SEASONAL ARIMA Arum Handini Primandari

Ukuran: px
Mulai penontonan dengan halaman:

Download "SEASONAL ARIMA Arum Handini Primandari"

Transkripsi

1 SEASONAL ARIMA Arum Handini Primandari ALLPPT.com _ Free PowerPoint Templates, Diagrams and Charts

2 ARIMA Musiman Pola musiman dalam runtun waktu adalah perubahan pola yang berulang dalam kurun waktu s; dimana s didefinisikan sebagai banyaknya periode hingga pola berulang lagi. Dalam model ARIMA musiman; musiman AR dan MA memprediksi x t menggunakan nilai data dan error menggunakan lag yang merupakan kelipatan s. Dengan data bulanan (s = 12), AR musiman orde petama akan menggunakan x t-12 untuk memprediksi x t. Misal: kita memprediksi data bulan Agustus 2015, maka kita gunakan data Agustus 2014) AR musiman orde kedua akan menggunakan x t-12 dan x t-24 untuk memprediksi x t. Berarti jika kita ingin memprediksi data Agustus 2015, maka kita gunakan Agustus 2014 dan Agustus 2013

3 Differencing Musiman biasanya menyebabkan data menjadi tidak stasioner; ini dikarenakan nilai rata-rata pada waktu tertentu di dalam periode musiman dapat berbeda dari nilai rata-rata pada waktu yang lain. Contoh: penjualan kipas angin akan selalu lebih tinggi ketika di bulan-bulan cuaca panas. Diferensi musiman (Seasonal Differencing): Didefinisikan sebagai perbedaan antara suatu nilai dengan nilai pada lag kelipatan dari s. Diferensi musiman menghilangkan tren musiman dan random walk musiman; Contoh: dengan s = 12, diferensi musimannya adalah: 12 1 B x t x t x t 12

4 Diferensi non-musiman (Non-seasonal Differencing): Jika tren terdapat di dalam data, kita kemungkinan membutuhkan juga diferensi non-musiman. Biasanya (tidak selalu) diferensi non-musiman orde pertama akan menghilangkan tren ( detrend ). Diferensi orde pertama: 1 Bx t x t x t 1 Diferensi untuk tren dan musiman: Ketika tren dan musiman muncul dalam data, kita kemungkinan perlu menggunakan baik diferensi musiman maupun non-musiman.

5 NOTASI ARIMA tanpa diferensi p p k k 1 kb x t 1 kb t k1 k1 ARIMA dengan diferensi Contoh: 1. ARIMA (0,1,1) 1 B x 1 B atau x x 2. ARIMA (1,1,0) t t t t 1 t t 1 1 B1 Bx atau x x x x t t t t1 t1 t2 t 3. ARIMA (2,1,0) 2 1 B B 1 B x 1 2 t t

6 NOTASI SARIMA tanpa diferensi: Contoh: ARIMA (0,0,1) (0,0,1) x 1 B 1 B t Mengalikannya diperoleh x t t t1 t12 t13 t Persamaan tersebut mengimplikasikan ACF akan tidak-nol hanya pada lag 1, 12, dan 13

7 MODEL MUSIMAN ADDITIVE Pada model ini, komponen musiman berinteraksi dengan komponen non-musiman dalam model secara additive. Dinyatakan sebagai model: SARIMA ((p,p),(d,d),(q,q)) s Bagi proses x t (dengan komponen musiman MA) dapat dituliskan: p d D q s Qs 1 B... B 1 B 1 B x 1 B... B B... B 1 p t 1 q 1 Q t Bagi proses x t (dengan komponen musiman AR) dapat dituliskan: p s sp d D q 1 B... B B... B 1 B 1 B x 1 B... B 1 p 1 P t 1 q t

8 Contoh 1 Diberikan ARIMA ((0,0),(0,0),(1,1)) 12 t x 1 B B 12 t x t t t1 t12 Fungsi autokorelasi (ACF) akan tidak-nol di lag 1, 11, dan

9 ACF dan PACF 0.6; 0.9

10 MODEL MUSIMAN MULTIPLICATIVE Pada model ini, komponen musiman berinteraksi dengan komponen non-musiman dalam model secara additive. Dinyatakan sebagai model: SARIMA (p,d,q)(p,d,q) s Bagi proses x t (dengan komponen musiman MA) dapat dituliskan: p d D q s Qs 1 B... B 1 B 1 B x 1 B... B 1 B... B 1 p t 1 q 1 Q t Bagi proses x t (dengan komponen musiman AR) dapat dituliskan: p d D s sp q 1 B... B 1 B 1 B 1 B... B x 1 B... B 1 p 1 P t 1 q t

11 Contoh 2: Diberikan model ARIMA (0,0,1) (0,0,1) x 1 B 1 B t x t t t1 t12 t13 t Fungsi autokorelasi (ACF) tidak-nol di lag 1, 11, 12, dan 13 yaitu

12 ACF dan PACF 0.6; 0.9

13 Identifikasi Model 1. Menggambarkan plot data. Periksa adanya tren dan musiman. 2. Lakukan diferensi yang diperlukan: Jika terdapat musiman dan tidak terdapat tren: diferensi lag s; Jika terdapat tren dan tidak terdapat musiman yang jelas: diferensi orde pertama; Jika terdapat tren dan musiman: diferensi baik musiman maupun non-musiman. 3. Periksa ACF dan PACF Non-musiman: periksa lag-lag awal (1, 2, 3, 4); Musiman: periksa pola lag kelipatan s. Misal: unk data bulanan periksa lag 12, 24, 36, dst. Nilailah ACF dan PACF pada lag musiman seperti yang kamu lakukan pada lag awal.

14 Ringkasan cara penentuan model musiman

15 4. Estimasi model sesuai dengan langkah Periksa residual (diagnostic check). Jika menggunakan beberapa model, maka perlu dibandingkan AIC atau SC. Jika tidak memenuhi diagnostic check, maka kembali ke langkah 3.

16 Contoh 1: Data aliran air di Sungai Colorado di titik tertentu; untuk n = 600 bulan.

17 Dengan banyaknya titik, sedikit sulit untuk menilai ada tidaknya pola musiman. Oleh karena data aliran sungai, maka dugaannya adalah aliran tinggi ketika akhir musim semi dan awal musim panas. Tanpa pengetahuan tersebut, kita dapat menentukan ratarata bulan dalam tahun. Berikut adalah rata-rata bulanan dalam 1 tahun. Dari ratarata bulanan, terlihat adanya perbedaan bulanan (yang menunjukka n adanya musiman)

18 ACF dan PACF Musiman: ACF: keluar di sekitar lag 12; PACF: signifikan di lag 12, 24, 36, dst Model: seasonal MA (1)

19 Referensi STAT 510 ( Suhartono dan Muhammad H.L., 2011, Forecasting of Tourist Arrivals Using Subset, Multiplicative or Additive Seasonal ARIMA Model, Journal MATEMATIKA Department of Mathematical Science, vol 27 number 2 pp Cryer, Jonathan D., 1985, Time Series Analysis, PWS- KENT: Boston. Brockwell, Peter J., dan Davis, Richard A, 2001, Introduction to Time Series and Forecasting 2 rd, Springer: New York.

Pemodelan ARIMA Non- Musim Musi am

Pemodelan ARIMA Non- Musim Musi am Pemodelan ARIMA Non- Musimam ARIMA ARIMA(Auto Regresif Integrated Moving Average) merupakan suatu metode analisis runtun waktu(time series) ARIMA(p,d,q) Dengan AR : p =orde dari proses autoreggresif I

Lebih terperinci

Seasonal ARIMA adalah model ARIMA yang mengandung faktor musiman.

Seasonal ARIMA adalah model ARIMA yang mengandung faktor musiman. Definisi Seasonal ARIMA adalah model ARIMA yang mengandung faktor musiman. Musiman berarti kecenderungan mengulangi pola tingkah gerak dalam periode musim, biasanya satu tahun untuk data bulanan. Karena

Lebih terperinci

PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA

PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA Jurnal Matematika UNAND Vol. 3 No. 3 Hal. 59 67 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA ANNISA UL UKHRA Program Studi Matematika,

Lebih terperinci

METODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015

METODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam

Lebih terperinci

TINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang

TINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang II.. TINJAUAN PUSTAKA Indeks Harga Konsumen (IHK Menurut Monga (977 indeks harga konsumen adalah ukuran statistika dari perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang didapatkan.

Lebih terperinci

PENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI

PENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI TUGAS AKHIR - ST 1325 PENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI I G B ADI SUDIARSANA NRP 1303100058 Dosen Pembimbing Ir. Dwiatmono Agus Widodo,

Lebih terperinci

ABSTRAK. Kata kunci : Data Runtun Waktu, Indeks Harga Konsumen, ARIMA, Analisis Intervensi, Fungsi Step, Peramalan. I Pendahuluan

ABSTRAK. Kata kunci : Data Runtun Waktu, Indeks Harga Konsumen, ARIMA, Analisis Intervensi, Fungsi Step, Peramalan. I Pendahuluan Analisis Model Intervensi Fungsi Step Terhadap Indeks Harga Konsumen (IHK) Zuhairini Azzahra A 1, Suyono 2, Ria Arafiyah 3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas

Lebih terperinci

PEMODELAN DATA RUNTUK WAKTU PADA DATA PRODUKSI SUSU SAPI DI AMERIKA SEJAK TAHUN

PEMODELAN DATA RUNTUK WAKTU PADA DATA PRODUKSI SUSU SAPI DI AMERIKA SEJAK TAHUN PEMODELAN DATA RUNTUK WAKTU PADA DATA PRODUKSI SUSU SAPI DI AMERIKA SEJAK TAHUN 1962 1975 Jantini Trianasari Natangku dan Fitria Puspitoningrum Mahasiswa Program Studi Matematika Fakultas Sains dan Matematika

Lebih terperinci

PERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH

PERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH Jurnal Matematika UNAND Vol. VI No. 1 Hal. 1 8 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH

Lebih terperinci

PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH

PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH Jurnal Matematika UNAND Vol. VI No. 1 Hal. 110 117 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH

Lebih terperinci

Contoh Analisis Deret Waktu: BJSales

Contoh Analisis Deret Waktu: BJSales Contoh Analisis Deret Waktu: BJSales Untuk contoh analisis deret waktu ini, kita menggunakan data BJsales. Data ini adalah data tahunan dan dapat dengan mengetikkan BJsales pada konsul R. 1 Plot Data Plot

Lebih terperinci

PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA

PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA KEMENTERIAN PEKERJAAN UMUM BADAN PENELITIAN DAN PENGEMBANGAN PUSAT PENELITIAN DAN PENGEMBANGAN SUMBER DAYA AIR PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA PENDAHULUAN Prediksi data runtut waktu.

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini, akan dilakukan analisis dan pembahasan terhadap data runtun waktu. Adapun data yang digunakan dalam penelitian ini merupakan data sekunder, yaitu data

Lebih terperinci

Model Hibrida ARIMA dan Fuzzy Time Series Markov Chain

Model Hibrida ARIMA dan Fuzzy Time Series Markov Chain SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Model Hibrida ARIMA dan Fuzzy Time Series Markov Chain Dennis Frisca Ayudya, Dewi Retno Sari Saputro Program Studi Matematika Universitas Sebelas Maret

Lebih terperinci

PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER

PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER I Ketut Putra Adnyana 1, I Wayan Sumarjaya 2, I Komang Gde Sukarsa 3 1 Jurusan Matematika, Fakultas FMIPA

Lebih terperinci

PERAMALAN KUNJUNGAN WISATAWAN MENGGUNAKAN MODEL ARMAX DENGAN NILAI KURS DAN EKSPOR-IMPOR SEBAGAI FAKTOR EKSOGEN

PERAMALAN KUNJUNGAN WISATAWAN MENGGUNAKAN MODEL ARMAX DENGAN NILAI KURS DAN EKSPOR-IMPOR SEBAGAI FAKTOR EKSOGEN PERAMALAN KUNJUNGAN WISATAWAN MENGGUNAKAN MODEL ARMAX DENGAN NILAI KURS DAN EKSPOR-IMPOR SEBAGAI FAKTOR EKSOGEN Putu Ika Oktiyari Laksmi 1, Komang Dharmawan 2, Luh Putu Ida Harini 3 1 Jurusan Matematika,

Lebih terperinci

PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)

PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) Oleh : Nofinda Lestari 1208 100 039 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT

Lebih terperinci

PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT

PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT Novian Endi Gunawan 1, I Wayan Sumarjaya 2, I G.A.M. Srinadi 3 1 Program Studi Matematika,

Lebih terperinci

PREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)

PREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average) PREDIKSI HARGA SAHAM PT. BRI, MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average) Greis S. Lilipaly ), Djoni Hatidja ), John S. Kekenusa ) ) Program Studi Matematika FMIPA UNSRAT Manado

Lebih terperinci

PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR

PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR Seminar Nasional Matematika dan Aplikasinya, 21 Oktober 27 PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR

Lebih terperinci

PERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA

PERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA Jurnal UJMC, Volume 2, Nomor 1, Hal. 28-35 pissn : 2460-3333 eissn: 2579-907X PERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA Novita Eka Chandra 1 dan Sarinem 2 1 Universitas

Lebih terperinci

LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU. Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins

LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU. Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU Kelas A Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins No Nama Praktikan Nomor Mahasiswa Tanggal Pengumpulan 1 29 Desember 2010 Tanda Tangan Praktikan

Lebih terperinci

4 BAB IV HASIL PEMBAHASAN DAN EVALUASI. lebih dikenal dengan metode Box-Jenkins adalah sebagai berikut :

4 BAB IV HASIL PEMBAHASAN DAN EVALUASI. lebih dikenal dengan metode Box-Jenkins adalah sebagai berikut : 4 BAB IV HASIL PEMBAHASAN DAN EVALUASI Pada bab ini, akan dilakukan analisis dan pembahasan terhadap data runtut waktu. Data yang digunakan dalam penelitian ini merupakan data sekunder, yaitu data harga

Lebih terperinci

Peramalan Kandungan Particulate Matter (PM10) dalam Udara Ambien Kota Surabaya Menggunakan Double Seasonal ARIMA (DSARIMA)

Peramalan Kandungan Particulate Matter (PM10) dalam Udara Ambien Kota Surabaya Menggunakan Double Seasonal ARIMA (DSARIMA) JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (215) 2337-352 (231-928X Print) D-242 Peramalan Kandungan Particulate Matter (PM1) dalam Udara Ambien Kota Surabaya Menggunakan Double Seasonal ARIMA (DSARIMA) Bernadeta

Lebih terperinci

PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO

PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Perbandingan Model ARIMA... (Alia Lestari) PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Alia Lestari Fakultas Teknik Universitas

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan digunakanan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalis kendala atau memaksimalkan pengembangan baik

Lebih terperinci

FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA

FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA 1) Nurul Latifa Hadi 2) Artanti Indrasetianingsih 1) S1 Program Statistika, FMIPA, Universitas PGRI Adi Buana Surabaya 2)

Lebih terperinci

Bab IV. Pembahasan dan Hasil Penelitian

Bab IV. Pembahasan dan Hasil Penelitian Bab IV Pembahasan dan Hasil Penelitian IV.1 Statistika Deskriptif Pada bab ini akan dibahas mengenai statistik deskriptif dari variabel yang digunakan yaitu IHSG di BEI selama periode 1 April 2011 sampai

Lebih terperinci

Analisis Peramalan Data Produk Domestik Regional Bruto (PDRB) Sebagai Tolak Ukur Kinerja Perekonomian Provinsi Kepulauan Bangka Belitung

Analisis Peramalan Data Produk Domestik Regional Bruto (PDRB) Sebagai Tolak Ukur Kinerja Perekonomian Provinsi Kepulauan Bangka Belitung Analisis Peramalan Data Produk Domestik Regional Bruto (PDRB) Sebagai Tolak Ukur Kinerja Perekonomian Provinsi Kepulauan Bangka Belitung Desy Yuliana Dalimunthe Jurusan Ilmu Ekonomi, Fakultas Ekonomi,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan

Lebih terperinci

BAB II TINJAUAN PUSTAKA. autokovarians (ACVF) dan fungsi autokorelasi (ACF), fungsi autokorelasi parsial

BAB II TINJAUAN PUSTAKA. autokovarians (ACVF) dan fungsi autokorelasi (ACF), fungsi autokorelasi parsial BAB II TINJAUAN PUSTAKA Berikut teori-teori yang mendukung penelitian ini, yaitu konsep dasar peramalan, konsep dasar deret waktu, proses stokastik, proses stasioner, fungsi autokovarians (ACVF) dan fungsi

Lebih terperinci

Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia. Oleh : Pomi Kartin Yunus

Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia. Oleh : Pomi Kartin Yunus Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia Oleh : Pomi Kartin Yunus 1306030040 Latar Belakang Industri manufaktur yang berkembang pesat

Lebih terperinci

MODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI

MODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI MODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI Diajukan Kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta

Lebih terperinci

VI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER

VI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER VI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER 6.1. Analisis Pola Data Penjualan Ayam Broiler Data penjualan ayam broiler adalah data bulanan yang diperoleh dari bulan Januari 2006

Lebih terperinci

Application of ARIMA Models

Application of ARIMA Models Application of ARIMA Models We have learned how to model using ARIMA Stages: 1. Verify whether the data we are analyzing is a stationary data using ACF or other methods 2. If the data is not stationer,

Lebih terperinci

Peramalan Penjualan Pipa di PT X

Peramalan Penjualan Pipa di PT X Elviani, et al. / Peramalan Penjualan Pipa di PT X / Jurnal Titra, Vol.. 2, No. 2, Juni 2014, pp. 55-60 Peramalan Penjualan Pipa di PT X Cicely Elviani 1, Siana Halim 1 Abstract: In this thesis we modeled

Lebih terperinci

Peramalan Kecepatan Angin Di Kota Pekanbaru Menggunakan Metode Box-Jenkins

Peramalan Kecepatan Angin Di Kota Pekanbaru Menggunakan Metode Box-Jenkins Peramalan Kecepatan Angin Di Kota Pekanbaru Menggunakan Metode Box-Jenkins Ari Pani Desvina 1, Melina Anggriani 2,2 Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau Jl. HR.

Lebih terperinci

Oleh : Dwi Listya Nurina Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si

Oleh : Dwi Listya Nurina Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si Oleh : Dwi Listya Nurina 1311105022 Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si Air Bersih BUMN Penyediaan air bersih untuk masyarakat mempunyai peranan yang sangat penting dalam meningkatkan kesehatan

Lebih terperinci

model Seasonal ARIMA

model Seasonal ARIMA Jurnal Sains Matematika dan Statistika, Vol. No. i ISSN - Peramalan Wisatawan Mancanegara Ke Provinsi Riau Melalui Kota Pekanbaru Menggunakan Metode Seasonal ARIMA Ropita Munawaroh dan M. M. Nizam, Jurusan

Lebih terperinci

Metode Box - Jenkins (ARIMA)

Metode Box - Jenkins (ARIMA) Metode Box - Jenkins (ARIMA) Metode peramalan saat ini cukup banyak dengan berbagai kelebihan masing-masing. kelebihan ini bisa mencakup variabel yang digunakan dan jenis data time seriesnya. nah, dalam

Lebih terperinci

KOMBINASI PROSEDUR PEMODELAN SUBSET ARIMA DAN DETEKSI OUTLIER UNTUK PREDIKSI DATA RUNTUN WAKTU

KOMBINASI PROSEDUR PEMODELAN SUBSET ARIMA DAN DETEKSI OUTLIER UNTUK PREDIKSI DATA RUNTUN WAKTU UNIVERSITAS DIPONEGORO 013 ISBN: 978-60-14387-0-1 KOMBINASI PROSEDUR PEMODELAN SUBSET ARIMA DAN DETEKSI OUTLIER UNTUK PREDIKSI DATA RUNTUN WAKTU Tarno Program Studi Statistika FSM UNDIP e-mail: tarno@undip.ac.id

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara BAB 1 PENDAHULUAN 1.1 Pendahuluan Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB 2 LANDASAN TEORI 2.1 Iklim Iklim ialah suatu keadaan rata-rata dari cuaca di suatu daerah dalam periode tertentu. Curah hujan ialah suatu jumlah hujan yang jatuh di suatu daerah pada kurun waktu

Lebih terperinci

LULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI

LULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI LULIK PRESDITA W 1207 100 002 APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI 1 Pembimbing : Dra. Nuri Wahyuningsih, M.Kes BAB I PENDAHULUAN 2 LATAR BELAKANG 1. Stabilitas ekonomi dapat dilihat

Lebih terperinci

PERAMALAN JUMLAH PENUMPANG BANDARA I GUSTI NGURAH RAI DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA)

PERAMALAN JUMLAH PENUMPANG BANDARA I GUSTI NGURAH RAI DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) M-11 2) PERAMALAN JUMLAH PENUMPANG BANDARA I GUSTI NGURAH RAI DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) Naili Farkhatul Jannah 1), Muhammad Bahtiar Isna Fuady 2), Sefri

Lebih terperinci

Exponential Smoothing with Damped Trend Arum H. Primandari

Exponential Smoothing with Damped Trend Arum H. Primandari ALLPPT.com _ Free PowerPoint Templates, Diagrams and Charts Exponential Smoothing with Damped Trend Arum H. Primandari Rob J. Hyndman https://robjhyndman.com/ Pendahuluan Klasifikasi Pegels yang terdiri

Lebih terperinci

PERBANDINGAN MODEL PEMULUSAN WINTER DENGAN ARM A(p, q) UNTUK PERAMALAN STOK BERAS BULOG PEKANBARU ABSTRACT

PERBANDINGAN MODEL PEMULUSAN WINTER DENGAN ARM A(p, q) UNTUK PERAMALAN STOK BERAS BULOG PEKANBARU ABSTRACT PERBANDINGAN MODEL PEMULUSAN WINTER DENGAN ARM A(p, q) UNTUK PERAMALAN STOK BERAS BULOG PEKANBARU Arif Sanjaya 1, M.D.H Gamal 2, Sigit Sugiarto 2 1 Mahasiswa Program Studi S1 Matematika FMIPA Universitas

Lebih terperinci

TREND ANALYSIS INFANT MORTALITY RATE DENGAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA)

TREND ANALYSIS INFANT MORTALITY RATE DENGAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) TREND ANALYSIS INFANT MORTALITY RATE DENGAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) Jerhi Wahyu Fernanda, Wisnaningsih S, Emilia Boavida,, Prodi Rekam Medis Informasi Kesehatan Institut Ilmu Kesehatan

Lebih terperinci

PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS

PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS Oleh : Agustini Tripena ABSTRACT In this paper, forecasting the consumer price index data and inflation. The method

Lebih terperinci

MODEL ARMA (AUTOREGRESSIVE MOVING AVERAGE) UNTUK PREDIKSI CURAH HUJAN DI KABUPATEN SEMARANG JAWA TENGAH - INDONESIA. Salatiga, Jawa Tengah, Indonesia

MODEL ARMA (AUTOREGRESSIVE MOVING AVERAGE) UNTUK PREDIKSI CURAH HUJAN DI KABUPATEN SEMARANG JAWA TENGAH - INDONESIA. Salatiga, Jawa Tengah, Indonesia MODEL ARMA (AUTOREGRESSIVE MOVING AVERAGE) UNTUK PREDIKSI CURAH HUJAN DI KABUPATEN SEMARANG JAWA TENGAH - INDONESIA Adi Nugroho 1, Bistok Hasiholan Simanjuntak 2 1 Staf pengajar di Fakultas Teknologi Informasi

Lebih terperinci

Prediksi Wisatawan Mancanegara Ke Jawa Barat Melalui Pintu Masuk Bandara Husein Sastranegara dan Pelabuhan Muarajati Menggunakan Metode SARIMA

Prediksi Wisatawan Mancanegara Ke Jawa Barat Melalui Pintu Masuk Bandara Husein Sastranegara dan Pelabuhan Muarajati Menggunakan Metode SARIMA Politeknik Negeri Bandung July 26-27, Prediksi Wisatawan Mancanegara Ke Jawa Barat Melalui Pintu Masuk Bandara Husein Sastranegara dan Pelabuhan Muarajati Menggunakan Metode SARIMA Agus Supriatna 1, Betty

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-300

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-300 JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (203) 233-20 (230-9X Print) D-300 Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R- dengan Metode Fungsi Transfer

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 38 III. METODE PENELITIAN A. Konsep Dasar dan Batasan Operasional Konsep dasar dan definisi opresional mencakup pengertian yang dipergunakan untuk mendapatkan dan menganalisis data sesuai dengan tujuan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Peramalan (Forceasting) 2.1.1 Pengertian Peramalan Untuk memajukan suatu usaha harus memiliki pandangan ke depan yakni pada masa yang akan datang. Hal seperti ini yang harus dikaji

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Di Indonesia sejak tahun enam puluhan telah diterapkan Badan Meteorologi, Klimatologi, dan Geofisika di Jakarta menjadi suatu direktorat perhubungan udara. Direktorat

Lebih terperinci

Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah

Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Vol. 9, No., 9-5, Januari 013 Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Fitriani, Erna Tri Herdiani, M. Saleh AF 1 Abstrak Dalam analisis deret waktu

Lebih terperinci

PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER

PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER PKMT-2-13-1 PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER Umi Rosyiidah, Diah Taukhida K, Dwi Sitharini Jurusan Matematika, Universitas Jember, Jember ABSTRAK

Lebih terperinci

VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE

VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE (Studi Kasus : Kecepatan Rata-rata Angin di Badan Meteorologi Klimatologi dan Geofisika Stasiun Meteorologi Maritim Semarang) SKRIPSI

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Variabel ARIMA menggunakan variabel dependen harga saham LQ45 dan variabel independen harga saham LQ45 periode sebelumnya, sedangkan ARCH/GARCH menggunakan variabel dependen

Lebih terperinci

PEMODELAN GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) SEASONAL PADA DATA JUMLAH WISATAWAN MANCANEGARA EMPAT KABUPATEN/KOTA DI JAWA TENGAH

PEMODELAN GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) SEASONAL PADA DATA JUMLAH WISATAWAN MANCANEGARA EMPAT KABUPATEN/KOTA DI JAWA TENGAH ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman 1017-1026 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) SEASONAL

Lebih terperinci

Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA

Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA Jeine Tando 1, Hanny Komalig 2, Nelson Nainggolan 3* 1,2,3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan

Lebih terperinci

PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP

PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP SKRIPSI Disusun oleh : DITA RULIANA SARI NIM. 24010211140084 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO

Lebih terperinci

Pemodelan ARIMA Jumlah Pencapaian Peserta KB Baru IUD

Pemodelan ARIMA Jumlah Pencapaian Peserta KB Baru IUD Pemodelan ARIMA Jumlah Pencapaian Peserta KB Baru IUD Charisma Arianti, Arief Wibowo Departemen Biostatistika dan Kependudukan Fakultas Kesehatan Masyarakat Universitas Airlangga Surabaya Alamat Korespondensi:

Lebih terperinci

PEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU SULAWESI TENGAH

PEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU SULAWESI TENGAH JIMT Vol. 12 No. 2 Desember 2016 (Hal 149-159) ISSN : 2450 766X PEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU SULAWESI TENGAH 1 Y. Wigati, 2 Rais, 3 I.T.

Lebih terperinci

PERAMALAN CURAH HUJAN MENGGUNAKAN METODE ANALISIS SPEKTRAL

PERAMALAN CURAH HUJAN MENGGUNAKAN METODE ANALISIS SPEKTRAL E-Jurnal Matematika Vol. 5 (4), November 2016, pp. 183-193 ISSN: 2303-1751 PERAMALAN CURAH HUJAN MENGGUNAKAN METODE ANALISIS SPEKTRAL Ni Putu Mirah Sri Wahyuni 1, I Wayan Sumarjaya 2, I Gusti Ayu Made

Lebih terperinci

Metode Deret Berkala Box Jenkins

Metode Deret Berkala Box Jenkins METODE BOX JENKINS Metode Deret Berkala Box Jenkins Suatu metode peramalan yang sistematis, yang tidak mengasumsikan suatu model tertentu, tetapi menganalisa deret berkala sehingga diperoleh suatu model

Lebih terperinci

ESTIMASI DATA YANG HILANG DENGAN MENGGUNAKAN PROSES PENYARINGAN DALAM PEMODELAN DATA TIME SERIES

ESTIMASI DATA YANG HILANG DENGAN MENGGUNAKAN PROSES PENYARINGAN DALAM PEMODELAN DATA TIME SERIES ESTIMASI DATA YANG HILANG DENGAN MENGGUNAKAN PROSES PENYARINGAN DALAM PEMODELAN DATA TIME SERIES Rais 1 1 Jurusan Matematika FMIPA Universitas Tadulako, email: rais76_untad@yahoo.co.id Abstrak Makalah

Lebih terperinci

PENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.

PENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK. Jurnal Matematika UNAND Vol. VI No. 1 Hal. 25 32 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.

Lebih terperinci

SBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n

SBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n SBAB III MODEL VARMAX 3.1. Metode Analisis VARMAX Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n dengan variabel random Z n yang dapat dipandang sebagai variabel random berdistribusi

Lebih terperinci

MODEL FORECASTING WISATAWAN MANCANEGARA KE PROVINSI RIAU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR. Oleh : SALAM ALI WIRADINATA S

MODEL FORECASTING WISATAWAN MANCANEGARA KE PROVINSI RIAU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR. Oleh : SALAM ALI WIRADINATA S MODEL FORECASTING WISATAWAN MANCANEGARA KE PROVINSI RIAU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika Oleh

Lebih terperinci

Pemodelan 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 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 terperinci

Model Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan

Model Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan METODE BOX JENKINS Model Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan utk semua tipe pola data. Dapat

Lebih terperinci

Spesifikasi Model. a. ACF

Spesifikasi Model. a. ACF Dept. Statistika IPB, 0 Spesifikasi Model Ada tiga tahapan iterasi dalam pemodelan data deret waktu, yaitu:. Penentuan model tentatif (spesifikasi model) berdasarkan data contoh untuk mengidentifikasi

Lebih terperinci

Prediksi Curah Hujan Bulanan Untuk Kegiatan Pertanian/Perkebunan. Menggunakan Metoda SARIMA. (Seasonal Autoregressive Integrated Moving Average) :

Prediksi Curah Hujan Bulanan Untuk Kegiatan Pertanian/Perkebunan. Menggunakan Metoda SARIMA. (Seasonal Autoregressive Integrated Moving Average) : Prediksi Curah Hujan Bulanan Untuk Kegiatan Pertanian/Perkebunan Menggunakan Metoda SARIMA (Seasonal Autoregressive Integrated Moving Average) : Studi Kasus di Kabupaten Semarang Jawa Tengah Indonesia

Lebih terperinci

MODEL AUTOREGRESSIVE (AR) ATAU MODEL UNIVARIATE

MODEL AUTOREGRESSIVE (AR) ATAU MODEL UNIVARIATE MODEL AUTOREGRESSIVE (AR) ATAU MODEL UNIVARIATE Data yang digunakan adalah data M2Trend.wf1 (buku rujukan pertama, bab-8). Model analisisnya adalah Xt = M2 diregresikan dengan t = waktu. Model yang akan

Lebih terperinci

PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI)

PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) Liana Kusuma Ningrum dan Winita Sulandari, M.Si. Jurusan Matematika,

Lebih terperinci

PERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL. Oleh: Niswatul Maghfiroh NRP.

PERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL. Oleh: Niswatul Maghfiroh NRP. PERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL Oleh: Niswatul Maghfiroh NRP. 1208100065 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT

Lebih terperinci

Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api

Metode 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 terperinci

Pengenalan Analisis Deret Waktu (Time Series Analysis) MA 2081 Statistika Dasar 30 April 2012

Pengenalan Analisis Deret Waktu (Time Series Analysis) MA 2081 Statistika Dasar 30 April 2012 Pengenalan Analisis Deret Waktu (Time Series Analysis) ) MA 208 Statistika Dasar 0 April 202 Utriweni Mukhaiyar Ilustrasi Berikut adalah data rata-rata curah hujan bulanan yang diamati dari Stasiun Padaherang

Lebih terperinci

Program Studi Matematika, Institut Teknologi Kalimantan, Balikpapan

Program Studi Matematika, Institut Teknologi Kalimantan, Balikpapan J. Math. and Its Appl. E-ISSN: 2579-8936 P-ISSN: 1829-605X Vol. 14, No. 2, Desember 2017, 25-37 Perbandingan Metode ARIMA dan Double Exponential Smoothing pada Peramalan Harga Saham LQ45 Tiga Perusahaan

Lebih terperinci

DAFTAR ISI. BAB I PENDAHULUAN Latar Belakang Masalah Rumusan Masalah Batasan Masalah Tujuan Penelitian...

DAFTAR ISI. BAB I PENDAHULUAN Latar Belakang Masalah Rumusan Masalah Batasan Masalah Tujuan Penelitian... DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii HALAMAN PERNYATAAN... iii NASKAH SOAL TUGAS AKHIR... iv HALAMAN PERSEMBAHAN... v INTISARI... vi KATA PENGANTAR... vii UCAPAN TERIMA KASIH... viii

Lebih terperinci

Cetakan I, Agustus 2014 Diterbitkan oleh: Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pattimura

Cetakan I, Agustus 2014 Diterbitkan oleh: Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pattimura Hak cipta dilindungi Undang-Undang Cetakan I, Agustus Diterbitkan oleh: Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pattimura ISBN: ---- Deskripsi halaman sampul : Gambar yang ada pada cover

Lebih terperinci

PERAMALAN DBIT AIR SUNGAI BRANTAS DENGAN METODE GSTAR DAN ARIMA

PERAMALAN DBIT AIR SUNGAI BRANTAS DENGAN METODE GSTAR DAN ARIMA PERAMALAN DBIT AIR SUNGAI BRANTAS DENGAN METODE GSTAR DAN ARIMA HENNY DWI KHOIRUN NISA 1205 100 044 Dosen Pembimbing Dra Nuri Wahyuningsih, MKes Seminar Tugas Ahir Senin, 19 juli 2010 Latar belakang 1.

Lebih terperinci

Penerapan Model ARIMA

Penerapan Model ARIMA Penerapan Model ARIMA (Bagian II) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016 1 a. Lakukan proses pembedaan (differencing) sebanyak dua kali pada data asal. b. Lakukan pendugaan parameter pada

Lebih terperinci

BAB III METODE PENELITIAN. merupakan suatu proses, mencari kebenaran dan menghasilkan kebenaran.

BAB III METODE PENELITIAN. merupakan suatu proses, mencari kebenaran dan menghasilkan kebenaran. BAB III METODE PENELITIAN 3.1 Jenis / Pendekatan Penelitian Penelitian dan ilmu pengetahuan mempunyai kaitan yang erat keduanya merupakan suatu proses, mencari kebenaran dan menghasilkan kebenaran. Penelitian

Lebih terperinci

OPTIMALISASI PERENCANAAN PRODUKSI DENGAN PREEMPTIVE GOAL PROGRAMMING (STUDI KASUS: UD. DODOL MADE MERTA TEJAKULA, SINGARAJA)

OPTIMALISASI PERENCANAAN PRODUKSI DENGAN PREEMPTIVE GOAL PROGRAMMING (STUDI KASUS: UD. DODOL MADE MERTA TEJAKULA, SINGARAJA) OPTIMALISASI PERENCANAAN PRODUKSI DENGAN PREEMPTIVE GOAL PROGRAMMING (STUDI KASUS: UD. DODOL MADE MERTA TEJAKULA, SINGARAJA) Ni Putu Deviyanti 1, Ni Ketut Tari Tastrawati 2, I Wayan Sumarjaya 3 1 Jurusan

Lebih terperinci

Kajian Pustaka Analisis runtun waktu

Kajian Pustaka Analisis runtun waktu 1. Pendahuluan Di Indonesia, pengaruh pemanasan global menyebabkan perubahan iklim antara lain curah hujan dibawah normal, sehingga masa tanam terganggu. Pada tahun 1995 hingga 2005, total tanaman padi

Lebih terperinci

As ad 36, I Made Tirta 37, YulianiSetiaDewi 38

As ad 36, I Made Tirta 37, YulianiSetiaDewi 38 PERAMALAN PERTUMBUHAN PENDUDUK KABUPATEN SITUBONDO DENGAN MODEL ARIMA, DERET ARITMATIK, DERET GEOMETRI DAN DERET EKSPONENSIAL THE FORECASTING GROWTH OF THE POPULATION IN SITUBONDO BY USING ARIMA, ARITMATICS,

Lebih terperinci

PERAMALAN PEMAKAIAN ENERGI LISTRIK DI MEDAN DENGAN METODE ARIMA

PERAMALAN PEMAKAIAN ENERGI LISTRIK DI MEDAN DENGAN METODE ARIMA Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 1 (2014), pp. 55 69. PERAMALAN PEMAKAIAN ENERGI LISTRIK DI MEDAN DENGAN METODE ARIMA John Putra S Tampubolon, Normalina Napitupulu, Asima Manurung Abstrak.

Lebih terperinci

PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010

PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010 Statistika, Vol., No., Mei PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI Reksa Nila Anityaloka, Atika Nurani Ambarwati Program Studi S Statistika Universitas Muhammadiyah

Lebih terperinci

IMPLEMENTASI METODE BOX-JENKINS UNTUK MEMPREDIKSI HARGA MINYAK DUNIA DAN PENGARUHNYA TERHADAP HARGA MINYAK INDONESIA

IMPLEMENTASI METODE BOX-JENKINS UNTUK MEMPREDIKSI HARGA MINYAK DUNIA DAN PENGARUHNYA TERHADAP HARGA MINYAK INDONESIA Jurnal Ilmiah Matematika dan Pendidikan Matematika (JMP) Vol. 9 No. 2, Desember 2017, hal. 87-94 ISSN (Cetak) : 2085-1456; ISSN (Online) : 2550-0422; https://jmpunsoed.com/ IMPLEMENTASI METODE BOX-JENKINS

Lebih terperinci

BAB 2 LANDASAN TEORI Pengertian Data Deret Berkala

BAB 2 LANDASAN TEORI Pengertian Data Deret Berkala BAB 2 LANDASAN TEORI 2.1. Pengertian Data Deret Berkala Suatu deret berkala adalah himpunan observasi yang terkumpul atau hasil observasi yang mengalami peningkatan waktu. Data deret berkala adalah serangkaian

Lebih terperinci

1. Latar Belakang. Gambar 1 Plot Produksi Tembakau Indonesia. Gambar 2 Plot Harga Tembakau Indonesia

1. Latar Belakang. Gambar 1 Plot Produksi Tembakau Indonesia. Gambar 2 Plot Harga Tembakau Indonesia 1. Latar Belakang Tembakau merupakan komoditas yang mempunyai arti penting karena memberikan manfaat ekonomi bagi Indonesia. Meskipun demikian, komoditi tembakau di Indonesia menghadapi berbagai permasalahan,

Lebih terperinci

Analisis Dasar dalam Runtun Waktu

Analisis Dasar dalam Runtun Waktu Company LOGO Analisis Dasar dalam Runtun Waktu UJI STASIONERITAS: UJI UNIT ROOT UNIT ROOTS Shock is usually used to describe an unexpected change in a variable or in the value of the error terms at a particular

Lebih terperinci

PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI ABSTRAK

PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI ABSTRAK PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI Trio Yonathan Teja Kusuma 1, Sandra Praharani Nur Asmoro 2 1,2)

Lebih terperinci

Data Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun Tahun Bulan Wisman

Data Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun Tahun Bulan Wisman Lampiran 1. Data Tingkat Hunian Hotel di Propinsi DIY Tahun 1991-2003 48 49 Lampiran 1 Data Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun 1991-2003, Tahun Bulan Wisman 1991 1 27,00 1991 2 30,60

Lebih terperinci

BAB III MODEL ARIMAX DENGAN EFEK VARIASI KALENDER

BAB III MODEL ARIMAX DENGAN EFEK VARIASI KALENDER 21 BAB III MODEL ARIMAX DENGAN EFEK VARIASI KALENDER 3.1 Model Variasi Kalender Liu (Kamil 2010: 10) menjelaskan bahwa untuk data runtun waktu yang mengandung efek variasi kalender, dituliskan pada persamaan

Lebih terperinci

PERHITUNGAN VALUE AT RISK HARGA SAHAM DENGAN MENGGUNAKAN VOLATILITAS ARCH-GARCH DALAM KELOMPOK SAHAM LQ 45 ABSTRACT

PERHITUNGAN VALUE AT RISK HARGA SAHAM DENGAN MENGGUNAKAN VOLATILITAS ARCH-GARCH DALAM KELOMPOK SAHAM LQ 45 ABSTRACT PERHITUNGAN VALUE AT RISK HARGA SAHAM DENGAN MENGGUNAKAN VOLATILITAS ARCH-GARCH DALAM KELOMPOK SAHAM LQ 45 Boy A Lumban Gaol 1, Tumpal Parulian Nababan 2, Haposan Sirait 2 1 Mahasiswa Program Studi S1

Lebih terperinci

SEMINAR TUGAS AKHIR. Peta Kendali Comulative Sum (Cusum) Residual Studi Kasus pada PT. PJB Unit Pembangkitan Gresik. Rina Wijayanti

SEMINAR TUGAS AKHIR. Peta Kendali Comulative Sum (Cusum) Residual Studi Kasus pada PT. PJB Unit Pembangkitan Gresik. Rina Wijayanti SEMINAR TUGAS AKHIR Peta Kendali Comulative Sum (Cusum) Residual Studi Kasus pada PT. PJB Unit Pembangkitan Gresik Rina Wijayanti 1306100044 Pembimbing Drs. Haryono, MSIE Dedi Dwi Prastyo, S.Si., M.Si.

Lebih terperinci