (ANFIS) Beberapa kerangka bernalar yang membangun suau sof compung adalah neural nework dan ssem fuzzy.. Kelebhan dar neural nework adalah melakukan pembelaaran dan adapas. Neural Nework memproses suau nformas dengan merepresenaskan oak manusa. Auran f-han dar ssem fuzzy membenuk komponen kunc dar fuzzy nference sysem yang dapa secara efekf memodelkan keahlan manusa dalam aplkas yang spesfk Namun ssem fuzzy dak memlk suau kemampuan adapas unuk menangan perubahan lngkungan. Maka penggabungan konsep pembelaaran neural nework pada fuzzy nference sysems menghaslkan pemodelan neuro-fuzzy yang merupakan eknk penng dalam sof compung. Salah sau pemodelan neuro-fuzzy adalah model Adapve Neuro Fuzzy Inference Sysems (ANFIS) []. Adapun arsekur ANFIS yang dgunakan dalam penelan n berdasarkan auran fuzzy fhen pe Takag dan Sugeno msalnya: f adalah A and adalah B hen f p Z q Z r f adalah A and adalah B hen f p Z q Z r Gambar. Arsekur ANFIS yang Seara Lma lapsan pada arsekur ANFIS Sugeno dapa delaskan sebaga berku n.. Lapsan Seap node pada lapsan n merupakan node adapf dengan fungs node sebaga berku: O A unuk= aau O B Z unuk =34 ()
3 Jumlah Penumpang JURNAL SAINS DAN SENI ITS Vol. 4 No. (05) (30-9X Prn) D-33 Berdasarkan fungs ersebu A merupakan nla keanggoaan dar hmpunan fuzzy A Fungs keanggoaan A dapa berupa fungs keanggoaan dengan parameer yang sesua msalnya fungs keanggoaan dengan benuk kurva P: 0 a a / b a a a b b / b a a b b p a b c d b c c / d c c c d d / d c c d d 0 d dengan a b c d adalah hmpunan parameer dan parameer yang erdapa pada lapsan ke- dkenal dengan nama premse parameers aau parameer nonlner.. Lapsan Oupu pada lapsan ke- merupakan hasl perkalan operaor AND berku n. O w Z Z unuk = (9) A B Seap node merepresenaskan w sebaga he frng srengh of he rule.. 3. Lapsan 3 Node ke- menghung raso ke- dar rule s frng srengh erhadap umlah keseluruhan rule s frng srenghs seper yang dunukkan fungs berku n. w O3 w w w Oupu dar lapsan 3 yau () unuk= (0) w aau dsebu uga sebaga normalzed frng srenghs. 4. Lapsan 4 Lapsan 4 erdr dar seap node adapf dengan suau fungs node sebaga berku: O4 w f w p q r () Berdasarkan fungs node ersebu dkeahu w merupakan normalzed frng srenghs dar lapsan 3 dan y merupakan hasl operas parameer dalam node n. Adapun parameer p q r merupakan parameer pada lapsan 4 yang dsebu uga consequen parameers aau parameer lner. 5. Lapsan 5 Node eap menghung umlah keseluruhan oupu sebaga hasl erakhr dar seluruh snyal masuk. Adapun oupu keseluruhan dapa dunukkan oleh persamaan berku n. wf O5 w f () f III. METODOLOGI PENELITIAN A. Sumber Daa dan Varabel Penelan Daa yang dgunakan dalam penelan n merupakan daa sekunder yang dperoleh dar PT. KAI DAOP VIII Pasar Tur Surabaya. Adapun daa yang dgunakan adalah daa umlah penumpang Kerea Ap Kelas Ekonom Keraaya mula Me 04 s.d 6 Me 05 sebanyak 3 daa. Varabel yang dgunakan dalam penelan n adalah daa umlah penumpang haran Kerea Ap Keraaya. B. Langkah Analss Berku n dunukkan langkah analss unuk pemodelan ARIMA.. Melakukan denfkas model.. Melakukan esmas dan sgnfkas parameer. 3. Melakukan pemerksaan dagnosk. 4. Memlh model yang erbak. Beberapa alernaf model yang ddapakan dseleks menggunakan krera kebakan model MAPE dan MSE. Langkah analss unuk ANFIS sebaga berku n.. Menenukan varabel npu berdasarkan orde p dar lag yang sgnfkan pada plo PACF berdasarkan daa yang elah sasoner aau dar penabaran model ARI- MA.. Menenukan umlah fungs keanggoaan. 3. Menenukan ens fungs keanggoaan. 4. Melakukan eras sampa nla parameer konvergen dengan error yang mnmum. 5. Melakukan peramalan dar masng-masng kombnas ens dan ens npu. 6. Memlh model yang erbak berdasarkan krera kebakan MAPE dan RMSE. IV. ANALISIS DAN PEMBAHASAN A. Pemodelan Jumlah Penumpang Kerea Ap Keraaya Menggunakan ARIMA Box-Jenkns Pemodelan umlah penumpang menggunakan ARI- MA dawal dengan denfkas model melalu plo me seres. Jumlah penumpang kerea ap Keraaya mencapa 4 orang perhar dan palng sedk erdapa 4 orang perhar. Raa-raa umlah penumpang sebesar 4 orang perhar dengan varans yang cukup besar yau Berdasarkan vsualsas dndkaskan bahwa daa umlah penumpang dak sasoner dalam varans dan raa-raa yang dapa dkeahu dar penyebaran umlah penumpang yang dak erad dsekar varans dan raa-raa Har Bulan Tahun 0 0 Me Jun Jul Agu Sep Ok Nov Des Jan Feb Mar Apr Me 05 Gambar. Plo Tme Seres Jumlah Penumpang Kerea Ap Keraaya Berdasarkan ransformas Box-Cox dkeahu bahwa baas bawah dan aas kendal lambda adalah dak erhngga sedangkan nla pembulaan adalah -5 maka daa umlah penumpang memang dak sasoner dalam varans. Namun dalam hal n lebh bak dak melakukan ransformas karena dak dkeahu lambda yang epa unuk ransformas. Pemerksaan pada Plo PACF dan ACF mengndkaskan un-
4 Parsal Auokorelas Auokorelas JURNAL SAINS DAN SENI ITS Vol. 4 No. (05) (30-9X Prn) D-34 uk dlakukan pembedaan musman uuh dengan orde D= dan reguler dengan orde d=. Vsualsas PACF dkeahu bahwa pada lag ke-3 dan 6 sgnfkan sedangkan pada plo ACF erad lag yang sgnfkan pada lag ke- dan kelpaan uuh sehngga model semenara yang dapa dbenuk adalah model musman ARIMA ([36]) (0). Selan u lag sgnfkan pada lag ke-4 dan ke-6 pada plo PACF sedangkan ACF sgnfkan pada lag ke- dan aau kelpaan uuh sehngga model semenara adalah ARIMA ([46]) (0). Selanunya model semenara uga dapa dbenuk dar plo ACF dengan lag yang sgnfkan pada lag ke- ke-4 dan ke- aau musman uuh sehngga dapa dbenuk model ARI-MA (0 [4]) (0). Prosedur selanunya adalah esmas parameer model semenara (b) Gambar 3 Plo (a) ACF dan (b) PACF Daa Jumlah Penumpang dengan 35 (a) Pembedaan B B 35 Idenfkas model menghaslkan model musman ARIMA mulplkaf yau model ARIMA ([36]) (0) ARIMA ([46]) (0) sera model ARIMA (0 [4])(0). Esmas parameer pada kega model ARIMA menunukkan bahwa parameer sgnfkan pada araf sgnfkans 5%. Parameer pada masng-masng model sgnfkan karena aau dapa dkeahu dar p r value yang kurang dar araf sgnfkans Seelah dlakukan esmas maka ahap selanunya adalah pemerksaan resdual model Penguan resdual kal n mengu hpoess nol yau resdual elah whe nose sehngga berdasarkan ch square hngga lag ke-4 yang menunukkan konds bahwa X dan uga dapa danda dengan adanya hung X 0.05 db p-value yang lebh dar araf sgnfkans 0.05 maka dapa dpuuskan unuk gagal menolak hpoess nol sehngga resdual kega model ARIMA elah whe nose. Pemerksaan dagnosk selanunya adalah pemerksaan dagnosk resdual berdsrbus normal. Resdual yang Lag Lag ddapakan pada model n adalah sebanyak daa n-sample dkurang dengan delapan (35-=349) sehngga dkeahu kuanl dar sask kolmogorof smrnov adalah sebesar D n dalam araf sgnfkans 5%. 349 Pada penguan n hpoess yang du adalah bahwa dsrbus dar resdual model adalah dsrbus normal. Penguan menghaslkan konds D D sehngga dpuuskan unuk menolak hpoess nol berar resdual dar model dak berdsrbus normal sehngga dndkaskan adanya ouler pada daa umlah penumpang. Model ARIMA ([46]) (0) memlk enam ouler yang sgnfkan dengan lma ouler pe addve dan sau ouler pe level shf namun deeks ouler dengan araf sgnfkans 0.35 % mash menemukan 0 ouler sehngga dlakukan proses memasukkan model ouler kedalam model ARIMA sau persau unuk dlakukan sgnfkans parameer. Namun hngga ouler erakhr dmasukkan dak a- da saupun dar dua puluh ouler yang sgnfkan erhadap model sehngga resdual eap dak berdsrbus normal karena kurva yang erbenuk adalah kurva lepokurk. Kosenko dan Hyndman [9] dalam peramalan yang dlakukannya dalam bdang bsns. Peramalan dapa lepas dar u sgnfkans namun eap memperhakan suau model yang dapa meramalkan dengan bak berdasarkan krera kebakan model. Pemodelan dak hanya dlakukan dengan sau model namun demukan enam model masng-masng ga model dar daa yang derapkan pembedaan reguler dan musman sera ga model dengan pembedaan musman saa. Berku n merupakan perbandngan keenam model ersebu. Tabel. Pemlhan Model Terbak Model ARIMA Krera Ou-sample RMSE MAPE(%) ([36])(0) ([46])(0) (0[4])(0) (0) (0) (0[]) (0) (0[4]) (0) Berdasarkan krera ou-sample kega model hasl dar pemodelan dengan daa yang elah mengalam pembedaan musman dan regular cenderung menghaslkan RMSE yang lebh kecl dar pada pemodelan dar daa yang mengalam pembedaan musman saa. Berdasarkan krera daa ou-sample dkeahu bahwa model ARIMA ([46]) (0) memlk kemampuan yang lebh bak dbandngkan kelma model ARIMA lan dalam meramalkan umlah penumpang sampa dengan 4 perode ke depan. Hasl peramalan unuk model ARIMA erbak dunukkan pada Tabel. Adapun model ARIMA ([46])(0) adalah: Z Z 0.90 Z 0.90 Z 0.6 Z.6 Z Z Z 0.90Z 0.6Z 0.6Z 0.a a 0.44a 0.539a a B. Pemodelan Jumlah Penumpang Kerea Ap Keraaya Menggunakan ANFIS Pemodelan ANFIS dlakukan berdasarkan daa umlah penumpang yang nonlner. Pemodelan ANFIS dapa d-
5 JURNAL SAINS DAN SENI ITS Vol. 4 No. (05) (30-9X Prn) D-35 lakukan seelah melakukan u lneras menggunakan u Terasvra dan Whe. Penguan Terasvra dan Whe menunukkan nla ch-square beruru-uru sebesar dan.4 yang lebh besar dar pada X sera hasl penguan db uga dapa danda dengan adanya p-value yang lebh kecl dar araf sgnfkans Keduanya menunukkan bahwa daa umlah penumpang adalah nonlner. Pemodelan ANFIS dlakukan dengan menggunakan kombnas npu dar pemodelan ARIMA yang erbak yau model ARIMA ([46]) (0). Kombnas varabel npu yang ddapakan dar penabaran model ARIMA ([46]) (0) a- dalah dan 4 6 Jumlah fungs keanggoaan yang dgunakan adalah sebanyak dua karena apabla lebh dar dua erdapa beberapa npu yang berada d luar baas spesfkas. ens fungs keanggoaan yang dgunakan adalah benuk kurva Gaussan generalzed bell rapezodal rangular dan p karena kelma ens fungs keanggoaan memlk benuk kurva yang hampr sama. Pemodelan ANFIS dgunakan umlah epoch yang dsesuakan yau 500 epoch. Penelasan deal mengena pemodelan ANFIS dengan lma lapsan hanya dberkan unuk ens npu yang derapkan pada pemodelan ANFIS fungs keanggoaan P. Lapsan ke- merupakan lapsan yang memproses suau hmpunan blangan klask yang dalam hal n merupakan daa umlah penumpang. Adapun ens npu pada daa n-sample yang derapkan pada pe-modelan ANFIS anara lan dunukkan oleh Tabel 3 berku n. Daa ke Z Tabel 3. Inpu Daa In-sample Targe Oupu ( Z ) : : : : : Lapsan ke- menghaslkan parameer nonlner aau bsa dsebu parameer premse yang dgunakan unuk mengubah blangan klask menad blangan fuzzy. Proses adapas erad pada lapsan n sesua dengan parameer yang dhaslkan. Adapun parameer ersebu dapa dgunakan unuk menenukan deraa keanggoaan dar ga npu yang dgunakan memlk masng-masng seumlah dua fungs keanggoaan sehngga dhaslkan 6 kelompok deraa keanggoaan. Tabel 4. Parameer Nonlner Inpu a b c d Inpu mf (A) Inpu mf (A) Inpu mf (B) Inpu mf (B) Inpu3 mf (C) Inpu3 mf (C) Oupu yang dhaslkan pada lapsan ke- yau deraa keanggoaan yang dperoleh dar operas parameer nonlner berdasarkan fungs keanggoaan P lalu dproses kembal pada lapsan ke-. Proses pada lapsan ke- adalah perhungan he frng srengh. Adapun perhungan he frng srengh adalah dengan mengalkan semua deraa keanggoaan dengan memperhakan he frng sreng of rule d mana auran ersebu berasal dar logka AND. Berku n delapan auran yang berasal dar umlah npu dpangkakan umlah fungs keanggoaan ( 3 =) f Z - s A and Z - s B and Z - s C hen w = A B C f Z - s A and Z - s B and Z - s C hen w = A f Z - s A and Z - s B and Z - s C hen w 3= A f Z - s A and Z - s B and Z - s C hen w 4= A f Z - s A and Z - s B and Z - s C hen w 5= A f Z - s A and Z - s B and Z - s C hen w 6= A f Z - s A and Z - s B and Z - s C hen w = A f Z - s A and Z - s B and Z - s C hen w = A B C B C B C B C B C B C B C The frng srengh yang dhaslkan dar proses pada lapsan ke- kemudan menad npu unuk lapsan ke-3. Proses pada lapsan ke-3 merupakan proses normalsas unuk mendapakan normalzed frng srengh. Perhungan normalzed frng srengh adalah dengan membag anara w dengan umlah oal dar w dengan = dan =349. Tabel 5. Parameer Lner Inpu P q r s Auran Auran Auran Auran Auran Auran Auran Sama halnya dengan lapsan ke- lapsan ke-4 bersfa adapf karena menghaslkan parameer sesua dengan lma fungs keanggoaan yang dgunakan. Parameer lner dhaslkan sebanyak empa parameer yau p q r dan s dengan = sesua dengan auran dunukkan oleh Tabel 5 sehngga pada lapsan ke-5 erad proses penumlahan semua npu sebaga berku n. Zˆ w f w f w f w f w f w f w f w f pz qz rz s p q p3 q3 r3 s3 4 p4 q4 4 p5 q5 r5 s5 6 p6 q6 6 p q r s p q w w r Z s w w r Z s 3 4 w w r Z s 5 6 w w r Z s Proses penumlahan semua npu yang masuk d la-psan ke- 5 menghaslkan peramalan unuk umlah penumpang sesua dengan npu yang dgunakan dan arge oupu dar n-sample. Selan u pemodelan ANFIS uga derapkan pada daa ou-sample sebanyak 4 perode. Pemodelan ANFIS dlakukan sebanyak 35 kal yang ddasarkan pada lma ens fungs keanggoaan sera uuh ens npu. Namun dalam pemodelan ANFIS npu Z - Z -4 Z - dan Z - Z -6 Z - dak dapa derapkan pada pemodelan karena erdapa beberapa npu berada d luar baas spesfkas sehngga dak dapa dlanukan dalam pemodelan. Dalam hal n ens npu yang dgunakan sebanyak lma ens npu sehngga pemodelan ANFIS
6 Jumlah Penumpang JURNAL SAINS DAN SENI ITS Vol. 4 No. (05) (30-9X Prn) D-36 dlakukan sebanyak 5 kal. Adapun unuk melakukan pemlhan model ANFIS erbak dgunakan MAPE dan RMSE. Tabel 6. Pemlhan Model ANFIS erbak Jens Inpu krera Gauss Gbell Trap Tr P Z -Z -Z - MAPE RMSE Z -Z - MAPE RMSE Z -Z - MAPE RMSE Z -Z -4 MAPE RMSE Z -Z -6 MAPE RMSE Inpu Z - Z - Z - cenderung memberkan RMSE dan MAPE yang kecl pada peramalan daa ou-sample. Fungs keanggoaan Generalzed Bell Trangular dan P memberkan nla MAPE palng kecl beruru-uru adalah 3.94% 3.% dan 3.%. Secara umum pemodelan ANFIS dengan umlah npu sebanyak ga yau Z - Z - Z - dan seumlah dua fungs keanggoaan sera ens fungs keanggoaan P Trangular dan Generalzed Bell memberkan hasl peramalan ou sample yang lebh bak dnau berdasarkan nla MAPE namun fungs keanggoaan P mampu memberkan MAPE dan RMSE yang erkecl. Sehngga pemodelan ANFIS erbak a- dalah menggunakan ens npu Z - Z - Z - dengan dua fungs keanggoaan dan menggunakan ens fungs keanggoaan berbenuk P. C. Perbandngan Pemodelan ARIMA dan ANFIS Perbandngan model dlakukan pada model ANFIS dengan npu Z - Z - Z - yang menggunakan ens fungs keanggoaan berbenuk P dan model ARIMA ([46]) (0). Krera kebakan model yau MAPE dan RMSE yang derapkan pada daa ou-sample menunukkan bahwa MAPE dan RMSE model ANFIS febh kecl yau sebesar 3.% dan 5.30 darpada model ARIMA sebesar 4.6% dan 64.6 sehngga model ANFIS memlk kemampuan peramalan umlah penumpang kerea ap keraaya yang lebh bak dbandngkan dengan model ARIMA Har 3 Bulan Apr Tahun Me 3 5 Peramalan Daa Asl Gambar 4. Perbandngan Peramalan Model ANFIS dan ARIMA Hasl peramalan dapa dvsualsaskan dengan plo me seres pada Gambar 4 yang dkeahu bahwa hasl peramalan menggunakan model ANFIS lebh mendeka daa asl umlah penumpang mula Kams 3 Aprl 05 sampa dengan Rabu 6 Me 05. Namun kedua model elah mampu meramalkan umlah penumpang selama 4 perode ke depan dengan MAPE yang dhaslkan adalah kurang dar 5 %. Adapun peramalan umlah penumpang unuk 4 perode ke depan dapa dunukkan oleh Tabel. ANFIS ARIMA Tabel. Hasl Peramalan Jumlah Penumpang Perode Har Daa Asl ANFIS ARIMA 3 Aprl 05 Kams Aprl 05 Juma Aprl 05 Sabu Aprl 05 Mnggu Aprl 05 Senn Aprl 05 Selasa Aprl 05 Rabu Aprl 05 Kams Me 05 Juma Me 05 Sabu Me 05 Mnggu Me 05 Senn Me 05 Selasa Me 05 Rabu V. KESIMPULAN Hasl penelan dapa dsmpulkan sebaga berku:. Jumlah penumpang kerea ap Keraaya mencapa 4 orang perhar dan palng sedk erdapa 4 orang perhar. Adapun umlah penumpang memlk pola yang sama dan berulang pada sau mnggu aau dapa dsebu sebaga musman uuh. Model ARIMA ([46]) (0) memlk MAPE dan RMSE yang lebh kecl yau 4.6 % dan 64.6 dbandngkan lma model ARIMA yang lan.. Model ANFIS dengan npu Z - Z - Z - dan fungs keanggoaan benuk kurva P memlk akuras yang lebh bak dbandngkan model ANFIS yang lanya yau dengan MAPE 3.% dan RMSE Model ANFIS dengan npu Z - Z - Z - dan fungs keanggoaan P menghaslkan akuras yang lebh ngg darpada model ARIMA ([46]) (0) karena MAPE dan RMSE yang dhaslkan lebh kecl. Daa umlah penumpang merupakan me seres nonlner yang sul apabla danalss menggunakan pendekaan ARIMA yang merupakan pendekaan lner. Berdasarkan model erbak yau ANFIS umlah penumpang dpengaruh oleh umlah penumpang pada sau uuh dan delapan har sebelumnya. DAFTAR PUSTAKA [] BPS. (04 Okober ) Perkembangan Parwsaa dan Transporas Nasonal Bera Resm Sask [onlne]. pp. -0. Avalable: hp:// [] KAI. (04 Mare 06) Pemernah Subsd Penumpang KA Kelas Ekonom PT. Kerea Ap Indonesa [onlne]. Avalable : hps:// [3] J. Gyu-n K. Jn-pyung L. Jee-hyong and K. Moon-hyun ANFIS based Shor-erm Predcon of Passenger Volume n Urban Ral Trans. Inernaonal Symposum on Advanced Inellgen sysems (ISIS). USA: Sprnger (0). USA: Sprnger. [4] H. Galav M. Mrzae L. T. Shu and N. Valzadeh Klang Rver- Level Forecasng Usng ARIMA and ANFIS. Amercan Waer Works Assocaon Journal (03). E496-E506. [5] W. We Tme Seres Unvarae and Mulvarae Mehods.Canada: Addson Wesley (006). [6] J. D. Cryerand K. S. Chan Tme Seres Analyss wh Applcaons n R. New York: Sprnger (00). [] M. A. Sephen Aspecs of Goodness of F. Calfona: Techncal Repor Deparmen of Sascs Sanford Unversy. (993). [] R. J-S. Jang C. Sun and E. Mzuan Neuro-Fuzzy and Sof Compung. London: Prence Hall (99). [9] A. V. Kosenko dan R. J. Hyndman Forecasng Whou Sgnfcance Tes? [onlne]. Avalable: hp://robhyndman.com/papers- /ss.pdf. (00)
Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR)
JURNAL SAINS DAN SENI POMITS Vol. 3, No., (04) 337-350 (30-98X Prn) D-36 Peramalan Penjualan eda Moor Tap Jens d Wlayah Surabaya dan Blar dengan Model ARIMA Box-Jenkns dan Vecor Auoregressve (VAR) Ade
Lebih terperinciBAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU
BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU Pada bab III, ka elah melakukan penguan erhadap meoda Runge-Kua orde 4 pada persamaan panas. Haslnya, solus analk persamaan panas
Lebih terperinciJumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun
Baasan Masalah Jumlah kasus pendera penyak Demam Berdarah Dengue (DBD d Koa Surabaya ahun - Varabel Explanaory (Varabel penjelas yang dgunakan dalam penelan adalah varabel Iklm (Curah hujan, Suhu, Kelembaban
Lebih terperinciBAB 8 PERSAMAAN DIFERENSIAL BIASA
Maa kulah KOMPUTASI ELEKTRO BAB 8 PERSAMAAN DIFERENSIAL BIASA Persamaan dferensal dapa dbedakan menjad dua macam erganung pada jumlah varabel bebas. Apabla persamaan ersebu mengandung hana sau varabel
Lebih terperinciCreated by Simpo PDF Creator Pro (unregistered version)
Creaed by Smpo PDF Creaor Pro (unregsered verson) hp://www.smpopdf.com Sask Bsns : BAB 8 VIII. ANALISIS DATA DERET BERKALA (TIME SERIES) 8.1 Pendahuluan Daa Berkala (Daa Dere waku) adalah daa yang dkumpulkan
Lebih terperinci( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32)
8 Raaan poserornya adalah E m x ò (, ) f ( x) m f x m f f m ddm (32) Dalam obseras basanya dgunakan banyak daa klam. Msalkan saja erdr dar grup daa klam dengan masng-masng grup ke unuk seap, 2,..., yang
Lebih terperinciPERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR
B-5-1 PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR Wsnu Bud Sunaryo, Haryono ITS Surabaya ABSTRAK Dalam duna konsruks saa n pemakaan produk beon
Lebih terperinciMODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT
Bulen Ilmah Mah. Sa. dan Terapannya (Bmaser) Volume 07, No. (018), hal 85 9. MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT Felca Kurna Kusuma Wra Pur, Dadan
Lebih terperinciPENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1
PENDUGAAN SAISIK AREA KECIL DENGAN MEODE EMPIRICAL CONSRAINED AYES Ksmann Jurusan Penddkan Maemaka FMIPA Unversas Neger Yogyakara Absrak Meode emprcal ayes (E merupakan meode yang lebh aplkaf pada pendugaan
Lebih terperinciLine Transmisi. Oleh: Aris Heri Andriawan ( )
ANALISIS APLIKASI PENJADWALAN UNIT-UNIT PEMBANGKIT PADA SISTEM KELISTRIKAN JAWA-BALI DENGAN MENGGUNAKAN UNIT COMMITMENT, UNIT DECOMMITMENT DAN MODIFIED UNIT DECOMMITMENT Oleh: Ars Her Andrawan (07000)
Lebih terperinciBAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI
BAB ETROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUYI Model Markov Tersembuny (Hdden Markov Model, MMT) elah banyak daplkaskan dalam berbaga bdang seper pelafalan bahasa (speeh reognon) dan klasfkas (luserng).
Lebih terperinciKONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan
KONSEP DASAR Laar belakang Meode Numerk Ilusras masalah numerk Angka sgnfkan Akuras dan Press Pendekaan dan Kesalahan Laar Belakang Meode Numerk Tdak semua permasalahan maemas dapa dselesakan dengan mudah,
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013
3. Lokas dan Waku Penelan 3.. Lokas Penelan BAB III METODOLOGI PENELITIAN Penelan n dlaksanakan d SMP Neger 7 Goronalo pada ahun ajaran 0/03 3.. Waku Penelan Penelan n d laksanakan pada semeser genap ahun
Lebih terperinciPERAMALAN JUMLAH WISATAWAN MANCANEGARA YANG MASUK MELALUI PINTU KEDATANGAN BANDARA SOEKARNO HATTA DAN BANDARA JUANDA
PERAMALAN JUMLAH WISATAWAN MANCANEGARA YANG MASUK MELALUI PINTU KEDATANGAN BANDARA SOEKARNO HATTA DAN BANDARA JUANDA Indra Rahm, Sr Png Wulandar Mahasswa Jurusan Saska Insu Teknolog Seuluh Noember Dosen
Lebih terperinciPenerapan Statistika Nonparametrik dengan Metode Brown-Mood pada Regresi Linier Berganda
Jurnal EKSPONENSIAL Volume 7, Nomor, Me 6 ISSN 85-789 Penerapan Saska Nonparamerk dengan Meode Brown-Mood pada Regres Lner Berganda Applcaon of Nonparamerc Sascs, wh Brown-Mood Mehod on Mulple Lnear Regresson
Lebih terperinciPENERAPAN MODEL GSTAR(1,1) UNTUK DATA CURAH HUJAN
Bulen Ilmah Mah. Sa. dan Terapannya (Bmaser) Volume 6, o. 03 (017), hal 159 166. PEERAPA MODEL GSTAR(1,1) UTUK DATA CURAH HUJA Ism Adam, Dadan Kusnandar, Hendra Perdana ITISARI Model Generalzed Space Tme
Lebih terperinciPENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG
INDEPT, Vol., No. 3, Okober 01 ISSN 087 945 PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG Samsul Budaro, ST., MT Dosen Teap Teknk Indusr, Wakl Dekan III akulas Teknk, Unversas
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciBAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1
BAB I PENDAHULUAN 1.1 Defns Rangkaan Lsrk Rangkaan Lsrk adalah sambungan dar beberapa elemen lsrk ( ressor, kapasor, ndukor, sumber arus, sumber egangan) yang membenuk mnmal sau lnasan eruup yang dapa
Lebih terperinciBAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode
BAB III THREE STAGE LEAST SQUARE Sebagamana elah dsnggung pada bab sebelumnya, salah sau meode penaksran parameer pada persamaan smulan yau meode Three Sage Leas Square (3SLS. Sebelum djelaskan lebh lanju
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan
Lebih terperinci' PERATURAN BUPATI PACITAN I NOMOR 4 TAHUN 2012 PEMBERIAN BANTUAN PERALATAN DAN/ATAU MESIN BAGI INDUSTRI KECIL DAN MENENGAH KABUPATEN PACITAN
j BUPAT PACTAN ' PERATURAN BUPAT PACTAN NOMOR 4 TAHUN 2012 TENTANG PEMBERAN BANTUAN PERALATAN DAN/ATAU MESN BAG NDUSTR KECL DAN MENENGAH KABUPATEN PACTAN DENGAN RAHMAT TUHAN YANG MAHA ESA BUPAT PACTAN
Lebih terperinciBAB III MINIMUM COVARIANCE DETERMINANT. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode
BAB III MINIMUM COVARIANCE DETERMINANT Sebagamana elah dsnggung pada bab sebelumnya, salah sau meode robus unuk mendeeks penclan (ouler) dalam analss komponen uama robus yau meode Mnmum Covarance Deermnan
Lebih terperinci! BUPATI PACriAN j PERATURAN BUPATI PACITAN NOMOR 18 TAHUN 2013
! BUPAT PACrAN j PERATURAN BUPAT PACTAN NOMOR 18 TAHUN 2013 TENTANG PEDOMAN PENYUSUNAN LAPORAN DEWAN PENGAWAS BADAN LAYANAN UMUM DAERAH PADA RUMAH SAKT UMUM DAERAH KABUPATEN PACTAN DENGAN RAHMAT TUHAN
Lebih terperinciANaLISIS - TRANSIEN. A B A B A B A B V s V s V s V s. (a) (b) (c) (d) Gambar 1. Proses pemuatan kapasitor
ANaISIS - TANSIEN. Kapasor dalam angkaan D Sebuah kapasor akan ermua bla erhubung ke sumber egangan dc seper yang dperlhakan pada Gambar. Pada Gambar (a), kapasor dak bermuaan yau pla A dan pla B mempunya
Lebih terperinciBAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF
BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap
Lebih terperinciBUPATI PACITAN. i PERATURAN BUPATI PACITAN ; NOMOR 5" TAHUN 2008 TENTANG
BUPAT PACTAN PERATURAN BUPAT PACTAN ; NOMOR 5" TAHUN 2008 TENTANG PETUNJUK PELAKSANAAN PERATURAN DAERA KABUPATEN PACTAN NOMOR 25 TAHUN 2007 TENTANG ORGAN DAN KEPEGAWAAN PERUSAHAAN DAERAH AR MNUM j KABUPATEN
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan
Lebih terperinciPENERAPAN FUZZY MULTI CRITERIA DECISION MAKING UNTUK MENENTUKAN PEMBERIAN BEASISWA
Semnar Nasonal Teknolog Informas dan Mulmeda 2015 STMIK AMIKOM Yogyakara, 6-8 Februar 2015 PENERAPAN FUZZY MULTI CRITERIA DECISION MAKING UNTUK MENENTUKAN PEMBERIAN BEASISWA Yeffransjah Salm STMIK Indonesa
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang
BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang
Lebih terperinci\ DANA ALOKASI DESA DENGAN RAHMAT TUHAN YANG MAHA ESA
y BUPAT PACTAN PERATURAN BUPAT PACTAN : NOMOR 55" TAHUN 20 ; TENTANG \ DANA ALOKAS DESA DENGAN RAHMAT TUHAN YANG MAHA ESA BUPAT PACTAN, Menmbang : a. bahwa dalam rangka penngkaan penyelenggaraan pemernahan,
Lebih terperinciPERBAIKAN ASUMSI KLASIK
BAHAN AJAR EKONOMETRI AGUS TRI BASUKI UNIVERSITAS MUHAMMADIAH OGAAKARTA PERBAIKAN ASUMSI KLASIK 6.. Mulkolnearas Jka model ka mengandung mulkolneras yang serus yakn korelas yang ngg anar varabel ndependen,
Lebih terperinciPenggunaan Metode Modified Unit Decommitment (MUD) untuk Penjadwalan Unit-Unit Pembangkit Pada Sistem Kelistrikan Jawa - Bali
Penggunaan Meode Modfed Un Decommmen (MUD) unuk Penjadwalan Un-Un Pembangk Pada Ssem Kelsrkan Jawa - Bal Ars Her Andrawan,2, Onoseno Penangsang ) Jurusan Teknk Elekro TS, Surabaya 60, ndonesa 2) Jurusan
Lebih terperinciKresnanto NC. Model Sebaran Pergerakan
Kresnano C Moel Sebaran Pergerakan Kresnano C Tujuan Uama: Mengeahu pola pergerakan alam ssem ransporas serng jelaskan alam benuk arus pergerakan (kenaraan, penumpang, an barang) yang bergerak ar zona
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun
43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C
Lebih terperinciPENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS
PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS Mra Puspasar, Snggh Sapad, Dana Puspasar Absraks PT Ulam Tba Halm merupakan salah sau ndusr mnuman serbuk d Indonesa, dmana
Lebih terperinciANALISIS DATA DERET BERKALA DENGAN METODE TREND SEKULER UNTUK MENENTUKAN MODEL PERTUMBUHAN PENDUDUK MISKIN JAWA BARAT
ANALISIS DATA DERET BERKALA DENGAN METODE TREND SEKULER UNTUK MENENTUKAN MODEL PERTUMBUHAN PENDUDUK MISKIN JAWA BARAT ANALSIS OF TIME SERIES USING SECULAR TREND METHOD TO DETERMINE POPULATION GROWTH MODEL
Lebih terperinciAPLIKASI STRUKTUR GRUP YANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI. Mujiasih a
APLIKASI STRUKTUR GRUP ANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI Mujash a a Program Sud Maemaka Jurusan Tadrs Fakulas Tarbah IAIN Walsongo Jl. Prof. Dr. Hamka Kampus II Ngalan Semarang
Lebih terperinciBAB II TINJAUAN PUSTAKA. membahas analisis deret waktu, diagram kontrol Shewhart, Average Run Length
BAB II TINJAUAN PUSTAKA Pendahuluan Dalam enulsan maer okok dar skrs n derlukan beberaa eor-eor yang mendukung, yang menjad uraan okok ada bab n Uraan dmula dengan membahas analss dere waku, dagram konrol
Lebih terperinciModifikasi Penaksir Robust dalam Pelabelan Outlier Multivariat
Vol. 14, No. 1, 46-53, Jul 2017 Modfkas Penaksr Robus dalam Pelabelan Ouler Mulvara Erna Tr Herdan Absrak Ouler adalah suau observas yang polanya dak mengku mayoras daa. Ouler dalam kasus mulvara sanga
Lebih terperinciPenerapan Metode Filter Kalman Dalam Perbaikan Hasil Prediksi Cuaca Dengan Metode ARIMA
JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (24) ISSN: 2337-3539 (23-927 Prn) A-28 Penerapan Meode Fler Kalman Dalam Perbaan Hasl Preds Cuaca Dengan Meode ARIMA Tomy Kurnawan, Luman Hanaf, dan Erna Aprlan
Lebih terperinciPENGGUNAAN METODE MODIFIED UNIT DECOMMITMENT (MUD) UNTUK PENJADWALAN UNIT-UNIT PEMBANGKIT PADA SISTEM KELISTRIKAN JAWA - BALI
Prosdng Semnar Nasonal Manajemen Teknolog X Program Sud MMT-TS, Surabaya 6 Pebruar 2010 PENGGUNAAN METODE MODFED UNT DECOMMTMENT (MUD) UNTUK PENJADWALAN UNT-UNT PEMBANGKT PADA SSTEM KELSTRKAN JAWA - BAL
Lebih terperinciPemodelan Penyerapan Tenaga Kerja Sektor Industri di Indonesia Dengan Pendekatan Regresi Data Panel Dinamis
JURAL SAIS DA SEI ITS Vol. 5 o. 2 (2016) 2337-3520 (2301-928X Prn) D-217 Pemodelan Penyerapan Tenaga Kerja Sekor Indusr d Indonesa Dengan Pendekaan Regres Daa Panel Dnams Avolla Terza Damalana dan Seawan
Lebih terperinci( L ). Matriks varians kovarians dari
LIVIA PUSPA T 677 9.3 METODE KOMPONEN UTAMA Informas yang dbuuhkan daam eknk komponen uama suau daa ddapa dar marks varans kovarans, aau marks koreasnya. Meode komponen uama n, beruuan unuk menaksr parameer
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDAAN EORI. njauan Pusaka.. Peramalan Peramalan (forecasng) merupakan ala banu yang penng dalam perencanaan yang efekf dan efsen khususnya dalam bdang ekonom. Dalam organsas modern mengeahu keadaan
Lebih terperinci*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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan
Lebih terperinciBAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan
BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDAAN TEORI. Tnjauan Pusaka.. Uj Keseragaman Daa Tujuan uama pengukuran uj keseragaman daa adalah unuk mendapakan da yang seragam. Kedak seragaman daa dapa daang anpa dsadar, maka dperlukan suau
Lebih terperinciAnalisis Survival pada Pasien Penderita Sindrom Koroner Akut di RSUD Dr. Soetomo Surabaya Tahun 2013 Menggunakan Regresi Cox Proportional Hazard
JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (215) 2337-352 (231-928X Prn) D151 Analss Survval pada Pasen Pendera Sndrom Koroner Aku d RSUD Dr. Soeomo Surabaya Tahun 213 Menggunakan Regres Cox Proporonal Hazard
Lebih terperinciEL NINO, LA NINA, DAN PENAWARAN PANGAN DI JAWA, INDONESIA
Jurnal Ekonom Pembangunan Volume 1, Nomor, Desember 011, hlm.57-71 EL NINO, LA NINA, DAN PENAWARAN PANGAN DI JAWA, INDONESIA Arn Wahyu Uam, Jamhar, dan Suhamn Hardyasu Jurusan Sosal Ekonom Peranan, Fakulas
Lebih terperinciBAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST
BAB ESPONS FUNGSI STEP PADA ANGKAIAN DAN C Oleh : Ir. A.achman Hasbuan dan Naemah Mubarakah, ST . Persamaan Dferensal Orde Sau Adapun benuk yang sederhana dar suau persamaan dferensal orde sau adalah:
Lebih terperinciBAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan
BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan
Lebih terperinciBAB II LANDASAN TEORI
5 BAB II LANDASAN TEORI Pada bab n akan dbahas beberapa eor dasar yang kelak akan dgunakan dalam penurunan formula penenuan harga Asan Opon, bak secara analk pada Bab III maupun secara numerk pada Bab
Lebih terperinciANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER. Muflih Rori Putra Harahap
ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER Muflih Rori Pura Harahap 30 00 052 Pembimbing : Dr. Drs. Agus Suharsono, M.S. LATAR BELAKANG PENDAHULUAN
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciBAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena
Lebih terperinciPrediksi Permintaan BBM di PT. Pertamina Region V dengan Metode Peramalan Data Time Series Hirarki
Prediksi Perminaan BBM di PT. Peramina Region V dengan Meode Peramalan Daa Time Series Hirarki Prania Dian Uari dan 2 Suharono Mahasiswa Jurusan Saisika FMIPA-ITS (38 57) 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN. Disini tujuan akhir yang ingin dicapai penulis adalah pembuatan suatu aplikasi
BAB 5 HASIL DAN PEMBAHASAN Disini ujuan akhir yang ingin dicapai penulis adalah pembuaan suau aplikasi program yang digunakan unuk membanu perusahaan dalam menenukan jumlah produksi demand. Disini ada
Lebih terperinciPROSES STOKASTIK KELAHIRAN-KEMATIAN DENGAN DUA JENIS KELAMIN SECARA KELOMPOK PADA PROSES YULE- FURRY. Samsuryadi
JURNAL MATEMATIKA DAN KOMUTER Vol. 4. No. - Agusus ISSN : 4-858 ROSES STOKASTIK KELAHIRAN-KEMATIAN DENAN DUA JENIS KELAMIN SECARA KELOMOK ADA ROSES YULE- FURRY Samsuryad Jurusan Maemaka FMIA Unversas Srwaya
Lebih terperinciAnalisis Jalur / Path Analysis
Analss Jalur / Pah Analyss Analss jalur adalah salah sau benuk model SEM yang dak mengandung varable laen. Tenu saja model n lebh sederhana dbandngkan dengan model SEM lengka. Analss jalur sebenarnya meruakan
Lebih terperinciJurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS) (2)
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (016) 337-350 (301-98X Prn) D-17 Analss Kurva Survval Kaplan Meer pada Pasen HIV/AIDS dengan Anrerovral Therapy (ART) d RSUD Prof. Dr. Soekandar Kabupaen Mojokero
Lebih terperinciUSING THE PAST TO PREDICT THE FUTURE WORKSHOP ANALISIS RESIKO UNTUK BISNIS
USING THE PAST TO PREDICT THE FUTURE WORKSHOP ANALISIS RESIKO UNTUK BISNIS Oleh : Maman Seawan, SE, MT 28 29 Sepember 2004 PROGRAM PENGEMBANGAN KOMPETENSI BISNIS DIVISI PENGKAJIAN DAN PENGEMBANGAN BISNIS
Lebih terperinciPemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network
D-378 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (26) 2337-3520 (23-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi pada Plaform MK di PT X Menggunakan Meode ARIMA, Neural Nework, dan Hibrida ARIMA-Neural
Lebih terperinciPeramalan Kurs Rupiah Terhadap US Dollar Menggunakan Metode Hibrid
Teknolog Elekro, Vol. 6, No. 3,Sepember - Desember 07 33 Peramalan Kurs Rupah Terhaap US Dollar Menggunakan Meoe Hbr I Nyoman Sumera Yasa ), I Keu Gee Darma Pura ), N.M.A.E.D Wrasu 3) Absrac Forecasng
Lebih terperinciANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA
ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA Oleh : Liviani Nursia 307030040 Dosen Pembimbing: Dr. Brodjol Suijo S.U, MSi Laar Belakang
Lebih terperinciBUPATI PACITAN. I PERATURAN BUPATI PACITAN \ NOMOR ;i6tahun 2010
3 1 BUPAT PACTAN PERATURAN BUPAT PACTAN \ NOMOR ;6TAHUN 2010 TENTANG PENYELENGGARAAN SSTEM PENGENDALAN NTERN PEMERNTA D LNGKUNGAN PEMERNTAH KABUPATEN PACTAN DENGAN RAHMAT TUHAN YANG MAHA ESA BUPAT PACTAN,
Lebih terperinciPengenalan Aksara Pallawa dengan Model Hidden Markov
Pengenalan Aksara Pallawa dengan Model Hdden Markov Wwen Wdyasu Teknk Elekro, Fakulas Sans dan Teknolog, Unversas Sanaa Dharma Emal: wwen@usd.ac.d Absrak Aksara Pallawa aau kadangkala duls sebaga Pallava
Lebih terperinciDi bidang ekonomi tidak semua informasi dapat diukur secara kuantitatif. Peubah dummy digunakan untuk memperoleh informasi yang bersifat kualitatif
Regres Dummy D bdang ekonom dak semua nformas dapa dukur secara kuanaf Peubah dummy dgunakan unuk memperoleh nformas yang bersfa kualaf Conoh pada daa cross secon: Gender: sebaga penenu jumlah pendapaan
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Model Persediaan Model Deterministik
6 BAB LANDASAN TEORI. Model Persedaan.. Model Deermnsk Model Deermnsk adalah model yang menganggap nla-nla parameer elah dkeahu dengan pas. Model n dbedakan menjad dua: a. Deermnsk Sas. D dalam model n
Lebih terperinciSpace-time Models. MA5282 Topik dalam Statistika II 21 April 2015 Utriweni Mukhaiyar
Space-me Models MA58 opk dalam Saska II Aprl 5 Urwen Mukhayar Analss Sask Box&Jenkns Ieraon Posulae General Class of Models ACF, PACF, dff Daa Analyss on-paramerc Analyss Sochasc Processes Mulvarae Analyss
Lebih terperinciBERITA DAERAH KABUPATEN PACITAN PERATURAN BUPATI PACITAN 1 NOMOR 16 TAHUN 2010 TENTANG
BERTA DAERAH KABUPATEN PACTAN TAHUN 200 NOMOR 7 PERATURAN BUPAT PACTAN NOMOR 6 TAHUN 200 TENTANG PERUBAHAN KETGA ATAS PERATURAN BUPAT PACTAN NOMOR 28 TAUN 2009 TENTANG PENJABARAN ANGGARAN PENDAPATAN DAN
Lebih terperinciMuthmainnah PROGRAM STUDI MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 2007 M/1428 H
PERBANDINGAN MODEL COX PROPORTIONAL HAZARD DAN MODEL PARAMETRIK BERDASARKAN ANALISIS RESIDUAL (Sud Kasus pada Daa Kanker Paru-Paru yang Dperoleh dar Conoh Daa pada Sofware S-Plus 2000 dan Smulas unuk Dsrbus
Lebih terperinciBAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan
Lebih terperinciPeramalan Inflasi Nasional Berdasarkan Faktor Ekonomi Makro Menggunakan Pendekatan Time Series Klasik dan ANFIS
JURNAL SAINS DAN SENI IS Vol. 4, No., () 2337-3 (2-928X Prin) D-67 Peramalan Inflasi Nasional Berdasarkan Fakor Ekonomi Makro Menggunakan Pendekaan ime Series Klasik dan ANFIS Clara Agusin Sephani, Agus
Lebih terperinciNILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA
Jurnal Ilmu Maemaka dan Terapan Desember 015 Volume 9 Nomor Hal. 97 10 NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA R. D. S. Rahangmean 1, M. I. Tlukay, F. Y. Rumlawang,
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN 3. Meode Penelan Meode penelan yang dgunakan dalam penelan n adalah meode deskrpf anals. Wnarno Surakhmad (990:40) mengemukakan bahwa meode deskrpf mempunya cr-cr sebaga berku:.
Lebih terperinciBAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat
BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber
Lebih terperinciNILAI AKUMULASI DARI SUATU CASH FLOW DENGAN TINGKAT BUNGA BERUBAH BERDASARKAN FORMULA FISHER
ILAI AKUMULASI DARI SUATU CASH FLOW DEGA TIGKAT BUGA BERUBAH BERDASARKA FORMULA FISHER Devs Apranda, Johannes Kho, Sg Sugaro Mahasswa rogram S Maemaka Dosen Jurusan Maemaka Fakulas Maemaka dan Ilmu engeahuan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan
Lebih terperinciPERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS
PERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS Joko Ariyadi (308 030 060) Pembimbing : Drs. Brodjol Suijo Suprih Ulama, M.Si Laar Belakang 2 Laar
Lebih terperinciBAB 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 terperinciIV. METODOLOGI PENELITIAN
IV. METODOLOGI PENELITIN 4.. Obek Penelan Obek penelan adalah Provns Sulawes Tengah, yang ddasarkan aas beberapa permbangan. Perama, Provns Sulawes Tengah memlk sumberdaya sekor peranan dan ndusr pengolahan
Lebih terperinciKOMPARASI METODE ANFIS DAN FUZZY TIME SERIES KASUS PERAMALAN JUMLAH WISATAWAN AUSTRALIA KE BALI
E-Jurnal Maemaika Vol. 2, No.2, Mei 2013, 18-26 ISSN: 2303-1751 KOMPARASI METODE ANFIS DAN FUZZY TIME SERIES KASUS PERAMALAN JUMLAH WISATAWAN AUSTRALIA KE BALI IDA BAGUS KADE PUJA ARIMBAWA K 1, KETUT JAYANEGARA
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan
BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciBAB III METODOLOGI PENELITIAN
45 BAB III METODOLOGI PENELITIAN 3.1 Spesfkas Model Berdasarkan ujuan penelan seper dsebukan dalam bab pendahuluan maka ada dua hal mendasar yang akan del yau pengaruh volalas nla ukar rl erhadap volalas
Lebih terperinciBAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA
BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL MESIN OKK Gll BCG1-P PADA BAGIAN DRAWING PT VONEX INDONESIA 3.1 Pedahulua Pada Bab II elah djelaska megea eor eor yag dbuuhka uuk meeuka jadwal opmum
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP
Lebih terperinciKata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting.
METODE INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) UNTUK MEMODELKAN HARGA GABAH DUNIA (INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY TO CAPTURE
Lebih terperinciESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL
Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah
Lebih terperinciHidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal
Hdden Markov Model Oleh : Frdanza, urul Gusran dan Akmal Dosen Jurusan Maemaka FMIPA Unversas Padjadjaran Jl. Raya Bandung Sumedang Km 2, Janangor, Jawa Bara elp. / Fax : 022 7794696 Absrak Hdden Markov
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiaan memperkirakan apa yang akan erjadi pada masa yang akan daang. Ramalan adalah sesuau kegiaan siuasi aau kondisi yang diperkirakan akan erjadi
Lebih terperinciPeramalan 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 terperinciBAB 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 terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciPemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline ABSTRAK
Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Meode Inervensi dan Regresi Spline Rina Andriani, Dr. Suharono, M.Sc 2 Mahasiswa Jurusan Saisika FMIPA-ITS, 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih terperinciPeramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis
JURNAL SAINS DAN NI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Prin) D-224 Peramalan Penjualan Sepeda Moor di Jawa Timur dengan Menggunakan Model Dinamis Desy Musika dan Seiawan Jurusan Saisika,
Lebih terperinciMetode Regresi Linier
Modul 1 Meode Regresi Linier Prof. DR. Maman Djauhari A PENDAHULUAN nalisis regresi linier, baik yang sederhana maupun yang ganda, elah Anda pelajari dalam maa kuliah Meode Saisika II. Dengan demikian
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Laar Belakang Masalah Knerja pembangunan ekonom Indonesa bsa dkaakan sanga membanggakan dengan ngka perumbuhan ekonom selama beberapa dekade erakhr n sangalah ngg, walaupun mengalam
Lebih terperinci