Sidang Akhir Tugas Akhir PERAMALAN KETERSEDIAAN BATUBARA MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE MOVING AVERAGE (VARMA) PADA PT.
|
|
- Farida Gunardi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Sidang Akhir Tugas Akhir PERAMALAN KETERSEDIAAN BATUBARA MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE MOVING AVERAGE (VARMA) PADA PT.XYZ Immash Kusuma Pratiwi
2 PENDAHULUAN Latar Belakang, Perumusan Masalah, Batasan Masalah, Tujuan Tugas Akhir, Manfaat Tugas Akhir
3 Latar Belakang Peramalan ketersediaan batubara merupakan hal yang penting dalam sebuah perusahaan pertambangan. Hal ini dikarenakan keterkaitan antara kemampuan produksi, jenis batubara yang sesuai dengan pemesanan pelanggan, serta penjadwalan pengambilan batubara yang bergantung pada hasil peramalan persediaan batubara Di PT. XYZ belum terdapat metode peramalan yang dapat digunakan untuk memperkirakan persediaan batubara, yang menyebabkan ada tidaknya batubara belum bisa diperkirakan Metode VARMA merupakan metode yang efektif untuk meramalkan data multivariate dan banyak digunakan untuk meramalkan data makroekonomis. Selain data makroekonomis, VARMA juga dapat digunakan untuk data lain. Seperti pada penelitian yang dilakukan oleh Leivina Kartika Dewi tahun 2008, menggunakan metode VARMA untuk data persediaan tepung di beberapa negara
4 Latar Belakang(2) Di tahun 2010, Devi Kurniawati membuktikan metode ini memiliki kinerja yang baik dengan tingkat error yang rendah Pada tahun 2011 juga dilakukan penelitian oleh Dimitrij Nikita Anggono dengan menggunakan data permintaan kamar hotel menghasilkan peramalan yang bagus dengan error yang kecil Permasalahan peramalan pada PT. XYZ dapat diselesaikan dengan metode vector autoregressive moving average (VARMA) karena memiliki beberapa variabel yang saling berkaitan dalam penentuan persediaan batubara
5 Perumusan Masalah Bagaimana mengetahui apakah data yang digunakan untuk peramalan stasioner atau tidak stasioner. Bagaimana menentukan orde model VARMA yang sesuai dengan data yang digunakan dalam peramalan. Bagaimana melakukan estimasi terhadap matriks mastriks koefisien yang membentuk model VARMA yang sesuai dengan orde yang ditentukan. Bagaimana melakukan uji kelayakan apakah model VARMA yang diperoleh telah dapat mempresentasikan data dengan baik. Bagaimana meramalkan ketersediaan batubara pada PT.XYZ dengan menggunakan metode vector autoregressive moving average (VARMA) Bagaimana mengetahui akurasi hasil peramalan dari model VARMA.
6 Batasan Masalah Diimplementasikan menggunakan aplikasi MatLab yang berjalan pada sistem operasi WINDOWS 7 Data yang digunakan adalah persediaan batubara PT. XYZ selama tahun Ketersediaan batubara dipengaruhi oleh ketersediaan hasil tambang oleh bagian produksi dan permintaan pelanggan oleh bagian marketing
7 Tujuan Tugas Akhir Tujuan dari tugas akhir ini adalah : Tujuan dari tugas akhir ini adalah melakukan pemodelan vector autoregressive moving average (VARMA) untuk data ketersediaan batubara yang didasarkan pada permintaan batubara.
8 Relevansi atau Manfaat Kegiatan Tugas Akhir Mengetahui data yang digunakan peramalan merupakan data stasioner atau tidak stasioner Mengetahui orde model VARMA yang sesuai dengan data yang digunakan untuk peramalan Mengetahui estimasi matriks matriks koefisien yang membentuk model VARMA yang sesuai dengan orde yang ditentukan Mengetahui apakah model VARMA yang diperoleh telah dapat mempresentasikan data dengan baik Mengetahui hasil peramalan ketersediaan batubara pada PT.XYZ dengan menggunakan metode vector autoregressive moving average (VARMA) Mengetahui akurasi hasil peramalan dari model VARMA
9 METODE PENELITIAN
10 METODE PENELITIAN(2) Studi Pendahuluan dan Literatur Studi literatur yang dilakukan dalam pembuatan tugas akhir ini adalah pembelajaran dan pemahaman literatur yang berkaitan dengan permasalahan yang ada, seperti mengenai peramalan,,metode peramalan yang digunakan, pemahaman lingkup kerja yang akan menjadi studi kasus tugas akhir, dan lain lain. Pembelajaran dilakukan dengan pencarian pelbagai macam literatur yang terkait dengan peramalan menggunakan metode vector autoregressive moving average (VARMA). Literatur didapatkan dari banyak sumber seperti buku dan internet. Pengambilan data Pada tahap ini dilakukan pengambilan data pada PT. XYZ yang berkaitan dengan kebutuhan peramalan. Pengambilan data ini berdasarkan proses bisnis yang berlangsung pada bagian shipping and scheduling pada PT. XYZ dan kebutuhan data metode vector autoregressive moving average (VARMA).
11 METODE PENELITIAN(3) Menstasioneritaskan data Pada tahap ini akan dilakukan stasioneritas data. Sehingga data yang belum stasioner menjadi data yang stasioner. Proses stasioneritas data ini dilakukan dengan melakukan differencing yang telah dijelaskan pada bab(2.3.2). Stasioneritas data dapat dilihat dari plot data yang menunjukkan data yang berfluktuatif di sekitar nilai rata rata sedangkan pada grafik correlogram ditunjukkan dengan jarak antar lag nya yang tidak terlalu jauh perbedaannya. Perlu dilakukan stasioneritas data karena pada metode VARMA ini data yang diperlukan adalah data yang stasioner. Menentukan orde model VARMA Pada tahap ini dilakukan penentuan orde pada model VARMA. Hal ini dapat dilakukan dengan canonical correlations analysis. Melakukan estimasi terhadap matriks parameter model VARMA Pada tahap ini dilakukan estimasi terhadap matriks parameter model VARMA. Estimasi parameter parameter tersebut didapatkan dengan mengubah modelvar(p) ke dalam bentuk model regresi biasa kemudian menghitung parameter parameternya.
12 METODE PENELITIAN(4) Melakukan uji kelayakan pada model VARMA Pada tahap ini dilakukan uji kelayakan pada model VARMA. Uji ini bertujuan untuk mengetahui apakah model telah merepresentasikan data dengan baik. Peramalan Pada tahap ini dilakukan peramalan terhadap data yang telah melalui uji stasioneritas data, penentuan model, dan pengujian kelayakan model VARMA. Analisis hasil peramalan Pada tahap ini dilakukan analisis hasil peramalan yang telah dilakukan. Hal ini dilakukan supaya hasil peramalan dapat diidentifikasi sesuai dengan apa yang diharapkan sebelum melakukan peramalan. Kesimpulan dan Saran Langkah berikutnya adalah membuat kesimpulan dan saran. Langkah ini digunakan untuk mengetahui apakah hasil penelitian sesuai dengan tujuan yang telah ditetapkan serta memberikan saran berupa pengembangan atau perbaikan penelitian selanjutnya Evaluasi dan Revisi Melakukan evaluasi terhadap penelitian, apabila terjadi kekurangan maka dilakukan revisi untuk memperbaikinya. Penyusunan buku tugas akhir Tahap ini dilakukan setelah semua tahapan yang sebelumnya terselesaikan. Pembuatan laporan disini ditujukan agar seluruh langkah langkah yang telah dilakukan didokumentasikan dengan lengkap sehingga dapat memberikan informasi yang berguna bagi yang membacanya.
13 MODEL DAN IMPLEMENTASI
14 Data data peramalan marketing dari bulan Januari 2008 sampai dengan Desember 2012 untuk jenis batubara pinang 6300, pinang 6150, dan pinang Data ini mempunyai deret waktu sebanyak N = 36 observasi, dengan tiga variabel yaitu : Variabel 1 merupakan data batubara jenis pinang 6300 Variabel 2 merupakan data batubara jenis pinang 6150 Variabel 3 merupakan data batubara jenis pinang 6000
15 Data (cont d)
16 Implementasi Uji Stasioneritas Data Plot Data Variabel 1, Variabel 2, dan Variabel 3 Plot Variabel 1 Plot Variabel 2 Plot Variabel 3 terlihat data bersifat tidak stasioner karena data tidak berfluktuasi disekitar nilai rata-ratanya melainkan menunjukkan trend naik turun
17 Implementasi Uji Stasioneritas Data (cont d) Correlogram Autokorelasi Variabel 1,Variabel 2, Variabel 3 Correlogram ACF Variabel 1 Correlogram ACF Variabel 2 Correlogram ACF Variabel 3 Dari gambar tersebut dapat dilihat bahwa terjadi penurunan dan kenaikan autokorelasi secara tidak teratur
18 Implementasi Proses Differencing Data Plot Variabel 1,2,3 Plot Variabel 1 Plot Variabel 2 Plot Variabel 3 hasil differencing data variabel 1,2,3 menunjukkan sifat stasioner karena data berfluktuasi disekitar nilai rata-ratanya.
19 Implementasi Proses Differencing Data (Cont d) Correlogram ACF Variabel 1,2,3 Correlogram ACF Variabel 1 Correlogram ACF Variabel 2 Correlogram ACF Variabel 3 bahwa terjadi perubahan setelah melalui proses differencing, sehingga antara lag satu dengan lainnya perubahannya cukup teratur
20 Implementasi Proses Penentuan Orde Model Criterion Table m j , , , , , , , , , , , , , , , , Dari tabel di atas bisa dilihat bahwa hasil criterion tabel memiliki angka yang kurang dari 1. Hal ini menunjukkan bahwa model yang paling mungkin adalah Var (p)
21 Implementasi Proses Estimasi Parameter Model Varma estimasi parameter model VAR(p). Berikut adalah model var(p) Y t = + Y t 1 +ε t
22 Implementasi Proses Uji Coba Menggunakan tes LMP Variabel lmp memiliki nilai sebesar 153,33 Variabel chi yang merupakan nilai kritis chi-square dari derajat kebebasan yang telah didapatkan dan nilai signifikan 5% sebesar 193,41 chi>lmp, sehingga hipotesis nol yang menyatakan bahwa nilai residuals tidak berkorelasi diterima.
23 Implementasi Proses Uji Coba(cont d) Menggunakan tes ACF Residual Dapat dilihat bahwa lag ACF > 95% berada di bawah batas signifikasi Variabel 1 Variabel 2 Variabel 3
24 Implementasi Proses Peramalan Model Var (p) Variabel 1 ramal Variabel 2 ramal Variabel 3 ramal
25 Implementasi Proses Evaluasi Hasil Peramalan MAPE(%) MAD Variabel 1 0,35 0,03 Variabel 2 0,24 0,02 Variabel 2 0,27 0,04 Dari hasil MAPE di atas, maka dapat dilihat bahwa hasil peramalan yang baik karena MAPE berada di bawah 10%
26 Simpulan Beberapa hal yang dapat disimpulkan berkaitan dengan metode peramalan VARMA adalah sebagai berikut: Pengujian stasioneritas data dapat digunakan dengan dua metode yaitu plot dan correlogram. Namun, dengan menggunakan plot akan terlihat lebih jelas tentang stasioneritas datanya. Dalam penentuan orde, dapat dilakukan dengan tes statistik Canonical Correlation. Tes statistik ini telah terbukti dapat menentukan orde dari model VARMA dengan baik. Pengujian kelayakan model dapat menggunakan metode grafik ACF residual dan tes Li McLeod Portmanteau (LMP). Kedua metode ini dapat menguji kelayakan dengan hasil yang baik. Persamaan umum model dapat digunakan untuk memperoleh hasil peramalan model. Karena hasil peramalan yang diperoleh cukup baik. Evaluasi hasil peramalan menggunakan metode MAPE dan MAD. Kedua metode ini terbukti dapat mengukur kinerja model dalam melakukan peramalan. MAPE berada dibawah 10%, membuktikan bahwa kinerja model sangat baik.
27 Saran Untuk penelitian berikutnya, bisa dikembangkan cara pengujian stasioneritas data. Karena menurut penelitian ini, pengujian menggunakan Correlogram ACF kurang jelas untuk stasioneritas datanya dibanding pengujian menggunakan plot data. PerludilakukanpengembanganpembentukanmodelVARMA,sehingga mengetahui bentuk model VARMA yang lain. Seperti model VMA(q) dan VARMA(p,q)
28 DAFTAR PUSTAKA Anggono, D. N. (2011). Analisis Data Runtut Waktu Multi Variabel Menggunakan Model Vector Autoregression (VAR) untuk Peramalan Permintaan Kamar Hotel. Surabaya: Institut Teknologi Sepuluh Nopember Anggraeni, W., & Leivina, K. D. (2008). Peramalan Menggunakan Metode Vector Autoregressive Moving Average (VARMA). Arranz, M.A, Portmanteau Test Statistics in Time Series. Time Oriented Language Project Athanasopoulos, G., Vahid, F.: A Complete VARMA Modelling Methodology Based on Scalar Components. Department of Econometrics and Business Statistics, Monash University, Australia (2006) Athanasopoulos, G., Vahid, F.: VARMA versus VAR for Macroeconomic Forecasting. Department of Econometrics and Business Statistics, Monash University, Australia (2006) Athanasopoulos, G.: A Complete VARMA Modelling Procedure based on SCMs. PhD thesis, Monash University, Melbourne, Australia (2006) Kurniawati, D. (2010). Peramalan Jumlah Perawat untuk Meningkatkan Pelayanan Pasien di IRD Dr. Soetomo Surabaya dengan Model Vector Autoregression. Surabaya: Institut Teknologi Sepuluh Nopember Makridakis, S, Wheelwright, S. C and McGee, V.E Forecasting : methods and application, 2nd edition. Canada: John Wiley & Sonss Mulyana, D.,. (2005). Pengujian Autokorelasi Periodik untuk Data Deret Waktu dengan Komponen Musiman Periodik. Neumaier, A., Schneider, T.: Estimation of Parameters and Eigenmodes of Multivariate Autoregressive Models. ACM Transactions on Mathematical Software (2001) Suciati, R. (2009). Analisis Faktor Faktor yang Mempengaruhi Permintaan Ekspor Batubara Indonesia di Pasar Jepang. Tiao, G.C., Tsay, R.S.: Model Specification in Multivariate Time Series. Journal of the Royal Statistical Soeciety Series B (Methodological) 51 (1989) issue 2. Tsay, R.S. (2005) Lecture Graduate School of Business.University of Chicago.
29 Terima Kasih
PERAMALAN KETERSEDIAAN BATUBARA BERDASARKAN PERMINTAAN PELANGGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE MOVING AVERAGE (VARMA) PADA PT.
1 PERAMALAN KETERSEDIAAN BATUBARA BERDASARKAN PERMINTAAN PELANGGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE MOVING AVERAGE (VARMA) PADA PT.XYZ Immash Kusuma Pratiwi, Wiwik Anggraeni S.Si, M.Kom Sistem
Lebih terperinciPERAMALAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE MOVING AVERAGE (VARMA)
Wiwik, Peramalan Menggunakan Metode Vector Autoregressive Moving Average (VARMA) PERAMALAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE MOVING AVERAGE (VARMA) Wiwik Anggraeni 1 Leivina Kartika Dewi 2 1,2 Jurusan
Lebih terperinciPERAMALAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE MOVING AVERAGE (VARMA)
Wiwik, Peramalan Menggunakan Metode Vector Autoregressive Moving Average (VARMA) PERAMALAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE MOVING AVERAGE (VARMA) Wiwik Anggraeni 1 Leivina Kartika Dewi 2 1,2 Jurusan
Lebih terperinciPERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO
Perbandingan Model ARIMA... (Alia Lestari) PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Alia Lestari Fakultas Teknik Universitas
Lebih terperinciFORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA
FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA 1) Nurul Latifa Hadi 2) Artanti Indrasetianingsih 1) S1 Program Statistika, FMIPA, Universitas PGRI Adi Buana Surabaya 2)
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
Lebih terperinciGARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : Genap
GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : Genap Berlaku mulai: Genap/2010 MATA KULIAH : TEKNIK PERAMALAN KODE MATA KULIAH/ SKS : 410103096 / 3 SKS MATA KULIAH PRASYARAT
Lebih terperinciPERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 1 8 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH
Lebih terperinciPENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Seminar Nasional Matematika dan Aplikasinya, 21 Oktober 27 PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Lebih terperinciPemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah
Vol. 9, No., 9-5, Januari 013 Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Fitriani, Erna Tri Herdiani, M. Saleh AF 1 Abstrak Dalam analisis deret waktu
Lebih terperinciMETODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015
III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciPERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)
PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) Oleh : Nofinda Lestari 1208 100 039 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciPENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA
KEMENTERIAN PEKERJAAN UMUM BADAN PENELITIAN DAN PENGEMBANGAN PUSAT PENELITIAN DAN PENGEMBANGAN SUMBER DAYA AIR PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA PENDAHULUAN Prediksi data runtut waktu.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Pendahuluan Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan digunakanan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalis kendala atau memaksimalkan pengembangan baik
Lebih terperinciModel Vector Autoregressive-Generalized Space Time Autoregressive
Model Vector Autoregressive-Generalized Space Time Autoregressive Hilma Mutiara Winata 1), Entit Puspita 2), Fitriani Agustina 3) 1), 2), 3) Departemen Pendidikan Matematika FPMIPA UPI *Surel: hilmamutiarawinata@gmail.com
Lebih terperinciPeramalan Penjualan Pipa di PT X
Elviani, et al. / Peramalan Penjualan Pipa di PT X / Jurnal Titra, Vol.. 2, No. 2, Juni 2014, pp. 55-60 Peramalan Penjualan Pipa di PT X Cicely Elviani 1, Siana Halim 1 Abstract: In this thesis we modeled
Lebih terperinciBAB 2 LANDASAN TEORI Pengertian Data Deret Berkala
BAB 2 LANDASAN TEORI 2.1. Pengertian Data Deret Berkala Suatu deret berkala adalah himpunan observasi yang terkumpul atau hasil observasi yang mengalami peningkatan waktu. Data deret berkala adalah serangkaian
Lebih terperinciModel Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan
METODE BOX JENKINS Model Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan utk semua tipe pola data. Dapat
Lebih terperinciPERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 110 117 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Lebih terperinciSBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n
SBAB III MODEL VARMAX 3.1. Metode Analisis VARMAX Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n dengan variabel random Z n yang dapat dipandang sebagai variabel random berdistribusi
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Mulai Studi Pendahuluan Studi Pustaka Identifikasi Masalah Perumusan Masalah Tujuan Pengumpulan Data 1. Profil Perusahaan PT. Mensa Binasukses cabang kota Padang 2. Data forecasting
Lebih terperinciPERAMALAN NILAI EKSPOR DAN NILAI IMPOR INDONESIA KE JEPANG MENGGUNAKAN MODEL VARIMA
PERAMALAN NILAI EKSPOR DAN NILAI IMPOR INDONESIA KE JEPANG MENGGUNAKAN MODEL VARIMA, Universitas Negeri Malang E-mail: desyulvia@gmail.com Abstrak: Penulisan skripsi ini bertujuan untuk mempelajari Model
Lebih terperinciPERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH)
Jurnal Matematika UNAND Vol. 5 No. 4 Hal. 80 88 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE
Lebih terperinciPERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK
PERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK Reza Mubarak ) dan Suhartono ) ) Program Pasca Sarjana Jurusan Statistika, Institut
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di Indonesia sejak tahun enam puluhan telah diterapkan Badan Meteorologi, Klimatologi, dan Geofisika di Jakarta menjadi suatu direktorat perhubungan udara. Direktorat
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini, akan dilakukan analisis dan pembahasan terhadap data runtun waktu. Adapun data yang digunakan dalam penelitian ini merupakan data sekunder, yaitu data
Lebih terperinciPENGGUNAAN METODE REGRESI BERGANDA UNTUK MERAMALKAN PERMINTAAN MOBIL DENGAN N VARIABEL INDEPENDEN ADAPTIF
PRESENTASI TUGAS AKHIR KS091336 PENGGUNAAN METODE REGRESI BERGANDA UNTUK MERAMALKAN PERMINTAAN MOBIL DENGAN N VARIABEL INDEPENDEN ADAPTIF Penyusun Tugas Akhir : Fitri Linawati (NRP : 5207.100.114) Dosen
Lebih terperinciABSTRAK. Kata kunci : Data Runtun Waktu, Indeks Harga Konsumen, ARIMA, Analisis Intervensi, Fungsi Step, Peramalan. I Pendahuluan
Analisis Model Intervensi Fungsi Step Terhadap Indeks Harga Konsumen (IHK) Zuhairini Azzahra A 1, Suyono 2, Ria Arafiyah 3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lebih terperinciPeramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer
Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer 1 Faridah Yuliani dan 2 Dr. rer pol Heri Kuswanto 1,2 Jurusan Statistika
Lebih terperinciANALISIS INTERVENSI FUNGSI STEP (Studi Kasus Pada Jumlah Pengiriman Benda Pos Ke Semarang Pada Tahun )
ANALISIS INTERVENSI FUNGSI STEP (Studi Kasus Pada Jumlah Pengiriman Benda Pos Ke Semarang Pada Tahun 2006 2011) Amelia Crystine 1, Abdul Hoyyi 2, Diah Safitri 3 1 Mahasiswa Jurusan Statistika FSM UNDIP
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Peramalan pada dasarnya merupakan proses menyusun informasi tentang kejadian masa lampau yang berurutan untuk menduga kejadian di masa depan (Frechtling, 2001:
Lebih terperinciPENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI)
PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) Liana Kusuma Ningrum dan Winita Sulandari, M.Si. Jurusan Matematika,
Lebih terperinciKAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q)
UJIAN TUGAS AKHIR KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q) Disusun oleh : Novan Eko Sudarsono NRP 1206.100.052 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
Lebih terperinciBab IV. Pembahasan dan Hasil Penelitian
Bab IV Pembahasan dan Hasil Penelitian IV.1 Statistika Deskriptif Pada bab ini akan dibahas mengenai statistik deskriptif dari variabel yang digunakan yaitu IHSG di BEI selama periode 1 April 2011 sampai
Lebih terperinciPERAMALAN HASIL PRODUKSI ALUMINIUM BATANGAN PADA PT INALUM DENGAN METODE ARIMA
Saintia Matematika Vol. 1, No. 1 (2013), pp. 1 10. PERAMALAN HASIL PRODUKSI ALUMINIUM BATANGAN PADA PT INALUM DENGAN METODE ARIMA Lukas Panjaitan, Gim Tarigan, Pengarapen Bangun Abstrak. Dalama makalah
Lebih terperinciPERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT
PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT Novian Endi Gunawan 1, I Wayan Sumarjaya 2, I G.A.M. Srinadi 3 1 Program Studi Matematika,
Lebih terperinciPeramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series
JURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (2017) ISSN: 2337-3520 (2301-928X Print) D-157 Peramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series Moh Ali Asfihani dan Irhamah
Lebih terperinciOUTLINE. Pendahuluan. Tinjauan Pustaka. Metodologi Penelitian. Analisis dan Pembahasan. Kesimpulan dan Saran
OUTLINE Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran LATAR BELAKANG Listrik elemen terpenting dalam kehidupan manusia Penelitian Sebelumnya Masyarakat
Lebih terperinciPENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH
PENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH Tri Mulyaningsih ), Budi Nurani R ), Soemartini 3) ) Mahasiswa Program Magister Statistika Terapan Universitas Padjadjaran
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi
Lebih terperinciMetode Deret Berkala Box Jenkins
METODE BOX JENKINS Metode Deret Berkala Box Jenkins Suatu metode peramalan yang sistematis, yang tidak mengasumsikan suatu model tertentu, tetapi menganalisa deret berkala sehingga diperoleh suatu model
Lebih terperinciPemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 Pemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA 1 Harnum Annisa Prafitia dan 2 Irhamah
Lebih terperinciPERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS
PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS Oleh : Agustini Tripena ABSTRACT In this paper, forecasting the consumer price index data and inflation. The method
Lebih terperinciPERAMALAN NILAI EKSPOR DI PROPINSI SUMATERA UTARA DENGAN METODE ARIMA BOX-JENKINS
Saintia Matematika Vol. 1, No. 6 (2013), pp. 579 589. PERAMALAN NILAI EKSPOR DI PROPINSI SUMATERA UTARA DENGAN METODE ARIMA BOX-JENKINS Raisa Ruslan, Agus Salim Harahap, Pasukat Sembiring Abstrak. Dalam
Lebih terperinciPERAMALAN PEMAKAIAN ENERGI LISTRIK DI MEDAN DENGAN METODE ARIMA
Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 1 (2014), pp. 55 69. PERAMALAN PEMAKAIAN ENERGI LISTRIK DI MEDAN DENGAN METODE ARIMA John Putra S Tampubolon, Normalina Napitupulu, Asima Manurung Abstrak.
Lebih terperinciPEMODELAN TARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH. Retno Hestiningtyas dan Winita Sulandari, M.Si. Jurusan Matematika FMIPA UNS
S-9 PEMODELAN TARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH Retno Hestiningtyas dan Winita Sulandari, M.Si Jurusan Matematika FMIPA UNS ABSTRAK. Pada data finansial sering terjadi keadaan leverage effect,
Lebih terperinciII. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya
II. TINJAUAN PUSTAKA 2.1 Stasioner Analisis ARIMA Autoregressive Integrated Moving Average umumnya mengasumsikan bahwa proses umum dari time series adalah stasioner. Tujuan proses stasioner adalah rata-rata,
Lebih terperinciModel Penjualan Plywood PT. Linggarjati Mahardika Mulia
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami) Vol., No., Juli 7, Hal. 52-57 p-issn: 25-4596; e-issn: 25-4X Halaman 52 Model Penjualan Plywood PT. Linggarjati Mahardika Mulia
Lebih terperinci4 BAB IV HASIL PEMBAHASAN DAN EVALUASI. lebih dikenal dengan metode Box-Jenkins adalah sebagai berikut :
4 BAB IV HASIL PEMBAHASAN DAN EVALUASI Pada bab ini, akan dilakukan analisis dan pembahasan terhadap data runtut waktu. Data yang digunakan dalam penelitian ini merupakan data sekunder, yaitu data harga
Lebih terperinciProgram Studi Matematika, Institut Teknologi Kalimantan, Balikpapan
J. Math. and Its Appl. E-ISSN: 2579-8936 P-ISSN: 1829-605X Vol. 14, No. 2, Desember 2017, 25-37 Perbandingan Metode ARIMA dan Double Exponential Smoothing pada Peramalan Harga Saham LQ45 Tiga Perusahaan
Lebih terperinciPERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI ABSTRAK
PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI Trio Yonathan Teja Kusuma 1, Sandra Praharani Nur Asmoro 2 1,2)
Lebih terperinciIII. METODE PENELITIAN
38 III. METODE PENELITIAN A. Konsep Dasar dan Batasan Operasional Konsep dasar dan definisi opresional mencakup pengertian yang dipergunakan untuk mendapatkan dan menganalisis data sesuai dengan tujuan
Lebih terperinciTEKNIK PERAMALAN DENGANMODEL AUTOREGRESSIVE CONDITIONALHETEROSCEDASTIC (ARCH) (Studi KasusPada PT. Astra Agro Lestari Indonesia Tbk)
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 2 (2013), hal 71 78. TEKNIK PERAMALAN DENGANMODEL AUTOREGRESSIVE CONDITIONALHETEROSCEDASTIC (ARCH) (Studi KasusPada PT. Astra Agro Lestari
Lebih terperinciMetode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api
Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api Efek Variasi Kalender dengan Pendekatan Regresi Time Series Nur Ajizah 1, Resa Septiani Pontoh 2, Toni Toharudin 3 Mahasiswa Program
Lebih terperinciPERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER
PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER I Ketut Putra Adnyana 1, I Wayan Sumarjaya 2, I Komang Gde Sukarsa 3 1 Jurusan Matematika, Fakultas FMIPA
Lebih terperinciModel Generalized Space Time Autoregressive (GSTAR) dengan Analisis Data Menggunakan Software R
Model Generalized Space Time Autoregressive (GSTAR) dengan Analisis Data Menggunakan Software R Yulianti Talungke 1, Nelson Nainggolan 2, Djoni Hatidja 3 1 Program Studi Matematika, FMIPA, UNSRAT Manado,
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini, dibahas mengenai model Vector Error Correction (VEC),
BAB III PEMBAHASAN Pada bab ini, dibahas mengenai model Vector Error Correction (VEC), prosedur pembentukan model Vector Error Correction (VEC), dan aplikasi model Vector Error Correction (VEC) pada penutupan
Lebih terperinciPERBANDINGAN KEEFEKTIFAN METODE MOVING AVERAGE DAN EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH PENGUNJUNG HOTEL MERPATI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 251 258. PERBANDINGAN KEEFEKTIFAN METODE MOVING AVERAGE DAN EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH PENGUNJUNG HOTEL
Lebih terperinciPERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL. Oleh: Niswatul Maghfiroh NRP.
PERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL Oleh: Niswatul Maghfiroh NRP. 1208100065 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciPEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER
PKMT-2-13-1 PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER Umi Rosyiidah, Diah Taukhida K, Dwi Sitharini Jurusan Matematika, Universitas Jember, Jember ABSTRAK
Lebih terperinciANALISA BOX JENKINS PADA PEMBENTUKAN MODEL PRODUKSI PREMI ASURANSI KENDARAAN BERMOTOR RODA EMPAT
ANALISA BOX JENKINS PADA PEMBENTUKAN MODEL PRODUKSI PREMI ASURANSI KENDARAAN BERMOTOR RODA EMPAT Mei Taripar Pardamean S.,SKom Jl. Makmur No.1 Ciracas Jakarta Timur mtp95@yahoo.com ABSTRAK Tujuan dari
Lebih terperinciPERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS
Saintia Matematika ISSN: 2337-9197 Vol. 02, No. 03 (2014), pp. 253 266. PERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS
Lebih terperinciModel Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer
Model Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer OLEH : DWI LISTYA NURINI 1311 105 021 DOSEN PEMBIMBING : DR. BRODJOL SUTIJO SU, M.SI Bursa saham atau Pasar
Lebih terperinciTUGAS AKHIR - ST 1325
TUGAS AKHIR - ST 1325 PERBANDINGAN BACKPROPAGATION NEURAL NETWORK DAN VECTOR AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (VARIMA) UNTUK MERAMALKAN PENJUALAN OBAT DI APOTIK RUMAH SAKIT X PUTRI SUSANTI NRP
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
PEMODELAN NILAI EKSPOR DI INDONESIA DENGAN PENDEKATAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH) SKRIPSI BAGUS HADI PRASTYA PROGRAM STUDI S-1 STATISTIKA DEPARTEMEN MATEMATIKA FAKULTAS
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Salah satu indikator tingkat kesejahteraan rakyat dapat dilihat dari perkembangan angka kematian balita, dikarenakan kematian balita berkaitan erat dengan keadaan ekonomi,
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) I. PENDAHULUAN II. METODOLOGI
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1 Implementasi Metode Time Series Arima Berbasis Java Desktop Application untuk Memperkirakan Jumlah Permintaan Busana Muslim Anak di Perusahaan Habibah Busana
Lebih terperinciKAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q)
SIDANG TUGAS AKHIR KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) Disusun oleh : Ratna Evyka E.S.A NRP 1206.100.043 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
Lebih terperinciPREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)
PREDIKSI HARGA SAHAM PT. BRI, MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average) Greis S. Lilipaly ), Djoni Hatidja ), John S. Kekenusa ) ) Program Studi Matematika FMIPA UNSRAT Manado
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Defenisi Peramalan Peramalan adalah suatu kegiatan dalam memperkirakan atau kegiatan yang meliputi pembuatan perencanaan di masa yang akan datang dengan menggunakan data masa lalu
Lebih terperinciPemodelan ARIMA Non- Musim Musi am
Pemodelan ARIMA Non- Musimam ARIMA ARIMA(Auto Regresif Integrated Moving Average) merupakan suatu metode analisis runtun waktu(time series) ARIMA(p,d,q) Dengan AR : p =orde dari proses autoreggresif I
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-300
JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (203) 233-20 (230-9X Print) D-300 Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R- dengan Metode Fungsi Transfer
Lebih terperinciPemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input
Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input Oleh : Defi Rachmawati 1311 105 007 Dosen Pembimbing :
Lebih terperinciOPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION
OPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION NILA YUWIDA 1208100015 Dosen Pembimbing : Dra. Nuri Wahyuningsih, M.Kes Drs. Lukman Hanafi,
Lebih terperinciPrediksi Tingkat Kemiskinan di Provinsi Aceh dengan Model AR
Jurnal Gradien Vol. No. Januari : - Prediksi Tingkat Kemiskinan di Provinsi Aceh dengan Model AR Munawar, Hafnani Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Syiah Kuala,
Lebih terperinciPERAMALAN KUNJUNGAN WISATAWAN MENGGUNAKAN MODEL ARMAX DENGAN NILAI KURS DAN EKSPOR-IMPOR SEBAGAI FAKTOR EKSOGEN
PERAMALAN KUNJUNGAN WISATAWAN MENGGUNAKAN MODEL ARMAX DENGAN NILAI KURS DAN EKSPOR-IMPOR SEBAGAI FAKTOR EKSOGEN Putu Ika Oktiyari Laksmi 1, Komang Dharmawan 2, Luh Putu Ida Harini 3 1 Jurusan Matematika,
Lebih terperinciESTIMASI DATA YANG HILANG DENGAN MENGGUNAKAN PROSES PENYARINGAN DALAM PEMODELAN DATA TIME SERIES
ESTIMASI DATA YANG HILANG DENGAN MENGGUNAKAN PROSES PENYARINGAN DALAM PEMODELAN DATA TIME SERIES Rais 1 1 Jurusan Matematika FMIPA Universitas Tadulako, email: rais76_untad@yahoo.co.id Abstrak Makalah
Lebih terperinciPENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 25 32 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.
Lebih terperinciPenerapan Model ARIMA
Penerapan Model ARIMA (Bagian II) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016 1 a. Lakukan proses pembedaan (differencing) sebanyak dua kali pada data asal. b. Lakukan pendugaan parameter pada
Lebih terperinci(S.4) PENDEKATAN METODE ALGORITMA GENETIK UNTUK IDENTIFIKASI MODEL ARIMA
(S.4) PENDEKATAN METODE ALGORITMA GENETIK UNTUK IDENTIFIKASI MODEL ARIMA Jimmy Ludin Mahasiswa Program Magister Jurusan Statistika Fakultas Matematika Dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh
Lebih terperinciPERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP
PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP SKRIPSI Disusun oleh : DITA RULIANA SARI NIM. 24010211140084 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Lebih terperinciLULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI
LULIK PRESDITA W 1207 100 002 APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI 1 Pembimbing : Dra. Nuri Wahyuningsih, M.Kes BAB I PENDAHULUAN 2 LATAR BELAKANG 1. Stabilitas ekonomi dapat dilihat
Lebih terperinciAnalisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia. Oleh : Pomi Kartin Yunus
Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia Oleh : Pomi Kartin Yunus 1306030040 Latar Belakang Industri manufaktur yang berkembang pesat
Lebih terperinciPERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)
PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR) SKRIPSI Oleh : PRISKA RIALITA HARDANI 24010211120020 DEPARTEMEN STATISTIKA FAKULTAS
Lebih terperinciPrediksi Harga Saham dengan ARIMA
Prediksi Harga Saham dengan ARIMA Peramalan harga saham merupakan sesuatu yang ditunggu-tunggu oleh para investor. Munculnya model prediksi yang baru yang bisa meramalkan harga saham secara tepat merupakan
Lebih terperinciSKRIPSI JURUSAN STATISTIKA PERAMALAN INDEKS HARGA KONSUMEN 4 KOTA DI JAWA TENGAH MENGGUNAKAN MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR)
PERAMALAN INDEKS HARGA KONSUMEN 4 KOTA DI JAWA TENGAH MENGGUNAKAN MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) SKRIPSI Disusun Oleh : LINA IRAWATI NIM : 24010211140072 JURUSAN STATISTIKA FAKULTAS
Lebih terperinciPEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA
Jurnal Matematika UNAND Vol. 3 No. 3 Hal. 59 67 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA ANNISA UL UKHRA Program Studi Matematika,
Lebih terperinciPEMODELAN DAN PERAMALAN INDEKS HARGA SAHAM VECTOR AUTOREGRESSIVE EXOGENOUS (VARX)
PEMODELAN DAN PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG), JAKARTA ISLAMIC INDEX (JII), DAN HARGA MINYAK DUNIA BRENT CRUDE OIL MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE EXOGENOUS (VARX) SKRIPSI Disusun
Lebih terperinciBAB 2 LANDASAN TEORI
1 BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan metode ARIMA box jenkins untuk meramalkan kebutuhan bahan baku. 2.1. Peramalan Peramalan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola data yang sistematis (Makridakis, 1999). Peramalan menggunakan pendekatan
Lebih terperinciPEMODELAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE PADA DATA REDAMAN HUJAN DI SURABAYA. Nur Hukim
TE 091399 TUGAS AKHIR- 4 SKS PEMODELAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE PADA DATA REDAMAN HUJAN DI SURABAYA Oleh Nur Hukim Dosen Pembimbing Prof. Ir. Gamantyo Hendrantoro, M.Eng. Ph.D Ir. Achmad
Lebih terperinciPrediksi Laju Inflasi di Kota Ambon Menggunakan Metode ARIMA Box Jenkins
Statistika, Vol. 16 No. 2, 95 102 November 2016 Prediksi Laju Inflasi di Kota Ambon Menggunakan Metode ARIMA Box Jenkins FERRY KONDO LEMBANG Jurusan Matematika Fakultas MIPA Universitas Pattimura Ambon
Lebih terperinciANALISIS PERAMALAN ARIMA BOX-JENKINS PADA DATA PENGIRIMAN BARANG
ANALISIS PERAMALAN ARIMA BOX-JENKINS PADA DATA PENGIRIMAN BARANG Anik Rufaidah 1), Muhamad Afif Effindi 2) 1, 2) Sekolah Tinggi Teknik Qomaruddin Gresik Jalan Raya No. 01 Bungah Gresik 61152 e-mail: anikrufaidah99@gmail.com
Lebih terperinciLAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU. Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins
LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU Kelas A Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins No Nama Praktikan Nomor Mahasiswa Tanggal Pengumpulan 1 29 Desember 2010 Tanda Tangan Praktikan
Lebih terperinciPERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2016, Halaman 101-110 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Iklim Iklim ialah suatu keadaan rata-rata dari cuaca di suatu daerah dalam periode tertentu. Curah hujan ialah suatu jumlah hujan yang jatuh di suatu daerah pada kurun waktu
Lebih terperinciPrediksi Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Menggunakan Fuzzy Time Series
Prediksi Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Menggunakan Fuzzy Time Series Arfinda Setiyoutami a, Wiwik Anggraeni b, Renny Pradina Kusumawardani c Jurusan Sistem Informasi
Lebih terperinciAnalisis Peramalan Data Produk Domestik Regional Bruto (PDRB) Sebagai Tolak Ukur Kinerja Perekonomian Provinsi Kepulauan Bangka Belitung
Analisis Peramalan Data Produk Domestik Regional Bruto (PDRB) Sebagai Tolak Ukur Kinerja Perekonomian Provinsi Kepulauan Bangka Belitung Desy Yuliana Dalimunthe Jurusan Ilmu Ekonomi, Fakultas Ekonomi,
Lebih terperinciTINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang
II.. TINJAUAN PUSTAKA Indeks Harga Konsumen (IHK Menurut Monga (977 indeks harga konsumen adalah ukuran statistika dari perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang didapatkan.
Lebih terperinci