Peramalan Volume Distribusi Air di PDAM Kabupaten Bojonegoro dengan Metode ARIMA Box- Jenkins
|
|
- Budi Susanto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Peramalan Volume Distribusi Air di PDAM Kabupaten Bojonegoro dengan Metode ARIMA Box- Jenkins Fastha Aulia P / Pembimbing: Ir.Dwiatmono Agus M.Ikomp
2 Latar Belakang Air sebagai sumber kehidupan Setiap tahun, terjadi pertambahan jumlah penduduk aktivitas kebutuhan air bersih Bojonegoro memiliki jumlah penduduk yang cukup besar Peramalan mengenai volume distribusi air, agar kebutuhan air tercukupi PDAM diharapkan mampu untuk memenuhi kebutuhan air bersih masyarakat Bojonegoro Pada tahun 1982 didirikan PDAM Bojonegoro
3 Rumusan masalah, Tujuan, dan Manfaat Rum Tuj Man Model yang paling tepat untuk meramalkan? Hasil peramalan vol. pendistribusian air? Menentukan model yang sesuai untuk meramalkan Meramalkan vol.pendistribusian air bersih Memberikan informasi kepada pihak PDAM Bojonegoro Menambah pengetahuan penerapan metode peramalan
4 Batasan Masalah
5 Tinjauan Pustaka
6 Tinjauan Pustaka
7 Tinjauan Pustaka Kestationeran Data Time Series Deret waktu yang stationer relatif tidak terjadi kenaikan atau pun penurunan nilai secara tajam pada data atau fluktuasi data berada pada sekitar nilai rata-rata yang konstan (Aswi&Sukarna, 2006) Kondisi stationer : rata-rata dan variansi Jika time series plot berfluktuasi di sekitar garis yang sejajar sumbu waktu (t), maka dikatakan deret stationer dalam rata-rata Bila kondisi stationer dalam rata-rata tidak dipenuhi diperlukan metode differencing Jika data tidak stationer dalam varian dapat dilakukan transformasi pada data, pada umumnya dapat memakai power transformation, dapat dihitung dengan T(Z t ) =
8 Tinjauan Pustaka Autocorrelation Function (ACF) Nilai korelasi antara deret waktu dengan deret waktu itu sendiri dengan selisih waktu (lag) 0,1,2 periode atau lebih (korelasi antara Z t dengan Z t+k ) (Wei, 2006)
9 Tinjauan Pustaka Partial Autocorrelation Function (PACF) digunakan untuk mengetahui korelasi antara Z t dengan Z t+k, apabila pengaruh dari lag waktu 1,2,3,...,k-1 dianggap terpisah (Wei, 2006) untuk j= 1,2,3,...,k
10 Tinjauan Pustaka Identifikasi Model ARIMA Proses ACF PACF AR (p) Turun cepat secara Cuts off setelah eksponensial lag p MA (q) ARIMA (p,q) Cuts off setelah lag q Turun cepat setelah lag (q-p) Turun cepat secara eksponensial Turun cepat setelah lag (p-q) Sumber: Wei, 2006
11 Tinjauan Pustaka Uji Signifikansi Parameter Misalkan Ø adalah parameter pada ARIMA Box-Jenkins dan adalah nilai taksirannya. Hipotesis dari uji signifikansi parameter adalah sebagai berikut.. Ho: Ø = 0 H 1 : Ø 0 Statistik Uji : t = Daerah penolakan : tolak Ho jika dimana df adalah jumlah data dikurangi parameter
12 Tinjauan Pustaka Uji White Noise Uji yang digunakan untuk asumsi white noise adalah uji Ljung_Box (Wei, 2006) Hipotesis: Ho : ρ 1 = ρ 2 =... = ρ k = 0 H 1 : ρ i 0, i = 1,2,3,...k Statistik Uji Daerah kritis : Tolak Ho jika Q* > χ 2 α; df k-p-q dimana p dan q adalah orde ARIMA (p,q)
13 Tinjauan Pustaka Uji Kenormalan Residual Data Uji asumsi kenormalan residual yang digunakan adalah dengan menggunakan uji Kolmogorof-Smirnov (Daniel, 1989). H 0 : F(x) = F 0 (x) (residual berdistribusi normal) H 1 : F(x) F 0 (x) (residual tidak berdistribusi normal) Statistik Uji dimana: S (X) = fungsi peluang kumulatif yang dihitung dari data sampel F 0(X) = fungsi peluang kumulatif distribusi normal atau fungsi distribusi yang dihipotesiskan F (X) = nilai supremum semua x dari Daerah kritis: Tolak Ho apabila D > D 1-α, n dengan n adalah ukuran sampel dan D (1-α, n) adalah tabel D untuk uji Kolmogorof-Smirnov.
14 Tinjauan Pustaka Model Peramalan Persamaan untuk model ARIMA: Fungi orde (p) untuk operator dari AR: Fungi orde (q) untuk operator dari AR Kriteria Pemilihan Model Terbaik MSE=
15 Tinjauan Pustaka
16 Tinjauan Pustaka
17 Tinjauan Pustaka
18 Tinjauan Pustaka Jenis-jenis Kapasitas Pompa Pompa 5 liter/detik digunakan saat malam hari ( WIB) Pompa 10 liter/detik digunakan saat bulan ramadhan pada malam hari Pompa 20 liter/detik digunakan saat jam puncak pemakaian air ( WIB) Pompa 15 liter/detik rata-rata yang dipakai untuk daerah Padangan Sehingga volume air yang didistribusikan dapat dihitung dengan cara sbb: Kapasitas pompa x Jam operasi pompa
19 Sumber Data & Variabel Penelitian Data yang digunakan adalah data sekunder mengenai volume air yang didistribusikan ke pelanggan dalam bentuk data bulanan yang diperoleh dari PDAM Kabupaten Bojonegoro dari tahun berjumlah 60 data Variabel yang dipakai adalah volume pendistribusian air bersih serta nilai-nilai pengamatan pada k waktu sebelumnya
20 Metode Analisis Data 1. Membagi data time series menjadi data in sample dan out sample 2. Membuat time series plot, pada data in sample 3. Dari time series plot, jika terindikasi bahwa data tidak stationer terhadap varians dan mean, maka dilakukan transformasi box-cox jika tidak stationer terhadap varians, dan differencing, jika tidak stationer terhadap mean 4. Pembuatan plot ACF dan PACF 5. Identifikasi dan pendugaan model sementara berdasarkan plot ACF dan PACF 6. Uji asumsi, signifikansi parameter dan pemeriksaan diagnostik residual pada model sementara 7. Pemilihan model terbaik berdasarkan kriteria MSE in sample dan out sample 8. Melakukan peramalan dengan model terpilih, peramalan dilakukan dengan melibatkan seluruh data 9. Penarikan kesimpulan berdasarkan hasil peramalan
21 Model ARIMA Box-Jenkins untuk Data Distribusi Air di BNA Bojonegoro & Kapas Time Series Plot -Tidak ada pola musiman -Tidak ada pola trend -Stationer terhadap varians -Belum stationer terhadap mean Bojonegoro&Kapas Time Series Plot of Bojonegoro&Kapas Index 45 50
22 Model ARIMA Box-Jenkins untuk Data Distribusi Air di BNA Bojonegoro & Kapas Box-Cox Plot - Nilai rounded value =3 - Selang interval diduga sudah melewati 1 - Sudah stationer terhadap varians StDev Box-Cox Plot of Bojonegoro&Kapas Lower CL -5,0-2,5 0,0 2,5 5,0 Lambda Limit Lambda (using 95,0% confidence) Estimate 2,97 Lower CL -2,55 Upper CL * Rounded Value 3,00
23 Model ARIMA Box-Jenkins untuk Data Distribusi Air di BNA Bojonegoro & Kapas Autocorrelation Function for Bojonegoro&Kapas (with 5% significance limits for the autocorrelations) Plot ACF - Plot-plotnya turun cepat - Sudah stationer terhadap mean Autocorrelation 1,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0,6-0,8-1, Lag
24 Model ARIMA Box-Jenkins untuk Data Distribusi Air di BNA Bojonegoro & Kapas Plot ACF dan PACF 1,0 Autocorrelation Function for Bojonegoro&Kapas (with 5% significance limits for the autocorrelations) - Cuts off pada lag 1 dan 2 0,8 0,6 Autocorrelation 0,4 0,2 0,0-0,2-0,4 - Cuts off pada lag 1-0,6-0,8-1, Lag ,0 Partial Autocorrelation Function for Bojonegoro&Kapas (with 5% significance limits for the partial autocorrelations) 0,8 Dugaan Model: ARIMA (1,0,0) dan ARIMA (0,0,2) Partial Autocorrelation 0,6 0,4 0,2 0,0-0,2-0,4-0,6-0,8-1, Lag
25 Model ARIMA Box-Jenkins untuk Data Distribusi Air di BNA Bojonegoro & Kapas Uji Signifikansi Parameter H 0 : Ø = 0 H 1 : Ø 0 Model Diduga ARIMA (1,0,0) yang Parameter Estimasi P_Value Keterangan MU AR1, ,9 0, ,0001 0,0001 Signifikan ARIMA (0,0,2) MU MA1,1 MA1, , , ,0001 0,0001 0,0301 Signifikan Parameter dari kedua model yang diduga sudah signifikan
26 Model ARIMA Box-Jenkins untuk Data Distribusi Air di BNA Bojonegoro & Kapas Uji Asumsi White Noise Model Diduga yang ARIMA (1,0,0) ARIMA (0,0,2) Lag P_Value Kete rang an 0,9804 0,5332 0,8453 0,6155 0,5275 0,1719 0,5211 0,2386 White Noise White Noise Ho : ρ 1 = ρ 2 =... = ρ 54 = 0 H 1 : ρ k 0, k = 1,2,3,...K Kedua model telah memenuhi asumsi white noise
27 Model ARIMA Box-Jenkins untuk Data Distribusi Air di BNA Bojonegoro & Kapas Uji Asumsi Kenormalan Residual H 0 : F(x) = F 0 (x) (residual berdistribusi normal) H 1 : F(x) F 0 (x) (residual tidak berdistribusi normal) Model yang Diduga ARIMA (1,0,0) ARIMA (0,0,2) P_Value Keterangan 0,15 Berdistribusi Normal 0,15 Berdistribusi Normal Kedua model telah memenuhi asumsi kenormalan
28 Model ARIMA Box-Jenkins untuk Data Distribusi Air di BNA Bojonegoro & Kapas Perbandingan Nilai MSE Model ARIMA (1,0,0) ARIMA (0,0,2) MSE In Sample Out Sample 1,3306x ,3858x Model terpilih adalah ARIMA (1,0,0)
29 Model ARIMA Box-Jenkins untuk Data Distribusi Air di BNA Bojonegoro & Kapas Model ARIMA (1,0,0) Model tersebut dapat diartikan bahwa volume distribusi air di BNA Bojonegoro & Kapas tiap bulannya dipengaruhi oleh data pada 1 bulan sebelumnya. Model ini akan menjadi acuan untuk meramalkan volume distribusi air di BNA Bojonegoron & Kapas pada beberapa periode ke depan (periode Januari-Juni 2012)
30 Model ARIMA Box-Jenkins untuk Data Distribusi Air di IKK Kalitidu Time Series Plot - Tidak ada pola musiman - Tidak ada pola trend - Sudah stationer terhadap varians - Belum stationer terhadap mean kalitidu Time Series Plot of kalitidu Index
31 Model ARIMA Box-Jenkins untuk Data Distribusi Air di IKK Kalitidu Box-Cox Plot Box-Cox Plot of kalitidu 1100 Lower CL Upper CL Lambda - Selang interval sudah melewati 1 - Sudah stationer terhadap varians StDev Limit (using 95,0% confidence) Estimate 0,17 Lower CL -1,55 Upper CL 2,20 Rounded Value 0,00-5,0-2,5 0,0 Lambda 2,5 5,0
32 Model ARIMA Box-Jenkins untuk Data Distribusi Air di IKK Kalitidu Plot ACF - Plot-plotnya turun cepat - Sudah stationer terhadap mean Autocorrelation 1,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4 Autocorrelation Function for kalitidu (with 5% significance limits for the autocorrelations) -0,6-0,8-1, Lag
33 Model ARIMA Box-Jenkins untuk Data Distribusi Air di IKK Kalitidu Plot ACF dan PACF Autocorrelation Function for kalitidu (with 5% significance limits for the autocorrelations) - Cuts off pada lag 1 1,0 0,8 Autocorrelation 0,6 0,4 0,2 0,0-0,2-0,4 - Cuts off pada lag 1-0,6-0,8-1, Lag ,0 Partial Autocorrelation Function for kalitidu (with 5% significance limits for the partial autocorrelations) 0,8 Dugaan Model: ARIMA (1,0,0) dan ARIMA (0,0,1) Partial Autocorrelation 0,6 0,4 0,2 0,0-0,2-0,4-0,6-0,8-1, Lag
34 Model ARIMA Box-Jenkins untuk Data Distribusi Air di IKK Kalitidu Uji Signifikansi Parameter H 0 : Ø = 0 H 1 : Ø 0 Model yang Diduga ARIMA (1,0,0) ARIMA (0,0,1) Parameter Estimasi P_Value Keterangan MU AR1,1 MU MA1, , ,6-0, ,0001 0,0098 Signifikan 0,0001 0,0236 Signifikan Parameter dari kedua model yang diduga sudah signifikan
35 Model ARIMA Box-Jenkins untuk Data Distribusi Air di IKK Kalitidu Uji Asumsi White Noise Model Diduga yang Lag ARIMA (1,0,0) ARIMA (0,0,1) P_Value Keteran gan 0,7908 0,8572 0,8462 0,6702 0,5946 0,7530 0,7038 0,4925 White Noise White Noise Ho : ρ 1 = ρ 2 =... = ρ 54 = 0 H 1 : ρ k 0, k = 1,2,3,...K Kedua model telah memenuhi asumsi white noise
36 Model ARIMA Box-Jenkins untuk Data Distribusi Air di IKK Kalitidu Uji Asumsi Kenormalan Residual H 0 : F(x) = F 0 (x) (residual berdistribusi normal) H 1 : F(x) F 0 (x) (residual tidak berdistribusi normal) Model yang Diduga ARIMA (1,0,0) ARIMA (0,0,2) P_Value Keterangan 0,15 Berdistribusi Normal 0,15 Berdistribusi Normal Kedua model telah memenuhi asumsi kenormalan
37 Model ARIMA Box-Jenkins untuk Data Distribusi Air di IKK Kalitidu Perbandingan Nilai MSE Model ARIMA (1,0,0) ARIMA (0,0,1) MSE In Sample Out Sample , ,6 Model terpilih adalah ARIMA (1,0,0)
38 Model ARIMA Box-Jenkins untuk Data Distribusi Air di IKK Kalitidu Model ARIMA (1,0,0) Model tersebut dapat diartikan bahwa volume distribusi air di IKK Kalitidu tiap bulannya dipengaruhi oleh data pada 1 bulan sebelumnya. Model ini akan menjadi acuan untuk meramalkan volume distribusi air di BNA Bojonegoron & Kapas pada beberapa periode ke depan (periode Januari-Juni 2012)
39 Peramalan Volume Pendistribusian Air di BNA Bojonegoro & Kapas Periode Forecast Jan Feb Mar Apr Mei Jun Volume pendistribusian air tertinggi terletak pada bulan Januari 2012 Rata-rata volume air yang didistribusikan setiap harinya sebesar 9386 m 3
40 Peramalan Volume Pendistribusian Air di IKK Kalitidu Periode Forecast Jan ,1226 Feb ,7032 Mar ,9850 Apr ,2163 Mei ,8740 Jun ,3055 Volume pendistribusian air tertinggi terletak pada bulan Januari 2012 Rata-rata volume air yang didistribusikan setiap harinya sebesar 305,101m 3
41 Kesimpulan & Saran Kesimpulan Model ARIMA terbaik yang digunakan untuk meramalkan volume pendistribusian air bersih di BNA Bojonegoro & Kapas adalah Model ARIMA terbaik yang digunakan untuk meramalkan volume pendistribusian air bersih di IKK Kalitidu adalah
42 Kesimpulan & Saran Kesimpulan Hasil peramalan volume pendistribusian air bersih di BNA Bojonegoro & Kapas pada periode Januari-Juni 2012 adalah Periode Forecast Jan Feb Mar Apr Mei Jun
43 Kesimpulan & Saran Kesimpulan Hasil peramalan volume pendistribusian air bersih di IKK Kalitidu pada periode Januari-Juni 2012 adalah Periode Forecast Jan ,1226 Feb ,7032 Mar ,9850 Apr ,2163 Mei ,8740 Jun ,3055
44 Kesimpulan & Saran Saran Saran yang dapat disampaikan peneliti untuk PDAM Kabupaten Bojonegoro adalah sebisa mungkin menambah jumlah sumber air baku serta melakukan antisipasi terhadap hambatan-hambatan yang dapat mempengaruhi pendistribusian air bersih ke masyarakat, dikarenakan air merupakan sumber kehidupan dan salah satu kebutuhan primer masyarakat. Dan saran untuk penelitian berikutnya, dapat digunakan metode time series lainnya dalam menemukan model terbaik untuk meramalkan volume pendistribusian air bersih di Kabupaten Bojonegoro, selain itu untuk penelitian selanjutnya juga dapat dilakukan peramalan pada volume air produksi maupun air terjual di PDAM Kabupaten Bojonegoro.
45 Daftar Pustaka Anonim_ Kondisi Geografis Kabupaten Bojonegoro. Artikel yang diakses dari pada Minggu, 1 Januari 2012, pukul WIB. Anonim_ Latar Belakang Berdirinya PDAM Bojonegoro. Artikel yang diakses dari pada Minggu, 1 Januari 2012, pukul WIB. Anonim_ PDAM Target 1000 Pelanggan Baru. Artikel yang diakses dari pada Minggu, 1 Januari 2012, pukul WIB. Anonim_ Hulu Bengawan Solo Terancam Jika Tidak Turun Hujan, Sumber Air Nyaris Hilang. Artikel yang diakses dari pada Rabu, 25 Januari 2012, pukul WIB Aswi dan Sukarna, Analisis Deret Waktu. Makassar : Andira Publisher Damanhuri, Enri, 1989, Pendekatan Sistem Dalam Pengendalian dan Pengoperasian Sistem Jaringan Distribusi Air Minum, Bandung, Jurusan Teknik Lingkungan FTSP-ITB. Fahrudin, Nanang Banjir Bojonegoro 2 KA Batal Berangkat. Artikel yang diakses dari pada Rabu, 26 Januari 2012, pukul WIB Peavy, Howard.1985, Environmental Engineering, New Delhi, McGraw-Hill Publishing Company Ltd. Kanth Rao, Kamala, 1999, Environmental Engineering : Water Supply sanitary
46 Daftar Pustaka Engineering and Pollution, McGraw Hill publishing Company Ltd Kristanti, Martudji Empat Kabupaten Paling Rawan Banjir Jatim. Artikel yang diakses dari pada Rabu, 25 Januari 2012, pukul WIB. Keputusan Menteri Kesehatan Republik Indonesia Nomor 416/Menkes/PER/IX/1990 Syarat Syarat dan Pengawasan Kualitas Air Bersih Lubis, Rachmat Krisis Air di Kota. Artikel yang diakses dari pada Selasa 21 Februari 2012, pukul WIB. Makridakis, S., Wheelwright, S.C., and McGee, V.E.,1999. Jilid 1 Edisi Kedua, Terjemahan Ir. Hari Suminto. Metode dan Aplikasi Peramalan, Jakarta : Bina Rupa Aksara. Rahayu,Sukmawati. Tontowi Penelitian Kualitas Air Bengawan Solo Pada Musim Kemarau. Jurnal SDA. Jilid 5, Nomor 2. Santi Profil DAS Bengawan Solo. Departemen Pekerjaan Umum Direktorat Jenderal Sumber Daya Air. Surakarta. Soewarno Menentukan Koefisien Penguapan Panci-A Untuk Menghitung Evapotranspirasi Rujukan Di Pos Iklim Bojonegoro. Bojonegoro: Bul.Pusair Syahputra, Benny Faktor-Faktor Penyebab Terjadinya Degradasi Kualitas Air Pada Parameter Fe Dan Soluble Solid Yang Terjadi Di Tingkat Konsumenpdam Kabupaten Demak. Jurnal Majalah Ilmiah Sultan Agung Taufik, Fatkhurrohman Jawa Timur Siaga Satu Banjir. Artikel yang diakses dari pada Rabu, 25 Januari 2012, pukul WIB. Wei, W.W.S (2006). Time Series Analysis, Addison Wesley, CA, Redwood City.
Oleh : Dwi Listya Nurina Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si
Oleh : Dwi Listya Nurina 1311105022 Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si Air Bersih BUMN Penyediaan air bersih untuk masyarakat mempunyai peranan yang sangat penting dalam meningkatkan kesehatan
Lebih terperinciPERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)
PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) Oleh : Nofinda Lestari 1208 100 039 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciKAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q)
SIDANG TUGAS AKHIR KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) Disusun oleh : Ratna Evyka E.S.A NRP 1206.100.043 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
Lebih terperinciPeramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun
Peramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun NAMA : RITA RAHMADHANI NRP : 1306 030 008 PEMBIMBING: DR. BRODJOL SUTIJO
Lebih terperinciPemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input
Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input Oleh : Defi Rachmawati 1311 105 007 Dosen Pembimbing :
Lebih terperinciPERAMALAN INDEKS HARGA SAHAM MENGGUNAKAN METODE INTERVENSI. Oleh: IRLIZANTY YULYANTIKA RAHADI
PERAMALAN INDEKS HARGA SAHAM MENGGUNAKAN METODE INTERVENSI Oleh: IRLIZANTY YULYANTIKA RAHADI 6 4 Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes Abstrak Indeks harga saham merupakan suatu indikator yang
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
C BAB IV ANALISIS DAN PEMBAHASAN Penelitian ini mencoba meramalkan jumlah penumpang kereta api untuk masa yang akan datang berdasarkan data volume penumpang kereta api periode Januari 994-Februari 203
Lebih terperinciPERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS
PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS Oleh : Agustini Tripena ABSTRACT In this paper, forecasting the consumer price index data and inflation. The method
Lebih terperinciPERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA
Seminar Hasil Tugas Akhir Jurusan Statistika Institut Teknologi Sepuluh Nopember Surabaya 2013 LOGO PERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA
Lebih terperinciModel Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer
Model Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer OLEH : DWI LISTYA NURINI 1311 105 021 DOSEN PEMBIMBING : DR. BRODJOL SUTIJO SU, M.SI Bursa saham atau Pasar
Lebih terperinciOUTLINE. Pendahuluan. Tinjauan Pustaka. Metodologi Penelitian. Analisis dan Pembahasan. Kesimpulan dan Saran
OUTLINE Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran LATAR BELAKANG Listrik elemen terpenting dalam kehidupan manusia Penelitian Sebelumnya Masyarakat
Lebih terperinci99.9. Percent maka H 0 diterima, berarti residual normal
Uji residual white noise 2 Lag Q P value 6 3.5 9.49 0.5330 2 6.6 8.3 0.803 8 9.8 26.30 0.9059 24 9.3 33.92 0.6374 K p q Uji residual berdistribusi normal Percent 99.9 99 95 90 80 70 60 50 40 30 20 0 5
Lebih terperinciPerencanaan Pengendalian Persediaan Bahan Baku Pupuk NPK dengan Menggunakan Model Economic Order Quantity (Studi kasus: PT. Petrokimia Gresik)
JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (4) ISSN: 2337-39 (230-927 Print) A-3 Perencanaan Pengendalian Persediaan Bahan Baku Pupuk NPK dengan Menggunakan Model Economic Order Quantity (Studi kasus:
Lebih terperinciAnalisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan
SEMINAR PROPOSAL TUGAS AKHIR Analisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan OLEH: NAMA : MULAZIMATUS SYAFA AH NRP : 13.11.030.021 DOSEN PEmbimbing: Dr.
Lebih terperinciESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING
ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING Nama : Zahroh Atiqoh NRP : 1205 100 021 Dosen Pembimbing : 1. Dra. Nuri Wahyuningsih, MKes 2. Drs. Sulistiyo,
Lebih terperinciPERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010
Statistika, Vol., No., Mei PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI Reksa Nila Anityaloka, Atika Nurani Ambarwati Program Studi S Statistika Universitas Muhammadiyah
Lebih terperinciFORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA
FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA 1) Nurul Latifa Hadi 2) Artanti Indrasetianingsih 1) S1 Program Statistika, FMIPA, Universitas PGRI Adi Buana Surabaya 2)
Lebih terperinciPemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah
Vol. 9, No., 9-5, Januari 013 Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Fitriani, Erna Tri Herdiani, M. Saleh AF 1 Abstrak Dalam analisis deret waktu
Lebih terperinciAnalisis Peramalan Banyaknya Permintaan Darah di Surabaya Menggunakan Metode
Analisis Peramalan Banyaknya Permintaan Darah di Surabaya Menggunakan Metode ARIMA Box Jenkins Oleh : Winda Eka Febriana 1307 030 002 Pembimbing : Dra. Wiwiek Setya Winahju, MS Latar Belakang PMI Merupakan
Lebih terperinciPeramalan Harga Minyak Mentah Standar West Texas Intermediate dengan Pendekatan Metode ARIMA
Seminar Nasional Pendidikan, Sains dan Teknologi ISBN : 9786026159960 Peramalan Harga Minyak Mentah Standar West Texas Intermediate dengan Pendekatan Metode ARIMA Syahril Faozi 1), Wellie Sulistijanti
Lebih terperinciPENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus : KA Argo Muria)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 131-140 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN
Lebih terperinciMeytaliana F Dosen Pembimbing: Prof. Dr. Basuki Widodo, M.Sc. Dra. Nuri Wahyuningsih, M.Kes.
ESTIMASI PARAMETER AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) (STUDI KASUS PERAMALAN CURAH HUJAN DAS BRANGKAL MOJOKERTO) Meytaliana F. 1210100014
Lebih terperinciModel Penjualan Plywood PT. Linggarjati Mahardika Mulia
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami) Vol., No., Juli 7, Hal. 52-57 p-issn: 25-4596; e-issn: 25-4X Halaman 52 Model Penjualan Plywood PT. Linggarjati Mahardika Mulia
Lebih terperinciPemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer
TUGAS AKHIR Pemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer Oleh : Fani Felani Farid (1306 100 047) Pembimbing : Drs. Kresnayana Yahya M.Sc Latar Belakang
Lebih terperinciLULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI
LULIK PRESDITA W 1207 100 002 APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI 1 Pembimbing : Dra. Nuri Wahyuningsih, M.Kes BAB I PENDAHULUAN 2 LATAR BELAKANG 1. Stabilitas ekonomi dapat dilihat
Lebih terperinciPeramalan merupakan alat bantu yang penting dalam penyusunan rencana yang efektif dan efisien. Pada
Estimasi Parameter Autoregressive Integrated Moving Average (ARIMA) Menggunakan Algoritma Particle Swarm Optimization (PSO) (Studi Kasus: Peramalan Curah Hujan DAS Brangkal, Mojokerto) Meytaliana Factmawati,
Lebih terperinciPENGENDALIAN KUALITAS DENGAN MENGGUNAKAN DIAGRAM KONTROL EWMA RESIDUAL (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK)
PENGENDALIAN KUALITAS DENGAN MENGGUNAKAN DIAGRAM KONTROL EWMA RESIDUAL (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK) FITROH AMALIA (1306100073) Dosen Pembimbing: Drs. Haryono, MSIE PENGENDALIAN KUALITAS
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 737-745 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN DAYA LISTRIK BERDASARKAN JUMLAH PELANGGAN PLN MENGGUNAKAN
Lebih terperinciMETODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015
III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciBAB SIMULASI PERHITUNGAN HARGA BARANG. Bab 4 Simulasi Perhitungan Harga barang berisikan :
BAB SIMULASI PERHITUNGAN HARGA BARANG Bab Simulasi Perhitungan Harga barang berisikan :.. Simulasi peramalan nilai Indeks Harga Konsumen (IHK) melalui metode ARIMA.. Prediksi nilai inflasi tahun 0.3. Prediksi
Lebih terperinciSedangkan model fungsi transfer bentuk kedua adalah sebagai berikut :
1 Metode Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 255 dengan Pendekatan Fungsi Transfer Dwi Listya Nurini, Brodjol Sutijo SU Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciMetode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api
Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api Efek Variasi Kalender dengan Pendekatan Regresi Time Series Nur Ajizah 1, Resa Septiani Pontoh 2, Toni Toharudin 3 Mahasiswa Program
Lebih terperinciPeramalam Jumlah Penumpang Yang Berangkat Melalui Bandar Udara Temindung Samarinda Tahun 2012 Dengan Metode ARIMA BOX-JENKINS
Jurnal EKSPONENSIAL Volume 3, Nomor, Mei 2 ISSN 8-7829 Peramalam Jumlah Penumpang Yang Berangkat Melalui Bandar Udara Temindung Samarinda Tahun 2 Dengan Metode ARIMA BOX-JENKINS Forecasting The Number
Lebih terperinciPerbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG
JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Print) A-34 Perbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG Mey Lista Tauryawati
Lebih terperinciPeramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series
JURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (2017) ISSN: 2337-3520 (2301-928X Print) D-157 Peramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series Moh Ali Asfihani dan Irhamah
Lebih terperinciPEMODELAN JUMLAH PENDERITA HIV/AIDS TERKAIT KUNJUNGAN WISATAWAN DI KABUPATEN BADUNG DAN KOTA MADYA DENPASAR DENGAN METODE TRANSFER FUNCTION
PEMODELAN JUMLAH PENDERITA HIV/AIDS TERKAIT KUNJUNGAN WISATAWAN DI KABUPATEN BADUNG DAN KOTA MADYA DENPASAR DENGAN METODE TRANSFER FUNCTION Oleh NYOMAN PANDU WIRADARMA (1308 100 052) Dosen Pembimbing 1
Lebih terperinciPERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO
Perbandingan Model ARIMA... (Alia Lestari) PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Alia Lestari Fakultas Teknik Universitas
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-249
JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) 2337-3520 (2301-928X Print) D-249 Analisis Fungsi Transfer pada Harga Cabai Merah yang Dipengaruhi oleh Curah Hujan Di Surabaya Putri Rintan Aryasita,
Lebih terperinciPEMODELAN DAN PERAMALAN JUMLAH PENUMPANG DAN PESAWAT DI TERMINAL KEDATANGAN INTERNASIONAL BANDARA JUANDA SURABAYA DENGAN METODE VARIANSI KALENDER
PEMODELAN DAN PERAMALAN JUMLAH PENUMPANG DAN PESAWAT DI TERMINAL KEDATANGAN INTERNASIONAL BANDARA JUANDA SURABAYA DENGAN METODE VARIANSI KALENDER M. Insanil Kamil 0 0 0 m.insanil_kml@yahoo.com Dosen pembimbing:
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini, akan dilakukan analisis dan pembahasan terhadap data runtun waktu. Adapun data yang digunakan dalam penelitian ini merupakan data sekunder, yaitu data
Lebih terperinciPENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA
KEMENTERIAN PEKERJAAN UMUM BADAN PENELITIAN DAN PENGEMBANGAN PUSAT PENELITIAN DAN PENGEMBANGAN SUMBER DAYA AIR PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA PENDAHULUAN Prediksi data runtut waktu.
Lebih terperinciLAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU. Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins
LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU Kelas A Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins No Nama Praktikan Nomor Mahasiswa Tanggal Pengumpulan 1 29 Desember 2010 Tanda Tangan Praktikan
Lebih terperinciPERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL. Oleh: Niswatul Maghfiroh NRP.
PERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL Oleh: Niswatul Maghfiroh NRP. 1208100065 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi
Lebih terperinciPEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER
PKMT-2-13-1 PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER Umi Rosyiidah, Diah Taukhida K, Dwi Sitharini Jurusan Matematika, Universitas Jember, Jember ABSTRAK
Lebih terperinciPENDEKATAN MODEL EKONOMETRIKA UNTUK MEMPREDIKSI INDEKS SAHAM SYARIAH INDONESIA
PENDEKATAN MODEL EKONOMETRIKA UNTUK MEMPREDIKSI INDEKS SAHAM SYARIAH INDONESIA Nuri Wahyuningsih 1), Daryono Budi U. 2), R.A. Diva Zatadini 3) 1)2))3) Departemen Matematika FMIPA ITS Kampus ITS Keputih,
Lebih terperinci(S.4) PENDEKATAN METODE ALGORITMA GENETIK UNTUK IDENTIFIKASI MODEL ARIMA
(S.4) PENDEKATAN METODE ALGORITMA GENETIK UNTUK IDENTIFIKASI MODEL ARIMA Jimmy Ludin Mahasiswa Program Magister Jurusan Statistika Fakultas Matematika Dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh
Lebih terperinciKAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q)
UJIAN TUGAS AKHIR KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q) Disusun oleh : Novan Eko Sudarsono NRP 1206.100.052 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
Lebih terperinciPERAMALAN PRODUKSI TEH HIJAU DENGAN PENDEKATAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE
PERAMALAN PRODUKSI TEH HIJAU DENGAN PENDEKATAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE Satrio Wijaksono 1, Wellie Sulistijanti 2 Akademi Statistika Muhammadiyah Semarang Satriowijaksono15@gmail.com Abstract
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini, dibahas mengenai model Vector Error Correction (VEC),
BAB III PEMBAHASAN Pada bab ini, dibahas mengenai model Vector Error Correction (VEC), prosedur pembentukan model Vector Error Correction (VEC), dan aplikasi model Vector Error Correction (VEC) pada penutupan
Lebih terperinciPEMODELAN DAN PERAMALAN DATA PEMBUKAAN IHSG MENGGUNAKAN MODEL ARIMA
PEMODELAN DAN PERAMALAN DATA PEMBUKAAN IHSG MENGGUNAKAN MODEL ARIMA OLEH : 1. Triyono ( M0107086 ) 2. Nariswari S ( M0108022 ) 3. Ayunita C ( M0180034 ) 4. Ibnuhardi F.Ihsan ( M0108045 ) 5. Marvina P (
Lebih terperinciJurnal EKSPONENSIAL Volume 8, Nomor 1, Mei 2017 ISSN
Jurnal EKSPONENSIAL Volume 8, Nomor, Mei 07 ISSN 085-789 Peramalan dengan Metode Seasonal Autoregressive Integrated Moving Average (SARIMA) di Bidang Ekonomi (Studi Kasus: Inflasi Indonesia) Forecasting
Lebih terperinciPERAMALAN CURAH HUJAN MENGGUNAKAN METODE ANALISIS SPEKTRAL
E-Jurnal Matematika Vol. 5 (4), November 2016, pp. 183-193 ISSN: 2303-1751 PERAMALAN CURAH HUJAN MENGGUNAKAN METODE ANALISIS SPEKTRAL Ni Putu Mirah Sri Wahyuni 1, I Wayan Sumarjaya 2, I Gusti Ayu Made
Lebih terperinciPemodelan ARIMA Non- Musim Musi am
Pemodelan ARIMA Non- Musimam ARIMA ARIMA(Auto Regresif Integrated Moving Average) merupakan suatu metode analisis runtun waktu(time series) ARIMA(p,d,q) Dengan AR : p =orde dari proses autoreggresif I
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan digunakanan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalis kendala atau memaksimalkan pengembangan baik
Lebih terperinciPERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI ABSTRAK
PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI Trio Yonathan Teja Kusuma 1, Sandra Praharani Nur Asmoro 2 1,2)
Lebih terperinciPENGGUNAAN METODE VaR (Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT. TELKOM DENGAN PENDEKATAN MODEL GARCH-M
PENGGUNAAN METODE VaR (Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT. TELKOM DENGAN PENDEKATAN MODEL GARCH-M Oleh: Nurkhoiriyah 1205100050 Dosen pembimbing: Dra. Nuri Wahyuningsih, M. Kes. Jurusan
Lebih terperinciAnalisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia. Oleh : Pomi Kartin Yunus
Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia Oleh : Pomi Kartin Yunus 1306030040 Latar Belakang Industri manufaktur yang berkembang pesat
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
Lebih terperinciPENDEKATAN RANTAI MARKOV WAKTU DISKRIT DALAM PERENCANAAN KEBUTUHAN TEMPAT TIDUR RUMAH SAKIT
PENDEKATAN RANTAI MARKOV WAKTU DISKRIT DALAM PERENCANAAN KEBUTUHAN TEMPAT TIDUR RUMAH SAKIT Nama Mahasiswa : Enjela Puspadewi NRP : 1207 100 026 Jurusan : Matematika FMIPA Dosen Pembimbing : Dra. Laksmi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di Indonesia sejak tahun enam puluhan telah diterapkan Badan Meteorologi, Klimatologi, dan Geofisika di Jakarta menjadi suatu direktorat perhubungan udara. Direktorat
Lebih terperinciPERAMALAN JUMLAH TAMU HOTEL MEGA BINTANG SWEET KABUPATEN BLORA DENGAN PENDEKATAN ARIMA
THE TH URECOL PROCEEDING 8 February 7 UD, Yogyakarta PERMLN JUMLH TMU HOTEL MEG BINTNG SWEET KBUPTEN BLOR DENGN PENDEKTN RIM Irfana Maulana Ismail ), Wellie Sulistijanti 2) Statistika, kademi Statistika
Lebih terperinciPrediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA
Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA Jeine Tando 1, Hanny Komalig 2, Nelson Nainggolan 3* 1,2,3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinci4 BAB IV HASIL PEMBAHASAN DAN EVALUASI. lebih dikenal dengan metode Box-Jenkins adalah sebagai berikut :
4 BAB IV HASIL PEMBAHASAN DAN EVALUASI Pada bab ini, akan dilakukan analisis dan pembahasan terhadap data runtut waktu. Data yang digunakan dalam penelitian ini merupakan data sekunder, yaitu data harga
Lebih terperinciPENGGUNAAN METODE VaR(Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT.TELKOM DENGAN PENDEKATAN MODEL GARCH-M
PENGGUNAAN METODE VaR(Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT.TELKOM DENGAN PENDEKATAN MODEL GARCH-M Oleh: NURKHOIRIYAH 1205100050 Dosen Pembimbing: Dra. Nuri Wahyuningsih, M.Kes. 1 Latar
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 6, Nomor 3, Tahun 2017, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 3, Tahun 2017, Halaman 323-332 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN FUNGSI TRANSFER DENGAN DETEKSI OUTLIER UNTUK MEMPREDIKSI
Lebih terperinciPEMODELAN ARIMA UNTUK PREDIKSI KENAIKAN MUKA AIR LAUT DAN DAMPAKNYA TERHADAP LUAS SEBARAN ROB DI KOTA AMBON
PEMODELAN ARIMA UNTUK PREDIKSI KENAIKAN MUKA AIR LAUT DAN DAMPAKNYA TERHADAP LUAS SEBARAN ROB DI KOTA AMBON (MODELS OF ARIMA TO PREDICT RISING SEA AND ITS IMPACT FOR THE WIDESPREAD DISTRIBUTION OF ROB
Lebih terperinciPeramalan Permintaan Pengujian Sampel Di Laboratorium Kimia Dan Fisika. Baristand Industri Surabaya)
Peramalan Permintaan Pengujian di Lab. Kimia dan Fisika (Aneke Rintiasti, Erna Hartati, Nunun Hilyatul M.) Peramalan Permintaan Pengujian Sampel Di Laboratorium Kimia Dan Fisika Baristand Industri Surabaya
Lebih terperinciBAB 2 LANDASAN TEORI
1 BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan metode ARIMA box jenkins untuk meramalkan kebutuhan bahan baku. 2.1. Peramalan Peramalan
Lebih terperinciPERAMALAN NILAI EKSPOR DAN NILAI IMPOR INDONESIA KE JEPANG MENGGUNAKAN MODEL VARIMA
PERAMALAN NILAI EKSPOR DAN NILAI IMPOR INDONESIA KE JEPANG MENGGUNAKAN MODEL VARIMA, Universitas Negeri Malang E-mail: desyulvia@gmail.com Abstrak: Penulisan skripsi ini bertujuan untuk mempelajari Model
Lebih terperinciPENERAPAN METODE ARIMA DALAM MERAMALKAN INDEKS HARGA KONSUMEN (IHK) INDONESIA TAHUN 2013
La Pimpi //Paradigma, Vol. 17 No. 2, Oktober 2013, hlm. 35-46 PENERAPAN METODE ARIMA DALAM MERAMALKAN INDEKS HARGA KONSUMEN (IHK) INDONESIA TAHUN 2013 1) La Pimpi 1 Staf Pengajar Jurusan Matematika, FMIPA,
Lebih terperinciPeramalan Harga Beras di Perum BULOG Divre Jatim
Peramalan Harga Beras di Perum BULOG Divre Jatim Disusun oleh : Woro Morphi H (1309030010) Dosen Pembimbing : Dr. Suhartono, S.Si, M.Sc Pendahuluan Latar Belakang, Perumusan Masalah,Tujuan Penelitian,
Lebih terperinciPemodelan ARIMA Jumlah Pencapaian Peserta KB Baru IUD
Pemodelan ARIMA Jumlah Pencapaian Peserta KB Baru IUD Charisma Arianti, Arief Wibowo Departemen Biostatistika dan Kependudukan Fakultas Kesehatan Masyarakat Universitas Airlangga Surabaya Alamat Korespondensi:
Lebih terperinciPERAMALAN TRAFIK SMS AREA JABOTABEK DENGAN METODE ARIMA
JURNAL TEKNIK POMITS Vol. 1, No. 1, (212) 1-6 1 PERAMALAN TRAFIK SMS AREA JABOTABEK DENGAN METODE ARIMA Lusi Alvina Tofani, Achmad Mauludiyanto Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember
Lebih terperinciCetakan I, Agustus 2014 Diterbitkan oleh: Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pattimura
Hak cipta dilindungi Undang-Undang Cetakan I, Agustus Diterbitkan oleh: Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pattimura ISBN: ---- Deskripsi halaman sampul : Gambar yang ada pada cover
Lebih terperinciIV. HASIL DAN PEMBAHASAN
9 menguji kelayakan model sehingga model sementara tersebut cukup memadai. Salah satu caranya adalah dengan menganalisis galat (residual). Galat merupakan selisih antara data observasi dengan data hasil
Lebih terperinciPEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA
Jurnal Matematika UNAND Vol. 3 No. 3 Hal. 59 67 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA ANNISA UL UKHRA Program Studi Matematika,
Lebih terperinciPenerapan Model ARIMA
Penerapan Model ARIMA (Bagian I) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 016 1 Ada tiga tahapan iterasi dalam pemodelan data deret waktu, yaitu: 1. Penentuan model tentatif (spesifikasi model)
Lebih terperinciPrediksi Laju Inflasi di Kota Ambon Menggunakan Metode ARIMA Box Jenkins
Statistika, Vol. 16 No. 2, 95 102 November 2016 Prediksi Laju Inflasi di Kota Ambon Menggunakan Metode ARIMA Box Jenkins FERRY KONDO LEMBANG Jurusan Matematika Fakultas MIPA Universitas Pattimura Ambon
Lebih terperinciANALISIS POLA HUBUNGAN PEMODELAN ARIMA CURAH HUJAN DENGAN CURAH HUJAN MAKSIMUM, LAMA WAKTU HUJAN, DAN CURAH HUJAN RATA-RATA
ANALISIS POLA HUBUNGAN PEMODELAN ARIMA CURAH HUJAN DENGAN CURAH HUJAN MAKSIMUM, LAMA WAKTU HUJAN, DAN CURAH HUJAN RATA-RATA FATHIN FAHIMAH 226133 DOSEN PEMBIMBING Prof. Ir. Gamantyo Hendrantoro, M.Eng.
Lebih terperinciPERAMALAN HASIL PRODUKSI ALUMINIUM BATANGAN PADA PT INALUM DENGAN METODE ARIMA
Saintia Matematika Vol. 1, No. 1 (2013), pp. 1 10. PERAMALAN HASIL PRODUKSI ALUMINIUM BATANGAN PADA PT INALUM DENGAN METODE ARIMA Lukas Panjaitan, Gim Tarigan, Pengarapen Bangun Abstrak. Dalama makalah
Lebih terperinciPemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 Pemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA 1 Harnum Annisa Prafitia dan 2 Irhamah
Lebih terperinciData Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun Tahun Bulan Wisman
Lampiran 1. Data Tingkat Hunian Hotel di Propinsi DIY Tahun 1991-2003 48 49 Lampiran 1 Data Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun 1991-2003, Tahun Bulan Wisman 1991 1 27,00 1991 2 30,60
Lebih terperinciPERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS
Saintia Matematika ISSN: 2337-9197 Vol. 02, No. 03 (2014), pp. 253 266. PERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-300
JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (203) 233-20 (230-9X Print) D-300 Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R- dengan Metode Fungsi Transfer
Lebih terperinciBAB 2 LANDASAN TEORI Pengertian Data Deret Berkala
BAB 2 LANDASAN TEORI 2.1. Pengertian Data Deret Berkala Suatu deret berkala adalah himpunan observasi yang terkumpul atau hasil observasi yang mengalami peningkatan waktu. Data deret berkala adalah serangkaian
Lebih 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 terperinciPeramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer
Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer 1 Faridah Yuliani dan 2 Dr. rer pol Heri Kuswanto 1,2 Jurusan Statistika
Lebih terperinciKETERKAITAN ANTARA NILAI RATA-RATA DAN NILAI KONSTAN DALAM PEMODELAN RUNTUN WAKTU BOX-JENKINS
KETERKAITAN ANTARA NILAI RATA-RATA DAN NILAI KONSTAN DALAM PEMODELAN RUNTUN WAKTU BOX-JENKINS Jamil 1, Raupong 2, Erna 3 ABSTRAK Pada awal perkembangannya, metode peramalan yang sering digunakan adalah
Lebih terperinciModel Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan
METODE BOX JENKINS Model Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan utk semua tipe pola data. Dapat
Lebih terperinciPeramalan Jumlah Kunjungan Wisatawan Mancanegara (Wisman) ke Bali Tahun 2019: Metode ARIMA
JEKT 8 [2] : 136-141 ISSN : 2301-8968 Peramalan Jumlah Kunjungan Wisatawan Mancanegara (Wisman) ke Bali Tahun 2019: Metode ARIMA Rukini *) Putu Simpen Arini Esthisatari Nawangsih Badan Pusat Statistik
Lebih terperinciPEMODELAN FUNGSI TRANSFER UNTUK MERAMALKAN CURAH HUJAN DI KOTA SEMARANG
PEMODELAN FUNGSI TRANSFER UNTUK MERAMALKAN CURAH HUJAN DI KOTA SEMARANG 1 Andayani Nurfaizah, 2 Rochdi Wasono, 3 Siti Hajar Rahmawati 1,2,3 Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA
Jurnal UJMC, Volume 2, Nomor 1, Hal. 28-35 pissn : 2460-3333 eissn: 2579-907X PERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA Novita Eka Chandra 1 dan Sarinem 2 1 Universitas
Lebih terperinciPengenalan Analisis Deret Waktu (Time Series Analysis) MA 2081 Statistika Dasar 30 April 2012
Pengenalan Analisis Deret Waktu (Time Series Analysis) ) MA 208 Statistika Dasar 0 April 202 Utriweni Mukhaiyar Ilustrasi Berikut adalah data rata-rata curah hujan bulanan yang diamati dari Stasiun Padaherang
Lebih terperinciPemodelan Inflasi Nasional dengan Self-Exciting Threshold Autoregressive
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Pemodelan Inflasi Nasional dengan Self-Exciting Threshold Autoregressive Gusti Ayu Made Arna Putri 1), Ni Putu Nanik Hendayanti
Lebih terperinciPenerapan Model ARIMA
Penerapan Model ARIMA (Bagian II) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016 1 a. Lakukan proses pembedaan (differencing) sebanyak dua kali pada data asal. b. Lakukan pendugaan parameter pada
Lebih terperinciAPLIKASI CHANGE POINT ANALYSIS (CPA) PADA DATA CURAH HUJAN HARIAN MARCO BONA TUA
APLIKASI CHANGE POINT ANALYSIS (CPA) PADA DATA CURAH HUJAN HARIAN MARCO BONA TUA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN MENGENAI
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Variabel ARIMA menggunakan variabel dependen harga saham LQ45 dan variabel independen harga saham LQ45 periode sebelumnya, sedangkan ARCH/GARCH menggunakan variabel dependen
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Pendahuluan Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan
Lebih terperinciPERAMALAN PEMAKAIAN ENERGI LISTRIK DI MEDAN DENGAN METODE ARIMA
Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 1 (2014), pp. 55 69. PERAMALAN PEMAKAIAN ENERGI LISTRIK DI MEDAN DENGAN METODE ARIMA John Putra S Tampubolon, Normalina Napitupulu, Asima Manurung Abstrak.
Lebih terperinci