Penerapan Model ARCH/GARCH untuk Peramalan Nilai Tukar Petani ABSTRAK ABSTRACT. Pendahuluan
|
|
- Yenny Darmali
- 5 tahun lalu
- Tontonan:
Transkripsi
1 Jurnal Sains Maemaika dan Saisika, Vol. 4, No., Januari 8 ISSN prin/issn online Penerapan Model ARCH/GARCH unuk Peramalan Nilai Tukar Peani Ari Pani Desvina, Inggrid Ocaviani Meijer, Jurusan Maemaika, Fakulas Sains dan Teknologi, UIN Sulan Syarif Kasim Riau Jl. HR. Soebranas No. 55 Simpang Baru, Panam, Pekanbaru, aripanidesvina@uin-suska.ac.id, aripanidesvina@gmail.com, inggridocavianimeijer@yahoo.com ABSTRAK Nilai Tukar Peani (NTP) disuau daerah dapa dijadikan sebagai salah sau olak ukur unuk meliha kondisi peranian daerah esebu. Peneliian ini membahas enang peramalan daa NTP, dengan 63 daa dari bulan Januari sampai Mare 7. Tujuan peneliian ini yaiu memodelkan NTP dengan menggunakan model ARCH/GARCH. Diperoleh hasil bahwa model ARCH() merupakan model yang epa unuk meramalkan daa NTP. Menggunakan model ARCH() dilakukan peramalan sebanyak 5 bulan kedepan dimulai bulan April 7. Nilai MAPE menunjukkan persenase yang rendah, ini menghasilkan peramalan mendekai daa akual. Kaa kunci: ARCH/GARCH, ARIMA, MAPE, Nilai Tukar Peani (NTP) ABSTRACT Agriculural farmers definined in he one prounce can be used as a benchmark o see he condiionof he province agriculure. This sudy discesses he agriculural farmers defined share daa forcasing, wih 63 daa from January unil March 7. The purpose of his sudy is modelling he agriculural farmers defined by using he mehod of ARCH/GARCH. The resuls show ha he model ARCH() is he righ model o forecas agriculural farmers defined daa. Using he model of ARCH() is forecasing he fuure as much as 5 mounh saring from April 7. MAPE value show low percenage, indicaing forecasing closer o he acual daa. Keyworsd : agriculural farmers defined, ARCH/GARCH, ARIMA, MAPE Pendahuluan Indonesia merupakan negara agraris yang sebagian besar penduduknya bermaapencaharian sebagai peani. Pembangunan peranian Indonesia elah dilaksanakan secara berahap dan berkelanjuan dengan harapan dapa meningkakan produksi peranian semaksimal mungkin sehingga dapa meningkakan pendapaan peani dalam mencapai kesejaheraan. Kesejaheraan peani merupakan arah dan ujuan pembangunan peranian. Salah sau ala ukur kesejaheraan peani yang digunakan saa ini adalah Nilai Tukar Peani (NTP). NTP adalah rasio anara indeks harga yang dierima peani dengan indeks harga yang dibayar peani yang dinyaakan dalam persenase []. Daa ime series eruama daa di sekor keuangan sanga inggi ingka volailiasnya, volailias yang inggi diunjukkan dengan flukuasinya juga relaif inggi dan kemudian diikui dengan flukuasi yang rendah dan kembali inggi, maka dengan kaa lain daa ini memiliki raaraa dan varians yang idak konsan []. Daa ime series yang memiliki volailias yang inggi disebu juga heeroskedasisias bersyara (condiional heeroscedasic), pada kondisi ini asumsi unuk meode kuadra erkecil seperi ARMA idak erpenuhi. Salah sau model dere waku yang dapa mengaasi heeroskedasisias adalah model Auoreggressive Condiional Heeroscedasiciy (ARCH) yang diperkenalkan oleh Engle pada ahun 98. Model ARCH memiliki kemampuan unuk menangkap semua karakerisik dari peubah-peubah pasar keuangan. Kemudian, model ARCH dikembangkan lagi oleh Bollerslev ahun 986 menjadi Generalized Auoreggressive condiional Heeroscedasiciy (GARCH). Model ini dibangun unuk menghindari lag yang erlalu inggi pada model ARCH dengan berdasarkan pada prinsip parsimoni aau memilih model yang lebih sederhana, sehingga akan menjamin variansinya selalu posiif [7]. 43
2 Jurnal Sains Maemaika dan Saisika, Vol. 4, No., Januari 8 ISSN prin/issn online Bahan dan Meode Peneliian. Pengerian dan Definisi Nilai Tukar Peani (NTP) Nilai ukar peani (NTP) adalah rasio anara indeks harga yang dierima peani dengan indeks harga yang dibayar peani yang dinyaakan dalam persenase. Indeks harga yang dierima peani (IT) adalah indeks harga yang menunjukkan perkembangan harga produsen aas hasil produksi peani. Dari nilai IT, dapa diliha flukuasi harga barang-barang yang dihasilkan peani. Indeks ini digunakan juga sebagai daa penunjang dalam penghiungan pendapaan sekor peranian []. Indeks harga yang dierima peani (IT) adalah indeks harga yang menunjukkan perkembangan harga produsen aas hasil produksi peani. Indeks harga yang dibayar peani (IB) adalah indeks harga yang menunjukkan perkembangan harga kebuuhan rumah angga peani, baik kebuuhan unuk konsumsi rumah angga maupun kebuuhan unuk proses produksi peranian []: Secara umum NTP menghasilkan 3 pengerian []:. NTP >, berari peani mengalami surplus. Harga produksi naik lebih besar dari kenaikan harga konsumsinya. Pendapaan peani naik lebih besar dari pengeluarannya.. NTP =, berari peani mengalami impas. Kenaikan/penurunan harga produksinya sama dengan persenase kenaikan/penurunan harga barang konsumsi. Pendapaan peani sama dengan pengeluarannya. 3. NTP<, berari peani mengalami defisi. Kenaikan harga produksi relaif lebih kecil dibandingkan dengan kenaikan harga barang konsumsinya. Pendapaan peani urun, lebih kecil dari pengeluarannya.. Meode Box-Jenkins Model ARIMA (Auoregressive Inegraed Moving Average) yang dikembangkan oleh George Box dan Gwilyn Jenkins (976) merupakan model yang idak mengasumsikan pola erenu pada daa hisoris yang diramalkan dan model yang secara penuh mengabaikan independen variabel dalam membua peramalan. ARIMA yang juga sering disebu meode runun waku Box-Jenkins sebenarnya adalah eknik unuk mencari pola yang paling cocok dari sekelompok daa (curve fiing), dengan demikian ARIMA memanfaakan sepenuhnya daa masa lalu dan sekarang dari variabel dependen unuk melakukan peramalan jangka pendek yang akura sedangkan unuk peramalan jangka panjang keepaan peramalannya kurang baik. Model ARIMA merupakan model gabungan anara auoregressive (AR) dan moving average (MA) dimana model ini mampu mewakili dere waku yang sasioner dan non-sasioner []. Tujuan model ARIMA adalah unuk menenukan hubungan saisik yang baik anar variabel yang diramal dengan nilai hisoris variabel ersebu sehingga peramalan dapa dilakukan dengan model ersebu. Langkah-langkah dalam meode Box-Jenkins adalah idenifikasi model, verifikasi model dan peramalan. Langkah-langkah meode Box-Jenkins yaiu:. Idenifikasi Model Idenifikasi model berujuan unuk meliha kesasioneran suau daa dan mencari model semenara yang sesuai. Sasionerias berari bahwa idak erdapa perubahan yang drasis pada daa. Flukuasi daa berada disekiar suau nilai raa-raa yang konsan, idak erganung pada waku dan variansi dari flukuasi ersebu [7]. Daa ime series dikaakan sasioner jika raa-raa dan variansinya konsan, idak ada unsur rend dalam daa, dan idak ada unsur musiman. Jika daa idak sasioner maka perlu dilakukan diferensing sampai daa sasioner.. Uji sasionerias daa: unuk mengeahui kesasioneran suau daa dapa diliha dari plo daa akual, meliha plo daa ACF dan PAC, sera dengan melakukan uji akar uni (uni roo). a. Plo daa akual: cara menenukan kesasioneran suau daa dengan menggunakan plo daa akual adalah dengan meliha apakah grafik daa ersebu sudah memiliki raa-raa aau varians yang konsan sepanjang waku. jika sudah konsan maka daa ersebu dapa dikaakan daa yang sasioner. 44
3 Jurnal Sains Maemaika dan Saisika, Vol. 4, No., Januari 8 ISSN prin/issn online b. Plo ACF dan PAC: menenukan kesasioneran daa berdasarkan plo ACF dan PAC dapa diliha berdasarkan pada lag-lagnya. Jika lag pada ACF dan PAC elah menurun secara drasis maka daa dapa dikaakan sasioner. c. Uji Uni Akar (Uni roo): erdapa iga uji uni roo unuk meliha kesasioneran daa: Uji Augmened Dickey-Fuller (ADF) [6]: Persamaan uji ADF adalah sebagai beriku: n Y Y Y e () i i Uji Philips-Peron (PP) Persamaan uji PP adalah sebagai beriku: Y Y e () Uji uni roo Kwiakowski Philips Schmid Shin (KPSS) Persamaan uji KPSS adalah sebagai beriku: Y (3). Differencing Daa Proses differencing dilakukan sampai daa menjadi sasioner. Persamaan unuk pendifferensian daa adalah sebagai beriku [8]: Y Y Y (4) 3. Model Pada Meode Box-Jenkins Model Box-Jenkins erdiri dari iga model yaiu Auoregressive (AR), Moving Average (MA), Auoregressive Moving Average (ARMA) dan model campuran Auoregressive Inegraed Moving Average (ARIMA) [7]. Model Auoregressive aau AR (p) Y Y Y... Y e p p (5) Model Moving average aau MA (q) Y e e e... e q q (6) Model Auoregressive Moving average ARMA(p,q) Y Y... Y e e... e p p q q (7) ModelAuoreggressive Inegraed Moving Average ARIMA Y Y Y Y e e e (8) p p p p p q q.. Esimasi Parameer Tahap selanjunya unuk mencari model erbaik yaiu dengan mengesimasi parameerparameer dalam model ersebu. Esimasi parameer dilakukan dengan menggunakan meode kuadra erkecil (ordinary leas squers). Meode leas squares merupakan suau meode yang digunakan unuk mengesimasi parameer dengan cara meminimumkan jumlah kuadra error. Seelah paarameer diesimasi selanjunya dilakukan uji signifikansi parameer ersebu dalam model dengan cara membandingkan P-value dengan level oleransi (α) dalam pengujian hipoesis: H : Parameer idak signifikan dalam model lawan H : Parameer signifikan dalam model. Krieria penerimaaan H, jika P-value> α dan penolakan H jika P-value α, yang brari parameer signifikan dalam model []. 45
4 Jurnal Sains Maemaika dan Saisika, Vol. 4, No., Januari 8 ISSN prin/issn online.. 3 Verifikasi Model a. Uji Independensi Residual: uji ini dilakukan unuk menenukan independensi residual anar lag yang dapa dilakukan dengan meliha pasangan ACF dan PACF residual yang dihasilkan model. Selain dengan menggunakan ACF dan PACF residual, independensi residual dapa juga diliha pada kerandoman residual. Kerandoman residual dikeahui dengan membandingkan P-value pada oupu proses LjungBox Prierce dengan α yang digunakan dalam uji hipoesis: H : Residual model mengikui proses random lawan H : Residual model idak mengikui proses random. Krieria penerimaan H yaiu jika P-value > α, berari residual mengikui proses random []. b. Uji Kenormalan Residual: uji kenormalan residual dilakukan dengan meliha hisogram residual yang dihasilkan model. Jika hisogram residual elah mengikui pola kurva normal, maka model elah memenuhi asumsi kenormalan sehingga layak digunakan unuk peramalan. Peneuan model erbaik dari enaif model dapa dilakukan dengan membandingkan nilai Akaike informaion Crierion (AIC) dan Schwarz s Informaion Crierion (SIC). Model erbaik adalah model yang memiliki nilai AIC dan SIC erkecil. Persamaan AIC dan SIC adalah sebagai beriku []: AIC = k e n RSS n SIC = RSS n ()..4 Peramalan Tahap erakhir dam meode Box jenkins yaiu menggunakan model erpilih unuk peramalan. Model yang diperoleh digunakan unuk melakukan peramalan dan kemudian diperoleh residual unuk dilakukan uji ARCH-LM. n n k. 3 Uji ARCH-lagrange Muliplier (ARCH-LM) Pengujian unuk mengeahui masalah heeroskedasisias dalam ime series yang dikembangkan oleh Engle dikenal dengan uji ARCH-LM. Ide pokok uji ini adalah bahwa variansi residual bukan hanya fungsi dari variabel independen eapi erganung pada residual kuadra pada periode sebelumnya [9], []. Adapun hipoesis unuk uji ARCH-LM adalah H : Varians residual konsan (idak ada unsur ARCH) lawan H : varians residual idak konsan (erdapa unsur ARCH). Jika > x abel dengan α erenu maka olak H sebaliknya Jika (9) x hiung x hiung < x abel dengan α erenu maka erima H yang berari varians residual adalah konsan, aau dengan membandingkan P- value pada x hiung dengan α, jika P-value < α, maka olak H, yang berari residual idak konsan (erdapa unsur ARCH) [5]..4 Meode ARCH/GARCH Benuk umum Model Auoreggressive Condiional Heeroscedasiciy (ARCH). Menuru Tsay (5: 6), lebih spesifik lagi, suau model ARCH orde p diasumsikan bahwa: a a a ()... p p Benuk umum Model Generalized Auoreggressive Condiional Heeroscedasiciy (GARCH). Menuru (Tsay, 5: 3) (p,q) jika:, X dikaakan mengikui model GARCH 46
5 jan feb mar apr mei jun jul agus sep ok nop des Jurnal Sains Maemaika dan Saisika, Vol. 4, No., Januari 8 ISSN prin/issn online a a ()... app... q q.5 Penerapan Model unuk Peramalan Model yang diperoleh pada ahap verifikasi digunakan unuk melakukan peramalan yang melipui residual raining, residual esing dan residual unuk peramalan daa. Pada ahap peramalan residual raining, residual yang digunakan yaiu residual pada mean model, sedangkan unuk peramalan pada daa esing, residual yang digunakan idak ada unsur residual pada mean model, eapi residual hasil peramalan pada residual raining. Selanjunya pada ahap residual unuk peramalan, residual yang digunakan yaiu residual hasil peramalan pada esing..6 Keepaan Model Peramalan Rumus yang digunakan unuk menenukan nilai MAPE adalah [9]: Y ˆ Y MAPE = n Y (3) Meodologi Peneliian Langkah-langkah dalam pemebenukan model ARCH/GARCH: a. Idenifikasi model Box-Jenkins b. Esimasi Parameer Model Box-Jenkins c. Verifikasi Model d. Peramalan daa raining pada model Box-Jenkins. e. Uji ARCH-LM dengan meliha unsur heeroscedasiciy pada model ARCH/GARCH. f. Idenifikasi Model ARCH/GARCH. g. Esimmasi Parameer ARCH/GARCH. h. Verifikasi Model ARCH/GARCH. i. Peramalan dengan menggunakan model ARCH/GARCH. Hasil dan Pembahasan 3. Deskripif Daa Nilai Tukar Peani (NTP) di Provinsi Riau Tahun -7 Daa nilai ukar peani (NTP) mengalami kenaikan dan penurunan yang sanga signifikan seiap ahunnya. Grafik daa nilai ukar peani disajikan pada Gambar sebagai beriku: Daa NTP Gambar. Hisogram Daa Nilai Tukar Peani 47
6 Jurnal Sains Maemaika dan Saisika, Vol. 4, No., Januari 8 ISSN prin/issn online Gambar menunjukkan bahwa daa nilai ukar peani mengalami peningkaan dan penurunan yang signifikan seiap ahunnya. Nilai ukar peani yang eringgi erjadi pada Tahun di bulan Mare yaiu sebesar 5,9%. Nilai ukar peani yang erendah erjadi pada ahun 6 di bulan Mare yaiu sebesar 97,36%. Tahap. Idenifikasi model Beriku adalah grafik daa nilai ukar peani hasil differencing kedua pada Gambar : Gambar Grafik Hasil Differencing Kedua Daa Nilai Tukar Peani Berdasarkan Gambar dapa diliha bahwa daa nilai ukar peani elah sasioner, kesasioneran dapa diliha seelah differencing kedua karena daa nilai ukar peani elah memiliki raa-raa dan varians konsan pada seiap index bulanannya, walaupun erdapa sau daa yang naik secara drasis keaas dan sau daa yang menurun secara drasis kebawah. Unuk meyakinkan bahwa daa nilai ukar peani elah sasioner pada differencing kedua dapa dilakukan uji uni roo seperi yang dilakukan sebelumnya. Uji uni roo yang digunakan erdiri dari iga uji yaiu uji uni roo Augmened Dickey- Fuller (ADF), uji uni roo Phillips-Perron (PP) dan uji uni roo Kwiakowski Phillips Schmid Shin (KPSS). Beriku adalah hasil uji uni roo differencing kedua dengan araf signifikansi 5% menggunakan sofware Eviews dengan hipoesis pengujian uni roo ini, yaiu uji uni roo Augmened Dickry-Fuller (ADF) mempunyai hipoesis adalah H : Daa Nilai Tukar Peani erdapa uni roo (daa idak sasioner) lawan H : Daa Nilai Tukar Peani idak erdapa uni roo (daa sasioner). Uji hipoesis unuk uji Phillips-Perron (PP) yaiu H : Daa Nilai Tukar Peani erdapa uni roo (daa idak sasioner) lawan H : Daa Nilai Tukar Peani idak erdapa uni roo (daa sasioner). Uji hipoesis unuk uji Kwiakowski Philllips Schmid Shin (KPSS) yaiu H : Daa Nilai Tukar Peani idak erdapa uni roo (daa sasioner) lawan H : Daa Nilai Tukar Peani erdapa uni roo (daa idak sasioner). Tabel beriku ini merupakan abel nilai ukar peani uji ADF, PP, dan KPSS unuk differencing kedua menggunakan sofware Eviews: Tabel Nilai Uji Uni Roo dengan Nilai Kriik Mackinnon Uji ADF Saisik- P-value Augmened Dickey-Fuller (ADF) -7,7648, Nilai Kriik Mackinnon % 5% % -3, , ,5945 Uji PP -44,757, 48
7 Jurnal Sains Maemaika dan Saisika, Vol. 4, No., Januari 8 ISSN prin/issn online Nilai Kriik Mackinnon % 5% % -3, ,986 -,5939 Uji KPSS Saisik- Kwiakowski Phillips Schmid Shin (KPSS),8835 Nilai Kriik Mackinnon % 5% %,739,463,347 Berdasarkan oupu pada Tabel dapa diliha bahwa nilai mulak saisik- ADF > nilai mulak Mackinnon unuk level 5%, yaiu 7,7648 >, Dliha nilai p-value lebih kecil dari 5% yaiu, <,5. Maka dapa disimpulkan bahwa olak H aau daa nilai ukar peani idak erdapa uni roo (daa sasioner). Unuk uji PP diperoleh bahwa nilai mulak saisik- PP > nilai mulak Mackinnon unuk level 5%, yaiu 44,757 >,986. Diliha nilai p-value yang bernilai lebih kecil dari 5% yaiu, <,5. Maka dapa disimpulkan bahwa olak H aau daa nilai ukar peani idak erdapa uni roo (daa sasioner). Sedangkan uji KPSS diperoleh bahwa nilai mulak saisik- KPSS < nilai mulak Mackinnon unuk level 5%, yaiu,8835 <,463. Maka dapa diperoleh hasil yaiu erima H aau daa nilai ukar peani idak erdapa uni roo (daa sasioner). Dari hasil uni roo di aas dapa diliha bahwa uji ADF, PP dan KPSS elah sasioner pada differencing kedua. Kesasioneran daa juga dapa diliha dari plo ACF dan PAC differencing kedua pada Gambar 3: Gambar 3 Plo ACF dan PACF Daa Nilai Tukar Peani Differencing Kedua Plo pada Gambar 3 menunjukkan bahwa daa elah sasioner, karena elah menurun drasis dan memoong pada lag erenu. Pola pasangan ACF dan PACF pada Gambar 3 menunjukkan bahwa model sederhana yaiu ARIMA(,,) dan ARIMA(,,). 3. Esimasi Parameer Model Seelah model semenara didapakan, langkah selanjunya yaiu meng esimasi parameer dalam model. Esimasi dilakukan dengan menggunakan banuan sofware Miniab.. Model ARIMA(,,) Dibawah ini akan disajikan abel esimasi parameer oupu dari sofware Miniab unuk model ARIMA(,,) yaiu: Tabel Esimasi Parameer Model ARIMA(,,) 49
8 Jurnal Sains Maemaika dan Saisika, Vol. 4, No., Januari 8 ISSN prin/issn online Variabel Koefisien P-value Konsana,983,557 MA(),9776, Tabel menunjukkan hasil esimasi parameer pada model ARIMA(,,). Selanjunya dilakukan uji signifikasi parameer dalam model yaiu dengan menggunakan nilai P-value. a. Uji signifikasi konsana yaiu =,983 Hipoesis yaiu H : Konsana idak signifikan dalam model lawan H : Konsana signifikan dalam model. Berdasarkan Tabel dapa diliha bahwa konsana mempunyai nilai P-value sebesar,557 dibandingkan dengan α, maka P-value> α yaiu,557 >,5. Sehingga dapa disimpulkan menerima H, yang berari konsana idak signifikan dalam model. b. Uji signifikasi parameer MA() yaiu =,9776 Hipoesis yaiu H : Konsana idak signifikan dalam model lawan H : Konsana signifikan dalam model. Berdasarkan Tabel dapa diliha bahwa konsana mempunyai nilai P-value sebesar. dibandingkan dengan α, maka P-value< α yaiu, <,5. Sehingga dapa disimpulkan olak H, yang berari konsana signifikan dalam model. Berdasarkan hasil yang diperoleh pada ahap esimasi parameer maka parameer hasil esimasi yang signifikan dalam model dirumuskan kembali menjadi: Y Y Y, 9776e e 3.3 Verifikasi Model. Model ARIMA(,,) a. Uji Independensi Residual Uji ini dilakukan unuk mendeeksi independensi residual anar lag. Model layak digunakan jika residual idak berkorelasi (independen) dan mengikui proses random. Uji independensi residual dilakukan dengan meliha pasangan ACF dan PACF residual yang dihasilkan model. Grafik ACF dan PACF residual model ARIMA(,,) erliha pada Gambar 4 dibawah ini yaiu: Gambar 4 Plo ACF dan PACF Residual Model ARIMA(,,) Gambar ACF dan PACF pada Gambar 4 menunjukkan bahwa idak erdapa lag yang memoong garis baas aas dan garis baas bawah nilai korelasi residual, sehingga dapa disimpulkan bahwa residual yang dihasilkan model idak berkorelasi (independen). 5
9 Jurnal Sains Maemaika dan Saisika, Vol. 4, No., Januari 8 ISSN prin/issn online Kerandoman residual juga dapa dikeahui dengan membandingkan nilai P-value pada oupu proses Ljung Box Pierce dengan selang kepercayaan yang digunakan yaiu,5. Adapun hipoesis dalam uji ini adalah: H : Residual model mengikui proses random lawan H : Residual model idak mengikui proses random. Krieria penerimaan H yaiu jika P-value>,5. Beriku merupakan oupu proses Ljung Box Pierce model ARIMA(,,): Tabel 3 Oupu Proses Ljung Box Pierce Lag P-value,5,5,4,77 Nilai P-value seiap lag pada oupu Ljung Box Pierce pada Tabel 3 menunjukkan nilai yang lebih besar dari pada level oleransi,5, maka dapa diarik kesimpulan unuk menerima H yang berari residual model mengikui proses random. b. Uji Kenormalan Residual Kenormalan residual dapa diliha pada hisogram residual yang dihasilkan model. Dibawah ini akan disajikan hisogram residualoupu dari sofware Miniab unuk model ARIMA(,,) pada Gambar 5: Gambar 5 Hisogram Residual yang Dihasilakan Model ARIMA(,,) Gambar 5 menunjukkan hisogram residual yang dihasilkan model elah mengikui pola kurva normal, sehingga asumsi kenormalan erpenuhi. Berdasarkan uji yang dilakukan pada verifikasi model, diperoleh model semenara ARIMA(,,) layak digunakan unuk ahap peramalan. Sedangkan dari oupu proses Ljung Box model ARIMA(,,) lebih layak digunakan, karena p- value dari semua lag-lagnya menunjukkan nilai yang lebih besar dari araf signifikansi, Peramalan Seelah model yang layak diperoleh, selanjunya menggunakan model unuk peramalan daa raining, dalam penerapan model ini hanya akan dilakukan peramalan unuk daa raining saja, karena residual dari daa raining yang diperoleh akan diuji homocedasiciyresidual, peramalan dengan menggunakan model ARIMA(,,) adalah sebagai beriku: Y Y Y e e 4 Y4 Y4 e4 (,9776 ) e4 Y =7,9694 Y Y Y e (,9776 e =5, ) 63 5
10 Jurnal Sains Maemaika dan Saisika, Vol. 4, No., Januari 8 ISSN prin/issn online Tahap. Uji ARCH-LM Uji ARCH-LM adalah suau uji yang digunakan unuk mendeeksi apakah erdapar aau idak unsur heeroscedasiciy pada suau daa. Pendeeksian daa menggunakan uji ARCH-LM didasarkan pada residual model yang elah kia peroleh pada model ARIMA(,,). Tabel 4 Hasil Nilai Uji ARCH-LM Tes ARCH P-value Saisik F,9375, 4,6368,86 Tabel 4 menunjukkan hasil es ARCH-LM erhadap model ARIMA(,,). Nilai p-value dari uji saisik-f dan uji bernilai lebih kecil dari yaiu, <,5 dan,86 <,5, maka dapa disimpulkan olak H aau varians residual idak konsan (erdapa unsur ARCH). Tahap 3. Pembenukan Model Menggunakan ARCH/GARCH Pembenukan model ARCH/GARCH erdiri dari 4 langkah, yaiu idenifikasi model, parameer model, verifikasi model dan peramalan menggunakan model ARCH/GARCH unuk waku yang akan daang. 3.5 Idenifikasi Model ARCH/GARCH Idenifikasi model ARCH/GARCH adalah menenukan model yang sesuai berdasarkan daa yang elah di uji heeroscedasiciy. Pemeriksaaan erhadap residual dengan menggunakan uji ARCH-LM juga dapa menenukan model yang akan digunakan. Jika pemeriksaan residual dilakukan dari lag sampai masih erdapa unsur ARCH aau masih mengandung unsur heeroscedasiciy, maka model ARCH lebih cocok digunakan unuk peramalan, eapi jika pemeriksaan residual dilakukan hingga lebih dari lag masih mengandung unsur ARCH, maka model GARCH lebih cocok digunakan unuk peramaln. Seelah dilakukan pengujian menggunakan sofware Eviews menunjukkan hasil yang idak signifikan lagi pada lag maka model yang epa unuk peramalan daa NTP adalah model ARCH. secara maemais Model unuk ARCH() adalah sebagi beriku: a a e 3.5. Esimasi Parameer Seelah idenifikasi model dilakukan selanjunya yaiu esimasi parameer dari model ARCH(), beriku merupakan oupu dari nilai koefisien ARCH(): Tabel 5 Hasil Esimasi Parameer Model ARCH() Variabel Keofisien P-value Konsana,433, a,76536,6 Berdasarkan Tabel 5 konsana mempunyai nilai P-value sebesar,, dengan araf signifikansi,5 berari P-value< yaiu, <,5. Sehingga dapa disimpulkan unuk menolak H, yang berari konsana signifikan dalam model. a. Uji signifikansi parameer yaiu a =,76536 Hipoesis yaiu H : Konsana idak signifikan dalam model lawan H : Konsana signifikan dalam model. Berdasarkan abel 7 parameer mempunyai nilai p-value sebesar,6, dengan araf signifikansi,5 berari P-value< yaiu,6 <,5. Sehingga dapa disimpulkan unuk menolak H, yang berari konsana signifikan dalam model. Sehingga model diperoleh adalah: 5
11 Jurnal Sains Maemaika dan Saisika, Vol. 4, No., Januari 8 ISSN prin/issn online =,433 +,76536 e 3.5. Verifikasi Model Model ARCH() ini kembali dilakukan uji ARCH-LM unuk meliha apakah masih erdapa unsur heeroscedasiciy aau idak dalam model, dengan hipoesis: H : Varians residual konsan (idak erdapa unsur Heeroscedasiciy) H : Varians residual idak konsan (erdapa unsur Heeroscedasiciy) Membandingkan nilai P-value dengan nilai, jika nilai P-value< maka olak H dan sebaliknya jika nilai P-value< maka erima H. Model yang erpilih yaiu ARCH() diuji unuk meliha apakah masih erdapa efek heeroscedasiciy di dalamnya. Beriku merupakan oupu dari uji ARCH-LM pada model ARCH(), yaiu: Tabel 6 Uji ARCH-LM pada Model ARCH() Tes ARCH-LM P-value Uji Saisik-F,83845,377 Uji Chi-Square,8358,36 Tabel 6 menunjukkan hasil es ARCH-LM erhadap model ARCH(). Nilai P-value dari uji saisik-f dan uji chi-square bernilai lebih besar dari =,5 yaiu,377 >,5 dan,36 >,5, maka dapa disimpulkan erima H aau varians residual konsan (idak erdapa unsur heeroscedasiciy). Hasil uji ini menyaakan sudah idak erdapa lagi unsur heeroscedasiciy pada model yang berari model ARCH() layak digunakan unuk peramalan Peramalan Seelah model dinyaakan lulus ahap verifikasi, maka model dapa digunakan unuk peramalan. Selanjunya model ARIMA(,,) digunakan unuk peramalan, yang dibedakan unuk residual raining, residual esing dan peramalan. Residual raining yaiu residual yang digunakan unuk membenuk model peramalan dari model ARCH() menunjukkan pola peramalan mengikui pola residual akual. Residual esing digunakan unuk meliha keakuraan hasil peramalan anpa menggunakan residual akual. Langkah erakhir yang dilakukan adalah meramalkan residual NTP unuk 5 bulan yang akan daang yaiu April 7 sampai dengan Agusus 7. Unuk hasil peramalan daa akan disajikan dalam Tabel beriku: Tabel 7 Daa Hasil Peramalan Nilai Tukar Peani (NTP) No Bulan Ramalan April 7 4,95 Mei 7 4,588 3 Juni 7 4,5 4 Juli 7 3,73 5 Agusus 7 3,3433 Tabel 7 menunjukkan hasil peramalan dari daa Nilai Tukar Peani (NTP) 5 bulan yang akan daang. Dari hasil peramalan 5 bulan yang akan daang Nilai Tukar Peani (NTP) mengalami penurunan yang idak signifikan di bulan berikunya. Tahap 3. Menenukan keepaan Model Nilai MAPE digunakan unuk menenukan keepaan peramalan model dengan daa aau dengan kaa lain berapa persen raaan error yang erjadi pada model yang diperoleh unuk melakukan peramalan. Nilai MAPE dienukan menggunakan Persamaan.5. Nilai MAPE unuk model ARCH() pada daa Nilai Tukar Peani (NTP) adalah sebesar 3, Hal ini berari sebesar 3,64% raan error yang erjadi unuk daa Nilai Tukar Peani (NTP) yang dihasilkan model ARCH(). 53
12 Jurnal Sains Maemaika dan Saisika, Vol. 4, No., Januari 8 ISSN prin/issn online Kesimpulan Berdasarkan pembahasan pada Bab IV yaiu analisa dan ahap-ahap pembenukan model peramalan, maka dapa disimpulkan model yang sesuai berdasarkan pola ACF dan PACF dari residual kuadra yang dihasilkan model Box-Jenkins unuk daa Nilai Tukar Peani (NTP) melalui ahap-ahap adalah ARCH(). Model ARCH() ini menghasilkan MAPE 3,64%, yang berari besar persenase kuadra kesalahn pada model ARCH() unuk daa NTP adalah,364. DafarPusaka [] Ariefiano, Moch. Doddy. Ekonomerika Esensi dan Aplikasi dengan Menggunakan EViews. Erlangga, Jakara.. [] BPS. Nilai Tukar Peani. Indonesia. hps:// Desember 7. [3] Desvina, Ari Pani. Analisis Time Series Pariculae Maer (PM). Lembaga Peneliian dan Pengabdian kepada Masyaraka UIN SUSKA, Pekanbaru. 4. [4] Karika, Andi. Volailias Harga Saham di Indonesia dan Malaysia. Fakulas Ekonomi Universias STIKUBANK, Semarang.. [5] Rosadi, Dedi. Ekonomerika dan Analisis Runun Waku Terapan dengan EView. ANDI, Yogyakara.. [6] Rusdi. Uji Akar-Akar Uni dalam Model Runun Waku Auoregresif. STAIN Sjech M.Djamil, Buki Tinggi.. [7] Makridakis, Spyros, dkk. Meode dan Aplikasi dan Peramalan. Binarupa Aksara, Jakara Bara [8] Nachrowi, Djalal Nachrowi. Ekonomerika. Lembaga Penerbi Fakulas Ekonomi Universias Indonesia, Jakara. 6. [9] Sanoso, Teguh. Aplikasi Model GARCH pada Daa Inflasi Bahan Makanan Indonesia. Jurnal Magiser Sian Ilmu Ekonomi. UGM, Yogyakara.. [] Sembiring, R. K. Analisis Regresi, Edisi Kedua. ITB, Bandung. 3. [] Widarjono, Agus. Aplikasi Model Arch Kasus Tingka Inflasi di Indonesia. Jurnal Ekonomi Pembangunan.. [] Windasari, Lulik Presdia, dan Nuri Wahyuningsih. Aplikasi Model ARCH-GARCH dalam Peramalan Tingka Inflasi. Jurnal Sains dan Seni POMITS ITS, Surabaya.. 54
PERAMALAN 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 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 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 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 terperinciPENERAPAN METODE BOX-JENKINS UNTUK MEMPREDIKSI JUMLAH MAHASISWA UNIVERSITAS ISLAM NEGERI SUSKA RIAU
Jurnal Sains, Teknologi dan Indusri, Vol., No., Desember 4, pp. 8 89 ISSN 693-39 prin/issn 47-939 online PENERAPAN METODE BOX-JENKINS UNTUK MEMPREDIKSI JUMLAH MAHASISWA UNIVERSITAS ISLAM NEGERI SUSKA RIAU
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 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 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 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 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 terperinciPENDEKATAN PERAMALAN TINGKAT KONSUMSI MINYAK DI INDONESIA DENGAN MENGGUNAKAN METODE BOX-JENKINS
PENDEKATAN PERAMALAN TINGKAT KONSUMSI MINYAK DI INDONESIA DENGAN MENGGUNAKAN METODE BOX-JENKINS Ari Pani Desvina, Abdur Rahman Siddiq Jurusan Maemaika Fakulas Sains dan Teknologi UIN Suska Riau E-mail:
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. 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 III METODE PENELITIAN
3. METODE PENELITIAN 3.1. Kerangka Pikir BAB III METODE PENELITIAN Peneliian ini diujukan unuk membukikan adanya hubungan dan pengaruh dari nilai ukar Rupiah erhadap Dollar Amerika Serika (exchange rae),
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 terperinci(T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES
PROSIDING ISSN : 087-590. Seminar Nasional Saisika November 0 Vol, November 0 (T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES Yahya Ubaid ), Budi Nurani R. ), Mulyana K. 3) )Mahasiswa Program
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 terperinciPERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN (STUDI KASUS KOTA SALATIGA, BULAN JANUARI 2014 JULI 2016)
Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: 978-602-622-20-9 hal 935-950 November 206 hp://jurnal.fkip.uns.ac.id PERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN
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 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 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 terperinciMODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR
MODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR S - 27 Rukini, Suharono2 2,2 Jurusan Saisika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Teknologi Sepuluh Nopember (ITS) Surabaya
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 terperinciPERAMALAN JUMLAH PENDERITA TUMOR JINAK (NEOPLASMA) DI RSUD ARIFIN ACHMAD PEKANBARU DENGAN MENGGUNAKAN MODEL ARIMA(0,1,1) TUGAS AKHIR.
PERAMALAN JUMLAH PENDERITA TUMOR JINAK (NEOPLASMA) DI RSUD ARIFIN ACHMAD PEKANBARU DENGAN MENGGUNAKAN MODEL ARIMA(,1,1) TUGAS AKHIR Diajukan Sebagai Salah Sau Syara Unuk Memperoleh Gelar Sarjana Sains
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 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 terperinciPenerapan Metode ARCH/GARCH Dalam Peramalan Indeks Harga Saham Sektoral
Jurnal Sains Matematika dan Statistika, Vol 2, No I, Januari 206 Penerapan Metode ARCH/GARCH Dalam Peramalan Indeks Harga Saham Sektoral Ari Pani Desvina, Nadyatul Rahmah 2,2 Jurusan Matematika Fakultas
Lebih 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 terperinciANALISIS PERAMALAN BEBAN LISTRIK JANGKA PENDEK WILAYAH SUMBAR RIAU DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE (AR)
Vol. 9. No. 1, 011 ANALISIS PERAMALAN BEBAN LISTRIK JANGKA PENDEK WILAYAH SUMBAR RIAU DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE (AR) Zulfari Aini Jurusan Teknik Elekro, Fakulas Sains dan Teknologi UIN Suska
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 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 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 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 terperinciPemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network
D-378 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (26) 2337-3520 (23-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi pada Plaform MK di PT X Menggunakan Meode ARIMA, Neural Nework, dan Hibrida ARIMA-Neural
Lebih terperinciPERAMALAN PENCEMARAN UDARA OLEH SULFUR DIOKSIDA (SO 2 ) DI PEKANBARU DENGAN MODEL AR(3)
PERAMALAN PENCEMARAN UDARA OLEH SULFUR DIOKSIDA (SO 2 ) DI PEKANBARU DENGAN MODEL AR(3) Ari Pani Desvina Jurusan Maemaika Fakulas Sains dan Teknologi UIN Suska Riau aripanidesvina@gmail.com ABSTRAK Meode
Lebih terperinciBAB 2 LANDASAN TEORI
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
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 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 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 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 terperinciPERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO
PERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO SKRIPSI Disusun Oleh : SITI LIS INA ATUL HIDAYAH 24010211120006 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
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 terperinciPemodelan Volatilitas Saham Menggunakan Jaringan Syaraf Tiruan dan Algoritma Genetika
Pemodelan Volailias Saham Menggunakan Jaringan Syaraf Tiruan dan Algorima Geneika Hasbi Yasin 1 1 Jurusan Saisika Undip, hasbiyasin@undip.ac.id Absrak. Flukuasi yang besar dan idak pasi dalam peramalan
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 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 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 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 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 III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hipoesis Peneliian Seperi yang sudah dijelaskan pada bab-bab sebelumnya, peneliian ini mencoba menemukan anomali DOTW pada volailias dan volume saham dengan menggunakan
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 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 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 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 KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR
TUGAS AKHIR SS 145561 PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR SARIRAZTY DWIJANTARI NRP 1314 030 010 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si., M.Si DEPARTEMEN
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 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 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 terperinciPERAMALAN NILAI EKSPOR NON MIGAS SEKTOR PERINDUSTRIAN DI JAWA TIMUR DENGAN MENGGUNAKAN ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN NILAI EKSPOR NON MIGAS SEKTOR PERINDUSTRIAN DI JAWA TIMUR DENGAN MENGGUNAKAN ARIMA BOX-JENKINS Mohammad Fariq NRP 1314 030 015 Dosen Pembimbing Dra. Sri Mumpuni Renaningsih,
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 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 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 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 PENJUALAN KORAN HARIAN BERLANGGANAN DI PT. JAWA POS DENGAN MENGGUNAKAN ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN JUMLAH PENJUALAN KORAN HARIAN BERLANGGANAN DI PT. JAWA POS DENGAN MENGGUNAKAN ARIMA BOX-JENKINS TRI EMIRA RISMAYANTI NRP 1314 030 070 Dosen Pembimbing Dr. Brodjol Suijo
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.. Hasil Peneliian 4... Daa Hasil Peneliian Dari hasil peneliian diperoleh daa kemampuan dribble. hasilnya sebagai mana pada abel I (dilampirkan) 4... Deskripsi
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 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 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 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 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 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 terperinci