PENGGUNAAN METODE REGRESI BERGANDA UNTUK MERAMALKAN PERMINTAAN MOBIL DENGAN N VARIABEL INDEPENDEN ADAPTIF
|
|
- Suryadi Lesmana
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PRESENTASI TUGAS AKHIR KS PENGGUNAAN METODE REGRESI BERGANDA UNTUK MERAMALKAN PERMINTAAN MOBIL DENGAN N VARIABEL INDEPENDEN ADAPTIF Penyusun Tugas Akhir : Fitri Linawati (NRP : ) Dosen Pembimbing : Wiwik Anggraeni, S.Si. M.Kom Retno Aulia Vinarti, S.Kom 31 Januari
2 LATAR BELAKANG Peramalan perlu dilakukan karena permintaan tidak dapat diketahui secara pasti. Peramalan permintaan menjadi dasar dari seluruh perencanaan dalam rantai pasok. Diperlukan metode peramalan yang tepat untuk mendapatkan hasil yang sesuai. Berdasarkan karakteristik data yang ada, maka digunakan metode regresi berganda dalam melakukan peramalan. 2
3 LATAR BELAKANG-2 An-Shing Chen et.al (2004) dalam penelitiannya mencoba menggabungkan metode regresi dan metode artificial neural network untuk melakukan peramalan terhadap mata uang. Dalam penelitian tersebut diungkapkan alasan menggunakan metode regresi dikarenakan kebanyakan model-model ekonometrik memiliki fungsi yang linear. Masters T. (1995) dalam bukunya mengungkapkan bahwa metode regresi relatif membutuhkan lebih sedikit waktu dan usaha untuk melakukan training. Metode regresi linear berganda merupakan metode yang umum digunakan untuk melakukan peramalan ketika data hubungan variabel independen (atau isyarat) tersedia (Nikolopoulos et al., 2007). 3
4 PERMASALAHAN Permasalahan yang diangkat dalam tugas akhir ini adalah: Bagaimana mencari variabel-variabel bebas yang mempengaruhi variabel permintaan? Bagaimana melakukan peramalan permintaan menggunakan metode regresi berganda? Bagaimana tingkat akurasi dari hasil peramalan yang telah dilakukan? 4
5 BATASAN PERMASALAHAN Batasan-batasan pada pengerjaan tugas akhir ini adalah : Data yang digunakan adalah data penjualan mobil dari perusahaan retail mobil Austria, diambil dari paper acuan yang ditulis oleh Reiner Gerald & Johannes Fichtinger (2009). Metode peramalan yang digunakan adalah metode regresi berganda dengan menggunakan beberapa variabel independen adaptif. 5
6 TUJUAN Tujuan dari tugas akhir ini adalah : melakukan peramalan permintaan mobil dari suatu perusahaan retail mobil Austria dengan menggunakan metode regresi berganda yang memiliki n variabel independen yang jumlahnya bisa berubah secara adaptif. 6
7 MANFAAT Manfaat dari tugas akhir ini adalah : dari segi keilmuan memberikan gambaran tentang penggunaan metode regresi berganda dalam peramalan permintaan. dari segi aplikasi memberikan informasi bagi pihak retailer sehingga dapat melakukan perencanaan replenishment yang matang. 7
8 METODOLOGI 8
9 MODEL DAN IMPLEMENTASI 9
10 Metode Peramalan Regresi Berganda Salah satu metode peramalan yang masuk pada model kausal atau eksplanatoris Regresi berganda digunakan untuk peramalan yang melibatkan satu variabel terikat, dan n buah variabel bebas. Variabel terikat dan variabel bebas memiliki hubungan yang signifikan 10
11 Model Regresi Berganda Bentuk umum : Y = b 0 + b 1 X 1 + b 2 X b k X k Y = variabel terikat X i = variabel bebas ( i = 1, 2, 3,, k) b 0 = intersep b i = koefisien regresi ( i = 1, 2, 3,, k) 11
12 Langkah langkah Metode Regresi Berganda 1. Uji korelasi Menguji korelasi variabel bebas dan terikat 2. Pencarian Koefisien Pencarian nilai koefisien regresi 3. Penyusunan Model Melakukan penyusunan model regresi 4. Peramalan Melakukan peramalan menggunakan model yang telah terbentuk 5. Evaluasi Melakukan perhitungan nilai kesalahan dan membandingkan hasil peramalan dengan metode lain 12
13 Uji Korelasi Uji korelasi untuk mencari variabel-variabel bebas yang memiliki pengaruh signifikan terhadap variabel terikat Metode pengujian korelasi menggunakan fungsi: [r,p] = corrcoef(trainingdata); dimana: [r,p] = matriks yang menyimpan nilai korelasi dari setiap variabel (trainingdata) = variabel yang menyimpan data yang akan diuji korelasinya Jika nilai r > 0.5 maka dikatakan nilai korelasinya signifikan. 13
14 Pencarian Koefisien Regresi Dilakukan untuk mencari nilai koefisien untuk model regresi. Metode pencariaan koefisien regresi OLS Fungsi yang digunakan: X=[ones(size(X1)) X1 X2 X3]; Matriks yang menyimpan nilai koefisien a=x\y; Matriks satuan dengan ukuran X1 Pembagian terbalik = operasi invers (X -1 * Y) Matriks yang menyimpan nilai data variabel bebas 1, 2, dan 3 14
15 Penyusunan Model Memasukkan variabel bebas dan nilai koefisien ke dalam persamaan regresi Y = b 0 + b 1 X 1 + b 2 X b k X k 15
16 Peramalan Peramalan dilakukan menggunakan bentuk umum model Regresi Berganda. Peramalan dilakukan untuk memperoleh nilai Y (variabel terikat) dengan menggunakan nilai X (variabel bebas) yang sudah ada. 16
17 Evaluasi Metode evaluasi kesalahan yang digunakan yaitu : Mean Absolute Percentage Error (MAPE) : Dimana: n = jumlah sampel = data aktual = data hasil peramalan Suatu model mempunyai kinerja sangat bagus jika nilai MAPE berada di bawah 10%, dan mempunyai kinerja bagus jika nilai MAPE berada di antara 10% dan 20% (Zainun dan Majid, 2003). 17
18 Data-1 Data penjualan mobil dari perusahaan retail mobil Austria dengan N = 171 observasi Data tersebut terdiri dari 5 variabel, yaitu: Net Price (Milyar) Discount (%) On Promotion (1:sedang dipromosikan, 0:sedang tidak dipromosikan) Price (Milyar) Demand (unit) 18
19 Data-2 Data dibagi menjadi 2 kelompok: Kelompok Analisis Data dari N = Kelompok Tes Data dari N = (34 periode) 19
20 UJI COBA DAN ANALISIS HASIL 20
21 Uji Korelasi Net Price Discount On Promotion Price Demand Net Price 1-0,7055-0,8046 0,9926-0,6876 Discount -0, ,7920-0,6149 0,9875 On Promotion -0,8046 0, ,7640 0,7785 Price 0,9926-0,6149-0, ,5975 Demand -0,6876 0,9875 0,7785-0, Tanda negatif menunjukkan bahwa hubungan antar keduanya berkebalikan. Contoh: jika Net Price bernilai tinggi maka Demand rendah, begitu juga sebaliknya.. 21
22 Penentuan Variabel Bebas Variabel yang digunakan adalah variabel-variabel yang memiliki korelasi tinggi terhadap variabel terikat Korelasi tinggi : > 0,5 Berdasarkan hasil uji korelasi sebelumnya, keempat variabel (Net Price, Price, Discount, On Promotion) memenuhi syarat untuk dijadikan sebagai variabel bebas 22
23 Penentuan Koefisien Regresi Dengan menggunakan metode OLS, koefisien yang diperoleh: b0 = 9,9642 b1 = 32,5040 b2 = 589,7307 b3 = -0,4993 b4 = -31,0944 Ket: Jumlah variabel bebas = 4 23
24 Penyusunan Model Regresi Y = b 0 + b 1 X 1 + b 2 X 2 + b 3 X 3 + b 4 X 4 Demand = 9, ,5040 x Net Price + 589,7307 x Discount 0,4993 x On Promotion 31,0944 x Price 24
25 Peramalan-1 Hasil peramalan untuk data kumpulan tes : N Ke- Y Ramal , , , , , , , , , , , ,6962 N Ke- Y Ramal , , , , , , , , , , , ,8048 N Ke- Y Ramal , , , , , , , , , ,
26 Peramalan-2 Grafik Hasil Peramalan: 26
27 Evaluasi Hasil evaluasi kesalahan: MAPE = 2,2882 % Model Regresi Berganda menghasilkan peramalan yang sangat baik karena nilai MAPE dari model ini berada di bawah 10%. 27
28 Skenario 1-1 Peramalan dilakukan terhadap beberapa kombinasi variabel bebas Kombinasi Ke- Kombinasi 2 Variabel 1 Net Price - Price 2 Net Price - On Promotion 3 Net Price - Discount 4 Price - On Promotion 5 Price - Discount 6 On Promotion - Discount Kombinasi 3 Variabel 7 Net Price - Price - On Promotion 8 Net Price - On Promotion - Discount 9 Net Price - Price - Discount 10 Price - On Promotion - Discount Kombinasi 4 Variabel 11 Net Price - Price - On Promotion - Discount 28
29 Skenario 1-2 Koefisien regresi yang diperoleh: Kombinasi b 0 b 1 b 2 b 3 b ,4601 0, , ,2110-2, , , , , , ,2238-0, , ,0613 0, , ,7670-0, ,3473 0, ,8238 0, , , , , , ,9692 2, , , ,4163 0,0580 0, , , ,7307-0, ,
30 Skenario 1-3 Model regresi yang terbentuk: Kombinasi Model Regresi Berganda 1 15, ,2681 x Net Price + 437,5130 x Price 2 42,2110-2,5499 x Net Price + 13,0240 x On Promotion 3 35, ,5862 x Net Price + 89,7684 x Discount 4 16, ,2238 x Price - 0,1965 x On Promotion 5 15, ,0613 x Price + 0,2436 x Discount 6 30, ,7670 x On Promotion - 0,1029 x Discount 15, ,2934 x Net Price + 436,8238 x Price + 0,0719 x On 7 Promotion 10, ,1066 x Net Price + 564,1414 x On Promotion - 26,7068 x 8 Discount 9 31, ,9692 x Net Price + 2,0536 x Price + 86,0848 x Discount 15, ,4163 x Price + 0,0580 x On Promotion + 0,2635 x 10 Discount 9, ,5040 x Net Price + 589,7307 x Price - 0,4993 x On 11 Promotion - 31,0944 x Discount 30
31 Skenario 1-3 Hasil peramalan: Lihat lampiran B 31
32 Skenario 1-4 Evaluasi peramalan: Kombinasi Ke- MAPE (%) 1 2, , , , , , , , , , ,2882 Evaluasi kesalahan peramalan berada pada interval 2 12% Kinerja model regresi berganda bagus 32
33 Skenario 2-1 Peramalan dilakukan terhadap data yang telah diubah nilainya Perubahan yang dilakukan: Price dan Net Price Discount dan Net Price On Promotion Ket: Perubahan data dapat dilihat pada lampiran A 33
34 Skenario 2-2 Evaluasi peramalan: Variabel Berubah MAPE (%) Price dan Net Price 2,3225 Discount dan Net Price 11,707 Promotion 2,2494 Model regresi berganda yang digunakan memiliki kinerja yang baik meskipun nilai variabel bebasnya diubah-ubah 34
35 Skenario 3-1 Dilakukan perubahan nilai koefisien untuk mengetahui pengaruh dari nilai koefisien terhadap nilai kesalahan peramalan Uji coba dilakukan dengan menggunakan 4 variabel bebas Perubahan koefisien yang dilakukan: Kondisi b 0 b 1 b 2 b 3 b 4 Awal 9, , ,7307-0, ,0944 Coba 1 8, , ,7307-1, ,0944 Coba 2 10,642 33, ,7307 1, ,
36 Skenario 3-2 Grafik hasil peramalan: Awal Coba 1 Coba 2 36
37 Skenario 3-3 Evaluasi peramalan: Kondisi Nilai MAPE Awal 2,2882 Coba1 41,7530 Coba2 41,9431 Perubahan nilai koefisien sangat berdampak pada hasil peramalan Koefisien yang diperoleh dari metode OLS merupakan koefisien yang sudah optimal 37
38 Skenario 4 Peramalan untuk 52 periode ke depan Model yang digunakan adalah model dengan 4 variabel bebas yang memiliki nilai kesalahan paling kecil Nilai dari variabel bebas telah ditentukan di awal Hasil dapat dilihat pada lampiran B 38
39 Perbandingan dengan Metode VAR-1 Untuk mengetahui apakah metode regresi berganda merupakan metode yang baik untuk melakukan peramalan dalam studi kasus tugas akhir ini VAR merupakan metode eksplanatoris, mampu mengakomodasi banyak variabel Digunakan aplikasi Eviews dalam melakukan peramalan dengan metode VAR 39
40 Perbandingan dengan Metode VAR-2 Tahapan dalam metode VAR: Uji stasioneritas Uji granger casuality Penentuan lag optimal Analisis VAR Peramalan Evaluasi 40
41 Perbandingan dengan Metode VAR-3 Uji stasioneritas uji Augmented Dickey-Fuller (ADF) Variabel ADF - Nilai Kritis Mc Kinnon Statistik 1% 5% 10% Net Price -7, , , , Discount -8, , , , On Promotion -8, , , , Price -7, , , , Demand -8, , , , Semua variabel bersifat stasioner. Hal ini dapat dilihat dari nilai ADF statistik (tanda diabaikan) lebih besar daripada nilai kritis Mac Kinnon pada level 5%. 41
42 Perbandingan dengan Metode VAR-4 Uji granger casuality untuk mengetahui hubungan sebab akibat antara variabel bebas (Net Price, Price, Discount, On Promotion) dengan variabel terikat (Demand). Hipotesa F - Statistik Probabilitas Demand does not Granger Cause Net Price 0, ,57066 Net Price does not Granger Cause Demand 0, ,40609 Variabel demand tidak berpengaruh pada variabel net price. Sedangkan variabel net price berpengaruh terhadap variabel demand. Hal ini dapat dilihat dari probabilitas yang dihasilkan oleh hipotesa ke dua lebih kecil dari nilai alpha (5%). 42
43 Perbandingan dengan Metode VAR-5 Penentuan Lag Optimal untuk menentukan model VAR mana yang akan digunakan untuk proses peramalan. Kriteria penentuan nilai lag optimal berdasarkan pada nilai terkecil yang diambil dari Akaike Information Criterion (AIC). No Lag AIC 1 0 5, , , , , , , , ,
44 Perbandingan dengan Metode VAR-6 Analisis VAR pembentukan model dengan lag yang paling optimal. Model VAR yang terbentuk: DEMAND = x DEMAND(-1) x DEMAND(-2) x DEMAND(-3) x DEMAND(-4) x DEMAND(-5) x DEMAND(-6) x DEMAND(-7) x NETPRICE(-1) x NETPRICE(-2) x NETPRICE(-3) x NETPRICE(-4) x NETPRICE(-5) x NETPRICE(-6) x NETPRICE(-7) x DISCOUNT(-1) x DISCOUNT(-2) x DISCOUNT(-3) x DISCOUNT(-4) x DISCOUNT(-5) x DISCOUNT(-6) x DISCOUNT(-7) x ONPROMOTION(-1) x ONPROMOTION(-2) x ONPROMOTION(-3) x ONPROMOTION(-4) x ONPROMOTION(-5) x ONPROMOTION(-6) x ONPROMOTION(-7) x PRICE(-1) x PRICE(-2) x PRICE(-3) x PRICE(-4) x PRICE(-5) x PRICE(-6) x PRICE(-7) x C 44
45 Perbandingan dengan Metode VAR-7 Peramalan menggunakan model yang telah terbentuk Hasil peramalan: N ke- Y Aktual Y Ramal , , , , , , , , , , , , ,37266 N ke- Y Aktual Y Ramal , , , , , , , , , , , ,57890 N ke- Y Aktual Y Ramal , , , , , , , , ,
46 Perbandingan dengan Metode VAR-8 Evaluasi hasil peramalan MAPE = 21,927% Hasil peramalan permintaan menggunakan model regresi berganda pada kasus ini lebih baik dari pada metode VAR karena nilai MAPE-nya lebih kecil dibandingkan dengan nilai MAPE model VAR. 46
47 PENUTUP 47
48 Kesimpulan-1 Beberapa hal yang dapat disimpulkan berkaitan dengan metode peramalan Regresi Berganda adalah sebagai berikut : Fungsi corcoeff pada matlab terbukti dapat menghasilkan nilai korelasi antar variabel dengan baik. Variabel Price, Net Price, Discount, dan On Promotion dapat digunakan sebagai variabel bebas dalam meramalkan permintaan karena nilai korelasinya terhadap permintaan di atas 0,5. Uji coba dengan skenario satu, yaitu melakukan peramalan menggunakan beberapa kombinasi variabel bebas, memiliki evaluasi kesalahan (MAPE) yang berada pada interval 2 12%. 48
49 Kesimpulan-2 Uji coba dengan skenario dua, yaitu melakukan perubahan terhadap nilai beberapa variabel, menunjukkan bahwa model regresi berganda yang digunakan memiliki kinerja yang baik meskipun nilai variabel bebasnya diubah-ubah. Uji coba dengan skenario tiga, yaitu melakukan perubahan terhadap nilai koefisien regresi, menunjukkan bahwa nilai koefisien awal yang diperoleh dari penerapan metode OLS merupakan nilai koefisien yang optimal. Pada kasus ini, model Regresi Berganda mempunyai kinerja yang lebih bagus dibandingkan dengan Model VAR yang memiliki nilai MAPE di atas 20%. 49
50 Saran-1 Berikut ini merupakan saran yang dapat dipertimbangkan jika tugas akhir ini akan dikembangkan lebih lanjut: Model Regresi Berganda hanya diujikan pada data-data yang disediakan pada jurnal acuan. Uji coba pada kasus-kasus nyata diperusahaan sangat diperlukan untuk memberikan hasil-hasil yang sesuai dengan kasus nyata pada dunia industri. Program yang dikembangkan pada tugas akhir ini hanya bisa mengakomodasi jumlah variabel bebas sebanyak 2 4 variabel. Perlu dikembangkan lebih lanjut agar dapat mengakomodasi jumlah variabel bebas yang lebih banyak. 50
51 Saran-2 Hasil dari tugas akhir ini dapat dikembangkan lebih lanjut sebagai inputan pada proses pricing, market share, dll. Peramalan menggunakan metode VAR sebaiknya hanya menyertakan variabel-variabel yang telah lolos dalam uji granger casuality untuk memperoleh hasil peramalan yang lebih baik. 51
52 Daftar Pustaka-1. Chen, An-Shing & Mark T. 2004, Regression Neural Network for Error Correction in Foreign Exchange Forecasting and Trading Diah, Indriani. Regresi Linear Berganda. Diambil pada 17 Oktober 2010, dari Gerald, Reiner & Fichtinger, Johannes. 2009, Demand Forecasting for Supply Process in Consideration of Pricing and Market Information Kurniawati, Devi Peramalan Jumlah Perawat untuk Meningkatkan Kualitas Pelayanan Pasien di Instalasi Rawat Darurat RSUD Dr.Soetomo Surabaya Menggunakan Model Vector Autoregression (Var). Tugas Akhir Jurusan Sistem Informasi FTIf ITS Surabaya. Makridakis, Spyros & Wheelwright, Steven C. 1999, Metode dan Aplikasi Peramalan. Edisi Kedua. Jakarta : Erlangga. Masters, T. 1995, Advanced Algorithm for Neural Networks. New York: Willey. Nachrowi, N.D., Pendekatan Populer dan Praktis Ekonometrika untuk Analisis Ekonomi dan Keuangan. Jakarta:Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia. 52
53 Daftar Pustaka-2 Nikolopoulos, K., Goodwin, P., Patelis, A., Assaimakopoulos, V Forecasting with cue information: A comparison of multiple regression with alternative forecasting approaches Pindyck, Rober S. and Daniel L., Economic Models and Econometric Forecast, 4th edition. New York: N.Y. McGraw Hill. Rahardi, Dicky Pola Data dalam Statistik. Diambil pada 6 Oktober, 2010, dari Verbeck, M.,2000, A Guide Modern Econometrics, Singapore: John Wiley & Sons, Ltd. 53
54 TERIMA KASIH 54
IMPLEMENTASI METODE REGRESI BERGANDA UNTUK MERAMALKAN PERMINTAAN MOBIL DENGAN N-VARIABEL BEBAS ADAPTIF
IMPLEMENTASI METODE REGRESI BERGANDA UNTUK MERAMALKAN PERMINTAAN MOBIL DENGAN N-VARIABEL BEBAS ADAPTIF Wiwik Anggraeni, Fitri Linawati, Retno Aulia Vinarti Sistem Informasi, Fakultas Teknologi Informasi
Lebih terperinciPrediksi Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Menggunakan Fuzzy Time Series
Prediksi Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Menggunakan Fuzzy Time Series Arfinda Setiyoutami a, Wiwik Anggraeni b, Renny Pradina Kusumawardani c Jurusan Sistem Informasi
Lebih terperinciOPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION
OPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION NILA YUWIDA 1208100015 Dosen Pembimbing : Dra. Nuri Wahyuningsih, M.Kes Drs. Lukman Hanafi,
Lebih terperinciPENGGUNAAN ALGORITMA NONLINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PARAMETER DALAM METODE PEMULUSAN EKSPONENSIAL SATU PARAMETER
PENGGUNAAN ALGORITMA NONLINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PARAMETER DALAM METODE PEMULUSAN EKSPONENSIAL SATU PARAMETER Nama Mahasiswa : Eka Novi Nurhidayati NRP : 1208 100 040 Jurusan : Matematika
Lebih terperinciPEMBUATAN PERANGKAT LUNAK PERAMALAN MENGGUNAKAN METODE ANN DENGAN MEMANFAATKAN LIBRARY ENCOG JAVA
PEMBUATAN PERANGKAT LUNAK PERAMALAN MENGGUNAKAN METODE ANN DENGAN MEMANFAATKAN LIBRARY ENCOG JAVA Nama : Resa Alfarisi NRP : 5207100100 Jurusan : Sistem informasi FTIF ITS Dosen Pembimbing 1 : Wiwik Anggraeni
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 1.1. Lokasi dan Waktu Penelitian Penelitian dilaksanakan pada bulan Februari hingga April 2011. Penelitian dilakukan dengan mengunjungi PT. Kharisma Pemasaran Bersama Nusantara (PT.
Lebih terperinciSidang Akhir Tugas Akhir PERAMALAN KETERSEDIAAN BATUBARA MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE MOVING AVERAGE (VARMA) PADA PT.
Sidang Akhir Tugas Akhir PERAMALAN KETERSEDIAAN BATUBARA MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE MOVING AVERAGE (VARMA) PADA PT.XYZ Immash Kusuma Pratiwi 5208100123 PENDAHULUAN Latar Belakang, Perumusan
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini, dibahas mengenai model Vector Error Correction (VEC),
BAB III PEMBAHASAN Pada bab ini, dibahas mengenai model Vector Error Correction (VEC), prosedur pembentukan model Vector Error Correction (VEC), dan aplikasi model Vector Error Correction (VEC) pada penutupan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Obyek Penelitian Obyek penelitian adalah sesuatu yang menjadi perhatian dalam suatu penelitian, objek penelitian ini menjadi sasaran dalam penelitian untuk mendapatkan
Lebih terperinciPENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT TELKOMSEL Divre 3 SURABAYA
SISTEM PENDUKUNG KEPUTUSAN PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT TELKOMSEL Divre 3 SURABAYA Alda Raharja - 5206 100 008! Wiwik Anggraeni, S.Si, M.Kom! Retno
Lebih terperinciSTUDI KAUSALITAS GRANGER ANTARA NILAI TUKAR RUPIAH TERHADAP USD DAN AUD MENGGUNAKAN ANALISIS VAR
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA Fakultas MIPA, Universitas Negeri Yogyakarta, 16 Mei 2009 STUDI KAUSALITAS GRANGER ANTARA NILAI TUKAR RUPIAH TERHADAP USD DAN AUD MENGGUNAKAN
Lebih terperinciIII 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 terperinciMETODE PENELITIAN. Variabel-variabel yang digunakan dalam penelitian ini adalah PDB, Ekspor, dan
III. METODE PENELITIAN A. Deskripsi Data Input Variabel-variabel yang digunakan dalam penelitian ini adalah PDB, Ekspor, dan Foreign Direct Investment ((FDI). Deskripsi tentang satuan pengukuran, jenis
Lebih terperinciUJIAN TUGAS AKHIR EKA NOVI NURHIDAYATI. Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember 2012
UJIAN TUGAS AKHIR APLIKASI ALGORITMA NONLINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PARAMETER α DALAM METODE PEMULUSAN EKSPONENSIAL SATU PARAMETER EKA NOVI NURHIDAYATI 1208 100 040 Jurusan Matematika Fakultas
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN. stasioner dari setiap masing-masing variabel, baik itu variabel independent
BAB V HASIL PENELITIAN DAN PEMBAHASAN A. Uji Kausalitas Intrumen Data. 1. Uji Stasioner Data. Tahap pertama dalam metode VECM yaitu dengan melakukan pengujian stasioner dari setiap masing-masing variabel,
Lebih terperinciHASIL DAN PEMBAHASAN. Pengujian kestasioneran data diperlukan pada tahap awal data time series
IV. HASIL DAN PEMBAHASAN 4.1. Pengujian Pra Estimasi 4.1.1. Kestasioneran Data Pengujian kestasioneran data diperlukan pada tahap awal data time series untuk melihat ada tidaknya unit root yang terkandung
Lebih terperinciJURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: A-403
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 201-9271 A-0 Implementasi Fuzzy Neural Network untuk Memperkirakan Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Ani Rahmadiani dan Wiwik
Lebih terperinciPERAMALAN NILAI TUKAR RUPIAH TERHADAP USD DAN AUD BERDASARKAN MODEL VAR
PERAMALAN NILAI TUKAR RUPIAH TERHADAP USD DAN AUD BERDASARKAN MODEL VAR Mega Novita 1, Adi Setiawan 2, dan Didit Budi Nugroho 2 1,2 Program Studi Matematika, Fakultas Sains dan Matematika Universitas Kristen
Lebih terperinciMETODE PENELITIAN Kerangka Pemikiran
20 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Kerangka pemikiran dalam penelitian dapat dijadikan landasan dalam setiap tahap penelitian. Salah satu tujuan dari penelitian ini adalah mengetahui metode
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN. atas, data stasioner dibutuhkan untuk mempengaruhi hasil pengujian
BAB V HASIL PENELITIAN DAN PEMBAHASAN A. Uji Kualitas dan Instrumen Data 1. Uji Stasioneritas Tahap pertama yang harus dilalui untuk mendapatkan estimasi VECM adalah pengujian stasioneritas data masing-masing
Lebih terperinci4 MODEL VECTOR AUTOREGRESSIVE EXOGENOUS (VARX)
4 MODEL VECTOR AUTOREGRESSIVE EXOGENOUS (VARX) Pendahuluan Beberapa penelitian curah hujan dengan satu lokasi curah hujan (tunggal) dengan model ARIMA telah dilakukan, di antaranya oleh Mauluddiyanto (2008)
Lebih terperinciIII. METODE PENELITIAN. Bentuk data berupa data time series dengan frekuensi bulanan dari Januari 2000
28 III. METODE PENELITIAN 3.1. Data 3.1.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Bentuk data berupa data time series dengan frekuensi bulanan dari Januari
Lebih terperinciBAB 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 terperinciBAB III METODE PENELITIAN
A. Objek Penelitian BAB III METODE PENELITIAN Obyek/Subyek yang diamati dalam penelitian ini adalah Pembiayaan Modal Kerja UMKM dengan variabel independen DPK, NPF, Margin, dan Inflasi sebagai variabel
Lebih terperinciBAB III METODELOGI PENELITIAN. variabel- variabel sebagai berikut : tingkat gross domestic product(gdp), total
BAB III METODELOGI PENELITIAN A. Obyek Penelitian Obyek yang diteliti dalam penelitian ini adalah semua data mengenai variabel- variabel sebagai berikut : tingkat gross domestic product(gdp), total pembiayaan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Pendekatan Penelitian Pendekatan penelitian ini menggunakan pendekatan kuantitatif yaitu pendekatan dengan cara mengukur variabel yang di lingkari oleh teori atau satu
Lebih terperinciBAB III METODE PENELITIAN. analisis yang berupa angka-angka sehingga dapat diukur dan dihitung dengan
BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian ini adalah kuantitatif. Penelitian kuantitatif merupakan analisis yang berupa angka-angka sehingga dapat diukur dan dihitung dengan menggunakan
Lebih terperinciIII. METODE PENELITIAN. penelitian ini adalah data sekunder, yaitu data yang telah dikumpulkan oleh pihak
46 III. METODE PENELITIAN A. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini bersifat kuantitatif, yaitu berupa data tahunan yang berbentuk angka dan dapat diukur/dihitung. Sumber
Lebih terperinciBAB III DATA DAN METODOLOGI PENELITIAN
BAB III DATA DAN METODOLOGI PENELITIAN III.1 Data penelitian Penelitian interdependensi pasar saham indonesia dengan pasar saham dunia ini menggunakan data sekunder berupa nilai penutupan harian/daily
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1 PEMBUATAN APLIKASI PERAMALAN JUMLAH PERMINTAAN PRODUK DENGAN METODE TIME SERIES EXPONENTIAL SMOOTHING HOLTS WINTER DI PT. TELEKOMUNIKASI INDONESIA Tbk.
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penelitian Perusahaan merupakan suatu badan hukum yang memiliki suatu tujuan yang ingin dicapai salah satunya yaitu mendapatkan keuntungan. Untuk mencapai
Lebih terperinciHASIL DAN PEMBAHASAN
18 HASIL DAN PEMBAHASAN Eksplorasi data Tahap pertama dalam pembentukan model VAR adalah melakukan eksplorasi data untuk melihat perilaku data dari semua peubah yang akan dimasukkan dalam model. Eksplorasi
Lebih terperinciV. HASIL DAN PEMBAHASAN. time series. Data time series umumnya tidak stasioner karena mengandung unit
48 V. HASIL DAN PEMBAHASAN 5.1 Uji Kestasioneritasan Data Uji stasioneritas data dilakukan pada setiap variabel yang digunakan pada model. Langkah ini digunakan untuk menghindari masalah regresi lancung
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Objek Penelitian. Dalam penelitian ini penulis memilih impor beras sebagai objek melakukan riset di Indonesia pada tahun 1985-2015. Data bersumber dari Badan Pusat Statistika
Lebih terperinciPemodelan Vector Autoregresive (VAR) pada Komoditas Harga Cabai di Jawa Tengah
Pemodelan Vector Autoregresive (VAR) pada Komoditas Harga Cabai di Jawa Tengah Memi Nor Hayati 1, Alan Prahutama 2,*, Hasbi Yasin 2, Tiani Wahyu Utami 3 1 Program Studi Statistika, Universitas Mulawarman
Lebih terperinciBAB IV ANALISA DAN PEMBAHASAN. perubahan sehingga harus diolah terlebih dahulu. Pengolahan data dilakukan dengan
BAB IV ANALISA DAN PEMBAHASAN 4.1 Sumber Data Keselurahan data yang diterima sebelumnya belum mengindikasikan dinamika perubahan sehingga harus diolah terlebih dahulu. Pengolahan data dilakukan dengan
Lebih terperinciBAB V KESIMPULAN DAN SARAN
BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan analisis data dan pembahasan pada Bab IV, kesimpulan penelitian ini adalah sebagai berikut. 1. Model VARIMA yang sesuai untuk data penjualan obat I,
Lebih terperinciHASIL DAN PEMBAHASAN Pengujian Akar Unit (Unit Root Test) bahwa setiap data time series yang akan dianalisis akan menimbulkan spurious
48 IV. HASIL DAN PEMBAHASAN 4.1. Pengujian Akar Unit (Unit Root Test) Pengujian akar unit merupakan tahap awal sebelum melakukan estimasi model time series. Pemahaman tentang pengujian akar unit ini mengandung
Lebih terperinciIII. METODE PENELITIAN. Variabel-variabel yang digunakan dalam penelitian Analisis Faktor-Faktor Yang
III. METODE PENELITIAN A. Deskripsi Data Variabel Variabel-variabel yang digunakan dalam penelitian Analisis Faktor-Faktor Yang Mempengaruhi Cadangan Devisa di Indonesia Periode 2000-2014 adalah cadangan
Lebih terperinciKurniawati, Sri Sulistijowati Handajani, dan Purnami Widyaningsih Program Studi Matematika FMIPA UNS
PERBANDINGAN PENERAPAN MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE DENGAN PEMBOBOT INVERS JARAK DAN NORMALISASI KORELASI SILANG PADA LAJU INFLASI DI KOTA SURAKARTA, YOGYAKARTA, DAN SURABAYA Kurniawati,
Lebih terperinciIV. HASIL DAN PEMBAHASAN
56 IV. HASIL DAN PEMBAHASAN Metode analisis yang digunakan oleh penulis dalam penelitian ini adalah metode Vector Auto Regression (VAR) dan dilanjutkan dengan metode Vector Error Correction Model (VECM).
Lebih terperinciPERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)
PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) Oleh : Nofinda Lestari 1208 100 039 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciBAB III METODE PENELITIAN
45 BAB III METODE PENELITIAN 3.1. Kerangka Pemikiran Untuk menggambarkan bagaimana pengaruh capital gain IHSG dengan pergerakan yield obligasi pemerintah dan pengaruh tingkat suku bunga terhadap IHSG dan
Lebih terperinciPERBANDINGAN KEEFEKTIFAN METODE MOVING AVERAGE DAN EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH PENGUNJUNG HOTEL MERPATI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 251 258. PERBANDINGAN KEEFEKTIFAN METODE MOVING AVERAGE DAN EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH PENGUNJUNG HOTEL
Lebih terperinciIII. 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 terperinciIII.METODE PENELITIAN. Penelitian ini merupakan penelitian kuantitatif, karena penelitian ini
43 III.METODE PENELITIAN A. Jenis dan Sumber Data Penelitian ini merupakan penelitian kuantitatif, karena penelitian ini disajikan dengan angka-angka. Hal ini sesuai dengan pendapat Arikunto (2006) yang
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
59 BAB IV ANALISIS DAN PEMBAHASAN Pada bab ini akan dijelaskan pelaksanaan tahapan-tahapan metode VECM yang terbentuk dari variabel-variabel capital gain IHSG (capihsg), yield obligasi 10 tahun (yieldobl10)
Lebih terperinciIII. METODE PENELITIAN. tahun 1980 hingga kuartal keempat tahun Tabel 3.1 Variabel, Notasi, dan Sumber Data
III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder berupa data kuartalan. Periode waktu penelitian ini dimulai dari kuartal pertama tahun
Lebih terperinciBAB III METODOLOGI PENELITIAN. Indonesia dan variabel independen, yaitu defisit transaksi berjalan dan inflasi.
BAB III METODOLOGI PENELITIAN A. Ruang Lingkup Penelitian Penelitian ini difokuskan pada variabel dependen utang luar negeri Indonesia dan variabel independen, yaitu defisit transaksi berjalan dan inflasi.
Lebih terperinciIII. METODELOGI PENELITIAN. Variabel-variabel yang digunakan dalam penelitian ini adalah current account
III. METODELOGI PENELITIAN A. Deskripsi Variabel Variabel-variabel yang digunakan dalam penelitian ini adalah current account sebagai variabel terikat dan nilai tukar, inflasi, PDB, dan aktiva luar negeri
Lebih terperinciImplementasi Metode Time Series Arima dan Arimax pada Pemodelan Data Jumlah Permintaan Busana Muslim Anak di Perusahaan Habibah Busana
Implementasi Metode Time Series Arima dan Arimax pada Pemodelan Data Jumlah Permintaan Busana Muslim Anak di Perusahaan Habibah Busana Dosen Pembimbing I : Wiwik Anggraeni, S.Si, M.Kom Dosen Pembimbing
Lebih terperincilain berupa data jadi dalam bentuk publikasi. Data tersebut diperoleh dari
33 III. METODE PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunakan data sekunder, yaitu data yang diperoleh dari pihak lain berupa data jadi dalam bentuk publikasi. Data tersebut diperoleh dari
Lebih terperinciPERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)
PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR) SKRIPSI Oleh : PRISKA RIALITA HARDANI 24010211120020 DEPARTEMEN STATISTIKA FAKULTAS
Lebih terperinciBAB III METODE PENELITIAN
49 BAB III METODE PENELITIAN A. Variabel Penelitian dan Definisi Operasional 1. Variabel Penelitian Variabel-variabel dalam penelitian ini menggunakan variabel dependen dan independen. Variabel dependen
Lebih terperinciBAB 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 terperinciPeramalan Penjualan Pipa di PT X
Elviani, et al. / Peramalan Penjualan Pipa di PT X / Jurnal Titra, Vol.. 2, No. 2, Juni 2014, pp. 55-60 Peramalan Penjualan Pipa di PT X Cicely Elviani 1, Siana Halim 1 Abstract: In this thesis we modeled
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan adalah data sekunder berupa time series
30 III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan adalah data sekunder berupa time series bulanan periode Mei 2006 sampai dengan Desember 2010. Sumber data di dapat dari Statistik
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. JENIS PENELITIAN Jenis penelitian ini adalah kuantitatif. Penelitian kuantitatif merupakan analisis yang berupa angka-angka sehingga dapat diukur dan dihitung dengan menggunakan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Metode dan Sifat Penelitian Jenis penelitian ini menggunakan metode kuantitatif karena menggunakan data penelitian berupa angka-angka dan analisis dengan menggunakan metode
Lebih terperinciFORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA
FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA 1) Nurul Latifa Hadi 2) Artanti Indrasetianingsih 1) S1 Program Statistika, FMIPA, Universitas PGRI Adi Buana Surabaya 2)
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini adalah penelitian kualitatif dan kuantitatif. Penelitian kualitatif adalah
III. METODE PENELITIAN A. Jenis Penelitian Penelitian ini adalah penelitian kualitatif dan kuantitatif. Penelitian kualitatif adalah penelitian tentang riset yang bersifat deskriptif dan cenderung menggunakan
Lebih terperinciBAB III METODE PENELITIAN. kegunaan tertentu. Cara ilmiah berarti kegiatan penelitian itu didasarkan pada
BAB III METODE PENELITIAN Menurut Sugiyono (2013), Metode penelitian pada dasarnya merupakan cara ilmiah untuk mendapatkan data dengan tujuan dan kegunaan tertentu. Berdasarkan hal tersebut terdapat empat
Lebih terperinciModel Vector Autoregressive-Generalized Space Time Autoregressive
Model Vector Autoregressive-Generalized Space Time Autoregressive Hilma Mutiara Winata 1), Entit Puspita 2), Fitriani Agustina 3) 1), 2), 3) Departemen Pendidikan Matematika FPMIPA UPI *Surel: hilmamutiarawinata@gmail.com
Lebih terperinciBAB III METODE PENELITIAN. 3.1 Unit Analisis dan Ruang Lingkup Penelitian. yang berupa data deret waktu harga saham, yaitu data harian harga saham
32 BAB III METODE PENELITIAN 3.1 Unit Analisis dan Ruang Lingkup Penelitian 3.1.1. Objek Penelitian Objek sampel data dalam penelitian ini menggunakan data sekunder yang berupa data deret waktu harga saham,
Lebih terperinciPendahuluan. Latar belakang, Tujuan, Rumusan & Batasan Masalah. 2/5/2011 Tugas Akhir - Dimitrij Nikita Anggono 2
Pendahuluan Latar belakang, Tujuan, Rumusan & Batasan Masalah 2/5/2011 Tugas Akhir - Dimitrij Nikita Anggono 2 .: Latar Belakang (1) :. 0 Hotel telah tumbuh menjadi industri yang kompleks di seluruh dunia,
Lebih terperinciPERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO
Perbandingan Model ARIMA... (Alia Lestari) PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Alia Lestari Fakultas Teknik Universitas
Lebih terperinciHASIL DAN PEMBAHASAN. metode Vector Auto Regression (VAR) dan dilanjutkan dengan metode Vector
52 IV. HASIL DAN PEMBAHASAN Metode analisis yang digunakan oleh penulis dalam penelitian ini adalah metode Vector Auto Regression (VAR) dan dilanjutkan dengan metode Vector Error Correction Model (VECM).
Lebih terperinciUANG BEREDARR DAN TINGKAT INFLASI FEB RINA HANDAYANI
FUNGSI TRANSFER HUBUNGAN PERUBAHAN JUMLAH UANG BEREDARR DAN TINGKAT INFLASI FEB RINA HANDAYANI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKAA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2010 RINGKASAN
Lebih terperinciIII. METODOLOGI PENELITIAN. Untuk membatasi ruang lingkup permasalahan maka yang dijadikan objek
53 III. METODOLOGI PENELITIAN A. Ruang Lingkup Penelitian Untuk membatasi ruang lingkup permasalahan maka yang dijadikan objek penelitian yang dilakukan, maka penelitian ini akan menganalisis kinerja kebijakan
Lebih terperinciBAB 5 KESIMPULAN, KEKURANGAN PENELITIAN DAN SARAN. Dari hasil pengujian peramalan dengan menggunakan metode Fuzzy Mamdani
BAB 5 KESIMPULAN, KEKURANGAN PENELITIAN DAN SARAN 5. 1 Kesimpulan Dari hasil pengujian peramalan dengan menggunakan metode Fuzzy Mamdani dan bantuan software Matlab, dapat diambil beberapa kesimpulan sebagai
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian dilaksanakan pada bulan Januari hingga Maret 2012. Penelitian dilakukan di Asosiasi Kakao Indonesia (Askindo). Penentuan tempat dilakukan
Lebih terperinciBAB III METODE PENILITIAN
44 BAB III METODE PENILITIAN 3.1 Jenis dan Cara Pengumpulan Data Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari lembaga-lembaga atau instansi-instansi antara lain Bank
Lebih terperinciRISET 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 terperinciANALISIS KOINTEGRASI JUMLAH WISATAWAN, INFLASI, DAN NILAI TUKAR TERHADAP PRODUK DOMESTIK REGIONAL BRUTO (PDRB) PROVINSI BALI
ANALISIS KOINTEGRASI JUMLAH WISATAWAN, INFLASI, DAN NILAI TUKAR TERHADAP PRODUK DOMESTIK REGIONAL BRUTO (PDRB) PROVINSI BALI Made Aristiawan Jiwa Atmaja 1, I Putu Eka N. Kencana 2, G.K. Gandhiadi 3 1 Jurusan
Lebih terperinciPROYEKSI DATA PRODUK DOMESTIK BRUTO (PDB) DAN FOREIGN DIRECT INVESTMENT (FDI) MENGGUNAKAN VECTOR AUTOREGRESSIVE (VAR)
PROYEKSI DATA PRODUK DOMESTIK BRUTO (PDB) DAN FOREIGN DIRECT INVESTMENT (FDI) MENGGUNAKAN VECTOR AUTOREGRESSIVE (VAR) SKRIPSI Disusun Oleh : INDRA SATRIA 240 102 111 300 43 JURUSAN STATISTIKA FAKULTAS
Lebih terperinciBAB 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 terperinciIV. HASIL DAN PEMBAHASAN 4.1. Uji Pra Estimasi Uji Akar Unit (Unit Root Test) Pada penerapan analisis regresi linier, asumsi-asumsi dasar yang
40 IV. HASIL DAN PEMBAHASAN 4.1. Uji Pra Estimasi 4.1.1. Uji Akar Unit (Unit Root Test) Pada penerapan analisis regresi linier, asumsi-asumsi dasar yang telah ditentukan harus dipenuhi. Salah satu asumsi
Lebih terperinciPenerapan Metode ARCH/GARCH Dalam Peramalan Indeks Harga Saham Sektoral
Jurnal Sains Matematika dan Statistika, Vol 2, No I, Januari 206 Penerapan Metode ARCH/GARCH Dalam Peramalan Indeks Harga Saham Sektoral Ari Pani Desvina, Nadyatul Rahmah 2,2 Jurusan Matematika Fakultas
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:
ISSN: 2339-254 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 205, Halaman 957-966 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian PREDIKSI NILAI KURS DOLLAR AMERIKA MENGGUNAKAN EXPONENTIAL SMOOTHING
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. METODE PENELITIAN 1. Objek Penelitian Objek dalam penelitian ini adalah Perbankan Syariah di Indonesia yang mempunyai laporan keuangan yang transparan dan di publikasikan oleh
Lebih terperinciANALISIS HUBUNGAN KAUSALITAS ANTARA INFLASI DENGAN PERTUMBUHAN EKONOMI DI SURAKARTA TAHUN
ANALISIS HUBUNGAN KAUSALITAS ANTARA INFLASI DENGAN PERTUMBUHAN EKONOMI DI SURAKARTA TAHUN 1986 2015 Disusun sebagai salah satu syarat menyelesaikan Program Studi Strata I Pada Jurusan Ilmu Ekonomi Studi
Lebih terperinciPERAMALAN DINAMIS PRODUKSI PADI DI JAWA TENGAH MENGGUNAKAN METODE KOYCK DAN ALMON
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 91-97 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN DINAMIS PRODUKSI PADI DI JAWA TENGAH MENGGUNAKAN METODE
Lebih terperinciPERAMALAN DATA NILAI EKSPOR NON MIGAS INDONESIA KE WILAYAH ASEAN MENGGUNAKAN MODEL EGARCH
PERAMALAN DATA NILAI EKSPOR NON MIGAS INDONESIA KE WILAYAH ASEAN MENGGUNAKAN MODEL EGARCH, Universitas Negeri Malang E-mail: die_gazeboy24@yahoo.com Abstrak: Penelitian ini bertujuan untuk mengetahui model
Lebih terperinciPERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2016, Halaman 101-110 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) A-31
JURNAL SAINS DAN SENI ITS Vol 4, No2, (2015) 2337-3520 (2301-928X Print) A-31 Perbandingan Performansi Metode Peramalan Fuzzy Time Series yang Dimodifikasi dan Jaringan Syaraf Tiruan Backpropagation (Studi
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
41 BAB IV HASIL DAN PEMBAHASAN IV.1 Hasil dan Pengolahan Data Pada bab ini akan dibahas mengenai proses dan hasil serta pembahasan dari pengolahan data yang akan dilakukan. Data yang telah didapatkan akan
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) I. PENDAHULUAN II. METODOLOGI
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1 Implementasi Metode Time Series Arima Berbasis Java Desktop Application untuk Memperkirakan Jumlah Permintaan Busana Muslim Anak di Perusahaan Habibah Busana
Lebih terperinciProgram Studi Matematika, Institut Teknologi Kalimantan, Balikpapan
J. Math. and Its Appl. E-ISSN: 2579-8936 P-ISSN: 1829-605X Vol. 14, No. 2, Desember 2017, 25-37 Perbandingan Metode ARIMA dan Double Exponential Smoothing pada Peramalan Harga Saham LQ45 Tiga Perusahaan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Salah satu indikator tingkat kesejahteraan rakyat dapat dilihat dari perkembangan angka kematian balita, dikarenakan kematian balita berkaitan erat dengan keadaan ekonomi,
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN
BAB V HASIL PENELITIAN DAN PEMBAHASAN A. Pengujian Stasioner Data / Uji Akar (Unit Root Test) Suatu data atau variabel dapat dikatakan stasioner apabila nilai rata-rata dan memiliki varians yang konstan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Sering terdapat tenggang waktu (time lag) antara kesadaran akan peristiwa atau kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang ini merupakan
Lebih terperinciMODEL ARMA (AUTOREGRESSIVE MOVING AVERAGE) UNTUK PREDIKSI CURAH HUJAN DI KABUPATEN SEMARANG JAWA TENGAH - INDONESIA. Salatiga, Jawa Tengah, Indonesia
MODEL ARMA (AUTOREGRESSIVE MOVING AVERAGE) UNTUK PREDIKSI CURAH HUJAN DI KABUPATEN SEMARANG JAWA TENGAH - INDONESIA Adi Nugroho 1, Bistok Hasiholan Simanjuntak 2 1 Staf pengajar di Fakultas Teknologi Informasi
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Pendekatan Penelitian Penelitian ini merupakan jenis penelitian asosiatif dengan hubungan kausal dimana terdapat variabel bebas dan terikat.dilihat dari data yang diperoleh,
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penelitian Perusahaan memiliki tujuan yang pada dasarnya mendapatkan keuntungan demi kelancaran usahanya dan mampu bersaing dalam lingkungan bisnis secara
Lebih terperinciPEMBUATAN PERANGKAT LUNAK PERAMALAN MENGGUNAKAN METODE ANN DENGAN MEMANFAATKAN LIBRARY ENCOG JAVA
PEMBUATAN PERANGKAT LUNAK PERAMALAN MENGGUNAKAN METODE ANN DENGAN MEMANFAATKAN LIBRARY ENCOG JAVA Resa Alfarisi, Wiwik Anggraini S.Si, M.Kom 2, Rully Agus Hendrawan S.Kom, M.Eng 3 Jurusan Sistem Informasi,
Lebih terperinciMETODE PENELITIAN. Variabel-variabel yang digunakan dalam penelitian Respon PDB terhadap shock
40 III. METODE PENELITIAN Variabel-variabel yang digunakan dalam penelitian Respon PDB terhadap shock kredit perbankan, pembiayaan pada lembaga keuangan non bank dan nilai emisi saham pada pasar modal
Lebih terperinciBAB III METODE PENELITIN. yaitu ilmu yang valid, ilmu yang dibangun dari empiris, teramati terukur,
BAB III METODE PENELITIN A. Jenis dan Pendektan Penelitian 1. Jenis Penelitian Penelitian ini merupakan penelitian kuantitatif. Penelitian kuantitatif adalah suatu penelitian yang didasari oleh falsafah
Lebih terperinciBAB IV ANALISIS DATA DAN PEMBAHASAN. FDR, Inflasi dan kurs terhadap ROA di Indonesia pada tahun 2013: I 2016: VII.
BAB IV ANALISIS DATA DAN PEMBAHASAN Bab IV ini akan dilakukan pengujian terhadap pengaruh CAR, NPF, FDR, Inflasi dan kurs terhadap ROA di Indonesia pada tahun 2013: I 2016: VII. Sebagaimana telah dijelaskan
Lebih terperinciPREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) Supriyanto 1, Sudjono 2, Desty Rakhmawati 3 ( 1,2. UNSOED Purwokerto, 3. STMIK
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN
BAB V HASIL PENELITIAN DAN PEMBAHASAN Dalam penelitian ini penulis melakukan pengujian mengenai Luas panen, Jumlah Penduduk dan Harga terhadap produksi padi di Kabupaten Gunungkidul periode tahun 1982-2015.
Lebih terperinci