Analisis Peramalan Jumlah Penumpang Kereta Api Penataran Tujuan Surabaya-Malang
|
|
- Yulia Johan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Analisis Peramalan Jumlah Penumpang Kerea Api Penaaran Tujuan Surabaya-Malang Oleh. Andria Prima Diago Dosen Pembimbing. r. Dwiamono Agus, M.komp
2 Andria Prima Diago nsiu Teknologi Sepuluh Nopember Surabaya passanger nex period???
3 salah sau sekor jasa yang mengalami perkembangan adalah sekor ransporasi kerea api merupakan ransporasi dengan muli keunggulan komparaif sasiun Gubeng Surabaya merupakan sasiun KA erbesar di Surabaya PT. KA DAOP V Surabaya selalu berusaha unuk memberikan pelayanan erbaik bagi penumpang hilir mudik penumpang, membua PT. KA harus menyediakan gerbong lebih meode ime series digunakan unuk meramalkan jumlah penumpang Transporasi Meode Time Series Kerea Api Lonjakan Penumpang Sasiun Gubeng Surabaya PT. Kerea Api DAOP V Surabaya
4 nsiu Teknologi Sepuluh Nopember Bagaimana model peramalan yang sesuai pada daa jumlah penumpang kerea api Penaaran ujuan Surabaya-Malang? Bagaimana hasil ramalan jumlah penumpang kerea api Penaaran ujuan Surabaya-Malang unuk beberapa periode mendaang?
5 nsiu Teknologi Sepuluh Nopember Mendapakan model peramalan yang sesuai pada daa jumlah penumpang kerea api Penaaran ujuan Surabaya-Malang? Mendapakan nilai ramalan jumlah penumpang kerea api Penaaran ujuan Surabaya-Malang unuk beberapa periode mendaang?
6 nsiu Teknologi Sepuluh Nopember Memberikan informasi nilai ramalan penumpang kerea api Penaaran dan dapa menjadi acuan dalam menaksir penambahan gerbong kerea api Peneliian ini dilakukan hanya pada kerea ekonomi Penaaran ujuan Surabaya-Malang dengan daa yang digunakan mulai periode Januari 00 sampai Januari 0
7 nsiu Teknologi Sepuluh Nopember Konsep Dasar Time Series Kesasioneran Daa Sasioner adalah keadaan dimana mean dan varians konsan erhadap waku Bila kondisi sasioner dalam varians idak erpenuhi, Box dan Cox dalam Wei (00) memperkenalkan benuk ransformasi. Nilai esimasi λ -,0-0, Transformasi Z Z 0,0 ln Z 0, Z Z (idak ada ransformasi)
8 nsiu Teknologi Sepuluh Nopember Konsep Dasar Time Series Kesasioneran Daa sedangkan bila kondisi sasioner dalam mean idak erpenuhi, maka daa ersebu dapa dibua sasioner dengan cara melakukan differencing, sebagai beriku. W = Z Z - W merupakan nilai series seelah dilakukan differencing
9 nsiu Teknologi Sepuluh Nopember Fungsi Auokorelasi Merupakan suau hubungan linier pada daa ime series anara Z dengan Z +k yang dipisahkan waku lag k. Beriku rumus fungsi auokorelasi (Wei, 00) ρˆ k = γˆ γˆ k 0 n k = (Z n = (Z Z)(Z + k Z) Z)
10 Digunakan sebagai ala unuk mengukur ingka keeraan anara Z dengan Z +k. Beriku rumus fungsi parsial auokorelasi (Wei, 00) Fungsi Auokorelasi Parsial = = ρ φ ρ φ ρ = φ k j j kj k j j k kj k,k k ˆ ˆ ˆ ˆ ˆ ˆ nsiu Teknologi Sepuluh Nopember
11 nsiu Teknologi Sepuluh Nopember Meode ARMA Box-Jenkins Meodologi Box-Jenkins erdiri dari empa langkah yaiu:.denifikasi. Esimasi parameer. Pemeriksaan diagnosik. Peramalan
12 nsiu Teknologi Sepuluh Nopember denifikasi ACF dan PACF dapa digunakan unuk menenukan model dugaan dari suau daa yaiu menenukan apakah daa mempunyai model AR, MA, dan ARMA Proses ACF PACF AR (p) ACF urun secara eksponensial PACF erpoong seelah lag p MA (q) ACF erpoong seelah lag q PACF urun secara eksponensial ARMA (p,q) urun eksponensial seelah lag (q-p) urun eksponensial seelah lag (p-q)
13 nsiu Teknologi Sepuluh Nopember Esimasi Parameer Secara umum, misalkan β adalah suau parameer pada model ARMA (mencakup φ,μ,θ) dan βˆ adalah aksiran dari β maka pengujian signifikansi parameer dapa dinyaakan sebagai beriku. Hipoesis : H 0 : β = 0 (parameer idak signifikan) H : β 0 (parameer signifikan) Saisik Uji : Daerah Penolakan : Tolak H 0 jika hiung > α/, n - np aau p-value < α
14 nsiu Teknologi Sepuluh Nopember Pemeriksaan Diagnosik Hipoesis: H 0 : ρ = ρ =... = ρk = 0 (residual idak saling berkorelasi) H : minimal ada sau ρ K 0 (residual saling berkorelasi) K Saisik Uji : Q = n(n + ) (n k) ρˆ k k= Daerah Penolakan : Tolak H 0 jika Q > χ aau p-value < α sup x S(x) F0 (x) D > ( α,k m) Hipoesis: H 0 : F(x) = F 0 (x) (residual berdisribusi normal) H : F(x) F 0 (x) (residual idak berdisribusi normal) Saisik Uji : Daerah Penolakan : Tolak H 0 jika D ( α,n ) aau p-value < α
15 nsiu Teknologi Sepuluh Nopember Pemilihan Model Terbaik Pendekaan in-sample AC M Pendekaan ou-sample = α ( ) n ln σ + M RMSE = M M l= e l MAPE M = M Z e l l= n+ 00%
16 nsiu Teknologi Sepuluh Nopember Meode Pemulusan Eksponensial Tripel Winer Meode winers digunakan jika daa mengandung musiman. model winers muliplikaif Pemulusan Keseluruhan : X S = α + ( α)(s + b ) L Pemulusan Trend : b = γ (S S ) + ( γ) b Pemulusan Musiman : X = β + ( β) L S Ramalan : F + m = (S + b m) L + m model winers addiive Pemulusan Keseluruhan : S = α (X L ) + ( α)(s + b ) Pemulusan Trend : b = γ (S S ) + ( γ) b Pemulusan Musiman : = β(x S Ramalan : F + m = S + b m + L + m ) + ( β) L Tidak Ada Efek Tren Terdapa Tren Tidak Ada Efek Musiman Terdapa Efek Musiman Addiive Terdapa Efek Musiman Muliplikaif
17 nsiu Teknologi Sepuluh Nopember Time Series Oulier Deeksi oulier pada daa ime series perama kali dipelajari oleh Fox (9), dimana dikenalkan dua model,yaiu: addiive dan innovaional (Wei, 00) Addiive Oulier (AO) memberikan pengaruhnya pada pengamaan ke-. Model AO dapa dinyaakan sebagai beriku Z = X + ω θ(b) = α φ(b) (T) + ω ( T) Sedangkan nnovaional Oulier (O) berpengaruh pada pengamaan ke, +,... Model O dapa dinyaakan sebagai beriku. Z = X θ(b) = φ(b) θ(b) + ω φ(b) (T) ( T) ( α + ω ) Model oulier umum dengan k oulier yang beragam dapa diuliskan sebagai beriku Z = k j= ω j v j (B) (Tj) + X
18 nsiu Teknologi Sepuluh Nopember Sumber Daa Daa yang digunakan dalam analisis berasal dari PT. Kerea Api (Persero) DAOP V Surabaya yaiu daa harian jumlah penumpang kerea api Penaaran kelas ekonomi ujuan Surabaya Malang naik dari sasiun Gubeng. Dalam menganalisis daa akan dibagi menjadi dua bagian, yaiu in-sample dan ou-sample. Dimana unuk daa in-sample sebanyak daa mulai dari anggal Januari 00 sampai Desember 00, sedangkan daa ou-sample sebanyak daa mulai anggal Desember 00 sampai Januari 0. Meode Analisis Meode analisis saisik yang digunakan dalam peneliian ini adalah ARMA Box-Jenkins dan meode eksponensial ripel winers. Dari kedua meode ersebu akan dibandingkan nilai RMSE ou-sample.
19 nsiu Teknologi Sepuluh Nopember Langkah Analisis Meode ARMA Box-Jenkins. Membagi daa menjadi dua bagian yaiu in-sample dan ou-sample.. Melakukan idenifikasi model semenara. Melakukan uji signifikansi parameer. Melakukan uji kebaikan model pada residual dengan menggunakan uji asumsi whie noise dan berdisribusi normal. Meneukan model erbaik berdasarkan krieria in-sample dan ou-sample. Menghiung nilai ramalan dari model erbaik ersebu Meode Eksponensial Tripel Winers. Melakukan idenifikasi model dengan membua ime series plo unuk mengeahui apakah pola daa ermasuk dalam model muliplikaif aau addiif. Mencari nilai erbaik dari masing-masing komponen level, rend, dan seasonal.. Menghiung perbandingan nilai in-sample dan ou-sample dari residual yang didapakan
20 Analisis dan Pembahasan nsiu Teknologi Sepuluh Nopember Year Monh Day 00 Des Nop Ok Sep Agus Jul Jun Mei Apr Mar Feb Y() denifikasi Model Semenara Lambda SDev Lower CL Upper CL Limi Esimae,0 Lower CL 0,80 Upper CL, Rounded Value,00 (using 9,0% confidence) Lambda nonsaioner (seasonal) ime series saioner variance
21 Analisis dan Pembahasan nsiu Teknologi Sepuluh Nopember denifikasi Model Semenara ,0 0,8 0, 0, 0, 0,0-0, -0, -0, -0,8 -,0 Lag Auocorrelaion Year Monh Day 00 Des Nop Ok Sep Agus Jul Jun Mei Apr Mar Feb D-Y() nonsaioner (seasonal) ime series dies down a seasonal lags Difference W = Z Z - W (D=) Saioner variance and mean ime series
22 nsiu Teknologi Sepuluh Nopember Analisis dan Pembahasan denifikasi Model Semenara ACF,0 0,8 saioner ime series Model Moving Average or MA () and seasonal difference PACF,0 0,8 Auocorrelaion 0, 0, 0, 0,0-0, -0, -0, -0,8 cu off lag cu off lag seasonal Parial Auocorrelaion 0, 0, 0, 0,0-0, -0, -0, -0,8 cu off lag dies down a seasonal lags -,0 -, Lag Lag diperoleh model dugaan (Z) Muliplicaive (,0,0)(0,,) (0,0,)(0,,)
23 nsiu Teknologi Sepuluh Nopember Analisis dan Pembahasan Esimasi Parameer Model Parameer Esimasi p-value Kesimpulan φ 0,9 0,00 Signifikan ( 0 0) (0 ) 0,9 <0,000 Signifikan Θ θ -0, 0,009 Signifikan (0 0 ) (0 ) 0,99 <0,000 Signifikan Θ p-value < α(0,0)
24 nsiu Teknologi Sepuluh Nopember Analisis dan Pembahasan Pemeriksaan Diagnosik Residual whie noise Model Lag p-value Kesimpulan 0, Whie noise 0,0 Whie noise 8 0,8 Whie noise ( 0 0) (0 ) 0,90 Whie noise 0 0, Whie noise 0,80 Whie noise 0,9 Whie noise 8 0,800 Whie noise 0,9 Whie noise 0, Whie noise 8 0,8 Whie noise (0 0 ) (0 ) 0,88 Whie noise 0 0,089 Whie noise 0, Whie noise 0, Whie noise 8 0,8 Whie noise Residual berdisribusi normal Model p-value Kesimpulan ( 0 0) (0 ) <0,000 Tidak berdisribusi normal (0 0 ) (0 ) <0,000 Tidak berdisribusi normal deeksi oulier
25 nsiu Teknologi Sepuluh Nopember Analisis dan Pembahasan boxplo residual 00 model model /09/00 //00 0/0/00 /0/00 00 //00 /09/00 0/0/00 /0/ Residual -0 Residual /0/00 /08/00 09/0/00 /0/00 /0/00 /0/00 9/09/00 /0/00 09/0/00 0/0/00 0/0/00 /09/00 /0/00 0/0/00 0/0/00 /0/ /0/00 8/0/00 /08/00 09/0/00 /0/00 /0/00 /0/00 9/09/00 /0/00 09/0/00 0/0/00 0/0/00 /09/00 /0/00 0/0/00 0/0/00 /0/00
26 nsiu Teknologi Sepuluh Nopember Analisis dan Pembahasan Esimasi parameer model ARMA dengan parameer oulier Model Parameer Esimasi p-value Kesimpulan φ 0,08 <0,000 Signifikan Θ 0,880 <0,000 Signifikan ω AT= 9-8,88 <0,000 Signifikan ω AT= 88-8,8 <0,000 Signifikan ω AT= -,80 <0,000 Signifikan ω AT=, <0,000 Signifikan ω AT= 8 -,0 <0,000 Signifikan ω AT= -, <0,000 Signifikan ω AT= 8 8, <0,000 Signifikan ω ( 0 0) (0 ) AT= -8,08 <0,000 Signifikan ω AT= -, 0,000 Signifikan ω AT= 9-0, 0,000 Signifikan ω AT =89-0,8 0,000 Signifikan ω AT= 9-0,0 0,000 Signifikan ω AT= -0, 0,000 Signifikan ω AT= 8-0,00 0,000 Signifikan ω AT= 9, 0,00 Signifikan ω AT= -90,9 0,00 Signifikan ω AT= -8,8 0,00 Signifikan ω AT= -9,9 0,00 Signifikan (0 0 ) (0 ) ω AT= ω AT= ω AT= 0 θ Θ ω AT= 9 ω AT= 88 ω AT= ω AT= 8 ω AT= ω AT= ω AT= 8 ω AT= ω AT= 9 ω AT= ω AT= 89 ω AT=9 ω AT= ω AT= ω AT= ω AT= ω AT= 8 ω AT= ω AT= ω AT= ω AT= 0 8, 0,008 Signifikan 0, 0,000 Signifikan 00, 0,00 Signifikan -0,88 <0,000 Signifikan 0,8809 <0,000 Signifikan -8,0 <0,000 Signifikan -8,00 <0,000 Signifikan -,0 <0,000 Signifikan -,9 <0,000 Signifikan -,9 <0,000 Signifikan 9,8 <0,000 Signifikan 8, <0,000 Signifikan -0,8 <0,000 Signifikan -0, 0,000 Signifikan -,0 0,000 Signifikan -0,8 0,000 Signifikan -0, 0,000 Signifikan -0,9 0,000 Signifikan 98,0 0,00 Signifikan -9,9 0,009 Signifikan -9,8 0,00 Signifikan -98,80 0,00 Signifikan -9, 0,00 Signifikan 90, 0,00 Signifikan 09, 0,000 Signifikan 9, 0,00 Signifikan
27 nsiu Teknologi Sepuluh Nopember Analisis dan Pembahasan pemeriksaan diagnosik dengan parameer oulier Residual whie noise Model Lag p-value Kesimpulan 0,88 Whie noise 0,9 Whie noise 8 0,8 Whie noise ( 0 0) (0 ) 0,809 Whie noise 0 0,80 Whie noise 0,8 Whie noise 0,88 Whie noise 8 0,9 Whie noise 0, Whie noise 0,00 Whie noise 8 0,09 Whie noise (0 0 ) (0 ) 0,0 Whie noise 0 0,90 Whie noise 0,8 Whie noise 0,9 Whie noise 8 0,0 Whie noise Residual berdisribusi normal Model p-value Kesimpulan ( 0 0) (0 ) 0,00 Berdisribusi normal (0 0 ) (0 ) 0,0 Berdisribusi normal
28 nsiu Teknologi Sepuluh Nopember Analisis dan Pembahasan pemilihan model erbaik n-sample Ou-Sample Model AC RMSE MAPE ( 0 0) (0 ) 98,,9,0 (0 0 ) (0 ) 0,,09,8 model erbaik ARMA Z ( φ Β)( Β ) Z = ( Θ Β ) + ω - ω - ω 0 () (9) () (8) () () () - ω - ω - ω (8) (89) () (88) -ω () (9) (8) () - ω - ω 8 α () - ω (9) () + ω () (9) - ω + ω () (8) (89) () 9 (8) - ω - ω () () (88) 8 - ω = 0,08 Z + Z 0,08 Z 8 0,880 α -8,88 -,0 -, -0, -8,8 (9) -8,88 -, -0, -0,0-9, -,80 + 8, -0,8 + 9, + 8, +, -8,08-0, - 90,9 + 0, + ω () () () - ω 0 + α () () (9) (8) - ω () () 9 () + ω + ω + 00, (0) () (0)
29 nsiu Teknologi Sepuluh Nopember Analisis dan Pembahasan Meode Pemulusan Eksponensial Tripel Winers Beriku plo anara daa akual dengan daa aksiran, dan daa ramalan dengan menggunakan pembobo pada level (α) = 0,; pembobo pada efek rend (γ) = 0, dan pembobo pada efek musiman (β) = 0, Y() ndex 9 9 Variable Acual Fis Forecass 9,0% P Smoohing Consans Alpha (level) 0, Gamma (rend) 0, Dela (seasonal) 0, Accuracy Measures MAPE 9,0 MAD, MSD 088, Period Ramalan, 98,90,990,,, 8,98 9 9, 0 9,9 0,99,8,,,0,
30 nsiu Teknologi Sepuluh Nopember Analisis dan Pembahasan Pemilihan Model Terbaik Secara maemais model winers addiive dapa diuliskan sebagai beriku S = 0,(X L ) + 0,9(S + b ) Model α = 0,; γ = 0,; β = 0, n-sample Ou-Sample AC RMSE MAPE 89,0 8,9,9 b = 0,(S S ) + 0,9 b = 0,(X S ) + 0,9 L F + m = S + b m + L + m
31 nsiu Teknologi Sepuluh Nopember 8,9,9 RMSE MAPE,9,0 Winers ARMA meode erbaik
32 nsiu Teknologi Sepuluh Nopember 00 0 ARMA(,0,0) (0,, ) RMSE =, Winers (α =0,; β=0,; γ=0,) RMSE = 8,9 Akual ARMA Winers
33
34 . meode yang sesuai unuk menganalisis jumlah penumpang kerea api Penaaran adalah meode ARMA Box-Jenkins dengan deeksi oulier Z = 0,08 Z + Z 0,08 Z 8 0,880 α -8,88 -,0 -, -0, -8,8 (9) A, (8) A, () A, () A, () A, -8,88 -, -0, -0,0-9, () A, (9) A, (8) A, () A, (89) A, () A, () A, (9) A,. model ARMA Box-Jenkins diperoleh nilai ramalan unuk periode mendaang (88) A, -,80-0,8 + 9, + 8, () A, + 8, (8) A, +, -8,08-0, - 90,9 + 0, () A, () A, () A, + α () A, + 00, (0) A, Periode Ramalan 8 8
35 SARAN Penggunaan meode ime series yang lain, misalnya regresi ime series dengan suau ARMA menggunakan deeksi oulier. Diharapkan memperoleh residual yang kecil. Sebab dalam peneliian ini erdapa oulier yang menyebabkan residual idak berdisribusi normal
36 Bowerman L. Bruce. and O Connell T. Richard. (99). Forecasing and Time Series: An Applied Approach. California: DuxburyPress Daniel, Wayne W. (989). Saisika Nonparamerik Terapan. Jakara: Gramedia Damayani, L. (00). Penerapan Meode ARMA Box-Jenkins Unuk Meramalkan Jumlah Penumpang Kerea Api Argowilis dan Turangga Jurusan Surabaya-Bandung. Surabaya: nsiu Teknologi Sepuluh Nopember Makridakis, S., Wheelwrigh, S.C., and McGee, V.E. (999). Meode dan Aplikasi Peramalan Edisi Kedua [Terjemahan]. Jakara: Erlangga Musyafa, A. (00). Analisis Dere Waku Unuk Meramalkan Jumlah Penumpang Kerea Api Rapih Dhoho Jurusan Surabaya- Bliar Lewa Kerosono. Surabaya: nsiu Teknologi Sepuluh Nopember Ningsih, Firi Susani (00). Analisis Dere Waku Unuk Meramalkan Jumlah Penumpang KA Sancaka Kelas Bisnis. Surabaya: nsiu Teknologi Sepuluh Nopember Nurwiasari, Sisa (00). Analisis Peramalan Jumlah Penumpang Kerea Api Komuer Jurusan Surabaya-Porong. Surabaya: nsiu Teknologi Sepuluh Nopember Rahmadhani, Ria (00). Peramalan Jumlah Penumpang Kerea Api Kelas Bisnis Eksekuif Jurusan Madiun-Jakara di PT. Kerea Api (Persero) DAOP V Madiun. Surabaya: nsiu Teknologi Sepuluh Nopember Riswani, D.O. (00). Esimasi Jumlah Penumpang Harian Kerea Api Argobromo, Sembrani, dan Gumarang Jurusan Surabaya-Jakara. Surabaya: nsiu Teknologi Sepuluh Nopember Sandik, R. (00) Analisis Deer Waku Unuk Meramalkan Jumlah Penumpang Kerea Api Maarmaja Jurusan Tulungagung. Surabaya: nsiu Teknologi Sepuluh Nopember Susano, Hari. (009). Diakses dari hp://haribogel.blogspo.com/009/0/kerea-api.hml. Hari Kamis, 8 April 0 Pukul. WB. Wei, William W.S. (00). Time Series Analysis Univariae and Mulivariae Mehods. Canada: Addison-Wesley Publishing Company, nc
37 Terima Kasih Terima Kasih nsiu Teknologi Sepuluh Nopember
PERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS
PERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS Joko Ariyadi (308 030 060) Pembimbing : Drs. Brodjol Suijo Suprih Ulama, M.Si Laar Belakang 2 Laar
Lebih terperinciANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA
ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA Oleh : Liviani Nursia 307030040 Dosen Pembimbing: Dr. Brodjol Suijo S.U, MSi Laar Belakang
Lebih terperinciPeramalan Jumlah Pengunjung Domestik dan Mancanegara di Maharani Zoo & Goa Menggunakan ARIMA Box - Jenkins
Peramalan Jumlah Pengunjung Domesik dan Mancanegara di Maharani oo & Goa Menggunakan ARIMA Box - Jenkins Vivi Kusuma Sulisyawai (3030085) Dosen Pembimbing Dr. Irhamah, S.Si.,M.Si Laar Belakang Rumusan
Lebih terperinciANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER. Muflih Rori Putra Harahap
ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER Muflih Rori Pura Harahap 30 00 052 Pembimbing : Dr. Drs. Agus Suharsono, M.S. LATAR BELAKANG PENDAHULUAN
Lebih terperinciBAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF
BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap
Lebih terperinciOleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes
PERAMALAN INDEKS HARGA SAHAM YANG DIPENGARUHI KURS, PERUBAHAN INFLASI, POSISI JUMLAH DEPOSITO BERJANGKA, SUKU BUNGA SBI DAN DEPOSITO MENGGUNAKAN FUNGSI TRANSFER DAN ARCH-GARCH Oleh: TANTI MEGASARI 6 00
Lebih terperinciPeramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk
Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk Oleh : Dwi Hapsari K (1306 100 015) Dosen Pembimbing : Dra. Karika Firiasari, M.Si 1 Pendahuluan Laar Belakang, Perumusan Masalah, Tujuan
Lebih terperinciANALISIS PERAMALAN KOMBINASI TERHADAP JUMLAH PERMINTAAN DARAH DI SURABAYA (STUDI KASUS:
ANALISIS PERAMALAN KOMBINASI TERHADAP JUMLAH PERMINTAAN DARAH DI SURABAYA (STUDI KASUS: UDD PMI KOTA SURABAYA) Oleh: Winda Eka Febriana (0500) Pembimbing: Ir. Dwiamono Agus W., MIKom . LATAR BELAKANG DARAH
Lebih terperinciBAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun
BAB III ARFIMA-FIGARCH 3. Time Series Memori Jangka Panjang Proses ARMA sering dinyaakan sebagai proses memori jangka pendek (shor memory) karena fungsi auokorelasi anara dan urun cepa secara eksponensial
Lebih terperinciAbstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.
1 Peramalan Volume Produksi Air Bersih di PDAM Kabupaen Bojonegoro berdasarkan Jumlah Pelanggan dan Volume Konsumsi Air Fasha Aulia Pradhani dan Adaul Mukarromah Jurusan Saisika, FMIPA, ITS Jl. Arief Rahman
Lebih terperinciESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING
ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING Nama: Zahroh Aiqoh 05 00 0 Dosen Pembimbing: Dra. Nuri Wahyuningsih, MKes Drs. Sulisiyo, MT Jurusan Maemaika
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun
43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C
Lebih terperincimetodologi penelitian
pendahuluan injauan pusaka meodologi peneliian hasil dan pembahasan kesimpulan Pusaka Meodologi Peningkaan Energi lisrik Kebuuhan energi lisrik Pengembangan sisem energi lisrik Peramalan beban lisrik Slide
Lebih terperinciAnalisis Peramalan Jumlah Permintaan Kerudung di Industri Kecil Kerudung Arin di Surabaya dengan Metode Variasi Kalender
Analisis Peramalan Jumlah Perminaan Kerudung di Indusri Kecil Kerudung Arin di Surabaya dengan Meode Variasi Kalender Disusun oleh : Sely Enggar Rusiano 307 030 030 Dosen Pembimbing : Dr. Irhamah, M.Si
Lebih terperinciTUGAS AKHIR. untuk Analisis Peramalan Data Ekspor Non Migas Indonesia Di Sektor Pertanian, Sektor Perindustrian dan Sektor
TUGAS AKHIR Pendekaan Meode ARIMA Box Jenkins unuk Analisis Peramalan Daa Ekspor Non Migas Indonesia Di Sekor Peranian, Sekor Perindusrian dan Sekor Nurul Laifa Perambangan 307 030 70 Dosen pembimbing
Lebih terperinciPeramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Multi Input. : Nesia Brilliana I.P NRP :
Peramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Muli Inpu Nama : Nesia Brilliana I.P NRP : 20800023 Jurusan : Maemaika Dosen Pembimbing : Dra. Nuri Wahyuningsih, M. Kes Pemberian pupuk
Lebih terperinciANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 009 XV-1 ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Muhammad Sjahid Akbar, Jerry Dwi Trijoyo
Lebih terperinci(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF
Seminar Nasional Saisika 12 November 2011 Vol 2, November 2011 (T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Gumgum Darmawan, Sri Mulyani S Saf Pengajar Jurusan Saisika FMIPA UNPAD
Lebih 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 terperinciPeramalan Pengguna Kapal Ferry Ujung-Kamal dengan Metode Intervensi
D-480 JURNAL SAINS DAN SENI IS Vol. No. 2 (6) 2337-3 (2-928X Prin) Peramalan Pengguna Kapal Ferry Ujung-Kamal dengan Meode Inervensi Eka Apriliani, dan Irhamah Jurusan Saisika, Fakulas MIPA, Insiu eknologi
Lebih terperinciPemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network
D-378 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (26) 2337-3520 (23-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi pada Plaform MK di PT X Menggunakan Meode ARIMA, Neural Nework, dan Hibrida ARIMA-Neural
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan
Lebih terperinciPemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline ABSTRAK
Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Meode Inervensi dan Regresi Spline Rina Andriani, Dr. Suharono, M.Sc 2 Mahasiswa Jurusan Saisika FMIPA-ITS, 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih terperinciModel ARIMAX Dan Deteksi GARCH Untuk Peramalan Inflasi Kota Denpasar Tahun 2014
JEKT Model ARIMAX Dan Deeksi GARCH Unuk Peramalan Inflasi Koa Denpasar Tahun 2014 Rukini *) Badan Pusa Saisik Provinsi Bali ABSTRAK pemerinah dalam mengambil kebijakan unuk menjaga sabilias moneer di masa
Lebih terperinciPERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR
TUGAS AKHIR SS 145561 PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR SARIRAZTY DWIJANTARI NRP 1314 030 010 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si., M.Si DEPARTEMEN
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian yang dilakukan mengenai analisis perencanaan pengadaan una berdasarkan ramalan ime series volume ekspor una loin beku di PT Tridaya Eramina
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan
Lebih terperinciPeramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun
Peramalan Kebuuhan Premium dengan Meode ARIMAX unuk Opimasi Persediaan di Wilayah TBBM Madiun Oleh: Nindia Sekar Dini 1308100088 Pembimbing: Drs. Haryono, MSIE Dr. Suharono 1 Ouline Pendahuluan Tinjauan
Lebih terperinciPerbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X
JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang
BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang
Lebih terperinciBAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan
Lebih terperinciPERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS Puri Handayani NRP 1314 030 112 Dosen Pembimbing Dr. Brodjol Suijo Suprih Ulama, M.Si. Deparemen
Lebih terperinciPeramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis
JURNAL SAINS DAN NI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Prin) D-224 Peramalan Penjualan Sepeda Moor di Jawa Timur dengan Menggunakan Model Dinamis Desy Musika dan Seiawan Jurusan Saisika,
Lebih terperinciBAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan
BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,
Lebih terperinciPERAMALAN JUMLAH KEBERANGKATAN PENUMPANG PELAYARAN DALAM NEGERI DARI PELABUHAN TANJUNG PERAK MENGGUNAKAN ARIMA-BOX JENKINS
TUGAS AKHIR SS 4556 PERAMALAN JUMLAH KEBERANGKATAN PENUMPANG PELAYARAN DALAM NEGERI DARI PELABUHAN TANJUNG PERAK MENGGUNAKAN ARIMA-BOX JENKINS Nina Fannani NRP 34 030 02 Dosen Pembimbing Dr. Wahyu Wibowo,
Lebih terperinciBAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel
BAB III ANALISIS INTERVENSI 3.1. Pendahuluan Analisis inervensi dimaksudkan unuk penenuan jenis respons variabel ak bebas yang akan muncul akiba perubahan pada variabel bebas. Box dan Tiao (1975) elah
Lebih terperinciExponential smoothing
Exponenial smoohing This is a widely used forecasing echnique in reailing, even hough i has no proven o be especially accurae, www,cl,asae,edu/crbrown/smoohing07,pp 1 Exponenial Smoohing n Period Moving
Lebih terperinciPemulusan Eksponensial dengan Metode Holt Winter Additive Damped
Pemulusan Eksponensial dengan Meode Hol Winer Addiive Damped Hurul in 1),Dr. Erna Tri Herdiani, M.Si 2), Andi Kresna Jaya, S.Si., M.Si 3) Program Sudi Saisika Jurusan Maemaika FMIPA Unhas Jln. Perinis
Lebih terperinciPENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN
IndoMS Journal on Saisics Vol., No. (04), Page 7-37 PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN Dinda Ariska Wulandari,
Lebih terperinciPENGARUH PANJANG DAN LEBAR DATA DEBIT HISTORIS PADA KINERJA MODEL PEMBANGKITAN DATA DEBIT SUNGAI BRANTAS DENGAN METODE ARIMA
PENGARUH PANJANG DAN LEBAR DATA DEBIT HISTORIS PADA KINERJA MODEL PEMBANGKITAN DATA DEBIT SUNGAI BRANTAS DENGAN METODE ARIMA Maskur Efendi ), Widandi Soeopo 2), Piojo Tri Juwono 2) ) Mahasiswa Magiser
Lebih terperinciPERAMALAN JUMAH MOBIL PRIBADI YANG BERADA DI KOTA SURABAYA
TUGAS AKHIR SS 145561 PERAMALAN JUMAH MOBIL PRIBADI YANG BERADA DI KOTA SURABAYA RIZKI FEBRIASTO NRP 1314 030 102 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si., M.Si DEPARTEMEN STATISTIKA BISNIS Fakulas Vokasi
Lebih terperinciAPLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND
APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND Noeryani 1, Ely Okafiani 2, Fera Andriyani 3 1,2,3) Jurusan maemaika, Fakulas Sains Terapan, Insiu Sains & Teknologi
Lebih terperinciPERAMALAN JUMLAH PENUMPANG PADA PT
PERAMALAN JUMLAH PENUMPANG PADA PT. ANGKASA PURA I (PERSERO) KANTOR CABANG BANDAR UDARA INTERNASIONAL ADISUTJIPTO YOGYAKARTA DENGAN METODE WINTER S EXPONENTIAL SMOOTHING DAN SEASONAL ARIMA SKRIPSI Diajukan
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.. Ruang Lingkup Peneliian Peneliian ini diujukan unuk menenukan meode erbaik yang dapa digunakan dalam meramalkan harga ayam pada enam koa besar di Jawa-Bali. Meode peramalan yang
Lebih terperinciARIMA (Autoregressive Integrated Moving Average)
ARIMA (Auoregressive Inegraed Moving Average) I. Prinsip Dasar dan Tujuan Analisis. Prinsip Dasar ARIMA sering juga disebu meode runun waku Box-Jenkins. ARIMA sanga baik keepaannya unuk peramalan jangka
Lebih terperinciPeramalan Inflasi Menggunakan Model Fungsi Transfer Multi Input. Forcasting Inflation Using Multiple Input Transfer Function Model
Peramalan Inflasi Menggunakan Model Fungsi Transfer Muli Inpu Forcasing Inflaion Using Muliple Inpu Transfer Funcion Model Novi Adisia, Sri Wahyuningsih, dan Rio Goeanoro 3 Laboraorium Saisika Terapan
Lebih terperinciPENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Studi Kasus: PT Tembaga Mulia Semanan)
Prosiding Seminar Nasional Manajemen Teknologi Program Sudi MMT-ITS, Surabaya 1 Agusus 2009 PENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Sudi Kasus: PT
Lebih terperinciPeramalan Total Market Sepeda Motor Dan Total Penjualan Motor X Di Propinsi Jawa Timur Dengan Pendekatan ARIMA Box-Jenkins Dan ARIMAX
Peramalan Toal Marke epeda Moor Dan Toal Penjualan Moor X Di Propinsi Jawa Timur Dengan Pendekaan ARIMA Box-Jenkins Dan ARIMAX Oleh: Novia Dwi R. (300027) Dosen Pembimbing: Dr. eiawan, M.i 2 AGENDA PENDAHULUAN
Lebih terperinciANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG
ISSN: 9-54 JURNAL GAUSSIAN, Volume 4, Nomor, Tahun 05, Halaman 6-60 Online di: hp://eournal-s.undip.ac.id/index.php/gaussian ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG
Lebih terperinciPERAMALAN NILAI EKSPOR NON MIGAS SEKTOR PERINDUSTRIAN DI JAWA TIMUR DENGAN MENGGUNAKAN ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN NILAI EKSPOR NON MIGAS SEKTOR PERINDUSTRIAN DI JAWA TIMUR DENGAN MENGGUNAKAN ARIMA BOX-JENKINS Mohammad Fariq NRP 1314 030 015 Dosen Pembimbing Dra. Sri Mumpuni Renaningsih,
Lebih terperinciKAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN
JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina
Lebih terperinciPemodelan Produksi Minyak dan Gas Bumi di PT. Z Menggunakan Metode ARIMA, FFNN, dan Hybrid ARIMA-FFNN
D-444 JURNAL SANS DAN SEN TS Vol. 5 No. 2 (206) 27-520 (20-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi di PT. Z Menggunakan Meode ARMA, FFNN, dan Hybrid ARMA-FFNN Daniar Kusumaning Ayu, Desri Susilaningrum
Lebih terperinciPemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun
Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro
Lebih terperinciPERAMALAN JUMLAH PENJUALAN KORAN HARIAN BERLANGGANAN DI PT. JAWA POS DENGAN MENGGUNAKAN ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN JUMLAH PENJUALAN KORAN HARIAN BERLANGGANAN DI PT. JAWA POS DENGAN MENGGUNAKAN ARIMA BOX-JENKINS TRI EMIRA RISMAYANTI NRP 1314 030 070 Dosen Pembimbing Dr. Brodjol Suijo
Lebih terperinciDAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Studi Aplikasi Model Intervensi dengan Step Function)
DAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Sudi Aplikasi Model Inervensi dengan Sep Funcion) S-3 Kismianini dan Dhoriva Urwaul Wusqa Jurusan Pendidikan Maemaika
Lebih terperinciBAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu
BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,
Lebih terperinciPenentuan Pelebaran Window Time Optimal Pada Data Deret Waktu
1 Penenuan Pelebaran Window Time Opimal Pada Daa Dere Waku (1) Nursya`bani Hendro Prabowo dan (2) Raden Mohamad Aok Deparemen Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam, Insiu Teknologi Sepuluh
Lebih terperinciBAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan
BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan
Lebih 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 VOLUME PENJUALAN KEDELAI PT. X MENGGUNAKAN METODE ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN VOLUME PENJUALAN KEDELAI PT. X MENGGUNAKAN METODE ARIMA BOX-JENKINS Affanda Abdul Hakim Aminullah NRP 1314 030 048 Dosen Pembimbing : Dr. Brodjol Suijo S.U., M.Si Deparemen
Lebih terperinciMinggu 4 RATA-RATA BERGERAK DAN EXPONENTIAL SMOOTHING. Peramalan Data Time Series
Minggu 4 RATA-RATA BERGERAK DAN EXPONENTIAL SMOOTHING Bab ini memperkenalkan model berlaku unuk daa ime series dengan musiman, ren, aau keduana komponen musiman dan ren dan daa sasioner. Meode peramalan
Lebih terperinciANALISIS DATA INFLASI INDONESIA MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DENGAN PENAMBAHAN OUTLIER.
Analisis Daa (Supari) ANALISIS DAA INFLASI INDONESIA MENGGUNAKAN MODEL AUOREGRESSIVE INEGRAED MOVING AVERAGE (ARIMA) DENGAN PENAMBAHAN OULIER Supari 1 dan Alfi Faridaus Sa adah 2 1 Saf Pengajar Jurusan
Lebih terperinciS 9 Peramalan Volume Penjualan Calana Panjang di Boyolali dengan Menggunakan Model Variasi Kalender
9 Peramalan Volume Penjualan Calana Panjang di Boyolali dengan Menggunakan Model Variasi Kalender Wahyuni uryaningyas Dosen FKIP Universias Muhammadiyah urabaya e-mail: ma_ums @yahoo.com ABTRAK Bisnis
Lebih 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 terperinciPEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 9 PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL Y.P.Y. Asmara,
Lebih terperinciDosen Pembimbing Dr. Brodjol Sutijo Suprih Ulama, M.Si.
TUGAS AKHIR SS 145561 PERAMALAN NILAI IMPOR NON MIGAS DI JAWA TIMUR DENGAN MENGGUNAKAN METODE ARIMA BOX-JENKINS BOBBY AKBAR NRP 1314 030 002 Dosen Pembimbing Dr Brodjol Suijo Suprih Ulama, MSi DEPARTEMEN
Lebih terperinciMODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI
MODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI Diajukan kepada Fakulas Maemaika dan Ilmu Pengeahuan Alam Universias Negeri Yogyakara unuk memenuhi
Lebih terperinciPENGEMBANGAN MODEL PREDIKSI OLR-MJO BERBASIS HASIL ANALISIS MODEL STATISTIK BOX-JENKINS (ARIMA)
Prosiding Seminar Nasional Peneliian, Pendidikan, dan Penerapan MIPA Fakulas MIPA, Universias Negeri Yogyakara, 16 Mei 2009 PENGEMBANGAN MODEL PREDIKSI OLR-MJO BERBASIS HASIL ANALISIS MODEL STATISTIK BOX-JENKINS
Lebih terperinciagenda Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran
seminar ugas akhir Renny Elfira Wulansari 0000 pembimbing Dr. Suharono, S.Si, M.Sc Gedung H Lanai Saisika FMIPA-ITS Surabaya, Juli 04 agenda Pendahuluan Tinjauan Pusaka Meodologi Peneliian Analisis dan
Lebih terperinciPERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,1,1)(0,1,1) 12 TUGAS AKHIR.
PERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,,)(0,,) 2 TUGAS AKHIR Diajukan Sebagai Salah Sau Syara unuk Memperoleh Gelar Sarjana Sains
Lebih terperinciPEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA
PEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA Fadil Rahman Hakim, Dr. Ir. Achmad Mauludiyano, MT. Program Sudi Telekomunikasi Mulimedia Jurusan Teknik Elekro Fakulas Teknologi Indusri
Lebih terperinciPemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input
Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input Oleh : Defi Rachmawati 1311 105 007 Dosen Pembimbing :
Lebih terperinciPeramalan Inflasi Nasional Berdasarkan Faktor Ekonomi Makro Menggunakan Pendekatan Time Series Klasik dan ANFIS
JURNAL SAINS DAN SENI IS Vol. 4, No., () 2337-3 (2-928X Prin) D-67 Peramalan Inflasi Nasional Berdasarkan Fakor Ekonomi Makro Menggunakan Pendekaan ime Series Klasik dan ANFIS Clara Agusin Sephani, Agus
Lebih terperinciPENGEMBANGAN MODEL REGRESI DERET WAKTU UNTUK DATA YANG MENGANDUNG VARIASI KALENDER
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, November PENGEMBANGAN MODEL REGRESI DERET WAKTU UNTUK DATA YANG MENGANDUNG VARIASI KALENDER Alfonsus. J. Endhara dan Suharono Mahasiswa S Jurusan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiaan memperkirakan apa yang akan erjadi pada masa yang akan daang. Ramalan adalah sesuau kegiaan siuasi aau kondisi yang diperkirakan akan erjadi
Lebih terperinci(T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES
PROSIDING ISSN : 087-590. Seminar Nasional Saisika November 0 Vol, November 0 (T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES Yahya Ubaid ), Budi Nurani R. ), Mulyana K. 3) )Mahasiswa Program
Lebih terperinciContagions Effect Kurs 5 Negara ASEAN (Association of Southeast Asian Nations) Menggunakan Vector Autoregressive (VAR)
JURNAL SAINS DAN SENI POMITS Vol. 2, No., (203) 2337-3520 (230-928X Prin) D-8 Conagions Effec Kurs 5 Negara ASEAN (Associaion of Souheas Asian Naions) Menggunakan Vecor Auoregressive (VAR) Mirna Chairany,
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN. Disini tujuan akhir yang ingin dicapai penulis adalah pembuatan suatu aplikasi
BAB 5 HASIL DAN PEMBAHASAN Disini ujuan akhir yang ingin dicapai penulis adalah pembuaan suau aplikasi program yang digunakan unuk membanu perusahaan dalam menenukan jumlah produksi demand. Disini ada
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Definisi Peramalan Peramalan adalah suau kegiaan dalam memperkirakan aau kegiaan ang melipui pembuaan perencanaan di masa ang akan daang dengan menggunakan daa masa lalu dan daa masa
Lebih terperinciJurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN
Peramalan Dengan Meode Smoohing dan Verifikasi Meode Peramalan Dengan Grafik Pengendali Moving Range () (Sudi Kasus: Produksi Air Bersih di PDAM Tira Kencana Samarinda) Forecasing wih Smoohing and Verificaion
Lebih terperinci1999 sampai bulan September Data ini diperoleh dari yahoo!finance.
7 999 sampai bulan Sepember 8. Daa ini diperoleh dari yahoo!finance. Meode Langkah-langkah pemodelan nilai harian IHSG secara garis besar dapa diliha pada Lampiran dengan penjelasan sebagai beriku:. Melakukan
Lebih terperinciFORECASTING & ARIMA. Dwi Martani. 1/26/2010 Statistik untuk Bisnis 9 1
FORECASTING & ARIMA Dwi Marani /26/200 Saisik unuk Bisnis 9 DERET BERKALA (TIME SERIES) Suau dere berkala merupakan suau himpunan observasi dimana variabel yang digunakan diukur dalam uruan periode waku,
Lebih terperinciPERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH
Vol.. No., 03 PERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH Ari Pani Desvina, Sari Marlinda, Jurusan Maemaika Fakulas Sains dan Teknologi
Lebih terperinciPERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT
Saisika, Vol. 2, No. 2, November 24 PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT Sri Wahyuni, 2 Farikhin, Iswahyudi Joko Suprayino Program Sudi Saisika
Lebih terperinciDAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII
Bulein Ilmiah Mah. Sa. dan Terapannya (Bimaser) Volume 6, No. 3 (27), hal 83 2. MODEL SPACE-TIME DAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII Ella Kurniawai, Naomi Nessyana
Lebih terperinciJurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK
PERBANDINGAN METODE DES (DOUBLE EXPONENTIAL SMOOTHING) DENGAN TES (TRIPLE EXPONENTIAL SMOOTHING) PADA PERAMALAN PENJUALAN ROKOK (STUDI KASUS TOKO UTAMA LUMAJANG) 1 Fajar Riska Perdana (1110651142) 2 Daryano,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan
Lebih terperinciAPLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI
Lebih terperinciMODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR
MODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR S - 27 Rukini, Suharono2 2,2 Jurusan Saisika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciMODEL HIBRIDA EXPONENTIAL SMOOTHING PENDEKATAN STATE SPACE DENGAN METODE VARIASI KALENDER UNTUK PERAMALAN INFLOW DAN OUTFLOW UANG KARTAL DI JAWA TIMUR
TUGAS AKHIR SS 450 MODEL HIBRIDA EXPONENTIAL SMOOTHING PENDEKATAN STATE SPACE DENGAN METODE VARIASI KALENDER UNTUK PERAMALAN INFLOW DAN OUTFLOW UANG KARTAL DI JAWA TIMUR ANA SUSANTI NRP 32 00 033 Dosen
Lebih terperinciPROSEDUR PEMBENTUKAN MODEL VARIASI KALENDER BERDASARKAN MODEL ARIMAX UNTUK PERAMALAN DATA DENGAN EFEK VARIASI KALENDER
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, November PROSEDUR PEMBENTUKAN MODEL VARIASI KALENDER BERDASARKAN MODEL ARIMAX UNTUK PERAMALAN DATA DENGAN EFEK VARIASI KALENDER Suharono dan
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa
BAB 2 TINJAUAN TEORITI 2.1. Pengerian-pengerian Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. edangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 701-710 Online di: hp://ejournal-s1.undip.ac.id/index.php/gaussian VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING
Lebih terperinciPrediksi Penjualan Sepeda Motor Honda di Kabupaten dan Kotamadya Malang dengan Metode Peramalan Hierarki. Oleh : Rika Susanti
Prediksi Penjualan Sepeda Moor Honda di Kabupaen dan Koamadya Malang dengan Meode Peramalan Hierarki Oleh : Rika Susani 1310100066 Dosen Pembimbing Co. Pembimbing : Dra. Desri Susilaningrum, M.Si. : Dr.
Lebih terperinciPEMODELAN ARIMA UNTUK KANAL HF LINK MALANG - SURABAYA
PEMODELAN ARIMA UNTUK KANAL HF LINK MALANG - SURABAYA Lissa Rosdiana Noer, Achmad Mauludiyano. Program Sudi Telekomunikasi Mulimedia Jurusan Teknik Elekro Fakulas Teknologi Indusri Insiu Teknologi Sepuluh
Lebih terperinciPERAMALAN JUMLAH KEDATANGAN WISATAWAN MANCANEGARA DI INDONESIA MELALUI PINTU MASUK BANDAR UDARA NGURAH RAI BALI MENGGUNAKAN METODE ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN JUMLAH KEDATANGAN WISATAWAN MANCANEGARA DI INDONESIA MELALUI PINTU MASUK BANDAR UDARA NGURAH RAI BALI MENGGUNAKAN METODE ARIMA BOX-JENKINS Raih Yulika Endaryana NRP 1314
Lebih terperinci*Corresponding Author:
Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion
Lebih terperinciESTIMASI MODEL UNTUK DATA DEPENDEN DENGAN METODE CROSS VALIDATION. Oleh: Tarno Program Studi Statistika FMIPA UNDIP Semarang
ESTIMASI MODEL UNTUK DATA DEPENDEN DENGAN METODE CROSS VALIDATION Oleh: Tarno Program Sudi Saisika FMIPA UNDIP Semarang Absrac This paper discuss abou applicaion of cross-validaion mehod for modeling of
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju
Lebih terperinci