Pendekatan Fungsi Transfer Sebagai Input Adaptive Neuro-Fuzzy Inference System (ANFIS) dalam Peramalan Kecepatan Angin Rata-Rata Harian di Sumenep
|
|
- Suparman Atmadja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 JURNL SINS DN SENI ITS Vol., No., (Sep. 0 ISSN: 0-9 D- Pendekaan Fungsi Transer Sebagai Inpu dapive Neuro-Fuzzy Inerence Sysem (NFIS dalam Peramalan Kecepaan ngin Raa-Raa Harian di Sumenep Yulia Nurviasari dan Irhamah Jurusan Saisika, Fakulas Maemaika dan Ilmu Pengeahuan lam, Insiu Teknologi Sepuluh Nopember (ITS Jl. rie Rahman Hakim, Surabaya 0 irhamah@saisika.is.ac.id bsrak ngin merupakan aliran udara dari suau empa ke empa yang lain. Kecepaan angin yang melebihi 40 km/jam dapa menyebabkan bencana, misalnya nelayan idak dapa melau akiba gelombang lau meninggi dan lain-lain. esarnya kecepaan angin di daerah Sumenep menjadi hal yang sanga diperimbangkan menginga Sumenep merupakan daerah pesisir yang masyarakanya juga sebagian besar menjadi nelayan. Oleh karena iu perlu dilakukan peneliian mengenai kecepaan angin. Salah sau peneliian yang bisa dilakukan adalah peramalan erhadap besarnya kecepaan angin. Daa yang digunakan adalah daa sekunder dari MKG di Sumenep periode Januari 00 sampai Desember 0. Daa yang digunakan adalah daa harian kecepaan angin (Y dan ekanan udara(. Daa insample sebanyak daa, sedangkan daa ou-sample daa. Hasil analisis deskripi unuk ekanan udara raa-raa harian di Sumenep mulai dari Januari 00 sampai dengan Desember 0 sebesar 00,5 dan raa-raa kecepaan angin adalah 5, kno. Fungsi Transer yang erbenuk adalah daa kecepaan angin pada hari ini dipengaruhi oleh ekanan udara pada hari dan 4 hari sebelumnya sera kecepaan angin sau hari sebelumnya.. NFIS dengan membership uncion dan ungsi Phi paling cocok digunakan unuk meramalkan daa kecepaan angin. Hasil perbandingan anara Meode Fungsi Transer dengan Meode NFIS inpu ungsi ranser, dikeahui bahwa meode NFIS dengan inpu ungsi ranser adalah meode yang paling cocok digunakan unuk meramalkan daa Kecepaan ngin periode Januari 00 sampai dengan Desember 0. Kaa Kunci Kecepaan angin, Tekanan Udara, Fungsi Transer, NFIS. I. PENDHULUN UC dan iklim yang idak menenu yang sering erjadi Cakhir-akhir ini dapa memberikan dampak negai pada kegiaan manusia. Salah sau unsur yang mempengaruhi cuaca dan iklim adalah angin. esarnya kecepaan angin di daerah Sumenep menjadi hal yang sanga diperimbangkan menginga Sumenep merupakan daerah pesisir yang masyarakanya juga sebagian besar menjadi nelayan. Selain iu, di Sumenep erdapa pelabuhan yang digunakan unuk akivias pelayaran anarpulau dan nelayan melakukan akiviasnya. erbagai jenis meode sudah digunakan unuk meramalkan daa kecepaan angin di Sumenep. Meode erbaik adalah NFIS karena kelebihan NFIS dalam kerjanya mempergunakan algorima belajar hibrida dimana menggabungkan meode Leas Square Esimaor (LSE pada ahap alur maju dan error backpropagaion (EP pada ahap alur mundur, NFIS merupakan jaringan adapi yang berbasis pada sisem inerensi uzzy. kan eapi pada peneliian sebelumnya, daa yang digunakan hanya dari kecepaan angin saja padahal kecepaan angin juga dipengaruhi oleh akor lain, yaiu ekanan udara. Oleh karena iu, dapa dirumuskan beberapa permasalahan, yaiu:agaimana karakerisik daa kecepaan angin dan ekanan udara di Sumenep, model Fungsi Transer unuk peramalan daa kecepaan angin, penerapan meode NFIS unuk peramalan daa kecepaan angin sera perbandingan hasil peramalan anara meode Fungsi Transer dan meode NFIS unuk peramalan daa kecepaan angin raa-raa di Sumenep dengan variabel inpu ekanan udara. Tujuan yang ingin dicapai adalah menjawab dari permasalahan. Pada peneliian ini meode yang dikaji ialah NFIS dengan inpu Fungsi Transer. II. TINJUN PUSTK Time Series merupakan rangkaian observasi yang beruruan. Pada umumnya uruan ersebu berdasarkan waku []. Daa yang idak sasioner dalam mean perlu dilakukan proses pembedaan (dierencing. Dierencing : ' ( RIM non musiman(p,d,q adalah gabungan dari model uoregressive (R(p dan Moving verage (M(q dengan dierencing non musiman orde d.. uoregressive orde p aau R(p... p p a (. Moving verage orde q aau M(q a a... qa ( q. uoregressive Moving verage aau RM(p,q p ( q ( a (4 4. auoregressive inegraed moving average aau RIM(p,d,q
2 JURNL SINS DN SENI ITS Vol., No., (Sep. 0 ISSN: 0-9 D- d p ( ( 0 q ( a (5 Paokan dalam menenukan model RIM []. Terdapa iga ahap dalam pemodelan RIM ini, yaiu ideniikasi model, penaksiran parameer, dan pemeriksaan diagnosik residual [].. Ideniikasi RIM Tabel. Pola CF dan PCF[] RIM CF PCF R(p M(q R(p aau M(q RM(p,q menuju nol Terpoong seelah lag q Terpoong seelah lag q menuju nol seelah lag (q p Terpoong seelah lag p (lag,,,p aau cus o aer lag p menuju nol Terpoong seelah lag p menuju nol seelah lag (p q r r ( (... r b = periode sebelum dere inpu mulai berpengaruh erhadap dere oupu s = lama periode dere oupu mulai dipengaruhi oleh dere inpu r = lama periode dere oupu mulai dipengaruhi oleh masa lalunya dapive Neuro Fuzzy Inerence Sysems (NFIS merupakan gabungan dari riicial Neural Nework (NN dan Fuzzy Inerence Sysems (FIS NFIS adalah jaringan adapi yang berbasis pada sisem inerensi uzzy. Misal auran yang digunakan adalah dua auran uzzy IF-THEN, yaiu: Rule : i x is and x is hen = p x + q x + r Rule : i x is and x is hen = p x + q x + r Rule : i x is and x is hen = p x + q x + r Rule 4 : i x is and x is hen 4 = p 4 x + q 4 x + r 4 rsiekur NFIS Sugeno erdiri aas lima layer dan seiap layer erdapa dua macam node yaiu node adapi (bersimbol koak dan node eap (bersimbol lingkaran.. Esimasi Parameer RIM Pada peneliian ini digunakan esimasi parameer dengan meode maximum likelihood yaiu suau meode yang baik dan biasa digunakan dalam melakukan esimasi. Seelah melakukan esimasi parameer model, maka dilakukan uji signiikansi parameer.. Uji Kesesuaian RIM Pengujian ini erdiri aas uji kecukupan model (residual memenuhi asumsi whie noise dan uji residual berdisribusi normal, dijelaskan sebagai beriku : a. Uji residual memenuhi asumsi whie noise b. Uji residual berdisribusi normal 4. Krieria Kebaikan RIM pabila erdapa beberapa model yang sesuai, maka krieria pemilihan model erbaik unuk daa in sample digunakan krieria kaike s Inormaion Crierion (IC. IC( M n ln ˆ a M M = jumlah parameer yang diaksir Sedangkan unuk daa ou sample dapa digunakan : m RMSE el, l,,..., m ( m l Gambar.. rsiekur NFIS Secara Umum. III. METODOLOGI Sumber Daa yang digunakan dalam peneliian ini adalah daa sekunder dari adan Meeorologi Klimaologi dan Geoisika (MKG di Sumenep. Daa yang digunakan adalah daa harian kecepaan angin (Y dan ekanan udara ( mulai periode Januari 00 sampai dengan Desember 0. Daa raining (in-sample yang digunakan sebanyak daa sedangkan daa checking (ou-sample sebanyak daa. Fungsi Transer adalah suau model yang menggambarkan nilai prediksi masa depan dari suau ime series didasarkan pada nilai-nilai masa lalu ime series iu sendiri dan sau aau lebih variabel yang berhubungan dengan oupu series ersebu (Wei, 00. enuk umum persamaan model ungsi ranser single inpu ( x dengan single oupu ( y adalah sebagai beriku. b s ( y x a r Keerangan : s s ( ( 0... s
3 JURNL SINS DN SENI ITS Vol., No., (Sep. 0 ISSN: 0-9 D-4. Tahapan Meode Fungsi Transer Peneapan model RIM dan penaksiran parameer Mulai Daa inpu Plo imeseries, plo CF, PCF Saioner sesuai RIM dere inpu Prewhiening dere inpu (α Prewhiening dere oupu (β Perhiungan CCF anara α dan β Peneapan (b, r, s model ungsi ranser Peneapan model RM dere noise Penaksiran parameer model ungsi ranser erbaik Penggunaan model ungsi ranser unuk peramalan Varians : Transormasi Mean :Dierencing Modiikasi IV. NLISIS DN PEMHSN. Karakerisik Daa Tekanan dan Kecepaan ngin Raaraa Harian di Sumenep nalisis deskripi dilakukan unuk mendeskripsikan daa kecepaan angin dan ekanan udara dari Januari -Desember 0 sehingga dapa lebih mudah dipahamai dan dijelaskan. Hasil analisis deskripi yang diperoleh diunjukkan dalam Tabel. Kecepaan ngin Tekanan Udara Tabel. Saisik Deskripi Daa Kecepaan ngin dan Tekanan Mean S Dev Minimum Maximum 5,,9 00,5, nalisis deskripi ekanan udara raa-raa harian di Sumenep sebesar 00,5 dan raa-raa kecepaan angin harian dari Januari 00-Desember 0 adalah 5, kno. Tahap awal pembenukan model ungsi ranser adalah ideniikasi model dere inpu yaiu ekanan udara. Syara uama yang harus dipenuhi dalam pemodelan ime series adalah sasioner. Kesasioneran dalam varians dapa diliha dari plo box-cox dari daa sedangkan kesasioneran dalam mean bisa diliha dari plo CF. Selesai Gambar.. Diagram lir Fungsi Transer. Tekanan 05,0 0,5 00,0 SDev 0,90 0,95 0,90 0,905 Lambda (using 95,0% conidence Esimae -5,00 Lower CL * Upper CL * Rounded Value -5,00 0,900 00,5 0,995. Tahapan Meode NFIS 005,0 0, ,0 -,5 0,0,5 Periode Lambda (4 (5 5,0 Mulai Parial uocorrelaion Funcion or Tekanan_d (wih 5% signiicance limis or he parial auocorrelaions,0 Peneapan model RIM dan penaksiran parameer Daa inpu Plo imeseries, plo CF, PCF Saioner sesuai RIM dere inpu Prewhiening dere inpu (α Prewhiening dere oupu (β Perhiungan CCF anara α dan β Peneapan (b, r, s model ungsi ranser Peneapan model RM dere noise Penaksiran parameer model ungsi ranser erbaik Penggunaan model ungsi ranser unuk peramalan Selesai Gambar.. Diagram lir NFIS. Varians : Transormasi Mean :Dierencing Modiikasi Parial uocorrelaion 0, 0, 0,4 0, 0,0-0, -0,4-0, -0, -, Gambar. 4. Tekanan Udara dari Januari 00 - Desember 0. Gambar. 5. Plo ox Cox unuk Tekanan Udara di Sumenep. Gambar.. Plo Plo CF Daa Tekanan (Training. Nilai λ sebesar -5,00 dengan baas bawah dan baas aas yang idak erbaas. Oleh karena iu, pada peneliian ini daa in-sample dari variabel ekanan udara idak memerlukan ransormasi. Plo CF ersebu menunjukkan bahwa daa belum sasioner dalam mean. Secara visual plo CF cenderung urun lamba menuju nol sehingga perlu dilakukan dierencing non musiman yaiu dierencing. Dari Gambar dapa diliha bahwa daa ekanan udara raa-raa seelah dilakukan dierencing non musiman sudah sasioner dalam mean. Gambar menjelaskan plo CF yang mana dapa diliha lag,, 4, 5 dan 9 keluar baas signiikansi. Pada Gambar 9 yaiu Plo PCF dikeahui lag,,, 5 dan 9 keluar dari baas signiikansi. 0 (
4 JURNL SINS DN SENI ITS Vol., No., (Sep. 0 ISSN: 0-9 D-5 Tekanan di Periode Gambar.. Plo Time Series Daa Training Seelah Dierencing. Gambar.. Plo CF Tekanan Udara Dierencing. Gambar. 9. Plo PCF Tekanan Udara Dierencing. Tabel. RIM Dugaan Pada Tekanan Udara Dugaan I RIM ([,,4],,[] II RIM ([,4],,[,,9,] Terdapa model RIM yang diduga sesuai dengan pola daa ekanan udara, yaiu model RIM ([,,4],,[] dan RIM ([,4],, [,,9,]. eriku adalah hasil parameer yang signiikan dan memenuhi asumsi whie noise dan mengikui disribusi normal pada residual. Tabel 4. Uji Signiikansi Parameer Daa Tekanan Udara RIM Parameer Esimasi P-value Kepuusan ([,,4],,[] ([,4],,[,,9,] 0,00 0,000 Signiikan -0,9 0,000 Signiikan 0,4 0,000 Signiikan 4 0,55 0,000 Signiikan 0,4 0,000 Signiikan 0,5 0,000 Signiikan 9 0,509 0,000 Signiikan 0,09 0,0049 Signiikan -0,44 0,000 Signiikan 4 0,045 0,004 Signiikan erdasarkan inormasi Tabel 5 residual model yang erbenuk elah memenuhi asumsi whie noise unuk model RIM ([,,4],,[] dan RIM ([,4],,[,,9,]. Kedua model RIM ersebu juga elah memenuhi kenormalan daa. Tabel 5. Uji Whie Noise&Kenormalan Residual Daa Tekanan Udara RIM ([,,4],,[] ([,4],,[,,9,] ( ( Parial uocorrelaion,0 0, 0, 0,4 0, 0,0-0, -0,4-0, -0, -, (9 40 uocorrelaion,0 0, 0, 0,4 0, 0,0-0, -0,4-0, -0, -,0 50 Uji Whie Noise Hingga P-value 0,09 4 0,0 0, 4 0,55 0,44 4 0, 0,4 4 0, Uji Kenormalan >0,500 >0, yang dipilih sebagai model erbaik diliha berdasarkan nilai IC paling kecil. Tabel dibawah merupakan IC insample dari masing-masing model. Tabel. Krieria Pemilihan Terbaik RIM IC SC RMSE ([,,4],,[] 99,4 0,5, ([,4],,[,,9,] 99,554 00,04,4 erdasarkan Tabel nilai IC dan RMSE model Daa Tekanan Udara memperlihakan bahwa model RIM erbaik adalah model yang memiliki nilai IC dan RMSE paling kecil adalah model RIM ([,4],,[,,9,]. Secara maemais dapa diulis sebagai beriku. 4 9 ( 4 x ( 9 dimana : x ( Persamaan maemais unuk dere dan diberikan sebagai beriku. 0,44 0,44 0, , ,4 0,5 0, , 09 Y Y 0,44Y 0,44Y 0,945Y 4 0, 945Y 5 0,4 0,5 0, , 09 Pada Gambar 0 diunjukkan pola cross correlaion uncion lag ke- adalah signiikan yang arinya ekanan udara berpengaruh erhadap kecepaan angin, dari hal ersebu maka dieapkan nilai b= Crosscorrelaions **.. ** Gambar.0. CCF Daa Kecepaan ngin dengan Tekanan Udara. Dugaan semenara unuk lama dere oupu secara erusmenerus dipengaruhi nilai-nilai baru dere inpu dinyaakan dalam nilai s=0 karena seelah lag ke- idak ada lagi lag yang signiikan. Semenara iu, dere oupu berkaian dengan nilai-nilai masa lalunya dinyaakan oleh nilai r=0. Tabel. Esimasi dan Signiikansi Parameer Orde (b, s, r b= ; r=0 ; s=0 Esimasi P-value Tahap akhir dari model ungsi ranser anara ekanan udara dan kecepaan angin pemodelan secara menyeluruh dengan memasukkan model variabel inpu RIM, dugaan nilai b,s,r dan model dere noise RM. Tabel menunjukkan bahwa dari model RM yang diprediksi unuk model dere noise b=; r=0; s=0 yaiu model RM ([,,],[,,] dan RM ([,,],[,,].
5 JURNL SINS DN SENI ITS Vol., No., (Sep. 0 ISSN: 0-9 D- Tabel 4. Esimasi dan Signiikansi Parameer RM Dere Noise b=; s=0; r=0 dari Fungsi Transer RM Parameer Esimasi P-value Kepuusan ([,,],[,,] ([,,],[,,] 0,05 <0,000 Signiikan 0,04 0,0009 Signiikan 0, <0,000 Signiikan -0,95 <0,000 Signiikan -0,99 <0,000 Signiikan -0, 0,005 Signiikan 0,04 0,0 Signiikan 0,05 <0,000 Signiikan 0,55 0,000 Signiikan 0,09 0,05 Signiikan -0, 0,00 Signiikan -0,0049 0,00 Signiikan -0,55 <0,000 Signiikan 0,95 0,045 Signiikan Pada model RM ([,,],[,,] erdapa parameer yang idak signiikan adalah karena p-value yang dimili-ki adalah 0,0 aau lebih besar dari α=0,05. Sedangkan model RM([,,],[,,] menunjukkan bahwa semua parameer sudah signiikan pada model karena p-value yang dimiliki lebih kecil dari α=0,05. Tabel 9. Uji Whie Noise&Kenormalan Residual Dere Noise RM ([,,],[,,] Uji Whie Noise P-value 0,50 4 0,9 0, 4 0,49 Uji Kenormalan 0,090 Tabel 9 menunjukkan bahwa unuk model dere noise RM ([,,],[,,], semua residual sudah memenuhi asumsi whie noise. sumsi selanjunya yang harus dipenuhi adalah crosscorrelaion residual ( dengan dere inpu ( memenuhi asumsi whie noise. Hasil dari pengujian asumsi ersebu adalah seperi Tabel 0. Tabel 0. Crosscorrelaion Residual dengan Dere Inpu RM P-value 0,994 ([,,],[,,] 0,9 5 0,50 4 0,509 Tabel 0 menjelaskan bahwa residualnya elah whie noise. Sehingga secara maemais model dere noise RM ([,,],[,,] dengan keerkaian anara dere inpu dengan dere oupu erjadi pada lag- dapa dinyaakan sebagai beriku: ( 0,505 0,55 0,09 a ( 0, 0,0049 0,55 Perbandingan ersebu dapa diukur dengan menggunakan RMSE. Tabel. Variabel Inpu Fiing Daa Ou-sample dengan Hasil Ramalan Dugaan (b,s,r Dere Noise RMSE RIM ([,4],0,[,,9,] (,0,0 RM ([,,],[,,],05 erdasarkan inormasi Tabel, model dengan dugaan b= r=0 s=0 memberikan nilai RMSE sebesar,05. ungsi ranser erbaik diberikan dalam persamaan sebagai beriku. Y Y 0,95 0, 95 4 ( 0,505 0,55 0,09 a ( 0, 0,0049 0,55 Peramalan menggunakan NFIS, dienukan dari jumlah membership uncion dan jenis membership uncion yang digunakan. Misalkan Gaussian dengan jumlah MF sebanyak dan ierasi sejumlah 50 kali. Penenuan variabel inpu pada NFIS berdasarkan pada model Fungsi Transer kecepaan angin dengan daa in-sample. Variabel inpu yaiu -, -4 dan Y - dimana adalah daa ekanan udara ke- dan Y merupakan kecepaan angin ke-. Pada ungsi Gaussian, oal premise parameer yang diaksir unuk kelompok daa adalah sebanyak nilai aksiran premise parameer awal. Tabel. Taksiran wal Premise Parameer Pada Meode NFIS Himpunan Fuzzy Parameer MF Gaussian (Premis wal i c i 4, 005 4, , , 05 C 4,,00 C,59, Nilai-nilai parameer pada Tabel digunakan unuk menenukan deraja keanggoaan himpunan uzzy sehingga dapa dilakukan proses uzzyicaion yaiu mengubah daa inpu -, -4 dan Y - menjadi himpunan uzzy. Tahapan selanjunya adalah menghiung iring srengh ( w i yang merupakan cerminan dari auran (rule pada Tabel. Tahapan berikunya adalah deuzziicaion yang merupakan oupu dari layer ke-4. Fungsi, merupakan kesimpulan dari auran keanggoaan uzzy dengan nilai-nilai parameer yang diuraikan pada Tabel 4. Tahap erakhir dari ahap pembenukan model peramalan NFIS di layer ke-5. peramalan NFIS dengan inpu ungsi ranser unuk kecepaan angin adalah. y w ( 0,5 0,00,0Y 5,4 ˆ, 4 w, (,9,09 4 4,59Y w, ( 0,9 0,094 4,Y w 4, ( 4,9 5,9 4 5,5Y w5, (,5,5 4 0,Y w, (,,49 4,Y w, ( 0,5 0,05 4,Y 4, i 5,4 9,,0, 5,
6 JURNL SINS DN SENI ITS Vol., No., (Sep. 0 ISSN: 0-9 D- Firing Srengh Tabel. Nilai iring srengh dan auran keanggoaan uzzy pada model NFIS unuk meramal Formula uran (rule I ( is and 4is ( ( 4 w, ( Y andy isc hen C, p q 4 ry s I ( ( ( 4 is and 4is w, ( Y andy isc hen C, p q 4 ry s I ( ( ( 4 is and 4is w, ( Y andy isc hen C, p q 4 ry s I ( is and 4is ( ( 4 w4, andy C ( Y isc hen 4, p4 q4 4 r4y s4 I ( is and 4is ( ( 4 w5, ( Y andy isc hen C 5, p5 q5 4 r5y s5 I ( is and 4is ( ( 4 w, andy C ( Y isc hen, p q 4 ry s I ( ( ( 4 is and 4is w, ( Y andy isc hen C, p q 4 ry s I ( is and 4is ( ( 4 w, andy C ( Y isc hen, p q 4 ry s i, Tabel 4. Nilai parameer pada model NFIS i, Parameer (Premis khir p i q i r i s i, -0,5 0,000,0 5,4,,9 -,09 4,59-5,4, -0,9 0,949 -,0 9, 4, 4,9-5,9-5,5 5, -,5,5-0,,,, -,49 -, 5,, -0,5 0,004, 4,,,44 -,54 4,9 5,54 Tahap erakhir dari ahap pembenukan model peramalan NFIS di layer ke-5. peramalan NFIS dengan inpu ungsi ranser unuk kecepaan angin adalah. yˆ w, ( 0,5 0,00 4,0Y w,9,09 4,59Y, ( 4 w, ( 0,9 0,094 4,Y w 4, ( 4,9 5,9 4 5,5Y w5, (,5,5 4 0,Y w, (,,49 4,Y w, ( 0,5 0,05 4,Y 5,4 5,4 9,,0, 5, 4, Tabel 5. Nilai RMSE unuk Peramalan dengan Meode NFIS Menggunakan Jumlah Membership Funcion dan Fungsi Keanggoan MF MF Gauss,,49 Gbell,505,449 Trapesium,55,4999 Phi,59,40 Secara keseluruhan Meode NFIS dengan membership uncion dan ungsi Phi paling cocok digunakan unuk meramalkan daa kecepaan angin periode Januari 00 sampai dengan Desember 0. Unuk mengeahui meode yang paling cocok digunakan pada daa Kecepaan ngin bisa dikeahui dari nilai RMSE erkecil pada daa Ou-samplenya. Hasil nilai RMSE bisa diliha pada Tabel beriku. Tabel. Perbandingan Hasil Ramalan Kecepaan ngin (Kno Daa Ou sample Meode Fungsi Transer dengan Meode NFIS inpu Fungsi Transer Tanggal kual Fungsi Transer NFIS 5 Desember 0 5,5,459 Desember 0 4,,009 Desember 0,4,44 Desember 0 5,09,49 9 Desember 0 4,0, Desember 0,90,9 Desember 0,5050,959 RMSE,49,40 Tabel menunjukkan bahwa meode NFIS inpu ungsi ranser memiki nilai RMSE yang lebih kecil. Oleh karena iu, meode yang paling cocok digunakan unuk meramalkan daa Kecepaan ngin dengan pengaruh Tekanan Udara adalah Meode NFIS inpu ungsi ranser. V. KESIMPULN. nalisis deskripi unuk ekanan udara raa-raa harian di Sumenep sebesar 00,5 dan raa-raa kecepaan angin raa-raa harian dari Januari 00 sampai dengan Desember 0 adalah 5, kno. Kecepaan angin erbesar adalah kno aau sekiar,49 km/jam.. Fungsi Transer yang erbenuk adalah: Y Y ( 0,505 0,55 0,09 a 0,95 0,95 4 ( 0, 0,0049 0,55. NFIS pada kombinasi jenis ungsi dan jumlah membership uncion dan, dengan membership uncion dan ungsi Trapesium menunjukkan nilai RMSE yang lebih kecil dibandingkan dengan ungsi lainnya. Sedangkan pada membership uncion dan ungsi Phi menunjukkan nilai RMSE yang lebih kecil dibandingkan dengan ungsi lainnya. Secara keseluruhan Meode NFIS dengan membership uncion dan ungsi Phi paling cocok digunakan unuk meramalkan daa kecepaan angin periode Januari 00 sampai dengan Desember Meode Fungsi Transer dengan Meode NFIS dengan inpu ungsi ranser, dikeahui bahwa meode NFIS dengan inpu ungsi ranser memiki nilai RMSE yang lebih kecil. Oleh karena iu, meode yang paling cocok digunakan unuk meramalkan daa Kecepaan ngin adalah Meode NFIS dengan inpu ungsi ranser. Hasil peramalan ujuh hari kedepan dengan menggunakan meode NFIS dengan inpu ungsi ranser adalah.
7 JURNL SINS DN SENI ITS Vol., No., (Sep. 0 ISSN: 0-9 D- Tanggal Kecepaan ngin (Kno Kecepaan ngin (Km/Jam 0 Januari 0,04 5,909 0 Januari 0,0,40 0 Januari 0,4,0 04 Januari 0,45, Januari 0 4,449,055 0 Januari 0 4,4,5 0 Januari 0 4,4 9,00 Nilai ramalan yang diperoleh menggunakan NFIS dengan variabel inpu ungsi ranser. Nilai ramalannya idak melebihi 40 km/jam jadi masih dalam keadaan aman apabila digunakan unuk melakukan akivias di pelabuhan Kaliange, Sumenep. DFTR PUSTK [] W. W. S. Wei, Time Series nalysis, Univariae and Mulivariae Mehods, Canada: ddison Wesley Publishing Company. (00. []. L. owerman dan R. T. O Connell, Forecasing and Time Series: n pplied pproach, rd ediion, elmon, Caliornia : Duxbury Press (99. [] S. Makridakis, S. C. Wheelwrigh dan V. E. McGee, Meode dan plikasi Peramalan, Jilid Edisi Kedua (erjemahan. Jakara : ina Rupa ksara (999.
Abstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.
1 Peramalan Volume Produksi Air Bersih di PDAM Kabupaen Bojonegoro berdasarkan Jumlah Pelanggan dan Volume Konsumsi Air Fasha Aulia Pradhani dan Adaul Mukarromah Jurusan Saisika, FMIPA, ITS Jl. Arief Rahman
Lebih 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 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 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 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 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 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 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 terperinciPemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline ABSTRAK
Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Meode Inervensi dan Regresi Spline Rina Andriani, Dr. Suharono, M.Sc 2 Mahasiswa Jurusan Saisika FMIPA-ITS, 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih terperinciPeramalan 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 terperinciPERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT
Saisika, Vol. 2, No. 2, November 24 PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT Sri Wahyuni, 2 Farikhin, Iswahyudi Joko Suprayino Program Sudi Saisika
Lebih terperinciBAB 2 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 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 terperincimetodologi penelitian
pendahuluan injauan pusaka meodologi peneliian hasil dan pembahasan kesimpulan Pusaka Meodologi Peningkaan Energi lisrik Kebuuhan energi lisrik Pengembangan sisem energi lisrik Peramalan beban lisrik Slide
Lebih terperinciPeramalan Inflasi Nasional Berdasarkan Faktor Ekonomi Makro Menggunakan Pendekatan Time Series Klasik dan ANFIS
JURNAL SAINS DAN SENI IS Vol. 4, No., () 2337-3 (2-928X Prin) D-67 Peramalan Inflasi Nasional Berdasarkan Fakor Ekonomi Makro Menggunakan Pendekaan ime Series Klasik dan ANFIS Clara Agusin Sephani, Agus
Lebih terperinciBAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu
BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan
Lebih terperinciBAB 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 terperinciPemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network
D-378 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (26) 2337-3520 (23-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi pada Plaform MK di PT X Menggunakan Meode ARIMA, Neural Nework, dan Hibrida ARIMA-Neural
Lebih terperinciPERAMALAN 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 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 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 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 terperinciPrediksi Permintaan BBM di PT. Pertamina Region V dengan Metode Peramalan Data Time Series Hirarki
Prediksi Perminaan BBM di PT. Peramina Region V dengan Meode Peramalan Daa Time Series Hirarki Prania Dian Uari dan 2 Suharono Mahasiswa Jurusan Saisika FMIPA-ITS (38 57) 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih terperinciANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER. Muflih Rori Putra Harahap
ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER Muflih Rori Pura Harahap 30 00 052 Pembimbing : Dr. Drs. Agus Suharsono, M.S. LATAR BELAKANG PENDAHULUAN
Lebih terperinciBAB 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 terperinciESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING
ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING Nama: Zahroh Aiqoh 05 00 0 Dosen Pembimbing: Dra. Nuri Wahyuningsih, MKes Drs. Sulisiyo, MT Jurusan Maemaika
Lebih terperinciBAB III 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiaan memperkirakan apa yang akan erjadi pada masa yang akan daang. Ramalan adalah sesuau kegiaan siuasi aau kondisi yang diperkirakan akan erjadi
Lebih terperinciPeramalan 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 terperinciPEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 9 PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL Y.P.Y. Asmara,
Lebih 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 Return Saham Bank Central Asia Menggunakan Self Exciting Threshold Autoregressive Genetic Algorithm
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (2016) 2337-3520 (2301-928X Prin) D-71 Peramalan Reurn Saham Bank Cenral Asia Menggunakan Self Exciing Threshold Auoregressive Geneic Algorihm Tesalonika Puri dan
Lebih terperinciPEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA
PEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA Fadil Rahman Hakim, Dr. Ir. Achmad Mauludiyano, MT. Program Sudi Telekomunikasi Mulimedia Jurusan Teknik Elekro Fakulas Teknologi Indusri
Lebih 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 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 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 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 terperinciPERAMALAN VOLUME PENJUALAN KEDELAI PT. X MENGGUNAKAN METODE ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN VOLUME PENJUALAN KEDELAI PT. X MENGGUNAKAN METODE ARIMA BOX-JENKINS Affanda Abdul Hakim Aminullah NRP 1314 030 048 Dosen Pembimbing : Dr. Brodjol Suijo S.U., M.Si Deparemen
Lebih terperinciKOMPARASI METODE PERAMALAN AUTOMATIC CLUSTERING TECHNIQUE AND FUZZY LOGICAL RELATIONSHIPS DENGAN SINGLE EXPONENTIAL SMOOTHING
Komparasi Meode Peramalan (Beik E.) KOMPARASI METODE PERAMALAN AUTOMATIC CLUSTERING TECHNIQUE AND FUZZY LOGICAL RELATIONSHIPS DENGAN SINGLE EXPONENTIAL SMOOTHING Beik Endaryai 1, Rober Kurniawan 2 1,2
Lebih terperinciPERAMALAN JUMLAH KEBERANGKATAN PENUMPANG PELAYARAN DALAM NEGERI DARI PELABUHAN TANJUNG PERAK MENGGUNAKAN ARIMA-BOX JENKINS
TUGAS AKHIR SS 4556 PERAMALAN JUMLAH KEBERANGKATAN PENUMPANG PELAYARAN DALAM NEGERI DARI PELABUHAN TANJUNG PERAK MENGGUNAKAN ARIMA-BOX JENKINS Nina Fannani NRP 34 030 02 Dosen Pembimbing Dr. Wahyu Wibowo,
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 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 terperinciPemodelan Volatilitas Saham Menggunakan Jaringan Syaraf Tiruan dan Algoritma Genetika
Pemodelan Volailias Saham Menggunakan Jaringan Syaraf Tiruan dan Algorima Geneika Hasbi Yasin 1 1 Jurusan Saisika Undip, hasbiyasin@undip.ac.id Absrak. Flukuasi yang besar dan idak pasi dalam peramalan
Lebih 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 terperinciPemodelan Produksi Minyak dan Gas Bumi di PT. Z Menggunakan Metode ARIMA, FFNN, dan Hybrid ARIMA-FFNN
D-444 JURNAL SANS DAN SEN TS Vol. 5 No. 2 (206) 27-520 (20-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi di PT. Z Menggunakan Meode ARMA, FFNN, dan Hybrid ARMA-FFNN Daniar Kusumaning Ayu, Desri Susilaningrum
Lebih terperinciPeramalan Kebutuhan Bahan Bakar Premium di Depot Ampenan dengan Metode Hibrida Arima- Neural Network untuk Optimasi Persediaan
JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 202) ISSN: 230-928X D-94 Peramalan Kebuuhan Bahan Bakar Premium di Depo Ampenan dengan Meode Hibrida Arima- Neural Nework unuk Opimasi Persediaan Okivianis Kusumaningrum,
Lebih terperinciBAB 2 TINJAUAN TEORI
7 BAB 2 TINJAUAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih 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 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 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 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 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 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 terperinciProsiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PERAMALAN VOLUME PENGGUNAAN AIR BERSIH DENGAN METODE WINTERS EPONENTIAL SMOOTHING UNTUK MENENTUKAN VOLUME
Lebih 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 3 METODOLOGI PEMECAHAN MASALAH
BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Tahapan Pemecahan Masalah Tahapan pemecahan masalah berfungsi unuk memudahkan dalam mencari jawaban dalam proses peneliian yang dilakukan agar sesuai dengan arah
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 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 terperinciPeramalan Outflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Autoregressive (GSTAR)
JURNA SAINS DAN SENI ITS Vol. 5 No. (16) 7-5 (1-98X Prin) D-59 Peramalan Ouflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Auoregressive (GSTAR) Rahmah Safiri, Seiawan, dan Imam Safawi
Lebih 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 terperinciIII KERANGKA PEMIKIRAN
III KERANGKA PEMIKIRAN 3.1 Teori Risiko Produksi Dalam eori risiko produksi erlebih dahulu dijelaskan mengenai dasar eori produksi. Menuru Lipsey e al. (1995) produksi adalah suau kegiaan yang mengubah
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 terperinci(T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES
PROSIDING ISSN : 087-590. Seminar Nasional Saisika November 0 Vol, November 0 (T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES Yahya Ubaid ), Budi Nurani R. ), Mulyana K. 3) )Mahasiswa Program
Lebih terperinciPeramalan Pengguna Kapal Ferry Ujung-Kamal dengan Metode Intervensi
D-480 JURNAL SAINS DAN SENI IS Vol. No. 2 (6) 2337-3 (2-928X Prin) Peramalan Pengguna Kapal Ferry Ujung-Kamal dengan Meode Inervensi Eka Apriliani, dan Irhamah Jurusan Saisika, Fakulas MIPA, Insiu eknologi
Lebih terperinciBAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan
BAB 2 KINEMATIKA Tujuan Pembelajaran 1. Menjelaskan perbedaan jarak dengan perpindahan, dan kelajuan dengan kecepaan 2. Menyelidiki hubungan posisi, kecepaan, dan percepaan erhadap waku pada gerak lurus
Lebih terperinciPERAMALAN NILAI EKSPOR NON MIGAS SEKTOR PERINDUSTRIAN DI JAWA TIMUR DENGAN MENGGUNAKAN ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN NILAI EKSPOR NON MIGAS SEKTOR PERINDUSTRIAN DI JAWA TIMUR DENGAN MENGGUNAKAN ARIMA BOX-JENKINS Mohammad Fariq NRP 1314 030 015 Dosen Pembimbing Dra. Sri Mumpuni Renaningsih,
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 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 terperinciPENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK.
PENERAPAN METODE TRIPLE EXPONENTIAL MOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUAHAAN MEBEL INAR JEPARA TANJUNGANOM NGANJUK. ii Rukayah*), Achmad yaichu**) ABTRAK Peneliian ini berujuan unuk
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 terperinciAPLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI
Lebih terperinciIII. METODE PENELITIAN
26 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penilaian perkembangan kinerja keuangan PT. Goodyear Indonesia Tbk dilakukan dengan maksud unuk mengeahui sejauh mana perkembangan usaha perusahan yang
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju
Lebih terperinciDAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Studi Aplikasi Model Intervensi dengan Step Function) 1
DAMPAK PENURUNAN HARGA BBM JENS PREMUM TERHADAP ANGKA NFLAS D KOTA YOGYAKARTA (Sudi Aplikasi Model nervensi dengan Sep Funcion) Kismianini dan Dhoriva Urwaul Wusqa Jurusan Pendidikan Maemaika FMPA Universias
Lebih terperinciKOMPARASI METODE ANFIS DAN FUZZY TIME SERIES KASUS PERAMALAN JUMLAH WISATAWAN AUSTRALIA KE BALI
E-Jurnal Maemaika Vol. 2, No.2, Mei 2013, 18-26 ISSN: 2303-1751 KOMPARASI METODE ANFIS DAN FUZZY TIME SERIES KASUS PERAMALAN JUMLAH WISATAWAN AUSTRALIA KE BALI IDA BAGUS KADE PUJA ARIMBAWA K 1, KETUT JAYANEGARA
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju perumbuhan
Lebih terperinciBAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan
BAB I PENDAHULUAN 1.1 Laar Belakang Dalam perencanaan pembangunan, daa kependudukan memegang peran yang pening. Makin lengkap dan akura daa kependudukan yang esedia makin mudah dan epa rencana pembangunan
Lebih terperinciPEMODELAN ARIMA UNTUK KANAL HF LINK MALANG - SURABAYA
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
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 2 LANDASAN TEORI
35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),
Lebih terperinci