Peramalan Inflasi Menggunakan Model Fungsi Transfer Multi Input. Forcasting Inflation Using Multiple Input Transfer Function Model
|
|
- Ari Yuwono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Peramalan Inflasi Menggunakan Model Fungsi Transfer Muli Inpu Forcasing Inflaion Using Muliple Inpu Transfer Funcion Model Novi Adisia, Sri Wahyuningsih, dan Rio Goeanoro 3 Laboraorium Saisika Terapan FMIPA Universias Mulawarman,3 Program Sudi Saisika FMIPA Universias Mulawarman adisianovi@gmail.com, swahyuningsih@gmail.com, riogoeanoro@yahoo.com 3 Absrac Transfer funcion model combines some characerisics of he muliple regression analysis wih he characerisics of ime series (Auoregressive Inegraed Moving Average). Muliple inpu ransfer funcion model is a ransfer funcion model ha has wo or more inpu variables ime series. This model can be used o ge forecasing resuls simulaneously. This research explains he procedure for esablishing muliple inpu ransfer funcion model and is applicaion o forecas inflaion in Eas Kalimanan. Wih he inpu variables, inflaions in Samarinda, Balikapan, and Tarakan. Daa were used from June 009 o December 04. Here is he obained muliple inpu ransfer funcion model Y 0,4808 0,3884 0,37 3 0, 6480a a. Based on he muliple inpu ransfer funcion model, he obained resuls of inflaion in Eas Kalimanan forecasing for he nex one year showed a fairly consan number, range from 7,8% o 7,53%. Keywords:, inflaion, muliple inpu, ransfer funcion Pendahuluan Peramalan merupakan suau eknik unuk memperkirakan suau nilai pada masa yang akan daang dengan memperhaikan daa masa lalu maupun daa saa ini. Meode peramalan dapa dibagi dalam dua kaegori uama, yaiu meode kualiaif dan meode kuaniaif. Dimana meode kualiaif lebih banyak menunu analisis yang didasarkan pada pemikiran inuiif, pemikiran logis dan informasi aau pengeahuan yang elah diperoleh penelii sebelumnya. Peramalan seperi ini biasanya digunakan unuk ramalan angka pendek. Sedangkan unuk kuaniaif dibuuhkan informasi masa lalu yang dikuaniaifkan dalam benuk daa numerik. Meode peramalan secara kuaniaif mendasarkan ramalannya pada meode saisika dan maemaika. Terdapa dua enis model peramalan kuaniaif yaiu, model dere waku (ime series) dan model regresi (Aswi & Sukarna, 006). Analisis daa dere waku pada dasarnya digunakan unuk melakukan analisis daa yang memperimbangkan pengaruh waku. Analisis daa dere waku idak hanya dapa dilakukan unuk sau variabel (univaria) eapi uga dapa unuk banyak variabel (mulivaria). Salah sau model peramalan kuaniaif yang dapa digunakan dalam peramalan dere waku mulivaria adalah model fungsi ransfer (Makridakis dkk, 999). Model fungsi ransfer menggabungkan beberapa karakerisik analisis regresi berganda dengan karakerisik dere waku. Model fungsi ransfer merupakan salah sau model ime series yaiu gabungan pendekaan regresi dan ime series () unuk errornya. Dalam fungsi ransfer, erdapa dere waku oupu yang disebu Y, yang diperkirakan akan dipengaruhi oleh sau aau lebih dere waku inpu yang disebu, dan inpu-inpu lain yang akan digabungkan dalam sau kelompok yang disebu gangguan (noise), n. Dengan kaa lain, dere inpu memberikan pengaruhnya kepada dere oupu Y melalui fungsi ransfer, yang mendisribusikan dampak melalui beberapa periode waku yang akan daang. Tuuan pemodelan fungsi ransfer adalah unuk meneapkan model yang sederhana, yang menghubungkan Y dengan dan n. Dapa disimpulkan bahwa uuan uama pemodelan enis ini adalah unuk meneapkan peranan indikaor penenu (leading indicaor) aau dere inpu dalam rangka meneapkan variabel yang dibicarakan (dere oupu) (Makridakis dkk, 999). Dalam kehidupan ini banyak hal yang dapa diramalkan guna membua sebuah perencanaan, idak hanya sebaas iu saa ini peramalan uga digunakan unuk menadi salah sau fakor perimbangan dalam membua suau kepuusan aau kebiakan dimasa yang akan daang. Salah saunya adalah peramalan inflasi. Inflasi adalah proses kenaikan harga umum barang secara erus-menerus selama sau periode erenu. Inflasi menadi sanga pening khususnya unuk diramalakan karena memberikan sebuah efek yang besar erhadap perekonomian suau daerah, sehingga dapa membua aau merancang kebiakan-kebiakan. Selain iu, inflasi merupakan perumbuhan dari Indeks Harga Konsumen (IHK), dan dalam penenuan IHK didasarkan pada Survei Biaya Hidup (SBH). Dari cakupan koa SBH ahun Program Sudi Saisika FMIPA Universias Mulawarman 7
2 007 dapa diliha bahwa di Kalimanan Timur hanya ada iga koa yang ermasuk dalam koakoa SBH, yaiu koa Samarinda, Balikpapan dan Tarakan sehingga hanya keiga koa ersebu yang dapa mewakili unuk dilakukan agregasi menadi IHK dan inflasi Kalimanan Timur (Indeks Harga Konsumen (IHK) dan Inflasi Kalimanan Timur, 03). Jadi, dapa disimpulkan bahwa inflasi koa Samarinda, Balikpapan dan Tarakan menyumbang aau mempengaruhi inflasi yang eradi di Kalimanan Timur. Dirasa epa ika peramalan inflasi menggunakan model fungsi ransfer muli inpu dengan inflasi koa Samarinda, Balikpapan dan Tarakan sebagai variabel inpu dan inflasi Kalimanan Timur sebagai variabel oupu, dimana Inflasi yang digunakan adalah inflasi years on years (yoy). Adapun uuan yang ingin dicapai dalam peneliian ini adalah mengeahui model fungsi ransfer muli inpu unuk peramalan daa inflasi Kalimanan Timur dan mengeahui hasil ramalan dari inflasi Kalimanan Timur. Peramalan Peramalan merupakan suau eknik unuk memperkirakan suau nilai pada masa yang akan daang dengan memperhaikan daa masa lalu maupun daa saa ini. Meode peramalan dapa dibagi dalam dua kaegori uama, yaiu meode kualiaif dan meode kuaniaif. Meode kualiaif lebih banyak menunu analisis yang didasarkan pada pemikiran inuiif, pemikiran logis dan informasi aau pengeahuan yang elah diperoleh penelii sebelumnya. Peramalan seperi ini biasanya digunakan unuk ramalan angka pendek, aau ika pengambilan kepuusan lebih mempercayai inuisinya daripada rumus maemaik. Sau ciri meode ini adalah fakor yang mempengaruhi ramalan dan cara menilainya sanga bersifa pribadi dan suli diirukan orang lain. Sedangkan pada meode kuaniaif dibuuhkan informasi masa lalu yang dikuaniaifkan dalam benuk daa numerik. Meode peramalan secara kuaniaif mendasarkan ramalannya pada meode saisika dan maemaika. Terdapa dua enis model peramalan kuaniaif yaiu, model runun waku (ime series) dan model regresi (regression) aau kausal (Aswi dan Sukarna, 006). Model regresi aau kausal mengasumsikan bahwa fakor yang diramalkan menunukkan suau hubungan sebab-akiba dengan sau aau lebih variabel bebas. Sedangkan model dere waku, penduga masa depan dilakukan berdasarkan nilai masa lalu dari suau variabel dan/aau kesalahan yang lalu. Tuuan peramalan runun waku seperi iu adalah menemukan pola dalam dere daa hisoris mengeksrapolasikan pola ersebu ke masa depan(makridakis dkk, 999). Meode Box-Jenkins Meode Box-Jenkins merupakan salah sau eknik peramalan model runun waku yang hanya berdasarkan perilaku daa variabel yang diamai. Model Box-Jenkins ini secara eknis dikenal sebagai model (p,d,q). Alasan uama penggunaan meode Box-Jenkins karena gerakan variabel-variabel ekonomi yang dielii seperi pergerakan nilai ukar, saham, inflasi, sering kali suli dielaskan oleh eori-eori ekonomi. Meode Box-Jenkins sebagai eknik peramalan berbeda dengan kebanyakan model peramalan yang ada. Di dalam model ini idak ada asumsi khusus enang daa dan hisoris dari runun waku, eapi menggunakan meode ieraif unuk menenukan model yang erbaik. Model Box-Jenkins ini erdiri dari beberapa model yaiu: AR (p), MA (q), ARMA (p,q), dan (p,d,q) (Widarono, 007). Model Fungsi Transfer Muli Inpu Model fungsi ransfer merupakan salah sau model ime series yaiu gabungan pendekaan regresi dan ime series () unuk errornya. Dalam fungsi ransfer, erdapa dere berkala oupu yang disebu Y, yang diperkirakan akan dipengaruhi oleh sau aau lebih dere berkala inpu yang disebu, dan inpu-inpu lain yang akan digabungkan dalam sau kelompok yang disebu gangguan (noise), n. Dengan kaa lain, dere inpu memberikan pengaruhnya kepada dere oupu Y melalui fungsi ransfer, yang mendisribusikan dampak melalui beberapa periode waku yang akan daang. Tuuan pemodelan fungsi ransfer adalah unuk meneapkan model yang sederhana, yang menghubungkan Y dengan dan n. Sehingga dapa disimpulkan bahwa uuan uama pemodelan enis ini adalah unuk meneapkan peranan indikaor penenu (leading indicaor) aau dere inpu dalam rangka meneapkan variabel yang dibicarakan (dere oupu) (Makridakis dkk, 999). Secara umum, suau dere oupu mungkin bisa dipengaruhi oleh beberapa dere inpu, sehingga model kausal yang diperoleh adalah: Y k v n k b B ( ) Y B a, ( B) dimana, ( B) B B... s 0 B B B B qb p ( B) B B... pb a = nilai gangguan acak r, s, p, q, dan b konsana B s B r r q 8 Program Sudi Saisika FMIPA Universias Mulawarman
3 dan v dere inpu b k B ke- dan adalah fungsi ransfer a diasumsikan saling bebas unuk seiap dere inpu x,,,..., k dan dere inpu idak berkorelasi unuk i i dan. Bobo ( ) respon fungsi ransfer B B unuk masingmasing variabel inpu didefinisikan pada model fungsi ransfer single inpu. Sebagai conoh, kia membua fungsi ransfer v (B) erkai Y dan secara erpisah, sau per sau. Model gangguan kemudian diidenifikasi melalui runun gangguan yang dihasilkan (Wei, 990). Pemilihan Model Terbaik a. Akaike s Informaion Crierion (AIC) AIC adalah suau krieria pemilihan model erbaik yang diperkenalkan oleh Akaike pada ahun 973 dengan memperimbangkan banyaknya parameer dalam model. AIC nln( SSE/ n) f n nln( ) b. Schwarz Bayesian Crierion (SBC) SBC adalah krieria pemilihan model erbaik yang berdasarkan pada nilai yang erkecil. SBC nln( SSE/ n) f ln( n) nln( ) c. Mean Squre Error (MSE) MSE adalah suau krieria pemilihan model erbaik berdasarkan pada nilai sisa peramalannya. n MSE aˆ n Semakin kecil nilai AIC, SBC, dan MSE berari nilai aksiran semakin mendekai nilai sebenarnya, aau model yang dipilih merupakan model erbaik (Aswi dan Sukarna, 006). Inflasi Menuru Nopirin (994), inflasi adalah proses kenaikan harga-harga umum baranbarang secara erus-menerus. Ini idak berari bahwa harga-harga berbagai macam barang naik dengan persenase yang sama. Mungkin dapa eradi kenaikan ersebu idaklah bersamaan. Namun, ininya adalah erdapa kenaikan harga umum barang secara erus-menerus selama sau periode erenu. Kenaikan yang eradi hanya sekali saa (meskipun dengan perenase yang cukup besar) bukanlah merupakan inflasi. Kenaikan harga ini diukur dengan mengunakan indeks harga. Beberapa indeks b harga yang sering digunakan unuk mengukur inflasi anara lain:. Indeks Harga Konsumen (IHK) / Consumer Price Index (CPI). Indeks Harga Perdagangan Besar (wholesale price index) 3. GNP deflaor Di Indonesia perubahan harga aau inflasi dihiung berdasarkan perubahan IHK. Penenuan umlah, enis dan kualias dalam pake komodii barang dan asa sera bobo imbangannya dalam IHK didasarkan pada Survei Biaya Hidup (SBH). SBH ini dimaksudkan unuk mendapakan pola konsumsi masyaraka yang selanunya daa ini digunakan sebagai bahan penyusunan diagram Timbang IHK. Dari cakupan koa SBH di Indonesia dapa diliha bahwa di Kalimanan Timur hanya ada iga koa yang masuk dalam koa-koa SBH, yaiu Samarinda, Balikpapan, dan Tarakan sehingga hanya keiga koa ersebu yang dapa mewakili unuk dilakukan agregasi menadi IHK dan inflasi Kalimanan Timur. Meode perhiungan inflasi yang digunakan adalah meode poin o poin, yaiu dengan membandingkan IHK dari periode sebelumnya. Lau inflasi bulanan dihiung dengan meode monh o monh (mom) yaiu dengan membandingkan IHK bulan beralan dengan IHK bulan sebelumnya. Unuk inflasi seahun dihiung dengan meode year on year (yoy) yaiu dengan menghiung IHK bulan Desember ahun beralan dengan membandingkan IHK bulan Desember ahun sebelumnya. Adapun rumus umum perhiungan inflasi adalah sebagai beriku. IHKperiode( n) IHKperiode( n ) Inflasi IHKperiode( n ) dimana n adalah bulan aau ahun erenu (Indeks Harga Konsumen (IHK) dan Inflasi Kalimanan Timur, 03). Meode Analisis Adapun ahapan-ahapan dalam pemodelan fungsi ransfer muli inpu adalah sebagai beriku :. Tahap Idenifikasi Model a. Melakukan idenifikasi dere inpu,, dan 3 b. Melakukan Penenuan Model semenara unuk dere inpu,, dan 3 c. Melakukan esimasi parameer d. Melakukan pemeriksaan diagnosik dibagi dalam ahap, yaiu ui signifikasi parameer dan ui kesesuaian model. Ui Kesesuaian model erdiri aas penguian, yaiu penguian residual whie noise dan penguian kenormalan residual. Program Sudi Saisika FMIPA Universias Mulawarman 9
4 Penguian residual whie noise menggunakan ui Lung Box, sedangkan penguian kenormalan residual menggunakan ui Kolmogorov Smirnov. e. Memilih model erbaik unuk dere inpu,, dan 3 f. Melakukan pemuihan dere inpu,, dan 3 g. Melakukan pemuihan dere oupu Y h. Melakukan pemeriksaan plo ACF dere inpu dan oupu yang elah dipuihkan ( dan ) dengan banuan sofware MINITAB 4 dan melakukan perhiungan korelasi silang. i. Meneapkan (r,s,b) unuk model fungsi ransfer single inpu,, dan 3 berdasarkan iga prinsip peunuk penenuan nilai (r,s,b).. Meneapkan model unuk dere noise,, dan 3. k. Melakukan penaksiran parameer masing-masing model fungsi ransfer inpu unggal menggunakan meode condiional leas square. l. Melakukan pemeriksaan diagnosik dalam ahap, yaiu pemeriksaan korelasi silang (cross correlaion check) dan pemeriksaan auokorelasi (auocorrelaion check). m. Meneapkan model fungsi ransfer muli inpu berdasarkan fungsi ransfer single inpu. n. Menenukan model gangguan (noise series) unuk fungsi ransfer muli inpu berdasarkan plo ACF dan PACF dere noise.. Tahapan Penaksiran Parameer Pada ahapan ini, dilakukan penaksiran parameer fungsi ransfer muli inpu dengan menggunakan meode condiional leas square. 3. Tahapan Pemeriksaan Diagnosik Model dibagi dalam ahap, yaiu pemeriksaan korelasi silang (cross correlaion check) dan pemeriksaan auokorelasi (auocorrelaion check). 4. Tahapan Peramalan menggunakan model fungsi ransfer muli inpu. Hasil dan Pembahasan a. Deskripsi Variabel Inpu dan Oupu Pada bagian ini akan dibahas mengenai deskripsi variabel-variabel yang digunakan sebagai variabel inpu dan variabel oupu. Adapun inflasi (yoy) Kalimanan Timur (Y) adalah variabel oupu, dan inflasi (yoy) koa Samarinda ( ), Balikpapan ( ), dan Tarakan ( 3 ) yang merupakan variabel inpu. Tabel. Saisika Deskripif Sandar Variabel Mean Min Deviasi Max Y 6,5800,750 3,300 0,400 6,600,50,6800 0,8500 6,4750,600,3500 9, ,000,7540 4,800,9400 b. Idenifikasi Model Dere Inpu Beriku merupakan ime series plo dari keiga variabel inpu, yang selanunya akan dienukan model dan model fungsi ransfer masing-masing variabel inpu. Gambar. Time Series Plo Daa Inflasi Koa Samarinda ( ) Gambar. Time Series Plo Daa Inflasi Koa Balikpapan ( ) Gambar 3. Time series plo daa inflasi koa Tarakan ( 3 ) Berdasarkan keempa gambar diaas dikeahui bahwa daa masih belum sasioner dalam raa-raa, maka dilakukan differencing 30 Program Sudi Saisika FMIPA Universias Mulawarman
5 sebanyak dua kali (d=) unuk variabel dan sera differencing sau kali (d=) unuk variabel. Beriku merupakan hasil penaksiran parameer dan ui signifikansi parameer model erbaik dari masing-masing variabel inpu yang memenuhi ui diagnosik (kenormalan residual dan ui whie noise) sera yang memiliki nilai AIC dan SBC erkecil. Tabel. Penaksiran dan Penguian Signifikansi Parameer Var Model Parameer p-value Kesimpulan = 0,9738 (0,,) 0,0000 Signifikan = -,696 0,0000 Signifikan (,,) = -0,433 0,000 Signifikan = -0,9485 0,0000 Signifikan 3 (,,) = 0,700 0,0000 Signifikan = 0,584 0,0040 Signifikan = 0,485 0,000 Signifikan Gambar 4. Plo ACF c. Idenifikasi Model Dere Inpu dan Oupu Seluruh parameer elah signifikan berbeda dengan nol dan memenuhi pemeriksaan diagnosik yaiu kenormalan residual dan penguian whie noise. Maka, selanunya melakukan pemuihan dere inpu dan oupu ( dan ). Sehingga diperoleh hasil pemuihan dere inpu,, dan 3 diperoleh hasil model sebagai beriku: 0, 9738,696( 3 ) 0,433( 3 4) 0, ,700( 3 3 ) 0, ,485 3 dan diperoleh pula hasil pemuihan dere oupu (Y) sebagai beriku: Y Y Y 0, 9738, Y Y Y,696( Y Y Y 3) 0,433( Y Y 3 Y 4) 0, 9485, 3 Y Y,700( Y Y ) 0, , d. Pemeriksaan Plo ACF unuk Dere Inpu dan Oupu yang elah Dipuihkan ( dan ) Beriku adalah hasil auokorelasi dere inpu yang elah dipuihkan. Gambar 5 Plo ACF Gambar 6. Plo ACF 3 Pada plo ACF dere inpu di aas memperlihakan auokorelasi pada inpu yang elah dipuihkan idak ada yang cu off aau erpoong pada lag berapapun, sehingga idak membenuk sebuah model. Oleh karena iu, dere inpu yang elah dipuihkan pada dasarnya memang idak erdapa auokorelasi yang signifikan aau cu off sehingga model pada dere inpu dapa dierima. Gambar 7. Plo ACF Program Sudi Saisika FMIPA Universias Mulawarman 3
6 Berdasarkan Tabel 3 dikeahui nilai keiga bobo respon impuls dimana dengan memperimbangkan nilai ersebu selanunya akan digunakan dalam penenuan nilai (r,s,b). Gambar 8. Plo ACF Gambar 9. Plo ACF 3 Pada Gambar 7 ACF cu off pada lag, Gambar 8 ACF cu off pada lag, dan pada Gambar 9 ACF cu off pada lag, sehingga Plo ACF oupu membenuk sebuah model. Oleh karena iu, dere oupu yang elah dipuihkan pada dasarnya memang seharusnya erdapa auokorelasi yang signifikan aau cu off sehingga model pada dere oupu dapa dierima. e. Perhiungan Korelasi Silang (Cross Correlaion) dan Penaksiran Langsung Bobo Respon Impuls Beriku merupakan abel hasil perhiungan bobo respon impuls dengan menggunakan 5 lag. Tabel 3. Nilai Korelasi Silang dan Bobo Respon Impuls K 3 r(k) vk r(k) vk r(k) v3k 0 0,936 0,785 0,896 0,7795 0,486 0,439 0,380 0,85-0,0936-0,0879 0,064 0,095 0,465 0,40-0,874-0,70 0,075 0, ,0959 0,0746-0,73-0,609 0,60 0, ,050 0,07 0,03 0,90 0,06 0, ,074 0,0563 0,07 0,0669 0,08 0, ,57 0,3-0,0047-0,0044 0,403 0,06 7-0,047-0,0367-0,043-0,0388-0,0076-0, ,093 0,08-0,0677-0,0636-0,0-0, ,085-0,044-0,339-0,58-0,065-0,08 0-0,04-0,080 0,67 0,57 0,034 0,05 0,0870 0,0677 0,698 0,535-0,043-0,0369-0,04-0,75-0,805-0,636-0,09-0, ,356-0,834-0,44-0,05-0,065-0, ,0583 0,0454 0,78 0,64-0,0095-0, ,0550-0,048 0,0650 0,06-0,0868-0,0746 f. Peneapan (r,s,b) unuk Model Fungsi Transfer Berdasarkan keenuan peneapan nilai (r,s,b), diperoleh nilai (r,s,b) unuk dere inpu dengan dere oupu Y adalah (0,0,0) dan dere inpu 3 dengan dere oupu Y adalah (0,0,0). Seelah didapa (b) nilai (r,s,b) masing-masing inpu unggal, yaiu (0,0,0), (0,0,0), dan (0,0,0), maka model fungsi ransfer inpu unggal yang erbenuk unuk variabel yaiu menadi sebagai beriku: Y 0 n unuk variabel yaiu, Y 0 n sedangkan, unuk variabel 3 yaiu, Y3 0 3 n3 g. Peneapan (p n,q n ) unuk model (p n,0,q n ) dari Dere Gangguan (Noise) Dengan menggunakan meode Box-Jenkins diperoleh model erbaik unuk masingmasing dere noise, yaiu idak diperolehnya model dari dere noise dan, sera model (,0,0) unuk dere noise 3. sehingga diperoleh model fungsi ransfer inpu unggal variabel,, dan 3 adalah sebagai beriku: a Y 0 Y 0 a a3 Y3 0 3 B Seelah diperoleh masing-masing model fungsi ransfer inpu unggal, maka ahapan selanunya adalah melakukan penaksiran parameer dan penguian diagnosik unuk masing-masing model fungsi ransfer inpu unggal yang erbenuk. Tabel 4. Penaksiran dan Penguian Signifikansi Parameer Masing-Masing Model Fungsi Transfer Inpu Tunggal Var Parameer hi p-value Kesimpulan 0 =,053 87,48 <0,000 Signifikan 0 =,050 83,85 <0,000 Signifikan 3 = 0,978 Signifikan 3,07 <0,000 0 = 0,505 8,59 <0,000 Signifikan Dan dari hasil ersebu dapa dibua model fungsi ransfer volume ampung dengan variabel 3 Program Sudi Saisika FMIPA Universias Mulawarman
7 inpu inflasi koa Samarinda ( ), sebagai beriku: Y, 053 a unuk model fungsi ransfer volume ampung dengan variabel inpu inflasi koa Balikpapan ( ), yaiu: Y, 050 a dan model fungsi ransfer volume ampung dengan variabel inpu inflasi koa Tarakan ( 3 ), yaiu: a3 Y3 0, ,978 B h. Tahap Pemeriksaan Diagnosik Masingmasing Model Fungsi Transfer Inpu Tunggal. Pemeriksaan korelasi silang (cross correlaion check) Var 3 Tabel 5. Hasil Oupu Korelasi Silang Pada Masing-masing Model Fungsi Transfer Inpu Tunggal Dengan ui hipoesis yang digunakan adalah H 0 : Korelasi anara dere noise dan dere inpu idak signifikan H : Korelasi anara dere noise dan dere inpu signifikan Dapa disimpulkan bahwa korelasi anara dere noise dan dere inpu idak signifikan aau dapa disimpulkan dere noise dan dere inpu saling independen.. Pemeriksaan auokorelasi (auocorrelaion check) Dengan ui hipoesis yang digunakan adalah H 0 : Auokorelasi residual dari model noise idak signifikan H : Auokorelasi residual dari model noise signifikan Dapa disimpulkan bahwa suokorelasi residual dari model noise idak signifikan aau aau idak erdapa korelasi anar lag. Var 3 Tabel 6. Hasil Oupu Auokorelasi Pada Masing-masing Model Fungsi Transfer Inpu Tunggal Lag Chi- Kepuusan p-value Square 5,900 0,8600 diolak 5,4800 0,8977 diolak 7 7,400 0,90 diolak 3 5,9700 0,935 diolak 5,9300 0,8584 diolak 4,5300 0,958 diolak 7 7,000 0,9808 diolak 3 4,5600 0,9096 diolak 5 6,00 0,867 diolak 8,8000 0,6399 diolak 7,6600 0,80 diolak 3 8,6700 0,700 diolak Lag Chi- Kepuusan p-value Square 6,700 0,6397 diolak 4,6400 0,8099 diolak 8 8,8700 0,70 diolak 4 5,800 0,7438 diolak 6 3,00 0,684 diolak 7,9800 0,838 diolak 8 4,4300 0,6499 diolak 4 9,6300 0,734 diolak 6 3,500 0,65 diolak,4700 0,4046 diolak 8 8,400 0,3736 diolak 4 0,900 0,5866 diolak i. Pemodelan Fungsi Transfer Muli Inpu Secara Serenak Dalam pemodelan ini, seluruh variabel inpu yang elah diidenifikasi, yaiu inflasi koa Samarinda ( ), inflasi koa Balikpapan ( ), dan inflasi koa Tarakan ( 3 ) dimasukkan ke dalam sisem fungsi ransfer secara serenak. Dimana model fungsi ransfer muli inpu yang elah erbenuk yaiu (0,0,0), (0,0,0), dan (0,0,0), aau secara maemais dapa diulis: Y n Pemodelan Dere Noise Seelah model fungsi ransfer muli inpu semenara erbenuk, yang erdiri dari model single inpu (0,0,0), (0,0,0), dan (0,0,0), maka dilakukan pemodelan erhadap dere noisenya. Pemodelan dere noise dapa dilakukan dengan meliha plo ACF dan PACF unuk residual. Berdasarkan plo ACF dan PACF dikeahui bahwa model semenara yang diperoleh yaiu (,0,), (,0,), (,0,0), (0,0,), dan (0,0,), namun yang memenuhi ui signifikansi parameer hanya (,0,0) dan (0,0,). Jadi, dipuuskan (,0,0) dan (0,0,) digunakan sebagai model noise. Sehingga diperoleh model fungsi ransfer muli inpu yaiu, a Y B dan Y B) a ( Program Sudi Saisika FMIPA Universias Mulawarman 33
8 Gambar 0. Plo ACF residual model fungsi ransfer muli inpu Gambar. Plo PACF residual model fungsi ransfer muli inpu k. Penguian Signifikansi dan Penaksiran Parameer Model Fungsi Transfer Muli Inpu Seelah diperoleh model fungsi ransfer muli inpu, ahapan selanunya adalah menaksir parameer dan penguian signifikansi parameer. Beriku hasil penaksiran dan penguian signifikansi parameer: Tabel 7. Hasil Oupu Penguian Signifikansi dan Penaksiran Parameer Model Fungsi Transfer Muli Inpu Model Dere Noise (,0,0) (0,0,) Parameer p-value Var Kepuusan = 0,697 <0,000 Y H 0 diolak 0 = 0,4779 <0,000 H 0 diolak 0 = 0,3888 <0,000 H 0 diolak 0 = 0,334 <0,000 3 H 0 diolak = -0,6480 <0,000 Y H 0 diolak 0 = 0,4808 <0,000 H 0 diolak 0 = 0,3884 <0,000 H 0 diolak 0 = 0,37 <0,000 3 H 0 diolak Berdasarkan hasil ui signifikansi parameer diperoleh seluruh parameer memiliki p-value<, maka H 0 diolak. Sehingga dapa disimpulkan Parameer model fungsi ransfer muli inpu yaiu (0,0,0), (0,0,0), dan (0,0,0) dengan dere noise (,0,0) sera model fungsi ransfer muli inpu yaiu (0,0,0), (0,0,0), dan (0,0,0) dengan dere noise (0,0,) signifikan berbeda dengan nol. l. Tahap Pemeriksaan Diagnosik Model Fungsi Transfer Muli Inpu Pemeriksaan diagnosik pada model fungsi ransfer muli inpu ada dua ahap, yaiu:. Pemeriksaan korelasi silang (cross correlaion check) Var 3 Tabel 8. Hasil Oupu Korelasi Silang Pada Model Fungsi Transfer Muli Inpu dengan Model Dere Noise (,0,0) Tabel 9. Hasil Oupu Korelasi Silang Pada Model Fungsi Transfer Muli Inpu dengan Model Dere Noise (0,0,) Var 3 Lag Chi- Square p-value Kepuusan 5 7,7500 0,704 diolak 7,900 0,04 diolak 7 4,0500 0,80 diolak 3 6,400 0,898 diolak 5 0,8900 0,0536 diolak 6,600 0,98 diolak 7 4,6700 0,03 diolak 3 3,500 0,9 diolak 5,6000 0,90 diolak 8,800 0,6398 diolak 7 5,0400 0,599 diolak 3 5,8600 0,860 diolak Lag Chi- Square p-value Kepuusan 5 8,4300 0,34 diolak 4,5000 0,066 diolak 7 4,4000 0,089 diolak 3 6,3500 0,845 diolak 5 0,6600 0,0584 diolak 3,900 0,375 diolak 7,5700 0,07 diolak 3 7,3000 0,433 diolak 5 3,0000 0,6996 diolak,7000 0,3867 diolak 7 7,900 0,3945 diolak 3 8,3800 0,7368 diolak Adapun ui hipoesis yang digunakan adalah H 0 : Korelasi anara dere noise dan dere inpu idak signifikan H : Korelasi anara dere noise dan dere inpu signifikan Berdasarkan hasil penguian dapa disimpulkan bahwa korelasi anara dere noise dan dere inpu idak signifikan aau dapa disimpulkan dere noise dan dere inpu saling independen. Pemeriksaan auokorelasi (auocorrelaion check) Tabel 0. Hasil Oupu Auokorelasi Pada Model Fungsi Transfer Muli Inpu 34 Program Sudi Saisika FMIPA Universias Mulawarman
9 Model Dere Noise (,0,0) (0,0,) Lag Chi- Square p-value 6 4,700 0,558 8,9500 0,669 8,4300 0, ,4700 0,9409 6,8600 0,73 9,6400 0, ,9900 0, ,3500 0,8397 Kepuusan diolak diolak diolak diolak diolak diolak diolak diolak Dengan ui hipoesis yang digunakan adalah H 0 : Auokorelasi residual dari model noise idak signifikan H : Auokorelasi residual dari model noise signifikan Berdasarkan hasil penguian dapa disimpulkan bahwa auokorelasi residual dari model noise idak signifikan aau aau idak erdapa korelasi anar lag m. Pemilihan Model Fungsi Transfer Muli Inpu Terbaik Pemilihan model erbaik dilakukan dengan meliha nilai Mean Square Error (MSE) yang erkecil. Diperoleh hasil sebagai beriku: Tabel. Nilai MSE Model Fungsi Transfer Muli Inpu Model Dere Noise MSE (,0,0) 0, (0,0,) 0, Berdasarkan hasil perhiungan diperoleh nilai MSE yang erkecil dari kedua model dere noise yaiu model (0,0,), yang berari lebih baik digunakan. Jadi, peramalan inflasi Kalimanan Timur diperoleh model fungsi ransfer muli inpu yaiu (0,0,0), (0,0,0), dan (0,0,0) dengan model dere noise (0,0,). n. Peramalan Menggunakan Model Fungsi Transfer Muli Inpu Karena parameer model yang diperoleh elah signifikan sera kedua asumsi elah erpenuhi, maka nilai esimasi parameer dapa disubsiusikan pada model fungsi ransfer yang diperoleh. Dengan mensubsiusikan nilai-nilai penaksiran parameer maka diperoleh model sebagai beriku: Y B) a ( Y 0,4808 0,3884 0, ,6480 a a Dari model fungsi ransfer muli inpu yang diperoleh dapa disimpulkan bahwa inflasi Kalimanan Timur pada bulan ini dipengaruhi oleh inflasi koa Samarinda, inflasi koa Balikpapan, dan inflasi koa Tarakan pada bulan yang sama. Dimana inflasi koa Samarinda, inflasi koa Balikpapan, dan inflasi koa Tarakan pada bulan ini memberikan kenaikan pada inflasi Kalimanan Timur di bulan yang sama apabila inflasi masing-masing koa ersebu mengalami kenaikan. Seelah model fungsi ransfer muli inpu didapakan dan seluruh penaksiran parameer sera penguian diagnosik erpenuhi, selanunya dapa digunakan unuk meramalkan inflasi Kalimanan Timur (Y) unuk beberapa periode yang akan daang. Beriku ini adalah hasil peramalan inflasi Kalimanan Timur sau ahun aau dua belas bulan kedepan yang dipengaruhi oleh inflasi koa Samarinda ( ), inflasi koa Balikpapan ( ), dan inflasi koa Tarakan ( 3 ) dengan menggunakan model fungsi ransfer muli inpu. Dengan mensubiusikan hasil ramalan masing-masing variabel inpu yaiu inflasi inflasi koa Samarinda, inflasi koa Balikpapan, dan inflasi koa Tarakan maka dapa dikeahui nilai hasil ramalan inflasi Kalimanan Timur. Tabel. Hasil Peramalan Inflasi Kalimanan Timur Tahun Bulan Inflasi Kalimanan Timur Januari 7,38% Februari 7,49% Mare 7,8% April 7,53% 05 Mei 7,3% Juni 7,5% Juli 7,3% Agusus 7,5% Sepember 7,3% Okober 7,5% November 7,3% Desember 7,5% Berdasarkan perhiungan diperoleh nilai MSE yang kecil yaiu 0,000335, menandakan bahwa hasil peramalan baik unuk digunakan. Selain iu, dari hasil ramalan uga diperoleh perbandingan grafik daa akual dan daa ramalan erdapa pada Gambar. Berdasarkan Gambar dikeahui bahwa daa hasil ramalan dan daa akual berhimpi, yang mengindikasikan bahwa hasil ramalan adalah baik, dan hasil ramalan sau ahun ke depan dikeahui cukup konsan berada di kisaran 7%. Program Sudi Saisika FMIPA Universias Mulawarman 35
10 beruru-uru yaiu 7,38%, 7,49%, 7,8%, 7,53%, 7,3%, 7,5%, 7,3%, 7,5%, 7,3%, 7,5%, 7,3%, dan 7,5%. Dimana diperoleh hasil ramalan yang cukup konsan berada di kisaran 7%. Gambar. Time series plo daa akual dan ramalan inflasi Kalimanan Timur Kesimpulan Berdasarkan analisis dan pembahasan yang elah dilakukan, dapa diambil kesimpulan sebagai beriku:. Model fungsi ransfer muli inpu unuk peramalan inflasi Kalimanan Timur (Y) dengan inflasi Koa Samarinda ( ), inflasi Koa Balikpapan ( ), dan inflasi Koa Tarakan ( 3 ) sebagai variabel inpu adalah sebagai beriku: Y 0,4808 0,3884 0,37 3 0, Berdasarkan model fungsi ransfer muli inpu yang diperoleh, dikeahui hasil ramalan inflasi (yoy) Kalimanan Timur pada bulan Januari hingga Desember 05 a a Dafar Pusaka Aswi dan Sukarna Analisis Dere Waku: Teori dan Aplikasi. Makassar: Andira Publisher. Badan Pusa Saisik Provinsi Kalimanan Timur. Indeks Harga Konsumen (IHK) dan Inflasi Kalimanan Timur 03. Makridakis S., Wheelwrigh, S.C. dan V.E. McGee Meode dan Aplikasi Peramalan. Teremahan Hari Sumino. Jilid I. Edisi II. Jakara: Bina Rupa Aksara. Nopirin Penganar Ilmu Ekonomi Makro & Mikro. Edisi I. Yogyakara: BPFE- Yogyakara. Wei, W. W. S Time Series Analysis Univariae and Mulivariae Mehods. California: Adisson Wesley Publishing Company, Inc. Widarono, Agus Ekonomerika Teori dan Apliasi unuk Ekonomi dan Bisnis. Edisi Kedua. Yogyakara: Ekonisia. 36 Program Sudi Saisika FMIPA Universias Mulawarman
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan
Lebih terperinciBAB 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 terperinciPeramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Multi Input. : Nesia Brilliana I.P NRP :
Peramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Muli Inpu Nama : Nesia Brilliana I.P NRP : 20800023 Jurusan : Maemaika Dosen Pembimbing : Dra. Nuri Wahyuningsih, M. Kes Pemberian pupuk
Lebih terperinci*Corresponding Author:
Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion
Lebih terperinciBAB 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 terperinciBAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena
Lebih terperinciOleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes
PERAMALAN INDEKS HARGA SAHAM YANG DIPENGARUHI KURS, PERUBAHAN INFLASI, POSISI JUMLAH DEPOSITO BERJANGKA, SUKU BUNGA SBI DAN DEPOSITO MENGGUNAKAN FUNGSI TRANSFER DAN ARCH-GARCH Oleh: TANTI MEGASARI 6 00
Lebih terperinciANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA
ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA Oleh : Liviani Nursia 307030040 Dosen Pembimbing: Dr. Brodjol Suijo S.U, MSi Laar Belakang
Lebih terperinciBAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan
BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiaan memperkirakan apa yang akan erjadi pada masa yang akan daang. Ramalan adalah sesuau kegiaan siuasi aau kondisi yang diperkirakan akan erjadi
Lebih terperinciAbstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.
1 Peramalan Volume Produksi Air Bersih di PDAM Kabupaen Bojonegoro berdasarkan Jumlah Pelanggan dan Volume Konsumsi Air Fasha Aulia Pradhani dan Adaul Mukarromah Jurusan Saisika, FMIPA, ITS Jl. Arief Rahman
Lebih terperinciBAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan
BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan
BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi
Lebih terperinciANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG
ISSN: 9-54 JURNAL GAUSSIAN, Volume 4, Nomor, Tahun 05, Halaman 6-60 Online di: hp://eournal-s.undip.ac.id/index.php/gaussian ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG
Lebih terperinciBAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF
BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap
Lebih terperinciPENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN
IndoMS Journal on Saisics Vol., No. (04), Page 7-37 PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN Dinda Ariska Wulandari,
Lebih terperinciPemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun
Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro
Lebih terperinciPERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT
Saisika, Vol. 2, No. 2, November 24 PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT Sri Wahyuni, 2 Farikhin, Iswahyudi Joko Suprayino Program Sudi Saisika
Lebih terperinciModel ARIMAX Dan Deteksi GARCH Untuk Peramalan Inflasi Kota Denpasar Tahun 2014
JEKT Model ARIMAX Dan Deeksi GARCH Unuk Peramalan Inflasi Koa Denpasar Tahun 2014 Rukini *) Badan Pusa Saisik Provinsi Bali ABSTRAK pemerinah dalam mengambil kebijakan unuk menjaga sabilias moneer di masa
Lebih terperinciBAB 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 terperinciJurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN
Peramalan Dengan Meode Smoohing dan Verifikasi Meode Peramalan Dengan Grafik Pengendali Moving Range () (Sudi Kasus: Produksi Air Bersih di PDAM Tira Kencana Samarinda) Forecasing wih Smoohing and Verificaion
Lebih terperinciBAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun
BAB III ARFIMA-FIGARCH 3. Time Series Memori Jangka Panjang Proses ARMA sering dinyaakan sebagai proses memori jangka pendek (shor memory) karena fungsi auokorelasi anara dan urun cepa secara eksponensial
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan
Lebih terperinciBAB 2 TINJAUAN TEORI
7 BAB 2 TINJAUAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciBAB 2 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 terperinciPENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Studi Kasus: PT Tembaga Mulia Semanan)
Prosiding Seminar Nasional Manajemen Teknologi Program Sudi MMT-ITS, Surabaya 1 Agusus 2009 PENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Sudi Kasus: PT
Lebih terperinciPemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline ABSTRAK
Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Meode Inervensi dan Regresi Spline Rina Andriani, Dr. Suharono, M.Sc 2 Mahasiswa Jurusan Saisika FMIPA-ITS, 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih terperinciPeramalan Jumlah Pengunjung Domestik dan Mancanegara di Maharani Zoo & Goa Menggunakan ARIMA Box - Jenkins
Peramalan Jumlah Pengunjung Domesik dan Mancanegara di Maharani oo & Goa Menggunakan ARIMA Box - Jenkins Vivi Kusuma Sulisyawai (3030085) Dosen Pembimbing Dr. Irhamah, S.Si.,M.Si Laar Belakang Rumusan
Lebih terperinciPerbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X
JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Air merupakan kebuuhan pokok bagi seiap makhluk hidup di dunia ini ermasuk manusia. Air juga merupakan komponen lingkungan hidup yang pening bagi kelangsungan hidup
Lebih terperinciPeramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk
Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk Oleh : Dwi Hapsari K (1306 100 015) Dosen Pembimbing : Dra. Karika Firiasari, M.Si 1 Pendahuluan Laar Belakang, Perumusan Masalah, Tujuan
Lebih terperinciAPLIKASI 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 terperinciARIMA (Autoregressive Integrated Moving Average)
ARIMA (Auoregressive Inegraed Moving Average) I. Prinsip Dasar dan Tujuan Analisis. Prinsip Dasar ARIMA sering juga disebu meode runun waku Box-Jenkins. ARIMA sanga baik keepaannya unuk peramalan jangka
Lebih terperinciMODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR
MODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR S - 27 Rukini, Suharono2 2,2 Jurusan Saisika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu
BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang
Lebih terperinciANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 009 XV-1 ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Muhammad Sjahid Akbar, Jerry Dwi Trijoyo
Lebih terperinciBAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu
BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,
Lebih terperinciPERAMALAN 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 terperinciKata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting.
METODE INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) UNTUK MEMODELKAN HARGA GABAH DUNIA (INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY TO CAPTURE
Lebih terperinciPERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,1,1)(0,1,1) 12 TUGAS AKHIR.
PERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,,)(0,,) 2 TUGAS AKHIR Diajukan Sebagai Salah Sau Syara unuk Memperoleh Gelar Sarjana Sains
Lebih terperinciKAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN
JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina
Lebih terperinciBAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel
BAB III ANALISIS INTERVENSI 3.1. Pendahuluan Analisis inervensi dimaksudkan unuk penenuan jenis respons variabel ak bebas yang akan muncul akiba perubahan pada variabel bebas. Box dan Tiao (1975) elah
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju
Lebih terperinciBAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat
BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber
Lebih terperinciPENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK.
PENERAPAN METODE TRIPLE EXPONENTIAL MOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUAHAAN MEBEL INAR JEPARA TANJUNGANOM NGANJUK. ii Rukayah*), Achmad yaichu**) ABTRAK Peneliian ini berujuan unuk
Lebih terperinciPeramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis
JURNAL SAINS DAN NI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Prin) D-224 Peramalan Penjualan Sepeda Moor di Jawa Timur dengan Menggunakan Model Dinamis Desy Musika dan Seiawan Jurusan Saisika,
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian yang dilakukan mengenai analisis perencanaan pengadaan una berdasarkan ramalan ime series volume ekspor una loin beku di PT Tridaya Eramina
Lebih terperinciMODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI
MODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI Diajukan kepada Fakulas Maemaika dan Ilmu Pengeahuan Alam Universias Negeri Yogyakara unuk memenuhi
Lebih terperinciIDENTIFIKASI POLA DATA TIME SERIES
IDENTIFIKASI POLA DATA TIME SERIES Daa merupakan bagian pening dalam peramalan. Beriku adalah empa krieria yang dapa digunakan sebagai acuan agar daa dapa digunakan dalam peramalan.. Daa harus dapa dipercaya
Lebih terperinciPERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS
PERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS Joko Ariyadi (308 030 060) Pembimbing : Drs. Brodjol Suijo Suprih Ulama, M.Si Laar Belakang 2 Laar
Lebih terperinciDAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Studi Aplikasi Model Intervensi dengan Step Function)
DAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Sudi Aplikasi Model Inervensi dengan Sep Funcion) S-3 Kismianini dan Dhoriva Urwaul Wusqa Jurusan Pendidikan Maemaika
Lebih terperinciPemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network
D-378 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (26) 2337-3520 (23-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi pada Plaform MK di PT X Menggunakan Meode ARIMA, Neural Nework, dan Hibrida ARIMA-Neural
Lebih terperinciBAB 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 terperinciPerancangan Sistem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Metode Triple Exponential Smoothing
Jurnal Ilmiah Teknologi dan Informaika ASIA (JITIKA) Vol.10, No.2, Agusus 2016 ISSN: 0852-730X Perancangan Sisem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Meode Triple Exponenial Smoohing Tria
Lebih terperinciPENGARUH PANJANG DAN LEBAR DATA DEBIT HISTORIS PADA KINERJA MODEL PEMBANGKITAN DATA DEBIT SUNGAI BRANTAS DENGAN METODE ARIMA
PENGARUH PANJANG DAN LEBAR DATA DEBIT HISTORIS PADA KINERJA MODEL PEMBANGKITAN DATA DEBIT SUNGAI BRANTAS DENGAN METODE ARIMA Maskur Efendi ), Widandi Soeopo 2), Piojo Tri Juwono 2) ) Mahasiswa Magiser
Lebih terperinciTUGAS AKHIR. untuk Analisis Peramalan Data Ekspor Non Migas Indonesia Di Sektor Pertanian, Sektor Perindustrian dan Sektor
TUGAS AKHIR Pendekaan Meode ARIMA Box Jenkins unuk Analisis Peramalan Daa Ekspor Non Migas Indonesia Di Sekor Peranian, Sekor Perindusrian dan Sekor Nurul Laifa Perambangan 307 030 70 Dosen pembimbing
Lebih terperinciJurnal Edik Informatika. Peramalan Kebutuhan Manajemen Logistik Pada Usaha Depot Air Minum Isi Ulang Al-Fitrah
Jurnal Edik Informaika Peneliian Bidang Kompuer Sains dan Pendidikan Informaika V.i(5-4) Peramalan Kebuuhan Manajemen Logisik Pada Usaha Depo Air Minum Isi Ulang Al-Firah Henny Yulius, Islami Yei Universias
Lebih terperinciProsiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PERAMALAN VOLUME PENGGUNAAN AIR BERSIH DENGAN METODE WINTERS EPONENTIAL SMOOTHING UNTUK MENENTUKAN VOLUME
Lebih terperinciPeramalan Inflasi Nasional Berdasarkan Faktor Ekonomi Makro Menggunakan Pendekatan Time Series Klasik dan ANFIS
JURNAL SAINS DAN SENI IS Vol. 4, No., () 2337-3 (2-928X Prin) D-67 Peramalan Inflasi Nasional Berdasarkan Fakor Ekonomi Makro Menggunakan Pendekaan ime Series Klasik dan ANFIS Clara Agusin Sephani, Agus
Lebih terperinciPenerapan Model ARCH/GARCH untuk Peramalan Nilai Tukar Petani ABSTRAK ABSTRACT. Pendahuluan
Jurnal Sains Maemaika dan Saisika, Vol. 4, No., Januari 8 ISSN 46-454 prin/issn 65-8663 online Penerapan Model ARCH/GARCH unuk Peramalan Nilai Tukar Peani Ari Pani Desvina, Inggrid Ocaviani Meijer, Jurusan
Lebih terperinciDAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII
Bulein Ilmiah Mah. Sa. dan Terapannya (Bimaser) Volume 6, No. 3 (27), hal 83 2. MODEL SPACE-TIME DAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII Ella Kurniawai, Naomi Nessyana
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa
BAB 2 TINJAUAN TEORITI 2.1. Pengerian-pengerian Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. edangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciAnalisis Peramalan Jumlah Penumpang Kereta Api Penataran Tujuan Surabaya-Malang
Analisis Peramalan Jumlah Penumpang Kerea Api Penaaran Tujuan Surabaya-Malang Oleh. Andria Prima Diago 08.00.0 Dosen Pembimbing. r. Dwiamono Agus, M.komp Andria Prima Diago 08.00.0 nsiu Teknologi Sepuluh
Lebih terperinciANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional.
JURNAL ILMIAH RANGGAGADING Volume 7 No. 1, April 7 : 3-9 ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Sudi kasus pada CV Cia Nasional. Oleh Emmy Supariyani* dan M. Adi Nugroho *Dosen
Lebih terperinciPERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO
PERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO SKRIPSI Disusun Oleh : SITI LIS INA ATUL HIDAYAH 24010211120006 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciJurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK
PERBANDINGAN METODE DES (DOUBLE EXPONENTIAL SMOOTHING) DENGAN TES (TRIPLE EXPONENTIAL SMOOTHING) PADA PERAMALAN PENJUALAN ROKOK (STUDI KASUS TOKO UTAMA LUMAJANG) 1 Fajar Riska Perdana (1110651142) 2 Daryano,
Lebih terperinciSISTEM PREDIKSI PENJUALAN GAMIS TOKO QITAZ MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING. Oleh: Salman Alfarisi
S. Alfarisi / Journal of Applied Business and Economics Vol. 4 No. 1 (Sep 2017) 80-95 SISTEM PREDIKSI PENJUALAN GAMIS TOKO QITAZ MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING Oleh: Salman Alfarisi Program
Lebih terperinciANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER. Muflih Rori Putra Harahap
ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER Muflih Rori Pura Harahap 30 00 052 Pembimbing : Dr. Drs. Agus Suharsono, M.S. LATAR BELAKANG PENDAHULUAN
Lebih terperinciESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING
ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING Nama: Zahroh Aiqoh 05 00 0 Dosen Pembimbing: Dra. Nuri Wahyuningsih, MKes Drs. Sulisiyo, MT Jurusan Maemaika
Lebih terperinciPERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk)
Jurnal UJMC, Volume 3, Nomor 1, Hal. 15-0 pissn : 460-3333 eissn : 579-907X ERHITUNGAN VAUE AT RISK (VaR) DENGAN SIMUASI MONTE CARO (STUDI KASUS SAHAM T. X ACIATA.Tbk) Sii Alfiaur Rohmaniah 1 1 Universias
Lebih terperinciModel Dinamis: Autoregressive Dan Distribusi Lag (Studi Kasus : Pengaruh Kurs Dollar Amerika Terhadap Produk Domestik Regional Bruto (PDRB))
Model Dinamis: Auoregressive Dan Disribusi Lag (Sudi Kasus : Pengaruh Kurs Dollar Amerika Terhadap Produk Domesik Regional Bruo (PDRB)) Dynamic Model : Auoregressive and Disribuion Lag (Case Sudy: Effecs
Lebih terperinciPEMODELAN PRODUKSI SEKTOR PERTANIAN
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 2009 PEMODELAN PRODUKSI SEKTOR PERTANIAN Brodjol Suijo Jurusan Saisika ITS Surabaya ABSTRAK Pada umumnya daa ekonomi bersifa ime
Lebih terperinci(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF
Seminar Nasional Saisika 12 November 2011 Vol 2, November 2011 (T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Gumgum Darmawan, Sri Mulyani S Saf Pengajar Jurusan Saisika FMIPA UNPAD
Lebih terperinciBAB 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 terperincimetodologi penelitian
pendahuluan injauan pusaka meodologi peneliian hasil dan pembahasan kesimpulan Pusaka Meodologi Peningkaan Energi lisrik Kebuuhan energi lisrik Pengembangan sisem energi lisrik Peramalan beban lisrik Slide
Lebih terperinciSekilas Pandang. Modul 1 PENDAHULUAN
Modul 1 Sekilas Pandang Drs. Irlan Soelaeman, M.Ed. S PENDAHULUAN uau hari, saya dan keluarga berencana membawa mobil pergi ke Surabaya unuk mengunjungi salah seorang saudara. Sau hari sebelum keberangkaan,
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.. Ruang Lingkup Peneliian Peneliian ini diujukan unuk menenukan meode erbaik yang dapa digunakan dalam meramalkan harga ayam pada enam koa besar di Jawa-Bali. Meode peramalan yang
Lebih terperinciSISTEM INFORMASI PERAMALAN STOK BARANG DI CV. ANNORA ASIA MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING
Jurnal Informaika Polinema ISSN: 2407-070X SISTEM INFORMASI PERAMALAN STOK BARANG DI CV. ANNORA ASIA MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING Mansyur, Erfan Rohadi Program Sudi Teknik Informaika,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu
BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang
Lebih terperinciPemulusan Eksponensial dengan Metode Holt Winter Additive Damped
Pemulusan Eksponensial dengan Meode Hol Winer Addiive Damped Hurul in 1),Dr. Erna Tri Herdiani, M.Si 2), Andi Kresna Jaya, S.Si., M.Si 3) Program Sudi Saisika Jurusan Maemaika FMIPA Unhas Jln. Perinis
Lebih terperinciPEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 9 PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL Y.P.Y. Asmara,
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju perumbuhan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Definisi Peramalan Peramalan adalah suau kegiaan dalam memperkirakan aau kegiaan ang melipui pembuaan perencanaan di masa ang akan daang dengan menggunakan daa masa lalu dan daa masa
Lebih terperinciPERAMALAN NILAI EKSPOR NON MIGAS SEKTOR PERINDUSTRIAN DI JAWA TIMUR DENGAN MENGGUNAKAN ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN NILAI EKSPOR NON MIGAS SEKTOR PERINDUSTRIAN DI JAWA TIMUR DENGAN MENGGUNAKAN ARIMA BOX-JENKINS Mohammad Fariq NRP 1314 030 015 Dosen Pembimbing Dra. Sri Mumpuni Renaningsih,
Lebih terperinciPERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR
TUGAS AKHIR SS 145561 PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR SARIRAZTY DWIJANTARI NRP 1314 030 010 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si., M.Si DEPARTEMEN
Lebih terperinciPENENTUAN MODEL PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN METODE ARIMA
PENENTUAN MODEL PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN METODE ARIMA Leopoldus Ricky Sasongko, Lydia Ninuk Rahayu, dan Alberh Roy Koa 3,,3 Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias
Lebih terperinciPERAMALAN JUMLAH PENUMPANG PADA PT
PERAMALAN JUMLAH PENUMPANG PADA PT. ANGKASA PURA I (PERSERO) KANTOR CABANG BANDAR UDARA INTERNASIONAL ADISUTJIPTO YOGYAKARTA DENGAN METODE WINTER S EXPONENTIAL SMOOTHING DAN SEASONAL ARIMA SKRIPSI Diajukan
Lebih terperinciPERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS Puri Handayani NRP 1314 030 112 Dosen Pembimbing Dr. Brodjol Suijo Suprih Ulama, M.Si. Deparemen
Lebih terperinciBAB 2 LANDASAN TEORI
35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),
Lebih terperinciBab 5 Penaksiran Fungsi Permintaan. Ekonomi Manajerial Manajemen
Bab 5 Penaksiran Fungsi Perminaan 1 Ekonomi Manajerial Manajemen Peranyaan Umum Tenang Perminaan Seberapa besar penerimaan perusahaan akan berubah seelah adanya peningkaan harga? Berapa banyak produk yang
Lebih terperinciANALISIS DATA INFLASI INDONESIA MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DENGAN PENAMBAHAN OUTLIER.
Analisis Daa (Supari) ANALISIS DAA INFLASI INDONESIA MENGGUNAKAN MODEL AUOREGRESSIVE INEGRAED MOVING AVERAGE (ARIMA) DENGAN PENAMBAHAN OULIER Supari 1 dan Alfi Faridaus Sa adah 2 1 Saf Pengajar Jurusan
Lebih terperinciBAB II TINJAUAN PUSTAKA. mempunyai efek menekan atau menghentikan suatu proses biokimia di dalam
BAB II TINJAUAN PUSTAKA 2.1 Anibioik 2.1.1 Defenisi Anibioik adalah segolongan senyawa, baik alami maupun sineik, yang mempunyai efek menekan aau menghenikan suau proses biokimia di dalam organisme, khususnya
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di
Lebih terperinci(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 terperinciPenentuan Pelebaran Window Time Optimal Pada Data Deret Waktu
1 Penenuan Pelebaran Window Time Opimal Pada Daa Dere Waku (1) Nursya`bani Hendro Prabowo dan (2) Raden Mohamad Aok Deparemen Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam, Insiu Teknologi Sepuluh
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 91-100 Online di: hp://ejournal-s1.undip.ac.id/index.php/gaussian IDENTIFIKASI BREAKPOINT DAN PEMODELAN AUTOREGRESSIVE STRUCTURAL
Lebih terperinciBAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai
BAB 1 PENDAHULUAN 1.1 Laar Belakang Propinsi Sumaera Uara merupakan salah sau propinsi yang mempunyai perkembangan yang pesa di bidang ransporasi, khususnya perkembangan kendaraan bermoor. Hal ini dapa
Lebih terperinciPENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC TMP C CILACAP
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC
Lebih terperinciPENERAPAN MODEL VECTOR AUTOREGRESSIVE (VAR) UNTUK PERAMALAN CURAH HUJAN KOTA PEKANBARU
Jurnal Sains, Teknologi dan Indusri, Vol. 11, No., Juni, pp. 151-159 ISSN 93-3 prin/issn 07-0939 online PENERAPAN MODEL VECTOR AUTOREGRESSIVE (VAR) UNTUK PERAMALAN CURAH HUJAN KOTA PEKANBARU 1 Ari Pani
Lebih terperinci