Teknik Peramalan Melalui Pemulusan Data (Smoothing) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017/2018
|
|
- Ari Santoso
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Teknik Peramalan Melalui Pemulusan Data (Smoothing) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017/2018
2 This part presents some basic statistical methods essential to modeling, analyzing, and forecasting time series data. Both graphical displays and numerical summaries of the properties of time series data are presented. 2
3 Forecasts are based on data or observations on the variable of interest. This data is usually in the form of a time series. Suppose that there are T periods of data available, with period T being the most recent. We will let the observation on this variable at time period t be denoted by: y t, t = 1, 2,..., T. 3
4 4
5 5
6 6
7 Developing a forecasting model should always begin with graphical display and analysis of the available data. Many of the broad general features of a time series can be seen visually. 7
8 Time Series Plots. Plotting Smoothed Data. 8
9 This is just a graph of y t versus the time period, t, for t = 1, 2,..., T. Features such as trend and seasonality are usually easy to see from the time series plot. It is interesting to observe that some of the classical tools of descriptive statistics, such as the histogram and the stem-and-leaf display, are not particularly useful for time series data because they do not take time order into account. 9
10 10
11 11
12 12
13 Berikut data profit bulanan (dalam milyar) suatu perusahaan di bidang ekspor impor selama 10 bulan terakhir. a. Tentukan data termuluskan melalui teknik rataan bergerak sederhana dengan rentang N = 3. Kemudian buat time-series plotnya bersama dengan data asal. b. Tentukan ramalan besarnya profit pada setiap satu waktu ke depan. Berapa ramalan profit pada bulan ke-11 dan ke-12? Bulan (t) Profit (Y t )
14 a. Tentukan data termuluskan melalui teknik rataan bergerak sederhana dengan rentang N = 3. Kemudian buat time-series plotnya bersama dengan data asal. Bulan (t) y t M T
15 a. Tentukan data termuluskan melalui teknik rataan bergerak sederhana dengan rentang N = 3. Kemudian buat time-series plotnya bersama dengan data asal yt MT Bulan (t) 15
16 b. Tentukan ramalan besarnya profit pada setiap satu waktu ke depan. Berapa ramalan profit pada bulan ke-11 dan ke-12?. Bulan (t) y t M T (t -1) 16
17 17
18 Metode rataan bergerak sederhana (simple moving average) hanya relevan untuk data deret waktu yang stasioner. Untuk data deret waktu yang tidak stasioner, memerlukan pendekatan teknik pemulusan yang berbeda. 18
19 A very important type of time series is a stationary time series. A time series is said to be strictly stationary if its properties are not affected by a change in the time origin. That is, if the joint probability distribution of the observations y t, y t+1. y t+n is exactly the same as the joint probability distribution of the observations y t+k, y t+k+1. y t+k+n then the time series is strictly stationary. 19
20 20
21 21
22 22
23 Measure of forecast accuracy should always be evaluated as part of a technique validation effort. When more than one forecasting technique seems reasonable for a particular application, these forecast accuracy measures can also be used to discriminate between competing models. 23
24 Mean Error (ME). Mean Absolute Deviation (MAD). Sum of Squared Error (SSE) Mean of Squared Error (MSE). Mean Percent forecast-error (MPE). Mean Absolute Percent forecast-error (MAPE). Akaike Information Criterion (AIC) 24
25 25
26 26
27 27
28 28
29 29
30 The mean percent forecast error (MPE) is 30
31 31
32 32
33 33
34 34
35 = nilai maksimum dari fungsi likelihood model k = banyaknya parameter model 35
36 # Simple Moving Average # Data bisa didownload di: # contains total annual rainfall in inches for London, # from (original data from Hipel and McLeod, 1994). library("forecast") library("ttr") library("graphics") hujan hujan.ts <- scan("1-precip1.dat.txt",skip=1) <- ts(hujan, start=c(1813))#membentuk object time-series #Simple Moving Average, n = 3 hujan.sma <- SMA(hujan.ts, n = 3) cbind(hujan.ts, hujan.sma) par(col="black") ts.plot(hujan.ts, xlab="tahun", ylab="curah Hujan",lty=1) points(hujan.ts) par(col="red") lines(hujan.sma) 36
37 Time Series: Start = 1813 End = 1912 Frequency = 1 hujan.ts hujan.sma NA NA
38 Garis Merah : Data termuluskan 38
39 Gunakan data (the sales of mature pharmaceutical product) di dalam buku Montgomery (Appendix B, Table B.2, hlm. 412). a. Tentukan data termuluskan melalui teknik rataan bergerak sederhana dengan rentang N = 4. Hitung ramalan untuk 5 waktu ke depan. b. Tentukan data termuluskan melalui teknik rataan bergerak sederhana dengan rentang N = 6. Hitung ramalan untuk 5 waktu ke depan. c. Buat time-series plotnya masing-masing bersama dengan data asal. d. Tentukan nilai SSE, MSE, dan MAPE masing-masing untuk (a) dan (b). Apa kesimpulan Anda? Catatan: Kerjakan terlebih dahulu poin (a) s.d. (d) di atas menggunakan Excel. Kemudian bandingkan hasilnya dengan keluaran dari Program R. 39
40 40
41 41
42 Gunakan data (Chemical Process Viscosity ) di dalam buku Montgomery (Appendix B, Table B.3, hlm. 413). a. Tambahkan m pada seluruh data reading pada Table B.3 tersebut. b. Pada data (a) di atas, tentukan data termuluskan melalui teknik rataan bergerak sederhana dengan rentang N = 3. Hitung ramalan untuk 5 waktu ke depan. c. Pada data (a) di atas, tentukan data termuluskan melalui teknik rataan bergerak sederhana dengan rentang N = 5. Hitung ramalan untuk 5 waktu ke depan. d. Buat time-series plotnya masing-masing bersama dengan data asal. e. Tentukan nilai SSE, MSE, dan MAPE masing-masing untuk (b) dan (c). Apa kesimpulan Anda? Catatan: Kerjakan terlebih dahulu poin (a) s.d. (e) di atas menggunakan Excel. Kemudian bandingkan hasilnya dengan keluaran pada Program R. (Syntax dan Output R harus dilampirkan) 42
43 43
44 Montgomery, D.C., et.al Forecasting Time Series Analysis 2nd. John Wiley. Cryer, J.D. and Chan, K.S Time Series Analysis with Application in R. Springer. Cowpertwait, P.S.P. and Metcalfe, A.V Introductory Time Series with R. Springer New York. Wei, William, W.S Time Series Analysis, Univariate and Multivariate Methods. Adison-Wesley Publishing Company Inc, Canada. 44
45 Bisa di-download di kusmansadik.wordpress.com 45
46 46 46
Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016
1 Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016 This part presents some basic statistical methods essential to modeling, analyzing, and forecasting time series data. Both graphical displays and
Lebih terperinciTeknik Peramalan Melalui Pemulusan Data (Bagian II) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017/2018
Teknik Peramalan Melalui Pemulusan Data (Bagian II) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017/2018 The most crucial issue in simple moving averages is the choice of the span, N. A simple moving
Lebih terperinciPenerapan Model ARIMA
Penerapan Model ARIMA (Bagian II) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017/2018 1 a. Misalkan data asal Y t. Lakukan proses pembedaan (differencing) sebanyak dua kali pada data asal sehingga
Lebih terperinciPenerapan Model ARIMA
Penerapan Model ARIMA (Bagian I) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017 1 Ada tiga tahapan iteratif dalam pemodelan data deret waktu yang berbasis model ARIMA, yaitu: 1. Penentuan model
Lebih terperinciPenerapan 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 terperinciKuliah 2 Metode Peramalan Deret Waktu
Kuliah 2 Metode Peramalan Deret Waktu rahmaanisa@apps.ipb.ac.id REVIEW Tentukan pola dari data deret waktu berikut: Gambar (1) Gambar (2) Gambar (3) Gambar (4) 2 Kriteria kebaikan peramalan data deret
Lebih terperinciPenerapan Model ARIMA
Penerapan Model ARIMA (Bagian I) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 016 1 Ada tiga tahapan iterasi dalam pemodelan data deret waktu, yaitu: 1. Penentuan model tentatif (spesifikasi model)
Lebih terperinciMetode Peramalan Deret Waktu. Pika Silvianti, M.Si Akbar Rizki, M.Si
Metode Peramalan Deret Waktu Pika Silvianti, M.Si Akbar Rizki, M.Si Toleransi 15 menit Absen Pakaian Sopan dan Rapi Pengguna kaos pendek/tanpa lengan dan ketat dilarang mengikuti perkuliahan Pengguna sandal
Lebih terperinciPendahuluan. Dr. Kusman Sadik, M.Si Departemen Statistika IPB, Semester Genap 2017/2018
Pendahuluan Dr. Kusman Sadik, M.Si Departemen Statistika IPB, Semester Genap 2017/2018 Analisis Statistika (STK511) 2 Dr. Kusman Sadik, M.Si Dr. Farit M Affendi, M.Si Akbar Rizki, M.Si Pika Silvianti,
Lebih terperinciPendahuluan. Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017/2018
Pendahuluan Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017/2018 Analisis Statistika (STK511) 2 Dr. Kusman Sadik, M.Si Dr. Farit M Affendi, M.Si Akbar Rizki, M.Si 3 Mata kuliah ini menjelaskan karakteristik
Lebih terperinciIntroduction to Time Series Analysis
Introduction to Time Series Analysis Kegiatan peramalan merupakan bagian integral dari pengambilan keputusan manajemen. Peramalan mengurangi ketergantungan pada hal-hal yang belum pasti (intuitif). Dalam
Lebih terperinciSpesifikasi 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 terperinciPendahuluan. Metode Peramalan:
MOVING AVERAGES Pendahuluan Metode Peramalan: Metode Perataan: Equally weighted observations Metode pemulusan eksponensial (exponential smoothing) Pembobotan yang tidak sama pada data historis, dimana
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 terperinciPendahuluan. Metode Peramalan:
MOVING AVERAGES Pendahuluan Metode Peramalan: Metode Perataan: Equally weighted observations Metode pemulusan eksponensial (exponential smoothing) Pembobotan yang tidak sama pada data historis, dimana
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:
ISSN: 2339-254 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 205, Halaman 957-966 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian PREDIKSI NILAI KURS DOLLAR AMERIKA MENGGUNAKAN EXPONENTIAL SMOOTHING
Lebih terperinciPeramalan Memprediksi peristiwa masa depan Biasanya memerlukan kebiasaan selama jangka waktu tertentu metode kualitatif
Bab 3-4 Peramalan Peramalan Memprediksi peristiwa masa depan Biasanya memerlukan kebiasaan selama jangka waktu tertentu metode kualitatif Berdasarkan metode yang subjektif Metode kuantitatif Berdasarkan
Lebih terperinciData Time Series. Time series merupakan data yang diperoleh dan disusun berdasarkan urutan waktu atau
Peramalan Data Time Series Data Time Series Time series merupakan data yang diperoleh dan disusun berdasarkan urutan waktu atau data yang dikumpulkan dari waktu ke waktu. Waktu yang digunakan dapat berupa
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 terperinciDr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016
1 Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016 Analisis Statistika (STK511) 2 2 Dr. Kusman Sadik, M.Si Dr. I Made Sumertajaya, MS Pika Silvianti, M.Si 3 3 Nama Mhs PS (STT/STK) Asal instansi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Konsep Peramalan Peramalan ( forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien khususnya dalam bidang ekonomi. Dalam organisasi modern
Lebih terperinciMETODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN
METODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN Peramalan kuantitatif hanya dapat digunakan apabila terdapat
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1. Peramalan 2.1.1. Pengertian dan Kegunaan Peramalan Peramalan (forecasting) menurut Sofjan Assauri (1984) adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang
Lebih terperinciMetode Pemulusan Eksponensial Sederhana
Metode Pemulusan Eksponensial Sederhana (Single Exponential Smoothing) KULIAH 3 METODE PERAMALAN DERET WAKTU rahmaanisa@apps.ipb.ac.id Review Untuk apa metode pemulusan (smoothing) dilakukan terhadap data
Lebih terperinciThis is a widely used forecasting technique. be especially accurate, www,clt,astate,edu/crbrown/smoothing07,ppt
Proses Pemulusan usa Data Exponential smoothing This is a widely used forecasting technique in retailing, even though it has not proven to be especially accurate, www,clt,astate,edu/crbrown/smoothing07,ppt
Lebih terperinciAPLIKASI TRIPLE EXPONENTIAL SMOOTHING UNTUK FORECASTING JUMLAH PENDUDUK MISKIN
APLIKASI TRIPLE EXPONENTIAL SMOOTHING UNTUK FORECASTING JUMLAH PENDUDUK MISKIN Fakultas Keguruan dan Ilmu Pendidikan Universitas PGRI Yogyakarta padrul.jana@upy.ac.id Abstract This study aims to predict
Lebih terperinciData 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 terperinciABSTRAK Universitas Kristen Maranatha
iii ABSTRAK Dalam menghadapi era globalisasi yang semakin pesat, persaingan antar perusahaan juga semakin ketat. Keadaan seperti ini membuat perusahaan terus melakukan perbaikan terutama dalam mengefisienkan
Lebih terperinciAnalisis 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 terperinciEnter the Problem (Masukkan Permasalahan)
FORECASTING PENGANTAR SISTEM PENDUKUNG KEPUTUSAN FORECASTING Program ini mempraktekkan time series forecasting dan linear regresi. Metode time series meliputi simple average, moving average, dengan atau
Lebih terperinciAnalisis Deret Waktu
Analisis Deret Waktu Pertemuan 2 Cross section Jenis Data Beberapa pengamatan diamati bersama sama pada periode waktu tertentu Harga saham semua perusahaan yang tercatat di BEJ pada hari Rabu 27 Februari
Lebih terperinciABSTRACT. Universitas Kristen Maranatha
ABSTRACT PT. X is a private company engaged in the food production. PT. X produces 3 types of raw crackers such as onion crackers, yellow crackers and tongue crackers. Increase in number of food production
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Sedangkan
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 terperinciPENERAPAN 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 terperinciEstimasi, Pemilihan Model dan Peramalan Hubungan Deret Waktu
Estimasi, Pemilihan Model dan Peramalan Hubungan Deret Waktu Author: Junaidi Junaidi Terdapat berbagai jenis model/metode peramalan hubungan deret waktu. Diantaranya adalah: 1) Model Linear; 2) Model Quadratic;
Lebih terperinciANALISIS DERET BERKALA MULTIVARIAT DENGAN MENGGUNAKAN MODEL FUNGSI TRANSFER: STUDI KASUS CURAH HUJAN DI KOTA MALANG
ANALISIS DERET BERKALA MULTIVARIAT DENGAN MENGGUNAKAN MODEL FUNGSI TRANSFER: STUDI KASUS CURAH HUJAN DI KOTA MALANG Fachrul Ulum Febriansyah dan Abadyo Universitas Negeri Malang E-mail: fachrul.febrian@gmail.com
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama (assaury, 1991). Sedangkan ramalan adalah
Lebih terperinciAnalisis Deret Waktu
Analisis Deret Waktu Jenis Data Cross section Beberapa pengamatan diamati bersama-sama pada periode waktu tertentu Harga saham semua perusahaan yang tercatat di BEJ pada hari Rabu 27 Februari 2008 Time
Lebih terperinciBAB III TINJAUAN PUSTAKA
BAB III TINJAUAN PUSTAKA 3.1 Teori Dunia industri biasanya tak lepas dari suatu peramalan, hal ini disebabkan bahwa peramalan dapat memprediksi kejadian di masa yang akan datang untuk mengambil keputusan
Lebih terperinciANALISIS DERET WAKTU
ANALISIS DERET WAKTU JENIS DATA Cross section Beberapa pengamatan diamati bersama-sama pada periode waktu tertentu Harga saham semua perusahaan yang tercatat di BEJ pada hari Rabu 27 Februari 2008 Time
Lebih terperinciUSULAN PERAMALAN PRODUKSI PADA PRODUK BS-PRC DENGAN METODE TIME SERIES (Studi Kasus pada PT. PARDIC JAYA CHEMICAL) Oyi Aura Zakina*), Susatyo N.P.W.
USULAN PERAMALAN PRODUKSI PADA PRODUK BS-PRC DENGAN METODE TIME SERIES (Studi Kasus pada PT. PARDIC JAYA CHEMICAL) Oyi Aura Zakina*), Susatyo N.P.W.P Program Studi Teknik Industri, Fakultas Teknik, Universitas
Lebih terperinciPERAMALAN (FORECASTING)
#3 - Peramalan (Forecasting) #1 1 PERAMALAN (FORECASTING) EMA302 Manajemen Operasional Pengertian (1) 2 Oxford Dictionary, Forecast is a statement about what will happen in the future, based on information
Lebih terperinciABSTRAK. iii. Universitas Kristen Maranatha
ABSTRAK PD.X merupakan perusahaan yang bergerak di bidang pembuatan kulit pangsit dan mie mentah, selama ini perencanaan produksi yang diterapkan di dalam perusahaan hanya berdasarkan aturan pemilik perusahaan
Lebih terperinciPERAMALAN JUMLAH SISWA/I SEKOLAH MENENGAH ATAS SWASTA MENGGUNAKAN ENAM METODE FORECASTING
PERAMALAN JUMLAH SISWA/I SEKOLAH MENENGAH ATAS SWASTA MENGGUNAKAN ENAM METODE FORECASTING Lim Sanny 1, Haryadi Sarjono 1 1 Department of Management, Binus University Jln. KH. Syahdan No. 9, Kemanggisan,
Lebih terperinci4 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 terperinciPrediksi Harga Saham dengan ARIMA
Prediksi Harga Saham dengan ARIMA Peramalan harga saham merupakan sesuatu yang ditunggu-tunggu oleh para investor. Munculnya model prediksi yang baru yang bisa meramalkan harga saham secara tepat merupakan
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 terperinciJURNAL MATEMATIKA MANTIK Edisi: Oktober Vol. 02 No. 01 ISSN: E-ISSN:
ISSN: 25273159 EISSN: 25273167 PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH KLAIM DI BPJS KESEHATAN PAMEKASAN Faisol 1, Sitti Aisah 2 Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciSTK511 Analisis Statistika. Pertemuan - 1
STK511 Analisis Statistika Pertemuan - 1 PERKULIAHAN 1. Dosen : Anang Kurnia (anangk@apps.ipb.ac.id) 2. Asisten : Septian Rahardiantoro 3. Waktu : Rabu > 08.00 09.40 Jumat > 08.00 10.00 4. Office Hours
Lebih terperinciPERAMALAN DATA TIME SERIES DENGAN METODE PENGHALUSAN EKSPONENSIAL HOLT - WINTER
PERAMALAN DATA TIME SERIES DENGAN METODE PENGHALUSAN EKSPONENSIAL HOLT - WINTER PERAMALAN DATA TIME SERIES DENGAN METODE PENGHALUSAN EKSPONENSIAL HOLT WINTER Adi Suwandi 1, Annisa 2, Andi Kresna Jaya
Lebih terperinciPeramalan Gabungan Rantai Markov dan Model Deret Waktu Pada Kasus Peramalan Kurs Nilai Mata Uang
[Type Artikel here] ini telah dipresentasikan dalam Innovative and Creative Information Technology Conference (ICITech) dengan tema E-Transaction and Power Play yang diselenggarakan oleh Program Studi
Lebih terperinciBAB V KESIMPULAN DAN SARAN
BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan analisis data dan pembahasan pada Bab IV, kesimpulan penelitian ini adalah sebagai berikut. 1. Model VARIMA yang sesuai untuk data penjualan obat I,
Lebih terperinciPembahasan Materi #7
1 EMA402 Manajemen Rantai Pasokan Pembahasan 2 Pengertian Moving Average Alasan Tujuan Jenis Validitas Taksonomi Metode Kualitatif Metode Kuantitatif Time Series Metode Peramalan Permintaan Weighted Woving
Lebih terperinciSKRIPSI APLIKASI METODE GOLDEN SECTION UNTUK OPTIMASI PARAMETER PADA METODE EXPONENTIAL SMOOTHING. Disusun oleh: DANI AL MAHKYA
APLIKASI METODE GOLDEN SECTION UNTUK OPTIMASI PARAMETER PADA METODE EXPONENTIAL SMOOTHING SKRIPSI Disusun oleh: DANI AL MAHKYA 24010210141025 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
Lebih terperinciPERBANDINGAN RAMALAN MODEL TARCH DAN EGARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH
PERBANDINGAN RAMALAN MODEL TARCH DAN EGARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH Oleh RETNO HESTININGTYAS M0106061 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
Lebih terperinciABSTRACT. Keywords: productions, plans, strategy. viii. Universitas Kristen Maranatha
ABSTRACT Aggregate planning is an approach to determine the amount and time of production in the medium term. Therefore, production planning is to look better by the company especially to obtain the most
Lebih terperinciSingle Exponential Smoothing
Single Exponential Smoothing Exponential smoothing memberikan bobot observasi dari data terbaru sampai data terlampau dengan bobot yang menurun secara exponensial untuk memprediksi nilai masa depan (weights
Lebih terperinciESTIMASI PARAMETER MODEL HYBRIDIZING EXPONENTIAL SMOOTHING DAN NEURAL NETWORK PADA HASIL PENGUKURAN MEAN SEA LEVEL SATELIT ALTIMETRI JASON 2
Vol. 7, No. 2, Desember 2012 ESTIMASI PARAMETER MODEL HYBRIDIZING EXPONENTIAL SMOOTHING DAN NEURAL NETWORK PADA HASIL PENGUKURAN MEAN SEA LEVEL SATELIT ALTIMETRI JASON 2 Novi Mara KODE ARTIKEL : 117-2-12
Lebih terperinciPeramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Peramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model Ni Kadek Sukerti STMIK STIKOM Bali Jl. Raya Puputan
Lebih terperinciModel Regresi Untuk Data Deret Waktu (1)
Model Regresi Untuk Data Deret Waktu (1) Pika Silvianti, M.Si pikasilvianti@apps.ipb.ac.id Sumber: Hyndman, R.J and Athanasopoulos, G. 2013. Forecasting: principles and practice https://www.otexts.org/fpp/4
Lebih terperinciProsiding Manajemen ISSN:
Prosiding Manajemen ISSN: 2460-8383 Analisis Peramalan Penjualan Produk Tahu Putih Menggunakan Metode Adjusted Exponential Smoothing untuk Meminimumkan Kesalahan Peramalan pada Pabrik Tahu Tauhid Bandung
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 terperinciPERBANDINGAN METODE PEMULUSAN (SMOOTHING) EKSPONENSIAL GANDA DUA PARAMETER DARI HOLT DAN METODE BOX-JENKINS
PERBANDINGAN METODE PEMULUSAN (SMOOTHING) EKSPONENSIAL GANDA DUA PARAMETER DARI HOLT DAN METODE BOX-JENKINS DALAM MERAMALKAN HASIL PRODUKSI KERNEL KELAPA SAWIT PT. EKA DURA INDONESIA SKRIPSI EKA ARYANI
Lebih terperinciPendahuluan. Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017/2018
Pendahuluan Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017/2018 2 Kuliah : Rabu, 08.00 09.40 WIB Responsi : Rabu, 10.00 11.40 WIB 3 Mata kuliah ini menjelaskan tentang konsep dasar analisis statistika
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 terperinciPENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL PERGERAKAN INFLASI KOTA PALU
PENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL PERGERAKAN INFLASI KOTA PALU Romy Biri ), Yohanes A.R. Langi ), Marline S. Paendong ) ) Program Studi Matematika FMIPA Universitas Sam Ratulangi Jl.
Lebih terperinciHasil Peramalan dengan Menggunakan Software Minitab
71 Lampiran 1. Hasil Peramalan dengan Menggunakan Software Minitab Moving Average Data C1 Length 12 NMissing 0 Moving Average Length 4 Accuracy Measures MAPE 25 MAD 54372 MSD 4819232571 Time C1 MA Predict
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan sering dipandang sebagai seni dan ilmu dalam memprediksikan kejadian yang mungkin dihadapi pada masa yang akan datang. Secara teoritis peramalan
Lebih terperinciSistem Peramalan Harga Emas Antam Menggunakan Double Exponential Smoothing
Sistem Peramalan Harga Emas Antam Menggunakan Double Exponential Smoothing Teguh Andriyanto Sistem Informasi Universitas Nusantara PGRI Kediri Kediri, Indonesia E-mail: teguh@ unpkediri.ac.id Abstrak Emas
Lebih terperinciABSTRAK. Kata-kata kunci: biaya pemasaran dan penjualan. viii. Universitas Kristen Maranatha
ABSTRAK Dalam kegiatan operasional perusahaan, penggunaan biaya sangat berperan penting untuk kegiatan tersebut. Tanpa adanya biaya tersebut, maka perusahaan akan sangat sulit menjalankan usahanya. Salah
Lebih terperinciANALISIS PERAMALAN PENJUALAN BERAS PSO UNIT PENGOLAHAN GABAH BERAS TAHUN 2015 PADA BULOG SUB DIVRE III SURAKARTA
ANALISIS PERAMALAN PENJUALAN BERAS PSO UNIT PENGOLAHAN GABAH BERAS TAHUN 2015 PADA BULOG SUB DIVRE III SURAKARTA TUGAS AKHIR Diajukan untuk Memenuhi Syarat-syarat Mencapai Sebutan Ahli Madya Manajemen
Lebih terperinci12/8/2012 MODUL -10. Apa itu SPSS? Apa yang bisa dilakukan SPSS? Apa kesamaan SPSS dengan Microsoft Office Excel?
MODUL -10?? Apa itu SPSS? Apa yang bisa dilakukan SPSS? Apa kesamaan SPSS dengan Microsoft Office Excel? 1 SPSS is a software package used for conducting statistical analyses, manipulating data, and generating
Lebih terperinciPENANGANAN MASALAH HETEROSKEDASITAS DENGAN MODEL ARCH-GARCH DAN MODEL BLACK-SCHOLES MOSES ALFIAN SIMANJUNTAK
PENANGANAN MASALAH HETEROSKEDASITAS DENGAN MODEL ARCH-GARCH DAN MODEL BLACK-SCHOLES MOSES ALFIAN SIMANJUNTAK SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER
Lebih terperinciVERIFIKASI 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 terperinciSidang Akhir Tugas Akhir PERAMALAN KETERSEDIAAN BATUBARA MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE MOVING AVERAGE (VARMA) PADA PT.
Sidang Akhir Tugas Akhir PERAMALAN KETERSEDIAAN BATUBARA MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE MOVING AVERAGE (VARMA) PADA PT.XYZ Immash Kusuma Pratiwi 5208100123 PENDAHULUAN Latar Belakang, Perumusan
Lebih terperinciProsiding Manajemen ISSN:
Prosiding Manajemen ISSN: 2460-8419 Analisis Peramalan Penjualan Produk Bandana Multifungsi dengan Menggunakan Metode Exponential Smoothing pada Perusahaan PT.Cemerlang Kencana Bandana Analysis of product
Lebih terperinciNon Linear Estimation and Maximum Likelihood Estimation
Non Linear Estimation and Maximum Likelihood Estimation Non Linear Estimation and Maximum Likelihood Estimation Non Linear Estimation We have studied linear models in the sense that the parameters are
Lebih terperinciBAB 2 TINJAUAN TEORITIS. yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan terjadi
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan
Lebih terperinciFORECASTING UNIT PENJUALAN MOTOR HONDA PADA PT. HONDA DUNIA MOTORINDO DI DAERAH CIPUTAT PERIODE JUNI 2013
FORECASTING UNIT PENJUALAN MOTOR HONDA PADA PT. HONDA DUNIA MOTORINDO DI DAERAH CIPUTAT PERIODE JUNI 2013 Yehezkiel Kitrie¹ dan Harry Indra² Universitas Bina Nusantara, Jl. K.H Syahdan No 9, Kemanggisan-Jakarta
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 terperinciPEMODELAN PERAMALAN PENJUALAN PAKAN UDANG PADA PT CENTRAL PROTEINA PRIMA, TBK DENGAN METODE PEMULUSAN EKSPONENSIAL (EXPONENTIAL SMOOTHING) SKRIPSI
PEMODELAN PERAMALAN PENJUALAN PAKAN UDANG PADA PT CENTRAL PROTEINA PRIMA, TBK DENGAN METODE PEMULUSAN EKSPONENSIAL (EXPONENTIAL SMOOTHING) SKRIPSI HERRIJUNIANTO PURBA 130823002 DEPARTEMEN MATEMATIKA FAKULTAS
Lebih terperinciBAB V ANALISA HASIL. Pada bab sebelumnya telah dilakukan pengolahan data-data yang
BAB V ANALISA HASIL Pada bab sebelumnya telah dilakukan pengolahan data-data yang dikumpulkan untuk pembuatan perencanaan kebutuhan material (MRP). Kemudian dalam bab ini berisikan analisa berdasarkan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian terhadap populasi yang sangat besar, kita perlu melakukan suatu penarikan sampel. Hal ini dikarenakan tidak selamanya kita dapat
Lebih terperinciTIME SERIES DENGAN K-STAT &EVIEWS
TIME SERIES DENGAN K-STAT &EVIEWS Oleh Prana Ugiana Gio Video Cara Mendownload Aplikasi Olah Data K-Stat : https://www.youtube.com/watch?v=cnywqjes6hq Menggunakan Aplikasi Olah Data K-Stat secara Online:
Lebih terperinciABSTRAK PERAMALAN KURS RUPIAH TERHADAP US DOLLAR MENGGUNAKAN METODE HIBRID
ABSTRAK PERAMALAN KURS RUPIAH TERHADAP US DOLLAR MENGGUNAKAN METODE HIBRID Peramalan adalah bagian integral dari kegiatan pengambilan keputusan manajemen. Ramalan yang dilakukan umumnya berdasarkan pada
Lebih terperinciPERAMALAN DATA SAHAM S&P 500 INDEX MENGGUNAKAN MODEL TARCH
PERAMALAN DATA SAHAM S&P 500 INDEX MENGGUNAKAN MODEL TARCH Universitas Negeri Malang E-mail: abiyaniprisca@ymail.com Abstrak: Penelitian ini bertujuan untuk mengetahui model peramalan terbaik dari data
Lebih terperinciUNNES Journal of Mathematics
UJM 5 (1) (2016) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm ANALISIS PERBANDINGAN MENGGUNAKAN ARIMA DAN BOOTSTRAP PADA PERAMALAN NILAI EKSPOR INDONESIA Ari Cynthia, Sugiman,
Lebih terperinciABSTRACT. Keywords: forecasting, forecasting method, production planning, and the strategy of production planning. Universitas Kristen Maranatha
ABSTRACT Planning on any type of business is needed. Planning itself can be distinguished based of its duration; there are short term, medium term and long term planning. Planning is prepared for the future
Lebih terperinciBAB 4 PEMBAHASAN. PT. PLN (Persero) Udiklat Jakarta merupakan lembaga pendidikan yang
BAB 4 PEMBAHASAN P. PLN (Persero Udiklat Jakarta merupakan lembaga pendidikan yang memiliki fungsi untuk meningkatkan kompetensi SM Pegawai P. PLN (Persero. Selayaknya tempat pelatihan dan pembelajaran,
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN. dari UD. Wingko Babat Pak Moel sebagai berikut: a. Data permintaan wingko pada tahun 2016.
BAB IV ANALISIS DAN PEMBAHASAN 4.1 Pengumpulan dan Pengolahan Data Untuk menganalisi permasalahan pengoptimalan produksi, diperlukan data dari UD. Wingko Babat Pak Moel sebagai berikut: a. Data permintaan
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit
BAB 2 LANDASAN TEORI 2.1 Pengertian Produksi Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit tanaman pada lahan yang telah disediakan, pemupukan dan perawatan sehingga
Lebih terperinciSI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS)
SI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS) Mahasiswa mampu melakukan perencanaan untuk memastikan kelancaran operasi rantai pasok 1. Peramalan dalam organisasi 2. Pola permintaan 3. Metode peramalan
Lebih terperinciPeramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer
Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer 1 Faridah Yuliani dan 2 Dr. rer pol Heri Kuswanto 1,2 Jurusan Statistika
Lebih terperinciANALISIS PERAMALAN PENJUALAN PRODUK KECAP PADA PERUSAHAAN KECAP MANALAGI DENPASAR BALI SKRIPSI. Oleh : NI PUTU LISNA PADMA YANTI NIM :
ANALISIS PERAMALAN PENJUALAN PRODUK KECAP PADA PERUSAHAAN KECAP MANALAGI DENPASAR BALI SKRIPSI Oleh : NI PUTU LISNA PADMA YANTI NIM : 1111205005 JURUSAN TEKNOLOGI INDUSTRI PERTANIAN FAKULTAS TEKNOLOGI
Lebih terperinciPemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 Pemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA 1 Harnum Annisa Prafitia dan 2 Irhamah
Lebih terperinciPrediksi Curah Hujan dengan Model Deret Waktu dan Prakiraan Krigging pada 12 Stasiun di Bogor Periode Januari Desember 2014.
Jur. Ris. & Apl. Mat. Vol. 1 (2017), no. 1, 1-52 Jurnal Riset dan Aplikasi Matematika e-issn: 2581-0154 URL: journal.unesa.ac.id/index.php/jram Prediksi Curah Hujan dengan Model Deret Waktu dan Prakiraan
Lebih terperinciEMA302 Manajemen Operasional
1 PERAMALAN (FORECASTING) EMA302 Manajemen Operasional Pengertian (1) 2 Oxford Dictionary, Forecast is a statement about what will happen in the future, based on information that is available now. (Peramalan
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 terperinci