ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER. Muflih Rori Putra Harahap
|
|
- Ridwan Hardja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER Muflih Rori Pura Harahap Pembimbing : Dr. Drs. Agus Suharsono, M.S.
2
3 LATAR BELAKANG PENDAHULUAN 3
4 LATAR BELAKANG PENDAHULUAN Peningkaan hasil penjualan sepeda moor sau bulan menjelang lebaran Idul Firi Model peramalan yang sesuai unuk meprediksi penjualan sepeda moor PENELITIAN SEBELUMNYA 2 3 Nursia (200) yaiu dengan judul Analisis Peramalan Penjualan Sepeda Moor di Mira Pinashika Musika (MPM) Honda Moor dengan Pendekaan ARIMA Box-jenkins Rusiano (200) yaiu Analisis Peramalan Jumlah Perminaan Kerudung di Indusri Kerudung Arin di Surabaya dengan Meode Variasi Kalender Dini (202) yaiu Peramalan Kebuuhan Premium dengan Meode ARIMAX unuk Opimasi Persedian di Wilayah TBBM Madiun. 4
5 PENDAHULUAN TUJUAN PENELITIAN 2 3 Mendeskripsikan pola penjualan sepeda moor jenis cub, maic, dan spor yang erjadi di Kabupaen Ngawi. Memperoleh model peramalan dengan meode ARIMA dan ARIMAX unuk daa penjualan sepeda moor jenis cub, maic, dan spor di Kabupaen Ngawi. Memperoleh nilai ramalan penjualan sepeda moor jenis cub, maic, dan spor yang erjadi di Kabupaen Ngawi unuk periode selanjunya berdasarkan model yang erbaik. BATASAN PENELITIAN 5
6 Pengerian Time series Time series adalah serangkaian daa pengamaan yang erjadi berdasarkan indeks waku secara beruruan dengan inerval waku eap dimana pengambilan daanya dilakukan pada inerval waku dan sumber yang sama (Wei, 2006). Kesasioneran Daa Dalam Time Series p Model ARIMA Non Musimam φ ( = θ 0 θ p d B )( B) Z q ( B) Musiman φ ( Θ S d S D S B ) Φ P ( B )( B) ( B ) Z = θ q ( B) Q ( B ) Secara umum, idenifikasi model ime series dapa dilakukan dengan meliha plo ACF dan plo PACF a a Sasioner dalam mean Sasioner dalam varians 6
7 Model Variasi Kalender Berbasis Regresi Time Series Secara umum, analisis regresi ime series memiliki kesamaan benuk model dengan model regresi linier. Yaiu dengan mengasumsikan bahwa respon adalah dependen series yang dipengaruhi oleh beberapa kemungkinan predikor aau independen series, dimana inpu adalah variabel fix dan dikeahui. Esimasi modelnya: Y = β S,... β ss s, γ δv,... δ pv p, w Apabila belum whie noise maka lag yang signifikan berdasarkan plo ACF dan PACF w diambahkan sebagai variabel independen. Y = β β S φ y 0 y, φ β S p s p s, φ y γ δ V ε,... δ V p p, Model Variasi Kalender Berbasis ARIMAX Model ARIMA dengan ambahan variabel dummy disebu model ARIMAX Melakukan pemodelan regresi dengan persamaan Y w = γ β S,... β ss s, δv,... δ pv p, Unuk mendapakan model w digunakan model ARIMA Y γ β S β S δ V δ V δ V = θ q ( B) Θ φ ( B) Φ p Q P, ( B ( B S S... s s,, 2 2, p p, ) a ) 7
8 Pemilihan Model Terbaik Pada peneliian ini penenuan model erbaik dengan menggunakan MAPE (Mean Absolue Percenage Error). n MAPE = n = Y Yˆ Y 00 % Q = n( n 2) K k = 2 ˆ ρ k D = Sup S(x) F0 (x) ( n k) Dengan n menyaakan banyaknya daa yang akan dihiung residualnya. Model erbaik yang dipilih merupakan model dengan nilai MAPE erkecil. 8
9 METODOLOGI PENELITIAN Sumber Daa Daa yang digunakan dalam peneliian ini adalah daa sekunder hasil oal penjualan sepeda moor baru jenis cub, maic, dan spor di Kabupaen Ngawi dari uari 2009 hingga Desember 203 dari MPM Honda Moor Surabaya. Variabel Peneliian. Y C = Daa oal penjualan sepeda moor jenis cub di Kabupaen Ngawi dari bulan uari 2009 hingga Desember 203 sebanyak 60 daa. 2. Y M = Daa oal penjualan sepeda moor jenis maic di Kabupaen Ngawi dari bulan uari 2009 hingga Desember 203 sebanyak 60 daa. 3. Y S = Daa oal penjualan sepeda moor jenis spor di Kabupaen Ngawi dari bulan uari 2009 hingga Desember 203 sebanyak 60 daa. 4. Variabel dummy efek variasi kalender adalah sebagai beriku. 9
10 METODOLOGI PENELITIAN No Variabel Efek Kalender Variasi Pendefinisian Variabel Efek kalender Bulan dalam sau ahun M, : Bulan uari M 2, : Bulan Februari M 3, : Bulan Mare M 4, : Bulan April M 5, : Bulan Mei M 6, : Bulan Juni M 7, : Bulan i M 8, : Bulan Agusus M 9, : Bulan Sepember M 0, : Bulan Okober M, : Bulan Nopember M 2, : Bulan Desember 2 Efek Hari Raya Idul Firi H - : Bulan Sebelum Idul Firi H : Bulan Idul Firi H : Bulan Seelah Idul Firi 3 Efek waku (ren) Variabel Dummy Nilai Keerangan 4 0 Bulan uari 2009-Desember 200 d Bulan uari 20-Desember 20 0 Bulan uari 2009-Desember 20 d 2 Bulan uari 202-Desember 203 0
11 METODOLOGI PENELITIAN Srukur Daa Tahun Bulan Y C M, M 2, H - H H 2009 uari Y c, Februari 2 Y c, Mare 3 Y c, Sepember 57 Y c, Okober 58 Y c, Nopember 59 Y c, Desember 60 Y c,
12 METODOLOGI PENELITIAN Langkah Peneliian. Mendeskripsikan pola penjualan sepeda moor jenis cub, maic, dan spor di Kabupaen Ngawi. 2. Permodelan dengan meode ARIMA Membagi daa menjadi dua bagian, in sampel dengan jumlah periode adalah 60 bulan, ou sampel dengan periode 3 bulan. Mengeahui kesasioneran daa Pendugaan model ARIMA semenara yang sesuai Pengujian signifikansi parameer model Pengujian asumsi residual model 3. Permodelan dengan meode Variasi Kalender Memodelkan regresi linier dengan variabel dummy unuk mengeahui efek variasi kalender yang signifikan erhadap model penjualan moor iap jenis. Apabila error dari model regresi elah whie noise maka model bulanannya adalah model pada langkah ke-, namun apabila error dari model regresi dummy belum whie noise maka dilanjukan pada langkah ke-3 2
13 METODOLOGI PENELITIAN Langkah Peneliian Memodelkan residual yang belum whie noise dengan model ARIMA Menggunakan model ARIMA pada langkah ke-3 pada daa sebenarnya dan variabel dummy efek variasi kalender Mendapakan model ARIMAX dengan efek variasi kalender yang signifikan Melakukan pemeriksaan residual apakah sudah memenuhi asusmsi whie noise dan disribusi normal. Meliha kebaikan ramalan model ARIMAX berdasarkan Mean Absolue Percenage Error (MAPE). 4. Memprediksi penjualan sepeda moor perjenis berdasarkan model erbaik. 3
14 ANALISIS & PEMBAHASAN Saisika Deskripif Moor Cub Saisika Deskripif Moor Maic 4
15 ANALISIS & PEMBAHASAN Saisika Deskripif Moor Spor Pemodelen Penjualan Sepeda Moor Jenis cub dengan Meode ARIMA Cub_Toal Marke Bulan Tahun ,0 400 Lower CL Upper CL Lambda Auocorrelaion 0,8 0,6 0,4 0,2 0,0-0,2-0,4 SDev (using 95,0% confidence) Esimae -0,08 Lower CL -0,8 Upper CL 0,58 Rounded Value 0,00-0,6-0,8 -, Lag ,0-2,5 0,0 Lambda 2,5 5,0 Limi 5
16 ANALISIS & PEMBAHASAN Pemodelen Penjualan Sepeda Moor Jenis Maic dengan Meode ARIMA Pemodelen Penjualan Sepeda Moor Jenis Spor dengan Meode ARIMA Auomeic_Toal Marke Spor_Toal Marke Bulan Tahun Bulan Tahun Auocorrelaion,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0,6-0,8 -, Lag SDev ,0-2,5 Lower CL Upper CL Lambda (using 95,0% confidence) Esimae 0,20 Lower CL -0,33 Upper CL 0,74 Rounded Value 0,00 0,0 2,5 5,0 Lambda Limi Auocorrelaion,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0,6-0,8 -, Lag SDev ,0 Lower CL Upper CL Lambda (using 95,0% confidence) Esimae 0,0 Lower CL -0,50 Upper CL 0,75 Rounded Value 0,00-2,5 0,0 2,5 Lambda 5,0 Limi 6
17 ANALISIS & PEMBAHASAN Pemodelen Penjualan Sepeda Moor Jenis cub dengan Meode ARIMA Auocorrelaion,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0,6-0,8 -,0 Parial Auocorrelaion,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0,6-0,8 -, Lag Lag Berdasarkan plo ACF dan PACF dapa dikeahui bahwa pada penjualan sepeda moor jenis cub mengalami cu off pada lag. Model Dugaan Semenara ARIMA(,,) ARIMA(,,0) ARIMA(0,,) 7
18 ANALISIS & PEMBAHASAN Pemodelen Penjualan Sepeda Moor Jenis Maic dengan Meode ARIMA Auocorrelaion,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0,6-0,8 -,0 Parial Auocorrelaion,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0,6-0,8 -, Lag Lag Plo ACF mengalami cu off pada lag dan 7, sedangkan plo PACF mengalami cu off pada lag, 2 dan 6. Model Dugaan Semenara ARIMA([,2,6],,0) ARIMA(0,,[,7]) ARIMA([,2,6],,[,7]) 8
19 ANALISIS & PEMBAHASAN Pemodelen Penjualan Sepeda Moor Jenis Spor dengan Meode ARIMA,0,0 Auocorrelaion 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0,6-0,8 -, Lag Parial Auocorrelaion 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0,6-0,8 -, Lag Berdasarkan plo ACF dapa dikeahui bahwa pada penjualan sepeda moor jenis cub mengalami cu off pada lag dan 2. Pada plo PACF mengalami cu off pada lag dan 7. Model Dugaan Semenara ARIMA([,7],,0) ARIMA(0,,[,2]) ARIMA([,7],,[,2]) 9
20 ANALISIS & PEMBAHASAN Esimasi dan Pengujian Signifikansi Parameer ARIMA Cub Variabel Model Parameer Esimae Value P-value AIC Jenis Cub ARIMA(0,,) θ 0, ,83 <0,000-2,888 Pemeriksaan Diagnosik 2 χ 0,05; db Sampai Lag Chi-Square Deraja Bebas (db) P-value Uji Normalias 6 4,58 5,070 0,4695 D P-value 2 2, 9,675 0, , ,587 0, , ,72 0,4903 0, >0,500 20
21 ANALISIS & PEMBAHASAN Esimasi dan Pengujian Signifikansi Parameer ARIMA Maic Variabel Model Parameer Esimae Value P-value AIC Jenis Maic ARIMA([,2,6],,) θ φ φ 2 φ 6-0,5730-3,35 0,005-0, ,7 <0,000-0, ,69 <0,000-0,3309-3,49 0,000 3,233 Pemeriksaan Diagnosik 2 χ 0,05; db Sampai Lag Chi-Square Deraja Bebas (db) P-value Uji Normalias 6 3,9 2 5,99 0,2024 D P-value 2 6,32 8 5,507 0,68 8 8, ,685 0, , ,45 0,932 0, >0,500 2
22 ANALISIS & PEMBAHASAN Esimasi dan Pengujian Signifikansi Parameer ARIMA Spor Variabel Model Parameer Esimae Value P-value AIC Jenis Spor ARIMA(0,,[,2]) θ θ 2 0, ,05 <0,000-8,42-0, ,7 <0,000 Pemeriksaan Diagnosik 2 χ 0,05; db Sampai Lag Chi-Square Deraja Bebas (db) P-value Uji Normalias 6 5,00 4 9,488 0,2869 D P-value 2 7,99 0 8,307 0, , ,296 0, , ,924 0,3996 0,0767 >0,500 22
23 ANALISIS & PEMBAHASAN Model ARIMA Penjualan Sepeda Moor Jenis Cub, Maic dan Spor Y, = Y, 0,60867a, e Y 0,97428( Y2, Y2, 2) 0,56503( Y2, 2 Y2, 3) 0,3309( Y 2, 6 Y2, 7) 0, 573a2, e 2, = Y2, Y 3 0, , e, = Y3, a3, a3, 2 Krieria Kebaikan Model Variabel AIC MAPE Cub -2, ,5676 Maic 3, ,676 Spor -8, ,
24 ANALISIS & PEMBAHASAN Pemodelen Penjualan Sepeda Moor Jenis Cub dengan Meode ARIMAX = 896,49M 947,89M 2 090,3M 3 044, M 077,3 005,5M 256,5M 257, M Yc 4 M ,7M 9 00,9M 0 057, 3M 66,7M 2,48T 4, 64Td N Whie Noise Sampai Chi- Lag Square Df P-Value 6 4,84 6 0, ,3 2 0, ,73 8 0, ,5 24 0,7437 Whie Noise Uji Normalias D P-Value 0,088 >0.500 Normal Parameer Koefisien Sd Error Value P-value β 896,49 6,0 4,70 <0,000 β 2 947,89 6,4 5,44 <0,000 β 3 090,30 6,83 7,63 <0,000 β 4 044,0 62,26 6,77 <0,000 β 5 077,30 62,70 7,8 <0,000 β 6 005,50 63,5 5,92 <0,000 β 7 256,50 63,62 9,75 <0,000 β 8 257,90 64,0 9,62 <0,000 β 9 80,70 64,59 8,28 <0,000 β 0 00,90 65,09 6,9 <0,000 β 057,30 65,60 6,2 <0,000 β 2 66,70 66,3 7,64 <0,000 δ -,48 0,95-2,09 <0,000 λ -4,64,3-3,53 0,
25 ANALISIS & PEMBAHASAN Pemodelen Penjualan Sepeda Moor Jenis Maic dengan Meode ARIMAX = 37,45M 397,02M 2 474,6M 3 407, 77M 504,54M 5 429,92M 6 685,49M 7 456, 86M 8 498,24M 9 309,4M 0 274,78M 580, 95M2 72,4d 0,55T 27, Td Ym Sampai Lag Whie Noise Chi- Square 6 4,52 6 0, ,33 2 0, ,6 8 0, ,2 24 0,003 N Uji Normalias Df P-Value D P-Value Belum Whie Noise 0,347 5 <0,000 Tidak Normal Parameer Koefisien Sd Error Vlaue P-value β 37,45 20,55 2,63 0,05 β 2 397,02 2,43 3,27 0,002 β 3 474,60 22,43 3,88 0,0003 β 4 407,77 23,53 3,30 0,009 β 5 504,54 24,75 4,04 0,0002 β 6 429,92 26,06 3,4 0,004 β 7 685,49 27,48 5,38 <0,000 β 8 456,86 29,00 3,54 0,0009 β 9 498,23 30,6 3,8 0,0004 β 0 309,4 32,3 2,34 0,0239 β 274,78 34,09 2,05 0,0463 β 2 580,95 35,96 4,27 <0,000 γ 2-72,40 352,75-3,32 0,008 δ 0,55 3,82 2,76 0,0083 λ 2 27,20 7,80 3,49 0,00 25
26 ANALISIS & PEMBAHASAN Pemodelen Penjualan Sepeda Moor Jenis Maic dengan Meode ARIMAX,0,0 0,8 0,8 0,6 0,6 Auocorrelaion 0,4 0,2 0,0-0,2-0,4-0,6 Parial Auocorrelaion 0,4 0,2 0,0-0,2-0,4-0,6-0,8-0,8 -,0 -, Lag Lag Plo ACF mengalami cu off pada lag 5, sedangkan plo PACF mengalami cu off pada lag 5 dan 8. 26
27 ANALISIS & PEMBAHASAN Pemodelen Penjualan Sepeda Moor Jenis Maic dengan Meode ARIMAX Model Parameer Esimae P-value ARIMA([8],0,[5]) θ 5 φ 8 0, ,003-0,3248 0,0303 Whie Noise Uji Normalias Sampai Lag Chi-Square Df P-Value D P-Value 6 5,86 4 0, ,76 0 0, ,2 6 0,0850 0,09766 >0, , ,228 Whie Noise Normal 27
28 ANALISIS & PEMBAHASAN Pemodelen Penjualan Sepeda Moor Jenis Maic dengan Meode ARIMAX = 308,68M 404,39M 2 443,49M 3 390, 08M 506,M 5 444,27M 6 680,64M 7 48, 34M 8 59,88 309,7M 32,86M 589, M Ym 4 M ,40B 275,3d 2 0,7T 28,83Td 2 8 0,349B Whie Noise Uji Normalias Sampai Chi- Df P-Value D P-Value Lag Square 6 7,3 4 0, ,73 0 0,0597 0,043 0, ,47 6 0, ,7 22 0,022 a Parameer Koefisien Sd Error Value P-value ɸ 8-0,349 0,69-2,07 0,0448 θ 5 0,40 0,46 2,75 0,0088 β 308,676 0,657 3,04 0,004 β 2 404,392 0,688 3,98 0,0003 β 3 443,494 03,25 4,30 <0,000 β 4 390,077 02,69 3,80 0,0004 β 5 506,097 03,73 4,88 <0,000 β 6 444,27 07,828 4,2 0,0002 β 7 680,638 08,980 6,25 <0,000 β 8 48,344 0,895 4,34 <0,000 β 9 59,883 4,726 4,53 <0,000 β 0 309,695 5,879 2,67 0,006 β 32,863 7,856 2,65 0,0 β 2 589,70 7,995 5,00 <0,000 γ 2-275,300 26,448-4,88 <0,000 δ 0,705 2,295 4,67 <0,000 λ 2 28,827 5,284 5,46 <0,000 Whie Noise Normal 28
29 ANALISIS & PEMBAHASAN Pemodelen Penjualan Sepeda Moor Jenis Spor dengan Meode ARIMAX = 25,25M 58,45M 2 207,85M 3 206, 66M 224,66M 5 9,86M 6 304,66M 7 263, 06M 8 24,07M 9 94,87M0 99,87M 96, 07M2 76,88d 2 6, 494Td 2 N Ys 4 Whie Noise Uji Normalias Sampai Chi- Df P-Value D P-Value Lag Square 6 4,70 6 0, ,03 2 0, ,55 8 0, , ,5433 Whie Noise 0, <0,000 Tidak Normal Parameer Koefisien Sd Error Value P-value β 25,25 22,35 5,60 0,000 β 2 58,45 22,27 7, 0,000 β 3 207,85 22,2 9,36 0,000 β 4 206,66 22,6 9,32 0,000 β 5 224,66 22,3 0,5 0,000 β 6 9,86 22, 8,68 0,000 β 7 304,66 22, 3,78 0,000 β 8 263,06 22,3,89 0,000 β 9 24,07 22,6 0,88 0,000 β 0 94,87 22,2 8,77 0,000 β 99,87 22,27 8,97 0,000 β 2 96,07 22,35 8,77 0,000 γ 2-76,88 73,63-2,40 0,020 λ 2 6,494,495 4,34 0,000 29
30 ANALISIS & PEMBAHASAN Deeksi Oulier Y S = 33,08M 9,2M 248,96M 95,5d 23,04I, 5, 9, 2, 52 66,29M 99,73M 6,47d a 2, 2, 6, 202,78M 0, Obs Type Bulan 4 Addiive Mei Addiive i Addiive April ,70M 284,05M 207,02I, 2, Whie Noise Uji Normalias Sampai Chi- Df P-Value D P-Value Lag Square 6 8,37 6 0, ,04 2 0,626 > ,66 8 0, , ,2298 3, 7, 207,79M 4 89,90M 270,95M 42,47I 204M 55 4, 8, Parameer Koefisien Sd Error Value P-value β 33,08 5,8 8,42 <0,000 β 2 66,29 5,75 0,56 <0,000 β 3 25,70 5,70 3,74 <0,000 β 4 89,90 7,28 0,99 <0,000 β 5 9,2 7,7,3 <0,000 β 6 99,73 5,63 2,78 <0,000 β 7 284,05 7,9 6,53 <0,000 β 8 270,95 5,65 7,32 <0,000 β 9 248,96 5,68 5,88 <0,000 β 0 202,78 5,72 2,90 <0,000 β 207,79 5,77 3,7 <0,000 β 2 204,00 5,84 2,88 <0,000 γ 2-95,50 55,37-3,53 0,000 λ 2 6,47,3 5,73 <0,000 ω 4 207,02 39,74 5,2 <0,000 ω 55 42,47 39,63 3,60 0,0008 ω 52 23,04 39,3 3,4 0,
31 ANALISIS & PEMBAHASAN Perbandingan Model Peramalan ARIMA dan ARIMAX Hasil Ramalan Model Variabel MAPE Cub 52,5676 ARIMA Maic 2,676 Spor 23,3277 Cub 26,06 Variasi Maic 26,02084 Kalender Spor 4,3588 Periode YC YM YS Feb Mar Apr Mei Jun Agus Sep Ok Nop Des Periode YC YM Feb Mar Apr Mei Jun Agus Sep Ok Nop Des YS
32 KESIMPULAN & SARAN Kesimpulan Raa-raa Teringgi Jenis cub Jenis Maic Jenis Spor Sau Bulan Sebelum Lebaran Idul Firi Bulan Desember Sau Bulan Sebelum Lebaran Idul Firi Model Terbaik 32
33 (A) Variable Sales Cub Forc Model Forc Model 2 Forc Model 3 Hasil Ramalan (B) Variable Sales Maic Forc Model Forc Model 2 Hasil Ramalan Sales Cub Sales Maic Bulan Tahun Bulan Tahun Sales Spor (C) Variable Sales Spor Forc Model Forc Model 2 Hasil Ramalan Bulan Tahun Saran Peneliian selanjunya sebaiknya membua pemodelan dengan menggunakan krieria ou sample, sebaiknya menggunakan ou sample selama 2 bulan 33
34 DAFTAR PUSTAKA Bowerman, B. L., & O'Connell, R. T. (993). Forecasing and Time Series : an Applied Approach (3rd ed.). California: Duxbury Press. Cryer, J. D., & Chan, K.-S. (2008). Time Series Ananlysis wih Applicaion in R (2nd ed.). New York: Springer ScienceBusiness Media. Dini, N. S. (202). Peramalan Kebuuhan Premium dengan Meode ARIMAX unuk Opimasi Persediann di Wilayah TBBM Madiun. Tugas Akhir, Insiu Teknologi Sepuluh Nopember, Saisika, Surabaya. Lee, M. S., & Suharono. (200). Calendar variaion model based on ARIMAX for forcasing sales daa wih Ramadhan effec. Proceedings of he Regional Conference on Saisical Sciences, MPM Moor Honda. (203). Toal marke dan sales honda Ngawi: MPM Moor Honda. Shumway, R. H., & Soffer, D. S. (2006). Time Series Analysis and Is Applicaions wih R Examples (3rd ed.). Berlin: Springer Wei, W. W. (2006). Time Series Analysis Univariae and Mulivariae Mehods (2nd ed.). Unied Saes of America: Pearson 34
35 ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER Muflih Rori Pura Harahap Pembimbing : Dr. Drs. Agus Suharsono, M.S. 35
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 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 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 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 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 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 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 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 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 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 DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 9 PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL Y.P.Y. Asmara,
Lebih terperinciBAB 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 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 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 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 terperinciANALISIS PERAMALAN KOMBINASI TERHADAP JUMLAH PERMINTAAN DARAH DI SURABAYA (STUDI KASUS:
ANALISIS PERAMALAN KOMBINASI TERHADAP JUMLAH PERMINTAAN DARAH DI SURABAYA (STUDI KASUS: UDD PMI KOTA SURABAYA) Oleh: Winda Eka Febriana (0500) Pembimbing: Ir. Dwiamono Agus W., MIKom . LATAR BELAKANG DARAH
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 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 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 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 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 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 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 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 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 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 terperinciPeramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis
JURNAL SAINS DAN NI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Prin) D-224 Peramalan Penjualan Sepeda Moor di Jawa Timur dengan Menggunakan Model Dinamis Desy Musika dan Seiawan Jurusan Saisika,
Lebih 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 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 terperinciPROSEDUR PEMBENTUKAN MODEL VARIASI KALENDER BERDASARKAN MODEL ARIMAX UNTUK PERAMALAN DATA DENGAN EFEK VARIASI KALENDER
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
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 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 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 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 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan
Lebih terperinciBab 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 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 terperinciPrediksi Permintaan BBM di PT. Pertamina Region V dengan Metode Peramalan Data Time Series Hirarki
Prediksi Perminaan BBM di PT. Peramina Region V dengan Meode Peramalan Daa Time Series Hirarki Prania Dian Uari dan 2 Suharono Mahasiswa Jurusan Saisika FMIPA-ITS (38 57) 2 Dosen Jurusan Saisika FMIPA-ITS
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 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 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 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 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 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 terperinciPERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS Puri Handayani NRP 1314 030 112 Dosen Pembimbing Dr. Brodjol Suijo Suprih Ulama, M.Si. Deparemen
Lebih terperinciBAB 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 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 terperinciPERAMALAN VOLUME PENJUALAN KEDELAI PT. X MENGGUNAKAN METODE ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN VOLUME PENJUALAN KEDELAI PT. X MENGGUNAKAN METODE ARIMA BOX-JENKINS Affanda Abdul Hakim Aminullah NRP 1314 030 048 Dosen Pembimbing : Dr. Brodjol Suijo S.U., M.Si Deparemen
Lebih terperinciDosen 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 terperinciPemodelan Produksi Minyak dan Gas Bumi di PT. Z Menggunakan Metode ARIMA, FFNN, dan Hybrid ARIMA-FFNN
D-444 JURNAL SANS DAN SEN TS Vol. 5 No. 2 (206) 27-520 (20-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi di PT. Z Menggunakan Meode ARMA, FFNN, dan Hybrid ARMA-FFNN Daniar Kusumaning Ayu, Desri Susilaningrum
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian yang dilakukan mengenai analisis perencanaan pengadaan una berdasarkan ramalan ime series volume ekspor una loin beku di PT Tridaya Eramina
Lebih terperinciMODEL 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 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 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 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 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 terperinciJURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print) D-326
JURNAL AIN DAN ENI OMIT Vol. 3, No., (4) 337-35 (-98X rin) D-36 eramalan Toal Marke eeda Moor dan Toal enjualan Moor X di roinsi Jawa Timur dengan endekaan ARIMA Box-Jenkins dan Auoregressive Inegraed
Lebih terperinciPERAMALAN JUMLAH KEBERANGKATAN PENUMPANG PELAYARAN DALAM NEGERI DARI PELABUHAN TANJUNG PERAK MENGGUNAKAN ARIMA-BOX JENKINS
TUGAS AKHIR SS 4556 PERAMALAN JUMLAH KEBERANGKATAN PENUMPANG PELAYARAN DALAM NEGERI DARI PELABUHAN TANJUNG PERAK MENGGUNAKAN ARIMA-BOX JENKINS Nina Fannani NRP 34 030 02 Dosen Pembimbing Dr. Wahyu Wibowo,
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 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 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 terperinciPERAMALAN NILAI EKSPOR NON MIGAS SEKTOR PERINDUSTRIAN DI JAWA TIMUR DENGAN MENGGUNAKAN ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN NILAI EKSPOR NON MIGAS SEKTOR PERINDUSTRIAN DI JAWA TIMUR DENGAN MENGGUNAKAN ARIMA BOX-JENKINS Mohammad Fariq NRP 1314 030 015 Dosen Pembimbing Dra. Sri Mumpuni Renaningsih,
Lebih terperinciIDENTIFIKASI POLA DATA TIME SERIES
IDENTIFIKASI POLA DATA TIME SERIES Daa merupakan bagian pening dalam peramalan. Beriku adalah empa krieria yang dapa digunakan sebagai acuan agar daa dapa digunakan dalam peramalan.. Daa harus dapa dipercaya
Lebih terperinciPERAMALAN JUMLAH 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 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 terperinciMetode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api
Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api Efek Variasi Kalender dengan Pendekatan Regresi Time Series Nur Ajizah 1, Resa Septiani Pontoh 2, Toni Toharudin 3 Mahasiswa Program
Lebih 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 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 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 terperinciBAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan
BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,
Lebih terperinciBAB 2 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 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 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 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 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 terperinciPemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input
Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input Oleh : Defi Rachmawati 1311 105 007 Dosen Pembimbing :
Lebih terperinciPeramalan Volume Penjualan Total Sepeda Motor di Kabupaten Bojonegoro dan Lamongan dengan Pendekatan Model ARIMAX dan VARX
Peramalan Volume Penjualan Toal Seeda Moor di Kabuaen Bojonegoro dan Lamongan dengan Pendekaan Model ARIMAX dan VARX Sii Maghfiroul Ulyah, Desri Susilaningrum, 3 Suharono Jurusan Saisika, Fakulas MIPA,
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 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 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 terperinciMetode Regresi Linier
Modul 1 Meode Regresi Linier Prof. DR. Maman Djauhari A PENDAHULUAN nalisis regresi linier, baik yang sederhana maupun yang ganda, elah Anda pelajari dalam maa kuliah Meode Saisika II. Dengan demikian
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 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 terperinciPeramalan Kebutuhan Bahan Bakar Premium di Depot Ampenan dengan Metode Hibrida Arima- Neural Network untuk Optimasi Persediaan
JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 202) ISSN: 230-928X D-94 Peramalan Kebuuhan Bahan Bakar Premium di Depo Ampenan dengan Meode Hibrida Arima- Neural Nework unuk Opimasi Persediaan Okivianis Kusumaningrum,
Lebih terperinciPENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN
IndoMS Journal on Saisics Vol., No. (04), Page 7-37 PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN Dinda Ariska Wulandari,
Lebih terperinciPEMODELAN ARIMA UNTUK KANAL HF LINK MALANG - SURABAYA
PEMODELAN ARIMA UNTUK KANAL HF LINK MALANG - SURABAYA Lissa Rosdiana Noer, Achmad Mauludiyano. Program Sudi Telekomunikasi Mulimedia Jurusan Teknik Elekro Fakulas Teknologi Indusri Insiu Teknologi Sepuluh
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN. Disini tujuan akhir yang ingin dicapai penulis adalah pembuatan suatu aplikasi
BAB 5 HASIL DAN PEMBAHASAN Disini ujuan akhir yang ingin dicapai penulis adalah pembuaan suau aplikasi program yang digunakan unuk membanu perusahaan dalam menenukan jumlah produksi demand. Disini ada
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 terperinciPeramalan Return Saham Bank Central Asia Menggunakan Self Exciting Threshold Autoregressive Genetic Algorithm
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (2016) 2337-3520 (2301-928X Prin) D-71 Peramalan Reurn Saham Bank Cenral Asia Menggunakan Self Exciing Threshold Auoregressive Geneic Algorihm Tesalonika Puri dan
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 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 terperinciPERAMALAN PENJUALAN LISTRIK DI PT. PEMBANGKITAN JAWA BALI (PT. PJB) KANTOR PUSAT SURABAYA
TUGAS AKHIR SS 145561 PERAMALAN PENJUALAN LISTRIK DI PT PEMBANGKITAN JAWA BALI (PT PJB) KANTOR PUSAT SURABAYA DIA LINA WARDATI NRP 1314 030 08 Dosen Pembimbing Dr Wahyu Wibowo SSi, MSi DEPARTEMEN STATISTIKA
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 terperinciAnalisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan
SEMINAR PROPOSAL TUGAS AKHIR Analisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan OLEH: NAMA : MULAZIMATUS SYAFA AH NRP : 13.11.030.021 DOSEN PEmbimbing: Dr.
Lebih terperinci1999 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 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 terperinciPeramalan Harga Saham Jakarta Islamic Index Menggunakan Metode Vector Autoregressive
D-408 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98 Prin) Peramalan Harga Saham Jakara Islamic Menggunakan Meode Vecor Auoregressive Farida Nur Hayai dan Brodjol Suijo S.U Jurusan Saisika Fakulas
Lebih terperinciPERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA
Seminar Hasil Tugas Akhir Jurusan Statistika Institut Teknologi Sepuluh Nopember Surabaya 2013 LOGO PERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA
Lebih 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 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 terperinci