MODEL AUTOREGRESSIVE (AR) ATAU MODEL UNIVARIATE

Save this PDF as:
 WORD  PNG  TXT  JPG

Ukuran: px
Mulai penontonan dengan halaman:

Download "MODEL AUTOREGRESSIVE (AR) ATAU MODEL UNIVARIATE"

Transkripsi

1 MODEL AUTOREGRESSIVE (AR) ATAU MODEL UNIVARIATE Data yang digunakan adalah data M2Trend.wf1 (buku rujukan pertama, bab-8). Model analisisnya adalah Xt = M2 diregresikan dengan t = waktu. Model yang akan dicoba adalah Trend Linier, Trend Kuadratik, dan Trend Kubik. Trend Linier : X t = b 0 + b 1 t + e t Trend Kuadratik : X t = b 0 + b 1 t +b 2 t 2 +e t Trend Kubik : X t = b 0 + b 1 t +b 2 t 2 + b 3 t 3 +e t 1

2 Dependent Variable: M2 MODEL LINIER Date: 10/18/12 Time: 10:54 Sample: 1993: :09 Included observations: 189 C WAKTU R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid 1.08E+12 Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Dependent Variable: M2 MODEL KUADRATIK Date: 12/23/10 Time: 05:32 Sample: 1993: :09 Included observations: 189 C WAKTU WAKTU^ R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid 6.21E+11 Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Dependent Variable: M2 MODEL KUBIK Date: 12/23/10 Time: 05:33 Sample: 1993: :09 Included observations: 189 WAKTU WAKTU^ WAKTU^ R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid 5.64E+11 Schwarz criterion Log likelihood Durbin-Watson stat

3 3

4 MODEL EXPONENTIAL SMOOTHING Model penghalusan eksponensial ini pada dasarnya bertujuan untuk mem-forecast suatu data runtun waktu dengan membentuk data baru hasil smoothing yang tidak mengandung komponen irregular (komponen yang tidak beraturan) yang ada di dalam data. Misalnya dari data spain.wf1 (buku rujukan bab 8) berisi data bulanan tentang jumlah kunjungan wisatawan ke negara Spanyol selama periode Januari 1970 sampai bulan Maret Pertama-tama, jika kita periksa grafik sebaran datanya seperti di bawah ini, menunjukkan bahwa data tersebut mengandung dua hal, yaitu (a) komponen musiman, dan (b) komponen trend. Oleh karena itu, peramalan yang sekiranya sesuai dengan sebaran data tersebut adalah model penghalusan dengan mempertimbangkan aspek musiman maupun trend tersebut. Model yang sesuai adalah model Holt-Winter, dapat dipilih Holt-Winter Additif maupun Holt-Winter Multiplicative. Model yang dipilih adalah model yang mempunyai SSE Residual (Sum of Square Error Residual) yang paling kecil nilainya. 4

5 Date: 10/18/12 Time: 16:59 Sample: 1970: :03 Included observations: 231 Method: HOLT-WINTERS ADDITIVE SEASONAL Original Series: SPAIN Forecast Series: SPAINSMADD Parameters: Alpha Beta Gamma Sum of Squared Residuals 2.69E+13 Root Mean Squared Error End of Period Levels: Mean Trend Seasonals: 1988: : : : : : : : : : : : Date: 10/18/12 Time: 17:01 Sample: 1970: :03 Included observations: 231 Method: HOLT-WINTERS MULTIPLICATIVE SEASONAL Original Series: SPAIN Forecast Series: SPAINSM Parameters: Alpha Beta Gamma Sum of Squared Residuals 2.52E+13 Root Mean Squared Error End of Period Levels: Mean Trend Seasonals: 1988: : : : : : : : : : : : HASILNYA, dengan melihat nilai SSE Residual, maka Metoda HW-Multiplicative Seasonal lebih sesuai untuk forecasting. Nilai-nilai alpha, beta dan gamma pada hasil menunjukkan bahwa Eviews menetapkan nilai yang optimal untuk masing-masing parameter tersebut. 5

6 Membaca hasil : (1) Model HW-Additif : X t = b 1 + b 2 t + S t + e t Dimana b1 adalah konstanta, atau komponen tetap dari series b2 adalah komponen trend linier S adalah komponen atau indeks musiman e adalah komponen irregular atau random error Hasil perhitungan Eviews di atas adalah : Nilai b 1 adalah nilai pada Mean, yaitu Nilai b 2 adalah nilai pada Trend, yaitu Sehingga forecasting trendnya adalah Tt = t, sementara komponen musimannya adalah selisih rata-rata relatif setiap bulan terhadap nilai rata-rata yang diberikan oleh persamaan trend. Contohnya, untuk bulan ke-empat, diperoleh perbedaan sebesar dibanding rata-rata yang ditunjukkan oleh trend. (2) Model HW-Multiplicative : X t = (b 1 + b 2 ) t.s t + e t Nilai b 1 adalah nilai pada Mean, yaitu Nilai b 2 adalah nilai pada Trend, yaitu Interpretasi dari komponen musiman adalah : bahwa output yang ditampilkan menyatakan persentase rata-rata relatif setiap bulan terhadap nilai rata-rata yang diberikan oleh persamaan trend. Contoh, untuk bulan ke-4, nilainya hanya persen dari nilai rata-rata yang ditunjukkan oleh persamaan trend. Dpl, untuk bulan ke-4, nilainya berada pada ( ) persen, atau sama dengan persen di bawah nilai rata-rata trend. 6

7 MODEL DEKOMPOSISI : SMOOTHING MOVING AVERAGE Telah kita ketahui, bahwa data runtun waktu seringkali didekomposisikan ke dalam empat komponen utama, yaitu : Trend, yang ditandai dengan adanya bentuk penurunan atau kenaikan data dalam perubahan waktu Musiman (seasonal), yang ditandai dengan adanya fluktuasi berulang (dan beraturan) dalam suatu kurun waktu tertentu Siklikal (cyclical), seperti musiman, akan tetapi biasanya waktunya lebih panjang dibandingkan dengan musiman Irregular atau tidak beraturan, ditandai dengan data yang polanya acak. Dalam kenyataannya, seringkali dekomposisi hanya dilakukan untuk komponen trend, musiman dan irregular saja. Jika suatu data dibuang komponen trend-nya, maka data itu disebut detrended. Jika yang dibuang adalah komponen musimannya, maka data itu disebut seasonal decomposition/adjustment (dekomposisi musiman). Dalam seasonal adjustment, dihitung indeks musiman yang menggambarkan variasi musiman dari data, dan menggunakan indeks tersebut untuk melakukan proses deseasonalize (seasonal adjustment) dari data, dengan membuang variasi musiman dari data. Ada banyak metoda untuk melakukan dekomposisi data runtun waktu ke dalam kelompok trend, musiman dan irregular, untuk membangkitkan data baru hasil penghapusan komponen di atas. Misalnya metoda Cencus X11, Cencus X12, TRAMO, SEATS dan lainnya. Akan tetapi, hanya akan dibahas metoda Smoothing Moving Average (SMA). Ada 2 jenis SMA, yaitu: (1) Ratio to Moving Average-Multiplicative, atau metoda perkalian terhadap rasio ratarata bergerak (2) Difference from Moving Average-Additive, atau penjumlahan terhadap selisih ratarata bergerak. Dengan menggunakan data spain.wf1 (dari buku rujukan bab 9) dapat dianalisis dengan SMA di atas melalui EViews, baik dengan Ratio to Moving Average-Multiplicative maupun dengan Difference from Moving Average-Additive. Hasilnya ada di bawah ini. Dari analisis tersebut, nilai faktor skala musiman dapat diinterpretasikan bahwa data Xt pada periode ke-j bernilai sj, dimana j = 1, 2,..., 12. Nilai-nilai skala tersebut dapat lebih besar (positif) atau sebaliknya lebih kecil (negatif) dibandingkan dengan data hasil penghapusan nilai musiman. Sementara itu, nilai hasil penghapusan musiman akan diperoleh dengan nama spainsa. Jika spain (nilai murni data) dan spainsa (nilai seasonal adjustment) disandingkan, akan diperoleh grafik plot seperti gambar dibawah. 7

8 Date: 10/18/12 Time: 19:53 Sample: 1970: :03 Included observations: 231 RATIO TO MOVING AVERAGE Original Series: SPAIN Adjusted Series: SPAINSA Scaling Factors: Date: 10/18/12 Time: 19:55 Sample: 1970: :03 Included observations: 231 DIFFERENCE FROM MOVING AVERAGE Original Series: SPAIN Adjusted Series: SPAINSA Scaling Factors:

9 MODEL ARIMA (BOX-JENKINS METHOD) Model ARIMA pada dasarnya merupakan model yang sangat populer dalam analisis forecasting, karena menggabungkan antara AR (autoregressive) dan MA (Moving Average) secara terintegrasi, I (integrated), sehingga dinamakan model Autoregressive integrated Moving Average. Model dasarnya adalah : Autoregressive (AR) : Y t d = a 1 (Y t-1 d) + e t, dimana d adalah rata-rata (mean) dari Y dan e adalah error term. Persamaan ini adalah AR ordo 1.ini memberi arti bahwa nilai Y dipengaruhi oleh nilai itu pada satu periode sebelumnya. Untuk persamaan AR ordo 2, maka persamaannya adalah Y t d = a 1 (Y t-1 d) + a 2 (Y t-2 d) + e t. Persamaan terakhir ini menunjukkan bahwa nilai Y dipengaruhi oleh nilai Y itu pada dua periode sebelumnya. Dan seterusnya...dimana Y t adalah ordo ke-p dari autoregressive, atau ditulis dengan AR (p). Moving Average (MA) : Y t = u + b 0 U t + b 1 U t-1, dimana u adalah konstanta (disebut white noise stochastic error term). Dalam persamaan tersebut, Y periode ke t dipengaruhi oleh suatu konstanta, ditambah dengan rata-rata bergerak (MA) saat t dan periode t-1 dari error term. Persamaan tersebut disebut dengan First Order Moving Average, atau MA Ordo 1. Untuk MA Ordo 2, dapat dituliskan : Y t = u + b 0 U t + b 1 U t-1 + b 2 U t-2. Persamaan umumnya adalah : Y t = u + b 0 U t + b 1 U t-1 + b 2 U t b q U t-q. Sehingga Yt adalah merupakan Moving Average ordo ke-q, atau ditulis MA(q). ARMA atau Autoregressive Moving Averages adalah nilai Y yang bisa saja mempunyai karakter dari persamaan AR maupun MA, sehingga disebut ARMA. Jika Y mengikuti proses ARMA (1), maka persamaannya adalah : Y t = u + a 1 Y t-1 + b 0 U t + b 1 U t-1. Dimana u adalah constant term. Secara umum, ARMA ditulis dengan ARMA (p,q), yaitu ARMA dengan AR ordo p dan MA ordo q. ARIMA (Autoregressive Integreted Moving Average). Pada kenyataannya, data time series sering nilai rataan (mean) dan variansnya tidak stasioner. Data yang demikian disebut data yang terintegrasi. Integrasi data bisa pada ordo-1, ordo 2 dan seterusnya. Misalnya data time series terintegrasi pada ordo-1 (ditulis I(1)), dapat saja pada first-difference-nya stasioner, atau I(0). Secara umum, jika terdapat data time series I(d), maka setelah didiferensiasikan pada d periode akan diperoleh data time series yang stasioner, atau I(0). Oleh karena itu, jika kita harus membedakan sebuah data time series d periode untuk membuat stasioner dan mengaplikasikan ARMA (p,q) pada persamaan tersebut, maka sebenarnya kita telah mengaplikasikan ARIMA (p,d,q), dimana p adalah jumlah Autoregressive, d adalah jumlah data time series yang harus dideferensiasikan sebelum data tersebut stasioner, dan q adalah jumlah Moving Average. 9

10 LANGKAH-LANGKAH ARIMA (1) Uji stasioneritas data, yang digunakan untuk melihat apakah data mengandung akar unit (unit root) atau tidak. Unit root adalah suatu komponen trend yang bersifat random-walk. (2) Menentukan Ordo dari AR-MA (3) Menentukan Model Terbaik (4) Peramalan atau Forecasting. Kita ambil contoh data wpi.wf1 (dari buku rujukan, bab 10). 1. Plot Data. Plot data yang dibuat di bawah ini menunjukkan bahwa data memiliki bentuk trend, sehingga bersifat non-stasioner dalam nilai tengah (mean). 2. Uji stasioneritas data : dilakukan dengan menguji akar unit dengan Uji Augmented Dickey-Fuller (ADF) yang menguji apakah ada akar unit atau tidak. Atau dapat digunakan Plot ACF/PACF (Autocorrelation Function/Partial-ACF). Hasil Uji ADF menunjukkan bahwa statistik uji ADF yang kurang negatif dengan probabilitas tidak nyata dibandingkan daerah kritis menunjukkan adanya akar unit, sehingga data tidak stasioner. Plot ACF/PACF juga menunjukkan bahwa plot ACF meluruh menuju angka nol, berarti data tidak stasioner. 10

11 Null Hypothesis: WPI has a unit root Exogenous: Constant, Linear Trend Lag Length: 3 (Fixed) t-statistic Prob.* Augmented Dickey-Fuller test statistic Test critical values: 1% level % level % level *MacKinnon (1996) one-sided p-values. Augmented Dickey-Fuller Test Equation Dependent Variable: D(WPI) Date: 10/18/12 Time: 21:20 Sample(adjusted): 1961:1 1990:4 Included observations: 120 after adjusting endpoints WPI(-1) D(WPI(-1)) D(WPI(-2)) D(WPI(-3)) C R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)

12 Date: 10/18/12 Time: 21:24 Sample: 1960:1 1992:4 Included observations: 124 Autocorrelation Partial Correlation AC PAC Q-Stat Prob. ********. ******** ******* ******* ******* ******* ******* ******* ******* ****** ****** ****** ****** ****** ****** ***** ***** ***** ***** ***** ***** **** **** **** **** **** *** *** *** *** *** ** ** ** ** ** * TRANSFORMASI DATA DAN IDENTIFIKASI MODEL Karena data mempunyai komponen trend, maka harus ditransformasikan dengan tujuan membuang komponen trend. Caranya dengan diferencing terhadap data. (dari beberapa kali diferencing, ternyata yang paling baik adalah dengan lebih dulu mentransformasikan data ke nilai logaritmis, kemudian didiferencing ordo-1). Plot datanya seperti di bawah, stasioner. 12

13 4. ALTERNATIF MODEL dengan data Logaritmis ordo-1. Model 1 : AR(1) Model 2 : AR(2) Model 3 : AR (4) Model 4 : ARMA (1,1) Model 5 : ARMA (1,2) Model 6 : ARMA (2,2) Dependent Variable: DLOGWPI MODEL 1 Date: 10/18/12 Time: 21:56 Sample(adjusted): 1960:3 1990:4 Included observations: 122 after adjusting endpoints Convergence achieved after 2 iterations AR(1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Durbin-Watson stat Inverted AR Roots.76 13

14 Dependent Variable: DLOGWPI MODEL 2 Date: 10/18/12 Time: 21:57 Sample(adjusted): 1960:4 1990:4 Included observations: 121 after adjusting endpoints Convergence achieved after 3 iterations AR(1) AR(2) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Durbin-Watson stat Inverted AR Roots Dependent Variable: DLOGWPI MODEL 3 Date: 10/18/12 Time: 21:59 Sample(adjusted): 1961:2 1990:4 Included observations: 119 after adjusting endpoints Convergence achieved after 3 iterations AR(1) AR(2) AR(4) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Durbin-Watson stat Dependent Variable: DLOGWPI MODEL 4 Date: 10/18/12 Time: 22:00 Sample(adjusted): 1960:3 1990:4 Included observations: 122 after adjusting endpoints Convergence achieved after 7 iterations Backcast: 1960:2 AR(1) MA(1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Durbin-Watson stat

15 Dependent Variable: DLOGWPI MODEL 5 Date: 10/18/12 Time: 22:01 Sample(adjusted): 1960:3 1990:4 Included observations: 122 after adjusting endpoints Convergence achieved after 9 iterations Backcast: 1960:1 1960:2 AR(1) MA(1) MA(2) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Durbin-Watson stat Inverted AR Roots.95 Inverted MA Roots Dependent Variable: DLOGWPI MODEL 6 Date: 10/18/12 Time: 22:03 Sample(adjusted): 1960:4 1990:4 Included observations: 121 after adjusting endpoints Convergence achieved after 36 iterations Backcast: 1960:2 1960:3 AR(1) AR(2) MA(1) MA(2) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Durbin-Watson stat Inverted AR Roots Inverted MA Roots MENENTUKAN MODEL TERBAIK Tugas anda untuk menentukan, dari ke-6 model dugaan tersebut, model mana yang terbaik sebagai peramalan? 15

BAB III METODOLOGI PENELITIAN. pola sejumlah data, kemudian menyajikan informasi tersebut dalam bentuk yang

BAB III METODOLOGI PENELITIAN. pola sejumlah data, kemudian menyajikan informasi tersebut dalam bentuk yang BAB III METODOLOGI PENELITIAN A. Jenis Penelitian Jenis penelitian yang digunakan dalam penelitian ini adalah Deskriptif Kuantitatif, yaitu menggunakan metode numerik dan grafis untuk mengenali pola sejumlah

Lebih terperinci

Lampiran 1. Jumlah Deposito, Suku Bunga Deposito, dan Inflasi di Indonesia Tahun

Lampiran 1. Jumlah Deposito, Suku Bunga Deposito, dan Inflasi di Indonesia Tahun 69 Lampiran 1. Jumlah Deposito, Suku Bunga Deposito, dan Inflasi di Indonesia Tahun 2004-2010 Periode sbdepo Inflasi depo Jan-04 6.27 0.57 426.424 Feb-04 5.99-0.02 409.204 Mar-04 5.86 0.36 401.686 Apr-04

Lebih terperinci

METODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015

METODE 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 terperinci

Bandung, 31 Desember Tim Peneliti

Bandung, 31 Desember Tim Peneliti Kegiatan penelitian ini merupakan kegiatan penelitian kerja sama antara Bursa Efek Jakarta dengan Fakultas Ekonomi Unpad dengan judul Kontribusi/Peranan Pasar Modal Terhadap Perekonomian Indonesia yang

Lebih terperinci

BAB IV ANALISIS HASIL DAN PEMBAHASAN. Uji akar akar unit yang bertujuan untuk menganalisis data time series

BAB IV ANALISIS HASIL DAN PEMBAHASAN. Uji akar akar unit yang bertujuan untuk menganalisis data time series 44 BAB IV ANALISIS HASIL DAN PEMBAHASAN 4.1 Analisa Kelayakan Data 4.1.1 Uji Stasioner Uji akar akar unit yang bertujuan untuk menganalisis data time series stasioner (tidak ada akar akar unit) atau tidak

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN 88 BAB IV HASIL DAN PEMBAHASAN 4.1 Deskripsi Objek Penelitian Bursa Efek Jakarta (BEJ) merupakan salah satu dari dua bursa saham di Indonesia. Dikelola oleh PT. Bursa Efek Jakarta yang sahamnya dimiliki

Lebih terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA REGRESI LINIER SEDERHANA Model fungsi : Y = f (X) LAHIR = F (WUS) LAHIR, yaitu data jumlah kelahiran setahun lalu di sejumlah Kecamatan di Jateng WUS, yaitu data jumlah wanita usia subur di sejumlah Kecamatan

Lebih terperinci

RISET ITU MUDAH. Salah satu contoh pertanyaan yang mungkin muncul di benak kita adalah:

RISET ITU MUDAH. Salah satu contoh pertanyaan yang mungkin muncul di benak kita adalah: Rangga Handika Salah satu contoh pertanyaan yang mungkin muncul di benak kita adalah: Apakah berinvestasi pada saham bisa menutup penurunan pendapatan real kita yang tergerus inflasi? Untuk itu, marilah

Lebih terperinci

BAB V KESIMPULAN DAN SARAN. 1) Dalam jangka pendek produksi beras Indonesia berpengaruh negatif dan. terhadap besarnya impor beras Indonesia.

BAB V KESIMPULAN DAN SARAN. 1) Dalam jangka pendek produksi beras Indonesia berpengaruh negatif dan. terhadap besarnya impor beras Indonesia. 56 BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan beberapa temuan dan uji dalam penelitian ini, peneliti mengambil beberapa kesimpulan yaitu : 1) Dalam jangka pendek produksi beras Indonesia berpengaruh

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN BAB IV HASIL DAN PEMBAHASAN A. Gambaran Umum Objek Penelitian Dalam penelitian ini, sampel yang dijadikan objek penelitian adalah perusahaan yang bergerak di bidang farmasi dari tahun 2011 sampai dengan

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Gambaran Umum Responden Dalam gambaran umum mengenai responden ini akan disajikan data yang telah diperolah dari penelitian yang telah dilakukan pada 100 orang

Lebih terperinci

TUGAS KELOMPOK MANAJEMEN OPERASIONAL

TUGAS KELOMPOK MANAJEMEN OPERASIONAL TUGAS KELOMPOK MAJEMEN OPERASIOL PERAMALAN PERMINTAAN NO TOPIK IV APLIKASI PADA PT. KRIDA DIMIK AUTONOSA NTB KELOMPOK : ARYO DWIATMOJO RAKSA BUA ( I2A009009 ) DEWI EKAWATI PARLI ( I2A009015 ) MADE SUWANDA

Lebih terperinci

PEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU SULAWESI TENGAH

PEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU SULAWESI TENGAH JIMT Vol. 12 No. 2 Desember 2016 (Hal 149-159) ISSN : 2450 766X PEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU SULAWESI TENGAH 1 Y. Wigati, 2 Rais, 3 I.T.

Lebih terperinci

BAB 1V HASIL DAN PEMBAHASAN. Skripsi ini meneliti mengenai analisis faktor-faktor yang mempengaruhi

BAB 1V HASIL DAN PEMBAHASAN. Skripsi ini meneliti mengenai analisis faktor-faktor yang mempengaruhi 53 BAB 1V 4.1 Diskripsi Data Penelitian HASIL DAN PEMBAHASAN Skripsi ini meneliti mengenai analisis faktor-faktor yang mempengaruhi konsumsi masyarakat di Indonesia tahun 1995-2014 dengan model error correction

Lebih terperinci

BAB IV HASIL DAN ANALISIS

BAB IV HASIL DAN ANALISIS BAB IV HASIL DAN ANALISIS 4.1. Deskripsi Data Penelitian Data yang digunakan dalam penelitian ini adalah data sekunder yang merupakan datatime series atau data runtun waktu sebanyak 12 observasi, yaitu

Lebih terperinci

ANALISIS PERILAKU KURS RUPIAH TERHADAP DOLAR AS SELAMA EMPAT PERIODE PEMERINTAHAN DI INDONESIA METODE BOX-JENKINS (ARIMA) Oleh: Agus Arifin 1)

ANALISIS PERILAKU KURS RUPIAH TERHADAP DOLAR AS SELAMA EMPAT PERIODE PEMERINTAHAN DI INDONESIA METODE BOX-JENKINS (ARIMA) Oleh: Agus Arifin 1) ANALISIS PERILAKU KURS RUPIAH TERHADAP DOLAR AS SELAMA EMPAT PERIODE PEMERINTAHAN DI INDONESIA METODE BOX-JENKINS (ARIMA) Oleh: Agus Arifin 1) EKO-REGIONAL, Vol.4, No.1, Maret 2009 1) Fakultas Ekonomi

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN BAB IV HASIL DAN PEMBAHASAN A. Gambaran Umum Perusahaan Sampel yang dijadikan objek penelitian ini adalah perusahaan yang terdaftar di Bursa Efek Indonesia (BEI) dari tahun 2011 sampai dengan 2014. Perusahaan

Lebih terperinci

Seasonal ARIMA adalah model ARIMA yang mengandung faktor musiman.

Seasonal ARIMA adalah model ARIMA yang mengandung faktor musiman. Definisi Seasonal ARIMA adalah model ARIMA yang mengandung faktor musiman. Musiman berarti kecenderungan mengulangi pola tingkah gerak dalam periode musim, biasanya satu tahun untuk data bulanan. Karena

Lebih terperinci

BAB IV HASIL DAN ANALISIS

BAB IV HASIL DAN ANALISIS BAB IV HASIL DAN ANALISIS 4.1. Deskripsi Data Penelitian Semua data yang digunkana dalam analisis ini merupakan data sekunder mulai tahun 1995 sampai tahun 2014 di Indonesia. Penelitian ini dimaksudkan

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN BAB IV HASIL DAN PEMBAHASAN 4.1. Gambaran Umum Dalam penelitian ini yang menjadi objek penelitian adalah perusahaan industri asuransi yang terdaftar di Bursa Efek Indonesia (BEI) pada periode tahun 2010-2013.

Lebih terperinci

Kredit (Y) Pendapatan (x1) Usia (x3) Modal Kerja (x2) Universitas Sumatera Utara

Kredit (Y) Pendapatan (x1) Usia (x3) Modal Kerja (x2) Universitas Sumatera Utara No Kredit (Y) Pendapatan (x1) Modal Kerja (x2) Usia (x3) Jumlah Tanggungan (x4) 1 1000000 80000 80000 20 0 2 1000000 275000 500000 21 1 3 1500000 400000 550000 25 1 4 2000000 400000 1000000 25 1 5 2000000

Lebih terperinci

LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU. Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins

LAPORAN 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 terperinci

PENGARUH INDEKS PEMBANGUNAN MANUSIA DAN PRODUK DOMESTIK REGIONAL BRUTO TERHADAP TINGKAT PENGANGGURAN TERBUKA PROVINSI DKI JAKARTA TAHUN

PENGARUH INDEKS PEMBANGUNAN MANUSIA DAN PRODUK DOMESTIK REGIONAL BRUTO TERHADAP TINGKAT PENGANGGURAN TERBUKA PROVINSI DKI JAKARTA TAHUN PENGARUH INDEKS PEMBANGUNAN MANUSIA DAN PRODUK DOMESTIK REGIONAL BRUTO TERHADAP TINGKAT PENGANGGURAN TERBUKA PROVINSI DKI JAKARTA TAHUN 2006-2013 INDAH AYU PUSPITA SARI 14213347/3EA16 Sri Rakhmawati, SE.,

Lebih terperinci

BULAN

BULAN LAMPIRAN I Data Inflasi Bulanan Provinsi Sumatera Utara Menggunakan Indeks Harga Konsumen (IHK) Provinsi Sumatera Utara Periode Januari 2002 - Desember 2013 TAHUN 2002 2003 2004 2005 2006 2007 BULAN JANUARI

Lebih terperinci

BAB V HASIL PENELITIAN DAN PEMBAHASAN. maupun variabel dependent. Persamaan regresi dengan variabel-variabel yang

BAB V HASIL PENELITIAN DAN PEMBAHASAN. maupun variabel dependent. Persamaan regresi dengan variabel-variabel yang BAB V HASIL PENELITIAN DAN PEMBAHASAN 5.1. Uji Stasioneritas 5.1.1 Uji Akar Unit ( Unit Root Test ) Tahap pertama dalam metode VAR yaitu dengan melakukan pengujian stasioner dari setipa masing-masing variabel,

Lebih terperinci

BAB V HASIL ANALISIS DAN PEMBAHASAN

BAB V HASIL ANALISIS DAN PEMBAHASAN 72 BAB V HASIL ANALISIS DAN PEMBAHASAN Dalam penelitian ini alat analisis data yang digunakan adalah model regresi linear klasik (OLS). Untuk pembuktian kebenaran hipotesis dan untuk menguji setiap variabel

Lebih terperinci

LECTURE 12 Analisis Dekomposisi dan Model Runtut Waktu

LECTURE 12 Analisis Dekomposisi dan Model Runtut Waktu LECTURE 12 Analisis Dekomposisi dan Model Runtut Waktu DR. MUDRAJAD KUNCORO, M.Soc.Sc Fakultas Ekonomi & Pascasarjana UGM Outline: Akar Unit Exponential Smoothing Moving Average Trend Proyeksi Apa Arti

Lebih terperinci

Lampiran 2 Penduduk Menurut Status Pekerjaan Utama (jiwa)

Lampiran 2 Penduduk Menurut Status Pekerjaan Utama (jiwa) 81 Lampiran 1 Jumlah Penduduk, Rumahtangga, dan Rata-rata Anggota Rumahtangga Tahun Jumlah Penduduk (ribu jiwa) Jumlah Rumahtangga Rata-rata Anggota Rumahtangga (1) (2) (3) (4) 2000 205.132 52.008,3 3,9

Lebih terperinci

PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA

PENDUGAAN 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 terperinci

Lampiran 1. Data Regresi. 71 Universitas Sumatera Utara

Lampiran 1. Data Regresi. 71 Universitas Sumatera Utara Lampiran 1 Data Regresi I obs X1 X2 X3 X4 Y 1 5.000000 1.000000 2.000000 18.00000 20.00000 2 4.000000 1.000000 2.000000 20.00000 20.00000 3 4.000000 2.000000 3.000000 20.00000 20.00000 4 3.000000 5.000000

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB IV HASIL ANALISIS DAN PEMBAHASAN. yang dapat diperoleh dari pasar uang atau bisa juga dari pasar valas.

BAB IV HASIL ANALISIS DAN PEMBAHASAN. yang dapat diperoleh dari pasar uang atau bisa juga dari pasar valas. 38 BAB IV HASIL ANALISIS DAN PEMBAHASAN A.Gambaran Umum Dalam perdagangan internasional kegiatan mengimpor barang dari suatu Negara ke Negara lain yang dilakukan para importir tidak mungkin membayarnya

Lebih terperinci

Pusat Statistik. Adapun data yang telah di olah terdapat terdapat pada tabel 6.1

Pusat Statistik. Adapun data yang telah di olah terdapat terdapat pada tabel 6.1 BAB VI ANALISA DATA 6.1. Deskripsi Data Data yai g dipergunakan dalam penelitian ini adalah data sekunder, terutama bersumber dari Badan Pusat Statistik, Intenational Financial Statistic dan situs Badan

Lebih terperinci

PERAMALAN LAJU INFLASI DENGAN METODE AUTO REGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA)

PERAMALAN LAJU INFLASI DENGAN METODE AUTO REGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) EKUITAS ISSN 1411-0393 Akreditasi No.110/DIKTI/Kep/2009 PERAMALAN LAJU INFLASI DENGAN METODE AUTO REGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) Djawoto djawoto0706@yahoo.co.id Sekolah Tinggi Ilmu Ekonomi

Lebih terperinci

MODEL EARLY WARNING SYSTEM UNTUK MEMPREDIKSI TINGKAT FLUKTUASI HARGA PADA KOMODITAS PERTANIAN

MODEL EARLY WARNING SYSTEM UNTUK MEMPREDIKSI TINGKAT FLUKTUASI HARGA PADA KOMODITAS PERTANIAN MODEL EARLY WARNING SYSTEM UNTUK MEMPREDIKSI TINGKAT FLUKTUASI HARGA PADA KOMODITAS PERTANIAN Oleh: Lia Amalia 1), Rojuaniah 1), Jaka Suharna 1) E-mail: lia.amalia@esaunggul.ac.id 1) Universitas Esa Unggul

Lebih terperinci

BAB IV STUDI KASUS. Secara umum inflasi dapat didefinisikan sebagai gejala kenaikan harga

BAB IV STUDI KASUS. Secara umum inflasi dapat didefinisikan sebagai gejala kenaikan harga BAB IV STUDI KASUS 4.1 Teori Inflasi Secara umum inflasi dapat didefinisikan sebagai gejala kenaikan harga barang-barang yang bersifat umum dan terus menerus (Nasution,1998). Menurut Anwar Nasution (Ginting,

Lebih terperinci

(Data Mentah) Data Penerimaan Asli Daerah Sektor Pariwisata Kabupaten Lombok Timur, Jumlah Kunjunga Wisatawan dan Jumlah Objek Wisata

(Data Mentah) Data Penerimaan Asli Daerah Sektor Pariwisata Kabupaten Lombok Timur, Jumlah Kunjunga Wisatawan dan Jumlah Objek Wisata L A M P I R A N 95 96 Lampiran 1 (Data Mentah) Data Penerimaan Asli Daerah Sektor Pariwisata Kabupaten Lombok Timur, Jumlah Kunjunga Wisatawan dan Jumlah Objek Wisata TAHUN PAD Sektor Pariwisata Jumlah

Lebih terperinci

BAB IV ANALISIS DAN PEMBAHASAN

BAB IV ANALISIS DAN PEMBAHASAN 51 BAB IV ANALISIS DAN PEMBAHASAN Pada bagian ini akan dilakukan pengujian terhadap data yang meliputi pemilihan model dengan membandingkan antara model linear dan model logarima, pengujian kausalitas,

Lebih terperinci

BAB V PENUTUP. 5.1 Kesimpulan. Berdasarkan beberapa temuan dalam penelitian ini, peneliti mengambil. kesimpulan yaitu

BAB V PENUTUP. 5.1 Kesimpulan. Berdasarkan beberapa temuan dalam penelitian ini, peneliti mengambil. kesimpulan yaitu BAB V PENUTUP 5.1 Kesimpulan Berdasarkan beberapa temuan dalam penelitian ini, peneliti mengambil kesimpulan yaitu 1) Dalam jangka pendek jumlah uang beredar tidak berpengaruh atau tidak signifikan terhadap

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara

BAB 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 terperinci

Data Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun Tahun Bulan Wisman

Data Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun Tahun Bulan Wisman Lampiran 1. Data Tingkat Hunian Hotel di Propinsi DIY Tahun 1991-2003 48 49 Lampiran 1 Data Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun 1991-2003, Tahun Bulan Wisman 1991 1 27,00 1991 2 30,60

Lebih terperinci

TINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang

TINJAUAN 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

LAMPIRAN 1. Kuisioner Penelitian KUISIONER

LAMPIRAN 1. Kuisioner Penelitian KUISIONER LAMPIRAN 1 Kuisioner Penelitian No : KUISIONER ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN MASYARAKAT DALAM MEMANFAATKAN KREDIT KEPEMILIKAN RUMAH DI KOTA MEDAN (STUDI KASUS PT. BRI MEDAN) Oleh:

Lebih terperinci

LAMPIRAN Langkah-Langkah Pemilihan Model Regresi Data Panel

LAMPIRAN Langkah-Langkah Pemilihan Model Regresi Data Panel LAMPIRAN Langkah-Langkah Pemilihan Model Regresi Data Panel Hasil Common Effect Method: Panel Least Squares Date: 12/06/11 Time: 18:16 C 12.40080 1.872750 6.621707 0.0000 LOG(PDRB) 0.145885 0.114857 1.270151

Lebih terperinci

4 BAB IV HASIL PEMBAHASAN DAN EVALUASI. lebih dikenal dengan metode Box-Jenkins adalah sebagai berikut :

4 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 terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN BAB IV HASIL DAN PEMBAHASAN A. Gambaran Umum 1. Sejarah Perkembangan BEI dan perusahaan Manufaktur Sejarah Bursa Efek Indonesia yang didirikan oleh pemerintah Belanda di mulai sejak tahun 1912 namun kemudian

Lebih terperinci

Lampiran 1 Data Penyerapan Tenaga Kerja, PDRB, Pengeluaran Pemerintah, dan Upah Riil Kabupaten/Kota di Provinsi Sumatera Barat tahun

Lampiran 1 Data Penyerapan Tenaga Kerja, PDRB, Pengeluaran Pemerintah, dan Upah Riil Kabupaten/Kota di Provinsi Sumatera Barat tahun 72 Lampiran 1 Data Penyerapan Tenaga Kerja, PDRB, Pengeluaran Pemerintah, dan Upah Riil Kabupaten/Kota di Provinsi Sumatera Barat tahun 2005-2010 Kode Kabupaten/Kota Tahun Bekerja PDRB Pengeluaran Pemerintah

Lebih terperinci

BAB V. KESIMPULAN dan SARAN. inflasi dengan pengangguran di Indonesia periode , yang terjadi pada

BAB V. KESIMPULAN dan SARAN. inflasi dengan pengangguran di Indonesia periode , yang terjadi pada BAB V KESIMPULAN dan SARAN 5.1. Kesimpulan Berdasarkan hasil uji kausalitas Granger ada hubungan satu arah antara inflasi dengan pengangguran di Indonesia periode 1991-2014, yang terjadi pada lag 3. Artinya,

Lebih terperinci

Lampiran 1 : Pemilihan Bank Melalui Kriteria Berdasarkan Purposive Sampling

Lampiran 1 : Pemilihan Bank Melalui Kriteria Berdasarkan Purposive Sampling Lampiran 1 : Pemilihan Bank Melalui Kriteria Berdasarkan Purposive Sampling No Nama Bank Kriteria 1 Kriteria 2 Yang memenuhi kriteria 1 dan 2 1 PT. BPD Aceh 2 PT. BPD Bali 3 PT. BPD Bengkulu - - 4 PT.

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Deskripsi Data a. Indeks Pendidikan Indeks Pendidikan diukur dengan angka melek huruf dan rata-rata lama sekolah. Indikator angka melek

Lebih terperinci

BAB V HASIL DAN PEMBAHASAN. atau tidak dalam penelitian ini jarque-berra dimana hasilnya dapat. ditunjukkan dari nilai probabilitas Jarque-Berra.

BAB V HASIL DAN PEMBAHASAN. atau tidak dalam penelitian ini jarque-berra dimana hasilnya dapat. ditunjukkan dari nilai probabilitas Jarque-Berra. BAB V HASIL DAN PEMBAHASAN A. Uji Asumsi Klasik 1. Uji Normalitas Uji normalitas digunakan untuk menguji apakah distribusi data normal atau tidak dalam penelitian ini jarque-berra dimana hasilnya dapat

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

LAMPIRAN 1 TABEL RESPONDEN No. y x1 x2 x

LAMPIRAN 1 TABEL RESPONDEN No. y x1 x2 x LAMPIRAN 1 TABEL RESPONDEN No. y x1 x2 x3 1 1.12 8979000 3000000 4 2 1.15384 8979000 3500000 2 3 1.25 9000000 4000000 2 4 1.12 8900000 4000000 4 5 1.53846 10165900 7000000 3 6 1.875 10165900 9000000 2

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

Perhitungan Value at Risk (VaR) Berdasarkan Model Autoregressive Conditional Heteroscedasticity (ARCH)

Perhitungan Value at Risk (VaR) Berdasarkan Model Autoregressive Conditional Heteroscedasticity (ARCH) Prosiding Statistika ISSN: 2460-6456 Perhitungan Value at Risk (VaR) Berdasarkan Model Autoregressive Conditional Heteroscedasticity (ARCH) 1 Wahyuni Fatma Mufti, 2 Sutawanir Darwis, 3 Nusar Hajarisman

Lebih terperinci

Analisis Dasar dalam Runtun Waktu

Analisis Dasar dalam Runtun Waktu Company LOGO Analisis Dasar dalam Runtun Waktu UJI STASIONERITAS: UJI UNIT ROOT UNIT ROOTS Shock is usually used to describe an unexpected change in a variable or in the value of the error terms at a particular

Lebih terperinci

DAFTAR PUSTAKA. Halim Abdul, (2002). Akuntansi Sektor Publik. Salemba Empat, Jakarta.

DAFTAR PUSTAKA. Halim Abdul, (2002). Akuntansi Sektor Publik. Salemba Empat, Jakarta. DAFTAR PUSTAKA Halim Abdul, (2002). Akuntansi Sektor Publik. Salemba Empat, Jakarta. Mattjik AS &M. Sumertajaya, (2000). Metodologi Penelitian Ekonomi dan Bisnis. IPB Press. Bogor. Nataludin. (2001). Potensi

Lebih terperinci

PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO

PERBANDINGAN 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 terperinci

Pemodelan ARIMA Non- Musim Musi am

Pemodelan 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 terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Peramalan (Forceasting) 2.1.1 Pengertian Peramalan Untuk memajukan suatu usaha harus memiliki pandangan ke depan yakni pada masa yang akan datang. Hal seperti ini yang harus dikaji

Lebih terperinci

Surat Keterangan Perubahan Judul

Surat Keterangan Perubahan Judul LAMPIRAN 1 Surat Keterangan Perubahan Judul [Type text] LAMPIRAN 2 Permohonan Izin Penelitian [Type text] LAMPIRAN 3 Pengantar Riset [Type text] LAMPIRAN 4 Surat Keterangan Penelitian [Type text] LAMPIRAN

Lebih terperinci

BAB IV ANALISA HASIL DAN PEMBAHASAN. Sebagaimana telah diketahui bahwa tujuan dari skripsi ini adalah untuk mengetahui

BAB IV ANALISA HASIL DAN PEMBAHASAN. Sebagaimana telah diketahui bahwa tujuan dari skripsi ini adalah untuk mengetahui BAB IV ANALISA HASIL DAN PEMBAHASAN Sebagaimana telah diketahui bahwa tujuan dari skripsi ini adalah untuk mengetahui tingkat efektifitas kebijakan pemerintah pada industri pemotongan hewan. Kebijakan

Lebih terperinci

MASALAH-MASALAH DALAM MODEL REGRESI LINIER

MASALAH-MASALAH DALAM MODEL REGRESI LINIER MASALAH-MASALAH DALAM MODEL REGRESI LINIER Pendahuluan Analisis model regresi linier memerlukan dipenuhinya berbagai asumsi agar model dapat digunakan sebagai alat prediksi yang baik. Namun tidak jarang

Lebih terperinci

Analisis 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 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 terperinci

BAB II TINJAUAN PUSTAKA. penelitian ini, yaitu ln return, volatilitas, data runtun waktu, kestasioneran, uji

BAB II TINJAUAN PUSTAKA. penelitian ini, yaitu ln return, volatilitas, data runtun waktu, kestasioneran, uji 35 BAB II TINJAUAN PUSTAKA Pada Bab II akan dibahas konsep-konsep yang menjadi dasar dalam penelitian ini, yaitu ln return, volatilitas, data runtun waktu, kestasioneran, uji ACF, uji PACF, uji ARCH-LM,

Lebih terperinci

1) Kriteria Ekonomi Estimasi model dikatakan baik bila hipotesis awal penelitian terbukti sesuai dengan tanda dan besaran dari penduga.

1) Kriteria Ekonomi Estimasi model dikatakan baik bila hipotesis awal penelitian terbukti sesuai dengan tanda dan besaran dari penduga. LAMPIRAN Lampiran 1. Evaluasi Model Evaluasi Model Keterangan 1) Kriteria Ekonomi Estimasi model dikatakan baik bila hipotesis awal penelitian terbukti sesuai dengan tanda dan besaran dari penduga. 2)

Lebih terperinci

FENOMENA DEINDUSTRIALISASI DI PROVINSI SULAWESI TENGGARA TAHUN RICO TANTOWI PUTRA / 3SE1

FENOMENA DEINDUSTRIALISASI DI PROVINSI SULAWESI TENGGARA TAHUN RICO TANTOWI PUTRA / 3SE1 FENOMENA DEINDUSTRIALISASI DI PROVINSI SULAWESI TENGGARA TAHUN 1990-2010 Berdasarkan Metode Error Correction Model (ECM) Disusun Untuk Memenuhi Tugas Mata Kuliah Time Series RICO TANTOWI PUTRA 09.6104/

Lebih terperinci

II. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya

II. 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 terperinci

BAB III METODE PENELITIAN. sekunder yang akan digunakan ialah data deret waktu bulanan (time series) dari bulan

BAB III METODE PENELITIAN. sekunder yang akan digunakan ialah data deret waktu bulanan (time series) dari bulan 40 BAB III METODE PENELITIAN 3.1. Jenis dan Sumber Data Data yang akan dipakai dalam penelitian ini berupa data sekunder. Data sekunder yang akan digunakan ialah data deret waktu bulanan (time series)

Lebih terperinci

APLIKASI MODEL ARCH KASUS TINGKAT INFLASI DI INDONESIA. Agus Widarjono. Abstract

APLIKASI MODEL ARCH KASUS TINGKAT INFLASI DI INDONESIA. Agus Widarjono. Abstract APLIKASI MODEL ARCH KASUS TINGKAT INFLASI DI INDONESIA Agus Widarjono Abstract Jurnal EKONOMI PEMBANGUNAN Kajian Ekonomi Negara Berkembang Hal 71 82 In forecasting financial time series such as inflation,

Lebih terperinci

BAB IV HASIL PENELITIAN. Syariah Mandiri yang terletak di Wisma Mandiri I Jl. MH. Thamrin No. 5. website bank

BAB IV HASIL PENELITIAN. Syariah Mandiri yang terletak di Wisma Mandiri I Jl. MH. Thamrin No. 5. website bank BAB IV HASIL PENELITIAN A. Deskripsi Umum Objek Penelitian 1. Lokasi penelitian Penelitian ini dilakukan di lembaga perbankan syariah PT. Bank Syariah Mandiri yang terletak di Wisma Mandiri I Jl. MH. Thamrin

Lebih terperinci

FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA

FORECASTING 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 terperinci

ANALISIS DERET BERKALA MULTIVARIAT (MODEL FUNGSI TRANSFER) Skripsi Untuk memenuhi sebagian persyaratan memperoleh derajat Sarjana S-1

ANALISIS DERET BERKALA MULTIVARIAT (MODEL FUNGSI TRANSFER) Skripsi Untuk memenuhi sebagian persyaratan memperoleh derajat Sarjana S-1 ANALISIS DERET BERKALA MULTIVARIAT (MODEL FUNGSI TRANSFER) (Studi Kasus: Peramalan Kurs Dolar AS terhadap Rupiah terhadap Harga Saham Syariah Jakarta Islamic Index) Skripsi Untuk memenuhi sebagian persyaratan

Lebih terperinci

BAB V ANALISA HASIL DAN PEMBAHASAN

BAB V ANALISA HASIL DAN PEMBAHASAN BAB V ANALISA HASIL DAN PEMBAHASAN Pada bab ini akan dibahas hasil regresi model nilai tukar riil rupiah (RER) jangka panjang dengan menggunakan metode Ordinary Least Square (OLS), dan model nilai tukar

Lebih terperinci

PEMODELAN DATA TIME SERIES DENGAN METODE BOX-JENKINS

PEMODELAN DATA TIME SERIES DENGAN METODE BOX-JENKINS PEMODELAN DATA TIME SERIES DENGAN METODE BOX-JENKINS Rais 1 1 Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Tadulako, email: rais76_untad@yahoo.co.id Abstrak Metode Box-Jenkins

Lebih terperinci

III METODE PENELITIAN

III METODE PENELITIAN 18 III METODE PENELITIAN 3.1. Kerangka Pemikiran Mengetahui kointegrasi pada setiap produk adalah salah satu permasalahan yang perlu dikaji dan diteliti oleh perusahaan. Dengan melihat kointegrasi produk,

Lebih terperinci

Produktivitas Padi, Luas Panen dan Produksi Padi di Kabupaten Deli Serdang,

Produktivitas Padi, Luas Panen dan Produksi Padi di Kabupaten Deli Serdang, Lampiran 1. Produktivitas Padi, Luas Panen dan Produksi Padi di Kabupaten Deli Serdang, 2004-2010 Tahun Semester Produktivitas Padi (ton/ha) Luas Panen (ha) Produksi Padi (ton) 2004 1 4.585 40.187 184257.4

Lebih terperinci

MODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI

MODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI MODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI Diajukan Kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1. Desain Penelitian Desain penelitian mempunyai peranan yang sangat penting, karena keberhasilan suatu penelitian sangat dipengaruhi oleh pilihan desain atau model penelitian.

Lebih terperinci

BAB XII INTERPRETASI HASIL OLAH DATA

BAB XII INTERPRETASI HASIL OLAH DATA BAB XII INTERPRETASI HASIL OLAH DATA Pendahuluan Intepretasi data adalah salah satu komponen penting dalam tahap akhir olah data. Ketika data telah diolah maka inilah kunci dari akhir tahap olah data sebelum

Lebih terperinci

DAFTAR ISI. BAB I PENDAHULUAN Latar Belakang Masalah Rumusan Masalah Batasan Masalah Tujuan Penelitian...

DAFTAR ISI. BAB I PENDAHULUAN Latar Belakang Masalah Rumusan Masalah Batasan Masalah Tujuan Penelitian... DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii HALAMAN PERNYATAAN... iii NASKAH SOAL TUGAS AKHIR... iv HALAMAN PERSEMBAHAN... v INTISARI... vi KATA PENGANTAR... vii UCAPAN TERIMA KASIH... viii

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

BAB V HASIL PENELITIAN DAN PEMBAHASAN. sekunder deret waktu (time series) mulai dari Januari 2013 sampai

BAB V HASIL PENELITIAN DAN PEMBAHASAN. sekunder deret waktu (time series) mulai dari Januari 2013 sampai BAB V HASIL PENELITIAN DAN PEMBAHASAN A. Analisis dan Hasil Regresi Semua data yang digunakan dalam analisis ini merupakan data sekunder deret waktu (time series) mulai dari Januari 2013 sampai Desember

Lebih terperinci

PEMBENTUKAN MODEL ARIMA UNTUK PERAMALAN INFLASI KELOMPOK BAHAN MAKANAN DI KOTA TERNATE

PEMBENTUKAN MODEL ARIMA UNTUK PERAMALAN INFLASI KELOMPOK BAHAN MAKANAN DI KOTA TERNATE PEMBENTUKAN MODEL ARIMA UNTUK PERAMALAN INFLASI KELOMPOK BAHAN MAKANAN DI KOTA TERNATE Rizal Rahman H. Teapon Fakultas EkonomiUniversitas Khairun Jl. Kampus II Gambesi Kota Ternate Selatan Kotak Pos 53

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN 46 BAB IV HASIL DAN PEMBAHASAN A. Gambaran Umum Objek Penelitian Objek penelitian yang digunakan dalam penelitian ini adalah perusahaan pembiayaan yang terdaftar di Bursa Efek Indonesia periode 2010-2013.

Lebih terperinci

BAB II LANDASAN TEORI

BAB 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 terperinci

VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE

VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE (Studi Kasus : Kecepatan Rata-rata Angin di Badan Meteorologi Klimatologi dan Geofisika Stasiun Meteorologi Maritim Semarang) SKRIPSI

Lebih terperinci

EFEKTIVITAS PENGGUNAAN ARIMA DAN VAR DALAM MEMPROYEKSI PERMINTAAN KREDIT DI INDONESIA. Syarifuddin Wahyu Ario Pratomo

EFEKTIVITAS PENGGUNAAN ARIMA DAN VAR DALAM MEMPROYEKSI PERMINTAAN KREDIT DI INDONESIA. Syarifuddin Wahyu Ario Pratomo EFEKTIVITAS PENGGUNAAN ARIMA DAN VAR DALAM MEMPROYEKSI PERMINTAAN KREDIT DI INDONESIA Syarifuddin Wahyu Ario Pratomo ABSTRACT This research was carried out by using ARIMA (Autoregressive Integrate Moving

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. di Indonesia, pengertian mengenai industri real estate tercantum

BAB IV HASIL DAN PEMBAHASAN. di Indonesia, pengertian mengenai industri real estate tercantum BAB IV HASIL DAN PEMBAHASAN A. Gambaran Umum Industri property & real estate dan konstruksi bangunan pada umumnya merupakan dua hal yang berbeda. Real estate merupakan tanah dan semua peningkatan permanen

Lebih terperinci

BAB IV HASIL DAN ANALISIS. dilakukan untuk mengetahui seberapa pengaruh variabel-variabel independen

BAB IV HASIL DAN ANALISIS. dilakukan untuk mengetahui seberapa pengaruh variabel-variabel independen BAB IV HASIL DAN ANALISIS 4.1 Deskripsi Data Penelitian Jenis data yang digunakan adalah data panel yang berbentuk dari tahun 2006 sampai tahun 2013 yang mencakup 33 propinsi di Indonesia. Penelitian ini

Lebih terperinci

BAB V KESIMPULAN DAN SARAN. Berdasarkan beberapa temuan dan uji dalam penelitian ini, peneliti

BAB V KESIMPULAN DAN SARAN. Berdasarkan beberapa temuan dan uji dalam penelitian ini, peneliti 57 BAB V KESIMPULAN DAN SARAN 5.1. Kesimpulan Berdasarkan beberapa temuan dan uji dalam penelitian ini, peneliti mengambil beberapa kesimpulan yaitu : 1. Dalam jangka pendek hutang luar negeri tidak signifikan

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.1 Sumber Data Penelitian ini menggunakan data sekunder yang diperoleh dari BEI. Data yang digunakan dalam penelitian ini merupakan data harian yang dimulai dari 3 Januari 2007

Lebih terperinci

Lampiran 1. Pertumbuhan Pendapatan Asli Daerah (PAD) pada Kabupaten/Kota di Provinsi Sumatera Utara Tahun (%)

Lampiran 1. Pertumbuhan Pendapatan Asli Daerah (PAD) pada Kabupaten/Kota di Provinsi Sumatera Utara Tahun (%) Lampiran 1 Pertumbuhan Pendapatan Asli Daerah (PAD) pada Kabupaten/Kota di Provinsi Sumatera Utara Tahun 2010-2014 Kab. Asahan 18 13 20 69 9 Kab. Dairi 0 59 41 82-35 Kab. Deli Serdang 13 159 27 22 22 Kab.

Lebih terperinci

III. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data time series

III. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data time series 40 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data time series sekunder. Data-data tersebut diperoleh dari berbagai sumber, antara lain dari

Lebih terperinci

BAB V KESIMPULAN DAN SARAN. yakni sebesar 33,03% diterangkan di luar model dari penelitian ini. Dengan

BAB V KESIMPULAN DAN SARAN. yakni sebesar 33,03% diterangkan di luar model dari penelitian ini. Dengan BAB V KESIMPULAN DAN SARAN 5.1. Kesimpulan Berdasarkan hasil pengujian hipotesis dapat disimpulkan bahwa dari hasil analisisis regresi diperoleh nilai dari R 2 sebesar 0.669740, berarti penyebaran data

Lebih terperinci

BAB V HASIL PENELITIAN DAN PEMBAHASAN

BAB V HASIL PENELITIAN DAN PEMBAHASAN BAB V HASIL PENELITIAN DAN PEMBAHASAN 5. 1 Pengantar Bab 5 akan memaparkan proses pengolahan data dan analisis hasil pengolahan data. Data diolah dalam bentuk persamaan regresi linear berganda dengan menggunakan

Lebih terperinci

BAB V HASIL DAN PEMBAHASAN

BAB V HASIL DAN PEMBAHASAN BAB V HASIL DAN PEMBAHASAN A. Uji Asumsi Klasik 1. Uji Heterokidastisitas Dalam uji white, model regresi linier yang digunakan dalam penelitian ini diregresikan untuk mendapatkan nilai residualnya. Kemudian

Lebih terperinci

ECONOMIC MODEL FROM DEMAND SIDE: Evidence In Indonesia

ECONOMIC MODEL FROM DEMAND SIDE: Evidence In Indonesia (ECONOMETRIC MODEL: SIMUTANEOUS EQUATION MODEL) The title of paper: ECONOMIC MODEL FROM DEMAND SIDE: Evidence In Indonesia OLEH: S U R I A N I NIM: 1509300010009 UNIVERSITAS SYIAH KUALA PROGRAM DOKTOR

Lebih terperinci

BAB IV METODE PENELITIAN

BAB IV METODE PENELITIAN BAB IV METODE PENELITIAN 4.1. Desain Penelitian Metode yang diterapkan dalam penelitian ini yaitu desain kuantitatif, konklusif, eksperimental dan deskriptif. Metode deskriptif bertujuan untuk membuat

Lebih terperinci

PEMBANDINGAN METODE PENGHALUSAN EKSPONENSIAL HOLT-WINTERS

PEMBANDINGAN METODE PENGHALUSAN EKSPONENSIAL HOLT-WINTERS PEMBANDINGAN METODE PENGHALUSAN EKSPONENSIAL HOLT-WINTERS DENGAN METODE BOX-JENKINS PADA PERAMALAN DATA DERET WAKTU MUSIMAN (Studi Kasus Data Penumpang Bandara Soekarno Hatta 2007-2014) (Skripsi) Oleh

Lebih terperinci