BAB III METODE PENELITIAN
|
|
- Sudirman Hartono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 harga saham LQ45 dan variabel independen inflasi, kurs USD, dan suku bunga bank Indonesia (BI rate). 3.2 Populasi dan Sampel Pada penelitian ini populasi yang menjadi objek penelitian adalah perusahaan yang tergabung dalam Indeks Saham LQ45 di Bursa Efek Indonesia, sedangkan sampel dipilih menggunakan metode purposive sampling. Sampel yang digunakan adalah perusahaan yang terdaftar dalam Indeks Saham LQ 45 selama 10 periode berturut-turut dengan periode Februari 2009 Januari 2014, yaitu AALI, ADRO, ASII, BBCA, BBNI, BBRI, BDMN, BMRI, INCO, INDF, INTP, ITMG, JSMR, KLBF, LPKR, LSIP, PGAS, PTBA, SMGR, TLKM, UNTR, dan UNVR. 34
2 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder dari Indeks LQ45 yang diunduh di Data yang digunakan merupakan data harga penutupan saham harian (closing price) dengan periode selama 5 tahun mulai 2 Februari 2009 hingga 31 Januari 2014, begitu pula periode yang sama untuk data inflasi kurs USD, dan suku bunga BI yang diunduh di Data untuk profil setiap perusahaan diunduh di Teknik Analisis Data Dalam penelitian ini menggunakan dua teknik analsis yaitu ARIMA dan ARCH/GARCH Uji Stasioneritas Suatu series dikatakan stasioner apabila mean dan variance-nya konstan dari waktu ke waktu. Pengujian kestasioneran dalam mean dilakukan dengan uji correlogram yaitu autocorrelation function (ACF) dan partial autocorrelation function (PACF). Kestasioneran data dapat dilihat berdasarkan plot ACF dan PACF. Jika koefisien ACF berbeda secara signifikan dari nol atau berada di luar confidence limit
3 36 (5%) maka data dikatakan tidak stasioner, dan sebaliknya jika koefisien ACF tidak berbeda secara signifikan dari nol atau berada dalam confidence limit, maka data dikatakan stasioner. Jika data yang diolah bersifat tidak stasioner pada orde nol I(0), maka akan dilakukan pembedaan data (differencing) pada orde berikutnya sehingga diperoleh tingkat stasioneritas pada orde ke-n (first difference) I(1), atau second difference I(2), dan seterusnya. Setelah melakukan proses differencing maka data akan kembali diolah untuk mengetahui apakah data tersebut sudah stasioner atau belum Teknik Analisis ARIMA Langkah I : Identifikasi Model ARIMA Tahapan selanjutnya yaitu identifikasi model tentatif sementara. Data yang telah stasioner akan ditentukan ordo p dan q dari model ARMA menggunakan ACF dan PACF. Penentuan apakah suatu data time series dimodelkan dengan AR, MA, atau ARMA tergantung pada pola ACF dan PACF. Pola ACF dan PACF dapat dilihat pada Tabel 3.1.
4 37 Tabel 3.1 Pola Autokorelasi dan Autokorelasi Parsial Model Pola ACF Pola PACF Menurun secara AR(p) eksponensial atau pola Terdapat tiang pancang Sinusoidal yang tidak samapai lag p begitu jelas MA(q) Terdapat tiang pancang Menurun secara yang jelas sampai lag q eksponensial ARMA (p,q) Menurun secara eksponensial Menurun secara eksponensial Sumber : Gujarati, 2003 Jika koefisien ACF menurun secara eksponensial (bertahap), sedangkan koefisien PACF menurun drastis pada lag tertentu, maka modelnya adalah AR. Jika koefisien ACF menurun drastis pada lag tertentu, sedangkan PACF menurun secara eksponensial (bertahap), maka modelnya adalah MA. Sedangkan jika koefisien ACF dan PACF menurun secara eksponensial (bertahap), maka model yang tepat adalah ARMA. Secara umum dapat didefinisikan model ARIMA (p,d,q) dimana p dan q adalah tingkat lag (kelambanan) dan d adalah tingkat differencing. Sehingga dapat dicoba beberapa model tentatif ARIMA dengan AR(p) dan MA(q) pada tingkat differencing I(d). Setiap lag pada plot ACF dan PACF akan berada dalam garis batas autokorelasi, tetapi
5 38 lag yang melebihi garis batas (signifikan) diidentifikasi sebagai tingkat AR dan MA karena hal tersebut menunjukkan besarnya pengaruh pada lag tersebut. Langkah II : Estimasi Model Setelah ditentukan model tentatif ARIMA, maka akan dilakukan estimasi model. Pada tahap estimasi ini akan diuji kelayakan model tersebut untuk mendapatkan model terbaik. Kriteria untuk menentukan model terbaik dilakukan dengan nilai AIC (Akaike Information Criterion) dan SIC (Schwarz Information Criterion) terkecil (Gujarati, 2003). AIC dan SIC merupakan kriteria yang menyediakan ukuran informasi yang dapat menyeimbangkan ukuran kebaikan model dan efisiensi. Langkah III : Diagnostic Checking Setelah didapatkan model terbaik, maka perlu untuk melakukan uji diagnostik (model yang dipilih mampu menjelaskan data dengan baik) dengan melihat apakah residual yang diperoleh sudah bersifat white noise. Untuk melihat apakah residualnya bersifat white noise dapat dilakukan dengan correlogram ACF maupun PACF, jika
6 39 koefisien ACF maupun PACF secara individual probabilitasnya tidak signifikan (>5%) maka residual yang didapatkan bersifat white noise, sebaliknya jika koefisien ACF dan PACF signifikan maka dilakukan pemilihan model yang lain karena residual tidak bersifat white noise, apabila model dalam bentuk ARIMA, maka model persamaannya seperti pada persamaan (2.4). Langkah IV : Peramalan Peramalan akan dilakukan setelah ditemukan model yang tepat. Model terbaik yang telah terpilih akan digunakan untuk memprediksi harga saham dengan melihat seberapa besar selisih antara hasil peramalan dengan nilai sebenarnya Teknik Analisis ARCH/GARCH Langkah I : Uji ARCH Effect (Heterokedastisitas) Data yang akan diuji harus bersifat stasioner, jika belum maka data tersebut harus distasionerkan terlebih dahulu. Untuk mengetahui apakah terdapat unsur heterokedastisitas, dalam penelitian ini akan menggunakan uji Arch-LM (Lagrange Multiplier).
7 40 Hipotesis untuk pengujian ini adalah : H 0 : Tidak terdapat ARCH effect (homokedastisitas) H 1 : Terdapat ARCH effect (heterokedastisitas) Untuk menentukan apakah H 0 ditolak atau diterima, dapat dilihat berdasarkan besarnya probabilitas Chi-square (χ 2 ) dari hasil perkalian jumlah observasi (Obs) dengan nilai R-squared, jika χ 2 < 0.05, maka H 0 ditolak. Apabila terdapat unsur heterokedastisitas berarti data tersebut layak dimodelkan dengan Arch/Garch. Langkah II : Estimasi Model Garch (p,q) Estimasi model Arch/Garch tidak dapat dilakukan sekali saja, yang berarti harus melalui proses iteratif untuk mendapatkan hasil estimasi yang terbaik. Model Arch/Garch dalam penelitian ini akan diestimasi berdasarkan nilai AIC (Akaike Information Criterion) dan SIC (Schwarz Information Criterion) terkecil. Langkah III : Uji Diagnostik Residual Langkah selanjutnya adalah evaluasi hasil estimasi model untuk mengetahui apakah model terpilih sudah homekedastik dan sudah tidak ada korelasi serial dalam residual. Pengujian
8 41 homokedastik dilakukan menggunakan uji Arch-LM (Lagrange Multiplier), dan pengujian korelasi menggunakan uji Ljung-Box. Peramalan hanya dapat dilakukan jika model sudah tidak mengandung heterokedastisitas. Jika model dalam bentuk Arch, maka persamaannya seperti pada persamaan (2.5), sedangkan jika dalam bentuk Garch, maka persamaannya seperti pada persamaan (2.6). Model Garch dapat juga ditulis dengan persamaan sebagai berikut : LQ45 = β 0 + β 1 Inflasi + β 2 BI rate + β 3 USD + ε t... (3.1) Langkah IV : Peramalan Setelah data sudah tidak mempunyai unsur heterokedastisitas, maka akan dilakukan peramalan dengan model terbaik. Untuk evaluasi kesalahan peramalan akan dihitung berdasarkan besarnya selisih antara nilai ramalan dengan nilai aktual. 3.5 Perbandingan Akurasi Kriteria keakuratan dalam memprediksi harga saham menggunakan Arima dan Arch/Garch akan ditentukan dengan menghitung besarnya selisih nilai absolut antara nilai hasil ramalan dengan nilai
9 42 aktual. Teknik yang memiliki selisih lebih sedikit dengan nilai aktualnya merupakan teknik analisis yang lebih akurat.
III. METODOLOGI PENELITIAN. kuantitatif. Menurut Silalahi dalam Eliyawati (2012) penelitian kuantitatif yaitu
III. METODOLOGI PENELITIAN 3.1 Jenis Penelitian Penelitian ini merupakan jenis penelitian yang menggunakan pendekatan kuantitatif. Menurut Silalahi dalam Eliyawati (2012) penelitian kuantitatif yaitu penelitian
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 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 terperinciBAB III METODE PENELITIAN. 3.1 Unit Analisis dan Ruang Lingkup Penelitian. yang berupa data deret waktu harga saham, yaitu data harian harga saham
32 BAB III METODE PENELITIAN 3.1 Unit Analisis dan Ruang Lingkup Penelitian 3.1.1. Objek Penelitian Objek sampel data dalam penelitian ini menggunakan data sekunder yang berupa data deret waktu harga saham,
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 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 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 terperinciBAB IV METODE PENELITIAN
BAB IV METODE PENELITIAN 4.1. Desain Penelitian Metode yang diterapkan dalam penelitian ini yaitu desain kuantitatif, konklusif, eksperimental dan deskriptif. Metode deskriptif bertujuan untuk membuat
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 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 terperinciMETODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data sekunder yang bersifat historis.
III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder yang bersifat historis. Sumber data sekunder adalah sumber data penelitian yang diperoleh
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 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 terperinciBAB 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 terperinciPERHITUNGAN 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 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 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 3.1 Gambaran Umum Objek Penelitian Penelitian ini menggunakan variabel independen berupa operating leverage, financial leverage serta satu variabel dummy berupa karakteristik
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 terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian dilakukan di Pasar Bunga Rawabelong, Jakarta Barat yang merupakan Unit Pelaksana Teknis (UPT) Pusat Promosi dan Pemasaran Holtikultura
Lebih terperinciSBAB 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 terperinciIII. METODE PENELITIAN. Data yang digunakan dalam penulisan proposal ini adalah data sekunder yang
30 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penulisan proposal ini adalah data sekunder yang diperoleh dari Laporan Bank Indonesia, Statistik Ekonomi dan Keuangan Indonesia,
Lebih terperinciBAB IV METODE PENELITIAN
BAB IV METODE PENELITIAN 4.1. Jenis Penelitian Penelitian dalam menganalisis volatilitas Indeks Harga Saham Gabungan (IHSG) dan sembilan Indeks Harga Saham Sektoral dengan metode ARCH, GARCH, EGARCH, TGARCH,
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 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 terperinciTINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang
II.. TINJAUAN PUSTAKA Indeks Harga Konsumen (IHK Menurut Monga (977 indeks harga konsumen adalah ukuran statistika dari perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang didapatkan.
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 terperinciPEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU SULAWESI TENGAH
JIMT Vol. 12 No. 2 Desember 2016 (Hal 149-159) ISSN : 2450 766X PEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU SULAWESI TENGAH 1 Y. Wigati, 2 Rais, 3 I.T.
Lebih 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 terperinciMETODE PENELITIAN. Data yang dipakai untuk penelitian ini adalah data sekunder (time series)
48 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang dipakai untuk penelitian ini adalah data sekunder (time series) yang didapat dari Statistik Ekonomi Keuangan Indonesia (SEKI) Bank Indonesia
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi
Lebih terperinciPENENTUAN MODEL TERBAIK UNTUK PERAMALAN DATA SAHAM CLOSING PT. CIMB NIAGA INDONESIA MENGGUNAKAN METODE ARCH-GARCH
PENENTUAN MODEL TERBAIK UNTUK PERAMALAN DATA SAHAM CLOSING PT. CIMB NIAGA INDONESIA MENGGUNAKAN METODE ARCH-GARCH Gatri Eka K 1, Vebriani Safitry 2, Yesika Kristin 3 Program Studi Matematika, Universitas
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 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 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 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 terperinciAplikasi 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 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 terperinciBAB 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 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 terperinciModel Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan
METODE BOX JENKINS Model Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan utk semua tipe pola data. Dapat
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 terperinciII. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya
II. TINJAUAN PUSTAKA 2.1 Stasioner Analisis ARIMA Autoregressive Integrated Moving Average umumnya mengasumsikan bahwa proses umum dari time series adalah stasioner. Tujuan proses stasioner adalah rata-rata,
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 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 terperinciPenerapan Metode ARCH/GARCH Dalam Peramalan Indeks Harga Saham Sektoral
Jurnal Sains Matematika dan Statistika, Vol 2, No I, Januari 206 Penerapan Metode ARCH/GARCH Dalam Peramalan Indeks Harga Saham Sektoral Ari Pani Desvina, Nadyatul Rahmah 2,2 Jurusan Matematika Fakultas
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1 Sumber Data Penelitian ini menggunakan data sekunder yang diperoleh dari BEI. Data yang digunakan dalam penelitian ini merupakan data harian yang dimulai dari 3 Januari 2007
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 terperinciWenty Yolanda Eliyawati R. Rustam Hidayat Devi Farah Azizah Fakultas Ilmu Administrasi Universitas Brawijaya Malang
PENERAPAN MODEL GARCH (GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY) UNTUK MENGUJI PASAR MODAL EFISIEN DI INDONESIA (Studi pada Harga Penutupan (Closing Price) Indeks Saham LQ 45 Periode 2009-2011)
Lebih terperinciIII. METODELOGI PENELITIAN. Variabel-variabel yang digunakan dalam penelitian Analisis Pengaruh Variabel
III. METODELOGI PENELITIAN A. Definisi Operasional Variabel Variabel-variabel yang digunakan dalam penelitian Analisis Pengaruh Variabel Ekonomi Makro dan Ekonomi Mikro terhadap Volatilitas Indeks Saham
Lebih terperinci: Amelia Pujaastuti Npm : Jurusan : Manajemen Pembimbing : Dr. Ati Harmoni, SSi., MM
ANALISIS PENENTUAN PORTOFOLIO OPTIMAL SAHAM DENGAN MODEL INDEKS TUNGGAL (Studi Pada Saham Indeks LQ-45 di BEI Tahun 2011-2015) Nama : Amelia Pujaastuti Npm : 10212705 Jurusan : Manajemen Pembimbing : Dr.
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 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 terperinciIII. METODE PENELITIAN. Penelitian ini mengunakan data sekunder berdasarkan runtun waktu (time series)
41 III. METODE PENELITIAN A. Jenis dan Sumber Data Penelitian ini mengunakan data sekunder berdasarkan runtun waktu (time series) periode Januari 2001- Desember 2008 yang diperoleh dari publikasi resmi,
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 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 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 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 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 terperinciIII. METODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data time series
51 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data time series yang didapat dari Bank Indonesia dan Badan Pusat Statistik dan melalui
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Tinjauan Pustaka Engle [7] melakukan penelitian mengenai model yang mengatasi efek heteroskedastisitas yaitu model autoregressive conditional heteroskedasticity (ARCH) yang diterapkan
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 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 terperinciSeasonal ARIMA adalah model ARIMA yang mengandung faktor musiman.
Definisi Seasonal ARIMA adalah model ARIMA yang mengandung faktor musiman. Musiman berarti kecenderungan mengulangi pola tingkah gerak dalam periode musim, biasanya satu tahun untuk data bulanan. Karena
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di Indonesia sejak tahun enam puluhan telah diterapkan Badan Meteorologi, Klimatologi, dan Geofisika di Jakarta menjadi suatu direktorat perhubungan udara. Direktorat
Lebih terperinciANALISIS VOLATILITY FORECASTING SEMBILAN BAHAN POKOK MENGGUNAKAN METODE GARCH DENGAN PROGRAM R
ANALISIS VOLATILITY FORECASTING SEMBILAN BAHAN POKOK MENGGUNAKAN METODE GARCH DENGAN PROGRAM R Skripsi Disusun sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains Program Studi Matematika oleh
Lebih terperinciPEMODELAN DAN PERAMALAN PENUTUPAN HARGA SAHAM PT. TELKOM DENGAN METODE ARCH - GARCH
PEMODELAN DAN PERAMALAN PENUTUPAN HARGA SAHAM PT. TELKOM DENGAN METODE ARCH - GARCH BUNGA LETY MARVILLIA Matematika, Fakultas Ilmu Pengetahuan Alam, UNESA Jl. Ketintang villy_cute_7@yahoo.com 1, raywhite_vbm@gmail.com
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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Gambaran Umum Blue chip Istilah ini sebenarnya berasal dari istilah di kasino, di mana blue chip mengacu pada counter yang memiliki nilai paling besar. saham blue chip
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. Jurusan
Lebih terperinciLampiran 1. Data PER, DPR, DY, ROE dan NPM LQ45 tahun 2009
LAMPIRAN 143 Lampiran 1. Data PER, DPR, DY, ROE dan NPM LQ45 tahun 2009 1 ADRO 12,67 12,45 0,98 24,94 0,16 2 BBCA 17,57 0,25 0,01 24,44 0,25 3 BBNI 12,17 28,9 0,02 12,92 0,1 4 BBRI 12,91 22,27 0,02 26,81
Lebih terperinciAPLIKASI MODEL GARCH PADA DATA INFLASI BAHAN MAKANAN INDONESIA PERIODE
APLIKASI MODEL GARCH PADA DATA INFLASI BAHAN MAKANAN INDONESIA PERIODE 2005.1-2010.6 Teguh Santoso Mahasiswa Program Pascasarjana Ilmu Ekonomi FEB UGM Asisten Peneliti P2EB FEB UGM Maruto Umar Basuki Jurusan
Lebih terperinciBAB III MODEL ARIMAX DENGAN EFEK VARIASI KALENDER
21 BAB III MODEL ARIMAX DENGAN EFEK VARIASI KALENDER 3.1 Model Variasi Kalender Liu (Kamil 2010: 10) menjelaskan bahwa untuk data runtun waktu yang mengandung efek variasi kalender, dituliskan pada persamaan
Lebih terperinciTEKNIK 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 terperinciHASIL DAN PEMBAHASAN. mengalami fluktuasi antar waktu. Data tersebut mengindikasikan adanya
47 IV. HASIL DAN PEMBAHASAN 4.1 Volatilitas Harga Minyak 4.1.1 Deskripsi Data Plot data harga minyak pada bulan Januari 2000 hingga bulan Desember 2011 dapat dilihat pada Gambar 4.1. Hal ini menunjukan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Populasi adalah jumlah dari keseluruhan objek (satuan-satuan / individu-individu) yang
BAB III METODOLOGI PENELITIAN 3.1 Populasi dan Sampel 3.1.1 Populasi Populasi adalah jumlah dari keseluruhan objek (satuan-satuan / individu-individu) yang karakteristiknya hendak diduga (Ferdinand, 2006).
Lebih terperinciPERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 1 8 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH
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 terperinciMODEL GARCH (GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY) UNTUK PREDIKSI DAN AKURASI HARGA SAHAM MASA DEPAN
MODEL GARCH (GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY) UNTUK PREDIKSI DAN AKURASI HARGA SAHAM MASA DEPAN GARCH (GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY) MODEL FOR PREDICTION
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 terperinciBAB IV METODE PENELITIAN
BAB IV METODE PENELITIAN 4.1 Desain Penelitian Penelitian ini didasari oleh gejolak/volatilitas nilai tukar rupiah terhadap mata uang asing (valuta asing).pada nilai transaksi jual beli valuta asing yang
Lebih terperinciBAB II LANDASAN TEORI DAN PENGEMBANGAN HIPOTESIS
BAB II LANDASAN TEORI DAN PENGEMBANGAN HIPOTESIS II.1 Landasan Teori II.1.1 Indeks Harga Saham Gabungan (IHSG) IHSG di BEI meliputi pergerakan-pergerakan harga untuk saham biasa dan saham preferen. IHSG
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 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. Data yang digunakan pada penelitian ini adalah data sekunder yang diperoleh dari
III. METODE PENELITIAN Metode penelitian merupakan langkah dan prosedur yang akan dilakukan dalam pengumpulan data atau informasi empiris guna memecahkan permasalahan dan menguji hipotesis penelitian.
Lebih terperinciBAB III. Metode Penelitian. Penelitian ini menggunakan pendekatan kuantitatif yaitu data yang diukur dalam skala
BAB III Metode Penelitian A. Pendekatan Penelitian Penelitian ini menggunakan pendekatan kuantitatif yaitu data yang diukur dalam skala numerik, berdasarkan data time series yang berhubungan dengan inflasi,suku
Lebih terperinciBAB III METODE PENELITIAN. kuantitatif adalah pendekatan penelitian yang banyak dituntut menguakan angka,
BAB III METODE PENELITIAN A. Ruang Lingkup Penelitian Ditinjau dari jenis datanya pendekatan penelitian yang digunakan dalam penelitian ini adalah pendekatan kuantitatif. Yang dimaksud dengan penelitian
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 terperinciBAB IV PEMBAHASAN. Gambar 4.1 nilai tukar kurs euro terhadap rupiah
BAB IV PEMBAHASAN 4.1 Deskripsi Data Gambar 4.1 memperlihatkan bahwa data berfluktuasi dari waktu ke waktu. Hal ini mengindikasikan bahwa data tidak stasioner baik dalam rata-rata maupun variansi. Gambar
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan penelitian mengenai pengaruh variabel moneter
BAB III METODE PENELITIAN A. Subyek Penelitian Penelitian ini merupakan penelitian mengenai pengaruh variabel moneter dan ketidakpastian inflasi terhadap tingkat inflasi. Penelitian ini dilakukan pada
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 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 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 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 terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN. sekunder deret waktu (time series) mulai dari Januari 2013 sampai
BAB V HASIL PENELITIAN DAN PEMBAHASAN A. Analisis dan Hasil Regresi Semua data yang digunakan dalam analisis ini merupakan data sekunder deret waktu (time series) mulai dari Januari 2013 sampai Desember
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 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 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 terperinciBAB III METODE PENELITIAN. kuantitatif. Menurut Kuncoro (2013: 145). Data kuantitatif adalah data yang
BAB III METODE PENELITIAN 3.1. Jenis dan Sumber Data 3.1.1. Jenis Data Jenis data yang digunakan dalam penelitian ini, yaitu data kuantitatif. Menurut Kuncoro (2013: 145). Data kuantitatif adalah data
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 terperinci