Prediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki

Ukuran: px
Mulai penontonan dengan halaman:

Download "Prediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki"

Transkripsi

1 JURNAL SAINS DAN SENI POMITS Vol. 3, No., (4) (3-98X Pri) D-34 Sepeda Moor Merek X Di Kabupae Da Koamadya Malag Dega Meode Peramala Hierarki Rika Susai, Desri Susilaigrum, da Suharoo Jurusa Saisika, Fakulas Maemaika da Ilmu Pegeahua Alam, Isiu Tekologi Sepuluh Nopember (ITS) Jl. Arief Rahma Hakim, Surabaya 6 desri_s@saisika.is.ac.id, suharoo@saisika.is.ac.id Absrak Kabupae da Koamadya Malag merupaka wilayah dega pejuala sepeda moor merek X yag iggi di Jawa Timur. Sepeda moor merek X merupaka moor yag palig dimiai masyaraka. Peeliia ii berujua uuk memprediksi pejuala sepeda moor merek X di Kabupae da Koamadya Malag dega megguaka meode peramala hierarki. Ada dua pedekaa yag diguaka yaiu pedekaa op-dow da boom-up. Pada pemodela di level dega pedekaa opdow, dikeahui bahwa pejuala ahua sepeda moor merek X di Kabupae da Koamadya Malag masigmasig dipegaruhi oleh Jumlah Peduduk Usia produkif da Produk Domesik Regioal Bruo (PDRB) per kapia. Meode peramala hierarki erbaik uuk memprediksi pejuala sepeda moor merek X di Kabupae Malag adalah dega pedekaa boom-up, sedagka di Koamadya Malag dega pedekaa op-dow berdasarka proporsi peramala (FP) uuk jeis maic, sedagka uuk jeis cub da spor masig-masig berdasarka proporsi daa Hisori (HP) da daa Hisori (HP). Hasil peeliia meujukka bahwa pejuala sepeda moor merek X jeis cub cederug meuru, sedagka pejuala jeis maic da spor cederug aik. D Kaa Kuci ARIMAX, Boom-up, Sepeda Moor Merek X, Top-dow. I. PENDAHULUAN ATA pejuala sepeda moor merek X merupaka daa dere waku hierarki, karea erdiri dari daa pejuala 3 jeis produk, da pada daa pejuala ahuaya dapa dipecah mejadi daa bulaa. Pada peeliia ii, daa pejuala ahua oal sepeda moor merek X (yag diyaaka dalam saua ui) disebu sebagai daa hierarki level, sedagka daa pejuala ahua sepeda moor merek X meuru jeisya merupaka daa hierarki level, da daa pejuala bulaa sepeda moor merek X meuru jeisya merupaka daa hierarki level. Di Jawa Timur, pejuala sepeda moor merek X yag eriggi yaiu di regioal Malag. Meuru iformasi dari Depui Divisi PT. X, iggiya permiaa pasar erhadap sepeda moor ersebu disebabka karea iggiya perumbuha ekoomi di wilayah ersebu. Regioal Malag erdiri dari dua wilayah, yaiu Kabupae da Koamadya Malag. Meuru BPS Koa Malag, Koamadya Malag merupaka wilayah di Jawa Timur dega perumbuha ekoomi yag iggi. Sedagka Kabupae Malag merupaka wilayah yag pada peduduk. Meuru Budiaro [], wilayah dega peduduk yag pada merupaka suau poesi pasar yag besar. Pada peeliia ii, pemodela level dilakuka dega memperhaika variabel yag diduga mempegaruhi pejuala sepeda moor merek X, yaiu jumlah peduduk usia produkif, (Produk Domesik Regioal Bruo) PDRB per kapia, da Laju Perumbuha Ekoomi. sepeda moor ersebu di Kabupae da Koamadya Malag cederug iggi pada saa mejelag hari raya maupu ahu ajara baru. Hal ersebu meujukka idikasi adaya pola musima da ada efek variasi kaleder. Oleh karea iu pemodela pejuala bulaaya (pada hierarki level ) dilakuka dega meode ARIMAX, karea meode ersebu mampu meagkap efek musima, variasi kaleder da red []. Higga saa ii elah bayak peeliia yag dilakuka megeai meode peramala hierarki, aara lai seperi yag elah dilakuka oleh Ahaasopoulos dkk. yag melakuka peramala erhadap jumlah wisaawa lokal di Ausralia higga pada hierarki level [3]. Di Idoesia, peeliia megeai meode peramala hierarki aara lai dilakuka oleh Karikasari [4] yaiu megeai pejuala perusahaa reail Amigo Grup higga level. Peeliia ii berujua uuk memprediksi pejuala sepeda moor merek X di Kabupae da Koamadya Malag dega megguaka peramala hierarki op-dow da boom-up. Pada pedekaa op-dow perhiuga proporsi yag aka diguaka uuk medisagregasi hasil ramala adalah berdasarka proporsi daa hisori, peramala, da daa ahu erakhir. Pemiliha model erbaik berdasarka smape erkecil. II. MODEL PERAMALAN HIERARKI Terdapa dua pedekaa yag umum diguaka pada meode peramala hierarki yaiu pedekaa boom-up da pedekaa op-dow. Dalam pedekaa boom-up, peramala dimulai dari level palig bawah kemudia dilajuka ke level di aasya. Adapu rumus peramala pada pedekaa ii yaiu sebagai beriku [3] m c Yˆ Yˆ Yˆ Yˆ... Yˆ () oal, i i dega m c merupaka jumlah series pada level ke-c. Pada pedekaa op-dow dilakuka disagregasi ramala dari level palig aas (oal) uuk medapaka ramala pada level di bawahya. Disagregasi dalam hal ii dilakuka berdasarka ilai proporsi. Terdapa dua jeis proporsi yag dapa diguaka uuk meghiug proporsi yaiu berdasarka daa hisori da berdasarka proporsi ramala. i

2 JURNAL SAINS DAN SENI POMITS Vol. 3, No., (4) (3-98X Pri) D-35 -Top-dow berdasarka proporsi daa hisori aau Hisorical Proporio (HP). Yb, ( ) Y f b () -Top-dow berdasarka proporsi daa hisori aau Hisorical Proporio (HP) Yb, f (3) b Y dega f b merupaka proporsi hisori dere level bawah pada periode ke-. -Top-dow berdasarka proporsi ramala aau Forecas Proporio (FP) c ˆ a Y b, ( h) f (4) b a a Sb, ( h) dega f b merupaka proporsi peramala dere level bawah pada periode ke- da, Sˆ ( h) Sˆ Y ( h) Y ( h)... Y ( ). b, oal,,,, h Pemodela dalam meode peramala hierarki pada peeliia ii, dilakuka higga level. Pemodela Hierarki level pada pedekaa op-dow megguaka model regresi liier bergada sebagai beriku [5] Y X... X w w (5) dega, Y : variabel respo yag bersifa radom X X... X w : variabel predikor yag bersifa eap... w : koefisie regresi : variabel error. Pemodela pada level dega pedekaa op-dow megguaka model o liier dalam meeuka ilai proporsi disagregasi. Adapu model o liier yag diguaka dalam peeliia ii yaiu [5]. ( ) 3 e Y (6) Pemodela pada level dega pedekaa op-dow dilakuka berdasarka model ARIMAX. Adapu model ARIMAX yag diguaka yaiu ARIMAX dega red deermiisik sebagai beriku[] Y U D,, U D,,... U D,, q( B) ( B) p V, Q P... V S ( B ) a S ( B ) 3 3, D, dega, U,, U,,..., U, : variabel dummy uuk pola musima V,, V,, V 3, : variabel dummy efek hari raya D,, D, : variabel dummy periode yag meyaaka perubaha red D,,D, : variabel dummy yag meyaaka red pada periode D,, D, : variabel dummy uuk red sebelum periode D,, D, : koefisie red sebelum periode D,, D, (7),..., : koefisie dummy uuk pola musima, : koefisie dummy uuk efek hari raya, 3, : koefisie dummy uuk periode yag meyaaka perubaha red, : koefisie uuk dummy perkalia aara red da periode S q ( B) Q ( B ) a : model ARIMA. S ( B) ( B ) p P Pada peramala hierarki dimugkika uuk memperoleh lebih dari sau model. Uuk dapa meeuka model erbaik diguaka krieria Symeric Mea Absolue Perceage Error (smape), dega rumus sebagai beriku [6] Y ˆ Y (8) smape % Y ˆ Y dega Y merupaka ilai sebearya, sedagka Yˆ adalah ilai ramala. III. METODOLOGI PENELITIAN Daa yag diguaka dalam peeliia ii adalah daa pejuala bulaa sepeda moor merek X di Kabupae da Koamadya Malag dari Jauari 9 sampai Mare 3. Uuk keperlua aalisis, daa pejuala bula Jauari 9 sampai dega Desember 3 diguaka sebagai daa i-sample, sedagka daa pejuala bula Jauari sampai dega Mare 4 diguaka sebagai daa ou-sample. Dalam aalisis ii diperhaika pula variabel yag diduga mempegaruhi pejuala ahua sepeda moor merek X yaiu erdiri dari jumlah peduduk usia produkif, laju perumbuha Ekoomi, da PDRB per kapia. Adapu daa megeai variabel ekoomi merupaka daa ahu 9 sampai dega 3 yag diperoleh dari Bada Pusa Saisika Jawa Timur. Variabel peeliia dalam aalisis ii diujukka pada Tabel. Lagkah-lagkah dalam peeliia ii sebagai beriku.. Melakuka aalisis saisika deskripif yag melipui aalisis mea, ilai maksimum da miimum.. Melakuka pemodela pada peramala hierarki dega dua pedekaa yaiu pedekaa op-dow da boomup. Kemudia membadigka kedua pedekaa berdasarka krieria smape daa 3 miimum. Adapu prosedur uuk melakuka peramala hierarki op-dow da boom-up dijelaska sebagai beriku. i. Pedekaa Top-dow Pada pedekaa ii, pemodela dilakuka mulai dari level palig aas yaiu level. Pemodela pada level ii dilakuka uuk medapakal ramala pejuala ahua oal sepeda moor merek X dega meode regresi liier. Kemudia pada level, dilakuka pemodela regresi o liier gua medapaka ramala rasio pejuala ahua sepeda moor meuru jeisya. Adapu ramala rasio pejuala ersebu aka dijadika sebagai proporsi uuk melakuka pemecaha dari ramala level ke level. Pemodela pada level, dilakuka dega meode ARIMAX, dimaa pemodela ARIMAX ersebu diguaka sebagai model yag

3 JURNAL SAINS DAN SENI POMITS Vol. 3, No., (4) (3-98X Pri) D-36 medasari dalam perhiuga proporsi ramala. Selai megguaka proporsi ramala, uuk medapaka ramala pada level dilakuka pula perhiuga berdasarka proporsi daa hisori HP HP, da proporsi daa ahu 3. Dari ke empa pedekaa perhiuga proporsi juga aka dipilih proporsi disagregasi erbaik berdasarka krieria smape ou-sample miimum. ii. Pedekaa Boom-up Pada pedekaa ii, pemodela dimulai pada level hierarki palig bawah, yaiu level. Pada level model yag diguaka uuk memperoleh ramala bulaa sepeda moor merek X meuru jeisya adalah dega meode ARIMAX. Adapu model ARIMAX yag diguaka pada level ii merupaka model ARIMAX erbaik yag memiliki smape ou-sample erkecil. Selajuya pemodela dilajuka ke level hierarki di aasya yaiu level. Pada level ii uuk medapaka ramala pejuala ahua meuru jeisya, dilakuka dega mejumlahka hasil ramala pejuala bulaa yag diperoleh pada level. Kemudia, uuk pemodela pada level palig aas (level ), yaiu dega mejumlahka hasil peramala pada level uuk medapaka ramala pejuala ahua oal sepeda moor merek X. 3. Meramalka pejuala sepeda moor merek X dega meode peramala hierarki erbaik yag diperoleh pada lagkah. Tabel. Variabel Peeliia dalam Peramala Hierarki Level Variabel Respo Variabel Predikor Y : pejuala ahua l X : variabel ekoomi di l j oal sepeda moor X di lokasi ke-l, dimaa, lokasi ke-l, variabel ekoomi ke-j l = uuk Kabupae Malag, j =, uuk jumlah peduduk usia produkif l = uuk Koamadya Malag. j =, uuk laju perumbuha ekoomi j = 3, uuk PDRB per kapia R : pejuala l i ahua sepeda moor X jeis i di lokasi ke-l i = uuk maic i = uuk cub i = 3 uuk spor Y : bulaa li, sepeda moor X jeis i di lokasi ke-l i = uuk maic i = uuk cub i = 3 uuk spor : ahu ke, dimaa =,,...,6 : Variabel red sebelum periode D,, D, dimaa =,,..., V,, V,, V 3, : variabel dummy uuk efek hari raya U,, U,,..., U, : variabel dummy uuk pola Musima D,, D, : Dummy periode waku yag meyaaka perubaha red D,, D, : Variabel red pada periode D,, D, IV. ANALISIS DAN PEMBAHASAN A. Aalisis Karakerisik Sepeda Moor Merek X di Kabupae da Koamadya Malag Berdasarka hasil aalisis saisika deskripif, dikeahui bahwa pejuala oal sepeda moor merek X di Kabupae da Koamadya Malag cederug meigka seiap ahu. Peigkaa pejuala ersebu disebabka karea keaika yag sigifika pada pejuala jeis maic. Pagsa pasar sepeda moor merek X jeis maic di Kabupae da Koamadya Malag sudah mecapai lebih dari 8% pada ahu 3. Lai halya dega jeis maic, pejuala cub jusru cederug meuru. Meskipu pada ahu 9 da jeis cub sempa medomiasi pejuala, amu sejak ahu pejualaya semaki meuru. Di Kabupae da Koamadya Malag pada ahu 3 pagsa pasarya yaiu masig-masig sebesar % da 3%. Semeara iu, pejuala jeis spor cederug kosa di Kabupae maupu Koamadya Malag. sepeda moor merek X di Kabupae da Koamadya Malag meujukka pola musima. Pada bula-bula ereu seperi bula erjadiya ahu ajara baru da bula Desember pejuala cederug iggi. Adapu diagram baag raa-raa pejuala sepeda moor merek X dalam kuru waku 5 ahu erakhir di Kabupae Malag diujukka pada Gambar. Gambar. Raa-raa pejuala Bulaa Sepeda Moor Merek X Meuru Jeisya di Kabupae Malag Gambar meujukka bahwa raa-raa bulaa jeis maic, spor, da cub eriggi erjadi pada bula i, yaiu masig-masig sebesar.888 ui,.85 ui, da 59 ui. Gambar. Raa-raa Bulaa Sepeda Moor Merek X di Koamadya Malag Lai halya dega di Kabupae Malag, raa-raa pejuala eriggi uuk jeis maic da spor di Koamadya Malag erjadi pada bula Desember yaiu masig-masig sebesar.486 ui da 78 ui. Sedagka pejuala jeis cub eriggi erjadi pada bula i. Tiggiya pejuala pada bula i disebabka karea dampak ahu ajara baru. B. Peramala Hierarki Sepeda Moor Merek X di Kabupae da Koamadya Malag dega Pedekaa Top-dow Pada peramala hierarki dega pedekaa op-dow, pemodela uuk medapaka prediksi pejualaya dimulai dari level hierarki yag palig aas yaiu pejuala ahua sepeda moor merek X. Kemudia dilajuka

4 "X" Maic "X" "X" Maic JURNAL SAINS DAN SENI POMITS Vol. 3, No., (4) (3-98X Pri) D-37 pada level di bawahya yaiu pejuala ahua sepeda moor merek X meuru jeisya (level ), da yag erakhir pada level yag palig bawah yaiu pejuala bulaa sepeda moor merek X meuru jeisya (level ). Uuk dapa melakuka peramala hierarki op-dow, dibuuhka ilai proporsi yag aka diguaka uuk medisagregasi ramala dari level aas ke level di bawahya. Dalam peeliia ii, disagregasi dari level ke megguaka ramala rasio pejuala sepeda moor merek X, sedagka uuk disagregasi level ke level megguaka empa pedekaa dalam perhiuga proporsi yaiu proporsi berdasarka daa hisori pada Persamaa () da (3), proporsi ramala seperi pada Persamaa (4) da megguaka proporsi daa pejuala bulaa pada ahu 3. a. Pemodela Level Pada level, pemodela berujua uuk memperoleh prediksi pejuala ahua oal sepeda moor merek X. Pemodela pada level ii dilakuka dega memperhaika variabel predikor yag diduga mempegaruhi pejuala ahuaya. Berdasarka hasil aalisis regresi yag dilakuka, diperoleh variabel yag sigifika mempegaruhi pejuala ahua oal sepeda moor merek X di Kabupae da Koamadya Malag yaiu masigmasig adalah jumlah peduduk usia produkif ( X ) da PDRB per kapia ( X ). Model peramala pada level 3 diyaaka sebagai beriku ˆ Y X (9) Yˆ 434,56X. () 3 Ramala pejuala ahua oal sepeda moor merek X di Kabupae da Koamadya Malag dapa dihiug megguaka Persamaa (9) da (). Adapu cara uuk memperoleh ramala pejualaya dega cara mesubiusika hasil ramala variabel predikor yag sigifika mempegaruhi pejuala. Dalam hal ii peramala ilai variabel predikor dilakuka dega red aalysis. Tabel. Tahua Sepeda Moor Merek X di Kabupae da Koamadya Malag uuk periode 3 da 4. Tahu Kabupae Malag Koamadya Malag b. Pemodela level Pada level, pemodela berujua uuk memperoleh prediksi pejuala ahua sepeda moor merek X per jeis. Pemodela pada level ii diawali dega melakuka peramala erhadap rasio pejuala per jeis sepeda moor. Hasil ime series plo pada Gambar 3 meujukka bahwa sebara daa rasio pejuala di Kabupae Malag mempuyai pola yag o liier, maka pemodelaya dilakuka dega meode regresi o liier. Pemodela rasio pejuala ersebu haya dilakuka pada jeis maic da cub saja dikareaka pola rasio pejuala uuk spor masih flukuaif, selai iu dega memodelka dua jeis aka mejami bahwa hasil jumlaha rasio uuk keiga jeis moor aka sama dega. pejuala spor di Kabupae Malag diperoleh dari Persamaa (). Rˆ Rˆ Rˆ. () 3 Berdasarka hasil pemodela regresi o liier diperoleh persamaa uuk meghiug ramala rasio pejuala maic yaiu sebagai beriku ˆ (-, 57 ) R, 865-, 33e () da uuk jeis cub diperoleh model beriku ˆ (-, 447 R, 5 43, e ). (3) Melalui Persamaa (), (), da (3) diperoleh hasil prediksi rasio da besarya pejuala sepeda moor merek X pada ahu 3 da 4 yag diujukka pada Tabel 3. Tabel 3. da Sepeda Moor Merek X Per Jeis di Kabupae Malag Periode 3 da 4 Maic Spor Maic Spor Tahu 3,8,36, ,88,96, Dega cara yag sama seperi yag dilakuka pada prosedur perhiuga rasio di Kabupae Malag, diperoleh hasil prediksi rasio da besarya pejuala sepeda moor merek X di Koamadya Malag seperi pada Tabel 4. Tabel 4. da Sepeda Moor Merek X Per Jeis di Koamadya Malag Periode 3 da 4 Maic Spor Maic Spor Tahu 3,79,49, ,8,7, c. Pemodela level Pada level, pemodela hierarki berujua uuk memperoleh prediksi pejuala bulaa sepeda moor merek X per jeis. Adapu model yag diguaka dalam hal ii adalah model ARIMAX. pemodela ii dilakuka pada iga jeis moor yaiu maic, cub, da spor. Pada pemodela uuk pejuala bulaa jeis maic di Kabupae Malag diawali dega meliha sebara ime series plo. Time series plo pejuala bulaa jeis maic di Kabupae Malag diujukka pada Gambar Sep/9 Sep/ Agus/ Agus/ Agus/3,8,7,6,7,6,5,5,4,4,3,3,,, Tahu Tahu (a) (b) Gambar 3. Time Series Plo Jeis Maic (a) da (b) Moh Year Ja 9 Ja Gambar 5. Time Series Plo Bulaa Sepeda Moor Merek X Jeis Maic Gambar 5. Meujukka bahwa pejuala bulaa uuk jeis maic di kabupae Malag cederug Ja Ja Ja 3

5 Auocorrelaio Parial Auocorrelaio JURNAL SAINS DAN SENI POMITS Vol. 3, No., (4) (3-98X Pri) D-38 meigka pada saa mejelag Idul Firi. Perisiwa erjadiya Idul firi diadai dega garis puus-puus berwara hijau. Selai iu dari ime series plo dikeahui bahwa pejuala bulaa jeis maic di Kabupae Malag mempuyai red aik. Dari hasil ideifikasi model diperoleh model variasi kaleder pada level uuk pejuala maic yaiu pada Persamaa (4). Y 7U 7 V, N. (4) Model pada persamaa 4.6 mempuyai parameer yag sigifika, amu residualya yaiu N idak whie oise. Hal ersebu didukug dari plo ACF da PACF yag diujukka pada Gambar 6.,,8,6,4,, -, -,4 -,6 -,8 -, Auocorrelaio Fucio 5 3 Lag ,,8,6,4,, -, -,4 -,6 -,8 -, 5 Parial Auocorrelaio Fucio Gambar 6. Plo ACF da PACF dari N Sepeda Moor Merek X Jeis Maic di Kabupae Malag Gambar 6 meujuka bahwa baik pada Plo ACF maupu PACF erdapa lag melebihi baas sigifikasi. Sehigga harus dilakuka pemodela ulag dega memasukka lag-lag yag sigifika ke dalam model. Berdasarka hasil ideifikasi plo ACF da ACF diperoleh model dari N yaiu ARIMA ([5,6],,) aau AR([5,6]), sehigga model pejuala X maic mejadi ARIMA ([5,6],,),, U 7,, V,, semua parameer model ersebu elah sigifika da a elah memeuhi asumsi whie oise, amu belum memeuhi asumsi berdisribusi ormal. Oleh karea iu perlu dilakuka deeksi oulier. Adapu oulier yag erdeeksi yaiu pada pegamaa ke 3 dega ipe oulier addiive. Seelah oulier dimasukka ke dalam model, maka elah diperoleh model dega parameer yag sigifika, da a memeuhi asumsi whie oise sera berdisribusi ormal. Adapu model akhir seelah peambaha oulier yaiu sebagai beriku (3) Y 68, 86 46,86U 457,9V 96,49I, 7, a. 5 6 (5) (,47B,54B ) Selajuya uuk memperoleh model ARIMAX erbaik aka dibadigka ilai smape ou-sample dari model sebelum da sesudah peambaha oulier. Tabel 5. Perbadiga Kebaika Model sebelum da Sesudah Peambaha Oulier. smape smape smape daa i-sample ou-sample 3 (%) (%) (%) Terpilih Model Sebelum Peambaha Oulier Sesudah Peambaha Oulier 5, 5,33 5,9 6,69 Sesudah Peambaha 4,97,85 5,7 Oulier Tabel 5 Meujukka bahwa model ARIMAX erbaik yaiu model seelah dilakuka peambaha oulier karea mempuyai ilai smape erkecil. Semaki kecil Nilai smape meujukka hasil ramala dega kesalaha yag semaki kecil. Dega cara yag sama, diperoleh model ARIMAX erbaik pada pejuala jeis cub da spor di Kabupae Malag yag diujukka pada Tabel 6. Seelah 5 3 Lag diperoleh model ARIMAX uuk masig-masig jeis, selajuya dilakuka perhiuga proporsi uuk memecah hasil ramala. Adapu model ARIMAX yag diperoleh pada bagia ii aka diguaka sebagai model yag medasari dalam meeuka ilai proporsi pejuala per bula pada meode op-dow berdasarka hasil ramala. Selai berdasarka proporsi ramala juga diguaka rumus proporsi daa hisori seperi pada Persamaa () da (3) sera megguaka proporsi daa 3. Tabel 6. Model ARIMAX erbaik pada Daa Sepeda Moor Merek X Jeis da Spor di Kabupae Malag Jeis X Spor Model ARIMA([7],,) U,, U,, U 3,, U 4,, U 5,, U 6,, U 7,,U 8,,U 9,,U,,U,,U,,, D,, D,, V,, V 3, ARIMA([,6],,) U,, U,, U 3,, U 4,, U 5,, U 6,, U 7,,U 8,,U 9,,U,,U,,U,, D,, D, Adapu hasil perbadiga dari ke empa meode perhiuga proporsi disagregasi di Kabupae Malag diujukka pada Tabel 7. Tabel 7. Perbadiga Kebaika Model dari Masig-masig Pedekaa dalam Perhiuga Proporsi (Kabupae Malag) No. Pedekaa Proporsi SMAPE ou-sample (%) Maic Spor Proporsi daa hisori (HP) 6,6 8,6 6,6 Proporsi daa hisori (HP) 3,68 9,67,3 3 Proporsi daa ahu 3,8 3,98 8, 4 Proporsi ramala (FP) 4,9,49 6, Tabel 7 meujukka bahwa pedekaa dalam perhiuga proporsi erbaik di Kabupae Malag, uuk jeis maic da cub yaiu berdasarka proporsi daa ahu 3, sedagka uuk jeis spor berdasarka proporsi ramala (FP). Adapu model ARIMAX erbaik pada daa pejuala sepeda moor merek X per jeis di Koamadya Malag diyaaka pada Tabel 8. Tabel 8. Model ARIMAX Terbaik Pada Daa Bulaa Sepeda Moor X Per Jeis di Koamadya Malag. Jeis X Maic Spor Model ARIMA(,,[]) U,, U,, U 3,, U 4,, U 5,, U 6,, (48) U 7,,U 8,,U 9,,U,,U,,U, D,, D,, D,, I U,, U,, U 3,, U 4,, U 5,, U 6,, U 7,,U 8,,U 9,,U,,U,,U,,, D,, D,, D,, D, ARIMA(,,[8]) U,, U,, U 3,, U 4,, U 5,, U 6,, U 7,,U 8,,U 9,,U,,U,,U, D,, D, Perbadiga dalam perhiuga proporsi uuk Koamadya Malag diujukka pada Tabel 9. Tabel 9 meujukka bahwa pada peramala hirarki op-dow pedekaa proporsi erbaik yag dapa diguaka uuk medisagregasi ramala level ke level uuk jeis maic di Koamadya Malag yaiu dega megguaka proporsi FP, uuk cub megguaka proporsi HP, da uuk jeis spor megguaka proporsi HP.

6 JURNAL SAINS DAN SENI POMITS Vol. 3, No., (4) (3-98X Pri) D-39 Tabel 9. Perbadiga Kebaika Model dari Masig-masig Pedekaa dalam Perhiuga Proporsi (Koamadya Malag) Pedekaa Proporsi SMAPE ou-sample (%) No. Maic Spor Proporsi daa hisori (HP),54 4,88 9,44 Proporsi daa hisori (HP),8 4,83, 3 Proporsi daa ahu 3 8,,46 3,9 4 Proporsi ramala (FP),4,79 6,77 C. Peramala Hierarki Sepeda Moor Merek X di Kabupae da Koamadya Malag dega Pedekaa Boom-up Pada pedekaa boom-up peramala dilakuka dari level yag palig bawah. Pada peeliia ii level yag pelig bawah yaiu level, dimaa pemodela pada level diguaka uuk memperoleh hasil ramala pada daa pejuala bulaa sepeda moor merek X per jeis berdasarka model ARIMAX. Adapu rumus dalam pemodela ii yaiu seperi pada Persamaa (). Perbadiga kebaika model pada peramala hierarki opdow da boom-up di Kabupae Malag diujukka pada Tabel. Tabel. Perbadiga Pedekaa Top-dow da Boom-up (Kabupae Malag) SMAPE daa 3 (%) Level Kasus Top-dow Boom-up Toal (ahua) 4,4, Maic (ahua) 5,,94 (ahua) 5,,48 Spor (ahua) 4,7,35 Maic (bulaa) 5, 5,7 (bulaa) 4,99,6 Spor (bulaa) 8,7 4,93 raa-raa 8,3 7,86 Tabel meujukka bahwa pedekaa pada peramala hierarki erbaik uuk memprediksi pejuala sepeda moor merek X di Kabupae Malag adalah dega pedekaa boom-up, karea pedekaa ersebu memiliki ilai smape yag lebih kecil. Perbadiga kebaika model pada peramala hierarki dega op-dow da boom-up di Koamadya Malag diujukka sebagai beriku. Tabel. Perbadiga Pedekaa Top-dow da Boom-up (Koamadya Malag) SMAPE daa 3 (%) Level Kasus Top-dow Boom-up Toal (ahua),7,8 Maic (ahua) 5,59,3 (ahua),4,7 Spor (ahua) 3,, Maic (bulaa),9,68 (bulaa) 5,8 6,87 Spor (bulaa) 7,4 7,94 raa-raa 9,6 9,86 Tabel meujukka bahwa pedekaa pada peramala hierarki erbaik uuk memprediksi pejuala sepeda moor merek X di Koamadya Malag adalah dega pedekaa op-dow, karea pedekaa ersebu memiliki ilai smape daa 3 yag lebih kecil. Adapu pedekaa op-dow yag diguaka adalah pedekaa op-dow dega megguaka proporsi ramala rasio perjeis sepeda moor merek X pada disagregasi level ke level, da pada disagregasi level hierarki ke megguaka proporsi erbaik dega smape ou-sample erkecil pada Tabel 9. V. KESIMPULAN Berdasarka hasil aalisis yag dilakuka, dikeahui bahwa pejuala oal sepeda moor merek X di Kabupae da Koamadya Malag cederug meigka dalam kuru waku 9-3. Pada ahu higga 3 pagsa pasarya didomiasi oleh maic. Pada peramala op-dow di level dikeahui bahwa variabel yag sigifika mempegaruhi pejuala ahua oal sepeda moor merek X di Kabupae Malag adalah jumlah peduduk usia produkif, sedagka variabel yag sigifika mempegaruhi pejuala di Koamadya Malag adalah PDRB per kapia. Pada peramala hierarki level peramala dilakuka megguaka meode ARIMAX dega pemiliha model erbaik berdasarka krieria smape ou-sample erkecil. Hasil ramala idividu meujukka bahwa pejuala jeis maic da spor cederug aik, sedagka pejuala cub cederug meuru. Pada peramala hierarki secara umum, peramala erbaik pada pejuala sepeda moor ersebu di Kabupae Malag adalah dega pedekaa boom-up, sedagka meode peramala hieraki erbaik di Koamadya Malag erbaik yaiu berdasarka pedekaa op-dow. UCAPAN TERIMA KASIH Peulis R.S. megucapka erima kasih kepada Direkora Pedidika Tiggi, Depareme Pedidika da Kebudayaa Republik Idoesia yag elah memberika beasiswa Bidik Misi ahu -4. Peulis juga megucapka erima kasih kepada Ibu Dra. Desri Susilaigrum M.Si da Bapak Dr. Suharoo, S.Si, M.Sc selaku dose pembimbig yag elah memberika sara da masuka dalam peeliia ii. DAFTAR PUSTAKA [] A. Budiaro, Aalisis Fakor-Fakor yag Mempegaruhi Permiaa Sepeda Moor di Koa Semarag Sudi Kasus PNS Koa Semarag (Tugas Akhir Fakulas Ilmu Ekoomi da Bisis Uiversias Dipoegoro, Semarag), belum dipublikasika. [] Suharoo, M. H. Lee, & N. A Hamzah, Caledar Variaio Model Based O ARIMAX for Forecasig Sales Daa Wih Ramadha Effec. Proceedigs of he Regioal Coferece o Saisical Scieces pp (). [3] G. Ahaasopoulos, R. A. Ahmed, ad R. J. Hydma, Hierachical Forecas for Ausralia Domesic Tourism. Ieraioal Joural of Forecasig, Vol. 5 o. pp (9). [4] P. Karikasari, di Perusahaa Riel dega Meode Peramala Hirarki Berdasarka Model Variasi Kaleder (Tugas Akhir S Jurusa Saisika ITS, Surabaya), belum dipublikasika. [5] N. Draper, da H. Smih, Aalisis Regresi Terapa Edisi kedua. Jakara : PT. Gramedia Pusaka Uama (99). [6] S. Makridakis, da M. Hibbo, The M3-Compeiio : resul, coclussio ad implicaio. Ieraioal Joural of Forecasig, Vol. 6 o. pp ().

Prediksi Penjualan di Perusahaan Ritel dengan Metode Peramalan Hirarki Berdasarkan Model Variasi Kalender

Prediksi Penjualan di Perusahaan Ritel dengan Metode Peramalan Hirarki Berdasarkan Model Variasi Kalender JURNAL SAINS AN SENI POMITS Vol. 2, No., (23) 2337-352 (23-928X Pri) -54 Prediksi Peuala di Perusahaa Riel dega Meode Peramala Hirarki Berdasarka Model Variasi Kaleder Puspia Karikasari da Suharoo Jurusa

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala

Lebih terperinci

Prediksi Penjualan Sepeda Motor Honda di Kabupaten dan Kotamadya Malang dengan Metode Peramalan Hierarki. Oleh : Rika Susanti

Prediksi Penjualan Sepeda Motor Honda di Kabupaten dan Kotamadya Malang dengan Metode Peramalan Hierarki. Oleh : Rika Susanti Prediksi Penjualan Sepeda Moor Honda di Kabupaen dan Koamadya Malang dengan Meode Peramalan Hierarki Oleh : Rika Susani 1310100066 Dosen Pembimbing Co. Pembimbing : Dra. Desri Susilaningrum, M.Si. : Dr.

Lebih terperinci

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Widya Tekika Vol.18 No.2; Okober 2010 ISSN 1411 0660: 1-6 Absrak STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Arie Resu Wardhai 1), Salvador Mauel Pereira 2) Perusahaa sepau da sadal House of Mr.

Lebih terperinci

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di 8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,

Lebih terperinci

ANALISIS 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 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 terperinci

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne

Lebih terperinci

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala Meode peramala merupaka bagia dari ilmu Saisika. Salah sau meode peramala adalah dere waku. Meode ii disebu sebagai meode peramala dere waku karea memiliki kareserisik

Lebih terperinci

TUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI

TUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI MODEL TIME SERIES UNTUK PERAMALAN TINGKAT PENJUALAN JENIS BAHAN BAKAR MINYAK (BBM) DI STASIUN PENGISIAN BAHAN BAKAR UNTUK UMUM (SPBU) ARIFIN ACHMAD-PEKANBARU TUGAS AKHIR Diajuka sebagai Salah Sau Syara

Lebih terperinci

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data III. METODE KAJIAN 1. Lokasi da Waku Lokasi kajia berempa uuk kelompok dilaksaaka di kelompok peeraka sapi di Bagka Tegah, Provisi Bagka Beliug, da Kelompok Peeraka Sapi di Cisarua, Bogor, Provisi Jawa

Lebih terperinci

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN 085-789 Peramala Jumlah Peduduk Koa Samarida Dega Megguaka Meode Pemulusa Ekspoesial Gada da Tripel Dari Brow Forecasig he Populaio of he Ciy of Samarida

Lebih terperinci

METODOLOGI. Waktu dan Tempat. Alat dan Bahan

METODOLOGI. Waktu dan Tempat. Alat dan Bahan METODOLOGI Waku da Tempa Peeliia merupaka desk sudy dega megguaka daa sekuder da pegolaha daa dilakuka di Laboraorium Klimaologi Depareme Geofisika da Meeorologi, Fakulas Maemaika da Ilmu Pegeahua Alam,

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-183

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-183 JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (3) 2337- (2-928X Pri) D-83 Peramala Jumlah Tamu di Hoel X dega Pedekaa Arima, Fugsi Trasfer, da Afis Viy Merlida Hardiaa, ri Susilaigrum da Suharoo Jurusa Saisika,

Lebih terperinci

MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR

MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais Pada Jurusa Maemaika Oleh :

Lebih terperinci

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN PERENCNN JUMLH PRODUK MENGGUNKN METODE FUZZY MMDNI BERDSRKN PREDIKSI PERMINTN Nama Mahasiswa : Norma Edah Haryai NRP : 1207 100 031 Jurusa : Maemaika FMIP-ITS Dose Pembimbig : Drs. I G N Rai Usadha, M.Si

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara 50.7 4.3770 6.7547 6.7547 4.4 48.6965 R4.7 36.3 N8 TOL 0..70 35.9497 36.3.99 50.7 94.338 6.89 3.5 6.75 7.567 36.0 6.4837 57.396 8.783 66.0384 5.337 37.006 3.568 PISAU POTONG AISI D SEPUH No Qy NAME MATERIAL

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 18 BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala ( Forecasig ) Peramala ( forecasig ) adalah kegiaa megisemasi apa yag aka erjadi pada masa yag aka daag. Peramala diperluka karea adaya perbedaa kesejaga waku

Lebih terperinci

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN Nomi Kelari *, Hasriai 2, Musraii 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua

Lebih terperinci

MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012

MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012 MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012 Julia Nahar 1 1 Uiversias Padjadjara, Jala Raya Badug-Sumedag km 21,Jaiagor

Lebih terperinci

Rumus-rumus yang Digunakan

Rumus-rumus yang Digunakan Saisika Uipa Surabaya 4. Sampel Tuggal = Rumus-rumus yag Diguaka s..... Sampel berkorelasi D D N N N...... 3. Sampel Bebas a. Uuk varias sama... 3 aau x x s g... 4 b. Sampel Heeroge Guaka Uji Corha - Cox

Lebih terperinci

TINGKAT PENJUALAN SEPEDA MOTOR SUZUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES

TINGKAT PENJUALAN SEPEDA MOTOR SUZUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES FORECASTING TINGKAT PENJUALAN SEPEDA MOTOR SUUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES AUTOREGRESSIVE TUGAS AKHIR Diajuka sebagai Salah Sau Syara uuk Memperoleh

Lebih terperinci

Jurnal Rekursif, Vol. 3 No. 1 Maret 2015, ISSN

Jurnal Rekursif, Vol. 3 No. 1 Maret 2015, ISSN Jural Rekursif, Vol 3 No Mare 05, ISSN 303-0755 PERBANDINGAN KEAKURATAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DAN EPONENTIAL SMOOTHING PADA PERAMALAN PENJUALAN SEMEN DI PT SINAR ABADI

Lebih terperinci

PERAMALAN INFLASI MENGGUNAKAN PENDEKATAN GABUNGAN ANTARA FUNGSI TRANSFER DAN INTERVENSI DENGAN DETEKSI OUTLIER

PERAMALAN INFLASI MENGGUNAKAN PENDEKATAN GABUNGAN ANTARA FUNGSI TRANSFER DAN INTERVENSI DENGAN DETEKSI OUTLIER Semiar Hasil Tugas Akhir PERAMALAN INFLASI MENGGUNAKAN PENDEKATAN GABUNGAN ANTARA FUNGSI TRANSFER DAN INTERVENSI DENGAN DETEKSI OUTLIER TAHIRA ETA ADISTI (1309100108) Pembimbig: Dr. SUHARTONO, S. Si, M.

Lebih terperinci

BAB II TINJAUAN PUSTAKA. pengantar metode ARIMA Box Jenkins dan analisis spektral.

BAB II TINJAUAN PUSTAKA. pengantar metode ARIMA Box Jenkins dan analisis spektral. BAB II TINJAUAN PUSTAKA. Pedahulua Pada Bab II aka dijelaska pegeria pegeria da eori dasar yag diguaka sebagai ladasa pembahasa pada bab selajuya. Teori yag aka dibahas pada Bab II ii secara garis besar

Lebih terperinci

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Prosidig SPMIPA. pp. 57-6. 6 ISBN : 979.74.47. PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Sri Rahayu, Taro Jurusa Maemaika FMIPA UNDIP Semarag Jl. Prof. Soedaro, Kampus UNDIP Tembalag,

Lebih terperinci

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan 30 B A B III METODE PENELITIAN 3. Peeapa Lokai da Waku Peeliia Objek peeliia dalam peeliia ii adalah megaalii perbadiga harga jual produk melalui pedekaa arge pricig dega co-plu pricig pada oko kue yag

Lebih terperinci

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosidig Semiar Nasioal Sais da Pedidika Sais IX, Fakulas Sais da Maemaika, UKSW Salaiga, Jui 4, Vol 5, No, ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN

Lebih terperinci

PENERAPAN METODE EXPONENTIAL SMOOTHING DALAM MEMPREDIKSI JUMLAH SISWA BARU (STUDI KASUS: SMK PEMDA LUBUK PAKAM)

PENERAPAN METODE EXPONENTIAL SMOOTHING DALAM MEMPREDIKSI JUMLAH SISWA BARU (STUDI KASUS: SMK PEMDA LUBUK PAKAM) Jural Pelia Iformaika, Volume 16, Nomor 3, Juli 2017 IN 2301-9425 (Media Ceak) PENERAPAN METODE EXPONENTIAL MOOTHING DALAM MEMPREDIKI JUMLAH IWA BARU (TUDI KAU: MK PEMDA LUBUK PAKAM) Kuriagara Mahasiswa

Lebih terperinci

PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR. Oleh:

PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR. Oleh: PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR Diajuka sebagai Salah Sau Syara uuk Memperoleh Gelar Sarjaa Sais pada Jurusa Maemaika

Lebih terperinci

V. PENGUJIAN HIPOTESIS

V. PENGUJIAN HIPOTESIS V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska

Lebih terperinci

Peramalan Temperatur Udara di Kota Surabaya dengan Menggunakan ARIMA dan Artificial Neural Network

Peramalan Temperatur Udara di Kota Surabaya dengan Menggunakan ARIMA dan Artificial Neural Network JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 202) ISSN: 230-928X D-8 Peramala Temperaur Udara di Koa Surabaya dega Megguaka ARIMA da Arificial Neural Nework Ali Machmudi da Brodol S. S. Ulama Jurusa Saisika,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi. . Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis

Lebih terperinci

ANALISIS 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 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 terperinci

PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ

PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Bulei Ilmiah Ma. Sa. da Terapaya (Bimaser) Volume 05, No. 2 (206), hal 79-86 PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Sii Faimah, Neva Sayahadewi, Shaika Marha INTISARI

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara Uiversias Sumaera Uara BAB 2 LANDASAN TEORI Ladasa eori ii merupaka hasil dari ijaua lieraur-lieraur yag ada kaiaya dega meode-meode peramala maupu dega koeks laiya dalam peulisa Tugas Akhir ii. Adapu

Lebih terperinci

BAB III TINJAUAN PUSTAKA

BAB III TINJAUAN PUSTAKA BAB III TINJAUAN PUSTAKA 3.1. Defiisi Peramala Peramala adalah proses uuk memperkiraka berapa bayak kebuuha dimasa medaag yag melipui kebuuha dalam ukura kuaias, kualias, waku da lokasi yag dibuuhka dalam

Lebih terperinci

PERAMALAN JUMLAH TAMU DI HOTEL X DENGAN PENDEKATAN ARIMA, FUNGSI TRANSFER, DAN ANFIS 1 Vinny Merlinda Hardiana, 2 Destri Susilaningrum dan 3 Suhartono

PERAMALAN JUMLAH TAMU DI HOTEL X DENGAN PENDEKATAN ARIMA, FUNGSI TRANSFER, DAN ANFIS 1 Vinny Merlinda Hardiana, 2 Destri Susilaningrum dan 3 Suhartono PERAMALAN JUMLAH TAMU DI HOTEL X DENGAN PENDEKATAN ARIMA, FUNGSI TRANSFER, DAN ANFIS Viy Merlida Hardiaa, 2 ri Susilaigrum da 3 Suharoo Jurusa Saisika, Fakulas MIPA, Isiu Tekologi uluh ember (ITS) Jala

Lebih terperinci

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS Modul ke: 06Fakulas EKONOMI DAN BISNIS EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI Program Sudi Akuasi Idik Sodiki,SE,MBA,MM Krieria Kepuusa Ivesasi aau Pegaggara Modal o Beberapa krieria yag aka diperguaka

Lebih terperinci

BAB METODOLOGI. Bab 2 Metodologi berisikan :

BAB METODOLOGI. Bab 2 Metodologi berisikan : BAB METODOLOGI Bab Meodologi berisika :.. Pegambila Sampel.. Peramala Nilai Iflasi melalui Ideks Harga Kosume Megguaka Meode ARIMA.3. Akumulasi Prese Value melalui Buga Sederhaa dalam Perhiuga Harga Barag

Lebih terperinci

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA Laar Belakag Masalah Semaki berambah pesaya pembagua dibidag kosruksi maka meyebabka meigka pula kebuuha aka meerial-maerial

Lebih terperinci

Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline ABSTRAK

Pemodelan 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 terperinci

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Bulei Ilmiah Ma.Sa. da Terapaya (Bimaser) Volume 06, No. (07), hal -0. MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Ermawai, Helmi, Frasiskus

Lebih terperinci

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2 METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA Roki Nuari *, Aziskha, Edag Lily Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas

Lebih terperinci

BAB V METODE PENELITIAN

BAB V METODE PENELITIAN 31 BAB V METODE PENELITIAN 5.1 Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Sukaagara, Kabupae Ciajur. Pemiliha lokasi peeliia dilakuka secara segaja (purposive samplig) dega memperimbagka aspek

Lebih terperinci

PENERAPAN UKURAN KETEPATAN NILAI RAMALAN DATA DERET WAKTU DALAM SELEKSI MODEL PERAMALAN VOLUME PENJUALAN PT SATRIAMANDIRI CITRAMULIA

PENERAPAN UKURAN KETEPATAN NILAI RAMALAN DATA DERET WAKTU DALAM SELEKSI MODEL PERAMALAN VOLUME PENJUALAN PT SATRIAMANDIRI CITRAMULIA PENERAPAN UKURAN KETEPATAN NILAI RAMALAN DATA DERET WAKTU DALAM SELEKSI MODEL PERAMALAN VOLUME PENJUALAN PT SATRIAMANDIRI CITRAMULIA Iwa Sugkawa; Ries Tri Megasari Mahemaics & Saisics Deparme, School of

Lebih terperinci

MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dadan Kusnandar, Naomi Nessyana Debataraja

MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dadan Kusnandar, Naomi Nessyana Debataraja Bulei Ilmiah Mah. Sa. da Terapaya (Bimaser) Volume 07, No. (018), hal 77 84. MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dada Kusadar, Naomi Nessyaa

Lebih terperinci

BAB II TINJAUAN TEORITIS

BAB 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 terperinci

ANALISIS KELAYAKAN INVESTASI PENAMBAHAN ARMADA TRANSPORTASI DAN PERBAIKAN SISTEM PERSEDIAAN PERGUDANGAN (STUDY KASUS PT

ANALISIS KELAYAKAN INVESTASI PENAMBAHAN ARMADA TRANSPORTASI DAN PERBAIKAN SISTEM PERSEDIAAN PERGUDANGAN (STUDY KASUS PT ANALISIS KELAYAKAN INVESTASI PENAMBAHAN ARMADA TRANSPORTASI DAN PERBAIKAN SISTEM PERSEDIAAN PERGUDANGAN (STUDY KASUS PT. LEMINDO ABADI JAYA AREA DISTRIBUSI RIAU DARATAN) Peir Papilo 1, Ramadhail 2 Jurusa

Lebih terperinci

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ INTEGRL TK TENTU pecaha rasioal gusia Pradjaigsih, M.Si. Jurusa Maemaika FMIP UNEJ agusia.fmipa@uej.ac.id DEFINISI Fugsi suku bayak derajad dega bula o egaif 0 dimaa, 0 a a a a a P Fugsi kosa dipadag sbg

Lebih terperinci

Pemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network

Pemodelan 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 terperinci

Pemodelan Indeks Harga Saham Gabungan (IHSG), Kurs, dan Harga Minyak Dunia dengan Pendekatan Vector Autoregressive

Pemodelan Indeks Harga Saham Gabungan (IHSG), Kurs, dan Harga Minyak Dunia dengan Pendekatan Vector Autoregressive JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 0) ISSN: 30-98X D-87 Pemodela Ideks Harga Saham Gabuga (IHSG), Kurs, da Harga Miyak Duia dega Pedekaa Vecor Auoregressive Dimas Okky.S da Seiawa Jurusa Saisika,

Lebih terperinci

PERAMALAN HARGA SAHAM SYARI AH RUPIAH EQUITY FUND PT. PRUDENTIAL LIFE INSURANCE PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR.

PERAMALAN HARGA SAHAM SYARI AH RUPIAH EQUITY FUND PT. PRUDENTIAL LIFE INSURANCE PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR. PERAMALAN HARGA SAHAM SYARI AH RUPIAH EQUITY FUND PT. PRUDENTIAL LIFE INSURANCE PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais pada

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak BAB II TINJAUAN PUSTAKA. Peeliia Terdahulu Black da Scholes (973) meyaaka bahwa ilai ase megikui Gerak Brow Geomeri, dega drif μ (ekpekasi dari reur) da volailias σ (deviasi sadar dari reur). Berawal dari

Lebih terperinci

KAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN

KAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina

Lebih terperinci

BAB IV METODOLOGI PENELITIAN

BAB IV METODOLOGI PENELITIAN 30 BAB IV METODOLOGI PENELITIAN 4.1 Beuk da Meode Peeliia Peeliia Opimalisasi da Sraegi Pemafaaa Souher Bluefi Tua di Samudera Hidia Selaa Idoesia diarahka pada upaya uuk megugkapa suau masalah aau keadaa

Lebih terperinci

Peramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis

Peramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis JURNAL SAINS DAN NI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Prin) D-224 Peramalan Penjualan Sepeda Moor di Jawa Timur dengan Menggunakan Model Dinamis Desy Musika dan Seiawan Jurusan Saisika,

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii ergolog peeliia komparasioal, yaiu peeliia yag dilaksaaka uuk megeahui ada idakya perbedaa aar variabel yag sedag dielii. Jika perbedaa iu memag

Lebih terperinci

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun

Pemodelan 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 terperinci

Peramalan Inflasi Nasional Berdasarkan Faktor Ekonomi Makro Menggunakan Pendekatan Time Series Klasik dan ANFIS

Peramalan 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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 terperinci

Penerapan Metode Optimasi Exponential Smoothing Untuk Peramalan Debit

Penerapan Metode Optimasi Exponential Smoothing Untuk Peramalan Debit Peerapa Meode Opimasi Expoeial moohig Uuk Peramala Debi Oleh: Budi aosa, uharyao 2, Djoko Legoo 3. DT, Program Pascasarjaa Udip, Jl. Hayam Wuruk No. 5-7 emarag, (Depareme Tekik ipil Uiversias Guadarma,

Lebih terperinci

Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk

Peramalan 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 terperinci

Analisis Peramalan Jumlah Permintaan Kerudung di Industri Kecil Kerudung Arin di Surabaya dengan Metode Variasi Kalender

Analisis 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 terperinci

PENGUJIAN HIPOTESIS DUA RATA-RATA

PENGUJIAN HIPOTESIS DUA RATA-RATA PENGUJIN HIPOTEI DU RT-RT Pegujia hipoesis dua raa-raa diguaka uuk membadigka dua keadaa aau epaya dua populasi. Misalya kia mempuyai dua populasi ormal masig-masig dega raa-raa µ da µ sedagka simpaga

Lebih terperinci

Pemodelan Pencemaran Udara Menggunakan Metode Vector Autoregressive (Var) di Provinsi Riau

Pemodelan Pencemaran Udara Menggunakan Metode Vector Autoregressive (Var) di Provinsi Riau Pemodela Pecemara Udara Megguaka Meode Vecor Auoregressive (Var) di Provisi Riau Ari Pai Desvia 1, Maryam Julliaa D 2 Jurusa Maemaika, Fakulas Sais da Tekologi, UIN Sula Syarif Kasim Riau Jl. HR. Soebraas

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii merupaka peeliia kuaiaif dega megguaka meode eksperime. Desai peeliia ii megguaka ru experime desig beuk desai poses oly corol desig yaki meempaka

Lebih terperinci

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan

BAB 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 terperinci

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

BAB 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

IV. METODE PENELITIAN

IV. METODE PENELITIAN 29 IV. METODE PENELITIAN 4.1. Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Pamijaha, Kabupae Bogor, Provisi Jawa Bara. Pemiliha lokasi peeliia dilakuka secara segaja (purposive) dega perimbaga

Lebih terperinci

Prediksi Permintaan BBM di PT. Pertamina Region V dengan Metode Peramalan Data Time Series Hirarki

Prediksi Permintaan BBM di PT. Pertamina Region V dengan Metode Peramalan Data Time Series Hirarki Prediksi Perminaan BBM di PT. Peramina Region V dengan Meode Peramalan Daa Time Series Hirarki Prania Dian Uari dan 2 Suharono Mahasiswa Jurusan Saisika FMIPA-ITS (38 57) 2 Dosen Jurusan Saisika FMIPA-ITS

Lebih terperinci

IV. METODOLOGI PENELITIAN. mencakup penyusunan proposal hingga penyusunan draft skripsi dilaksanakan di

IV. METODOLOGI PENELITIAN. mencakup penyusunan proposal hingga penyusunan draft skripsi dilaksanakan di IV. METODOLOGI PENELITIAN 4.1 Lokasi da Waku Peeliia Peeliia yag dilakuka pada Bula Jauari higga Mei 2008 yag mecakup peyusua proposal higga peyusua draf skripsi dilaksaaka di empa kecamaa di Kabupae Garu,

Lebih terperinci

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) .   Definisi L.2 (Kejadian lepas ) 33 LAMPIRAN 34 35 Beberapa Defiisi Ruag Cooh Kejadia da Peluag Suau percobaa yag dapa diulag dalam kodisi yag sama, yag hasilya idak dapa diprediksi dega epa eapi kia bisa megeahui semua kemugkia hasil

Lebih terperinci

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu: 4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap

Lebih terperinci

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka

Lebih terperinci

BAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang.

BAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang. BAB 3 LANDASAN TEORI 3. Peramala 3.. Defiisi Peramala Peramala adalah perkiraa probabilisik aau peggambara dari ilai aau kodisi di masa depa. Asumsi yag umum dipakai dalam peramala adalah pola masa lampau

Lebih terperinci

ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI

ANALISIS 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 terperinci

ALGORITMA DATA MINING

ALGORITMA DATA MINING ALGORITMA DATA MINING A. DECISION TREE. Kosep Decisio Tree Megubah daa mejadi poho kepuusa (decisio ree) da aura-aura kepuusa (rule). Sebagai cooh misalya igi membua aura yag dapa diguaka uuk meeuka apakah

Lebih terperinci

B. DESKRIPSI SINGKAT MATA KULIAH

B. DESKRIPSI SINGKAT MATA KULIAH A. IDENTITAS MATA KULIAH Nama Maa Kuliah : Kalkulus 1 Kode Maa Kuliah : MUG1A4 SKS : 4 (empa) Jeis : Maa kuliah wajib Jam pelaksaaa : Taap muka di kelas = 4 jam per peka Tuorial/ resposi Semeser / Tigka

Lebih terperinci

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER STATISTIK CUKUP Oleh: Ramayai Rizka M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-266

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-266 JURNAL SAINS DAN SENI ITS Vol., No., () 337-3 (3-9X Pri) D-66 Peramala Ideks Harga Saham Perusahaa Fiasial LQ Megguaka Meode Auoregressive Iegraed Movig Average (ARIMA) da Vecor Auoregressive (VAR) Rivai

Lebih terperinci

MODEL ARIMA(0,1,1) UNTUK PERAMALAN JUMLAH NASABAH PADA PT. PRUDENTIAL LIFE INSURANCE KOTA PEKANBARU TUGAS AKHIR

MODEL ARIMA(0,1,1) UNTUK PERAMALAN JUMLAH NASABAH PADA PT. PRUDENTIAL LIFE INSURANCE KOTA PEKANBARU TUGAS AKHIR MODEL ARIMA(0,,) UNTUK PERAMALAN JUMLAH NASABAH PADA PT. PRUDENTIAL LIFE INSURANCE KOTA PEKANBARU TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais pada Jurusa Maemaika Oleh:

Lebih terperinci

Abstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.

Abstrak 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 terperinci

PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE. Fakultas Matematika dan Ilmu Pengetahuan Alam Univeritas Riau Kampus Bina Widya Indonesia

PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE. Fakultas Matematika dan Ilmu Pengetahuan Alam Univeritas Riau Kampus Bina Widya Indonesia PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE Eli Trisiai Hasriai Rola Pae Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua Alam Uierias Riau Kampus Bia Widya

Lebih terperinci

Model ARIMAX Dan Deteksi GARCH Untuk Peramalan Inflasi Kota Denpasar Tahun 2014

Model 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 terperinci

BAB IV ANALISIS DATA PENELITIAN. Data yang digunakan untuk mengevaluasi Gardu Induk Bandar Sribhawono

BAB IV ANALISIS DATA PENELITIAN. Data yang digunakan untuk mengevaluasi Gardu Induk Bandar Sribhawono 38 BAB IV ANALISIS DATA PENELITIAN.1 Data Peelitia Data yag diguaka utuk megevaluasi Gardu Iduk Badar Sribhawoo 8 tahu medatag adalah data pemakaia eergi listrik tahu 2013 sampai 2016 pada trasformator

Lebih terperinci

PERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS

PERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS PERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS Joko Ariyadi (308 030 060) Pembimbing : Drs. Brodjol Suijo Suprih Ulama, M.Si Laar Belakang 2 Laar

Lebih terperinci

BAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang

BAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang BAB II LANDASAN TEORI Dalam peulisa ugas akhir ii diperluka eori-eori yag medukug yag didapa dari maa kuliah yag perah dierima, da referesi-referesi sebagai baha pedukug. Uuk mecapai ujua dari peulisa

Lebih terperinci

*Corresponding Author:

*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 terperinci

BAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel

BAB 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 terperinci

BAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu

BAB 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 terperinci

BAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu

BAB 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 terperinci

BAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 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 terperinci

Peramalan Total Market Sepeda Motor Dan Total Penjualan Motor X Di Propinsi Jawa Timur Dengan Pendekatan ARIMA Box-Jenkins Dan ARIMAX

Peramalan Total Market Sepeda Motor Dan Total Penjualan Motor X Di Propinsi Jawa Timur Dengan Pendekatan ARIMA Box-Jenkins Dan ARIMAX Peramalan Toal Marke epeda Moor Dan Toal Penjualan Moor X Di Propinsi Jawa Timur Dengan Pendekaan ARIMA Box-Jenkins Dan ARIMAX Oleh: Novia Dwi R. (300027) Dosen Pembimbing: Dr. eiawan, M.i 2 AGENDA PENDAHULUAN

Lebih terperinci

PERAMALAN ORDER INTAKE DI PT.KSB INDONESIA

PERAMALAN ORDER INTAKE DI PT.KSB INDONESIA PERAMALAN ORDER INTAKE DI PT.KSB INDONESIA DISUSUN OLEH : NAMA : BUDIYANTO NIM : 4160511005 JURUSAN : TEKNIK INDUSTRI PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS MERCU BUANA JAKARTA

Lebih terperinci

PERAMALAN PERMINTAAN EKSPOR INDUSTRI MEBEL DI PT.SPU JEPARA

PERAMALAN PERMINTAAN EKSPOR INDUSTRI MEBEL DI PT.SPU JEPARA PERAMALAN PERMINTAAN EKSPOR INDUSTRI MEBEL DI PT.SPU JEPARA DISUSUN OLEH : NAMA : AZIS WIDODO NIM : 41605110061 JURUSAN : TEKNIK INDUSTRI PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS

Lebih terperinci