JSIKA Vol. 5, No. 8, Tahun 2016 ISSN X
|
|
- Inge Wibowo
- 6 tahun lalu
- Tontonan:
Transkripsi
1 JSIKA Vol., No. 8, Tahun 6 ISSN X Analisis Peramalan Menggunakan Metode Arif Rahman ) Sulistiowati 2) Julianto Lemantara 3) Program Studi/Jurusan Sistem Informasi Institut Bisnis dan Informatika Stikom Surabaya, Sistem Informasi Jl. Raya Kedung Baruk 98 Surabaya, )Arifinspire7@gmail.com, 2)Sulist@stikom.edu, 3)Julianto@stikom.edu Abstract: Nowadays, lot of people make an investments to get a passive income. This is used by many companies to acquire financial resources through the stock offering to society. However, the stock is a type of investment that has the potential for greater gains and losses than other types of investment. This happens because of the difficulty of predicting the change of stock prices that. To be able to predict the stock prices fluctuated, it needed a forecast of stock price in the future. One of the method that can be used to forecast is the method. Based on trial and forecasting evaluation, it is known that, this analysis produces the best model that can be used to forecasting the next five periods, so it can help the society to predicting the stock prices of,, ISAT, and TLKM. Best models for forecasting the stock prices of is (,,0), to forecasting the stock prices of is (0,,), to forecasting the stock prices of ISAT is (,2,2), and to forecasting the stock prices of TLKM is (,,). Keywords: Investment, Stock Price, Forecasting, Pada saat ini banyak masyarakat yang melakukan investasi untuk mendapatkan passive income. Investasi merupakan suatu komitmen penempatan dana pada satu atau beberapa objek investasi. Ada berbagai macam jenis investasi yang biasanya dipilih oleh masyarakat umum, diantaranya, deposito, saham, emas batangan, obligasi, reksadana, unit link, dan lainlain. Jenisjenis investasi tersebut memiliki kelebihan dan kekurangan masingmasing, ada yang berisiko tinggi dengan peluang imbalan juga tinggi. Sebaliknya, ada yang lebih aman dengan risiko rendah namun imbalan juga rendah (Oei, 09). Hal ini dimanfaatkan oleh banyak perusahaan untuk memperoleh sumber daya keuangan melalui penawaran saham kepada masyarakat. adalah surat berharga yang merupakan tanda kepemilikian seseorang atau badan terhadap perusahaan (Oei, 09). dibagi menjadi dua jenis, yaitu saham biasa (common stock), dan saham preferen (preffered stock). biasa (common stock) adalah saham dimana pemegang saham mewakili kepemilikan di perusahaan sebesar modal yang ditanamkan, di Indonesia dapat dengan mudah membeli saham pada perusahaan yang berstatus terbuka (Tbk). Sedangkan, saham preferen (preffered stock) adalah produk campuran antara saham biasa dengan efek pendapatan tetap (Hidayat,: 72). Berinvestasi dalam bentuk saham dipercaya dapat memberikan keuntungan besar bagi para investornya. Hal tersebut menjadi daya tarik bagi pelaku bisnis untuk bergabung menjadi investor dengan harapan memperoleh keuntungan sebagai akibat terjadinya perubahan atas harga saham. Keuntungan yang diperoleh investor salah satunya adalah capital gain. Capital gain merupakan selisih antara harga beli dan harga jual, dimana harga beli lebih rendah dibandingkan harga jualnya. Sedangkan, risiko kerugian yang dapat diperoleh investor adalah capital loss yang merupakan kebalikan dari capital gain. Capital loss terjadi jika investor menjual saham lebih rendah dibandingkan harga belinya (PT. Bursa Efek Indonesia, 0). merupakan jenis investasi yang memiliki potensi tingkat keuntungan dan kerugian yang lebih besar dibandingkan jenis investasi lainnya. Hal tersebut terjadi dikarenakan sulitnya memprediksi pergerakan harga saham yang cenderung bersifat fluktuatif (Hendarto, 0). Apabila investor salah melakukan prediksi terhadap harga saham akan menimbulkan kerugian finansial yang, terlebih jika investor memiliki lembar saham yang cukup banyak pada emiten tersebut. Untuk bisa memprediksi harga saham yang bersifat fluktuatif tersebut maka diperlukan JSIKA Vol., No. 8, Tahun 6, ISSN X Page
2 JSIKA Vol., No. 8, Tahun 6 ISSN X sebuah peramalan harga saham pada periode mendatang. Salah satu metode yang dapat digunakan untuk meramalkan adalah metode. Dengan adanya peramalan harga saham ini, diharapkan mampu membantu masyarakat dalam memprediksi harga saham beberapa emiten. METODE Ada dua tahap yang akan dilakukan dalam penelitian ini. Tahap yang pertama adalah pengumpulan data, dan tahap yang kedua adalah pengolahan data. Pengumpulan Data Penelitian ini dimulai dari pengumpulan data, jenis data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari Yahoo Finance. Data yang dikumpulkan adalah data harga penutupan saham harian pada emiten,, ISAT, dan TLKM mulai dari periode 2 Februari 4 sampai 9 Februari 6 sebanyak periode. Berikut ini adalah data mentah yang telah dikumpulkan : Tabel Data Histori Tanggal 2/2/4 2 2/24/ /2/ /7/ /8/6 39 2/9/ Tabel 2 Data Histori Tanggal 2/2/ /24/ /2/ /7/6 9 2/8/6 2/9/6 Tabel 3 Data Histori ISAT ISAT Tanggal 2/2/4 399 ISAT Tanggal 2 2/24/ /2/ /7/ /8/6 0 2/9/6 7 Tabel 4 Data Histori TLKM TLKM Tanggal 2/2/4 2 2/24/ /2/ /7/ /8/6 3 2/9/6 39 Pengolahan Data Tahap yang kedua adalah melakukan pengolahan data. Pengolahan data ini dilakukan menggunakan metode dengan bantuan software Minitab 6. Proses pengolahan data dapat dilihat pada blok diagram dibawah ini. INPUT PROSES OUTPUT Data Histori Sektor Telekomunikasi (,, ISAT, TLKM) Mengidentifikasi Melakukan Estimasi Parameter dan Pengecekan Melakukan Uji Coba Peramalan Sementara Terbaik Hasil Peramalan Sektor Telekomunikasi (,, ISAT, TLKM) Gambar Blok Diagram Analisis Peramalan Menggunakan Metode Blok diagram yang terlihat pada Gambar dibentuk sesuai dengan pendekatan BoxJenkins. Menurut Hanke dan Wichern (09), dasar dari pendekatan BoxJenkins adalah sebagai berikut :. Tahap Identifikasi Tahap ini dimulai dengan uji stasioneritas data, yaitu menentukan apakah data harga saham,, ISAT, dan TLKM bersifat stasioner atau tidak. Uji stasioneritas data dilakukan dengan plotting data, uji JSIKA Vol., No. 8, Tahun 6, ISSN X Page 2
3 JSIKA Vol., No. 8, Tahun 6 ISSN X autokorelasi (ACF) dan uji autokorelasi parsial (PACF). Jika data harga saham,, ISAT, dan TLKM tersebut tidak stasioner, maka dapat dikonversi menjadi data stasioner dengan proses diferensiasi (differencing) yaitu menghitung selisih nilai observasi. Setelah data tersebut stasioner, langkah selanjutnya adalah mengidentifikasi model sementara untuk masingmasing harga saham (,, ISAT, dan TLKM). Identifikasi model sementara dilakukan dengan cara membandingkan koefisien autokorelasi (ACF) dan koefisen autokorelasi parsial (PACF) untuk menentukan model yang paling sesuai, apakah (p,0,0), atau (0,0,q), atau (p,0,q), atau (p,d,q). Nilai d ditentukan oleh data itu sendiri. Jika stasioner, maka nilai d = 0, sedangkan untuk data tidak stasioner nilai d>0, sesuai banyaknya proses diferensiasi yang dilakukan. Tabel Identifikasi Pola ACF Pola PACF AR(p) MA(q) ARMA(p,q) AR(p) atau MA(q) Bukan AR(p) atau MA(q) (white noise atau random proses) Menurun secara cepat hingga lag keq setelah lag keq Menurun secara cepat hingga lag keq setelah lag keq Tidak ada spike yang hingga lag ckep setelah lag kep Menurun secara cepat Menurun secara cepat hingga lag kep setelah lag kep Tidak ada spike yang 2. Tahap Estimasi Estimasi parameter model dilakukan terhadap model sementara untuk masingmasing harga saham (,, ISAT, dan TLKM) dengan menggunakan p value atau menggunakan statistik t. Jika menggunakan pvalue, kesimpulan dapat ditarik tanpa harus melihat tabel pvalue karena cukup membandingkannya dengan batas toleransi (α). Apabila pvalue bernilai lebih kecil dibandingkan nilai batas toleransi (α) maka dapat dikatakan parameter tersebut berbeda dari nol. Parameter yang nilainya berbeda dari nol dapat dipertahankan. Parameter yang nilainya tidak berbeda signifkan dari nol dapat dieliminasi dari model. Untuk menghitung Mean Squared Error, dapat menggunakan rumus sebagai berikut :...() Dengan : et = Yt Ŷt = residual pada waktu ket n = nilai residual r = jumlah parameter yang diestimasi 3. Tahap Pengecekan Setelah estimasi parameter model dilakukan, maka parameterparameter tersebut harus diuji tingkat sinya untuk mengetahui apakah parameter tersebut white noise (bersifat random) atau tidak. White noise adalah data yang telah stasioner. Data stasioner merupakan syarat dalam penggunaan metode. Untuk melihat sifat white noise dari data tersebut, perlu dilakukan pengujian terhadap nilai koefisien autokorelasi, dengan menggunakan Uji LjungBox. Berikut ini adalah fungsi Uji LjungBox : n(n )..( ) k Dengan : r k (e) = autokorelasi residual untuk time lag ke k n = nilai residual k = time lag kek m = time lag maksimum Jika pvalue yang terkait pada Q (Uji Ljung Box) lebih kecil dari, maka model tersebut dinyatakan tidak layak digunakan. Sehingga harus menentukan atau memodifikasi model baru hingga model tersebut dianggap layak untuk digunakan. JSIKA Vol., No. 8, Tahun 6, ISSN X Page 3
4 ISAT TLKM JSIKA Vol., No. 8, Tahun 6 ISSN X 4. Tahap Peramalan dengan Apabila model yang layak telah didapatkan, maka langkah selanjutnya adalah melakukan uji coba peramalan dengan model tersebut untuk lima periode mendatang, sehingga mendapatkan hasil ramalan harga saham masingmasing emiten (,, ISAT, dan TLKM). Hasil uji coba peramalan tersebut akan dievaluasi dengan membandingkan antara data aktual dengan hasil ramalan serta menghitung tingkat kesalahan ramalannya. yang memiliki tingkat kesalahan hasil ramalan yang terkecil akan dinyatakan sebagai model terbaik untuk melakukan peramalan. PEMBAHASAN DAN HASIL Analisis peramalan harga saham dilakukan terhadap tiaptiap emiten (,, ISAT, dan TLKM) melalui empat tahapan, yaitu tahap identifikasi model, tahap estimasi model, tahap pengecekan model,dan tahap peramalan dengan model.. Tahap Identifikasi Langkah pertama dalam tahap ini adalah melakukan uji stasioneritas data dengan cara plotting data, uji autokorelasi (ACF), dan uji autokrelasi parsial (PACF) Time Series Plot of Time Series Plot of (a) (b) (c) (d) Gambar 3 Korelogram ACF (a) (b) (c) ISAT (d) TLKM Uji stasioneritas juga bisa dilakukan dengan uji autokorelasi parsial (PACF) seperti pada Gambar 4 yang menunjukkan bahwa koefisienn pada lag pertama berbeda dari nol, sedangkan pada laglag berikutnya tidak berbeda dari nol. Hal ini menunjukkan bahwa data tersebut tidak stasioner Function for (with % significance limits for the autocorrelations) 0 2 (a) Function for ISAT (with % significance limits for the autocorrelations) 0 2 Function for (with % significance limits for the partial autocorrelations) 0 2 Function for ISAT (with % significance limits for the partial autocorrelations) Function for (with % significance limits for the autocorrelations) 0 2 Function for TLKM (with % significance limits for the autocorrelations) 0 2 Function for (with % significance limits for the partial autocorrelations) 0 2 (b) Function for TLKM (with % significance limits for the partial autocorrelations) (a) Time Series Plot of ISAT (b) (c) (d) Gambar 2 Plot Data (a) (b) (c) ISAT (d) TLKM Pada Gambar 2 menunjukkan bahwa data harga saham,, ISAT, dan TLKM bersifat tidak stasioner. Hal ini juga terlihat pada Gambar 3 bahwa koefisien autokorelasi (ACF) pada beberapa lag berbeda dari nol, mulai dari lag pertama hingga laglag berkutnya turun secara lambat Time Series Plot of TLKM (c) (d) Gambar 4 Korelogram PACF (a) (b) (c) ISAT (d) TLKM Untuk melakukan proses peramalan dengan metode diperlukan data yang bersifat stasioner, maka perlu dilakukan proses diferensiasi (differencing) terhadap data harga saham,, ISAT, dan TLKM. Setelah dilakukan proses diferensiasi (differencing), maka langkah selanjutnya adalah mengidentifikasi model sementara. Hasil identifikasi model dapat dilihat pada Tabel 6. Tabel 6 Sementara 6.0 (,,0) (0,,) (2,,0) JSIKA Vol., No. 8, Tahun 6, ISSN X Page 4
5 JSIKA Vol., No. 8, Tahun 6 ISSN X ISAT TLKM (0,,2) (2,,0) (0,,2) (,,0) (0,,) (,2,2) (,2,0) (0,2,) (2,,0) (0,,2) (2,,) (,,2) (,,) 2. Tahap Estimasi Setelah model sementara untuk masingmasing emiten,, ISAT, dan TLKM teridentifikasi, maka tahap berikutnya adalah melakukan estimasi parameter dari modelmodel tersebut. Estimasi parameter dilakukan dengan cara membandingkan pvalue dengan batas toleransi (α). Hasil dari tahap estimasi parameter model dapat dilihat pada Tabel 7. Tabel 7 Hasil Estimasi Parameter Signifikansi Parameter (,,0) Signifikan (0,,) Signifikan (2,,0) Tidak Signifikan (0,,2) Tidak Signifikan (2,,0) Signifikan (0,,2) Signifikan (,,0) Signifikan (0,,) Signifikan (,2,2) Signifikan ISAT (,2,0) Signifikan (0,2,) Signifikan (2,,0) Tidak Signifikan (0,,2) Tidak Signifikan TLKM (2,,) Signifikan (,,2) Tidak Signifikan (,,) Signifikan 3. Tahap Pengecekan Tahap ketiga adalah pengecekan model dengan menggunakan Uji LJungBox. Dimana, jika pvalue pada lag ke2,24, 36, dan 48 bernilai lebih besar dari pada (minimal ada lag memiliki pvalue lebih besar dari pada ) maka dapat dikatakan model tersebut bersifat white noise. Hasil dari pengecekan model dapat dilihat pada Tabel 8. Tabel 8 Hasil Pengecekan (Uji LJung Box) White Noise (,,0) Ya (0,,) Ya (2,,0) Ya (0,,2) Ya (2,,0) Ya (0,,2) Ya (,,0) Ya (0,,) Ya (,2,2) Ya ISAT (,2,0) Tidak (0,2,) Ya (2,,0) Ya (0,,2) Ya TLKM (2,,) Ya (,,2) Ya (,,) Ya Setelah melakukan pengecekan model, dapat diketahui model mana saja yang dianggap layak. dikatakan layak apabila memiliki parameter dan bersifat White Noise, dapat dilihat pada Tabel 9. Tabel 9 yang Layak Digunakan (Layak) ISAT (,,0) (0,,) (2,,0) (0,,2) (,,0) (0,,) (,2,2) (0,2,) JSIKA Vol., No. 8, Tahun 6, ISSN X Page
6 JSIKA Vol., No. 8, Tahun 6 ISSN X TLKM (Layak) (2,,) (,,) 4. Tahap Peramalan dengan Tahap keempat adalah melakukan uji coba peramalan dengan model yang dianggap layak. Tabel 0 Hasil Uji Coba Peramalan (,,0) (0,,) Tabel Hasil Uji Coba Peramalan (2,,0) (0,,2) (,,0) (0,,) Tabel 2 Hasil Uji Coba Peramalan ISAT (,2,2) (0,2,) Tabel 3 Hasil Uji Coba Peramalan TLKM (2,,) (,,) EVALUASI Setelah uji coba peramalan dilakukan terhadap data harga saham,, ISAT, dan TLKM maka langkah selanjutnya adalah melakukan evaluasi terhadap hasil uji coba tersebut. Evaluasi dilakukan dengan cara membandingkan antara data aktual dengan hasil ramalan serta menghitung tingkat kesalahan hasil ramalannya. Tabel 4 Perbandingan Tingkat Kesalahan Hasil Ramalan % (,,0) (0,,) % JSIKA Vol., No. 8, Tahun 6, ISSN X Page Tabel Perbandingan Tingkat Kesalahan Hasil Ramalan (2,,0) (0,,2) (,,0) (0,,) % % % % Tabel 6 Perbandingan Tingkat Kesalahan Hasil Ramalan ISAT (,2,2) (0,2,) % % 8949 Tabel 7 Perbandingan Tingkat Kesalahan Hasil Ramalan TLKM (2,,) (,,) % % 007 Tingkat kesalahan hasil ramalan yang didapatkan dari modelmodel tersebut akan dibandingkan dan dicari yang terkecil, sehingga model yang memiliki tingkat kesalahan hasil ramalan terkecil menunjukkan bahwa model tersebut merupakan model terbaik yang digunakan untuk melakukan peramalan. KESIMPULAN Berdasarkan análisis peramalan harga saham yang telah dilakukan menggunakan metode dapat disimpulkan sebagai berikut :. terbaik yang digunakan untuk peramalan harga saham adalah (,,0) dengan MSE sebesar , MAD sebesar , MAPE sebesar.2472 %, dan MPE sebesar terbaik yang digunakan untuk peramalan harga saham adalah (0,,) dengan MSE sebesar , MAD sebesar , MAPE sebesar.0726%, dan MPE sebesar
7 JSIKA Vol., No. 8, Tahun 6 ISSN X 3. terbaik yang digunakan untuk peramalan harga saham ISAT adalah (,2,2) dengan MSE sebesar , MAD sebesar 242.4, MAPE sebesar %, dan MPE sebesar terbaik yang digunakan untuk peramalan harga saham TLKM adalah (,,) dengan MSE sebesar , MAD sebesar 32.72, MAPE sebesar.00%, dan MPE sebesar 007. terbaik yang telah ditentukan mampu membantu masyarakat dalam meramalkan harga saham,, ISAT, dan TLKM. SARAN Adapun saransaran yang dapat diberikan kepada peneliti berikutnya adalah sebagai berikut :. Penelitian ini dapat dikembangkan lebih lanjut dengan melakukan peramalan harga saham per jamnya. 2. Peneliti lain dapat melakukan peramalan dengan menggunakan metode lain berdasarkan pola data yang sesuai. RUJUKAN Hanke, John E., dan Wichern, Dean W. 09. Business Forecasting Ninth Edition. New York : Pearson Educational. Hendarto, Kusumarsono. 0. Belajar Trading : Pahami Trading Sebelum Anda Memulai. Yogyakarta : Andi. Hidayat, Taufik.. Buku Pintar Investasi Syariah. Jakarta : Mediakita. Oei, Istijanto. 09. Kiat Investasi Valas, Emas,. Jakarta : PT. Gramedia Pustaka Utama. PT. Bursa Efek Indonesia. 0. Informasi Bagi Investor Ekuitas. URL : m.aspx. Diakses pada tanggal 26 Februari 6. JSIKA Vol., No. 8, Tahun 6, ISSN X Page 7
JSIKA Vol. 5, No. 9, Tahun 2016 ISSN X
Analisis Peramalan Harga Saham Perusahaan Properti Dengan Metode (Studi Kasus Ciputra Property CTRP.JK) Asdi Atmin Fildananto 1) Sulistiowati 2) Tegar Heru Susilo 3) Program Studi/Jurusan Sistem Informasi
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini, akan dilakukan analisis dan pembahasan terhadap data runtun waktu. Adapun data yang digunakan dalam penelitian ini merupakan data sekunder, yaitu data
Lebih 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 terperinciPENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA
KEMENTERIAN PEKERJAAN UMUM BADAN PENELITIAN DAN PENGEMBANGAN PUSAT PENELITIAN DAN PENGEMBANGAN SUMBER DAYA AIR PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA PENDAHULUAN Prediksi data runtut waktu.
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Investasi 2.1.1 Pengertian Investasi Investasi sering diartikan menunda pengeluaran konsumtif supaya uang bisa berkembang biak lebih dulu. Kalau uang sudah berkembang, barulah
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 terperinciPREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)
PREDIKSI HARGA SAHAM PT. BRI, MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average) Greis S. Lilipaly ), Djoni Hatidja ), John S. Kekenusa ) ) Program Studi Matematika FMIPA UNSRAT Manado
Lebih terperinciPENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. APPLICATION OF ARIMA TO FORECASTING STOCK PRICE OF PT. TELOKM Tbk.
PENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. Djoni Hatidja ) ) Program Studi Matematika FMIPA Universitas Sam Ratulangi, Manado 955 email: dhatidja@yahoo.com ABSTRAK Penelitian ini
Lebih terperinciMETODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015
III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciPrediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA
Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA Jeine Tando 1, Hanny Komalig 2, Nelson Nainggolan 3* 1,2,3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciIII. METODE PENELITIAN
15 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penelitian Perkembangan ekonomi dan bisnis dewasa ini semakin cepat dan pesat. Bisnis dan usaha yang semakin berkembang ini ditandai dengan semakin banyaknya
Lebih terperinciPERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010
Statistika, Vol., No., Mei PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI Reksa Nila Anityaloka, Atika Nurani Ambarwati Program Studi S Statistika Universitas Muhammadiyah
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Variabel ARIMA menggunakan variabel dependen harga saham LQ45 dan variabel independen harga saham LQ45 periode sebelumnya, sedangkan ARCH/GARCH menggunakan variabel dependen
Lebih terperinciPeramalan Penjualan Pipa di PT X
Elviani, et al. / Peramalan Penjualan Pipa di PT X / Jurnal Titra, Vol.. 2, No. 2, Juni 2014, pp. 55-60 Peramalan Penjualan Pipa di PT X Cicely Elviani 1, Siana Halim 1 Abstract: In this thesis we modeled
Lebih terperinciARIMA and Forecasting
ARIMA and Forecasting We have learned linear models and their characteristics, like: AR(p), MA(q), ARMA(p,q) and ARIMA (p,d,q). The important thing that we have to know in developing the models are determining
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 terperinciPerbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG
JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Print) A-34 Perbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG Mey Lista Tauryawati
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
Lebih 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 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
1 BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan metode ARIMA box jenkins untuk meramalkan kebutuhan bahan baku. 2.1. Peramalan Peramalan
Lebih terperinciPERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA
Seminar Hasil Tugas Akhir Jurusan Statistika Institut Teknologi Sepuluh Nopember Surabaya 2013 LOGO PERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA
Lebih terperinciMetode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api
Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api Efek Variasi Kalender dengan Pendekatan Regresi Time Series Nur Ajizah 1, Resa Septiani Pontoh 2, Toni Toharudin 3 Mahasiswa Program
Lebih 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 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 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 terperinciModel Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer
Model Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer OLEH : DWI LISTYA NURINI 1311 105 021 DOSEN PEMBIMBING : DR. BRODJOL SUTIJO SU, M.SI Bursa saham atau Pasar
Lebih terperinciSKRIPSI. Disusun Oleh : DITA ROSITA SARI DEPARTEMEN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG
PREDIKSI RETURN PORTOFOLIO MENGGUNAKAN METODE KALMAN FILTER (Studi Kasus pada Harga Saham Bulanan PT Mayora Indah Tbk dan PT Indofood Sukses Makmur Tbk Bulan Januari 2005 sampai Desember 2015) SKRIPSI
Lebih terperinciPERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI ABSTRAK
PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI Trio Yonathan Teja Kusuma 1, Sandra Praharani Nur Asmoro 2 1,2)
Lebih terperinciAnalisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan
SEMINAR PROPOSAL TUGAS AKHIR Analisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan OLEH: NAMA : MULAZIMATUS SYAFA AH NRP : 13.11.030.021 DOSEN PEmbimbing: Dr.
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini, dibahas mengenai model Vector Error Correction (VEC),
BAB III PEMBAHASAN Pada bab ini, dibahas mengenai model Vector Error Correction (VEC), prosedur pembentukan model Vector Error Correction (VEC), dan aplikasi model Vector Error Correction (VEC) pada penutupan
Lebih terperinci99.9. Percent maka H 0 diterima, berarti residual normal
Uji residual white noise 2 Lag Q P value 6 3.5 9.49 0.5330 2 6.6 8.3 0.803 8 9.8 26.30 0.9059 24 9.3 33.92 0.6374 K p q Uji residual berdistribusi normal Percent 99.9 99 95 90 80 70 60 50 40 30 20 0 5
Lebih terperinciBAB III METODE PENELITIAN. merupakan suatu proses, mencari kebenaran dan menghasilkan kebenaran.
BAB III METODE PENELITIAN 3.1 Jenis / Pendekatan Penelitian Penelitian dan ilmu pengetahuan mempunyai kaitan yang erat keduanya merupakan suatu proses, mencari kebenaran dan menghasilkan kebenaran. Penelitian
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Desain Penelitian Desain penelitian mempunyai peranan yang sangat penting, karena keberhasilan suatu penelitian sangat dipengaruhi oleh pilihan desain atau model penelitian.
Lebih terperinciLAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU. Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins
LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU Kelas A Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins No Nama Praktikan Nomor Mahasiswa Tanggal Pengumpulan 1 29 Desember 2010 Tanda Tangan Praktikan
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
PEMODELAN NILAI EKSPOR DI INDONESIA DENGAN PENDEKATAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH) SKRIPSI BAGUS HADI PRASTYA PROGRAM STUDI S-1 STATISTIKA DEPARTEMEN MATEMATIKA FAKULTAS
Lebih terperinciPEMODELAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE PADA DATA REDAMAN HUJAN DI SURABAYA. Nur Hukim
TE 091399 TUGAS AKHIR- 4 SKS PEMODELAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE PADA DATA REDAMAN HUJAN DI SURABAYA Oleh Nur Hukim Dosen Pembimbing Prof. Ir. Gamantyo Hendrantoro, M.Eng. Ph.D Ir. Achmad
Lebih terperinciPERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 110 117 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Lebih 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 terperinciBab IV. Pembahasan dan Hasil Penelitian
Bab IV Pembahasan dan Hasil Penelitian IV.1 Statistika Deskriptif Pada bab ini akan dibahas mengenai statistik deskriptif dari variabel yang digunakan yaitu IHSG di BEI selama periode 1 April 2011 sampai
Lebih terperinciKAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q)
SIDANG TUGAS AKHIR KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) Disusun oleh : Ratna Evyka E.S.A NRP 1206.100.043 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
Lebih 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 terperinciPeramalam Jumlah Penumpang Yang Berangkat Melalui Bandar Udara Temindung Samarinda Tahun 2012 Dengan Metode ARIMA BOX-JENKINS
Jurnal EKSPONENSIAL Volume 3, Nomor, Mei 2 ISSN 8-7829 Peramalam Jumlah Penumpang Yang Berangkat Melalui Bandar Udara Temindung Samarinda Tahun 2 Dengan Metode ARIMA BOX-JENKINS Forecasting The Number
Lebih terperinciPERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)
PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR) SKRIPSI Oleh : PRISKA RIALITA HARDANI 24010211120020 DEPARTEMEN STATISTIKA FAKULTAS
Lebih terperinciArtikel Ilmiah. Peneliti : Auditya Gianina Bernadine Amaheka ( ) Michael Bezaleel Wenas, S.Kom., M.Cs.
Analisis Peramalan Penerimaan Pajak Kendaraan Bermotor dengan Metode Autoregressive Integrated Moving Average (ARIMA) (Studi Kasus : Dinas Pendapatan dan Pengelolaan Aset Daerah Provinsi Jawa Tengah) Artikel
Lebih terperincimodel Seasonal ARIMA
Jurnal Sains Matematika dan Statistika, Vol. No. i ISSN - Peramalan Wisatawan Mancanegara Ke Provinsi Riau Melalui Kota Pekanbaru Menggunakan Metode Seasonal ARIMA Ropita Munawaroh dan M. M. Nizam, Jurusan
Lebih terperinciPeramalan Harga Minyak Mentah Standar West Texas Intermediate dengan Pendekatan Metode ARIMA
Seminar Nasional Pendidikan, Sains dan Teknologi ISBN : 9786026159960 Peramalan Harga Minyak Mentah Standar West Texas Intermediate dengan Pendekatan Metode ARIMA Syahril Faozi 1), Wellie Sulistijanti
Lebih terperinciSedangkan model fungsi transfer bentuk kedua adalah sebagai berikut :
1 Metode Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 255 dengan Pendekatan Fungsi Transfer Dwi Listya Nurini, Brodjol Sutijo SU Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciMODEL TERBAIK ARIMA DAN WINTER PADA PERAMALAN DATA SAHAM BANK
MODEL TERBAIK ARIMA DAN WINTER PADA PERAMALAN DATA SAHAM BANK Moh. Yamin Darsyah 1, Muhammad Saifudin Nur 2 1,2 Progam Studi Statistika Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Muhammadiyah
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 terperinciPERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL. Oleh: Niswatul Maghfiroh NRP.
PERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL Oleh: Niswatul Maghfiroh NRP. 1208100065 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih 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 terperinciPEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER
PKMT-2-13-1 PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER Umi Rosyiidah, Diah Taukhida K, Dwi Sitharini Jurusan Matematika, Universitas Jember, Jember ABSTRAK
Lebih terperinciProsiding Statistika ISSN:
Prosiding Statistika ISSN: 2460-6456 Pemodelan Autoregressive Integrated Moving Average (ARIMA) dan Feedforwar Neural Network (FFNN) dengan Algoritma Backpropagation untuk Meramalkan Harga Open Emas Dunia
Lebih terperinciPERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP
PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP SKRIPSI Disusun oleh : DITA RULIANA SARI NIM. 24010211140084 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Lebih terperinciApplication of ARIMA Models
Application of ARIMA Models We have learned how to model using ARIMA Stages: 1. Verify whether the data we are analyzing is a stationary data using ACF or other methods 2. If the data is not stationer,
Lebih terperinciPENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 25 32 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.
Lebih terperinciPENGGUNAAN METODE VaR(Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT.TELKOM DENGAN PENDEKATAN MODEL GARCH-M
PENGGUNAAN METODE VaR(Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT.TELKOM DENGAN PENDEKATAN MODEL GARCH-M Oleh: NURKHOIRIYAH 1205100050 Dosen Pembimbing: Dra. Nuri Wahyuningsih, M.Kes. 1 Latar
Lebih terperinciPERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA
Jurnal UJMC, Volume 2, Nomor 1, Hal. 28-35 pissn : 2460-3333 eissn: 2579-907X PERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA Novita Eka Chandra 1 dan Sarinem 2 1 Universitas
Lebih terperinciPENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Seminar Nasional Matematika dan Aplikasinya, 21 Oktober 27 PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Lebih terperinciAnalisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia. Oleh : Pomi Kartin Yunus
Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia Oleh : Pomi Kartin Yunus 1306030040 Latar Belakang Industri manufaktur yang berkembang pesat
Lebih terperinciPENERAPAN METODE ARIMA DALAM MERAMALKAN INDEKS HARGA KONSUMEN (IHK) INDONESIA TAHUN 2013
La Pimpi //Paradigma, Vol. 17 No. 2, Oktober 2013, hlm. 35-46 PENERAPAN METODE ARIMA DALAM MERAMALKAN INDEKS HARGA KONSUMEN (IHK) INDONESIA TAHUN 2013 1) La Pimpi 1 Staf Pengajar Jurusan Matematika, FMIPA,
Lebih terperinciHASIL DAN PEMBAHASAN. Eksplorasi Data
5 korelasi diri, dan plot korelasi diri parsial serta uji Augmented Dickey- Fuller b. Identifikasi Model dengan metode Box-Jenkins c. Pemutihan deret input d. Pemutihan deret output berdasarkan hasil pemutihan
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 terperinciIII. METODE PENELITIAN
38 III. METODE PENELITIAN A. Konsep Dasar dan Batasan Operasional Konsep dasar dan definisi opresional mencakup pengertian yang dipergunakan untuk mendapatkan dan menganalisis data sesuai dengan tujuan
Lebih terperinciPERAMALAN STOK BARANG UNTUK MEMBANTU PENGAMBILAN KEPUTUSAN PEMBELIAN BARANG PADA TOKO BANGUNAN XYZ DENGAN METODE ARIMA
PERAMALAN STOK BARANG UNTUK MEMBANTU PENGAMBILAN KEPUTUSAN PEMBELIAN BARANG PADA TOKO BANGUNAN XYZ DENGAN METODE ARIMA Tanti Octavia 1), Yulia 2), Lydia 3) 1) Program Studi Teknik Industri, Universitas
Lebih terperinciPEMODELAN DATA INDEKS HARGA SAHAM GABUNGAN. Disusun Oleh : NOVIA AGUSTINA. Skripsi. Jurusan Statistika Fakultas Sains dan Matematika Undip
PEMODELAN DATA INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN REGRESI PENALIZED SPLINE Disusun Oleh : NOVIA AGUSTINA 24010211130039 Skripsi Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains
Lebih terperinciPEMODELAN DAN PERAMALAN DATA PEMBUKAAN IHSG MENGGUNAKAN MODEL ARIMA
PEMODELAN DAN PERAMALAN DATA PEMBUKAAN IHSG MENGGUNAKAN MODEL ARIMA OLEH : 1. Triyono ( M0107086 ) 2. Nariswari S ( M0108022 ) 3. Ayunita C ( M0180034 ) 4. Ibnuhardi F.Ihsan ( M0108045 ) 5. Marvina P (
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 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 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 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 terperinciEFEKTIVITAS METODE BOX-JENKINS DAN EXPONENTIAL SMOOTHING UNTUK MERAMALKAN RETRIBUSI PENGUJIAN KENDARAAN BERMOTOR DISHUB KLATEN
EFEKTIVITAS METODE BOX-JENKINS DAN EXPONENTIAL SMOOTHING UNTUK MERAMALKAN RETRIBUSI PENGUJIAN KENDARAAN BERMOTOR DISHUB KLATEN Puji Rahayu 1), Rohmah Nur Istiqomah 2), Eminugroho Ratna Sari 3) 1)2)3) Matematika
Lebih terperinciPrediksi Laju Inflasi di Kota Ambon Menggunakan Metode ARIMA Box Jenkins
Statistika, Vol. 16 No. 2, 95 102 November 2016 Prediksi Laju Inflasi di Kota Ambon Menggunakan Metode ARIMA Box Jenkins FERRY KONDO LEMBANG Jurusan Matematika Fakultas MIPA Universitas Pattimura Ambon
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan digunakanan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalis kendala atau memaksimalkan pengembangan baik
Lebih terperinciPREDIKSI RETURN PORTOFOLIO MENGGUNAKAN METODE KALMAN FILTER
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 201, Halaman 51-1 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PREDIKSI RETURN PORTOFOLIO MENGGUNAKAN METODE KALMAN FILTER Dita
Lebih terperinciThe 4 th Univesity Research Coloquium 2016 PERBANDINGAN MODEL ARIMA DAN WINTER PADA PERAMALAN DATA SAHAM BANK
PERBANDINGAN MODEL ARIMA DAN WINTER PADA PERAMALAN DATA SAHAM BANK Moh. Yamin Darsyah 1, Muhammad Saifudin Nur 2 1,2 Progam Studi Statistika Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Muhammadiyah
Lebih terperinciAnalisis Peramalan Data Produk Domestik Regional Bruto (PDRB) Sebagai Tolak Ukur Kinerja Perekonomian Provinsi Kepulauan Bangka Belitung
Analisis Peramalan Data Produk Domestik Regional Bruto (PDRB) Sebagai Tolak Ukur Kinerja Perekonomian Provinsi Kepulauan Bangka Belitung Desy Yuliana Dalimunthe Jurusan Ilmu Ekonomi, Fakultas Ekonomi,
Lebih terperinciMetode Box - Jenkins (ARIMA)
Metode Box - Jenkins (ARIMA) Metode peramalan saat ini cukup banyak dengan berbagai kelebihan masing-masing. kelebihan ini bisa mencakup variabel yang digunakan dan jenis data time seriesnya. nah, dalam
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Mulai Studi Pendahuluan Studi Pustaka Identifikasi Masalah Perumusan Masalah Tujuan Pengumpulan Data 1. Profil Perusahaan PT. Mensa Binasukses cabang kota Padang 2. Data forecasting
Lebih terperinciPemodelan ARIMA Non- Musim Musi am
Pemodelan ARIMA Non- Musimam ARIMA ARIMA(Auto Regresif Integrated Moving Average) merupakan suatu metode analisis runtun waktu(time series) ARIMA(p,d,q) Dengan AR : p =orde dari proses autoreggresif I
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Defenisi Peramalan Peramalan adalah suatu kegiatan dalam memperkirakan atau kegiatan yang meliputi pembuatan perencanaan di masa yang akan datang dengan menggunakan data masa lalu
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 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 terperinciPERBANDINGAN MODEL ARCH/GARCH MODEL ARIMA DENGAN MODEL FUNGSI TRANSFER
PERBANDINGAN MODEL ARCH/GARCH MODEL ARIMA DENGAN MODEL FUNGSI TRANSFER (Studi Kasus Indeks Harga Saham Gabungan dan Harga Minyak Mentah Dunia Tahun 2013 sampai 2015) SKRIPSI Oleh: DEBY FAKHRIYANA 24010212130041
Lebih terperinciPERAMALAN INDEKS HARGA SAHAM MENGGUNAKAN METODE INTERVENSI. Oleh: IRLIZANTY YULYANTIKA RAHADI
PERAMALAN INDEKS HARGA SAHAM MENGGUNAKAN METODE INTERVENSI Oleh: IRLIZANTY YULYANTIKA RAHADI 6 4 Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes Abstrak Indeks harga saham merupakan suatu indikator yang
Lebih terperinciPemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer
TUGAS AKHIR Pemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer Oleh : Fani Felani Farid (1306 100 047) Pembimbing : Drs. Kresnayana Yahya M.Sc Latar Belakang
Lebih terperinciPEMODELAN ARIMA UNTUK PREDIKSI KENAIKAN MUKA AIR LAUT DAN DAMPAKNYA TERHADAP LUAS SEBARAN ROB DI KOTA AMBON
PEMODELAN ARIMA UNTUK PREDIKSI KENAIKAN MUKA AIR LAUT DAN DAMPAKNYA TERHADAP LUAS SEBARAN ROB DI KOTA AMBON (MODELS OF ARIMA TO PREDICT RISING SEA AND ITS IMPACT FOR THE WIDESPREAD DISTRIBUTION OF ROB
Lebih terperinciKETERKAITAN ANTARA NILAI RATA-RATA DAN NILAI KONSTAN DALAM PEMODELAN RUNTUN WAKTU BOX-JENKINS
KETERKAITAN ANTARA NILAI RATA-RATA DAN NILAI KONSTAN DALAM PEMODELAN RUNTUN WAKTU BOX-JENKINS Jamil 1, Raupong 2, Erna 3 ABSTRAK Pada awal perkembangannya, metode peramalan yang sering digunakan adalah
Lebih terperinciPEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA
Jurnal Matematika UNAND Vol. 3 No. 3 Hal. 59 67 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA ANNISA UL UKHRA Program Studi Matematika,
Lebih terperinciPEMODELAN GENERAL REGRESSION NEURAL NETWORK (GRNN) PADA DATA RETURN INDEKS HARGA SAHAM EURO 50
PEMODELAN GENERAL REGRESSION NEURAL NETWORK (GRNN) PADA DATA RETURN INDEKS HARGA SAHAM EURO 50 SKRIPSI Disusun Oleh : REZZY EKO CARAKA 240 102 111 400 85 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciPENGENDALIAN KUALITAS DENGAN MENGGUNAKAN DIAGRAM KONTROL EWMA RESIDUAL (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK)
PENGENDALIAN KUALITAS DENGAN MENGGUNAKAN DIAGRAM KONTROL EWMA RESIDUAL (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK) FITROH AMALIA (1306100073) Dosen Pembimbing: Drs. Haryono, MSIE PENGENDALIAN KUALITAS
Lebih terperinciPERBANDINGAN ARIMA DENGAN FUZZY AUTOREGRESSIVE (FAR) DALAM PERAMALAN INTERVAL HARGA PENUTUPAN SAHAM. (Studi Kasus pada Jakarta Composite Index)
PERBANDINGAN ARIMA DENGAN FUZZY AUTOREGRESSIVE (FAR) DALAM PERAMALAN INTERVAL HARGA PENUTUPAN SAHAM (Studi Kasus pada Jakarta Composite Index) SKRIPSI Oleh : MUHAMMAD FITRI LUTFI ANSHARI J2E 009 005 JURUSAN
Lebih terperinciPERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER
PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER I Ketut Putra Adnyana 1, I Wayan Sumarjaya 2, I Komang Gde Sukarsa 3 1 Jurusan Matematika, Fakultas FMIPA
Lebih terperinciModel Penjualan Plywood PT. Linggarjati Mahardika Mulia
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami) Vol., No., Juli 7, Hal. 52-57 p-issn: 25-4596; e-issn: 25-4X Halaman 52 Model Penjualan Plywood PT. Linggarjati Mahardika Mulia
Lebih terperinciAnalisis Peramalan Banyaknya Permintaan Darah di Surabaya Menggunakan Metode
Analisis Peramalan Banyaknya Permintaan Darah di Surabaya Menggunakan Metode ARIMA Box Jenkins Oleh : Winda Eka Febriana 1307 030 002 Pembimbing : Dra. Wiwiek Setya Winahju, MS Latar Belakang PMI Merupakan
Lebih terperinciKETERSEDIAAN JAGUNG BERDASARKAN PERAMALAN PRODUKSI DAN PRODUKTIVITASNYA DI TENGAH PERSAINGAN PENGGUNAAN LAHAN DI INDONESIA
KETERSEDIAAN JAGUNG BERDASARKAN PERAMALAN PRODUKSI DAN PRODUKTIVITASNYA DI TENGAH PERSAINGAN PENGGUNAAN LAHAN DI INDONESIA Dedi Nugraha Pusat Penelitian dan Pengembangan Tanaman Pangan Jl. Merdeka No.
Lebih terperinciMeytaliana F Dosen Pembimbing: Prof. Dr. Basuki Widodo, M.Sc. Dra. Nuri Wahyuningsih, M.Kes.
ESTIMASI PARAMETER AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) (STUDI KASUS PERAMALAN CURAH HUJAN DAS BRANGKAL MOJOKERTO) Meytaliana F. 1210100014
Lebih 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 terperinciPENDEKATAN MODEL EKONOMETRIKA UNTUK MEMPREDIKSI INDEKS SAHAM SYARIAH INDONESIA
PENDEKATAN MODEL EKONOMETRIKA UNTUK MEMPREDIKSI INDEKS SAHAM SYARIAH INDONESIA Nuri Wahyuningsih 1), Daryono Budi U. 2), R.A. Diva Zatadini 3) 1)2))3) Departemen Matematika FMIPA ITS Kampus ITS Keputih,
Lebih terperinci