Prediksi Nilai Indeks Harga Konsumen (IHK) Kota Jambi Menggunakan Radial Basis Function Neural Network (RBFNN) dengan Metode Fuzzy C-Means Clustering
|
|
- Yuliani Budiman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 T - 12 Prediksi Nilai Indeks Harga Konsumen (IHK) Kota Jambi Menggunakan Radial Basis Function Neural Network (RBFNN) dengan Metode Fuzzy C-Means Clustering Ghina Arifiana, Nurul Anggraeni, Agus Maman Abadi Program Studi Matematika, FMIPA, Universitas Negeri Yogyakarta arifianaghina@gmail.com Abstrak Inflasi merupakan suatu fenomena dalam dunia ekonomi. Di Indonesia, inflasi dihitung dari perubahan harga barang dan jasa yang dinyatakan dengan Indeks Harga Konsumen (IHK). Inflasi tinggi dapat berdampak negatif terhadap kondisi sosial ekonomi masyarakat. Oleh karena itu, diperlukan adanya peramalan IHK yang dapat digunakan sebagai acuan untuk menjaga stabilitas nilai IHK. Dalam penelitian ini, proses prediksi nilai IHK dilakukan dengan menggunakan Radial Basis Function Neural Network (RBFNN) dengan metode Fuzzy C-Means Clustering. RBFNN adalah salah satu model Neural Network (NN) yang digunakan untuk menyelesaikan permasalahan nonlinear. Desain dari RBFNN adalah model NN yang mentransformasikan input secara nonlinear dengan menggunakan fungsi aktivasi Cauchy pada lapisan tersembunyi sebelum diproses secara linear di lapisan output. Sedangkan Fuzzy C-Means Clustering yaitu suatu teknik pengelompokan data yang mana keberadaan tiap-tiap titik data dalam suatu kelompok (cluster) yang ditentukan oleh derajat keanggotaan. Prosedur pembentukan model RBFNN yang pertama adalah membagi data menjadi data training dan data testing. Kedua menentukan nilai pusat dan varians dari variabel input pada setiap neuron pada lapisan tersembunyi dengan menggunakan metode Fuzzy C-Means Clustering. Model terbaik diperoleh dengan menentukan banyaknya neuron pada lapisan tersembunyi dan neuron input secara trial dan error dengan memperhatikan nilai Means Absolute Percent Eroor (MAPE). Hasil penelitian ini diperoleh bahwa prediksi nilai IHK kota Jambi dengan RBFNN dengan metode Fuzzy C-Means Clustering sudah cukup baik dengan MAPE sebesar 7,641% untuk data training dan 9,408% untuk data testing. Hasil peramalan dari model ini digunakan untuk memprediksi banyaknya nilai IHK kota Jambi untuk 6 bulan berikutnya. Kata kunci: Indeks Harga Konsumen (IHK), Radial Basis Function Neural Network (RBFNN), Fuzzy C-Means Clustering. I. PENDAHULUAN Indeks harga merupakan barometer kondisi ekonomi secara umum. Dengan indeks harga, para pemimpin atau menejer dapat mengelola data-data yang ada sehingga dapat mengetahui perkembangan usaha atau kegiatan yang dilakukan, seperti untuk mengetahui faktor-faktor yang mempengaruhi kemajuan ekonomi, sebagai ukuran tingkat kemajuan ekonomi, atau sebagai alat bagi pemerintah untuk menetapkan kebijaksanaan harga (menaikkan atau menurunkan harga). Dalam hal ini, proses kenaikan harga secara umum dan terus-menerus disebut sebagai inflasi. Beberapa indeks harga yang sering digunakan untuk mengukur inflasi antara lain adalah Indeks Harga Konsumen (IHK). Indeks Harga Konsumen (IHK) merupakan indikator umum tingkat inflasi di Indonesia yang dihitung dan diumumkan ke publik setiap bulannya oleh Badan Pusat Statistik (BPS). IHK memberikan informasi mengenai perkembangan ratarata perubahan harga sekelompok tetap barang atau jasa yang pada umumnya dikonsumsi oleh rumah tangga dalam suatu kurun waktu tertentu [1]. Peramalan Indeks Harga Konsumen (IHK) dengan segala bentuk analisis dan informasi yang dihasilkan besar dampaknya guna membantu dan menunjang kegiatan sosial ekonomi di Indonesia, khususnya di daerah-daerah. Hasil peramalan IHK dilihat pada beberapa media. Namun, saat ini masih banyak yang belum tahu bagaimana cara memperkirakan IHK tersebut. Peramalan yang PT-75
2 ISBN (Cetak) (On-line) dilakukan umumnya berdasarkan pada data masa lampau maupun data saat ini yang dianalisis dengan menggunakan cara-cara tertentu. Data masa lampau dikumpulkan, dipelajari, dan dianalisis dihubungkan dengan gerakan waktu. Selanjutnya dari analisis tersebut, kita mencoba memperkirakan suatu nilai pada masa yang akan datang. Hasil dari peramalan tidak akan mendapatkan nilai kebenaran 100 %, tetapi akan ada nilai kesalahan yang dihasilkan. Meskipun hasil dari peramalan tidak selalu tepat, tetapi terbukti bahwa peramalan telah banyak digunakan dan membantu dengan baik dalam berbagai bidang sebagai dasar-dasar perencanaan, pengawasan, dan pengambilan keputusan (kebijakan). Salah satunya adalah peramalan IHK itu sendiri. Karena besarnya pengaruh Indeks Harga Konsumen (IHK) terhadap laju inflasi ekonomi yang selanjutnya akan berdampak besar terhadap maju tidaknya perekonomian di Indonesia serta kelebihan Radial Basis Function Neural Network (RBFNN) dan metode Fuzzy C-Means Clustering yang bisa digunakan untuk semua pola data, maka penulis mencoba melakukan peramalan Indeks Harga Konsumen (IHK) menggunakan Radial Basis Function Neural Network (RBFNN) dengan metode Fuzzy C-Means Clustering yang diharapkan dapat membantu dan memudahkan pemerintah dalam proses menentukan kebijakan- kebijakan selanjutnya. Model RBFNN terdiri dari 3 lapisan, yaitu lapisan input (input layer), lapisan tersembunyi (hidden layer) dan lapisan output (output layer). Lapisan input menerima suatu vektor input x yang kemudian dibawa ke lapisan tesembunyi yang akan memproses data input secara nonlinear dengan fungsi aktivasi. Output dari lapisan tersembunyi selanjutnya diproses di lapisan output secara linear [2]. Sedangkan fuzzy clustering adalah salah satu teknik untuk menentukan cluster optimal dalam suatu ruang vektor yang didasarkan pada bentuk normal Euclidian untuk jarak antar vektor. Metode clustering yang digunakan dalam penelitian ini adalah Fuzzy C-Means Clustering. Metode ini pertama kali dikenalkan oleh Jim Bezdek pada tahun 1981 [3]. Fuzzy C-Means Clustering adalah suatu tehnik pengelompokan data yang mana keberadaan tiap-tiap titik data dalam suatu kelompok (cluster) ditentukan oleh derajat keanggotaan. Kelebihan dari Fuzzy C-Means Clustering adalah dapat melakukan clustering lebih dari satu variabel secara sekaligus [4] Berdasarkan uraian dari latar belakang masalah diatas, dapat dirumuskan sebuah permasalahan yaitu bagaimanakah penerapan Fuzzy C-Means clustering dengan fungsi basis Cauchy dan dengan metode pembobotan Global Ridge Regression untuk memprediksi nilai Indeks Harga Konsumen kota Jambi pada bulan April 2017 yang akurat. Penelitian ini bertujuan untuk menerapkan Radial Basis Function Neural Network (RBFNN) dengan metode Fuzzy C-Means Clustering. Fungsi basis yang digunakan adalah basis Cauchy dan dengan metode pembobotan Global Ridge Regression untuk memprediksi nilai Indeks Harga Konsumen kota Jambi pada 6 bulan berikutnya atau dari bulan April - Spetember 2017 yang akurat. Manfaat dari penelitian ini adalah memberikan gambaran tentang langkah-langkah implementasi Radial Basis Function Neural Network (RBFNN) dengan metode Fuzzy C-Means Clustering dalam menentukan prediksi nilai Indeks Harga Konsumen serta menjadi referensi bagi penelitian yang berkaitan dengan clustering untuk menentukan hasil prediksi yang lebih lanjut lagi. II. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan adalah data time series sekunder berupa data historis nilai Indeks Harga Konsumen (IHK) kota Jambi yang diperoleh dari publikasi resmi Bank Indonesia setiap 3 bulanan melalui buku Statistik Ekonomi dan Keuangan Daerah Provinsi Jambi. Data yang diperoleh merupakan data bulanan dari bulan Januari 2012 sampai Maret Jumlah data yang digunakan sebanyak 60 data dengan pembagian 50 data untuk data training dan 10 data untuk data testing. Data IHK kota Jambi disajikan pada Tabel 1. PT-76
3 SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 TABEL 1. DATA INDEKS HARGA KONSUMEN KOTA JAMBI Tahun Bulan IHK Tahun Bulan IHK Tahun Bulan IHK Jan 134,95 Jan 112,13 Jan 122,2 Feb 133,21 Feb 111,26 Feb 122,47 Mar 133,9 Mar 111,51 Mar 122,79 Apr 133,97 Apr 111,67 Apr 121,01 Mei 134,91 Mei 111,93 Mei 122,09 Jun 137, Jun 112, Jun 123,27 Jul 137,84 Juls 113,58 Jul 124,7 Agt 138,42 Agt 113,76 Agt 124,86 Sep 138,68 Sep 113,91 Sep 124,65 Okt 138,75 Okt 114,49 Okt 126,13 Nov 138,26 Nov 116,99 Nov 126,76 Des 139,12 Des 120,04 Des 127,21 Jan 103,02 Jan 118,97 Jan 127,53 Feb 103,55 Feb 117, Feb 125,74 Mar 103,65 Mar 116,95 Mar 126,13 Apr 103,58 Apr 117,3 Mei 104,16 Mei 118,69 Jun 105, Jun 119,33 Jul 108,98 Jul 121,17 Agt 110,28 Agt 121,47 Sep 109,27 Sep 119,94 Okt 110,21 Okt 120,04 Nov 109,98 Nov 120,59 Des 110,41 Des 121,69 B. Metode Analisis Metode analisis untuk prediksi nilai Indeks Harga Konsumen (IHK) kota Jambi dengan menggunakan Radial Basis Function Neural Network (RBFNN) dengan metode Fuzzy C-Means Clustering disajikan pada Gambar 1. PT-77
4 ISBN (Cetak) (On-line) GAMBAR 1. BAGAN PROSES PREDIKSI Plot data runtun waktu Indeks Harga Konsumen Kota Jambi dengan menggunakan Minitab disajikan pada Gambar 2. GAMBAR 2. PLOT DATA NILAI INDEKS HARGA KONSUMEN (IHK) KOTA JAMBI III. HASIL DAN PEMBAHASAN Berdasarkan prosedur pembentukan moel RBFNN berikut merupakan pengaplikasiannya pada peramalan Indeks Harga Konsumen Kota Jambi. 1. Pembagian Data Data banyak nilai Indeks Harga Konsumen (IHK) kota Jambi dibagi menjadi dua bagian yaitu data training dan data testing. Pada penelitian ini digunakan komposisi 50 data untuk data training dan 10 data untuk data testing. 2. Menentukan Nilai Pusat dan Varians Nilai pusat dan varians ditentukan dengan metode Fuzzy C-Means Clustering dengan bantuan program MATLAB r2013a [3] PT-78
5 SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 TABEL 2. NILAI PUSAT DAN VARIANS IHK KOTA JAMBI 5 cluster Input Cluster 1 Cluster 2 Cluster 3 Cluster 4 Cluster 5 118,69 119,07 119,38 119,44 118,08 117,13 118,95 119,83 120,53 118,11 116,01 119,89 120,36 120,53 118,01 Varians 41,45 84,69 71,6 83,97 75,54 3. Identifikasi Model Plot ACF data Indeks Harga Konsumen Kota Jambi untuk melihat lag-lag yang signifikan disajikan pada Gambar 3. GAMBAR 3. PLOT ACF DATA NILAI INDEKS HARGA KONSUMEN (IHK) KOTA JAMBI Berdasarkan Plot ACF pada Gambar 3 diperoleh lag-lag yang signifikan adalah lag 1, lag 2, dan lag 3. Dengan demikian diperoleh 3 variable input yaitu. 4. Menentukan jaringan yang optimum Dalam permasalahan ini didapatkan 5 cluster merupakan cluster yang akan membentuk jaringan yang optimum. Keakuratan model Radial Basis Function Neural Network (RBFNN) dan metode Fuzzy C-Means Clustering untuk prediksi nilai Indeks Harga Konsumen (IHK) kota Jambi dapat dilihat dari nilai MAPE output jaringannya. Nilai MAPE data training dan data testing dengan Radial Basis Function Neural Network (RBFNN) dengan metode Fuzzy C-Means Clustering untuk prediksi nilai IHK kota Jambi adalah 7,641% untuk data training dan 9,408% untuk data testing. Plot data aktual dan hasil prediksi nilai Indeks Harga Konsumen kota Jambi untuk data training ditunjukkan pada Gambar. 4 dan data testing pada Gambar 5. PT-79
6 ISBN (Cetak) (On-line) GAMBAR 4. PLOT DATA AKTUAL DAN HASIL PREDIKSI PADA DATA TRAINING GAMBAR 5. PLOT DATA AKTUAL DAN HASIL PREDIKSI PADA DATA TESTING 5. Menentukan nilai bobot dengan model Global Ridge Regression Proses ini ditentukan nilai-nilai bobot dengan menggunakan MATLAB r2013a yang akan digunakan untuk perhitungan preidksi IHK. Bobot disajikan pada Tabel 3. TABEL 3. BOBOT w INDEKS HARGA KONSUMEN KOTA JAMBI ,1 6. Prediksi nilai Indeks Harga Konsumen (IHK) Berdasarkan variabel input, nilai pusat pada neuron tersembunyi dari variabel input cluster ), jarak pada neuron tersembunyi dari variabel input cluster yang telah ditampilkan pada Tabel 2 untuk mencari fungsi aktivasi neuron tersembunyi. Dalam hal ini, aktivasi neuron tersembunyi menggunakan basis Cauchy. Dengan: Untuk i=1, maka Untuk i=2, maka Untuk i=3, maka Perhitungan, menggunakan basis Cauchy adalah sebagai berikut: PT-80
7 SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Dan seterusnya sampai dengan yang disajikan pada Tabel 4... TABEL 4. FUNGSI AKTIVASI NEURON TERSEMBUNYI Hasil output y yang dihasilkan dari model RBFNN merupakan kombinasi linear dari bobot dengan fungsi aktivasi dan bobot bias. Vektor output dirumuskan sebagai berikut : Berdasarkan hasil perhitungan 2017 adalah sebagai berikut: diatas, perhitungan peramalan nilai IHK pada bulan April 112, Berdasarkan hasil perhitungan di atas diperoleh hasil peramalan nilai Indeks Harga Konsumen (IHK) kota Jambi bulan April 2017 adalah sebanyak 112,48. Dengan cara yang sama dihitung peramalan nilai Indeks Harga Konsumen (IHK) kota Jambi untuk bulan Mei 2017 sampai September Hasil peramalan dapat dilihat pada Tabel 5. TABEL 5. HASIL PREDIKSI Waktu Hasil Prediksi April ,4856 Mei ,6399 Juni ,6308 Juli ,6825 Agustus ,6149 September ,6149 IV. SIMPULAN DAN SARAN Berdasarkan analisis, dan hasil pengujian dari Prediksi nilai Indeks Harga Konsumen (IHK) kota Jambi dengan menggunakan model Radial Basis Function Neural Network (RBFNN) dan metode Fuzzy C-Means Clusterin, maka didapatkan kesimpulan bahwa aplikasi model Radial Basis Function Neural Network (RBFNN) dengan metode Fuzzy C-Means Clustering cukup baik untuk dapat PT-81
8 ISBN (Cetak) (On-line) menentukan berapa prediksi nilai Indeks Harga Konsumen (IHK) kota Jambi dengan MAPE sebesar 7,641% untuk data training dan 9,48% untuk data testing. Berdasarkan model yang terbentuk, diperoleh hasil prediksi untuk 6 bulan berikutnya yaitu bulan April sampai dengan September Dalam penelitian ini untuk mengestimasi parameter regulasi dalam menetukan banyak neuron pada lapisan tersembunyi digunakan model RBFNN dengan metode Global Ridge-Regression. Pada penelitian yang lain dapat menggunakan metode lain seperti Local Ridge Regression. DAFTAR PUSTAKA [1] Indeks harga konsumen. Diakses pada tanggal 11 Juni [2] Wei, W.W.S, Time Series Analysis Univariate and Multivariate Mrthod. Second Edition. New York: Pearson Education, [3] Kusumadewi, Sri dan Purnomo, Hari, Aplikasi Logika Fuzzy Untuk Pendukung Keputusan, Graha Ilmu, Yogyakarta, [4] Zimmermann, Fuzzy Sets Theory and Its Applications (4th ed.). Massachusetts: Kluwer Academic Publishers, PT-82
BAB III PEMBAHASAN. FRBFNN, Arsitektur FRBFNN, aplikasi FRBFNN untuk meramalkan kebutuhan
BAB III PEMBAHASAN Pada bab ini berisi mengenai FRBFNN, prosedur pembentukan model FRBFNN, Arsitektur FRBFNN, aplikasi FRBFNN untuk meramalkan kebutuhan listrik di D.I Yogyakarta. A. Radial Basis Function
Lebih terperinciMODEL FUZZY RADIAL BASIS FUNCTION NEURAL NETWORK UNTUK PERAMALAN KEBUTUHAN LISTRIK DI PROVINSI DAERAH ISTIMEWA YOGYAKARTA
MODEL FUZZY RADIAL BASIS FUNCTION NEURAL NETWORK UNTUK PERAMALAN KEBUTUHAN LISTRIK DI PROVINSI DAERAH ISTIMEWA YOGYAKARTA TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciBAB III METODE PENELITIAN. sekunder berupa citra Magnetic Resonansi Image (MRI) yang diperoleh dari
BAB III METODE PENELITIAN Metode penelitian yang dilakukan pada penelitian ini adalah teknik pengumpulan data dan teknik analisis data. A. Teknik Pengumpulan Data Data yang digunakan pada penelitian ini
Lebih terperinciBAB IV PEMBAHASAN. A. Hasil Model Radial Basis Function Neural Network (RBFNN) Langkah-langkah untuk menentukan model terbaik Radial Basis Function
BAB IV PEMBAHASAN A. Hasil Model Radial Basis Function Neural Network (RBFNN) Langkah-langkah untuk menentukan model terbaik Radial Basis Function Neural Network (RBFNN) untuk diagnosis penyakit jantung
Lebih terperinciOPTIMASI FUZZY BACKPROPAGATION NEURAL NETWORK DENGAN ALGORITMA GENETIKA UNTUK MEMPREDIKSI NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA
OPTIMASI FUZZY BACKPROPAGATION NEURAL NETWORK DENGAN ALGORITMA GENETIKA UNTUK MEMPREDIKSI NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciT 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX
T 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX Oleh: Intan Widya Kusuma Program Studi Matematika, FMIPA Universitas Negeri yogyakarta
Lebih terperinciBAB IV PEMBAHASAN. Bab IV berisi pembahasan yang meliputi proses penelitian yakni hasil
BAB IV PEMBAHASAN Bab IV berisi pembahasan yang meliputi proses penelitian yakni hasil model Radial Basis Function Neural Network untuk diagnosa kanker otak, hasil klasifikasi, dan ketepatan hasil klasifikasinya.
Lebih terperinciBAB III PEMBAHASAN. arsitektur, prosedur, dan hasil model Radial Basis Function Neural Network untuk
BAB III PEMBAHASAN Bab III merupakan pembahasan yang meliputi proses penelitian yaitu arsitektur, prosedur, dan hasil model Radial Basis Function Neural Network untuk klasifikasi stadium kanker payudara,
Lebih terperinciBAB I PENDAHULUAN. diatur di dalam otak sebagai pengendali utama tubuh manusia. Otak manusia
BAB I PENDAHULUAN A. Latar Belakang Manusia telah diciptakaan oleh Tuhan dalam bentuk kesempurnaan. Salah satu ciptaan yang menakjubkan adalah otak manusia dimana semua kecerdasaan diatur di dalam otak
Lebih terperinciBAB III PEMBAHASAN. 1. Arsitektur Fuzzy Radial Basis Function Neural Network (FRBFNN) Fuzzy Radial Basis Function Neural Network (FRBFNN) merupakan
BAB III PEMBAHASAN A. Fuzzy Radial Basis Function (FRBFNN) 1. Arsitektur Fuzzy Radial Basis Function Neural Network (FRBFNN) Fuzzy Radial Basis Function Neural Network (FRBFNN) merupakan gabungan dari
Lebih terperinciBAB SIMULASI PERHITUNGAN HARGA BARANG. Bab 4 Simulasi Perhitungan Harga barang berisikan :
BAB SIMULASI PERHITUNGAN HARGA BARANG Bab Simulasi Perhitungan Harga barang berisikan :.. Simulasi peramalan nilai Indeks Harga Konsumen (IHK) melalui metode ARIMA.. Prediksi nilai inflasi tahun 0.3. Prediksi
Lebih terperinciFUZZY ELMAN RECURRENT NEURAL NETWORK DALAM PERAMALAN HARGA MINYAK MENTAH DI INDONESIA DENGAN OPTIMASI ALGORITMA GENETIKA TUGAS AKHIR SKRIPSI
FUZZY ELMAN RECURRENT NEURAL NETWORK DALAM PERAMALAN HARGA MINYAK MENTAH DI INDONESIA DENGAN OPTIMASI ALGORITMA GENETIKA TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciBAB III PEMBAHASAN. harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017.
BAB III PEMBAHASAN Data yang digunakan dalam bab ini diasumsikan sebagai data perkiraan harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017. Dengan demikian dapat disusun model Fuzzy
Lebih terperinciANALISA PERBANDINGAN HASIL PERAMALAN DATA TIME SERIES DENGAN JARINGAN SYARAF TIRUAN RBF DAN FRBF (COMPARATION ANALYZE OF TIME SERIES FORECASTING VALUE
ANALISA PERBANDINGAN HASIL PERAMALAN DATA TIME SERIES DENGAN JARINGAN SYARAF TIRUAN RBF DAN FRBF (COMPARATION ANALYZE OF TIME SERIES FORECASTING VALUE USING RBF AND FRBF NEURAL NETWORK) Nisa Ayunda 1,
Lebih terperinciJURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: A-403
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 201-9271 A-0 Implementasi Fuzzy Neural Network untuk Memperkirakan Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Ani Rahmadiani dan Wiwik
Lebih terperinci2. Adanya resiko pemumpukan barang pada gudang.
BAB 3 PROSEDUR DAN METODOLOGI 3.1. Analisis Masalah 3.1.1. Deskripsi Masalah Pemenuhan keinginan atau permintaan pasar merupakan hal yang krusial bagi setiap perusahaan. Perusahaan yang siap berkompetisi
Lebih terperinciPERKEMBANGAN TINGKAT PENGHUNIAN KAMAR HOTEL BINTANG
No. 04/01/81/Th. VIII, 3 Januari 2017 2014 PERKEMBANGAN TINGKAT PENGHUNIAN KAMAR HOTEL BINTANG DI PROVINSI MALUKU NOVEMBER TPK HOTEL BINTANG NOVEMBER MENCAPAI 38,23 % Tingkat penghunian kamar (TPK) hotel
Lebih terperinciBAB III PEMBAHASAN. Radial Basis Function Neural Network (FRBFNN), prosedur pembentukan model
BAB III PEMBAHASAN Bab III merupakan pembahasan yang meliputi proses penelitian yaitu Fuzzy Radial Basis Function Neural Network (FRBFNN), prosedur pembentukan model FRBFNN, hasil model FRBFNN untuk deteksi
Lebih terperinciCombined for Time Series Forecasting
RBF and ARIMA Combined for Time Series Forecasting Dian Tri Wiyanti Teknik Informatika Universitas Semarang Semarang, Indonesia deediy87@gmailcom Reza Pulungan Jurusan Ilmu Komputer dan Elektronika FMIPA
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 terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Semua negara mempunyai mata uang sebagai alat tukar. Pertukaran uang dengan barang yang terjadi disetiap negara tidak akan menimbulkan masalah mengingat nilai uang
Lebih terperinciPERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN
PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN Titik Misriati AMIK BSI Jakarta Jl. R.S Fatmawati No. 24 Pondok Labu, Jakarta Selatan titik.tmi@bsi.ac.id ABSTRACT
Lebih terperinciBAB I PENDAHULUAN. Peramalan (forecasting) adalah kegiatan untuk meramalkan apa yang akan
BAB I PENDAHULUAN A. Latar Belakang Peramalan (forecasting) adalah kegiatan untuk meramalkan apa yang akan terjadi pada masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang akan
Lebih terperinciMETODE BOOTSTRAP DALAM INFERENSI MODEL REGRESI POLINOMIAL
Vol. 5, No., April, 5 METODE OOTSTRAP DALAM INFERENSI MODEL REGRESI POLINOMIAL Hermi Rumtiasih ), Suparman ) ) Program Studi Matematika Universitas Ahmad Dahlan, ) Program Studi Pendidikan Matematika Universitas
Lebih terperinciABSTRAK. Kata kunci : Data Runtun Waktu, Indeks Harga Konsumen, ARIMA, Analisis Intervensi, Fungsi Step, Peramalan. I Pendahuluan
Analisis Model Intervensi Fungsi Step Terhadap Indeks Harga Konsumen (IHK) Zuhairini Azzahra A 1, Suyono 2, Ria Arafiyah 3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lebih terperinciPERKEMBANGAN TINGKAT PENGHUNIAN KAMAR HOTEL BINTANG
No. 04/11/81/Th. VII, 1 November 2014 PERKEMBANGAN TINGKAT PENGHUNIAN KAMAR HOTEL BINTANG DI PROVINSI MALUKU SEPTEMBER TPK HOTEL BINTANG SEPTEMBER MENCAPAI 29,30 % Tingkat penghunian kamar (TPK) hotel
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu ratarata temperatur bumi periode tahun 1880 sampai dengan tahun 2012. 3.2 Jenis dan
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) A-31
JURNAL SAINS DAN SENI ITS Vol 4, No2, (2015) 2337-3520 (2301-928X Print) A-31 Perbandingan Performansi Metode Peramalan Fuzzy Time Series yang Dimodifikasi dan Jaringan Syaraf Tiruan Backpropagation (Studi
Lebih terperinciKLASIFIKASI CITRA PARU MENGGUNAKAN MODEL SELF-ORGANIZING MAPS RADIAL BASIS FUNCTION NEURAL NETWORKS (SOM-RBFNN) SKRIPSI
KLASIFIKASI CITRA PARU MENGGUNAKAN MODEL SELF-ORGANIZING MAPS RADIAL BASIS FUNCTION NEURAL NETWORKS (SOM-RBFNN) SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri
Lebih terperinciSATIN Sains dan Teknologi Informasi
SATIN - Sains dan Teknologi Informasi, Vol. 2, No., Juni 206 SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Jaringan Syaraf Tiruan Peramalan Inventory Barang
Lebih terperinciPenentuan Error Dalam Peramalan Jumlah Korban Demam Berdarah Dengue Menggunakan Metode Neural Network (Kasus : Rumah Sakit Charitas Palembang)
Penentuan Error Dalam Peramalan Jumlah Korban Demam Berdarah Dengue Menggunakan Metode Neural Network (Kasus : Rumah Sakit Charitas Palembang) Maria Bellaniar Ismiati 1, Latius Hermawan 2 Program Studi
Lebih terperinciJARINGAN FUNGSI BASIS RADIAL UNTUK MENENTUKAN RELASI FUZZY PADA PERAMALAN RUNTUN WAKTU FUZZY ORDE TINGGI
JARINGAN FUNGSI BASIS RADIAL UNTUK MENENTUKAN RELASI FUZZY PADA PERAMALAN RUNTUN WAKTU FUZZY ORDE TINGGI Winita Sulandari 1, Titin Sri Martini 1, Nughthoh Arfawi Kurdhi 1, Hartatik 2, Yudho Yudhanto 2
Lebih terperinciImplementasi Neural Network pada Matlab untuk Prakiraan Konsumsi Beban Listrik Kabupaten Ponorogo Jawa Timur
P-ISSN 1411-0059 E-ISSN 2549-1571 Implementasi Neural Network pada Matlab untuk Prakiraan Konsumsi Beban Listrik Kabupaten Ponorogo Jawa Timur Niswatul Arifah T 1, Agus Murnomo 2, dan Agus Suryanto 3 Jurusan
Lebih terperinciPEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU SULAWESI TENGAH
JIMT Vol. 12 No. 2 Desember 2016 (Hal 149-159) ISSN : 2450 766X PEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU SULAWESI TENGAH 1 Y. Wigati, 2 Rais, 3 I.T.
Lebih terperinciPERKEMBANGAN PARIWISATA JAWA TIMUR AGUSTUS 2012
BPS PROVINSI JAWA TIMUR No.62/10/35/Th. X, 1 Oktober PERKEMBANGAN PARIWISATA JAWA TIMUR AGUSTUS Selama bulan Agustus jumlah wisman dari pintu masuk Juanda dan TPK Hotel Berbintang di Jawa Timur masing-masing
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI NILAI KURS JUAL SGD-IDR
Seminar Nasional Teknologi Informasi dan Multimedia 205 STMIK AMIKOM Yogyakarta, 6-8 Februari 205 IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI
Lebih terperinciBAB 5 KESIMPULAN, KEKURANGAN PENELITIAN DAN SARAN. Dari hasil pengujian peramalan dengan menggunakan metode Fuzzy Mamdani
BAB 5 KESIMPULAN, KEKURANGAN PENELITIAN DAN SARAN 5. 1 Kesimpulan Dari hasil pengujian peramalan dengan menggunakan metode Fuzzy Mamdani dan bantuan software Matlab, dapat diambil beberapa kesimpulan sebagai
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 terperinciPeramalan Harga Minyak Mentah Dunia (Crude Oil) Menggunakan Metode Radial Basis Function Neural Network (RBFNN)
Peramalan Harga Minyak Mentah Dunia (Crude Oil) Menggunakan Metode Radial Basis Function Neural Network (RBFNN) Crude Oil Price Forecasting Using Radial Basis Function Neural Network Method (RBFNN) Ayu
Lebih terperinciPENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION SKRIPSI
PENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION (Studi Kasus : Harga Penutupan Saham Unilever Indonesia Tbk. Periode September
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 terperinciDETEKSI DINI KANKER PARU DENGAN MODEL FUZZY RADIAL BASIS FUNCTION NEURAL NETWORK (FRBFNN) DAN HIGH FREQUENCY EMPHASIS FILTER SKRIPSI
DETEKSI DINI KANKER PARU DENGAN MODEL FUZZY RADIAL BASIS FUNCTION NEURAL NETWORK (FRBFNN) DAN HIGH FREQUENCY EMPHASIS FILTER SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan yang dilakukan dalam penelitian ini disajikan pada Gambar 14, terdiri dari tahap identifikasi masalah, pengumpulan dan praproses data, pemodelan
Lebih terperinciPREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) Supriyanto 1, Sudjono 2, Desty Rakhmawati 3 ( 1,2. UNSOED Purwokerto, 3. STMIK
Lebih terperinciPERAMALAN DERET WAKTU MENGGUNAKAN MODEL FUNGSI BASIS RADIAL (RBF) DAN AUTO REGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA)
Jurnal MIPA 35 (2):175-182 (2012) Jurnal MIPA http://journal.unnes.ac.id/sju/index.php/jm PERAMALAN DERET WAKTU MENGGUNAKAN MODEL FUNGSI BASIS RADIAL (RBF) DAN AUTO REGRESSIVE INTEGRATED MOVING AVERAGE
Lebih terperinciDisusun oleh: Aziza Ratna Kumala
PERBANDINGAN K-MEANS DAN FUZZY C-MEANS CLUSTERING PADA MODEL RADIAL BASIS FUNCTION NEURAL NETWORK (RBFNN) UNTUK KLASIFIKASI STADIUM KANKER PAYUDARA SKRIPSI Diajukan Kepada Fakultas Matematika dan Ilmu
Lebih terperinciPERKEMBANGAN NILAI TUKAR PETANI, DAN HARGA PRODUSEN GABAH
No. 53/9/13/Th XVIII, 1 September 2015 PERKEMBANGAN NILAI TUKAR PETANI, DAN HARGA PRODUSEN GABAH A. PERKEMBANGAN NILAI TUKAR PETANI NTP SUMATERA BARAT AGUSTUS 2015 SEBESAR 96,97 ATAU TURUN 0,40% NTP Sumatera
Lebih terperinciPERAMALAN HARGA MINYAK MENTAH DUNIA NEURAL NETWORK
PERAMALAN HARGA MINYAK MENTAH DUNIA MENGGUNAKAN METODE RADIAL BASIS FUNCTION NEURAL NETWORK SKRIPSI Disusun oleh: Rahafattri Ariya Fauzannissa 24010211140092 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciSURVEY PENJUALAN ECERAN
SURVEY PENJUALAN ECERAN September Indeks riil penjualan eceran pada September mengalami penurunan Harga-harga umum diperkirakan meningkat dan tingkat suku bunga kredit diperkirakan relatif stabil Perkembangan
Lebih terperinciPERKEMBANGAN PARIWISATA JAWA TIMUR JUNI 2012
BPS PROVINSI JAWA TIMUR No.48/08/35/Th. X, 1 Agustus PERKEMBANGAN PARIWISATA JAWA TIMUR JUNI Selama bulan Juni jumlah wisman dari pintu masuk Juanda dan TPK Hotel Berbintang di Jawa Timur masing-masing
Lebih terperinciAnalisis dan Peramalan Kepadatan Jalan Raya Kodya Malang dengan FTS Average Based
14 Analisis dan Peramalan Kepadatan Jalan Raya Kodya Malang dengan FTS Average Based Anggri Sartika Wiguna Abstrak -Kemacetan saat ini menjadi persoalan serius di Kodya Malang. Berbagai penelitian yang
Lebih terperinciPERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN
Feng PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK... 211 PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN Tan
Lebih terperinciBAB III METODE PENELITIAN. untuk memahami, memecahkan dan mengantisipasi masalah. adalah penelitian secara deskriptif dan komparatif.
BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif dan komparatif. Melalui penelitian, manusia dapat menggunakan hasilnya, secara
Lebih terperinciIndeks Keyakinan Konsumen menembus level 100. Okt. Jul. Mei. Sep. Mar. Ags. Jan. Jun. Feb
SURVEI KONSUMEN C O N S U M E R SURVEI KONSUMEN S U R V E Y Januari 23 September 24?? Indeks Keyakinan Konsumen menembus level 1?? Konsumen tetap optimis terhadap prospek ekonomi Indeks Keyakinan Konsumen
Lebih terperinciBPS PROVINSI KALIMANTAN TENGAH
CQWWka BPS PROVINSI KALIMANTAN TENGAH No. 10/07/62/Th. X, 1 Juli PERKEMBANGAN TINGKAT PENGGUNAAN SARANA AKOMODASI Selama, TPK Hotel Berbintang Sebesar 56,39 Persen. Tingkat Penghunian Kamar (TPK) hotel
Lebih terperinciIII. MATEMATIKA DAN STATISTIKA APLIKASI (S.1) EFEK PERUBAHAN POLA CUACA PADA DEBIT AIR MASUK DI WADUK SAGULING
III. MATEMATIKA DAN STATISTIKA APLIKASI (S.1) EFEK PERUBAHAN POLA CUACA PADA DEBIT AIR MASUK DI WADUK SAGULING Yurian Yudanto (yurian.yudanto@yahoo.com) Jurusan Statistika, Fakultas Matematika dan Ilmu
Lebih terperinciBAB V KESIMPULAN DAN SARAN. Desember 2009 dalam kondisi jangka pendek.
45 BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan uraian yang telah disampaikan pada bab sebelumnya, maka kesimpulan penelitian ini adalah: 1) Secara individu variabel Jumlah Uang Beredar (M1) tidak
Lebih terperinciSURVEI PENJUALAN ECERAN
SURVEI PENJUALAN ECERAN Mei Indeks riil penjualan eceran mengalami penurunan Harga-harga umum dan tingkat suku bunga kredit diperkirakan masih akan tetap meningkat Perkembangan Penjualan Eceran Indeks
Lebih terperinciBAB I PENDAHULUAN. kenaikan harga minyak mentah itu sendiri. Saat ini penetapan harga minyak
BAB I PENDAHULUAN A. Latar Belakang Minyak merupakan salah satu sumber energi yang sangat dibutuhkan manusia dalam berbagai aspek kehidupan. Peningkatan jumlah manusia yang membutuhkan minyak dalam kehidupan
Lebih terperinciPERAMALAN BEBAN JANGKA PENDEK PADA HARI LIBUR DI BALI MENGGUNAKAN METODE GENERALIZED REGRESSION NEURAL NETWORK (GRNN)
PERAMALAN BEBAN JANGKA PENDEK PADA HA LIBUR DI BALI MENGGUNAKAN METODE GENERALIZED REGRESSION NEURAL NETWORK () Juniar Doan Wihardono 1, Agus Dharma 2, I Made Mataram 3 Jurusan Teknik Elektro dan Komputer,
Lebih terperinci1. Pendahuluan. 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Pasar valuta asing telah mengalami perkembangan yang tak terduga selama beberapa dekade terakhir, dunia bergerak ke konsep "desa global" dan telah menjadi salah satu pasar
Lebih terperinciMETODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN A. Kerangka Pemikiran Perusahaan dalam era globalisasi pada saat ini, banyak tumbuh dan berkembang, baik dalam bidang perdagangan, jasa maupun industri manufaktur. Perusahaan
Lebih terperinciPERKEMBANGAN INDEKS HARGA KONSUMEN / INFLASI KOTA PURWODADI DESEMBER 2016 INFLASI 0,35 PERSEN
BPS KABUPATEN GROBOGAN No. 3315.036/01/2017, 10 Januari 2017 PERKEMBANGAN INDEKS HARGA KONSUMEN / INFLASI KOTA PURWODADI DESEMBER 2016 INFLASI 0,35 PERSEN Pada Desember 2016 terjadi inflasi sebesar 0,35
Lebih terperinciNeural Networks. Machine Learning
MMA10991 Topik Khusus - Machine Learning Dr. rer. nat. Hendri Murfi Intelligent Data Analysis (IDA) Group Departemen Matematika, Universitas Indonesia Depok 16424 Telp. +62-21-7862719/7863439, Fax. +62-21-7863439,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Bab ini akan membahas tentang latar belakang, rumusan masalah, keaslian penelitian, tujuan penelitian, manfaat penelitian, batasan masalah, dan sistematika penulisan. 1.1 Latar Belakang
Lebih terperinciSURVEI PENJUALAN ECERAN
SURVEI PENJUALAN ECERAN Juli Indeks riil penjualan eceran mengalami peningkatan Harga-harga umum dan tingkat suku bunga kredit diperkirakan masih akan tetap meningkat Perkembangan Penjualan Eceran Indeks
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-300
JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (203) 233-20 (230-9X Print) D-300 Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R- dengan Metode Fungsi Transfer
Lebih terperinciSURVEI PENJUALAN ECERAN
o SURVEI PENJUALAN ECERAN Februari Pada Februari indeks penjualan riil mengalami penurunan sebesar -5,7% (mtm). Penurunan tersebut sesuai dengan pola historisnya yang cenderung turun pada bulan Februari.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.6. Jaringan Syaraf Tiruan Jaringan syaraf tiruan atau neural network merupakan suatu sistem informasi yang mempunyai cara kerja dan karakteristik menyerupai jaringan syaraf pada
Lebih terperinciPERBANDINGAN AKURASI ALGORITME PELATIHAN DALAM JARINGAN SYARAF TIRUAN UNTUK PERAMALAN JUMLAH PENGGUNA KERETA API DI PULAU JAWA
PERBANDINGAN AKURASI ALGORITME PELATIHAN DALAM JARINGAN SYARAF TIRUAN UNTUK PERAMALAN JUMLAH PENGGUNA KERETA API DI PULAU JAWA Budho Setyonugroho 1), Adhistya Erna Permanasari 2), Sri Suning Kusumawardani
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 terperinciPERKEMBANGAN PARIWISATA JAWA TIMUR JULI 2012
BPS PROVINSI JAWA TIMUR No.57/09/35/Th. X, 3 September PERKEMBANGAN PARIWISATA JAWA TIMUR JULI Selama bulan Juli jumlah wisman dari pintu masuk Juanda dan TPK Hotel Berbintang di Jawa Timur masing-masing
Lebih terperinciBAB I PENDAHULUAN. terkontrol pada jaringan paru. Munculnya kanker ditandai dengan
BAB I PENDAHULUAN A. Latar Belakang Kanker paru adalah penyakit pertumbuhan jaringan yang tidak dapat terkontrol pada jaringan paru. Munculnya kanker ditandai dengan pertumbuhan sel yang tidak normal,
Lebih terperinciSURVEI PENJUALAN ECERAN
SURVEI PENJUALAN ECERAN Januari Indeks riil penjualan eceran pada Januari dan ruari mengalami penurunan Harga dan suku bunga kredit diperkirakan relatif stabil Perkembangan Penjualan Eceran Indeks riil
Lebih terperinciSURVEI PENJUALAN SURVEI KONSUMEN ECERAN
SURVEI PENJUALAN SURVEI KONSUMEN ECERAN Agustus? Trend penjualan riil masih menunjukan peningkatan walaupun melambat, pada bulan Agustus mengalami penurunan dan pada bulan September diperkirakan meningkat?
Lebih terperinciBAB I PENDAHULUAN. menjaga tenggat waktu, dan meminimalkan biaya persediaan. yang harus ditempuh menghadapi suatu kondisi tertentu (Rangkuti, 2004).
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Dunia usaha yang terus berubah dengan cepat, mengharuskan perusahaan agar mampu menganalisis lingkungan usaha dan memprediksi berbagai kemungkinan yang terjadi
Lebih terperinciMETODE PERAMALAN HOLT-WINTER UNTUK MEMPREDIKSI JUMLAH PENGUNJUNG PERPUSTAKAAN UNIVERSITAS RIAU ABSTRACT
METODE PERAMALAN HOLT-WINTER UNTUK MEMPREDIKSI JUMLAH PENGUNJUNG PERPUSTAKAAN UNIVERSITAS RIAU Encik Rosalina 1, Sigit Sugiarto 2, M.D.H. Gamal 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan
Lebih terperinciPrediksi Pemakaian Listrik Menggunakan Jaringan Syaraf Tiruan dan ARIMA Di Wilayah Sulluttenggo
Prediksi Pemakaian Listrik Menggunakan Jaringan Syaraf Tiruan dan ARIMA Di Wilayah Sulluttenggo Silviani E Rumagit 1 dan Azhari 2 1 Mahasiswa Program Pascasarjana Ilmu Komputer, FMIPA, UGM, Yogyakarta.
Lebih terperinciIV HASIL DAN PEMBAHASAN
tersembunyi berkisar dari sampai dengan 4 neuron. 5. Pemilihan laju pembelajaran dan momentum Pemilihan laju pembelajaran dan momentum mempunyai peranan yang penting untuk struktur jaringan yang akan dibangun.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Forecasting Forecasting (peramalan) adalah seni dan ilmu untuk memperkirakan kejadian di masa yang akan datang. Hal ini dapat dilakukan dengan melibatkan data historis dan memproyeksikannya
Lebih terperinciPERAMALAN HARGA MINYAK MENTAH DUNIA MENGGUNAKAN METODE RADIAL BASIS FUNCTION NEURAL NETWORK
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2015, Halaman 193-202 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN HARGA MINYAK MENTAH DUNIA MENGGUNAKAN METODE RADIAL
Lebih terperinciPERKEMBANGAN PARIWISATA JAWA TIMUR JUNI 2013
5 Jan Jul 2 BPS PROVINSI JAWA TIMUR No.49/8/35/Th. XI, 1 Agustus 213 PERKEMBANGAN PARIWISATA JAWA TIMUR JUNI 213 Selama bulan Juni 213 jumlah wisman dari pintu masuk Juanda dan TPK hotel berbintang di
Lebih terperinci1. Pendahuluan. 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Persaingan dalam dunia bisnis, terlebih lagi bagi perusahaan besar, tidak lepas dari adanya proses jual beli saham. Saham secara umum merupakan surat berharga yang dapat
Lebih terperinciPERKEMBANGAN NILAI TUKAR PETANI, DAN HARGA PRODUSEN GABAH
No. 44/8/13/Th XVIII, 3 Agustus 2015 PERKEMBANGAN NILAI TUKAR PETANI, DAN HARGA PRODUSEN GABAH A. PERKEMBANGAN NILAI TUKAR PETANI NTP SUMATERA BARAT JULI 2015 SEBESAR 97,36 ATAU TURUN 0,19% NTP Sumatera
Lebih terperinciPEMODELAN GENERAL REGRESSION NEURAL NETWORK (GRNN) DENGAN PEUBAH INPUT DATA RETURN UNTUK PERAMALAN INDEKS HANGSENG
PEMODELAN GENERAL REGRESSION NEURAL NETWORK (GRNN) DENGAN PEUBAH INPUT DATA RETURN UNTUK PERAMALAN INDEKS HANGSENG R. E. Caraka 1, H. Yasin 2 dan A. Prahutama 3 1,2,3 JurusanStatistika, Fakultas Sains
Lebih terperinciSURVEI PENJUALAN ECERAN
SURVEI PENJUALAN ECERAN Juni Indeks riil penjualan eceran mengalami peningkatan Harga-harga umum dan tingkat suku bunga kredit diperkirakan masih akan tetap meningkat Perkembangan Penjualan Eceran Indeks
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA
Aplikasi Jaringan Syaraf Tiruan Multilayer Perceptron (Joni Riadi dan Nurmahaludin) APLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA Joni Riadi (1) dan Nurmahaludin
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 terperinciPERKEMBANGAN INDEKS HARGA KONSUMEN / INFLASI KOTA PURWODADI APRIL 2016 DEFLASI 0,40 PERSEN
BPS KABUPATEN GROBOGAN No. 3315.028/05/2016, 18 Mei 2016 PERKEMBANGAN INDEKS HARGA KONSUMEN / INFLASI KOTA PURWODADI APRIL 2016 DEFLASI 0,40 PERSEN Pada April 2016 terjadi deflasi sebesar 0,40 persen dengan
Lebih terperinciPERAMALAN YIELD DAN HARGA OBLIGASI PEMERINTAH DENGAN PENDEKATAN ARIMA DAN ARTIFICIAL NEURAL NETWORK
PERAMALAN YIELD DAN HARGA OBLIGASI PEMERINTAH DENGAN PENDEKATAN ARIMA DAN ARTIFICIAL NEURAL NETWORK Disusun Oleh : Yuli Wahyuningsih 1308 100 074 Pembimbing Co.Pembimbing : Dr. Brodjol Sutijo Suprih Ulama,
Lebih terperinciGrafik 1 Perkembangan NTP dan Indeks Harga yang Diterima/Dibayar Petani Oktober 2015 Oktober 2016
o. 04/04/62/Th. I, 2 Juni 2007 BPS PROVINSI KALIMANTAN TENGAH PERKEMBANGAN NILAI TUKAR PETANI (NTP) No. 03/11/62/Th.X, 1 November Selama Oktober, Nilai Tukar Petani (NTP) Sebesar 97,96 Persen dan Terjadi
Lebih terperinciLOGIKA FUZZY DALAM TEKNIK PERAMALAN SECARA STATISTIK
LOGIKA FUZZY DALAM TEKNIK PERAMALAN SECARA STATISTIK Deddy Barnabas Lasfeto Abstrak : Selama ini, metode peramalan secara konvensional yang digunakan adalah analisis regresi. Oleh karena itu, dicoba untuk
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 terperinciEVALUASI MODEL JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK PREDIKSI IKLIM EKSTRIM DENGAN KORELASI CURAH HUJAN DAN TINGGI MUKA LAUT DI SEMARANG
Youngster Physics Journal ISSN : 2302-7371 Vol. 4, No. 1, Januari 2015, Hal 67-72 EVALUASI MODEL JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK PREDIKSI IKLIM EKSTRIM DENGAN KORELASI CURAH HUJAN DAN
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 terperinciJurnal Elektro ELTEK Vol. 2, No. 1, April 2011 ISSN:
Perbandingan Penggunaan Metode Radial Basis Function Network () Dari Metode Fuzzy Neural Netwotk () Dalam Memperkirakan Beban Jangka Pendek di GI. Gondang Wetan Pasuruan Rory Asrial, Almizan Abdullah,
Lebih terperinciMETODE MOVING AVERAGE DAN METODE WINTER DALAM PERAMALAN ABSTRACT
METODE MOVING AVERAGE DAN METODE WINTER DALAM PERAMALAN Widya Risnawati Siagian 1, Sigit Sugiarto 2, M.D.H. Gamal 2 1 Mahasiswa Program Studi S1 Matematika FMIPA Universitas Riau 2 Dosen Fakultas Matematika
Lebih terperinciPERKEMBANGAN INDEKS HARGA KONSUMEN / INFLASI KOTA PURWODADI JUNI 2015 INFLASI 0,69 PERSEN
BPS KABUPATEN GROBOGAN No. 3315.018/07/2015, 14 Juli 2015 PERKEMBANGAN INDEKS HARGA KONSUMEN / INFLASI KOTA PURWODADI JUNI 2015 INFLASI 0,69 PERSEN Pada Juni 2015 terjadi inflasi sebesar 0,69 persen dengan
Lebih terperinciBAB IV PENGOLAHAN DATA
30 BAB IV PENGOLAHAN DATA 4.1 Data Curah Hujan DAS Brantas Data curah hujan di DAS Brantas merupakan data curah hujan harian, dimana curah hujan harian berasal dari stasiun-stasiun curah hujan yang ada
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
53 BAB 4 HASIL DAN PEMBAHASAN Pembahasan pada bab ini menjelaskan mengenai hasil pengumpulan data, hasil analisis data, pembahasan dan hasil perancangan layar. Setelah hasil perancangan layar juga terdapat
Lebih terperinci