Peramalan Pengguna Kapal Ferry Ujung-Kamal dengan Metode Intervensi

Ukuran: px
Mulai penontonan dengan halaman:

Download "Peramalan Pengguna Kapal Ferry Ujung-Kamal dengan Metode Intervensi"

Transkripsi

1 D-480 JURNAL SAINS DAN SENI IS Vol. No. 2 (6) (2-928X Prin) Peramalan Pengguna Kapal Ferry Ujung-Kamal dengan Meode Inervensi Eka Apriliani, dan Irhamah Jurusan Saisika, Fakulas MIPA, Insiu eknologi uluh Nopember (IS) Jl. Arief Rahman Hakim, Surabaya Indonesia irhamahn@saisika.is.ac.id, ekaapriliani.ani@gmail.com Absrak Pelabuhan Ujung-Kamal merupakan pelabuhan penyeberangan yang menjadi gerbang uama dari pelabuhan Kamal di Madura, Kabupaen Bangkalan. Sebelum beroperasinya Jembaan Suramadu, masyaraka Madura menggunakan kapal ferry sebagai ala ransporasi menuju Pulau Madura. Semenjak beroperasinya Suramadu, banyak penumpang kapal ferry yang beralih menggunakan suramadu dikarenakan waku empuh lebih cepa dibanding dengan kapal dan harga ike lebih murah. Pada anggal 3 Juni presiden memberikan kebijakan membebaskan arif ol Jembaan Suramadu roda dua. Kebijakan ersebu membua penumpang kapal ferry Ujung-Kamal semakin menurun. Peneliian ini berujuannya meliha apakah pembebasan arif suramadu roda dua memberikan pengaruh penurunan penumpang kapal ferry Ujung-Kamal. Didapakan hasil dari peramalan pada pengguna kapal ferry Ujung-Kamal, dari analisis inervensi pada penumpang agrega dan roda dua. Menunjukkan adanya pengaruh pembebasan arif ol Suramadu roda dua pada penumpang agrega berdampak pada saa hari seelah erjadinya inervensi dan penumpang rodadua berdampak hari seelah inervensi. Inervensi yang erjadi yaiu sep, dalam waku yang panjang. P Kaa Kunci Pembebasan arif dan Inervensi. I. PENDAHULUAN elabuhan ujung adalah pelabuhan penyeberangan di koa Surabaya, menghubungkan Surabaya dengan Pulau Madura yaiu pelabuhan Kamal Kabupaen Bangkalan. Pelabuhan ini dikelola oleh P ASDP (Angkuan Sungai Danau dan Penyeberangan). Sebelum beroperasinya Jembaan Suramadu, pelabuhan Kamal merupakan pinu gerbang keluar masuk ke Pulau Madura. Pelayaran yang diempuh sekiar meni menggunakan kapal ferry. Semenjak Suramadu beroperasi beberapa kapal besar, inggal belasan kapal berukuran kecil []. Mulai sabu 3 Juni pukul 00WIB pembebasan arif jalan ol Suramadu, unuk jenis kendaraan roda dua. Pembebasan pada arif ol diharapkan unuk menekan biaya logisik dan meningkakan pendapaan masyaraka Madura. Kendaraan yang beralih ke Jembaan Suramadu dikarenakan waku empuh menuju Madura lebih cepa dibanding dengan menggunakan kapal ferry [2]. Akiba kebijakan pemerinah membebaskan arif jalan ol Suramadu, pengurangan karyawan idak dapa dihindarkan akan berdampak pada penurunan jumlah penumpang khususnya roda dua. Semenara 80 persen pendapaan erbesar dari roda dua. jika penumpang sepi akan erjadi pengurangan armada kapal, unuk menekan ingginya biaya operasional kapal yang perhari mencapai Rp,2 jua unuk iap kapal. Kondisi erpuruk ini sanga dipengaruhi mina masyaraka yang lebih memilih melinas ke Madura melalui Jembaan Suramadu dibanding menggunakan kapal. Hal ini erjadi karena arif Jembaan Suramadu ikenya dirasa masyaraka lebih murah. Kendaraan roda dua di Jembaan Suramadu hanya memungu pengendara saja dengan arif Rp 3.000,00 sedangkan dikapal ferry orang yang berboncengan harus membeli ike dengan harga Rp 2.000,00. Demikian juga roda dua, dimana Jembaan Suramadu hanya memungu pengendara saja sedangkan dikapal ferry orang yang berboncengan harus membeli ike. Diambah dengan adanya kondisi pembebasan arif ol Jembaan Suramadu roda dua, nasib dari kondisi kapal ferry akan semakin menurun penumpangnya. erkai dengan kapal ferry pengamaan yang dilakukan pada penumpang roda dua dan penumpang agrega. Penumpang agrega dikarenakan, pada penumpang roda dua dikapal ferry, yang berboncengan harus membeli ike sendiri dan masuk kedalam penumpang agrega. Penumpang agrega melipui penumpang dewasa (penumpang pejalan kaki/diaas kendaraan), penumpang anak (penumpang pejalan kaki/diaas kendaraan) dan penumpang khusus (NI/Polri/Mahasiswa, Pelajar). Sedangkan penumpang roda melipui sepeda moor yang kurang dari 00 ccdan gerobak dorong, sepeda moor khusus NI/Polri, Mahasiswa dan Pelajar, sepeda moor lebih besar dari 00 cc dan roda 3. Sehingga meode yang digunakan yaiu inervensi, Analisis inervensi digunakan unuk menganalisis daa ime series apabila waku dan kejadiannya dikeahui [3]. Peneliian yang mendukung [4] mengenai inervensi pemodelan pada kendaraan roda dua kapal ferry Ujung- Kamal (Evaluasi Dampak Beroperasinya Jembaan Suramadu). Beroperasinya Jembaan Suramadu berdampak pada empa hari pasca pembukaan dan mulai sasioner pada 9 hari pasca pembukaaan. Peneliian [] mengenai inervensi unuk evaluasi pengaruh bencana lumpur lapindo dan kebijakan pembukaan areri porong erhadap volume kendaraan di jalan ol Waru-Gempol. Berdasarkan laar belakang diaas meliha apakah kebijakan pemerinah membebaskan arif ol Suramadu roda dua memberikan pengaruh dari penurunan penumpang kapal ferry Ujung-Kamal. II. Saisika Deskripif INJAUAN PUSAKA Saisika deskripif adalah meode-meode yang berkaian dengan pengumpulan dan penyajian suau gugus daa sehingga memberikan informasi yang berguna. Salah sau cara yang diempuh adalah penggunaan raa-raa baik erhadap sample maupun populasi. Raa-raa merupakan suau ukuran pusa daa, bila daa diurukan dari yang erkecil sampai yang erbesar aau sebaliknya Sembarang

2 JURNAL SAINS DAN SENI IS Vol. No. 2 (6) (2-928X Prin) D-48 ukuran yang menunjukkan pusa pusa segugus daa, yang elah diurukan dari yang erkecil sampai erbesar aau sebaliknya dari erbesar sampai erkecil, disebu ukuran lokasi pusa aau ukuran pemusaan. [6]. Sasioner Suau Dere Berkala Plo dere berkala seringkali memberikan informasi kepada peramal (forecaser) bahwa daa ersebu adalah sasioner aau idak sasioner[7]. Sasioner dibagi menjadi 2 yaiu:. Sasioner dalam mean (raa-raa) 2. Sasionerias dalam Variansi Unuk mendapakan kesasioneran dapa dibua lebih mendekai sasioner dengan melakukan pembedaan perama dari dere daa sebagai beriku: ' Z Z () Sehingga persamaan menggunakan operaor shif mundur dapa diulis sebagai beriku: ' Z Z BZ ( B)Z (2) Variasi besarnya flukuasi dengan waku menunjukkan adanya nonsasionerias di dalam varian daa. Model Auoregressive Inegraed Moving Average () Model auoregressive (AR) dengan orde p dinoasikan dengan AR(p). Benuk umum model adalah: pz... p a (3) Aau p( B) a (4) Model moving average (MA) orde q, dinoasikan dengan MA(q) secara umum, model MA(q) diulis sebagai beriku: Z a a... qaq () Model dengan pembeda (-B) d Z yang mengikui sasioner ARMA (p,q) sebagai beriku: d p ( B )( B) Z 0 q ( B) a (6) Model seasonal bersifa musiman didefinisikan sebagai suau daa runu waku yang mempunyai pola perubahan yang berulang secara ahunan. S S D S ΦP (B )( B ) Z ΘQ(B )a (7) Idenifikasi model orde dari p dan q dapa diliha pada model Seasonal pada abel dibawah ini [8]. ABEL. POLA GRAFIK ACF DAN PACF SEASONAL No Model ACF PACF AR (P) S Dies down pada lag KS, Cus off afer lag PS dengan k=,2,3 2 MA (Q) S Cus off afer lag QS Dies down pada lag KS, denga k=,2,3 3 ARMA (P,Q) S Model Inervensi Dies down pada lag KS, dengan k=,2,3 Dies down pada lag KS, denga k=,2,3 Suau ime series dipengaruhi oleh kejadian luar seperi hari libur, bencana alam, kebijakan pemerinah, promosi, perang dan sebagainya. Analisis inervensi digunakan unuk menganalisis daa ime series apabila waku inervensi dikeahui. Namun, apabila suau kejadian luar ersebu idak dikeahui wakunya, maka digunakan meode deeksi oulier Inervensi yang erjadi pada waku yang panjang disebu fungsi Sep dinoasikan sebagai beriku: ( ) 0, S (8), Inervensi yang erjadi pada suau periode erenu disebu fungsi Pulse, dinoasikan sebagai beriku: ( ), P (9) 0, Respon dari inervensi secara umum diulis sebagai beriku: B Z * s ( ) f I B b ( ) I (0) r ( B) Deeksi Oulier Pengamaan ime series dipengaruhi beberapa kejadian, pemogokan, perang, krisis poliik aau ekonomi, panas ak erduga aau gelombang dingin. Konsekuensi dari perisiwa yang idak dikeahui aau idak erduga, observasi ini biasa disebu sebagai oulier. Model addiive oulier (AO) diperoleh beriku: ( ) AO: Z X AI () Innovaional oulier (IO) didefinisikan sebagai beriku: ( B) ( ) IO : Z X I I (2) ( B) Level shif (LS) didefinisikan sebagai beriku: ( ) LS : X LI (3) ( B) emporary change (C) didefinisikan sebagai beriku: ( ) C : Z X C I (4) ( B) Kendaraan Bermoor Adalah seiap kendaraan yang digerakkan oleh peralaan eknik yang ada pada kendaraan ersebu, biasanya digunakan unuk angkuan orang aau barang diaas jalan raya selain kendaraan yang berjalan di aas rel. Kendaraan bermoor yang dicaa adalah semua jenis kendaraan kecuali kendaraan bermoor NI/Polri dan Korps Diplomaik[9]. Pelabuhan Adalah empa yang erdiri dari daraan dan perairan di sekiarnya dengan baas-baas erenu sebagai empa kegiaan pemerinahan dan kegiaan ekonomi yang dipergunakan sebagai empa kapal bersandar, berlabuh, naik urun penumpang dan aau bongkar mua barang yang dilengkapi dengan fasilias keselamaan pelayaran. III. Sumber Daa MEODOLOGI PENELIIAN Daa yang digunakan dalam peneliian ini, menggunakan daa sekunder. Daa dari jumlah roda dan jumlah penumpang agrega dikapal Ferry dari arah Ujung (Surabaya) menuju Kamal (Madura), berupa daa harian mulai uari 4 sampai dengan uari 6. Daa diambil dari P ASDP (Angkuan Sungai dan Penyebrangan) Surabaya (Ujung), Jalan Kalimas Baru 94A Surabaya. Variabel Peneliian Adapun variabel peneliian yang digunakan dalam daa penumpang kapal ferry Ujung-Kamal sebagai beriku.

3 D-482 JURNAL SAINS DAN SENI IS Vol. No. 2 (6) (2-928X Prin) ABEL 2. SRUKUR DAA PENUMPANG KAPAL FERRY UJUNG-KAMAL anggal Z, Z 2, uari 4 Z, Z 2, 2 2 uari 4 Z,2 Z 2, Desember Z,728 Z 2, Desember Z,729 Z 2, Desember Z,7 Z 2,7 Dimana: Z, = Jumlah Roda dua =, 2,, 7 Z 2, = Jumlah Penumpang Agrega Variabel yang digunakan dalam analisis inervensi adalah pembebasan arif jalan ol Suramadu roda dua pada saa =29. Langkah Analisis Inervensi sebagai beriku:. Mengumpulkan daa penumpang kapal ferry Ujung- Kamal 2. Melakukan analisis saisika deskripif pada daa jumlah roda dua dan jumlah penumpang agrega. 3. Membagi daa menjadi dua yaiu sebelm kebijakan pemerinah dan Seelah kebijakan pemerinah. 4. Meliha Sasionerias dalam varians dan mean, apabila idak sasioner dalam varians ransformasi dan idak sasioner dalam mean differencing.. Membua plo ACF dan PACF unuk menduga model 6. Meliha signifikansi parameer, asumsi residual whie noise dan berdisribusi normal. 7. Meliha kesalahan error erkecil dari daa ou sample menggunakan MAPE dan RMSE. 8. Model sebelum kebijakan pembebasan yang memenuhi signifikansi parameer, whie noise dan disribusi normal dijadikan model noise N. 9. Mendapakan nilai ramalan dari model sebelum kebijakan pembebasan arif ol Suramadu roda dua. 0. Menghiung nilai respon inervensi dengan cara daa acual (Z ) dikurangi dengan nilai ramalannya, sehingga didapakan nilai respon. Membua plo dari nilai respon dengan waku.. Melakukan idenifikasi b, r, s pada plo nilai respon dengan waku, selang kepercayaan yang digunakan ±2σ. Dimana σ nilai Roo Mean Square Error (RMSE) dari model. 2. Meliha signifikansi parameer, uji whie noise dan disribusi normal. 3. Meliha nilai error erkecil dari daa ou sample menggunakan MAPE dan RMSE. 4. Mendapakan nilai ramalan sau periode kedepan dari model inervensi. IV. HASIL DAN PEMBAHASAN Saisika Deskripif Agrega dan Roda Dua Jika diliha karakerisik daa pada penumpang agrega dan roda dua perhari pada ahun 4 dan dapa disajikan pada abel dibawah ini. ABEL 4. SAISIKA DESKRIPIF PENUMPANG AGREGA DAN RODA DUA PER HARI Variabel Agrega Hari 4 Mean S Deviasi Mean S Deviasi Senin Selasa Rabu Kamis Juma Sabu Minggu Roda Dua Senin Selasa Rabu Kamis Juma Sabu Minggu Dari daa penumpang agrega dan roda dua kapal ferry Ujung-Kamal pada ahun 4 sampai. Menunjukkan masyaraka Madura lebih sering pulang ke pulau Madura pada hari minggu. Sebaliknya pada penumpang roda dua masyaraka yang menuju ke pulau Madura pada hari senin. Dikarenakan masyaraka yang berdomisili Surabaya, bekerja dipulau Madura. Pulang ke pulau Surabaya pada hari juma dan kembali ke pulau Madura pada hari minggu dan senin unuk bekerja kembali. Idenifikasi Model Sebelum Inervensi Melakukan idenifikasi pada daa penumpang agrega dan roda dua sebelum inervensi, dengan memplokan ime series plo. Unuk mengeahui secara visual jenis pola yang erdapa pada daa agrega dan roda dua apakah sasioner aau idak. agrega Monh 4 Gambar. ime Series Plo Agrega Gambar 2.ime Series Plo Roda Dua Pada gambar ime series plo pola daa penumpang agrega dan roda dua pada anggal uari 4 sampai dengan uari 6. erdapa kejadian inervensi yaiu pembebasan arif ol Suramadu roda dua anggal 3 Juni sampai sekarang (S ) sejak =29. Jika diliha pola belum sasioner dalam mean dan sasioner dalam varians. Karena daa penumpang agrega dan roda dua berflukuaif, adanya peningkaan dan penurunan dihari yang berbeda. Memasikan kembali sasioner dalam mean dengan plo ACF sebagai beriku. Auocorrelaion Gambar 3. Plo ACF (a) dan Plo PACF (b) Daa ransformasi Agrega Auocorrelaion Gambar 4. Plo ACF (a) dan Plo PACF (b) Daa ransformasi Roda Dua Parial Auocorrelaion roda dua Parial Auocorrelaion Monh

4 JURNAL SAINS DAN SENI IS Vol. No. 2 (6) (2-928X Prin) D-483 Pada plo ACF dan PACF pada daa ransformasi agrega dan roda dua, diunjukkan pada gambar 3 dan 4. Menunjukkan plo yang urun lamba pada kelipaan 7. Sehingga diperlukan adanya differencing musiman 7 unuk mendapakan daa penumpang agrega dan roda dua yang sasioner dalam mean. Selanjunya pada plo ACF dan PACF lag yang keluar didapakan model dugaan. Didapakan model (2,0,[2,6])(0,,) 7 yang erpilih pada daa ransformasi agrega dan roda dua ([2,6],0,)(0,,2) 7. Didapakan nilai forecasnya, sehingga dapa menghiung residualnnya. Kemudian hasil dari nilai residual dilakukan plo bar-char dengan waku, unuk dilakukan analisis selanjunya inervensi. Analisis Inervensi Daa ransformasi Agrega dan ransformasi Roda Dua Hasil dari plo nilai respon dengan waku daa ransformasi agrega diunjukkan sebagai beriku. Nilai Respon Gambar. Bar-char Nilai Respon Daa ransformasi Agrega Hasil dari bar-char nilai respon agrega menunjukkan, seelah lag ke, erdapa lag yang mendekai baas pada + hari kamis, + hari rabu, + hari minggu dan +22 hari minggu. Sehingga kemungkinan orde pada meode inervensi s=, s=, b= s=0, b= s=, s= dan b=22 s=.selanjunya dilakukan pengujian signifikansi parameer, uji whie noise dan disribusi normal sebagai beriku. ABEL. UJI SIGNIFIKANSI PARAMEER WHIE NOIE DAN NORMAL MEODE INERVENSI DAA RANSFORMASI AGREGA Model Orde Signifikan (2,0,[2,6])(0,,) 7 (2,0,[2,6])(0,,2) 7 s= b= b= s= s= b=22 s= Whie Berdasarkan abel hasil dari pengujian signifikansi parameer, uji asumsi residual whie noise dan residual disribusi normal daa ransformasi agrega dengan meode inervensi. Orde dugaan b, s, r unuk analisis inervensi, yang memenuhi parameer signifikan dan asumsi whie noise. Namun idak berdisribusi normal yaiu orde s= pada (2,0,[2,6])(0,,) 7 dan orde pada (2,0,[2,6])(0,,2) 7. Kedua orde dugaan b,s,r ersebu yang idak memenuhi asumsi disribusi normal, dikarenakan adanya indikasi oulier dan menghasilkan kurva skewness dan kurosis yang lepokurik yaiu nilai dari residual agrega banyak mengumpul diiik nol, sehingga residual yang dihasilkan kecil. Karena adanya indikasi oulier, sehingga dilanjukan pada analisis inervensi dengan penambahan oulier beriku hasil analisisnya. ABEL 6. UJI SIGNIFIKANSI PARAMEER, WHIE NOIE DAN NORMAL MEODE INERVENSI PENAMBAHAN OULIER DAA RANSFORMASI AGREGA Model Orde Signifikan (2,0,[2,6])(0,,) 7 (2,0,[2,6])(0,,2) 7 s= b=22 s= Whie Berdasarkan abel 6. Hasil pengujian signifikansi parameer, asumsi whie noise dan disribusi normal meode inervensi penambahan oulier daa ransformasi agrega. Parameer yang dihasilkan signifikan, memenuhi asumsi whie noise dan normal erdapa pada orde s= dan b=22 s=. Sehingga dapa dikaakan erdapa pengaruh yang signifikan pada pembebasan arif ol Suramadu roda dua. Pada kedua orde ersebu didapakan krieria kebaikan model daa ransformasi agrega dengan meode inervensi penambahan oulier diperoleh sebagai beriku. ABEL 7. PEMILIHAN MODEL ERBAIK DAA RANSFORMASI AGREGA DENGAN MEODE INERVENSI OULIER Orde RMSE MAPE s= % b=22 s= % Berdasarkan abel 7 hasil krieri pemilihan model erbaik daa ransformasi agrega, nilai RMSE dan MAPE erkecil pada orde s=. Sehingga didapakan persamaan model Inervensi dengan oulier Adapun hasil dari persamaan model sebagai beriku (29) ( 2B 6B )( B ) [( ( ) ( ) 0 B ) B ] S, a 2 7 ) I ( )( ( ) l I B 2B B B (29) ( )( B B B ) [( B) B ] S a, ( )( 7 ) B B B 0037 I ( 63) (34) ( 6) a, I I B l, a, Pada hari ke- seelah kejadian inervensi yaiu anggal 28 juni, memberikan dampak penurunan penumpang agrega aas kebijakan pemerinah membebaskan arif jembaan ol. Namun pada anggal 29 juni dan seerusnya, pengaruhnya mulai konsan. Didapakan nilai ramalan pada penumpang agrega kapal ferry ujung kamal sebagai beriku. Daa Monh 4 Variable Daa A kual A grega Ramalan A grega Gambar 6. ime Series Plo Daa Akual dengan Ramalan Jika diliha pada gambar 6. Hasil ime series plo daa akual agrega dengan ramalan. Plo merapa mendekai

5 D-484 JURNAL SAINS DAN SENI IS Vol. No. 2 (6) (2-928X Prin) plo pada daa akual. Sehingga dapa dikaakan model inervensi ersebu sesuai meramalkan periode ke depan beriku ramalannya. ABEL 7. HASIL FORECAS PADA DAA RANSFORMASI AGREGA anggal Jumlah penumpang Agrega dalam /Z Jumlah penumpang Agrega uari uari uari uari uari Selanjunya pada daa ransformasi roda dua hasil dari plo bar-char nilai respon dengan waku sebagai beriku. Nilai Respon Roda Gambar 7. Bar-char Nilai Respon Daa ransformasi Roda Dua Pada daa ransformasi roda dua sama dengan daa agrega. yang keluar keluar dari baas ±2σ yaiu+ hari kamis, + hari rabu, + hari minggu dan +22 hari minggu. Sehingga dugaan orde, s=, s=, dan b=22 s=. Kemudian dilakukan pengujian signifikansi parameer, asumsi residual whie noise dan disribusi normal sebagai beriku. ABEL 8. UJI SIGNIFIKANSI PARAMEER WHIE NOIE DAN NORMAL MEODE INERVENSI DAA RANSFORMASI RODA DUA Model Orde Signifikan ([2,6],0,)(0,,2) 7 ([2,6],0,[,6])(0,,2) 7 s=0 s= s=0 Whie Berdasarkan abel 8 hasil pengujian signifikansi parameer, asumsi whie noise dan disribusi normal. Orde b,s,r yang parameernya signifikan dan asumsi whie noise, namun masih belum memenuhi asumsi normal orde s= dan. Karena asumsi residual belum noramal adanya indikasi oulier. Jika diliha kurva skewness dan kurosis yang dihasilkan lepokurik, nilai dari residual roda dua paling banyak berkumpul di angka nol. Analisis selanjunya inervesi dengan penambahan oulier pada daa ransformasi roda dua sebagai beriku. ABEL 9. UJI SIGNIFIKANSI PARAMEER, WHIE NOIE DAN NORMAL MEODE INERVENSI PENAMBAHAN OULIER DAA RANSFORMASI RODA DUA Orde Signifikan ([2,6],0,[,6])(0,,2) 7 ([2,6],0,)(0,,2) 7 Whie s= Berdasarkan abel 9 hasil pengujian signifikansi parameer, asumsi whie noise dan disribusi normal dengan meode inervensi penambahan oulier. Parameer yang dihasilkan signifikan, memenuhi asumsi whie noise dan normal pada ([2,6],0,)(0,,2) 7 orde b= s= dan ([2,6],0,[,6])(0,,2) 7 orde b= s= idak memenuhi asumsi disribusi normal. Selanjunya meliha krieria kebaikan model dengan, memilih kesalahan error erkecil pada RMSE dan MAPE diperoleh sebagai beriku. ABEL 0. PEMILIHAN MODEL ERBAIK DAA RANSFORMASI RODA DUA DENGAN MEODE INERVENSI OULIER Model Orde RMSE MAPE ([2,6],0,[,6])(0,,2) % ([2,6],0,)(0,,2) 7 s= % Berdasarkan pemilihan model erbaik pada abel 0. Krieria error erkecil pada RMSE dan MAPE erdapa pada orde ([2,6],0,[,6])(0,,2) 7 Beriku model persamaan inervensi dengan penambahan oulier pada daa ransformasi roda dua (29) ( B 6 B )( B 2 B ) [( ( ) 0 ) B S 2, a 2 6 )( 7 ) a ( 2 B 6 B B I (29) ( )( * B B B B ) [( 0.363) B ] S a 2, ( )( 7 ) B B B 29I ( 80) ( ) a, I a, Pada hari ke- seelah kejadian inervensi yaiu anggal 8 juni hari kamis, memberikan dampak penurunan penumpang agrega aas kebijakan pemerinah membebaskan arif jembaan ol. Namun pada anggal 9 juni dan seerusnya, pengaruhnya mulai konsan. Didapakan nilai ramalan pada penumpang roda dua kapal ferry ujung kamal sebagai beriku. Daa Monh 4 Variable Daa Roda Dua Ramalan Roda Dua Gambar 8. ime Series Plo Daa Akual dengan Ramalan Berdasarkan gambar 8. Hasil plo daa acual dengan nilai ramalan. Menunjukkan plo daa akual yang hamper sama dengan nilai forecasing. Sehingga model inervensi pada peramalan sesuai dengan model, beriku hasil ramalannya periode kedepan. ABEL. HASIL FORECAS PADA DAA RANSFORMASI RODA DUA anggal Jumlah penumpang Jumlah penumpang Roda Dua dalam ln Z Roda Dua uari uari uari uari uari Berdasarkan abel. Merupakan hasil ramalan pada daa penumpang roda dua periode kedepan mulai anggal uari 6 sampai dengan 3 uari 6. V. KESIMPULAN Kesimpulan yang dihasilkan pada analisis dan pembahasan diaas sebagai beriku.

6 JURNAL SAINS DAN SENI IS Vol. No. 2 (6) (2-928X Prin) D-48. Variabilias penumpang agrega kapal ferry Ujung- Kamal, variabilias penumpang eringgi jauh pada hari minggu. Pada daa roda dua variabilias eringgi pada hari senin. Hal ini disebabkan masyaraka surabaya yang bekerja dipulau Madura. Kembali ke Madura pada hari minggu dan senin. 2. Hasil analisis menggunakan meode inervensi, daa penumpang roda dua menunjukkan mulai anggal 8 Juni adanya pengaruh penurunan kebijakan pemerinah membebaskan arif jembaan ol suramadu roda dua. Sedangkan pada penumpang agrega mulai mengalami penurunan mulai anggal 28 Juni. Saran unuk peneliian selanjunya analisis inervensi dapa dilakukan dengan inervensi selain pembebasan arif Suramadu roda dua. DAFAR PUSAKA [] Kemenrian Perhubungan. (4). Informasi Geo-Spasial ransporasi 4 Prasarana ransporasi. Diakses 24 Februari, 6, dari [2] hp://gis.dephub.go.id/gallery/foo/buku/buku%3%- %Buku%Geospasial%III%-%ceak.pdf [3] Akunoro, I. (). Jokowi Bebaskan arif Jalan ol Suramadu unuk Roda Dua, Juni 2,. Diakses 24 Desember,, dari [4] hp//nasional.kompas.com/read//06/2/07/jokowi.be baskan.arif.jalan.ol.suramadu.unuk.roda.dua [] Wei, W.W.S. (06). ime Series Analysis, Univariae, and Mulivariae Mehods. Canada: Addison Wesley Publishing Company [6] Lukiasari, I. (06). Pemodelan Inervensi Pada Kendaraan Roda Dua Di Kapal Ferri Ujung-Kamal (Evaluasi Dampak Beroperasinya Jembaan Suramadu), ugas Akhir. Program Sarjana Jurusan Saisika IS, Surabaya. [7] Praiwi, R. (4). Analisis Inervensi unuk Evaluasi Pengaruh Bencana Lumpur Lapindo dan Kebijakan Pembukaan Areri Porong erhadap Volume Kendaraan Di Jalan ol Waru-Gempol. Jurnal Sains dan Seni POMIS, 3(2), [8] Walpole, R.E. 99. Penganar Saisika. Edisi ke 3. Dierjemahkan oleh: Bambang Sumanri. Jakara: Gramedia Pusaka Uama. [9] Makridakis, S., Wheelwrigh, S.C., & McGee, V.E. (999). Jilid Edisi Kedua, erjemahan Ir. Hari Sumino. Meode dan Aplikasi Peramalan, Jakara: Bina Rupa Aksara. [0] Bowerman, B. L., & O'Connell, R.. (993). Forecasing and ime Series: an Applied Approach, 2 nd Ediion. California: Duxbury Press. [] Badan Pusa Saisik. (6). ransporasi. Diakses 27 Februari, 6, darihp:// acc ordion-dafar-subjek2. [2] Irawan. (07). Prinsip Kepuasan Pelanggan. Jakara: P. Elex Media Kompuindo [3] Scheaffer, R. L., Mendenhall, W., O, R. L., & Gerow, K. G. (2). Elemenary Survey Sampling. USA: Boson. [4] Singarimbun, M., & Effendi, S. (06). Meode peneliian Survey. Jakara: LP3ES.

Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline ABSTRAK

Pemodelan 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 terperinci

ANALISIS 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 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 terperinci

PERAMALAN 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 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 terperinci

ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI

ANALISIS 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 terperinci

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

BAB 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 terperinci

Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk

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 terperinci

BAB 2 LANDASAN TEORI

BAB 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

Abstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.

Abstrak 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 terperinci

Pemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network

Pemodelan 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 terperinci

Analisis Peramalan Jumlah Penumpang Kereta Api Penataran Tujuan Surabaya-Malang

Analisis 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 terperinci

BAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu

BAB 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 terperinci

ANALISIS 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 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 terperinci

Peramalan Jumlah Pengunjung Domestik dan Mancanegara di Maharani Zoo & Goa Menggunakan ARIMA Box - Jenkins

Peramalan 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 terperinci

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

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 . PERAMALAN VOLUME KENDARAAN MASUK DI TOL DUPAK-WARU MENGGUNAKAN MODEL VARIASI KALENDER Yosua D. Charismawan (1304 100 024) Pembimbing : Ir. Dwiamono Agus W.,M.Ikom ABSTRAK Tol Surabaya-Gempol merupakan

Lebih terperinci

Peramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis

Peramalan 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 terperinci

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang

BAB 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR

PERAMALAN 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 terperinci

BAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 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 terperinci

BAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel

BAB 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 terperinci

Oleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes

Oleh: 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 terperinci

*Corresponding Author:

*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 terperinci

Peramalan Inflasi Nasional Berdasarkan Faktor Ekonomi Makro Menggunakan Pendekatan Time Series Klasik dan ANFIS

Peramalan 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 terperinci

ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG

ANALISIS 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 terperinci

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan

BAB 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 terperinci

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun

Pemodelan 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 terperinci

PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT

PERAMALAN 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 terperinci

BAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun

BAB 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 terperinci

Perbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X

Perbandingan 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 terperinci

BAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai

BAB 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 terperinci

metodologi penelitian

metodologi penelitian pendahuluan injauan pusaka meodologi peneliian hasil dan pembahasan kesimpulan Pusaka Meodologi Peningkaan Energi lisrik Kebuuhan energi lisrik Pengembangan sisem energi lisrik Peramalan beban lisrik Slide

Lebih terperinci

PERAMALAN JUMLAH PENJUALAN KORAN HARIAN BERLANGGANAN DI PT. JAWA POS DENGAN MENGGUNAKAN ARIMA BOX-JENKINS

PERAMALAN JUMLAH PENJUALAN KORAN HARIAN BERLANGGANAN DI PT. JAWA POS DENGAN MENGGUNAKAN ARIMA BOX-JENKINS TUGAS AKHIR SS 145561 PERAMALAN JUMLAH PENJUALAN KORAN HARIAN BERLANGGANAN DI PT. JAWA POS DENGAN MENGGUNAKAN ARIMA BOX-JENKINS TRI EMIRA RISMAYANTI NRP 1314 030 070 Dosen Pembimbing Dr. Brodjol Suijo

Lebih terperinci

BAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat

BAB 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

Prediksi Penjualan Sepeda Motor Honda di Kabupaten dan Kotamadya Malang dengan Metode Peramalan Hierarki. Oleh : Rika Susanti

Prediksi 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 terperinci

Penentuan Pelebaran Window Time Optimal Pada Data Deret Waktu

Penentuan 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 terperinci

Model ARIMAX Dan Deteksi GARCH Untuk Peramalan Inflasi Kota Denpasar Tahun 2014

Model 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 terperinci

DAMPAK 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 (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 terperinci

Peramalan Return Saham Bank Central Asia Menggunakan Self Exciting Threshold Autoregressive Genetic Algorithm

Peramalan Return Saham Bank Central Asia Menggunakan Self Exciting Threshold Autoregressive Genetic Algorithm JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (2016) 2337-3520 (2301-928X Prin) D-71 Peramalan Reurn Saham Bank Cenral Asia Menggunakan Self Exciing Threshold Auoregressive Geneic Algorihm Tesalonika Puri dan

Lebih terperinci

(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF

(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 terperinci

PEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA

PEMODELAN 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 terperinci

BAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang

BAB 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 terperinci

Peramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Multi Input. : Nesia Brilliana I.P NRP :

Peramalan 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 terperinci

ANALISIS DATA INFLASI INDONESIA MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DENGAN PENAMBAHAN OUTLIER.

ANALISIS 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 terperinci

PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN

PENAKSIRAN 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 terperinci

PENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Studi Kasus: PT Tembaga Mulia Semanan)

PENGAMBILAN 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 terperinci

PERAMALAN 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(0,1,1)(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 terperinci

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

PERAMALAN NILAI EKSPOR NON MIGAS SEKTOR PERINDUSTRIAN DI JAWA TIMUR DENGAN MENGGUNAKAN ARIMA BOX-JENKINS

PERAMALAN NILAI EKSPOR NON MIGAS SEKTOR PERINDUSTRIAN DI JAWA TIMUR DENGAN MENGGUNAKAN ARIMA BOX-JENKINS TUGAS AKHIR SS 145561 PERAMALAN NILAI EKSPOR NON MIGAS SEKTOR PERINDUSTRIAN DI JAWA TIMUR DENGAN MENGGUNAKAN ARIMA BOX-JENKINS Mohammad Fariq NRP 1314 030 015 Dosen Pembimbing Dra. Sri Mumpuni Renaningsih,

Lebih terperinci

PERAMALAN JUMAH MOBIL PRIBADI YANG BERADA DI KOTA SURABAYA

PERAMALAN 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 terperinci

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

BAB 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

KAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN

KAJIAN 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 terperinci

Dosen Pembimbing Dr. Brodjol Sutijo Suprih Ulama, M.Si.

Dosen Pembimbing Dr. Brodjol Sutijo Suprih Ulama, M.Si. TUGAS AKHIR SS 145561 PERAMALAN NILAI IMPOR NON MIGAS DI JAWA TIMUR DENGAN MENGGUNAKAN METODE ARIMA BOX-JENKINS BOBBY AKBAR NRP 1314 030 002 Dosen Pembimbing Dr Brodjol Suijo Suprih Ulama, MSi DEPARTEMEN

Lebih terperinci

Pemodelan Produksi Minyak dan Gas Bumi di PT. Z Menggunakan Metode ARIMA, FFNN, dan Hybrid ARIMA-FFNN

Pemodelan 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 terperinci

BAB 1 PENDAHULUAN. Dalam pelaksanaan pembangunan saat ini, ilmu statistik memegang peranan penting

BAB 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 terperinci

Peramalan Beban Listrik di Jawa Timur Menggunakan Metode ARIMA dan Adaptive Neuro Fuzzy Inference System (ANFIS)

Peramalan 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 terperinci

APLIKASI 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 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 terperinci

ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING

ESTIMASI 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 terperinci

PENGARUH 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 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 terperinci

1999 sampai bulan September Data ini diperoleh dari yahoo!finance.

1999 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 terperinci

PEMODELAN PRODUKSI SEKTOR PERTANIAN

PEMODELAN 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 terperinci

Peramalan Outflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Autoregressive (GSTAR)

Peramalan 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 terperinci

IV METODE PENELITIAN

IV 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 terperinci

BAB II TINJAUAN TEORITIS

BAB 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 terperinci

BAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan

BAB 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 terperinci

Analisis Peramalan Jumlah Permintaan Kerudung di Industri Kecil Kerudung Arin di Surabaya dengan Metode Variasi Kalender

Analisis 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 terperinci

PERAMALAN JUMLAH KEBERANGKATAN PENUMPANG PELAYARAN DALAM NEGERI DARI PELABUHAN TANJUNG PERAK MENGGUNAKAN ARIMA-BOX JENKINS

PERAMALAN 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 terperinci

BAB III METODE PENELITIAN

BAB 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 terperinci

PERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS

PERAMALAN 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 terperinci

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

BAB 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 terperinci

BAB 1 PENDAHULUAN. Kabupaten Labuhan Batu merupakan pusat perkebunan kelapa sawit di Sumatera

BAB 1 PENDAHULUAN. Kabupaten Labuhan Batu merupakan pusat perkebunan kelapa sawit di Sumatera BAB 1 PENDAHULUAN 1.1 Laar Belakang Kabupaen Labuhan Bau merupakan pusa perkebunan kelapa sawi di Sumaera Uara, baik yang dikelola oleh perusahaan negara / swasa maupun perkebunan rakya. Kabupaen Labuhan

Lebih terperinci

Jurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN

Jurnal 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

PERAMALAN JUMLAH PENUMPANG PADA PT

PERAMALAN 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 terperinci

MAKALAH TUGAS AKHIR IDENTIFIKASI MODEL ARIMA BOX-JENKINS

MAKALAH 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 terperinci

x 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr.

x 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr. Pekan #1: Kinemaika Sau Dimensi 1 Posisi, perpindahan, jarak Tinjau suau benda yang bergerak lurus pada suau arah erenu. Misalnya, ada sebuah mobil yang dapa bergerak maju aau mundur pada suau jalan lurus.

Lebih terperinci

ARIMA (Autoregressive Integrated Moving Average)

ARIMA (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 terperinci

Peramalan Inflasi Menggunakan Model Fungsi Transfer Multi Input. Forcasting Inflation Using Multiple Input Transfer Function Model

Peramalan 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 terperinci

DAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII

DAN 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 terperinci

IDENTIFIKASI POLA DATA TIME SERIES

IDENTIFIKASI 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 terperinci

TUGAS AKHIR. untuk Analisis Peramalan Data Ekspor Non Migas Indonesia Di Sektor Pertanian, Sektor Perindustrian dan Sektor

TUGAS 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 terperinci

BAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan

BAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan BAB 2 KINEMATIKA Tujuan Pembelajaran 1. Menjelaskan perbedaan jarak dengan perpindahan, dan kelajuan dengan kecepaan 2. Menyelidiki hubungan posisi, kecepaan, dan percepaan erhadap waku pada gerak lurus

Lebih terperinci

Peramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun

Peramalan 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 terperinci

Jurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK

Jurusan 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 terperinci

BAB 4 ANALISIS DAN PEMBAHASAN

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

(T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES

(T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES PROSIDING ISSN : 087-590. Seminar Nasional Saisika November 0 Vol, November 0 (T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES Yahya Ubaid ), Budi Nurani R. ), Mulyana K. 3) )Mahasiswa Program

Lebih terperinci

PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL

PEMODELAN 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 terperinci

Sekilas Pandang. Modul 1 PENDAHULUAN

Sekilas 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 terperinci

PERAMALAN JUMLAH KEDATANGAN WISATAWAN MANCANEGARA DI INDONESIA MELALUI PINTU MASUK BANDAR UDARA NGURAH RAI BALI MENGGUNAKAN METODE ARIMA BOX-JENKINS

PERAMALAN JUMLAH KEDATANGAN WISATAWAN MANCANEGARA DI INDONESIA MELALUI PINTU MASUK BANDAR UDARA NGURAH RAI BALI MENGGUNAKAN METODE ARIMA BOX-JENKINS TUGAS AKHIR SS 145561 PERAMALAN JUMLAH KEDATANGAN WISATAWAN MANCANEGARA DI INDONESIA MELALUI PINTU MASUK BANDAR UDARA NGURAH RAI BALI MENGGUNAKAN METODE ARIMA BOX-JENKINS Raih Yulika Endaryana NRP 1314

Lebih terperinci

MODEL 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 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 terperinci

Peramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun

Peramalan 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 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 terperinci

ISSN: JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman Online di:

ISSN: 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 terperinci

PREDIKSI 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 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 terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN

PEMODELAN 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 terperinci

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih populasi. PENGUJIAN HIPOTESIS 1. PENDAHULUAN Hipoesis Saisik : pernyaaan aau dugaan mengenai sau aau lebih populasi. Pengujian hipoesis berhubungan dengan penerimaan aau penolakan suau hipoesis. Kebenaran (benar

Lebih terperinci

Kata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting.

Kata 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 terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Definisi Peramalan Peramalan adalah suau kegiaan dalam memperkirakan aau kegiaan ang melipui pembuaan perencanaan di masa ang akan daang dengan menggunakan daa masa lalu dan daa masa

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci