Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer

Ukuran: px
Mulai penontonan dengan halaman:

Download "Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer"

Transkripsi

1 Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer 1 Faridah Yuliani dan 2 Dr. rer pol Heri Kuswanto 1,2 Jurusan Statistika Institut Teknologi Sepuluh Nopember Surabaya 1 lia_lio08@statistika.its.ac.id, 2 heri_k@statistika.its.ac.id ABSTRAK Peramalan dengan menggunakan metode fungsi transfer meramalkan nilai dari suatu deret waktu (deret output ) yang didasarkan pada nilai masa lalu dari deret itu sendiri dan juga didasarkan pula pada satu atau lebih deret waktu yang berhubungan dengan deret output tersebut (deret input ). Penelitian ini menggunakan metode fungsi transfer untuk meramalkan perkembangan aset perbankan syariah Indonesia sebagai variabel output yang diduga dipengaruhi oleh Dana Pihak Ketiga (DPK) dan total pembiayaan sebagai deret input. Model fungsi transfer terbaik dan nilai peramalan data aset untuk 12 bulan ke depan terhadap DPK dan pembiayaan telah didapatkan. Model tersebut menunjukkan bahwa metode fungsi transfer multi input memiliki MSE yang lebih kecil daripada metode ARIMA. Nilai peramalan selama Januari hingga Desember 2011 berkisar pada Rp 85 Triliun hingga Rp 102 Triliun. Kata kunci : Fungsi Transfer, Aset, DPK dan Pembiayaan 1. Pendahuluan Perkembangan perbankan syariah di Indonesia menunjukan arah peningkatan. Aset, DPK, dan pembiayaan yang merupakan tiga indikator pokok perkembangan bank syariah optimis akan terus meningkat seiring dengan pemahaman masyarakat terhadap konsep perbankan syariah. Pemilihan variabel DPK dan pembiayaan sebagai deret input didasarkan pada penelitian sebelumnya oleh Pratiwhi (2008) dan Ulfah (2009) yang membuktikan bahwa DPK dan pembiayaan merupakan dua faktor yang mempengaruhi aset secara signifikan yang berarti bahwa pengoptimalan aset dapat dilakukan melalui peningkatan penghimpunan DPK dan mempromosikan pembiayaan kepada masyarakat. Dalam bidang perekonomian, fungsi transfer telah banyak diaplikasikan. Dalam hal ini, penulis mencoba mengaplikasikan metode time series khususnya metode fungsi transfer untuk meramalkan aset yang diduga dipengaruhi oleh Dana Pihak Ketiga (DPK) dan pembiayaan. Dipilihnya metode fungsi transfer dalam meramalkan aset karena ARIMA dipandang kurang efektif untuk meramalkan data perekonomian yang kenyataannya aset dipengaruhi oleh beberapa faktor lain. 2. Tinjauan Pustaka 2.1 Konsep Dasar Deret Waktu (Time Series) Deret waktu adalah serangkaian pengamatan yang diambil berdasarkan urutan waktu dan antara pengamatan yang berdekatan saling berkorelasi, sehingga dikatakan bahwa pada deret waktu, tiap pengamatan yang diambil dari variabel berkorelasi dengan variabel itu sendiri pada waktu sebelumnya (Wei, 2006). Dengan memandang suatu pengamatan Z 1, Z 2,..., Z n sebagai suatu proses stokastik, maka variabel random dikatakan stationer apabila : (2.1) 1

2 Dan dikatakan strictly stationary apabila persamaan (4.1) terpenuhi untuk m = 1, 2,..., n. Deret waktu yang bersifat strictly stationary, waktu pengamatan tidak terpengaruh terhadap mean, varians 2 dan kovarians k (Wei, 2006). Proses Z yang stationer mempunyai dengan nilai yang konstan, t dimana nilai-nilai tersebut juga konstan serta yang merupakan fungsi dari pembedaan waktu t s. Fungsi autokovarian ) dan fungsi autocorrelation/acf ( k ) antara Z t dan Z t+k ditulis sebagai berikut. ( k (2.2) (2.3) Termasuk model data yang stasioner adalah model Autoregressive orde p atau AR(p), model Moving Average orde q atau MA(q) dan model campuran antara Autoregressive dengan Moving Average yang disebut dengan ARMA(p,q). Sedangkan model data yang nonstasioner dapat berupa model Autoregressive Integrated Moving Average atau ARIMA(p,d,q) untuk nonmusiman dan ARIMA(P,D,Q) s untuk musiman. (Box dan Reinsel, 1994) 2.2 Analisis Fungsi Transfer Bentuk umum model fungsi transfer single input dan single output adalah: Pada fungsi transfer multi input bentuk persamaannya dapat ditulis : (2.4) (2.5) dengan : = deret output = deret input ke-j, dengan j = 1,2,...,m = operator Moving Average order s j untuk deret ke-j = operator Autoregressive order r j untuk deret ke-j = operator Moving Average order q = operator Autoregressive order p = N (0, ) white noise Identifikasi model mempunyai beberapa langkah yang harus dilakukan. Pertama, identifikasi deret input dan deret output dalam pemenuhan asumsi stationeran data. Data deret input yang telah stationer dilakukan pemodelan ARIMA hingga didapatkan deret input yang white noise (McDowell, 2002). (2.6) merupakan operator autoregresif, adalah operator moving average adalah residual white noise. deret t atau prewhitened input adalah: (2.7) Prewhitening pada deret output ini dilakukan dengan cara yang sama sebagaimana prewhitening deret input-nya Langkah selanjutnya adalah menghitung CCF antara x t dan y t adalah sebagai berikut. (2.8) (2.9) dengan x dan y adalah standart deviasi x t dan y t dan. Selanjutnya dapat ditentukan bobot respon impul sebagai berikut. (2.10) 2

3 Setelah diperoleh nilai CCF maka dapat ditentukan nilai b, r, dan s sebagai dugaan awal. Nilai b menyatakan bahwa tidak dipengaruhi oleh sampai pada periode t+b. Nilai r menunjukkan bahwa dipengaruhi oleh nilai masa lalunya. dipengaruhi,,...,. Nilai s menyatakan untuk seberapa lama deret terus dipengaruhi oleh,,..., (Abraham, 1983). Dari nilai bobot respon impuls, maka taksiran awal dari deret noise dapat dihitung dengan cara sebagai berikut: (2.11) Langkah selanjutnya adalah penetapan p dan q untuk model ARIMA dari deret noise. Setelah identifikasi model fungsi transfer selesai, selanjutnya diperoleh estimasi parameter model fungsi transfer sebagai berikut. (2.12) Taksiran parameter yang dihasilkan pada model awal perlu dilakukan pengujian guna melihat apakah model yang didapat sudah memenuhi asumsi yang telah ditetapkan sehingga layak digunakan sebagai model sebenarnya. Ada beberapa langkah yang dapat dilakukan dalam pengujian ini, antara lain: 1. Pemeriksaan autocorrelation untuk residual model, statistik uji daerah penolakan portmanteau test (Wei, 2006) adalah sebagai berikut. (2.13) 2. Penghitungan Cross Correlation antara residual dengan input prewhitening Pemeriksaan ini juga dapat dilakukan dengan menggunakan portmanteau test dengan formulasi sebagai berikut. (2.14) Statistik Q tersebut akan mengikuti distribusi 2 dengan derajat bebas (k+1) f, dimana f adalah jumlah parameter dan yang ditaksir dari model fungsi transfer. Tahap yang terakhir adalah penggunaan model fungsi transfer untuk peramalan. Setelah model fungsi transfer yang sesuai diperoleh maka selanjutnya dapat digunakan untuk meramalkan nilai dari deret output. 2.3 Perbankan Syariah Bank Syariah adalah lembaga keuangan yang usaha pokoknya memberikan kredit dan jasa-jasa lain dalam lalu lintas pembayaran serta peredaran uang yang beroperasi disesuaikan prinsip-prinsip syariah (Sudarsono, 2003). Aset atau liabilitas merupakan salah satu proses pemilihan investasi yang harus dilakukan secara seksama karena kesalahan dalam pemilihan bentuk investasi akan membawa akibat bank tidak bisa memenuhi kewajibannya kepada nasabah (Antonio, 2001). Menurut Muhammad (2002), DPK adalah sumber dana yang dihimpun bank syariah dari masyarakat dan pembiayaan adalah perpindahan piutang nasabah (muhal) ke bank (muhal alaih). 3. Metodologi Penelitian Penelitian ini menggunakan data sekunder yang bersumber dari Statistik Perbankan Syariah (SPS) yang diterbitkan oleh Direktorat Perizinan dan Informasi Perbankan Syariah Bank Indonesia periode Maret 2003 hingga Desember Data yang digunakan adalah data total aset perbankan syariah yang meliputi Bank Umum Syariah (BUS) dan Unit Usaha Syariah (UUS), DPK dan total pembiayaan yang diberikan. Metode analisis yang terdapat dalam penelitian ini adalah: 1. Tahap Identifikasi Model a. Mempersiapkan deret input (DPK dan pembiayaan) dan output (aset) yang stasioner. 3

4 b. Pemutihan deret input dan deret output c. Penghitungan korelasi silang dan autocorrelation untuk deret input dan output yang telah di-prewhitening. d. Identifikasi (b, r, s) untuk menduga model fungsi transfer e. Pengamatan deret noise f. Identifikasi model ARIMA untuk deret noise. 2. Penaksiran Parameter Model. a. Taksiran awal parameter-parameter. b. Taksiran akhir parameter-parameter. 3. Pemeriksaan Diagnostik a. Autocorrelation residual ( ). b. Korelasi silang antara deret input ( ) dengan deret noise. c. Residual berdistribusi normal 4. Analisis dan Pembahasan 4.1 Statistika Deskriptif Deskripsi data dari deret aset, DPK dan pembiayaan ditunjukkan pada Tabel 4.1 dibawah ini. Tabel 4.1 Statistika Deskriptif Perkembangan Nilai Aset Perbankan Syariah periode Maret 2003 sampai Desember 2010 Variabel Mean Minimum Maksimum Aset Rp juta Rp juta Rp juta DPK Rp juta Rp juta Rp juta Pembiayaan Rp juta Rp juta Rp juta Rata-rata perkembangan nilai aset perbankan syariah di Indonesia selama periode Maret 2003 sampai Desember 2010 sebesar Rp juta. Tiap tahun, DPK perbankan syariah meningkat dengan pencapaian DPK 2010 sebesar Rp juta serta rata-rata pembiayaan yang diberikan kepada masyarakat mencapai Rp juta Penggunaan metode analisis fungsi transfer adalah berdasarkan adanya hubungan antara deret input dan deret output. Tabel 4.2 menunjukkan nilai korelasi antara aset perbankan syariah sebagai deret output dengan deret input, yaitu variabel DPK dan pembiayaan. Berikut ini merupakan korelasi antar deret input dan deret output. Tabel 4.2 Korelasi Antar Variabel Variabel DPK Pembiayaan Aset DPK Pembiayaan Aset Korelasi yang tinggi antara aset dengan DPK sebesar dan aset dengan pembiayaan sebesar menunjukkan ada hubungan linier yang kuat antara aset dengan DPK serta aset dengan pembiayaan (Tabel 4.2). Korelasi ini cenderung bernilai positif, artinya jika nilai DPK naik maka nilai aset akan naik pula. Sedangkan pada pembiayaan, jika pembiayaan naik, maka nilai aset juga akan naik pula. 4.2 Pemodelan Fungsi Transfer Nilai aset dengan Deret Input DPK ( ) Pemodelan ARIMA dilakukan pada deret input DPK ( ) yang bertujuan untuk mengetahui model deret input tersebut. Tahap awal pemodelan ARIMA adalah mengidentifikasi model ARIMA berdasarkan plot ACF dan PACF. Berikut merupakan pemodelan ARIMA deret input DPK ( ). 4

5 Tabel 4.3 Estimasi Parameter Model ARIMA DPK Deret Input ARIMA Parameter p-value DPK ([4,6,12], 1, 0) < Model ARIMA ([4,6,12],1,0) adalah sebagai berikut. Berdasarkan Tabel 4.3 tersebut, nilai p-value parameter model ARIMA ([4,6,12]) kurang dari = 0.05 sehingga model ARIMA DPK signifikan dan residual telah white noise. 4.3 Pemodelan Fungsi Transfer Nilai aset dengan Deret Input Pembiayaan ( ) Pemodelan ARIMA deret input pembiayaan ( ) berdasarkan identifikasi plot ACF (Autocorrelation Function) dan PACF (Partial Autocorrelation Function) adalah sebagai berikut. Tabel 4.4 Estimasi Parameter Model ARIMA Pembiayaan Deret Input ARIMA p-value Pembiayaan ([2,12], 1, 0) < < Model yang sesuai dengan ARIMA ([2,12],1,0) adalah sebagai berikut. Berdasarkan Tabel 4.4, p-value parameter model ARIMA pembiayaan kurang dari 0.05 sehingga model ARIMA pembiayaan adalah signifikan. Residual yang dihasilkan dari pemodelan ini juga telah telah identik dan independen atau white noise. 4.4 Pemodelan Fungsi Transfer Multi Input Pemodelan fungsi transfer multi input dilakukan setelah model fungsi transfer single input telah diperoleh untuk semua deret input. Model deret input dan deret output telah ditetapkan pada tahapan sebelumnya yaitu pembentukan model fungsi transfer single input. Oleh karena itu, pembentukan model fungsi tranfer multi input langsung dimulai pada identitifikasi model awal fungsi transfer multi input. Pada tahap ini, model awal fungsi transfer multi input ditentukan melalui crosscorrelation function (CCF) antara variabel deret dengan masing-masing deret inputnya. Dari plot CCF yang didapatkan, masing-masing akan ditentukan nilai orde (b, r, s) untuk membentuk model awal fungsi transfer multi input. Nilai orde (b, r, s) untuk membentuk model awal fungsi transfer multi input tidak jauh berbeda pada fugsi transfer single input. Pada fungsi transfer multi input, deret input dimodelkan secara serentak hingga didapatkan model sementara, dari model sementara fungsi transfer multi input, ditentukan model deret noise dengan melihat ACF dan PACF residualnya. Maka estimasi parameter model fungsi transfer multi input aset perbankan syariah adalah sebagai berikut. Tabel 4.5 Estimasi parameter model fungsi transfer multi input Estimasi Std. error t Value P-value Lag Variabel Shift = yy 0 = < xx1 0 = < xx2 0 = xx2 0 Hasil estimasi pada Tabel 4.5 memberikan hasil semua parameter model signifikan pada = Pengujian autocorrelation dan Crosscorrelation telah memberikan hasil yang independen dan identik (White noise). Model fungsi transfer secara serentak yang terbentuk adalah sebagai berikut. 5

6 + Dengan : = deret output (data aset perbankan syariah) = deret input pertama (DPK) = deret input kedua (pembiayaan) = residual model Interpretasi model tersebut adalah aset perbankan syariah pada waktu ke-t dipengaruhi oleh aset itu sendiri saat t-6 dan t-7. Selain itu, dipengaruhi oleh DPK pada waktu ke t, t-1, t-6 dan t-7 serta pembiayaan pada waktu ke-t, t-1, t-6, t-7, t-9 dan t-10 serta nilai residual pada waktu ke-t. 4.5 Peramalan dengan Metode Fungsi Transfer Multi Input Setelah model fungsi transfer multi input didapatkan, selanjutnya dapat digunakan untuk meramalkan nilai aset perbankan syariah untuk beberapa periode yang akan datang. Berikut ini adalah hasil peramalan aset yang dipengaruhi oleh DPK ( ) dan pembiayaan ( ) untuk 12 bulan akan datang dengan menggunakan model fungsi transfer multi input. Tabel 4.6 Nilai Peramalan Aset Fungsi Transfer Multi Input pada Januari 2011 hingga Desember 2011 Bulan, 2011 Peramalan Standar error Selang kepercayaan 95% Batas bawah Batas atas Januari Februari Maret April Mei Juni Juli Agustus September Oktober Nopember Desember Peramalan ARIMA Aset Sebagai perbandingan metode, diberikan peramalan menggunakan metode ARIMA dengan Model ARIMA untuk deret aset adalah sebagai berikut. Tabel 4.7 Estimasi Parameter Model ARIMA Aset ARIMA Parameter p-value < ([2,12], 1, 0) < Model ini telah memiliki parameter yang signifikan dan p-value yang kurang dari Residual model variabel input aset telah memenuhi asusmsi white noise yaitu saling identik, independen dan distribusi normal. Berikut ini adalah model yang sesuai dengan ARIMA ([2,12],1,0) serta peramalannya adalah sebagai berikut. Tabel 4.8 Nilai Peramalan ARIMA Aset pada Januari 2011 hingga Desember

7 Bulan, 2011 Peramalan Std. Error Selang Kepercayaan 95% Batas bawah Batas atas Januari Februari E+08 Maret E+08 April E+08 Mei E+08 Juni E+08 Juli E+08 Agustus E+08 September E+08 Oktober E+08 Nopember E+08 Desember 1.01E E+08 Perbandingan Metode Fungsi Transfer Multi Input dan Metode ARIMA Hasil validasi in sample dan out sample metode ARIMA dan fungsi transfer multi input menunjukkan bahwa metode fungsi transfer multi input lebih baik apabila dibandingkan dengan metode ARIMA dalam memodelkan aset perbankan syariah Indonesia. Hal ini terlihat dari nilai MSE fungsi transfer yang lebih kecil dibanding MSE metode ARIMA. Tabel 4.9 Validasi in sample dan out sample Metode ARIMA dan Fungsi Transfer Multi Input Metode MSE in sample MSE out sample Fungsi transfer multi input E+13 ARIMA E Kesimpulan Berdasarkan hasil analisis yang telah dilakukan maka dapat diambil kesimpulan sebagai berikut. 1. Model fungsi transfer multi input antara aset dengan DPK dan pembiayaan yang terbentuk adalah sebagai berikut Peramalan untuk 12 bulan kedepan yang terjadi pada bulan Januari hingga Desember 2011 berkisar antara Rp 85 Triliun hingga Rp 102 Triliun. Saran Saran yang dapat diberikan untuk penelitian selanjutnya adalah sebagai berikut. 1. Perlu pencarian model lain yang lebih baik agar menghasilkan parameter yang signifikan dan nilai aktual yang berada dalam batas. 2. Perlunya menggunakan fungsi transfer multi input (lebih dari 2 deret input) agar diperoleh hasil peramalan aset yang lebih baik dan serupa dengan kasus yang ada di dunia perbankan. Daftar Pustaka Abraham. B. dan Ledorter. J Statistical Methods For Forecasting. Canada : John Willey & Sons, Inc. Antonio, S Bank Syariah dari Teori ke Praktek. Jakarta : Gema Insani. 7

8 Box G.E.P, Jenkins G.M. dan Reinsel G.C Time Series Analysis Forecasting and Control. New Jersey: Prentice Hall. Direktorat Perizinan dan Informasi Perbankan Syariah Statistik Perbankan syariah. ah/. Diakses pada 30 Juli 2010 pukul McDowell, A Transfer Function. The Stata Journal 2, [1], pp New York : Stata Corporation. Muhammad Managemen bank syariah. Yogyakart : UPP AMP YKPN Pratiwhi, Y Faktor-faktor yang mempengaruhi pertumbuhan proporsi aset perbankan syariah di Indonesia. Jakarta : Program pascasarjana, Universitas Inonesia. Sudarsono, H Bank dan lembaga Keuangan Syariah Deskripsi dan Ilustrasi. Yogyakarta : Ekonisia. Ulfah, M Analisa Perkembangan Aset, Dana Pihak Ketiga (DPK), dan Pembiayaan Perbankan Syariah di Indonesia. Jakarta : Program Sarjana, Universitas Gunadarma. Wei, W. S Time Series Analysis Univariate and Multivariate Methods. New York : Philadelphia: Pearson. 8

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

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

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakang Pajak merupakan sumber kas negara yang digunakan untuk pembangunan. Undang- Undang Republik Indonesia Nomor 16 Tahun 2000 tentang Ketentuan Umum Dan Tata Cara Perpajakan

Lebih terperinci

HALAMAN PERSETUJUAN PEMBIMBING...iii. HALAMAN PENGESAHAN...iv. HALAMAN PERSEMBAHAN... vi. KATA PENGANTAR... viii. DAFTAR ISI... x. DAFTAR TABEL...

HALAMAN PERSETUJUAN PEMBIMBING...iii. HALAMAN PENGESAHAN...iv. HALAMAN PERSEMBAHAN... vi. KATA PENGANTAR... viii. DAFTAR ISI... x. DAFTAR TABEL... HALAMAN PERSETUJUAN PEMBIMBING...iii HALAMAN PENGESAHAN...iv MOTTO... v HALAMAN PERSEMBAHAN... vi KATA PENGANTAR... viii DAFTAR ISI... x DAFTAR TABEL... xi DAFTAR GAMBAR... xii DAFTAR LAMPIRAN... xiv PERNYATAAN...

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-249

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-249 JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) 2337-3520 (2301-928X Print) D-249 Analisis Fungsi Transfer pada Harga Cabai Merah yang Dipengaruhi oleh Curah Hujan Di Surabaya Putri Rintan Aryasita,

Lebih terperinci

BAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT

BAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT BAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT Model fungsi transfer multivariat merupakan gabungan dari model ARIMA univariat dan analisis regresi berganda, sehingga menjadi suatu model yang mencampurkan pendekatan

Lebih terperinci

Peramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series

Peramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series JURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (2017) ISSN: 2337-3520 (2301-928X Print) D-157 Peramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series Moh Ali Asfihani dan Irhamah

Lebih terperinci

PERAMALAN JUMLAH PENUMPANG PESAWAT TERBANG DOMESTIK DI BANDAR UDARA JUANDA DENGAN MENGGUNAKAN METODE FUNGSI TRANSFER MULTI INPUT

PERAMALAN JUMLAH PENUMPANG PESAWAT TERBANG DOMESTIK DI BANDAR UDARA JUANDA DENGAN MENGGUNAKAN METODE FUNGSI TRANSFER MULTI INPUT PERAMALAN JUMLAH PENUMPANG PESAWAT TERBANG LOGO DOMESTIK DI BANDAR UDARA JUANDA DENGAN MENGGUNAKAN METODE FUNGSI TRANSFER MULTI INPUT Oleh : Ary Miftakhul Huda (1309 100 061) Dosen Pembimbing : Dr.rer.pol.

Lebih terperinci

BAB 2 LANDASAN TEORI Pengertian Data Deret Berkala

BAB 2 LANDASAN TEORI Pengertian Data Deret Berkala BAB 2 LANDASAN TEORI 2.1. Pengertian Data Deret Berkala Suatu deret berkala adalah himpunan observasi yang terkumpul atau hasil observasi yang mengalami peningkatan waktu. Data deret berkala adalah serangkaian

Lebih 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

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-300

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-300 JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (203) 233-20 (230-9X Print) D-300 Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R- dengan Metode Fungsi Transfer

Lebih terperinci

PREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)

PREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average) PREDIKSI HARGA SAHAM PT. BRI, MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average) Greis S. Lilipaly ), Djoni Hatidja ), John S. Kekenusa ) ) Program Studi Matematika FMIPA UNSRAT Manado

Lebih terperinci

PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)

PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) Oleh : Nofinda Lestari 1208 100 039 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT

Lebih terperinci

Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input

Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input Oleh : Defi Rachmawati 1311 105 007 Dosen Pembimbing :

Lebih terperinci

PEMODELAN FUNGSI TRANSFER UNTUK MERAMALKAN CURAH HUJAN DI KOTA SEMARANG

PEMODELAN FUNGSI TRANSFER UNTUK MERAMALKAN CURAH HUJAN DI KOTA SEMARANG PEMODELAN FUNGSI TRANSFER UNTUK MERAMALKAN CURAH HUJAN DI KOTA SEMARANG 1 Andayani Nurfaizah, 2 Rochdi Wasono, 3 Siti Hajar Rahmawati 1,2,3 Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan

Lebih terperinci

Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA

Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA Jeine Tando 1, Hanny Komalig 2, Nelson Nainggolan 3* 1,2,3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan

Lebih terperinci

PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER

PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER I Ketut Putra Adnyana 1, I Wayan Sumarjaya 2, I Komang Gde Sukarsa 3 1 Jurusan Matematika, Fakultas FMIPA

Lebih 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

SBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n

SBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n SBAB III MODEL VARMAX 3.1. Metode Analisis VARMAX Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n dengan variabel random Z n yang dapat dipandang sebagai variabel random berdistribusi

Lebih terperinci

PERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA

PERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA Seminar Hasil Tugas Akhir Jurusan Statistika Institut Teknologi Sepuluh Nopember Surabaya 2013 LOGO PERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA

Lebih terperinci

PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI)

PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) Liana Kusuma Ningrum dan Winita Sulandari, M.Si. Jurusan Matematika,

Lebih terperinci

ABSTRAK. Kata kunci : Data Runtun Waktu, Indeks Harga Konsumen, ARIMA, Analisis Intervensi, Fungsi Step, Peramalan. I Pendahuluan

ABSTRAK. Kata kunci : Data Runtun Waktu, Indeks Harga Konsumen, ARIMA, Analisis Intervensi, Fungsi Step, Peramalan. I Pendahuluan Analisis Model Intervensi Fungsi Step Terhadap Indeks Harga Konsumen (IHK) Zuhairini Azzahra A 1, Suyono 2, Ria Arafiyah 3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas

Lebih terperinci

PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT

PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT Novian Endi Gunawan 1, I Wayan Sumarjaya 2, I G.A.M. Srinadi 3 1 Program Studi Matematika,

Lebih terperinci

KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q)

KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q) UJIAN TUGAS AKHIR KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q) Disusun oleh : Novan Eko Sudarsono NRP 1206.100.052 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi

Lebih terperinci

PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA

PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA Jurnal Matematika UNAND Vol. 3 No. 3 Hal. 59 67 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA ANNISA UL UKHRA Program Studi Matematika,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Berdasarkan sifatnya peramalan terbagi atas dua yaitu peramalan kualitatif dan peramalan kuantitatif. Metode kuantitatif terbagi atas dua yaitu analisis deret berkala

Lebih terperinci

PERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK

PERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK PERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK Reza Mubarak ) dan Suhartono ) ) Program Pasca Sarjana Jurusan Statistika, Institut

Lebih 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

PREDIKSI JANGKA PENDEK B ULAN AN JUMLAH FLARE DENGAN MODEL ARIMA (p,d,[q]), (P,D,Q)' 32

PREDIKSI JANGKA PENDEK B ULAN AN JUMLAH FLARE DENGAN MODEL ARIMA (p,d,[q]), (P,D,Q)' 32 PREDIKSI JANGKA PENDEK B ULAN AN JUMLAH FLARE DENGAN MODEL ARIMA (p,d,[q]), (P,D,Q)' 32 Nanang WIdodo Penelid Staslun Pengamat Dlrgantara Watukosek, LAPAN ABSTRACT The time series of the monthly number

Lebih terperinci

Pemodelan Fungsi Transfer Multi Input

Pemodelan Fungsi Transfer Multi Input Jurnal Informatika Mulawarman Vol 4 No. Juli 9 8 Pemodelan Fungsi Transfer Multi Input M. Fathurahman *) Program Studi Statistika, FMIPA Universitas Mulawarman Jl. Barong Tongkok no.5 Kampus Unmul Gn.

Lebih terperinci

Sedangkan model fungsi transfer bentuk kedua adalah sebagai berikut :

Sedangkan model fungsi transfer bentuk kedua adalah sebagai berikut : 1 Metode Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 255 dengan Pendekatan Fungsi Transfer Dwi Listya Nurini, Brodjol Sutijo SU Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam

Lebih terperinci

PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER

PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER PKMT-2-13-1 PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER Umi Rosyiidah, Diah Taukhida K, Dwi Sitharini Jurusan Matematika, Universitas Jember, Jember ABSTRAK

Lebih 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

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

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

ISSN: JURNAL GAUSSIAN, Volume 6, Nomor 3, Tahun 2017, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 6, Nomor 3, Tahun 2017, Halaman Online di: ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 3, Tahun 2017, Halaman 323-332 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN FUNGSI TRANSFER DENGAN DETEKSI OUTLIER UNTUK MEMPREDIKSI

Lebih terperinci

Pemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA

Pemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 Pemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA 1 Harnum Annisa Prafitia dan 2 Irhamah

Lebih 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

Program Studi Matematika, Institut Teknologi Kalimantan, Balikpapan

Program Studi Matematika, Institut Teknologi Kalimantan, Balikpapan J. Math. and Its Appl. E-ISSN: 2579-8936 P-ISSN: 1829-605X Vol. 14, No. 2, Desember 2017, 25-37 Perbandingan Metode ARIMA dan Double Exponential Smoothing pada Peramalan Harga Saham LQ45 Tiga Perusahaan

Lebih terperinci

PERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL. Oleh: Niswatul Maghfiroh NRP.

PERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL. Oleh: Niswatul Maghfiroh NRP. PERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL Oleh: Niswatul Maghfiroh NRP. 1208100065 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT

Lebih terperinci

Model Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer

Model Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer Model Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer OLEH : DWI LISTYA NURINI 1311 105 021 DOSEN PEMBIMBING : DR. BRODJOL SUTIJO SU, M.SI Bursa saham atau Pasar

Lebih terperinci

Oleh : Dwi Listya Nurina Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si

Oleh : Dwi Listya Nurina Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si Oleh : Dwi Listya Nurina 1311105022 Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si Air Bersih BUMN Penyediaan air bersih untuk masyarakat mempunyai peranan yang sangat penting dalam meningkatkan kesehatan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Manfaat Peramalan Pada dasarnya peramalan adalah merupakan suatu dugaan atau perkiraan tentang terjadinya suatu keadaan dimasa depan, tetapi dengan menggunakan metode metode tertentu

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

Analisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan

Analisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan SEMINAR PROPOSAL TUGAS AKHIR Analisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan OLEH: NAMA : MULAZIMATUS SYAFA AH NRP : 13.11.030.021 DOSEN PEmbimbing: Dr.

Lebih terperinci

PEMODELAN JUMLAH PENDERITA HIV/AIDS TERKAIT KUNJUNGAN WISATAWAN DI KABUPATEN BADUNG DAN KOTA MADYA DENPASAR DENGAN METODE TRANSFER FUNCTION

PEMODELAN JUMLAH PENDERITA HIV/AIDS TERKAIT KUNJUNGAN WISATAWAN DI KABUPATEN BADUNG DAN KOTA MADYA DENPASAR DENGAN METODE TRANSFER FUNCTION PEMODELAN JUMLAH PENDERITA HIV/AIDS TERKAIT KUNJUNGAN WISATAWAN DI KABUPATEN BADUNG DAN KOTA MADYA DENPASAR DENGAN METODE TRANSFER FUNCTION Oleh NYOMAN PANDU WIRADARMA (1308 100 052) Dosen Pembimbing 1

Lebih terperinci

Perbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG

Perbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Print) A-34 Perbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG Mey Lista Tauryawati

Lebih terperinci

PENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH

PENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH PENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH Tri Mulyaningsih ), Budi Nurani R ), Soemartini 3) ) Mahasiswa Program Magister Statistika Terapan Universitas Padjadjaran

Lebih 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

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

BAB 2 LANDASAN TEORI. datang. Kegunaan dari peramalan terlihat pada saat pengambilan keputusan.

BAB 2 LANDASAN TEORI. datang. Kegunaan dari peramalan terlihat pada saat pengambilan keputusan. BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang datang. Kegunaan dari peramalan terlihat pada saat pengambilan keputusan. Keputusan yang

Lebih terperinci

PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) MENGGUNAKAN ANALISIS FUNGSI TRANSFER MULTI INPUT DENGAN ARCH-GARCH

PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) MENGGUNAKAN ANALISIS FUNGSI TRANSFER MULTI INPUT DENGAN ARCH-GARCH ii PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) MENGGUNAKAN ANALISIS FUNGSI TRANSFER MULTI INPUT DENGAN ARCH-GARCH Rhiofajar Agusta Yogabrata NIM: J2E 005 243 Skripsi Diajukan Sebagai Syarat Untuk

Lebih terperinci

Peramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun

Peramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun Peramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun NAMA : RITA RAHMADHANI NRP : 1306 030 008 PEMBIMBING: DR. BRODJOL SUTIJO

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Defenisi Peramalan Peramalan adalah suatu kegiatan dalam memperkirakan atau kegiatan yang meliputi pembuatan perencanaan di masa yang akan datang dengan menggunakan data masa lalu

Lebih terperinci

Peramalan Kecepatan Angin Di Kota Pekanbaru Menggunakan Metode Box-Jenkins

Peramalan Kecepatan Angin Di Kota Pekanbaru Menggunakan Metode Box-Jenkins Peramalan Kecepatan Angin Di Kota Pekanbaru Menggunakan Metode Box-Jenkins Ari Pani Desvina 1, Melina Anggriani 2,2 Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau Jl. HR.

Lebih terperinci

PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH

PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH Jurnal Matematika UNAND Vol. VI No. 1 Hal. 110 117 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH

Lebih terperinci

ANALISIS DERET BERKALA MULTIVARIAT DENGAN MENGGUNAKAN MODEL FUNGSI TRANSFER: STUDI KASUS CURAH HUJAN DI KOTA MALANG

ANALISIS DERET BERKALA MULTIVARIAT DENGAN MENGGUNAKAN MODEL FUNGSI TRANSFER: STUDI KASUS CURAH HUJAN DI KOTA MALANG ANALISIS DERET BERKALA MULTIVARIAT DENGAN MENGGUNAKAN MODEL FUNGSI TRANSFER: STUDI KASUS CURAH HUJAN DI KOTA MALANG Fachrul Ulum Febriansyah dan Abadyo Universitas Negeri Malang E-mail: fachrul.febrian@gmail.com

Lebih terperinci

ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA PERAMALAN TINGKAT INFLASI NASIONAL DENGAN MULTI INPUT SKRIPSI

ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA PERAMALAN TINGKAT INFLASI NASIONAL DENGAN MULTI INPUT SKRIPSI PERAMALAN TINGKAT INFLASI NASIONAL DENGAN PENDEKATAN TIME SERIES BERDASARKAN FUNGSI TRANSFER MULTI INPUT SKRIPSI DIDIT EKO PRASETYO PROGRAM STUDI S-1 STATISTIKA DEPARTEMEN MATEMATIKA FAKULTAS SAINS DAN

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

Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api

Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api Efek Variasi Kalender dengan Pendekatan Regresi Time Series Nur Ajizah 1, Resa Septiani Pontoh 2, Toni Toharudin 3 Mahasiswa Program

Lebih terperinci

KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q)

KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) SIDANG TUGAS AKHIR KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) Disusun oleh : Ratna Evyka E.S.A NRP 1206.100.043 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi

Lebih terperinci

Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah

Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Vol. 9, No., 9-5, Januari 013 Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Fitriani, Erna Tri Herdiani, M. Saleh AF 1 Abstrak Dalam analisis deret waktu

Lebih terperinci

BAB II TINJAUAN PUSTAKA. autokovarians (ACVF) dan fungsi autokorelasi (ACF), fungsi autokorelasi parsial

BAB II TINJAUAN PUSTAKA. autokovarians (ACVF) dan fungsi autokorelasi (ACF), fungsi autokorelasi parsial BAB II TINJAUAN PUSTAKA Berikut teori-teori yang mendukung penelitian ini, yaitu konsep dasar peramalan, konsep dasar deret waktu, proses stokastik, proses stasioner, fungsi autokovarians (ACVF) dan fungsi

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

PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR

PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR Seminar Nasional Matematika dan Aplikasinya, 21 Oktober 27 PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR

Lebih terperinci

PEMODELAN DAN PERAMALAN JUMLAH PENUMPANG DAN PESAWAT DI TERMINAL KEDATANGAN INTERNASIONAL BANDARA JUANDA SURABAYA DENGAN METODE VARIANSI KALENDER

PEMODELAN DAN PERAMALAN JUMLAH PENUMPANG DAN PESAWAT DI TERMINAL KEDATANGAN INTERNASIONAL BANDARA JUANDA SURABAYA DENGAN METODE VARIANSI KALENDER PEMODELAN DAN PERAMALAN JUMLAH PENUMPANG DAN PESAWAT DI TERMINAL KEDATANGAN INTERNASIONAL BANDARA JUANDA SURABAYA DENGAN METODE VARIANSI KALENDER M. Insanil Kamil 0 0 0 m.insanil_kml@yahoo.com Dosen pembimbing:

Lebih terperinci

ANALISIS PERAMALAN ARIMA BOX-JENKINS PADA DATA PENGIRIMAN BARANG

ANALISIS PERAMALAN ARIMA BOX-JENKINS PADA DATA PENGIRIMAN BARANG ANALISIS PERAMALAN ARIMA BOX-JENKINS PADA DATA PENGIRIMAN BARANG Anik Rufaidah 1), Muhamad Afif Effindi 2) 1, 2) Sekolah Tinggi Teknik Qomaruddin Gresik Jalan Raya No. 01 Bungah Gresik 61152 e-mail: anikrufaidah99@gmail.com

Lebih terperinci

LULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI

LULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI LULIK PRESDITA W 1207 100 002 APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI 1 Pembimbing : Dra. Nuri Wahyuningsih, M.Kes BAB I PENDAHULUAN 2 LATAR BELAKANG 1. Stabilitas ekonomi dapat dilihat

Lebih terperinci

PEMODELAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE PADA DATA REDAMAN HUJAN DI SURABAYA. Nur Hukim

PEMODELAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE PADA DATA REDAMAN HUJAN DI SURABAYA. Nur Hukim TE 091399 TUGAS AKHIR- 4 SKS PEMODELAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE PADA DATA REDAMAN HUJAN DI SURABAYA Oleh Nur Hukim Dosen Pembimbing Prof. Ir. Gamantyo Hendrantoro, M.Eng. Ph.D Ir. Achmad

Lebih terperinci

BAB III MODEL STATE-SPACE. dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan dari

BAB III MODEL STATE-SPACE. dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan dari BAB III MODEL STATE-SPACE 3.1 Representasi Model State-Space Representasi state space dari suatu sistem merupakan suatu konsep dasar dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan

Lebih terperinci

BAB III MODEL ARIMAX DENGAN EFEK VARIASI KALENDER

BAB III MODEL ARIMAX DENGAN EFEK VARIASI KALENDER 21 BAB III MODEL ARIMAX DENGAN EFEK VARIASI KALENDER 3.1 Model Variasi Kalender Liu (Kamil 2010: 10) menjelaskan bahwa untuk data runtun waktu yang mengandung efek variasi kalender, dituliskan pada persamaan

Lebih terperinci

PERBANDINGAN MODEL ARCH/GARCH MODEL ARIMA DENGAN MODEL FUNGSI TRANSFER

PERBANDINGAN MODEL ARCH/GARCH MODEL ARIMA DENGAN MODEL FUNGSI TRANSFER PERBANDINGAN MODEL ARCH/GARCH MODEL ARIMA DENGAN MODEL FUNGSI TRANSFER (Studi Kasus Indeks Harga Saham Gabungan dan Harga Minyak Mentah Dunia Tahun 2013 sampai 2015) SKRIPSI Oleh: DEBY FAKHRIYANA 24010212130041

Lebih terperinci

PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010

PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010 Statistika, Vol., No., Mei PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI Reksa Nila Anityaloka, Atika Nurani Ambarwati Program Studi S Statistika Universitas Muhammadiyah

Lebih terperinci

Metode Box - Jenkins (ARIMA)

Metode Box - Jenkins (ARIMA) Metode Box - Jenkins (ARIMA) Metode peramalan saat ini cukup banyak dengan berbagai kelebihan masing-masing. kelebihan ini bisa mencakup variabel yang digunakan dan jenis data time seriesnya. nah, dalam

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Teknologi informasi telah berkembang dengan relatif pesat. Di era

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Teknologi informasi telah berkembang dengan relatif pesat. Di era BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Teknologi informasi telah berkembang dengan relatif pesat. Di era informasi seperti sekarang ini kebutuhan akan informasi semakin meningkat, terutama dengan

Lebih terperinci

BAB 2 LANDASAN TEORI. Ramalan pada dasarnya merupakan perkiraan mengenai terjadinya suatu yang akan

BAB 2 LANDASAN TEORI. Ramalan pada dasarnya merupakan perkiraan mengenai terjadinya suatu yang akan BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Ramalan pada dasarnya merupakan perkiraan mengenai terjadinya suatu yang akan datang. Peramalan adalah proses untuk memperkirakan kebutuhan di masa datang

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB 2 LANDASAN TEORI 2.1 Iklim Iklim ialah suatu keadaan rata-rata dari cuaca di suatu daerah dalam periode tertentu. Curah hujan ialah suatu jumlah hujan yang jatuh di suatu daerah pada kurun waktu

Lebih terperinci

PERAMALAN CURAH HUJAN KOTA BANDUNG MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT PADA DERET BERKALA MUSIMAN

PERAMALAN CURAH HUJAN KOTA BANDUNG MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT PADA DERET BERKALA MUSIMAN PERAMALAN CURAH HUJAN KOTA BANDUNG MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT PADA DERET BERKALA MUSIMAN Danica Dwi Prahesti, Entit Puspita, Fitriani Agustina Departemen Pendidikan Matematika FPMIPA

Lebih terperinci

Metode Deret Berkala Box Jenkins

Metode Deret Berkala Box Jenkins METODE BOX JENKINS Metode Deret Berkala Box Jenkins Suatu metode peramalan yang sistematis, yang tidak mengasumsikan suatu model tertentu, tetapi menganalisa deret berkala sehingga diperoleh suatu model

Lebih terperinci

Peramalam Jumlah Penumpang Yang Berangkat Melalui Bandar Udara Temindung Samarinda Tahun 2012 Dengan Metode ARIMA BOX-JENKINS

Peramalam Jumlah Penumpang Yang Berangkat Melalui Bandar Udara Temindung Samarinda Tahun 2012 Dengan Metode ARIMA BOX-JENKINS Jurnal EKSPONENSIAL Volume 3, Nomor, Mei 2 ISSN 8-7829 Peramalam Jumlah Penumpang Yang Berangkat Melalui Bandar Udara Temindung Samarinda Tahun 2 Dengan Metode ARIMA BOX-JENKINS Forecasting The Number

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

PENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. APPLICATION OF ARIMA TO FORECASTING STOCK PRICE OF PT. TELOKM Tbk.

PENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. APPLICATION OF ARIMA TO FORECASTING STOCK PRICE OF PT. TELOKM Tbk. PENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. Djoni Hatidja ) ) Program Studi Matematika FMIPA Universitas Sam Ratulangi, Manado 955 email: dhatidja@yahoo.com ABSTRAK Penelitian ini

Lebih terperinci

PERBANDINGAN MODEL PADA DATA DERET WAKTU PEMAKAIAN LISTRIK JANGKA PENDEK YANG MENGANDUNG POLA MUSIMAN GANDA ABSTRAK

PERBANDINGAN MODEL PADA DATA DERET WAKTU PEMAKAIAN LISTRIK JANGKA PENDEK YANG MENGANDUNG POLA MUSIMAN GANDA ABSTRAK PERBANDINGAN MODEL PADA DATA DERET WAKTU PEMAKAIAN LISTRIK JANGKA PENDEK YANG MENGANDUNG POLA MUSIMAN GANDA Gumgum Darmawan 1), Suhartono 2) 1) Staf Pengajar Jurusan Statistika FMIPA UNPAD 2) Staf Pengajar

Lebih terperinci

DAFTAR ISI ABSTRAK... KATA PENGANTAR... UCAPAN TERIMA KASIH... DAFTAR ISI... DAFTAR TABEL... DAFTAR GAMBAR... DAFTAR LAMPIRAN...

DAFTAR ISI ABSTRAK... KATA PENGANTAR... UCAPAN TERIMA KASIH... DAFTAR ISI... DAFTAR TABEL... DAFTAR GAMBAR... DAFTAR LAMPIRAN... DAFTAR ISI Halaman ABSTRAK... KATA PENGANTAR... UCAPAN TERIMA KASIH... DAFTAR ISI... DAFTAR TABEL... DAFTAR GAMBAR... DAFTAR LAMPIRAN... i ii iii v ix x xi BAB I PENDAHULUAN... 1 1.1 Latar Belakang Masalah...

Lebih terperinci

Cetakan I, Agustus 2014 Diterbitkan oleh: Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pattimura

Cetakan I, Agustus 2014 Diterbitkan oleh: Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pattimura Hak cipta dilindungi Undang-Undang Cetakan I, Agustus Diterbitkan oleh: Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pattimura ISBN: ---- Deskripsi halaman sampul : Gambar yang ada pada cover

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di: ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 737-745 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN DAYA LISTRIK BERDASARKAN JUMLAH PELANGGAN PLN MENGGUNAKAN

Lebih terperinci

BAB 2. Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang

BAB 2. Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah sesuatu kegiatan situasi atau kondisi yang diperkirakan akan

Lebih terperinci

PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus : KA Argo Muria)

PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus : KA Argo Muria) ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 131-140 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN

Lebih terperinci

EFEKTIVITAS METODE BOX-JENKINS DAN EXPONENTIAL SMOOTHING UNTUK MERAMALKAN RETRIBUSI PENGUJIAN KENDARAAN BERMOTOR DISHUB KLATEN

EFEKTIVITAS METODE BOX-JENKINS DAN EXPONENTIAL SMOOTHING UNTUK MERAMALKAN RETRIBUSI PENGUJIAN KENDARAAN BERMOTOR DISHUB KLATEN EFEKTIVITAS METODE BOX-JENKINS DAN EXPONENTIAL SMOOTHING UNTUK MERAMALKAN RETRIBUSI PENGUJIAN KENDARAAN BERMOTOR DISHUB KLATEN Puji Rahayu 1), Rohmah Nur Istiqomah 2), Eminugroho Ratna Sari 3) 1)2)3) Matematika

Lebih terperinci

OPTIMASI PRODUKSI UNTUK PRODUK PESANAN PADA PERUSAHAAN PESTISIDA MENGGUNAKAN METODE GOAL PROGRAMMING. Oleh: Rossy Susanti ( )

OPTIMASI PRODUKSI UNTUK PRODUK PESANAN PADA PERUSAHAAN PESTISIDA MENGGUNAKAN METODE GOAL PROGRAMMING. Oleh: Rossy Susanti ( ) OPTIMASI PRODUKSI UNTUK PRODUK PESANAN PADA PERUSAHAAN PESTISIDA MENGGUNAKAN METODE GOAL PROGRAMMING Oleh: Rossy Susanti (1207 100 007) Dosen Pembimbing: Drs. Suharmadi S., DiplSc.,MPhil JURUSAN MATEMATIKA

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada

Lebih terperinci

PERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA

PERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA Jurnal UJMC, Volume 2, Nomor 1, Hal. 28-35 pissn : 2460-3333 eissn: 2579-907X PERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA Novita Eka Chandra 1 dan Sarinem 2 1 Universitas

Lebih terperinci

PERAMALAN FUNGSI TRANSFER SINGLE INPUT PADA HARGA EMAS PASAR KOMODITI. Abstract

PERAMALAN FUNGSI TRANSFER SINGLE INPUT PADA HARGA EMAS PASAR KOMODITI.   Abstract PERAMALAN FUNGSI TRANSFER SINGLE INPUT PADA HARGA EMAS PASAR KOMODITI Dhevi Ratna Fitriani 1, Moh Yamin Darsyah 2 dan Rochdi Wasono 3 1,2,3 Program Studi Statistika, E-mail: dhevie.fitriani@gmail.com Abstract

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 15 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penelitian Perkembangan ekonomi dan bisnis dewasa ini semakin cepat dan pesat. Bisnis dan usaha yang semakin berkembang ini ditandai dengan semakin banyaknya

Lebih terperinci

Pemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer

Pemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer TUGAS AKHIR Pemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer Oleh : Fani Felani Farid (1306 100 047) Pembimbing : Drs. Kresnayana Yahya M.Sc Latar Belakang

Lebih terperinci

99.9. Percent maka H 0 diterima, berarti residual normal

99.9. Percent maka H 0 diterima, berarti residual normal Uji residual white noise 2 Lag Q P value 6 3.5 9.49 0.5330 2 6.6 8.3 0.803 8 9.8 26.30 0.9059 24 9.3 33.92 0.6374 K p q Uji residual berdistribusi normal Percent 99.9 99 95 90 80 70 60 50 40 30 20 0 5

Lebih terperinci

SKRIPSI. Disusun oleh: Firda Megawati

SKRIPSI. Disusun oleh: Firda Megawati PERAMALAN TINGGI GELOMBANG BERDASARKAN KECEPATAN ANGIN DI PERAIRAN PESISIR SEMARANG MENGGUNAKAN MODEL FUNGSI TRANSFER (Studi Kasus Bulan Januari 2014 sampai dengan Desember 2014) SKRIPSI Disusun oleh:

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 1 BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan metode ARIMA box jenkins untuk meramalkan kebutuhan bahan baku. 2.1. Peramalan Peramalan

Lebih terperinci

PERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH

PERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH Jurnal Matematika UNAND Vol. VI No. 1 Hal. 1 8 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH

Lebih terperinci

Pemodelan Inflasi di Kota Semarang, Yogyakarta, dan Surakarta dengan pendekatan GSTAR

Pemodelan Inflasi di Kota Semarang, Yogyakarta, dan Surakarta dengan pendekatan GSTAR JURNAL SAINS DAN SENI POMITS Vol., No., (0) 7-0 (0-X Prin D-7 Pemodelan Inflasi di Kota Semarang, Yogyakarta, dan Surakarta dengan pendekatan GSTAR Laily Awliatul Faizah dan Setiawan Jurusan Statistika,

Lebih terperinci