BAB 2 LANDASAN TEORI
|
|
- Handoko Makmur
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB LANDASAN TEORI.1 Definisi Peramalan Peramalan adalah suau kegiaan dalam memperkirakan aau kegiaan ang melipui pembuaan perencanaan di masa ang akan daang dengan menggunakan daa masa lalu dan daa masa sekarang, sehingga dapa membua prediksi di masa ang akan daang. Dalam hal manajemen dan adminisrasi, perencanaan merupakan kebuuhan ang pening unuk dilakukan. Oleh karena iu dibuuhkan peramalan unuk menduga berbagai perisiwa ang akan erjadi di masa mendaang. Dalam suau insansi aau perusahaan ramalan sanga dibuuhkan unuk memberikan imformasi kepada pimpinan ang akan dijadikan sebagai dasar unuk membua suau kepuusan dalam berbagai kegiaan, seperi penenuan kebijakan ang akan diambil, penjualan perminaan, persediaan keuangan dan sebagaina..1.1 Peranan Teknik Peramalan Spros Makridakis, dkk dalam bukuna Meode dan Aplikasi Peramalan (1999), mengemukakan bahwa sejak awal ahun 1960-an semua organisasi elah menunjukkan keinginan ang meningka unuk mendapakan ramalan dan menggunakan sumber daa peramalan secara lebih baik. Komimen enang peramalan elah umbuh karena beberapa fakor anara lain: a. Karena meningkana kompleksias organisasi dan lingkunganna. Hal ini menjadikan semakin suli bagi pengambil kepuusan unuk memperimbangkan semua fakor secara memuaskan.
2 b. Meningkana ukuran organisasi maka bobo dan kepeningan suau kepuusan elah meningka pula. Lebih banak kepuusan ang memerlukan elaah peramalan khusus dan analisis ang lengkap. c. Lingkungan dari kebanakan organisasi elah berubah dengan cepa. Keerkaian ang harus dimengeri oleh organisasi selalu berubah-ubah dan peramalan memungkinkan bagi organisasi unuk mempelajari keerkaian ang baru secara lebih cepa. d. Pengambilan kepuusan elah semakin sisemais ang melibakan jusifikasi indakan individu secara eksplisi. Peramalan formal merupakan salah sau cara unuk mendukung indakan ang akan diambil. e. Bahwa pengembangan meode peramalan dan pengeahuan ang menangku aplikasina elah lebih memungkinkan adana penerapan secara langsung oleh para prakisi daripada hana dilakukan oleh para eknisi ahli.. Jenis-Jenis Peramalan Jenis peramalan erganung pada jangka waku peramalan, fakor-fakor ang menenukan hasil ang sebenarna, ipe pola daa dan berbagai aspek lainna. Berdasarkan sifa ramalan eknik peramalan dibagi menjadi dua bagian uama aiu Peramalan kualiaif dan peramalan kuaniaif (Makridakis S, 1998)..1 Peramalan Kualiaif Peramalan kualiaif adalah peramalan ang didasarkan aas daa kualiaif pada masa lalu. Hasil peramalan ang dibua sanga erganung pada orang ang menusuna. Hal ini pening karena hasil peramalan ersebu dienukan berdasarkan pemikiran ang bersifa insuisi, pendapa dan pengeahuan sera pengalaman dari penusunna.
3 Dalam meode ini informasi kuaniaif sediki aau idak ersedia, eapi ada pengeahuan kualiaif ang cukup. Conohna menduga kecepaan ransporasi, menduga bagaimana rupa mobil pada ahun 015. Meode ini dibagi menjadi meode eksploraoris dan meode normaif... Peramalan Kuaniaif Peramalan kuaniaif adalah peramalan ang didasarkan aas daa kuaniaif masa lalu. Teknik peramalan kuaniaif sanga beragam ang dikembangkan dari berbagai jenis dan unuk berbagai maksud. Seiap eknik mempunai sifa dan keepaan dan biaa ersendiri ang harus diperimbangkan dalam memilih meode erenu. Hasil peramalan ang dibua sanga erganung pada meode ang digunakan dalam peramalan ersebu. Dengan meode ang berbeda akan diperoleh hasil peramalan ang berbeda, dimana masing masing mempunai kelebihan dan kekurangan. Baik idakna meode ang dipergunakan sanga dienukan oleh perbedaan aau penimpangan anara hasil ramalan dengan kenaaan ang erjadi. Meode ang baik adalah meode ang memberikan nilai-nilai perbedaan ang kecil anara hasil ramalan dengan kenaaan ang erjadi. Peramalaan kuaniaif dapa dilakukan apabila ersedia informasi enang masa lalu, dimana informasi ersebu dapa disusun dalam benuk daa dan dapa diasumsikan bahwa pola daa ang lalu akan berkelanjuan pada masa ang akan daang. Adapun prosedur peramalan kuaniaif melipui : 1. Menganalisa daa masa lalu. Menenukan meode ang digunakan 3. Memproeksikan daa ang lalu dengan menggunakan meode ang dipilih dan memperhaikan adana fakor perubahan.
4 Fakor perubahan iu anara lain erdiri dari perubahan kebijakan ang mungkin erjadi, ermasuk perubahan kebijakan pemerinah, kebijakan poensi masaraka, perkembangan eknologi, dan penemuan penemuan baru..3 Pola Daa Salah sau dasar pemilihan meode peramalan adalah dengan memperhaikan pola daa. Makridakis S dalam bukuna mengaakan ada empa jenis pola daa mendasar ang erdapa dalam suau daa dere berkala (ime series), akni : Pola daa horisonal(h), pola daa musiman (S), pola daa Siklis dan pola daa rend..3.1 Pola Horisonal (H) Terjadi apabila daa berflukuasi (bergerak) di sekiar nilai raa-raa ang konsan. Dere seperi ini adalah sasioner erhadap nilai raa-raana. Gambar.1 menunjukkan suau pola khas dari daa horisonal aau pola sasioner. Y Gambar.1 Pola Daa Horisonal.3. Pola Musiman (S) Terjadi apabila suau dere waku dipengaruhi oleh fakor musiman ang erjadi secara berulang (misalna : harian, mingguan, bulanan, aau kuaralan). Penjualan dari
5 produk seperi minuman ringan, es krim dan bahan bakar pemanas ruangan, semuana menunjukkan pola musiman. Unuk pola musiman kuaralan, daana seperi diunjukkan oleh gambar. dibawah ini. Y Gambar. Pola Daa Musiman.3.3 Pola Siklis (C) Terjadi Bilamana daana dipengaruhi oleh flukuasi ekonomi jangka panjang, seperi ang berhubungan dengan siklus bisnis. Penjualan produk seperi mobil, dan baja. Gambar.3 menunjukkan pola siklis. Y Gambar.3 Pola Daa Siklis
6 .3.4 Pola Trend Terjadi apabila erjadi kecenderungan (menaik aau menurun) dalam jangka panjang dalam daa. Penjualan banak perusahaan, produk bruo nasional (GNP) dan berbagai indikaor bisnis ekonomi lainna mengikui suau pola rend selama perubahanna sepanjang waku. Gambar.4 menunjukkan salah sau pola rend. Y Gambar.4 Gambar Pola Trend.4 Meode Peramalan Meode peramalan adalah cara memperkirakan secara kuaniaif apa ang akan erjadi dimasa ang akan daang berdasarkan daa daa dimasa ang lalu. Meode peramalan sanga berguna, karena akan membanu dalam mengadakan pendekaan analisa erhadap ingkah laku aau pola dari daa dimasa lampau. Sehingga dapa memberikan cara pemikiran, pengerjaan dan pemecahan ang sisemais dan prakmais, sera memberikan ingka keakinan ang lebih besar aas keepaan hasil ramalan ang disusun..4.1 Jenis-Jenis Meode Peramalan Peramalan dapa dibedakan aas peramalan kuaniaif dan peramalan kualiaif. Pada dasarna meode peramalan kuaniaif dapa dibedakan aas:
7 a. Meode Peramalan Model Regresi ( kausal ) Meode ini merupakan meode peramalan ang didasarkan aas penggunaan analisa pola hubungan anara variabel. Meode ini mengasumsikan bahwa fakor ang diramalkan menunjukkan suau hubungan sebab - akiba dengan sau aau lebih variabel bebas. Misalna : penjualan dipengaruhi harga, kompenisi, aau persaingan. Pengkalian dan lain sebagaina. Maksud dari model kausal adalah menemukan benuk hubungan ersebu dan menggunakanna unuk meramalkan nilai mendaang dari variable idak bebas. Adapun meode ini erdiri dari: 1. Model regresi. Model ekonomeri 3. Model inpu oupu. b. Meode Peramalan Dere Berkala (ime series) Meode ini merupakan meode peramalan ang didasarkan aas penggunaan analisa pola hubungan anara variabel ang akan diperkirakan dengan variabel waku. Ada dua ujuan dasar dari analisa sebuah dere berkala aau ime series. Tujuan perama adalah upaa mencari model aau persamaan rend ang merupakan salah sau komponen ime series ang pening. Ada berbagai cara unuk mendapakan persamaan rend. Sedangkan ujuan kedua dari analisa ime series adalah upaa unuk memisahkan berbagai komponen ime series. Karena daa ime series adalah daa dari pengamaan pada periode waku erenu, maka daa ang berjangka waku panjang bisa erpengaruh secara alami oleh karakerisik ang ada, seperi musim musim erenu sepanjang ahun, siklus bisnis aau siklus cuaca, adaa bencana alam aau pergolakan poliik dan sebagaina.
8 Jika hana meliha sebuah daa ime series dari komponen rend saja menjadi kurang lengkap. Karena dalam prakek, sebagai conoh dalam musim hujan penjualan minuman dingin cenderung urun, sebalikna dengan musim panas, aau bisa saja dere daa iba iba berflukuasi ajam karena adana pergolakan poliik aau gejolak ekonomi. Dengan adana hal hal seperi iu, maka sebuah daa ime series lebih mudah diprediksi jika idak hana komponen rend ang analisis, namun juga keiga komponen lain. Adapun meode ini erdiri dari : 1. Meode dekomposisi. Meode pemulusan 3. Meode Box Jenkins 4. Meode proeksi rend dengan regresi.4. Beberapa Uji Yang Digunakan Adapun beberapa uji ang digunakan pada peramalan anara lain: a. Uji Kecukupan Sampel Sebelum melakukan analisa erhadap daa ang diperoleh, langkah awal ang harus dilakukan adalah pengujian erhadap anggoa sampel. Hal ini dimaksudkan unuk mengeahui apakah daa ang diperoleh dapa dierima sebagai sampel. Dengan ingka keakinan 90% (α = 0,10) rumus ang digunakan unuk menenukan jumlah anggoa sampel adalah: N = di mana: N 1 N Y Y 1 N Y 1 N = Ukuran sampel ang dibuuhkan N Y = Ukuran sampel percobaan = Daa akual (.1)
9 Apabila N < N, maka sampel percobaan dapa dierima sebagai sampel. b. Uji Musiman Unuk mengeahui adana komponen musiman dilakukan uji musiman dengan hipoesa ujina sebagai beriku: H = μ = μ = = μ (daa idak mengandung musiman) H = μ μ μ (daa mengandung musiman) Tabel.1 Uji musiman Periode Musiman K 1 Y 11 Y 1 Y 13 Y 14 Y 1k Y 1 Y Y 3 Y 4 Y k 3 Y 31 Y 3 Y 33 Y 34 Y 3k N Y n1 Y 11 Y 11 Y 11 Y nk Jumlah J 1 J J 3 J 4 J k Unuk perhiungan digunakan noasi: R A D Y k 1 Y J Y n J n 11 R Y R 1 Y A 13 Y nk (.) Sehingga diperoleh:
10 F hiung A D /( k 1) /( n k 1) Kemudian hasil perhiungan disusun dalam abel ANAVA sebagai beriku: Table. ANAVA Uji Musiman Sumber Variansi Deraja Bebas Jumlah Kuadra Jumlah Kuadra Raa -raa Saisik Uji Raa raa 1 R R R 1 Anar Musiman k - 1 A Dalam Musiman N-K D D A A k 1 N D K F A D Toal N Y Krieria pengujian adalah: Jika F < F (, ) maka H 0 diolak (daa dipengaruhi musiman) Jika F > F (, ) maka H 0 dierima (daa idak dipengaruhi musim) c. Uji Trend Tujuan dari uji rend adalah unuk meliha apakah ada pengaruh komponen rend erhadap daa dengan hipoesis ujina sebagai beriku: H 0 = frekuensi naik dan urun dalam daa adalah sama, arina idak ada rend H 1 = frekuensi naik dan urun idak sama, arina dipengaruhi oleh rend Saisik penguji: di mana: Z m 1 n dan n 1
11 di mana : m = frekuensi naik n = jumlah daa = frekuensi naik = sandar error anara naik dan urun Krieria pengujian adalah: Dengan araf signifikan α, H 0 dierima jika Z < Z H 0 diolak jika Z < Z. dan.5 Klasifikasi Model Box- Jenkins Model Box-Jenkins dikelompokkan ke dalam iga kelompok aiu: 1. Model Auoregressive. Model Moving Average 3. Model Campuran Model campuran ini erdiri dari model Auoregressive-Moving Average (ARMA) dan model Auoregressive Inegraed Moving Average (ARIMA)..5.1 Model Auoregressive Benuk Umum dari model AuoRegressive (AR) dengan ordo p (AR(p)) aau model ARIMA (p, 0, 0) adalah sebagai beriku: Y = μ + Y + Y + + Y + + e (.3) di mana: Y = Nilai series ang sasioner μ = suau konsana = parameer auoregressive ke-i dengan i = 1,, 3,, p e = nilai residu(sisaan)
12 Persamaan umum model Auoregressive (AR) dengan ordo p juga dapa diulis sebagai beriku: ( 1 φ 1 B 1 φ B φ p B p ) Y = μ + e (.4) Dalam hal ini B menaakan operaor penggerak mundur (backward shif operaor) ang secara umum dapa diulis sebagai beriku: B d Y = Y -d Arina jika operaor B d sebanak d periode ke belakang. bekerja pada Y maka akan menggeser daa ersebu.5. Model Moving Average Benuk umum model Moving Average dengan ordo q (MA (q)) aau ARIMA (0, 0, q) dinaakan sebagai beriku: Y ' e e e... e 1 1 q q (.5) di mana: Y = Nilai series ang sasioner μ = suau konsana θ = parameer moving average ke-i dengan i = 1,, 3,, q e = nilai residu(sisaan) Dengan menggunakan operaor penggerak mundur model raaan bergerak diaas dapa diulis sebagai beriku : Y = μ + (1 θ 1 B 1 θ B θ q B q )e (.6).5.3 Model Campuran Auoregressive-Moving Average(ARMA) Apabila suau daa dere waku elah sasioner anpa proses differencing (d = 0) dinoasikan dengan model ARIMA (p, 0, q) aau model ini dinamakan dengan Model
13 AuoRegressive-Moving Average (ARMA (p, q)). Secara singka benuk umum model campuran Auoregressive-Moving Average berordo (p,q) ang mengkombinasikan proses Auoregressive ordo p dan proses Moving Average ordo q diulis dengan ARMA(p,q) adalah sebagai beriku: Y = µʹ + φy φ Y -p + e θ 1 e -1 θ q e -q (.7) Aau dengan operaor penggerak mundur proses ARMA (p,q) dapa diulis sebagai beriku: (1 φ 1 B 1 φ p B p ) Y = μʹ + (1 θ 1 B 1 θ q B q )e (.8).5.4 Model Auoregressive Inegraed Moving Average(ARIMA) Apabila daa dere waku idak sasioner, model Box-Jenkins dapa dierapkan dengan jalan melakukan differencing (proses pembedaan). Model Box-Jenkins ini disebu model Auoregressive Inegraed Moving Average (ARIMA) Box Jenkins. Jika d menaakan banakna proses differencing, maka benuk umum model ARIMA(p,d,q) ang mengkombinasikan model Auoregressive berordo p dengan model Moving Average berordo q diulis dengan ARIMA(p,d,q) adalah sebagai beriku: W = µʹ + φy φ Y -p + e θ 1 e -1 θ q e -q (.9) Aau dengan operaor penggerak mundur model ARIMA(p,d,q) dapa diulis sebagai beriku: (1 φ 1 B 1 φ p B p ) W = μʹ + (1 θ 1 B 1 θ q B q )e (.10) Dalam hal ini W menaakan bahwa daa dere waku sudah didiferencing. Pindck dan Rubinfield (1981) menoasikan μʹ sebagai beriku: μʹ = ( 1 φ 1 φ φ p ) μʹw (.11) Dengan μʹw adalah raa-raa dari daa dere waku ang sudah di differencing.
14 .6 Kesasioneran dan Fakor Musiman.6.1 Kesasioneran Daa Kesasioneran daa dapa diperiksa dengan analisa auokorelasi dan auokorelasi parsial. Daa ang dianalisa dalam model ARIMA Box-Jenkins adalah daa ang bersifa sasioner aiu daa ang raa-raa dan variansina relaif konsan dari sau periode ke periode selanjuna. Auokorelasi-auokorelasi dari daa ang idak sasioner berbeda secara signifikan dari nol dan mengecil secara perlahan membenuk garis lurus, sedangkan auokorelasi-auokorelasi dari daa ang sasioner mengecil secara drasis membenuk garis lengkung ke arah nol seelah periode kedua aau keiga. Jadi bila auokorelasi pada periode sau, dua, maupun periode keiga ergolong signifikan sedangkan auokorelasi-auokorelasi pada periode lainna ergolong idak signifikan, maka daana bersifa sasioner. Menuru Box-Jenkins daa dere waku ang idak sasioner dapa diransformasikan menjadi dere daa ang sasioner dengan melakukan proses pembedaan (differencing) pada daa akual. Pembedaan ordo perama dari daa akual dapa dinaakan sebagai beriku: W = Y - Y -1 unuk =, 3,, N (.1) Secara umum proses pembedaan (differencing) ordo ke d dapa diulis sebagai beriku: W = (1 - B) d Y (.13).6. Fakor Musiman Makridakis (1991) dan Assauri (1984) mendefinisikan musiman sebagai suau pola ang berulang-ulang dalam selang waku ang eap. Pola musiman dapa berupa iga bulanan (riwulan), empa bulanan (kuaral), enam bulanan (semeser) aau dua belas
15 bulanan (ahunan). Noasi ARIMA ang digunakan unuk mengaasi aspek musiman, secara umum diulis sebagai beriku: ARIMA (p,d,q)(p,d,q) s (.14) Dalam hal ini komponen (p,d,q) adalah bagian ang idak mengandung musiman dari model, komponen (P,D,Q) adalah bagian musiman dari model dan S adalah jumlah periode per musim. Persamaan model ARIMA ang sederhana ang mengandung fakor musiman ARIMA (1,1,1) adalah sebagai beriku: (1 φ 1 B )(1 φ 1 B 1 )( 1 B)(1 B 1 )Y = μʹ + (1 θ 1 B )(1 θ 1 B 1 ) e (.15) di mana: (1 φ 1 B ) = proses AR(1) bukan musiman (1 φ 1 B 1 ) = proses AR(1) musiman ( 1 B) = pembedaan ordo perama bukan musiman (1 B 1 ) = pembedaan ordo perama musiman (1 θ 1 B ) = proses MA(1) bukan musiman (1 θ 1 B 1 ) = proses MA(1) musiman.6.3 Whie Noise Dere e, e -1, e -,, e -N ang merupakan dere sisaan (residu) diharapkan bersifa whie noise arina residu ersebu berdisribusi normal dengan nilai raa-raa sama dengan nol dan varians konsan. Jika residu bersifa whie noise maka residu hana merupakan suau proses gangguan kecil ang idak perlu diperhaikan. Hal ini dapa diliha dari nilai saisik Q Box Pierce < χ abel dimana koefisien auokorelasi dan auokorelasi parsial dari residu idak berbeda naa dari nol.
16 .7 Tahap Idenifikasi Model Fungsi auokorelasi dan fungsi auokorelasi parsial dapa digunakan unuk mengeahui ciri, pola daa dan jenis dari daa, sehingga fungsi auokorelasi dan fungsi auokorelasi Parsial dapa memenuhi maksud unuk mengidenifikasi suau model enaif aau model semenara ang dapa disesuaikan dengan daa. Aau dengan kaa lain fungsi auokorelasi dan fungsi auokorelasi parsial ang melebihi baas inerval penerimaan (confidence limi) dapa digunakan unuk mengidenifikasikan model ARIMA Box- Jenkins dengan meliha perilaku dari kedua fungsi ersebu (gujarai, 1988)..7.1 Fungsi Auokorelasi Koefisien auokorelasi adalah menaakan hubungan aau asosiasi anara nilai-nilai variabel Y dengan variabel Y. Menuru Pindck dan Rubinfield (1981) secara maemais rumus unuk koefisien auokorelasi dapa diuliskan dengan rumus seperi pada persamaan sebagaiberiku: di mana: r k r k n k 1 ( Y n 1 Y ( Y )( Y k Y ) Y ) = nilai koefisien auokorelasi unuk ime lag 1,,3,4,,k (.16) Y = daa akual periode ke Y = mean dari daa akual Y = daa akual pada periode dengan lag k k Koefisien auokorelasi perlu diuji unuk menenukan apakah secara saisic nilaina berbeda secara signifikan dari nol aau idak. Nilai Sandard Error (SE) dari rk adalah: SE = (.17)
17 Suau dere bersifa acak apabila koefisien auokorelasi berada dalam baas inerval seperi ang dinoasikan pada persamaan beriku: di mana : Z r Z 1,96 r 1,96 (.18) Z =, unuk sampel besar (> 30) Suau koefisien auokorelasi dikaakan idak berbeda secara signifikan dari nol apabila nilaina berada dalam baas inerval, dan dikaakan berbeda secara signifikan dari nol jika nilai koefisien auokorelasi berada diluar baas inerval. Nilai koefisien auokorelasi ang melebihi inerval baas penerimaan dapa digunakan unuk menenukan model dari Moving Average (MA (q) ) (Gujarai, 1995)..7. Fungsi Auokorelasi Parsial Auokorelasi parsial unuk lag k didefinisikan sebagai auokorelasi dari observasi dere waku ang dibedakan oleh lag sebanak k uni waku seelah pengaruh observasi unuk lag = 1,, 3,, k-1 elah dihilangkan. Koefisien auokorelasi parsial adalah ukuran ang menunjukkan ingka keeraan hubungan anara Y dengan variabel Y -k dengan menghilangkan aau mengabaikan pengaruh dari ime lag 1,, 3,, k-1. Dengan kaa lain koefisien auokorelasi parsial mengukur deraja hubungan anara nilai-nilai sekarang dengan nilai sebelumna (unuk ime lag erenu) sedangkan pengaruh nilai variabel ime lag ang lain dianggap konsan ( sehingga dapa diabaikan). Nilai koefisien auokorelasi parsial ang melebihi inerval baas penerimaan pada lag p dapa digunakan unuk menenukan model dari proses Auoregressive (AR (p) ). (Gujarai, 1995).
18 .8 Tahap Verifikasi dan Pemeriksaan Keepaan Model.8.1 Verifikasi Model Langkah ini dilakukan unuk memeriksa apakah model ARIMA ang dipilih cukup cocok unuk daa. Verifikasi dilakukan dengan membandingkan nilai MSE (Mean Square Error) dari masing-masing model enaif ang didapakan ang kemungkinan cocok dengan daa. Dimana model ang dipilih adalah model dengan nilai MSE (Mean Squaren Error) ang erkecil..8. Pemeriksaan Keepaan Model Pemeriksaan keepaan model berujuan unuk menguji apakah model ang diidenifikasi elah epa. Unuk iu dilakukan pemeriksaan erhadap hal-hal beriku ini: a. Nilai Sisaan (Residu) Model ang elah dieapkan akan memperlihakan perbedaan residu aau kesalahan anara nilai-nilai dere waku dan nilai-nilai esimasi dari model sanga kecil aau idak berari. Kesalahan ramalan dapa diperoleh dari persamaan beriku ini: e = Y Y (h) (.19) di mana: Y = daa akual Y (h) = nilai ramalan e = kesalahan ramalan Dari nilai-nilai kesalahan dapa diperoleh koefisien auokorelasi residual. Jika idak erdapa pola daa ang secara naa berbeda dari nol,
19 kesalahan diasumsikan menjadi acak aau idak perlu diperhaikan dan model dapa dianggap cukup epa. Koefisien auokorelasi dari daa random akan mempunai disribusi ang mendekai kurva normal baku dengan nilai engah nol dan kesalahan sandar seperi ang dinoasikan pada persamaan (.18). b. Uji Saisik Q Box-Pierce Unuk memeriksa apakah auokorelasi nilai-nilai sisa (residu) berpola acak aau berbeda naa dari nol dapa juga dicari menggunakan saisik Q Box- Pierce dengan persamaan sebagai beriku: Q n m r k k 1 di mana: Q = hasil perhiungan saisik Box-Pierce m = jumlah auokorelasi residu n = N - d N = jumlah anggoa sampel r k = nilai koefisien auokorelasi ime lag k (.0) Krieria pengujian: deraja bebas (db) = (m-p-q-p-q) Jika Q χ (α, db) arina nilai error bersifa random (model dierima) Jika Q > χ (α, db) arina nilai error idak bersifa random (model diolak).9 Peramalan dengan Model ARIMA Box-Jenkins Seelah parameer-parameer model ARIMA diesimasi, maka langkah selanjuna adalah menggunakan model ersebu unuk peramalan. Tujuan peramalan adalah unuk
20 menduga nilai dere waku pada masa ang akan daang dengan kesalahan ang sekecil mungkin. Nilai ramalan dihiung unuk beberapa periode kedepan dengan menggunakan model-model ang elah diuji keepaan modelna unuk peramalan. Unuk menguji keepaan ramalan, maka digunakan nilai MSE (Mean Square Error) aau MAPE (Mean Absolue Percenage Error) ang merupakan ukuran keepaan model. Model ang erbaik adalah model ang memiliki nilai MSE ang erkecil. Selain nilai MSE, nilai raa-raa persenase kesalahan aau MAPE (Mean Absolue Percenage Error) dari ramalan juga dapa digunakan sebagai bahan perimbangan dalam menenukan model ang erbaik..10 Ala Analisis Dalam peneliian ini penulis menggunakan sofware SPSS versi 17 dan Miniab!6 unuk membanu menganalisis daa. Dalam hal ini sofware SPSS dipakai unuk plo analisis koefisien auokorelasi dan plo analisis koefisien auokorelasi parsial, sera plo-plo ime series model ARIMA Box-Jenkins.
BAB 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 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 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 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 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 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 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 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 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 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 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 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 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 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 terperinciPemodelan 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 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 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 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 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 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 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 terperinciBAB 2 LANDASAN TEORI. Pengangguran atau tuna karya merupakan istilah untuk orang yang tidak mau bekerja
BAB 2 LANDASAN TEORI 2.1 Pengerian Pengangguran Pengangguran aau una karya merupakan isilah unuk orang yang idak mau bekerja sama sekali, sedang mencari kerja, bekerja kurang dari dua hari selama seminggu,
Lebih terperinciBAB 3 LANDASAN TEORI. peramalan, jenis-jenis peramalan, langkah-langkah peramalan, pemilihan teknik dan
BAB 3 LANDASAN TEORI 3. Peramalan Pada sub bab ini akan dibahas mengenai pengerian peramalan, kegunaan meode peramalan, jenis-jenis peramalan, langkah-langkah peramalan, pemilihan eknik dan meode peramalan,
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Defenisi Persediaan Persediaan adalah barang yang disimpan unuk pemakaian lebih lanju aau dijual. Persediaan dapa berupa bahan baku, barang seengah jadi aau barang jadi maupun
Lebih terperinciBab 2 Landasan Teori
Bab 2 Landasan Teori 2.1 Keseimbangan Lini 2.1.1 Definisi Keseimbangan Lini Penjadwalan dari pekerjaan lini produksi yang menyeimbangkan kerja yang dilakukan pada seiap sasiun kerja. Keseimbangan lini
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 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 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 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 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 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 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 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 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 LANDASAN TEORI 2.1 Pengerian Supply Chain Managemen Supply chain managemen merupakan pendekaan aau meode dalam memanajemen hubungan perusahaan dengan supplier dan konsumen yang erjadi pada pengendalian
Lebih terperinciPERAMALAN JUMLAH PENUMPANG PADA PT
PERAMALAN JUMLAH PENUMPANG PADA PT. ANGKASA PURA I (PERSERO) KANTOR CABANG BANDAR UDARA INTERNASIONAL ADISUTJIPTO YOGYAKARTA DENGAN METODE WINTER S EXPONENTIAL SMOOTHING DAN SEASONAL ARIMA SKRIPSI Diajukan
Lebih terperinciBAB II TINJAUAN PUSTAKA. mempunyai efek menekan atau menghentikan suatu proses biokimia di dalam
BAB II TINJAUAN PUSTAKA 2.1 Anibioik 2.1.1 Defenisi Anibioik adalah segolongan senyawa, baik alami maupun sineik, yang mempunyai efek menekan aau menghenikan suau proses biokimia di dalam organisme, khususnya
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 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 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 terperinci(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF
Seminar Nasional Saisika 12 November 2011 Vol 2, November 2011 (T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Gumgum Darmawan, Sri Mulyani S Saf Pengajar Jurusan Saisika FMIPA UNPAD
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 terperinciBAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa
BAB 2 TINJAUAN TEORITI 2.1. Pengerian-pengerian Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. edangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciLANDASAN TEORI. Untuk membantu tercapainya suatu keputusan yang efisien, diperlukan adanya
BAB 3 LANDASAN TEORI 3.1 Pengerian Peramalan Unuk membanu ercapainya suau kepuusan yang efisien, diperlukan adanya suau cara yang epa, sisemais dan dapa diperanggungjawabkan. Salah sau ala yang diperlukan
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 3 LANDASAN TEORI
BAB 3 LANDASAN TEORI 3.1. Deskripsi Teori 3.1.1. Pengerian Peramalan Unuk membanu ercapainya suau kepuusan yang efisien unuk penjualan produknya, perusahaan memerlukan suau cara yang epa, sisemais dan
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 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 terperinciBAB 2 DASAR TEORI. Studi mengenai aspek teknis dan produksi ini sifatnya sangat strategis, sebab
13 BAB 2 DASAR TEORI 2.1 Aspek Teknis Sudi mengenai aspek eknis dan produksi ini sifanya sanga sraegis, sebab berkaian dengan kapasias proyek, lokasi, aa leak ala produksi, kajian aas bahan dan sumbernya,
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 terperinciMODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI
MODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI Diajukan kepada Fakulas Maemaika dan Ilmu Pengeahuan Alam Universias Negeri Yogyakara unuk memenuhi
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.. Ruang Lingkup Peneliian Peneliian ini diujukan unuk menenukan meode erbaik yang dapa digunakan dalam meramalkan harga ayam pada enam koa besar di Jawa-Bali. Meode peramalan yang
Lebih terperinciANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 009 XV-1 ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Muhammad Sjahid Akbar, Jerry Dwi Trijoyo
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 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 terperinciSISTEM PREDIKSI PENJUALAN GAMIS TOKO QITAZ MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING. Oleh: Salman Alfarisi
S. Alfarisi / Journal of Applied Business and Economics Vol. 4 No. 1 (Sep 2017) 80-95 SISTEM PREDIKSI PENJUALAN GAMIS TOKO QITAZ MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING Oleh: Salman Alfarisi Program
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 terperinciBAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel
BAB III ANALISIS INTERVENSI 3.1. Pendahuluan Analisis inervensi dimaksudkan unuk penenuan jenis respons variabel ak bebas yang akan muncul akiba perubahan pada variabel bebas. Box dan Tiao (1975) elah
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 terperinciPENGARUH PANJANG DAN LEBAR DATA DEBIT HISTORIS PADA KINERJA MODEL PEMBANGKITAN DATA DEBIT SUNGAI BRANTAS DENGAN METODE ARIMA
PENGARUH PANJANG DAN LEBAR DATA DEBIT HISTORIS PADA KINERJA MODEL PEMBANGKITAN DATA DEBIT SUNGAI BRANTAS DENGAN METODE ARIMA Maskur Efendi ), Widandi Soeopo 2), Piojo Tri Juwono 2) ) Mahasiswa Magiser
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 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 terperinciFORECASTING & ARIMA. Dwi Martani. 1/26/2010 Statistik untuk Bisnis 9 1
FORECASTING & ARIMA Dwi Marani /26/200 Saisik unuk Bisnis 9 DERET BERKALA (TIME SERIES) Suau dere berkala merupakan suau himpunan observasi dimana variabel yang digunakan diukur dalam uruan periode waku,
Lebih terperinciBAB II LANDASAN TEORI. bahasa Yunani Sustema yang berarti satu kesatuan yang atas komponen atau
BAB II LANDASAN TEORI 2.1 Sisem Aplikasi Menuru Jogiano (2004), sisem berasal dari bahasa lain Sysema dan bahasa Yunani Susema yang berari sau kesauan yang aas komponen aau elemen-elemen yang dihubungkan
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 terperinciPERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS
PERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS Joko Ariyadi (308 030 060) Pembimbing : Drs. Brodjol Suijo Suprih Ulama, M.Si Laar Belakang 2 Laar
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Manajemen Perminaan 2.1.1. Konsep Dasar Manajemen Perminaan Pada dasarnya manajemen perminaan (demand managemen) didefinisikan sebagai suau fungsi pengelolaan dari semua perminaan
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 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 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 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 terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH
BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Tahapan Pemecahan Masalah Tahapan pemecahan masalah berfungsi unuk memudahkan dalam mencari jawaban dalam proses peneliian yang dilakukan agar sesuai dengan arah
Lebih terperinciJurnal Edik Informatika. Peramalan Kebutuhan Manajemen Logistik Pada Usaha Depot Air Minum Isi Ulang Al-Fitrah
Jurnal Edik Informaika Peneliian Bidang Kompuer Sains dan Pendidikan Informaika V.i(5-4) Peramalan Kebuuhan Manajemen Logisik Pada Usaha Depo Air Minum Isi Ulang Al-Firah Henny Yulius, Islami Yei Universias
Lebih terperinciBAB 3 LANDASAN TEORI. terhadap perbandingan antara kesan kinerja suatu produk serta jasa yang diberikan
BAB 3 LANDASAN TEORI 3. Konsep Kepuasan Konsumen Menuru Gerson, kepuasan konsumen merupakan pandangan konsumen bahwa harapannya elah erpenuhi aau erlampaui (Gerson,999,p3). Sedangkan menuru Koler, kepuasan
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 terperinciPeramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk
Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk Oleh : Dwi Hapsari K (1306 100 015) Dosen Pembimbing : Dra. Karika Firiasari, M.Si 1 Pendahuluan Laar Belakang, Perumusan Masalah, Tujuan
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 5 Penaksiran Fungsi Permintaan. Ekonomi Manajerial Manajemen
Bab 5 Penaksiran Fungsi Perminaan 1 Ekonomi Manajerial Manajemen Peranyaan Umum Tenang Perminaan Seberapa besar penerimaan perusahaan akan berubah seelah adanya peningkaan harga? Berapa banyak produk yang
Lebih terperinciBAB I PENDAHULUAN. universal, disemua negara tanpa memandang ukuran dan tingkat. kompleks karena pendekatan pembangunan sangat menekankan pada
BAB I PENDAHULUAN A. Laar Belakang Disparias pembangunan ekonomi anar daerah merupakan fenomena universal, disemua negara anpa memandang ukuran dan ingka pembangunannya. Disparias pembangunan merupakan
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 terperinciBAB IX TEKNIK PERAMALAN
Peramalan 93 BAB IX TEKNIK PERAMALAN Kepuusan persediaan yang dihasilkan dari pembelian cenderung bersifa jangka pendek dan hanya unuk produk yang khas. Peramalan yang mengarah pada kepuusan ini harus
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1. Kerangka Pemikiran Poensi sumberdaya perikanan, salah saunya dapa dimanfaakan melalui usaha budidaya ikan mas. Budidaya ikan mas yang erus berkembang di masyaraka, kegiaan budidaya
Lebih terperinciPenerapan Model ARIMA Dalam Memprediksi IHSG
Penerapan Model ARIMA Dalam Memprediksi IHSG Bambang Hendrawan Polieknik Baam Parkway Sree, Baam Cenre, Baam 29461, Indonesia e-mail: benks@polibaam.ac.id Absrak: Tujuan peneliian ini adalah unuk mencari
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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah persediaan merupakan masalah yang sanga pening dalam perusahaan. Persediaan mempunyai pengaruh besar erhadap kegiaan produksi. Masalah persediaan dapa diaasi
Lebih terperinciBAB 3 LANDASAN TEORI. 3.1 Pengertian dan Kegunaan Peramalan (Forecasting)
BAB 3 LANDAAN TEORI 3.1 Pengerian dan Kegunaan Peramalan (Forecasing) Dalam melakukan analisis dibidang ekonomi, sosial dan sebagainya, kia memerlukan suau perkiraan apa yang akan erjadi aau gambaran enang
Lebih terperinciPeramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Multi Input. : Nesia Brilliana I.P NRP :
Peramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Muli Inpu Nama : Nesia Brilliana I.P NRP : 20800023 Jurusan : Maemaika Dosen Pembimbing : Dra. Nuri Wahyuningsih, M. Kes Pemberian pupuk
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 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 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 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 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 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 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 terperinciPERAMALAN RATA-RATA TEMPERATUR UDARA HARIAN KOTA PEKANBARU MENGGUNAKAN MODEL ARIMA (0,1,1) TUGAS AKHIR
PERAMALAN RATA-RATA TEMPERATUR UDARA HARIAN KOTA PEKANBARU MENGGUNAKAN MODEL ARIMA (0,,) TUGAS AKHIR Diajukan Sebagai Salah Sau Syara unuk Memperoleh Gelar Sarjana Sains pada Jurusan Maemaika Oleh: DEWI
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 terperinciBab II LANDASAN TEORI
5 Bab II LANDASAN TEORI 2.1 Pengerian Peramalan Menuru Sofjan Assauri (1984, p1), kegiaan unuk memperkirakan apa yang akan erjadi pada masa yang akan daang, kia kenal dengan apa yang disebu peramalan (forecasing).
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 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 terperinci