PENGEMBANGAN MODEL REGRESI DERET WAKTU UNTUK DATA YANG MENGANDUNG VARIASI KALENDER
|
|
- Iwan Indradjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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 Saisika, ITS, Surabaya Dosen Jurusan Saisika, ITS, Surabaya alfonsus_je@yahoo.com; suharono@saisika.is.ac.id ABSTRACT In many Islamic counries, he rades ofen have calendar variaion paern. This happens because he paern of people consumpion o cerain producs follows Lunar calendar, insead of following common solar calendar. The use of classical ime series model, i.e. Decomposiion mehod or Seasonal ARIMA model frequenly yield spurious resul, especially abou he seasonal paern and oulier daa. Calendar variaion effecs ofen make model idenificaion difficul, even in univariae ime series analysis. This paper presens he developmen of a comprehensive and easy-o-use mehod for modeling he ime series ha conain calendar variaion effec. Daa abou monhly sales of boy moslem cloh in Indonesia are used as case sudy. The model uses dummy regression and/or auoregressive approach. If he daa have rend, he regression use linear rend variable (). If he daa have seasonal paern, he soluion is he addiion of dummy seasonal variables or rigonomeric regression. The whie noise check of he residual is done by using Durbin Wason saisic and auocorrelaion funcion (ACF) plo. The auocorrelaed residual is solved by adding appropriae lags of response variable in he model. The addiion is done ieraively unil he residual saisfy he whie noise assumpion. The resul shows ha Calendar Variaion model developed by dummy regression is appropriae for evaluaing he effec of calendar variaion. Addiionally, he resul of forecas accuracy comparison shows ha his Calendar Variaion model is beer han Decomposiion and ARIMA models in forecasing monhly sales of boy moslem cloh. I is showed by he smalles RMSE of esing daa. Keywords: calendar variaion, Islamic calendar, ime series regression. Pendahuluan Sejak adanya sisem penanggalan yang mengikui sisem roasi bulan, idak sediki proses ransaksi perdagangan lokal maupun ekonomi global yang dipangaruhi oleh adanya sisem penanggalan demikian. Kalender Hijriyah,
2 sebagai salah sau conoh sisem penanggalan yang mengikui sisem roasi bulan, jelas berbeda dengan sisem penanggalan masehi yang mengikui sisem surya. Perbedaan inilah yang pada akhirnya menghasilkan daa perdagangan lokal maupun ekonomi global memiliki pola erenu. Pola erenu yang dimaksud sering disebu pola variasi kalender. Pola variasi kalender banyak erdapa pada daa yang dipengaruhi adanya hari libur yang erjadi pada bulan yang berbeda iap ahunnya(liu, ). Kalender Hijriyah, yang ermasuk kalender bulan berdasarkan bulan dalam ahun dengan aau hari, digunakan di cukup banyak negara Islam dan digunakan unuk menenukan hari besar Islam. Indonesia sebagai negara yang mayorias penduduknya beragama Islam, juga menggunakan kalender Hijriyah unuk menenukan hari besar Islam, misalnya hari besar Idul Firi. Variasi kalender muncul dengan adanya hari besar Islam ini. Efek-efek variasi kalender dapa dikeahui dari banyaknya perdagangan sekiar hari besar Idul Firi, anara lain sebelum, selama, dan/aau sesudah Idul Firi. Sebagai conoh, dalam makalah ini penjualan baju muslim pria di sebuah koa di Indonesia. Analisis dere waku unuk daa yang memiliki pola variasi kalender memerlukan penanganan khusus. Liu () mempelajari efek variasi hari libur dengan idenifikasi dan esimasi model ARIMA dan menyarankan suau modifikasi model ARIMA dengan menyerakan informasi hari libur sebagai variabel inpu deerminisik. Analisis dere waku umum, seperi meode dekomposisi dan model ARIMA dapa memberikan hasil yang idak benar, eruama mengenai pola musiman dan munculnya pencilan. Beberapa peneliian enang analysis dere waku unuk daa yang mengandung pola variasi kalender elah dilakukan. Liu () melakukan idenifikasi model dere waku unuk daa yang memiliki pola variasi kalender. Dalam peneliiannya, Liu menggunakan model ARIMAdan ambahan variabel efek variasi kalender. Holden, Thompson, dan Ruangri () melakukan peneliian enang variasi kalender pada harga saham harian di Thai Sock Marke. Holden dkk. menggunakan beberapa model, anara lain regresi linier, General Auoregressive Condiional Heeroscedasiciy (GARCH), dan Threshold Auoregressive Condiional Heeroscedasiciy (TARCH). Keiga model ini dibandingkan dengan keiga model yang sama, namun diberi ambahan variabel efek variasi kalender. Holden dkk. menunjukkan bahwa model-model dengan ambahan variabel efek variasi kalender memberikan hasil yang lebih baik daripada model-model anpa ambahan variabel. Dalam makalah ini, dikemukakan suau prosedur unuk membenuk model khusus unuk daa yang mengandung pola variasi kalender. Model yang dikembangkan adalah model regresi dere waku, anara lain model regresi dummy dan regresi rigonomeri.. Landasan Teori
3 Pada bagian ini dijelaskan beberapa eori yang dierapkan, eruama meodemeode yang digunakan dalam analisis. Meode-meode yang dimaksud adalah meode dekomposisi, model ARIMA musiman, dan model regresi dere waku unuk daa yang mengandung variasi kalender... Dekomposisi Pada bagian ini dijelaskan meode dekomposisi adiif. Dasar meode dekomposisi adalah memisahkan komponen musiman dari komponen lainnya dari suau dere daa. Model dekomposisi adiif diulis sebagai beriku (liha Bowerman dan O Connel, ). dengan y = pengamaan ke- T = komponen rend ke- S = komponen musiman ke- C = komponen siklik ke- I = komponen irregular ke- y T S C I ().. Model ARIMA Musiman Model ARIMA musiman merupakan model dere waku linier yang cukup fleksibel dan dapa digunakan dalam pemodelan beragam ipe musiman sebaik model dere waku non-musiman. Model ARIMA musiman dapa diulis secara maemais dengan (liha Wei, ; Box, Jenkins, dan Reisel, ; Cryer dan Chan, ): dengan (B) S d S D S p B ) P( B )( B) ( B ) y q( B) Q( B ) (, () p p = S S B B P q q (B) = B B qb ( S S S ) B B Q ( S ) P B = B B pb QS Q B = B, dan S adalah periode musiman, B adalah operaor backshif, dan adalah dere noise dengan mean nol dan varians yang konsan. Box dan Jenkins () mengenalkan suau prosedur pembenukan model ARIMA musiman yang efekif berdasarkan srukur auokorelasi suau dere waku... Regresi Dere Waku unuk Variasi Kalender Model regresi dalam analisis dere waku memiliki benuk yang sama dengan model regresi linier. Dengan mengasumsikan bahwa variabel respon, y, unuk,,..., n dipengaruhi oleh variabel independen yang mungkin, dengan B PS
4 nilainya adalah pasi dan dikeahui, hubungan ini dapa diunjukkan sebagai model regresi linier (Shumway dan Soffer, ). Bila daa y memiliki pola ren, ren () digunakan sebagai predikor, dan dapa diulis sebagai beriku: y w () dengan w adalah residual, yang harus berupa dere noise dan memenuhi asumsi IIDN(, w ). Daa dengan pola musiman S,, S,,..., Ss,, dapa diulis secara maemais sebagai beriku: y S, S,... sss, w () dengan S,, S,,..., Ss, adalah variabel dummy yang mewakili pola musiman. Sebagai conoh, bila daa berbenuk daa bulanan, ada variabel dummy musiman, dummy mewakili bulan. Bila daa berbenuk kuaralan, ada variabel dummy, dummy mewakili kuaral. Selain dengan variabel dummy, model lain unuk daa yang memiliki pola musiman adalah regresi rigonomeri. Regresi rigonomeri unuk daa musiman yaiu y sin cos w s s () dengan S adalah periode musiman. Dengan cara yang sama, daa dengan variasi kalender dapa dimodelkan. Model regresi linier unuk daa yang mengandung variasi kalender adalah y V, V,... pvp, w () dengan V p, adalah variabel dummy unuk efek variasi kalender ke-p. Banyaknya efek variasi kalender dapa diidenifikasi berdasarkan plo dere waku. Residual w, diharapkan sebagai dere whie noise. Unuk menguji whie noise dapa digunakan saisik uji Ljung-Box. Jika w idak whie noise, lag dari y digunakan sebagai predikor ambahan. Penenuan lag yang sesuai yang dimasukkan sebagai predikor dilakukan berdasarkan plo ACF dan PACF residual ( w ). Dalam makalah ini, dikembangkan prosedur baru unuk membenuk suau model yang khusus digunakan bila daa memiliki pola variasi kalender, dengan asumsi daa memiliki pola rend an musiman. Prosedur yang dimaksud adalah sebagai beriku.. Penenuan variabel dummy unuk periode variasi kalender. Sebagai conoh:v adalah efek pada saa kejadian, V - adalah efek sebelum kejadian, V + adalah efek seelah kejadian, dan seerusnya. Penenuan ini dilakukan berdasarkan plo dere waku daa.. Penenuan ren deerminisik dan musiman.
5 Z Tren : Musiman : - dengan regresi dummy, - dengan regresi rigonomeri, S S... psp sin cos p p. Esiimasi model variasi kalender dan pola lainnya secara simulan. y V V V S S... p S p N. Uji apakah N sudah whie noise aau belum. Jika belum, diambahkan lag daa respon yang signifikan (orde auoregresif) berdasarkan plo ACF dan PACF.. Esimasi ulang parameer efek variasi kalender, pola lainnya (rend an musiman), dan lag yang sesuai secara simulan. y V V V S S... dengan y y... k y harus berupa dere noise. k. Meodologi Peneliian Peneliian ini menggunakan daa bulanan penjualan baju muslim pria dari perusahaan garmen di Indonesia. Daa yang diambil adalah daa pada uari hingga Desember. Daa delapan ahun perama digunakan sebagai daa in-sample dan daa sisanya sebagai daa ou-sample. Analisis diawali dengan mengaplikasikan prosedur baru pada daa kasus. Model yang diperoleh dengan prosedur baru dibandingkan dengan model dere waku umum, yaiu meode dekomposisi dan model ARIMA musiman, berdasarkan RMSE daa ou-sample.. Hasil Analisis Empiris Daa penjualan bulanan baju muslim pria diunjukkan dengan Gambar. Plo dere waku pada Gambar menunjukkan bahwa erdapa pola variasi kalender pada daa. Variasi kalender ini merupakan efek perayaan Idul Firi iap p S p Time Series Plo of Boy MoslemCloh Sales Monh Year
6 Gambar. Plo dere waku daa bulanan penjualan baju muslim pria ahun. Oleh karena iu, ambahan erenu diperlukan dalam model umum, misalnya model regresi dere waku. Dalam bagian ini, hasil pemodelan dengan model regresi dere waku akan diunjukkan dan dibandingkan dengan model dere waku umum, yaiu meode dekomposisi adiif dan model ARIMA... Model Regresi Dere Waku unuk Daa Variasi Kalender Prosedur baru dengan model regresi dere waku diawali dengan penenuan variabel dummy yang mewakili efek variasi kalender. Penenuan ini dilakukan berdasarkan plo dere waku. Dalam kasus ini, variabel dummy yang mewakili efek variasi kalender adalah variabel bulan sebelum Idul Firi, bulan sebelum Idul Firi, dan pada bulan erdapa Idul Firi. Parameer model regresi linier diesimasi dengan meode Ordinary Leas Square (OLS) dan model yang diperoleh adalah y V V V w, () dengan V adalah variabel dummy unuk daa pada bulan Idul Firi, V adalah variabel dummy unuk daa bulan sebelum bulan Idul Firi, dan V adalah variabel dummy unuk daa bulan sebelum Idul Firi. Semua parameer model pada persamaan () signifikan namun residualnya idak whie noise. Hal ini disebabkan adanya pola ren dan musiman pada daa. Oleh karena iu, model diperbarui dengan menambahkan variabel dummy yang mewakili ren dan musiman. Penambahan variabel dummy ini mengubah model pada persamaan () menjadi seperi pada persamaan (). yˆ V V V. M M M M M M M M M M M M () dengan adalah ren, M adalah variabel dummy unuk bulan uari, M adalah variabel dummy unuk bulan Februari, dan seerusnya. Residual model belum whie noise, diunjukkan dengan plo ACF dan PACF pada Gambar. Gambar menunjukkan bahwa ACF dan PACF cus off seelah lag. Oleh karena iu, y, diambahkan ke dalam model sebagai predikor. Sehingga model menjadi: yˆ V V V. M M M M M M M M M M M M. y () Residual model sudah memenuhi asumsi whie noise dan RMSE in-sample model persamaan () sebesar,.
7 Auocorrelaion Parial Auocorrelaion Auocorrelaion Funcion for Model Residual I (wih % significance limis for he auocorrelaions) Parial Auocorrelaion Funcion for Model Residual I (wih % significance limis for he parial auocorrelaions) Lag Lag Gambar. Plo ACF and PACF residual model I Pendekaan lain unuk menunjukkan pola musiman dalam model adalah dengan regresi rigonomeri. Model regresi rigonomeri unuk kasus ini adalah: ˆ y V V V. sin cos. () Residual model ini idak memenuhi asumsi whie noise, sehingga diambahkan lag yang signifikan, yaiu y. Model regresi rigonomeri akhir adalah ˆ y V V V. sin cos. y () Residual model ini memenuhi asumsi whie noise dan RMSE daa in-sample sebesar.... Perbandingan Meode Dekomposisi, Model ARIMA Musiman, dan Model yang Dikembangkan Meode dere waku umum, anara lain meode dekomposisi dan ARIMA musiman juga diaplikasikan pada daa penjualan baju muslim pria. Model-model ini dbandingkan dengan model yang dikembangkan dengan prosedur baru. Perbandingan ini diringkas berdasarkan RMSE dan diunjukkan pada Tabel. Tabel menunjukkan bahwa model yang dikembangkan menghasilkan ramalan yang lebih akura daripada meode dekomposisi dan model ARIMA musiman. Hal ini dapa diliha dari nilai RMSE keiga model. Berdasarkan RMSE in-sample, model regresi dere waku yang dikembangkan, yaiu model regresi dummy menghasilkan prediksi yang lebih akura daripada model lainnya. Berdasarkan RMSE ou-sample, model regresi rigonomeri yang dikembangkan menghasilkan ramalan yang lebih akura daripada model-model lainnya. Secara visual, penilaian kebaikan model dapa diliha dari kedekaan nilai ramalan dan nilai akualnya. Plo dere waku pada Gambar (a-c) menunjukkan akurasi ramalan iap model. Terliha pada Gambar (a-c) bahwa model umum menghasilkan nilai ramalan yang lebih jauh dari nilai akualnya daripada nilai ramalan yang dihasilkan model yang dikembangkan dengan prosedur baru.
8 Selain dengan gambar perbandingan akual dan prediksi, akurasi ramalan secara visual juga diunjukkan dengan plo residual (liha Gambar (a-c)). Dari plo residual ini dapa dimengeri bahwa keburukan meode dekomposisi dan model ARIMA musiman, khusus unuk daa dengan variasi kalender, erjadi karena efek variasi kalender idak diikuserakan di dalam model. Tabel. Perbandingan Akurasi Ramalan anar model Model In-sample RMSE Ou-sample Dekomposisi Dekomposisi Adiif Dekomposisi Muliplikaif.... ARIMA Musiman ARIMA([],,)(,,) ARIMA(,,[])(,,) ARIMA(,,[])(,,) ARIMA([],,)(,,) Regresi Dere Waku Regresi Dummy Regresi Trigonomeri..... Kesimpulan Secara umum, daa yang dipengaruhi oleh kalender bulan memerlukan perlakuan khusus. Penggunaan meode dekomposisi dan model ARIMA musiman akan menghasilkan hasil yang idak benar. Model yang dikembangkan, yaiu model regresi dere waku, baik model regresi dummy maupun regresi rigonomeri, menghasilkan ramalan yang lebih akura daripada hasil meode dekomposisi dan model ARIMA musiman. Pada kasus daa bulanan penjualan baju muslim pria ini model erbaik adalah model regresi rigonomeri yang dikembangkan dengan prosedur baru khusus unuk daa yang mengandung variasi
9 Daa Residual Daa Residual Daa Residual kalender. Model regresi rigonomeri ini menghasilkan nilai RMSE ou-sample sebesar,. a Time Series Plo of Acual, Add. Decomposiion Variable Acual Add. Decomposiion Time Series Plo of Residual of Add. Decomposiion a - - Monh Year - Monh Year b Time Series Plo of Acual, ARIMA Variable Acual ARIMA Time Series Plo of Residual of ARIMA b - - Monh Year - Monh Year c Time Series Plo of Acual, Trig. Regression Variable Acual Trig. Regression Time Series Plo of Residual of Trig. Regression c - - Monh Year - Monh Year Gambar. Plo dere waku (a)dekomposisi adiif, (b) ARIMA musiman, dan(c) Regresi dere waku (gambar kiri) dan residualnya (gambar kanan) DAFTAR PUSTAKA Bowerman, B.L., and O Connel, D.. Forecasing and Time Series: An Applied Approach, rd Ediion. California: Duxbury Press. Box, G.E.P., and Jenkins, G.M.. Time Series Analysis: Forecasing and Conrol. San Fransisco: Holden-Day, Revised edn. Box, G.E.P., Jenkins, G.M., and Reinsel, G.C.. Time Series Analysis, Forecasing and Conrol, rd Ediion. Prenice Hall, Englewood Cliffs.
10 Cryer, J.D., and Chan, K.S.. Time Series Analysis. Wih Applicaion in R, nd Ediion. Springer. Hanke, J.E., and Wichern, D.W.. Business Forecasing. NJ: Prenice Hall, Englewood Cliffs. Holden, K., Thompson, J., and Ruangri, Y.. The Asian crisis and calendar effecs on sock reurns in Thailand. European Journal of Operaional Research,,. Liu, L.M.. Analysis of Time Series wih Calendar Effecs. Managemen Science,, -. Liu, L.M.. Idenificaion of Time Series Models in he Presence of Calendar Variaion. Inernaional Journal of Forecasing,, -. Shumway, R.H., and Soffer, D.S.. Time Series Analysis and Is Applicaions wih R Examples, nd Ediion. Springer Wei, W.W.S.. Time Series Analysis: Univariae and Mulivariae Mehods. Addison-Wesley Publishing Co., USA.
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 terperinciPEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 9 PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL Y.P.Y. Asmara,
Lebih terperinciKAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN
JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina
Lebih 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 terperinciPeramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk
Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk Oleh : Dwi Hapsari K (1306 100 015) Dosen Pembimbing : Dra. Karika Firiasari, M.Si 1 Pendahuluan Laar Belakang, Perumusan Masalah, Tujuan
Lebih 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 terperinciPemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline ABSTRAK
Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Meode Inervensi dan Regresi Spline Rina Andriani, Dr. Suharono, M.Sc 2 Mahasiswa Jurusan Saisika FMIPA-ITS, 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih terperinciANALISIS 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*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 terperinciOleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes
PERAMALAN INDEKS HARGA SAHAM YANG DIPENGARUHI KURS, PERUBAHAN INFLASI, POSISI JUMLAH DEPOSITO BERJANGKA, SUKU BUNGA SBI DAN DEPOSITO MENGGUNAKAN FUNGSI TRANSFER DAN ARCH-GARCH Oleh: TANTI MEGASARI 6 00
Lebih terperinciAnalisis Peramalan Jumlah Permintaan Kerudung di Industri Kecil Kerudung Arin di Surabaya dengan Metode Variasi Kalender
Analisis Peramalan Jumlah Perminaan Kerudung di Indusri Kecil Kerudung Arin di Surabaya dengan Meode Variasi Kalender Disusun oleh : Sely Enggar Rusiano 307 030 030 Dosen Pembimbing : Dr. Irhamah, M.Si
Lebih terperinciModel ARIMAX Dan Deteksi GARCH Untuk Peramalan Inflasi Kota Denpasar Tahun 2014
JEKT Model ARIMAX Dan Deeksi GARCH Unuk Peramalan Inflasi Koa Denpasar Tahun 2014 Rukini *) Badan Pusa Saisik Provinsi Bali ABSTRAK pemerinah dalam mengambil kebijakan unuk menjaga sabilias moneer di masa
Lebih terperinciPeramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Multi Input. : Nesia Brilliana I.P NRP :
Peramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Muli Inpu Nama : Nesia Brilliana I.P NRP : 20800023 Jurusan : Maemaika Dosen Pembimbing : Dra. Nuri Wahyuningsih, M. Kes Pemberian pupuk
Lebih terperinciMODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR
MODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR S - 27 Rukini, Suharono2 2,2 Jurusan Saisika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinci(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF
Seminar Nasional Saisika 12 November 2011 Vol 2, November 2011 (T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Gumgum Darmawan, Sri Mulyani S Saf Pengajar Jurusan Saisika FMIPA UNPAD
Lebih terperinciPeramalan Inflasi Nasional Berdasarkan Faktor Ekonomi Makro Menggunakan Pendekatan Time Series Klasik dan ANFIS
JURNAL SAINS DAN SENI IS Vol. 4, No., () 2337-3 (2-928X Prin) D-67 Peramalan Inflasi Nasional Berdasarkan Fakor Ekonomi Makro Menggunakan Pendekaan ime Series Klasik dan ANFIS Clara Agusin Sephani, Agus
Lebih terperinciBAB 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 terperinciAbstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.
1 Peramalan Volume Produksi Air Bersih di PDAM Kabupaen Bojonegoro berdasarkan Jumlah Pelanggan dan Volume Konsumsi Air Fasha Aulia Pradhani dan Adaul Mukarromah Jurusan Saisika, FMIPA, ITS Jl. Arief Rahman
Lebih terperinciS 9 Peramalan Volume Penjualan Calana Panjang di Boyolali dengan Menggunakan Model Variasi Kalender
9 Peramalan Volume Penjualan Calana Panjang di Boyolali dengan Menggunakan Model Variasi Kalender Wahyuni uryaningyas Dosen FKIP Universias Muhammadiyah urabaya e-mail: ma_ums @yahoo.com ABTRAK Bisnis
Lebih terperinciPemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun
Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro
Lebih terperinciPeramalan 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 terperinci2 efek dari pengaruh kejadian luar (exernal even) pada daa ime series (Wei, 2006). Bila y adalah daa ime series yang mengandung variasi kalender, maka
. PERAMALAN VOLUME KENDARAAN MASUK DI TOL DUPAK-WARU MENGGUNAKAN MODEL VARIASI KALENDER Yosua D. Charismawan (1304 100 024) Pembimbing : Ir. Dwiamono Agus W.,M.Ikom ABSTRAK Tol Surabaya-Gempol merupakan
Lebih terperinciAnalisis Peramalan Jumlah Penumpang Kereta Api Penataran Tujuan Surabaya-Malang
Analisis Peramalan Jumlah Penumpang Kerea Api Penaaran Tujuan Surabaya-Malang Oleh. Andria Prima Diago 08.00.0 Dosen Pembimbing. r. Dwiamono Agus, M.komp Andria Prima Diago 08.00.0 nsiu Teknologi Sepuluh
Lebih terperinciPeramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun
Peramalan Kebuuhan Premium dengan Meode ARIMAX unuk Opimasi Persediaan di Wilayah TBBM Madiun Oleh: Nindia Sekar Dini 1308100088 Pembimbing: Drs. Haryono, MSIE Dr. Suharono 1 Ouline Pendahuluan Tinjauan
Lebih 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 terperinciDAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Studi Aplikasi Model Intervensi dengan Step Function)
DAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Sudi Aplikasi Model Inervensi dengan Sep Funcion) S-3 Kismianini dan Dhoriva Urwaul Wusqa Jurusan Pendidikan Maemaika
Lebih terperinciFORECASTING & ARIMA. Dwi Martani. 1/26/2010 Statistik untuk Bisnis 9 1
FORECASTING & ARIMA Dwi Marani /26/200 Saisik unuk Bisnis 9 DERET BERKALA (TIME SERIES) Suau dere berkala merupakan suau himpunan observasi dimana variabel yang digunakan diukur dalam uruan periode waku,
Lebih 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 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 terperinciagenda Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran
seminar ugas akhir Renny Elfira Wulansari 0000 pembimbing Dr. Suharono, S.Si, M.Sc Gedung H Lanai Saisika FMIPA-ITS Surabaya, Juli 04 agenda Pendahuluan Tinjauan Pusaka Meodologi Peneliian Analisis dan
Lebih terperinciBAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun
BAB III ARFIMA-FIGARCH 3. Time Series Memori Jangka Panjang Proses ARMA sering dinyaakan sebagai proses memori jangka pendek (shor memory) karena fungsi auokorelasi anara dan urun cepa secara eksponensial
Lebih terperinciPeramalan Jumlah Pengunjung Domestik dan Mancanegara di Maharani Zoo & Goa Menggunakan ARIMA Box - Jenkins
Peramalan Jumlah Pengunjung Domesik dan Mancanegara di Maharani oo & Goa Menggunakan ARIMA Box - Jenkins Vivi Kusuma Sulisyawai (3030085) Dosen Pembimbing Dr. Irhamah, S.Si.,M.Si Laar Belakang Rumusan
Lebih terperinciBAB 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 terperinciPrediksi Penjualan Sepeda Motor Honda di Kabupaten dan Kotamadya Malang dengan Metode Peramalan Hierarki. Oleh : Rika Susanti
Prediksi Penjualan Sepeda Moor Honda di Kabupaen dan Koamadya Malang dengan Meode Peramalan Hierarki Oleh : Rika Susani 1310100066 Dosen Pembimbing Co. Pembimbing : Dra. Desri Susilaningrum, M.Si. : Dr.
Lebih terperinciBAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel
BAB III ANALISIS INTERVENSI 3.1. Pendahuluan Analisis inervensi dimaksudkan unuk penenuan jenis respons variabel ak bebas yang akan muncul akiba perubahan pada variabel bebas. Box dan Tiao (1975) elah
Lebih terperinciPeramalan 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 terperinciESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING
ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING Nama: Zahroh Aiqoh 05 00 0 Dosen Pembimbing: Dra. Nuri Wahyuningsih, MKes Drs. Sulisiyo, MT Jurusan Maemaika
Lebih terperinciBAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu
BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,
Lebih terperinciPENERAPAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (GARCH) DALAM PERAMALAN NILAI TUKAR DOLAR TERHADAP RUPIAH
Penerapan Model Generalized Auoregressive Condiional Heeroscedasic (Garch) PENERAPAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (GARCH) DALAM PERAMALAN NILAI TUKAR DOLAR TERHADAP RUPIAH
Lebih terperinciPEMODELAN PRODUKSI SEKTOR PERTANIAN
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 2009 PEMODELAN PRODUKSI SEKTOR PERTANIAN Brodjol Suijo Jurusan Saisika ITS Surabaya ABSTRAK Pada umumnya daa ekonomi bersifa ime
Lebih terperinciBab 5 Penaksiran Fungsi Permintaan. Ekonomi Manajerial Manajemen
Bab 5 Penaksiran Fungsi Perminaan 1 Ekonomi Manajerial Manajemen Peranyaan Umum Tenang Perminaan Seberapa besar penerimaan perusahaan akan berubah seelah adanya peningkaan harga? Berapa banyak produk yang
Lebih terperinciANALISIS DATA INFLASI INDONESIA MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DENGAN PENAMBAHAN OUTLIER.
Analisis Daa (Supari) ANALISIS DAA INFLASI INDONESIA MENGGUNAKAN MODEL AUOREGRESSIVE INEGRAED MOVING AVERAGE (ARIMA) DENGAN PENAMBAHAN OULIER Supari 1 dan Alfi Faridaus Sa adah 2 1 Saf Pengajar Jurusan
Lebih terperinciANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG
ISSN: 9-54 JURNAL GAUSSIAN, Volume 4, Nomor, Tahun 05, Halaman 6-60 Online di: hp://eournal-s.undip.ac.id/index.php/gaussian ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG
Lebih 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 KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH
Vol.. No., 03 PERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH Ari Pani Desvina, Sari Marlinda, Jurusan Maemaika Fakulas Sains dan Teknologi
Lebih terperinciPenentuan Pelebaran Window Time Optimal Pada Data Deret Waktu
1 Penenuan Pelebaran Window Time Opimal Pada Daa Dere Waku (1) Nursya`bani Hendro Prabowo dan (2) Raden Mohamad Aok Deparemen Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam, Insiu Teknologi Sepuluh
Lebih terperinciGenteng. = 0,435 Barisan dari [Exp(-7, ,121*X3] Binomial Thinning Operator. Jika Yt-1sukses maka peluang kejadian = 0,435
. Pemodelan Regresi INAR dengan Variabel Predikor Signifikan Geneng = 0,435 Y 0,435oY 1 Z Barisan dari [Exp(-7,988 + 0,1*X3] Binomial Thinning Operaor 35 30 Variable Y_2 PFIT2 25 Jika Y-1sukses maka peluang
Lebih terperinciPeramalan Pengguna Kapal Ferry Ujung-Kamal dengan Metode Intervensi
D-480 JURNAL SAINS DAN SENI IS Vol. No. 2 (6) 2337-3 (2-928X Prin) Peramalan Pengguna Kapal Ferry Ujung-Kamal dengan Meode Inervensi Eka Apriliani, dan Irhamah Jurusan Saisika, Fakulas MIPA, Insiu eknologi
Lebih terperinciMODEL HIBRIDA EXPONENTIAL SMOOTHING PENDEKATAN STATE SPACE DENGAN METODE VARIASI KALENDER UNTUK PERAMALAN INFLOW DAN OUTFLOW UANG KARTAL DI JAWA TIMUR
TUGAS AKHIR SS 450 MODEL HIBRIDA EXPONENTIAL SMOOTHING PENDEKATAN STATE SPACE DENGAN METODE VARIASI KALENDER UNTUK PERAMALAN INFLOW DAN OUTFLOW UANG KARTAL DI JAWA TIMUR ANA SUSANTI NRP 32 00 033 Dosen
Lebih terperincimetodologi penelitian
pendahuluan injauan pusaka meodologi peneliian hasil dan pembahasan kesimpulan Pusaka Meodologi Peningkaan Energi lisrik Kebuuhan energi lisrik Pengembangan sisem energi lisrik Peramalan beban lisrik Slide
Lebih terperinciBAB 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 terperinciPerbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X
JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian yang dilakukan mengenai analisis perencanaan pengadaan una berdasarkan ramalan ime series volume ekspor una loin beku di PT Tridaya Eramina
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.. Ruang Lingkup Peneliian Peneliian ini diujukan unuk menenukan meode erbaik yang dapa digunakan dalam meramalkan harga ayam pada enam koa besar di Jawa-Bali. Meode peramalan yang
Lebih terperinciPERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT
Saisika, Vol. 2, No. 2, November 24 PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT Sri Wahyuni, 2 Farikhin, Iswahyudi Joko Suprayino Program Sudi Saisika
Lebih terperinciBAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena
Lebih terperinciPERAMALAN 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 terperinciIDENTIFIKASI POLA DATA TIME SERIES
IDENTIFIKASI POLA DATA TIME SERIES Daa merupakan bagian pening dalam peramalan. Beriku adalah empa krieria yang dapa digunakan sebagai acuan agar daa dapa digunakan dalam peramalan.. Daa harus dapa dipercaya
Lebih terperinciPENGARUH PANJANG DAN LEBAR DATA DEBIT HISTORIS PADA KINERJA MODEL PEMBANGKITAN DATA DEBIT SUNGAI BRANTAS DENGAN METODE ARIMA
PENGARUH PANJANG DAN LEBAR DATA DEBIT HISTORIS PADA KINERJA MODEL PEMBANGKITAN DATA DEBIT SUNGAI BRANTAS DENGAN METODE ARIMA Maskur Efendi ), Widandi Soeopo 2), Piojo Tri Juwono 2) ) Mahasiswa Magiser
Lebih terperinciMAKALAH TUGAS AKHIR IDENTIFIKASI MODEL ARIMA BOX-JENKINS
1. Pendahuluan MAKALAH TUGAS AKHIR IDENTIFIKASI MODEL ARIMA BOX-JENKINS CAMPURAN DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA Oleh : Febriana Dwi P. (1306 100 011) Dosen Pembimbing I : Dr. Irhamah, S.Si,
Lebih terperinciPENDEKATAN PERAMALAN TINGKAT KONSUMSI MINYAK DI INDONESIA DENGAN MENGGUNAKAN METODE BOX-JENKINS
PENDEKATAN PERAMALAN TINGKAT KONSUMSI MINYAK DI INDONESIA DENGAN MENGGUNAKAN METODE BOX-JENKINS Ari Pani Desvina, Abdur Rahman Siddiq Jurusan Maemaika Fakulas Sains dan Teknologi UIN Suska Riau E-mail:
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan
Lebih terperinciPERAMALAN 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 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 terperinciTUGAS AKHIR. untuk Analisis Peramalan Data Ekspor Non Migas Indonesia Di Sektor Pertanian, Sektor Perindustrian dan Sektor
TUGAS AKHIR Pendekaan Meode ARIMA Box Jenkins unuk Analisis Peramalan Daa Ekspor Non Migas Indonesia Di Sekor Peranian, Sekor Perindusrian dan Sekor Nurul Laifa Perambangan 307 030 70 Dosen pembimbing
Lebih terperinciPEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA
PEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA Fadil Rahman Hakim, Dr. Ir. Achmad Mauludiyano, MT. Program Sudi Telekomunikasi Mulimedia Jurusan Teknik Elekro Fakulas Teknologi Indusri
Lebih terperinciPERAMALAN 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 terperinciKata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting.
METODE INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) UNTUK MEMODELKAN HARGA GABAH DUNIA (INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY TO CAPTURE
Lebih terperinciPERAMALAN VOLUME PENJUALAN KEDELAI PT. X MENGGUNAKAN METODE ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN VOLUME PENJUALAN KEDELAI PT. X MENGGUNAKAN METODE ARIMA BOX-JENKINS Affanda Abdul Hakim Aminullah NRP 1314 030 048 Dosen Pembimbing : Dr. Brodjol Suijo S.U., M.Si Deparemen
Lebih terperinciPeramalan Total Market Sepeda Motor Dan Total Penjualan Motor X Di Propinsi Jawa Timur Dengan Pendekatan ARIMA Box-Jenkins Dan ARIMAX
Peramalan Toal Marke epeda Moor Dan Toal Penjualan Moor X Di Propinsi Jawa Timur Dengan Pendekaan ARIMA Box-Jenkins Dan ARIMAX Oleh: Novia Dwi R. (300027) Dosen Pembimbing: Dr. eiawan, M.i 2 AGENDA PENDAHULUAN
Lebih terperinciPERAMALAN JUMLAH PENUMPANG PADA PT
PERAMALAN JUMLAH PENUMPANG PADA PT. ANGKASA PURA I (PERSERO) KANTOR CABANG BANDAR UDARA INTERNASIONAL ADISUTJIPTO YOGYAKARTA DENGAN METODE WINTER S EXPONENTIAL SMOOTHING DAN SEASONAL ARIMA SKRIPSI Diajukan
Lebih terperinciPENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN
IndoMS Journal on Saisics Vol., No. (04), Page 7-37 PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN Dinda Ariska Wulandari,
Lebih terperinciBAB 2 TINJAUAN TEORI
7 BAB 2 TINJAUAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciSekilas Pandang. Modul 1 PENDAHULUAN
Modul 1 Sekilas Pandang Drs. Irlan Soelaeman, M.Ed. S PENDAHULUAN uau hari, saya dan keluarga berencana membawa mobil pergi ke Surabaya unuk mengunjungi salah seorang saudara. Sau hari sebelum keberangkaan,
Lebih terperinciMODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI
MODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI Diajukan kepada Fakulas Maemaika dan Ilmu Pengeahuan Alam Universias Negeri Yogyakara unuk memenuhi
Lebih terperinciPERAMALAN JUMLAH 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 terperinciMetode Peramalan Deret Waktu
6//5 Meode Peramalan Dere Waku Dr. Fari M. Afendi, M.Si Pika Silviani, M.Si Wha is a forecas? Why Forecas? Forecasing How o Forecas Forecas Types 6//5 enables us o do somehing abou i. o discern wha is
Lebih terperinciPeramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun
JURNAL AIN DAN ENI IT Vol. 1, No. 1, (ep. 2012 IN: 2301-928X D-230 Peramalan Kebuuhan Premium dengan Meode ARIMAX unuk Opimasi Persediaan di Wilayah TM Madiun Nindia ekar Dini, Haryono, dan uharono Jurusan
Lebih 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 terperinciISSN: 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 terperinciPENDETEKSIAN 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 terperinciPENENTUAN MODEL PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN METODE ARIMA
PENENTUAN MODEL PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN METODE ARIMA Leopoldus Ricky Sasongko, Lydia Ninuk Rahayu, dan Alberh Roy Koa 3,,3 Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias
Lebih 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 terperinciANALISIS PERAMALAN KOMBINASI TERHADAP JUMLAH PERMINTAAN DARAH DI SURABAYA (STUDI KASUS:
ANALISIS PERAMALAN KOMBINASI TERHADAP JUMLAH PERMINTAAN DARAH DI SURABAYA (STUDI KASUS: UDD PMI KOTA SURABAYA) Oleh: Winda Eka Febriana (0500) Pembimbing: Ir. Dwiamono Agus W., MIKom . LATAR BELAKANG DARAH
Lebih terperinciAPLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI
Lebih terperinciJurusan 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 terperinciPemodelan Volatilitas Saham Menggunakan Jaringan Syaraf Tiruan dan Algoritma Genetika
Pemodelan Volailias Saham Menggunakan Jaringan Syaraf Tiruan dan Algorima Geneika Hasbi Yasin 1 1 Jurusan Saisika Undip, hasbiyasin@undip.ac.id Absrak. Flukuasi yang besar dan idak pasi dalam peramalan
Lebih terperinciDosen Pembimbing Dr. Brodjol Sutijo Suprih Ulama, M.Si.
TUGAS AKHIR SS 145561 PERAMALAN NILAI IMPOR NON MIGAS DI JAWA TIMUR DENGAN MENGGUNAKAN METODE ARIMA BOX-JENKINS BOBBY AKBAR NRP 1314 030 002 Dosen Pembimbing Dr Brodjol Suijo Suprih Ulama, MSi DEPARTEMEN
Lebih terperinci(T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES
PROSIDING ISSN : 087-590. Seminar Nasional Saisika November 0 Vol, November 0 (T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES Yahya Ubaid ), Budi Nurani R. ), Mulyana K. 3) )Mahasiswa Program
Lebih terperinciPERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,1,1)(0,1,1) 12 TUGAS AKHIR.
PERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,,)(0,,) 2 TUGAS AKHIR Diajukan Sebagai Salah Sau Syara unuk Memperoleh Gelar Sarjana Sains
Lebih terperinciKata Kunci - GSTAR, Inflasi, Invers Jarak, Korelasi Silang, Seragam. I. PENDAHULUAN II. TINJAUAN PUSTAKA
Pemodelan Inflasi di Koa Semarang, Yogyakara, dan Surakara dengan pendekaan GSTAR Laily Awliaul Faizah, Seiawan Jurusan Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Teknologi Sepuluh Nopember
Lebih terperinciPERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR
TUGAS AKHIR SS 145561 PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR SARIRAZTY DWIJANTARI NRP 1314 030 010 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si., M.Si DEPARTEMEN
Lebih terperinciANALISIS PERAMALAN BEBAN LISTRIK JANGKA PENDEK WILAYAH SUMBAR RIAU DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE (AR)
Vol. 9. No. 1, 011 ANALISIS PERAMALAN BEBAN LISTRIK JANGKA PENDEK WILAYAH SUMBAR RIAU DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE (AR) Zulfari Aini Jurusan Teknik Elekro, Fakulas Sains dan Teknologi UIN Suska
Lebih terperinciAPLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND
APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND Noeryani 1, Ely Okafiani 2, Fera Andriyani 3 1,2,3) Jurusan maemaika, Fakulas Sains Terapan, Insiu Sains & Teknologi
Lebih 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 terperinciKOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES. Abstrak
KOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES Universias Muhammadiyah Purwokero malim.muhammad@gmail.com Absrak Pada persamaan regresi linier sederhana dimana variabel dependen dan variabel independen
Lebih terperinciPERAMALAN YIELD DAN HARGA OBLIGASI PEMERINTAH DENGAN PENDEKATAN ARIMA DAN BACKPROPAGATION-ANN
PERAMALAN YIELD DAN HARGA OBLIGASI PEMERINTAH DENGAN PENDEKATAN ARIMA DAN BACKPROPAGATION-ANN Yuli Wahyuningsih (), Brodjol Suijo S. U (), Suharono () Mahasiswa Jurusan Saisika, FMIPA, Insiu Teknologi
Lebih terperinciMA5182 Topik dalam Statistika I: Statistika Spasial 22 November 2012 Utriweni Mukhaiyar
Space-ime Models MA58 Topik dalam Saisika I: Saisika Spasial ovember Uriweni Mukhaiyar Analisis Saisik Box&Jenkins Ieraion Posulae General Class of Models ACF, PACF, diff Daa Analysis Compound Poisson
Lebih terperinciKARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP
Karakerisik Umur Produk (Sudarno) KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL Sudarno Saf Pengajar Program Sudi Saisika FMIPA UNDIP Absrac Long life of produc can reflec is qualiy. Generally, good producs
Lebih terperinciAnalisis Peramalan Kombinasi Terhadap Jumlah Permintaan Darah di Surabaya (Studi Kasus: UDD PMI Kota Surabaya)
JURNAL STATISTIKA Vol., No., () 5 Analisis Peramalan Kombinasi Terhada Jumlah Perminaan Darah di Surabaya (Sudi Kasus: UDD PMI Koa Surabaya) Winda Eka F., Ir. Dwiamono Agus W.,MIKom Jurusan Saisika, FMIPA,
Lebih terperinci