BAB V KESIMPULAN DAN SARAN
|
|
- Benny Sanjaya
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan analisis data dan pembahasan pada Bab IV, kesimpulan penelitian ini adalah sebagai berikut. 1. Model VARIMA yang sesuai untuk data penjualan obat I, J dan K dalam kasus ini adalah VARIMA (3,0,0) (0,2,0) 7 karena untuk data training model tersebut mempunyai nilai SBC terkecil yaitu sebesar 13,83 yang memenuhi asumsi kebaikan model dan untuk data testing memiliki dua kriteria kebaikan model terkecil yaitu MAPE sebesar 281,66 dan RMSE sebesar 978,23 untuk obat I serta MAPE sebesar 74,14 dan RMSE sebesar 798,14 untuk obat J. 2. Model Backpropagation yang sesuai ada dua yaitu model NN (9,1,3) dengan input VARIMA karena model tersebut mempunyai nilai AIC terkecil dan model NN(5,1,3) dengan input lag PACF dengan differencing karena model tersebut mempunyai nilai SBC terkecil yang memenuhi asumsi kebaikan model. Model NN(9,1,3) mempunyai nilai AIC 12,8698 dan model NN(5,1,3) mempunyai nilai SBC sebesar 12,2492. Untuk data testingnya model NN(9,1,3) memiliki satu kriteria kebaikan model terkecil yaitu RMSE sebesar 1203,12 untuk obat I dan RMSE sebesar 1104,38 untuk obat J sedangkan model NN (5,1,3) memiliki satu kriteria kebaikan model terkecil MAPE sebesar 286,72 untuk untuk obat I. 3. Model VARIMA (3,0,0) (0,2,0) 7 lebih baik untuk peramalan data testing karena model VARIMA(3,0,0)(0,2,0) 7 memiliki dua kriteria kebaikan model terkecil untuk semua jenis obat jika dibandingkan dengan model NN. Dengan demikian, model terbaik untuk peramalan penjualan obat pada rumah sakit X adalah model VARIMA (3,0,0) (0,2,0) 7 57
2 Saran Rata-rata error model VARIMA dan Backpropagation masíh cukup besar, kemungkinan masih ada metode lain yang lebih sesuai untuk menyelesaikan kasus ini. Salah satu model yang mungkin bisa digunakan adalah model VARIMA atau Backpropagation dengan tambahan dummy variabel.
3 DAFTAR PUSTAKA Bull, E. dan Morrell, J. (2005), Simple Guide Kolesterol. Erlangga : Jakarta. Cheng, P. J. and Lin, S. C. (2000), Using neural networks to predict bending angle of sheet metal formed by laser, International Journal of Machine Tools and Manufacture, 40 (8), Pages Cryer, J.D. (1986). Time Series Analysis. PWS-Kent Publishing Co : Boston. Enders, W. (1995). Applied Time Series. John Wiley & Sons, Inc: Canada. Fariza, A. (2003). Perbandingan Kinerja Algoritma Genetika, Simulated Annealing dan Metode Statistik Moving Average untuk Peramalan Penjualan Time Series, EEPIS Journal Online System, 8 (1) Gujarati, D.N., (2004). Basic Econometrics, 4 rd ed. McGraw-Hill : Singapore. Hair, dkk. (2006). Multivariate Data Analysis, 5 rd ed. Prentice Hall : New Jersey. Johnson, R.A. dan Wichern, D.W., (1998). Applied Multivariate Statistical Analysis. Prentice Hall : New Jersey. Kusumadewi, S. (2004). Membangun Jaringan Syaraf Tiruan Menggunakan Matlab dan Excel Link. Yogyakarta : Graha Ilmu Lutkepohl, H. (2005). New Introduction to Multiple Time Series Analysis, New York: Springger. Makridakis dan Wheelwright (1999). Metode dan Aplikasi Peramalan. Edisi kedua. Erlangga : Jakarta. Saptono, A. (2007). Analisis Peramalan Penjualan Kaitannya Dalam Perencanaan Laba Obat Herba Pada Pt Na-Tura Health Center Di Depok, Tugas Akhir, Strata 1 Fakultas Ekonomi yang tidak dipublikasikan, Universitas Gunadarma 59
4 60 Suryani, A., Hasanbasri, M., dan Priyatni, N. (April 2008). Pelaksanaan Kebijakan Obat Generik Di Apotik Kabupaten Pelalawan Propinsi Riau, disertasi, Magister Kebijakan dan Manajemen Pelayanan Kesehatan yang tidak dipublikasikan, Universitas Gajah Mada. Terasvirta, T., Van Dijk., dan Medeiros, Marcelo C. (2005). Linear models, smooth transition autoregressions, and neural networks for forecasting macro economic time series: A re-examination, International Journal of Forecasting, 21 (4), Tjokroprawiro, A. (1988). Diabetes Millitus Dan Macam-Macam DIIT-Diabetes B, B 1, B dan B 1, Puasa, B 2, B 3 dan Be. Edisi kesebelas. Airlangga University Press : Surabaya. Wei, W. W. S. (1994). Time Series Analysis Univariate and Multivariate Methods. Addison Wesley Publishing Company, Inc : Canada. Wetherill, D. dan Kerelakes, D. (2001). Yang Perlu Anda Ketahui Diabetes. Elex Media Komputindo : Jakarta.
5 BIODATA PENULIS Penulis dilahirkan di Jombang, 22 Maret Penulis menempuh pendidikan formal di TK Pembangunan Surabaya, SDN Kedung Cowek I 253 Surabaya, SMPN 15 Surabaya, dan SMAN 19 Surabaya. Tahun 2005 penulis mengikuti Seleksi Penerimaan Mahasiswa Baru (SPMB) dan diterima di Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam (FMI PA), Institut Teknologi Sepuluh Nopember (ITS) Surabaya dengan NRP Selama menempuh pendidikan di statistika ITS, Penulis aktif menjadi staf divisi pelatihan Profesional statistik (Pst) periode dan anggota Statistic Computer Course (SCC) periode Penulis juga pernah menjadi asisten dosen matakuliah Pengantar Ilmu Komputer (PIK) tahun ajaran dan Kerja Praktek di bagian logistik POLRESTA Mojokerto tahun Bagi yang ingin berdiskusi atau memeberikan saran lebih lanjut kepada penulis mengenai tugas akhir ini, penulis dapat dihubungi melalui alamat pu3zan_cute_s4@yahoo.co.id. 101
6 102
BAB V KESIMPULAN DAN SARAN
BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Kesimpulan yang diperoleh berdasarkan analisis dan pembahasan pada bab sebelumnya adalah sebagai berikut. 1. Bobot lokasi yang digunakan dalam membentuk model
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 terperinciANALISIS PENJUALAN BAHAN BAKAR MINYAK (BBM) dari PT. PERTAMINA (PERSERO) UPms V SURABAYA dengan METODE ARIMA BOX JENKINS
ANALISIS PENJUALAN BAHAN BAKAR MINYAK (BBM) dari PT. PERTAMINA (PERSERO) UPms V SURABAYA dengan METODE ARIMA BOX JENKINS Oleh: Rizky Amlia Rachmawati (1306.030.046) Dosen Pembimbing: Dra. Madu Ratna, M.Si
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 terperinciJURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) A-31
JURNAL SAINS DAN SENI ITS Vol 4, No2, (2015) 2337-3520 (2301-928X Print) A-31 Perbandingan Performansi Metode Peramalan Fuzzy Time Series yang Dimodifikasi dan Jaringan Syaraf Tiruan Backpropagation (Studi
Lebih terperinciBABV PENUTUP. 2. Model fungsi transfer yang menghubungkan antara harga rninyak bumi dengan harga bijih plastikjenis PE, yaitu:
BABV PENUTUP V.I KesimpuJan Berdasarkan analisa dan pembahasan yang telah dilakukan, maka dapat diarnbil kesirnpulan sebagai berikut: I. Model fungsi transfer yang menghubungkan antara harga rninyak bmni
Lebih terperinciTUGAS AKHIR - ST 1325
TUGAS AKHIR - ST 1325 PERBANDINGAN BACKPROPAGATION NEURAL NETWORK DAN VECTOR AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (VARIMA) UNTUK MERAMALKAN PENJUALAN OBAT DI APOTIK RUMAH SAKIT X PUTRI SUSANTI NRP
Lebih terperinciBAB IV KESIMPULAN DAN SARAN. maka dapat disimpulkan sebagai berikut: 1. Langkah-langkah dalam menentukan model EGARCH pada pemodelan data
BAB IV KESIMPULAN DAN SARAN A. Kesimpulan Berdasarkan uraian dan pembahasan pada bab-bab sebelumnya, maka dapat disimpulkan sebagai berikut: 1. Langkah-langkah dalam menentukan model EGARCH pada pemodelan
Lebih terperinciBAB VI KESIMPULAN DAN SARAN. adalah banyaknya hari hujan.
BAB VI KESIMPULAN DAN SARAN 6.1 Kesimpulan Berdasarkan analisis data dan pembahasan, dapat diambil beberapa kesimpulan yaitu sebagai berikut : 1. Modul Neo-Normal dapat diaplikasikan ke dalam WinBUGS karena
Lebih terperinciPERAMALAN PRODUKSI PADI DENGAN ARIMA, FUNGSI TRANSFER DAN ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
PERAMALAN PRODUKSI PADI DENGAN ARIMA, FUNGSI TRANSFER DAN ADAPTIVE NEURO FUZZY INFERENCE SYSTEM Oleh: ADI WIJAYA NRP. 1310201720 Dosen Pembimbing: Dr. Suhartono, S.Si, M.Sc PROGRAM MAGISTER STATISTIKA
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 terperinciPENGENDALIAN KUALITAS STATISTIKA RUNTUN WAKTU DENGAN METODE FEEDBACK CONTROL DI PT. SEMEN GRESIK (PERSERO) TBK.
PENGENDALIAN KUALITAS STATISTIKA RUNTUN WAKTU DENGAN METODE FEEDBACK CONTROL DI PT. SEMEN GRESIK (PERSERO) TBK. SKRIPSI oleh: ADJI ACHMAD RINALDO FERNANDES 0001100233-95 PROGRAM STUDI STATISTIKA JURUSAN
Lebih terperinciKESIMPULAN DAN SARAN SARAN
KESIMPULAN DAN SARAN 1. Peramalan dengan menggunakan ensemble tiruan menghasilkan peramalan berupa pdf dan memiliki interval. Ensembel tiruan pada lead pertama dapat menangkap observasi kecepatan angin
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 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 terperinciTugas Akhir. Peramalan Penjualan Produk Minuman TB Wilayah Pemasaran Jawa Timur dengan Menggunakan Metode VARIMA. Oleh : C. Ade Kurniawan
Tugas Akhir Peramalan Penjualan Produk Minuman TB Wilayah Pemasaran Jawa Timur dengan Menggunakan Metode VARIMA Oleh : C. Ade Kurniawan 1304100022 Latar Belakang Ketidakpastian dalam aliran hulu supply
Lebih terperinciKematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan
VIF Distribusi Poisson Regresi Poisson Kematian Bayi Kematian Ibu Kematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan 1 Pendaharan terberat pada masa nifas
Lebih terperinciPREDIKSI JANGKA PENDEK B ULAN AN JUMLAH FLARE DENGAN MODEL ARIMA (p,d,[q]), (P,D,Q)' 32
PREDIKSI JANGKA PENDEK B ULAN AN JUMLAH FLARE DENGAN MODEL ARIMA (p,d,[q]), (P,D,Q)' 32 Nanang WIdodo Penelid Staslun Pengamat Dlrgantara Watukosek, LAPAN ABSTRACT The time series of the monthly number
Lebih terperinciPREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) Supriyanto 1, Sudjono 2, Desty Rakhmawati 3 ( 1,2. UNSOED Purwokerto, 3. STMIK
Lebih terperinciGARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : Genap
GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : Genap Berlaku mulai: Genap/2010 MATA KULIAH : TEKNIK PERAMALAN KODE MATA KULIAH/ SKS : 410103096 / 3 SKS MATA KULIAH PRASYARAT
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 terperinciIDENTIFIKASI MODEL FUNGSI TRANSFER MENGGUNAKAN PEMODELAN ARIMA OTOMATIS GOMEZ-MARAVALL (STUDI KASUS PADA DATA INFLASI INDONESIA)
IDENTIFIKASI MODEL FUNGSI TRANSFER MENGGUNAKAN PEMODELAN ARIMA OTOMATIS GOMEZ-MARAVALL (STUDI KASUS PADA DATA INFLASI INDONESIA) Oleh: R I O J A K A R I A NPM. 140720090023 T E S I S Untuk memenuhi salah
Lebih terperinciPENGGUNAAN METODE REGRESI BERGANDA UNTUK MERAMALKAN PERMINTAAN MOBIL DENGAN N VARIABEL INDEPENDEN ADAPTIF
PRESENTASI TUGAS AKHIR KS091336 PENGGUNAAN METODE REGRESI BERGANDA UNTUK MERAMALKAN PERMINTAAN MOBIL DENGAN N VARIABEL INDEPENDEN ADAPTIF Penyusun Tugas Akhir : Fitri Linawati (NRP : 5207.100.114) Dosen
Lebih terperinciUJIAN TUGAS AKHIR EKA NOVI NURHIDAYATI. Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember 2012
UJIAN TUGAS AKHIR APLIKASI ALGORITMA NONLINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PARAMETER α DALAM METODE PEMULUSAN EKSPONENSIAL SATU PARAMETER EKA NOVI NURHIDAYATI 1208 100 040 Jurusan Matematika Fakultas
Lebih terperinciStatistika Regresi Logistik Neural Network Deskriptif Ketepatan Klasifikasi Model dengan Input Signifikan
Statistika Regresi Logistik Neural Network Deskriptif Ketepatan Klasifikasi Model dengan Input Signifikan Predicted Predicted Actual < 3,5 3,5 Actual Tidak tepat Tepat waktu < 3,5 36 10 Tidak tepat 74
Lebih terperinciRabiner L, Juang BH Fundamental of Speech Recognition. New Jersey: PTR Prentice-Hall, Inc. Reynolds D.A An Overview of Automatic
DAFTAR PUSTAKA Bolat B, Yildirim T. 2003. Performance increasing methods for probabilistic Neural Networks. Pakistan Journal of Information and Technology 2(3):250-255. Campbell, J.P., 1997, Speaker Recognition:
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 terperinciBAB V KESIMPULAN DAN SARAN
BAB V KESIMPULAN DAN SARAN Kesimpulan yang diambil dalam Bab ini berdasarkan hasil analisis pada Bab sebelumnya. Selain kesimpulan, Bab ini juga berisi saran yang dapat dijadikan pertimbangan untuk penelitian-penelitian
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1 PEMBUATAN APLIKASI PERAMALAN JUMLAH PERMINTAAN PRODUK DENGAN METODE TIME SERIES EXPONENTIAL SMOOTHING HOLTS WINTER DI PT. TELEKOMUNIKASI INDONESIA Tbk.
Lebih terperinciOPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION
OPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION NILA YUWIDA 1208100015 Dosen Pembimbing : Dra. Nuri Wahyuningsih, M.Kes Drs. Lukman Hanafi,
Lebih terperinciMODEL PENDUKUNG KEPUTUSAN UNTUK PERENCANAAN PRODUKSI PIPA BAJA DENGAN MENGGUNAKAN NEURAL NETWORK DI PT. XYZ TBK
MODEL PENDUKUNG KEPUTUSAN UNTUK PERENCANAAN PRODUKSI PIPA BAJA DENGAN MENGGUNAKAN NEURAL NETWORK DI PT. XYZ TBK Ida Bagus Oka Ari Adnyana 1) dan M. Isa Irawan 2) 1) Program Studi Magister Manajemen Teknologi,
Lebih terperinciEkonometrika Deret Waktu: Teori dan Aplikasi
Ekonometrika Deret Waktu: Teori dan Aplikasi Bambang Juanda, Junaidi Ekonometrika telah berkembang cukup pesat dalam 15 tahun terakhir,terutama dalam bidang analisis data deret waktu (time series ), termasuk
Lebih terperinciBAB VII KESIMPULAN DAN SARAN
105 7.1. KESIMPULAN BAB VII KESIMPULAN DAN SARAN Setelah dilakukan perhitungan dan analisa data baik data primer maupun sekunder yang dibantu dengan program KAJI dan Excel maka didapat sebuah kesimpulan
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 terperinciPERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN
Feng PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK... 211 PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN Tan
Lebih terperinciPEMBUATAN INDIKATOR VECTOR AUTOREGESSIVE (VAR) PADA METATRADER
PEMBUATAN INDIKATOR VECTOR AUTOREGESSIVE (VAR) PADA METATRADER Samuel Ridwan Setiadi 1, Mahendrawathi ER 2, dan Nur Iriawan 3 1 MMT-ITS, Surabaya, Indonesia 2 Dosen Jurusan Sistem Informasi, FTIF-ITS mahendra_w@its-sby.edu
Lebih terperinciModel Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Model Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur M.Fariz Fadillah Mardianto,
Lebih terperinciUnnes Journal of Mathematics
UJM 2 (2) (2013) Unnes Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm PERBANDINGAN PREDIKSI HARGA SAHAM DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN ARIMA Dwi Prisita
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 terperinciWAVELET -JARINGAN SYARAF TIRUAN UNTUK PREDIKSI DATA TIME SERIES
J. Math. and Its Appl. ISSN: 1829-605X Vol. 4, No. 2, November 2007, 53 64 WAVELET -JARINGAN SYARAF TIRUAN UNTUK PREDIKSI DATA TIME SERIES Daryono Budi Utomo Jurusan Matematika FMIPA Institut Teknologi
Lebih terperinciImplementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series
Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series Oleh: ABD. ROHIM (1206 100 058) Dosen Pembimbing: Prof. Dr. M. Isa Irawan, MT Jurusan Matematika
Lebih terperinciProgram Studi Matematika, Institut Teknologi Kalimantan, Balikpapan
J. Math. and Its Appl. E-ISSN: 2579-8936 P-ISSN: 1829-605X Vol. 14, No. 2, Desember 2017, 25-37 Perbandingan Metode ARIMA dan Double Exponential Smoothing pada Peramalan Harga Saham LQ45 Tiga Perusahaan
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 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 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 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 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 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 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 terperinciJurnal Dinamika, April 2015, halaman Vol. 06. No. 1 ISSN
Jurnal Dinamika, April 2015, halaman 61-66 Vol. 06. No. 1 ISSN 2087-7889 SIMULASI PERBANDINGAN METODE PERAMALAN MODEL GENERALIZED SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (GSARIMA) DENGAN SEASONAL
Lebih terperinciDr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016
1 Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016 This part presents some basic statistical methods essential to modeling, analyzing, and forecasting time series data. Both graphical displays and
Lebih terperinciPENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN PERSENTASE RUMAH TANGGA MENURUT KUALITAS FISIK AIR MINUM DENGAN MENGGUNAKAN K-MEANS CLUSTER
PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN PERSENTASE RUMAH TANGGA MENURUT KUALITAS FISIK AIR MINUM DENGAN MENGGUNAKAN K-MEANS CLUSTER Artanti Indrasetianingsih Dosen Program Studi Statistika, FMIPA
Lebih terperinciSeminar Hasil Tugas Akhir
Peramalan Harga Obligasi Pemerintah Dengan Model Time Series Linier Dan Nonlinier WINDY LESTARI 30800047 Pembimbing : Dr. Brodjol Sutijo S.U., Msi Co. Pembimbing : Dr. Suhartono, Msc Agenda Pendahuluan
Lebih terperinciBAB IV PENUTUP. berkorelasi secara contemporaneous. Korelasi galat contemporaneous terjadi
76 BAB IV PENUTUP A. Kesimpulan Model Seemingly Unrelated Regression (SUR) merupakan perluasan dari analisis regresi linear yang berupa sistem persamaan yang terdiri dari beberapa persamaam regresi yang
Lebih terperinciData Mining Peramalan Konsumsi Listrik dengan Pendekatan Cluster Time Series sebagai Preprocessing
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (2016) 2337-3520 (2301-928X Print) D-121 Data Mining Peramalan Konsumsi Listrik dengan Pendekatan Time Series sebagai Preprocessing M. Alfan Alfian Riyadi, Kartika
Lebih terperinciOleh : Nita Indah Mayasari Dosen Pembimbing : Dra. Ismaini Zain, M.Si
Oleh : Nita Indah Mayasari - 1305 100 024 Dosen Pembimbing : Dra. Ismaini Zain, M.Si Jawa Timur Angka Rawan Pangan 19,3 % STATUS EKONOMI SOSIAL Rumah Tangga Pedesaan Rumah Tangga Perkotaan Perbedaan pengeluaran
Lebih terperinciSILABUS MATAKULIAH PERAMALAN BISNIS
SILABUS MATAKULIAH PERAMALAN BISNIS Matakuliah : Peramalan Bisnis Kode Matakuliah/sks : AGB 201/ 3(2-3) Semester : 4 Prasyarat Deskripsi Singkat : Metode Statistika : Matakuliah ini memberikan pengetahuan,
Lebih terperinciPERAMALAN DBIT AIR SUNGAI BRANTAS DENGAN METODE GSTAR DAN ARIMA
PERAMALAN DBIT AIR SUNGAI BRANTAS DENGAN METODE GSTAR DAN ARIMA HENNY DWI KHOIRUN NISA 1205 100 044 Dosen Pembimbing Dra Nuri Wahyuningsih, MKes Seminar Tugas Ahir Senin, 19 juli 2010 Latar belakang 1.
Lebih terperinciUANG BEREDARR DAN TINGKAT INFLASI FEB RINA HANDAYANI
FUNGSI TRANSFER HUBUNGAN PERUBAHAN JUMLAH UANG BEREDARR DAN TINGKAT INFLASI FEB RINA HANDAYANI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKAA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2010 RINGKASAN
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 terperinciBAB V KESIMPULAN DAN SARAN
5 BAB V KESIMPULAN DAN SARAN 5. Kesimpulan Berdasarkan hasil analisis sebelumnya, dapat ditarik kesimpulan bahwa :. Model regresi yang mampu menjelaskan hubungan antara angka kematian bayi di Jawa Timur
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 terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA
RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA A. MATA KULIAH Nama Mata Kuliah : Metode Peramalan Kode/sks : MAS 4234 / 3 (2-1) Semester : VI Status (Wajib/Pilihan) : Pilihan (P) Prasyarat
Lebih terperinciPrediksi Nilai Indeks Harga Konsumen (IHK) Kota Jambi Menggunakan Radial Basis Function Neural Network (RBFNN) dengan Metode Fuzzy C-Means Clustering
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 T - 12 Prediksi Nilai Indeks Harga Konsumen (IHK) Kota Jambi Menggunakan Radial Basis Function Neural Network (RBFNN) dengan Metode Fuzzy C-Means Clustering
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 terperinciSENSITIFITAS MODEL GARCH UNTUK MENGATASI HETEROKEDASTIK PADA DATA DERET WAKTU
SENSITIFITAS MODEL GARCH UNTUK MENGATASI HETEROKEDASTIK PADA DATA DERET WAKTU Asep Saefuddin, Anang Kurnia dan Sutriyati Departemen Statistika FMIPA IPB Ringkasan Data deret waktu pada bidang keuangan
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 terperinciPENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 25 32 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.
Lebih terperinciANALISIS FAKTOR TERHADAP DATA PENGGUNAAN WEB PERSONAL DOSEN ITS DAN PERBANDINGAN TERHADAP PENCAPAIAN IPK DAN LAMA STUDI MAHASISWA
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 ANALISIS FAKTOR TERHADAP DATA PENGGUNAAN WEB PERSONAL DOSEN ITS DAN PERBANDINGAN TERHADAP PENCAPAIAN IPK DAN LAMA STUDI
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 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 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 terperinciSidang Akhir Tugas Akhir PERAMALAN KETERSEDIAAN BATUBARA MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE MOVING AVERAGE (VARMA) PADA PT.
Sidang Akhir Tugas Akhir PERAMALAN KETERSEDIAAN BATUBARA MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE MOVING AVERAGE (VARMA) PADA PT.XYZ Immash Kusuma Pratiwi 5208100123 PENDAHULUAN Latar Belakang, Perumusan
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 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 JUMLAH PENUMPANG PESAWAT TERBANG DOMESTIK DI BANDAR UDARA JUANDA DENGAN MENGGUNAKAN METODE FUNGSI TRANSFER MULTI INPUT
PERAMALAN JUMLAH PENUMPANG PESAWAT TERBANG LOGO DOMESTIK DI BANDAR UDARA JUANDA DENGAN MENGGUNAKAN METODE FUNGSI TRANSFER MULTI INPUT Oleh : Ary Miftakhul Huda (1309 100 061) Dosen Pembimbing : Dr.rer.pol.
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 terperinciANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA
ANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA Nurmahaludin (1) (1) Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Banjarmasin Ringkasan Kebutuhan
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 terperinciMODEL ARMA (AUTOREGRESSIVE MOVING AVERAGE) UNTUK PREDIKSI CURAH HUJAN DI KABUPATEN SEMARANG JAWA TENGAH - INDONESIA. Salatiga, Jawa Tengah, Indonesia
MODEL ARMA (AUTOREGRESSIVE MOVING AVERAGE) UNTUK PREDIKSI CURAH HUJAN DI KABUPATEN SEMARANG JAWA TENGAH - INDONESIA Adi Nugroho 1, Bistok Hasiholan Simanjuntak 2 1 Staf pengajar di Fakultas Teknologi Informasi
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 terperinciIMPLEMENTASI PEMODELAN ARTIFICIAL NEURAL NETWORKS (ANN) DALAM PREDIKSI DATA TIME SERIES PENJUALAN STUDI KASUS PT.
TUGAS AKHIR CI1599 IMPLEMENTASI PEMODELAN ARTIFICIAL NEURAL NETWORKS (ANN) DALAM PREDIKSI DATA TIME SERIES PENJUALAN STUDI KASUS PT. VARIA USAHA BETON ATHUR ADHI BUWANA NRP 5102 109 044 Dosen Pembimbing
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 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 terperinciOleh : M. Mushonnif Efendi ( ) Dosen Pembimbing : Dr. Sony Sunaryo, M.Si.
OPTIMASI WAKTU PEMOTONGAN BAJA HSS PADA WIRE-EDM MENGGUNAKAN METODE TAGUCHI Oleh : M. Mushonnif Efendi (307 030 05) Dosen Pembimbing : Dr. Sony Sunaryo, M.Si. Prodi D3 STATISTIKA FAKULTAS ILMU PENGETAHUAN
Lebih terperinciISSN : STMIK AMIKOM Yogyakarta, 6-8 Februari 2015
ISSN : 2302-305 STMIK AMIKOM Yogyakarta, 6- Februari 2015 PEMODELAN FORECASTING CONTAINER THROUGHPUT DENGAN METODE ARIMA-BOX JENKINS, JARINGAN SYARAF TIRUAN DAN HYBRIDA ARIMA-BOX JENKINS-JARINGAN SYARAF
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 terperinciBAB V KESIMPULAN DAN SARAN
BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan hasil analisis dan pembahasan dapat diambil kesimpulan sebagai berikut, 1. Karakteristik perempuan yang bekerja di bidang informal mayoritas pada perempuan
Lebih terperinciANALISIS DAN PEMBAHASAN
ANALISIS DAN PEMBAHASAN 4.3 Peta Kendali Hotelling Dalam kehidupan sehari-hari banyak sekali proses produksi yang memiliki karakteristik kualitas lebih dari satu. Proses yang seperti ini disebut dengan
Lebih terperinciJurnal String Vol. 2 No. 1 Agustus 2017 p-issn: e-issn:
ANALISIS DAN MODEL PERAMALAN DATAEKSPOR IMPOR DENGAN METODE GABUNGAN ARIMA NEURAL NETWORK Aris Gunaryati Program Studi Teknik Informatika, Universitas Nasional E-Mail : arisgunaryati@yahoo.co.id Abstrak
Lebih terperinciSISTEM PERINGATAN DINI PENCAPAIAN PENDAPATAN ASLI DAERAH PADA DINAS PENDAPATAN PROVINSI JAWA TIMUR
SISTEM PERINGATAN DINI PENCAPAIAN PENDAPATAN ASLI DAERAH PADA DINAS PENDAPATAN PROVINSI JAWA TIMUR Nurvan Indra Praja 1) dan Joko Lianto Buliali 2) Program Studi Magister Manajemen Teknologi, Institut
Lebih terperinciBAB 5 KESIMPULAN, KEKURANGAN PENELITIAN DAN SARAN. Dari hasil pengujian peramalan dengan menggunakan metode Fuzzy Mamdani
BAB 5 KESIMPULAN, KEKURANGAN PENELITIAN DAN SARAN 5. 1 Kesimpulan Dari hasil pengujian peramalan dengan menggunakan metode Fuzzy Mamdani dan bantuan software Matlab, dapat diambil beberapa kesimpulan sebagai
Lebih terperinciAplikasi Multidimensional Scaling Untuk Peningkatan Pelayanan Proses Belajar Mengajar (PBM).
Aplikasi Multidimensional Scaling Untuk Peningkatan Pelayanan Proses Belajar Mengajar (PBM). Irlandia Ginanjar Staf Pengajar Jurusan Statistika FMIPA, Unpad Bandung. Abstrak Tujuan dari penelitian ini
Lebih terperinciKAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN SIX SIGMA. Victoria Dwi Murti 1, Sudarno 2, Suparti 3
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 241-248 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN
Lebih terperinciJURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: A-403
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 201-9271 A-0 Implementasi Fuzzy Neural Network untuk Memperkirakan Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Ani Rahmadiani dan Wiwik
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman 441-450 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PREDIKSI DATA HARGA SAHAM HARIAN MENGGUNAKAN FEED FORWARD NEURAL
Lebih terperinciPRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Jaringan Syaraf Tiruan Kode/SKS: SS / (2/1/0) Dosen : BSSU Semester : III
RP-S1-SK-12 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 6 A. CAPAIAN PEMBELAJARAN : CP 3.3 : Mampu menyelesaikan masalah di bidang Stat komputasi dan Membuat program untuk mengoptimalkan
Lebih terperinciPENGGUNAAN ALGORITMA NONLINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PARAMETER DALAM METODE PEMULUSAN EKSPONENSIAL SATU PARAMETER
PENGGUNAAN ALGORITMA NONLINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PARAMETER DALAM METODE PEMULUSAN EKSPONENSIAL SATU PARAMETER Nama Mahasiswa : Eka Novi Nurhidayati NRP : 1208 100 040 Jurusan : Matematika
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 terperinciPERAMALAN INFLASI DENGAN METODE WEIGHTED FUZZY TIME SERIES
PERAMALAN INFLASI DENGAN METODE WEIGHTED FUZZY TIME SERIES Dwi Ayu Lusia 1, Suhartono 2 1 Mahasiswa Program Sarjana, Jurusan Statistika FMIPA-ITS (1307 100 013), 2 Dosen Pembimbing, Jurusan Statistika
Lebih terperinci