Model Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer
|
|
- Ade Sanjaya
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Model Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer OLEH : DWI LISTYA NURINI DOSEN PEMBIMBING : DR. BRODJOL SUTIJO SU, M.SI
2 Bursa saham atau Pasar modal adalah pasar dari berbagai instrumen keuangan jangka panjang yang bisa diperjualbelikan. Indeks Harga Saham Individu adalah perubahan dari satu harga saham di perusahaan Indeks Harga Saham Indeks Harga Saham Gabungan adalah pergerakan harga saham secara umum yang terdapat di bursa efek Bursa Saham IHSG Sebelumnya
3 Indeks Harga Saham Gabungan (IHSG) KOSPI ( mewakili bursa saham Korea) Hang Seng (HSI) (mewakili bursa saham Hongkong) Nikkei 225 (mewakili bursa saham Jepang) TAIEX (mewakili bursa saham Taiwan) Dow Jones (mewakili bursa saham New York Amerika Serikat) FTSE (mewakili bursa saham London) ASX (mewakili bursa saham Australia) Nikkei 225 adalah indikator harga yang merupakan harga rata-rata Nikkei 225 dari dipilih saham dalam 225 penelitian perusahaan ini teratas dikarenakan di Jepang Nikkei yang 225 terdaftar merupakan di Bursa termasuk Efek Tokyo 5 besar (Tse). Indeks Harga Saham Gabungan (IHSG) yang ada di Dunia Bursa Saham IHSG Sebelumnya
4 Purwandi (2008) melakukan pemodelan indeks Hang Seng dengan metode Mixture Autoregressive (MAR) Azizah (2009) melakukan penelitian tentang indeks saham Kospi dengan metode intervensi. Damayanti (2002) melakukan penelitian tentang permodelan IHS Nikkei 225 pada nilai open terhadap nilai high, low, dan close dengan menggunakan pendekatan bivariate ARIMA Bursa Saham IHSG Sebelumnya
5 Perumusan Masalah Tujuan Manfaat Batasan Masalah Bagaimana model open price terhadap high price dan low price pada IHSG Nikkei 225 dengan pendekatan fungsi transfer? Bagaimana nilai ramalan model open price terhadap high price dan low price pada IHSG Nikkei 225 untuk beberapa periode ke depan?
6 Perumusan Masalah Tujuan Manfaat Batasan Masalah Mengetahui model open price terhadap high price dan low price pada IHSG Nikkei 225 dengan pendekatan fungsi transfer Mengetahui nilai ramalan model open price terhadap high price dan low price pada IHSG Nikkei 225 untuk beberapa periode ke depan
7 Perumusan Masalah Tujuan Sebagai bentuk penerapan ilmu statistik untuk menyelesaikan kasus financial di bidang perdagangan saham khususnya indeks harga saham gabungan (IHSG) Nikkei 225 Manfaat Batasan Masalah
8 Perumusan Masalah Tujuan Manfaat Mengkhususkan pada indeks harga saham gabungan (IHSG) Nikkei 225 untuk menentukan low price dan high price berdasarkan nilai open price Batasan Masalah
9 Time Series Konsep Dasar Time Series Stasioner Fungsi Transfer Mean Varians Differencing Transformasi Nikkei 225 W t = Z t Z t 1 Nilai Estimasi λ Transformasi -1,0 1 / Z t -0,5 1 / Z t 0,0 Ln Z t 0,5 Z t 1,0 Z t (tidak ada transformasi)
10 Uji Signifikansi Parameter Konsep Dasar Time Series Fungsi Transfer H 0 : θ i = 0 (parameter tidak signifikan) H 1 : θ i 0 (parameter signifikan) Statistik Uji : ˆ θ t = i SE( ˆ θi Daerah penolakan : Tolak H 0 jika t hitung > t atau P-value <α α 2 ) ( df n p) Uji Kesesuaian Model Nikkei 225 Uji White Noise menggunakan uji L-jung box chi square Distribusi Normal menggunakan uji kenormalan
11 Konsep Dasar Time Series Fungsi Transfer Persamaan Model Fungsi Tranfer Fungsi Transfer Nikkei 225 Menurut Makridakis dkk. (1999) model fungsi transfer bivarat ditulis dalam dua bentuk umum, bentuk pertama adalah sebagai berikut : Y t = v(b)x t + n t model fungsi transfer dapat dituliskan dalam model yang kedua sebagai berikut :
12 Identifikasi Model Fungsi Transfer Konsep Dasar Time Series Mempersiapkan deret output dan input Pemutihan deret input Pemutihan deret output Fungsi Transfer Penerapan b, s, r untuk model fungsi transfer Penaksiran langsung bobot respon impuls Perhitungan korelasi silang dan autokeralasi untuk deret input dan deret output yang telah diputihkan Nikkei 225 Pengujian pendahuluan deret gangguan (noise series) Penetapan (p n, q n ) untuk model ARIMA (p n, 0, q n ) dari deret gangguan
13 Konsep Dasar Time Series Pemeriksaan Korelasi Silang Diagnostik Model Pemeriksaan Autokorelasi Fungsi Transfer Statistik uji sebagai berikut : Statistik uji sebagai berikut : Nikkei 225
14 Konsep Dasar Time Series Nikkei 225 adalah indikator harga yang merupakan harga rata-rata dari saham 225 perusahaan teratas di Jepang yang terdaftar di Bursa Efek Tokyo (Tse). Berikut adalah rumus untuk menghitung Indeks Nikkei : Fungsi Transfer Nikkei 225 keterangan : Divisor adalah angka yang ditentukan oleh otoritas bursa sebagai bilangan pembagi.
15 SUMBER DATA Data pada penelitian ini menggunakan data sekunder dengan tipe data harian dari Indeks Harga Saham Gabungan (IHSG) Nikkei 225 yang diambil dari website ( com). VARIABEL PENELITIAN Variabel yang digunakan adalah deret output (Y t ) adalah high price dan low price, sedangkan deret input atau (X t ) adalah open price. Data in-sampel yang digunakan mulai 4 Januari 2011 sampai 12 April 2013 sebanyak 560 data dan data out-sampel yang digunakan mulai tanggal 15 April 2013 sampai 22 Mei 2013 sebanyak 25 data.
16 METODE ANALISIS DATA Tahap Identifikasi Variabel Penaksiran Parameter Model Fungsi Transfer ( b, r, s)( p n, q n ) Uji Diagnostik Model Fungsi Transfer Model Fungsi Transfer Untuk Peramalan
17 Mempersiapkan deret input dan output agar memperoleh deret input dan output yang stasioner Menentukan model ARIMA untuk deret input dan melakukan prewhitening pada deret tersebut untuk memperoleh deret yang white noise α TAHAP IDENTIFIKASI VARIABEL Melakukan prewhitening pada deret output untuk memperoleh β Menetapkan nilai-nilai b, r, s yang menghubungkan deret input dan output Penaksiran parameter model fungsi transfer sementara berdasarkan nilai b, r, s yang ditetapkan sebelumnya Melakukan identifikasi model awal deret noise (n t ) berdasarkan perhitungan autokorelasi serta parsial korelasinya. Menetapkan p n, q n untuk model ARMA dari deret noise (n t ).
18 UJI DIAGNOSTIK MODEL FUNGSI TRANSFER Perhitungan autokorelasi untuk nilai sisa model (r,s,b) yang menghubungkan deret output dan deret input Perhitungan korelasi silang antara nilai sisa dengan deret gangguan (a t ) yang telah diputihkan
19 IDENTIFIKASI MODEL DERET INPUT OPEN PRICE (X) Open Price Time Series Plot of Open Price Index Autocorrelation Function for Open Price (with 5% significance limits for the autocorrelations) Autocorrelation plot ACF cenderung turun lambat menuju nol, hal ini berarti bahwa pada deret input open price belum stasioner dalam mean Lag
20 IDENTIFIKASI MODEL DERET INPUT OPEN PRICE (X) transformasi Box-Cox 1/akar X t Box-Cox Plot of Open Price Lower CL Upper CL Lambda (using 95.0% confidence) Estimate Lower CL Upper CL 0.33 Rounded Value Box-Cox Plot of 1/akar zt Lower CL Upper CL Lambda (using 95.0% confidence) Estimate 0.86 Lower CL Upper CL 2.47 Rounded Value 1.00 StDev StDev Limit Limit Lambda Lambda
21 IDENTIFIKASI MODEL DERET INPUT OPEN PRICE (X) Autocorrelation Function for dif (with 5% significance limits for the autocorrelations) Partial Autocorrelation Function for dif (with 5% significance limits for the partial autocorrelations) Autocorrelation Partial Autocorrelation Lag Lag model sementara dari model ARIMA yaitu ARIMA (1 1 1), ARIMA (1 1 0) dan ARIMA (0 1 1).
22 PENGUJIAN PARAMETER MODEL PADA DERET INPUT OPEN PRICE (X) Model Lag P_value ARIMA (1 1 1) ARIMA (1 1 0) ARIMA (0 1 1) Model Parameter Estimasi P_value ARIMA (1 1 1) AR MA ARIMA (1 1 0) AR ARIMA (0 1 1) MA Karena P_value > α (0.05) maka residual memenu hi asumsi white noise Karena P_value < α (0.05) maka signifikan Model AIC SBC ARIMA (1 1 1) ARIMA (1 1 0) ARIMA (0 1 1) Karena model ARIMA (1 1 0) memiliki nilai AIC dan SBC terkecil maka terpilih menjadi model terbaik
23 PREWHITENING DERET INPUT OPEN PRICE (X) TERHADAP DERET OUTPUT LOW PRICE DAN HIGH PRICE Model Parameter Estimasi P_value ARIMA (1 1 0) AR PREWHITENING DERET INPUT OPEN PRICE PREWHITENING DERET OUTPUT LOW PRICE DAN HIGH PRICE
24 IDENTIFIKASI AWAL MODEL FUNGSI TRANSFER PADA DERET INPUT OPEN PRICE (X) TERHADAP DERET OUTPUT LOW PRICE (Y 1 ) menunjukkan bahwa nilai b s r yang didapatkan adalah bernilai b=0 s=0 r=0.
25 IDENTIFIKASI DERET NOISE DAN DIAGNOSTIC CHECKING PADA DERET INPUT OPEN PRICE (X) TERHADAP DERET OUTPUT LOW PRICE (Y 1 ) Lag P_value 6 < < < < P_value < α (0.05) maka residual tidak memenuhi asumsi white noise pendugaan sementara dari model ARMA yaitu ARMA (0 [1 4]) dan ARMA ([4] 1)
26 IDENTIFIKASI DERET NOISE DAN DIAGNOSTIC CHECKING PADA DERET INPUT OPEN PRICE (X) TERHADAP DERET OUTPUT LOW PRICE (Y 1 ) Variabel Parameter Estimasi P_value Input < Noise < ARMA (0 [1 4]) < Input < Noise ARMA ([4] 1) < Model Lag P_value ARMA (0 [1 4]) ARMA ([4] 1) P_value < α (0.05) maka signifikan P_value > α (0.05) maka residual memenuhi asumsi white noise
27 IDENTIFIKASI DERET NOISE DAN DIAGNOSTIC CHECKING PADA DERET INPUT OPEN PRICE (X) TERHADAP DERET OUTPUT LOW PRICE (Y 1 ) Model P_value ARMA (0 [1 4]) < ARMA ([4] 1) < Model AIC SBC ARMA (0 [1 4]) ARMA ([4] 1) model ARMA (0 [1 4]) terpilih menjadi model terbaik P_value < berarti residual tidak memenuhi asumsi distribusi normal sehingga perlu dilakukan deteksi outlier
28 IDENTIFIKASI DERET NOISE DAN DIAGNOSTIC CHECKING PADA DERET INPUT OPEN PRICE (X) TERHADAP DERET OUTPUT LOW PRICE (Y 1 ) Variabel Parameter Estimasi P_value Input < Noise < ARMA (0 [1 4]) <
29 IDENTIFIKASI DERET NOISE DAN DIAGNOSTIC CHECKING PADA DERET INPUT OPEN PRICE (X) TERHADAP DERET OUTPUT LOW PRICE (Y 1 ) Parameter Estimasi P_value < < < < < Lag P_value Lag df P_value P_value < α (0.05) maka signifikan P_value > α (0.05) maka residual memenuhi asumsi white noise crosscorrelation antara residual fungsi transfer dengan variabel input independen
30 IDENTIFIKASI DERET NOISE DAN DIAGNOSTIC CHECKING PADA DERET INPUT OPEN PRICE (X) TERHADAP DERET OUTPUT LOW PRICE (Y 1 ) Uji normalitas residual model deret noise didapatkan bahwa P_value < dari 0.01, maka diketahui residual belum berdistribusi normal. Model MAPE ARMA (0 [1 4]) % Sehingga model fungsi transfer : menunjukkan persentase kesalahan dalam meramalkan Open Price terhadap Low Price.
31 IDENTIFIKASI DERET NOISE DAN DIAGNOSTIC CHECKING PADA DERET INPUT OPEN PRICE (X) TERHADAP DERET OUTPUT LOW PRICE (Y 1 ) Tanggal Forecast Upper Lower 15 April April April April April April April April April April April April Mei Mei Mei Mei Mei Mei Mei Mei Mei Mei Mei Mei Mei
32 IDENTIFIKASI AWAL MODEL FUNGSI TRANSFER PADA DERET INPUT OPEN PRICE (X)TERHADAP DERET OUTPUT HIGH PRICE (Y 2 ) menunjukkan bahwa nilai b s r yang didapatkan adalah bernilai b=0 s=0 r=0.
33 IDENTIFIKASI DERET NOISE DAN DIAGNOSTIC CHECKING PADA DERET INPUT OPEN PRICE (X) TERHADAP DERET OUTPUT HIGH PRICE (Y 2 ) Lag P_value 6 < < < < P_value < α (0.05) maka residual tidak memenuhi asumsi white noise pendugaan sementara dari model ARMA yaitu ARMA (0 1) dan ARMA ([4] 1)
34 IDENTIFIKASI DERET NOISE DAN DIAGNOSTIC CHECKING PADA DERET INPUT OPEN PRICE (X) TERHADAP DERET OUTPUT HIGH PRICE (Y 2 ) Variabel Parameter Estimasi P_value Input < Noise ARMA (0 1) < Input < < Noise ARMA ([4] 1) Model Lag P_value ARMA (0 1) ARMA ([4] 1) P_value < α (0.05) maka signifikan P_value > α (0.05) maka residual memenuhi asumsi white noise
35 IDENTIFIKASI DERET NOISE DAN DIAGNOSTIC CHECKING PADA DERET INPUT OPEN PRICE (X) TERHADAP DERET OUTPUT HIGH PRICE (Y 2 ) Model P_value ARMA (0 1) < ARMA ([4] 1) < Model AIC SBC ARMA (0 1) ARMA ([4] 1) model ARMA ([4] 1) terpilih menjadi model terbaik P_value < berarti residual tidak memenuhi asumsi distribusi normal sehingga perlu dilakukan deteksi outlier
36 IDENTIFIKASI DERET NOISE DAN DIAGNOSTIC CHECKING PADA DERET INPUT OPEN PRICE (X) TERHADAP DERET OUTPUT HIGH PRICE (Y 2 ) Variabel Parameter Estimasi P_value Input < Noise ARMA ([4] 1) <
37 IDENTIFIKASI DERET NOISE DAN DIAGNOSTIC CHECKING PADA DERET INPUT OPEN PRICE (X) TERHADAP DERET OUTPUT HIGH PRICE (Y 2 ) Parameter Estimasi P_value < < < < < < Lag P_value P_value < α (0.05) maka signifikan Lag df P_value P_value > α (0.05) maka residual memenuhi asumsi white noise crosscorrelation antara residual fungsi transfer dengan variabel input independen
38 IDENTIFIKASI DERET NOISE DAN DIAGNOSTIC CHECKING PADA DERET INPUT OPEN PRICE (X) TERHADAP DERET OUTPUT HIGH PRICE (Y 2 ) Uji normalitas residual model deret noise didapatkan bahwa P_value < dari 0.01, maka diketahui residual belum berdistribusi normal. Model MAPE ARMA ([4] 1) 8.12 % menunjukkan persentase kesalahan dalam meramalkan Open Price terhadap High Price
39 IDENTIFIKASI DERET NOISE DAN DIAGNOSTIC CHECKING PADA DERET INPUT OPEN PRICE (X) TERHADAP DERET OUTPUT HIGH PRICE (Y 2 ) Tanggal Forecast Upper Lower 15 April April April April April April April April April April April April Mei Mei Mei Mei Mei Mei Mei Mei Mei Mei Mei Mei Mei
40 1. Model ARIMA terbaik untuk deret input open price berdasarkan kriteria in-sampel adalah model ARIMA (1 1 0) Model fungsi transfer untuk deret input open price terhadap low price adalah ARMA (0 [1 4]) Model fungsi transfer untuk deret input open price terhadap high price adalah ARMA ([4] 1)
41 2. Nilai ramalan berdasarkan deret input open price terhadap low price dan deret input open price terhadap high price adalah sebagai berikut : Tanggal Forecast Low Price Forecast High Price (Y1) (Y2) 15 April April April April April April April April April April April April Mei Mei Mei Mei Mei Mei Tanggal Forecast Low Price Forecast High Price (Y1) (Y2) 9 Mei Mei Mei Mei Mei Mei Mei
42 Daftar Anonim. Di-akses pada tanggal 21 Maret 2013 pukul WIB. Anonim. Diakses pada tanggal 21 Maret 2013 pukul WIB. Anonim. Diakses pada tanggal 21 Maret 2013 pukul WIB. Aswi dan Sukarna Analisis Deret Waktu : Teori Dan Aplikasi. Penyunting : Muhammmad Arif Tiro. Makasar. Andira Publisher. Azizah, N Analisis Peramalan Indeks Harga Saham KOSPI dengan Menggunakan Metode Intervensi. Laporan Tugas Akhir.FMIPA-ITS. Surabaya. Bowerman, B.L dan O Connell, R.T Forecasting and Time Series : An Apllied Approach, 3 rd edition. Belmont, California : Duxbury Press. Cryer, D.J dan Chan K.S Time Series Analysis. With Application in R, 2 nd Edition. Springer. Damayanti, I Peramalan Indeks Nikkei 225 dengan Pendekatan Time Series di PT. Kudamas Forexindo Surabaya. Laporan Tugas Akhir.FMIPA-ITS. Surabaya. Elton dan Gruber Modern Portofolio : Theory and Investment Analysis, 5 th Edition. New York : Wiley. Hartono akses pada tanggal 21 Maret 2013 pukul WIB. Makridakis, S., Wheelright, S.C., dan McGee, V.E., (1999), Metode dan Aplikasi Peramalan, edisi kedua, Erlangga, Jakarta.
43 Daftar Purwandi, L Permodelan Indeks Hang Seng dengan Metode Mixture Autoregressive (MAR) dengan Jumlah Komponen Tertentu. Laporan Tugas Akhir.FMIPA-ITS. Surabaya. Sihotang, B. Pengertian, Fungsi, Instrumen, Jenis, dan Pelaku Pasar Modal Diakses pada tanggal 21 Maret 2013 pukul WIB. Wei, W.W.S. (2006). Time Series Analysis Univariate and Multivariate Methods. 2 nd Edition. United States : Pearson Education, Inc.
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 terperinciPemodelan 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 terperinciOleh : 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 terperinciPemodelan 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 terperinciPERAMALAN 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 terperinciPERAMALAN 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 terperinci99.9. 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 terperinciAnalisys 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 terperinciOUTLINE. 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 terperinciISSN: 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 terperinciKAJIAN 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 terperinciPeramalan 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 terperinciBAB 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 terperinciPeramalan 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 terperinciPENGENDALIAN KUALITAS DENGAN MENGGUNAKAN DIAGRAM KONTROL EWMA RESIDUAL (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK)
PENGENDALIAN KUALITAS DENGAN MENGGUNAKAN DIAGRAM KONTROL EWMA RESIDUAL (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK) FITROH AMALIA (1306100073) Dosen Pembimbing: Drs. Haryono, MSIE PENGENDALIAN KUALITAS
Lebih terperinciFORECASTING 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 terperinciLULIK 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 terperinciJURNAL 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 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 Atiqoh NRP : 1205 100 021 Dosen Pembimbing : 1. Dra. Nuri Wahyuningsih, MKes 2. Drs. Sulistiyo,
Lebih terperinciMeytaliana 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 terperinciPERAMALAN 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 terperinciHALAMAN 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 terperinciPEMODELAN 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 terperinciJURNAL 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 terperinciPERBANDINGAN 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 terperinciAnalisis 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 terperinciPemodelan 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 terperinciPeramalan 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 terperinciModel 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 terperinciPeramalan Indeks Harga Saham di Indonesia dan Dunia dengan Model Univariate dan Multivariate Time Series
Peramalan Indeks Harga Saham di Indonesia dan Dunia dengan Model Univariate dan Multivariate Time Series Silvia Roshita Dewi, Agus Suharsono, dan Suhartono Statistika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPenerapan 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 terperinciPENGGUNAAN 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 terperinciPeramalan 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 terperinciPERAMALAN 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 terperinciPENGGUNAAN 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 terperinciBAB 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 terperinciISSN: 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 terperinciPENGGUNAAN 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 terperinciPEMODELAN DAN PERAMALAN JUMLAH PENUMPANG DAN PESAWAT DI TERMINAL KEDATANGAN INTERNASIONAL BANDARA JUANDA SURABAYA DENGAN METODE VARIANSI KALENDER
PEMODELAN DAN PERAMALAN JUMLAH PENUMPANG DAN PESAWAT DI TERMINAL KEDATANGAN INTERNASIONAL BANDARA JUANDA SURABAYA DENGAN METODE VARIANSI KALENDER M. Insanil Kamil 0 0 0 m.insanil_kml@yahoo.com Dosen pembimbing:
Lebih terperinciPenerapan Model ARIMA
Penerapan Model ARIMA (Bagian I) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 016 1 Ada tiga tahapan iterasi dalam pemodelan data deret waktu, yaitu: 1. Penentuan model tentatif (spesifikasi model)
Lebih terperinciPERAMALAN 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 terperinciPERAMALAN 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 terperinciPeramalan Penjualan Pipa di PT X
Elviani, et al. / Peramalan Penjualan Pipa di PT X / Jurnal Titra, Vol.. 2, No. 2, Juni 2014, pp. 55-60 Peramalan Penjualan Pipa di PT X Cicely Elviani 1, Siana Halim 1 Abstract: In this thesis we modeled
Lebih terperinciPeramalam 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 terperinciPeramalan 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 terperinciPERAMALAN 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 terperinciANALISIS POLA HUBUNGAN PEMODELAN ARIMA CURAH HUJAN DENGAN CURAH HUJAN MAKSIMUM, LAMA WAKTU HUJAN, DAN CURAH HUJAN RATA-RATA
ANALISIS POLA HUBUNGAN PEMODELAN ARIMA CURAH HUJAN DENGAN CURAH HUJAN MAKSIMUM, LAMA WAKTU HUJAN, DAN CURAH HUJAN RATA-RATA FATHIN FAHIMAH 226133 DOSEN PEMBIMBING Prof. Ir. Gamantyo Hendrantoro, M.Eng.
Lebih terperinci4 BAB IV HASIL PEMBAHASAN DAN EVALUASI. lebih dikenal dengan metode Box-Jenkins adalah sebagai berikut :
4 BAB IV HASIL PEMBAHASAN DAN EVALUASI Pada bab ini, akan dilakukan analisis dan pembahasan terhadap data runtut waktu. Data yang digunakan dalam penelitian ini merupakan data sekunder, yaitu data harga
Lebih terperinciPemodelan Fungsi Transfer Multi Input
Jurnal Informatika Mulawarman Vol 4 No. Juli 9 8 Pemodelan Fungsi Transfer Multi Input M. Fathurahman *) Program Studi Statistika, FMIPA Universitas Mulawarman Jl. Barong Tongkok no.5 Kampus Unmul Gn.
Lebih terperinciPemodelan 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 terperinciPeramalan 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 terperinciPERAMALAN 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 terperinciPeramalan 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 terperinciMETODE 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 terperinciPemodelan ARIMA Non- Musim Musi am
Pemodelan ARIMA Non- Musimam ARIMA ARIMA(Auto Regresif Integrated Moving Average) merupakan suatu metode analisis runtun waktu(time series) ARIMA(p,d,q) Dengan AR : p =orde dari proses autoreggresif I
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Variabel ARIMA menggunakan variabel dependen harga saham LQ45 dan variabel independen harga saham LQ45 periode sebelumnya, sedangkan ARCH/GARCH menggunakan variabel dependen
Lebih terperinciPEMODELAN FUNGSI TRANSFER UNTUK MERAMALKAN CURAH HUJAN DI KOTA SEMARANG
PEMODELAN FUNGSI TRANSFER UNTUK MERAMALKAN CURAH HUJAN DI KOTA SEMARANG 1 Andayani Nurfaizah, 2 Rochdi Wasono, 3 Siti Hajar Rahmawati 1,2,3 Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPrediksi Laju Inflasi di Kota Ambon Menggunakan Metode ARIMA Box Jenkins
Statistika, Vol. 16 No. 2, 95 102 November 2016 Prediksi Laju Inflasi di Kota Ambon Menggunakan Metode ARIMA Box Jenkins FERRY KONDO LEMBANG Jurusan Matematika Fakultas MIPA Universitas Pattimura Ambon
Lebih terperinciPERAMALAN 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 terperinciPEMODELAN DAN PERAMALAN DATA PEMBUKAAN IHSG MENGGUNAKAN MODEL ARIMA
PEMODELAN DAN PERAMALAN DATA PEMBUKAAN IHSG MENGGUNAKAN MODEL ARIMA OLEH : 1. Triyono ( M0107086 ) 2. Nariswari S ( M0108022 ) 3. Ayunita C ( M0180034 ) 4. Ibnuhardi F.Ihsan ( M0108045 ) 5. Marvina P (
Lebih terperinciTINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang
II.. TINJAUAN PUSTAKA Indeks Harga Konsumen (IHK Menurut Monga (977 indeks harga konsumen adalah ukuran statistika dari perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang didapatkan.
Lebih terperinciPENGGUNAAN 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. Jurusan
Lebih terperinciPERAMALAN FUNGSI TRANSFER SINGLE INPUT PADA HARGA EMAS PASAR KOMODITI. Abstract
PERAMALAN FUNGSI TRANSFER SINGLE INPUT PADA HARGA EMAS PASAR KOMODITI Dhevi Ratna Fitriani 1, Moh Yamin Darsyah 2 dan Rochdi Wasono 3 1,2,3 Program Studi Statistika, E-mail: dhevie.fitriani@gmail.com Abstract
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini, akan dilakukan analisis dan pembahasan terhadap data runtun waktu. Adapun data yang digunakan dalam penelitian ini merupakan data sekunder, yaitu data
Lebih terperinciPEMODELAN 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 terperinciBAB 2 LANDASAN TEORI Pengertian Data Deret Berkala
BAB 2 LANDASAN TEORI 2.1. Pengertian Data Deret Berkala Suatu deret berkala adalah himpunan observasi yang terkumpul atau hasil observasi yang mengalami peningkatan waktu. Data deret berkala adalah serangkaian
Lebih terperinciPERAMALAN 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 terperinciII. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya
II. TINJAUAN PUSTAKA 2.1 Stasioner Analisis ARIMA Autoregressive Integrated Moving Average umumnya mengasumsikan bahwa proses umum dari time series adalah stasioner. Tujuan proses stasioner adalah rata-rata,
Lebih terperinciPeramalan 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 terperinciBAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT
BAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT Model fungsi transfer multivariat merupakan gabungan dari model ARIMA univariat dan analisis regresi berganda, sehingga menjadi suatu model yang mencampurkan pendekatan
Lebih terperinciPENDEKATAN 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 terperinciPEMODELAN ARIMA UNTUK PREDIKSI KENAIKAN MUKA AIR LAUT DAN DAMPAKNYA TERHADAP LUAS SEBARAN ROB DI KOTA AMBON
PEMODELAN ARIMA UNTUK PREDIKSI KENAIKAN MUKA AIR LAUT DAN DAMPAKNYA TERHADAP LUAS SEBARAN ROB DI KOTA AMBON (MODELS OF ARIMA TO PREDICT RISING SEA AND ITS IMPACT FOR THE WIDESPREAD DISTRIBUTION OF ROB
Lebih terperinciPERAMALAN NILAI EKSPOR DAN NILAI IMPOR INDONESIA KE JEPANG MENGGUNAKAN MODEL VARIMA
PERAMALAN NILAI EKSPOR DAN NILAI IMPOR INDONESIA KE JEPANG MENGGUNAKAN MODEL VARIMA, Universitas Negeri Malang E-mail: desyulvia@gmail.com Abstrak: Penulisan skripsi ini bertujuan untuk mempelajari Model
Lebih terperinciPeramalan 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 terperinciHASIL 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 terperinciKAJIAN 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 terperinciPERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH)
Jurnal Matematika UNAND Vol. 5 No. 4 Hal. 80 88 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE
Lebih terperinciPENDEKATAN 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 terperinciPENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA
KEMENTERIAN PEKERJAAN UMUM BADAN PENELITIAN DAN PENGEMBANGAN PUSAT PENELITIAN DAN PENGEMBANGAN SUMBER DAYA AIR PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA PENDAHULUAN Prediksi data runtut waktu.
Lebih terperinciJurnal 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 terperinciMetode 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 terperinciABSTRAK. 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 terperinciPERBANDINGAN MODEL ARCH/GARCH MODEL ARIMA DENGAN MODEL FUNGSI TRANSFER
PERBANDINGAN MODEL ARCH/GARCH MODEL ARIMA DENGAN MODEL FUNGSI TRANSFER (Studi Kasus Indeks Harga Saham Gabungan dan Harga Minyak Mentah Dunia Tahun 2013 sampai 2015) SKRIPSI Oleh: DEBY FAKHRIYANA 24010212130041
Lebih terperinciAnalisis 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 terperinciPENERAPAN 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 terperinciPERAMALAN 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(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 terperinciBAB 2 LANDASAN TEORI
1 BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan metode ARIMA box jenkins untuk meramalkan kebutuhan bahan baku. 2.1. Peramalan Peramalan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 633-640 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN MODEL ARCH/GARCH MODEL ARIMA DAN MODEL FUNGSI TRANSFER
Lebih terperinciPERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 1 8 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 593-602 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN SEASONAL GENERALIZED SPACE TIME AUTOREGRESSIVE (SGSTAR)
Lebih terperinciPERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 110 117 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Lebih terperinciPERBANDINGAN MODEL PADA DATA DERET WAKTU PEMAKAIAN LISTRIK JANGKA PENDEK YANG MENGANDUNG POLA MUSIMAN GANDA ABSTRAK
PERBANDINGAN MODEL PADA DATA DERET WAKTU PEMAKAIAN LISTRIK JANGKA PENDEK YANG MENGANDUNG POLA MUSIMAN GANDA Gumgum Darmawan 1), Suhartono 2) 1) Staf Pengajar Jurusan Statistika FMIPA UNPAD 2) Staf Pengajar
Lebih terperinciSEMINAR TUGAS AKHIR. Peta Kendali Comulative Sum (Cusum) Residual Studi Kasus pada PT. PJB Unit Pembangkitan Gresik. Rina Wijayanti
SEMINAR TUGAS AKHIR Peta Kendali Comulative Sum (Cusum) Residual Studi Kasus pada PT. PJB Unit Pembangkitan Gresik Rina Wijayanti 1306100044 Pembimbing Drs. Haryono, MSIE Dedi Dwi Prastyo, S.Si., M.Si.
Lebih terperinciPEMODELAN DAN PERAMALAN DATA NILAI TUKAR MATA UANG DOLLAR AMERIKA TERHADAP YEN JEPANG DAN EURO TERHADAP DOLLAR AMERIKA DALAM ARCH, GARCH DAN TARCH
PEMODELAN DAN PERAMALAN DATA NILAI TUKAR MATA UANG DOLLAR AMERIKA TERHADAP YEN JEPANG DAN EURO TERHADAP DOLLAR AMERIKA DALAM ARCH, GARCH DAN TARCH Nama : Yulia Sukma Hardyanti NRP : 1303.109.001 Jurusan
Lebih terperinciISSN: 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 terperinciPemodelan Kecepatan Angin di Perairan Pulau Bawean dengan Menggunakan Fungsi Transfer
JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Print) D-248 Pemodelan Kecepatan Angin di Perairan Pulau Bawean dengan Menggunakan Fungsi Transfer Muhammad Tayyib dan Wiwiek
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Berdasarkan sifatnya peramalan terbagi atas dua yaitu peramalan kualitatif dan peramalan kuantitatif. Metode kuantitatif terbagi atas dua yaitu analisis deret berkala
Lebih terperinciPERAMALANAN PENERIMAAN JUMLAH PAJAK DAERAH SEBAGAI PENYUMBANG PENDAPATAN ASLI DAERAH DI KABUPATEN BLITAR
TUGAS AKHIR SS 145561 PERAMALANAN PENERIMAAN JUMLAH PAJAK DAERAH SEBAGAI PENYUMBANG PENDAPATAN ASLI DAERAH DI KABUPATEN BLITAR Intan Priandini NRP 1314 030 109 Dosen Pembimbing Dra. Destri Susilaningrum,
Lebih terperinci