LULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI
|
|
- Adi Johan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 LULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI 1 Pembimbing : Dra. Nuri Wahyuningsih, M.Kes
2 BAB I PENDAHULUAN 2
3 LATAR BELAKANG 1. Stabilitas ekonomi dapat dilihat dari inflasi yang merupakan salah satu cerminan peristiwa ekonomi. 2. Inflasi berpengaruh pada tingkat kesejahteraan rakyat. 3. Perubahan tingkat inflasi dapat dilihat dengan disagregasi inflasi. 4. Heteroskedastisitas merupakan kondisi varian tidak konstan. 5. Metode autoregresi yang mengasumsikan varian tidak konstan adalah ARCH-GARCH 3
4 RUMUSAN MASALAH 1. Bagaimana menetukan model peramalan untuk data tingkat inflasi bulanan periode Januari 2007 sampai Desember 2011 dengan menggunakan model ARCH-GARCH. 2. Bagaimana hasil peramalan inflasi pada dua belas periode mendatang dengan model yang telah diperoleh. 4
5 BATASAN MASALAH Data yang digunakan berupa data sekunder dari Bank Indonesia periode Januari 2001 sampai Desember Data inflasi per bulan menggunakan data clossing price pada akhir bulan. 5
6 TUJUAN PENELITIAN 1. Menentukan model peramalan data tingkat inflasi dalam kasus heteroskedastisitas dengan model ARCH-GARCH. 2. Meramalkan perubahan tingkat inflasi untuk beberapa periode ke depan dengan menggunakan model yang telah diperoleh. 6
7 MANFAAT PENELITIAN 1. Memberikan informasi kepada Bank Indonesia sebagai salah satu cara memprediksi perubahan tingkat inflasi. 2. Memberikan gambaran tentang teknik pemodelan data dalam permasalahan ekonomi khususnya kasus heteroskedastisitas melalui model ARCH-GARCH. 7
8 BAB II TINJAUAN PUSTAKA 8
9 METODE PERAMALAN Cara memperkirakan apa yang akan terjadi pada masa mendatang berdasarkan data yang relevan pada masa lalu. Konsep Time Series 1. Kestasioneran dalam mean Dilihat dari plot ACF, nilai autokorelasinya menurun dengan cepat menuju nol. Untuk mengatasi ketidakstasioneran dalam mean perlu dilakukan differencing. 2. Kestasioneran dalam varian Dilihat dari plot Box-Cox, nilai λ (rounded value) mendekati 1. Untuk mengatasi ketidakstasioneran dalam varian dilakukan transformasi. Fungsi ACF dan PACF 9
10 MODEL ARIMA Model Autoregressive (AR) dinotasikan dengan AR (p) dapat ditulis : Merupakan fungsi dari Model Moving Average (MA) dinotasikan dengan MA (q) dapat ditulis : Merupakan fungsi dari Model Autoregressive Integrated Moving Average (ARIMA) dinotasikan dengan ARIMA (p,d,q), bentuk umum persamaannya adalah : 10
11 TAHAPAN DALAM MODEL ARIMA 1.Identifikasi Model ARIMA Langkah-langkah dalam mengidentifikasi model ARIMA adalah : a) Membuat plot dan transformasi yang sesuai. b) Membuat plot ACF dan PACF data aktual. c) Membuat plot ACF dan PACF setelah data ditransformasi dan/atau didifferencing. 2. Estimasi Parameter Model ARIMA Estimasi parameter dilakukan untuk menduga nilai parameter ARIMA yang kemudian dilakukan pengujian parameter. Jika θ merupakan estimator suatu model ARIMA, maka uji hipotesisnya adalah : Hipotesis : : estimasi parameter = 0 : estimasi parameter 0 Statistik uji : 11
12 MODEL ARIMA Kriteria pengujian : Tolak jika atau p-value < yang artinya parameter model signifikan. 3.Diagnostik Checking a) residual white noise Hipotesis : minimal ada satu Statistik uji : untuk j = 1,2,...,K Kriteria pengujian : Tolak jika atau p-value < artinya residual tidak white noise. 12
13 MODEL ARIMA b) residual berdistribusi normal Hipotesis : untuk semua x untuk beberapa x Statistik uji : Kriteria pengujian : Tolak jika p-value < yang artinya residual tidak berdistribusi normal. 13
14 MODEL ARCH-GARCH Persamaan varian residual model ARCH (1) adalah : Bentuk umum persamaan model ARCH dapat ditulis sebagai berikut : Model ARCH tahun 1986 dikembangkan oleh Tim Bollerslev menjadi GARCH yang dinotasikan dengan GARCH (p,q). Persamaan varian residual untuk model GARCH (p,q) adalah : Secara umum model ARCH-GARCH (p,q) dapat dinyatakan dalam persamaan : dimana p menunjukkan unsur ARCH dan q menunjukkan unsur GARCH. 14
15 INFLASI Inflasi merupakan proses kenaikan harga terusmenerus yang dapat memicu kenaikan pada barang lainnya. Beberapa indikator yang digunakan dalam perhitungan inflasi adalah IHK dan International Best Price. IHK dikelompokkan menjadi dua yaitu COICOP (Classification of Individual Consumption by Purpose)dan disagregasi inflasi. 15
16 BAB III METODOLOGI PENELITIAN 16
17 METODOLOGI PENELITIAN Mulai Data Plot Box-Cox, Time Series, ACF dan PACF A Menghitung kuadrat residual Plot ACF dan PACF kuadrat residual Identifikasi Model ARIMA Estimasi Parameter Diagnostik Checking Penentuan Model ARIMA A Pendugaan parameter model ARCH-GARCH Estimasi parameter dan uji signifikansi Model ARCH-GARCH Peramalan Selesai 17
18 BAB IV ANALISIS DAN PEMBAHASAN 18
19 IDENTIFIKASI MODEL ARIMA Dalam model ARIMA, langkah awal dalam mengidentifikasi data adalah apakah data sudah stasioner atau belum. Untuk mengetahui kestasioneran data digunakan plot Box- Cox, ACF dan PACF. 19
20 PLOT DATA AKTUAL Gambar 1 Plot Box-Cox 20 Gambar 2 Plot ACF Gambar 3 Plot PACF
21 Pada plot Box-Cox, nilai λ yang dihasilkan sebesar 0.5 artinya data belum stasioner dalam varian, sehingga data perlu dilakukan transformasi. Setelah dilakukan transformasi, nilai λ (rounded value ) yang dihasilkan pada plot Box-Cox sebesar 1, berarti data sudah stasioner dalam varian. Plot ACF dan PACF pada Gambar 4 dan Gambar 5 menunjukkan data sudah stasioner dalam mean. Karena nilai autokorelasi menurun dengan cepat menuju nol. 21
22 PLOT DATA TRANSFORMASI Gambar 4 Plot Box-Cox 22 Gambar 5 Plot ACF Gambar 6 Plot ACF
23 DUGAAN MODEL SEMENTARA Pengujian signifikansi parameter ARIMA (2,0,0) dengan = 5% sebagai berikut : Uji Signifikansi Parameter : Hipotesis : (parameter tidak signifikan) (parameter signifikan) Statistik uji : Karena nilai atau p-value< maka diterima artinya parameter tidak signifikan. Uji Signifikansi Paramater : Hipotesis : (parameter tidak signifikan) (parameter signifikan) Statistik uji : Karena nilai atau p-value> maka parameter signifikan. 23
24 PEMERIKSAAN ASUMSI RESIDUAL Berdasarkan plot ACF dan PACF terdapat lebih dari satu model ARIMA untuk data tingkat inflasi, sehingga langkah selanjutnya adalah overfitting dengan memilih parameter yang signifikan seperti tersaji dalam tabel. Tabel Hasil Signifikansi Parameter 24
25 1. Residual White Noise DIAGNOSTIK CHECKING Pengujian residual white noise dilakukan dengan menggunakan uji Ljung-Box dengan =5% Hipotesis : minimal ada satu Statistik uji : (residual white noise) untuk j=1,2,...,k untuk K=6 maka : Karena atau p-value> maka diterima artinya residual white noise. 25
26 DIAGNOSTIK CHECKING 2. Residual Berdistribusi Normal Hipotesis : (berdistribusi normal) (tidak berdistribusi normal) Statistik uji : Karena p-value> maka ditolak artinya residual berdistribusi normal. Ketidaknormalan dari residual dapat mengindikasikan adanya kondisi heteroskedastisitas. 26
27 UJI KEHOMOGENAN Hasil uji kehomogenan pada Lag 6 Setiap model memiliki atau p-value> sehingga dapat diartikan bahwa terdapat kondisi heteroskedastisitas yang mengindikasikan adanya proses ARCH-GARCH. Pemilihan Model Terbaik Berdasarkan nilai AIC dan SBC diperoleh model ARIMA (1,0,0) sebagai model terbaik untuk data tingkat inflasi dengan persamaan sebagai berikut : Evaluasi hasil ramalan periode Januari 2011 hingga Desember 2011 dengan selang kepercayaan 95% diperoleh MAPE sebesar 5.98%. 27
28 PEMODELAN ARCH-GARCH Gambar 7 Plot ACF Kuadrat Residual Gambar 7 Plot PACF Kuadrat Residual Hasil pengujian signifikansi parameter model ARCH (1) dari kuadrat residual diperoleh nilai signifikan. atau p-value< artinya parameter Tabel Estimasi Parameter Model ARCH 28
29 PERAMALAN DENGAN MODEL ARCH Bentuk persamaan model ARCH tingkat inflasi adalah : Ramalan bulan Januari 2012 hingga Desember 2012 berada antara batas atas dan batas bawah. Standard deviasi dengan menggunakan model ARCH menjadi lebih kecil. Karena pada tahap identifikasi dilakukan transformasi, maka hasil ramalan harus dikuadratkan. 29
30 BAB V KESIMPULAN DAN SARAN 30
31 PENUTUP Kesimpulan : Model terbaik inflasi adalah : data tingkat dengan Model diatas menunjukkan bahwa data tingkat inflasi bulan ke-t dipengaruhi oleh tingkat inflasi satu bulan sebelumnya (t-1) dan nilai kuadrat residual bulan ke-t, sedang varian tingkat inflasi bulan ke-t dipengaruhi oleh kuadrat residual satu bulan sebelumnya (t-1). Ramalan tingkat inflasi terbesar adalah bulan Januari sebesar sedang ramalan terkecil adalah bulan Desember sebesar Saran : Pada penelitian berikutnya, sebaiknya ditambahkan data yang lebih banyak lagi agar mendapatkan hasil yang lebih akurat. Selain itu, dapat digunakan model time series lainnya untuk memperoleh model yang lebih baik lagi. 31
32 DAFTAR PUSTAKA 32 [1] Amalia, Fitroh Pemodelan Daya Listrik Dengan Pendekatan Model GARCH : Tugas Akhir, Jurusan Statistik ITS [2] Anggraini, Ary Dewi Pemodelan ARIMA Pada Data Inflasi Bulanan dan Kelompok Barang dan Jasa di Jawa Timur : Tugas Akhir, Jurusan Statistik ITS [3] Bank Indonesia Statistik Ekonomi dan Keuangan Indonesia. Jakarta : Bank Indonesia. [4] Bank Indonesia Stabilitas Perekonomian Indonesia : Bank Indonesia [5] Bank Indonesia Statistika dan Ekonomi. Edisi revisi : Bank Indonesia [6] Makridakis, S., Wheelwright S.C., dan McGee V. E Metode dan Aplikasi Peramalan. Diterjemahkan oleh Suminto, H. Jakarta : Binarupa Aksara [7] Maryetin, Lutfiana Pemodelan IHK Perumahan Surabaya Dengan ASC dan GARCH : Tugas Akhir, Jurusan Statistik ITS [8] Megasari, T Peramalan Indeks Harga Saham yang dipengaruhi Kurs, Perubahan Inflasi, Posisi Jumlaah Deposito Berjangka, Suku Bunga SBI, dan Suku Bunga Deposito menggunakan Transfer dan ARCH-GARCH : Tugas Akhir, Jurusan Matematika ITS [9] Wei, W. W. S Time series Analysis : Univariate and Multivariate. United State of America : Addison-Wesley Publishing Company.
33 33 TERIMA KASIH
FORECASTING 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 terperinciPENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Seminar Nasional Matematika dan Aplikasinya, 21 Oktober 27 PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Lebih 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 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 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 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 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 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 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 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 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 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 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 terperinciPENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI)
PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) Liana Kusuma Ningrum dan Winita Sulandari, M.Si. Jurusan Matematika,
Lebih 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 terperinciAnalisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia. Oleh : Pomi Kartin Yunus
Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia Oleh : Pomi Kartin Yunus 1306030040 Latar Belakang Industri manufaktur yang berkembang pesat
Lebih terperinciPemodelan 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 terperinciSBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n
SBAB III MODEL VARMAX 3.1. Metode Analisis VARMAX Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n dengan variabel random Z n yang dapat dipandang sebagai variabel random berdistribusi
Lebih terperinciTINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang
II.. TINJAUAN PUSTAKA Indeks Harga Konsumen (IHK Menurut Monga (977 indeks harga konsumen adalah ukuran statistika dari perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang didapatkan.
Lebih terperinciOleh : Dwi Listya Nurina Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si
Oleh : Dwi Listya Nurina 1311105022 Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si Air Bersih BUMN Penyediaan air bersih untuk masyarakat mempunyai peranan yang sangat penting dalam meningkatkan kesehatan
Lebih terperinciII. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya
II. TINJAUAN PUSTAKA 2.1 Stasioner Analisis ARIMA Autoregressive Integrated Moving Average umumnya mengasumsikan bahwa proses umum dari time series adalah stasioner. Tujuan proses stasioner adalah rata-rata,
Lebih 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 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 terperinciHASIL DAN PEMBAHASAN. Eksplorasi Data
5 korelasi diri, dan plot korelasi diri parsial serta uji Augmented Dickey- Fuller b. Identifikasi Model dengan metode Box-Jenkins c. Pemutihan deret input d. Pemutihan deret output berdasarkan hasil pemutihan
Lebih 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 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 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 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 terperinciAnalisis Peramalan Data Produk Domestik Regional Bruto (PDRB) Sebagai Tolak Ukur Kinerja Perekonomian Provinsi Kepulauan Bangka Belitung
Analisis Peramalan Data Produk Domestik Regional Bruto (PDRB) Sebagai Tolak Ukur Kinerja Perekonomian Provinsi Kepulauan Bangka Belitung Desy Yuliana Dalimunthe Jurusan Ilmu Ekonomi, Fakultas Ekonomi,
Lebih terperinciPERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 110 117 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Lebih terperinciPERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)
PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR) SKRIPSI Oleh : PRISKA RIALITA HARDANI 24010211120020 DEPARTEMEN STATISTIKA FAKULTAS
Lebih terperinciPEMODELAN DAN PERAMALAN PENUTUPAN HARGA SAHAM PT. TELKOM DENGAN METODE ARCH - GARCH
PEMODELAN DAN PERAMALAN PENUTUPAN HARGA SAHAM PT. TELKOM DENGAN METODE ARCH - GARCH BUNGA LETY MARVILLIA Matematika, Fakultas Ilmu Pengetahuan Alam, UNESA Jl. Ketintang villy_cute_7@yahoo.com 1, raywhite_vbm@gmail.com
Lebih 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 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 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 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 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 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 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 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 terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
PEMODELAN NILAI EKSPOR DI INDONESIA DENGAN PENDEKATAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH) SKRIPSI BAGUS HADI PRASTYA PROGRAM STUDI S-1 STATISTIKA DEPARTEMEN MATEMATIKA FAKULTAS
Lebih terperinciABSTRAK. Kata kunci : Data Runtun Waktu, Indeks Harga Konsumen, ARIMA, Analisis Intervensi, Fungsi Step, Peramalan. I Pendahuluan
Analisis Model Intervensi Fungsi Step Terhadap Indeks Harga Konsumen (IHK) Zuhairini Azzahra A 1, Suyono 2, Ria Arafiyah 3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
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 terperinciPERAMALAN DATA SAHAM S&P 500 INDEX MENGGUNAKAN MODEL TARCH
PERAMALAN DATA SAHAM S&P 500 INDEX MENGGUNAKAN MODEL TARCH Universitas Negeri Malang E-mail: abiyaniprisca@ymail.com Abstrak: Penelitian ini bertujuan untuk mengetahui model peramalan terbaik dari data
Lebih terperinciPERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 1 8 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH
Lebih 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 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 terperinciBAB II TINJAUAN PUSTAKA. autokovarians (ACVF) dan fungsi autokorelasi (ACF), fungsi autokorelasi parsial
BAB II TINJAUAN PUSTAKA Berikut teori-teori yang mendukung penelitian ini, yaitu konsep dasar peramalan, konsep dasar deret waktu, proses stokastik, proses stasioner, fungsi autokovarians (ACVF) dan fungsi
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 terperinciPERBANDINGAN MODEL ARCH/GARCH MODEL ARIMA DENGAN MODEL FUNGSI TRANSFER
PERBANDINGAN MODEL ARCH/GARCH MODEL ARIMA DENGAN MODEL FUNGSI TRANSFER (Studi Kasus Indeks Harga Saham Gabungan dan Harga Minyak Mentah Dunia Tahun 2013 sampai 2015) SKRIPSI Oleh: DEBY FAKHRIYANA 24010212130041
Lebih 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 terperinciOPTIMALISASI PERENCANAAN PRODUKSI DENGAN PREEMPTIVE GOAL PROGRAMMING (STUDI KASUS: UD. DODOL MADE MERTA TEJAKULA, SINGARAJA)
OPTIMALISASI PERENCANAAN PRODUKSI DENGAN PREEMPTIVE GOAL PROGRAMMING (STUDI KASUS: UD. DODOL MADE MERTA TEJAKULA, SINGARAJA) Ni Putu Deviyanti 1, Ni Ketut Tari Tastrawati 2, I Wayan Sumarjaya 3 1 Jurusan
Lebih terperinciPemodelan Vector Autoregresive (VAR) pada Komoditas Harga Cabai di Jawa Tengah
Pemodelan Vector Autoregresive (VAR) pada Komoditas Harga Cabai di Jawa Tengah Memi Nor Hayati 1, Alan Prahutama 2,*, Hasbi Yasin 2, Tiani Wahyu Utami 3 1 Program Studi Statistika, Universitas Mulawarman
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 terperinciPERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP
PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP SKRIPSI Disusun oleh : DITA RULIANA SARI NIM. 24010211140084 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
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 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 terperinciOPTIMASI PRODUKSI UNTUK PRODUK PESANAN PADA PERUSAHAAN PESTISIDA MENGGUNAKAN METODE GOAL PROGRAMMING. Oleh: Rossy Susanti ( )
OPTIMASI PRODUKSI UNTUK PRODUK PESANAN PADA PERUSAHAAN PESTISIDA MENGGUNAKAN METODE GOAL PROGRAMMING Oleh: Rossy Susanti (1207 100 007) Dosen Pembimbing: Drs. Suharmadi S., DiplSc.,MPhil JURUSAN MATEMATIKA
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 terperinciPERAMALAN DATA NILAI EKSPOR NON MIGAS INDONESIA KE WILAYAH ASEAN MENGGUNAKAN MODEL EGARCH
PERAMALAN DATA NILAI EKSPOR NON MIGAS INDONESIA KE WILAYAH ASEAN MENGGUNAKAN MODEL EGARCH, Universitas Negeri Malang E-mail: die_gazeboy24@yahoo.com Abstrak: Penelitian ini bertujuan untuk mengetahui model
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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan digunakanan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalis kendala atau memaksimalkan pengembangan baik
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola data yang sistematis (Makridakis, 1999). Peramalan menggunakan pendekatan
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 terperinciPEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER
PKMT-2-13-1 PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER Umi Rosyiidah, Diah Taukhida K, Dwi Sitharini Jurusan Matematika, Universitas Jember, Jember ABSTRAK
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Desain Penelitian Desain penelitian mempunyai peranan yang sangat penting, karena keberhasilan suatu penelitian sangat dipengaruhi oleh pilihan desain atau model penelitian.
Lebih terperinciPEMODELAN DAN PERAMALAN DATA NILAI TUKAR MATA UANG DOLLAR AMERIKA TERHADAP YEN JEPANG DAN EURO TERHADAP DOLLAR AMERIKA DALAM ARCH, GARCH DAN TARCH
PEMODELAN DAN PERAMALAN DATA NILAI TUKAR MATA UANG DOLLAR AMERIKA TERHADAP YEN JEPANG DAN EURO TERHADAP DOLLAR AMERIKA DALAM ARCH, GARCH DAN TARCH Nama : Yulia Sukma Hardyanti NRP : 1303.109.001 Jurusan
Lebih terperinciPENENTUAN MODEL TERBAIK UNTUK PERAMALAN DATA SAHAM CLOSING PT. CIMB NIAGA INDONESIA MENGGUNAKAN METODE ARCH-GARCH
PENENTUAN MODEL TERBAIK UNTUK PERAMALAN DATA SAHAM CLOSING PT. CIMB NIAGA INDONESIA MENGGUNAKAN METODE ARCH-GARCH Gatri Eka K 1, Vebriani Safitry 2, Yesika Kristin 3 Program Studi Matematika, Universitas
Lebih terperinciPERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH)
Jurnal Matematika UNAND Vol. 5 No. 4 Hal. 80 88 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE
Lebih terperinciPeramalan Indeks Harga Saham di Indonesia dan Dunia dengan Model Univariate dan Multivariate Time Series
Peramalan Indeks Harga Saham di Indonesia dan Dunia dengan Model Univariate dan Multivariate Time Series Silvia Roshita Dewi, Agus Suharsono, dan Suhartono Statistika, Fakultas Matematika dan Ilmu Pengetahuan
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 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 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 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 II LANDASAN TEORI. nonstasioneritas, Autocorrelation Function (ACF) dan Parsial Autocorrelation
BAB II LANDASAN TEORI Pada Bab II akan dijelaskan pengertian-pengertian dasar yang digunakan sebagai landasan pembahasan pada bab selanjutnya yaitu peramalan data runtun waktu (time series), konsep dasar
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 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 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 terperinciGoal Programming untuk PeRencanaan Produksi Agregat dengan kendala sumber daya
Goal Programming untuk PeRencanaan Produksi Agregat dengan kendala sumber daya Oleh : Kartika Megasari 1206 100 044 Dosen Pembimbing: Drs.Sulistiyo,MT Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan
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 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 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 terperinciHASIL DAN PEMBAHASAN. Analisis data dilakukan dengan menggunakan Software Eviews Versi 4.1 dan Microsoft Office Excel Gambar 2 Plot IHSG.
kointegrasi lebih besar dari nol maka model yang digunakan adalah VECM (Enders, 1995). 4. Analisis model VAR, VARD atau VECM. 5. Interpretasi terhadap model. 6. Uji kelayakan model. 7. Pengkajian fungsi
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 terperinciPERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT
PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT Novian Endi Gunawan 1, I Wayan Sumarjaya 2, I G.A.M. Srinadi 3 1 Program Studi Matematika,
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Indeks harga saham merupakan suatu indikator yang menunjukkan pergerakan harga saham dalam suatu periode, dengan adanya indeks maka dapat diketahui tren yang
Lebih terperinciPENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI
TUGAS AKHIR - ST 1325 PENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI I G B ADI SUDIARSANA NRP 1303100058 Dosen Pembimbing Ir. Dwiatmono Agus Widodo,
Lebih terperinciPEMODELAN DATA RUNTUK WAKTU PADA DATA PRODUKSI SUSU SAPI DI AMERIKA SEJAK TAHUN
PEMODELAN DATA RUNTUK WAKTU PADA DATA PRODUKSI SUSU SAPI DI AMERIKA SEJAK TAHUN 1962 1975 Jantini Trianasari Natangku dan Fitria Puspitoningrum Mahasiswa Program Studi Matematika Fakultas Sains dan Matematika
Lebih terperinciPERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER
PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER I Ketut Putra Adnyana 1, I Wayan Sumarjaya 2, I Komang Gde Sukarsa 3 1 Jurusan Matematika, Fakultas FMIPA
Lebih terperinciPEMODELAN TARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH. Retno Hestiningtyas dan Winita Sulandari, M.Si. Jurusan Matematika FMIPA UNS
S-9 PEMODELAN TARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH Retno Hestiningtyas dan Winita Sulandari, M.Si Jurusan Matematika FMIPA UNS ABSTRAK. Pada data finansial sering terjadi keadaan leverage effect,
Lebih terperinciPREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)
PREDIKSI HARGA SAHAM PT. BRI, MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average) Greis S. Lilipaly ), Djoni Hatidja ), John S. Kekenusa ) ) Program Studi Matematika FMIPA UNSRAT Manado
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 33-42 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS INTERVENSI KENAIKAN HARGA BBM TERHADAP PERMINTAAN BBM
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 terperinciISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 633-640 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN MODEL ARCH/GARCH MODEL ARIMA DAN MODEL FUNGSI TRANSFER
Lebih terperinciPeramalan Penjualan Pipa di PT X
Elviani, et al. / Peramalan Penjualan Pipa di PT X / Jurnal Titra, Vol.. 2, No. 2, Juni 2014, pp. 55-60 Peramalan Penjualan Pipa di PT X Cicely Elviani 1, Siana Halim 1 Abstract: In this thesis we modeled
Lebih terperinci