PROSEDUR PEMBENTUKAN MODEL VARIASI KALENDER BERDASARKAN MODEL ARIMAX UNTUK PERAMALAN DATA DENGAN EFEK VARIASI KALENDER
|
|
- Hamdani Santoso
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, November PROSEDUR PEMBENTUKAN MODEL VARIASI KALENDER BERDASARKAN MODEL ARIMAX UNTUK PERAMALAN DATA DENGAN EFEK VARIASI KALENDER Suharono dan Alfonsus J. Endhara Dosen Jurusan Saisika, ITS, Surabaya Mahasiswa S Jurusan Saisika, ITS, Surabaya suharono@saisika.is.ac.id; alfonsus_je@yahoo.com ABSTRACT The objecive of his research is o develop Calendar Variaion Model based on ARIMAX model for forecasing ime series daa wih Islamic calendar effec. In some Islamic counries, he rade aciviies frequenly conain calendar variaion paern. I happens because he paern of people consumpion o cerain producs usually follows Lunar calendar, insead of following common solar calendar. Analyzing hese daa by using classical ime series mehods, i.e. Decomposiion mehod and ARIMA model, will yield spurious resuls, especially abou he seasonal paern and oulier daa. Firsly, his research focuses on he developmen of model building procedure o find he bes Calendar Variaion Model based on ARIMAX model. Two kinds of rend, i.e. deerminisic and sochasic rends, are examined in his ARIMAX modeling. The procedure conains hree main seps, i.e. modeling of calendar variaion effec only, modeling of he residual model of calendar variaion effec only, and he ARIMAX modeling adapively by combining of he calendar variaion effec and ARIMA model. Then, he procedures are applied for modeling and forecasing real ime series daa, i.e. he monhly sales of boy Moslem cloh in Indonesia. The resuls show ha Calendar Variaion Model based on ARIMAX model could explore precisely he effec of calendar variaion on ime series. Addiionally, his model also yields beer forecas compared o Decomposiion mehod and Seasonal ARIMA model. Keywords: ARIMAX, calendar variaion, lunar calendar, model building procedure. Pendahuluan Daa ekonomi dan bisnis seringkali dikumpulkan iap bulan, sehingga ermasuk daa dere waku bulanan. Secara umum, ada dua ipe efek kalender pada daa dere waku bulanan. Yang perama, banyaknya kegiaan ekonomi dapa berubah erganung pada hari dalam sau minggu. Karena banyaknya hari berbeda iap bulan aau ahun, pengamaan ini dapa dipengaruhi variasi kalender. Efek variasi seperi ini, eruama yang disebabkan oleh banyaknya hari ransaksi aau hari kerja iap bulan, dinamakan efek hari kerja (Hillmer, Bell, dan Tiao, ; Hillmer, ; Bell dan Hillmer, ). Selain variasi akiba perbedaan banyaknya hari
2 kerja, beberapa fesival aau hari libur, seperi Paskah dan Tahun Baru Imlek dibua berdasarkan kalender bulan dan anggal hari libur ersebu berubah sekiar bulan dalam kalender masehi iap ahunnya. Karena hari libur dapa sanga mempengaruhi akivias perdagangan dan pola konsumen, pengamaan dere wakunya dapa beragam erganung di bulan apa erdapa hari libur yang mengikui sysem kalender bulan. Efek kalender demikian disebu sebagai efek hari libur (Liu, ). Kalender Hijriyah, yang ermasuk kalender bulan berdasarkan bulan dalam ahun dengan aau hari, digunakan di banyak negara Islam dan digunakan unuk menenukan hari besar Islam. Indonesia sebagai negara yang mayorias penduduknya beragama Islam, juga menggunakan kalender Hijriyah unuk menenukan hari besar Islam, misalnya hari besar Idul Firi. Variasi kalender muncul dengan adanya hari besar Islam ini. Efek-efek variasi kalender dapa dikeahui dari banyaknya perdagangan sekiar hari besar Idul Firi, anara lain sebelum, selama, dan/aau sesudah Idul Firi. Sebagai conoh, dalam makalah ini penjualan baju muslim pria di sebuah koa di Indonesia. Analisis dere waku unuk daa yang memiliki pola variasi kalender memerlukan penanganan khusus. Liu () mempelajari efek variasi hari libur dengan idenifikasi dan esimasi model ARIMA dan menyarankan suau modifikasi model ARIMA dengan menyerakan informasi hari libur sebagai variabel inpu deerminisik. Analisis dere waku umum, seperi meode dekomposisi dan model ARIMA dapa memberikan hasil yang idak benar, eruama mengenai pola musiman dan munculnya pencilan. Beberapa peneliian enang analysis dere waku unuk daa yang mengandung pola variasi kalender elah dilakukan. Liu () melakukan idenifikasi model dere waku unuk daa yang memiliki pola variasi kalender. Dalam peneliiannya, Liu menggunakan model ARIMAdan ambahan variabel efek variasi kalender. Holden, Thompson, dan Ruangri () melakukan peneliian enang variasi kalender pada harga saham harian di Thai Sock Marke. Holden dkk. menggunakan beberapa model, anara lain regresi linier, General Auoregressive Condiional Heeroscedasiciy (GARCH), dan Threshold Auoregressive Condiional Heeroscedasiciy (TARCH). Keiga model ini dibandingkan dengan keiga model yang sama, namun diberi ambahan variabel efek variasi kalender. Holden dkk. menunjukkan bahwa model-model dengan ambahan variabel efek variasi kalender memberikan hasil yang lebih baik daripada model-model anpa ambahan variabel. Dalam makalah ini, dikemukakan suau prosedur unuk membenuk model khusus unuk daa yang mengandung pola variasi kalender. Model yang dikembangkan adalah model ARIMAX.. Landasan Teori Pada bagian ini akan dierangkan beberapa eori dan meode yang digunakan dalam peneliian ini, yaiu meode analisis dere waku yang umum, anara lain
3 meode dekomposisi dan model ARIMA musiman, dan yang berkaian dengan pengembangan prosedur baru unuk pembenukan model variasi kalender, yaiu model ARIMAX... Meode Dekomposisi Pada bagian ini dijelaskan meode dekomposisi adiif. Dasar meode dekomposisi adalah memisahkan komponen musiman dari komponen lainnya dari suau dere daa. Model dekomposisi adiif diulis sebagai beriku (liha Bowerman dan O Connel, ). dengan y = pengamaan ke- T = komponen rend ke- S = komponen musiman ke- C = komponen siklik ke- I = komponen irregular ke-.. Model ARIMA Musiman y T S C I () Model ARIMA musiman merupakan model dere waku linier yang cukup fleksibel dan dapa digunakan dalam pemodelan beragam ipe musiman sebaik model dere waku non-musiman. Model ARIMA musiman dapa diulis secara maemais dengan (liha Wei, ; Box, Jenkins, dan Reisel, ; Cryer dan Chan, ): dengan S d S D S p B ) P( B )( B) ( B ) y q( B) Q( B ) (, () (B) B B pb ( S S S PS P B ) = B B PB (B) B B qb ( S S S QS Q B ) = B B QB, p = p q = q dan S adalah periode musiman, B adalah operaor backshif, dan adalah dere noise dengan mean nol dan varians yang konsan. Box dan Jenkins () mengenalkan suau prosedur pembenukan model ARIMA musiman yang efekif berdasarkan srukur auokorelasi suau dere waku... Model ARIMAX unuk Variasi Kalender Model ARIMA adalah model yang umum digunakan dalam peramalan daa. Model ARIMAX ialah model ARIMA yang diberi ambahan variabel predikor (liha Cryer dan Chan, ). Dalam peneliian ini, ambahan variabel predikornya berupa variabel dummy yang berujuan unuk mewakili efek variasi kalender.
4 Model ARIMA musiman yang pada umumnya diulis seperi pada Persamaan (), juga dapa diulis sebagai beriku y p ( B) P q( B) S ( B )( S ( B ) d B) ( Q B S ) D. () Oleh karena iu, model ARIMA musiman dengan ambahan variabel dummy adalah y V ( B) ( B ) S, q Q V,... Vs, S d p( B) P( B )( B) ( S D B ). () Prosedur yang digunakan unuk membenuk model ARIMAX yang efekif dan sesuai unuk peramalan daa yang mengandung pola variasi kalender dijelaskan sebagai beriku: a. Pemodelan respon dan variabel dummy efek variasi kalender, unuk mendapakan residual w, yaiu y V, V,... pvp, w () dengan V p, adalah variabel dummy unuk efek variasi kalender ke-p. Banyaknya efek variasi kalender dapa diidenifikasi berdasarkan plo dere waku. b. Residual w dimodelkan dengan model ARIMA dengan menggunakan prosedur Box-Jenkins. c. Orde model ARIMA yang diperoleh dari langkah sebelumnya digunakan unuk memodelkan daa sebenarnya dengan ambahan variabel dummy efek variasi kalender sebagai inpu. d. Pengujian signifikansi parameer dan cek diagnose, hingga semua parameer bernilai signifikan dan residual memenuhi asumsi whie noise.. Meodologi Peneliian Daa bulanan penjualan baju muslim pria dari perusahaan garmen di suau koa di Indonesia digunakan sebagai sudi kasus. Diambil daa pada uari hingga Desember. Daa delapan ahun perama digunakan sebagai daa insample dan daa ahun erakhir sebagai daa ou-sample. Analisis diawali dengan mengaplikasikan prosedur baru pada daa kasus. Selanjunya, dilakukan perbandingan RMSE daa ou-sample anara model yang diperoleh dengan prosedur baru dan model dere waku umum, anara lain meode dekomposisi dan model ARIMA musiman. Perbandingan ini dilakukan unuk memperoleh model erbaik unuk peramalan daa bulanan penjualan baju muslim pria berdasarkan kebaikan ramalan pada daa ou-sample.
5 Z. Hasil Analisis Empiris Daa penjualan bulanan baju muslim pria diunjukkan dengan Gambar. Plo dere waku pada Gambar menunjukkan bahwa erdapa pola variasi kalender pada daa. Variasi kalender ini merupakan efek perayaan Idul Firi iap ahun. Oleh karena iu, ambahan erenu diperlukan dalam model umum, misalnya model ARIMAX. Dalam bagian ini, hasil pemodelan dengan model ARIMAX akan diunjukkan dan dibandingkan dengan model dere waku umum, yaiu meode dekomposisi adiif dan model ARIMA. Time Series Plo of Boy MoslemCloh Sales Monh Year Gambar. Plo dere waku daa bulanan penjualan baju muslim pria.. Model ARIMAX Pada langkah awal, model regresi linier dibenuk anara respon y dan variabel efek variasi kalender sebagai predikor unuk mendapakan residual. Model regresi linier yang erbenuk adalah y V V V w. () Residual model pada Persamaan () digambarkan pada Gambar. Residual ini digunakan sebagai paokan penenuan orde model ARIMA yang mungkin. Plo ACF dan PACF residual diunjukkan pada Gambar. Karena residual memiliki pola musiman dan ACF cenderung membenuk pola urun lamba pada lag-lag musiman, differencing orde musiman dierapkan pada residual. Residual yang sudah di-differencing dengan orde musiman menghasilkan ACF dan PACF seperi pada Gambar. Berdasarkan Gambar, ada pasang orde model ARIMA yang diprediksi sebagai model ARIMA yang sesuai unuk daa residual, yaiu (,,)(,,), (,,)(,,), (,,)(,,), dan (,,)(,,). Hasil pengujian signifikansi parameer dan cek diagnose menyaakan hanya dari pasang orde model ARIMA saja memenuhi asumsi, yaiu ARIMA(,,)(,,) and (,,)(,,).
6 Auocorrelaion Parial Auocorrelaion Auocorrelaion Parial Auocorrelaion w() Time Series Plo of Residual - - Index Gambar. Plo dere waku residual Persamaan () Auocorrelaion Funcion for w() (wih % significance limis for he auocorrelaions) Parial Auocorrelaion Funcion for w() (wih % significance limis for he parial auocorrelaions) Lag Lag Gambar. Plo ACF dan PACF residual Persamaan () Auocorrelaion Funcion for Differencing (wih % significance limis for he auocorrelaions) Parial Auocorrelaion Funcion for Differencing (wih % significance limis for he parial auocorrelaions) Lag Lag Gambar. Plo ACF dan PACF residual yang sudah di-differencing Berdasarkan dua pasang orde model yang memenuhi asumsi whie noise, model ARIMAX dikembangkan. Dengan menambahkan variabel dummy efek variasi kalender ke dalam model ARIMA, model ARIMAX dibenuk. Selain model ARIMAX ersebu, model dengan sebagai inpu mengganikan order differencing juga dibenuk. Parameer model yang dihasilkan idak selalu signifikan, sehingga perlu dilakukan updaing model. Model ARIMAX dengan parameer signifikan memenuhi asumsi whie noise adalah ARIMA(,,)(,, ) -V - anpa konsana, ARIMA(,,)(,,) -V - anpa konsana, ARIMA(,,)(,,) -, V, V -, V - dengan konsana, dan ARIMA(,,)-, V, V -, V - dengan konsana.
7 .. Perbandingan Meode Dekomposisi, Model ARIMA Musiman, dan Model yang Dikembangkan Model peramalan umum seperi meode dekomposisi dan model ARIMA juga digunakan pada daa kasus. Model-model ini kemudian akan dibandingkan dengan model ARIMAX yang diperoleh dengan prosedur yang dikembangkan. Perbandingan berdasarkan RMSE dirangkum dalam Tabel. Tabel rangkuman perbandingan RMSE ini menunjukkan bahwa model peramalan umum idak mampu memberikan hasil sebaik model ARIMAX. Hal ini diunjukkan dengan RMSE-nya yang lebih kecil daripada RMSE model ARIMAX. Tabel. Perbandingan akurasi ramalan anar model Model In-sample RMSE Ou-sample Dekomposisi Dekomposisi Adiif Dekomposisi Muliplikaif.... ARIMA Musiman ARIMA([],,)(,,) ARIMA(,,[])(,,) ARIMA(,,[])(,,) ARIMA([],,)(,,) ARIMAX ARIMA(,,)(,,) -V -, anpa konsana ARIMA(,,)(,,) -V -, anpa konsana ARIMA(,,)(,,) -, V, V -, V -, dengan konsana ARIMA(,,)-, V, V -, V -, dengan konsana Berdasarkan nilai RMSE, model ARIMAX memberikan hasil yang lebih baik daripada model-model peramalan lainnya. Berdasarkan RMSE daa insample, model erbaik adalah model ARIMA(,,)(,,) -, V, V -, V -, dengan konsana. Sedangkan berdasarkan RMSE daa ou-sample, model erbaik adalah model ARIMAX(,,)-, V, V -, V - dengan konsana. Plo dere waku pada Gambar (a-c) menunjukkan keepaan peramalan iap model (diambil model erbaik dari iap meode). Secara jelas erliha adanya perbedaan pada iap model. Pada Gambar (a), keepaan akurasi meode dekomposisi adiif diunjukkan. Prediksi model ini sanga buruk, eruama pada bulan saa diadakan Idul Firi seiap ahun. Gambar (b) menunjukkan perbandingan prediksi model ARIMA([],,)(,,). Model ini memberikan prediksi yang
8 Daa Residual Daa Residual Daa Residual hampir bagus, kecuali karena adanya kesalahan prediksi yang cukup besar pada bulan Idul Firi ahun. Model ARIMAX, yaiu model yang dikembangkan pada peneliian ini, memberikan hasil yang jauh lebih baik dan prediksinya mendekai nilai akualnya (liha Gambar (c)). a Time Series Plo of Acual, Add. Decomposiion Variable Acual Add. Decomposiion Time Series Plo of Residual of Add. Decomposiion a - - Monh Year - Monh Year b Time Series Plo of Acual, ARIMA Variable Acual ARIMA Time Series Plo of Residual of ARIMA b - - Monh Year - Monh Year c Time Series Plo of Acual, ARIMAX Variable Acual ARIMAX Time Series Plo of Residual of ARIMAX c - - Monh Year - Monh Year Gambar. Plo dere waku (a) dekomposisi adiif, (b) ARIMA, dan (c) ARIMAX (gambar kiri) dan residualnya (gambar kanan) Plo residual di sisi kanan (liha Gambar (a-c)) juga menunjukkan keepaan peramalan iap model. Berdasarkan Gambar (a), efek variasi kalender masih jelas erliha. Dengan kaa lain, residual meode dekomposisi adiif idak acak, melainkan memiliki pola erenu. Keacakan residual merupakan asumsi yang wajib dipenuhi, sehingga disimpulkan bahwa meode dekomposisi idak dapa diaplikasikan unuk daa yang mengandung pola variasi kalender. Pada Gambar (b) erliha adanya residual bernilai eksrem, aau residual pencilan, yang disebabkan kesalahan prediksi. Hal ini merupakan akiba idak mengikuserakan efek variasi kalender dalam model. Gambar (c) menunjukkan residual yang sudah acak. Oleh karena iu, model yang dikembangkan dengan prosedur baru sanga efekif dalam peramalan daa yang mengandung pola variasi kalender.
9 Model erbaik yang dipilih unuk peramalan daa penjualan bulanan baju muslim pria adalah ARIMAX(,,)-, V, V -, V - dengan konsana, karena memiliki RMSE ou-sample yang erkecil. Model ARIMAX ini diulis secara maemais dengan y ˆ.. V. V y. () V... Kesimpulan Penanganan khusus diperlukan dalam peramalan daa yang mengandung pola variasi kalender. Hal ini dibukikan dengan penggunaan model peramalan umum, anara lain meode dekomposisi dan model ARIMA musiman, yang menghasilkan ramalan yang buruk. Model yang dikembangkan, yaiu model ARIMAX, menghasilkan ramalan yang lebih akura, baik berdasarkan RMSE insample maupun ou-sample. Model ARIMAX(,,)-, V, V -, V - dengan konsana merupakan model erbaik unuk peramalan daa bulanan penjualan baju muslim pria dalam peneliian ini. Dalam model ini, variabel ren dan variabel dummy yang mewakili efek hari raya Idul Firi digunakan sebagai inpu. Model ini menghasilkan RMSE ou-sample sebesar,. DAFTAR PUSTAKA Bell, W.R., and Hillmer, S.C.. Modeling Time Series wih Calendar Variaion. Journal of he American Saisical Associaion,, -. Bowerman, B.L., and O Connel, D.. Forecasing and Time Series: An Applied Approach, rd Ediion. California: Duxbury Press. Box, G.E.P., and Jenkins, G.M.. Time Series Analysis: Forecasing and Conrol. San Fransisco: Holden-Day, Revised edn. Box, G.E.P., Jenkins, G.M., and Reinsel, G.C.. Time Series Analysis, Forecasing and Conrol, rd Ediion. Prenice Hall, Englewood Cliffs. Cryer, J.D., and Chan, K.S.. Time Series Analysis. Wih Applicaion in R, nd Ediion. Springer. Hanke, J.E., and Wichern, D.W.. Business Forecasing. NJ: Prenice Hall, Englewood Cliffs. Hillmer, S.C., Bell, W.R., and Tiao, G.C.. Modeling Consideraions in he Adjusmen of Economic Time Series. Proceedings of he Conference of Applied Time Series Analysis of Economic Daa. Ed. Arnold Zelner. U.S. Deparmen of Commerce, Bureau of he Census, -. Hillmer, S.C.. Forecasing Time Series wih Trading Day Variaion. Journal of Forecasing,, -.
10 Holden, K., Thompson, J., and Ruangri, Y.. The Asian crisis and calendar effecs on sock reurns in Thailand. European Journal of Operaional Research,,. Liu, L.M.. Analysis of Time Series wih Calendar Effecs. Managemen Science,, -. Liu, L.M.. Idenificaion of Time Series Models in he Presence of Calendar Variaion. Inernaional Journal of Forecasing,, -. Shumway, R.H., and Soffer, D.S.. Time Series Analysis and Is Applicaions wih R Examples, nd Ediion. Springer Wei, W.W.S.. Time Series Analysis: Univariae and Mulivariae Mehods. Addison-Wesley Publishing Co., USA.
PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 9 PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL Y.P.Y. Asmara,
Lebih terperinciPENGEMBANGAN MODEL REGRESI DERET WAKTU UNTUK DATA YANG MENGANDUNG VARIASI KALENDER
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, November PENGEMBANGAN MODEL REGRESI DERET WAKTU UNTUK DATA YANG MENGANDUNG VARIASI KALENDER Alfonsus. J. Endhara dan Suharono Mahasiswa S Jurusan
Lebih terperinciKAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN
JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina
Lebih terperinciANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER. Muflih Rori Putra Harahap
ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER Muflih Rori Pura Harahap 30 00 052 Pembimbing : Dr. Drs. Agus Suharsono, M.S. LATAR BELAKANG PENDAHULUAN
Lebih terperinciPeramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk
Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk Oleh : Dwi Hapsari K (1306 100 015) Dosen Pembimbing : Dra. Karika Firiasari, M.Si 1 Pendahuluan Laar Belakang, Perumusan Masalah, Tujuan
Lebih terperinciANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 009 XV-1 ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Muhammad Sjahid Akbar, Jerry Dwi Trijoyo
Lebih terperinciAbstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.
1 Peramalan Volume Produksi Air Bersih di PDAM Kabupaen Bojonegoro berdasarkan Jumlah Pelanggan dan Volume Konsumsi Air Fasha Aulia Pradhani dan Adaul Mukarromah Jurusan Saisika, FMIPA, ITS Jl. Arief Rahman
Lebih terperinci*Corresponding Author:
Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion
Lebih terperinci2 efek dari pengaruh kejadian luar (exernal even) pada daa ime series (Wei, 2006). Bila y adalah daa ime series yang mengandung variasi kalender, maka
. PERAMALAN VOLUME KENDARAAN MASUK DI TOL DUPAK-WARU MENGGUNAKAN MODEL VARIASI KALENDER Yosua D. Charismawan (1304 100 024) Pembimbing : Ir. Dwiamono Agus W.,M.Ikom ABSTRAK Tol Surabaya-Gempol merupakan
Lebih terperinciPeramalan Inflasi Nasional Berdasarkan Faktor Ekonomi Makro Menggunakan Pendekatan Time Series Klasik dan ANFIS
JURNAL SAINS DAN SENI IS Vol. 4, No., () 2337-3 (2-928X Prin) D-67 Peramalan Inflasi Nasional Berdasarkan Fakor Ekonomi Makro Menggunakan Pendekaan ime Series Klasik dan ANFIS Clara Agusin Sephani, Agus
Lebih terperinci(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF
Seminar Nasional Saisika 12 November 2011 Vol 2, November 2011 (T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Gumgum Darmawan, Sri Mulyani S Saf Pengajar Jurusan Saisika FMIPA UNPAD
Lebih terperinciMODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR
MODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR S - 27 Rukini, Suharono2 2,2 Jurusan Saisika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciOleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes
PERAMALAN INDEKS HARGA SAHAM YANG DIPENGARUHI KURS, PERUBAHAN INFLASI, POSISI JUMLAH DEPOSITO BERJANGKA, SUKU BUNGA SBI DAN DEPOSITO MENGGUNAKAN FUNGSI TRANSFER DAN ARCH-GARCH Oleh: TANTI MEGASARI 6 00
Lebih terperinciPemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline ABSTRAK
Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Meode Inervensi dan Regresi Spline Rina Andriani, Dr. Suharono, M.Sc 2 Mahasiswa Jurusan Saisika FMIPA-ITS, 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih terperinciBAB 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 terperinciANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA
ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA Oleh : Liviani Nursia 307030040 Dosen Pembimbing: Dr. Brodjol Suijo S.U, MSi Laar Belakang
Lebih terperinciPemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun
Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro
Lebih terperinciBAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu
BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,
Lebih terperinciModel ARIMAX Dan Deteksi GARCH Untuk Peramalan Inflasi Kota Denpasar Tahun 2014
JEKT Model ARIMAX Dan Deeksi GARCH Unuk Peramalan Inflasi Koa Denpasar Tahun 2014 Rukini *) Badan Pusa Saisik Provinsi Bali ABSTRAK pemerinah dalam mengambil kebijakan unuk menjaga sabilias moneer di masa
Lebih terperinciPeramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Multi Input. : Nesia Brilliana I.P NRP :
Peramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Muli Inpu Nama : Nesia Brilliana I.P NRP : 20800023 Jurusan : Maemaika Dosen Pembimbing : Dra. Nuri Wahyuningsih, M. Kes Pemberian pupuk
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun
43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C
Lebih terperinciPeramalan Outflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Autoregressive (GSTAR)
JURNA SAINS DAN SENI ITS Vol. 5 No. (16) 7-5 (1-98X Prin) D-59 Peramalan Ouflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Auoregressive (GSTAR) Rahmah Safiri, Seiawan, dan Imam Safawi
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang
BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang
Lebih terperinciAnalisis 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 terperinciPeramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun
Peramalan Kebuuhan Premium dengan Meode ARIMAX unuk Opimasi Persediaan di Wilayah TBBM Madiun Oleh: Nindia Sekar Dini 1308100088 Pembimbing: Drs. Haryono, MSIE Dr. Suharono 1 Ouline Pendahuluan Tinjauan
Lebih terperinciS 9 Peramalan Volume Penjualan Calana Panjang di Boyolali dengan Menggunakan Model Variasi Kalender
9 Peramalan Volume Penjualan Calana Panjang di Boyolali dengan Menggunakan Model Variasi Kalender Wahyuni uryaningyas Dosen FKIP Universias Muhammadiyah urabaya e-mail: ma_ums @yahoo.com ABTRAK Bisnis
Lebih terperinciBAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel
BAB III ANALISIS INTERVENSI 3.1. Pendahuluan Analisis inervensi dimaksudkan unuk penenuan jenis respons variabel ak bebas yang akan muncul akiba perubahan pada variabel bebas. Box dan Tiao (1975) elah
Lebih terperinciDAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Studi Aplikasi Model Intervensi dengan Step Function)
DAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Sudi Aplikasi Model Inervensi dengan Sep Funcion) S-3 Kismianini dan Dhoriva Urwaul Wusqa Jurusan Pendidikan Maemaika
Lebih terperinciPemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network
D-378 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (26) 2337-3520 (23-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi pada Plaform MK di PT X Menggunakan Meode ARIMA, Neural Nework, dan Hibrida ARIMA-Neural
Lebih terperinciBAB 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 terperinciPenentuan Pelebaran Window Time Optimal Pada Data Deret Waktu
1 Penenuan Pelebaran Window Time Opimal Pada Daa Dere Waku (1) Nursya`bani Hendro Prabowo dan (2) Raden Mohamad Aok Deparemen Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam, Insiu Teknologi Sepuluh
Lebih terperinciPerbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X
JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa
Lebih terperinciBAB 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 terperinciPeramalan 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 terperinciBAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF
BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan
Lebih terperinciAnalisis Peramalan Jumlah Penumpang Kereta Api Penataran Tujuan Surabaya-Malang
Analisis Peramalan Jumlah Penumpang Kerea Api Penaaran Tujuan Surabaya-Malang Oleh. Andria Prima Diago 08.00.0 Dosen Pembimbing. r. Dwiamono Agus, M.komp Andria Prima Diago 08.00.0 nsiu Teknologi Sepuluh
Lebih terperinciMODEL HIBRIDA EXPONENTIAL SMOOTHING PENDEKATAN STATE SPACE DENGAN METODE VARIASI KALENDER UNTUK PERAMALAN INFLOW DAN OUTFLOW UANG KARTAL DI JAWA TIMUR
TUGAS AKHIR SS 450 MODEL HIBRIDA EXPONENTIAL SMOOTHING PENDEKATAN STATE SPACE DENGAN METODE VARIASI KALENDER UNTUK PERAMALAN INFLOW DAN OUTFLOW UANG KARTAL DI JAWA TIMUR ANA SUSANTI NRP 32 00 033 Dosen
Lebih terperinciPeramalan Jumlah Pengunjung Domestik dan Mancanegara di Maharani Zoo & Goa Menggunakan ARIMA Box - Jenkins
Peramalan Jumlah Pengunjung Domesik dan Mancanegara di Maharani oo & Goa Menggunakan ARIMA Box - Jenkins Vivi Kusuma Sulisyawai (3030085) Dosen Pembimbing Dr. Irhamah, S.Si.,M.Si Laar Belakang Rumusan
Lebih terperinciKata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting.
METODE INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) UNTUK MEMODELKAN HARGA GABAH DUNIA (INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY TO CAPTURE
Lebih terperinciagenda Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran
seminar ugas akhir Renny Elfira Wulansari 0000 pembimbing Dr. Suharono, S.Si, M.Sc Gedung H Lanai Saisika FMIPA-ITS Surabaya, Juli 04 agenda Pendahuluan Tinjauan Pusaka Meodologi Peneliian Analisis dan
Lebih terperinciPrediksi Penjualan Sepeda Motor Honda di Kabupaten dan Kotamadya Malang dengan Metode Peramalan Hierarki. Oleh : Rika Susanti
Prediksi Penjualan Sepeda Moor Honda di Kabupaen dan Koamadya Malang dengan Meode Peramalan Hierarki Oleh : Rika Susani 1310100066 Dosen Pembimbing Co. Pembimbing : Dra. Desri Susilaningrum, M.Si. : Dr.
Lebih terperinciPENGARUH PANJANG DAN LEBAR DATA DEBIT HISTORIS PADA KINERJA MODEL PEMBANGKITAN DATA DEBIT SUNGAI BRANTAS DENGAN METODE ARIMA
PENGARUH PANJANG DAN LEBAR DATA DEBIT HISTORIS PADA KINERJA MODEL PEMBANGKITAN DATA DEBIT SUNGAI BRANTAS DENGAN METODE ARIMA Maskur Efendi ), Widandi Soeopo 2), Piojo Tri Juwono 2) ) Mahasiswa Magiser
Lebih terperinciGenteng. = 0,435 Barisan dari [Exp(-7, ,121*X3] Binomial Thinning Operator. Jika Yt-1sukses maka peluang kejadian = 0,435
. Pemodelan Regresi INAR dengan Variabel Predikor Signifikan Geneng = 0,435 Y 0,435oY 1 Z Barisan dari [Exp(-7,988 + 0,1*X3] Binomial Thinning Operaor 35 30 Variable Y_2 PFIT2 25 Jika Y-1sukses maka peluang
Lebih terperinciPERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT
Saisika, Vol. 2, No. 2, November 24 PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT Sri Wahyuni, 2 Farikhin, Iswahyudi Joko Suprayino Program Sudi Saisika
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiaan memperkirakan apa yang akan erjadi pada masa yang akan daang. Ramalan adalah sesuau kegiaan siuasi aau kondisi yang diperkirakan akan erjadi
Lebih terperinciBAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun
BAB III ARFIMA-FIGARCH 3. Time Series Memori Jangka Panjang Proses ARMA sering dinyaakan sebagai proses memori jangka pendek (shor memory) karena fungsi auokorelasi anara dan urun cepa secara eksponensial
Lebih terperinciBAB 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 terperinciPENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN
IndoMS Journal on Saisics Vol., No. (04), Page 7-37 PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN Dinda Ariska Wulandari,
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian yang dilakukan mengenai analisis perencanaan pengadaan una berdasarkan ramalan ime series volume ekspor una loin beku di PT Tridaya Eramina
Lebih terperinciPEMODELAN 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 terperinciFORECASTING & ARIMA. Dwi Martani. 1/26/2010 Statistik untuk Bisnis 9 1
FORECASTING & ARIMA Dwi Marani /26/200 Saisik unuk Bisnis 9 DERET BERKALA (TIME SERIES) Suau dere berkala merupakan suau himpunan observasi dimana variabel yang digunakan diukur dalam uruan periode waku,
Lebih terperinciAPLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND
APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND Noeryani 1, Ely Okafiani 2, Fera Andriyani 3 1,2,3) Jurusan maemaika, Fakulas Sains Terapan, Insiu Sains & Teknologi
Lebih terperinciPERAMALAN 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 terperinciBAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan
BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi
Lebih terperinciPERAMALAN JUMLAH PENJUALAN KORAN HARIAN BERLANGGANAN DI PT. JAWA POS DENGAN MENGGUNAKAN ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN JUMLAH PENJUALAN KORAN HARIAN BERLANGGANAN DI PT. JAWA POS DENGAN MENGGUNAKAN ARIMA BOX-JENKINS TRI EMIRA RISMAYANTI NRP 1314 030 070 Dosen Pembimbing Dr. Brodjol Suijo
Lebih terperinciANALISIS DATA INFLASI INDONESIA MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DENGAN PENAMBAHAN OUTLIER.
Analisis Daa (Supari) ANALISIS DAA INFLASI INDONESIA MENGGUNAKAN MODEL AUOREGRESSIVE INEGRAED MOVING AVERAGE (ARIMA) DENGAN PENAMBAHAN OULIER Supari 1 dan Alfi Faridaus Sa adah 2 1 Saf Pengajar Jurusan
Lebih terperinciBAB II TINJAUAN 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 terperinciANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG
ISSN: 9-54 JURNAL GAUSSIAN, Volume 4, Nomor, Tahun 05, Halaman 6-60 Online di: hp://eournal-s.undip.ac.id/index.php/gaussian ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG
Lebih terperinciMAKALAH TUGAS AKHIR IDENTIFIKASI MODEL ARIMA BOX-JENKINS
1. Pendahuluan MAKALAH TUGAS AKHIR IDENTIFIKASI MODEL ARIMA BOX-JENKINS CAMPURAN DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA Oleh : Febriana Dwi P. (1306 100 011) Dosen Pembimbing I : Dr. Irhamah, S.Si,
Lebih terperinciPeramalan Pengguna Kapal Ferry Ujung-Kamal dengan Metode Intervensi
D-480 JURNAL SAINS DAN SENI IS Vol. No. 2 (6) 2337-3 (2-928X Prin) Peramalan Pengguna Kapal Ferry Ujung-Kamal dengan Meode Inervensi Eka Apriliani, dan Irhamah Jurusan Saisika, Fakulas MIPA, Insiu eknologi
Lebih terperinciKARAKTERISTIK 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 terperinciPERAMALAN 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 terperinciESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING
ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING Nama: Zahroh Aiqoh 05 00 0 Dosen Pembimbing: Dra. Nuri Wahyuningsih, MKes Drs. Sulisiyo, MT Jurusan Maemaika
Lebih terperinciAPLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI
Lebih terperinciPemodelan Volatilitas Saham Menggunakan Jaringan Syaraf Tiruan dan Algoritma Genetika
Pemodelan Volailias Saham Menggunakan Jaringan Syaraf Tiruan dan Algorima Geneika Hasbi Yasin 1 1 Jurusan Saisika Undip, hasbiyasin@undip.ac.id Absrak. Flukuasi yang besar dan idak pasi dalam peramalan
Lebih terperinciBAB 2 TINJAUAN TEORI
7 BAB 2 TINJAUAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciSekilas Pandang. Modul 1 PENDAHULUAN
Modul 1 Sekilas Pandang Drs. Irlan Soelaeman, M.Ed. S PENDAHULUAN uau hari, saya dan keluarga berencana membawa mobil pergi ke Surabaya unuk mengunjungi salah seorang saudara. Sau hari sebelum keberangkaan,
Lebih terperincimetodologi penelitian
pendahuluan injauan pusaka meodologi peneliian hasil dan pembahasan kesimpulan Pusaka Meodologi Peningkaan Energi lisrik Kebuuhan energi lisrik Pengembangan sisem energi lisrik Peramalan beban lisrik Slide
Lebih terperinciJurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK
PERBANDINGAN METODE DES (DOUBLE EXPONENTIAL SMOOTHING) DENGAN TES (TRIPLE EXPONENTIAL SMOOTHING) PADA PERAMALAN PENJUALAN ROKOK (STUDI KASUS TOKO UTAMA LUMAJANG) 1 Fajar Riska Perdana (1110651142) 2 Daryano,
Lebih terperinciPENDEKATAN PERAMALAN TINGKAT KONSUMSI MINYAK DI INDONESIA DENGAN MENGGUNAKAN METODE BOX-JENKINS
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 E-mail:
Lebih terperinciIDENTIFIKASI POLA DATA TIME SERIES
IDENTIFIKASI POLA DATA TIME SERIES Daa merupakan bagian pening dalam peramalan. Beriku adalah empa krieria yang dapa digunakan sebagai acuan agar daa dapa digunakan dalam peramalan.. Daa harus dapa dipercaya
Lebih terperinciPeramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun
JURNAL AIN DAN ENI IT Vol. 1, No. 1, (ep. 2012 IN: 2301-928X D-230 Peramalan Kebuuhan Premium dengan Meode ARIMAX unuk Opimasi Persediaan di Wilayah TM Madiun Nindia ekar Dini, Haryono, dan uharono Jurusan
Lebih terperinciPEMODELAN PRODUKSI SEKTOR PERTANIAN
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 2009 PEMODELAN PRODUKSI SEKTOR PERTANIAN Brodjol Suijo Jurusan Saisika ITS Surabaya ABSTRAK Pada umumnya daa ekonomi bersifa ime
Lebih terperinciBAB 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 terperinciPERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,1,1)(0,1,1) 12 TUGAS AKHIR.
PERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,,)(0,,) 2 TUGAS AKHIR Diajukan Sebagai Salah Sau Syara unuk Memperoleh Gelar Sarjana Sains
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.. Ruang Lingkup Peneliian Peneliian ini diujukan unuk menenukan meode erbaik yang dapa digunakan dalam meramalkan harga ayam pada enam koa besar di Jawa-Bali. Meode peramalan yang
Lebih terperinciPERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR
TUGAS AKHIR SS 145561 PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR SARIRAZTY DWIJANTARI NRP 1314 030 010 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si., M.Si DEPARTEMEN
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan
Lebih terperinciPENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Studi Kasus: PT Tembaga Mulia Semanan)
Prosiding Seminar Nasional Manajemen Teknologi Program Sudi MMT-ITS, Surabaya 1 Agusus 2009 PENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Sudi Kasus: PT
Lebih terperinciPEMODELAN 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 terperinciPERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS
PERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS Joko Ariyadi (308 030 060) Pembimbing : Drs. Brodjol Suijo Suprih Ulama, M.Si Laar Belakang 2 Laar
Lebih terperinciMinggu 4 RATA-RATA BERGERAK DAN EXPONENTIAL SMOOTHING. Peramalan Data Time Series
Minggu 4 RATA-RATA BERGERAK DAN EXPONENTIAL SMOOTHING Bab ini memperkenalkan model berlaku unuk daa ime series dengan musiman, ren, aau keduana komponen musiman dan ren dan daa sasioner. Meode peramalan
Lebih terperinciMODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI
MODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI Diajukan kepada Fakulas Maemaika dan Ilmu Pengeahuan Alam Universias Negeri Yogyakara unuk memenuhi
Lebih terperinciPERAMALAN JUMLAH PENUMPANG PADA PT
PERAMALAN JUMLAH PENUMPANG PADA PT. ANGKASA PURA I (PERSERO) KANTOR CABANG BANDAR UDARA INTERNASIONAL ADISUTJIPTO YOGYAKARTA DENGAN METODE WINTER S EXPONENTIAL SMOOTHING DAN SEASONAL ARIMA SKRIPSI Diajukan
Lebih terperinciPeramalan Total Market Sepeda Motor Dan Total Penjualan Motor X Di Propinsi Jawa Timur Dengan Pendekatan ARIMA Box-Jenkins Dan ARIMAX
Peramalan Toal Marke epeda Moor Dan Toal Penjualan Moor X Di Propinsi Jawa Timur Dengan Pendekaan ARIMA Box-Jenkins Dan ARIMAX Oleh: Novia Dwi R. (300027) Dosen Pembimbing: Dr. eiawan, M.i 2 AGENDA PENDAHULUAN
Lebih terperinciPENENTUAN MODEL PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN METODE ARIMA
PENENTUAN MODEL PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN METODE ARIMA Leopoldus Ricky Sasongko, Lydia Ninuk Rahayu, dan Alberh Roy Koa 3,,3 Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias
Lebih terperinci(T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES
PROSIDING ISSN : 087-590. Seminar Nasional Saisika November 0 Vol, November 0 (T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES Yahya Ubaid ), Budi Nurani R. ), Mulyana K. 3) )Mahasiswa Program
Lebih terperinciDAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII
Bulein Ilmiah Mah. Sa. dan Terapannya (Bimaser) Volume 6, No. 3 (27), hal 83 2. MODEL SPACE-TIME DAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII Ella Kurniawai, Naomi Nessyana
Lebih terperinciPERAMALAN NILAI NAV RMF, EQUITY DAN FIXED FUND PT. PRUDENTIAL LIFE ASSURANCE DENGAN MODEL VARIMA DAN ARIMA
Gunawan: PERAMALAN NILAI NAV RMF, EQUITY, DAN FIXED FUND PT. PRUDENTIAL LIFE 9 PERAMALAN NILAI NAV RMF, EQUITY DAN FIXED FUND PT. PRUDENTIAL LIFE ASSURANCE DENGAN MODEL VARIMA DAN ARIMA Eric Gunawan ),
Lebih terperinciBAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai
BAB 1 PENDAHULUAN 1.1 Laar Belakang Propinsi Sumaera Uara merupakan salah sau propinsi yang mempunyai perkembangan yang pesa di bidang ransporasi, khususnya perkembangan kendaraan bermoor. Hal ini dapa
Lebih terperinciTUGAS AKHIR. untuk Analisis Peramalan Data Ekspor Non Migas Indonesia Di Sektor Pertanian, Sektor Perindustrian dan Sektor
TUGAS AKHIR Pendekaan Meode ARIMA Box Jenkins unuk Analisis Peramalan Daa Ekspor Non Migas Indonesia Di Sekor Peranian, Sekor Perindusrian dan Sekor Nurul Laifa Perambangan 307 030 70 Dosen pembimbing
Lebih terperinciProsiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PERAMALAN VOLUME PENGGUNAAN AIR BERSIH DENGAN METODE WINTERS EPONENTIAL SMOOTHING UNTUK MENENTUKAN VOLUME
Lebih terperinciPENERAPAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (GARCH) DALAM PERAMALAN NILAI TUKAR DOLAR TERHADAP RUPIAH
Penerapan Model Generalized Auoregressive Condiional Heeroscedasic (Garch) PENERAPAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (GARCH) DALAM PERAMALAN NILAI TUKAR DOLAR TERHADAP RUPIAH
Lebih terperinciPENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC TMP C CILACAP
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC
Lebih terperinciPERAMALAN YIELD DAN HARGA OBLIGASI PEMERINTAH DENGAN PENDEKATAN ARIMA DAN BACKPROPAGATION-ANN
PERAMALAN YIELD DAN HARGA OBLIGASI PEMERINTAH DENGAN PENDEKATAN ARIMA DAN BACKPROPAGATION-ANN Yuli Wahyuningsih (), Brodjol Suijo S. U (), Suharono () Mahasiswa Jurusan Saisika, FMIPA, Insiu Teknologi
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 91-100 Online di: hp://ejournal-s1.undip.ac.id/index.php/gaussian IDENTIFIKASI BREAKPOINT DAN PEMODELAN AUTOREGRESSIVE STRUCTURAL
Lebih terperinciBAB II TINJAUAN PUSTAKA. mempunyai efek menekan atau menghentikan suatu proses biokimia di dalam
BAB II TINJAUAN PUSTAKA 2.1 Anibioik 2.1.1 Defenisi Anibioik adalah segolongan senyawa, baik alami maupun sineik, yang mempunyai efek menekan aau menghenikan suau proses biokimia di dalam organisme, khususnya
Lebih terperinciPeramalan Beban Listrik di Jawa Timur Menggunakan Metode ARIMA dan Adaptive Neuro Fuzzy Inference System (ANFIS)
JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) -50 (0-9X Prin) D-9 Peramalan Beban Lisrik di Jawa Timur Menggunakan Meode ARIMA dan Adapive Neuro Fuzzy Inference Sysem () Indana La Zulfa dan Suharono Jurusan
Lebih terperinciPREDIKSI 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