PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Studi Kasus Data Saham PT. Gudang Garam Tbk.
|
|
- Dewi Sumadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Bulein Ilmiah Mah. Sa. dan Teraannya (Bimaser) Volume 4, No. 3 (ahun), hal PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Sudi Kasus Daa Saham PT. Gudang Garam Tbk.) Dila Arillia, Muhlasah Noviasari Mara, Neva Sayahadewi INTISARI Risiko dalam invesasi adalah keidakasian yang dihadai invesor karena harga ase aau invesasi menjadi lebih kecil dari ada execed reurn. Risiko daa dicerminkan dengan volailias dari reurn. Volailias saham daa memiliki karakerisik homoskedasisias aau heeroskedasisias. Volailias yang heeroskedasisias daa dihiung dengan menggunakan model Auoregressive Condiional Heeroscedasic (ARCH). Seelah mengeahui volailias maka invesor daa memerkirakan dengan ingka keyakinan dan jangka waku erenu beraa oensi risiko enurunan nilai reurn (Value a Risk (VaR)). VaR ini daa diukur dengan menggunakan meode Variance Covariance yang mengasumsikan bahwa reurn berdisribusi normal. Saham yang digunakan unuk sudi kasus ada eneliian ini adalah saham dari PT. Gudang Garam Tbk, dengan eriode daa dari Juni 3 samai Seember 4. Hasil erhiungan sudi kasus nilai VaR daa diarikan ada ingka keyakinan sebesar 95%, ola nilai VaR berflukuasi dengan kerugian erbesar erjadi dibulan Seember 5 yakni sebesar R ,6 dan kerugian erkecil erjadi dibulan November 4 yakni sebesar R ,5. Kaa Kunci: Volailias, ARCH, Value a Risk Pendahuluan Risiko dalam invesasi adalah keidakasian yang dihadai karena harga ase aau invesasi menjadi lebih kecil dari ada ingka engembalian invesasi yang diharakan. Risiko daa dicerminkan dengan volailias dari reurn. Volailias didefinisikan sebagai flukuasi dari reurnreurn suau saham dalam eriode erenu []. Volailias saham daa memiliki karakerisik homoskedasisias aau heeroskedasisias. Volailias yang homoskedasisias daa dihiung dengan menggunakan model Auoregressive (AR), Moving Average (MA) dan Auoregressive Moving Average (ARMA). Pada kenyaaannya daa reurn saham idak homoskedasisias, akan eai ada juga daa yang bersifa heeroskedasisias. Oleh karena iu, dierlukan suau model unuk memodelkan daa runun waku yang bersifa heeroskedasisias. Salah sau model runun waku yang mengakomodasi heeroskedasisias adalah model Auoregressive Condiional Heeroscedasic (ARCH) yang erama kali dikembangkan oleh Rober Engle (98). Rober Engle menganalisis masalah variansi gala yang berubah-ubah unuk seia observasi di dalam runun waku. Karena variansi gala idak hanya fungsi dari variabel indeenden eai juga berganung ada seberaa besar gala di masa lalu. Kelebihan model ARCH yakni mamu menduga variansi bersyara melalui daa gala ada model raaan. Seelah mengeahui volailias reurn maka invesor daa memerkirakan dengan ingka keyakinan (level of confidence) dan jangka waku erenu beraa oensi risiko enurunan nilai reurn (Value a Risk). Pengukuran risiko dengan meode Value a Risk (VaR) saa ini sanga ouler digunakan secara luas oleh indusri keuangan di seluruh dunia. Sejalan dengan iu, erauran Bank Indonesia No.5/8/PBI/3 enang eneraan engelolaan risiko bagi erbankan ada ahun 8 dan sura edaran No.5//DPNP anggal 9 Seember 3 enang eneraan meode VaR menyebabkan 69
2 7 D. APRILLIA, M.N. MARA, N. SATYAHADEWI engembangan konse VaR ada insiusi erbankan berkembang esa. Peneliian ini akan menghiung VaR ada sebuah saham dengan endekaan ARCH. Pengukuran Reurn Reurn meruakan engembalian endaaan yang dierima dari invesasi diambah erubahan harga asar, biasanya dinyaakan sebagai ersenase dari harga asar invesasi awal. Reurn yang diharakan invesor dari invesasi yang dilakukannya meruakan komensasi aas biaya kesemaan (ooruniy cos) dan reurn yang erjadi (realized reurn). Reurn yang diharakan meruakan ingka reurn yang dianisiasi invesor di masa yang akan daang. Keika invesor menginvesasikan dananya, invesor ersebu akan mensyarakan ingka reurn erenu, dan jika eriode invesasi berlalu, invesor ersebu akan dihadakan ada ingka reurn yang sesungguhnya dierima. Anara ingka reurn yang diharakan dan ingka reurn akual yang dieroleh invesor dari invesasi yang dilakukan mungkin saja berbeda. Perbedaan anara reurn yang diharakan dengan reurn yang benarbenar erjadi meruakan risiko yang harus selalu dierimbangkan dalam roses kegiaan invesasi. Reurn sebagai hasil dari invesasi daa berua reurn realisasi (realized reurn) mauun reurn yang diharakan (execed reurn). Realized reurn ( R ) meruakan reurn yang elah erjadi, dihiung berdasarkan daa hisoris. Reurn ini ening karena digunakan sebagai salah sau engukur kinerja suau erusahaan. Sedangkan execed reurn ( R i ) adalah reurn yang diharakan dieroleh invesor di masa yang akan daang. Realized reurn dari suau saham dalam suau eriode diukur dengan [3]: R i i Pi ln P i Dengan adalah Realized reurn dari suau saham ada eriode, Pi adalah harga saham ada eriode, Pi adalah harga saham ada eriode ( ) Pengukuran Volailias dengan Auoregresive Condiional Heeroscedasic (ARCH) Risiko daa dicerminkan dengan volailias dari reurn. Volailias didefinisikan sebagai flukuasi dari reurn-reurn suau saham dalam eriode erenu []. Semakin inggi ingka volailias, semakin inggi ula ingka keidakasian dari imbal hasil (reurn) saham yang daa dieroleh. Volailias daa direresenasikan dengan sandar deviasi dan kuadra dari sandar deviasi dikenal dengan variansi. Engle (98) mengembangkan model unuk variansi dari error yang bersifa heeroskedasisias dan meruakan fungsi dari variansi error sebelumnya. Model ersebu dikenal dengan Auoregressive Condiional Heeroscedasic (ARCH). Unuk membenuk model ARCH, daa reurn r daa dibenuk ke dalam model ARMA erlebih dahulu, misal dengan menggunakan model ARMA (,) sebagai berikiu []: r r () i i i Dimana bilangan bula non-negaif dan jika sebuah runun whie noise dengan E dan Var nilai r diengaruhi oleh nilai homoskedasisias ada diasumsikan. Dari Persamaan erliha bahwa r. Persamaan daa digunakan unuk melakukan eramalan erhada r. Eksekasi bersyara dari r daa di ulis sebagai beriku: E r r E r r r r r r r 3 Sedangkan variansi bersyara dari r adalah:
3 Penggunaan Value a Risk Dengan Pendekaan Auoregressive Condiional Heeroscedasic (ARCH) 7 ( ) Var r r E r r E r r E Demikian juga, jika variansi dari heeroskedasisias, maka daa mengesimasi adanya kecenderungan dari ergerakan erus-menerus ada variansi dengan menggunakan model ARMA (,). Misalkan ˆ dinoasikan sebagai esimasi residual dari model ARMA (,) sehingga variansi bersyara dari r adalah ( ) Var r r E r r E r r E Terliha nilai E ( ) sama dengan yang konsan. Jika dimisalkan variansi bersyara idak ea maka salah sau sraegi yang digunakan adalah meramalkan variansi bersyara dengan menggunakan erangka dari esimasi residual sebagai beriku []: Dimana q a () i i i a meruakan suau whie noise rocess dengan raa-raa nol dan variansi sau dan. Persamaan () disebu dengan Auoregressive Condiional Heeroscedasic (ARCH) model dengan eksekasi bersyara dari adalah: E E a E i i i i i i Sedangkan variansi bersyara dari adalah: a i i i i i i Var E E E Var E i i i i (3) i i Pada eneraannya, unuk membenuk model ARCH dari suau daa runun waku erdaa beberaa aha yang harus dilakukan. Langkah awal unuk menyusun model ARCH adalah menenukan model awal yang sesuai. Unuk menenukan model awal dengan menguji keerganungan yaiu dengan meliha PACF ada suau daa runun waku. Model awal yang digunakan dalam ulisan ini adalah model ARMA. Dari model awal ersebu daa dieroleh gala. Peramalan ime series klasik mengasumsikan idak ada Auokorelasi ada daa observasi. Pengujian adanya Auokorelasi ada daa daa dilakukan dengan menggunakan meode Durbin Wason (DW) es. Taha selanjunya dilakukan engujian Heeroskedasisias. Uji Heeroskedasisias dengan menggunakan ola gala kuadra yang dihasilkan dari model ARMA. Uji Heeroskedasisias dalam gala kuadra daa dilakukan dengan uji Ljung-Box (LB). Gala model bersifa heeroskedasis jika nilai LB ( m ). Langkah selanjunya adalah menenukan orde. Unuk menenukan orde dari model ARCH ( ) daa menggunakan Parial Auocorrelaion Funcion (PACF) dari. Seelah orde didaakan kemudian melakukan endugaan arameer ada model ARCH menggunakan fungsi maximum likelihood. Dieroleh L T T ln ln i i i i i i, (4)
4 7 D. APRILLIA, M.N. MARA, N. SATYAHADEWI Persamaan 4 disebu fungsi maximum likelihood. Parameer i, i,, daa dieroleh dengan menyelesaikan urunan dari fungsi maximum likelihood. Nilai arameer yang dihasilkan akan diuji aakah nilai arameer ersebu signifikan. Model ARCH daa dikaakan sebagai model yang cuku baik unuk meramalkan suau daa jika residual dari model ARCH () idak mengandung Auokorelasi dan residual kuadra dari model ARCH idak bersifa heeroskedasisias. Unuk menguji residual mengandung auokorelasi aau idak digunakan uji DW sedangkan unuk menguji sifa heeroskedasisias ada residual kudra digunakan uji LB. Nilai volailias yang didaakan dari model ARCH daa digunakan unuk memerkirakan kerugian maksimum (Value a Risk) dari sebuah saham individual. Perhiungan Value a Risk daa digunakan dengan model Variance Covariance. Value a Risk (VaR) VaR daa didefinisikan sebagai esimasi kerugian maksimum yang akan didaa selama eriode waku (ime eriod) erenu ada selang keercayaan (confidence inerval) erenu [3]. Secara eknis, VaR dengan ingka keercayaan ( ), dinyaakan sebagai benuk kuanil ke-α dari disribusi reurn. Pada ingka keercayaan ( ), akan dicari nilai kemungkinan erburuk dari reurn ( R ) sehingga eluang munculnya nilai reurn melebihi R adalah [3]: P( R R ) f ( R) dr R Dengan kaa lain, R meruakan nilai kriis (cu off value) dengan eluang yang sudah dienukan. Jika A didefinisikan sebagai invesasi awal saham individual maka nilai ase ada akhir eriode waku adalah A A ( R), dengan execed reurn dan volailias adalah R dan. Jika nilai ase aling rendah ada ingka keercayaan ( ) adalah A A ( R ), maka VaR ada ingka keercayaan ( ) daa diformulasikan sebagai beriku [3]: VaR E( A) A A ( R ) (5) dengan R adalah kuanil ke dari disribusi reurn Asumsi meode Variance Covariance adalah reurn saham berdisribusi normal. Penenuan nilai * R ada Persamaan 5 biasa dilakukan dengan menggunakan banuan abel normal baku, * R harus diransformasi sedemikian sehingga nilai haraan sama dengan nol dan variance sama dengan sau. Hal ersebu daa dilakukan dengan ransformasi beriku [3]: Dengan demikian masalah encarian nilai suau nilai reurn kurang dari sama dengan R z (6) * R seara dengan menemukan z eluang munculnya * R adalah. Dari Persamaan 6 R * adalah: R z (7) Dengan mensubiusikan Persamaan 7 ke dalam Persamaan 5, maka VaR ada ingka keercayaan ( ) adalah sebagai beriku [3]: VaR A ( R ) A z z A (8) selanjunya dengan mensubiusikan Persamaan 3 kedalam Persamaan 8 maka dieroleh: VaR z A i i i (9) VaR memiliki baasan-baasan yang idak daa dihiung, seeri VaR hanya mengukur risiko yang
5 Penggunaan Value a Risk Dengan Pendekaan Auoregressive Condiional Heeroscedasic (ARCH) 73 daa dijangkau secara kuaniaif, dengan demikian risiko oliik, risiko likuidias, risiko karyawan idak dihiung, dan VaR juga idak mengukur risiko oerasional [4]. Sudi Kasus Sudi kasus dalam eneliian ini dilakukan unuk mengilusrasikan erhiungan VaR ada saham individual. Daa yang digunakan ada eneliian ini berua daa hisoris harga saham PT. Gudang Garam Tbk enuuan bulanan selama eriode engamaan Juni 3 samai dengan Seember 4 Perhiungan reurn saham PT. Gudang Garam Tbk didasarkan ada erubahan enuuan bulanan. Daa reurn yang elah dieroleh selanjunya akan di uji aakah daa ersebu sasioner aau idak. Unuk mengeahui daa reurn ersebu sasioner aau idak maka digunakan uji Augmened Dickey-Fuller (ADF), dengan menggunakan banuan rogram Eviews 8 dengan hasil ouu ada Gambar. Gambar. Ouu Reurn ADF Berdasarkan erhiungan dengan banuan rogram Eviews 8 yang di amilkan ada Gambar daa diliha bahwa nilai hiung akan didaa nilai hiung unuk ADF adalah sebesar -9,3446. Nilai ADF yang dieroleh masih lebih kecil dari nilai kriis ada nilai saisic MacKinnon ada ingka keercayaan %, 5% mauun % yaiu sebesar , dan Hasil ersebu menunjukkan bahwa daa reurn idak menunjukkan adanya uni roo aau dengan kaa lain daa reurn bersifa sasioner. Langkah selanjunya adalah menenukan model awal dengan meliha grafik PACF dari reurn. Gambar adalah ouu PACF dari reurn. Dengan selang keercayaan Gambar. Ouu PACF dari reurn,96 n aau sama dengan,7596, maka berdasarkan Gambar nilai PAC yang berada di luar selang keercayaan adalah ada lag dan nilai AC yang berada di luar
6 74 D. APRILLIA, M.N. MARA, N. SATYAHADEWI selang keercayaan adalah ada lag. Sehingga erdaa iga kandida model yang akan diuji sebagai model erbaik yaiu AR(), MA() dan ARMA(,) Selanjunya akan diesimasi nilai dan menggunakan meode kuadra erkecil (Las Square Mehode). Hasil esimasi daa dieroleh dengan banuan Eviews 8 yang disajikan dalam abel. Tabel Ouu Hasil Esimasi Model Awal Model Koefisien hiung DW AR() MA() ARMA(,) Berdasarkan erhiungan dengan banuan rogram Eviews 8 yang di amilkan ada Tabel. Unuk meliha aakah koefisien dari model sudah signifikan maka digunakan Uji T. Koefisien dikaakan signifikan jika nilai hiung /, dengan meruakan ingka kesalahan. Tingka kesalahan yang diilih adalah,5, koefisien akan signifikan jika hiunga,96. Berdasarkan hasil engolahan, dieroleh bahwa ada model AR() dan MA() koefisien sudah signifikan sedangkan unuk model ARMA(,) erliha bahwa koefisien idak signifikan. Taha selanjunya adalah mendaakan nilai residual dari model AR() dan MA(). Pengamaan dilakukan unuk menguji aakah erdaa auokorelasi dianara nilai residual Pengujian auokorelasi dilakukan dengan meode Durbin Wason (DW). Model dikaakan idak berauokerelasi jika nilai DW berada ada inerval du DW (4 du). Pengujian auokorelasi residual ada saham individual menghasilkan kesimulan bahwa residual yang dihasilkan model eksekasi bersyara menunjukkan idak erdaa auokorelasi dengan ingka keyakinan 95%. Hal ini erliha dari nilai DW AR() sebesar,596 dan DW MA() sebesar,9669 yang keduanya berada ada inerval du DW (4 du) dengan nilai du sebesar,7338. Selanjunya melakukan uji heeroskedasisias ada residual kuadra yang dihasilkan dari model AR() dan MA(). Pengujian ini menggunakan uji Ljung-Box (LB). Gala model dikaakan bersifa heeroskedasisias jika unuk seia lag nilai Q-Sa (LB) banuan rogram Eviews 8 dengan hasil ada Gambar 3.a dan 3.b ( m ). Unuk mengujinya digunakan Gambar 3.a. Ouu Ljung-Box AR() Gambar 3.b. Ouu Ljung-Box Model MA()
7 Penggunaan Value a Risk Dengan Pendekaan Auoregressive Condiional Heeroscedasic (ARCH) 75 Kemudian hasil LB dibandingkan dengan nilai Chi Square. Dengan meliha abel Chi Square akan erliha bahwa unuk seia lag nilai Q-Sa (LB) ( m ). Dengan kaa lain daa disimulkan bahwa gala model bersifa heeroskedasisias Taha selanjunya adalah menenukan orde dari model ARCH ( ). Dengan selang keercayaan,96 n aau sama dengan,7596, maka berdasarkan Gambar 3.a. nilai PAC yang signifikan samai ke lag 5 dan Gambar 3.b nilai PAC yang signifikan samai lag 4. Arinya erdaa 5 kandida yang akan dicari model erbaiknya dari model awal AR() dan 4 model erbaiknya dari model awal MA(). Selanjunya ke 9 model ersebu akan diesimasi arameernya. Esimasi dilakukan dengan meode Maksimum Likelihood Esimaion (MLE) dengan banuan sofware Eviews 8, Dengan hasil esimasi erliha ada Tabel. Tabel. Hasil Esimasi Model ARCH dan Hasil Z Tes Model ARCH Parameer Koefisien zhiung Model ARCH Parameer Koefisien zhiung AR()-ARCH (),6738 6,48,759 6,48835 MA()-ARCH (),854,34,4774,78383,6436 5,7843,675 5, AR()-ARCH (),739,39 MA()-ARCH (),83,4388,465,586,8465,43934,6499 5,654,643 5,5534 AR()-ARCH (3),787,949,4465,395 MA()-ARCH (3),5874,455,8648, , ,5869 -, ,635 5,5946,637 5,57999,3353,93,388,9564 AR()-ARCH (4),38,8685 MA()-ARCH (4),643,99 AR()-ARCH (5) -,37 -,375 -,576 -, ,588,869643,747, ,6544 4,97698,44,976,494,5336 -,337 -,93 3,968, , , Dengan menggunakan abel normal baku dengan nilai 5% dieroleh bandingkan dengan nilai z hiung. Semua arameer harus signifikan ( digunakan. zhiung z,96, kemudian z ) agar model daa
8 76 D. APRILLIA, M.N. MARA, N. SATYAHADEWI Berdasarkan Tabel daa disimulakan model AR()-ARCH() dan model MA()-ARCH() meruakan model yang signifikan. Taha selanjunya adalah mendaakan nilai residual dari model AR()-ARCH() dan model MA()-ARCH(). Pengamaan dilakukan unuk menguji aakah erdaa auokorelasi dianara nilai residual. Pengujian auokorelasi dilakukan dengan meode Durbin Wason (DW). Nilai DW dieroleh dengan banuan Program Eview, erliha ada Gambar 4. di bawah ini: Gambar 4. Ouu Model AR()-ARCH () dan Model MA()-ARCH() Pengujian auokorelasi residual ada saham individual menghasilkan kesimulan bahwa residual yang dihasilkan model eksekasi bersyara menunjukkan idak erdaa signifikansi auokorelasi dengan ingka keyakinan 95%. Selanjunya melakukan uji heeroskedasisias ada residual kuadra yang dihasilkan dari model AR()-ARCH () dan model MA()-ARCH(), dengan banuan rogram Eviews 8 dengan hasil ada Gambar 5. Gambar 5. Ouu Ljung-Box Model AR()-ARCH() dan Model MA()-ARCH() Unuk mengeahui gala model aakah bersifa heeroskedasisias aau idak dilakukan erbandingan anara nilai Chi Square dengan nilai Ljung-Box. Dengan meliha Chi Square akan erliha bahwa unuk model AR()-ARCH() seia lag nilai Q-Sa (LB) dengan kaa lain ( m ) daa disimulkan bahwa gala model idak bersifa heeroskedasisias, sedangkan unuk model MA()-ARCH() erdaa lag yang nilai Q-Sa (LB) daa digunakan karena bersifa heeroskedasisias. sehingga model MA()-ARCH() idak ( m )
9 Penggunaan Value a Risk Dengan Pendekaan Auoregressive Condiional Heeroscedasic (ARCH) 77 Taha selanjunya adalah eramalan volailias selama bulan kedean dengan model AR()-ARCH (), dengan banuan rogram Eviews 8 dengan hasil ada Tabel 3 dibawah ini Tabel 3. Peramalan Volailias Periode Volailias 35, , , , , , , , , , , , Unuk mengeahui besarnya VaR ada saham individual digunakan Persamaan 9. Dimisalkan ingin mengeahui nilai VaR dengan ingka keercayaan 95% dan invesasi ada saham individual sebesar R....,- unuk nilai VaR eriode kedean disajikan dalam Tabel 4 beriku Tabel 4. Peramalan Nilai VaR Bulan Nilai VaR Okober 4 R. (35,99,459.95) November 4 R. (35,87,4.5) Desember 4 R. (5,934,88.7) Januari 5 R. (57,6,87.33) Februari 5 R. (58,98,39.6) Mare 5 R. (59,7,73.7) Aril 5 R. (59,375,5.5) Mei 5 R. (59,44,557.9) Juni 5 R. (59,4,759.9) Juli 5 R. (59,45,77.45) Agusus 5 R. (59,45,73.5) Seember 5 R. (59,45,97.6) Dari hasil erhiungan nilai VaR diaas daa diarikan ada ingka keyakinan sebesar 95%, ola nilai VaR berflukuasi dengan kerugian erbesar erjadi dibulan Seember 5 yakni sebesar R ,6 dan kerugian erkecil erjadi dibulan November 4 yakni sebesar R ,5. Kesimulan Berdasarkan hasil analisis yang elah diaarkan daa diambil kesimulan bahwa:. Model ARCH daa mengaasi kelemahan dari model ekonomerika klasik yang mengasumsikan variance dari error yang konsan. Pendugaan arameer ada model ARCH dengan menggunakan MLE. Nilai volailias yang didaakan dari model ARCH daa digunakan unuk memerkirakan kerugian maksimum (Value a Risk) dari sebuah saham individual. Perhiungan Value a Risk daa digunakan dengan model Variance Covariance. Asumsi meode Variance
10 78 D. APRILLIA, M.N. MARA, N. SATYAHADEWI Covariance adalah reurn saham berdisribusi normal. Besarnya nilai enyimangan reurn erhada execed reurn dalam sebuah invesasi awal A adalah VaR z,5 A.. Dari hasil erhiungan nilai VaR diaas daa diarikan ada ingka keyakinan sebesar 95%, ola nilai VaR berflukuasi dengan kerugian erbesar erjadi dibulan Seember 5 yakni sebesar R ,6 dan kerugian erkecil erjadi dibulan November 4 yakni sebesar R ,5. Dafar Pusaka []. Enders W. Alied Economeric Time Series Second Ediion. New York: John Wiley & son, Inc; 4. []. Gio P. dan Sebasien L. Modelling Daily Value a Risk Using Realized Volailiy and ARCH Tye Models. Forhcoming in Journal of Emirical Finance; 3. [3]. Jogiyano. Teori Porofolio dan Analisis Invesasi. Edisi Kelima. Yogyakara: BPFE; 5. [4]. Jorion P. Value a Risk: The New Benchmark for Conrolling Marke Risk. New York: Mc Graw-Hill;. [5]. Sarono A. Managemen Keuangan, Edisi Kelima, BPFE, Yogyakara; 6. DILA APRILLIA MUHLASAH NOVITASARI MARA NEVA SATYAHADEWI : FMIPA UNTAN, Ponianak, arilliadila@yahoo.com : FMIPA UNTAN, Ponianak, noveemara@gmail.com : FMIPA UNTAN, Ponianak, neva_s4@yahoo.co.id
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 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 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 terperinciPENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER
Jurnal Jurnal Muara Sains, Teknologi, Kedokeran, dan Ilmu Kesehaan Vol., No., Okober 07: hlm 97-07 ISSN 579-640 (Versi Ceak) ISSN-L 579-640 (Versi Elekronik) PENENTUAN MODEL INDEKS HARGA SAHAM GAUNGAN
Lebih terperinciPENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER
Sains, Teknologi, Kedokeran, dan Ilmu Kesehaan Vol., No., Aril 07: hlm 8-8 ISSN 579-640 (Versi Ceak) ISSN-L 579-640 (Versi Elekronik) PENENTUAN MODEL INDEKS HARGA SAHAM GAUNGAN (IHSG) MENGGUNAKAN ANALISIS
Lebih terperinciBAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun
BAB III ARFIMA-FIGARCH 3. Time Series Memori Jangka Panjang Proses ARMA sering dinyaakan sebagai proses memori jangka pendek (shor memory) karena fungsi auokorelasi anara dan urun cepa secara eksponensial
Lebih terperinciBAB 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 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 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 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 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 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 terperinciPENGGUNAAN METODE PERAMALAN DALAM ANALISIS NILAI TUKAR RUPIAH TERHADAP DOLAR DENGAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY
PENGGUNAAN METODE PERAMALAN DALAM ANALISIS NILAI TUKAR RUPIAH TERHADAP DOLAR DENGAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY Hermansah Program Sudi Pendidikan Maemaika, Fakulas Keguruan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 robabilias 2.1.1 Definisi robabilias adalah kemungkinan yang daa erjadi dalam suau erisiwa erenu. Definisi robabilias daa diliha dari iga macam endekaan, yaiu endekaan klasik,
Lebih terperinciEstimasi Value at Risk (VaR) pada Portofolio Saham dengan Copula
JURNAL SAINS DAN SENI POMITS Vol., No., (03) 337-30 (30-98X Prin) D-9 Esimasi Value a Risk (VaR) ada Porofolio Saham dengan Coula Novella Puri Iriani, Muhammad Sjahid Akbar, dan Haryono Jurusan Saisika,
Lebih terperinciBAB III METODE PENELITIAN
3. METODE PENELITIAN 3.1. Kerangka Pikir BAB III METODE PENELITIAN Peneliian ini diujukan unuk membukikan adanya hubungan dan pengaruh dari nilai ukar Rupiah erhadap Dollar Amerika Serika (exchange rae),
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 terperinci1999 sampai bulan September Data ini diperoleh dari yahoo!finance.
7 999 sampai bulan Sepember 8. Daa ini diperoleh dari yahoo!finance. Meode Langkah-langkah pemodelan nilai harian IHSG secara garis besar dapa diliha pada Lampiran dengan penjelasan sebagai beriku:. Melakukan
Lebih terperinciBAB 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 terperinciEstimasi Value at Risk (VaR) pada Portofolio Saham dengan Copula
Esimasi Value a Risk (VaR) ada Porofolio Saham dengan Coula Novella Puri Iriani, Muhammad Sjahid Akbar, Haryono Jurusan Saisika, Fakulas MIPA, Insiu Teknologi Seuluh Noember (ITS) Jl. Arief Rahman Hakim,
Lebih terperinciMAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BOX-JENKINS. OLEH : SHANTIKA MARTHA, S.Si NIP
MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BO-JENKINS OLEH : SHANTIKA MARTHA, S.Si NIP. 9840308008003 UNIVERSITAS TANJUNGPURA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM JURUSAN MATEMATIKA
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 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 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 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 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 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 terperinciPemodelan ARIMA Dalam Prediksi Penumpang Pesawat Terbang Pada Bandara Internasional Sam Ratulangi Manado
Pemodelan ARIMA Dalam Prediksi Penumang Pesawa Terbang Pada Bandara Inernasional Sam Raulangi Manado Sinnyo H.A. Salmon, Nelson Nainggolan 2, Djoni Haidja 3 Program Sudi Maemaika, FMIPA, UNSRAT, sinnyosalmon@ymail.com
Lebih terperinciISSN : e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 3732
ISSN : 355-9365 e-proceeding of Engineering : Vol.3, No. Agusus 016 Page 373 Sifa Asimeris Model Prediksi Generalized Auoregressive Condiional Heerocedasiciy (GARCH) dan Sochasic Volailiy Auoregressive
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 terperinciPenerapan Model ARCH/GARCH untuk Peramalan Nilai Tukar Petani ABSTRAK ABSTRACT. Pendahuluan
Jurnal Sains Maemaika dan Saisika, Vol. 4, No., Januari 8 ISSN 46-454 prin/issn 65-8663 online Penerapan Model ARCH/GARCH unuk Peramalan Nilai Tukar Peani Ari Pani Desvina, Inggrid Ocaviani Meijer, Jurusan
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 terperinciAnalisis Peramalan Kombinasi Terhadap Jumlah Permintaan Darah di Surabaya (Studi Kasus: UDD PMI Kota Surabaya)
JURNAL STATISTIKA Vol., No., () 5 Analisis Peramalan Kombinasi Terhada Jumlah Perminaan Darah di Surabaya (Sudi Kasus: UDD PMI Koa Surabaya) Winda Eka F., Ir. Dwiamono Agus W.,MIKom Jurusan Saisika, FMIPA,
Lebih terperinciPemodelan Volatilitas Saham Menggunakan Jaringan Syaraf Tiruan dan Algoritma Genetika
Pemodelan Volailias Saham Menggunakan Jaringan Syaraf Tiruan dan Algorima Geneika Hasbi Yasin 1 1 Jurusan Saisika Undip, hasbiyasin@undip.ac.id Absrak. Flukuasi yang besar dan idak pasi dalam peramalan
Lebih terperinciPERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH
Vol.. No., 03 PERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH Ari Pani Desvina, Sari Marlinda, Jurusan Maemaika Fakulas Sains dan Teknologi
Lebih terperinciIII. METODE PENELITIAN. Data yang digunakan adalah data sekunder runtun waktu (time series) bulanan
III. METODE PENELITIAN A. Jenis dan Sumber Daa Daa yang digunakan adalah daa sekunder runun waku (ime series) bulanan dari 2002:01 sampai dengan 2009:06 yang bersumber dari Laporan dan websie Bank Indonesia
Lebih terperinci(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 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 III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Kerangka Pemikiran Salah sau ujuan didirikannya perusahaan adalah dalam rangka memaksimalkan firm of value. Salah sau cara unuk mengukur seberapa besar perusahaan mencipakan
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 terperinciPENERAPAN MODEL AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY IN MEAN (ARCH-M) PADA RETURN SAHAM (Studi Kasus Pada PT.
PENERAPAN MODEL AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY IN MEAN (ARCH-M) PADA RETURN SAHAM (Sudi Kasus Pada PT. Indosa Tbk) SKRIPSI Oleh : Linda Wiguna J2A 605 068 PROGRAM STUDI MATEMATIKA JURUSAN
Lebih terperinciPERAMALAN KUNJUNGAN WISATAWAN KE ULUWATU DENGAN MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE
TRI TANAMI SUKRAINI : RAMALAN KUNJUNGAN WISATAWAN 47 PERAMALAN KUNJUNGAN WISATAWAN KE ULUWATU DENGAN MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE Tri Tanami Sukraini Jurusan Adminisrasi Niaga
Lebih terperinciBAB III DATA DAN METODOLOGI PENELITIAN
BAB III DATA DAN METODOLOGI PENELITIAN 3. Daa Pada karya akhir ini proxy unuk mengukur kegiaan perekonomian adalah ingka perubahan GDP real per kuaral dari ahun 3:Q sampai dengan ahun 8:Q dengan ahun dasar.
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 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 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 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 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 terperinciPengaruh variabel makroekonomi..., 24 Serbio Harerio, Universitas FE UI, 2009Indonesia
BAB 3 DATA DAN METODOLOGI 3.1 Variabel-Variabel Peneliian 3.1.1 Variabel dependen Variabel dependen yang digunakan adalah reurn Indeks Harga Saham Gabungan yang dihiung dari perubahan logarima naural IHSG
Lebih terperinciPENERAPAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (GARCH) DALAM PERAMALAN NILAI TUKAR DOLAR TERHADAP RUPIAH
Penerapan Model Generalized Auoregressive Condiional Heeroscedasic (Garch) PENERAPAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (GARCH) DALAM PERAMALAN NILAI TUKAR DOLAR TERHADAP RUPIAH
Lebih terperinciANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA
ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA Oleh : Liviani Nursia 307030040 Dosen Pembimbing: Dr. Brodjol Suijo S.U, MSi Laar Belakang
Lebih terperinciPeramalan 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 III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hipoesis Peneliian Seperi yang sudah dijelaskan pada bab-bab sebelumnya, peneliian ini mencoba menemukan anomali DOTW pada volailias dan volume saham dengan menggunakan
Lebih terperinciPROSES AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY DENGAN DUGAAN VARIANSI INFLASI INDONESIA
PROSES AUOREGRESSIVE CONDIIONAL HEEROSCEDASICIY DENGAN DUGAAN VARIANSI INFLASI INDONESIA Rianiai Monica, Suyono, dan Vera Maya Sani Jurusan Maemaika FMIPA UNJ Absrak Model-model runun waku konvensional,
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 terperinciJURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-299
JURNAL SAINS DAN SENI ITS Vol. 4, No., (5) 337-35 (3-98X Prin) D-99 Esimasi Value a Risk (VaR) Porofolio Saham yang Tergabung dalam Indeks LQ45 Periode Agusus 4 sampai Januari 5 Menggunakan Meode Copula
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 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 terperinciDAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII
Bulein Ilmiah Mah. Sa. dan Terapannya (Bimaser) Volume 6, No. 3 (27), hal 83 2. MODEL SPACE-TIME DAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII Ella Kurniawai, Naomi Nessyana
Lebih 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 terperinciPENDAHULUAN LANDASAN TEORI
PEDAHULUA Laar Belakang Menduga dan meramal sae yang idak bisa diamai secara langsung dari suau kejadian ekonomi adalah ening Pemerinah melalui bank senral dan ara regulaor daa menggunakan informasi enang
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 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 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 terperinciModel Dinamis: Autoregressive Dan Distribusi Lag (Studi Kasus : Pengaruh Kurs Dollar Amerika Terhadap Produk Domestik Regional Bruto (PDRB))
Model Dinamis: Auoregressive Dan Disribusi Lag (Sudi Kasus : Pengaruh Kurs Dollar Amerika Terhadap Produk Domesik Regional Bruo (PDRB)) Dynamic Model : Auoregressive and Disribuion Lag (Case Sudy: Effecs
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 terperinciPEMODELAN SMOOTH TRANSITION AUTOREGRESSIVE (STAR) PADA KURS THAI BATH TERHADAP RUPIAH RAHMA NUR CAHYANI
erusakaan.uns.ac.id PEMODELAN SMOOH RANSIION AUOREGRESSIVE (SAR PADA KURS HAI BAH ERHADAP RUPIAH oleh RAHMA NUR CAHYANI M005059 SKRIPSI diulis dan diajukan unuk memenuhi sebagian ersyaraan memeroleh gelar
Lebih terperinciPeramalan Inflasi Menggunakan Pendekatan Gabungan antara Fungsi Transfer dan Intervensi dengan Deteksi Outlier
Peramalan Inflasi Menggunakan Pendekaan Gabungan anara Fungsi Transfer dan Inervensi dengan Deeksi Oulier Tahira Ea Adisi, Dr. Suharono, S.Si. M.Sc. Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam,
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 Pola Hubungan Pemodelan ARIMA Curah Hujan dengan Curah Hujan Maksimum, Lama Waktu Hujan, dan Curah Hujan Rata-Rata
Analisis Pola Hubungan Pemodelan ARIMA Curah Hujan dengan Curah Hujan Maksimum, Lama Waku Hujan, dan Curah Hujan Raa-Raa Fahin Fahimah 33 Jurusan Teknik Elekro-FTI, Insiu Teknologi Seuluh Noember Kamus
Lebih terperinciIII KERANGKA PEMIKIRAN
III KERANGKA PEMIKIRAN 3.1 Teori Risiko Produksi Dalam eori risiko produksi erlebih dahulu dijelaskan mengenai dasar eori produksi. Menuru Lipsey e al. (1995) produksi adalah suau kegiaan yang mengubah
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 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 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 terperinciBAB IV METODOLOGI PENELITIAN
BAB IV METODOLOGI PENELITIAN Dalam peneliian ini, penulis akan menggunakan life cycle model (LCM) yang dikembangkan oleh Modigliani (1986). Model ini merupakan eori sandar unuk menjelaskan perubahan dari
Lebih 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 terperinciUSULAN PENERAPAN METODE KOEFISIEN MANAJEMEN (BOWMAN S) SEBAGAI ALTERNATIF MODEL PERENCANAAN PRODUKSI PRINTER TIPE LX400 PADA PT X
USULAN ENERAAN METODE KOEISIEN MANAJEMEN (BOMAN S) SEBAGAI ALTERNATI MODEL ERENCANAAN RODUKSI RINTER TIE LX400 ADA T X Hendi Dwi Hardiman Jurusan Teknik Manajemen Indusri - Sekolah Tinggi Manajemen Indusri
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 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 terperinciBAB III METODOLOGI PENELITIAN
perpusakaan.uns.ac.id BAB III METODOLOGI PENELITIAN A. Ruang Lingkup Peneliian Peneliian ini dilaksanakan di Indonesia dengan periode ahun 984 sampai dengan ahun 0. Peneliian ini memfokuskan pada fakor-fakor
Lebih terperinciANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional.
JURNAL ILMIAH RANGGAGADING Volume 7 No. 1, April 7 : 3-9 ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Sudi kasus pada CV Cia Nasional. Oleh Emmy Supariyani* dan M. Adi Nugroho *Dosen
Lebih terperinciPenerapan Model ARIMA Dalam Memprediksi IHSG
Penerapan Model ARIMA Dalam Memprediksi IHSG Bambang Hendrawan Polieknik Baam Parkway Sree, Baam Cenre, Baam 29461, Indonesia e-mail: benks@polibaam.ac.id Absrak: Tujuan peneliian ini adalah unuk mencari
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 91-100 Online di: hp://ejournal-s1.undip.ac.id/index.php/gaussian IDENTIFIKASI BREAKPOINT DAN PEMODELAN AUTOREGRESSIVE STRUCTURAL
Lebih terperinciBAB 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 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 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 terperinciBab 5 Penaksiran Fungsi Permintaan. Ekonomi Manajerial Manajemen
Bab 5 Penaksiran Fungsi Perminaan 1 Ekonomi Manajerial Manajemen Peranyaan Umum Tenang Perminaan Seberapa besar penerimaan perusahaan akan berubah seelah adanya peningkaan harga? Berapa banyak produk yang
Lebih terperinciMuhammad Firdaus, Ph.D
Muhammad Firdaus, Ph.D DEPARTEMEN ILMU EKONOMI FEM-IPB 010 PENGERTIAN GARIS REGRESI Garis regresi adalah garis yang memplokan hubungan variabel dependen (respon, idak bebas, yang dipengaruhi) dengan variabel
Lebih terperinciBAB III PERSAMAAN ARPS DAN METODE TABEL
BAB III ERSAMAAN ARS DAN METODE TABEL 3. ersamaan Ars Meoda decline curve analysis (analisis enurunan kurva) meruakan suau meode yang sering digunakan unuk mengesimasi erhiungan cadangan yang daa diamil
Lebih terperinciDistribusi Normal Multivariat
Vol.4, No., 43-48, Januari 08 Disribusi Normal Mulivaria Husy Serviana Husain Absrak Pada engendalian roses univaria berdasarkan variabel, biasanya digunakan model disribusi normal unuk mengamai kualias
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu
BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang
Lebih terperinciPeramalan Volume Penjualan Total Sepeda Motor di Kabupaten Bojonegoro dan Lamongan dengan Pendekatan Model ARIMAX dan VARX
Peramalan Volume Penjualan Toal Seeda Moor di Kabuaen Bojonegoro dan Lamongan dengan Pendekaan Model ARIMAX dan VARX Sii Maghfiroul Ulyah, Desri Susilaningrum, 3 Suharono Jurusan Saisika, Fakulas MIPA,
Lebih terperinciDosen 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 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 III. Pada bab ini akan dijelaskan mengenai tahapan perhitungan untuk menilai
BAB III PENILAIAN HARGA WAJAR SAHAM PAA SEKTOR INUSTRI BATUBARA ENGAN MENGGUNAKAN TRINOMIAL IVIEN ISCOUNT MOEL 3.. Pendahuluan Pada bab ini akan dijelaskan mengenai ahapan perhiungan unuk menilai harga
Lebih terperinciMODEL GARCH-M UNTUK ESTIMASI VALUE AT RISK (VaR) DATA HARGA SAHAM SKRIPSI. Oleh: EVI SUFIANTI NIM
MODEL GARCH-M UNUK ESIMASI VALUE A RISK (VaR) DAA HARGA SAHAM SKRIPSI Oleh: EVI SUFIANI NIM. 0650075 JURUSAN MAEMAIKA FAKULAS SAIN DAN EKNOLOGI UNIVERSIAS ISLAM NEGERI MAULANA MALIK IBRAHIM MALANG 0 MODEL
Lebih terperinciBAB 3 LANDASAN TEORI. peramalan, jenis-jenis peramalan, langkah-langkah peramalan, pemilihan teknik dan
BAB 3 LANDASAN TEORI 3. Peramalan Pada sub bab ini akan dibahas mengenai pengerian peramalan, kegunaan meode peramalan, jenis-jenis peramalan, langkah-langkah peramalan, pemilihan eknik dan meode peramalan,
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 terperinciPEMODELAN VOLATILITAS DALAM ANALISIS DATA MAKROEKONOMI STUDI KASUS PADA INFLASI.
Prosiding Seminar Nasional Peneliian, Pendidikan dan Penerapan MIPA Fakulas MIPA, Universias Negeri Yogyakara, 16 Mei 29 PEMODELAN VOLATILITAS DALAM ANALISIS DATA MAKROEKONOMI STUDI KASUS PADA INFLASI.
Lebih terperinciMODEL DERET WAKTU HIDDEN MARKOV
9 ; P j y π j { ; } P j y sama dengan sau jika engamaan berada ada sae j dan sama dengan nol jika engamaan berada ada sae selainnya Maka enduga raaraa unuk sae j ada ersamaan 8 akan sama dengan nilai raaraa
Lebih terperinci