KAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN
|
|
- Ridwan Kusumo
- 7 tahun lalu
- Tontonan:
Transkripsi
1 JMP : Volume 4 omor, Juni 22, hal KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina Reoria Universias Jenderal Soedirman reo.rina@yahoo.com ABSTRACT. Calendar variaion mehod is a echnique ha combines ARIMA modeling and regression modeling. Calendar variaion is a cyclical paern wih varying periods due o he differen calendar dae posiion for each year. There are wo ypes of calendar variaion, rading day variaion and holiday variaion. In his research, modeling of ime series wih holiday variaion was sudied and modificaion of he modeling was developed for he case of holiday effec due o Eid s day occur. The case sudy was conduced o he daa of rain passenger number a DAOP V Purwokero. I was found ha he las model for he underlying daa was he regression model wih he residual following seasonal ARIMA (,,)(,,) 2 wihou consan parameer. Keyword : ime series, calendar variaion, holiday variaion, regression, ARIMA ABSTRAK. Meode variasi kalender merupakan eknik pemodelan yang mengkombinasikan model ARIMA dan model regresi. Variasi kalender merupakan pola berulang dengan panjang periode yang bervariasi akiba pengaruh penanggalan kalender yang berbeda-beda seiap ahunnya. Variasi kalender erdiri dari dua jenis yaiu variasi perdagangan dan variasi liburan. Pada peneliian ini, pemodelan dere waku dengan variasi kalender yang dipengaruhi efek variasi liburan dipelajari dan dimodifikasi khususnya unuk efek liburan akiba hari Lebaran. Sudi kasus pemodelan pada daa jumlah penumpang kerea api DAOP V Purwokero. Model variasi kalender yang diperoleh unuk daa jumlah penumpang kerea api adalah model regresi dengan sisaan regresi yang berupa model musiman ARIMA (,,)(,,) 2 anpa parameer konsana. Kaa kunci : dere waku, variasi kalender, variasi liburan, regresi, ARIMA. PEDAHULUA Banyak kegiaan ekonomi yang berganung pada jumlah masing-masing hari iap bulannya. Karena jumlah masing-masing hari berbeda-beda dari bulan ke bulan dan ahun ke ahun, maka dere waku ersebu dapa dipengaruhi efek variasi kalender. Efek variasi yang disebabkan oleh banyaknya hari perdagangan
2 36 Winda Triyani dan Rina Reoria iap bulannya dinamakan efek variasi hari perdagangan (rading day variaion). Selain variasi akiba perbedaan banyaknya hari perdagangan, beberapa hari libur yang wakunya dapa beragam mengikui sisem kalender bulan juga mempengaruhi kegiaan ekonomi. Efek kalender demikian disebu efek variasi liburan aau holiday variaion (Bell dan Hilmer, 983). Analisis dere waku yang memiliki pola variasi kalender memerlukan penanganan khusus. Hal ini dikarenakan analisis dere waku yang umum digunakan menganggap bahwa seiap hari adalah sama idak berganung pada penanggalan kalender. Apabila analisis ini dilakukan pada daa yang dipengaruhi variasi kalender maka hasil yang diperoleh menjadi kurang epa. Beberapa peneliian mengenai analisis dere waku yang mengandung efek variasi kalender elah dilakukan dianaranya Liu (986) sera Bell dan Hilmer (983). Indonesia sebagai negara yang mayorias beragama Islam, menggunakan kalender Hijriyah unuk menenukan hari besar agama seperi hari raya Idul Firi (Lebaran). Variasi kalender yang disebabkan hari besar ini merupakan sau conoh efek variasi liburan. Libur Lebaran mempunyai keunikan ersendiri. Pada libur biasa, umumnya efek liburan erjadi sebelum hari libur ersebu erjadi. amun, pada libur Lebaran efek liburan erjadi sekiar ujuh hari sebelum dan ujuh hari seelah hari Lebaran. Karena iu, pembenukan model dere waku dengan meode variasi kalender yang mengandung efek variasi liburan, khususnya karena hari Lebaran merupakan suau hal yang menarik unuk dikaji. Tujuan dari peneliian ini adalah mengkaji pemodelan dere waku meode variasi kalender dengan memasukkan efek variasi liburan akiba hari Lebaran. Hasil ini diharapkan dapa dijadikan acuan dasar unuk mempelajari meode variasi kalender lebih lanju, misalnya dengan menambahkan efek variasi hari perdagangan dan efek variasi liburan pada model variasi kalender. 2. METODE PEELITIA Pemodelan diawali dengan menenukan variabel yang mewakili variasi kalender dan melakukan pemodelan regresi, menaksir sera menguji parameernya. Kemudian dilanjukan dengan mengidenifikasi keberadaan sifa
3 Kajian Pemodelan Dere Waku: Model Variasi Kalender 37 whie noise pada sisaan regresi, jika belum whie noise dilanjukan ke pemodelan ARIMA. Tahap selanjunya menaksir parameer model variasi kalender yaiu gabungan model regresi dan ARIMA, kemudian menguji kesignifikanannya. Tahap akhir dilakukan dengan memeriksa kesesuaian model dengan asumsi pada sisaan. Pada peneliian ini daa yang digunakan yaiu jumlah penumpang kerea api DAOP V Purwokero dari Januari 26 sampai Desember HASIL DA PEMBAHASA 3. Benuk Dasar Model Variasi Kalender Menuru Bell dan Hilmer (983), dere waku Z yang mengandung variasi kalender dapa dinyaakan sebagai Z f ( X ; ξ ) () dengan f ( X ; ξ ) adalah fungsi dari vekor parameer ξ dan vekor X yang erdiri dari variabel-variabel bebas yang diamai saa, sedangkan merupakan proses sokasik yang disebu gangguan aau noise. Jika bukan whie noise, maka (p,d,q) yaiu belum enu sasioner dan dapa dipandang sebagai model ARIMA d ( B)( B) ( B) a p q q( Ba ) d ( B)( B) p (2) k dengan B merupakan operaor mundur ( B ), k ( B) B... B p p p, q q ( B) B... B, ( B) d merupakan operaor diferensi dan a merupakan barisan variabel acak IID dengan raa-raa dan variansi 2. q 3.2 Fungsi Efek Variasi Liburan Pada persamaan (), fungsi f ( X ; ξ) dapa dianggap sebagai model regresi yang memua efek variasi kalender. Apabila efek yang berpengaruh erhadap
4 38 Winda Triyani dan Rina Reoria variasi kalender hanya efek liburan, maka fungsi f ( X ; ξ) disebu fungsi efek variasi liburan, dinoasikan dengan persamaan () dapa dinyaakan sebagai L, sehingga model variasi kalender pada Z L. (3) Pada peneliian ini akan dibahas cara mengkonsruksi fungsi efek variasi liburan L akiba hari Lebaran unuk dua kasus. Perama, jika efek Lebaran hanya erjadi selama 7 hari sebelum hari Lebaran dan kedua jika efek Lebaran erjadi selama 7 hari sebelum dan 7 hari seelah hari Lebaran Fungsi Efek Variasi Liburan Sebelum Hari Lebaran Penenuan fungsi efek variasi liburan sebelum hari Lebaran dapa diadapasi dari Bell dan Hilmer (983) yang membahas efek variasi liburan pada hari libur Paskah. Pada model ini diasumsikan sauan waku dari dere waku adalah bulan. Misal menyaakan banyaknya hari sebelum hari Lebaran dan menyaakan efek liburan pada hari ke-i sebelum hari Lebaran. Jika diasumsikan sama unuk hari ke- i, 2,..., dan didefinisikan unuk lainnya maka oal efek libur Lebaran dapa diulis... =. Fungsi efek variasi liburan pada bulan ke- dapa dinyaakan sebagai L H(, ) (5) dengan H(, ) menyaakan proporsi periode waku hari sebelum hari Lebaran pada bulan, aau i i i (4) H (, ) h( i, ) (6) dan h( i, ) merupakan fungsi indikaor yang bernilai keika hari ke-i sebelum hari libur jauh pada bulan dan bernilai unuk lainnya Fungsi Efek Variasi Liburan Sebelum dan Seelah Hari Lebaran Pada bagian ini fungsi efek variasi liburan akan dimodifikasi dengan menambahkan efek hari seelah hari Lebaran. Misalkan menyaakan
5 Kajian Pemodelan Dere Waku: Model Variasi Kalender 39 banyaknya hari sebelum hari Lebaran dan menyaakan banyaknya hari seelah hari Lebaran. Pola unuk efek liburan i didefinisikan sebagai, i,2,..., dan i,2,..., i, lainnya, maka oal efek selama hari sebelum hari Lebaran dan hari seelah hari Lebaran dapa diuliskan sebagai ( ). (7) Fungsi efek variasi liburan saa dapa diuliskan sebagai L H (, ; ) (8) dengan H(, ; ) menyaakan proporsi periode waku hari sebelum dan hari seelah hari Lebaran pada bulan, yang dapa dinyaakan sebagai H (, ; ) h( i, ) h( i, ). (9) i i 3.3 Conoh Aplikasi Pemodelan Beriku conoh pemodelan meode variasi kalender dengan memasukkan efek variasi liburan akiba hari Lebaran pada daa jumlah penumpang kerea api DAOP V Purwokero. Berdasarkan Gambar erliha bahwa pada bulan-bulan yang berepaan dengan libur Lebaran erjadi peningkaan jumlah penumpang yang cukup inggi dibanding dengan bulan-bulan yang lain. Lonjakan penumpang pada bulan erjadinya Lebaran erjadi karena adanya budaya mudik yang dilakukan oleh masyaraka selama periode libur Lebaran. Oleh karena iu, cukup beralasan jika daa jumlah penumpang kerea api dimodelkan dengan meode variasi kalender dengan efek libur Lebaran yang berpengaruh diasumsikan erjadi pada 7 hari sebelum dan 7 hari sesudah hari Lebaran. Model regresi yang erbenuk adalah Z H(7,7 ; )
6 4 Winda Triyani dan Rina Reoria 45 Time Series Plo of Z Z Jan-6 Jun-6 Des-6 Jun-7 Des-7 Jun-8 Des-8 Bulan Jun-9 Des-9 Jun- Des- Gambar. Time Series Plo Jumlah Penumpang Kerea Api Time Series Plo of Time Series Plo of diff diff Jan-6 Jun-6 Des-6 Jun-7 Des-7 Jun-8 Des-8 Jun-9 Des-9 Jun- Des- Jan-6 Jun-6 Des-6 Jun-7 Des-7 Jun-8 Des-8 Jun-9 Des-9 Jun- Des- Bulan Bulan Gambar 2. Plo Dere Waku Gambar 3. Plo Hasil Diferensi Selanjunya yaiu pengujian asumsi sisaan regresi. Keidaksasioneran pada dapa diaasi dengan proses diferensi. Berdasarkan plo hasil diferensi pada Gambar 3, maka dapa dikaakan elah sasioner. Langkah selanjunya yaiu mengidenifikasi plo FAK dan FAKP unuk menenukan orde dari AR dan MA. Auocorrelaion Funcion for diff (wih 5% significance limis for he auocorrelaions) Parial Auocorrelaion Funcion for diff (wih 5% significance limis for he parial auocorrelaions),,8,,8 Auocorrelaion,6,4,2, -,2 -,4 -,6 -,8 -, Parial Auocorrelaion,6,4,2, -,2 -,4 -,6 -,8 -, Lag Lag Gambar 4. Plo FAK dan FAKP Hasil Diferensi.
7 Kajian Pemodelan Dere Waku: Model Variasi Kalender 4 Berdasarkan Gambar 4, model dugaannya yaiu: a. Model Gabungan ARIMA (,,) dan H(7,7 ; ) Pada Tabel, parameer menunjukkan idak signifikan karena p value,5. Oleh karena iu, parameer konsana perlu dikeluarkan dari model sehingga model dugaan berubah menjadi gabungan ARIMA (,,), anpa konsana dan H(7,7 ; ). Hasil penaksiran Tabel 2 menunjukkan semua parameer elah signifikan karena p value, 5. Langkah selanjunya yaiu pengujian asumsi sisaan dari model variasi kalender. Berdasarkan Tabel 3 diperoleh p-value unuk lag 6, 2, 8, dan 24 kurang dari,5, maka sisaan idak whie noise, sehingga model dugaan idak dapa digunakan. Tabel. Hasil Taksiran Parameer Model Gabungan ARIMA (,,) dan H(7,7 ; ) Parameer Taksiran hiung p-value -76,7 -,47,46 44,5 4,23 <, -,6449-6,24 <, Tabel 2. Hasil Taksiran Parameer Model Gabungan ARIMA (,,), Tanpa Konsana dan H(7,7 ; ) Parameer Taksiran hiung p-value 85722,6 3,94 <,2 -,6398-6,23 <, Tabel 3. Hasil Uji Whie oise Model Gabungan ARIMA (,,), Tanpa Konsana dan H(7,7 ; ) Lag p-value 6,96 2 <, 8 <, 24 <,
8 42 Winda Triyani dan Rina Reoria b. Model Gabungan ARIMA (,,) dan H(7,7 ; ) Hasil aksiran parameer model pada Tabel 4 menunjukkan bahwa semua parameer model signifikan karena p value, 5. Langkah selanjunya yaiu pengujian asumsi sisaan model. Pada Tabel 5, p-value unuk lag 2, 8, dan 24 kurang dari, 5, maka disimpulkan sisaan idak whie noise, akibanya model dugaan idak dapa digunakan. c. Model Gabungan ARIMA (,,) dan H(7,7 ; ) Hasil aksiran parameer model pada Tabel 6 menunjukkan bahwa parameer idak signifikan. Hal ini dikarenakan p value,5, akibanya parameer konsana perlu dikeluarkan dari model. Model dugaan variasi kalender berubah menjadi gabungan ARIMA (,,), anpa konsana dan H(7,7 ; ). Berdasarkan Tabel 7, semua parameer model signifikan karena p value,5. Langkah selanjunya yaiu pengujian asumsi sisaan yang diampilkan pada Tabel 8. Unuk lag 2, 8, dan 24, p-value yang diperoleh kurang dari, 5, maka sisaan model idak whie noise akibanya model dugaan idak dapa digunakan. Tabel 4. Hasil Taksiran Parameer Model Gabungan ARIMA (,,) dan H(7,7 ; ) Parameer Taksiran hiung p-value -4435,2-2,4,458 76,3 3,5,35,877 3,6 <, Tabel 5. Hasil Uji Whie oise Model Gabungan ARIMA (,,) dan H(7,7 ; ) Lag p-value 6,229 2,9 8, 24 <,
9 Kajian Pemodelan Dere Waku: Model Variasi Kalender 43 Tabel 6. Hasil Taksiran Parameer Model Gabungan ARIMA (,,) dan H(7,7 ; ) Parameer Taksiran hiung p-value -298, -,44, , 2,62,4, ,89 <, -,386-2,6,446 Tabel 7. Hasil Taksiran Parameer Model Gabungan ARIMA (,,), Tanpa Konsana dan H(7,7 ; ) Parameer Taksiran hiung p-value 338,5 2,66,2,7633 7,58 <, -,3453-2,4,97 Tabel 8. Hasil Uji Whie oise Model Gabungan ARIMA (,,), anpa konsana dan H(7,7 ; ) Lag p-value 6,486 2,3 8,8 24 <, Berdasarkan hasil pengujian unuk keiga kemungkinan model menunjukkan bahwa model dugaan idak dapa digunakan karena idak memenuhi syara. Kemungkinan lain unuk mendapakan model yang lebih baik yaiu digunakan model ARIMA musiman. Hal ini dikarenakan daa jumlah penumpang berupa daa bulanan yang mengindikasikan adanya pola musiman. Berdasarkan Gambar 4, kemungkinan lain model dugaan variasi kalender adalah gabungan ARIMA (,,)(,,) 2 dan H(7,7 ; ). Hasil aksiran parameer model dugaan pada Tabel 9 menunjukkan parameer paling idak signifikan dibandingkan
10 44 Winda Triyani dan Rina Reoria parameer yang lain. Hal ini dikarenakan p value, 5 sehingga parameer konsana perlu dikeluarkan dari model. Tabel 9. Hasil Taksiran Parameer Model Gabungan ARIMA (,,)(,,) 2 dan H(7,7 ; ) Parameer Taksiran hiung p-value -3766, -,73, ,7 2,88,58,8282 8,88 <, -,7826-7, <, -,2923 -,92,596 Tabel. Hasil Taksiran Parameer Model Gabungan ARIMA (,,)(,,) 2, Tanpa Konsana dan H(7,7 ; ) Parameer Taksiran hiung p-value 33344,9 2,5,5, ,4 <, -, ,95 <, -, ,28,264 Tabel. Hasil Uji Whie oise Model Gabungan ARIMA (,,)(,,) 2, Tanpa Konsana dan H(7,7 ; ) Lag p-value 6,6688 2,92 8, ,272 Selanjunya, model dugaan variasi kalender berubah menjadi gabungan ARIMA (,,)(,,) 2, anpa konsana dan H(7,7 ; ). Berdasarkan Tabel, semua parameer model elah signifikan karena p-value <, 5. Langkah selanjunya yaiu pengujian asumsi sisaan model. Pada Tabel sisaan model dikaakan elah memenuhi asumsi whie noise karena p-value unuk lag 6, 2, 8
11 Kajian Pemodelan Dere Waku: Model Variasi Kalender 45 dan 24 kurang dari, 5. Asumsi kenormalan dilakukan dengan uji Kolmogorov-Smirnov diperoleh p-value yaiu >,5, sehingga sisaan dikaakan berdisribusi normal. Karena semua parameer model signifikan, sisaannya memenuhi syara maka model dapa digunakan unuk memodelkan daa jumlah penumpang kerea api. Model ersebu dapa diuliskan sebagai 2 ( B)( B ) Z H (7,7 ; ) a. ( B)( B) Dengan mensubsiusikan nilai-nilai aksiran parameer pada Tabel diperoleh Z H H H ,9 (7,7 ; ) 2299,7 (7,7 ; ) 3792,34 (7,7 ; 2), 66276Z,33724Z, 76395a, 76335a,5836 a () Berdasarkan persamaan (), maka dapa disimpulkan bahwa jumlah penumpang kerea api DAOP V Purwokero iap bulannya dipengaruhi oleh proporsi periode waku 7 hari sebelum dan 7 hari seelah hari Lebaran pada bulan ersebu sera sau dan dua bulan sebelumnya. Selain iu, jumlah penumpang juga dipengaruhi oleh jumlah penumpang pada sau dan dua bulan sebelumnya, sera dipengaruhi oleh sisaan dari model pada sau, dua belas dan iga belas bulan sebelumnya. 4. KESIMPULA DA SARA Berdasarkan hasil di aas dapa diberikan kesimpulan sebagai beriku:. Fungsi efek variasi liburan yang dipengaruhi hari sebelum dan hari seelah hari libur Lebaran dapa diuliskan sebagai L H (, ; ) dengan ( ) dan H (, ; ) h( i, ) h( i, ). i i 2. Pada conoh kasus daa jumlah penumpang kerea api DAOP V Purwokero, model variasi kalender yang diperoleh adalah Z H H H ,9 (7,7 ; ) 2299,7 (7,7 ; ) 3792,34 (7,7 ; 2), 66276Z,33724Z, 76395a, 76335a,5836 a
12 46 Winda Triyani dan Rina Reoria Saran yang dapa diberikan pada peneliian ini yaiu pemodelan variasi kalender dapa diperluas dengan menambahkan efek variasi hari perdagangan sera efek variasi liburan dalam model variasi kalender. UCAPA TERIMAKASIH urhayai. Arikel ini adalah hasil peneliian skripsi penulis perama Dr. unung DAFTAR PUSTAKA Aswi dan Sukarna, (26). Analisis Dere Waku: Teori dan Aplikasi. Andira Publisher: Makasar. Bell, W. R. dan Hilmer, S., (983). Modelling Time Series Wih Calendar Variaion. Journal of American Saisical Associaion, 78, Liu, L. M., (986). Idenificaion of Time Series Models in The Presence of Calendar Variaion. Inernaional Journal of Forecasing, 2, Wei, W. W. S., (26). Time Series Analysis: Univariae and Mulivariae Mehods, 2 nd Ediion. Addison Wesley: Canada.
BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan
Lebih terperinciBAB 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 terperinciPROSEDUR PEMBENTUKAN MODEL VARIASI KALENDER BERDASARKAN MODEL ARIMAX UNTUK PERAMALAN DATA DENGAN EFEK VARIASI KALENDER
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, November PROSEDUR PEMBENTUKAN MODEL VARIASI KALENDER BERDASARKAN MODEL ARIMAX UNTUK PERAMALAN DATA DENGAN EFEK VARIASI KALENDER Suharono dan
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 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 terperinciAbstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.
1 Peramalan Volume Produksi Air Bersih di PDAM Kabupaen Bojonegoro berdasarkan Jumlah Pelanggan dan Volume Konsumsi Air Fasha Aulia Pradhani dan Adaul Mukarromah Jurusan Saisika, FMIPA, ITS Jl. Arief Rahman
Lebih terperinciBAB III METODE 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 terperinci*Corresponding Author:
Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion
Lebih terperinciBAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu
BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,
Lebih terperinciBAB 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 ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel
BAB III ANALISIS INTERVENSI 3.1. Pendahuluan Analisis inervensi dimaksudkan unuk penenuan jenis respons variabel ak bebas yang akan muncul akiba perubahan pada variabel bebas. Box dan Tiao (1975) elah
Lebih terperinciBAB 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 terperinciPEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 9 PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL Y.P.Y. Asmara,
Lebih terperinciDAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Studi Aplikasi Model Intervensi dengan Step Function)
DAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Sudi Aplikasi Model Inervensi dengan Sep Funcion) S-3 Kismianini dan Dhoriva Urwaul Wusqa Jurusan Pendidikan Maemaika
Lebih 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 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 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 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 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 terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*
PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor
Lebih 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 terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN
PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan
Lebih terperinciKARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP
Karakerisik Umur Produk (Sudarno) KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL Sudarno Saf Pengajar Program Sudi Saisika FMIPA UNDIP Absrac Long life of produc can reflec is qualiy. Generally, good producs
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 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 terperinciPENGEMBANGAN MODEL REGRESI DERET WAKTU UNTUK DATA YANG MENGANDUNG VARIASI KALENDER
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, November PENGEMBANGAN MODEL REGRESI DERET WAKTU UNTUK DATA YANG MENGANDUNG VARIASI KALENDER Alfonsus. J. Endhara dan Suharono Mahasiswa S Jurusan
Lebih terperinciANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER. Muflih Rori Putra Harahap
ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER Muflih Rori Pura Harahap 30 00 052 Pembimbing : Dr. Drs. Agus Suharsono, M.S. LATAR BELAKANG PENDAHULUAN
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 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 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 terperinciPerbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X
JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa
Lebih terperinciBAB 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 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 terperinciBAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan
BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan
Lebih terperinciBAB 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 terperinciPeramalan Outflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Autoregressive (GSTAR)
JURNA SAINS DAN SENI ITS Vol. 5 No. (16) 7-5 (1-98X Prin) D-59 Peramalan Ouflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Auoregressive (GSTAR) Rahmah Safiri, Seiawan, dan Imam Safawi
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 terperinci2 efek dari pengaruh kejadian luar (exernal even) pada daa ime series (Wei, 2006). Bila y adalah daa ime series yang mengandung variasi kalender, maka
. PERAMALAN VOLUME KENDARAAN MASUK DI TOL DUPAK-WARU MENGGUNAKAN MODEL VARIASI KALENDER Yosua D. Charismawan (1304 100 024) Pembimbing : Ir. Dwiamono Agus W.,M.Ikom ABSTRAK Tol Surabaya-Gempol merupakan
Lebih terperinciPENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA
PENDUGAAN PARAMEER DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY DAN DIMAS HARI SANOSO Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor Jl Merani, Kampus
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 terperinciPeramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun
Peramalan Kebuuhan Premium dengan Meode ARIMAX unuk Opimasi Persediaan di Wilayah TBBM Madiun Oleh: Nindia Sekar Dini 1308100088 Pembimbing: Drs. Haryono, MSIE Dr. Suharono 1 Ouline Pendahuluan Tinjauan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
11 BAB I PENDAHULUAN 1.1 Laar Belakang Salah sau masalah analisis persediaan adalah kesulian dalam menenukan reorder poin (iik pemesanan kembali). Reorder poin diperlukan unuk mencegah erjadinya kehabisan
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 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 terperinciPenduga Data Hilang Pada Rancangan Bujur Sangkar Latin Dasar
Kumpulan Makalah Seminar Semiraa 013 Fakulas MIPA Universias Lampung Penduga Daa Pada Rancangan Bujur Sangkar Lain Dasar Idhia Sriliana Jurusan Maemaika FMIPA UNIB E-mail: aha_muflih@yahoo.co.id Absrak.
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 terperinciESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING
ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING Nama: Zahroh Aiqoh 05 00 0 Dosen Pembimbing: Dra. Nuri Wahyuningsih, MKes Drs. Sulisiyo, MT Jurusan Maemaika
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 LANDASAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi
Lebih terperinciBAB 2 LANDASAN TEORI
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 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 terperinciPeramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun
JURNAL AIN DAN ENI IT Vol. 1, No. 1, (ep. 2012 IN: 2301-928X D-230 Peramalan Kebuuhan Premium dengan Meode ARIMAX unuk Opimasi Persediaan di Wilayah TM Madiun Nindia ekar Dini, Haryono, dan uharono Jurusan
Lebih terperinciBAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan
BAB 2 KINEMATIKA Tujuan Pembelajaran 1. Menjelaskan perbedaan jarak dengan perpindahan, dan kelajuan dengan kecepaan 2. Menyelidiki hubungan posisi, kecepaan, dan percepaan erhadap waku pada gerak lurus
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian yang dilakukan mengenai analisis perencanaan pengadaan una berdasarkan ramalan ime series volume ekspor una loin beku di PT Tridaya Eramina
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju
Lebih 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 terperinciPeramalan Inflasi Nasional Berdasarkan Faktor Ekonomi Makro Menggunakan Pendekatan Time Series Klasik dan ANFIS
JURNAL SAINS DAN SENI IS Vol. 4, No., () 2337-3 (2-928X Prin) D-67 Peramalan Inflasi Nasional Berdasarkan Fakor Ekonomi Makro Menggunakan Pendekaan ime Series Klasik dan ANFIS Clara Agusin Sephani, Agus
Lebih terperinciBAB II TINJAUAN PUSTAKA. mempunyai efek menekan atau menghentikan suatu proses biokimia di dalam
BAB II TINJAUAN PUSTAKA 2.1 Anibioik 2.1.1 Defenisi Anibioik adalah segolongan senyawa, baik alami maupun sineik, yang mempunyai efek menekan aau menghenikan suau proses biokimia di dalam organisme, khususnya
Lebih terperincix 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr.
Pekan #1: Kinemaika Sau Dimensi 1 Posisi, perpindahan, jarak Tinjau suau benda yang bergerak lurus pada suau arah erenu. Misalnya, ada sebuah mobil yang dapa bergerak maju aau mundur pada suau jalan lurus.
Lebih terperinciRANK DARI MATRIKS ATAS RING
Dela-Pi: Jurnal Maemaika dan Pendidikan Maemaika ISSN 089-855X ANK DAI MATIKS ATAS ING Ida Kurnia Waliyani Program Sudi Pendidikan Maemaika Jurusan Pendidikan Maemaika dan Ilmu Pengeahuan Alam FKIP Universias
Lebih terperinciAnalisis Peramalan Jumlah Permintaan Kerudung di Industri Kecil Kerudung Arin di Surabaya dengan Metode Variasi Kalender
Analisis Peramalan Jumlah Perminaan Kerudung di Indusri Kecil Kerudung Arin di Surabaya dengan Meode Variasi Kalender Disusun oleh : Sely Enggar Rusiano 307 030 030 Dosen Pembimbing : Dr. Irhamah, M.Si
Lebih terperinciPERSAMAAN GERAK VEKTOR SATUAN. / i / = / j / = / k / = 1
PERSAMAAN GERAK Posisi iik maeri dapa dinyaakan dengan sebuah VEKTOR, baik pada suau bidang daar maupun dalam bidang ruang. Vekor yang dipergunakan unuk menenukan posisi disebu VEKTOR POSISI yang diulis
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 terperinciPEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA
PEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA Fadil Rahman Hakim, Dr. Ir. Achmad Mauludiyano, MT. Program Sudi Telekomunikasi Mulimedia Jurusan Teknik Elekro Fakulas Teknologi Indusri
Lebih terperinciPENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI
PENGGUNAAN ONSEP FUNGSI CONVEX UNU MENENUAN SENSIIVIAS HARGA OBLIGASI 1 Zelmi Widyanuara, 2 Ei urniai, Dra., M.Si., 3 Icih Sukarsih, S.Si., M.Si. Maemaika, Universias Islam Bandung, Jl. amansari No.1 Bandung
Lebih terperinciHUMAN CAPITAL. Minggu 16
HUMAN CAPITAL Minggu 16 Pendahuluan Invesasi berujuan unuk meningkakan pendapaan di masa yang akan daang. Keika sebuah perusahaan melakukan invesasi barang-barang modal, perusahaan ini akan mengeluarkan
Lebih terperinciDAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Studi Aplikasi Model Intervensi dengan Step Function) 1
DAMPAK PENURUNAN HARGA BBM JENS PREMUM TERHADAP ANGKA NFLAS D KOTA YOGYAKARTA (Sudi Aplikasi Model nervensi dengan Sep Funcion) Kismianini dan Dhoriva Urwaul Wusqa Jurusan Pendidikan Maemaika FMPA Universias
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 terperinciRelasi LOGIK FUNGSI AND, FUNGSI OR, DAN FUNGSI NOT
2 Relasi LOGIK FUNGSI ND, FUNGSI OR, DN FUNGSI NOT Tujuan : Seelah mempelajari Relasi Logik diharapkan dapa,. Memahami auran-auran relasi logik unuk fungsi-fungsi dasar ND, OR dan fungsi dasar NOT 2. Memahami
Lebih terperinciAnalisis Model dan Contoh Numerik
Bab V Analisis Model dan Conoh Numerik Bab V ini membahas analisis model dan conoh numerik. Sub bab V.1 menyajikan analisis model yang erdiri dari analisis model kerusakan produk dan model ongkos garansi.
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waku Peneliian Peneliian ini dilaksanakan pada kasus pengolahan ikan asap IACHI Peikan Cia Halus (PCH) yang erleak di Desa Raga Jaya Kecamaan Ciayam, Kabupaen Bogor,
Lebih terperinciPENGEMBANGAN MODEL PREDIKSI OLR-MJO BERBASIS HASIL ANALISIS MODEL STATISTIK BOX-JENKINS (ARIMA)
Prosiding Seminar Nasional Peneliian, Pendidikan, dan Penerapan MIPA Fakulas MIPA, Universias Negeri Yogyakara, 16 Mei 2009 PENGEMBANGAN MODEL PREDIKSI OLR-MJO BERBASIS HASIL ANALISIS MODEL STATISTIK BOX-JENKINS
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 terperinciPREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED
PREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED Wahyuda 1, Budi Sanosa 2, Nani Kurniai 3 1 Teknik Indusri Universias Mulawarman-Samarinda
Lebih terperinciMODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI
MODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI Diajukan kepada Fakulas Maemaika dan Ilmu Pengeahuan Alam Universias Negeri Yogyakara unuk memenuhi
Lebih terperinciBab IV Pengembangan Model
Bab IV engembangan Model IV. Sisem Obyek Kajian IV.. Komodias Obyek Kajian Komodias dalam peneliian ini adalah gula pasir yang siap konsumsi dan merupakan salah sau kebuuhan pokok masyaraka. Komodias ini
Lebih terperinciBAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai
BAB 1 PENDAHULUAN 1.1 Laar Belakang Propinsi Sumaera Uara merupakan salah sau propinsi yang mempunyai perkembangan yang pesa di bidang ransporasi, khususnya perkembangan kendaraan bermoor. Hal ini dapa
Lebih terperinciSIMULASI PERGERAKAN TINGKAT BUNGA BERDASARKAN MODEL VASICEK
Jurnal Maemaika Murni dan Terapan εpsilon Vol.9 No.2 (215) Hal. 15-24 SIMULASI PEGEAKAN TINGKAT BUNGA BEDASAKAN MODEL VASICEK Shanika Marha, Dadan Kusnandar, Naomi N. Debaaraja Fakulas MIPA Universias
Lebih terperinciBAB III HASIL DAN PEMBAHASAN. A. Permasalahan Nyata Penyebaran Penyakit Tuberculosis
BAB III HASIL DAN PEMBAHASAN A. Permasalahan Nyaa Penyebaran Penyaki Tuberculosis Tuberculosis merupakan salah sau penyaki menular yang disebabkan oleh bakeri Mycobacerium Tuberculosis. Penularan penyaki
Lebih terperinci1.4 Persamaan Schrodinger Bergantung Waktu
.4 Persamaan Schrodinger Berganung Waku Mekanika klasik aau mekanika Newon sanga sukses dalam mendeskripsi gerak makroskopis, eapi gagal dalam mendeskripsi gerak mikroskopis. Gerak mikroskopis membuuhkan
Lebih terperinci3. Kinematika satu dimensi. x 2. x 1. t 1 t 2. Gambar 3.1 : Kurva posisi terhadap waktu
daisipayung.com 3. Kinemaika sau dimensi Gerak benda sepanjang garis lurus disebu gerak sau dimensi. Kinemaika sau dimensi memiliki asumsi benda dipandang sebagai parikel aau benda iik arinya benuk dan
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 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 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 terperinciANALISIS DATA INFLASI INDONESIA MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DENGAN PENAMBAHAN OUTLIER.
Analisis Daa (Supari) ANALISIS DAA INFLASI INDONESIA MENGGUNAKAN MODEL AUOREGRESSIVE INEGRAED MOVING AVERAGE (ARIMA) DENGAN PENAMBAHAN OULIER Supari 1 dan Alfi Faridaus Sa adah 2 1 Saf Pengajar Jurusan
Lebih terperinci