DAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Studi Aplikasi Model Intervensi dengan Step Function)
|
|
- Johan Tedja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 FMIPA Universias Negeri Yogyakara Absrak Inflasi dapa diinerpreasikan sebagai kenaikan harga-harga konsumen yang erdiri dari harga komodias dan jasa. Penurunan ingka inflasi pada bulan Desember 8, erdapa beberapa fakor yang mempengaruhi kondisi ersebu, dianaranya ialah urunnya harga minyak menah dunia yang berada di kisaran level 4 dollar/barel. Hal ersebu membua pemerinah melakukan penurunan harga BBM hingga dua kali, anggal 1 Desember 8 dan 15 Desember 8. Keepaan ramalan erhadap angka inflasi merupakan hal yang pening, karena inflasi merupakan salah sau indikaor makro ekonomi. Peneliian ini berujuan unuk mengeahui secara kuaniaif pengaruh penurunan harga Bahan Bahan Bakar jenis premium pada bulan Desember 8 (variabel inervensi yang berupa fakor eksernal) erhadap flukuasi angka inflasi di koa Yogyakara dengan model saisik yang diperoleh. Peneliian ini menggunakan daa inflasi di koa Yogyakara yang dierbikan oleh Badan Pusa Saisik (BPS) Propinsi DIY yaiu daa inflasi mulai periode Januari sampai dengan Okober 9. Sedangkan model saisik yang digunakan unuk menjawab ujuan adalah model inervensi yang ermasuk salah sau model dalam analisis runun waku. Hasil analisis daa dan pembahasan diperoleh model erbaik adalah ARIMA(,,1), fungsi inervensi yang digunakan adalah sep funcion dengan asumsi kebijakan penurunan harga BBM jenis premium pada bulan Desember 8 masih berlanju, perisiwa penurunan harga BBM jenis premium pada bulan Desember 8 memberikan pengaruh yang signifikan erhadap penurunan angka inflasi di koa Yogyakara sebesar,3549 %, dengan pola respons daa seelah adanya inervensi adalah abrup permanen. Hasil peramalan angka inflasi di koa Yogyakara pada bulan November 9 sampai Agusus 1 relaif sabil berkisar,4%. Kaa-kaa kunci : harga BBM jenis premium, inflasi, model inervensi, sep funcion I. PENDAHULUAN Kenaikan harga yang ercermin dari angka inflasi merupakan salah sau indikaor yang menggambarkan sabilias ekonomi secara makro di suau wilayah (BPS, 5). Inflasi dapa diinerpreasikan sebagai kenaikan harga-harga konsumen yang 879
2 erdiri dari harga komodias dan jasa. Keepaan ramalan erhadap angka inflasi merupakan hal yang pening, karena inflasi merupakan salah sau indikaor makro ekonomi. Inflasi yang kecil dan sabil merupakan salah sau indikaor makro ekomomi baik. Kebijakan dalam bidang ekonomi biasanya memperhaikan angka inflasi sebagai perimbangan, sebagai conoh dalam penenuan suku bunga obligasi. Peramalan inflasi berhubungan dengan peramalan daa runun waku. Model ARIMA merupakan model baku yang banyak digunakan unuk memodelkan daa runun waku, yang diperkenalkan oleh Box-Jenkins (1976). Dalam model ARIMA, prediksi dilakukan dengan menggunakan daa yang sama pada daa masa lalu. Jadi variabel yang erkai dalam model ARIMA hanya sau variabel. Dalam kenyaaannya, khususnya pada masalah inflasi, naik urunnya inflasi dapa dipengaruhi oleh variabelvariabel lain. Pemerinah Rebuplik Indonesia sudah iga kali menurunkan harga bahan bakar minyak jenis premium pada 1 Desember 8, 15 Desember 8, dan 15 Januari 9. Pemerinah mengharapkan dampak penurunan harga BBM akan menurunkan angka inflasi. Namun hasil survei menunjukkan bahwa dampak penurunan BBM erhadap penurunan harga lain, yang ercermin dengan urunnya angka inflasi, belum dirasakan oleh masyaraka. Berdasar survei yang dilakukan oleh Pusa Kajian Kebijakan dan Pembangunan Sraegis (Puskapis), menganggap dampak penurunan BBM idaklah signifikan Dalam survei ini kemudian erungkap, sebanyak 53,33 persen responden asal Pulau Bali, NTB dan NTT menyaakan penurunan BBM belum sesuai. 56,58 persen responden di Pulau Jawa dan sebesar 63,4 persen responden di Pulau Maluku dan Papua juga menyaakan yang sama, idak ada pengaruh signifikan aas penurunan BBM. Begiu juga dengan responden sebanyak 43,83 persen di Kalimanan, 43,84 persen asal Sulawesi dan 46,3 persen responden asal Sumaera menyaakan hal yang sama. Secara keseluruhan, sebesar 5,14 persen responden menyaakan idak puas dan 46,74 persen menyaakan puas BBM diurunkan (Tribun Jabar: Puskapis). Unuk menyelidiki apakah penurunan harga BBM jenis premium secara signifikan mempengaruhi penurunan angka inflasi dan kapan pengaruh iu mulai 88
3 dirasakan oleh masyaraka diperlukan suau model peramalan yang epa. Dalam kasus ini, penurunan harga BBM jenis premium merupakan variabel inervensi yang berupa fakor eksernal dan merupakan variabel kaegorik. Model ARIMA yang biasa digunakan enu bukan pilihan yang epa, karena model ini idak melibakan variabel lain. Oleh karena iu dalam peneliian ini akan dikaji prosedur pembenukan model runun waku dengan adanya inervensi, yang selanjunya disebu model inervensi. II. TINJAUAN PUSTAKA F..1. Model Inervensi Model inervensi adalah model dari suau daa runun waku yang dipengaruhi oleh kejadian-kejadian eksernal (inervensi) erhadap variabel yang menjadi obyek pengamaan. Misalkan daa hasil pengamaan Unuk suau proses yang mengikui model ARIMA(p,d,q), benuk persamaan maemaiknya dapa diuliskan sebagai beriku : (Wei, 6) φ ( = θ, (1) d p B )(1 B) Y q ( B) a aau Y q ( B) d p ( B)(1 B) = φ θ a, () dengan φ p (B) = (1 φ p 1 B φ B K φ p B ) merupakan operaor AR(p) ( 1 B) d Y merupakan runun waku Y yang sasioner pada pembedaan ke-d θ q (B) = (1 θ 1 B θ B K θ q B ) merupakan operaor MA(q) q B menyaakan operaor mundur, yaiu k B Y = Y k. 881
4 Misalkan daa hasil pengamaan Z K, Z sebagai dere 1, Z,, ZT 1, Z T, ZT + 1, K, Z N 1 N waku dengan selang waku yang sama dengan T merupakan waku erjadinya inervensi, maka model umum analisis inervensi adalah Z = f (β, I ) + Y, (3) dengan Y adalah model runun waku yang diperoleh dengan memodelkan daa sebelum inervensi ( Z1 Z, K, Z T 1), f β, I ) merupakan fungsi dari parameer β dan variabel inervensi I., ( Secara umum ada dua macam variabel inervensi, yaiu sep funcion dan pulse funcion (Yaffe & McGee, ). Sep funcion adalah suau benuk inervensi yang erjadinya dalam kurun waku yang panjang. Secara maemaik, benuk inervensi sep funcion ini biasanya dinoasikan sebagai beriku I = S, = 1, < T T (4) dengan T adalah waku mulainya erjadi inervensi. Sedangkan pulse funcion adalah suau benuk inervensi yang erjadinya hanya dalam suau waku erenu, misalnya penjualan mingguan dari suau produk jika diskon promosi berlaku hanya unuk sau minggu, maka digunakan pulse funcion unuk menandai keberadaan promosi. Secara maemaik, benuk inervensi pulse funcion ini biasanya dinoasikan sebagai beriku I = P, = 1, T = T (5) dengan T adalah waku erjadi inervensi. 88
5 Pulse funcion, sebagai beriku: (T ) P, dapa dihasilkan dengan pembedaan dari fungsi sep, (T ) S P = S S 1 = S BS = (1 B) S (6) Dalam peneliian ini, benuk inervensi yang digunakan adalah sep funcion karena kebijakan penurunan harga BBM jenis premium masih dirasakan sampai sekarang. G... Model Inervensi Sep Funcion f β, dinyaakan sebagai beriku Fungsi inervensi ( ) I f ω β = (, I ) ( B) B δ ( B) b I (7) dengan ω s r ( B) = ω ω1b K ω dan δ ( B) = 1 δ1b K δ r B s B Idenifikasi fungsi inervensi ini dilakukan dengan meliha plo semua daa. Jika suau inervensi erjadi pada beberapa waku yaiu pada saa = T dan berlanju seelah waku ersebu maka ipe dari variabel inervensi adalah sep funcion. Ada iga pola respons yang dapa erjadi pada suau daa runun waku seelah erjadinya inervensi yaiu abrup permanen, gradual permanen dan abrup emporary. Pola abrup permanen dapa menggunakan sep funcion aau pulse funcion, pola gradual permanen menggunakan sep funcion sedangkan pola abrup emporary menggunakan pulse funcion. 883
6 ..1. Abrup Permanen Pola respons abrup permanen menunjukkan perubahan seelah inervensi erjadi secara kasar (abrup) dan perubahan iu eap ada (permanen) seelah erjadinya inervensi. Beberapa benuk fungsi inervensi yang digunakan (Wei, 6): a. ( ) f β, = ω I S b. ( ) f β, = ω f β, I I BS = ω B ω B + 1 c. ( ) P 1 δ1b 1 B... Gradual Permanen Pola gradual permanen menunjukkan inervensi menyebabkan perubahan secara perlahan aau berangsur-angsur (gradual) kemudian perubahan ersebu eap (permanen) dalam suau daa runun waku. Beberapa benuk inervensi yang digunakan: f β, I = ω a. ( ) f β, I S 1 δ1b = ω B b. ( ) f β, I S 1 δ1b B = ω 1 B c. ( ) f β, I S B = ω 1 B d. ( ) S III. METODE PENELITIAN Peneliian ini menggunakan daa sekunder yaiu daa inflasi di koa Yogyakara yang dierbikan oleh Badan Pusa Saisik (BPS) Propinsi DIY. Fokus pembahasan hanya dilakukan pada daa inflasi mulai periode Januari sampai dengan Okober 9. Sedangkan model saisik yang digunakan unuk menjawab ujuan adalah model inervensi. Pada peneliian ini waku erjadinya inervensi yaiu erjadinya penurunan 884
7 harga BBM jenis premium pada bulan Desember 8 (pada bulan ini erjadi penurunan dua kali yaiu pada anggal 1 dan 15), dengan variabel inervensi berupa sep funcion karena kebijakan masih berlanju seelah waku ersebu. Langkah-langkah analisis inervensi erhadap suau daa runun waku melipui 1. Pemodelan ARIMA dilakukan erhadap daa sebelum inervensi (daa inflasi bulan Januari sampai November 8). Seelah model ARIMA diperoleh dilakukan pemeriksaan diagnosik residual yaiu uji independensi residual dan kenormalan residual. Bila diperoleh beberapa model ARIMA dapa dilakukan pemilihan model dengan prinsip parsimony.. Idenifikasi fungsi inervensi dilakukan dengan mengamai plo seluruh daa, berupa sep funcion. 3. Esimasi parameer model inervensi dilakukan erhadap model inervensi Z yang erdiri dari fungsi inervensi f (, ) β dan model ARIMA Y secara bersama-sama. 4. Pemeriksaan diagnosik fungsi inervensi Unuk mempermudah perhiungan digunakan banuan sofware Miniab 15 dan STATISTICA 7. I IV. HASIL ANALISIS DAN PEMBAHASAN 4.1. Deskripsi Daa Langkah awal unuk menganalisis runun waku dari sebuah daa diperlukan plo daa asli erlebih dahulu agar dapa dilakukan langkah selanjunya dengan epa. Adapun plo runun waku daa inflasi dari bulan Januari sampai bulan Okober 9 dapa diliha pada Gambar 4.1.(a). Pola yang erjadi relaif sabil sejak Januari dan sempa mengalami kenaikan cukup inggi pada bulan Okober 5 namun segera baik kembali pada bulan berikunya November 5. Pada bulan Okober 5 ersebu erjadi sumbangan inflasi kelompok cukup inggi dari bahan makanan (1,6%), perumahan (1,94%) dan ransporasi, komunikasi jasa keuangan (,46%) sehingga mengakibakan inflasi pada bulan ersebu mencapai 6,54%. Pada bulan Desember 8 erjadi penurunan BBM jenis premium sebanyak dua kali yaiu anggal 1 dan
8 dengan inflasi pada bulan ersebu sebesar -,11%, penurunan keiga erjadi pada bulan Januari 9 (anggal 15 Januari) dengan inflasi,9% yang relaif meningka dari bulan sebelumnya. Dari boxplo dari inflasi Gambar 4.1.(b), erliha pada ahun 5 memiliki mean yang relaif inggi dibandingkan dengan ahun-ahun lainnya, dengan raa-raa inflasi sebesar 1,18% dan pada ahun 9 (daa dari bulan Januari 9 Okober 9) memiliki mean paling rendah dibandingkan ahun-ahun yang lainnya, dengan raa-raa inflasi sebesar,6% Inflasi Bulan Tahun Inflasi Tahun (a) (b) Gambar 4.1. Deskripsi daa inflasi di koa Yogyakara 4.. Pemodelan ARIMA Pada ahap pemodelan ARIMA dilakukan erhadap daa sebelum inervensi yaiu pada bulan Januari sampai November 8 (17 bulan). Misal Y menyaakan inflasi pada saa, = 1,,,
9 Langkah awal dalam melakukan idenifikasi model adalah dengan memeriksa kesasioneran daa pada variansi dan raa-raanya dengan menggunakan plo daa asli sebelum inervensi. 7 6 Inflasi Mean 5 4 Inflasi Waku Gambar 4.. Plo runun waku daa inflasi, Januari November 8 Pada Gambar 4.., erliha bahwa daa cenderung idak berflukuasi maka daa sudah sasioner dalam variansi eapi belum sasioner dalam raaraanya sehingga perlu dilakukan pembedaan orde perama. Auocorrelaion Auocorrelaion Funcion for C7 (wih 5% significance limis for he auocorrelaions) Lag Parial Auocorrelaion Funcion for C7 (wih 5% significance limis for he parial auocorrelaions) Parial Auocorrelaion (b) Lag Gambar 4.3. Plo ACF (a) dan PACF (b) daa sebelum inervensi seelah disasionerkan melalui pembedaan orde
10 Pada Gambar 4.3. (a) menunjukkan bahwa pada pola erpuus seelah lag 1 sehingga model yang diperoleh adalah MA(1) sedangkan Gambar 4.3.(b) menunjukkan bahwa pola erpuus pada lag sehingga model yang diperoleh adalah AR(). Jika dengan mengamai plo ACF dan PACF maka diperoleh model ARMA(,1). Karena daa inflasi elah mengalami pembedaan orde perama, diperoleh d = 1. Jadi model semenara yang diperoleh adalah ARIMA(,1,1). Namun pada Gambar 4.3. erliha bahwa plo ACF belum mengalami dies down sehingga perlu dilakukan pembedaan orde kedua. Sera dicobakan pula model ARIMA(,,1). Hasil pemeriksaan diagnosik melipui uji independensi residual dan uji kenormalan residual dapa diliha dalam Tabel 4.1. Tabel 4.1 Hasil uji independensi residual Model Nilai Ljung Box-Pierce Nilai p-value Mean Square Error dengan lag 1 Ljung Box-Pierce (MSE) ARIMA(,1,1) 8,8,454,69* ARIMA(,,1) 15,8,71,8134* Keerangan : * = residual memenuhi syara berdisribusi Normal Tabel 4.1 menunjukkan bahwa nilai p-value Ljung Box-Pierce pada ARIMA(,1,1), ARIMA(,,1) lebih dari,5 sehingga idak signifikan (residual merupakan suau barisan yang independen). Model ARIMA(1,1,1) mempunyai nilai MSE yang lebih kecil dari model lainnya Analisis Inervensi Idenifikasi Fungsi Inervensi Seelah dilakukan pengolahan daa melalui ahap idenifikasi, esimasi parameer dan cek diagnosa, maka unuk daa sebelum ada inervensi diperoleh model ARIMA (,1,1) dan ARIMA(,,1). Secara maemaik, model ARIMA(,1,1) dapa diulis seperi beriku 888
11 Y = (1 θ B) 1 a (1 φb)(1 B). (13) Sedangkan model ARIMA(,,1) adalah = (1 θ B) 1 Y a (1 φb)(1 B) Unuk menenukan ipe dari variabel inervensi dan pola respons yang erjadi seelah adanya inervensi pada bulan Desember 8 (daa ke-18) digunakan plo semua daa yang elah melalui pembedaan sau. 8 Plo of variable: INFLASI D(-1) INFLASI Case Numbers Gambar 4.4. Plo daa hasil pembedaan orde perama dari daa inflasi Gambar 4.4. menunjukkan bahwa pengaruh inervensi langsung erjadi pada bulan Desember 8 (daa ke-18) anpa mengalami keerlambaan. Inervensi mempengaruhi daa secara kasar dan menyebabkan perubahan eap ada dalam daa pengamaan. Ini berari bahwa ipe dari variabel inervensi adalah sep funcion dengan pola respons abrup permanen. Dengan demikian diperoleh fungsi inervensi sebagai beriku: f (18) ( β I ) = ω S = ω S, 889
12 4.3.. Esimasi Parameer Model Inervensi Model inervensi yang diperoleh unuk ARIMA (,1,1) adalah Z (1 θ1b) = a (1 φ B)(1 B) 1 + ω S (18) dan model inervensi yang diperoleh unuk ARIMA (,1,1) adalah Z (1 θ1b) = (1 φ B)(1 B) a + ω S (18) dengan (18) S, = 1, < Dengan menggunakan banuan sofware STATISTICA 7 diperoleh bahwa model inervensi ARIMA(,1,1) mengalami marix ill condiioned yang berakiba idak dapa menghasilkan sandard error bagi penduga parameernya, dan kemungkinan model belum sasioner aau non-inverible. Sedangkan model inervensi dengan ARIMA(,,1) dapa diperoleh esimasi parameernya, beriku hasil yang diperoleh Tabel 4.. Esimasi parameer model ARIMA(,,1) Parameer Parameer Asymp. Asymp. (11) p esimae Sandard Error p = -,447, ,386,35 q = 1,89515, ,74557, ω -,3549,834 -,453,
13 Sehingga model inervensinya besera nilai penduga parameernya adalah =,3549 (1,89515B) + (1 +,447B)(1 B) (18) Z S a Pemeriksaan Diagnosik Model Inervensi Pemeriksaan diagnosik pada model inervensi dengan ARIMA(,,1) melipui uji independensi residual dan uji kenormalan residual. Menggunakan sofware STATISTICA 7 diperoleh nilai Ljung-Box Pierce sebesar 7,611 dengan nilai p-value,93883 lebih besar dari,5 sehingga dapa disimpulkan bahwa residual merupakan suau barisan yang independen. Dari Gambar 4.5 erliha bahwa iik-iik residual mengikui arah garis diagonal sehingga dapa disimpulkan bahwa residual mengikui disribusi normal. 3 Normal Probabiliy Plo: INFLASI ARIMA (,,1) residuals (Inervenion analysis); Expeced Normal Value Value Gambar 4.5. Plo peluang normal dari model inervensi dengan ARIMA(,,1) Jadi dapa disimpulkan bahwa residual dari model inervensi dengan ARIMA(,,1) bersifa whie noise Penarikan kesimpulan dan peramalan Model inervensi unuk daa inflasi adalah 891
14 ,3549 (1,89515B) (1 +,447B)(1 B) (18) Z = S + a dengan (18) S, = 1, < Pola respons daa seelah adanya inervensi adalah abrup permanen sehingga perubahan seelah adanya inervensi sebesar,3549 %. Besar perubahan ini bernilai negaif sehingga dapa disimpulkan bahwa inervensi berupa penurunan harga BBM jenis premium pada bulan Desember 8 menyebabkan penurunan inflasi. Model inervensi ini selanjunya digunakan unuk melakukan peramalan unuk beberapa bulan ke depan dengan memperhaikan asumsi bahwa idak ada inervensi lain yang erjadi. Peramalan dengan menggunakan sofware STATISTICA 7 menghasilkan oupu beriku: Tabel 4.3. Oupu STATISTICA 7 unuk peramalan inflasi Forecass; Model:(,,1) 1 Inervenions (fulldaa Inpu: INFLASI Sar of origin: 1 End of origin: 118 Forecas Lower Upper Sd.Err. CaseNo. 9.% 9.% Berdasarkan oupu ini, hasil peramalan inflasi di koa Yogyakara pada bulan November 9 adalah,43%, bulan Desember 9 adalah,55%, bulan Januari 1 adalah,35%, bulan Februari 1 adalah,4%, bulan Mare 1 adalah,48%, bulan April adalah,44%, bulan Mei adalah,45%, bulan Juni adalah,48%, bulan Juli 89
15 ,48% dan bulan Agusus 1 adalah,49%. Hasil peramalan menunjukkan bahwa inflasi di koa Yogyakara relaif sabil. V. KESIMPULAN Berdasarkan hasil analisis daa dan pembahasan yang elah dilakukan maka dapa diambil kesimpulan sebagai beriku : 1. Model erbaik unuk analisis inervensi adalah ARIMA(,,1).. Fungsi inervensi yang digunakan adalah sep funcion dengan asumsi kebijakan penurunan harga BBM jenis premium pada bulan Desember 8 masih berlanju. 3. Perisiwa penurunan harga BBM jenis premium pada bulan Desember 8 (inervensi) ernyaa mempunyai pengaruh yang signifikan erhadap penurunan angka inflasi di koa Yogyakara sebesar,3549 %, dengan pola respons daa seelah adanya inervensi adalah abrup permanen. 4. Hasil peramalan inflasi di koa Yogyakara pada bulan November 9 sampai Agusus 1 relaif sabil berkisar,4%. VI. DAFTAR PUSTAKA Box, G.E.P & Tiao, G.C Inervenion Analysis Wih Applicaions o Economic and Environmenal Problems, Journal of American Saisics Associaion, 7, pp Box, G.E.P. & Jenkins, G.M Time Series Analysis: Forecasing and Conrol. San Fransisco: Holden-Day, Revised. BPS. 5. Daerah Isimewa Dalam Angka. Yogyakara: BPS Propinsi DIY.. 6. Daerah Isimewa Dalam Angka. Yogyakara: BPS Propinsi DIY.. 7. Daerah Isimewa Dalam Angka. Yogyakara: BPS Propinsi DIY.. 8. Daerah Isimewa Dalam Angka. Yogyakara: BPS Propinsi DIY. 893
16 . 9. Beria Resmi Saisik 1 Okober 9. Yogyakara: BPS Propinsi DIY.. 9. Beria Resmi Saisik 1 November 9. Yogyakara: BPS Propinsi DIY. Brockwell, P.J. & Davis, R.A Time Series: Theory and Mehods. nd ediion. New York: Springer-Verlag. Tribun Jabar. 9. Puskapis: Kecil Dampak Penurunan Harga BBM. hp:// Yaffee, R.A. & McGee, M.. An Inroducion o Time Series Analysis and Forecasing wih Applicaions of SAS and SPSS. New York: Academic Press. Wei, W.W.S. 6. Time Series Analysis, Univariae and Mulivariae Mehod Second Ediion. New York: Pearson Educaion. 894
DAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Studi Aplikasi Model Intervensi dengan Step Function) 1
DAMPAK PENURUNAN HARGA BBM JENS PREMUM TERHADAP ANGKA NFLAS D KOTA YOGYAKARTA (Sudi Aplikasi Model nervensi dengan Sep Funcion) Kismianini dan Dhoriva Urwaul Wusqa Jurusan Pendidikan Maemaika FMPA Universias
Lebih 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 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan
Lebih terperinciBAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF
BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap
Lebih terperinciANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 009 XV-1 ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Muhammad Sjahid Akbar, Jerry Dwi Trijoyo
Lebih 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 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 terperinciMODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR
MODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR S - 27 Rukini, Suharono2 2,2 Jurusan Saisika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG
ISSN: 9-54 JURNAL GAUSSIAN, Volume 4, Nomor, Tahun 05, Halaman 6-60 Online di: hp://eournal-s.undip.ac.id/index.php/gaussian ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG
Lebih 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 terperinciPeramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Multi Input. : Nesia Brilliana I.P NRP :
Peramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Muli Inpu Nama : Nesia Brilliana I.P NRP : 20800023 Jurusan : Maemaika Dosen Pembimbing : Dra. Nuri Wahyuningsih, M. Kes Pemberian pupuk
Lebih 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 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 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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiaan memperkirakan apa yang akan erjadi pada masa yang akan daang. Ramalan adalah sesuau kegiaan siuasi aau kondisi yang diperkirakan akan erjadi
Lebih terperinciPERAMALAN 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 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 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 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 III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun
43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C
Lebih terperinciBAB 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 terperinciPENENTUAN MODEL PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN METODE ARIMA
PENENTUAN MODEL PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN METODE ARIMA Leopoldus Ricky Sasongko, Lydia Ninuk Rahayu, dan Alberh Roy Koa 3,,3 Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias
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 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 terperinciPENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Studi Kasus: PT Tembaga Mulia Semanan)
Prosiding Seminar Nasional Manajemen Teknologi Program Sudi MMT-ITS, Surabaya 1 Agusus 2009 PENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Sudi Kasus: PT
Lebih 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 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 terperinciANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER. Muflih Rori Putra Harahap
ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER Muflih Rori Pura Harahap 30 00 052 Pembimbing : Dr. Drs. Agus Suharsono, M.S. LATAR BELAKANG PENDAHULUAN
Lebih terperinciBAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun
BAB III ARFIMA-FIGARCH 3. Time Series Memori Jangka Panjang Proses ARMA sering dinyaakan sebagai proses memori jangka pendek (shor memory) karena fungsi auokorelasi anara dan urun cepa secara eksponensial
Lebih terperinciPENGARUH PANJANG DAN LEBAR DATA DEBIT HISTORIS PADA KINERJA MODEL PEMBANGKITAN DATA DEBIT SUNGAI BRANTAS DENGAN METODE ARIMA
PENGARUH PANJANG DAN LEBAR DATA DEBIT HISTORIS PADA KINERJA MODEL PEMBANGKITAN DATA DEBIT SUNGAI BRANTAS DENGAN METODE ARIMA Maskur Efendi ), Widandi Soeopo 2), Piojo Tri Juwono 2) ) Mahasiswa Magiser
Lebih 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 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 terperinciPENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI
PENGGUNAAN ONSEP FUNGSI CONVEX UNU MENENUAN SENSIIVIAS HARGA OBLIGASI 1 Zelmi Widyanuara, 2 Ei urniai, Dra., M.Si., 3 Icih Sukarsih, S.Si., M.Si. Maemaika, Universias Islam Bandung, Jl. amansari No.1 Bandung
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 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 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 terperinciMODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI
MODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI Diajukan kepada Fakulas Maemaika dan Ilmu Pengeahuan Alam Universias Negeri Yogyakara unuk memenuhi
Lebih 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 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 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 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 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 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 terperinciESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING
ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING Nama: Zahroh Aiqoh 05 00 0 Dosen Pembimbing: Dra. Nuri Wahyuningsih, MKes Drs. Sulisiyo, MT Jurusan Maemaika
Lebih 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 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 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 terperinciTUGAS AKHIR. untuk Analisis Peramalan Data Ekspor Non Migas Indonesia Di Sektor Pertanian, Sektor Perindustrian dan Sektor
TUGAS AKHIR Pendekaan Meode ARIMA Box Jenkins unuk Analisis Peramalan Daa Ekspor Non Migas Indonesia Di Sekor Peranian, Sekor Perindusrian dan Sekor Nurul Laifa Perambangan 307 030 70 Dosen pembimbing
Lebih 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 terperinciPENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN
IndoMS Journal on Saisics Vol., No. (04), Page 7-37 PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN Dinda Ariska Wulandari,
Lebih terperinciANALISIS PERAMALAN KOMBINASI TERHADAP JUMLAH PERMINTAAN DARAH DI SURABAYA (STUDI KASUS:
ANALISIS PERAMALAN KOMBINASI TERHADAP JUMLAH PERMINTAAN DARAH DI SURABAYA (STUDI KASUS: UDD PMI KOTA SURABAYA) Oleh: Winda Eka Febriana (0500) Pembimbing: Ir. Dwiamono Agus W., MIKom . LATAR BELAKANG DARAH
Lebih 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 terperinciARIMA (Autoregressive Integrated Moving Average)
ARIMA (Auoregressive Inegraed Moving Average) I. Prinsip Dasar dan Tujuan Analisis. Prinsip Dasar ARIMA sering juga disebu meode runun waku Box-Jenkins. ARIMA sanga baik keepaannya unuk peramalan jangka
Lebih 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 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 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 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 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 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 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 terperinciAnalisis Peramalan Jumlah Penumpang Kereta Api Penataran Tujuan Surabaya-Malang
Analisis Peramalan Jumlah Penumpang Kerea Api Penaaran Tujuan Surabaya-Malang Oleh. Andria Prima Diago 08.00.0 Dosen Pembimbing. r. Dwiamono Agus, M.komp Andria Prima Diago 08.00.0 nsiu Teknologi Sepuluh
Lebih 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 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 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 terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waku Peneliian Peneliian ini dilaksanakan di PT Panafil Essenial Oil. Lokasi dipilih dengan perimbangan bahwa perusahaan ini berencana unuk melakukan usaha dibidang
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 terperinciJurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN
Peramalan Dengan Meode Smoohing dan Verifikasi Meode Peramalan Dengan Grafik Pengendali Moving Range () (Sudi Kasus: Produksi Air Bersih di PDAM Tira Kencana Samarinda) Forecasing wih Smoohing and Verificaion
Lebih 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 terperinciPERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS Puri Handayani NRP 1314 030 112 Dosen Pembimbing Dr. Brodjol Suijo Suprih Ulama, M.Si. Deparemen
Lebih 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 terperinciPERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk)
Jurnal UJMC, Volume 3, Nomor 1, Hal. 15-0 pissn : 460-3333 eissn : 579-907X ERHITUNGAN VAUE AT RISK (VaR) DENGAN SIMUASI MONTE CARO (STUDI KASUS SAHAM T. X ACIATA.Tbk) Sii Alfiaur Rohmaniah 1 1 Universias
Lebih terperinciPERAMALAN JUMLAH PENUMPANG PADA PT
PERAMALAN JUMLAH PENUMPANG PADA PT. ANGKASA PURA I (PERSERO) KANTOR CABANG BANDAR UDARA INTERNASIONAL ADISUTJIPTO YOGYAKARTA DENGAN METODE WINTER S EXPONENTIAL SMOOTHING DAN SEASONAL ARIMA SKRIPSI Diajukan
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 terperinciIII. METODE PENELITIAN
26 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penilaian perkembangan kinerja keuangan PT. Goodyear Indonesia Tbk dilakukan dengan maksud unuk mengeahui sejauh mana perkembangan usaha perusahan yang
Lebih terperinciMENENTUKAN POLA DEBIT RATA-RATA TAHUNAN
MEETUKA POLA DEBIT RATA-RATA TAHUA Sri Eko Wahyuni ABSTRT Time series analysis applied o hydrological daa is generally used o forecas he in coming series of daa such ha use can make use of he informaion
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 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 terperinciANALISIS DATA INFLASI INDONESIA MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DENGAN PENAMBAHAN OUTLIER.
Analisis Daa (Supari) ANALISIS DAA INFLASI INDONESIA MENGGUNAKAN MODEL AUOREGRESSIVE INEGRAED MOVING AVERAGE (ARIMA) DENGAN PENAMBAHAN OULIER Supari 1 dan Alfi Faridaus Sa adah 2 1 Saf Pengajar Jurusan
Lebih terperinciPENGEMBANGAN MODEL PREDIKSI OLR-MJO BERBASIS HASIL ANALISIS MODEL STATISTIK BOX-JENKINS (ARIMA)
Prosiding Seminar Nasional Peneliian, Pendidikan, dan Penerapan MIPA Fakulas MIPA, Universias Negeri Yogyakara, 16 Mei 2009 PENGEMBANGAN MODEL PREDIKSI OLR-MJO BERBASIS HASIL ANALISIS MODEL STATISTIK BOX-JENKINS
Lebih terperinciPENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK.
PENERAPAN METODE TRIPLE EXPONENTIAL MOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUAHAAN MEBEL INAR JEPARA TANJUNGANOM NGANJUK. ii Rukayah*), Achmad yaichu**) ABTRAK Peneliian ini berujuan unuk
Lebih terperinciKOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES. Abstrak
KOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES Universias Muhammadiyah Purwokero malim.muhammad@gmail.com Absrak Pada persamaan regresi linier sederhana dimana variabel dependen dan variabel independen
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 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Air merupakan kebuuhan pokok bagi seiap makhluk hidup di dunia ini ermasuk manusia. Air juga merupakan komponen lingkungan hidup yang pening bagi kelangsungan hidup
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 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 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 terperinciPERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO
PERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO SKRIPSI Disusun Oleh : SITI LIS INA ATUL HIDAYAH 24010211120006 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciPERAMALAN RATA-RATA TEMPERATUR UDARA HARIAN KOTA PEKANBARU MENGGUNAKAN MODEL ARIMA (0,1,1) TUGAS AKHIR
PERAMALAN RATA-RATA TEMPERATUR UDARA HARIAN KOTA PEKANBARU MENGGUNAKAN MODEL ARIMA (0,,) TUGAS AKHIR Diajukan Sebagai Salah Sau Syara unuk Memperoleh Gelar Sarjana Sains pada Jurusan Maemaika Oleh: DEWI
Lebih terperinciPERAMALAN JUMAH MOBIL PRIBADI YANG BERADA DI KOTA SURABAYA
TUGAS AKHIR SS 145561 PERAMALAN JUMAH MOBIL PRIBADI YANG BERADA DI KOTA SURABAYA RIZKI FEBRIASTO NRP 1314 030 102 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si., M.Si DEPARTEMEN STATISTIKA BISNIS Fakulas Vokasi
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waku Peneliian Peneliian ini dilaksanakan pada kasus pengolahan ikan asap IACHI Peikan Cia Halus (PCH) yang erleak di Desa Raga Jaya Kecamaan Ciayam, Kabupaen Bogor,
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian ini dilakukan di Dafarm, yaiu uni usaha peernakan Darul Fallah yang erleak di Kecamaan Ciampea, Kabupaen Bogor, Jawa Bara. Pemilihan lokasi
Lebih terperinciPERAMALAN CURAH HUJAN DENGAN WAVELET
PERAMALAN CURAH HUJAN DENGAN WAVELET Garini Widosari 1 T-7 1 Polieknik Negeri Samarinda 1 garini_72@yahoo.com Absrak Peramalan adalah salah sau unsur yang sanga pening dalam pengambilan kepuusan. Peranan
Lebih terperinciBAB III HASIL DAN PEMBAHASAN. A. Permasalahan Nyata Penyebaran Penyakit Tuberculosis
BAB III HASIL DAN PEMBAHASAN A. Permasalahan Nyaa Penyebaran Penyaki Tuberculosis Tuberculosis merupakan salah sau penyaki menular yang disebabkan oleh bakeri Mycobacerium Tuberculosis. Penularan penyaki
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 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 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 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 IV Pengembangan Model
Bab IV engembangan Model IV. Sisem Obyek Kajian IV.. Komodias Obyek Kajian Komodias dalam peneliian ini adalah gula pasir yang siap konsumsi dan merupakan salah sau kebuuhan pokok masyaraka. Komodias ini
Lebih terperinci