Pemodelan Vector Autoregresive (VAR) pada Komoditas Harga Cabai di Jawa Tengah
|
|
- Indra Irawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Pemodelan Vector Autoregresive (VAR) pada Komoditas Harga Cabai di Jawa Tengah Memi Nor Hayati 1, Alan Prahutama 2,*, Hasbi Yasin 2, Tiani Wahyu Utami 3 1 Program Studi Statistika, Universitas Mulawarman 2 Departemen Statistika, Universitas Diponegoro Semarang 3 Program Studi Statistika, Universitas Muhammadiyah Semarang korespondensi: alan.prahutama@gmail.com Abstrak Analisis time series digunakan untuk memodelkan dan meramalkan data waktu yang berupa series. Metode time series yang sering digunakan salah satunya adalah metode ARIMA. Metode ARIMA hanya dilakukan untuk memodelkan data time series yang bersifat univariat. Sementara untuk memodelkan data time series yang sifatnya multivariat salah satunya menggunakan metode vector autoregressive (VAR). Asumsi dalam metode VAR antara lain data berdistribusi multivariat dan terjadi hubungan kausal antar variabel. Penentuan lag pada model var juga didasarkan pada plot PACF. Pada pemodelan VAR untuk komoditas harga cabai di Jawa Tengah terdapat hubungan antara variabel atau bisa dikatakan harga cabai di kota Semarang dipengaruhi oleh harga di kabupaten Cilacap dan kota Pekalongan. Nilai R-square yang dihasilkan dari setiap model berkisar 50%. Kata Kunci: VAR, harga cabai. Pendahuluan Inflasi merupakan naiknya harga komoditas barang ataupun jasa secara terus menerus. Nilai inflasi yang tidak terkontrol bisa mengganggu perekonomian suatu negara. Ada beberapa faktor-fakto ataupun variabel yang memberikan kontribusi terhadap perubahan inflasi. Komoditas-komoditas yang memberikan pengaruh terhadap inflasi dikelompokan menjadi tujuh sektor antara lain sektor bahan makanan, Sektor makanan jadi, minuman, rokok dan tembakau; Sektor Perumahan, Air, Listrik, Gas dan Bahan Bakar; Sektor Sandang; Sektor Kesehatan, Sektor Pendidikan, Rekreasi dan Olahraga; Sektor Transportasi, Komunikasi dan Jasa Keuangan. Salah satu komoditas yang memberikan nilai inflasi paling besar adalah bahan makanan. Contoh fenomena yang sering terjadi misalnya pada waktu bulan Ramadhan terjadi kenaikan harga pada bahan makanan seperti daging sapi, ayam dan telur sehingga memicu terjadinya kenaikan inflasi yang tidak terkontrol. Contoh lainnya adalah kenaikan harga cabai rawit yang disebabkan oleh para petani gagal panen juga menyebabkan kenaikan inflasi yang tidak terkendali. Oleh karena itu dibutuhkan suatu metode untuk memodelkan atau meramalkan harga-harga komoditas yang mempengaruhi nilai inflasi. Analisis runtun waktu merupakan analisis yang digunakan untuk memodelkan atau meramalkan data yang berupa waktu berbentuk series. Data time series merupakan data dari satu objek/subjek yang diamati secara terus menerus berdasarkan waktu yang ditentukan. Salah satu metode yang sering digunakan untuk menganalisa data time series adalah metode Autoregressive Integrated Moving Average (ARIMA). Metode ARIMA membutuhan asumsi stasioneritas terhadap rata-rata dan varian. Selain itu asumsi residual model ARIMA adalah white noise dan berdistribusi normal. Estimasi model ARIMA menggunakan Ordinary Least Square (OLS). Prosedur pemodelan menggunakan ARIMA antara lain pengujian stasioneritas, penentuan model ARIMA, overfitting dan underfitting, pengujian parameter, dan pengujian diagnostik model. Metode ARIMA hanya digunakan untuk menganalisis data time series yang sifatnya multivariat. Salah satu metode yang dikembangkan untuk menganalisa data time series yang sifatnya multivariat adalah metode Vector Autoregressive (VAR). Asumsi yang harus dipenuhi dalam memodelkan data time series multivariate menggunakan VAR antara lain terjadi kausalitas antar variabel pengamatan dan berdistribusi normal multivariat. Selain itu sebelum dimodelkan menggunakan VAR, data harus stasioner dulu secara multivariat. Untuk melakukan pengecakan stasioneritas data multivariat menggunakan Multivarite Partial Autocorrelation Function (MPACF). Sedangkan untuk menguji hubungan antar variabel dalam model VAR menggunakan kausalitas Gangger. Estimasi parameter pada model VAR juga menggunakan OLS. Prosedur pemodelan menggunakan VAR sama halnya dengan ARIMA antara lain stasioneritas data, 12
2 penentuan model VAR didasarkan pada lag, pengujian parameter dan pengujian diagnostik model. Pada penelitian ini, ingin memodelkan harga cabai di Jawa Tengah menggunakan metode VAR. Data didasarkan pada empat wilayah antara lain kota Semarang, Purwokerto, Surakarta dan kota Pekalongan. Model Vector Autoregressive (VAR) Menurut Widarjono (2013) secara umum model VAR dengan berikut: variabel dapat ditulis sebagai dengan = angka peramalan variabel pada waktu ke- ; = konstanta untuk variabel = nilai parameter pada variabel lag ke- = nilai parameter pada variabel 2 lag ke- = nilai parameter pada variabel lag ke- = nilai residual pada waktu ke- : 1, 2,, n dengan n = banyaknya pengamatan : dengan = banyaknya variabel : dengan = banyaknya lag Contoh model VAR dengan K variabel pengujian dan jumlah lag dapat dituliskan sebagai berikut: Contoh model VAR dalam bentuk matriks: = + Secara umum, model VAR untuk variabel akan terdiri dari persamaan dimana setiap satu persamaan merupakan persamaan dengan salah satu variabel sebagai variabel dependen, dan variabel independen adalah lag dari seluruh variabel yang lain (Rosadi, 2011). Untuk memodelkan menggunakan VAR data stasioner secara multivariat yang dicek melalui plot MACF (Multivariate Autocorrelation Function) dan MPACF (Multivariate Function). Selain itu data diuji apakah terjadi hubungan antar variabel atau tidak menggunakan uji Causalitas Gangger. Pengujian lain yang dilakukan adalah data berdistribusi normal multivariate. Uji Kausalitas Gangger Uji Kausalitas Uji kausalitas adalah pengujian untuk menentukan hubungan sebab akibat antara variabel dalam sistem VAR. Menurut Gujarati (2012), untuk melakukan pengujian terhadap hipotesis digunakan uji F dengan tahapan pengujian sebagai berikut: Hipotesis : 13
3 H0 : (variabel satu tidak berpengaruh terhadap variabel lain) H1: paling sedikit ada satu (variabel satu berpengaruh terhadap variabel lain) dengan dan atau H0: = 0 (variabel satu tidak berpengaruh terhadap variabel lain) H1: paling sedikit ada satu 0 (variabel satu berpengaruh terhadap variabel lain) dengan dan Hubungan sebab akibat ini bisa diuji dengan menggunakan uji kausalitas Granger, dengan statistik uji sebagai berikut: dengan: RSS R : jumlah residual kuadrat restricted RSS UR : jumlah residual kuadrat unrestricted :banyak lag :banyak data pengamatan :banyak parameter yang diestimasi pada model Jika nilai F hitung melebihi nilai tabel pada signifikansi 5% maka hipotesis nol ditolak, sehingga dapat disimpulkan variabel satu berpengaruh terhadap variabel lain. Estimasi Parameter Model VAR Estimasi parameter model VAR menggunakan Ordinary Least Square (OLS). Estimasi OLS diperoleh dengan meminimalkan jumlah kuadrat residual. Parameter yang diestimasi untuk model VAR menggunakan OLS adalah dengan dan. Dimisalkan perhitungan OLS dengan 2 variabel pengujian dan jumlah lag dengan model VAR adalah sebagai berikut: Bentuk persamaan matriks untuk Persamaan (4) adalah: dengan, dan Sehingga diperoleh estimasi parameter sebagai berikut: Pengujian Signifikansi Parameter Uji individual (uji-t) dilakukan untuk menguji pengaruh masing-masing parameter terhadap model. Hipotesis: H0: βji = 0 H1: βji 0 untuk j= 1,2,, k dan i=1,2,.,p Statistik Uji: Kriteria Pengujian: Tolak H0 jika > atau P-Value < α, dengan n banyaknya observasi Metodologi Penelitian Data yang digunakan pada penelitian ini adalah data komoditas cabai (per kg) di empat kota di Jawa Tengah antara lain kota Semarang (Y 1), kabupaten Purwokerto (Y 2), kabupaten Cilacap (Y 3) dan kota Tegal (Y 4). Data yang digunakan dari uari 2011 sampai Oktober Adapun langkahlangkah dalam memodelkan VAR sebagai berikut: 1. Pengujian stasioneritas data baik mean ataupun varian 2. Pengujian kausalitas gangger 3. Penentuan lag optimal 4. Estimasi model VAR 5. Pengujian parameter model VAR 6. Cek diagnostik yang meliputi independensi residual dan berdistribusi normal multivariate Analisis Dan Pembahasan Statistika Deskriptif harga Cabai Berikut disajikan scatterplot harga cabai di empat kota di Jawa Tengah antara lain kota Semarang, kabupaten Cilacap, kabupaten Purwokerto dan kota Pekalongan., 14
4 Data Variable Kota Semarang Purwokerto Cilacap kota Pekalongan Berdasarkan Gambar 1 terlihat bahwa harga cabai di empat wilayah tersebut tidak begitu jauh selisihnya. Harga cabai tertinggi bisa mencapai Rp 700-an per kg-nya. Harga cabai pada periode 2011-an sampai 2014-an cenderung stabil. Sedangkan memasuki tahun 2015 mengalami kelonjakan naik yang cukup signifikan. Berikut ditampilkan tabel statistika deskriptifnya Month Year Gambar 1. Scatterplot Harga Cabai beberapa kota di Jawa Tengah periode uari 2011 sampai Oktober 2016 Tabel 1. Statistik Deskriptif Harga Cabai beberapa kota di Jawa Tengah periode uari 2011 sampai Oktober 2016 Variabel Mean SE Mean Stdev Minimum Maksimum kota Semarang Purwokerto Cilacap kota Pekalongan Berdasarkan Tabel 1 terlihat bahwa ratarata harga cabai dikisaran Rp 200-an dan nilai maksimum bisa mencapai Rp 700-an. Pengujian Stasioneritas Data Pada penelitian ini dilakukan pengujian stasioneritas masing-masing variabel menggunakan pengujian Augmented Dickey Fuller Test (ADF-test) Tabel 2. Pengujian Stasioneritas data menggunakan ADF test Variabel Nilai ADF probabilitas Keputusan Kesimpulan kota Semarang H0 ditolak Data Stasioner Purwokerto H0 ditolak Data Stasioner Cilacap H0 ditolak Data Stasioner kota Pekalongan H0 ditolak Data Stasioner Berdasarkan tabel 2 menunjukan data disetiap wilayah sudah stasioner sehingga tidak perlu dilakukan diferencing. Pemodelan Harga Cabai Menggunakan VAR Berikut disajikan plot PACF untuk masing-masing variabel: (a) Kota Semarang (b) Kab. Purwokerto 15
5 (c) Kab. Cilacap (d) Kota Pekalongan Gambar 2. Plot PACF untuk masing masing variabel Gambar 2 menunjukan plot PACF untuk masing-masing variabel. Berdasarkan gambar tersebut untuk kota Semarang dan kabupaten Purwokerto keluar pad lag ke-1, sedangkan untuk kabupaten Cilacap dan kota Pekalongan keluar pada lag ke-2. Sehingga untuk pemodelan menggunakan model VAR, perlu ditentukan panjang lag terlebih dahulu. Berdasarkan hasil analisis yang didapatkan panjang lag ke-1 menghasilkan nilai AIC sebesar 69.48, sementara jika menggunakan panjang lag ke-2 menghasilkan AIC sebesar Kedua nilai AIC tersebut tidak begitu berbeda jauh, sehingga jika pertimbangan didasarkan juga pada parsimoni model maka model VAR yang sesuai adalah dengan penjang lag 1. Berikut diperoleh hasil estimasi dan pengujian parameter masing-masing model. Tabel 3. Hasil Estimasi Parameter model VAR untuk harga cabai di empat wilayah Koefesien Variabel parameter t-hitung probabilitas Keputusn Kesimpulan Pemodelan kota Semarang (Y1t) Constant H0 ditolak signifikan Y1t H0 diterima Tidak signifikan Y2t H0 ditolak signifikan Y3t H0 diterima Tidak signifikan Y4t H0 ditolak signifikan Pemodelan kabupaten Purwokerto (Y2t) Constant H0 diterima Tidak signifikan Y1t H0 diterima Tidak signifikan Y2t H0 ditolak signifikan Y3t H0 ditolak signifikan Y4t H0 ditolak signifikan Pemodelan kabupaten Cilacap (Y3t) Constant H0 ditolak signifikan Y1t H0 ditolak signifikan Y2t H0 ditolak signifikan Y3t H0 ditolak signifikan Y4t H0 ditolak signifikan Pemodelan kota Pekalongan (Y4t) Constant H0 ditolak signifikan Y1t H0 diterima Tidak signifikan Y2t H0 ditolak signifikan Y3t H0 ditolak signifikan Y4t H0 ditolak signifikan Adapun nilai R-square yang dihasilkan untuk model Y 1ˆ t sebesar 38.87%, untuk model Y ˆ 2t menghasilkan R-square sebesar 50.17%, untuk model Y ˆ 3t menghasilkan R-square 52.82% dan untuk model Y ˆ 4t menghasilkan nilai R-square 53.73%. Jika dituliskan persamaannya maka model VAR yang didapat untuk setiap variabel adalah sebagai berikut: Setelah dimodelkan langkah selanjutnya adalah pengujian white noise residual. Berikut disajikan tabel pengujian whiite noise residual 16
6 Tabel 3. Pengujian White noise model VAR Nilai Ljung Box probabilitas Keputusan Kesimpulan ke H0 diterima Residual White noise ke H0 diterima Residual White noise ke H0 diterima Residual White noise Tabel 3 menunjukan pengujian white noise untuk model VAR. Berdasarkan tabel tersebut terlihat bahwa model sudah white noise. Kesimpulan Berdasarkan analisis model VAR yang didapat kan untuk pemodelan harga Cabai di empat kota di jawa Tengah, data sudah stasioner sehingga tidak perlu dilakukan diferencing. Pada Pemodelan VAR terdapat hubungan disetiap variabel, semisal model Yˆ 1 t dipengaruhi oleh lag ke-(t-1) pada variabel kedua atau Purwokerto (Y2t-1) dan lag ke-(t-1) pada variabel keempat atau kota Pekalongan (Y4t-1). Walaupun nilai R-square yang dihasilkan tidak terlalu tinggi, tidak ada jaminan juga bahwa model yang dihasilkan buruk. Sebagai saran untuk ukuran kebaikan model bisa menggunakan MAPE ataupun pembagian training dan testing. Daftar Pustaka [1] Ariefianto, D Ekonometrika Esensi dan Aplikasi dengan menggunakan Eviews. Jakarta: PT Erlangga. [2] Gujarati, D dan Porter, D.N Basic Ekonometrics: Dasar-dasar Ekonometrika Edisi 5. Alih bahasa Raden Carlos M. Jakarta: Salemba Empat. [3] Makridakis, S., S.C Wheelwright, V.E. McGee Forecasting: Methods and Applications, Second Edition: Metode dan Aplikasi Peramalan Edisi Kedua. Alih bahasa Ir. Hari Suminto. Jakarta. Binarupa Aksara. [4] Okky, D. dan Setiawan Permodelan Indeks Harga Saham Gabungan (IHSG), Kurs, dan Harga Minyak Dunia dengan Pendekatan Vector Autoregressive. Jurnal Sains dan Seni ITS. Vol.1, No.1. [5] Rosadi, D Ekonometrika dan AnalisisRuntun Waktu Terapan dengan Eviews Yogyakarta: ANDI. [6] Tyas, V.R.A, Komang D., Made A Penerapan Model Arbitrage Pricing Theory dengan Pendekatan vector Autoregression dalam Mengestimasi Expected Return Saham. Jurnal Matematika. Vol.3, No.1. [7] Wei, W.W.S Time Series Analysis Univariae and Multivariate Methods. United States: Addison-Wesley Publishing Company. [8] Widarjono A Ekonometrika Pengantar dan Aplikasinya. Edisi keempat. Yogyakarta: UPP STIM YKPN. 17
PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2016, Halaman 101-110 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA
Lebih terperinciPeramalan Laju Inflasi dan Nilai Tukar Rupiah Terhadap Dolar Amerika Menggunakan Model Vector Autoregressive (VAR)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 673-682 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian Peramalan Laju Inflasi dan Nilai Tukar Rupiah Terhadap Dolar
Lebih terperinciPREDIKSI INFLASI BEBERAPA KOTA DI JAWA TENGAH TAHUN 2014 MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman 1045-1054 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PREDIKSI INFLASI BEBERAPA KOTA DI JAWA TENGAH TAHUN 2014 MENGGUNAKAN
Lebih terperinciLULIK 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 terperinciFORECASTING 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 terperinciPERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)
PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR) SKRIPSI Oleh : PRISKA RIALITA HARDANI 24010211120020 DEPARTEMEN STATISTIKA FAKULTAS
Lebih terperinciPENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH
PENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH Tri Mulyaningsih ), Budi Nurani R ), Soemartini 3) ) Mahasiswa Program Magister Statistika Terapan Universitas Padjadjaran
Lebih terperinciPROYEKSI DATA PRODUK DOMESTIK BRUTO (PDB) DAN FOREIGN DIRECT INVESTMENT (FDI) MENGGUNAKAN VECTOR AUTOREGRESSIVE (VAR)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman 895-905 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PROYEKSI DATA PRODUK DOMESTIK BRUTO (PDB) DAN FOREIGN DIRECT
Lebih terperinciPeramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun
Peramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun NAMA : RITA RAHMADHANI NRP : 1306 030 008 PEMBIMBING: DR. BRODJOL SUTIJO
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 547-556 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian Peramalan Inflasi Menurut Kelompok Pengeluaran Makanan Jadi,
Lebih terperinciPemodelan Inflasi di Kota Semarang, Yogyakarta, dan Surakarta dengan pendekatan GSTAR
JURNAL SAINS DAN SENI POMITS Vol., No., (0) 7-0 (0-X Prin D-7 Pemodelan Inflasi di Kota Semarang, Yogyakarta, dan Surakarta dengan pendekatan GSTAR Laily Awliatul Faizah dan Setiawan Jurusan Statistika,
Lebih terperinciPENGGUNAAN METODE VaR(Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT.TELKOM DENGAN PENDEKATAN MODEL GARCH-M
PENGGUNAAN METODE VaR(Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT.TELKOM DENGAN PENDEKATAN MODEL GARCH-M Oleh: NURKHOIRIYAH 1205100050 Dosen Pembimbing: Dra. Nuri Wahyuningsih, M.Kes. 1 Latar
Lebih terperinciPROYEKSI DATA PRODUK DOMESTIK BRUTO (PDB) DAN FOREIGN DIRECT INVESTMENT (FDI) MENGGUNAKAN VECTOR AUTOREGRESSIVE (VAR)
PROYEKSI DATA PRODUK DOMESTIK BRUTO (PDB) DAN FOREIGN DIRECT INVESTMENT (FDI) MENGGUNAKAN VECTOR AUTOREGRESSIVE (VAR) SKRIPSI Disusun Oleh : INDRA SATRIA 240 102 111 300 43 JURUSAN STATISTIKA FAKULTAS
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 737-745 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN DAYA LISTRIK BERDASARKAN JUMLAH PELANGGAN PLN MENGGUNAKAN
Lebih terperinciOUTLINE. Pendahuluan. Tinjauan Pustaka. Metodologi Penelitian. Analisis dan Pembahasan. Kesimpulan dan Saran
OUTLINE Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran LATAR BELAKANG Listrik elemen terpenting dalam kehidupan manusia Penelitian Sebelumnya Masyarakat
Lebih terperinciANALISIS INTERVENSI FUNGSI STEP (Studi Kasus Pada Jumlah Pengiriman Benda Pos Ke Semarang Pada Tahun )
ANALISIS INTERVENSI FUNGSI STEP (Studi Kasus Pada Jumlah Pengiriman Benda Pos Ke Semarang Pada Tahun 2006 2011) Amelia Crystine 1, Abdul Hoyyi 2, Diah Safitri 3 1 Mahasiswa Jurusan Statistika FSM UNDIP
Lebih terperinciModel Penjualan Plywood PT. Linggarjati Mahardika Mulia
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami) Vol., No., Juli 7, Hal. 52-57 p-issn: 25-4596; e-issn: 25-4X Halaman 52 Model Penjualan Plywood PT. Linggarjati Mahardika Mulia
Lebih terperinciPERAMALAN 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 terperinciPENGGUNAAN 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 terperinciMETODE 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 terperinciPenerapan Metode ARCH/GARCH Dalam Peramalan Indeks Harga Saham Sektoral
Jurnal Sains Matematika dan Statistika, Vol 2, No I, Januari 206 Penerapan Metode ARCH/GARCH Dalam Peramalan Indeks Harga Saham Sektoral Ari Pani Desvina, Nadyatul Rahmah 2,2 Jurusan Matematika Fakultas
Lebih terperinciPERAMALAN 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 terperinciPEMODELAN DAN PERAMALAN INDEKS HARGA SAHAM VECTOR AUTOREGRESSIVE EXOGENOUS (VARX)
PEMODELAN DAN PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG), JAKARTA ISLAMIC INDEX (JII), DAN HARGA MINYAK DUNIA BRENT CRUDE OIL MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE EXOGENOUS (VARX) SKRIPSI Disusun
Lebih terperinciPeramalan Inflasi Menurut Kelompok Pengeluaran Makanan Jadi, Minuman, Rokok dan Tembakau Menggunakan Model Variasi Kalender
Peramalan Inflasi Menurut Kelompok Pengeluaran Makanan Jadi, Minuman, Rokok dan Tembakau Menggunakan Model Variasi Kalender (Studi Kasus Inflasi Kota Semarang) SKRIPSI Disusun Oleh : AMANDA LUCKY BERLIAN
Lebih terperinciModel Vector Autoregressive (VAR) untuk Analisis Indeks Harga Konsumen Kota Samarinda dan Kota Sampit
Jurnal EKSPONENSIAL Volume, Nomor 1, Mei 13 ISSN 5-79 Model Vector Autoregressive (VAR) untuk Analisis Indeks Harga Konsumen Kota Samarinda dan Kota Sampit Vector Autoregressive Models (VAR) for the Analysis
Lebih terperinciPemodelan 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 terperinciPERAMALAN 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 terperinciMetode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api
Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api Efek Variasi Kalender dengan Pendekatan Regresi Time Series Nur Ajizah 1, Resa Septiani Pontoh 2, Toni Toharudin 3 Mahasiswa Program
Lebih terperinciANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG
ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG SKRIPSI Disusun Oleh : NOVIA DIAN ARIYANI 24010211120016 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Lebih terperinciMeytaliana F Dosen Pembimbing: Prof. Dr. Basuki Widodo, M.Sc. Dra. Nuri Wahyuningsih, M.Kes.
ESTIMASI PARAMETER AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) (STUDI KASUS PERAMALAN CURAH HUJAN DAS BRANGKAL MOJOKERTO) Meytaliana F. 1210100014
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini, dibahas mengenai model Vector Error Correction (VEC),
BAB III PEMBAHASAN Pada bab ini, dibahas mengenai model Vector Error Correction (VEC), prosedur pembentukan model Vector Error Correction (VEC), dan aplikasi model Vector Error Correction (VEC) pada penutupan
Lebih terperinciPERBANDINGAN 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 terperinciPemodelan 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 terperinciISSN: JURNAL GAUSSIAN, Volume 6, Nomor 3, Tahun 2017, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 3, Tahun 2017, Halaman 323-332 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN FUNGSI TRANSFER DENGAN DETEKSI OUTLIER UNTUK MEMPREDIKSI
Lebih terperinci99.9. Percent maka H 0 diterima, berarti residual normal
Uji residual white noise 2 Lag Q P value 6 3.5 9.49 0.5330 2 6.6 8.3 0.803 8 9.8 26.30 0.9059 24 9.3 33.92 0.6374 K p q Uji residual berdistribusi normal Percent 99.9 99 95 90 80 70 60 50 40 30 20 0 5
Lebih terperinciKAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q)
SIDANG TUGAS AKHIR KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) Disusun oleh : Ratna Evyka E.S.A NRP 1206.100.043 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
Lebih terperinciPENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus : KA Argo Muria)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 131-140 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN
Lebih terperinciAnalisis 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 terperinciPERAMALAN 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 terperinciPENGGUNAAN METODE VaR (Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT. TELKOM DENGAN PENDEKATAN MODEL GARCH-M
PENGGUNAAN METODE VaR (Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT. TELKOM DENGAN PENDEKATAN MODEL GARCH-M Oleh: Nurkhoiriyah 1205100050 Dosen pembimbing: Dra. Nuri Wahyuningsih, M. Kes. Jurusan
Lebih terperincimodel 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 terperinciPEMODELAN INFLASI DI KOTA SEMARANG, YOGYAKARTA, DAN SURAKARTA DENGAN PENDEKATAN GSTAR. Oleh : Laily Awliatul Faizah ( )
Seminar Hasil Tugas Akhir PEMODELAN INFLASI DI KOTA SEMARANG, YOGYAKARTA, DAN SURAKARTA DENGAN PENDEKATAN GSTAR Oleh : Laily Awliatul Faizah (357) Dosen Pembimbing : Dr. Ir. Setiawan, MS. Jurusan Statistika
Lebih terperinciSeminar Hasil Tugas Akhir
Peramalan Harga Obligasi Pemerintah Dengan Model Time Series Linier Dan Nonlinier WINDY LESTARI 30800047 Pembimbing : Dr. Brodjol Sutijo S.U., Msi Co. Pembimbing : Dr. Suhartono, Msc Agenda Pendahuluan
Lebih terperinciPEMODELAN RETURN SAHAM PERBANKAN MENGGUNAKAN EXPONENTIAL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (EGARCH)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2016, Halaman 91-99 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN RETURN SAHAM PERBANKAN MENGGUNAKAN EXPONENTIAL GENERALIZED
Lebih terperinciPeramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series
JURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (2017) ISSN: 2337-3520 (2301-928X Print) D-157 Peramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series Moh Ali Asfihani dan Irhamah
Lebih terperinciPERAMALAN NILAI EKSPOR DAN NILAI IMPOR INDONESIA KE JEPANG MENGGUNAKAN MODEL VARIMA
PERAMALAN NILAI EKSPOR DAN NILAI IMPOR INDONESIA KE JEPANG MENGGUNAKAN MODEL VARIMA, Universitas Negeri Malang E-mail: desyulvia@gmail.com Abstrak: Penulisan skripsi ini bertujuan untuk mempelajari Model
Lebih terperinciPERAMALAN 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 terperinciPREDIKSI RETURN PORTOFOLIO MENGGUNAKAN METODE KALMAN FILTER
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 201, Halaman 51-1 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PREDIKSI RETURN PORTOFOLIO MENGGUNAKAN METODE KALMAN FILTER Dita
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 33-42 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS INTERVENSI KENAIKAN HARGA BBM TERHADAP PERMINTAAN BBM
Lebih terperinciPeramalan 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 terperinciPREDIKSI INFLASI BEBERAPA KOTA DI JAWA TENGAH TAHUN 2014 MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)
PREDIKSI INFLASI BEBERAPA KOTA DI JAWA TENGAH TAHUN 2014 MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR) SKRIPSI Disusun Oleh : TIKA NUR RESA UTAMI 240 102 111 300 59 JURUSAN STATISTIKA FAKULTAS SAINS DAN
Lebih terperinciBAB III METODE PENELITIN. yaitu ilmu yang valid, ilmu yang dibangun dari empiris, teramati terukur,
BAB III METODE PENELITIN A. Jenis dan Pendektan Penelitian 1. Jenis Penelitian Penelitian ini merupakan penelitian kuantitatif. Penelitian kuantitatif adalah suatu penelitian yang didasari oleh falsafah
Lebih terperinciBAB IV KESIMPULAN DAN SARAN. maka dapat disimpulkan sebagai berikut: 1. Langkah-langkah dalam menentukan model EGARCH pada pemodelan data
BAB IV KESIMPULAN DAN SARAN A. Kesimpulan Berdasarkan uraian dan pembahasan pada bab-bab sebelumnya, maka dapat disimpulkan sebagai berikut: 1. Langkah-langkah dalam menentukan model EGARCH pada pemodelan
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-249
JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) 2337-3520 (2301-928X Print) D-249 Analisis Fungsi Transfer pada Harga Cabai Merah yang Dipengaruhi oleh Curah Hujan Di Surabaya Putri Rintan Aryasita,
Lebih terperinciPERBANDINGAN MODEL ARCH/GARCH MODEL ARIMA DENGAN MODEL FUNGSI TRANSFER
PERBANDINGAN MODEL ARCH/GARCH MODEL ARIMA DENGAN MODEL FUNGSI TRANSFER (Studi Kasus Indeks Harga Saham Gabungan dan Harga Minyak Mentah Dunia Tahun 2013 sampai 2015) SKRIPSI Oleh: DEBY FAKHRIYANA 24010212130041
Lebih terperinciBAB III METODE PENELITIAN. 3.1 Unit Analisis dan Ruang Lingkup Penelitian. yang berupa data deret waktu harga saham, yaitu data harian harga saham
32 BAB III METODE PENELITIAN 3.1 Unit Analisis dan Ruang Lingkup Penelitian 3.1.1. Objek Penelitian Objek sampel data dalam penelitian ini menggunakan data sekunder yang berupa data deret waktu harga saham,
Lebih terperinciPEMODELAN RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (TGARCH)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 465-474 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN THRESHOLD
Lebih terperinciModel Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer
Model Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer OLEH : DWI LISTYA NURINI 1311 105 021 DOSEN PEMBIMBING : DR. BRODJOL SUTIJO SU, M.SI Bursa saham atau Pasar
Lebih terperinciOleh : 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 terperinciPERAMALAN LAJU INFLASI DAN NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA MENGGUNAKAN MODEL VECTOR AUTOREGRESSIVE (VAR)
PERAMALAN LAJU INFLASI DAN NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA MENGGUNAKAN MODEL VECTOR AUTOREGRESSIVE (VAR) SKRIPSI Disusun Oleh : Fitrian Fariz Ichsandi 24010210141024 JURUSAN STATISTIKA FAKULTAS
Lebih terperinciAnalisis 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 terperinciPEMODELAN VECTOR AUTOREGRESSIVE X (VARX) UNTUK MERAMALKAN JUMLAH UANG BEREDAR DI INDONESIA
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 3, Tahun 2017, Halaman 333-343 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN VECTOR AUTOREGRESSIVE X (VARX) UNTUK MERAMALKAN JUMLAH
Lebih terperinciPERAMALAN 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 terperinciPROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2013 ISBN:
METODE PERAMALAN MENGGUNAKAN MODEL VOLATILITAS ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY PADA RETURN NILAI TUKAR RUPIAH TERHADAP DOLLAR Cindy Wahyu Elvitra 1, Budi Warsito 2, Abdul
Lebih terperinciPEMODELAN 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 terperinciPEMODELAN RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (TGARCH)
PEMODELAN RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (TGARCH) SKRIPSI Disusun oleh: MAIDIAH DWI NARURI SAIDA 24010212120003 DEPARTEMEN
Lebih terperinciPERAMALAN 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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Obyek Penelitian Obyek penelitian adalah sesuatu yang menjadi perhatian dalam suatu penelitian, objek penelitian ini menjadi sasaran dalam penelitian untuk mendapatkan
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pajak merupakan sumber kas negara yang digunakan untuk pembangunan. Undang- Undang Republik Indonesia Nomor 16 Tahun 2000 tentang Ketentuan Umum Dan Tata Cara Perpajakan
Lebih terperinciPeramalan Jumlah Kunjungan Wisatawan Mancanegara (Wisman) ke Bali Tahun 2019: Metode ARIMA
JEKT 8 [2] : 136-141 ISSN : 2301-8968 Peramalan Jumlah Kunjungan Wisatawan Mancanegara (Wisman) ke Bali Tahun 2019: Metode ARIMA Rukini *) Putu Simpen Arini Esthisatari Nawangsih Badan Pusat Statistik
Lebih terperinciPENDEKATAN METODE VAR-GARCH PADA PEMODELAN KETERKAITAN INDEKS HARGA SAHAM GABUNGAN (IHSG), KURS DOLLAR AMERIKA DAN HARGA EMAS DUNIA
Jurnal LOG!K@ Jilid 7 No. 017 Hal. 137-145 ISSN 1978 8568 PENDEKATAN METODE VAR-GARCH PADA PEMODELAN KETERKAITAN INDEKS HARGA SAHAM GABUNGAN (IHSG) KURS DOLLAR AMERIKA DAN HARGA EMAS DUNIA Dwi Fikriah
Lebih terperinciPENENTUAN MODEL TERBAIK UNTUK PERAMALAN DATA SAHAM CLOSING PT. CIMB NIAGA INDONESIA MENGGUNAKAN METODE ARCH-GARCH
PENENTUAN MODEL TERBAIK UNTUK PERAMALAN DATA SAHAM CLOSING PT. CIMB NIAGA INDONESIA MENGGUNAKAN METODE ARCH-GARCH Gatri Eka K 1, Vebriani Safitry 2, Yesika Kristin 3 Program Studi Matematika, Universitas
Lebih terperinciPENJUALAN SEPATU MEREK NIKE DENGAN METODE AUTOREGRESSIVE INTREGATED MOVING AVERAGE (ARIMA)
PENJUALAN SEPATU MEREK NIKE DENGAN METODE AUTOREGRESSIVE INTREGATED MOVING AVERAGE (ARIMA) Rizal Ripal Rifana 1), Wellie Sulistijanti 2) 1,2 Akademi Statistika Muhammadiyah Semarang Abstrak Sales are the
Lebih terperinciPEMODELAN KURS MATA UANG RUPIAH TERHADAP DOLLAR AMERIKA MENGGUNAKAN METODE GARCH ASIMETRIS
PEMODELAN KURS MATA UANG RUPIAH TERHADAP DOLLAR AMERIKA MENGGUNAKAN METODE GARCH ASIMETRIS SKRIPSI Disusun Oleh : ULFAH SULISTYOWATI 24010210120052 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
Lebih terperinciPerbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG
JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Print) A-34 Perbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG Mey Lista Tauryawati
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 683-693 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN DAN PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG),
Lebih terperinciANALISIS PENJUALAN BAHAN BAKAR MINYAK (BBM) dari PT. PERTAMINA (PERSERO) UPms V SURABAYA dengan METODE ARIMA BOX JENKINS
ANALISIS PENJUALAN BAHAN BAKAR MINYAK (BBM) dari PT. PERTAMINA (PERSERO) UPms V SURABAYA dengan METODE ARIMA BOX JENKINS Oleh: Rizky Amlia Rachmawati (1306.030.046) Dosen Pembimbing: Dra. Madu Ratna, M.Si
Lebih terperinciProgram 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 terperinciSKRIPSI JURUSAN STATISTIKA PERAMALAN INDEKS HARGA KONSUMEN 4 KOTA DI JAWA TENGAH MENGGUNAKAN MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR)
PERAMALAN INDEKS HARGA KONSUMEN 4 KOTA DI JAWA TENGAH MENGGUNAKAN MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) SKRIPSI Disusun Oleh : LINA IRAWATI NIM : 24010211140072 JURUSAN STATISTIKA FAKULTAS
Lebih terperinciPEMODELAN DATA TIME SERIES DENGAN METODE BOX-JENKINS
PEMODELAN DATA TIME SERIES DENGAN METODE BOX-JENKINS Rais 1 1 Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Tadulako, email: rais76_untad@yahoo.co.id Abstrak Metode Box-Jenkins
Lebih terperinciPERAMALAN BANYAKNYA PELANGGAN LISTRIK MENGGUNAKAN MODEL HARVEY
BIAStatistics (2016) Vol. 10, No. 1, hal. 38-51 PERAMALAN BANYAKNYA PELANGGAN LISTRIK MENGGUNAKAN MODEL HARVEY Ami Andriania 1, Gumgum Darmawan 2, Resa Septiani Pontoh 2 1 Mahasiswa Dept. Statistika, FMIPA,
Lebih terperinciPENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus: KA Argo Muria)
PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus: KA Argo Muria) SKRIPSI Disusun oleh : TITIS NUR UTAMI 24010212140052 DEPARTEMEN
Lebih terperinciPERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP ABSTRAK
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman 795-804 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI
Lebih terperinciPERBANDINGAN MODEL STAR DAN GSTAR UNTUK PERAMALAN INFLASI DUMAI, PEKANBARU, DAN BATAM
PERBANDINGAN MODEL STAR DAN GSTAR UNTUK PERAMALAN INFLASI DUMAI, PEKANBARU, DAN BATAM Gama Putra Danu Sohibien Jurusan Statistika, Sekolah Tinggi Ilmu Statistik Jakarta Email : gamaputra@stis.ac.id ABSTRAK
Lebih terperinciPEMODELAN DAN PERAMALAN JUMLAH PENUMPANG DAN PESAWAT DI TERMINAL KEDATANGAN INTERNASIONAL BANDARA JUANDA SURABAYA DENGAN METODE VARIANSI KALENDER
PEMODELAN DAN PERAMALAN JUMLAH PENUMPANG DAN PESAWAT DI TERMINAL KEDATANGAN INTERNASIONAL BANDARA JUANDA SURABAYA DENGAN METODE VARIANSI KALENDER M. Insanil Kamil 0 0 0 m.insanil_kml@yahoo.com Dosen pembimbing:
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Obyek Penelitian Dalam penelitian ini, obyek yang diamati yaitu inflasi sebagai variabel dependen, dan variabel independen JUB, kurs, BI rate dan PDB sebagai variabel yang
Lebih terperinciPERAMALAN 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 terperinciSBAB 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 terperinciTINJAUAN 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 terperinciUNNES Journal of Mathematics
UJM 5 (2) (2016) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm PERBANDINGAN TAKSIRAN VALUE AT RISK DENGAN PROGRAM R DAN MATLAB DALAM ANALISIS INVESTASI SAHAM MENGGUNAKAN METODE
Lebih terperinciPemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer
TUGAS AKHIR Pemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer Oleh : Fani Felani Farid (1306 100 047) Pembimbing : Drs. Kresnayana Yahya M.Sc Latar Belakang
Lebih terperinciPERAMALAN JUMLAH PENUMPANG PESAWAT TERBANG DOMESTIK DI BANDAR UDARA JUANDA DENGAN MENGGUNAKAN METODE FUNGSI TRANSFER MULTI INPUT
PERAMALAN JUMLAH PENUMPANG PESAWAT TERBANG LOGO DOMESTIK DI BANDAR UDARA JUANDA DENGAN MENGGUNAKAN METODE FUNGSI TRANSFER MULTI INPUT Oleh : Ary Miftakhul Huda (1309 100 061) Dosen Pembimbing : Dr.rer.pol.
Lebih terperinciE-Jurnal Matematika Vol. 3, No.1 Januari 2014, ISSN:
E-Jurnal Matematika Vol. 3, No.1 Januari 2014, 17-24 ISSN: 2303-1751 PENERAPAN MODEL ARBITRAGE PRICING THEORY DENGAN PENDEKATAN VECTOR AUTOREGRESSION DALAM MENGESTIMASI EXPECTED RETURN SAHAM (Studi Kasus:
Lebih terperinciKAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q)
UJIAN TUGAS AKHIR KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q) Disusun oleh : Novan Eko Sudarsono NRP 1206.100.052 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
Lebih terperinciBAB V PEMBAHASAN. menghitung peramalan salah satunya adalah Metode Box Jenkins (ARIMA),
BAB V PEMBAHASAN Banyak metode dalam ilmu statistika maupun ekonometrika untuk menghitung peramalan salah satunya adalah Metode Box Jenkins (ARIMA), Mudrajad Kuncoro mengutip dari kennedy, metode ini termasuk
Lebih terperinciBAB III PEMODELAN DATA IHSG DAN LAJU INFLASI INDONESIA MENGGUNAKAN VECTOR AUTOREGRESSIVE WITH EXOGENOUS VARIABLE (VARX)
BAB III PEMODELAN DATA IHSG DAN LAJU INFLASI INDONESIA MENGGUNAKAN VECTOR AUTOREGRESSIVE WITH EXOGENOUS VARIABLE (VARX) 3.1 Model Vector Autoregressive (VAR) Model Vector Autoregressive (VAR) adalah model
Lebih terperinciANALISIS INTEGRASI PASAR BAWANG MERAH MENGGUNAKAN METODE VECTOR ERROR CORRECTION MODEL
ANALISIS INTEGRASI PASAR BAWANG MERAH MENGGUNAKAN METODE VECTOR ERROR CORRECTION MODEL (VECM) (Studi Kasus: Harga Bawang Merah di Provinsi Jawa Tengah) SKRIPSI Disusun Oleh: RIZKY ADITYA AKBAR 24010212130056
Lebih terperinciMODEL 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 terperinciPERBANDINGAN AKURASI MODEL ARCH DAN GARCH PADA PERAMALAN HARGA SAHAM BERBANTUAN MATLAB Sunarti, Scolastika Mariani, Sugiman
g UJM 5 (1) (2016) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm PERBANDINGAN AKURASI MODEL ARCH DAN GARCH PADA PERAMALAN HARGA SAHAM BERBANTUAN MATLAB Sunarti, Scolastika Mariani,
Lebih terperinciBAB I PENDAHULUAN. memberikan informasi tentang rata-rata bersyarat pada Y
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam kehidupan sehari- hari sering dijumpai data time series yang terdiri dari beberapa variabel yang saling terkait yang dinamakan dengan data time series
Lebih terperinci