PEMODELAN ARIMA UNTUK KANAL HF LINK MALANG - SURABAYA
|
|
- Djaja Hartanto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PEMODELAN ARIMA UNTUK KANAL HF LINK MALANG - SURABAYA Lissa Rosdiana Noer, Achmad Mauludiyano. Program Sudi Telekomunikasi Mulimedia Jurusan Teknik Elekro Fakulas Teknologi Indusri Insiu Teknologi Sepuluh Nopember - ITS Surabaya sasa_rosdiana@yahoo.com Absrak Dalam ugas akhir ini, pengukuran karakerisik propagasi merupakan kegiaan dasar yang pening dalam perancangan pembangunan suau sisem komunikasi. Pengukuran karakerisik propagasi komunikasi melalui kanal HF dan pengukuran parameerparameer propagasi yang berpengaruh pada komunikasi radio HF dengan pendekaan dengan pemodelan ARIMA (Auoregressive Inegraed Moving Average) merupakan hal yang sanga pening sebagai acuan penenuan seberapa besar pengaruh parameer-parameer ersebu sehingga dapa dirancang suau sisem dengan performansi opimal dan didapakan karakerisik propagasi di lokasi pengukuran. Saluran HF yang digunakan dalam peneliian ini didasarkan pada daa pengukuran kanal dari Malang ke Surabaya, dengan jarak 82,4 km pada frekuensi 6,3 MHz. Pemodelan pada kanal HF menggunakan pendekaan saisik yang diperoleh dari pengukuran. Pengukuran ime series ini dibagi menjadi beberapa segmen dengan durasi 0 meni. Dari hasil pengukuran, level redaman kanal HF sanga dipengaruhi oleh perubahan kondisi waku, dimana level redaman pada siang hari lebih inggi dibandingkan pada waku malam hari. Kaa Kunci: Kanal HF, Frekuensi, Model ARIMA (Auoregressive Inegraed Moving Average). PENDAHULUAN Kanal radio frekuensi inggi anara 3-30 MHz merupakan media komunikasi radio yang elah lama dielii dan digunakan sebagai media komunikasi dua arah unuk keperluan sipil dan milier dan media komunikasi penyiaran beria aau broadcas. Analisa runun waku merupakan salah sau meode peramalan yang menjelaskan bahwa derean observasi pada suau variabel dipandang sebagai realisasi dari variabel acak berdisribusi bersama. Dimana disribusi bersama ersebu erdiri dari dua jenis yaiu Gerakan musiman dan gerakan random. Daa redaman kanal HF adalah daa runun waku yang berbenuk musiman, yakni cenderung mengulangi pola ingkah gerak dalam periode musiman, adanya korelasi berunun yang kua pada jarak semusim yaiu waku yang berkaian dengan banyak observasi per periode musim. Asumsi yang pening yang harus dipenuhi dalam memodelkan runun waku adalah asumsi kesasioneran. Apabila asumsi sasioner belum dipenuhi maka dere belum dapa dimodelkan. Namun, dere yang nonsasioner dapa diransformasikan menjadi dere yang sasioner. 2. PEMILIHAN MODEL ARIMA ARIMA (Auoregresive Inegraed Moving Average) adalah model saisik yang digunakan unuk melakukan analisa sifa-sifa dari daa runun waku erhadap daa-daa yang elah lalu, sehingga didapakan suau persamaan model yang menggambarkan hubungan dari daa runun waku ersebu. Pendekaan model dengan menggunakan ARIMA dapa dilakukan dengan proses pemilihan model dengan mengamai disribusi dari koefisien auokorelasi (ACF) dan koefisien parsial auokorelasi (PACF). Pada pemodelan ARIMA, Sasionerias adalah isilah pening dalam analisis ime series. Suau dere pengamaan aau daa yang diperoleh dikaakan sasioner jika proses idak berubah seiring perubahan waku. Dimana raa-raa dere pengamaan disepanjang waku selalu konsan. Apabila daa belum sasioner erhadap varians maka perlu dilakukan ransformasi, dimana salah sau ransformasi yang dapa digunakan adalah ransformasi Box-Cox. Namun bila daa belum sasioner erhadap mean, maka dilakukan proses differencing. Unuk mendapakan validasi model maka erlebih dahulu kia melakukan proses ransformasi boxcox unuk menenukan nilai dari iap daa pembangkian apakah elah saioner aaukah belum. Apabila daa ersebu belum saioner maka diperlukan ransformasi λ. Transformasi erganung dari nilai λ yang di enukan: 0,maka Z = ln Z 0,5 λ (lambda) 0,5 maka Z = Z 0,5-0,5 maka Z = / Z maka idak perlu ransformasi Proses differencing adalah suau proses unuk membua daa agar sasioner erhadap mean. Meode ini mempunyai prinsip yaiu dengan mecari selisih dari sau periode daa erhadap daa berikunya, hingga diperoleh daa baru hasil differencing yang sasioner erhadap mean. Fungsi korelasi aau ACF adalah suau regresi dimana menunjukkan hubungan anara dua variasi daa, sehingga dapa digunakan unuk menggambarkan apa yang erjadi pada sau variabel bila erjadi perubahan pada variabel yang lain.
2 Fungsi auokorelasi parsial aau PACF yaiu mengukur ingka keeraan hubungan anara X dengan X -k. Sedangkan Pengaruh dari imelag,2,3... dan seerusnya sampai k- dianggap konsan. Dengan kaa lain koefisien auokorelasi parsial mengukur deraja hubungan anara nilai sekarang dengan nilai sebelumnya (unuk imelag erenu), sedangkan pengaruh nilai variabel imelag yang lain dianggap konsan. 3. METODOLOGI Seelah nilai engah level egangan pengukuran dirubah melalui range engah level egangan pengukuran sehingga didapakan redaman kanal HF, maka selanjunya adalah melakukan pemodelan ARIMA. Gambar a merupakan diagram alir dari pemodelan ARIMA, sedangkan gambar b adalah unuk menenukan model yang erbaik dengan nilai MSE erkecil. Dimana kedua proses ersebu didekai dengan menggunakan sofware Miniab. Miniab adalah sisem sofware yang didesain khusus unuk pengolahan saisik daa. Miniab dapa memberikan kemudahan bagi siapapun yang akan mengolah daa sesuai dengan yang dibuuhkan. Daa yang diolah ersebebu dapa diampilkan berdasarkan predefine seleced dari sebuah menu unuk menghasilkan model berupa eks maupun grafik. Idenifikasi model dilakukan dengan menganalisa kesasioneran daa redaman kanal HF, baik dalam mean maupun varians. Kesasioneran daa dalam varians dicek dengan cek lambda Box-Cox. Sedangkan kessioneran daa dalam mean dicek dengan cek ACF maupun PACF. Dan seelah esimasi model didapakan, dilakukan uji normalisasi residual Kolmogorov Smirnov DATA REDAMAN(dB) AM 9.55 AM 0.3 AM 0.3 AM Time Series Plo 0.49 AM.07 AM WAKTU.25 AM.43 AM 2.0 PM 2.9 PM 2.37 PM Gambar 2. Grafik ime series daa redaman anggal 23 Jan Box-Cox Plo of DATA REDAMAN Lower CL Upper CL (using 95.0% confidence) Esimae 2.47 Lower CL.09 Upper CL 3.80 Rounded Value 2.00 SDev Limi Gambar 3. Box-cox sebelum ransformasi dengan lamda 2.00 Box-Cox Plo of C4 Gambar a. Diagram Alir Pemodelan ARIMA [3] Dugaan ARIMA Lower CL Upper CL (using 95.0% confidence) Esimae.23 Lower CL 0.57 Upper CL Rounded Value.00 Esimasi Parameer : dela & phi Cek p-value < 0.05 Tidak SDev Tidak Ya Diagnosa *Uji Ljung-Box : Whie noise residual p-value > 0.05 Ya Diagnosa **Uji normalisasi residual kolmogorov - Smirnov p-value > 0.05 Gambar b. Diagram Alir Penenuan Model ARIMA Gambar 4. Box-cox seelah ransformasi dengan lamda.00 Salah sau even daa redaman kanal diunjukkan pada gambar 2. Berdasarkan gambar 2 erliha ada peningkaan pada daa redaman kanal HF mulai jam 9.38 pagi dan kembali urun seelah jam 2.37 siang. Selanjunya unuk mengeahui apakah daa redaman kanal HF ersebu sasioner dalam varian maka Limi
3 pengecekan nilai lamda sanga berpengaruh dalam melakukan pendekaan model ARIMA. Hasil es boxcox dari daa rafik pada gambar 3 menunjukkan bahwa nilai lamda 2.00 (dua). Hal ini berari bahwa daa belum sasioner erhadap varian. Maka sesuai dengan langkah ransformasi maka daa Z harus dipangkakan 2.00(dua) erlebih dahulu sampai hasil dari lamda sama dengan sehingga idak diperlukan diransformasi lagi. Unuk memasikan bahwa nilai lamda seelah diransformasi sudah bernilai, maka perlu dicek lagi box-cox seperi gambar 4. Tabel 2. Idenifikasi ACF dan PACF Model ACF PACF MA (q) : moving Cus off afer Dies down average of order q lag q AR (p) : auoregressive Dies down Cus of afer lag p of order p ARMA (p,q) : Mixed Dies down Dies down auoregressive-moving average of order (p,q) AR (p) or MA (q) Cus of afer Cus of afer lag p lag q No order AR or MA (whie noise or random process) No spike No spike Gambar 5. PACF Dies down seelah lag Auocorrelaion Auocorrelaion Funcion for C5 (wih 5% significance limis for he auocorrelaions) Lag Gambar 6. ACF Cu off seelah lag Tahap selanjunya adalah menguji apakah Z elah sasioner erhadap mean dengan meliha pol Auocorrelaion Funcion (ACF) dan Parial Auocorrelaion Funcion (PACF). Dimana ari sasioner adalah apabila suau daa runu waku memiliki raa-raa dan memiliki kecenderungan bergerak menuju raa-raa. Berdasarkan diagram alir model ARIMA, check ACF dan PACF diperlukan dalam menenukan pendekaan model dugaan ARIMA. Dari abel 2 pembacaan ACF dan PACF ini erdiri dari dua macam, yaiu: Cus off ACF dan PACF dikaakan cus off apabila digambar erhadap sumbu waku akan sasioner pada lags yang cukup kecil. Gambar 6 merupakan conoh dari ACF aau PACF dengan nilai cus off pada lag perama (lag ). Dies Down Apabila plo ACF aau PACF mencapai nilai sasioner pada lags yang cukup besar (>5) aau bisa dikaakan urun lamba, maka kondisi ini dikaakan mengalami dies down. Gambar 5 merupakan conoh dies down. Dari daa yang sudah sasioner erhadap varian yaiu diperoleh seelah ransformasi sampai lamda bernilai. Kemudian grafik plo ACF pada gambar 6 menunjukkan Z elah sasioner dengan cu off pada lag. Dimana nilai lag pada gambar ACF mewakili unuk dugaan ARIMA dengan nilai MA sama dengan sehingga diperoleh dugaan ARIMA 0. Diperlukan adanya penambahan differencing dikarenakan pada daa sbelumnya ACF dan PACF idak sasioner erhadap mean. Sedangkan unuk mengeahui nilai AR pada ARIMA maka menggunakan lag pada grafik PACF, seperi gambar 5 menunjukkan Z elah sasioner dengan dies down pada lag. Ini berari nilai AR sama dengan, sehingga didapa dugaan ARIMA 0. Dalam menenukan dugaan ARIMA dimungkinkan erdapa dua aau lebih pemodelan dalam sau even dimana p-value harus memenuhi sesuai dengan syara, maka dipilih MSE erkecil sebagai model yang mendekai. Dari conoh ACF dan PACF pada gambar diaas maka ada dua dugaan model ARIMA yaiu unuk AR maka dugaan ARIMA 0, dan unuk MA maka dugaan ARIMA 0. Dari hasil esimasi ARIMA 0 pada gambar 7 dapa diliha unuk p-value Ljung box idak memenuhi syara yaiu lebih dari 0,05, sehingga idak dapa dijadikan sebagai model ARIMA. Sedangkan unuk hasil esimasi ARIMA 0 sesuai gambar 8, menunjukkan memenuhi syara yaiu kurang dari 0,05 dan p-value Ljung box juga memenuhi syara yaiu lebih dari 0,05. Jadi pemodelan daa even ini hasilnya adalah ARIMA 0 dengan koefisien dan MS Dari hasil dugaan ARIMA, juga erdapa daa residual dimana merupakan nilai kesalahan yang muncul akiba pemodelan. Daa residual ini yang digunakan unuk uji normalias dengan meode Kolmogorov-Smirnov. Dimana residual dikaakan 3
4 memenuhi uji normalias apabila p-value > 0,05. Namun bila ernyaa nilai p-value kurang dari 0,05 dugaan ARIMA masih eap bisa dipakai eapi erdapa disribusi probabilias daa yang agak jauh erhadap garis normal probabilias. Dari hasil grafik pada gambar 9 erliha nilai p- value kurang dari 0,05. Hal ini berari bahwa residual whie noise idak mengikui disribusi garis normal. Gambar 7. Hasil dugaan ARIMA 0 Gambar 8. Hasil dugaan ARIMA 0 Gambar 9. Probabilias kolmogorov-smirnov 4. HASIL PEMODELAN ARIMA Unuk dapa mencapai ujuan ugas akhir ini, yaiu mendapakan model erbaik unuk memodelkan daa redaman kanal HF link Malang- Surabaya, maka sesuai dengan meode dan langkah-langkah pemodelan ARIMA diperoleh hasil pemodelan ARIMA. Dimana sesuai abel 2 hasil rekapiulasi pemodelan ARIMA dibandingkan pemodelan ARMA menunjukkan bahwa model ARIMA yang didapa selama pemodelan yaiu ARIMA (0 ) adalah yang paling dominan dengan persenase 2,59%, sedangkan ARIMA yang idak dapa dimodelkan sebanyak 78,4%. Sedangkan dibandingkan dari hasil rekapiulasi persenase pemodelan ARMA didapakan persenase dimana daa redaman kanal HF hanya dapa dimodelkan sebanyak enam model yaiu ARMA ( 0 0) sebanyak 4,54%, ARMA (2 0 0) sebanyak 2,27%, ARMA (0 0 ), ARMA (0 0 2),ARMA ( 0 ) dan ARMA (2 0 2) dimana masing-masing mempunyai nilai persenase,4%, sedangkan ARMA yang idak dapa dimodelkan sebesar 88,63%. Tabel 2. Rekapiulasi pemodelan ARIMA dan pemodelan ARMA No Pemodelan Model Even Persenage ARIMA 2 ARMA (0 ) 9 2,59% dk dapa dimodelkan 69 78,4% ( 0 0) 4 4,54% (2 0 0) 2 2,27% (0 0 ),4% (0 0 2),4% ( 0 ),4% (2 0 2),4% dk dapa dimodelkan 78 88,63% Tabel 3. Persenase Pemodelan ARIMA Daa Nilai Tengah Level Tegangan Pengukuran dengan Daa Redaman dan ARMA No Pemodelan Model Even Persenage (0 ) 34 27,87 % 2 3 ARIMA (Nilai Tgh Lev Teg) ARIMA (Redaman) ARMA (Ania) (0 2) 3 2, 46 % (2 0) 3 2, 46 % dk dapa dimodelkan 82 67,2 % (0 ) 9 5,57% dk dapa dimodelkan 03 84,43% ( 0 0) 4 3,28 % (2 0 0) 2,64 % (0 0 ) 0,82 % (0 0 2) 0,82 % ( 0 ) 0,82 % (2 0 2) 0,82 % dk dapa dimodelkan 2 9,8 % Daa redaman pada abel 2 menunjukkan bahwa sebesar 9 even, ada 8 even didalamnya yang overflow sehingga jika dibangkikan maka akan mendapakan pola yang idak sesuai dengan daa asli,akan eapi daa overflow ersebu memenuhi alur flowchar dugaan ARIMA dan dapa memenuhi syara pemodelan. Pada Tabel 3, pemodelan ARIMA daa nilai engah level egangan pengukuran memiliki 40 even yang dapa dimodelkan dibandingkan dengan pemodelan ARIMA pada redaman kanal HF hanya memiliki 9 even yang dapa dimodelkan. Hal ini disebabkan pada perubahan dari daa nilai engah level egangan pengukuran ke daa redaman melalui konversi S meer, pada waku konversi didapakan range level egangan pengukuran. Sehingga berapapun nilai engah level egangan pengukuran selama masih 4
5 ada disekisar nilai pada range level egangan pengukuran, maka nilai redaman eap sama sesuai range level egangan pengukuran ersebu. Sehingga grafik pada daa redaman seolah-olah erkesan seperi erahan aau di filer. 5. PEMBANGKITAN DATA PEMODELAN Dari hasil pemodelan ARIMA seiap even perlu dilakukan proses validasi dengan membandingkan daa hasil pembangkian dengan daa asli pengukuran. Dalam proses pembangkian daa ini dilakukan dengan 3 meode pendekaan sekaligus unuk meliha variasi hasilnya. Keiga meode ersebu adalah:. Meode esimasi Merupakan nilai prediksi yang diperoleh dasri hasil fiing pada sorage ARIMA. Seiap nilai fi akan mendekai nilai daa asal pada saa proses ARIMA. Sebagai caaan apabila pada saa proses ARIMA daa asal sudah mengalami perubahan baik disasionerkan aaupun proses differencing, maka nilai fi harus diinvers erhadap daa asli sehingga pendekaan nilainya eep sesuai dengan daa asli pengukuran. Unuk melakukan invers diperoleh dengan persaaman yaiu: Y X ' X Dimana: Y () adalah daa hasil bangkian model X () adalah nilai fis pembangkian model X (-) adalah daa awal yang digunakan sebelum proses differencing 2. Meode formulasi residu Pendekaan nilai residu diperlukan unuk perhiungan nilai perkiraan daa. Nilai residu iu sendiri didapakan dari selisih nilai daa asli erhadap nilai fi ARIMA. Sedangkan unuk memperoleh daa hasil pembangkian model maka diperoleh dengan persamaan yaiu: Daa Redaman(dB) DESEMBER JANUARI JANUARI JANUARI JANUARI 2009 Time Series Plo Tanggal 23 JANUARI FEBRUARI FEBRUARI FEBRUARI FEBRUARI MARET 2009 Variable DATA REDAMAN(dB) PEMBANGKITAN RESIDU PEMBANGKITAN ESTIMASI PEMBANGKITAN NORMAL Gambar 0 Grafik Series Daa Redaman Kanal HF Vs Pembangkian Esimasi, Residu, Normal ARIMA (0 ) Gabungan bulan Januari-Mare 2009 Percen Empirical CDF Normal Daa Redaman(dB) 300 Mean Variable DATA REDAMAN(dB) PEMBANGKITAN RESIDU PEMBANGKITAN ESTIMASI PEMBANGKITAN NORMAL SDev N Gambar. Grafik ECDF Daa pengukuran Vs pembangkian ARIMA Z aau Z Z... Z p p a a... a q a q Dimana: Z = nilai variabel dependen pada waku a = Residual pada waku p = Nilai koefisien dari AR (p) = Nilai koefisien dari MA (q) q δ = konsana 3. Meode disribusi normal Nilai dari disribusi normal ini dibangkikan secara acak berdasarkan nilai mean dan sandar deviaion hasil es probabilias kolmogorovsmirnov. Dimana mean adalah nilai raa raa dari daa yang diproses, sedangkan sandar deviaion adalah suau sample yang memberikan ukuran penyebaran daa. Sebagai ciri dari pembangkian normal ini seiap nilai yang dibangkikan anara sau dengan yang lain idak memiliki hubungan pola keerkaian daa. Sehingga pola dari nilai disribusi normal akan berbeda dengan nilai daa asli pengukuran. Unuk nilai yang hasilnya negaif maka unuk penyesuaian daa rafik maka di bua nol dengan asumsi idak ada rafik. Pergeseran real dan perubahan pola anara nilai daa hasil pembangkian dengan daa asli pengukuran bisa diliha pada gambar 0 grafik series model. Dan unuk meliha pola disribusi daa dapa menggunakan grafik ECDF (Empirical Comulaive Disribuion Funcion) pada gambar. 6. KESIMPULAN Dari hasil proses pengumpulan daa redaman kanal HF dan pemodelan ARIMA sera analisa daa yang elah dilakukan dapa diarik kesimpulan bahwa daa redaman kanal HF menunjukkan erdapa variasi raa-raa pada redaman linasan yang disebabkan oleh kesensiifan frekuensi HF erhadap perubahan ionosfer dan waku pada iap-iap harinya. Daa redaman kanal HF dapa didekai dengan meode ARIMA, dari 88 5
6 even selama Januari-Mare 2009 yang dapa dimodelkan hanya 9 even redaman kanal HF dimana didalamnya erdapa 8 even yang overflow, sehingga jika dibangkikan akan mendapakan pola yang idak sesuai dengan daa asli, eapi daa overflow ersebu memenuhi alur flowchar dugaan ARIMA dan dapa memenuhi syara pemodelan. Sedangkan pemodelan ARMA hanya mempunyai 0 even redaman kanal HF yang dapa dimodelkan. Hal ini diunjukkan dari rekapiulasi pemodelan selama Januari-Mare 2009, dimana ARIMA 0 dengan persenase 2,59% dan 78,4% idak dapa dimodelkan. Pada pemodelan ARMA erdapa 6 model yaiu ARMA 0 0 dengan persenase 4,54%, ARMA dengan persenase 2,27%, ARMA 0 0 dengan persenase,4%, ARMA dengan persenase,4%, ARMA 0 dengan persenase,4%,arma dengan persenase,4% dan 88,63% idak dapa dimodelkan. Dalam validasi hasil pemodelan ARIMA dengan membandingkan daa asli pengukuran dan daa hasil pembangkian menunjukkan bahwa meode esimasi paling mendekai daa aslinya baik secara pola maupun disribusi daa. Dibandingkan pemodelan ARIMA daa redaman kanal HF, pemodelan ARIMA daa nilai engah level egangan pengukuran memiliki 40 even yang dapa dimodelkan. Hal ini disebabkan karena pada perubahan dari daa nilai engah level egangan pengukuran ke daa redaman melalui konversi S meer, dimana erdapa range level egangan pengukuran yang berperan dalam menenukan nilai redaman. Sehingga grafik pada daa redaman seolah-olah erkesan seperi erahan aau di filer. 7. DAFTAR PUSTAKA [] S.Gokhun Tanyer, Broadcas Analysis and predicion in HF Band, IEEE 998. [2] K.S.B, You, Invesigaion on Fading of High Frequency Radio Signals Propagaion in Ionosphere, School of Elecrical and Elecronic Engineering, he Universiy of Adealaide, Ausralia [3] A.Mauludiyano, G.Hendranoro,M.H.Purnomo,Suharono. Pe modelan ARIMA dan Deeksi Oulier Daa Curah Hujan Sebagai Evaluasi Sisem Radio.Jui(Jurnal ilmiah Teknologi Informasi) volume7,nomor 3,januari [4] A.Mauludiyano, G.Hendranoro,M.H.Purnomo, T.Ramadhany. Pemodelan ARIMA unuk Redaman Hujan pada Linasan Radio Teresrial 28 GHz di Surabaya.Jurnal Peneliian Telekomunikasi,Desember 2009 Volume 4-Nomor 2. [5] A. Mauludiyano, G.Hendranoro, M.H.Purnomo, T.Ramadhany, A.Masushima. ARIMA Modeling of Tropical Rain Aenuaion on a Shor 28-GHz Terresrial Link. IEEE ANTENNAS AND WIRELESS PROPAGATION LETTERS, VOL9,2000. [6] A.Fauziah. Pemodelan ARMA unuk Kanal HF link Malang-Surabaya.TESIS,juli,200. [7] C.J Colemen, A Propagaion Model for Radiowave Sysem, IEEE994. [8] Ausralian Governmen, IPS Radi and Space Service, Inroducion of HF. [9] Wei, William W.S, Time Series Analysis- Univariae and Mulivariae Mehods, Second Ediion, Addison-Wesley Publishing Company, USA, [0] Siana Halim, Dika-Time Series Analysis, Jurusan Teknik Indusri - UK. Pera, Surabaya, 9 Januari [] Iriawan, N., Asui, S.P., Mengolah Daa Saisik dengan Mudah Menggunakan Miniab 4, Yogyakara: Penerbi ANDI, 2006 [2] Spyros M., Seven C. W., Vicor E. Mc Gee, Meode dan Aplikasi Peramalan Jilid Edisi Kedua, Dierjemahkan oleh Unung S. A., Ahmad B., Erlangga, Jakara, Hal. 332, 999. [3] Seiawan, M., Univariae ARIMA (Box-Jenkin Mehodology) Modelling, Workshop Analisis Eika Unuk Bisnis Program Pengembangan Kompeensi Bisnis Divisi Pengkajian dan Pengembangan Bisnis Program Magiser Manajemen Universias Padjadjaran, Sepember [4] Townsend, A. A. R., Digial Line-of-Sigh Radio Links, Prenince Hall, UK,988. [5] UU No.36 Tahun 999 Tenang Telekomunikasi. [6] Israhadi, A., Pengukuran Karakerisik Kanal Frekuensi Tinggi(HF) Surabaya-Malang, [7] Halim, Siana., Dika-Time Series Analysis, Handou Kuliah Teknik Peramalan, UK. Pera-Surabaya, 2006 [8] Miniab Saisical Sofware, Tuorial and Guide Miniab, Miniab,2004 [9] Hakim, Fadil., PEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA, RIWAYAT PENULIS Lissa Rosdiana Noer, lahir di koa Surabaya, 8 Nopember 988. Menyelesaikan pendidikan di SDN Lowokwaru VI Malang, kemudian meneruskan pendidikan di SLTPN 5 Malang dan SMAN Malang, lulus pada ahun Dierima di Jurusan Teknik Elekro FTI-ITS pada bulan Juli 2007 melalui Program Reguler S, mengambil Bidang Sudi Telekomunikasi Mulimedia. 6
PEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA
PEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA Fadil Rahman Hakim, Dr. Ir. Achmad Mauludiyano, MT. Program Sudi Telekomunikasi Mulimedia Jurusan Teknik Elekro Fakulas Teknologi Indusri
Lebih 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 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 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 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 terperinciPemodelan ARIMA Data Trafik Pada Server ITS Net
Pemodelan ARIMA Daa Trafik Pada Server ITS Ne Inna Madiyaningsih, Achmad Mauludiyano Jurusan Teknik Elekro FTI, Insiu Teknologi Sepuluh Nopember Kampus ITS, Kepuih-Sukolilo, Surabaya-60111 Email inna.madiyaningsih@gmail.com
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 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 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 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 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 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 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 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 terperinci*Corresponding Author:
Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion
Lebih terperinciModel ARIMAX Dan Deteksi GARCH Untuk Peramalan Inflasi Kota Denpasar 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 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 terperinciPERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR
TUGAS AKHIR SS 145561 PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR SARIRAZTY DWIJANTARI NRP 1314 030 010 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si., M.Si DEPARTEMEN
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiaan memperkirakan apa yang akan erjadi pada masa yang akan daang. Ramalan adalah sesuau kegiaan siuasi aau kondisi yang diperkirakan akan erjadi
Lebih terperinciBAB 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 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 terperinciPENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Studi Kasus: PT Tembaga Mulia Semanan)
Prosiding Seminar Nasional Manajemen Teknologi Program Sudi MMT-ITS, Surabaya 1 Agusus 2009 PENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Sudi Kasus: PT
Lebih 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 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 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 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 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 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 terperinciARIMA (Autoregressive Integrated Moving Average)
ARIMA (Auoregressive Inegraed Moving Average) I. Prinsip Dasar dan Tujuan Analisis. Prinsip Dasar ARIMA sering juga disebu meode runun waku Box-Jenkins. ARIMA sanga baik keepaannya unuk peramalan jangka
Lebih 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 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 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 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 terperinciBAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun
43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C
Lebih terperinciPeramalan 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 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 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 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 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 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 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 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 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 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 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 terperinciAnalisis Pola Hubungan Pemodelan ARIMA Curah Hujan dengan Curah Hujan Maksimum, Lama Waktu Hujan, dan Curah Hujan Rata-Rata
Analisis Pola Hubungan Pemodelan ARIMA Curah Hujan dengan Curah Hujan Maksimum, Lama Waku Hujan, dan Curah Hujan Raa-Raa Fahin Fahimah 33 Jurusan Teknik Elekro-FTI, Insiu Teknologi Seuluh Noember Kamus
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 terperinciPERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN (STUDI KASUS KOTA SALATIGA, BULAN JANUARI 2014 JULI 2016)
Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: 978-602-622-20-9 hal 935-950 November 206 hp://jurnal.fkip.uns.ac.id PERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN
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 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 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 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 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 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 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 terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN
PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan
Lebih 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 JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,1,1)(0,1,1) 12 TUGAS AKHIR.
PERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,,)(0,,) 2 TUGAS AKHIR Diajukan Sebagai Salah Sau Syara unuk Memperoleh Gelar Sarjana Sains
Lebih terperinci(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 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 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 terperinciPEMODELAN ARIMA INTENSITAS HUJAN TROPIS DARI DATA PENGUKURAN RAINGAUGE DAN DISDROMETER
1 PEMODELAN ARIMA INTENSITAS HUJAN TROPIS DARI DATA PENGUKURAN RAINGAUGE DAN DISDROMETER Muhammad Zainuddin Fanani, Achmad Mauludiyanto Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember (ITS)
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 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 terperinciANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional.
JURNAL ILMIAH RANGGAGADING Volume 7 No. 1, April 7 : 3-9 ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Sudi kasus pada CV Cia Nasional. Oleh Emmy Supariyani* dan M. Adi Nugroho *Dosen
Lebih 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 terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*
PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor
Lebih terperinciPERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS Puri Handayani NRP 1314 030 112 Dosen Pembimbing Dr. Brodjol Suijo Suprih Ulama, M.Si. Deparemen
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Definisi Peramalan Peramalan adalah suau kegiaan dalam memperkirakan aau kegiaan ang melipui pembuaan perencanaan di masa ang akan daang dengan menggunakan daa masa lalu dan daa masa
Lebih 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 terperinciPenerapan Model ARCH/GARCH untuk Peramalan Nilai Tukar Petani ABSTRAK ABSTRACT. Pendahuluan
Jurnal Sains Maemaika dan Saisika, Vol. 4, No., Januari 8 ISSN 46-454 prin/issn 65-8663 online Penerapan Model ARCH/GARCH unuk Peramalan Nilai Tukar Peani Ari Pani Desvina, Inggrid Ocaviani Meijer, Jurusan
Lebih terperinciDAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII
Bulein Ilmiah Mah. Sa. dan Terapannya (Bimaser) Volume 6, No. 3 (27), hal 83 2. MODEL SPACE-TIME DAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII Ella Kurniawai, Naomi Nessyana
Lebih terperinciModel Dinamis: Autoregressive Dan Distribusi Lag (Studi Kasus : Pengaruh Kurs Dollar Amerika Terhadap Produk Domestik Regional Bruto (PDRB))
Model Dinamis: Auoregressive Dan Disribusi Lag (Sudi Kasus : Pengaruh Kurs Dollar Amerika Terhadap Produk Domesik Regional Bruo (PDRB)) Dynamic Model : Auoregressive and Disribuion Lag (Case Sudy: Effecs
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 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 terperinciJurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN
Peramalan Dengan Meode Smoohing dan Verifikasi Meode Peramalan Dengan Grafik Pengendali Moving Range () (Sudi Kasus: Produksi Air Bersih di PDAM Tira Kencana Samarinda) Forecasing wih Smoohing and Verificaion
Lebih terperinciJURNAL TEKNIK POMITS Vol. 2, No. 2, (2013) ISSN: ( Print) D-108
JURNAL TEKNIK POMITS Vol., No., (013) ISSN: 337-3539 (301-971 Prin) D-108 Simulasi Peredaman Gearan Mesin Roasi Menggunakan Dynamic Vibraion Absorber () Yudhkarisma Firi, dan Yerri Susaio Jurusan Teknik
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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis Peneliian Jenis peneliian kuaniaif ini dengan pendekaan eksperimen, yaiu peneliian yang dilakukan dengan mengadakan manipulasi erhadap objek peneliian sera adanya konrol.
Lebih terperinciPENERAPAN MODEL VECTOR AUTOREGRESSIVE (VAR) UNTUK PERAMALAN CURAH HUJAN KOTA PEKANBARU
Jurnal Sains, Teknologi dan Indusri, Vol. 11, No., Juni, pp. 151-159 ISSN 93-3 prin/issn 07-0939 online PENERAPAN MODEL VECTOR AUTOREGRESSIVE (VAR) UNTUK PERAMALAN CURAH HUJAN KOTA PEKANBARU 1 Ari Pani
Lebih terperinciPENGEMBANGAN MODEL PREDIKSI OLR-MJO BERBASIS HASIL ANALISIS MODEL STATISTIK BOX-JENKINS (ARIMA)
Prosiding Seminar Nasional Peneliian, Pendidikan, dan Penerapan MIPA Fakulas MIPA, Universias Negeri Yogyakara, 16 Mei 2009 PENGEMBANGAN MODEL PREDIKSI OLR-MJO BERBASIS HASIL ANALISIS MODEL STATISTIK BOX-JENKINS
Lebih terperinciAnalisis Model dan Contoh Numerik
Bab V Analisis Model dan Conoh Numerik Bab V ini membahas analisis model dan conoh numerik. Sub bab V.1 menyajikan analisis model yang erdiri dari analisis model kerusakan produk dan model ongkos garansi.
Lebih terperinciPERAMALAN CURAH HUJAN DENGAN WAVELET
PERAMALAN CURAH HUJAN DENGAN WAVELET Garini Widosari 1 T-7 1 Polieknik Negeri Samarinda 1 garini_72@yahoo.com Absrak Peramalan adalah salah sau unsur yang sanga pening dalam pengambilan kepuusan. Peranan
Lebih terperinciPERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk)
Jurnal UJMC, Volume 3, Nomor 1, Hal. 15-0 pissn : 460-3333 eissn : 579-907X ERHITUNGAN VAUE AT RISK (VaR) DENGAN SIMUASI MONTE CARO (STUDI KASUS SAHAM T. X ACIATA.Tbk) Sii Alfiaur Rohmaniah 1 1 Universias
Lebih 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Air merupakan kebuuhan pokok bagi seiap makhluk hidup di dunia ini ermasuk manusia. Air juga merupakan komponen lingkungan hidup yang pening bagi kelangsungan hidup
Lebih terperinciPENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI
PENGGUNAAN ONSEP FUNGSI CONVEX UNU MENENUAN SENSIIVIAS HARGA OBLIGASI 1 Zelmi Widyanuara, 2 Ei urniai, Dra., M.Si., 3 Icih Sukarsih, S.Si., M.Si. Maemaika, Universias Islam Bandung, Jl. amansari No.1 Bandung
Lebih terperinciPenerapan Model ARIMA Dalam Memprediksi IHSG
Penerapan Model ARIMA Dalam Memprediksi IHSG Bambang Hendrawan Polieknik Baam Parkway Sree, Baam Cenre, Baam 29461, Indonesia e-mail: benks@polibaam.ac.id Absrak: Tujuan peneliian ini adalah unuk mencari
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 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 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 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 terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB I PENDAHULUAN. dihitung secara pasti, akibatnya timbul permasalahan yaitu bagaimana
BAB I PENDAHULUAN. Laar Belakang Lisrik merupakan sumber kehidupan yang sanga pening. Dengan adanya lisrik semua roda kehidupan akan berjalan dengan lebih mudah dan cepa, sehingga suau daerah akan lebih
Lebih terperinciESTIMASI MODEL UNTUK DATA DEPENDEN DENGAN METODE CROSS VALIDATION. Oleh: Tarno Program Studi Statistika FMIPA UNDIP Semarang
ESTIMASI MODEL UNTUK DATA DEPENDEN DENGAN METODE CROSS VALIDATION Oleh: Tarno Program Sudi Saisika FMIPA UNDIP Semarang Absrac This paper discuss abou applicaion of cross-validaion mehod for modeling of
Lebih terperinciPREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED
PREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED Wahyuda 1, Budi Sanosa 2, Nani Kurniai 3 1 Teknik Indusri Universias Mulawarman-Samarinda
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa
BAB 2 TINJAUAN TEORITI 2.1. Pengerian-pengerian Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. edangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di
Lebih terperinciPERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO
PERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO SKRIPSI Disusun Oleh : SITI LIS INA ATUL HIDAYAH 24010211120006 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih 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 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 terperinci