PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL
|
|
- Ratna Tedja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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, Suharono dan A.J. Endhara Mahasiswa S Jurusan Saisika, ITS, Surabaya Dosen Jurusan Saisika, ITS, Surabaya Mahasiswa S Jurusan Saisika, ITS, Surabaya dhika.asmara@gmail.com; suharono@saisika.is.ac.id; alfonsus_je@yahoo.com ABSTRAK Peneliian ini dilakukan dengan ujuan unuk mengembangkan model variasi kalender berdasarkan pendekaan regresi dere waku unuk peramalan daa penjualan produk di suau perusahaan riel. Model regresi dere waku yang dikembangkan adalah model regresi berganda yang berbasis pada penggunaan variabel dummy unuk pola ren, musiman, dan efek variasi kalender. Sebagai sudi kasus, daa yang digunakan dalam peneliian ini adalah daa penjualan bulanan celana panjang wania di suau perusahaan riel selama uari sampai Sepember 9. Hasil pemodelan memberikan dua model regresi, yaiu model unuk rekonsruksi pola penjualan yang elah erjadi dan model unuk prediksi efek penjualan karena ada Lebaran pada bulan dimana Lebaran iu erjadi dan efek penjualan pada sau bulan sebelumnya. Hasil perbandingan keepaan ramalan menunjukkan bahwa model regresi dere waku yang dikembangkan memberikan hasil ramalan yang lebih baik dibanding model-model dere waku klasik unuk daa musiman, yaiu model dekomposisi dan ARIMA. Kaa-kaa kunci: regresi dere waku, variabel dummy, ren, musiman, variasi kalender, Lebaran.. Pendahuluan Daa penjualan produk di suau perusahaan riel seringkali dikumpulkan per 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, 98; Hillmer, 98; Bell dan Hillmer, 98). Selain
2 variasi akiba perbedaan banyaknya hari 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, 986). Kalender Hijriyah, yang ermasuk kalender bulan berdasarkan bulan dalam ahun dengan 54 aau 55 hari, digunakan di beberapa 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 Lebaran. Variasi kalen-der muncul dengan adanya hari besar Islam ini. Efek-efek variasi kalender dapa dikeahui dari banyaknya perdagangan sekiar hari Lebaran, anara lain sebelum, selama, dan/aau sesudah Lebaran. 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 (98) 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 (986) melakukan idenifikasi model dere waku unuk daa yang memiliki pola variasi kalender. Dalam peneliiannya, Liu menggunakan model ARIMA dan ambahan variabel efek variasi kalender. Holden, Thompson, dan Ruangri (5) 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. Di Indonesia, sampai saa ini belum banyak peneliian enang pengembangan model variasi kalender yang elah dilakukan. Suharono (6) elah mengembangkan model variasi kalender unuk peramalan penjualan bulanan produk sarden yang cenderung sanga inggi pada bulan yang mengandung kejadian Idul Firi. Dalam peneliian ini, akan dikembangkan suau model regresi dere waku unuk pemodelan daa yang
3 mengandung pola variasi kalender, khususnya penjualan bulan suau produk konveksi di perusahaan riel.. 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 meode dekomposisi dan model ARIMA musiman, dan yang berkaian dengan pengembangan model variasi kalender berbasis regresi dere waku, yaiu melalui penggunaan variabel dummy unuk menjelaskan pola ren, musiman, dan efek variasi kalender secara simulan... 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, 99). 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, 99; Box, Jenkins, dan Reinsel, 994; Cryer dan Chan, 8): dengan (B) S d S D S p B ) P( B )( B) ( B ) y q( B) Q( B ) (, () B p p = ( S S S P B ) = B B P q q (B) = B B qb ( S S S ) B B Q B pb QS Q B = B, dan S adalah periode musiman, B adalah operaor backshif, dan adalah dere noise dengan mean nol dan varians yang konsan. Box dan Jenkins (976) menge- B PS
4 nalkan suau prosedur pembenukan model ARIMA musiman yang efekif berdasarkan srukur auokorelasi suau dere waku... Regresi Dere Waku unuk Tren, Musiman, dan Variasi Kalender Model regresi dalam analisis dere waku memiliki benuk yang sama dengan model regresi linier. Dengan mengasumsikan bahwa variabel respon, y, unuk,,..., n dipengaruhi oleh variabel independen yang mungkin, dengan nilainya adalah pasi dan dikeahui, hubungan ini dapa diunjukkan sebagai model regresi linier (Shumway dan Soffer, 6). Bila daa y memiliki pola ren, dummy unuk ren () digunakan sebagai predikor, dan dapa diulis sebagai beriku: y w () dengan w adalah residual, yang harus berupa dere noise dan memenuhi asumsi IIDN(, w ). Daa dengan pola musiman sebagai beriku: S, S,,..., Ss,,, dapa diulis secara maemais y S, S,... sss, w (4) dengan S,, S,,..., Ss, adalah variabel dummy yang mewakili pola musiman. Sebagai conoh, bila daa berbenuk daa bulanan, ada variabel dummy musiman, yaiu dummy mewakili bulan. Bila daa berbenuk kuaralan, ada variabel dummy, dengan dummy mewakili kuaral. Model regresi linier unuk daa yang mengandung variasi kalender adalah y V, V,... pvp, w (5) dengan V p, adalah variabel dummy unuk efek variasi kalender ke-p. Banyaknya efek variasi kalender dapa diidenifikasi berdasarkan plo dere waku aau pemahaman fenomena dari variasi kalender ersebu pada daa.. Meodologi Peneliian Pada peneliian ini daa yang digunakan sebagai sudi kasus adalah daa bulanan penjualan celana panjang wania dari suau perusahaan riel di Klaen, yaiu penjualan mulai uari sampai dengan Sepember 9. Daa ujuh ahun perama digunakan sebagai daa in-sample dan daa sisanya sebagai daa ou-sample. Ada dua ahap pemodelan regresi dere waku yang dilakukan unuk mendapakan model yang akan digunakan unuk peramalan daa sudi kasus. Perama, pemodelan diawali dengan mengaplikasikan model regresi dere waku yang dapa menjelaskan pola ren, musiman, dan efek variasi kalender. Pada ahap ini, penenuan variabel dummy unuk efek variasi kalender merupakan ahap yang paling pening. Kedua, pemodelan efek variasi kalender dengan pendekaan 4
5 Y() regresi ren linier berdasarkan koefisien-koefisien regresi dere waku yang perama. Model ini pada akhirnya akan digunakan unuk menduga besarnya efek variasi kalender yang erjadi pada sembarang waku aau anggal. Pada ahap akhir analisis dilakukan evaluasi perbandingan keepaan ramalan anara model regresi dere waku yang dikembangkan dengan model dere waku yang klasik, yaiu meode dekomposisi dan model ARIMA musiman. Evaluasi kebaikan model difokuskan pada perbandingan hasil ramalan berdasarkan RMSE daa ou-sample. 4. Hasil Analisis Daa Daa penjualan bulanan celana panjang wania di salah sau oko riel di Klaen diunjukkan pada Gambar. Berdasarkan gambar ersebu, dikeahui bahwa penjualan celana panjang wania memiliki pola variasi kalender. Pola variasi kalender yang erjadi disebabkan oleh adanya pengaruh hari Lebaran yang diunjukkan oleh garis hijau puus-puus. Time Series Plo of Y() Des/ Nop/ Nop/4 Nop/5 Ok/6 Ok/7 Ok/ Monh Year Gambar. Plo Dere Waku Penjualan Bulanan Celana Panjang Wania Dari Gambar dapa diliha bahwa efek hari Lebaran pada suau bulan mempunyai pengaruh yang berbeda selama 7 ahun pengamaan. Gambar di aas menunjukkan bahwa secara umum ada dua bulan yang mengalami efek kenaikan akiba adanya Lebaran, yaiu sau bulan sebelum Lebaran dan bulan dimana Lebaran erjadi. Waku erjadinya Lebaran, yaiu anggal erjadinya Lebaran, memberikan pengaruh yang berbeda erhadap kenaikan penjualan sau bulan sebelum dan pada saa bulan Lebaran. Penjualan sau bulan sebelum Lebaran mengalami kenaikan yang paling besar apabila Lebaran jauh pada anggal di minggu perama suau bulan, seperi pada ahun, 5, dan 8. Sebalik- 5
6 Sales.Efec nya, jika Lebaran jauh pada anggal di minggu erakhir suau bulan maka penjualan di bulan sebelumnya cenderung kecil, seperi yang erjadi pada ahun dan 6. Sedangkan penjualan pada bulan dimana Lebaran erjadi mengalami kenaikan yang paling besar pada saa Lebaran jauh pada anggal di minggu erakhir suau bulan, seperi pada ahun dan 6. Secara umum dapa dijelaskan bahwa semakin ua anggal Lebaran yang erjadi pada suau bulan maka efek penjualan di bulan ersebu semakin besar, sebaliknya efek penjualan di sau bulan sebelumnya semakin kecil. Beriku adalah deskripsi lengkap enang anggal erjadinya Lebaran selama periode sampai dengan 9. Tabel. Tanggal erjadinya Lebaran selama periode -9 Tahun Lebaran Tanggal Keerangan 6-7 Desember Ada 5 hari sebelum Lebaran pada bulan Desember 5-6 Nopember Ada 4 hari sebelum Lebaran pada bulan Nopember Nopember Ada hari sebelum Lebaran pada bulan Nopember 5-4 Nopember Ada hari sebelum Lebaran pada bulan Nopember 6-4 Okober Ada hari sebelum Lebaran pada bulan Okober 7 - Okober Ada hari sebelum Lebaran pada bulan Okober 8 - Okober Ada hari sebelum Lebaran pada bulan Okober 9 - Sepember Ada hari sebelum Lebaran pada bulan Sepember Besarnya penjualan yang erjadi pada bulan erjadinya Lebaran dan sebelumnya dikaikan dengan anggal erjadinya Lebaran secara grafik dapa diliha pada Gambar beriku ini. Individual Value Plo of Sales.Efec Dae Even 6 4 Lebaran Lebaran- 5 Gambar. Diagram efek anggal Lebaran erhadap penjualan di bulan Lebaran dan sebelumnya 6
7 4.. Pengembangan Model Regresi Dere Waku unuk Peramalan Daa yang Mengandung Efek Variasi Kalender Sampai saa ini belum ada prosedur baku unuk pembenukan model dere waku yang mengandung efek variasi kalender seperi meode Box-Jenkins pada pemodelan ARIMA. Pada bagian ini akan dikembangkan prosedur baru unuk pembenukan model regresi dere waku yang dapa menjelaskan secara simulan pola ren, musiman, dan efek variasi kalender. Beriku ini adalah langkah-langkah yang elah dikembangkan pada prosedur baru ersebu.. Penenuan variabel dummy unuk periode variasi kalender Hasil deskripsi daa pada bagian sebelumnya menunjukkan bahwa secara umum penjualan bulanan produk yang diamai mengandung variasi kalender karena adanya fakor Lebaran di suau bulan. Efek fakor Lebaran erjadi pada dua waku pengamaan, yaiu pada bulan dimana Lebaran erjadi dan sau bulan sebelumnya. Hasil idenifikasi juga menunjukkan bahwa anggal erjadinya Lebaran yang berimplikasi pada jumlah hari sebelum Lebaran pada suau bulan mempunyai efek yang berbeda erhadap penjualan. Efek ersebu adalah semakin banyak jumlah hari sebelum Lebaran pada suau bulan maka penjualan di bulan iu juga cenderung semakin besar. Sebaliknya, semakin banyak jumlah hari sebelum Lebaran pada suau bulan maka penjualan di sau bulan sebelumnya cenderung semakin kecil. Berdasarkan idenifikasi ersebu, dalam peneliian ini diusulkan unuk menggunakan H j sebagai variabel dummy bulan yang erdapa Lebaran dan indeks j adalah jumlah hari sebelum Lebaran, SH j adalah variabel dummy bulan sebelum bulan Lebaran erjadi. Beriku adalah ringkasan dari variabel dummy yang digunakan. Tabel. Simbol variabel dummy yang digunakan dalam pemodelan Tahun Tanggal Lebaran Variabel Dummy 6-7 Desember H 5 =Desember, dan SH 5 = Nopember 5-6 Nopember H 4 =Nopember, dan SH 4 = Okober Nopember H =Nopember, dan SH = Okober 5-4 Nopember H =Nopember, dan SH = Okober 6-4 Okober H =Okober, dan SH = Sepember 7 - Okober H =Okober, dan SH = Sepember 8 - Okober H =Okober, dan SH = Sepember 9 - Sepember H =Sepember, dan SH = Agusus 7
8 . Penenuan ren deerminisik dan musiman Model unuk ren dan musiman yang digunakan adalah model unuk ren linear dan model regresi dummy unuk pola musiman dengan panjang periode musiman p, yaiu : Tren : Musiman : S S... psp.. Esimasi model variasi kalender berbasis regresi dere waku unuk pola ren, musiman, dan efek variasi kalender secara simulan Tahap ini merupakan ahap perama pemodelan regresi dere waku unuk daa yang mengandung variasi kalender, sekaligus ren linear dan musiman secara simulan. Secara maemais, model yang akan diesimasi adalah y S S psp H H 4H4 SH SH 4SH4 N. (6) 4. Uji apakah N sudah whie noise aau belum. Jika belum, ambahkan lag daa respon yang signifikan (orde auoregresif) berdasarkan plo ACF dan PACF dari N. 5. Esimasi model efek variasi kalender unuk berbagai kemungkinan jumlah hari sebelum Lebaran Tahap ini merupakan ahap kedua pemodelan regresi dere waku unuk daa yang mengandung variasi kalender, dalam kasus ini adalah pemodelan efek jumlah hari sebelum Lebaran pada penjualan di bulan ersebu dan bulan sebelumnya. Ada dua model ren penjualan yang diesimasi, yaiu : a. Model unuk efek jumlah hari sebelum Lebaran erhadap penjualan di bulan ersebu, j j (7a) dengan j adalah jumlah hari sebelum erjadi Lebaran pada suau bulan. Pada model ini, variabel respon yang digunakan adalah koefisien-koefisien regresi dari Persamaan (6), yaiu,,, 4. b. Model unuk efek jumlah hari sebelum Lebaran erhadap penjualan di sau bulan sebelum Lebaran erjadi, j j (7b) dengan j adalah jumlah hari sebelum erjadi Lebaran pada suau bulan. Pada model ini, variabel respon yang digunakan adalah koefisien-koefisien regresi dari Persamaan (6), yaiu,,, 4. Model pada Persamaan (7a) dan (7b) merupakan model yang akan digunakan unuk memprediksi efek Lebaran pada penjualan di bulan iu dan sebelumnya. 8
9 4.. Hasil Pemodelan Regresi Dere Waku unuk Daa Variasi Kalender Pada bagian ini akan dijelaskan hasil-hasil pemodelan regresi dere waku pada daa penjualan bulanan produk celana panjang wania di aas. Tahap awal adalah esimasi parameer model pada Persamaan (6) dan dengan menggunakan MINITAB diperoleh hasil sebagai beriku y,64 S 5 S 44 S 7 S4 7 S5 48 S6 S7 46 S8 5S 9 77S 6S 6S 56H 49H 5H 5 9H 6 H 76 H 557 H4 498 SH 47 SH 997 SH5 95 SH 58SH 7SH SH4. (8) Hasil idenifikasi signifikansi parameer dan kesesuaian dengan fenomena efek Lebaran erhadap penjualan, maka dilakukan eliminasi erhadap variabel H, dan diperoleh esimasi model baru yaiu y,49 6 S S 5 S 76 S4 78 S5 54 S6 6 S7 5 S8 9S 9 5S 74S 44S 45H 57H 5 7 H 57 H 56 H 55 H4 56 SH 5 SH 988SH5 4SH 657SH SH 87SH4. (9) Seelah mendapakan model yang sesuai dan memenuhi residual yang whie noise, maka selanjunya membua regresi anara nilai koefisien variabel H dan SH erhadap nilai j seperi pada Persamaan (7a) dan (7b). Hasil esimasi parameer pada kedua model ersebu adalah sebagai beriku : j 67,4 57, 4j, (a) j 6 5, 9j. (b) Model regresi pada Persamaan (a) menjelaskan bahwa raa-raa kenaikan penjualan per hari sebelum Lebaran pada bulan ersebu adalah 57 uni produk. Sedangkan Persamaan (b) menunjukkan raa-raa penurunan penjualan per hari pada sau bulan sebelum bulan Lebaran akiba berkurangnya hari sebelum Lebaran adalah 5 uni produk. Model regresi pada Persamaan (a) dan (b) secara visual dapa diliha pada Gambar. Dengan demikian, model persamaan regresi dere waku yang digunakan unuk meramalkan jumlah volume penjualan produk suau bulan di waku yang akan daang adalah y,49 6 S S 5 S 76 S4 78 S5 54 S6 6 S7 5 S8 9S 5S 74S 44S H SH 9 j j j j, () dengan j dan j diperoleh berdasarkan persamaan regresi pada (a) dan (b), dan H dan SH sesuai dengan jumlah hari sebelum Lebaran pada suau bulan. 9
10 alpha(j) gamma(j) alpha(j) = 67,4 + 57,4 j gamma(j) = 6-5,9 j j j 5 5 Gambar. Plo regresi alpha (Persamaan (a)) dan gamma (Persamaan (b)) 4.. Perbandingan Akurasi Ramalan anara Meode Dekomposisi, Model ARIMA Musiman, dan Model Regresi Dere Waku Meode dere waku umum, anara lain meode dekomposisi dan ARIMA musiman juga diaplikasikan pada daa penjualan celana panjang wania. Modelmodel ini dibandingkan dengan model regresi dummy. Beriku adalah abel enang ringkasan hasil perbandingan yang elah dilakukan. Tabel. Perbandingan RMSE in-sample dan ou-sample Model in-sample RMSE ou-sample Dekomposisi adiif ARIMA(,,)(,,) Regresi dere waku Berdasarkan nilai RMSE in-sample pada Tabel di aas, model regresi dere waku menghasilkan ramalan yang lebih akura dibandingkan meode dekomposisi dan model ARIMA musiman. Namun, berdasarkan nilai RMSE ou-sample model ARIMA musiman memberikan hasil ramalan yang lebih baik daripada model yang lain. Nilai RMSE ou-sample ini hanya unuk ramalan sembilan bulan ke depan aau sampai bulan Sepember 9. Secara visual, penilaian kebaikan model dapa diliha dari kedekaan nilai ramalan dan nilai akualnya. Plo dere waku pada Gambar menunjukkan akurasi ramalan masing-masing model. Gambar (a) menunjukkan perbandingan daa in-sample dengan hasil prediksinya, sedangkan Gambar (b) menunjukkan perbandingan daa ou-sample dengan hasil ramalannya selama empa ahun ke depan aau sampai dengan bulan Desember. Terliha pada Gambar (a) bahwa model dekomposisi dan ARIMA menghasilkan nilai ramalan yang lebih jauh dari nilai akualnya daripada nilai ramalan yang dihasilkan model regresi dere waku.
11 Daa Daa Meskipun nilai RMSE ou-sample model ARIMA musiman jauh lebih kecil eapi model ARIMA musiman ini idak dapa memberikan ramalan yang baik jika lebih dari dua ahun. Model ARIMA musiman dan dekomposisi memberikan ramalan kejadian musiman yang selalu sama jaraknya sedangkan hari Lebaran akan selalu maju sampai hari seiap ahunnya. Efek variasi kalender yang seperi ini yang masih belum diangkap oleh model dekomposisi dan ARIMA musiman. a 5 6/7 Dec 5/6 Nov 4/5 Nov 4 /4 Nov 5 /4 Oc 6 / Oc 7 / Oc 8 Variable Y() Fis Decomp Fis ARIMA Fis RegresTS 5 5 Monh Year b 5 Variable Daa 9 Decomp ARIMA RegresTS / Sep 9 / Sep / Aug 9/ Aug 5 5 Monh Year 9 Jul Jul Jul Jul Gambar. Plo dere waku model dan ramalan
12 5. Kesimpulan Secara umum, daa dere waku yang dipengaruhi oleh variasi kalender bulan memerlukan perlakuan khusus dalam pemodelannya. Penggunaan meode dekomposisi dan model ARIMA musiman akan menghasilkan hasil yang kurang epa dalam meramalkan daa jenis ini. Model regresi dere waku berbasis variabel dummy menghasilkan ramalan yang lebih akura daripada hasil meode dekomposisi dan model ARIMA musiman. Pada kasus daa bulanan penjualan celana panjang wania ini model erbaik adalah model regresi dere waku dengan variabel dummy yang dikembangkan dengan pemahaman khusus enang efek variasi kalender pada daa. Model regresi dere waku ini menghasilkan nilai RMSE in-sample sebesar dan RMSE ou-sample sebesar DAFTAR PUSTAKA Bell, W.R., and Hillmer, S.C. 98. Modeling Time Series wih Calendar Variaion. Journal of he American Saisical Associaion, 78, Bowerman, B.L., and O Connel, D. 99. 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. 8. Time Series Analysis. Wih Applicaion in R, nd Ediion. Springer. Hanke, J.E., and Wichern, D.W. 5. Business Forecasing. NJ: Prenice Hall, Englewood Cliffs. Hillmer, S.C., Bell, W.R., and Tiao, G.C. 98. 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, 74-. Hillmer, S.C. 98. Forecasing Time Series wih Trading Day Variaion. Journal of Forecasing,, Holden, K., Thompson, J., and Ruangri, Y. 5. The Asian crisis and calendar effecs on sock reurns in Thailand. European Journal of Operaional Research, 6, 4 5. Liu, L.M. 98. Analysis of Time Series wih Calendar Effecs. Managemen Science,, 6-. Liu, L.M Idenificaion of Time Series Models in he Presence of Calendar Variaion. Inernaional Journal of Forecasing,, 57-7.
13 Shumway, R.H., and Soffer, D.S. 6. Time Series Analysis and Is Applicaions wih R Examples, nd Ediion. Springer Suharono. 6. Calendar Variaion Model for Forecasing Time Series Daa wih Islamic Calendar Effec. Jurnal Maemaika, Sains, & Teknologi, Vol. 7, No., pp Wei, W.W.S. 99. Time Series Analysis: Univariae and Mulivariae Mehods. Addison-Wesley Publishing Co., USA.
PROSEDUR 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 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 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 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 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 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 terperinci*Corresponding Author:
Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion
Lebih terperinciBAB 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 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 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 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 INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 009 XV-1 ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Muhammad Sjahid Akbar, Jerry Dwi Trijoyo
Lebih terperinciBAB 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 III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel
BAB III ANALISIS INTERVENSI 3.1. Pendahuluan Analisis inervensi dimaksudkan unuk penenuan jenis respons variabel ak bebas yang akan muncul akiba perubahan pada variabel bebas. Box dan Tiao (1975) elah
Lebih terperinciBAB 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 terperinciBAB II TINJAUAN TEORITIS
BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan
Lebih terperinciBAB 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 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 terperinci(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF
Seminar Nasional Saisika 12 November 2011 Vol 2, November 2011 (T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Gumgum Darmawan, Sri Mulyani S Saf Pengajar Jurusan Saisika FMIPA UNPAD
Lebih terperinciBAB 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 terperinciPENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI
PENGGUNAAN ONSEP FUNGSI CONVEX UNU MENENUAN SENSIIVIAS HARGA OBLIGASI 1 Zelmi Widyanuara, 2 Ei urniai, Dra., M.Si., 3 Icih Sukarsih, S.Si., M.Si. Maemaika, Universias Islam Bandung, Jl. amansari No.1 Bandung
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 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 LANDASAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi
Lebih 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 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 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 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 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 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 terperinciProsiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PERAMALAN VOLUME PENGGUNAAN AIR BERSIH DENGAN METODE WINTERS EPONENTIAL SMOOTHING UNTUK MENENTUKAN VOLUME
Lebih terperinciPERAMALAN 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 terperinciBAB 2 LANDASAN TEORI
35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),
Lebih terperinciPerancangan Sistem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Metode Triple Exponential Smoothing
Jurnal Ilmiah Teknologi dan Informaika ASIA (JITIKA) Vol.10, No.2, Agusus 2016 ISSN: 0852-730X Perancangan Sisem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Meode Triple Exponenial Smoohing Tria
Lebih terperinciBAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat
BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber
Lebih terperinciBAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun
BAB III ARFIMA-FIGARCH 3. Time Series Memori Jangka Panjang Proses ARMA sering dinyaakan sebagai proses memori jangka pendek (shor memory) karena fungsi auokorelasi anara dan urun cepa secara eksponensial
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah persediaan merupakan masalah yang sanga pening dalam perusahaan. Persediaan mempunyai pengaruh besar erhadap kegiaan produksi. Masalah persediaan dapa diaasi
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 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 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 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 terperinciPENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK.
PENERAPAN METODE TRIPLE EXPONENTIAL MOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUAHAAN MEBEL INAR JEPARA TANJUNGANOM NGANJUK. ii Rukayah*), Achmad yaichu**) ABTRAK Peneliian ini berujuan unuk
Lebih terperinciUSULAN PENERAPAN METODE KOEFISIEN MANAJEMEN (BOWMAN S) SEBAGAI ALTERNATIF MODEL PERENCANAAN PRODUKSI PRINTER TIPE LX400 PADA PT X
USULAN ENERAAN METODE KOEISIEN MANAJEMEN (BOMAN S) SEBAGAI ALTERNATI MODEL ERENCANAAN RODUKSI RINTER TIE LX400 ADA T X Hendi Dwi Hardiman Jurusan Teknik Manajemen Indusri - Sekolah Tinggi Manajemen Indusri
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 terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*
PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor
Lebih 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju
Lebih terperinciBab 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 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 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 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 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 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 terperinciMuhammad Firdaus, Ph.D
Muhammad Firdaus, Ph.D DEPARTEMEN ILMU EKONOMI FEM-IPB 010 PENGERTIAN GARIS REGRESI Garis regresi adalah garis yang memplokan hubungan variabel dependen (respon, idak bebas, yang dipengaruhi) dengan variabel
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 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 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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
11 BAB I PENDAHULUAN 1.1 Laar Belakang Salah sau masalah analisis persediaan adalah kesulian dalam menenukan reorder poin (iik pemesanan kembali). Reorder poin diperlukan unuk mencegah erjadinya kehabisan
Lebih terperinciSISTEM PREDIKSI PENJUALAN GAMIS TOKO QITAZ MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING. Oleh: Salman Alfarisi
S. Alfarisi / Journal of Applied Business and Economics Vol. 4 No. 1 (Sep 2017) 80-95 SISTEM PREDIKSI PENJUALAN GAMIS TOKO QITAZ MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING Oleh: Salman Alfarisi Program
Lebih 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 terperinciPERAMALAN CURAH HUJAN DENGAN WAVELET
PERAMALAN CURAH HUJAN DENGAN WAVELET Garini Widosari 1 T-7 1 Polieknik Negeri Samarinda 1 garini_72@yahoo.com Absrak Peramalan adalah salah sau unsur yang sanga pening dalam pengambilan kepuusan. Peranan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu
BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang
Lebih 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 terperinciMODEL OPTIMASI PENGGANTIAN MESIN PEMECAH KULIT BERAS MENGGUNAKAN PEMROGRAMAN DINAMIS (PABRIK BERAS DO A SEPUH)
Journal Indusrial Servicess Vol. No. Okober 0 MODEL OPTIMASI PENGGANTIAN MESIN PEMECAH KULIT BERAS MENGGUNAKAN PEMROGRAMAN DINAMIS (PABRIK BERAS DO A SEPUH) Abdul Gopar ) Program Sudi Teknik Indusri Universias
Lebih terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH
BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Tahapan Pemecahan Masalah Tahapan pemecahan masalah berfungsi unuk memudahkan dalam mencari jawaban dalam proses peneliian yang dilakukan agar sesuai dengan arah
Lebih 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 terperinciBAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju perumbuhan
Lebih 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 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 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 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 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 terperinciBAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa
BAB 2 TINJAUAN TEORITI 2.1. Pengerian-pengerian Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. edangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih 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 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 terperinci