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

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 1 Peramalan Kebuuhan Premium dengan Meode ARIMAX unuk Oimasi Persediaan di Wilayah TM Madiun Nindia ekar Dini, Haryono, dan uharono Jurusan aisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam, Insiu Teknologi euluh Noember (IT) Jl. Arief Rahman Hakim, urabaya Absrak Tingka kebuuhan remium semakin melonjak seiring dengan berambahnya jumlah kendaraan bermoor ribadi yang memenuhi jalan-jalan erkoaan. Tingginya ingka erminaan M seringkali menyebabkan adanya kelangkaan di beberaa wilayah di Indonesia, salah saunya di wilayah selaan Jawa Timur. Kurangnya sok dan ruminya ranai asokan unuk menyalurkan M menjadi enyebab uama kelangkaan. Variasi kalender seeri jumlah hari libur dan keberadaan hari besar, khususnya hari raya Idul Firi meruakan salah sau indikaor enenu kebuuhan remium ada seia bulannya. Hasil eramalan dengan menggunakan meode ARIMAX dengan engaruh kalender variasi meruakan model erbaik yang erilih, dengan nilai RME sebesar 1583,228. Model ersediaan robabilisik yang oimum memberikan oal biaya erencanaan unuk bulan Agusus yang meruakan bulan erjadinya lebaran ada ahun 2012 adalah sebesar R ,00. Kuanias emesanan oimum unuk eriode erencanaan ersebu adalah kl dengan iik emesanan kembali sebesar 914 kl. Frekuensi emesanan yang harus dilakukan ada eriode Agusus 2012 adalah sebanyak 7 kali emesanan. Kaa Kunci Premium, ARIMAX, Kalender variasi, Model ersediaan robabilisik I. PENDAHULUAN Pola mobilisasi masyaraka Indonesia yang sanga ada menjadikan kendaraan bermoor yang awalnya meruakan kebuuhan ersier bergeser menjadi kebuuhan sekunder, bahkan mungkin rimer unuk kebanyakan orang. eiring dengan ergeseran ingka kebuuhan ersebu, bahan bakar minyak sebagai maeri uama unuk menjalankan mesin kendaraan bermoor un uru menjadi kebuuhan uama yang selalu dicari masyaraka. Tingginya ingka erminaan M seringkali menyebabkan adanya kelangkaan di beberaa wilayah di Indonesia, salah saunya di wilayah selaan Jawa Timur, khususnya di Kabuaen Trenggalek, Pacian, dan Ponorogo. Kurangnya sok dan ruminya ranai asokan unuk menyalurkan M menjadi enyebab uama kelangkaan. Premium meruakan M bersubsidi dengan jumlah erminaan eringgi di Indonesia, unuk iu eneliian difokuskan ada remium sebagai salah sau roduk PT. Peramina (Persero). Prediksi kebuuhan remium di PT. Peramina unuk semua wilayah, ermasuk Terminal ahan akar Minyak (TM) Madiun selama ini dilakukan dengan banyak meode eramalan, salah saunya adalah dengan menganalisis hubungan beberaa variabel indeenden dengan variabel ingka kebuuhan remium. Variasi kalender seeri jumlah hari libur dan keberadaan hari besar, khususnya hari raya Idul Firi meruakan salah sau indikaor enenu kebuuhan remium ada seia bulannya. uly chain managemen (CM) meruakan bagian erening dari kinerja suau erusahaan yang bergerak di bidang indusri. Pendekaan CM ini dilakukan unuk mengoimalkan roduksi dan disribusi suau barang dengan ea, ada waku yang ea, dan biaya yang minimal. Dalam CM erdaa iga macam aliran yang harus dikelola, yakni aliran barang dari hulu (sulier) ke hilir (emakai akhir), aliran uang dan sejenisnya yang mengalir dari hilir ke hulu, dan aliran informasi yang mengalir dari hulu ke hilir [1]. Pengelolaan aliran maerial sebagai ujuan uama dari konse CM idak hanya berari ea waku dan ea sasaran, eai juga harus memiliki jumlah yang sesuai dengan kebuuhan yang sebenarnya. Konse ersediaan menjadi bagian yang ening dalam melaksanakan fungsi ersebu. Hasil eramalan kebuuhan remium digunakan sebagai salah sau variabel dalam erumusan ingka ersediaan oimum dengan endekaan Economic Order uaniy (EO). Volume kebuuhan remium ada TM Madiun yang meruakan suau variabel yang idak asi aau berubahubah unuk seia eriode didekai dengan model ersediaan robabilisik. Model ersediaan robabilisik adalah suau model ersediaan dimana ingka kebuuhan dan aau waku unggu dari suau roduk meruakan suau variabel random. Pembeda uama anara model ersediaan deerminisik dan robabilisik adalah adanya safey sock (ersediaan engaman) ada model robabilisik sebagai jaminan agar idak erjadi kondisi sockou aau kekurangan ersediaan yang disebabkan oleh gangguan alam mauun lingkungan [2]. Peneliian ini diharakan daa memberikan rujukan yang lebih baik mengenai eramalan kebuuhan dan model ersediaan yang daa digunakan oleh PT. Peramina sebagai usaha unuk meningkakan efisiensi dan mengurangi kelangkaan remium yang seringkali erjadi.

2 2 A. Model ARIMA II. TINJAUAN PUTAKA enuk umum model ARIMA orde (,d,) dengan differencing sebanyak d adalah sebagai beriku: d ( )(1 ) Y 0 ( ) a (1) sedangkan model ARIMA dengan engaruh seasonal dinyaakan sebagai (Wei, 2006) d D ( ) ( )(1 ) (1 ) Y ( ) ( ) a (2) P dimana: = orde AR = orde MA () = ( ) ( ) = 1... ) P ( () = 1... ) ( 1 ( ) = 1... ). Idenifikasi Oulier ( uau observasi dalam serangkaian daa disebu sebagai oulier saa observasi ersebu eridenifikasi berbeda dengan observasi yang lain. Terdaanya oulier menggambarkan bahwa erjadi suau erisiwa khusus dalam suau oulasi daa. Dalam emodelan ime series, oulier diklasifikasikan menjadi addiive oulier (AO), innovaive oulier (IO), level shif (L), dan ransiory change (TC). ecara umum, model oulier diuliskan sebagai beriku [3]. Y k ( T j ) ( j v j ( ) I j ( j 1 ) a ) C. Analisis Time eries dengan Efek Kalender Variasi (Model ARIMAX) Pemodelan ime series dengan menambahkan beberaa variabel yang diangga memiliki engaruh yang signifikan erhada daa seringkali dilakukan unuk menambah akurasi eramalan yang dilakukan dalam suau eneliian. Model ARIMAX adalah modifikasi dari model dasar ARIMA seasonal dengan enambahan variabel redikor. Efek kalender variasi meruakan salah sau variabel redikor yang seringkali digunakan dalam emodelan ersebu. ecara umum, jika Y adalah suau ime series dengan efek kalender variasi, maka model ARIMAX diulis sebagai beriku. Y ( ) ( ) 1V1, 2V 2,... V, d D ( ) P ( )(1 ) (1 ) P P a (3) (4) Pemodelan di aas erdiri dari variabel reson, yaiu daa ime series dan kalender variasi yang bereran sebagai dummy variable. Menuru Lee & uharono [4], langkah enyelesaian analisis dengan menggunakan model ARIMAX adalah sebagai beriku: 1. Penenuan variabel dummy berdasarkan eriode kalender variasi 2. Melakukan emodelan regresi dengan ersamaan: Y 0 1V1, 2V2,... V, w (5) 3. Memodelkan residual hasil analisis regresi dengan menggunakan model ARIMA 4. Melakukan emodelan keseluruhan unuk ARIMAX 5. Melakukan engecekan signifikansi arameer dan es diagnosa sehingga roses sasioner dan error dari model mencaai kondisi whie noise. D. Evaluasi Model Evaluasi model digunakan unuk melakukan emilihan model erbaik dari beberaa kemungkinan model ime series yang didaakan. Unuk emilihan model berdasarkan daa insamle, krieria yang digunakan adalah Akaike s Informaion Crierion (AIC) dan cwarz s ayesian Crierion (C) (Wei, 2006). AIC ( M ) n ln ˆ 2 2 M (6) C ( M ) n ln ˆ 2 M ln n (7) dimana M = jumlah arameer n = jumlah engamaan Roo mean suare error (RME) juga meruakan salah sau indeks yang daa digunakan unuk mengevaluasi keeaan model ime series yang digunakan. Lee & uharono [4] menyaakan erhiungan RME unuk daa ou-samle adalah sebagai beriku: n 1 RME ou (8) n dimana n adalah jumlah eramalan. Model erbaik yang diilih meruakan model dengan nilai RME erkecil. E. Model Persediaan Probabilisik ( Y Yˆ ) uau model ersediaan dikaakan sebagai model robabilisik jika ingka erminaan dan aau lead ime (waku unggu selama emesanan) meruakan suau variabel random [3]. Pembeda uama yang menjelaskan enang model ersediaan deerminisik dan robabilisik adalah keberadaan safey sock aau ersediaan engaman yang dimunculkan unuk mengaasi keidakasian akan ingka erminaan mauun lead ime yang menjadi variabel random dalam model ersebu. afey sock menjadi ening unuk mencegah erjadinya kekurangan yang mungkin muncul dalam ermasalahan ersediaan dengan ingka erminaan dan aau lead ime yang berubah-ubah. Peneliian ini dibaasi ada kondisi lead ime yang konsan, dan hanya ingka erminaanlah yang memiliki disribusi variabel random ersendiri. Disribusi normal adalah disribusi saisik unuk ingka erminaan yang aling banyak diemui ada kejadian seharihari. Jika ingka erminaan berdisribusi normal, maka iik emesanan kembali (reorder oin) dalam sauan uni yang dinyaakan dengan noasi daa dihiung dengan formula: M ss M Z (10) 2

3 3 F. iaya-biaya Persediaan Dalam model ersediaan robabilisik, erhiungan oal biaya dilakukan dengan memerhiungkan variabel-variabel keidakasian yang banyak dijumai dalam model. alah sau biaya yang muncul dalam model ersediaan robabilisik adalah biaya kekurangan ersediaan. iaya ini imbul jika kebuuhan barang selama waku unggu (lead ime demand) melebihi iik reorder oin. Probabilias erjadinya kondisi ersebu dinyaakan dalam ersamaan (11). P ( M ) f ( M ) dm (11) dengan eksekasi kekurangan ersediaan adalah E ( M ) ( M ) f ( M ) dm (12) dimana f(m) adalah fungsi keadaan robabilias unuk variabel lead ime demand, sehingga biaya emesanan daa dinyaakan seeri ada ersamaan (13) C D A AD ( M ) f ( M ) dm E ( M ) (13) dengan A = biaya kekurangan ersediaan Jika lead ime demand berdisribusi normal, maka eksekasi kekurangan ersediaan daa dijabarkan sebagai: M M E ( M ) f ( M ) F (14) elain biaya kekurangan ersediaan, biaya enyimanan yang erjadi ada model ersediaan robabilisik juga memiliki keunikan ersendiri. Hal ini muncul karena eksekasi raa-raa ersediaan yang dibuuhkan dalam suau eriode juga diengaruhi oleh keberadaan variabel lead ime demand. iaya enyimanan dihiung dengan ersamaan (15). HC H M (15) 2 sehingga, biaya oal yang harus dikeluarkan unuk ersediaan adalah: D TC 2 AE ( M ) H M PD (16) G. Jumlah Pemesanan dan afey ock Oimal Pengendalian ersediaan oimal adalah suau sisem yang daa memelihara anara kebuuhan dengan biaya yang imbul akiba adanya ersediaan [2]. Oimasi ersediaan ini dilakukan dengan menenukan besarnya esanan oimal dan iik emesanan kembali. ecara umum, besarnya ukuran esanan dihiung dengan menurunkan biaya oal erhada dan disamadengankan nilai nol, sehingga dieroleh erhiungan unuk jumlah esanan oimal adalah sebagai beriku 2 D AE ( M ) * (17) H Perhiungan selanjunya unuk mengeahui iik emesanan kembali dilakukan dengan cara yang sama, namun diferensiasi dilakukan erhada, sehingga H f ( M ) dm (18) AD Perhiungan besarnya safey sock yang dibuuhkan dalam sau eriode emesanan dihiung dengan menggunakan ersamaan (19). ss E ( M ) M (19) III. METODOLOGI PENELITIAN Daa yang digunakan dalam eneliian adalah daa sekunder yang dieroleh dari PT. Peramina (Persero) Region V. Daa ersebu meruakan daa realisasi enjualan remium bulanan dari ahun , daa lead ime demand harian remium, sera biaya-biaya yang dibuuhkan dalam melakukan ersediaan. Daa yang digunakan unuk membenuk model aau daa raining adalah daa dari bulan uari 2006 hingga Desember 2010, yaiu sejumlah 60 daa. emenara daa unuk melakukan emilihan hasil eramalan erbaik aau daa esing adalah daa dari bulan uari 2011 hingga bulan Desember 2011 aau sejumlah 12 daa. Peneliian ini dilakukan dengan langkah-langkah sebagai beriku: 1. Melakukan emodelan ARIMA 2. Membua model ARIMAX dengan engaruh kalender variasi 3. Membandingkan hasil eramalan model ARIMA dan ARIMAX dan melakukan eramalan dengan menggunakan model erbaik yang didaakan 4. Melakukan engecekan disribusi variabel lead ime demand harian unuk roduk remium di wilayah TM Madiun 5. Menghiung jumlah esanan oimal, iik reorder oin, dan eksekasi kekurangan ersediaan dengan meode ierasi sehingga mencaai iik konvergen 6. Menghiung besarnya safey sock yang dibuuhkan selama sau eriode emesanan 7. Menghiung oal biaya yang dikeluarkan unuk melakukan ersediaan. IV. HAIL DAN DIKUI A. aisika Deskriif Penjualan Premium Daa enjualan remium di wilayah TM Madiun selama ahun diunjukkan ada nilai saisik deskriif sebagai beriku. Tabel 1 aisika Deskriif Penjualan Premium di TM Madiun Tahun n Mean d Deviasi Minimum Maksimum

4 Keseluruhan Nilai saisik deskriif enjualan remium di wilayah TM Madiun di aas menunjukkan bahwa nilai raa-raa enjualan remium er bulan adalah sebanyak kl. Nilai sandar deviasi dari enjualan er bulan secara keseluruhan adalah sebesar kl. Penjualan minimum yang erjadi selama ahun adalah sebesar kl, semenara enjualan maksimum adalah sebesar kl. aisik deskriif er ahun menunjukkan bahwa cenderung erjadi kenaikan enjualan remium di wilayah TM Madiun. Namun ada ahun 2009, erjadi enurunan enjualan yang cuku signifikan.. Idenifikasi Pola Daa Time series lo ada gambar 1 menunjukkan flukuasi enjualan remium seia bulannya selama ahun Pada bulan-bulan erjadinya lebaran, eningkaan enjualan remium semakin erliha dan berulang seia ahunnya. elain efek kalender variasi, berdasarkan lo ime series dan nilai saisik deskriif er ahun juga erdaa indikasi adanya erubahan ola daa yang erjadi sejak ahun Perubahan ini menimbulkan ada dua jenis ola dalam daa yang digunakan, yaiu daa ada ahun dan daa ada ahun Perubahan ola daa ini diindikasikan sebagai jenis level shif. Penjualan Premium di TM Madiun M onh Year JU N JAN F E 2006 EP JAN F E 2007 JU N EP F E JAN 2008 JU N E P JAN F E 2009 JU N EP JAN F E 2010 EP JU N JAN Gambar 1 Time eries Plo Penjualan Premium C. Peramalan Perminaan Premium dengan Model ARIMA Analisis dengan menggunakan model ARIMA sederhana dilakukan dengan memasukkan daa oulier ke-37 ke dalam model eramalan. Pengujian arameer menunjukkan bahwa seluruh arameer yang digunakan dalam model elah signifikan dengan -value unuk seluruh arameer yang bernilai kurang dari 5%. Residual model ARIMAX (0,1,1)(1,0,0) 12 elah mecaai kondisi whie noise, diunjukkan dengan -value yang bernilai lebih dari 5%. Hasil engujian normalias residual model ersebu juga elah menunjukkan bahwa residual model berdisribusi normal dengan -value yang bernilai lebih dari 0,15 aau lebih besar dari araf nyaa 5%. F E 2011 JU N EP Model ARIMA dengan enambahan oulier ersebu diuliskan secara maemais sebagai beriku. y I (1 ) (37 ) s 12 ( ) (1 )( a ) D. Peramalan Perminaan Premium dengan Model ARIMAX Efek Kalender Variasi Efek bulan erjadinya lebaran ada model dinyaakan dalam variabel dummy D 1. Terjadinya erubahan ola daa sejak ahun 2009 dinyaakan ula dalam suau variabel dummy, yaiu D 2. Variabel ini memisahkan anara ola daa sejak ahun dan ola daa dari ahun Variabel ini juga digunakan unuk menangka erubahan rend yang erjadi mulai ahun Plo daa yang digunakan juga menunjukkan bahwa adanya rend naik ada enjualan remium di wilayah TM Madiun. Hal ini coba diangka dengan menggunakan variabel dummy dengan nilai 1 samai 72 sesuai dengan jumlah daa yang digunakan. Hasil analisis regresi dengan variabel-variabel dummy ersebu dinyaakan dalam model sebagai beriku: Y = D D 2 + n Pemodelan ARIMAX dilakukan dengan menganalisis residual hasi emodelan regresi. erdasarkan lo ACF dan PACF daa residual, maka erdaa 4 kemungkinan model ARIMA yang daa digunakan unuk daa residual ersebu, yaiu (0,0,1)(0,0,1) 12, (0,0,1)(1,0,0) 12, (1,0,0)(0,0,1) 12 dan (1,0,0)(1,0,0) 12. Dengan menggunakan ema kemungkinan model ersebu, maka dilakukan emodelan ARIMAX. Model ARIMAX yang digunakan adalah model deerminisik dimana variabel dummy meruakan salah sau variabel yang menjadi inu dalam model ersebu. Pemeriksaan model erbaik dilakukan dengan meliha nilai AIC, C, dan RME unuk daa in-samle dan ou-samle. Tabel 2 Pemilihan Model ARIMAX Terbaik Model AIC C RME in RME ou ARIMAX , , , ,132 ARIMAX , , , ,009 ARIMAX , , , ,918 ARIMAX , , , ,228 Tabel 2 menunjukkan bahwa nilai krieria yang digunakan unuk memilih model erbaik adalah ada model ARIMAX-4. Pemilihan model ini dilakukan dengan meliha nilai AIC, C, dan RME baik unuk daa in-samle mauun daa ou-samle yang aling kecil dari keseluruhan kemungkinan model. Model ARIMAX-4 secara maemais dinyaakan sebagai: 1 Y 18038,4 209, ,8D1 4666,9 D 2 a 12 (1 0,372 )(1 0,490 ) E. Perbandingan Model ARIMA dan ARIMAX Hasil eramalan dengan menggunakan ARIMA dan ARIMAX dibandingkan unuk mengeahui model mana yang aling baik unuk meramalkan ingka kebuuhan remium di wilayah TM Madiun. Perbandingan model dilakukan dengan meliha krieria kebaikan model, yaiu AIC, C, dan RME unuk in-samle mauun ou-samle.

5 5 Tabel 3 Perbandingan Model ARIMA dan ARIMAX Model AIC C RME in RME ou ARIMA 1070, , , ,174 ARIMAX 1074, , , ,228 Hasil erbandingan kedua model eramalan menunjukkan bahwa RME daa in-samle mauun daa ou-samle unuk model ARIMAX dengan efek kalender variasi bernilai lebih kecil dariada model ARIMA. Maka daa disimulkan bahwa model yang lebih baik unuk eramalan kebuuhan remium di wilayah TM Madiun adalah model ARIMAX dengan efek kalender variasi. Hasil eramalan kebuuhan remium dari model ARIMAX diamilkan ada abel 5. Tabel 4 Hasil Peramalan Kebuuhan Premium di Wilayah TM Madiun Y 95% CI uari , , ,48 Februari , , ,40 Mare , , ,04 Aril , , ,21 Mei , , ,51 Juni , , ,80 Juli , , ,25 Agusus , , ,70 eember , , ,15 Okober , , ,13 Noember , , ,54 Desember , , ,72 F. Model Persediaan Probabilisik unuk Kebuuhan Premium eriku meruakan variabel biaya yang dibuuhkan unuk menghiung oal biaya ersediaan minimum a. iaya Pembelian iaya embelian roduk remium dalam sauan kilo lier adalah sebesar R ,00. Nilai ini meruakan selisih dari harga jual remium di asaran dengan margin enjualan remium. b. iaya Pemesanan iaya emesanan yang digunakan meruakan biaya ransorasi yang digunakan unuk melakukan engiriman remium dari loading or menuju TM Madiun, yaiu sebesar R ,00. c. iaya Penyimanan Perhiungan biaya enyimanan oleh PT. Peramina didasarkan ada biaya-biaya oerasi, mainenance, dan biaya overhead kororasi yang erjadi ada TMdengan oal sebesar R89.780,00 er kl. d. iaya Kekurangan Persediaan Pada eneliian ini, biaya kekurangan ersediaan diasumsikan sebesar 1% dari harga roduk, aau sebesar R43.200,00. eelah dikeahui biaya-biaya yang dibuuhkan dalam roses ersediaan, maka daa dilakukan analisis ersediaan unuk meminimumkan biaya yang dikeluarkan. Analisis dilakukan dengan menggunakan daa hasil eramalan unuk bulan uari Pada aha ini dilakukan erhiungan jumlah esanan, iik emesanan kembali, dan safey sock yang oimum unuk model ersediaan. Perhiungan dilakukan dengan menggunakan ahaan ierasi hingga variabel-variabel yang dihiung mencaai kondisi konvergen. Hasil ierasi menunjukkan bahwa erhiungan eksekasi kekurangan ersediaan mencaai iik yang konvergen ada ierasi ke-9. Perhiungan ersebu juga memberikan nilai yang oimal unuk variabel jumlah emesanan dan iik emesanan kembali sebagai beriku: * = 4.554,532 kl = 898,93 kl 899 kl ss M kl kl Hasil ierasi erhiungan di aas menunjukkan bahwa ingka emesanan oimum yang harus dilakukan oleh erusahaan adalah sebesar kl seia kali esan. Pemesanan kembali dilakukan keika ersediaan yang ada ada angki di TM elah mencaai level 900 kl, dengan ersediaan enyangga sebesar 64 kl. Maka, dalam sau eriode erencanaan, erusahaan akan melakukan emesanan sebanyak 6 kali emesanan. iaya oal yang dierlukan dalam eriode bulan uari 2012 adalah sebesar R ,00. Dengan menggunakan harga jual di asaran sebesar R4.500,00 er lier, maka daa dihiung keunungan yang didaakan selama eriode bukan uari 2012 adalah sebesar R ,00. Analisis model ersediaan robabilisik juga dilakukan unuk nilai eramalan erminaan yang eringgi ada ahun 2012, yaiu ada bulan erjadinya lebaran. Langkah ini dilakukan unuk membandingkan model ersediaan ada bulan reguler dan bulan dengan erminaan yang inggi aau ada bulan lebaran. Nilai eramalan kebuuhan ada bulan erjadinya lebaran ahun 2012, yaiu ada bulan Agusus adalah sebesar kl. Tingka emesanan, iik emesanan kembali, dan safey sock yang oimum adalah: * = 4981, = 914, kl ss M kl Toal biaya yang dikeluarkan unuk eriode bulan Agusus 2012 adalah sebesar R ,00. Dengan menggunakan harga jual remium di asaran sebesar R4.500,00, maka keunungan yang dieroleh ada bulan Agusus 2012 adalah sebesar R ,00. V. KEIMPULAN Hasil embahasan dan analisa yang elah dilakukan memberikan kesimulan sebagai beriku: 1. Model eramalan yang erbaik unuk rediksi kebuuhan bulanan remium di wilayah TM Madiun adalah model ARIMAX-4 dengan efek kalender variasi. Variabel inu D 1 unuk menangka efek bulan-bulan erjadinya lebaran, D 2 unuk menangka efek erubahan ola daa sejak ahun 2009, dan variabel unuk menangka rend kenaikan daa. Model ARIMAX ini signifikan dengan nilai RME unuk daa ou-samle sebesar 1583,228. Hasil eramalan kl

6 6 kebuuhan remium unuk bulan uari 2012 adalah sebesar kl, semenara unuk bulan Agusus 2012 aau bulan erjadinya lebaran ada ahun 2012 adalah sebesar kl. 2. Tingka emesanan oimum unuk eriode bulan uari 2012 adalah sebesar kl dengan iik emesanan kembali sebesar 900 kl. afey sock yang dierlukan unuk eriode ini adalah sebesar 64 kl, dan erlu dilakukan emesanan sebanyak 6 kali dalam sau eriode. iaya oal unuk eriode erencanaan uari 2012 adalah R ,00. emenara unuk eriode erjadinya lebaran ada ahun 2012, yaiu bulan Agusus, ingka emesanan oimum adalah sebesar 4982 kl dengan iik emesanan kembali sebesar 914 kl. afey sock unuk eriode Agusus 2012 adalah sebesar 78 kl dengan frekuensi emesanan sebanyak 7 kali. iaya oal unuk eriode Agusus 2012 adalah sebesar R ,00. Hasil engamaan yang didaakan masih melibakan berbagai asumsi biaya karena keidakersediaan daa. iayabiaya ersediaan yang digunakan unuk emodelan ersediaan robabilisik erlu diamai dengan lebih cerma lagi, agar benar-benar sesuai dengan kondisi erusahaan. UCAPAN TERIMA KAIH Ucaan erima kasih disamaikan keada PT. Peramina (Persero) Region V sebagai enyedia daa yang digunakan dalam menyusun makalah ini. Penulis juga menyamaikan erima kasih keada aak Haryono, MIE dan aak Dr. uharono selaku dosen embimbing, sera aak Dr. ony unaryo dan aak M. jahid Akbar, M.i sebagai dosen enguji. DAFTAR PUTAKA [1] Pujawan, I. N., & Mahendrawahi. (2010). uly Chain Managemen, Edisi Kedua. urabaya: Guna Widya. [2] Tersine, R. J. (1994). Princiles of Invenory and Maerials Managemen, 4 h Ediion. New Jersey: Prenice Hall. [3] Wei, W. W.. (2006). Time eries Analysis: Univariae and Mulivariae Mehods, 2 nd Ediion. New York: Pearson. [4] Lee, H. M., & uharono. (2010). Calendar Variaion Model ased on ARIMAX for Forecasing ales Daa wih Ramadhan Effec. Proceedings of he Regional Conference on aisical ciences, 5.

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

JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print) D-326

JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print) D-326 JURNAL AIN DAN ENI OMIT Vol. 3, No., (4) 337-35 (-98X rin) D-36 eramalan Toal Marke eeda Moor dan Toal enjualan Moor X di roinsi Jawa Timur dengan endekaan ARIMA Box-Jenkins dan Auoregressive Inegraed

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

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 Permintaan Penjualan SepedaMotor di PT. A dengan Menggunakan ARIMAX dan VARX (Studi Kasus dikabupaten Ponorogo)

Peramalan Permintaan Penjualan SepedaMotor di PT. A dengan Menggunakan ARIMAX dan VARX (Studi Kasus dikabupaten Ponorogo) JURNAL AIN DAN ENI POMIT Vol. 3, No.2, (204) 2337-3520 (230-928X Prin) D-28 Peramalan Perminaan Penjualan eedamoor di PT. Menggunakan ARIMAX dan VARX (udi Kasus dikabuaen Ponorogo) Ani aul Ru yai Badriyah

Lebih terperinci

Peramalan Inflow dan Outflow Uang Kartal Bank Indonesia di Wilayah Jawa Tengah dengan Menggunakan Metode ARIMA, Time Series Regression, dan ARIMAX

Peramalan Inflow dan Outflow Uang Kartal Bank Indonesia di Wilayah Jawa Tengah dengan Menggunakan Metode ARIMA, Time Series Regression, dan ARIMAX JURNA SAINS DAN SENI ITS Vol., No., () - (-X rin) D- eramalan Inflow dan Ouflow Uang Karal Bank Indonesia di Wilayah Jawa Tengah dengan Menggunakan Meode ARIMA, Time Series Regression, dan ARIMAX Noorgam

Lebih terperinci

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER

PENENTUAN 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 terperinci

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER

PENENTUAN 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 terperinci

Analisis Peramalan Kombinasi Terhadap Jumlah Permintaan Darah di Surabaya (Studi Kasus: UDD PMI Kota Surabaya)

Analisis 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 terperinci

Peramalan Volume Penjualan Total Sepeda Motor di Kabupaten Bojonegoro dan Lamongan dengan Pendekatan Model ARIMAX dan VARX

Peramalan 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah persediaan merupakan masalah yang sanga pening dalam perusahaan. Persediaan mempunyai pengaruh besar erhadap kegiaan produksi. Masalah persediaan dapa diaasi

Lebih terperinci

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

Peramalan Kebutuhan Bahan Bakar Premium di Depot Ampenan dengan Metode Hibrida Arima- Neural Network untuk Optimasi Persediaan

Peramalan Kebutuhan Bahan Bakar Premium di Depot Ampenan dengan Metode Hibrida Arima- Neural Network untuk Optimasi Persediaan JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 202) ISSN: 230-928X D-94 Peramalan Kebuuhan Bahan Bakar Premium di Depo Ampenan dengan Meode Hibrida Arima- Neural Nework unuk Opimasi Persediaan Okivianis Kusumaningrum,

Lebih terperinci

USULAN PENERAPAN METODE KOEFISIEN MANAJEMEN (BOWMAN S) SEBAGAI ALTERNATIF MODEL PERENCANAAN PRODUKSI PRINTER TIPE LX400 PADA PT X

USULAN 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 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

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

Peramalan Inflasi Menggunakan Pendekatan Gabungan antara Fungsi Transfer dan Intervensi dengan Deteksi Outlier

Peramalan 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 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

Bab IV Pengembangan Model

Bab IV Pengembangan Model Bab IV engembangan Model IV. Sisem Obyek Kajian IV.. Komodias Obyek Kajian Komodias dalam peneliian ini adalah gula pasir yang siap konsumsi dan merupakan salah sau kebuuhan pokok masyaraka. Komodias ini

Lebih terperinci

Peramalan Volume Penjualan Total Sepeda Motor di Kabupaten Bojonegoro dan Lamongan dengan Pendekatan Model ARIMAX dan VARX

Peramalan Volume Penjualan Total Sepeda Motor di Kabupaten Bojonegoro dan Lamongan dengan Pendekatan Model ARIMAX dan VARX JURNAL SAINS AN SENI POMITS Vol., No., (0) ISSN: - (0- Prin) -0 Peramalan Volume Penjualan Toal Seeda Moor di Kabuaen Bojonegoro dan Lamongan dengan Pendekaan Model dan VARX ii Maghfiroul Ulyah, esri Susilaningrum,

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

Analisa Performansi Keandalan Pada Boiler dengan Menggunakan Metode Jaringan Syaraf Tiruan di PT. PJB Unit Pembangkit Gresik

Analisa Performansi Keandalan Pada Boiler dengan Menggunakan Metode Jaringan Syaraf Tiruan di PT. PJB Unit Pembangkit Gresik JURNAL EKNIK POMIS Vol., No., () - Analisa Performansi Keandalan Pada Boiler dengan Menggunakan Meode Jaringan Syaraf iruan di P. PJB Uni Pembangki Gresik Inan Mara Kusuma, Imam Abadi, S, M dan Deak Yan

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

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

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

JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ISSN: ( Print) D-212

JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ISSN: ( Print) D-212 JURNAL SAINS DAN SENI POMITS Vol. 3, No., (04) ISSN: 337-3539 (30-97 Prin) D- Peramalan Jumlah Penumang Pesawa Terbang di Pinu Kedaangan Bandar Udara Inernasional Lombok dengan Meode ARIMA Box-Jenkins,

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

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 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 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

Peramalan Total Market Sepeda Motor Dan Total Penjualan Motor X Di Propinsi Jawa Timur Dengan Pendekatan ARIMA Box-Jenkins Dan ARIMAX

Peramalan Total Market Sepeda Motor Dan Total Penjualan Motor X Di Propinsi Jawa Timur Dengan Pendekatan ARIMA Box-Jenkins Dan ARIMAX Peramalan Toal Marke epeda Moor Dan Toal Penjualan Moor X Di Propinsi Jawa Timur Dengan Pendekaan ARIMA Box-Jenkins Dan ARIMAX Oleh: Novia Dwi R. (300027) Dosen Pembimbing: Dr. eiawan, M.i 2 AGENDA PENDAHULUAN

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

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

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

BAB 2 LANDASAN TEORI

BAB 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 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

*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

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan

BAB 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 terperinci

S 9 Peramalan Volume Penjualan Calana Panjang di Boyolali dengan Menggunakan Model Variasi Kalender

S 9 Peramalan Volume Penjualan Calana Panjang di Boyolali dengan Menggunakan Model Variasi Kalender 9 Peramalan Volume Penjualan Calana Panjang di Boyolali dengan Menggunakan Model Variasi Kalender Wahyuni uryaningyas Dosen FKIP Universias Muhammadiyah urabaya e-mail: ma_ums @yahoo.com ABTRAK Bisnis

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

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 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

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

(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

BAB 4 METODOLOGI PENELITIAN

BAB 4 METODOLOGI PENELITIAN BAB 4 METODOLOGI PENELITIAN 4.1. Model Rumusan Masalah dan Pengambilan Kepuusan Model rumusan masalah dan pengambilan kepuusan yang digunakan dalam menyelesaikan skripsi ini dimulai dari observasi lapangan

Lebih 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

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

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

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

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

Aplikasi Metode Ensembel untuk Peramalan Inflasi di Indonesia

Aplikasi Metode Ensembel untuk Peramalan Inflasi di Indonesia JURNAL SAINS DAN SENI ITS Vol., No., (Se. 22) ISSN: 23-928X D-7 Alikasi Meode unuk Peramalan Inflasi di Indonesia Mega Silfiani dan Suharono Jurusan Saisika, Falkulas Maemaika dan Ilmu Pengeahuan Alam,

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Defenisi Persediaan Persediaan adalah barang yang disimpan unuk pemakaian lebih lanju aau dijual. Persediaan dapa berupa bahan baku, barang seengah jadi aau barang jadi maupun

Lebih terperinci

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

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

Analisis 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 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 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

PENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK.

PENERAPAN 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 terperinci

SISTEM PERSEDIAAN KOMPONEN PADA MESIN CETAK BERDASARKAN LAJU KERUSAKAN DI PT KARYA KITA

SISTEM PERSEDIAAN KOMPONEN PADA MESIN CETAK BERDASARKAN LAJU KERUSAKAN DI PT KARYA KITA Reka Inegra ISSN: 2338-5081 Jurusan Teknik Indusri Ienas No.03 Vol.03 Jurnal Online Insiu Teknologi Nasional Juli 2015 SISTEM PERSEDIAAN KOMPONEN PADA MESIN CETAK BERDASARKAN LAJU KERUSAKAN DI PT KARYA

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang 11 BAB I PENDAHULUAN 1.1 Laar Belakang Salah sau masalah analisis persediaan adalah kesulian dalam menenukan reorder poin (iik pemesanan kembali). Reorder poin diperlukan unuk mencegah erjadinya kehabisan

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 3 METODOLOGI PEMECAHAN MASALAH

BAB 3 METODOLOGI PEMECAHAN MASALAH BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Tahapan Pemecahan Masalah Tahapan pemecahan masalah berfungsi unuk memudahkan dalam mencari jawaban dalam proses peneliian yang dilakukan agar sesuai dengan arah

Lebih 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

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

PERAMALAN KUNJUNGAN WISATAWAN KE ULUWATU DENGAN MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE

PERAMALAN 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 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

MODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR

MODEL 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 terperinci

BAB II LANDASAN TEORI. Persediaan dapat diartikan sebagai barang-barang yang disimpan untuk digunakan atau

BAB II LANDASAN TEORI. Persediaan dapat diartikan sebagai barang-barang yang disimpan untuk digunakan atau BAB II LANDASAN TEORI 2.1 Pengerian Persediaan Persediaan dapa diarikan sebagai barang-barang yang disimpan unuk digunakan aau dijual pada masa aau periode yang akan daang. Persediaan erdiri dari bahan

Lebih terperinci

Distribusi Normal Multivariat

Distribusi 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 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

PERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN (STUDI KASUS KOTA SALATIGA, BULAN JANUARI 2014 JULI 2016)

PERAMALAN 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 terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Pengerian Persediaan (Invenory) Persediaan didefinisikan sebagai barang jadi yang disimpan aau digunakan unuk dijual pada periode mendaang, yang dapa berbenuk bahan baku yang

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

JURNAL TEKNIK POMITS Vol. 2, No. 2, (2013) ISSN: ( Print) D-108

JURNAL TEKNIK POMITS Vol. 2, No. 2, (2013) ISSN: ( Print) D-108 JURNAL TEKNIK POMITS Vol., No., (013) ISSN: 337-3539 (301-971 Prin) D-108 Simulasi Peredaman Gearan Mesin Roasi Menggunakan Dynamic Vibraion Absorber () Yudhkarisma Firi, dan Yerri Susaio Jurusan Teknik

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

SKRIPSI IMELDA YULI YANTI FRANSISKA

SKRIPSI IMELDA YULI YANTI FRANSISKA INVENTORY CONTROL DAN PERENCANAAN BAHAN BAKU DI INDUSTRI MANUFAKTURING PADA PT. INDOFOOD SUKSES MAKMUR - MEDAN SKRIPSI IMELDA YULI YANTI FRANSISKA 050803021 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN

Lebih terperinci

Pemodelan ARIMA Dalam Prediksi Penumpang Pesawat Terbang Pada Bandara Internasional Sam Ratulangi Manado

Pemodelan 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 terperinci

PEMODELAN SMOOTH TRANSITION AUTOREGRESSIVE (STAR) PADA KURS THAI BATH TERHADAP RUPIAH RAHMA NUR CAHYANI

PEMODELAN 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 terperinci

3 METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian 3.2 Pengumpulan Data 3.3 Pengolahan dan Analisis Data Analisis catch per unit effort

3 METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian 3.2 Pengumpulan Data 3.3 Pengolahan dan Analisis Data Analisis catch per unit effort 3 METODE PENELITIAN 3. Waku dan Tempa Peneliian Peneliian dilaksanakan selama dua bulan dari bulan Agusus sampai Sepember 2008. Tempa yang dadikan obyek peneliian adalah Pelabuhan Perikanan Nusanara (PPN)

Lebih terperinci

MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BOX-JENKINS. OLEH : SHANTIKA MARTHA, S.Si NIP

MAKALAH 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 terperinci

Peramalan Netflow Uang Kartal dengan Metode ARIMAX dan Radial Basis Function Network (Studi Kasus Di Bank Indonesia)

Peramalan Netflow Uang Kartal dengan Metode ARIMAX dan Radial Basis Function Network (Studi Kasus Di Bank Indonesia) JURNAL SAINS DAN SENI POMITS Vol., No., () - (-X Prin) D- Peramalan Neflow Uang Karal dengan Meode ARIMAX dan Radial Basis Funcion Nework (Sudi Kasus Di Bank Indonesia) Renny Elfira Wulansari dan Suharono

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

PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Studi Kasus Data Saham PT. Gudang Garam Tbk.

PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Studi Kasus Data Saham PT. Gudang Garam Tbk. Bulein Ilmiah Mah. Sa. dan Teraannya (Bimaser) Volume 4, No. 3 (ahun), hal 69 78. PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Sudi Kasus Daa Saham PT.

Lebih terperinci

MODEL DERET WAKTU HIDDEN MARKOV

MODEL 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

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

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

BAB III METODOLOGI PENELITIAN. Penelitian ini adalah penelitian Quasi Eksperimental Design dengan

BAB III METODOLOGI PENELITIAN. Penelitian ini adalah penelitian Quasi Eksperimental Design dengan BAB III METODOLOGI PENELITIAN A. Jenis dan Desain Peneliian Peneliian ini adalah peneliian Quasi Eksperimenal Design dengan kelas eksperimen dan kelas conrol dengan desain Prees -Poses Conrol Group Design

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

(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

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

IV. METODE PENELITIAN

IV. 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 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

Prediksi Permintaan BBM di PT. Pertamina Region V dengan Metode Peramalan Data Time Series Hirarki

Prediksi Permintaan BBM di PT. Pertamina Region V dengan Metode Peramalan Data Time Series Hirarki Prediksi Perminaan BBM di PT. Peramina Region V dengan Meode Peramalan Daa Time Series Hirarki Prania Dian Uari dan 2 Suharono Mahasiswa Jurusan Saisika FMIPA-ITS (38 57) 2 Dosen Jurusan Saisika FMIPA-ITS

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 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

Perbandingan Metode Holt Exponential Smoothing dan Winter Exponential Smoothing Untuk Peramalan Penjualan Souvenir

Perbandingan Metode Holt Exponential Smoothing dan Winter Exponential Smoothing Untuk Peramalan Penjualan Souvenir Jurnal Ilmiah Teknologi Informasi Asia Vol.11, No. 2, Tahun 2017 ISSN: 2580-8397 (O); 0852-730X (P) Perbandingan Meode Hol Exonenial Smoohing dan Winer Exonenial Smoohing Unuk Peramalan Penjualan Souvenir

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

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi dan Waku Peneliian Peneliian ini dilaksanakan di PT Panafil Essenial Oil. Lokasi dipilih dengan perimbangan bahwa perusahaan ini berencana unuk melakukan usaha dibidang

Lebih terperinci

PENGGUNAAN DISTRIBUSI PELUANG JOHNSON SB UNTUK OPTIMASI PEMELIHARAAN MESIN

PENGGUNAAN DISTRIBUSI PELUANG JOHNSON SB UNTUK OPTIMASI PEMELIHARAAN MESIN M-6 PENGGUNAAN DISTRIBUSI PELUANG JOHNSON SB UNTUK OPTIMASI PEMELIHARAAN MESIN Enny Suparini 1) Soemarini 2) 1) & 2) Deparemen Saisika FMIPA UNPAD arhinii@yahoo.com 1) ine_soemarini@yahoo.com 2) Absrak

Lebih terperinci