PENGANTAR ANALISA RUNTUN WAKTU

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENGANTAR ANALISA RUNTUN WAKTU"

Transkripsi

1 DIKTAT KULIAH PENGANTAR ANALISA RUNTUN WAKTU Dr.rer.nat. Dedi Rosadi, M.Sc.Eng.Math. Program Studi Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Gadjah Mada Yogyakarta,

2 Contents Kata Pengantar v 1 Pendahuluan Jenis data menurut waktu Klasifikasi model runtun waktu Konsep-konsep dasar Proses Stokastik Stasioner (Strictly) dan (Wide-Sense) Stasioner Hubungan antara stricly stasioner dan W S stasioner Model Runtun Waktu Stasioner Proses White Noise Proses MA(1) Proses MA(q) Proses AR(1) (skema Markov) Proses MA( ) Proses AR(p) Proses ARMA(p, q) Kausalitas dan Invertibilitas Kausalitas dari proses ARMA (p, q) Invertibilitas Menentukan koefisien-koefisien dari penyelesaian Kausal Fungsi Autokovariansi Proses Linear Stasioner Fungsi Autokorelasi Parsial Menentukan Fungsi kovariansi proses ARMA-kausal Hubungan antara AR(p) dan MA(q) Algoritma Durbin Levinson untuk PACF Peramalan dengan model ARMA 33 i

3 ii CONTENTS 5 Estimasi Fungsi Mean dan Autokorelasi Estimasi Mean Mean Ergodic Estimator untuk γ( ) dan ρ(.) Sampel Autokovariansi Sampel ACF Sampel PACF Estimasi Model ARMA Estimasi model Autoregresive Estimasi model Autoregresive dengan metode Yule Walker Sifat-sifat Estimator Y-W Estimasi dengan metode Least Square Estimasi dengan Metode Maksimum Likelihood Estimasi Proses Moving Average Substitusi estimator fungsi kovariansi Estimator Nonlinear Least square Estimator Maksimum Likelihood Estimasi Parameter model ARMA Pendahuluan Estimator Least Square Estimator Maksimum Likelihood Metode Kesalahan Prediksi (Prediction Error Method) Model Trend dan Musiman Model nonstasioner dalam mean Model Trend Deterministik Model ARIMA Model Non Stasioner dalam variansi dan autokovariansi Model Musiman (Seasonal Mode) Model Heteroskedastik Asset Return Definisi Sifat tipikal return Volatility Model ARCH/GARCH Struktur dari model Model untuk mean Model untuk volatilitas: ARCH

4 CONTENTS iii Model untuk Volatilitas: GARCH Pengujian Adanya Efek ARCH/GARCH

5 iv CONTENTS

6 Kata Pengantar Assalamualaikum Wr. Wb., Alhamdulillah, Puji dan syukur kami panjatkan ke hadirat Allah SWT, yang telah melimpahkan rahmat dan karunianya sehingga penulis dapat menyusun handout kuliah Analisa Runtun Waktu ini. Handout perkuliahan ini merupakan printout dari materi perkuliahan yang diberikan dikelas. Versi online dari handout ini dapat diakses di alamat di mana di alamat web ini terdapat pula berbagai informasi tambahan berkaitan dengan perkuliahan analisa runtun waktu, seperti data-data dan keterangan-keterangan penting lainnya. Penyusun mengucapkan terimakasih kepada PHK A3 Jurusan Matematika yang telah memberi dana bagi penyusunan handout ini melalui hibah pengajaran. Terimakasih pula kepada berbagai pihak yang telah membantu baik langsung maupun tidak langsung untuk penyusunan handout ini. Besar harapan kami agar handout ini dapat bermanfaat bagi penggunanya. Saran dan kritik membangun sangat diharapkan untuk perbaikan perkuliahan ini, dan dapat dikirikan ke alamat penyusun dialamat Wassalamualaikum Wr. Wb. Yogyakarta, Juli 2006 Penyusun Dr. Dedi Rosadi, S.Si., M.Sc. v

7 Chapter 1 Pendahuluan 1.1 Jenis data menurut waktu Untuk dapat memahami pemodelan runtun waktu, perlu diketahui beberapa jenis data menurut waktu, yang dapat dibedakan sebagai berikut: Cross-section data, yakni jenis data yang dikumpulkan untuk/pada sejumlah individu/kategori untuk sejumlah variabel pada suatu titik waktu tertentu. Model yang digunakan untuk memodelkan data tipe ini seperti model regresi (cross-section) Time Series (Runtun waktu) data yakni jenis data yang dikumpulkan menurut urutan waktu dalam suatu rentang waktu tertentu. Jika waktu dipandang bersifat diskrit (waktu dapat dimodelkan bersifat kontinu), frekuensi pengumpulan selalu sama (equidistant). Dalam kasus diskrit, frekuensi dapat berupa misalnya detik, menit, jam, hari, minggu, bulan atau tahun. Model yang digunakan adalah model-model time series, yang menjadi fokus dari perkuliahan ini. Panel/Pooled data, yakni tipe data yang dikumpulkan menurut urutan waktu dalam suatu rentang waktu tertentu pada sejumlah individu/kategori. Model yang digunakan untuk pemodelan data tipe ini seperti model data panel, model runtun waktu multivariat. Secara ekuivalen, dikenal juga tipe data Longitudinal, dengan frekuensi data tidak harus equidistant, namun analisa fokusnya berbeda dengan model panel. Contoh Contoh data panel : Misalkan dimiliki data produksi gula bulanan dari 10 pabrik gula di Indonesia dalam 12 bulan terakhir Januari Februari. Desember PG1 PG2 PG3... PG Klasifikasi model runtun waktu Salah satu pengelompokan model-model runtun waktu dapat diberikan sebagai berikut: 1

8 2 CHAPTER 1. PENDAHULUAN 1. Model stasioner, yakni suatu model yang sedemikian hingga semua sifat statistiknya tidak berubah dengan pergeseran waktu (yakni bersifat time invariant). Dalam aplikasi, sifat statistik yang sering menjadi perhatian adalah rata-rata (expected value),variansi (variance) serta ukuran keeratan (dependence) yakni fungsi kovariansi (covariance function), yang mana suatu model yang memenuhi sifat ini disebut sebagai proses weakly-stasioner. Pada model stasioner, sifat-sifat statistiknya dimasa yang akan datang dapat diramalkan berdasarkan data historis yang telah terjadi dimasa yang lalu. Beberapa model runtun waktu stasioner (khususnya sering disebut model linear dan homoskedastik) yang akan dibahas pada kuliah ini adalah model i.i.d., white noise, moving average, Autoregressive Moving average (ARMA), dan model ARMA dengan variabel eksogen/prediktor (yakni model ARMAX). 2. Model non-stasioner, yakni model yang tidak memenuhi sifat model stasioner diatas Dalam kuliah ini, akan dibahas beberapa model non stasioner, yakni model trend, model Autoregressive Integrated Moving Average (ARIMA), Seasonal ARIMA (SARIMA), Model ARIMAX, model heteroskedastik ARCH/GARCH. Ada sangat banyak model lain yang dikenal didalam literatur, sebagai contoh model siklus, model dengan long memory Fractional ARIMA, dan modelmodel lain, baik model linear maupun non linear. Klasifikasi lain dari model runtun waktu dapat diberikan sebagai berikut: Model univariat : hanya mengamati satu variabel/individu runtun waktu Model multivariate (multivariabel): lebih dari satu variabel/individu runtun waktu Contoh model multivariat yang relatif populer: model Vector Autoregressive (VAR) model State-Space model Space-Time, banyak digunakan untuk pemodelan data-data geografi, data-data fisika/geofisika. Dalam pemodelan data tipe ini, dapat juga digunakan pendekatan VAR model multivariate Arch/GARCH, dan lain-lain Klasifikasi lain dalam pengelompokan model runtun waktu dapat digambarkan dengan tabel berikut: Linear dengan error Gaussian, misal: ARMA, ARIMA, ARIMAX + normal Linear dengan error non-gaussian, misal: ARMA + student t, ARMA+stable non-linear dengan error Gaussian misal: Threshold AR, STAR, SETAR + normal non-linear dengan error non-gaussian misal: TAR, STAR, SETAR+non normal Fokus perkuliahan ini adalah analisa model runtun waktu pada domain waktu dimana Waktu bersifat diskrit Model Univariate Model Linear dengan error normal Model stasioner dan beberapa model non stasioner Analisa time series dapat dilakukan dalam domain frekuensi, yang dikenal sebagai spectral analysis. Analisa tipe ini banyak digunakan pada aplikasi di bidang teknik. Buku Acuan Utama :

9 1.2. KLASIFIKASI MODEL RUNTUN WAKTU 3 1. Wei, W.S, 1994, Time Series Analysis: Univariate and Multivariate Methods, Addison Wesley. 2. Enders, W., Applied Econometrics Times Series, 2nd Eds., Wiley. 3. Brockwell, P.J. dan Davis, R.A., Introduction to Time Series and Forecasting, Brockwell, P.J. dan Davis, R.A., 1991, Time Series: Theory and methods, Springer Verlag. Buku penunjang, diantaranya 1. Hamilton, Time Series Analysis, Princeton. 2. Gouri éroux, C., 1997, ARCH Models and Financial Application, Springer. Diktat Kuliah 1. Rosadi, D., Pengantar Analisa Data Runtun Waktu dengan EViews 4, Lab Komputasi Matematika Statistika, FMIPA UGM 2. Rosadi, D., 2006, Pengantar Analisa Data Runtun Waktu, Program Studi Statistika FMIPA UGM. Selain itu akan digunakan sejumlah literature online di Internet, yang akan diinformasikan selama kuliah berlangsung

10 4 CHAPTER 1. PENDAHULUAN

PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA

PEMODELAN 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 terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang 1 BAB I PENDAHULUAN 1.1 Latar Belakang Dalam dunia statistika terdapat serangkaian pengamatan data yang dapat dijadikan sebagai model time series (runtun waktu) untuk meramalkan kejadian pada periode berikutnya.

Lebih terperinci

BAB II LANDASAN TEORI. nonstasioneritas, Autocorrelation Function (ACF) dan Parsial Autocorrelation

BAB II LANDASAN TEORI. nonstasioneritas, Autocorrelation Function (ACF) dan Parsial Autocorrelation BAB II LANDASAN TEORI Pada Bab II akan dijelaskan pengertian-pengertian dasar yang digunakan sebagai landasan pembahasan pada bab selanjutnya yaitu peramalan data runtun waktu (time series), konsep dasar

Lebih terperinci

MODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI

MODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI MODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI Diajukan Kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta

Lebih terperinci

PENERAPAN 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) 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 terperinci

SBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n

SBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n SBAB III MODEL VARMAX 3.1. Metode Analisis VARMAX Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n dengan variabel random Z n yang dapat dipandang sebagai variabel random berdistribusi

Lebih terperinci

PERAMALAN KUNJUNGAN WISATAWAN MENGGUNAKAN MODEL ARMAX DENGAN NILAI KURS DAN EKSPOR-IMPOR SEBAGAI FAKTOR EKSOGEN

PERAMALAN KUNJUNGAN WISATAWAN MENGGUNAKAN MODEL ARMAX DENGAN NILAI KURS DAN EKSPOR-IMPOR SEBAGAI FAKTOR EKSOGEN PERAMALAN KUNJUNGAN WISATAWAN MENGGUNAKAN MODEL ARMAX DENGAN NILAI KURS DAN EKSPOR-IMPOR SEBAGAI FAKTOR EKSOGEN Putu Ika Oktiyari Laksmi 1, Komang Dharmawan 2, Luh Putu Ida Harini 3 1 Jurusan Matematika,

Lebih terperinci

PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA

PENDUGAAN 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 terperinci

ESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) Abstract

ESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) Abstract Estimasi Parameter (Mika Asrini) ESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) Mika Asrini 1, Winita Sulandari 2, Santoso Budi Wiyono 3 1 Mahasiswa

Lebih terperinci

Suma Suci Sholihah, Heni Kusdarwati, Rahma Fitriani. Jurusan Matematika, F.MIPA, Universitas Brawijaya

Suma Suci Sholihah, Heni Kusdarwati, Rahma Fitriani. Jurusan Matematika, F.MIPA, Universitas Brawijaya PEMODELAN RETURN IHSG PERIODE 15 SEPTEMBER 1998 13 SEPTEMBER 2013 MENGGUNAKAN THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (TGARCH(1,1)) DENGAN DUA THRESHOLD Suma Suci Sholihah,

Lebih terperinci

Model Time Series Auto Regressive untuk Menentukan Nilai Tukar mata Uang Rupiah terhadap Dollar Amerika

Model Time Series Auto Regressive untuk Menentukan Nilai Tukar mata Uang Rupiah terhadap Dollar Amerika Model Time Series Auto Regressive untuk Menentukan Nilai Tukar mata Uang Rupiah terhadap Dollar Amerika Adi Asriadi dan Taryo 12 Juni 2005 Abstraksi Tujuan utama dari makalah ini adalah untuk menentukan

Lebih terperinci

Ekonometrika Deret Waktu: Teori dan Aplikasi

Ekonometrika Deret Waktu: Teori dan Aplikasi Ekonometrika Deret Waktu: Teori dan Aplikasi Bambang Juanda, Junaidi Ekonometrika telah berkembang cukup pesat dalam 15 tahun terakhir,terutama dalam bidang analisis data deret waktu (time series ), termasuk

Lebih terperinci

TEKNIK PERAMALAN DENGANMODEL AUTOREGRESSIVE CONDITIONALHETEROSCEDASTIC (ARCH) (Studi KasusPada PT. Astra Agro Lestari Indonesia Tbk)

TEKNIK PERAMALAN DENGANMODEL AUTOREGRESSIVE CONDITIONALHETEROSCEDASTIC (ARCH) (Studi KasusPada PT. Astra Agro Lestari Indonesia Tbk) Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 2 (2013), hal 71 78. TEKNIK PERAMALAN DENGANMODEL AUTOREGRESSIVE CONDITIONALHETEROSCEDASTIC (ARCH) (Studi KasusPada PT. Astra Agro Lestari

Lebih terperinci

3.9 Fungsi Autokovariansi Proses Linear Stasioner

3.9 Fungsi Autokovariansi Proses Linear Stasioner 3.9. FUNGSI AUTOKOVARIANSI PROSES LINEAR STASIONER jika D(z) = a z kausal maka z = a > a < maka a j 0; j sehingga akan berhingga X t = h jε t j stasioner. 3.9 Fungsi Autokovariansi Proses Linear Stasioner

Lebih terperinci

Model Runtun Waktu Stasioner

Model Runtun Waktu Stasioner Chapter 3 Model Runtun Waktu Stasioner Proses-proses stasioner (W-S) yang penting adalah sebagai berikut: White Noise Moving Average: MA(), MA(q), MA( ) Autoregressive: AR(), AR(p), AR( ) Autoregressive

Lebih terperinci

Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA

Prediksi 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 terperinci

PERHITUNGAN VALUE AT RISK HARGA SAHAM DENGAN MENGGUNAKAN VOLATILITAS ARCH-GARCH DALAM KELOMPOK SAHAM LQ 45 ABSTRACT

PERHITUNGAN VALUE AT RISK HARGA SAHAM DENGAN MENGGUNAKAN VOLATILITAS ARCH-GARCH DALAM KELOMPOK SAHAM LQ 45 ABSTRACT PERHITUNGAN VALUE AT RISK HARGA SAHAM DENGAN MENGGUNAKAN VOLATILITAS ARCH-GARCH DALAM KELOMPOK SAHAM LQ 45 Boy A Lumban Gaol 1, Tumpal Parulian Nababan 2, Haposan Sirait 2 1 Mahasiswa Program Studi S1

Lebih terperinci

BAB II TINJAUAN PUSTAKA. keuntungan atau coumpouding. Dari definisi di atas dapat disimpulkan bahwa

BAB II TINJAUAN PUSTAKA. keuntungan atau coumpouding. Dari definisi di atas dapat disimpulkan bahwa BAB II TINJAUAN PUSTAKA 2.1 Pengertian Investasi Menurut Fahmi dan Hadi (2009) investasi merupakan suatu bentuk pengelolaan dana guna memberikan keuntungan dengan cara menempatkan dana tersebut pada alokasi

Lebih terperinci

Cetakan I, Agustus 2014 Diterbitkan oleh: Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pattimura

Cetakan I, Agustus 2014 Diterbitkan oleh: Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pattimura Hak cipta dilindungi Undang-Undang Cetakan I, Agustus Diterbitkan oleh: Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pattimura ISBN: ---- Deskripsi halaman sampul : Gambar yang ada pada cover

Lebih terperinci

OPTIMALISASI PERENCANAAN PRODUKSI DENGAN PREEMPTIVE GOAL PROGRAMMING (STUDI KASUS: UD. DODOL MADE MERTA TEJAKULA, SINGARAJA)

OPTIMALISASI PERENCANAAN PRODUKSI DENGAN PREEMPTIVE GOAL PROGRAMMING (STUDI KASUS: UD. DODOL MADE MERTA TEJAKULA, SINGARAJA) OPTIMALISASI PERENCANAAN PRODUKSI DENGAN PREEMPTIVE GOAL PROGRAMMING (STUDI KASUS: UD. DODOL MADE MERTA TEJAKULA, SINGARAJA) Ni Putu Deviyanti 1, Ni Ketut Tari Tastrawati 2, I Wayan Sumarjaya 3 1 Jurusan

Lebih terperinci

LULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI

LULIK 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 terperinci

PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER

PERAMALAN 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 terperinci

BAB II TINJAUAN PUSTAKA. autokovarians (ACVF) dan fungsi autokorelasi (ACF), fungsi autokorelasi parsial

BAB II TINJAUAN PUSTAKA. autokovarians (ACVF) dan fungsi autokorelasi (ACF), fungsi autokorelasi parsial BAB II TINJAUAN PUSTAKA Berikut teori-teori yang mendukung penelitian ini, yaitu konsep dasar peramalan, konsep dasar deret waktu, proses stokastik, proses stasioner, fungsi autokovarians (ACVF) dan fungsi

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola data yang sistematis (Makridakis, 1999). Peramalan menggunakan pendekatan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 DATA MINING Data Mining adalah analisis otomatis dari data yang berjumlah banyak atau kompleks dengan tujuan untuk menemukan pola atau kecenderungan yang penting yang biasanya

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

PEMODELAN MARKOV SWITCHING VECTOR AUTOREGRESSIVE (MSVAR) Hayuk Permatasari, Budi Warsito 2, Sugito 3

PEMODELAN MARKOV SWITCHING VECTOR AUTOREGRESSIVE (MSVAR) Hayuk Permatasari, Budi Warsito 2, Sugito 3 ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman 421-430 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN MARKOV SWITCHING VECTOR AUTOREGRESSIVE (MSVAR) Hayuk

Lebih terperinci

BAB I PENDAHULUAN. Peramalan keadaan pada suatu waktu merupakan hal penting. Hal itu

BAB I PENDAHULUAN. Peramalan keadaan pada suatu waktu merupakan hal penting. Hal itu BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Peramalan keadaan pada suatu waktu merupakan hal penting. Hal itu dikarenakan peramalan dapat digunakan sebagai rujukan dalam menentukan tindakan yang akan

Lebih terperinci

Metode Cochrane-Orcutt untuk Mengatasi Autokorelasi pada Regresi Ordinary Least Squares

Metode Cochrane-Orcutt untuk Mengatasi Autokorelasi pada Regresi Ordinary Least Squares Metode Cochrane-Orcutt untuk Mengatasi Autokorelasi pada Regresi Ordinary Least Squares The Cochrane-Orcutt Method for Solution of Autocorrelation in Ordinary Least Squares Regression M. Fathurahman Program

Lebih terperinci

BAB II TINJAUAN PUSTAKA. penelitian ini, yaitu ln return, volatilitas, data runtun waktu, kestasioneran, uji

BAB II TINJAUAN PUSTAKA. penelitian ini, yaitu ln return, volatilitas, data runtun waktu, kestasioneran, uji 35 BAB II TINJAUAN PUSTAKA Pada Bab II akan dibahas konsep-konsep yang menjadi dasar dalam penelitian ini, yaitu ln return, volatilitas, data runtun waktu, kestasioneran, uji ACF, uji PACF, uji ARCH-LM,

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman Online di: ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 635-643 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERHITUNGAN VALUE AT RISK MENGGUNAKAN MODEL INTEGRATED GENERALIZED

Lebih terperinci

ANALISIS DERET BERKALA MULTIVARIAT DENGAN MENGGUNAKAN MODEL FUNGSI TRANSFER: STUDI KASUS CURAH HUJAN DI KOTA MALANG

ANALISIS DERET BERKALA MULTIVARIAT DENGAN MENGGUNAKAN MODEL FUNGSI TRANSFER: STUDI KASUS CURAH HUJAN DI KOTA MALANG ANALISIS DERET BERKALA MULTIVARIAT DENGAN MENGGUNAKAN MODEL FUNGSI TRANSFER: STUDI KASUS CURAH HUJAN DI KOTA MALANG Fachrul Ulum Febriansyah dan Abadyo Universitas Negeri Malang E-mail: fachrul.febrian@gmail.com

Lebih terperinci

PENERAPAN MODEL AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE (ARFIMA) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI)

PENERAPAN MODEL AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE (ARFIMA) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) PENERAPAN MODEL AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE (ARFIMA) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) Oleh LIANA KUSUMA NINGRUM M0105047 SKRIPSI ditulis dan diajukan

Lebih terperinci

PEMODELAN DATA RUNTUK WAKTU PADA DATA PRODUKSI SUSU SAPI DI AMERIKA SEJAK TAHUN

PEMODELAN DATA RUNTUK WAKTU PADA DATA PRODUKSI SUSU SAPI DI AMERIKA SEJAK TAHUN PEMODELAN DATA RUNTUK WAKTU PADA DATA PRODUKSI SUSU SAPI DI AMERIKA SEJAK TAHUN 1962 1975 Jantini Trianasari Natangku dan Fitria Puspitoningrum Mahasiswa Program Studi Matematika Fakultas Sains dan Matematika

Lebih terperinci

EKONOMETRI TIME SERIES SANJOYO

EKONOMETRI TIME SERIES SANJOYO EKONOMETRI TIME SERIES SANJOYO TOPIK - TOPIK 1. Pengertian Dasar 2. Pengujian Stasioneritas 3. ARMA & ARIMA 4. ARCH & GARCH 5. VAR 6. COINTEGRATION & ECM 7. SIMULTAN EQUATION ARMA & ARIMA(1) Metodologi

Lebih terperinci

PEMODELAN DAN PERAMALAN DATA NILAI TUKAR MATA UANG DOLLAR AMERIKA TERHADAP YEN JEPANG DAN EURO TERHADAP DOLLAR AMERIKA DALAM ARCH, GARCH DAN TARCH

PEMODELAN DAN PERAMALAN DATA NILAI TUKAR MATA UANG DOLLAR AMERIKA TERHADAP YEN JEPANG DAN EURO TERHADAP DOLLAR AMERIKA DALAM ARCH, GARCH DAN TARCH PEMODELAN DAN PERAMALAN DATA NILAI TUKAR MATA UANG DOLLAR AMERIKA TERHADAP YEN JEPANG DAN EURO TERHADAP DOLLAR AMERIKA DALAM ARCH, GARCH DAN TARCH Nama : Yulia Sukma Hardyanti NRP : 1303.109.001 Jurusan

Lebih terperinci

BAB 2 LANDASAN TEORI Pengertian Data Deret Berkala

BAB 2 LANDASAN TEORI Pengertian Data Deret Berkala BAB 2 LANDASAN TEORI 2.1. Pengertian Data Deret Berkala Suatu deret berkala adalah himpunan observasi yang terkumpul atau hasil observasi yang mengalami peningkatan waktu. Data deret berkala adalah serangkaian

Lebih terperinci

BAB III METODE PENELITIAN

BAB 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 terperinci

SENSITIFITAS MODEL GARCH UNTUK MENGATASI HETEROKEDASTIK PADA DATA DERET WAKTU

SENSITIFITAS MODEL GARCH UNTUK MENGATASI HETEROKEDASTIK PADA DATA DERET WAKTU SENSITIFITAS MODEL GARCH UNTUK MENGATASI HETEROKEDASTIK PADA DATA DERET WAKTU Asep Saefuddin, Anang Kurnia dan Sutriyati Departemen Statistika FMIPA IPB Ringkasan Data deret waktu pada bidang keuangan

Lebih terperinci

S - 22 PERAMALAN BANYAK PENUMPANG KERETA DAERAH OPERASI VI YOGYAKARTA MENGGUNAKAN MODEL TIME SERIES DENGAN VARIASI KALENDER ISLAM REGARIMA

S - 22 PERAMALAN BANYAK PENUMPANG KERETA DAERAH OPERASI VI YOGYAKARTA MENGGUNAKAN MODEL TIME SERIES DENGAN VARIASI KALENDER ISLAM REGARIMA S - PERAMALAN BANYAK PENUMPANG KERETA DAERAH OPERASI VI YOGYAKARTA MENGGUNAKAN MODEL TIME SERIES DENGAN VARIASI KALENDER ISLAM REGARIMA Nila Widhianti 1, Dhoriva Urwatul Wutsqa 1, Program Studi Matematika

Lebih terperinci

PERAMALAN 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. 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 terperinci

PENGGUNAAN 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 PENGGUNAAN METODE VaR (Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT. TELKOM DENGAN PENDEKATAN MODEL GARCH-M Oleh: Nurkhoiriyah 1205100050 Dosen pembimbing: Dra. Nuri Wahyuningsih, M. Kes. Jurusan

Lebih terperinci

KETERKAITAN 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 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 terperinci

Time series Linier Models

Time series Linier Models Time series Linier Models We have learned simple extrapolation techniques for deterministic and stochastic time series models. In addition, we also have learned stationery and non stationery time series

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang Esti Pertiwi, 2013

BAB I PENDAHULUAN 1.1 Latar Belakang Esti Pertiwi, 2013 BAB I PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan salah satu kebutuhan yang sangat penting bagi kehidupan manusia, terutama sebagai salah satu faktor dalam pengambilan keputusan. Peramalan biasanya

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Banyak data runtun waktu yang memiliki pola musiman dan tren. Pola ini sering terjadi pada data bisnis dan ekonomi (Makridakis, 1999). Data-data dalam bidang

Lebih terperinci

PENERAPAN METODE ARIMA DALAM MERAMALKAN INDEKS HARGA KONSUMEN (IHK) INDONESIA TAHUN 2013

PENERAPAN 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 terperinci

LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU. Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins

LAPORAN 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 terperinci

PREDIKSI CURAH HUJAN DI KOTA SEMARANG DENGAN METODE KALMAN FILTER

PREDIKSI CURAH HUJAN DI KOTA SEMARANG DENGAN METODE KALMAN FILTER PREDIKSI CURAH HUJAN DI KOTA SEMARANG DENGAN METODE KALMAN FILTER Tika Dhiyani Mirawati 1, Hasbi Yasin 2, Agus Rusgiyono 3 1 Mahasiswa Jurusan Statistika FSM UNDIP 2,3 Staff Pengajar Jurusan Statistika

Lebih terperinci

Metode Peramalan dengan Menggunakan Model Volatilitas Asymmetric Power ARCH (APARCH)

Metode Peramalan dengan Menggunakan Model Volatilitas Asymmetric Power ARCH (APARCH) Metode Peramalan dengan Menggunakan Model Volatilitas Asymmetric Power ARCH (APARCH) (Studi Kasus : Return Kurs Mata Uang Rupiah terhadap Dollar) SKRIPSI Disusun oleh : CINDY WAHYU ELVITRA J2E 009 015

Lebih terperinci

PEMODELAN GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) SEASONAL PADA DATA JUMLAH WISATAWAN MANCANEGARA EMPAT KABUPATEN/KOTA DI JAWA TENGAH

PEMODELAN GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) SEASONAL PADA DATA JUMLAH WISATAWAN MANCANEGARA EMPAT KABUPATEN/KOTA DI JAWA TENGAH ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman 1017-1026 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) SEASONAL

Lebih terperinci

PERAMALAN NILAI EKSPOR DAN NILAI IMPOR INDONESIA KE JEPANG MENGGUNAKAN MODEL VARIMA

PERAMALAN NILAI EKSPOR DAN NILAI IMPOR INDONESIA KE JEPANG MENGGUNAKAN MODEL VARIMA PERAMALAN NILAI EKSPOR DAN NILAI IMPOR INDONESIA KE JEPANG MENGGUNAKAN MODEL VARIMA, Universitas Negeri Malang E-mail: desyulvia@gmail.com Abstrak: Penulisan skripsi ini bertujuan untuk mempelajari Model

Lebih terperinci

PROPOSAL PENELITIAN PEMBAHARUAN MODEL DAN PENENTUAN MODEL TERBAIK UNTUK DATA RUNTUN WAKTU NONMUSIMAN YANG MEMILIKI KECENDERUNGAN POLA MUSIMAN

PROPOSAL PENELITIAN PEMBAHARUAN MODEL DAN PENENTUAN MODEL TERBAIK UNTUK DATA RUNTUN WAKTU NONMUSIMAN YANG MEMILIKI KECENDERUNGAN POLA MUSIMAN PROPOSAL PENELITIAN PEMBAHARUAN MODEL DAN PENENTUAN MODEL TERBAIK UNTUK DATA RUNTUN WAKTU NONMUSIMAN YANG MEMILIKI KECENDERUNGAN POLA MUSIMAN Oleh: 1. Entit Puspita, S.Pd, M.Si (Ketua) 2. Drs. Dadan dasari,

Lebih terperinci

INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) (Studi Kasus pada Return Kurs Rupiah terhadap Dollar Australia)

INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) (Studi Kasus pada Return Kurs Rupiah terhadap Dollar Australia) PERHITUNGAN VALUE AT RISK MENGGUNAKAN MODEL INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) (Studi Kasus pada Return Kurs Rupiah terhadap Dollar Australia) SKRIPSI Disusun

Lebih terperinci

PENERAPAN MODEL EGARCH-M DALAM PERAMALAN NILAI HARGA SAHAM DAN PENGUKURAN VALUE AT RISK (VAR)

PENERAPAN MODEL EGARCH-M DALAM PERAMALAN NILAI HARGA SAHAM DAN PENGUKURAN VALUE AT RISK (VAR) PENERAPAN MODEL EGARCH-M DALAM PERAMALAN NILAI HARGA SAHAM DAN PENGUKURAN VALUE AT RISK (VAR) Oleh: Julianto (1) Entit Puspita (2) Fitriani Agustina (2) ABSTRAK Dalam melakukan investasi dalam saham, investor

Lebih terperinci

PERBANDINGAN MODEL PEMULUSAN WINTER DENGAN ARM A(p, q) UNTUK PERAMALAN STOK BERAS BULOG PEKANBARU ABSTRACT

PERBANDINGAN MODEL PEMULUSAN WINTER DENGAN ARM A(p, q) UNTUK PERAMALAN STOK BERAS BULOG PEKANBARU ABSTRACT PERBANDINGAN MODEL PEMULUSAN WINTER DENGAN ARM A(p, q) UNTUK PERAMALAN STOK BERAS BULOG PEKANBARU Arif Sanjaya 1, M.D.H Gamal 2, Sigit Sugiarto 2 1 Mahasiswa Program Studi S1 Matematika FMIPA Universitas

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA

BAB 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 terperinci

PERBANDINGAN RAMALAN MODEL TARCH DAN EGARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH

PERBANDINGAN RAMALAN MODEL TARCH DAN EGARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH PERBANDINGAN RAMALAN MODEL TARCH DAN EGARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH Oleh RETNO HESTININGTYAS M0106061 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar

Lebih terperinci

ESTIMASI DATA YANG HILANG DENGAN MENGGUNAKAN PROSES PENYARINGAN DALAM PEMODELAN DATA TIME SERIES

ESTIMASI DATA YANG HILANG DENGAN MENGGUNAKAN PROSES PENYARINGAN DALAM PEMODELAN DATA TIME SERIES ESTIMASI DATA YANG HILANG DENGAN MENGGUNAKAN PROSES PENYARINGAN DALAM PEMODELAN DATA TIME SERIES Rais 1 1 Jurusan Matematika FMIPA Universitas Tadulako, email: rais76_untad@yahoo.co.id Abstrak Makalah

Lebih terperinci

PERAMALAN HARGA SAHAM DENGAN METODE EXPONENTIAL SMOOTH TRANSITION AUTOREGRESSIVE (ESTAR) (Studi Kasus pada Harga Saham Mingguan PT United Tractors)

PERAMALAN HARGA SAHAM DENGAN METODE EXPONENTIAL SMOOTH TRANSITION AUTOREGRESSIVE (ESTAR) (Studi Kasus pada Harga Saham Mingguan PT United Tractors) ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman 257-266 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN HARGA SAHAM DENGAN METODE EXPONENTIAL SMOOTH TRANSITION

Lebih terperinci

TREND ANALYSIS INFANT MORTALITY RATE DENGAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA)

TREND ANALYSIS INFANT MORTALITY RATE DENGAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) TREND ANALYSIS INFANT MORTALITY RATE DENGAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) Jerhi Wahyu Fernanda, Wisnaningsih S, Emilia Boavida,, Prodi Rekam Medis Informasi Kesehatan Institut Ilmu Kesehatan

Lebih terperinci

PERAMALAN 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 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 terperinci

Peramalan Laju Inflasi dan Nilai Tukar Rupiah Terhadap Dolar Amerika Menggunakan Model Vector Autoregressive (VAR)

Peramalan Laju Inflasi dan Nilai Tukar Rupiah Terhadap Dolar Amerika Menggunakan Model Vector Autoregressive (VAR) ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 673-682 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian Peramalan Laju Inflasi dan Nilai Tukar Rupiah Terhadap Dolar

Lebih terperinci

MODEL KRISIS PASAR MODAL DI INDONESIA MENGGUNAKAN MARKOV SWITCHING TGARCH (MS-TGARCH) DUA STATE BERDASARKAN INDIKATOR IHSG

MODEL KRISIS PASAR MODAL DI INDONESIA MENGGUNAKAN MARKOV SWITCHING TGARCH (MS-TGARCH) DUA STATE BERDASARKAN INDIKATOR IHSG MODEL KRISIS PASAR MODAL DI INDONESIA MENGGUNAKAN MARKOV SWITCHING TGARCH (MS-TGARCH) DUA STATE BERDASARKAN INDIKATOR IHSG Oleh ALFI NUR DINA NIM M0110002 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian

Lebih terperinci

The 4 th Univesity Research Coloquium 2016 PERBANDINGAN MODEL ARIMA DAN WINTER PADA PERAMALAN DATA SAHAM BANK

The 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 terperinci

Nomor Kode : MT 524. : Pendidikan Matematika (NONDIK)/S-1. : STATDAS dan STATMAT-I : Dra Entit Puspita, M.Si

Nomor Kode : MT 524. : Pendidikan Matematika (NONDIK)/S-1. : STATDAS dan STATMAT-I : Dra Entit Puspita, M.Si DESKRIPSI MATA KULIAH MT 524 Metode Runtun Waktu : 3 sks, Semerster 7 Mata kuliah ini merupakan salah satu mata kuliah pilihan bebas (MKPB), yang dapat diikuti oleh mahasiswa jurusan/program studi Non

Lebih terperinci

BAB I PENDAHULUAN. Statistika inferensial adalah statistika yang dengan segala informasi dari

BAB I PENDAHULUAN. Statistika inferensial adalah statistika yang dengan segala informasi dari BAB I PENDAHULUAN 1.1 Latar Belakang Statistika inferensial adalah statistika yang dengan segala informasi dari sampel digunakan untuk menarik kesimpulan mengenai karakteristik populasi dari mana sampel

Lebih terperinci

BAB II KAJIAN TEORI. digunakan sebagai landasan dalam pembahasan. Pengertian-pengertian dasar

BAB II KAJIAN TEORI. digunakan sebagai landasan dalam pembahasan. Pengertian-pengertian dasar BAB II KAJIAN TEORI Pada Bab II ini dijelaskan mengenai pengertian-pengertian dasar yang digunakan sebagai landasan dalam pembahasan. Pengertian-pengertian dasar tersebut harus dikuasi untuk memudahkan

Lebih terperinci

ESTIMASI PARAMETER MODEL SEEMINGLY UNRELATED REGRESSION (SUR) DENGAN RESIDU BERPOLA AUTOREGRESSIVE ORDE SATU MENGGUNAKAN METODE PARK

ESTIMASI PARAMETER MODEL SEEMINGLY UNRELATED REGRESSION (SUR) DENGAN RESIDU BERPOLA AUTOREGRESSIVE ORDE SATU MENGGUNAKAN METODE PARK i ESTIMASI PARAMETER MODEL SEEMINGLY UNRELATED REGRESSION (SUR) DENGAN RESIDU BERPOLA AUTOREGRESSIVE ORDE SATU MENGGUNAKAN METODE PARK oleh KHAMSATUL FAIZATI M0108052 SKRIPSI ditulis dan diajukan untuk

Lebih terperinci

SKRIPSI. Disusun Oleh: Aditya Wisnu Broto J2E

SKRIPSI. Disusun Oleh: Aditya Wisnu Broto J2E vii PERBANDINGAN APLIKASI JARINGAN SYARAF TIRUAN BACKPROPAGATION DENGAN METODE OPTIMAL BRAIN DAMAGE DAN ARCH - GARCH UNTUK MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN (IHSG) SKRIPSI Disusun Oleh: Aditya Wisnu

Lebih terperinci

PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR HARGA MINYAK

PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR HARGA MINYAK PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR HARGA MINYAK oleh APRILIA AYU WIDHIARTI M0111010 SKRIPSI ditulis dan diajukan

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakang Meramalkan sesuatu berdasarkan ilmu pengetahuan merupakan sesuatu yang dianjurkan dalam Islam, sebagaimana yang diceritakan dalam Al-qur an dalam surat Yusuf ayat

Lebih terperinci

PENENTUAN VALUE AT RISK SAHAM KIMIA FARMA PUSAT MELALUI PENDEKATAN DISTRIBUSI PARETO TERAMPAT

PENENTUAN VALUE AT RISK SAHAM KIMIA FARMA PUSAT MELALUI PENDEKATAN DISTRIBUSI PARETO TERAMPAT ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 453-462 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENENTUAN VALUE AT RISK SAHAM KIMIA FARMA PUSAT MELALUI PENDEKATAN

Lebih terperinci

II. TINJAUAN PUSTAKA. Time series merupakan serangkaian observasi terhadap suatu variabel yang

II. TINJAUAN PUSTAKA. Time series merupakan serangkaian observasi terhadap suatu variabel yang II. TINJAUAN PUSTAKA 2.1 Analisis Deret Waktu (time series) Time series merupakan serangkaian observasi terhadap suatu variabel yang diambil secara beruntun berdasarkan interval waktu yang tetap (Wei,

Lebih terperinci

Renny Elfira Wulansari, Epa Suryanto, Kiki Ferawati, Ilafi Andalita, Suhartono

Renny Elfira Wulansari, Epa Suryanto, Kiki Ferawati, Ilafi Andalita, Suhartono Statistika, Vol. No., November 0 Penerapan Time Series Regression with Calendar Variation Effect pada Data Netflow Uang Kartal Bank Indonesia Sebagai Solusi Kontrol Likuiditas Perbankan di Indonesia Renny

Lebih terperinci

BAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT

BAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT BAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT Model fungsi transfer multivariat merupakan gabungan dari model ARIMA univariat dan analisis regresi berganda, sehingga menjadi suatu model yang mencampurkan pendekatan

Lebih terperinci

SEMINAR TUGAS AKHIR. Peta Kendali Comulative Sum (Cusum) Residual Studi Kasus pada PT. PJB Unit Pembangkitan Gresik. Rina Wijayanti

SEMINAR TUGAS AKHIR. Peta Kendali Comulative Sum (Cusum) Residual Studi Kasus pada PT. PJB Unit Pembangkitan Gresik. Rina Wijayanti SEMINAR TUGAS AKHIR Peta Kendali Comulative Sum (Cusum) Residual Studi Kasus pada PT. PJB Unit Pembangkitan Gresik Rina Wijayanti 1306100044 Pembimbing Drs. Haryono, MSIE Dedi Dwi Prastyo, S.Si., M.Si.

Lebih terperinci

Pengenalan Analisis Deret Waktu (Time Series Analysis) MA 2081 Statistika Dasar 30 April 2012

Pengenalan Analisis Deret Waktu (Time Series Analysis) MA 2081 Statistika Dasar 30 April 2012 Pengenalan Analisis Deret Waktu (Time Series Analysis) ) MA 208 Statistika Dasar 0 April 202 Utriweni Mukhaiyar Ilustrasi Berikut adalah data rata-rata curah hujan bulanan yang diamati dari Stasiun Padaherang

Lebih terperinci

Tugas Akhir. Peramalan Penjualan Produk Minuman TB Wilayah Pemasaran Jawa Timur dengan Menggunakan Metode VARIMA. Oleh : C. Ade Kurniawan

Tugas Akhir. Peramalan Penjualan Produk Minuman TB Wilayah Pemasaran Jawa Timur dengan Menggunakan Metode VARIMA. Oleh : C. Ade Kurniawan Tugas Akhir Peramalan Penjualan Produk Minuman TB Wilayah Pemasaran Jawa Timur dengan Menggunakan Metode VARIMA Oleh : C. Ade Kurniawan 1304100022 Latar Belakang Ketidakpastian dalam aliran hulu supply

Lebih terperinci

PERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS

PERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS Saintia Matematika ISSN: 2337-9197 Vol. 02, No. 03 (2014), pp. 253 266. PERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS

Lebih terperinci

IDENTIFIKASI MODEL FUNGSI TRANSFER MENGGUNAKAN PEMODELAN ARIMA OTOMATIS GOMEZ-MARAVALL (STUDI KASUS PADA DATA INFLASI INDONESIA)

IDENTIFIKASI MODEL FUNGSI TRANSFER MENGGUNAKAN PEMODELAN ARIMA OTOMATIS GOMEZ-MARAVALL (STUDI KASUS PADA DATA INFLASI INDONESIA) IDENTIFIKASI MODEL FUNGSI TRANSFER MENGGUNAKAN PEMODELAN ARIMA OTOMATIS GOMEZ-MARAVALL (STUDI KASUS PADA DATA INFLASI INDONESIA) Oleh: R I O J A K A R I A NPM. 140720090023 T E S I S Untuk memenuhi salah

Lebih terperinci

ANGGA NUR ARDYANSAH NIM

ANGGA NUR ARDYANSAH NIM Akurasi Metode Exponential Smoothing dan Metode Autoregressive Integrated Moving Average (ARIMA) untuk Meramalkan Lama Proses Pengerjaan Tugas Akhir Mahasiswa Pendidikan Matematika FKIP Universitas Jember

Lebih terperinci

PREDIKSI CURAH HUJAN DENGAN METODE KALMAN FILTER (Studi Kasus di Kota Semarang Tahun 2012)

PREDIKSI CURAH HUJAN DENGAN METODE KALMAN FILTER (Studi Kasus di Kota Semarang Tahun 2012) PREDIKSI CURAH HUJAN DENGAN METODE KALMAN FILTER (Studi Kasus di Kota Semarang Tahun 2012) SKRIPSI Disusun Oleh : TIKA DHIYANI MIRAWATI NIM : J2E 008 057 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA

Lebih terperinci

BAB III METODE PENELITIAN. merupakan suatu proses, mencari kebenaran dan menghasilkan kebenaran.

BAB 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 terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di: ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 705-714 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENDEKATAN MODEL FUNGSI TRANSFER MULTI INPUT UNTUK ANALISIS

Lebih terperinci

UNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika dan Statistika Skripsi Sarjana Program Ganda Semester Ganjil tahun 2006/2007

UNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika dan Statistika Skripsi Sarjana Program Ganda Semester Ganjil tahun 2006/2007 UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika dan Statistika Skripsi Sarjana Program Ganda Semester Ganjil tahun 2006/2007 ANALISIS PERAMALAN TINGKAT PENJUALAN MOTOR MENGGUNAKAN METODE SARIMA BERDASARKAN

Lebih terperinci

PEMBANDINGAN METODE PENGHALUSAN EKSPONENSIAL HOLT-WINTERS

PEMBANDINGAN METODE PENGHALUSAN EKSPONENSIAL HOLT-WINTERS PEMBANDINGAN METODE PENGHALUSAN EKSPONENSIAL HOLT-WINTERS DENGAN METODE BOX-JENKINS PADA PERAMALAN DATA DERET WAKTU MUSIMAN (Studi Kasus Data Penumpang Bandara Soekarno Hatta 2007-2014) (Skripsi) Oleh

Lebih terperinci

BAB 2 LANDASAN TEORI. variabel untuk mengestimasi nilainya di masa yang akan datang. Peramalan Merupakan

BAB 2 LANDASAN TEORI. variabel untuk mengestimasi nilainya di masa yang akan datang. Peramalan Merupakan BAB 2 LANDASAN TEORI 2.1. Peramalan Peramalan adalah penggunaan data masa lalu dari sebuah variabel atau kumpulan variabel untuk mengestimasi nilainya di masa yang akan datang. Peramalan Merupakan bagian

Lebih terperinci

Prosiding Statistika ISSN:

Prosiding 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 terperinci

Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya *

Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya * PERAMALAN DATA CURAH HUJAN DENGAN SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (SARIMA) DENGAN DETEKSI OUTLIER SEBAGAI UPAYA OPTIMALISASI PRODUKSI PERTANIAN DI KABUPATEN MOJOKERTO Ary Miftakhul Huda

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 Latar Belakang

BAB 1 PENDAHULUAN 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam sistem perdagangan internasional, setiap negara mempunyai mata uangnya masing-masing sebagai alat tukar atau alat pembayaran yang sah, dalam melakukan pembayaran

Lebih terperinci

Aplikasi Model GARCH pada Data Inflasi Bahan Makanan Indonesia

Aplikasi Model GARCH pada Data Inflasi Bahan Makanan Indonesia Aset, Maret 2011, hal. 65-76 Vol. 13 No. 1 ISSN 1693-928X Aplikasi Model GARCH pada Data Inflasi Bahan Makanan Indonesia TEGUH SANTOSO Magister Sian Ilmu Ekonomi Universitas Gajah Mada Jl. Humaniora, Bulaksumur,

Lebih terperinci

III. METODE PENELITIAN

III. 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 terperinci

PERAMALAN SAHAM SYARIAH DENGAN

PERAMALAN SAHAM SYARIAH DENGAN PERAMALAN SAHAM SYARIAH DENGAN MODEL ARIMAX-EGARCH (Studi Kasus: Harga Penutupan Indeks Harga Saham Harian Jakarta Islamic Index (JII), Suku Bunga Bank Indonesi (BI), Inflasi, dan Kurs Dollar (USD) Periode

Lebih terperinci

PERAMALAN DATA SAHAM S&P 500 INDEX MENGGUNAKAN MODEL TARCH

PERAMALAN DATA SAHAM S&P 500 INDEX MENGGUNAKAN MODEL TARCH PERAMALAN DATA SAHAM S&P 500 INDEX MENGGUNAKAN MODEL TARCH Universitas Negeri Malang E-mail: abiyaniprisca@ymail.com Abstrak: Penelitian ini bertujuan untuk mengetahui model peramalan terbaik dari data

Lebih terperinci

Prediksi Curah Hujan Bulanan Untuk Kegiatan Pertanian/Perkebunan. Menggunakan Metoda SARIMA. (Seasonal Autoregressive Integrated Moving Average) :

Prediksi Curah Hujan Bulanan Untuk Kegiatan Pertanian/Perkebunan. Menggunakan Metoda SARIMA. (Seasonal Autoregressive Integrated Moving Average) : Prediksi Curah Hujan Bulanan Untuk Kegiatan Pertanian/Perkebunan Menggunakan Metoda SARIMA (Seasonal Autoregressive Integrated Moving Average) : Studi Kasus di Kabupaten Semarang Jawa Tengah Indonesia

Lebih terperinci

PENENTUAN 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 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 terperinci

PRAKIRAAN CURAH HUJAN MENGGUNAKAN MODEL SPACE TIME AUTOREGRESIF ORDE DUA (STAR (1;2))

PRAKIRAAN CURAH HUJAN MENGGUNAKAN MODEL SPACE TIME AUTOREGRESIF ORDE DUA (STAR (1;2)) Prosiding Seminar Nasional Sains dan eknologi Nuklir PNBR BAAN Bandung, 4 Juli 3 PRAKIRAAN CURAH HUJAN MENGGUNAKAN MODEL SPACE IME AUOREGRESIF ORDE DUA (SAR (;)) Emah Suryamah, Kankan Parmikanti dan Sugihartini

Lebih terperinci

ESTIMASI MAKSIMUM LIKELIHOOD PADA MODEL ARIMA SKRIPSI IRMA WAHNI SINAGA

ESTIMASI MAKSIMUM LIKELIHOOD PADA MODEL ARIMA SKRIPSI IRMA WAHNI SINAGA ESTIMASI MAKSIMUM LIKELIHOOD PADA MODEL ARIMA SKRIPSI IRMA WAHNI SINAGA 080823040 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2011 1 ESTIMASI MAKSIMUM

Lebih terperinci