2 efek dari pengaruh kejadian luar (exernal even) pada daa ime series (Wei, 2006). Bila y adalah daa ime series yang mengandung variasi kalender, maka
|
|
- Sudirman Indradjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 . PERAMALAN VOLUME KENDARAAN MASUK DI TOL DUPAK-WARU MENGGUNAKAN MODEL VARIASI KALENDER Yosua D. Charismawan ( ) Pembimbing : Ir. Dwiamono Agus W.,M.Ikom ABSTRAK Tol Surabaya-Gempol merupakan salah sau jalur ransporasi yang sanga vial bagi kehidupan perekonomian di Jawa Timur. Tol Dupak-Waru merupakan bagian dari Tol Surabaya-Gempol yang menggunakan sisem erbuka dalam pelaksanaannya. Dalam prakeknya, volume kendaraan yang masuk ke ol salah sauya pola harian dan hari libur. Hari-hari erenu memiliki dampak pada berkurangnya volume kendaraan yang masuk. Model variasi kalender merupakan salah sau meode unuk memodelkan daa yang mendapa pengaruh dari pola hari libur dalam kalender. Pada peneliian ini digunakan kalender Hijriyah dan Masehi yang berlaku di Indonesia. Model variasi kalender memua efek hari perdagangan dan hari libur. Dengan menggunakan Model Variasi Kalender, secara umum selain pola mingguan, pengaruh hari libur juga signifikan, dianaranya adalah: Tahun Baru Masehi, Tahun Baru Hijriyah, Hari Raya Imlek, Hari Raya Maulid Nabi, Wafa Isa Almasih, Kenaikan Isa Almasih, Hari Raya Waisak, Kemerdekaan RI, Isra Mi raj, Idul Firi, Idul Adha, Naal, Libur Pemilu, dan Cui Bersama. KATA-KATA KUNCI : Model variasi kalender, volume kendaraan,tol Dupak-Waru,efek harian 1 1. PENDAHULUAN Keberadaan jalan ol merupakan fakor penunjang dalam proses perumbuhan dan pemeraaan ekonomi di daerah. Keberadaan jalan ol dalam ekonomi yaiu memberi kemudahan akses disribusi barang dan jasa dapa segera sampai kepada konsumen. Kemacean juga menjadi salah sau masalah ransporasi yang erjadi beberapa ahun erakhir. Peningkaan jumlah kendaraan bermoor yang idak sebanding dengan peningkaan luas jalan merupakan sebab uama kemacean, eruama di koa-koa besar. Pada akhirnya jalan ol menjadi alernaif jalan bagi kendaraan roda 4 unuk menghindari kemacean. Kebuuhan akan mobilias dan kenyamanan berkendara menjadi priorias uama bagi pemilik kendaraan roda 4 dan kendaraan bera. Pada ahun 200 raa-raa volume kendaraan yang masuk di ol Surabaya-Gempol ercaa sebesar kendaraan per hari. Jumlah ini masih lebih sediki jika dibandingkan sebelum adanya perisiwa lumpur Lapindo yaiu sekiar kendaraan per hari (Jasa Marga, 2009). Bahkan sau bulan pasca munculnya lumpur Lapindo, volume kendaraan berkurang sebesar uni dibandingkan bulan-bulan sebelumnya (Widyaningsih, 2008). Daliano (2000) pernah membandingkan model ARIMA dan siklis linier. Dalam peneliian ersebu diperoleh bahwa model ARIMA (0,0,2)(1,0,0) menunjukkan nilai SSE dan MSE yang lebih kecil. Widyaningsih (2008) menggunakan model inervensi unuk memodelkan efek luapan lumpur Sidoarjo erhadap volume ol Waru-Gempol. Liu (1980) juga pernah membua model unuk Taiwan Highway menggunakan model variasi kalender. Diduga, adanya hari-hari libur dalam kalender nasional mempengaruhi flukuasi volume kendaraan yang masuk ol. Oleh karena iu ingin dikeahui model variasi kalender yang sesuai unuk meramalkan daa volume kendaraan masuk di Tol Dupak-Waru. 2. MODEL VARIASI KALENDER Analisis variasi kalender menuru Bell dan Hillmer (1983) erbagi menjadi dua bagian, yaiu variasi perdagangan dan variasi liburan. Di Indonesia kasus yang hampir sama adalah efek lebaran, eruama pada sekor ekonomi. Variasi hari perdagangan disebabkan karena masingmasing bulan memiliki jumlah hari senin, selasa dan seerusnya yang berbeda, sebagai conoh dalam dunia bisnis sebagian besar perusahaan melakukan pembukuan seiap hari senin. Bulan yang memiliki lima hari senin cenderung menunjukkan hasil penjualan yang lebih inggi dibandingkan bulan yang memiliki empa hari senin. Variasi liburan mengacu pada flukuasi kegiaan ekonomi berkaian dengan perganian ahun ajaran baru. Analisis inervensi adalah suau analisis yang sering digunakan unuk mengevaluasi
2 2 efek dari pengaruh kejadian luar (exernal even) pada daa ime series (Wei, 2006). Bila y adalah daa ime series yang mengandung variasi kalender, maka model dapa diulis sebagai beriku: ( β ) y = f, X N dimana θ ( B) N = a d (1- B) j( B) 2 a ~i.i.d N ( 0,σ a ) (12) Model Variasi Kalender dengan memperhiungkan efek variasi liburan ( H i ) dan hari perdagangan ( D i ) bila diasumsikan bahwa variasi liburan meningka linier dan variasi hari perdagangan konsan sepanjang ahun adalah sebagai beriku: f ( α, β, H ) (13) 1, H2, D1,, D = α1 H1 α2 H2 β idi dimana αi adalah koefisien variabel dummy unuk efek variasi liburan. Sedangkan βi adalah koefisien variabel dummy unuk hari perdagangan. 3. METODOLOGI Daa yang digunakan dalam peneliian ini adalah daa sekunder volume kendaraan masuk per hari ke iap Gerbang Tol Dupak Waru periode Januari 200- Mare Daa dalam peneliian ini dibagi menjadi dua yaiu. daa insample : Januari Desember 2008 daa ousample : Januari Mare 2009 Secara garis besar, ada 5 lokasi gerbang yang ada di sepanjang Tol Dupak-Waru. Gerbang Dupak memiliki 3 gerbang ol. Gerbang Gunung Sari dan Gerbang Waru memiliki masing-masing 2 gerbang ol, sedangkan Gerbang Banyu Urip dan Koa Saeli masing-masing memiliki sebuah gerbang ol baik unuk menuju uara maupun selaan. Efek hari yang diamai dalam peneliian ini adalah hari perdagangan dan hari libur. Hari perdagangan adalah hari-hari yang ada dalam sau minggu yaiu Senin, Selasa, Rabu, Kamis, Juma, Sabu, dan Minggu. Efek hari libur yang diamai dalam peneliian ini adalah efek dari sebelum, sesudah dan pada hari libur yang dimaksud. Harihari libur dalam kalender yang berlaku di Indonesia melipui: Tahun Baru Masehi (X1-X5), Tahun Baru Hijriyah (X6-X8), Tahun Baru Cina (Imlek) (X9-X11), Hari Raya Nyepi (X12-X14), i= 1 Maulid Nabi Muhamad SAW (X15-X1), Wafa Isa Almasih (X18-X20), Kenaikan Isa Almasih (X21-X23), Hari Raya Waisak (X24-X26), Kemerdekaan RI (X2-X29), Isra Mi raj (X30- X32), Idul Firi (X33-X43), Idul Adha (X44-X46), Hari Naal (X4-X49), sera hari libur lainnya seperi Libur Pemilu (X50), dan Cui bersama (X51). Tahapan analisis dalam peneliian ini adalah sebagai beriku. 1. Idenifikasi model Idenifikasi model dilakukan dengan meliha ime series plo, dari ime series plo dapa dikeahui pola dari daa. Seelah pola daa dikeahui kemudian dilakukan pemodelan daa. Langkah yang dilakukan dalam memperoleh model variasi kalender adalah sebagai beriku: - Memasukkan dummy libur sebagai variabel regresi unuk mengkonsruksi pola daa. - Meliha ACF dan PACF plo dari residual, jika ada lag keluar maka residual belum whie noise sehingga dapa dicari orde unuk model ARIMA. Jika residual sudah whie noise maka idak dilanjukan ke pemodelan ARIMA. - Pemodelan akhir dengan menggunakan SAS, unuk mendapakan parameer model variasi kalender. 2. Penaksiran dan penguji parameer Seelah menenukan model, maka dilakukan penaksiran parameer, sehingga naninya akan didapakan hasil yang akura. Parameer yang diperoleh akan diuji erlebih dahulu. Bila semua parameer elah signifikan, maka dapa dilakukan ahap selanjunya. 3. Pengujian asumsi residual dari error Pengujian erhadap residual dari error dilakukan seelah diemukan model yang semua parameernya signifikan. Pengujian residual erbagi menjadi 2 bagian yaiu uji whie noise dan kenormalan. Asumsi whie noise mewakili asumsi idenik dan independen. Jika asumsi kenormalan idak erpenuhi maka dilakukan deeksi oulier unuk mengeahui daa-daa yang mengakibakan gagalnya asumsi normal. 4. Pemilihan model erbaik Seelah asumsi erpenuhi dilanjukan dengan pemilihan model erbaik. Pemilihan model erbaik dilakukan dengan menggunakan krieria AIC dan SBC dengan memilih model yang memiliki nilai AIC dan SBC yang erkecil pada daa insample sehingga dapa dikeahui ingka kesalahan peramalan jika menggunakan model ersebu. Dalam peneliian ini daa insample adalah daa
3 perama sampai daa ke-31 dan daa ousample adalah daa ke-32 sampai daa ke- dengan 821. Kemudian dilakukan peramalan daa ousample, seelah iu membandingkan keepaan peramalan dengan krieria MAPE dan RMSE. Pemilihan model erbaik lebih didengan krieria ekankan pada daa ousample RMSE. 5. Peramalan Seelah memilih model dan didapakan nilai RMSE yang erkecil, langkah erakhir adalah meramalkan volume kendaraan masuk unuk periode April-Desember MODEL VARIASI KALENDER VOLUME KENDARAAN DI TOL DUPAK-WARU Peramalan volume penjualan melipui 5 lokasi gerbang ol yang ada. Hanya akan dipilih sau dari masing-masing lokasi gerbang ol. 4.1 Volume Kendaraan Dupak 1 Volume kendaraan secara umum idak ada anda-anda adanya ren. Ada iga pola umum yang erjadi yaiu sebagian besar berkumpul pada pola garis aas, kemudian sebagian di garis engah, dan sebagian lagi pada garis bawah, sisanya relaif menyebar dianaranya. Diduga, karakerisik hari mempengaruhi besarnya volume kendaraan. 3 ARMA(2,1) memiliki nilai AIC, SBC dan RMSE lebih kecil dibandingkan ARMA(1,[1,3]). Oleh karena iu dapa disimpulkan bahwa ARMA(2,1) adalah model erbaik. Beriku ini adalah model akhir yang mengandung dummy oulier unuk memenuhi asumsi normalias. Z = X X X X X X 108.3X X X X 80. X X X X X X X X X X X X X X X X X X X X X Senin Selasa Rabu Kamis Juma Sabu 69.3Minggu I I (28) (36) (208) (209) I I I I (20) (286) I 304.3I 2 (646) (26) I I I (283) ( B) a 2 (1 0.36B B ) I I I (644) (610) (256) I (223) (643) (69) I I (445) (284) Gambar 1 Volume Kendaraann Masuk di Gerbang Tol Dupak 1 Gambar 2 Plo ACF dan PACF Gerbang Tol Dupak 1 Pengujian parameer model variasi kalender sanga diperlukan dalam rangka membenuk model erbaik. Esimasi dan uji signifikansi dalam SAS dilakukan secara bersama-sama. Sebanyak 33 variabel hari libur elah sig nifikan pada α=0,05. Gambar 3 Plo Ousample Volume Kendaraan dan Prediksi di Gerbang Tol Dupak 1 Pada Gambar 3 erliha bahwa hasil prediksi sebagian besar mendekai daa aslinya. Hanya beberapa saja yang mendapakan hasil me- awal Januari 2009 nyimpang, yaiu pada sekiar dan akhir Mare Volume Kendaraan Banyu Urip Tidak banyak lonjakann eksrim yang erjadi. Namun pada awal ahun 2009 erliha penurunan yang signifikan selama beberapa waku. Penurunan volume yang paling mencolok adalah pada sekiar bulan Sepember pada 200 dan Diper- adalah efek dari Hari kirakan penurunan ersebu Raya Idul Firi.
4 4 Gambar 4 Volume Kendaraann Masuk di Gerbang Tol Banyu Urip Parameer model variasi kalender yang di- Namun se- cobakan semula berjumlah 59 variabel. elah dilakukan permodelan didapakan hanya 40 variabel saja yang signifikan. Gambar 6 Plo Ousample Volume Kendaraan dan Prediksi di Gerbang Tol Banyu Urip Pada hasil prediksi ousample pada Gambar 4, erliha bahwa pada periode perengahan Februari hingga akhir Mare erjadi prediksi yang jauh dari daa asli. Hal ini erjadi karena pada waku ersebu erjadi perubahan pola yang idak erdeeksi oleh model dugaan. 4.3 Volume Kendaraan Koa Saeli Raa-raa volume kendaraan volume kendaraan yang masuk di Gerbang Tol Koa Saeli eringgi pada hari Juma. Volume eringgi yang pernah erjadi adalah sebesar uni kendaraan dalam sehari, sedangkan iik erendah sebesar 985 uni berada pada hari Minggu. Gambar 5 Plo ACF dan PACF Gerbang Tol Banyu Urip Model erbaik berdasarkan krieria insample dan ousample menggunakan krieria AIC, SBC, RMSE dan MAPE jauh pada model AR([1,]). Z = X X X X X X X X X X X X X X X X X X X X X X X X -1931X X -1322X X X X X X X Senin Selasa Rabu 405.1Kamis 411.6Juma Sabu Minggu I 181.9I (28) (644) (36) (284) (641) (256) 110.2I I I - (54) (80) (26) I I I I I 53.3I (400) (22) (643) I I I (648) (20) a (1-0.43B B ) Gambar Volume Kendaraan Masuk di Gerbang Tol Koa Saeli Gambar 8 Plo ACF dan PACF Gerbang Tol Koa Saeli Dari 59 variabel yang dicobakan hanya 44 variabel yang erbuki signifikan pada α=0,05. ARMA(1,[]) memiliki nilai AIC dan RMSE lebih
5 kecil, sedangkan AR(1) unggul padaa nilai SBC dan MAPE. Namun karena peneliian lebih diuamakan pada krieria RMSE maka dipilih ARMA(1,[]) unuk proses peramalan. Beriku inii adalah model akhir yang elah menyerakan oulier. Z = X X 943.2X X X X X X X X - 24 X X X X X 993.3X X X X X X X X X X X X X X X X X X Senin 152.3Selasa Rabu Kamis Juma Sabu (28) Minggu I I I I (54) (290) (26) (230) (641) (402) I I I - (610) (361) (139) I I I -1 (638) (283) (3) I I I I (611) (648) (681) (594) - 9.3I - 991I I I (223) I 82.I I I (228) (501) (45) 82.6I (353) (364) (182) 928.3I 903.6I 913.1I (95) (445) (362) 865.3I I I I (616) ( B ) a ( B) 8 Hasil yang hampir sama dengann Gerbang Tol Banyu Urip erjadi pada prediksii ousample di Gerbang Tol Koa Saeli (Gambar 9). Diper- di kedua kirakan ada hubungan anara kejadian lokasi ersebu. Gambar 9 Plo Ousample Volume Kendaraan dan Prediksi di Gerbang Tol Koa Saeli 4.4 Volume Kendaraan Gunung Sari Tidak ada kecenderungan adanya ren, aau dengan kaa lain volume kendaraan yang masuk melewai Gerbang Tol Gunung Sari 2 relaif eap. Hanya ada beberapa lonjakan yang erliha mencolok, yaiu pada awal ahun 200, lainnya berkumpul dalam iga pola uama yaiu pada kisaran 5100, 4500, dan X I (36) I 125I (256) (53) 1651.I 4. (153) (20) (59) (2) I Gambar 10 Volume Kendaraan Masuk di Gerbang Tol Gunung Sari 2 Gambar 11 Plo ACF dan PACF Gerbang Tol Gunung Sari 2 AR([1,6],[30]) memilikii nilai SBC, RMSE dan MAPE lebih kecil dibandingkan ARMA ([1,6],[30,3]). Oleh karena iu dapa disimpulkan bahwa AR([1,6],[30,3]) adalah model erbaik. Seelah dilakukan deeksi oulier, didapakan model sebagai beriku: Z = X X 261. X X X X X X X X X X X X X X X X -31. X X X X X X X X X X Senin Selasa Rabu Kamis Juma Sabu (53) (28) Minggu I I I (296) (36) (23) I I I I I I (26) (24) (641) (20) I I - 4 (314) (444) I I X X I I (644) (610) (54) (256) I I I (358) (445) (238) 5 3 ( B ) a 6 ( B B )
6 6 Gambar 12 Plo Ousample Volume Kendaraan dan Prediksi di Gerbang Tol Gunung Sari 2 Hasil prediksi ousample padaa Gerbang Tol Gunung Sari 2 sudah cukup bagus, karena hampir semua prediksi mendekai daa aslinya, walaupun ada beberapa prediksi yang masih jauh. 4.5 Volume Kendaraan Waru Adanya kecenderungan ren. Ini berari bahwa volume kendaraan masuk di Gerbang Tol Waru I mengalami peningkaan dari waku ke waku. Terliha adanya beberapa lonjakan volume kendaraan dan beberapa penurunan juga. Penurunan yang paling erliha adalah pada saa bulan Sepember dan Januari. Diperkirakan ini adalah efek dari Hari Raya Idul Firi dan Tahun Baru Masehi. Model erbaik berdasarkan krieria insample dan ousample menggunakan krieria AIC, SBC, RMSE dan MAPE jauh pada model perama yaiu ARIMA(1,1,1) Z = -6121X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X Senin Selasa 208.Rabu 1991Kamis Juma Sabu Minggu I I (28) (644) (0) (610) I I I - (358) (636) I I - 23 (404) (286) I I - 2 (122) (355) I 2116.I I I (153) (294) (449) (565) I I I I (596) (643) (595) (402) I I -1 (502) (11) (50) (504) 1308.I I I I (12) (146) -1230I I -109 (401) (682) I I - 916I I I (292) (48) (616) I I I ( B) a (1- B)(1-0.39B) Beriku ini adalah plo ousample dan prediksi volume kendaraan masuk di Gerbang Tol Waru I (Gambar 10). Gambar ersebu memperlihakan bahwa hasil prediksi sudah cukup bagus, karena hampir semua prediksi mendekai daa asli I I (36) (26) (53) (256) (445) (284) I I I I I I (102) (20) 330I 4964I (66) (223) 295.3I I (30) (230) I 839.1I (2) (140) 99.8I I (609) (651) 5.1I 1219.I (190) (51) (630) (26) Gambar 13 Volume Kendaraan Masuk di Gerbang Tol Waru I Gambar 10 Plo Ousample Volume Kendaraan dan Prediksi di Gerbang Tol Waru I Gambar 14 Plo ACF dan PACF Gerbang Tol Waru I seelah differencing 5. PERAMALAN VOLUME KENDARAAN DI GERBANG TOL DUPAK-WARU Dengan menggunakan model erbaik yang erpilih, maka dapa dilakukan peramalan volume kendaraan masuk di Tol Dupak-Waru. Beriku ini hasil peramalan unuk iap gerbang di Tol Dupak- Waru.
7 Dupak 1: Gunung Sari 2: Angka erendah pada hasil peramalan erjadi pada hari-hari di sekiar libur lebaran pada akhir Sepember Selain iu hasil peramalan unuk hari efekif kerja berkisar padaa 1000 uni, sedangkan hari Minggu pada kisaran 000 uni. Banyu Urip: Waru I: Volume kendaraan erendah erjadi pada hari- Hasil hari libur Lebaran pada akhir Sepember. ramalan unuk hari Minggu beradaa pada kisaran 2000 uni, sedangkan pada hari kerja sebesar 4000 uni. Koa Saeli: Hasil peramalan erendah juga jauh pada hariberbeda dengan hari sekiar Idul Firi. Hasil yang Dupak 1 dan Banyu Urip, menunjukkan perbedaan karakerisik pola pemakaian jalan ol di daerah ini yang cenderung meningka. 6. KESIMPULAN DAN SARAN Secara umum selain pola harian, pengaruh hari libur juga signifikan, dianaranya adalah: Tahun Baru Masehi, Tahun Baru Hijriyah, Hari Raya Imlek, Hari Raya Maulid Nabi, Wafa Isa Almasih, Kenaikan Isa Almasih, Hari Raya Waisak, Ke- Idul Firi, Idul Adha, merdekaan RI, Isra Mi raj, Naal, Libur Pemilu, dan Cui Bersama. Masing- efek yang sama di masing hari libur memberikan seiap gerbang ol, yaiu penurunan volume kendaraan dengan koefisien yang bervariasi. Saran yang dapa diberikan dari hasil peneliian ini adalah peneliian ini masih belum mampu menangkap adanya pengaruh-pengaruh di luar variabel yang ada karena informasi yang sanga erbaas. Diharapkan ada peneliian serupa yang menggunakan informasi lebih lengkap unuk me- unuk pengamaan- nangkap pola daa, eruama pengamaan yang dianggap sebagai oulier, aau penerapan model lain yang mampu memberikan hasil yang lebih baik. DAFTAR PUSTAKA Bell, W.R., Hilmer, S. C Modelling Time Series wih Calendar Variaion. Journal of The American Saisical Associaion, 8, Daliano, L. G Penenuan Model Terbaik anara Model Peramalan Siklis Linier dengan ARIMA unuk Jumlah Kendaraan di Gerbang Tol Surabaya-Gempol. Tugas
8 8 Akhir D3 Saisika ITS Surabaya (idak dipublikasikan). Jasa Marga Jalan Tol Surabaya-Gempol. PT Jasa Marga (Persero) Tbk. Cabang Surabaya-Gempol Sepuar Jalan Tol. PT. Jasa Marga (Persero) Tbk Traffic Volume. hp:// Liu, Lon-Mu Analysis of Time Series wih Calendar Effecs. Managemen Science, 26, Time Series Analysis and Forecasing. Scienific Compuing Associaes Corp. Pranasari, Melai A Model Variasi Kalender Unuk Meramalkan Volume Penjualan Konveksi dan Non Konveksi (Sudi Kasus: di Amigo Dinasi dan Amigo Klaen). Tugas Akhir S1 Saisika ITS Surabaya (idak dipubli-kasikan). Suharono Calendar Variaion Model for Forecasing Time Series Daa wih Islamic Calendar Effec. Jurnal Maemaika, Sains, & Teknologi,, Wei, W. S Time Series Analysis: Univariae and Mulivariae Mehods. Canada: Addison Wesley Publishing Company, Inc. Widyaningsih, Reno Model Inervensi Unuk Evaluasi Dampak Bencana Lumpur Lapindo Terhadap Volume Kendaraan di Jalan Tol. Tugas Akhir S1 Saisika ITS Surabaya (idak dipublikasikan).
Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk
Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk Oleh : Dwi Hapsari K (1306 100 015) Dosen Pembimbing : Dra. Karika Firiasari, M.Si 1 Pendahuluan Laar Belakang, Perumusan Masalah, Tujuan
Lebih terperinciKAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN
JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina
Lebih terperinciANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER. Muflih Rori Putra Harahap
ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER Muflih Rori Pura Harahap 30 00 052 Pembimbing : Dr. Drs. Agus Suharsono, M.S. LATAR BELAKANG PENDAHULUAN
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan
Lebih terperinciPemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline ABSTRAK
Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Meode Inervensi dan Regresi Spline Rina Andriani, Dr. Suharono, M.Sc 2 Mahasiswa Jurusan Saisika FMIPA-ITS, 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih terperinciPEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 9 PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL Y.P.Y. Asmara,
Lebih terperinciBAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan
BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang
BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang
Lebih terperinciBAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu
BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,
Lebih terperinciBAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena
Lebih terperinciPeramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis
JURNAL SAINS DAN NI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Prin) D-224 Peramalan Penjualan Sepeda Moor di Jawa Timur dengan Menggunakan Model Dinamis Desy Musika dan Seiawan Jurusan Saisika,
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan
Lebih terperinciPemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network
D-378 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (26) 2337-3520 (23-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi pada Plaform MK di PT X Menggunakan Meode ARIMA, Neural Nework, dan Hibrida ARIMA-Neural
Lebih terperinciANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 009 XV-1 ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Muhammad Sjahid Akbar, Jerry Dwi Trijoyo
Lebih terperinciPemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun
Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro
Lebih terperinciAbstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.
1 Peramalan Volume Produksi Air Bersih di PDAM Kabupaen Bojonegoro berdasarkan Jumlah Pelanggan dan Volume Konsumsi Air Fasha Aulia Pradhani dan Adaul Mukarromah Jurusan Saisika, FMIPA, ITS Jl. Arief Rahman
Lebih terperinciBAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF
BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun
43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C
Lebih terperinciPERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT
Saisika, Vol. 2, No. 2, November 24 PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT Sri Wahyuni, 2 Farikhin, Iswahyudi Joko Suprayino Program Sudi Saisika
Lebih terperinciBAB 2 LANDASAN TEORI
35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),
Lebih terperinciBAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan
BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 LANDASAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi
Lebih terperinci*Corresponding Author:
Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan
BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi
Lebih terperinciPenentuan Pelebaran Window Time Optimal Pada Data Deret Waktu
1 Penenuan Pelebaran Window Time Opimal Pada Daa Dere Waku (1) Nursya`bani Hendro Prabowo dan (2) Raden Mohamad Aok Deparemen Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam, Insiu Teknologi Sepuluh
Lebih terperinciPerbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X
JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa
Lebih terperinciANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA
ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA Oleh : Liviani Nursia 307030040 Dosen Pembimbing: Dr. Brodjol Suijo S.U, MSi Laar Belakang
Lebih terperinciPeramalan Inflasi Nasional Berdasarkan Faktor Ekonomi Makro Menggunakan Pendekatan Time Series Klasik dan ANFIS
JURNAL SAINS DAN SENI IS Vol. 4, No., () 2337-3 (2-928X Prin) D-67 Peramalan Inflasi Nasional Berdasarkan Fakor Ekonomi Makro Menggunakan Pendekaan ime Series Klasik dan ANFIS Clara Agusin Sephani, Agus
Lebih terperinciBAB 2 TINJAUAN TEORI
7 BAB 2 TINJAUAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciPROSEDUR PEMBENTUKAN MODEL VARIASI KALENDER BERDASARKAN MODEL ARIMAX UNTUK PERAMALAN DATA DENGAN EFEK VARIASI KALENDER
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, November PROSEDUR PEMBENTUKAN MODEL VARIASI KALENDER BERDASARKAN MODEL ARIMAX UNTUK PERAMALAN DATA DENGAN EFEK VARIASI KALENDER Suharono dan
Lebih terperinciModel ARIMAX Dan Deteksi GARCH Untuk Peramalan Inflasi Kota Denpasar Tahun 2014
JEKT Model ARIMAX Dan Deeksi GARCH Unuk Peramalan Inflasi Koa Denpasar Tahun 2014 Rukini *) Badan Pusa Saisik Provinsi Bali ABSTRAK pemerinah dalam mengambil kebijakan unuk menjaga sabilias moneer di masa
Lebih terperinciBAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun
BAB III ARFIMA-FIGARCH 3. Time Series Memori Jangka Panjang Proses ARMA sering dinyaakan sebagai proses memori jangka pendek (shor memory) karena fungsi auokorelasi anara dan urun cepa secara eksponensial
Lebih terperinciBAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan
BAB I PENDAHULUAN 1.1 Laar Belakang Dalam perencanaan pembangunan, daa kependudukan memegang peran yang pening. Makin lengkap dan akura daa kependudukan yang esedia makin mudah dan epa rencana pembangunan
Lebih terperinciBAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai
BAB 1 PENDAHULUAN 1.1 Laar Belakang Propinsi Sumaera Uara merupakan salah sau propinsi yang mempunyai perkembangan yang pesa di bidang ransporasi, khususnya perkembangan kendaraan bermoor. Hal ini dapa
Lebih terperinciAnalisis Peramalan Jumlah Permintaan Kerudung di Industri Kecil Kerudung Arin di Surabaya dengan Metode Variasi Kalender
Analisis Peramalan Jumlah Perminaan Kerudung di Indusri Kecil Kerudung Arin di Surabaya dengan Meode Variasi Kalender Disusun oleh : Sely Enggar Rusiano 307 030 030 Dosen Pembimbing : Dr. Irhamah, M.Si
Lebih terperinciPeramalan Pengguna Kapal Ferry Ujung-Kamal dengan Metode Intervensi
D-480 JURNAL SAINS DAN SENI IS Vol. No. 2 (6) 2337-3 (2-928X Prin) Peramalan Pengguna Kapal Ferry Ujung-Kamal dengan Meode Inervensi Eka Apriliani, dan Irhamah Jurusan Saisika, Fakulas MIPA, Insiu eknologi
Lebih terperinciJurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK
PERBANDINGAN METODE DES (DOUBLE EXPONENTIAL SMOOTHING) DENGAN TES (TRIPLE EXPONENTIAL SMOOTHING) PADA PERAMALAN PENJUALAN ROKOK (STUDI KASUS TOKO UTAMA LUMAJANG) 1 Fajar Riska Perdana (1110651142) 2 Daryano,
Lebih terperinciPERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR
TUGAS AKHIR SS 145561 PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR SARIRAZTY DWIJANTARI NRP 1314 030 010 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si., M.Si DEPARTEMEN
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju perumbuhan
Lebih terperinciPERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,1,1)(0,1,1) 12 TUGAS AKHIR.
PERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,,)(0,,) 2 TUGAS AKHIR Diajukan Sebagai Salah Sau Syara unuk Memperoleh Gelar Sarjana Sains
Lebih terperinciIDENTIFIKASI POLA DATA TIME SERIES
IDENTIFIKASI POLA DATA TIME SERIES Daa merupakan bagian pening dalam peramalan. Beriku adalah empa krieria yang dapa digunakan sebagai acuan agar daa dapa digunakan dalam peramalan.. Daa harus dapa dipercaya
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan
Lebih terperinciPEMODELAN PRODUKSI SEKTOR PERTANIAN
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 2009 PEMODELAN PRODUKSI SEKTOR PERTANIAN Brodjol Suijo Jurusan Saisika ITS Surabaya ABSTRAK Pada umumnya daa ekonomi bersifa ime
Lebih terperinciPERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS
PERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS Joko Ariyadi (308 030 060) Pembimbing : Drs. Brodjol Suijo Suprih Ulama, M.Si Laar Belakang 2 Laar
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiaan memperkirakan apa yang akan erjadi pada masa yang akan daang. Ramalan adalah sesuau kegiaan siuasi aau kondisi yang diperkirakan akan erjadi
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN
PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan
Lebih terperinciPeramalan Inflasi Menggunakan Model Fungsi Transfer Multi Input. Forcasting Inflation Using Multiple Input Transfer Function Model
Peramalan Inflasi Menggunakan Model Fungsi Transfer Muli Inpu Forcasing Inflaion Using Muliple Inpu Transfer Funcion Model Novi Adisia, Sri Wahyuningsih, dan Rio Goeanoro 3 Laboraorium Saisika Terapan
Lebih terperinciPeramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun
JURNAL AIN DAN ENI IT Vol. 1, No. 1, (ep. 2012 IN: 2301-928X D-230 Peramalan Kebuuhan Premium dengan Meode ARIMAX unuk Opimasi Persediaan di Wilayah TM Madiun Nindia ekar Dini, Haryono, dan uharono Jurusan
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian yang dilakukan mengenai analisis perencanaan pengadaan una berdasarkan ramalan ime series volume ekspor una loin beku di PT Tridaya Eramina
Lebih terperinciAPLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND
APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND Noeryani 1, Ely Okafiani 2, Fera Andriyani 3 1,2,3) Jurusan maemaika, Fakulas Sains Terapan, Insiu Sains & Teknologi
Lebih terperinciAnalisis Model dan Contoh Numerik
Bab V Analisis Model dan Conoh Numerik Bab V ini membahas analisis model dan conoh numerik. Sub bab V.1 menyajikan analisis model yang erdiri dari analisis model kerusakan produk dan model ongkos garansi.
Lebih terperinciSekilas Pandang. Modul 1 PENDAHULUAN
Modul 1 Sekilas Pandang Drs. Irlan Soelaeman, M.Ed. S PENDAHULUAN uau hari, saya dan keluarga berencana membawa mobil pergi ke Surabaya unuk mengunjungi salah seorang saudara. Sau hari sebelum keberangkaan,
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*
PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor
Lebih terperinciMAKALAH TUGAS AKHIR IDENTIFIKASI MODEL ARIMA BOX-JENKINS
1. Pendahuluan MAKALAH TUGAS AKHIR IDENTIFIKASI MODEL ARIMA BOX-JENKINS CAMPURAN DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA Oleh : Febriana Dwi P. (1306 100 011) Dosen Pembimbing I : Dr. Irhamah, S.Si,
Lebih terperinciPERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN (STUDI KASUS KOTA SALATIGA, BULAN JANUARI 2014 JULI 2016)
Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: 978-602-622-20-9 hal 935-950 November 206 hp://jurnal.fkip.uns.ac.id PERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN
Lebih terperinciPREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED
PREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED Wahyuda 1, Budi Sanosa 2, Nani Kurniai 3 1 Teknik Indusri Universias Mulawarman-Samarinda
Lebih terperinciKata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting.
METODE INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) UNTUK MEMODELKAN HARGA GABAH DUNIA (INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY TO CAPTURE
Lebih terperinciBAB 1 PENDAHULUAN. tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami
11 BAB 1 PENDAHULUAN 1.1. Laar Belakang Keahanan pangan (food securiy) di negara kia ampaknya cukup rapuh. Sejak awal ahun 1990-an, jumlah produksi pangan eruama beras, cenderung mengalami penurunan sehingga
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju
Lebih terperinciOleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes
PERAMALAN INDEKS HARGA SAHAM YANG DIPENGARUHI KURS, PERUBAHAN INFLASI, POSISI JUMLAH DEPOSITO BERJANGKA, SUKU BUNGA SBI DAN DEPOSITO MENGGUNAKAN FUNGSI TRANSFER DAN ARCH-GARCH Oleh: TANTI MEGASARI 6 00
Lebih terperinciDAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Studi Aplikasi Model Intervensi dengan Step Function)
DAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Sudi Aplikasi Model Inervensi dengan Sep Funcion) S-3 Kismianini dan Dhoriva Urwaul Wusqa Jurusan Pendidikan Maemaika
Lebih terperinciANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional.
JURNAL ILMIAH RANGGAGADING Volume 7 No. 1, April 7 : 3-9 ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Sudi kasus pada CV Cia Nasional. Oleh Emmy Supariyani* dan M. Adi Nugroho *Dosen
Lebih terperinci(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF
Seminar Nasional Saisika 12 November 2011 Vol 2, November 2011 (T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Gumgum Darmawan, Sri Mulyani S Saf Pengajar Jurusan Saisika FMIPA UNPAD
Lebih terperinci1999 sampai bulan September Data ini diperoleh dari yahoo!finance.
7 999 sampai bulan Sepember 8. Daa ini diperoleh dari yahoo!finance. Meode Langkah-langkah pemodelan nilai harian IHSG secara garis besar dapa diliha pada Lampiran dengan penjelasan sebagai beriku:. Melakukan
Lebih terperinciBAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat
BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber
Lebih terperinciProsiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PERAMALAN VOLUME PENGGUNAAN AIR BERSIH DENGAN METODE WINTERS EPONENTIAL SMOOTHING UNTUK MENENTUKAN VOLUME
Lebih terperinciPeramalan Outflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Autoregressive (GSTAR)
JURNA SAINS DAN SENI ITS Vol. 5 No. (16) 7-5 (1-98X Prin) D-59 Peramalan Ouflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Auoregressive (GSTAR) Rahmah Safiri, Seiawan, dan Imam Safawi
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu
BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang
Lebih terperinciPeramalan Kebutuhan Bahan Bakar Premium di Depot Ampenan dengan Metode Hibrida Arima- Neural Network untuk Optimasi Persediaan
JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 202) ISSN: 230-928X D-94 Peramalan Kebuuhan Bahan Bakar Premium di Depo Ampenan dengan Meode Hibrida Arima- Neural Nework unuk Opimasi Persediaan Okivianis Kusumaningrum,
Lebih terperinciMODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR
MODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR S - 27 Rukini, Suharono2 2,2 Jurusan Saisika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciPemodelan Produksi Minyak dan Gas Bumi di PT. Z Menggunakan Metode ARIMA, FFNN, dan Hybrid ARIMA-FFNN
D-444 JURNAL SANS DAN SEN TS Vol. 5 No. 2 (206) 27-520 (20-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi di PT. Z Menggunakan Meode ARMA, FFNN, dan Hybrid ARMA-FFNN Daniar Kusumaning Ayu, Desri Susilaningrum
Lebih terperinciPerancangan Sistem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Metode Triple Exponential Smoothing
Jurnal Ilmiah Teknologi dan Informaika ASIA (JITIKA) Vol.10, No.2, Agusus 2016 ISSN: 0852-730X Perancangan Sisem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Meode Triple Exponenial Smoohing Tria
Lebih terperinciPemodelan Volatilitas Saham Menggunakan Jaringan Syaraf Tiruan dan Algoritma Genetika
Pemodelan Volailias Saham Menggunakan Jaringan Syaraf Tiruan dan Algorima Geneika Hasbi Yasin 1 1 Jurusan Saisika Undip, hasbiyasin@undip.ac.id Absrak. Flukuasi yang besar dan idak pasi dalam peramalan
Lebih terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH
BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Tahapan Pemecahan Masalah Tahapan pemecahan masalah berfungsi unuk memudahkan dalam mencari jawaban dalam proses peneliian yang dilakukan agar sesuai dengan arah
Lebih terperinciPERAMALAN JUMLAH KEBERANGKATAN PENUMPANG PELAYARAN DALAM NEGERI DARI PELABUHAN TANJUNG PERAK MENGGUNAKAN ARIMA-BOX JENKINS
TUGAS AKHIR SS 4556 PERAMALAN JUMLAH KEBERANGKATAN PENUMPANG PELAYARAN DALAM NEGERI DARI PELABUHAN TANJUNG PERAK MENGGUNAKAN ARIMA-BOX JENKINS Nina Fannani NRP 34 030 02 Dosen Pembimbing Dr. Wahyu Wibowo,
Lebih terperinciPEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA
PEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA Fadil Rahman Hakim, Dr. Ir. Achmad Mauludiyano, MT. Program Sudi Telekomunikasi Mulimedia Jurusan Teknik Elekro Fakulas Teknologi Indusri
Lebih terperinciBAB 4 METODOLOGI PENELITIAN
BAB 4 METODOLOGI PENELITIAN 4.1. Model Rumusan Masalah dan Pengambilan Kepuusan Model rumusan masalah dan pengambilan kepuusan yang digunakan dalam menyelesaikan skripsi ini dimulai dari observasi lapangan
Lebih terperinciPeramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun
Peramalan Kebuuhan Premium dengan Meode ARIMAX unuk Opimasi Persediaan di Wilayah TBBM Madiun Oleh: Nindia Sekar Dini 1308100088 Pembimbing: Drs. Haryono, MSIE Dr. Suharono 1 Ouline Pendahuluan Tinjauan
Lebih terperinciDAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII
Bulein Ilmiah Mah. Sa. dan Terapannya (Bimaser) Volume 6, No. 3 (27), hal 83 2. MODEL SPACE-TIME DAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII Ella Kurniawai, Naomi Nessyana
Lebih terperinciPeramalan Beban Listrik di Jawa Timur Menggunakan Metode ARIMA dan Adaptive Neuro Fuzzy Inference System (ANFIS)
JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) -50 (0-9X Prin) D-9 Peramalan Beban Lisrik di Jawa Timur Menggunakan Meode ARIMA dan Adapive Neuro Fuzzy Inference Sysem () Indana La Zulfa dan Suharono Jurusan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Defenisi Persediaan Persediaan adalah barang yang disimpan unuk pemakaian lebih lanju aau dijual. Persediaan dapa berupa bahan baku, barang seengah jadi aau barang jadi maupun
Lebih terperinciPENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC TMP C CILACAP
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC
Lebih terperinciBAB II TINJAUAN PUSTAKA. mempunyai efek menekan atau menghentikan suatu proses biokimia di dalam
BAB II TINJAUAN PUSTAKA 2.1 Anibioik 2.1.1 Defenisi Anibioik adalah segolongan senyawa, baik alami maupun sineik, yang mempunyai efek menekan aau menghenikan suau proses biokimia di dalam organisme, khususnya
Lebih terperinciPERAMALAN YIELD DAN HARGA OBLIGASI PEMERINTAH DENGAN PENDEKATAN ARIMA DAN BACKPROPAGATION-ANN
PERAMALAN YIELD DAN HARGA OBLIGASI PEMERINTAH DENGAN PENDEKATAN ARIMA DAN BACKPROPAGATION-ANN Yuli Wahyuningsih (), Brodjol Suijo S. U (), Suharono () Mahasiswa Jurusan Saisika, FMIPA, Insiu Teknologi
Lebih terperinciPrediksi Penjualan Sepeda Motor Honda di Kabupaten dan Kotamadya Malang dengan Metode Peramalan Hierarki. Oleh : Rika Susanti
Prediksi Penjualan Sepeda Moor Honda di Kabupaen dan Koamadya Malang dengan Meode Peramalan Hierarki Oleh : Rika Susani 1310100066 Dosen Pembimbing Co. Pembimbing : Dra. Desri Susilaningrum, M.Si. : Dr.
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis Peneliian Jenis peneliian kuaniaif ini dengan pendekaan eksperimen, yaiu peneliian yang dilakukan dengan mengadakan manipulasi erhadap objek peneliian sera adanya konrol.
Lebih terperinciBab 2 Landasan Teori
Bab 2 Landasan Teori 2.1 Keseimbangan Lini 2.1.1 Definisi Keseimbangan Lini Penjadwalan dari pekerjaan lini produksi yang menyeimbangkan kerja yang dilakukan pada seiap sasiun kerja. Keseimbangan lini
Lebih terperinciAplikasi Metode Seismik 4D untuk Memantau Injeksi Air pada Lapangan Minyak Erfolg
Aplikasi Meode Seismik 4D unuk Memanau Injeksi Air pada Lapangan Minyak Erfolg Prillia Aufa Adriani, Gusriyansyah Mishar, Supriyano Absrak Lapangan minyak Erfolg elah dieksploiasi sejak ahun 1990 dan sekarang
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa
BAB 2 TINJAUAN TEORITI 2.1. Pengerian-pengerian Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. edangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciBAB 1 PENDAHULUAN. Dalam pelaksanaan pembangunan saat ini, ilmu statistik memegang peranan penting
BAB 1 PENDAHULUAN 1.1. Laar Belakang Dalam pelaksanaan pembangunan saa ini, ilmu saisik memegang peranan pening baik iu di dalam pekerjaan maupun pada kehidupan sehari-hari. Ilmu saisik sekarang elah melaju
Lebih terperinciSUPLEMEN 3 Resume Hasil Penelitian: Analisis Respon Suku Bunga dan Kredit Bank di Sumatera Selatan terhadap Kebijakan Moneter Bank Indonesia
SUPLEMEN 3 Resume Hasil Peneliian: Analisis Respon Suku Bunga dan Kredi Bank di Sumaera Selaan erhadap Kebijakan Moneer Bank Indonesia Salah sau program kerja Bank Indonesia Palembang dalam ahun 2007 adalah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengerian Supply Chain Managemen Supply chain managemen merupakan pendekaan aau meode dalam memanajemen hubungan perusahaan dengan supplier dan konsumen yang erjadi pada pengendalian
Lebih terperinciPENGEMBANGAN MODEL REGRESI DERET WAKTU UNTUK DATA YANG MENGANDUNG VARIASI KALENDER
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, November PENGEMBANGAN MODEL REGRESI DERET WAKTU UNTUK DATA YANG MENGANDUNG VARIASI KALENDER Alfonsus. J. Endhara dan Suharono Mahasiswa S Jurusan
Lebih terperinciBAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel
BAB III ANALISIS INTERVENSI 3.1. Pendahuluan Analisis inervensi dimaksudkan unuk penenuan jenis respons variabel ak bebas yang akan muncul akiba perubahan pada variabel bebas. Box dan Tiao (1975) elah
Lebih terperinciPeramalan Jumlah Pengunjung Domestik dan Mancanegara di Maharani Zoo & Goa Menggunakan ARIMA Box - Jenkins
Peramalan Jumlah Pengunjung Domesik dan Mancanegara di Maharani oo & Goa Menggunakan ARIMA Box - Jenkins Vivi Kusuma Sulisyawai (3030085) Dosen Pembimbing Dr. Irhamah, S.Si.,M.Si Laar Belakang Rumusan
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 91-100 Online di: hp://ejournal-s1.undip.ac.id/index.php/gaussian IDENTIFIKASI BREAKPOINT DAN PEMODELAN AUTOREGRESSIVE STRUCTURAL
Lebih terperinciBAB IV METODOLOGI PENELITIAN
BAB IV METODOLOGI PENELITIAN Dalam peneliian ini, penulis akan menggunakan life cycle model (LCM) yang dikembangkan oleh Modigliani (1986). Model ini merupakan eori sandar unuk menjelaskan perubahan dari
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah persediaan merupakan masalah yang sanga pening dalam perusahaan. Persediaan mempunyai pengaruh besar erhadap kegiaan produksi. Masalah persediaan dapa diaasi
Lebih terperinci