PERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN (STUDI KASUS KOTA SALATIGA, BULAN JANUARI 2014 JULI 2016)
|
|
- Ari Indradjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: hal November 206 hp://jurnal.fkip.uns.ac.id PERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN (STUDI KASUS KOTA SALATIGA, BULAN JANUARI 204 JULI 206) Rana Dwijayani, Adi Seiawan 2, Didi Budi Nugroho 3,2,3 Fakulas Sains dan Maemaika, Universias Krisen Saya Wacana Absrak: Makalah ini membahas enang penerapan model Vekor Auoregressive Inegraed (VARI) unuk meramalkan daa Indeks Harga Konsumen (IHK) kelompok bahan makanan padi-padian dan bumbu-bumbuan di Koa Salaiga.Daa yang digunakan adalah daa periode bulan Januari 204 sampai dengan bulan Juli 206.Daa ersebu digunakan unuk meramalkan nilai IHK pada bulan Agusus 206 sampai dengan bulan Juli 207. Pemodelan daa dilakukan dengan ahapan: () daa yang belum sasioner disasionerkan dengan melakukan pembedaan sau kali (d = ) dan diuji menggunakan uni roo es (uji akar uni), (2) dipilih lag minimum p= 2 berdasarkan Akaike Informaion Crierion (AIC), (3) model dicocokkan dengan ala ukur Mean Absolue Percenage Error (MAPE) dan diperoleh sebesar 4,83%, sera (4) peramalan IHK kelompok bahan makanan padi-padian dan bumbubumbuan unuk bulan Agusus 206 sampai dengan bulan Juli 207. Kaa kunci: Bumbu-bumbuan, IHK, Padi-padian, Sasionerias, VARI PENDAHULUAN Indeks Harga Konsumen (IHK) adalah angka yang mencerminkan perbandingan nilai konsumsi rumah angga yang erjadi pada dua periode waku yang berbeda, dimana uru diperhiungkan pula peranan dari seiap barang/ jasa dari pake komodias sesuai dengan pola konsumsi masyaraka (Badan Pusa Saisik, 204).Kelompok bahan makanan padi-padian dan bumbu-bumbuan (cabai, bawang merah, bawang puih,dll) merupakan kelompok bahan makanan yang hampir seiap hari dikonsumsi masyaraka.namun, karena harganya yang idak konsan mengakibakan IHK kelompok bahan makanan padi-padian dan bumbu-bumbuan berpengaruh erhadap laju inflasi dan perkembangan ekonomi di Koa Salaiga.Unuk mengeahui besarnya peningkaan aau penurunan IHK kelompok bahan makanan sersebu, maka perlu dilakukan peramalan.model Vekor Auoregressive Inegraed (VARI) merupakan model yang dierapkan dalam melakukan peramalan. Dalam peneliian ini dilakukan peramalan IHK kelompok bahan makanan padipadian dan bumbu-bumbuan di Koa Salaiga pada bulan Agusus 206 sampai dengan bulan Juli 207. Daa yang digunakan merupakan daa sekunder bulan Januari 204 sampai dengan bulan Juli 206 yang erdiri dari 3 observasi yang diperoleh dari Badan FKIP UNS Rabu, 6 November
2 Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: hal November 206 hp://jurnal.fkip.uns.ac.id Pusa Saisik (BPS) Koa Salaiga. Kompuasi peneliian ini dilakukan dengan banuan program R i sera menggunakan pake program urca dan vars. METODE PENELITIAN Daa yang digunakan haruslah daa IHK yang dihiung berdasarkan ahun dasar yang sama. Jika pada ahun 203 dan sebelumnya penghiungan IHK menggunakan ahun dasar 2007, maka pada ahun 204 hingga saa ini, penghiungan IHK menggunakan ahun dasar 202. Langkah-langkah yang dilakukan dalam peneliian ini adalah: () uji sasionerias, (2) idenifikasi p dan d dalam model VARI(p,d), (3) uji kecocokan model dengan ala ukur Mean Absolue Percenage Error (MAPE), dan (4) peramalan. A. Uji Sasionerias Langkah perama dalam analisis runun waku adalah memeriksa apakah daa sudah sasioner.uji sasionerias yang paling sering digunakan adalah uji akar uni yaiu dengan menggunakan uji Augmened Dickey-Fuller (ADF), dengan persamaan sebagai beriku (Seiawan, 202), Y Y e Y e Y e Z () sehingga akan membenuk hipoesis sebagai beriku: H 0 H : = 0 (Daa Tidak Sasioner), :< 0 (Daa Sasioner). Jika H 0 dierima, maka =. Arinya erdapa akar uni, dimana daa idak sasioner.pada uji ADF erdapa beberapa persamaan uji, yaiu:. anpa konsana dan anpa rend (None) Z Y e, 2. dengan konsana dan anpa rend (Drif) Z Y e, 3. dengan konsana dan rend (Trend) Z Y λ e, denganz = Y Y - dane adalah residual. Dalam hal ini, merupakan nilai parameer yang diujikan, adalah nilai konsana, dan adalah koefisien rend. B. Idenifikasi p dan d dalam Model VARI(p,d) Perama kali model VAR diperkenalkan oleh C.A. Sims (972) sebagai pengembangan dari pemikiran Granger (969), (Hadiyaullah, 20).VAR menjelaskan bahwa seiap variabel yang ada dalam model erganung pada pergerakan FKIP UNS Rabu, 6 November
3 Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: hal November 206 hp://jurnal.fkip.uns.ac.id masa lalu variabel ersebu dan juga pergerakan masa lalu seluruh variabel yang ada dalam sisem (Novia, 2009). Secara umum persamaan model VAR(p) diuliskan sebagai beriku: dengan, Y B 0 B i e Y B0 BY B2Y2... B py p e (2) = vekor berukuran n yang berisikan n variabel dalam VAR, = vekor berukuran n yang berisikan inersep dalam VAR, = mariks berukuran nn yang berisikan koefisien-koefisien dalam VAR, = vekor berukuran n yang berisikan error dari model VAR. Model VARI merupakan benuk model VAR yang idak sasioner, sehingga perlu dilakukan pembedaan agar sasioner. Pembedaan dilakukan dengan cara beriku: Z Y Y (3) Dengan Z adalah vekor berukuran n yang berisikan nilai peramalan unuk variabel padi dan bumbu. Seelah dilakukan pembedaan diperoleh model VARI(p,d) sebagai beriku: dengan, A 0 A i e Z A0 A Z A2 Z2... ApZ p e (4) = vekor berukuran n yang berisikan inersep dalam VARI, = mariks berukuran nn yang berisikan koefisien-koefisien dalam VARI, = vekor berukuran n yang berisikan error dari model VARI. Dalam model VARI(p,d), orde p merupakan nilai lag variabel ak bebas dan orde d merupakan ingka proses pembedaan. Menuru Wardani e al. (204), penenuan lag p merupakan suau hal yang sanga pening unuk mendapakan model VAR yang paling sesuai. Pemilihan model dilakukan menggunakan lag yang meminimumkan krieria dari krieria informasi. Dalam peneliian ini, penulis menggunakan Akaike Informaion Crierion (AIC) unuk mendapakan lag yang sesuai. Beriku ini adalah formulasi krieria informasi AIC: AIC 2 u (5) T 2 n ln n nk dengan, u (n) = deerminan mariks variansi/ kovariansi sisa, T = banyaknya pengamaan, FKIP UNS Rabu, 6 November
4 Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: hal November 206 hp://jurnal.fkip.uns.ac.id n K = oal banyaknya esimasi parameer di semua pengamaan, = banyaknya variabel dalam VARI. Seelah didapakan nilai lag yang sesuai, selanjunya dilakukan penghiungan nilai parameer A 0, A, A 2,, A p. Nilai parameer ersebu dapa diperoleh dengan cara seperi pada conoh beriku ini. Conoh: Digunakan daa IHK kelompok bahan makanan padi-padian dan bumbubumbuan pada bulan Januari 204 sampai dengan bulan Agusus 204 seperi diunjukkan pada Tabel dan didapakan model erbaik pada lag 2. Maka model VARI yang diperoleh adalah Z = A 0 + A Z - + A 2 Z -2 + e. Esimasi nilai A 0, A, dan A 2 dengan menyusun mariks Y = C + BZ + U, dengan Mulivariae Leas Squares didapakan persamaan beriku ini unuk mengesimasi B. Y Y - A 0 ZZ' B YZ' (6) Y C BZ U 0 A A2 Y 0 Y 2 e 0 TABEL. DATA IHK KELOMPOK BAHAN MAKANAN PADI-PADIAN DAN BUMBU-BUMBUAN PADA BULAN JANUARI 204 JULI 204 Y Z Bulan Padi- Bumbu- Padi- Bumbu- padian bumbuan padian bumbuan Januari ,4 35,4 Februari ,66 27,28 0,52-8,3 Mare 204 0,06 29,89 0,4 2,6 April ,83 09,3 -,23-20,58 Mei ,6 0,37-0,23-7,94 Juni , 04,59-0,49 3,22 Juli ,95 06,87,84 2,28 FKIP UNS Rabu, 6 November
5 Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: hal November 206 hp://jurnal.fkip.uns.ac.id Agusus 204 0,82 02,68 0,87-4,9 Kemudian diperoleh B dengan cara:,23 20,58 B 0,4 2,6 0,4 2,6 0,52 8,3 0,23 7,94,23 20,58,23 20,58 0,4 2,6 0,49 3,22 0,23 7,94 0,23 7,94,23 20,58 3,22,84 2,28 0,49 3,22 0,49 0,23 7,94 0,87 4,9,84 2,28,84 2,28 0,49 3,22 0,4 2, 0,52 8,3,23 20,58 0,4 2,6 0,23 7,94,23 20,58 0,49 3,22 0,23 7,94,84 2,28 0,49 3,22 0,4 2,6 0,52 8,3,23 20,58 0,4 2,6 0,23 7,94,23 20,58 0,49 3,22 0,23 7,94,84 2,28 0,49 3,22 0,76 27,2 B 0,29 20,4,5799,7229 B 0 0 0,602 8,033 5,35 30,80 3,322 8,93 30,80 508,958,48 8, ,978 6,309 0,79,033 0,579 0, ,638 7,675 0,425 48,729 0,045 8,086 0,374 70,246 0,049 2,602 9, ,425 0,65 0,05 0,523 0,046 0,852 0, ,045 0,05 0,006 0,039 0,003 sehingga didapakan inersep A 0 sera koefisien A dan A 2 sebagai beriku, 0,374 0,523 0,039,63 0,068,5799,48 0,579 2,602 0,852 A 0, A,7229, A 2 8,652 0, ,5647 0,865 C. Uji Kecocokan Model dengan Ala Ukur MAPE 0,049 0,046 0,003 0,068 0,007 Mean Absolue Percenage Error (MAPE) merupakan salah sau ala ukur ingka keepaan model yang digunakan unuk peramalan.mape dihiung dengan menggunakan kesalahan absolu pada iap periode dibagi dengan nilai observasi yang nyaa unuk periode ersebu.kemudian, menghiung raa-raa kesalahan persenase absolu ersebu.mape mengindikasi seberapa besar kesalahan dalam menenukan model yang digunakan. Beriku ini merupakan persamaan MAPE, FKIP UNS Rabu, 6 November
6 Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: hal November 206 hp://jurnal.fkip.uns.ac.id T e 2 e ei MAPE... 00% (7) Ti Y Y 2 Yi Dengan T adalah banyaknya error dan i adalah banyaknya variabel. Dalam peneliian ini juga dilakukan uji normalias erhadap error pada model yang didapakan dengan uji Kolmogorov-Smirnov.Jika error yang diperoleh berdisribusi normal, maka dapa dilakukan peramalan dengan menerapkan model yang sesuai. Konsep dasar dari uji normalias Kolmogorov-Smirnov adalah dengan membandingkan disribusi daa (yang diuji normaliasnya) dengan disribusi normal baku (Hidaya, 202).Disribusi normal baku adalah daa yang elah diransformasikan ke dalam benuk Z-score dan diasumsikan normal. Jadi, sebenarnya uji Kolmogorov- Smirnov adalah uji beda anara daa yang diuji nomaliasnya dengan daa normal baku. Jika nilai-p kurang dari ingka signifikansi 5%, maka erdapa perbedaan yang signifikan, berari daa ersebu idak normal, dan berlaku sebaliknya. D. Peramalan Peramalan dilakukan dengan menerapkan model yang sesuai.persamaan beriku ini digunakan unuk menghiung nilai peramalann langkah kedepan. Zn A0 A Zn A2 Z2n... ApZ pn (8) HASIL DAN PEMBAHASAN A. Profil Daa Daa nilai IHK kelompok bahan makanan padi-padian dan bumbu-bumbuan bulan Januari 204 sampai dengan bulan Juli 206 diampilkan dalam Gambar. Dari grafik erliha bahwa daa IHK kelompok bahan makanan padi-padian dan bumbubumbuan belum sasioner.hal ini juga dapa dikonfirmasi dengan melakukan uji sasionerias unuk daa IHK kelompok bahan makanan padi-padian dan bumbubumbuan. B. Uji Sasionerias Daa Pada daa IHK kelompok bahan makanan padi-padian dan bumbu-bumbuan perama kali dilakukan uji akar uni unuk mengeahui kesasionerannya agar model yang didapakan mempunyai keepaan yang relaif inggi. Dengan banuan program R, khususnya pake urca, uji akar uni ersebu dilakukan berdasarkan uji ADF. Hasil penghiungan akar uni unuk daa awal dinyaakan pada Tabel 2. FKIP UNS Rabu, 6 November
7 Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: hal November 206 hp://jurnal.fkip.uns.ac.id 30 IHK Kelompok Bahan Makanan Padi-padian IHK Kelompok Bahan Makanan Bumbu-bumbuan GAMBAR. DATA ASLI IHK KELOMPOK BAHAN MAKANAN PADI-PADIAN DAN BUMBU-BUMBUAN TABEL 2. UJI AKAR UNIT VARIABEL PADI-PADIAN DAN BUMBU- BUMBUAN Daa Nilai Saisik Nilai Tabel Kriis 5% Padi-padian,065 -,95 Bumbu-bumbuan 0,2428 -,95 Dari Tabel 2 erliha bahwa nilai saisik dari padi-padian dan bumbu-bumbuan masih lebih besar dari nilai abel kriisnya.hal ini berari daa idak sasioner, sehingga perlu dilakukan ransformasi dengan pembedaan unuk daa IHK kelompok bahan makanan padi-padian dan bumbu-bumbuan.hasil penghiungan akar uni unuk daa yang sudah dilakukan pembedaan disajikan pada Tabel 3. FKIP UNS Rabu, 6 November
8 Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: hal November 206 hp://jurnal.fkip.uns.ac.id TABEL 3.UJI AKAR UNIT VARIABEL PADI-PADIAN DAN BUMBU- BUMBUAN (SETELAH PEMBEDAAN) Daa Nilai Saisik Nilai Tabel Kriis 5% Padi-padian -3,744 -,95 Bumbu-bumbuan -4,935 -,95 Terliha dari Tabel 3 bahwa nilai saisik unuk daa padi-padian dan bumbubumbuan sudah lebih kecil dari nilai abel kriisnya dengan nilai uji 5%.Dapa diambil kesimpulan bahwa variabel padi-padian dan bumbu-bumbuan sudah sasioner seelah dilakukan pembedaan dan ransfomasi.gambar 2 menampilkan daa yang sudah sasioner Padi-padian Bumbu-bumbuan GAMBAR 2. DATA IHK KELOMPOK BAHAN MAKANAN PADI-PADIAN DAN BUMBU-BUMBUAN STASIONER C. Penenuan Model VARI Dari daa yang sudah sasioner selanjunya dicari model VARI dengan cara mengeahui lag yang paling sesuai unuk model. Unuk memilih lag yang paling sesuai digunakan krieria informasi AIC.Dalam kompuasi unuk mendapakan krieria AIC digunakan pake vars dalam program R dan diperoleh hasil seperi pada Tabel 4. TABEL 4.KRITERIA PEMILIHAN LAG Lag AIC(n) 8,658 8,054 8,445 8,3665 8,5703 FKIP UNS Rabu, 6 November
9 Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: hal November 206 hp://jurnal.fkip.uns.ac.id Dari krieria AIC pada Tabel 4 erliha bahwanilai minimum ada pada lag 2,yang berari bahwa model erbaik adalah dengan menggunakan lag 2. Oleh karena iu didapakan model VARI(2,) unuk daa yang diamai dan dinyaakan sebagai beriku: Z A 0 A Z A Z e 2 2 (9) dengan Z adalah vekor berukuran 2 yang mengandung nilai peramalan unuk variabel padi dan bumbu, A 0 adalah vekor berukuran 2 yang berisikan inersep VARI, A i adalah mariks berukuran 2 2 yang berisikan koefisien-koefisien dalam VARI (i =,2), dan e adalah vekor berukuran 2 berisikan gala dari model VARI sebagai beriku, e e. e2 Unuk menenukan A 0, A, dan A 2 dilakukan dengan menggunakan banuan sofware R. Sehingga diperoleh hasil sebagai beriku: 0,6597 0,87 0,0248 0,224 0,0490 A 0, A 3,747, A 2,8784 0, ,7546 0,3404 D. Uji Kecocokan Model Dalam melakukan uji kecocokan model, penelii menggunakan ala ukur MAPE unuk mengukur kelayakan model yang elah didapakan. Hasil dari penghiungan dengan banuan program R, diperoleh nilai MAPE 4,83%. Selanjunya hasil uji normalias error pada model dengan menggunakan uji Kolmogorov-Smirnov diunjukkan pada Tabel 5. TABEL 5.UJI NORMALITAS DENGAN KOLMOGOROV-SMIRNOV Error Nilai-p Padi-padian 0,668 Bumbu-bumbuan 0,5488 Dari Tabel 5 erliha bahwa nilai-p error model unuk variabel padi-padian dan bumbu-bumbuan lebih besar dari ingka signifikansi 5%, sehingga dapa disimpulkan bahwa error pada model berdisribusi normal.seelah dilakukan penghiungan MAPE FKIP UNS Rabu, 6 November
10 Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: hal November 206 hp://jurnal.fkip.uns.ac.id dengan nilai yang diperoleh lebih kecil dari 5% dan error pada model berdisribusi normal, dapa disimpulkan bahwa model VARI(2,) cocok unuk dierapkan dalam peramalan. E. Peramalan Menggunakan VARI Seelah didapakan model VARI(2,), langkah selanjunya adalah meramalkan daa. Peramalan dilakukan dengan menggunakan (8).Beriku ini adalah conoh penghiungan peramalan nilai IHK bulan Agusus 206 dan Sepember 206.Unuk menghiung nilai peramalan bulan Agusus, maka diperlukan daa IHK pada bulan Juli dan Juni. Tabel 6 menunjukkan daa IHK pada bulan Juli dan Juni seelah dilakukan pembedaan sau kali. TABEL 6. DATA IHK KELOMPOK BAHAN MAKANAN PADI-PADIAN DAN BUMBU-BUMBUAN PADA BULAN JUNI 206 & JULI 206 Y Z Bulan Padi- Bumbu- Padi- Bumbupadian bumbuan padian Bumbuan Juni ,92 64,5 0,57-4,47 Juli ,49 77,03 0,57 2,52 Z 0,6597 0,87 3,747,8784 0,0248 0,57 0,224 0,0009 2,52 0,7546 0,6597 0,2436 0,3453 0,0708 3,747,0825,095 3,7237 0,0490 0,57 0,3404 4,47 Z 0,6597 0,87 2 3,747,8784 0,0248 0,0708 0,224 0,0490 0,57 0,0009 3,7237 0,7546 0,3404 2,52 0,6597 0,084 0,4873,0629 3,747 0,365 4,6923,4 Tabel 7 menunjukkan hasil peramalan IHK bulan Agusus 206 dan Sepember 206. TABEL 7. HASIL PERAMALAN IHK Bulan Padi-padian Bumbu-bumbuan Agusus 206 0,0708 3,7237 Sepember 206,0629 -,4 FKIP UNS Rabu, 6 November
11 Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: hal November 206 hp://jurnal.fkip.uns.ac.id Dengan banuan sofware R (menggunakan pake vars) dilakukan peramalan2 bulan ke depan. Hasil peramalan IHK kelompok bahan makanan padi-padian dan bumbu-bumbuan diunjukkan pada Tabel 8. TABEL 8. HASIL PERAMALAN IHK DATA YANG SUDAH DILAKUKAN PEMBEDAAN BERDASARKAN MODEL Bulan Padi-padian Bumbu-bumbuan Agusus 206 0,0708 3,7237 Sepember 206,0629 -,4 Okober 206 0,9804 0,3980 November 206 0,4762,4497 Desember 206 0,4826,9433 Januari 207 0,6342,9534 Februari 207 0,6748,4956 Mare 207 0,6579,3020 April 207 0,6293,459 Mei 207 0,662,594 Juni 207 0,6254,5839 Juli 207 0,636,534 Sebelumnya daa IHK kelompok bahan makanan padi-padian dan bumbubumbuan yang digunakan unuk pemodelan dan peramalan pada Tabel 8 adalah daa yang masih diransformasikan. Pada variabel padi-padian dan bumbu-bumbuan dilakukan ransformasi dan pembedaan yaiuz = Y Y -. Unuk mengembalikan ke daa yang asli perlu dilakukan ransformasi kembali, Z Y Y Y, Z Y, dengan Z = nilai peramalan unuk variabel padi dan bumbu.unuk peramalan daa aslinya dapa dihiung sebagai beriku: Y IHK Padi-padian Bulan Agusus 206: Y Z Y 0,070827,4927,56 Y IHK Bumbu-bumbuan Bulan Agusus 206: Y Z Y 3,723777,0380,754 FKIP UNS Rabu, 6 November
12 padi Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: hal November 206 hp://jurnal.fkip.uns.ac.id dengan cara yang sama didapakan peramalan unuk bulan Sepember 206 hingga Juli 207. Dan hasilnya diunjukkan pada Tabel 9. TABEL 9. HASIL PERAMALAN IHK KELOMPOK BAHAN MAKANAN PADI- PADIAN DAN BUMBU-BUMBUAN Bulan Padi-padian Bumbu-bumbuan Agusus ,56 80,75 Sepember ,62 79,64 Okober ,60 80,04 November ,08 8,49 Desember ,56 83,43 Januari 207 3,20 85,38 Februari 207 3,87 86,88 Mare ,53 88,8 April ,6 89,64 Mei ,78 9,23 Juni ,40 92,82 Juli ,04 94,35 Seelah dilakukan peramalan, selanjunya digambarkan grafik IHK dari bulan Januari 204 sampai dengan bulan Juli 207 dalam Gambar 3.Dari Gambar 3, erliha bahwa nilai ramalan pada bulan Agusus 206 sampai dengan bulan Juli 207 mengalami kenaikan. Perubahan nilai IHK inilah yang dapa mempengaruhi laju inflasi, sehingga akan diramalkan nilai inflasi pada bulan Agusus 206 sampai dengan bulan Juli 207. IHK Ramalan Kelompok Bahan Makanan Padi-padian Index FKIP UNS Rabu, 6 November
13 bumbu Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: hal November 206 hp://jurnal.fkip.uns.ac.id IHK Ramalan Kelompok Bahan Makanan Bumbu-bumbuan Index GAMBAR 3. IHK RAMALAN KELOMPOK BAHAN MAKANAN PADI-PADIAN DAN BUMBU-BUMBUAN Menuru BPS Koa Salaiga (204), inflasi diukur dengan menghiung persenase perubahan sebuah indeks harga.persenase perubahan IHK seiap periode sama dengan laju inflasi pada periode ersebu, sehingga rumus dari inflasi adalah: IHKn I n 00 (0) IHKn dengan, I n = inflasi pada periode ke n, IHK n = IHK periode ke n, IHK n- = IHK periode ke n- (bulan sebelumnya). Hasil dari peramalan laju inflasi bulan Agusus 206 sampai dengan bulan Juli 207 diunjukkan pada Tabel 0.Dari Tabel 0 erliha bahwa nilai inflasi unuk kelompok bahan makanan padi-padian mengalami kenaikan dan penuruan yang sediki, arinya bahwa harga secara umum pada periode Agusus 206 Juli 207 akan mengalami kenaikan pada bulan Sepember 206 dan Februari 207.Sedangkan kelompok bahan makanan bumbu-bumbuan mengalami deflasi pada bulan Sepember 206, arinya bahwa harga secara umum jauh aau mengalami penurunan. TABEL 0. HASIL PERAMALAN LAJU INFLASI DALAM PERSEN Bulan Padi-padian Bumbu-bumbuan Agusus 206 0,06 2,0 Sepember 206 0,83-0,62 Okober 206 0,76 0,22 FKIP UNS Rabu, 6 November
14 Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: hal November 206 hp://jurnal.fkip.uns.ac.id November 206 0,37 0,8 Desember 206 0,37,07 Januari 207 0,49,06 Februari 207 0,5 0,8 Mare 207 0,50 0,70 April 207 0,47 0,78 Mei 207 0,46 0,84 Juni 207 0,47 0,83 Juli 207 0,47 0,79 Selanjunya, penghiungan MAPE juga dapa dilakukan unuk mengukur ingka keepaan hasil peramalan IHK kelompok bahan makanan padi-padian dan bumbubumbuan dengan formulasi sebagai beriku (Ahanasopoulos, 200), S I s, i s, i MAPE Y Z 00% S I s, i () si Y dengan S adalah banyaknya variabel (daa runun waku), I adalah banyaknya peramalan iap variabel, Z s,i adalah nilai ramalan saa periode ke i unuk variabel s, dan Y s,i adalah nilai daa asli saa periode ke i unuk variabel s. Tabel menunjukkan nilai daa asli dan nilai ramalan unuk bulan Agusus 206 dan Sepember 206.Selanjunya dilakukan penghiungan MAPE unuk mengukur ingka keepaan hasil peramalan. TABEL. NILAI IHK KELOMPOK BAHAN MAKANAN PADI-PADIAN DAN BUMBU-BUMBUAN Bulan Y s,i Z s,i Padipadian Bumbubumbuan Padipadian Bumbubumbuan Agusus ,92 78,95 27,56 80,75 Sepember ,63 90,45 28,62 79,64 26,9227,56 26,6328,62 78,9580,75 90,4579,64 MAPE 00% ,92 26,63 78,95 90,45 0,64,99,8 MAPE ,92 26,63 78,95 0,8 90,45 00% FKIP UNS Rabu, 6 November
15 Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: hal November 206 hp://jurnal.fkip.uns.ac.id MAPE 2 2 MAPE 2 2 0,0050 0,057 0,000 0, % 0, % 2,85% Dari hasil penghiungan MAPE dapa disimpulkan bahwa hasil peramalan unuk bulan Agusus 206 dan Sepember 206 bagus karena nilai MAPE kurang dari 5%. Model VARI dengan orde d = sudah dipelajari oleh Hadiyaullah (20) menggunakan daa harga MIGAS di Indonesia dari ahun dan daa IHK masing-masing kelompok komodii barang dan jasa di Daerah Isimewa Yogyakara. Tujuan dari peneliian Hadiyaullah (20) adalah unuk menjelaskan analisis model VAR dan menjelaskan penerapan model VAR unuk analisis pengaruh harga MIGAS erhadap IHK dengan melakukan uji kausalias (mencari hubungan sebab akiba) anar variabel di dalam model VAR.Sedangkan dalam peneliian Ingabire & Mung au (206), digunakan iga ala ukur kecocokan model, yaiu Roo Mean Squared Errors (RMSE), Mean Absolue Errors (MAE), dan Mean Absolue Percenage Errors (MAPE), model yang sesuai adalah model yang memiliki nilai erkecil dari hasil pengukuran menggunakan iga ala ukur ersebu. Peneliian ini berbeda dengan peneliian Ahanasopoulos & Silva (200) yang menggunakan MAPE sebagai ala ukur unuk menguji kecocokan hasil peramalan kedaangan uriske Ausralia dan New Zealand. SIMPULAN DAN SARAN Berdasarkan hasil dan pembahasan di aas, diperoleh model VARI dimana orde p = 2 dan d = dengan persamaan model Z = A 0 + A Z - + A 2 Z -2 + e dan hasil peramalan IHK kelompok bahan makanan padi-padian dan bumbu-bumbuan unuk bulan Agusus 206 sampai dengan bulan Juli 207. Peneliian lebih lanju dapa dikembangkan unuk penggunaan model VARIMA. DAFTAR PUSTAKA Ahanasopoulos, G., & Silva, Ashon de.(200). Mulivariae Exponenial Smoohing for Forecasing Touris Arrivals o Ausralia and New Zealand.(Online). (hp:// diakses 5 Okober 206) Badan Pusa Saisik Koa Salaiga.(204). Perkembangan IHK dan Inflasi Koa Salaiga Tahun 203. Kaalog BPS: FKIP UNS Rabu, 6 November
16 Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: hal November 206 hp://jurnal.fkip.uns.ac.id Burke, S. P., & Huner, J. (2005).Modeling non-saionary economic ime series: A mulivariae approach. Hadiyaullah.(20). Model Vecor Auoregressive (VAR) dan Penerapannya unuk Analisis Pengaruh Harga Migas erhadap Indeks Harga Konsumen (IHK). (Sudi Kasus Daerah Isimewa Yogyakara, Periode ). Yogykara: FMIPA UNY. Hidaya, Anwar. (202). Uji Normalias dengan Kolmogorov-Smirnov.(Online). (hp:// diakses 2 Okober 206). Ingabire, J., & Mung au, J. K. (206). Measuring he Performance of Auoregressive Inegraed Moving Average and Vekor Auoregressive Models in Forecasing Inflaion Rae in Rwanda. Inernaional Journal of Mahemaics and Physical Sciences Research, 4(), Novia, M. (2009).Sudi Kausalias Granger Anara Nilai Tukar Rupiah erhadap USD dan AUD Menggunakan Analisis VAR. (Skripsi). FSM UKSW, Salaiga. Seiawan, Nasrul. (202). Uji Sasionerias Daa Time Series Lengkap.(Online). (hp://saisikceria.blogspo.co.id/202/2/uji-sasionerias-daa-ime-series.hml, diakses 5 Okober 206) Wardani, D.S., Seiawan, A., Nugroho, D.B. (204). Peramalan dengan Model SVAR pada Daa Inflasi Indonesia dan Nilai Tukar Rupiah Terhadap Kurs Dolar Amerika.(Skripsi).FSM UKSW, Salaiga. FKIP UNS Rabu, 6 November
Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun
Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan
Lebih terperinciPENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN
IndoMS Journal on Saisics Vol., No. (04), Page 7-37 PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN Dinda Ariska Wulandari,
Lebih terperinciBAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF
BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap
Lebih terperinciBAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan
BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan
Lebih terperinciPERAMALAN DENGAN MODEL SVAR PADA DATA INFLASI INDONESIA DANNILAI TUKAR RUPIAH TERHADAP KURS DOLAR AMERIKA
PERAMALAN DENGAN MODEL SVAR PADA DATA INFLASI INDONESIA DANNILAI TUKAR RUPIAH TERHADAP KURS DOLAR AMERIKA Daivi S. Wardani, Adi Seiawan, Didi B. Nugroho Program Sudi Maemaika Fakulas Sains dan Maemaika,
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun
43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan
BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi
Lebih terperinciBAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan
BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,
Lebih terperinci*Corresponding Author:
Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang
BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 LANDASAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi
Lebih terperinciBAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena
Lebih terperinciKOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES. Abstrak
KOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES Universias Muhammadiyah Purwokero malim.muhammad@gmail.com Absrak Pada persamaan regresi linier sederhana dimana variabel dependen dan variabel independen
Lebih terperinciKata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting.
METODE INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) UNTUK MEMODELKAN HARGA GABAH DUNIA (INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY TO CAPTURE
Lebih terperinciAPLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND
APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND Noeryani 1, Ely Okafiani 2, Fera Andriyani 3 1,2,3) Jurusan maemaika, Fakulas Sains Terapan, Insiu Sains & Teknologi
Lebih terperinciJurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK
PERBANDINGAN METODE DES (DOUBLE EXPONENTIAL SMOOTHING) DENGAN TES (TRIPLE EXPONENTIAL SMOOTHING) PADA PERAMALAN PENJUALAN ROKOK (STUDI KASUS TOKO UTAMA LUMAJANG) 1 Fajar Riska Perdana (1110651142) 2 Daryano,
Lebih terperinciPerbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X
JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa
Lebih terperinciPeramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis
JURNAL SAINS DAN NI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Prin) D-224 Peramalan Penjualan Sepeda Moor di Jawa Timur dengan Menggunakan Model Dinamis Desy Musika dan Seiawan Jurusan Saisika,
Lebih terperinciModel Koreksi Kesalahan pada Data Runtun Waktu Indeks Harga Konsumen Kota-kota di Papua
Model Koreksi Kesalahan pada Daa Runun Waku Indeks Harga Konsumen Koa-koa di Papua Miha Febby R. Donggori, Adi Seiawan, 3 Hanna Arini Parhusip Prodi Maemaika, Fakulas Sains dan Maemaika, Universias Krisen
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan
Lebih terperinciDAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII
Bulein Ilmiah Mah. Sa. dan Terapannya (Bimaser) Volume 6, No. 3 (27), hal 83 2. MODEL SPACE-TIME DAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII Ella Kurniawai, Naomi Nessyana
Lebih terperinciIII. METODE PENELITIAN
26 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penilaian perkembangan kinerja keuangan PT. Goodyear Indonesia Tbk dilakukan dengan maksud unuk mengeahui sejauh mana perkembangan usaha perusahan yang
Lebih terperinciPenerapan Model ARCH/GARCH untuk Peramalan Nilai Tukar Petani ABSTRAK ABSTRACT. Pendahuluan
Jurnal Sains Maemaika dan Saisika, Vol. 4, No., Januari 8 ISSN 46-454 prin/issn 65-8663 online Penerapan Model ARCH/GARCH unuk Peramalan Nilai Tukar Peani Ari Pani Desvina, Inggrid Ocaviani Meijer, Jurusan
Lebih terperinciPEMODELAN PRODUKSI SEKTOR PERTANIAN
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 2009 PEMODELAN PRODUKSI SEKTOR PERTANIAN Brodjol Suijo Jurusan Saisika ITS Surabaya ABSTRAK Pada umumnya daa ekonomi bersifa ime
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu
BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang
Lebih terperinciBAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat
BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber
Lebih terperinciPENGGUNAAN METODE PERAMALAN DALAM ANALISIS NILAI TUKAR RUPIAH TERHADAP DOLAR DENGAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY
PENGGUNAAN METODE PERAMALAN DALAM ANALISIS NILAI TUKAR RUPIAH TERHADAP DOLAR DENGAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY Hermansah Program Sudi Pendidikan Maemaika, Fakulas Keguruan
Lebih terperinciProsiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PERAMALAN VOLUME PENGGUNAAN AIR BERSIH DENGAN METODE WINTERS EPONENTIAL SMOOTHING UNTUK MENENTUKAN VOLUME
Lebih terperinciPENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC TMP C CILACAP
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC
Lebih terperinciPERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH
Vol.. No., 03 PERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH Ari Pani Desvina, Sari Marlinda, Jurusan Maemaika Fakulas Sains dan Teknologi
Lebih terperinciBAB 2 TINJAUAN TEORI
7 BAB 2 TINJAUAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian yang dilakukan mengenai analisis perencanaan pengadaan una berdasarkan ramalan ime series volume ekspor una loin beku di PT Tridaya Eramina
Lebih terperinciIII. METODE PENELITIAN. Data yang digunakan adalah data sekunder runtun waktu (time series) bulanan
III. METODE PENELITIAN A. Jenis dan Sumber Daa Daa yang digunakan adalah daa sekunder runun waku (ime series) bulanan dari 2002:01 sampai dengan 2009:06 yang bersumber dari Laporan dan websie Bank Indonesia
Lebih terperinciPERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,1,1)(0,1,1) 12 TUGAS AKHIR.
PERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,,)(0,,) 2 TUGAS AKHIR Diajukan Sebagai Salah Sau Syara unuk Memperoleh Gelar Sarjana Sains
Lebih terperinciJurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN
Peramalan Dengan Meode Smoohing dan Verifikasi Meode Peramalan Dengan Grafik Pengendali Moving Range () (Sudi Kasus: Produksi Air Bersih di PDAM Tira Kencana Samarinda) Forecasing wih Smoohing and Verificaion
Lebih terperinciANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional.
JURNAL ILMIAH RANGGAGADING Volume 7 No. 1, April 7 : 3-9 ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Sudi kasus pada CV Cia Nasional. Oleh Emmy Supariyani* dan M. Adi Nugroho *Dosen
Lebih terperinciBAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai
BAB 1 PENDAHULUAN 1.1 Laar Belakang Propinsi Sumaera Uara merupakan salah sau propinsi yang mempunyai perkembangan yang pesa di bidang ransporasi, khususnya perkembangan kendaraan bermoor. Hal ini dapa
Lebih terperinciPENERAPAN MODEL VECTOR AUTOREGRESSIVE (VAR) UNTUK PERAMALAN CURAH HUJAN KOTA PEKANBARU
Jurnal Sains, Teknologi dan Indusri, Vol. 11, No., Juni, pp. 151-159 ISSN 93-3 prin/issn 07-0939 online PENERAPAN MODEL VECTOR AUTOREGRESSIVE (VAR) UNTUK PERAMALAN CURAH HUJAN KOTA PEKANBARU 1 Ari Pani
Lebih terperinciPENENTUAN MODEL PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN METODE ARIMA
PENENTUAN MODEL PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN METODE ARIMA Leopoldus Ricky Sasongko, Lydia Ninuk Rahayu, dan Alberh Roy Koa 3,,3 Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias
Lebih terperinciMetode Regresi Linier
Modul 1 Meode Regresi Linier Prof. DR. Maman Djauhari A PENDAHULUAN nalisis regresi linier, baik yang sederhana maupun yang ganda, elah Anda pelajari dalam maa kuliah Meode Saisika II. Dengan demikian
Lebih terperinciPENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK.
PENERAPAN METODE TRIPLE EXPONENTIAL MOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUAHAAN MEBEL INAR JEPARA TANJUNGANOM NGANJUK. ii Rukayah*), Achmad yaichu**) ABTRAK Peneliian ini berujuan unuk
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 91-100 Online di: hp://ejournal-s1.undip.ac.id/index.php/gaussian IDENTIFIKASI BREAKPOINT DAN PEMODELAN AUTOREGRESSIVE STRUCTURAL
Lebih terperinciAnalisis Model dan Contoh Numerik
Bab V Analisis Model dan Conoh Numerik Bab V ini membahas analisis model dan conoh numerik. Sub bab V.1 menyajikan analisis model yang erdiri dari analisis model kerusakan produk dan model ongkos garansi.
Lebih terperinciKAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN
JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina
Lebih terperinciBAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun
BAB III ARFIMA-FIGARCH 3. Time Series Memori Jangka Panjang Proses ARMA sering dinyaakan sebagai proses memori jangka pendek (shor memory) karena fungsi auokorelasi anara dan urun cepa secara eksponensial
Lebih terperinciBAB IV METODOLOGI PENELITIAN
BAB IV METODOLOGI PENELITIAN Dalam peneliian ini, penulis akan menggunakan life cycle model (LCM) yang dikembangkan oleh Modigliani (1986). Model ini merupakan eori sandar unuk menjelaskan perubahan dari
Lebih terperinciPENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Studi Kasus: PT Tembaga Mulia Semanan)
Prosiding Seminar Nasional Manajemen Teknologi Program Sudi MMT-ITS, Surabaya 1 Agusus 2009 PENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Sudi Kasus: PT
Lebih terperinciOleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes
PERAMALAN INDEKS HARGA SAHAM YANG DIPENGARUHI KURS, PERUBAHAN INFLASI, POSISI JUMLAH DEPOSITO BERJANGKA, SUKU BUNGA SBI DAN DEPOSITO MENGGUNAKAN FUNGSI TRANSFER DAN ARCH-GARCH Oleh: TANTI MEGASARI 6 00
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di
Lebih terperinciIDENTIFIKASI POLA DATA TIME SERIES
IDENTIFIKASI POLA DATA TIME SERIES Daa merupakan bagian pening dalam peramalan. Beriku adalah empa krieria yang dapa digunakan sebagai acuan agar daa dapa digunakan dalam peramalan.. Daa harus dapa dipercaya
Lebih terperinciMuhammad Firdaus, Ph.D
Muhammad Firdaus, Ph.D DEPARTEMEN ILMU EKONOMI FEM-IPB 010 PENGERTIAN GARIS REGRESI Garis regresi adalah garis yang memplokan hubungan variabel dependen (respon, idak bebas, yang dipengaruhi) dengan variabel
Lebih terperinciPengaruh variabel makroekonomi..., 24 Serbio Harerio, Universitas FE UI, 2009Indonesia
BAB 3 DATA DAN METODOLOGI 3.1 Variabel-Variabel Peneliian 3.1.1 Variabel dependen Variabel dependen yang digunakan adalah reurn Indeks Harga Saham Gabungan yang dihiung dari perubahan logarima naural IHSG
Lebih terperinciPerancangan Sistem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Metode Triple Exponential Smoothing
Jurnal Ilmiah Teknologi dan Informaika ASIA (JITIKA) Vol.10, No.2, Agusus 2016 ISSN: 0852-730X Perancangan Sisem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Meode Triple Exponenial Smoohing Tria
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN
PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan
Lebih terperinciBAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan
BAB I PENDAHULUAN 1.1 Laar Belakang Dalam perencanaan pembangunan, daa kependudukan memegang peran yang pening. Makin lengkap dan akura daa kependudukan yang esedia makin mudah dan epa rencana pembangunan
Lebih terperinciBAB 2 LANDASAN TEORI
35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),
Lebih terperinciPERAMALAN DENGAN MODEL SVAR PADA DATA INFLASI INDONESIA DAN NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA
PERAMALAN DENGAN MODEL SVAR PADA DATA INFLASI INDONESIA DAN NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA THE USE OF SVAR MODEL TO FORECAST DATA OF INDONESIAN INFLATION AND RUPIAH S EXCHANGE RATE WITH AMERICAN
Lebih terperinciPemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline ABSTRAK
Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Meode Inervensi dan Regresi Spline Rina Andriani, Dr. Suharono, M.Sc 2 Mahasiswa Jurusan Saisika FMIPA-ITS, 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih terperinciPERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT
Saisika, Vol. 2, No. 2, November 24 PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT Sri Wahyuni, 2 Farikhin, Iswahyudi Joko Suprayino Program Sudi Saisika
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*
PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor
Lebih terperinciDAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Studi Aplikasi Model Intervensi dengan Step Function)
DAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Sudi Aplikasi Model Inervensi dengan Sep Funcion) S-3 Kismianini dan Dhoriva Urwaul Wusqa Jurusan Pendidikan Maemaika
Lebih terperinciANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA
ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA Oleh : Liviani Nursia 307030040 Dosen Pembimbing: Dr. Brodjol Suijo S.U, MSi Laar Belakang
Lebih terperinciBAB 1 PENDAHULUAN. Dalam pelaksanaan pembangunan saat ini, ilmu statistik memegang peranan penting
BAB 1 PENDAHULUAN 1.1. Laar Belakang Dalam pelaksanaan pembangunan saa ini, ilmu saisik memegang peranan pening baik iu di dalam pekerjaan maupun pada kehidupan sehari-hari. Ilmu saisik sekarang elah melaju
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Kerangka Pemikiran Salah sau ujuan didirikannya perusahaan adalah dalam rangka memaksimalkan firm of value. Salah sau cara unuk mengukur seberapa besar perusahaan mencipakan
Lebih terperinciMinggu 4 RATA-RATA BERGERAK DAN EXPONENTIAL SMOOTHING. Peramalan Data Time Series
Minggu 4 RATA-RATA BERGERAK DAN EXPONENTIAL SMOOTHING Bab ini memperkenalkan model berlaku unuk daa ime series dengan musiman, ren, aau keduana komponen musiman dan ren dan daa sasioner. Meode peramalan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini adalah penelitian Quasi Eksperimental Design dengan
BAB III METODOLOGI PENELITIAN A. Jenis dan Desain Peneliian Peneliian ini adalah peneliian Quasi Eksperimenal Design dengan kelas eksperimen dan kelas conrol dengan desain Prees -Poses Conrol Group Design
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju
Lebih terperinciBAB 1 PENDAHULUAN. tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami
11 BAB 1 PENDAHULUAN 1.1. Laar Belakang Keahanan pangan (food securiy) di negara kia ampaknya cukup rapuh. Sejak awal ahun 1990-an, jumlah produksi pangan eruama beras, cenderung mengalami penurunan sehingga
Lebih terperinciHUBUNGAN KAUSALITAS INFLASI IHK (INDEKS HARGA KONSUMEN) DAN INFLASI INTI DENGAN ANALISIS VAR SINTA KHAIRUNNISA NOV AFNI
HUBUNGAN KAUSALITAS INFLASI IHK (INDEKS HARGA KONSUMEN) DAN INFLASI INTI DENGAN ANALISIS VAR SINTA KHAIRUNNISA NOV AFNI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciPeramalan Inflasi Menggunakan Model Fungsi Transfer Multi Input. Forcasting Inflation Using Multiple Input Transfer Function Model
Peramalan Inflasi Menggunakan Model Fungsi Transfer Muli Inpu Forcasing Inflaion Using Muliple Inpu Transfer Funcion Model Novi Adisia, Sri Wahyuningsih, dan Rio Goeanoro 3 Laboraorium Saisika Terapan
Lebih terperinciAPLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu
BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang
Lebih terperinciANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG
ISSN: 9-54 JURNAL GAUSSIAN, Volume 4, Nomor, Tahun 05, Halaman 6-60 Online di: hp://eournal-s.undip.ac.id/index.php/gaussian ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG
Lebih terperinciSISTEM INFORMASI PERAMALAN STOK BARANG DI CV. ANNORA ASIA MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING
Jurnal Informaika Polinema ISSN: 2407-070X SISTEM INFORMASI PERAMALAN STOK BARANG DI CV. ANNORA ASIA MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING Mansyur, Erfan Rohadi Program Sudi Teknik Informaika,
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian ini dilakukan di Dafarm, yaiu uni usaha peernakan Darul Fallah yang erleak di Kecamaan Ciampea, Kabupaen Bogor, Jawa Bara. Pemilihan lokasi
Lebih terperinciPenentuan Pelebaran Window Time Optimal Pada Data Deret Waktu
1 Penenuan Pelebaran Window Time Opimal Pada Daa Dere Waku (1) Nursya`bani Hendro Prabowo dan (2) Raden Mohamad Aok Deparemen Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam, Insiu Teknologi Sepuluh
Lebih terperinciModel Dinamis: Autoregressive Dan Distribusi Lag (Studi Kasus : Pengaruh Kurs Dollar Amerika Terhadap Produk Domestik Regional Bruto (PDRB))
Model Dinamis: Auoregressive Dan Disribusi Lag (Sudi Kasus : Pengaruh Kurs Dollar Amerika Terhadap Produk Domesik Regional Bruo (PDRB)) Dynamic Model : Auoregressive and Disribuion Lag (Case Sudy: Effecs
Lebih terperinciBAB III METODOLOGI PENELITIAN
perpusakaan.uns.ac.id BAB III METODOLOGI PENELITIAN A. Ruang Lingkup Peneliian Peneliian ini dilaksanakan di Indonesia dengan periode ahun 984 sampai dengan ahun 0. Peneliian ini memfokuskan pada fakor-fakor
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis Peneliian Jenis peneliian kuaniaif ini dengan pendekaan eksperimen, yaiu peneliian yang dilakukan dengan mengadakan manipulasi erhadap objek peneliian sera adanya konrol.
Lebih terperinciBAB I PENDAHULUAN. Perekonomian dunia telah menjadi semakin saling tergantung pada
BAB I PENDAHULUAN A. Laar Belakang Masalah Perekonomian dunia elah menjadi semakin saling erganung pada dua dasawarsa erakhir. Perdagangan inernasional merupakan bagian uama dari perekonomian dunia dewasa
Lebih terperinciPeramalan Jumlah Pengunjung Domestik dan Mancanegara di Maharani Zoo & Goa Menggunakan ARIMA Box - Jenkins
Peramalan Jumlah Pengunjung Domesik dan Mancanegara di Maharani oo & Goa Menggunakan ARIMA Box - Jenkins Vivi Kusuma Sulisyawai (3030085) Dosen Pembimbing Dr. Irhamah, S.Si.,M.Si Laar Belakang Rumusan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Air merupakan kebuuhan pokok bagi seiap makhluk hidup di dunia ini ermasuk manusia. Air juga merupakan komponen lingkungan hidup yang pening bagi kelangsungan hidup
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN. Disini tujuan akhir yang ingin dicapai penulis adalah pembuatan suatu aplikasi
BAB 5 HASIL DAN PEMBAHASAN Disini ujuan akhir yang ingin dicapai penulis adalah pembuaan suau aplikasi program yang digunakan unuk membanu perusahaan dalam menenukan jumlah produksi demand. Disini ada
Lebih terperinciARIMA (Autoregressive Integrated Moving Average)
ARIMA (Auoregressive Inegraed Moving Average) I. Prinsip Dasar dan Tujuan Analisis. Prinsip Dasar ARIMA sering juga disebu meode runun waku Box-Jenkins. ARIMA sanga baik keepaannya unuk peramalan jangka
Lebih terperinciModel ARIMAX Dan Deteksi GARCH Untuk Peramalan Inflasi Kota Denpasar Tahun 2014
JEKT Model ARIMAX Dan Deeksi GARCH Unuk Peramalan Inflasi Koa Denpasar Tahun 2014 Rukini *) Badan Pusa Saisik Provinsi Bali ABSTRAK pemerinah dalam mengambil kebijakan unuk menjaga sabilias moneer di masa
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju perumbuhan
Lebih terperinciPROSES AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY DENGAN DUGAAN VARIANSI INFLASI INDONESIA
PROSES AUOREGRESSIVE CONDIIONAL HEEROSCEDASICIY DENGAN DUGAAN VARIANSI INFLASI INDONESIA Rianiai Monica, Suyono, dan Vera Maya Sani Jurusan Maemaika FMIPA UNJ Absrak Model-model runun waku konvensional,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiaan memperkirakan apa yang akan erjadi pada masa yang akan daang. Ramalan adalah sesuau kegiaan siuasi aau kondisi yang diperkirakan akan erjadi
Lebih terperinciProyeksi Penduduk Provinsi Riau Menggunakan Metode Campuran
Saisika, Vol. 10 No. 2, 129 138 Nopember 2010 Proyeksi Penduduk Provinsi Riau 2010-2015 Menggunakan Meode Campuran Ari Budi Uomo, Yaya Karyana, Tei Sofia Yani Program Sudi Saisika, Universias Islam Bandung
Lebih terperinci1999 sampai bulan September Data ini diperoleh dari yahoo!finance.
7 999 sampai bulan Sepember 8. Daa ini diperoleh dari yahoo!finance. Meode Langkah-langkah pemodelan nilai harian IHSG secara garis besar dapa diliha pada Lampiran dengan penjelasan sebagai beriku:. Melakukan
Lebih terperinciBAB 4 METODOLOGI PENELITIAN
BAB 4 METODOLOGI PENELITIAN 4.1. Model Rumusan Masalah dan Pengambilan Kepuusan Model rumusan masalah dan pengambilan kepuusan yang digunakan dalam menyelesaikan skripsi ini dimulai dari observasi lapangan
Lebih terperinciPEMODELAN VOLATILITAS DALAM ANALISIS DATA MAKROEKONOMI STUDI KASUS PADA INFLASI.
Prosiding Seminar Nasional Peneliian, Pendidikan dan Penerapan MIPA Fakulas MIPA, Universias Negeri Yogyakara, 16 Mei 29 PEMODELAN VOLATILITAS DALAM ANALISIS DATA MAKROEKONOMI STUDI KASUS PADA INFLASI.
Lebih terperinciAbstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.
1 Peramalan Volume Produksi Air Bersih di PDAM Kabupaen Bojonegoro berdasarkan Jumlah Pelanggan dan Volume Konsumsi Air Fasha Aulia Pradhani dan Adaul Mukarromah Jurusan Saisika, FMIPA, ITS Jl. Arief Rahman
Lebih terperinciBAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu
BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,
Lebih terperinci3 METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian 3.2 Pengumpulan Data 3.3 Pengolahan dan Analisis Data Analisis catch per unit effort
3 METODE PENELITIAN 3. Waku dan Tempa Peneliian Peneliian dilaksanakan selama dua bulan dari bulan Agusus sampai Sepember 2008. Tempa yang dadikan obyek peneliian adalah Pelabuhan Perikanan Nusanara (PPN)
Lebih terperinciSekilas Pandang. Modul 1 PENDAHULUAN
Modul 1 Sekilas Pandang Drs. Irlan Soelaeman, M.Ed. S PENDAHULUAN uau hari, saya dan keluarga berencana membawa mobil pergi ke Surabaya unuk mengunjungi salah seorang saudara. Sau hari sebelum keberangkaan,
Lebih terperinciESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING
ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING Nama: Zahroh Aiqoh 05 00 0 Dosen Pembimbing: Dra. Nuri Wahyuningsih, MKes Drs. Sulisiyo, MT Jurusan Maemaika
Lebih terperinci