PEMODELAN DAN PERAMALAN JUMLAH PENUMPANG DAN PESAWAT DI TERMINAL KEDATANGAN INTERNASIONAL BANDARA JUANDA SURABAYA DENGAN METODE VARIANSI KALENDER

Ukuran: px
Mulai penontonan dengan halaman:

Download "PEMODELAN DAN PERAMALAN JUMLAH PENUMPANG DAN PESAWAT DI TERMINAL KEDATANGAN INTERNASIONAL BANDARA JUANDA SURABAYA DENGAN METODE VARIANSI KALENDER"

Transkripsi

1 PEMODELAN DAN PERAMALAN JUMLAH PENUMPANG DAN PESAWAT DI TERMINAL KEDATANGAN INTERNASIONAL BANDARA JUANDA SURABAYA DENGAN METODE VARIANSI KALENDER M. Insanil Kamil m.insanil_kml@yahoo.com Dosen pembimbing: Dra Wiwiek Setya Winahju, M.S. wiwiek@statistika.its.ac.id Abstrak Peramalan jumlah penumpang dan pesawat sangat penting untuk dapat dijadikan acuan dalam perkembangan dunia transportasi dan pariwisata. Penelitian ini bertujuan untuk mendapatkan model terbaik serta nilai peramalan pada periode satu tahun kedepan dari jumlah penumpang dan pesawat yang masuk ke Indonesia melalui bandara Juanda Surabaya. Dalam penelitian ini, data yang digunakan merupakan jumlah penumpang dan pesawat Internasional sejak bulan uari 00 sampai bulan Desember 0 sebagai in-sample dan data pada bulan uari 0 sampai bulan Desember 0 sebagai out-sample. Metode yang digunakan untuk pemodelan adalah ARIMA Box-Jenkins dan ARIMAX dengan melibatkan variabel t, dummy bulan dan dummy lebaran sebagai input. Model terbaik dalam menggambarkan perkembangan jumlah penumpang adalah ARIMA (,,0)(,,0) sedangkan untuk jumlah pesawat model terbaiknya adalah ARIMA(0,,[,,])(0,0,). Hasil penelitian ini menunjukkan bahwa metode variansi kalender masih belum lebih baik dari ARIMA Box-Jenkins untuk pemodelan terhadap jumlah penumpang dan pesawat. Kata kunci: Penumpang, Pesawat, Variansi Kalender, ARIMA Box-Jenkins. Pendahuluan Bandara Juanda merupakan salah satu bandara internasional yang memiliki peranan penting dalam pengembangan dunia transportasi dan pariwisata yang ada di Indonesia. Berdasarkan hasil pengamatan, dapat diketahui bahwa terjadi peningkatan jumlah penumpang yang masuk ke bandara Juanda Surabaya tiap tahunnya. Peningkatan tersebut juga diikuti dengan meningkatnya jumlah pesawat yang masuk. Untuk itulah perlu dilakukan pemodelan dan peramalan jumlah penumpang dan pesawat Internasional yang masuk ke Indonesia melalui bandara Juanda Surabaya. Dalam beberapa studi, seringkali ditemui data deret waktu yang memberikan hasil berbeda-beda tiap tahunnya dikarenakan adanya kegiatan atau kejadian yang dilakukan masyarakat tidak berdasarkan penanggalan masehi salah satunya adalah adanya hari lebaran yang terjadi tidak berdasarkan penanggalan masehi, melainkan penanggalan hijriyah. Efek hari lebaran ternyata juga berpengaruh terhadap peningkatan jumlah penumpang dan pesawat di bandara Juanda Surabaya. Fenomena tersebut terjadi karena adanya budaya mudik bagi warga Surabaya dan sekitarnya yang merantau ke luar negeri serta menjadi waktu untuk berlibur bagi wisatawan asing. Untuk itu, selain dengan metode ARIMA Box-Jenkins, pemodelan dan peramalan terhadap jumlah penumpang dan pesawat dapat dilakukan dengan metode variansi kalender (ARIMAX).

2 Penelitian mengenai pemodelan jumlah penumpang Internasional yang masuk melalui bandara Juanda Surabaya telah dilakukan oleh Ribaan (0) dengan hasil model yang terbaik adalah ARIMA([],,0)(0,0,). Sedangkan penelitian yang berkaitan dengan pemodelan dengan metode variansi kalender biasa diterapkan pada pemodelan terhadap data penjualan suatu produk. Seperti yang dilakukan oleh Asmara,dkk (0) yang menunjukkan bahwa peningkatan penjualan produk di sebuah perusahaan ritel terjadi sejak dua bulan sebelum lebaran sampai datangnya bulan lebaran. Dinas SIMTAPOR PT Angkasa Pura I Juanda Surabaya yang bertugas melakukan pendataan terhadap jumlah penumpang dan pesawat, sampai saat ini masih banyak menemukan ketidaktepatan hasil peramalan terhadap jumlah penumpang dan pesawat yang telah dilakukan. Untuk itu tujuan dari penelitian ini adalah mendapatkan model terbaik yang dapat menggambarkan perkembangan jumlah penumpang dan pesawat yang masuk ke Indonesia melalui bandara Juanda Surabaya serta melakukan peramalan jumlah penumpang dan pesawat pada bulan uari hingga Desember.. Pemodelan Deret Waktu Analisis deret waktu (Time series) adalah salah satu prosedur statistika yang diterapkan untuk meramalkan struktur probabilistik keadaan yang akan terjadi dimasa yang akan datang dalam pengambilan keputusan (Wei, 0). Analisis data dengan time series pada dasarnya bertujuan untuk meramalkan kondisi di masa akan datang dan mengetahui hubungan antar peubah (Makridakis, Wheelwright, and McGee,). Pada bagian ini akan dijelaskan tentang beberapa metode yang digu-nakan dalam pemodelan jumlah penumpang dan pesawat yaitu ARIMA Box-Jenkins dan Variansi kalender. Model ARIMA Box-Jenkins multiplicative untuk pemodelan ARIMA musiman adalah sebagai berikut (Wei, 0)., () nilai-nilai orde p, d, q, P, D, dan Q diperoleh dari pengamatan terhadap nilai-nilai ACF dan PACF data yang telah stasioner. Penjelasan lebih lengkap mengenai ARIMA musiman dalam pemodelan terdapat pada Wei (0) dan Box, dkk (). Sedangkan untuk data deret waktu yang mengandung efek variansi kalender, pemodelan yang dapat digunakan adalah sebagai berikut (Liu,).,,, ~.. 0,, t=,,,n. () dengan f(ω,x t ) merupakan total efek kalender pada saat t dan Nt merupakan model ARIMA Residual dengan dan. Pada penelitian ini, efek kalender yang digunakan adalah efek dari adanya hari lebaran. Penjelasan lebih lengkap mengenai pemodelan variansi kalender terdapat pada Liu (), Bell dan Hilmer () serta Suhartono (0).

3 . Metodologi penelitian Data yang digunakan dalam penelitian ini merupakan data jumlah penumpang dan pesawat yang masuk pada terminal kedatangan Internasional (International Arrival) di bandara Juanda Surabaya. Data merupakan data sekunder yang diperoleh dari PT Angkasa Pura I cabang bandara Juanda Surabaya. Pada penelitian ini, terdapat jenis model dugaan yang digunakan, yaitu ARIMA Box-Jenkins dan jenis pemodelan variansi kalender. Untuk pemodelan ARIMA Box-Jenkins, tahapan yang dilakukan adalah mengetahui kestasioneran data terhadap varians dan mean. Setelah data dinyatakan telah stasioner, selanjutnya dilakukan identifikasi orde ARIMA berdasarkan plot ACF dan PACF yang diperoleh. Kemudian tahapan berikutnya adalah melakukan estimasi parameter dan pengujian hipotesis untuk signifikansi parameter. Pemodelan variansi kalender pada dasarnya merupakan pemodelan regresi antara jumlah penumpang atau pesawat sebagai respon dan variabel t, dummy bulan, dan dummy lebaran sebagai prediktor. Pada penelitian ini terdapat tiga jenis model dugaan yang digunakan. Perbedaan dari ketiga model tersebut adalah varia-bel prediktor yang dilibatkan dalam model. Model pertama adalah model yang melibatkan variabel t, dummy bulan dan dummy lebaran. Model dugaan berikutnya dilakukan dengan melibatkan variabel t dan dummy lebaran. Sedangkan model yang ketiga terbentuk dari pemodelan regresi dengan variabel respon adalah variabel dummy lebaran., (). (). () Setelah diketahui bahwa semua variabel prediktor yang terlibat telah signifikan, selanjutnya dilakukan identifikasi orde ARIMA residual (N t ) dari masing-masing model dengan pengamatan terhadap ACF dan PACF N t. Setelah didapatkan orde ARIMA yang sesuai, selanjutnya dilakukan pemodelan ARIMAX yaitu dengan menjadilan variabel prediktor sebagai input. Salah satu contohnya adalah sebagai berikut... Analisis dan Pembahasan Pada bagian ini akan diuraikan hasil analisis dan pembahasan dalam penelitian ini. Hal-hal yang akan dibahas adalah deskripsi jumlah penumpang dan pesawat, pemodelan ARIMA Box-Jenkins, pemodelan variansi kalender, serta perbandingan kebaikan model dan peramalan jumlah penumpang dan pesawat pada tahun. ()

4 .. Deskripsi Jumlah Penumpang dan Jumlah Pesawat Sebagai langkah awal, dilakukan pengamatan terhadap time series plot jumlah penumpang dan jumlah pesawat yang ditunjukkan pada Gambar. Time series plot menunjukkan bahwa jumlah penumpang dan pesawat internasional yang masuk di bandara Juanda penumpang pesawat Month Year 00 /00 Dec/00 Dec/0 Dec/0 Nov/0 Nov/0 Nov/0 Oct/0 Oct/0 Oct/0 0 Month Year Time Series Plot Jumlah Penumpang /00 Dec/00 Dec/0 Dec/0 Nov/0 Nov/0 Nov/0 Oct/0 Oct/0 Oct/ Time Series Plot Pesawat 0 Data Data Month Year Month Year Time Series Plot of Penumpang (ORIGIN) Time Series Plot Pesawat (ORIGIN) Variable SIN BWN HKG JHB KUL TPE All Variable SIN BWN HKG JHB KUL TPE All Gambar. Time Series Plot Jumlah Penumpang in-sample; Time Series Plot Jumlah Pesawat in-sample Surabaya mengalami peningkatan nilai pada tiap tahunnya. Selain itu, juga dapat diketahui bahwa jumlah penumpang dan pesawat terbanyak adalah berasal dari Singapura (SIN) dan Kuala Lumpur (KUL). Tabel. Deskripsi Jumlah Penumpang Bulan Rata-rata Varians uari Februari Maret April Mei Juni 00 0 Juli Agustus 0 September Oktober November Desember Berdasarkan perhitungan tersebut dapat diketahui bahwa terdapat beberapa bulan yang memiliki nilai rata-rata jumlah penumpang cukup tinggi atau bernilai lebih dari kisaran 000, yaitu pada bulan Juli, Agustus, Oktober, November dan Desember dengan nilai ratarata masing-masing, 0,,, dan. Na-mun bulan oktober memili-

5 ki nilai varians terbesar yaitu sebesar. Hal tersebut dapat menunjukkan bahwa jumlah penumpang pada bulan Oktober bervariasi tiap tahunnya. Variasi jumlah penumpang tersebut dikarenakan adanya peningkatan jumlah penumpang internasional pada bulan-bulan lebaran. Sedangkan deskripsi jumlah pesawat terdapat pada Tabel. Hasil yang diperoleh menunjukkan bahwa bulan yang memiliki rata-rata jumlah pesawat paling tinggi adalah bulan Desember yaitu bernilai,. Tingginya nilai rata-rata tersebut diikuti oleh nilai standart deviasi yang kecil yaitu sebesar.... Pemodelan ARIMA Box-Jenkins Tabel. Deskripsi Jumlah Pesawat Bulan Rata-rata Varians uari. Februari. 0.0 Maret. 0. April. Mei.. Juni.. Juli.. Agustus..0 September.. Oktober.. November.. Desember.. Sebagai langkah awal dari pemodelan ARIMA Box-Jenkins adalah dengan mengetahui kestasioneran jumlah penumpang dan pesawat terhadap varians yang dilakukan dengan pengamatan terhadap Box-cox plot (Gambar ). Untuk jumlah penumpang dapat diketahui bahwa kestasioneran terhadap varians belum terpenuhi, hal tersebut ditunjukkan dengan nilai Upper CL sebesar dan Lower CL sebesar -0, yang tidak memuat nilai. Untuk mengatasi hal tersebut perlu dilakukan transformasi logaritma natural (ln) karena nilai λ yang diperoleh adalah 0. Sedangkan untuk jumlah pesawat, Box-Cox plot menunjukkan nilai upper CL dan lower CL telah memuat nilai, sehingga dapat disimulkan bahwa jumlah pesawat telah stasioner terhadap varians. Box-Cox Plot Jumlah Penumpang Box-Cox Plot Pesawat 000 Lower CL Upper CL Lambda 0 Lower CL Upper CL Lambda StDev (using.0% confidence) Estimate 0. Lower CL -0. Upper CL Rounded Value 0 StDev 0 (using.0% confidence) Estimate.0 Lower CL Upper CL. Rounded Value Limit Limit Lambda..0 Gambar. Box-Cox Plot Jumlah Penumpang; Box-Cox Plot Jumlah Pesawat Langkah berikutnya adalah mengetahui kestasioneran terhadap mean dengan pengamatan terhadap Function (ACF) jumlah penumpang dan pesawat. Berdasarkan ACF plot yang ditunjukkan pada Gambar, dapat diketahui bahwa jumlah penumpang dan pesawat belum stasioner terhadap mean, sehingga perlu dilakukan difference kali terhadap jumlah penumpang dan jumlah pesawat. Hal tersebut juga dikuatkan dengan hasil Lambda..0

6 pengujian Dickey-Fuller yang menghasilkan nilai τ =-. (p-value = ) untuk jumlah penumpang dan τ =-. (p-value = 0.). Function Trans-Jumlah Penumpang (with % significance limits for the autocorrelations) Function (ACF) Pesawat (with % significance limits for the autocorrelations) Gambar. ACF Plot Jumlah Penumpang; ACF Plot Jumlah Pesawat Setelah dilakukan diffrencing kali terhadap jumlah penumpang, selanjutnya dilakukan identifikasi model dengan pengamatan terhadap ACF dan PACF sebagai berikut. 0 0 Function (ACF) D-Trans Penumpang (with % significance limits for the autocorrelations) Partial Function (PACF) D-Trans Penumpang (with % significance limits for the partial autocorrelations) Partial Function (ACF) D-D-Trans Penumpang (with % significance limits for the autocorrelations) Partial Function (PACF) D-D-Trans Penumpang (with % significance limits for the partial autocorrelations) (c) 0 Partial (d) 0 Gambar. ACF plot DJumlah Penumpang; PACF plot D Jumlah Penumpang; (c) ACF plot D-DJumlah Penumpang; (d) PACF D-Dplot Jumlah Penumpang Berdasarkan ACF dan PACF plot diatas, model dugaan yang mungkin digunakan a- dalah ARIMA([,,,],,0)(,0,0), ARIMA(0,,)(0,0,), ARIMA([,,,],,0) (,,0), dan ARIMA(0,,[,,])(0,,). Namun pada tahap penaksiran parameter dan pengujian hipotesis menunjukkan ada beberapa parameter yang tidak signifikan, sehingga model yang telah memenuhi parameter signifikan, residual White-Noise, dan residual berdistribusi normal adalah ARIMA(,,0) (,0,0), ARIMA(0,,)(0,0,), ARIMA(,,0) (,,0), dan ARIMA(0,,[,,])(0,,). Keempat model tersebut merupakan model tanpa konstanta dan terdapat penambahan outlier karena diperoleh residual yang tidak memenuhi distribusi normal. Selanjutnya dilakukan pengamatan terhadap ACF dan PACF plot jumlah pesawat yang ditunjukkan pada Gambar. Hasil ACF dan PACF plot jumlah pesawat menunjukkan

7 model yang mungkin digunakan adalah ARIMA([,],,0)(,0,0), ARIMA (0,,[,,,])(0,0,), ARIMA ([],,0)(,,0), dan ARIMA(0,,0)(0,,). Function (ACF) D-Pesawat (with % significance limits for the autocorrelations) Partial Function (PACF) D-Pesawat (with % significance limits for the partial autocorrelations) Partial Function (ACF) D-D Pesawat (with % significance limits for the autocorrelations) Partial Function (PACF) D-DPesawat (with % significance limits for the partial autocorrelations) Partial (c) 0 0 (d) 0 Gambar. ACF plot DJumlah Pesawat; PACF plot D Jumlah Pesawat; (c) ACF plot D-DJumlah Pesawat; (d) PACF plot D-D Jumlah Pesawat Hasil penaksiran parameter dan uji hipotesis menunjukkan bahwa model yang telah memenuhi parameter signifikan, residual White-Noise, dan residual berdistribusi normal adalah ARIMA(0,,0)(,0,0), ARIMA(0,,[,,])(0,0,), ARIMA([],,0)(,,0), dan ARIMA(0,,0)(0,,). Keempat model tersebut merupakan model tanpa konstanta... Pemodelan Variansi Kalender Pada pemodelan variansi kalender jumlah penumpang, diawali dengan melakukan pengujian signifikansi parameter pada masing-masing dari variabel yang dilibatkan. Hasil model regresi dengan semua variabel yang telah signifikan adalah sebagai berikut 0, ()..0, () 0., () Setelah semua parameter model signifikan, selanjutnya dilakukan pengamatan terhadap ACF dan PACF residual masing masing model (N t, N t, N t ) pada Gambar.

8 Function (ACF) Nt (with % significance limits for the autocorrelations) Partial Function (PACF) Nt (with % significance limits for the partial autocorrelations) Partial Function (ACF) Nt (with % significance limits for the autocorrelations) Partial Function (PACF) Nt (with % significance limits for the partial autocorrelations) Partial (c) (d) Function (ACF) Nt-D-D-Penumpang (with % significance limits for the autocorrelations) Partial Function (PACF) Nt-D-D-Penumpang (with % significance limits for the partial autocorrelations) Partial (e) (f) Gambar. ACF plot D N t ; PACF plot D N t ; (c) ACF plot N t ; (d) PACF plot N t (e) ACF plot N t (D-D); (f) PACF plot N t (D-D) ACF dan PACF plot dari residual pemodelan variansi kalender memberikan hasil identifikasi model yang sesuai untuk pemodelan jumlah penumpang yaitu ARIMAX ([,,],0,0), -t,d -D, L; ARIMAX(0,0,), -t,d -D, L; ARIMAX([,,,],0,0), -t, L; ARIMAX(0,0,[,,,,]) -t, L; ARIMAX([,,,],,0)(,,0), -L; dan ARIMAX (0,,)(0,,), -L. Hasil pengujian hipotesis dan cek diagnosa menunjukkan hanya ada model yang memenuhi asumsi yaitu ARIMAX([,,],0,0), -t,d -D, L dan ARIMAX (0,0,), -t,d -D, L. Penulisan model tersebut menunjukkan nilai-nilai orde ARIMA dan keterlibatan variabel input kedalam model. Seperti halnya pada jumlah penumpang, pemodelan variansi kalender jumlah pesawat diawali dengan melakukan pengujian signifikansi parameter model regresi yang telah ditentukan. Berdasarkan hasil pemodelan, ternyata model regresi yang memenuhi signifikansi parameter adalah sebagai berikut. 0., () Setelah semua parameter signifikan, selanjutnya dilakukan penentuan orde model ARIMA residual (N t ) yang diperoleh dari pengamatan terhadap ACF dan PACF plot pada Gambar.

9 Function (ACF) Nt D-Pesawat (with % significance limits for the autocorrelations) Partial Function (PACF) Nt D-Pesawat (with % significance limits for the partial autocorrelations) Partial Gambar. ACF plot N t (D); PACF plot N t (D) Model dugaan yang mungkin digunakan berdasarkan hasil penentuan orde ARIMA N t adalah ARIMAX(,,0)(,0,0),-L dan ARIMAX(0,,[,,,])(0,0,),-L. Pada tahap penaksiran parameter dan cek diagnosa, model yang memenuhi asumsi adalah ARIMAX(,,0) (,0,0), -L dan ARIMAX(0,,0)(0,0,), -L. Setelah diperoleh model terbaik untuk jumlah penumpang dan pesawat, selanjutnya dilakukan perbandingan kebaikan model. Kriteria kebaikan model yang digunakan adalah AIC dan SBC pada in-sample serta MAPE dan MSE pada out-sample. Hasil perbandingan ditunjukkan pada table sebagai berikut. Tabel a. Nilai Kebaikan Model Penumpang Model In sample Out sample AIC SBC MAPE MSE ARIMA(,,0)(,0,0)...0% ARIMA(0,,)(0,0,)...% 0 ARIMA(,,0)(,,0)..% ARIMA(0,,[,,])(0,,)...% ARIMAX([,,],0,0), -t, D -D, L. 0. % ARIMAX(0,0,), -t, D -D, L...% Tabel b. Nilai Kebaikan Model Pesawat In sample Model Out sample AIC SBC MAPE MSE ARIMA(0,,0)(,0,0)...%.0 ARIMA(0,,[,,])(0,0,) 0...%. ARIMA([],,0)(,,0)...%. ARIMA(0,,0)(0,,). 0..%. ARIMAX(0,,0)(,0,0), -L...%. ARIMAX(0,,0)(0,0,), -L...%. Berdasarkan pengamatan terhadap kriteria kebaikan model, maka model terbaik yang diperoleh untuk pemodelan jumlah penumpang adalah ARIMA(,,0) (,,0) sedangkan model terbaik untuk jumlah pesawat adalah ARIMA(0,,[,,])(0,0,) Setelah didapatkan model yang terbaik untuk jumlah penumpang dan pesawat, maka model terbaik yang diperoleh digunakan untuk melakukan peramalan untuk periode tahun. Hasil peramalan dengan model terbaik ditunjukkan pada Tabel.

10 . Kesimpulan Tabel. Hasil Peramalan Jumlah Penumpang dan Pesawat untuk Periode Tahun Bulan Penumpang Pesawat uari 0 Februari Maret April Mei Juni Juli Agustus September Oktober Nopember Desember Berdasarkan hasil-hasil diatas dapat diberikan beberapa kesimpulan sebagai berikut:. Model yang terbaik untuk Jumlah Penumpang adalah ARIMA(,,0)(,,0) dengan persamaan model matematis Model yang terbaik untuk Jumlah Pesawat adalah model ARIMA(0,,[,,]) (0,0,) dengan persamaan model matematis.0.. Ternyata pemodelan varians kalender untuk mendapatkan model jumlah penumpang dan pesawat, masih belum lebih baik daripada pemodelan ARIMA Box-Jenkins Daftar Pustaka Asmara, Y. P. Y., Suhartono., Endharta, J. E., 0. Pemodelan Data Deret Waktu Yang Mengandung Efek Variasi Kalender Pada Kasus Penjualan Produk Di Perusahaan Ritel, Seminar Nasional Statistika IX ITS Surabaya. Bell, W.R. dan Hilmer, S.,. Modelling Time Series With Calendar Variation. Journal of American Statistical Association,, -. Box, G.E.P., Jenkins, G.M., and Reissel, G.C.,. Time Series Analysis Forecasting and Control, rd edition. Englewood Cliffs : Prentice Hall. Cryer, J.D.,. Time Series Analysis. Boston : Publishing Company. Drapper, N.R. dan Smith, H.. Analisis Regresi Terapan, Edisi kedua, Jakarta : PT. Gramedia Pustaka Utama. Liu, L.M. 0. Analysis of Time Series with Calendar Effects. Management Science,, -.,. Identification of Time Series Models in the Presence of Calendar Variation. International Journal of Forecasting,, -. Prideaux, B., Laws,E., Faulkner, B, 0. Events in Indonesia: Exploring The Limits To Formal Tourism Trends Forecasting Methods In Complex Crisis Situations. Tourism Management.. (p -).

11 Ribaan. 0. Penerapan Metode ARIMA untuk Peramalan Jumlah Wisatawan Mancanegara yang Berkunjung ke Indonesia Melalui Tujuh Pintu Masuk Utama. Tugas Akhir S Statistika ITS Surabaya (tidak dipublikasikan). Suhartono. 0, Calender Variation Model for Forecasting Time Series Data with Islamic Calender Effect. Jurnal Matematika, Sains, & Teknologi,, : -. Wei, W.W.S., 0. Time Series Univariate and Multivariate Methods. Canada: Addison Wesley Publishing Company, Inc. Widyaningsih, R., 0. Model Intervensi Untuk Evaluasi Dampak Bencana Lumpur Lapindo Terhadap Volume Kendaraan Di Jalan Tol, Tugas Akhir S Statistika ITS Surabaya (tidak dipublikasikan).

PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)

PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) Oleh : Nofinda Lestari 1208 100 039 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT

Lebih terperinci

Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api

Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api Efek Variasi Kalender dengan Pendekatan Regresi Time Series Nur Ajizah 1, Resa Septiani Pontoh 2, Toni Toharudin 3 Mahasiswa Program

Lebih terperinci

Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input

Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input Oleh : Defi Rachmawati 1311 105 007 Dosen Pembimbing :

Lebih terperinci

Pemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer

Pemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer TUGAS AKHIR Pemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer Oleh : Fani Felani Farid (1306 100 047) Pembimbing : Drs. Kresnayana Yahya M.Sc Latar Belakang

Lebih terperinci

Oleh : Dwi Listya Nurina Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si

Oleh : Dwi Listya Nurina Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si Oleh : Dwi Listya Nurina 1311105022 Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si Air Bersih BUMN Penyediaan air bersih untuk masyarakat mempunyai peranan yang sangat penting dalam meningkatkan kesehatan

Lebih terperinci

PEMODELAN JUMLAH PENDERITA HIV/AIDS TERKAIT KUNJUNGAN WISATAWAN DI KABUPATEN BADUNG DAN KOTA MADYA DENPASAR DENGAN METODE TRANSFER FUNCTION

PEMODELAN JUMLAH PENDERITA HIV/AIDS TERKAIT KUNJUNGAN WISATAWAN DI KABUPATEN BADUNG DAN KOTA MADYA DENPASAR DENGAN METODE TRANSFER FUNCTION PEMODELAN JUMLAH PENDERITA HIV/AIDS TERKAIT KUNJUNGAN WISATAWAN DI KABUPATEN BADUNG DAN KOTA MADYA DENPASAR DENGAN METODE TRANSFER FUNCTION Oleh NYOMAN PANDU WIRADARMA (1308 100 052) Dosen Pembimbing 1

Lebih terperinci

Cetakan I, Agustus 2014 Diterbitkan oleh: Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pattimura

Cetakan I, Agustus 2014 Diterbitkan oleh: Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pattimura Hak cipta dilindungi Undang-Undang Cetakan I, Agustus Diterbitkan oleh: Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pattimura ISBN: ---- Deskripsi halaman sampul : Gambar yang ada pada cover

Lebih terperinci

PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus : KA Argo Muria)

PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus : KA Argo Muria) ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 131-140 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN

Lebih terperinci

KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q)

KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) SIDANG TUGAS AKHIR KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) Disusun oleh : Ratna Evyka E.S.A NRP 1206.100.043 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi

Lebih terperinci

OUTLINE. Pendahuluan. Tinjauan Pustaka. Metodologi Penelitian. Analisis dan Pembahasan. Kesimpulan dan Saran

OUTLINE. Pendahuluan. Tinjauan Pustaka. Metodologi Penelitian. Analisis dan Pembahasan. Kesimpulan dan Saran OUTLINE Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran LATAR BELAKANG Listrik elemen terpenting dalam kehidupan manusia Penelitian Sebelumnya Masyarakat

Lebih terperinci

FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA

FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA 1) Nurul Latifa Hadi 2) Artanti Indrasetianingsih 1) S1 Program Statistika, FMIPA, Universitas PGRI Adi Buana Surabaya 2)

Lebih terperinci

Analisis Peramalan Banyaknya Permintaan Darah di Surabaya Menggunakan Metode

Analisis Peramalan Banyaknya Permintaan Darah di Surabaya Menggunakan Metode Analisis Peramalan Banyaknya Permintaan Darah di Surabaya Menggunakan Metode ARIMA Box Jenkins Oleh : Winda Eka Febriana 1307 030 002 Pembimbing : Dra. Wiwiek Setya Winahju, MS Latar Belakang PMI Merupakan

Lebih terperinci

Analisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan

Analisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan SEMINAR PROPOSAL TUGAS AKHIR Analisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan OLEH: NAMA : MULAZIMATUS SYAFA AH NRP : 13.11.030.021 DOSEN PEmbimbing: Dr.

Lebih terperinci

PERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA

PERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA Seminar Hasil Tugas Akhir Jurusan Statistika Institut Teknologi Sepuluh Nopember Surabaya 2013 LOGO PERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA

Lebih terperinci

PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS

PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS Oleh : Agustini Tripena ABSTRACT In this paper, forecasting the consumer price index data and inflation. The method

Lebih terperinci

Peramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun

Peramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun Peramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun NAMA : RITA RAHMADHANI NRP : 1306 030 008 PEMBIMBING: DR. BRODJOL SUTIJO

Lebih terperinci

Model Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer

Model Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer Model Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer OLEH : DWI LISTYA NURINI 1311 105 021 DOSEN PEMBIMBING : DR. BRODJOL SUTIJO SU, M.SI Bursa saham atau Pasar

Lebih terperinci

BAB IV ANALISIS DAN PEMBAHASAN

BAB IV ANALISIS DAN PEMBAHASAN C BAB IV ANALISIS DAN PEMBAHASAN Penelitian ini mencoba meramalkan jumlah penumpang kereta api untuk masa yang akan datang berdasarkan data volume penumpang kereta api periode Januari 994-Februari 203

Lebih terperinci

KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q)

KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q) UJIAN TUGAS AKHIR KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q) Disusun oleh : Novan Eko Sudarsono NRP 1206.100.052 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi

Lebih terperinci

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

ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING Nama : Zahroh Atiqoh NRP : 1205 100 021 Dosen Pembimbing : 1. Dra. Nuri Wahyuningsih, MKes 2. Drs. Sulistiyo,

Lebih terperinci

Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer

Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer 1 Faridah Yuliani dan 2 Dr. rer pol Heri Kuswanto 1,2 Jurusan Statistika

Lebih terperinci

99.9. Percent maka H 0 diterima, berarti residual normal

99.9. Percent maka H 0 diterima, berarti residual normal Uji residual white noise 2 Lag Q P value 6 3.5 9.49 0.5330 2 6.6 8.3 0.803 8 9.8 26.30 0.9059 24 9.3 33.92 0.6374 K p q Uji residual berdistribusi normal Percent 99.9 99 95 90 80 70 60 50 40 30 20 0 5

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di: ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 737-745 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN DAYA LISTRIK BERDASARKAN JUMLAH PELANGGAN PLN MENGGUNAKAN

Lebih terperinci

Prosiding Seminar Nasional MIPA 2016

Prosiding Seminar Nasional MIPA 2016 Peramalan Jumlah Penumpang Kereta Api Lodaya Jurusan Bandung-Solo Menggunakan Model Reg-ARIMA Dengan Variasi Kalender (Studi Kasus: PT. Kereta Api Indonesia) Dyah Puspita Sari*, Gumgum Darmawan, Soemartini

Lebih terperinci

PERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL. Oleh: Niswatul Maghfiroh NRP.

PERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL. Oleh: Niswatul Maghfiroh NRP. PERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL Oleh: Niswatul Maghfiroh NRP. 1208100065 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT

Lebih terperinci

Model Penjualan Plywood PT. Linggarjati Mahardika Mulia

Model Penjualan Plywood PT. Linggarjati Mahardika Mulia Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami) Vol., No., Juli 7, Hal. 52-57 p-issn: 25-4596; e-issn: 25-4X Halaman 52 Model Penjualan Plywood PT. Linggarjati Mahardika Mulia

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-249

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-249 JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) 2337-3520 (2301-928X Print) D-249 Analisis Fungsi Transfer pada Harga Cabai Merah yang Dipengaruhi oleh Curah Hujan Di Surabaya Putri Rintan Aryasita,

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-300

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-300 JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (203) 233-20 (230-9X Print) D-300 Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R- dengan Metode Fungsi Transfer

Lebih terperinci

ABSTRAK. Kata kunci : Data Runtun Waktu, Indeks Harga Konsumen, ARIMA, Analisis Intervensi, Fungsi Step, Peramalan. I Pendahuluan

ABSTRAK. Kata kunci : Data Runtun Waktu, Indeks Harga Konsumen, ARIMA, Analisis Intervensi, Fungsi Step, Peramalan. I Pendahuluan Analisis Model Intervensi Fungsi Step Terhadap Indeks Harga Konsumen (IHK) Zuhairini Azzahra A 1, Suyono 2, Ria Arafiyah 3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas

Lebih terperinci

PERAMALAN INDEKS HARGA SAHAM MENGGUNAKAN METODE INTERVENSI. Oleh: IRLIZANTY YULYANTIKA RAHADI

PERAMALAN INDEKS HARGA SAHAM MENGGUNAKAN METODE INTERVENSI. Oleh: IRLIZANTY YULYANTIKA RAHADI PERAMALAN INDEKS HARGA SAHAM MENGGUNAKAN METODE INTERVENSI Oleh: IRLIZANTY YULYANTIKA RAHADI 6 4 Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes Abstrak Indeks harga saham merupakan suatu indikator yang

Lebih terperinci

Meytaliana F Dosen Pembimbing: Prof. Dr. Basuki Widodo, M.Sc. Dra. Nuri Wahyuningsih, M.Kes.

Meytaliana F Dosen Pembimbing: Prof. Dr. Basuki Widodo, M.Sc. Dra. Nuri Wahyuningsih, M.Kes. ESTIMASI PARAMETER AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) (STUDI KASUS PERAMALAN CURAH HUJAN DAS BRANGKAL MOJOKERTO) Meytaliana F. 1210100014

Lebih terperinci

PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO

PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Perbandingan Model ARIMA... (Alia Lestari) PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Alia Lestari Fakultas Teknik Universitas

Lebih terperinci

BAB III MODEL ARIMAX DENGAN EFEK VARIASI KALENDER

BAB III MODEL ARIMAX DENGAN EFEK VARIASI KALENDER 21 BAB III MODEL ARIMAX DENGAN EFEK VARIASI KALENDER 3.1 Model Variasi Kalender Liu (Kamil 2010: 10) menjelaskan bahwa untuk data runtun waktu yang mengandung efek variasi kalender, dituliskan pada persamaan

Lebih terperinci

ANALISIS INTERVENSI FUNGSI STEP (Studi Kasus Pada Jumlah Pengiriman Benda Pos Ke Semarang Pada Tahun )

ANALISIS INTERVENSI FUNGSI STEP (Studi Kasus Pada Jumlah Pengiriman Benda Pos Ke Semarang Pada Tahun ) ANALISIS INTERVENSI FUNGSI STEP (Studi Kasus Pada Jumlah Pengiriman Benda Pos Ke Semarang Pada Tahun 2006 2011) Amelia Crystine 1, Abdul Hoyyi 2, Diah Safitri 3 1 Mahasiswa Jurusan Statistika FSM UNDIP

Lebih terperinci

Pemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA

Pemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 Pemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA 1 Harnum Annisa Prafitia dan 2 Irhamah

Lebih terperinci

PERAMALAN TRAFIK SMS AREA JABOTABEK DENGAN METODE ARIMA

PERAMALAN TRAFIK SMS AREA JABOTABEK DENGAN METODE ARIMA JURNAL TEKNIK POMITS Vol. 1, No. 1, (212) 1-6 1 PERAMALAN TRAFIK SMS AREA JABOTABEK DENGAN METODE ARIMA Lusi Alvina Tofani, Achmad Mauludiyanto Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember

Lebih terperinci

LULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI

LULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI LULIK PRESDITA W 1207 100 002 APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI 1 Pembimbing : Dra. Nuri Wahyuningsih, M.Kes BAB I PENDAHULUAN 2 LATAR BELAKANG 1. Stabilitas ekonomi dapat dilihat

Lebih terperinci

PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus: KA Argo Muria)

PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus: KA Argo Muria) PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus: KA Argo Muria) SKRIPSI Disusun oleh : TITIS NUR UTAMI 24010212140052 DEPARTEMEN

Lebih terperinci

(S.4) PENDEKATAN METODE ALGORITMA GENETIK UNTUK IDENTIFIKASI MODEL ARIMA

(S.4) PENDEKATAN METODE ALGORITMA GENETIK UNTUK IDENTIFIKASI MODEL ARIMA (S.4) PENDEKATAN METODE ALGORITMA GENETIK UNTUK IDENTIFIKASI MODEL ARIMA Jimmy Ludin Mahasiswa Program Magister Jurusan Statistika Fakultas Matematika Dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh

Lebih terperinci

PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI)

PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) Liana Kusuma Ningrum dan Winita Sulandari, M.Si. Jurusan Matematika,

Lebih terperinci

Peramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series

Peramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series JURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (2017) ISSN: 2337-3520 (2301-928X Print) D-157 Peramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series Moh Ali Asfihani dan Irhamah

Lebih terperinci

PENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI

PENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI TUGAS AKHIR - ST 1325 PENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI I G B ADI SUDIARSANA NRP 1303100058 Dosen Pembimbing Ir. Dwiatmono Agus Widodo,

Lebih terperinci

Sedangkan model fungsi transfer bentuk kedua adalah sebagai berikut :

Sedangkan model fungsi transfer bentuk kedua adalah sebagai berikut : 1 Metode Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 255 dengan Pendekatan Fungsi Transfer Dwi Listya Nurini, Brodjol Sutijo SU Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam

Lebih terperinci

PENGGUNAAN METODE VaR(Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT.TELKOM DENGAN PENDEKATAN MODEL GARCH-M

PENGGUNAAN METODE VaR(Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT.TELKOM DENGAN PENDEKATAN MODEL GARCH-M PENGGUNAAN METODE VaR(Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT.TELKOM DENGAN PENDEKATAN MODEL GARCH-M Oleh: NURKHOIRIYAH 1205100050 Dosen Pembimbing: Dra. Nuri Wahyuningsih, M.Kes. 1 Latar

Lebih terperinci

Peramalan Volume Distribusi Air di PDAM Kabupaten Bojonegoro dengan Metode ARIMA Box- Jenkins

Peramalan Volume Distribusi Air di PDAM Kabupaten Bojonegoro dengan Metode ARIMA Box- Jenkins Peramalan Volume Distribusi Air di PDAM Kabupaten Bojonegoro dengan Metode ARIMA Box- Jenkins Fastha Aulia P / 1309030018 Pembimbing: Ir.Dwiatmono Agus M.Ikomp Latar Belakang Air sebagai sumber kehidupan

Lebih terperinci

Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA

Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA Jeine Tando 1, Hanny Komalig 2, Nelson Nainggolan 3* 1,2,3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan

Lebih terperinci

model Seasonal ARIMA

model Seasonal ARIMA Jurnal Sains Matematika dan Statistika, Vol. No. i ISSN - Peramalan Wisatawan Mancanegara Ke Provinsi Riau Melalui Kota Pekanbaru Menggunakan Metode Seasonal ARIMA Ropita Munawaroh dan M. M. Nizam, Jurusan

Lebih terperinci

PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER

PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER PKMT-2-13-1 PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER Umi Rosyiidah, Diah Taukhida K, Dwi Sitharini Jurusan Matematika, Universitas Jember, Jember ABSTRAK

Lebih terperinci

PENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH

PENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH PENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH Tri Mulyaningsih ), Budi Nurani R ), Soemartini 3) ) Mahasiswa Program Magister Statistika Terapan Universitas Padjadjaran

Lebih terperinci

S - 22 PERAMALAN BANYAK PENUMPANG KERETA DAERAH OPERASI VI YOGYAKARTA MENGGUNAKAN MODEL TIME SERIES DENGAN VARIASI KALENDER ISLAM REGARIMA

S - 22 PERAMALAN BANYAK PENUMPANG KERETA DAERAH OPERASI VI YOGYAKARTA MENGGUNAKAN MODEL TIME SERIES DENGAN VARIASI KALENDER ISLAM REGARIMA S - PERAMALAN BANYAK PENUMPANG KERETA DAERAH OPERASI VI YOGYAKARTA MENGGUNAKAN MODEL TIME SERIES DENGAN VARIASI KALENDER ISLAM REGARIMA Nila Widhianti 1, Dhoriva Urwatul Wutsqa 1, Program Studi Matematika

Lebih terperinci

PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP ABSTRAK

PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP ABSTRAK ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman 795-804 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI

Lebih terperinci

Renny Elfira Wulansari, Epa Suryanto, Kiki Ferawati, Ilafi Andalita, Suhartono

Renny Elfira Wulansari, Epa Suryanto, Kiki Ferawati, Ilafi Andalita, Suhartono Statistika, Vol. No., November 0 Penerapan Time Series Regression with Calendar Variation Effect pada Data Netflow Uang Kartal Bank Indonesia Sebagai Solusi Kontrol Likuiditas Perbankan di Indonesia Renny

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman Online di: ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 33-42 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS INTERVENSI KENAIKAN HARGA BBM TERHADAP PERMINTAAN BBM

Lebih terperinci

ANALISIS DERET BERKALA MULTIVARIAT DENGAN MENGGUNAKAN MODEL FUNGSI TRANSFER: STUDI KASUS CURAH HUJAN DI KOTA MALANG

ANALISIS DERET BERKALA MULTIVARIAT DENGAN MENGGUNAKAN MODEL FUNGSI TRANSFER: STUDI KASUS CURAH HUJAN DI KOTA MALANG ANALISIS DERET BERKALA MULTIVARIAT DENGAN MENGGUNAKAN MODEL FUNGSI TRANSFER: STUDI KASUS CURAH HUJAN DI KOTA MALANG Fachrul Ulum Febriansyah dan Abadyo Universitas Negeri Malang E-mail: fachrul.febrian@gmail.com

Lebih terperinci

PERAMALAN JUMLAH PENUMPANG PESAWAT TERBANG DOMESTIK DI BANDAR UDARA JUANDA DENGAN MENGGUNAKAN METODE FUNGSI TRANSFER MULTI INPUT

PERAMALAN JUMLAH PENUMPANG PESAWAT TERBANG DOMESTIK DI BANDAR UDARA JUANDA DENGAN MENGGUNAKAN METODE FUNGSI TRANSFER MULTI INPUT PERAMALAN JUMLAH PENUMPANG PESAWAT TERBANG LOGO DOMESTIK DI BANDAR UDARA JUANDA DENGAN MENGGUNAKAN METODE FUNGSI TRANSFER MULTI INPUT Oleh : Ary Miftakhul Huda (1309 100 061) Dosen Pembimbing : Dr.rer.pol.

Lebih terperinci

Peramalan Harga Beras di Perum BULOG Divre Jatim

Peramalan Harga Beras di Perum BULOG Divre Jatim Peramalan Harga Beras di Perum BULOG Divre Jatim Disusun oleh : Woro Morphi H (1309030010) Dosen Pembimbing : Dr. Suhartono, S.Si, M.Sc Pendahuluan Latar Belakang, Perumusan Masalah,Tujuan Penelitian,

Lebih terperinci

PERAMALAN CURAH HUJAN MENGGUNAKAN METODE ANALISIS SPEKTRAL

PERAMALAN CURAH HUJAN MENGGUNAKAN METODE ANALISIS SPEKTRAL E-Jurnal Matematika Vol. 5 (4), November 2016, pp. 183-193 ISSN: 2303-1751 PERAMALAN CURAH HUJAN MENGGUNAKAN METODE ANALISIS SPEKTRAL Ni Putu Mirah Sri Wahyuni 1, I Wayan Sumarjaya 2, I Gusti Ayu Made

Lebih terperinci

Perencanaan Pengendalian Persediaan Bahan Baku Pupuk NPK dengan Menggunakan Model Economic Order Quantity (Studi kasus: PT. Petrokimia Gresik)

Perencanaan Pengendalian Persediaan Bahan Baku Pupuk NPK dengan Menggunakan Model Economic Order Quantity (Studi kasus: PT. Petrokimia Gresik) JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (4) ISSN: 2337-39 (230-927 Print) A-3 Perencanaan Pengendalian Persediaan Bahan Baku Pupuk NPK dengan Menggunakan Model Economic Order Quantity (Studi kasus:

Lebih terperinci

Tugas Akhir. Peramalan Penjualan Produk Minuman TB Wilayah Pemasaran Jawa Timur dengan Menggunakan Metode VARIMA. Oleh : C. Ade Kurniawan

Tugas Akhir. Peramalan Penjualan Produk Minuman TB Wilayah Pemasaran Jawa Timur dengan Menggunakan Metode VARIMA. Oleh : C. Ade Kurniawan Tugas Akhir Peramalan Penjualan Produk Minuman TB Wilayah Pemasaran Jawa Timur dengan Menggunakan Metode VARIMA Oleh : C. Ade Kurniawan 1304100022 Latar Belakang Ketidakpastian dalam aliran hulu supply

Lebih terperinci

ANALISIS INTERVENSI KENAIKAN HARGA BAHAN BAKAR MINYAK TERHADAP INFLASI DI INDONESIA ANNISA KARIMA

ANALISIS INTERVENSI KENAIKAN HARGA BAHAN BAKAR MINYAK TERHADAP INFLASI DI INDONESIA ANNISA KARIMA i ANALISIS INTERVENSI KENAIKAN HARGA BAHAN BAKAR MINYAK TERHADAP INFLASI DI INDONESIA ANNISA KARIMA DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR BOGOR 2014 ii iii PERNYATAAN

Lebih terperinci

PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR

PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR Seminar Nasional Matematika dan Aplikasinya, 21 Oktober 27 PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR

Lebih terperinci

PERAMALAN JUMLAH TAMU HOTEL MEGA BINTANG SWEET KABUPATEN BLORA DENGAN PENDEKATAN ARIMA

PERAMALAN JUMLAH TAMU HOTEL MEGA BINTANG SWEET KABUPATEN BLORA DENGAN PENDEKATAN ARIMA THE TH URECOL PROCEEDING 8 February 7 UD, Yogyakarta PERMLN JUMLH TMU HOTEL MEG BINTNG SWEET KBUPTEN BLOR DENGN PENDEKTN RIM Irfana Maulana Ismail ), Wellie Sulistijanti 2) Statistika, kademi Statistika

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman Online di: ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 547-556 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian Peramalan Inflasi Menurut Kelompok Pengeluaran Makanan Jadi,

Lebih terperinci

Penerapan Model ARIMA

Penerapan Model ARIMA Penerapan Model ARIMA (Bagian II) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016 1 a. Lakukan proses pembedaan (differencing) sebanyak dua kali pada data asal. b. Lakukan pendugaan parameter pada

Lebih terperinci

Jurusan Statistika FMIPA Institut Teknologi Sepuluh Nopember Surabaya, 2014

Jurusan Statistika FMIPA Institut Teknologi Sepuluh Nopember Surabaya, 2014 Seminar Hasil Tugas Akhir Pemodelan Dan Peramalan Penjualan Sepeda Motor Di Surabaya Dengan Pendekatan ARIMAX Variasi Kalender Oleh Arinta Cahyaningtyas 13 10 100 006 Dosen Pembimbing Dr. Setiawan, M.S

Lebih terperinci

Jurnal EKSPONENSIAL Volume 8, Nomor 1, Mei 2017 ISSN

Jurnal EKSPONENSIAL Volume 8, Nomor 1, Mei 2017 ISSN Jurnal EKSPONENSIAL Volume 8, Nomor, Mei 07 ISSN 085-789 Peramalan dengan Metode Seasonal Autoregressive Integrated Moving Average (SARIMA) di Bidang Ekonomi (Studi Kasus: Inflasi Indonesia) Forecasting

Lebih terperinci

Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah

Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Vol. 9, No., 9-5, Januari 013 Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Fitriani, Erna Tri Herdiani, M. Saleh AF 1 Abstrak Dalam analisis deret waktu

Lebih terperinci

PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010

PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010 Statistika, Vol., No., Mei PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI Reksa Nila Anityaloka, Atika Nurani Ambarwati Program Studi S Statistika Universitas Muhammadiyah

Lebih terperinci

PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER

PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER I Ketut Putra Adnyana 1, I Wayan Sumarjaya 2, I Komang Gde Sukarsa 3 1 Jurusan Matematika, Fakultas FMIPA

Lebih terperinci

Pemodelan dan Peramalan Penjualan Sepeda Motor di Surabaya dengan ARIMAX Variasi Kalender

Pemodelan dan Peramalan Penjualan Sepeda Motor di Surabaya dengan ARIMAX Variasi Kalender Pemodelan dan Peramalan Penjualan Sepeda Motor di Surabaya dengan ARIMAX Variasi Kalender 1 Arinta Cahyaningtyas dan 2 Setiawan 1,2 Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut

Lebih terperinci

Peramalan Netflow Uang Kartal dengan Model Variasi Kalender dan Model Autoregressive Distributed Lag (ARDL)

Peramalan Netflow Uang Kartal dengan Model Variasi Kalender dan Model Autoregressive Distributed Lag (ARDL) Peramalan Netflow Uang Kartal dengan Model Variasi Kalender dan Model Autoregressive Distributed Lag (ARDL) Ainil Karomah dan Suhartono Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam,

Lebih terperinci

PREDIKSI JANGKA PENDEK B ULAN AN JUMLAH FLARE DENGAN MODEL ARIMA (p,d,[q]), (P,D,Q)' 32

PREDIKSI JANGKA PENDEK B ULAN AN JUMLAH FLARE DENGAN MODEL ARIMA (p,d,[q]), (P,D,Q)' 32 PREDIKSI JANGKA PENDEK B ULAN AN JUMLAH FLARE DENGAN MODEL ARIMA (p,d,[q]), (P,D,Q)' 32 Nanang WIdodo Penelid Staslun Pengamat Dlrgantara Watukosek, LAPAN ABSTRACT The time series of the monthly number

Lebih terperinci

PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI ABSTRAK

PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI ABSTRAK PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI Trio Yonathan Teja Kusuma 1, Sandra Praharani Nur Asmoro 2 1,2)

Lebih terperinci

Peramalam Jumlah Penumpang Yang Berangkat Melalui Bandar Udara Temindung Samarinda Tahun 2012 Dengan Metode ARIMA BOX-JENKINS

Peramalam Jumlah Penumpang Yang Berangkat Melalui Bandar Udara Temindung Samarinda Tahun 2012 Dengan Metode ARIMA BOX-JENKINS Jurnal EKSPONENSIAL Volume 3, Nomor, Mei 2 ISSN 8-7829 Peramalam Jumlah Penumpang Yang Berangkat Melalui Bandar Udara Temindung Samarinda Tahun 2 Dengan Metode ARIMA BOX-JENKINS Forecasting The Number

Lebih terperinci

Peramalan Jumlah Kunjungan Wisatawan Mancanegara (Wisman) ke Bali Tahun 2019: Metode ARIMA

Peramalan Jumlah Kunjungan Wisatawan Mancanegara (Wisman) ke Bali Tahun 2019: Metode ARIMA JEKT 8 [2] : 136-141 ISSN : 2301-8968 Peramalan Jumlah Kunjungan Wisatawan Mancanegara (Wisman) ke Bali Tahun 2019: Metode ARIMA Rukini *) Putu Simpen Arini Esthisatari Nawangsih Badan Pusat Statistik

Lebih terperinci

Peramalan Inflasi Kota Surabaya dengan Pendekatan ARIMA, Variasi Kalender, dan Intervensi

Peramalan Inflasi Kota Surabaya dengan Pendekatan ARIMA, Variasi Kalender, dan Intervensi JURNA SAINS DAN SENI IS Vol. 5, No., (206) 2337-3520 (230-928X Print) D-90 Peramalan Inflasi Kota Surabaya dengan Pendekatan ARIMA, Variasi Kalender, dan Intervensi Novi Wulandari, Setiawan dan 2 Imam

Lebih terperinci

PEMILIHAN MODEL TERBAIK DAN PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA (WISMAN) KE BALI TAHUN 2014

PEMILIHAN MODEL TERBAIK DAN PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA (WISMAN) KE BALI TAHUN 2014 66 Jurnal Buletin Studi Ekonomi, Vol. 20 No., Februari 205 PEMILIHAN MODEL TERBAIK DAN PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA (WISMAN) KE BALI TAHUN 204 Rukini I Wayan Sukadana 2 Luh Gede Meydianawathi

Lebih terperinci

Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia. Oleh : Pomi Kartin Yunus

Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia. Oleh : Pomi Kartin Yunus Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia Oleh : Pomi Kartin Yunus 1306030040 Latar Belakang Industri manufaktur yang berkembang pesat

Lebih terperinci

BAB III PEMBAHASAN. Pada bab ini, dibahas mengenai model Vector Error Correction (VEC),

BAB III PEMBAHASAN. Pada bab ini, dibahas mengenai model Vector Error Correction (VEC), BAB III PEMBAHASAN Pada bab ini, dibahas mengenai model Vector Error Correction (VEC), prosedur pembentukan model Vector Error Correction (VEC), dan aplikasi model Vector Error Correction (VEC) pada penutupan

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 6, Nomor 3, Tahun 2017, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 6, Nomor 3, Tahun 2017, Halaman Online di: ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 3, Tahun 2017, Halaman 323-332 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN FUNGSI TRANSFER DENGAN DETEKSI OUTLIER UNTUK MEMPREDIKSI

Lebih terperinci

ANALISIS PENJUALAN BAHAN BAKAR MINYAK (BBM) dari PT. PERTAMINA (PERSERO) UPms V SURABAYA dengan METODE ARIMA BOX JENKINS

ANALISIS PENJUALAN BAHAN BAKAR MINYAK (BBM) dari PT. PERTAMINA (PERSERO) UPms V SURABAYA dengan METODE ARIMA BOX JENKINS ANALISIS PENJUALAN BAHAN BAKAR MINYAK (BBM) dari PT. PERTAMINA (PERSERO) UPms V SURABAYA dengan METODE ARIMA BOX JENKINS Oleh: Rizky Amlia Rachmawati (1306.030.046) Dosen Pembimbing: Dra. Madu Ratna, M.Si

Lebih terperinci

Peramalan merupakan alat bantu yang penting dalam penyusunan rencana yang efektif dan efisien. Pada

Peramalan merupakan alat bantu yang penting dalam penyusunan rencana yang efektif dan efisien. Pada Estimasi Parameter Autoregressive Integrated Moving Average (ARIMA) Menggunakan Algoritma Particle Swarm Optimization (PSO) (Studi Kasus: Peramalan Curah Hujan DAS Brangkal, Mojokerto) Meytaliana Factmawati,

Lebih terperinci

Data Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun Tahun Bulan Wisman

Data Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun Tahun Bulan Wisman Lampiran 1. Data Tingkat Hunian Hotel di Propinsi DIY Tahun 1991-2003 48 49 Lampiran 1 Data Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun 1991-2003, Tahun Bulan Wisman 1991 1 27,00 1991 2 30,60

Lebih terperinci

PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA

PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA Jurnal Matematika UNAND Vol. 3 No. 3 Hal. 59 67 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA ANNISA UL UKHRA Program Studi Matematika,

Lebih terperinci

Pemodelan Vector Autoregresive (VAR) pada Komoditas Harga Cabai di Jawa Tengah

Pemodelan Vector Autoregresive (VAR) pada Komoditas Harga Cabai di Jawa Tengah Pemodelan Vector Autoregresive (VAR) pada Komoditas Harga Cabai di Jawa Tengah Memi Nor Hayati 1, Alan Prahutama 2,*, Hasbi Yasin 2, Tiani Wahyu Utami 3 1 Program Studi Statistika, Universitas Mulawarman

Lebih terperinci

PERAMALAN JUMLAH PENUMPANG BANDARA I GUSTI NGURAH RAI DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA)

PERAMALAN JUMLAH PENUMPANG BANDARA I GUSTI NGURAH RAI DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) M-11 2) PERAMALAN JUMLAH PENUMPANG BANDARA I GUSTI NGURAH RAI DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) Naili Farkhatul Jannah 1), Muhammad Bahtiar Isna Fuady 2), Sefri

Lebih terperinci

Prediksi Wisatawan Mancanegara Ke Jawa Barat Melalui Pintu Masuk Bandara Husein Sastranegara dan Pelabuhan Muarajati Menggunakan Metode SARIMA

Prediksi Wisatawan Mancanegara Ke Jawa Barat Melalui Pintu Masuk Bandara Husein Sastranegara dan Pelabuhan Muarajati Menggunakan Metode SARIMA Politeknik Negeri Bandung July 26-27, Prediksi Wisatawan Mancanegara Ke Jawa Barat Melalui Pintu Masuk Bandara Husein Sastranegara dan Pelabuhan Muarajati Menggunakan Metode SARIMA Agus Supriatna 1, Betty

Lebih terperinci

METODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015

METODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam

Lebih terperinci

Peramalan Harga Minyak Mentah Standar West Texas Intermediate dengan Pendekatan Metode ARIMA

Peramalan Harga Minyak Mentah Standar West Texas Intermediate dengan Pendekatan Metode ARIMA Seminar Nasional Pendidikan, Sains dan Teknologi ISBN : 9786026159960 Peramalan Harga Minyak Mentah Standar West Texas Intermediate dengan Pendekatan Metode ARIMA Syahril Faozi 1), Wellie Sulistijanti

Lebih terperinci

HALAMAN PERSETUJUAN PEMBIMBING...iii. HALAMAN PENGESAHAN...iv. HALAMAN PERSEMBAHAN... vi. KATA PENGANTAR... viii. DAFTAR ISI... x. DAFTAR TABEL...

HALAMAN PERSETUJUAN PEMBIMBING...iii. HALAMAN PENGESAHAN...iv. HALAMAN PERSEMBAHAN... vi. KATA PENGANTAR... viii. DAFTAR ISI... x. DAFTAR TABEL... HALAMAN PERSETUJUAN PEMBIMBING...iii HALAMAN PENGESAHAN...iv MOTTO... v HALAMAN PERSEMBAHAN... vi KATA PENGANTAR... viii DAFTAR ISI... x DAFTAR TABEL... xi DAFTAR GAMBAR... xii DAFTAR LAMPIRAN... xiv PERNYATAAN...

Lebih terperinci

VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE

VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE (Studi Kasus : Kecepatan Rata-rata Angin di Badan Meteorologi Klimatologi dan Geofisika Stasiun Meteorologi Maritim Semarang) SKRIPSI

Lebih terperinci

PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT

PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT Novian Endi Gunawan 1, I Wayan Sumarjaya 2, I G.A.M. Srinadi 3 1 Program Studi Matematika,

Lebih terperinci

Peramalan Permintaan Pengujian Sampel Di Laboratorium Kimia Dan Fisika. Baristand Industri Surabaya)

Peramalan Permintaan Pengujian Sampel Di Laboratorium Kimia Dan Fisika. Baristand Industri Surabaya) Peramalan Permintaan Pengujian di Lab. Kimia dan Fisika (Aneke Rintiasti, Erna Hartati, Nunun Hilyatul M.) Peramalan Permintaan Pengujian Sampel Di Laboratorium Kimia Dan Fisika Baristand Industri Surabaya

Lebih terperinci

Model Vector Autoregressive (VAR) untuk Analisis Indeks Harga Konsumen Kota Samarinda dan Kota Sampit

Model Vector Autoregressive (VAR) untuk Analisis Indeks Harga Konsumen Kota Samarinda dan Kota Sampit Jurnal EKSPONENSIAL Volume, Nomor 1, Mei 13 ISSN 5-79 Model Vector Autoregressive (VAR) untuk Analisis Indeks Harga Konsumen Kota Samarinda dan Kota Sampit Vector Autoregressive Models (VAR) for the Analysis

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 15 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penelitian Perkembangan ekonomi dan bisnis dewasa ini semakin cepat dan pesat. Bisnis dan usaha yang semakin berkembang ini ditandai dengan semakin banyaknya

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakang Pajak merupakan sumber kas negara yang digunakan untuk pembangunan. Undang- Undang Republik Indonesia Nomor 16 Tahun 2000 tentang Ketentuan Umum Dan Tata Cara Perpajakan

Lebih terperinci

PENDEKATAN MODEL EKONOMETRIKA UNTUK MEMPREDIKSI INDEKS SAHAM SYARIAH INDONESIA

PENDEKATAN MODEL EKONOMETRIKA UNTUK MEMPREDIKSI INDEKS SAHAM SYARIAH INDONESIA PENDEKATAN MODEL EKONOMETRIKA UNTUK MEMPREDIKSI INDEKS SAHAM SYARIAH INDONESIA Nuri Wahyuningsih 1), Daryono Budi U. 2), R.A. Diva Zatadini 3) 1)2))3) Departemen Matematika FMIPA ITS Kampus ITS Keputih,

Lebih terperinci

PERAMALAN DEBIT AIR SUNGAI BRANTAS DENGAN MODEL GSTAR DAN ARIMA. Abstrak

PERAMALAN DEBIT AIR SUNGAI BRANTAS DENGAN MODEL GSTAR DAN ARIMA. Abstrak PERAMALAN DEBIT AIR SUNGAI BRANTAS DENGAN MODEL GSTAR DAN ARIMA Oleh: Henny Dwi Khoirun Nisa 25 44 Dosen Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan

Lebih terperinci

HASIL DAN PEMBAHASAN. Eksplorasi Data

HASIL DAN PEMBAHASAN. Eksplorasi Data 5 korelasi diri, dan plot korelasi diri parsial serta uji Augmented Dickey- Fuller b. Identifikasi Model dengan metode Box-Jenkins c. Pemutihan deret input d. Pemutihan deret output berdasarkan hasil pemutihan

Lebih terperinci

PERAMALAN DBIT AIR SUNGAI BRANTAS DENGAN METODE GSTAR DAN ARIMA

PERAMALAN DBIT AIR SUNGAI BRANTAS DENGAN METODE GSTAR DAN ARIMA PERAMALAN DBIT AIR SUNGAI BRANTAS DENGAN METODE GSTAR DAN ARIMA HENNY DWI KHOIRUN NISA 1205 100 044 Dosen Pembimbing Dra Nuri Wahyuningsih, MKes Seminar Tugas Ahir Senin, 19 juli 2010 Latar belakang 1.

Lebih terperinci