PENDEKATAN PERAMALAN TINGKAT KONSUMSI MINYAK DI INDONESIA DENGAN MENGGUNAKAN METODE BOX-JENKINS

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENDEKATAN PERAMALAN TINGKAT KONSUMSI MINYAK DI INDONESIA DENGAN MENGGUNAKAN METODE BOX-JENKINS"

Transkripsi

1 PENDEKATAN PERAMALAN TINGKAT KONSUMSI MINYAK DI INDONESIA DENGAN MENGGUNAKAN METODE BOX-JENKINS Ari Pani Desvina, Abdur Rahman Siddiq Jurusan Maemaika Fakulas Sains dan Teknologi UIN Suska Riau Jurusan Teknik Indusri Fakulas Sains dan Teknologi UIN Suska Riau ABSTRAK Negara Indonesia mempunyai beragam sumber daya energi yang dapa dimanfaakan oleh penduduk Indonesia, dengan jumlah yang sanga memadai. Namun, Indonesia masih mengganungkan konsumsi energinya pada minyak bumi. Minyak bumi merupakan sebagai energi uama yang dikonsumsi oleh masyaraka Indonesia dalam kehidupan sehari-hari. Konsumsi minyak bumi berambah pesa seiring dengan perumbuhan penduduk dan ekonomi. Adanya peningkaan penggunaan minyak bumi disebabkan idak adanya energi alernaif yang dicipakan unuk sebagai penggani minyak bumi. Peneliian ini membahas enang peramalan daa konsumsi minyak di Indonesia dengan menggunakan meode Box-Jenkins. Daa pengamaan yang digunakan adalah daa konsumsi minyak di Indonesia dari Tahun Hasil analisis pada peneliian ini mendapakan model yang sesuai unuk daa konsumsi minyak yaiu model ARIMA(4,,0), dan model ini dapa digunakan unuk analisis peramalan. Hasil Peramalan menunjukkan bahwa adanya penurunan di Tahun 0 jika dibandingkan dengan Tahun 00. Namun, pada Tahun 0-05 mengalami peningkaan jumlah konsumsi minyak di Indonesia dari waku sebelumnya. Kaa Kunci: AR, ARIMA, Box-Jenkins, konsumsi minyak, MA ABSTRACT Indonesia has various energy resources which are able o be uilized properly for is people, paricularly in number sufficienly. However, Indonesia mosly depends is energy on oil resources. Oil has become an imporan elemen since he majoriy of Indonesian people use i o mee heir demand on energy, daily needs in paricular. Oil consumpion is going o increase as well as populaion and economic growh. The phenomenon of increasing use of oil nowadays is caused by he lack of energy alernaives which are provided as a subsiue componen. This research deals wih a forecas of oil consumpion in Indonesia using Box-Jenkins mehod. While he observed daa covered oil consumpion in Indonesia during The analysis sage revealed ha he model fied for he daa is ARIMA(4,,0), and he model can be used for forecas analysis. The oucome also showed ha here will be a decrease in 0 if he same oucome is compared o 00 s resul. On he oher hand, from 0 o 05 i is prediced ha he consumpion will increase, and i is lighly differen from he previous year. The increase could be probably simulaed by some facors, and he following research can be conduced. Key Words: AR, ARIMA, Box-Jenkins, MA, oil consumpion PENDAHULUAN Sebagai ilusrasi, dapa kia liha bahwa unuk saa sekarang ini masyaraka elah banyak membeli kendaraan yang digunakan unuk berakifias, ingginya laju jumlah kendaraan menyebabkan cadangan jumlah minyak yang dimiliki oleh bangsa ini sudah mulai menipis. Peramina elah mengimpor minyak pada harga inernasional eapi menjualnya ke konsumen dengan harga bersubsidi, jika adanya keerbaasan di dalam memenuhi kebuuhan minyak di dalam negeri mengakibakan kegiaan produksi, disribusi dan konsumsi menjadi erlamba. Dalam jangka waku yang panjang dampak ini akan mengakibakan adanya demand for oil yang meningka ajam, dapa mempengaruhi volailias harga minyak inernasional, sehingga mengakibakan harga minyak dan gas dalam negeri melambung inggi (Campbell, 00). 4

2 Menuru daa dari Saisical Review of World Energy 00, jumlah minyak yang diproduksi di Indonesia beberapa ahun mengalami penurunan. Sedangkan jumlah konsumsi minyak di Indonesia beberapa ahun mengalami peningkaan. Berdasarkan penjelasan enang jumlah produksi dan konsumsi ersebu, erliha bahwa di Indonesia mulai erjadi kesenjangan negaif dimana angka konsumsi melebihi angka produksi. Kenaikan konsumsi minyak akan erus erjadi karena minyak bumi kedudukannya masih belum dapa diganikan oleh jenis energi yang lain khususnya bagi Negara berkembang. Terjadinya kesenjangan ini akan mengakibakan cadangan minyak bangsa ini akan mulai menipis, jika hal ini erjadi berkelanjuan maka cadangan minyak akan habis (Campbell, 00). Ada beberapa peneliian erkai yang elah dilakukan oleh penelii enang peramalan jumlah perminaan minyak, salah saunya yaiu: Inan, N.P (008) yang membahas enang model ARIMA(0,3,3) unuk digunakan dalam peramalan bagi daa jumlah perminaan minyak dari Tahun Berdasarkan peningnya peran dari minyak dalam perekonomian suau Negara, maka peneliian ini mencoba memberikan sau benuk pendekaan peramalan erhadap jumlah konsumsi minyak. Sehingga dengan adanya hasil peramalan ini, dapa memberikan gambaran kondisi minyak di Indonesia pada masa yang akan daang. Peneliian ini berujuan unuk mengkaji rend daa jumlah konsumsi minyak dalam barrel (bph) di Indonesia secara ahunan mulai dari ahun Selanjunya menemukan model erbaik unuk daa jumlah konsumsi minyak di Indonesia. Sera menenukan hasil esimasi jumlah konsumsi minyak pada waku yang akan daang dengan menggunakan meode Box-Jenkins. Tinjauan Pusaka Time Series dengan Model Box-Jenkins Analisis ime series berujuan unuk memperoleh sau uraian ringkas enang ciriciri sau proses ime series yang erenu. Time series bermakna sebagai sau koleksi sampel yang dikaji secara beruruan melalui waku. Peramalan sanga banyak dilakukan dalam berbagai peneliian seperi dalam bidang ekonomi, kesehaan, lingkungan, eknik dan lain-lain. Dengan adanya peramalan, suau insiusi dapa membua suau kepuusan aau kebijakan enang apa yang akan erjadi di masa yang akan daang berdasarkan fenomena yang erjadi sebelumnya (Bowerman e al. 005). Meode Box-Jenkins merupakan salah sau meode peramalan yang elah dikenalkan oleh G.E.P. Box dan G.M. Jenkins. Ada beberapa model yang elah dihasilkan dengan menggunakan meode Box-Jenkins yaiu model moving average (MA), auoregressive (AR), sau kelas model yang berguna unuk ime series yang merupakan kombinasi proses MA dan AR yaiu ARMA. Model-model ini adalah model dari meode Box-Jenkins yang linier dan sasioner (saionary). Sedangkan model unuk daa idak sasioner yaiu model ARIMA. Proses pembenukan model dengan meode Box-Jenkins dapa dilakukan dengan empa langkah dasar yaiu idenifikasi model, esimasi parameer model yang diperoleh, verifikasi model dan menenukan hasil peramalan unuk waku yang akan daang (Bowerman e al. 005). Langkah Perama dalam meode Box- Jenkins adalah idenifikasi model, dengan menenukan apakah daa ime series yang digunakan ersebu sudah saionary aau nonsaionary. Jika idak saionary, maka perlu dilakukan differencing beberapa kali sampai daa ime series ersebu sudah saionary. Saionary aau non-saionary suau daa dapa diuji dengan menggunakan uji saisik yaiu uji uni roo. Uji yang sering digunakan adalah uji Augmened Dickey Fuller (ADF), uji ini dilakukan dengan menggunakan persamaan sebagai beriku: y y y () 0 i i i dengan ;,, n i i n adalah parameer, adalah waku rend variabel dan adalah rala (Brocklebank e al. 003). Uji berikunya adalah dengan menggunakan uji Phillips Perron (PP), persamaannya adalah: y y () 0 dengan 0, adalah parameer, adalah waku rend variabel dan adalah rala (Maddala 99). Selain kedua uji ersebu, uji 5

3 Kwiakowski Phillips Schmid Shin (KPSS) juga dapa digunakan unuk menguji saionary aau non-saionary daa, dengan persamaannya adalah (Wai e al. 008): ' ' y 0 (3) Auocorrelaion funcion (ACF) dan Parial auocorrelaion funcion (PACF) digunakan unuk menenukan model semenara (Bowerman e al. 005). Auocorrelaion funcion (ACF) pada lag k, disimbolkan dengan r k, ialah: r k dengan nk b z z z z z n b n b k z z z nb (4) (5) Nilai ini berkaian dengan hubungan linear anara sampel ime series yang dipisahkan oleh lag k uni waku. Ini dapa dibukikan r k selalu berada anara inerval - dan. Parial auocorrelaion funcion (PACF) adalah sama dengan ACF eapi memiliki ciri siries yang berbeda. Perama, PACF unuk ime series idak bermusim boleh erpangkas. Lagipula, kia mengaakan bahwa PACF memoong seelah lag k jika r kk ACF pada lag k adalah besar secara saisik (Bowerman e al.005). Oleh iu PACF pada lag k dapa diulis jika nilai mulak: rkk rkk (6) srkk Langkah berikunya yang dilakukan seelah model semenara diperoleh adalah esimasi parameer model ersebu. Esimasi parameer dapa dilakukan dengan menggunakan meode kuadra erkecil. Hasil esimasi parameer yang diperoleh harus diuji signifikansinya, sehingga model yang kia dapakan benar-benar model yang sesuai unuk daa (Cryer e al.008). Model yang diperoleh idak dapa digunakan langsung unuk analisis peramalan, eapi perlu dilakukan verifikasi model. Salah sau cara yang dapa digunakan unuk memeriksa kecukupan keseluruhan model adalah analisis residual yang diperoleh dari model. Uji saisik Ljung-Box dapa digunakan unuk menunjukkan kecukupan bagi model. Uji saisik Ljung-Box adalah: K Q* n' n' n' r ˆ i (7) dengan n' n d, n=bilangan daa ime r = series asal, d = deraja differensing, ˆ i kuadra dari ˆ r sampel auokorelasi i residual di lag l. H 0= daa adalah acak lawannya H a = daa adalah idak acak. Jika Q* lebih kecil dari x K n, kia erima H 0. a Residual iu adalah idak berkorelasi dan model esebu dikaakan sesuai unuk daa. Jika x K n maka kia Q* lebih besar dari gagal erima H 0. Model iu gagal mewakili daa dan penenuan model yang baru hendak dilakukan (Bowerman e al. 005). Selain dari uji saisik Ljung-Box, dengan menggunakan plo ACF dan PACF residual dan uji Akaike Informaion crierion (AIC) sera uji Schwarz Crierion (SC) dapa juga digunakan unuk verifikasi model. Seelah model erbaik dieapkan, maka peramalan ime series unuk waku yang akan daang dapa dilakukan. BAHAN DAN METODE Daa Peneliian Daa-daa yang digunakan adalah daa jumlah konsumsi minyak dalam barrel yang berasal dari Badan Pusa Saisical Review of World Energy 0. Daa jumlah konsumsi minyak secara ahunan dari ahun di Indonesia. Meode Peneliian Jalannya peneliian mempunyai auran-auran khusus dalam memasukkan daa unuk dianalisis, yang disebu sebagai prosedur simulasi seperi diunjukkan pada Gambar dibawah ini: a c c 6

4 Mulai Daa jumlah konsumsi minyak dalam ahunan mulai dari ahun di Indonesia. Perhiungan Meode Box-Jenkins: Perama, idenifikasi model. Tenukan saionary dari daa asal, jika idak saionary lakukan differensing unuk beberapa kali sampai daa ersebu saionary. Plokan daa dengan menggunakan fungsi auokorelasi (ACF) dan PACF unuk mendapakan model yang sesuai unuk daa. Kedua, menenukan anggaran parameer seiap model. Keiga, penenuan model erbaik dengan uji saisik: Ljung-Box, Plo ACF dan PACF residual, sera AIC dan SC. Keempa, peramalan unuk daa yang akan daang. Berdasarkan saisik deskripif yang ada pada Tabel di aas, maka diperoleh hasil bahwa raa-raa unuk daa konsumsi minyak (Barrels) di Indonesia adalah Barrels. Daa pengamaan yang digunakan adalah dalam ahunan selama 46 ahun mulai dari Tahun Nilai minimum daa konsumsi minyak (Barrels) di Indonesia adalah 4.8 Barrels, sedangkan nilai maksimum daa konsumsi minyak (Barrels) di Indonesia adalah Barrels. Plo ime series daa asal konsumsi minyak di Indonesia dapa diliha pada grafik beriku ini: Ceak hasil: Model unuk daa, anggaran parameer model, model erbaik dan hasil peramalan Selesai Gambar. Flowchar meodelogi peneliian Daa yang digunakan dalam proses membenuk model dengan meode Box- Jenkins erlalu besar dan susah dianalisis secara manual, maka proses ini dapa dilakukan dengan banuan sofware miniab 3.0, SPSS dan EVIEWS. HASIL DAN PEMBAHASAN Analisis deskripif unuk daa kepekaan pariculae maer (PM0) secara harian unuk ahun 007 di daerah Kajang Malaysia erdapa pada abel beriku ini: Tabel. Saisik Deskripif Daa Konsumsi Minyak (Barrels) Saisik Deskripif unuk Daa Konsumsi Minyak (Barrels) N 46 Raa-raa Sandar Deviasi 45.5 Nilai Minimum 4.8 Nilai Maksimum Gambar. Plo Daa Akual Konsumsi Minyak (Barrels) erhadap Waku (ahun) Berdasarkan plo pada Gambar erliha bahwa ciri-ciri daa konsumsi minyak (Barrels) di Indonesia mengalami rend naik dan idak memenuhi syara-syara saionary. Unuk lebih meyakinkan perlu dilakukan uji uni roo unuk meliha apakah daa konsumsi minyak (Barrels) di Indonesia erdapa saionary aau idak saionary. Saionary aau non-saionary dapa diuji dengan uji Augmened Dickey Fuller (ADF), Phillips Perron (PP) dan Kwiakowski Phillips Schmid Shin (KPSS) (Brocklebank e al. 003; Maddala 99 & Wai e al. 008). Tabel-abel beriku adalah nilai saisik unuk uji ADF, PP dan KPSS: Tabel. Nilai uji ADF berbanding dengan nilai kriik MacKinnon Anggaran Saisik - Nilai - p Augmened Dickey Fuller (ADF) Nilai Kriik MacKinnon % % %

5 Tabel 3. Nilai uji PP berbanding dengan nilai kriik MacKinnon Anggaran Saisik - Nilai - p Phillips Perron (PP) Nilai Kriik Mac-Kinnon % % % -.60 Tabel 4. Nilai uji KPSS berbanding dengan nilai kriik MacKinnon Anggaran Saisik - Kwiakowski Phillips Schmid Shin (KPSS) Nilai Kriik % MacKinnon 5 % % Berdasarkan uji ADF dan PP menunjukkan bahwa nilai mulak saisik lebih kecil dari nilai mulak bagi kriik Mac- Kinnon. Sedangkan uji KPSS menunjukkan bahwa nilai mulak saisik lebih besar dari nilai mulak bagi kriik Mac-Kinnon. Hal ini berari bahwa hasil analisis keiga uji saisik ersebu menunjukkan daa konsumsi minyak di Indonesia adalah idak saionary. Karena daa konsumsi minyak di Indonesia idak saionary maka perlu dilakukan diferensing perama, agar daa konsumsi minyak di Indonesia menjadi saionary. Beriku adalah plo daa konsumsi minyak di Indonesia seelah dilakukan diferensing perama, yaiu: auocorrelaion funcion (ACF) dan parial auocorrelaion funcion (PACF), yaiu: Gambar 4. Plo Auocorrelaion Funcion (ACF) Bagi Daa Konsumsi Minyak (Barrels) di Indonesia Hasil Diferensing Perama Gambar 5. Plo Parial Auocorrelaion Funcion (PACF) Bagi Daa Konsumsi Minyak (Barrels) di Indonesia Hasil Diferensing Perama Berdasarkan Gambar 4 & 5 pasangan ACF dan PACF, daa konsumsi minyak di Indonesia seelah diferensing perama belum saionary karena erliha kelinieran pada beberapa lag. Sehingga, perlu dilakukan diferensing kedua. Beriku adalah plo daa konsumsi minyak di Indonesia seelah dilakukan diferensing kedua, yaiu: Gambar 3. Plo Daa Konsumsi Minyak (Barrels) erhadap Waku (ahun) seelah Diferensing Perama Gambar 3 secara kasa maa dapa diliha bahwa plo ersebu menunjukkan gerakan ke aas dan ke bawah dalam waku peneliian ersebu, namun gerakannya mengalami rend naik. Hal ini menunjukkan bahwa daa konsumsi minyak di Indonesia seelah dilakukan diferensing perama adalah idak saionary. Beriku adalah plo pasangan Gambar 6. Plo Daa Konsumsi Minyak (Barrels) erhadap Waku (ahun) seelah Diferensing Kedua Gambar 6 menunjukkan daa konsumsi minyak di Indonesia cenderung sasioner, 8

6 karena pergerakan daa sudah mengalami gerakan ke aas dan ke bawah sepanjang sumbu horizonal. Agar lebih meyakinkan daa sudah sasioner perlu dilakukan uji ADF, PP, dan KPSS. Beriku adalah abel ADF, PP dan KPSS: Tabel 5. Nilai uji ADF berbanding dengan nilai kriik MacKinnon Anggaran Saisik - Nilai - p Augmened Dickey Fuller (ADF) Nilai Kriik MacKinnon % % % Tabel 6. Nilai uji PP berbanding dengan nilai kriik MacKinnon Anggaran Saisik - Nilai - p Phillips Perron (PP) Nilai Kriik Mac-Kinnon % % % Tabel 7. Nilai uji KPSS berbanding dengan nilai kriik MacKinnon Anggaran Saisik - Kwiakowski Phillips Schmid Shin (KPSS) Nilai Kriik % MacKinnon 5 % % Berdasarkan uji ADF dan PP menunjukkan bahwa nilai mulak saisik lebih besar dari nilai mulak bagi kriik Mac- Kinnon. Sedangkan uji KPSS menunjukkan bahwa nilai mulak saisik lebih kecil dari nilai mulak bagi kriik Mac-Kinnon. Hal ini berari bahwa hasil analisis keiga uji saisik ersebu menunjukkan daa konsumsi minyak di Indonesia adalah sudah saionary. Beriku ini adalah plo pasangan ACF dan PACF unuk daa konsumsi minyak di Indonesia hasil differencing kedua. Berdasarkan Gambar 7 & 8 menunjukkan bahwa plo pasangan ACF dan PACF sudah menunjukkan sasioner, karena erliha pada plo ACF pola daa sudah menyusu ke nol secara sinus dan plo PACF nilainya erpangkas pada lag, dan 4. Gambar 7. Plo ACF Bagi Daa Konsumsi Minyak (Barrels) di Indonesia Hasil Diferensing Kedua Gambar 8. Plo PACF Bagi Daa Konsumsi Minyak (Barrels) di Indonesia Hasil Diferensing Kedua Berdasarkan pasangan plo ACF dan PACF ersebu, maka model semenara unuk daa konsumsi minyak di Indonesia adalah ARIMA(,,0), ARIMA(,,0) dan ARIMA(4,,0). Rumus bagi model ARIMA(,,0) diunjukkan oleh persamaan sebagai beriku: z 0 z z (8) z 3 a Persamaan model ARIMA(,,0) yaiu: z z z (9) z 0 z 4 a 3 Persamaan model ARIMA(4,,0) yaiu: z 0 z z 3z 3 (0) z z z a Esimasi parameer pada keiga model ersebu di aas yaiu: Tabel 8. Nilai Parameer Model ARIMA(,,0) Jenis Nilai Esimasi Nilai- Nilai-p Signifikan Signifikan Tidak Signifikan 9

7 Signifikan Tidak Signifikan Tabel 9. Nilai Parameer Model ARIMA(,,0) Jenis Nilai Esimasi Nilai Nilai-p Signifikan Signifikan Tabel0.Nilai Parameer Model ARIMA(4,,0) Jenis Nilai Esimasi Nilai Nilai-p Signifikan Signifikan Signifikan Signifikan Signifikan Tidak Signifikan Agar model yang diperoleh dapa digunakan unuk analisis selanjunya yaiu analisis peramalan daa konsumsi minyak di Indonesia, maka dapa dilakukan verifikasi keiga model ersebu erlebih dahulu. Uji saisik yang digunakan unuk verifikasi model adalah uji Box-Pierce (Ljung-Box). Tabel. Box-Pierce (Ljung-Box) unuk Daa Konsumsi Minyak di Indonesia Susulan ARIMA(,,0) Q * Nilai p ARIMA(,,0) Q * Nilai p ARIMA(4,,0) Q * Nilai p Tabel menunjukkan bahwa semua nilai p unuk semua lag unuk keiga model adalah melebihi Hal ini berari bahwa residual daa konsumsi minyak di Indonesia idak erjadi korelasi dan residual daa erdapa kerandoman daa. Maka keiga model adalah sesuai dan dapa digunakan unuk analisis selanjunya. Beriku adalah plo pasangan ACF dan PACF residual unuk keiga model ersebu: Gambar 9. Plo ACF dan PACF Bagi Residual Model ARIMA(,,0) Daa Konsumsi Minyak (Barrels) di Indonesia Gambar 0. Plo ACF dan PACF Bagi Residual Model ARIMA(,,0) Daa Konsumsi Minyak (Barrels) di Indonesia Gambar. Plo ACF dan PACF Bagi Residual Model ARIMA(4,,0) Daa Konsumsi Minyak (Barrels) di Indonesia Gambar 9, 0 & adalah plo pasangan ACF residual dan PACF residual, berdasarkan keiga plo ersebu dinyaakan bahwa model ARIMA(,,0) adalah model yang idak layak digunakan unuk analisis selanjunya, karena lag-lag pada plo PACF residual erliha memoong garis baas aas dan garis baas bawah nilai korelasi residual. Sedangkan model ARIMA(,,0) dan ARIMA(4,,0) adalah layak digunakan unuk analisis selanjunya. Kemudian dipilih model yang erbaik dengan menggunakan uji AIC dan SC, yaiu: 30

8 Tabel. Akaike Informaion Crierion (AIC) dan Schwarz Crierion (SC) unuk Daa Konsumsi Minyak (Barrels) di Indonesia Model AIC SC ARIMA(,,0) ARIMA(4,,0) Berdasarkan Tabel diperoleh bahwa nilai AIC dan SC pada model ARIMA(4,,0) lebih kecil jika dibandingkan dengan model ARIMA(,,0). Hal ini menunjukkan bahwa model ARIMA(4,,0) ersebu adalah model yang sesuai unuk daa konsumsi minyak (Barrels) di Indonesia. Tabel 3. Hasil peramalan Daa Training Konsumsi Minyak di Indonesia Waku (Hari) Nilai Ramalan Tabel 4. Hasil peramalan Daa Tesing Konsumsi Minyak di Indonesia Waku (Hari) Nilai Akual Nilai Ramalan Tabel 5. Hasil peramalan Daa Konsumsi Minyak di Indonesia unuk 5 Tahun yang akan daang Waku (Tahun) Nilai Ramalan 95% Baas Bawah 95% Baas Aas Berdasarkan abel hasil ramalan ersebu, erliha bahwa unuk daa raining nilai ramalannya mengikui pola daa akual, sedangkan pada daa esing nilai ramalannya idak erlalu mendekai daa akual karena daa yang digunakan unuk peramalan daa esing anpa menggunakan daa akual. Selanjunya peramalan unuk 5 ahun yang akan daang mulai dari Tahun 0-05 menunjukkan bahwa adanya penurunan di Tahun 0 jika dibandingkan dari Tahun 00. Namun, pada Tahun 0-05 mengalami peningkaan jumlah konsumsi minyak di Indonesia dari waku sebelumnya. KESIMPULAN DAN SARAN Peramalan ime series dengan menggunakan meode Box-Jenkins merupakan salah sau meode yang sesuai dalam meramalkan daa konsumsi minyak di Indonesia. Berdasarkan hasil dan pembahasan maka diperoleh model yang sesuai unuk daa konsumsi minyak di Indonesia adalah model ARIMA(4,,0). Beriku adalah persamaan model ARIMA(4,,0) yaiu: z 0.935z 0.347z z 0.034z z z 3 6 a Model ini dapa digunakan unuk analisis selanjunya yaiu analisis peramalan daa unuk waku yang akan daang mulai dari Tahun 0-05 (5 ahun). Hasil Peramalan menunjukkan bahwa adanya penurunan di Tahun 0 jika dibandingkan dengan Tahun 00. Namun, pada Tahun 0-05 mengalami peningkaan jumlah konsumsi minyak di Indonesia dari waku sebelumnya. UCAPAN TERIMAKASIH Terimakasih yang sebesar-besarnya kepada Pimpinan Fakulas Sains dan Teknologi UIN Suska Riau, yang elah memberi banuan dana peneliian. DAFTAR PUSTAKA Bierens, H.J Informaion Crieria and Model Selecion. Pennsylvania Sae Universiy, Pennsylvania. Bowerman, B.L., O Connell, R.T. & Koehler, A.B.005.Forecasing, Time Series, Regression An applied approach, 4 h ed.thomson Brooks/ cole, Belmon, CA. Brocklebank, J.C. & David, A.D SAS for Forecasing Time Series, h ed. John Wiley & Sons, Inc, New York. Campbell, C.J. 00. Forecasing Global Oil Supply Journal Hubber Cener Newsleer 3:. 3

9 Cryer, J.D. & Kung, S.C Time Series Analysis wih Applicaions in R. Springer Dordrech Heidelberg London, New York. Djalal, N.N. & Hardius, U Prediksi IHSG dengan Model GARCH dan Model ARIMA. Jurnal Ekonomi dan Pengembangan Indonesia VII:: Inan, N.P. & Adhiya, W Analisis Perminaan Minyak di Indonesia Tahun Jurnal Ilmu Ekonomi 3:: Murwaningsari, E Pengaruh Volume Perdagangan Saham, Deposio dan Kurs erhadap IHSG Besera Prediksi IHSG (Model GARCH dan ARIMA). Jurnal Ilmu Ekonomi dan Bisnis Indonesia 3:: Vandaele, W Applield Time Series and Box-Jenkins Models. Academic Press, Inc, New York. 3

PENERAPAN METODE BOX-JENKINS UNTUK MEMPREDIKSI JUMLAH MAHASISWA UNIVERSITAS ISLAM NEGERI SUSKA RIAU

PENERAPAN METODE BOX-JENKINS UNTUK MEMPREDIKSI JUMLAH MAHASISWA UNIVERSITAS ISLAM NEGERI SUSKA RIAU Jurnal Sains, Teknologi dan Indusri, Vol., No., Desember 4, pp. 8 89 ISSN 693-39 prin/issn 47-939 online PENERAPAN METODE BOX-JENKINS UNTUK MEMPREDIKSI JUMLAH MAHASISWA UNIVERSITAS ISLAM NEGERI SUSKA RIAU

Lebih terperinci

PERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH

PERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH Vol.. No., 03 PERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH Ari Pani Desvina, Sari Marlinda, Jurusan Maemaika Fakulas Sains dan Teknologi

Lebih terperinci

PERAMALAN PENCEMARAN UDARA OLEH SULFUR DIOKSIDA (SO 2 ) DI PEKANBARU DENGAN MODEL AR(3)

PERAMALAN PENCEMARAN UDARA OLEH SULFUR DIOKSIDA (SO 2 ) DI PEKANBARU DENGAN MODEL AR(3) PERAMALAN PENCEMARAN UDARA OLEH SULFUR DIOKSIDA (SO 2 ) DI PEKANBARU DENGAN MODEL AR(3) Ari Pani Desvina Jurusan Maemaika Fakulas Sains dan Teknologi UIN Suska Riau aripanidesvina@gmail.com ABSTRAK Meode

Lebih terperinci

PERAMALAN PARTICULATE MATTER (PM10) DI KAJANG MALAYSIA DENGAN MENGGUNAKAN MODEL AUTOREGRESSIVE

PERAMALAN PARTICULATE MATTER (PM10) DI KAJANG MALAYSIA DENGAN MENGGUNAKAN MODEL AUTOREGRESSIVE Jurnal Sains, Teknologi dan Indusri PERAMALAN PARTICULATE MATTER (PM10) DI KAJANG MALAYSIA DENGAN MENGGUNAKAN MODEL AUTOREGRESSIVE Ari Pani Desvina Jurusan Maemaika Fakulas Sains dan Teknologi UIN Suska

Lebih terperinci

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro

Lebih terperinci

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap

Lebih terperinci

Penerapan Model ARCH/GARCH untuk Peramalan Nilai Tukar Petani ABSTRAK ABSTRACT. Pendahuluan

Penerapan 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 terperinci

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang

Lebih terperinci

*Corresponding Author:

*Corresponding Author: Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion

Lebih terperinci

ANALISIS PERAMALAN BEBAN LISTRIK JANGKA PENDEK WILAYAH SUMBAR RIAU DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE (AR)

ANALISIS PERAMALAN BEBAN LISTRIK JANGKA PENDEK WILAYAH SUMBAR RIAU DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE (AR) Vol. 9. No. 1, 011 ANALISIS PERAMALAN BEBAN LISTRIK JANGKA PENDEK WILAYAH SUMBAR RIAU DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE (AR) Zulfari Aini Jurusan Teknik Elekro, Fakulas Sains dan Teknologi UIN Suska

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan

Lebih terperinci

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

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan

Lebih terperinci

PENERAPAN MODEL VECTOR AUTOREGRESSIVE (VAR) UNTUK PERAMALAN CURAH HUJAN KOTA PEKANBARU

PENERAPAN 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

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,

Lebih terperinci

Kata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting.

Kata 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 terperinci

Perbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X

Perbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan

Lebih terperinci

BAB II TINJAUAN TEORITIS

BAB II TINJAUAN TEORITIS BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan

Lebih terperinci

PENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Studi Kasus: PT Tembaga Mulia Semanan)

PENGAMBILAN 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 terperinci

PERAMALAN 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(0,1,1)(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 terperinci

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun 43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

IDENTIFIKASI POLA DATA TIME SERIES

IDENTIFIKASI POLA DATA TIME SERIES IDENTIFIKASI POLA DATA TIME SERIES Daa merupakan bagian pening dalam peramalan. Beriku adalah empa krieria yang dapa digunakan sebagai acuan agar daa dapa digunakan dalam peramalan.. Daa harus dapa dipercaya

Lebih terperinci

Oleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes

Oleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes PERAMALAN INDEKS HARGA SAHAM YANG DIPENGARUHI KURS, PERUBAHAN INFLASI, POSISI JUMLAH DEPOSITO BERJANGKA, SUKU BUNGA SBI DAN DEPOSITO MENGGUNAKAN FUNGSI TRANSFER DAN ARCH-GARCH Oleh: TANTI MEGASARI 6 00

Lebih terperinci

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan

Lebih terperinci

BAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode 20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena

Lebih terperinci

BAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai

BAB 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 terperinci

BAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu

BAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,

Lebih terperinci

PEMODELAN PRODUKSI SEKTOR PERTANIAN

PEMODELAN PRODUKSI SEKTOR PERTANIAN Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 2009 PEMODELAN PRODUKSI SEKTOR PERTANIAN Brodjol Suijo Jurusan Saisika ITS Surabaya ABSTRAK Pada umumnya daa ekonomi bersifa ime

Lebih terperinci

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA Oleh : Liviani Nursia 307030040 Dosen Pembimbing: Dr. Brodjol Suijo S.U, MSi Laar Belakang

Lebih terperinci

PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN

PENAKSIRAN 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 terperinci

IV METODE PENELITIAN

IV METODE PENELITIAN IV METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian yang dilakukan mengenai analisis perencanaan pengadaan una berdasarkan ramalan ime series volume ekspor una loin beku di PT Tridaya Eramina

Lebih terperinci

BAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat

BAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber

Lebih terperinci

Abstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.

Abstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih. 1 Peramalan Volume Produksi Air Bersih di PDAM Kabupaen Bojonegoro berdasarkan Jumlah Pelanggan dan Volume Konsumsi Air Fasha Aulia Pradhani dan Adaul Mukarromah Jurusan Saisika, FMIPA, ITS Jl. Arief Rahman

Lebih terperinci

APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND

APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND Noeryani 1, Ely Okafiani 2, Fera Andriyani 3 1,2,3) Jurusan maemaika, Fakulas Sains Terapan, Insiu Sains & Teknologi

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi

Lebih terperinci

BAB 3 METODOLOGI PEMECAHAN MASALAH

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

Lebih terperinci

Sekilas Pandang. Modul 1 PENDAHULUAN

Sekilas Pandang. Modul 1 PENDAHULUAN Modul 1 Sekilas Pandang Drs. Irlan Soelaeman, M.Ed. S PENDAHULUAN uau hari, saya dan keluarga berencana membawa mobil pergi ke Surabaya unuk mengunjungi salah seorang saudara. Sau hari sebelum keberangkaan,

Lebih terperinci

Jurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN

Jurnal 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 terperinci

Peramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis

Peramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis JURNAL SAINS DAN NI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Prin) D-224 Peramalan Penjualan Sepeda Moor di Jawa Timur dengan Menggunakan Model Dinamis Desy Musika dan Seiawan Jurusan Saisika,

Lebih terperinci

ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI

ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 009 XV-1 ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Muhammad Sjahid Akbar, Jerry Dwi Trijoyo

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa

BAB 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 terperinci

Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk

Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk Oleh : Dwi Hapsari K (1306 100 015) Dosen Pembimbing : Dra. Karika Firiasari, M.Si 1 Pendahuluan Laar Belakang, Perumusan Masalah, Tujuan

Lebih terperinci

BAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun

BAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun BAB III ARFIMA-FIGARCH 3. Time Series Memori Jangka Panjang Proses ARMA sering dinyaakan sebagai proses memori jangka pendek (shor memory) karena fungsi auokorelasi anara dan urun cepa secara eksponensial

Lebih terperinci

BAB 1 PENDAHULUAN. Dalam pelaksanaan pembangunan saat ini, ilmu statistik memegang peranan penting

BAB 1 PENDAHULUAN. Dalam pelaksanaan pembangunan saat ini, ilmu statistik memegang peranan penting BAB 1 PENDAHULUAN 1.1. Laar Belakang Dalam pelaksanaan pembangunan saa ini, ilmu saisik memegang peranan pening baik iu di dalam pekerjaan maupun pada kehidupan sehari-hari. Ilmu saisik sekarang elah melaju

Lebih terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jenis Peneliian Jenis peneliian kuaniaif ini dengan pendekaan eksperimen, yaiu peneliian yang dilakukan dengan mengadakan manipulasi erhadap objek peneliian sera adanya konrol.

Lebih terperinci

BAB 1 PENDAHULUAN. tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami

BAB 1 PENDAHULUAN. tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami 11 BAB 1 PENDAHULUAN 1.1. Laar Belakang Keahanan pangan (food securiy) di negara kia ampaknya cukup rapuh. Sejak awal ahun 1990-an, jumlah produksi pangan eruama beras, cenderung mengalami penurunan sehingga

Lebih terperinci

1999 sampai bulan September Data ini diperoleh dari yahoo!finance.

1999 sampai bulan September Data ini diperoleh dari yahoo!finance. 7 999 sampai bulan Sepember 8. Daa ini diperoleh dari yahoo!finance. Meode Langkah-langkah pemodelan nilai harian IHSG secara garis besar dapa diliha pada Lampiran dengan penjelasan sebagai beriku:. Melakukan

Lebih terperinci

PERAMALAN JUMLAH PENDERITA TUMOR JINAK (NEOPLASMA) DI RSUD ARIFIN ACHMAD PEKANBARU DENGAN MENGGUNAKAN MODEL ARIMA(0,1,1) TUGAS AKHIR.

PERAMALAN JUMLAH PENDERITA TUMOR JINAK (NEOPLASMA) DI RSUD ARIFIN ACHMAD PEKANBARU DENGAN MENGGUNAKAN MODEL ARIMA(0,1,1) TUGAS AKHIR. PERAMALAN JUMLAH PENDERITA TUMOR JINAK (NEOPLASMA) DI RSUD ARIFIN ACHMAD PEKANBARU DENGAN MENGGUNAKAN MODEL ARIMA(,1,1) TUGAS AKHIR Diajukan Sebagai Salah Sau Syara Unuk Memperoleh Gelar Sarjana Sains

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang

BAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju perumbuhan

Lebih terperinci

DAMPAK 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 (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 terperinci

PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT

PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT Saisika, Vol. 2, No. 2, November 24 PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT Sri Wahyuni, 2 Farikhin, Iswahyudi Joko Suprayino Program Sudi Saisika

Lebih terperinci

x 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr.

x 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr. Pekan #1: Kinemaika Sau Dimensi 1 Posisi, perpindahan, jarak Tinjau suau benda yang bergerak lurus pada suau arah erenu. Misalnya, ada sebuah mobil yang dapa bergerak maju aau mundur pada suau jalan lurus.

Lebih terperinci

BAB IV METODOLOGI PENELITIAN

BAB IV METODOLOGI PENELITIAN BAB IV METODOLOGI PENELITIAN Dalam peneliian ini, penulis akan menggunakan life cycle model (LCM) yang dikembangkan oleh Modigliani (1986). Model ini merupakan eori sandar unuk menjelaskan perubahan dari

Lebih terperinci

KOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES. Abstrak

KOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES. Abstrak KOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES Universias Muhammadiyah Purwokero malim.muhammad@gmail.com Absrak Pada persamaan regresi linier sederhana dimana variabel dependen dan variabel independen

Lebih terperinci

PERAMALAN RATA-RATA TEMPERATUR UDARA HARIAN KOTA PEKANBARU MENGGUNAKAN MODEL ARIMA (0,1,1) TUGAS AKHIR

PERAMALAN RATA-RATA TEMPERATUR UDARA HARIAN KOTA PEKANBARU MENGGUNAKAN MODEL ARIMA (0,1,1) TUGAS AKHIR PERAMALAN RATA-RATA TEMPERATUR UDARA HARIAN KOTA PEKANBARU MENGGUNAKAN MODEL ARIMA (0,,) TUGAS AKHIR Diajukan Sebagai Salah Sau Syara unuk Memperoleh Gelar Sarjana Sains pada Jurusan Maemaika Oleh: DEWI

Lebih terperinci

BAB 2 TINJAUAN TEORI

BAB 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 terperinci

PENENTUAN MODEL PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN METODE ARIMA

PENENTUAN 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 terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 26 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penilaian perkembangan kinerja keuangan PT. Goodyear Indonesia Tbk dilakukan dengan maksud unuk mengeahui sejauh mana perkembangan usaha perusahan yang

Lebih terperinci

Peramalan Jumlah Pengunjung Domestik dan Mancanegara di Maharani Zoo & Goa Menggunakan ARIMA Box - Jenkins

Peramalan Jumlah Pengunjung Domestik dan Mancanegara di Maharani Zoo & Goa Menggunakan ARIMA Box - Jenkins Peramalan Jumlah Pengunjung Domesik dan Mancanegara di Maharani oo & Goa Menggunakan ARIMA Box - Jenkins Vivi Kusuma Sulisyawai (3030085) Dosen Pembimbing Dr. Irhamah, S.Si.,M.Si Laar Belakang Rumusan

Lebih terperinci

BAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel

BAB 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 terperinci

KAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN

KAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina

Lebih terperinci

ANALISIS CRITICAL ROOT VALUE PADA DATA NONSTATIONER

ANALISIS CRITICAL ROOT VALUE PADA DATA NONSTATIONER ANALISIS CRITICAL ROOT VALUE PADA DATA NONSTATIONER Abdul Aziz Dosen Jurusan Maemaika Fakulas Sains Teknologi Universias Islam Negeri (UIN) Maulana Malik Ibrahim Malang e-mail : abdulaziz_uinmlg@yahoo.com

Lebih terperinci

ARIMA (Autoregressive Integrated Moving Average)

ARIMA (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 terperinci

Bab 5 Penaksiran Fungsi Permintaan. Ekonomi Manajerial Manajemen

Bab 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 terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor

Lebih terperinci

ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional.

ANALISIS 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 terperinci

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

PERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN (STUDI KASUS KOTA SALATIGA, BULAN JANUARI 2014 JULI 2016) Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: 978-602-622-20-9 hal 935-950 November 206 hp://jurnal.fkip.uns.ac.id PERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

IV. METODE PENELITIAN

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

Lebih terperinci

KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP

KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP Karakerisik Umur Produk (Sudarno) KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL Sudarno Saf Pengajar Program Sudi Saisika FMIPA UNDIP Absrac Long life of produc can reflec is qualiy. Generally, good producs

Lebih terperinci

III. METODE PENELITIAN. Data yang digunakan adalah data sekunder runtun waktu (time series) bulanan

III. METODE PENELITIAN. Data yang digunakan adalah data sekunder runtun waktu (time series) bulanan III. METODE PENELITIAN A. Jenis dan Sumber Daa Daa yang digunakan adalah daa sekunder runun waku (ime series) bulanan dari 2002:01 sampai dengan 2009:06 yang bersumber dari Laporan dan websie Bank Indonesia

Lebih terperinci

Analisis Peramalan Jumlah Permintaan Kerudung di Industri Kecil Kerudung Arin di Surabaya dengan Metode Variasi Kalender

Analisis Peramalan Jumlah Permintaan Kerudung di Industri Kecil Kerudung Arin di Surabaya dengan Metode Variasi Kalender Analisis Peramalan Jumlah Perminaan Kerudung di Indusri Kecil Kerudung Arin di Surabaya dengan Meode Variasi Kalender Disusun oleh : Sely Enggar Rusiano 307 030 030 Dosen Pembimbing : Dr. Irhamah, M.Si

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 3. METODE PENELITIAN 3.1. Kerangka Pikir BAB III METODE PENELITIAN Peneliian ini diujukan unuk membukikan adanya hubungan dan pengaruh dari nilai ukar Rupiah erhadap Dollar Amerika Serika (exchange rae),

Lebih terperinci

BAB 4 ANALISIS DAN PEMBAHASAN

BAB 4 ANALISIS DAN PEMBAHASAN BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di

Lebih terperinci

PEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA

PEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA PEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA Fadil Rahman Hakim, Dr. Ir. Achmad Mauludiyano, MT. Program Sudi Telekomunikasi Mulimedia Jurusan Teknik Elekro Fakulas Teknologi Indusri

Lebih terperinci

PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR

PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR TUGAS AKHIR SS 145561 PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR SARIRAZTY DWIJANTARI NRP 1314 030 010 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si., M.Si DEPARTEMEN

Lebih terperinci

Pengaruh variabel makroekonomi..., 24 Serbio Harerio, Universitas FE UI, 2009Indonesia

Pengaruh variabel makroekonomi..., 24 Serbio Harerio, Universitas FE UI, 2009Indonesia BAB 3 DATA DAN METODOLOGI 3.1 Variabel-Variabel Peneliian 3.1.1 Variabel dependen Variabel dependen yang digunakan adalah reurn Indeks Harga Saham Gabungan yang dihiung dari perubahan logarima naural IHSG

Lebih terperinci

III. KERANGKA PEMIKIRAN

III. KERANGKA PEMIKIRAN III. KERANGKA PEMIKIRAN 3.1. Kerangka Teoriis 3.1.1 Daya Dukung Lingkungan Carrying capaciy aau daya dukung lingkungan mengandung pengerian kemampuan suau empa dalam menunjang kehidupan mahluk hidup secara

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER. Muflih Rori Putra Harahap

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER. Muflih Rori Putra Harahap ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER Muflih Rori Pura Harahap 30 00 052 Pembimbing : Dr. Drs. Agus Suharsono, M.S. LATAR BELAKANG PENDAHULUAN

Lebih terperinci

(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF

(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Seminar Nasional Saisika 12 November 2011 Vol 2, November 2011 (T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Gumgum Darmawan, Sri Mulyani S Saf Pengajar Jurusan Saisika FMIPA UNPAD

Lebih terperinci

PENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC TMP C CILACAP

PENENTUAN 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Pemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network

Pemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network D-378 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (26) 2337-3520 (23-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi pada Plaform MK di PT X Menggunakan Meode ARIMA, Neural Nework, dan Hibrida ARIMA-Neural

Lebih terperinci

Dosen Pembimbing Dr. Brodjol Sutijo Suprih Ulama, M.Si.

Dosen Pembimbing Dr. Brodjol Sutijo Suprih Ulama, M.Si. TUGAS AKHIR SS 145561 PERAMALAN NILAI IMPOR NON MIGAS DI JAWA TIMUR DENGAN MENGGUNAKAN METODE ARIMA BOX-JENKINS BOBBY AKBAR NRP 1314 030 002 Dosen Pembimbing Dr Brodjol Suijo Suprih Ulama, MSi DEPARTEMEN

Lebih terperinci

Model ARIMAX Dan Deteksi GARCH Untuk Peramalan Inflasi Kota Denpasar Tahun 2014

Model ARIMAX Dan Deteksi GARCH Untuk Peramalan Inflasi Kota Denpasar Tahun 2014 JEKT Model ARIMAX Dan Deeksi GARCH Unuk Peramalan Inflasi Koa Denpasar Tahun 2014 Rukini *) Badan Pusa Saisik Provinsi Bali ABSTRAK pemerinah dalam mengambil kebijakan unuk menjaga sabilias moneer di masa

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

BAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan

BAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan BAB 2 KINEMATIKA Tujuan Pembelajaran 1. Menjelaskan perbedaan jarak dengan perpindahan, dan kelajuan dengan kecepaan 2. Menyelidiki hubungan posisi, kecepaan, dan percepaan erhadap waku pada gerak lurus

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman Online di:

ISSN: 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 terperinci

PENGGUNAAN METODE PERAMALAN DALAM ANALISIS NILAI TUKAR RUPIAH TERHADAP DOLAR DENGAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY

PENGGUNAAN METODE PERAMALAN DALAM ANALISIS NILAI TUKAR RUPIAH TERHADAP DOLAR DENGAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY PENGGUNAAN METODE PERAMALAN DALAM ANALISIS NILAI TUKAR RUPIAH TERHADAP DOLAR DENGAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY Hermansah Program Sudi Pendidikan Maemaika, Fakulas Keguruan

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian ini dilakukan di Dafarm, yaiu uni usaha peernakan Darul Fallah yang erleak di Kecamaan Ciampea, Kabupaen Bogor, Jawa Bara. Pemilihan lokasi

Lebih terperinci

PREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED

PREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED PREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED Wahyuda 1, Budi Sanosa 2, Nani Kurniai 3 1 Teknik Indusri Universias Mulawarman-Samarinda

Lebih terperinci

BAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan

BAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan BAB I PENDAHULUAN 1.1 Laar Belakang Dalam perencanaan pembangunan, daa kependudukan memegang peran yang pening. Makin lengkap dan akura daa kependudukan yang esedia makin mudah dan epa rencana pembangunan

Lebih terperinci

PERAMALAN JUMAH MOBIL PRIBADI YANG BERADA DI KOTA SURABAYA

PERAMALAN JUMAH MOBIL PRIBADI YANG BERADA DI KOTA SURABAYA TUGAS AKHIR SS 145561 PERAMALAN JUMAH MOBIL PRIBADI YANG BERADA DI KOTA SURABAYA RIZKI FEBRIASTO NRP 1314 030 102 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si., M.Si DEPARTEMEN STATISTIKA BISNIS Fakulas Vokasi

Lebih terperinci

Peramalan Inflasi Menggunakan Model Fungsi Transfer Multi Input. Forcasting Inflation Using Multiple Input Transfer Function Model

Peramalan Inflasi Menggunakan Model Fungsi Transfer Multi Input. Forcasting Inflation Using Multiple Input Transfer Function Model 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

Lebih terperinci

Jurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK

Jurusan 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 terperinci

(T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES

(T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES PROSIDING ISSN : 087-590. Seminar Nasional Saisika November 0 Vol, November 0 (T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES Yahya Ubaid ), Budi Nurani R. ), Mulyana K. 3) )Mahasiswa Program

Lebih terperinci