Peramalan Volume Penjualan Total Sepeda Motor di Kabupaten Bojonegoro dan Lamongan dengan Pendekatan Model ARIMAX dan VARX

Ukuran: px
Mulai penontonan dengan halaman:

Download "Peramalan Volume Penjualan Total Sepeda Motor di Kabupaten Bojonegoro dan Lamongan dengan Pendekatan Model ARIMAX dan VARX"

Transkripsi

1 Peramalan Volume Penjualan Toal Seeda Moor di Kabuaen Bojonegoro dan Lamongan dengan Pendekaan Model ARIMAX dan VARX Sii Maghfiroul Ulyah, Desri Susilaningrum, 3 Suharono Jurusan Saisika, Fakulas MIPA, Insiu Teknologi Seuluh Noember (ITS) Jalan Arief Rahman Hakim Surabaya 6 maghfiroul@mhs.saisika.is.ac.id, desri_s@saisika.is.ac.id, 3 suharono@saisika.is.ac.id Absrak Seeda moor meruakan salah sau ala ransorasi yang banyak diminai oleh masyaraka Indonesia. Peneliian ini berujuan unuk mengeahui karakerisik enjualan oal seeda moor jenis Auomaic, Cub, dan Sor di Kabuaen Bojonegoro dan Lamongan, sera mendaakan model ramalannya unuk ahun. Model yang digunakan adalah model ARIMAX dan VARX. Hasil eneliian menunjukkan bahwa secara umum enjualan oal seeda moor diengaruhi oleh Hari Raya Idul Firi dan bulan ahun ajaran baru, sera erdaa siklus musiman. Selain iu, erdaa keerkaian enjualan seeda moor anar jenis di kabuaen yang sama, dan juga anar jenis di kabuaen yang berbeda. Hasil ramalan ahun menunjukkan bahwa masih erdaa kenaikan ada seeda moor jenis Auomaicdan Sor. Sebaliknya, erjadi enurunan ada jenis Cub. Kaa Kunci Penjualan, Seeda moor, ARIMAX, VARX ersebu akan menjadi obyek dalam eneliian ugas akhir ini. Hasil dari eneliian ini naninya diharakan daa memberikan manfaa bagi rodusen indusri seeda moor di kedua kabuaen ersebu. Peneliian ini berujuan unuk mengeahui karakerisik enjualan oal seeda moor jenis Auomaic, Cub, dan Sor di Kabuaen Bojonegoro dan Lamongan. Selain iu, ujuan uama dari eneliian ini adalah mendaakan model erbaik unuk meramalkan enjualan seeda moor di ahun. Model yang digunakan adalah model ARIMAX dan VARX. I. PENDAHULUAN ndusri kendaraan roda dua meruakan salah sau indusri daa diuliskan kembali sebagai beriku [7], I S q( B) Q( B ) dierkirakan masih umbuh anara 7,5-7,8 ersen di ahun a () []. Tiga jenis seeda moor yang sedang marak S d S D P( B ) ( B)( B) ( B ) dikalangan masyaraka sekarang ini adalah jenis Auomaic, Model yang erama dikenal sebagai model ARIMAX Cub, dan Sor. Pangsa asar erbesar seeda moor dengan ren sokasik yang diandai dengan imlemenasi Indonesia didominasi oleh moor skuer (Auomaic) sebesar adanya difference non seasonal dan aau seasonal. Model 63 ersen, diikui moor bebek (Cub) sebesar 3,5 ersen, ARIMAX dengan ren sokasik daa diuliskan sebagai dan sisanya moor Sor sebesar 3,5 ersen [5]. beriku, S Pada ahun, erumbuhan kendaraan seeda moor q( B) Q( B ) S,... S, V... jv j a S d S D di Jawa Timur mencaai,64 ersen [6]. Perkembangan ( B) P( B )( B) ( B ) () indusri seeda moor Jawa Timur yang esa ersebu diduga akan memiliki rosek yang bagus di masa dean. Sedangkan model yang kedua adalah model ARIMAX dengan ren deerminisik ana orde differencing. Model Oleh karena iu, erlu dilakukan sudi mengenai ARIMAX dengan ren deerminisik daa diuliskan erkembangan enjualan indusri seeda moor di masa sebagai beriku, dean.kabuaen Bojonegoro dan Lamongan meruakan S q ( B) Q ( B ) kabuaen yang berada di wilayah Jawa Timur. Kedua S,... S, V... jv j a (3) S D ( B) P ( B ) kabuaen ersebu meruakan kabuaen di Jawa Timur dengan S yang memiliki karakerisik yang hamir sama dan memiliki, samai dengan S, meruakan efek musiman, V samai dengan V oensi yang bagus unuk indusri ini. Karakerisik ersebu -j meruakan variabel dummy unuk variasi kalender, dan γ meruakan koefisien yang meliui hasil alam seeri eranian, dan juga mayorias menangka efek ren. enduduk yang beragama islam. Penjualan seeda moor diduga cenderung naik ada bulan-bulan menjelang dan B. Model Vecor Auoregressive wih Exogenous asca hari raya Idul Firi. Hal ini dikarenakan erdaa Inu(VARX) kebudayaan erenu seeri adanya THR (Tunjangan Hari Vecor auoregressive (VAR) meruakan generalisasi Raya) dan kebudayaan unuk mudik aau berkunjung ke dari model univaria AR. Model umum unuk VAR() sanak saudara. adalah sebagai beriku [9], Hal ersebu diduga memberikan engaruh dalam ola y Φy... Φy a enjualan seeda moor yang meliui ren erenu, variasi musiman aau siklus erenu. Oleh karena iu, wilayah II. TINJAUAN PUSTAKA A. Model Auoregressive Inegraed Moving Average wih Exogenous Inu (ARIMAX) ARIMAX meruakan model ARIMA dengan enambahan variabel erenu [3]. Dalam eneliian ini, variabel dummy yang digunakan yaiu variabel dummy unuk efek variasi kalender (Hari Raya Idul Firi), variabel dummy musiman, dan variabel dummy unuk rend deerminisik. Model ada ersamaan ARIMA musiman

2 y Φ y a i i i Φ( B) y a (4) dengan, y = vekor berukuran m dari variabel ada waku ke dengan y y μ Φ = mariks berukuran m m dari arameer ke a = vekor berukuran m dari residual ada waku ke-. VARX meruakan model Vecor Auoregressive dengan enambahan variabel eksogen, Model unuk VARX(,s ) daa diuliskan sebagai beriku, dengan, Φ( B) I Φ B... Φ B k Θ ( B) I Θ B... Θ B k s s i i i i i i Φ( B) y Θ ( B) x a y Φ y Θ x a y ((y ),...,(y k )) a ( a,..., ak ) x ( x,..., xr ) Φ meruakan mariks berukuran i meruakan mariks berukuran C. Idenifikasi Model s k r. k k, sedangkan Θ i Idenifikasi model ime series daa dilakukan dengan membua lo Auocorrelaion Funcion (ACF) dan Parial Auocorrelaion Funcion (PACF) unuk model univaria. Kemudian unuk model mulivaria daa diliha dari Parial Auoregression ix Funcion (MPACF) dan nilai Akaike Informaion Crierion (AIC) [9]. D. Pemeriksaan Asumsi Pemeriksaan asumsi dilakukan seelah idenifikasi model dan esimasi arameer. Hal ini dilakukan unuk mengeahui aakah model ersebu memenuhi asumsi, Asumsi yang harus dienuhi adalah residual model whie noise dan berdisribusi normal (ARIMAX), sera vekor residual model whie noise dan berdisribusi mulivaria normal (VARX) [9]. E. Krieria Pemilihan Model Salah sau krieria dalam emilihan model erbaik unuk ou samle adalah symmeric Mean Absolue Percenage Error (smape). Krieria ersebu meruakan enyemurnaan dari MAPE dalam memberikan enaly ada residual osiif dan residual negaif [8]. Formula dari smape daa diuliskan sebagai beriku, n ˆ smape. n (6) i ˆ III. METODOLOGI PENELITIAN A. Sumber Daa dan Peneliian Daa yang digunakan dalam eneliiaan ini adalah daa sekunder yang dieroleh dari PT.X. Daa ersebu meliui daa oal marke seeda moor jenis Auomaic (AT), Cub, dan Sor di Kabuaen Bojonegoro dan Lamongan. Daa ersebu adalah daa bulanan mulai uari 9-e. Dalam eneliian ini daa dibedakan menjadi daa raining dan daa esing, Daa mulai uari 9- (5) Seember sebagai daa raining, dan daa mulai Okober -e sebagai daa esing. dalam eneliian ini dinoasikan, dengan dengan,, Ok Ok D, unuk yang lain, Se D, unuk yang lain b. D 3 adalah dummy unuk dengan, i m, indeks i menyaakan lokasi, indeks m menyaakan jenis seeda moor, dan indeks menyaakan waku (bulan). Rincian variabel dalam eneliian ini adalah sebagai beriku, : Penjualan oal seeda moor AT di Kab. Bojonegoro, ada bulan ke : Penjualan oal seeda moor Cub di Kab. Bojonegoro, ada bulan ke : Penjualan oal seeda moor Sor di Kab. Bojonegoro 3, ada bulan ke : Penjualan oal seeda moor AT di Kab. Lamongan, ada bulan ke : Penjualan oal seeda moor Cub di Kab. Lamongan, ada bulan ke : Penjualan oal seeda moor Sor di Kab. Lamongan 3, ada bulan ke. Dalam eneliian ini, variabel dummy yang digunakan adalah sebagai beriku,. meruakan variabel ren deerminisik.. V - meruakan variabel dummy unuk bulan sebelum hari raya Idul Firi. 3. V meruakan variabel dummy unuk bulan hari raya Idul Firi. 4. V + meruakan variabel dummy unuk bulan seelah hari raya Idul Firi. 5. S,, S meruakan variabel dummy unuk musiman bulanan (uari-desember). 6. D, D, D 3, D 4 meruakan variabel dummy unuk eriode waku erenu dengan rincian sebagai beriku, a. D dan D adalah dummy unuk 3,, Se D3, unuk yang lain c. D 4 adalah dummy unuk,,, dan dan, 3,, dengan,, Se D4, unuk yang lain 7..D,.D,.D 3,.D 4 meruakan ren lokal yang meruakan erkalian dari variabel ren dengan variabel dummy eriode lokal. Rinciannya sebagai beriku, a..d dan.d adalah ren lokal unuk dan, b..d 3 adalah ren lokal unuk c..d 4 adalah ren lokal unuk B. Meode Analisis 3,,,, dan,. 3, Meode analisis dalam eneliian ini adalah sebagai beriku,. Melakukan analisis deskriif ada daa oal marke seeda moor jenis Auomaic (AT), Cub, dan Sor di Kabuaen Bojonegoro dan Lamongan.

3 3. Melakukan emodelan secara univaria dengan ARIMAX Langkah-langkahnya sebagai beriku, i. Mengidenifikasi ola daa melalui hasil dari ime series lo. ii. Menenukan ie ren, yaiu ren deerminisik. iii. Menghilangkan efek variasi kalender dari reson dengan fiing ersamaan ren deerminisik sehingga akan didaakan error. iv. Melakukan emodelan ARIMA dari error jika error idak memenuhi asumsi whie noise. Langkahlangkah emodelan ARIMA adalah sebagai beriku, a. Melakukan idenifikasi model melalui lo ACF dan PACF sehingga didaakan lag-lag yang signifikan. b. Melakukan esimasi arameer model ARIMA dengan esimasi Condiional Leas Square. c. Melakukan emeriksaan asumsi residual. Jika idak erenuhi maka kembali ke langkah a. d. Jika asumsi residual sudah erenuhi maka dilakukan enggabungan model ARIMA dengan model ersamaan ada langkah iii. e. Menghiung krieria kebaikan dari model yang dieroleh dengan menggunakan smape. f. Melakukan eramalan unuk daa ou samle dengan model yang erilih. g. Melakukan inerreasi model. 3. Pemodelan secara mulivaria dengan VARX Langkah-langkah unuk emodelan VARX sebagai beriku, i. Melakukan emeriksaan sasionerias daa Daa yang dianalisis meruakan daa enjualan oal seeda moor. Jika daa idak sasioner dalam varian, maka dilakukan ransformasi daa. Jika daa idak sasioner dalam mean, maka dilakukan differencing. ii. Melakukan idenifikasi model melalui MPACF dan nilai AIC minimum sehingga didaakan order VARX. iii. Melakukan esimasi arameer model VARX dengan esimasi Leas Square. iv. Melakukan emeriksaan asumsi residual, Jika idak erenuhi maka kembali ke langkah ii. v. Melakukan eramalan unuk daa ou samle dengan model yang erilih. vi. Membandingkan kebaikan eramalan ada model yang dihasilkan ada emodelan daa ou samle dengan menggunakan smape. 4. Melakukan erbandingan model erbaik anara model univaria dan mulivaria yang elah erilih. IV. HASIL PENELITIAN A. Karakerisik Penjualan Toal Seeda Moor Analisis deskriif enjualan oal seeda moor di Kabuaen Bojonegoro disajikan dalam Tabel. Penjualan oal seeda moor ersebu meliui enjualan oal seeda moor jenis Auomaic, Cub, dan Sor. Tabel menggambarkan bahwa raa-raa enjualan oal seeda moor erbesar adalah seeda moor jenis Auomaic, baik di Kabuaen Bojonegoro mauun Kabuaen Lamongan. Kemudian disusul oleh enjualan oal seeda moor jenis Cub (Bebek) dan enjualan oal seeda moor jenis Sor. Tabel. Analisis Deskriif Penjualan Toal Seeda Moor di Kab. Bojonegoro Raa-raa Deviasi Nilai Nilai Sandar Minimum Maksimum, , 8 35, , 33 66, , 4 79, , , , Idenifikasi adanya engaruh variasi kalender daa diunjukkan dengan diagram garis. Diagram garis ersebu disajikan dalam Gambar dan Gambar. Diagram Garis Penjualan Toal Seeda Moor di Kab. Bojonegoro Tahun 9- Berdasarkan Gambar dan, daa dikeahui bahwa ada ahun 9 dan, bulan Hari Raya Idul Firi jauh ada Bulan Seember. Kemudian unuk -, bulan Hari Raya Idul Firi jauh ada Bulan Agusus. Penjualan Toal Seeda Moor Penjualan Toal Seeda Moor Bulan , 9, 3, 9 3, Gambar. Diagram Garis Penjualan Toal Seeda Moor di Kab. Bojonegoro Tahun - Pada ahun 9, enjualan oal seeda moor jenis Auomaic mengalami enjualan eringgi ada Bulan Agusus dan Okober, dimana bulan ersebu meruakan bulan sebelum dan sesudah bulan Hari Raya Idul Firi. Selain iu, enjualan oal seeda moor jenis Cub dan Sor mengalami enjualan eringgi ada Bulan Agusus, dimana bulan ersebu meruakan bulan sebelum bulan Hari Raya Idul Firi. Selanjunya ada ahun,enjualan oal seeda moor jenis Auomaic dan Sor mengalami enjualan eringgi ada Bulan Juli, sedangkan Cub mengalami enjualan eringgi ada Bulan Juli dan Agusus, dimana Bulan Juli meruakan bulan sebelum bulan Hari Raya Idul Firi dan juga bereaan dengan bulan mulainya ahun ajaran baru di bidang endidikan ,,, 3, 3, Bulan 3 4 3,

4 4 B. Pemodelan ARIMAX ada Penjualan Toal Seeda Moor di Kabuaen Bojonegoro dan Lamongan Dalam makalah ini, hanya diamilkan salah sau emodelan dengan ARIMAX, yaiu unuk enjualan oal seeda moor jenis Auomaic di Kabuaen Bojonegoro. Sebelum melakukan emodelan, erlu dilakukan idenifikasi ola daa dengan lo dere waku. Plo dere waku dari enjualan oal seeda moor jenis Auomaic di Kabuaen Bojonegoro ahun 9- disajikan dalam Gambar Monh ear 9 Jul (Ok/) Jul Jul (/) Gambar 3.Dere Waku unuk Penjualan Toal Seeda Moor Jenis Auomaic di Kab. Bojonegoro Secara umum daa dikeahui bahwa enjualan oal seeda moor jenis Auomaic erbagi menjadi 3 eriode. Periode-eriode ersebu adalah sebagai beriku, a. Periode : uari 9-Seember Dalam eriode ini, erjadi ren kenaikan enjualan oal seeda moor jenis Auomaic. Namun kenaikannya idak erlalu besar. b. Periode : Okober -Okober Dalam eriode ini, idak erdaa ren kenaikan mauun enurunan enjualan. Penjualan oal seeda moor jenis Auomaic daa dikaakan sasioner dalam eriode ini, Periode ini akan diwakili oleh variabel dummy D, dimana D akan bernilai unuk eriode ini. c. Periode 3 : Desember -e Dalam eriode ini, erjadi ren kenaikan yang signifikan jika dibandingkan dengan eriode sebelumnya. Periode ini akan diwakili oleh variabel dummy D, dimana D akan bernilai unuk eriode ini. Perlu dikeahui bahwa enjualan mulai Seember -e meruakan daa ou samle sehingga idak digunakan dalam emodelan. Langkah erama unuk emodelan ini adalah membenuk ersamaan regresi dummy. dummy yang digunakan meliui variabel ren deerminisik, variabel dummy variasi kalender, variabel dummy musiman, variabel dummy unuk eriode dan 3 (D, D ), sera variabel dummy erkalian anara ren deerminisik dengan variabel dummy eriode dan 3 (.D,.D ). Model regresi erbaik yang dihasilkan adalah sebagai beriku, ˆ 49, , 6993D,, 84,8, 5, 974. D D, 4,949. D 39, 5893S 45, S. (7), 7,, Persamaan (7) meruakan model regresi erbaik dengan araf signifikansi %. Kemudian dilakukan engujian auokorelasi ada residual model (7). Pengujian ini menggunakan saisik uji Ljung-Box. Hasilnya diamilkan dalam Tabel. Berdasarkan Tabel daa dikeahui bahwa dengan araf signifikansi %, residual model sudah memenuhi asumsi whie noise. Hal ini daa diliha dari nilai -value yang lebih dari %. Oleh karena iu, residual dari ersamaan (7) idak erlu dimodelkan dengan model Jul Jul ARIMA. Persamaan (7) meruakan model erbaik yang akan digunakan dalam eramalan. Tabel. Uji Ljung-Box Residual Model Regresi Samai Lag ke Chi-Square db P-value d KS 6,58 6,8589 6,6,654, ,399 4,65 4,659 -value 3 6,4 3, ,4 36,65 >,5 4 4, 4,558 Asumsi lainnya yang harus dienuhi adalah residual berdisribusi normal. Tabel 4. menjelaskan bahwa residual model (7) sudah memenuhi asumsi berdisribusi normal. Hal ini daa diliha dari nilai -value yang sudah melebihi %. Jadi daa disimulkan bahwa ersamaan (7) adalah model erbaik. Plo smape unuk enjualan oal ersebu disajikan ada Gambar 4. Gambar 4.Plo smape unuk Model, Model ramalan yang didaakan seelah semua daa digunakan dalam emodelan adalah sebagai beriku, ˆ 49, 3 999, 5948D,, 754, 37584, 5, D D,,583. D 44, 7546S 36, 4445 S. (8), 7,, Plo dari model ersebu sera hasil ramalannya unuk ahun daa diliha ada Gambar 5. Penjualan Toal (uni) smape Monh ear k= B. Aas Model 3 Gambar 5. Grafik Penjualan Toal Seeda Moor Jenis Auomaic di Kab. Bojonegoro Tahun Model (8) daa dirinci unuk seia eriode. Rinciannya sebagai beriku, Periode : ˆ 49, 3 44, 7546S 36, 4445S 7,, Dalam eriode ini, seia bulan erjadi kenaikan enjualan sebesar 5 uni seeda moor. Kemudian ada Bulan Juli erdaa eningkaan sebesar 44 uni dan Bulan Desember sebesar 37 uni seeda moor. Model unuk Bulan Juli dalam eriode adalah sebagai beriku, ˆ 49, 3 44, 7546 S, 7,9. 7, Periode : ˆ 49, 3 999, 5948D 5, D 44, 7546S, 36, 4445S,, 7,, k= Oc/ k= Periode Periode --- k=4 / k= k=6 --- Periode 3 ---

5 5 Dalam eriode, seia bulan erjadi enurunan enjualan sebesar (5-5= -) uni seeda moor. Namun erdaa enambahan uni ia bulannya. Selain iu, ada Bulan Juli erdaa eningkaan sebesar 44 uni dan Bulan Desember sebesar 37 uni seeda moor. Model unuk Bulan Juli dalam eriode ini adalah sebagai beriku, ˆ 49, 3 999,595D 5,3539. D 44, 755 S, 3, 43.,, 7, Periode 3: ˆ 49, 3 754,376D,6. D 44, 755S 36, 444S,, 7,, Dalam eriode 3, seia bulan erjadi kenaikan enjualan sebesar 49 uni seeda moor. Namun erdaa engurangan 755 uni ia bulannya. Selain iu, ada Bulan Juli erdaa eningkaan sebesar 44 uni dan Bulan Desember sebesar 37 uni seeda moor. Model unuk bulan Juli dalam eriode ini adalah sebagai beriku, ˆ 49, 3 754,376D,6. D 44, 755 S, 55, 67.,, 7, Secara garis besar,hari Raya Idul Firi idak memiliki damak yang signifikan ada enjualan oal seeda moor jenis Auomaic di Kabuaen Bojonegoro. Namun, Bulan Juli dan Desember memiliki eran yang signifikan dalam enjualan ersebu. Hal ini disebabkan karena Bulan Juli meruakan bulan mulainya ahun ajaran baru di bidang endidikan dan Bulan Desember meruakan akhir ahun dimana erusahaan akan memberikan banyak diskon unuk menghabiskan sok roduk. Selanjunya dengan cara yang sama, didaakan model ARIMAX yang diamilkan dalam Tabel 3. Tabel 3. Hasil Model ARIMAX Model dummy Auomaic Bojonegoro Cub Bojonegoro Sor Bojonegoro Auomaic Lamongan Cub Lamongan Sor Lamongan Regresi dummy Regresi dummy, D, D,.D,.D, Bulan uari, dan Desember D 4,. D 4, dan Bulan uari- Desember ARIMAX D 3,. D 3, dan Bulan uari- (,,)(,,) Desember ARIMAX ([,8],,) ARIMAX (,,) ARIMAX (,,), D, D,. D,. D, Bulan Juli, dan Bulan Desember. V -,, D 4, dan Bulan uari- Desember V -, V, V +, D 4,. D 4, Bulan uari-juli, dan Bulan Okober- Desember C. Pemodelan VARX ada Penjualan Toal Seeda Moor di Kabuaen Bojonegoro dan Lamongan Pada bagian ini, dilakukan emodelan secara mulivaria dengan model VARX. yang digunakan adalah enjualan oal seeda moor jenis Auomaic, Cub, dan Sor di Kabuaen Bojonegoro dan Lamongan, sera variabel dummy Bulan Hari Raya Idul Firi sebagai variabel eksogen. Sebelum melakukan emodelan, erlu dilakukan emeriksaan sasionerias daa. Pemeriksaan ini meliui emeriksaan sasionerias dalam mean dengan uji ADF dan sasionerias dalam varians dengan lo Box-Cox. Hasil uji sasionerias menyebukan bahwa semua variabel memiliki nilai rounded value dan dalam inervalnya idak mengandung nilai. Hal ini mengindikasikan bahwa keenam variabel ersebu idak sasioner dalam varians. Maka selanjunya dilakukan ransformasi logarima naural. Seelah dilakukan ransformasi, dilakukan emeriksaan sasionerias dalam mean dengan uji ADF. Hasil engujian dengan ADF menyebukan bahwa daa-daa ersebu idak sasioner dalam mean. Maka selanjunya dilakukan differencing lag.selain uji ADF, sasionerias dalam mean juga daa diliha dari MACF (Samle Cross Correlaionix) yang disajikan dalam Lamiran. MACF mengindikasikan adanya ola musiman dalam daa. Pada lag dan keliaannya, masih erdaa nilai (+) dan (-) yang arinya order musiman masih belum sasioner, sehingga erlu dilakukan differencing lag. Hasilnya diamilkan dalam Gambar 6. Gambar ersebu sudah mengindikasikan bahwa daa elah sasioner dalam mean, baik ada order reguler mauun musiman. Schemaic Reresenaion of Cross Correlaions Lag lny lny lny lny lny lny Lag lny lny lny lny lny lny is > sd error, - is < -sd error,. is beween Gambar 6. MACF seelah dilakukan differencing lag dan Langkah erama yang dilakukan dalam emodelan ini adalah idenifikasi order VARX. Hal ini daa dilakukan dengan meliha nilai AIC minimum dan MPACF. Karena keerbaasan anjang daa, nilai AIC idak daa dieroleh. Maka idenifikasi order model hanya berdasarkan MPACF yang disajikan dalam Gambar 7. Schemaic Reresenaion of Parial Auoregression Lag lny lny lny lny lny lny is > sd error, - is < -sd error,. is beween Gambar 7. Parial Auoregression ix Funcion (MPACF) Berdasarkan Gambar 7 daa dikeahui bahwa erdaa cu off ada lag. Hal ini diandai dengan adanya anda (+) dan (-) ada lag ersebu. Maka order VARX yang diilih adalah order. Namun order ini idak memenuhi asumsi vekor residual whie noise. Maka dilakukan enembahan order, yaiu order. Dalam eneliian ini digunakan variabel eksogen bulan Hari Raya Idul Firi. Model yang dieroleh adalah VARX(,)-I(, ). Dalam model ini, idak ada variabel eksogen yang signifikan dalam model, sehingga model ersebu juga daa diuliskan sebagai VAR(,,)(,,). Asumsi vekor residual model berdisribusi mulivaria normal elah erenuhi. Namun berdasarkan uji Pormaneau, asumsi vekor residual whie noise belum erenuhi. Hasil engujian ersebu daa diabaikan karena hal yang aling ening dalam eramalan adalah kemamuan model unuk melakukan eramalan [8,9]. Model VARX(,)-I(, ) diuliskan dalam ersamaan (9). Persamaan (9) menunjukkan bahwa erdaa hubungan enjualan seeda moor anar jenis di kabuaen yang sama, dan juga anar jenis di kabuaen yang berbeda. Selain iu, idak erdaa engaruh Bulan Hari Raya Idul Firi ada enjualan oal seeda moor unuk semua jenis di Kabuaen Bojonegoro dan Lamongan.

6 6,36,36638,5965,359, 6979,397,3679,774,8499,648, 4557 B,7535,545,5676, 477,5876, 674,3493,6355,656,33544 ( B)( B ),94 a,, 3837 ( B)( B ), a,, 4477, 4894 ( B)( B ) 3, a 3, B,75,5683 ( )( ) a B B 4,,,555,677, 4567, , ( B)( B ) a, a 6, ( B)( B ) 3, (9) Misalkan unuk enjualan oal seeda moor jenis Auomaic di Kabuaen Bojonegoro, model (9) daa diuraikan sebagai beriku, ˆ,36,36,94,7679,36 3 4,94,94, 4,36638, 5,36638,,36638,, 3,36638,5965, 4,5965 3,,5965 3, 3,359 3, 4,,359,359,,359, 3, 4 Model seelah diransformasikan kembali adalah sebagai beriku, ˆ,,,,, 3, 4, 4 5,36638,36638,36638,36638,5965,,, 3, 4 3, 3, 3 3, 4,359,359,359,359,36,36,94,7679,36,94,94,,, 3., 4,5965,5965 Secara umum, selain berganung ada dirinya sendiri ada beberaa bulan sebelumnya, enjualan ini juga berganung ada enjualan jenis Cub dan Sor di kabuaen yang sama, sera enjualan jenis Auomaic Kabuaen Lamongan ada bulan-bulan sebelumnya. Secara keseluruhan, krieria kebaikan model diamilkan dalam Tabel 4. Tabel 4 Perhiungan smape k-se unuk model k D. Perbandingan Kebaikan Model Model Model erbaik adalah model yang memiliki nilai smape erkecil unuk residual ou samle. Plo ramalan unuk daa ou samledaa diliha ada Lamiran D. Hasil erbandingannya diamilkan dalam Tabel 5. Tabel 5 Perbandingan smape Model Univaria dan Mulivaria (%) Model,, 3,, 3, ARIMAX 58,7 8,7 45,56 54,98 7,8 8,4 VARX 74,48 9,67 6,6 79,45 37,67, Berdasarkan Tabel 5 daa dikeahui bahwa model univaria unggul ada enjulan oal seeda moor Auomaic Kabuaen Bojonegoro dan Lamongan, sedangkan model mulivaria unggul ada enjulan oal seeda moor Cub Kabuaen Bojonegoro dan Lamongan, sera Sor Kabuaen Bojonegoro dan Lamongan. Hasil ramalan dengan model erbaik menyebukan hasil bahwa ada ahun, erjadi kenaikan enjualan seeda moor jenis Auomaic dan Sor. Sebaliknya, enjualan unuk jenis Cub cenderung menurun. Hal ini erjadi ada Kabuaen Bojonegoro dan Lamongan. 3,, 3,,95,6,373,58,663,567,455,6,37,38,356,33 3,587,83,7,539,65,39 4,674,,3,657,347, 5,78,,3,739,376,99 6,745,97,63,794,377, V. KESIMPULAN Secara umum, raa-raa enjualan seeda moor eringggi adalah seeda moor jenis Auomaic, baik di Kabuaen Bojonegoro mauun Lamongan. Kemudian sebagian besar enjualan seeda moor erjenis di Kabuaen Bojonegoro dan Lamongan diengaruhi oleh Hari Raya Idul Firi. Bulan sebelum Bulan Hari Raya Idul Firi sebagian besar meruakan enjualan eringgi. Selain iu, erdaa hubungan linier yang signifikan anar enjualan oal seeda moor di kedua Kabuaen ersebu. Model ARIMAX erbaik menyebukan bahwa erdaa konribusi Bulan Juli dan Bulan Desember ada jenisauomaic, baik di Kabuaen Bojonegoro mauun Lamongan. Kemudian erdaa siklus musiman ada jenis Cubdi kedua kabuaen ersebu. Selain iu, siklus musiman sera efek Hari Raya Idul Firi juga erdaa ada jenis SorKabuaen Bojonegoro. Selanjunya, erdaa efekhari Raya Idul Firi sera konribusi Bulan uari-juli, dan Bulan Okober-Desember ada jenis Sor Kabuaen Lamongan. Hasil emodelan dengan VARX unuk model keseluruhan menghasilkan model VARX(,)-I(, ) dengan variabel eksogen berua variabel dummy Bulan Hari Raya Idul Firi. Namun, idak ada variabel eksogen yang signifian dalam model. Model mulivaria menunjukkan bahwa erdaa hubungan enjualan seeda moor anar jenis di kabuaen yang sama, dan juga anar jenis di kabuaen yang berbeda. Selain iu, idak erdaa engaruh Bulan Hari Raya Idul Firi ada enjualan oal seeda moor unuk semua jenis di Kabuaen Bojonegoro dan Lamongan. Berdasarkan krieria smape, model mulivaria unggul jika dibandingkan dengan model univaria. Bagi rodusen dan disribuor seeda moor, hendaknya lebih fokus ada seeda moor jenis Auomaic. Hal ini karena ada ahun, seeda moor jenis Auomaic masih mendominasi angsa asar. DAFTAR PUSTAKA [] A. V. Kosenko, and R. J. Hyndman. (5). Forecasing wihou Significance Tes? h: //robjhyndman.com/ aers/ ss.df. [] Anonim. Umur Moor Hingga. Ekonomi Bisnis Harian Pagi Padang Eksres,.. (, uari 9). [3] J. D.Cryer, &K.S.Chan.Time Series Analysis Wih Alicaion in R, nd Ediion. New ork: Sringer. (8). [4] J. S. Armsrong. (7). Significance Tess Harm Progress in Forecasing. Inernaional Journal of Forecasing (3), [5] S. R Diah, & Seiawan. Indusri Seeda Moor Indonesia Terbesar Keiga Dunia. (B. P. Jamiko, Ed.) Ekonomi Harian Komas. (, Seember 3). [6]. Janika. Transorasi Jawa Timur Alami Tiik Jenuh. Jurnal Nasional,. 3. (, ember 6). [7] M. H.Lee and Suharono. Calendar Variaion Model Based on ARIMAX for Forecasing Sales Daa wih Ramadhan Effec. Proceedings of he Regional Conference on Saisical Sciences (hal ). Malaysia: Insiue of Mahemaical Sciences Universiy of Malaya. (). [8] S. Makridakis and M. Hibon. The M3-Comeiion : resul, conclusion and imlicaion. Inernasional Journal of Forecasing, 6 (), (). [9] W. W. Wei. Time Series Analysis (Univariae and Mulivariae Mehods). Unied Saes of America:Pearson Educaion,Inc. (6).

7 7 LAMPIRAN. MACF seelah dilakukan differencing lag Schemaic Reresenaion of Cross Correlaions Lag lny lny lny lny lny lny Lag lny lny lny lny lny lny C5. Pemeriksaan asumsi residual model dengan variabel eksogen V (Bulan Hari Raya Idul Firi) Vekor residual whie noise Schemaic Reresenaion of Parial Auoregression Lag Res Res Res Res Res Res is > sd error, - is < -sd error,. is beween Vekor residual berdisribusi mulivaria normal Chi-square Kuadra jarak mahalanobis. Hubungan anar variabel dalam model 4 6 8, 3,,, 3,,

8 8 3. Plo Perbandingan Keeaan Hasil Daa Ou Samle Akual Reg. Dummy Akual Reg. Dummy Monh Oc ear 5 Monh Oc ear 4 3 Monh Oc ear Akual ARIMAX(,,)(,,) 9 8 Akual ARIMAX([,8],,) 4 Akual ARIMAX(,,) Penjualan Toal (uni) 4 3 Monh ear Penjualan Toal (uni) Monh ear Penjualan Toal (uni) Monh ear Monh ear Oc 9 B. Aas Model 3 Model 3 B. Aas Oc/ --- Periode Periode Oc/ --- Periode Periode --- Fis B. Aas 4. Plo Hasil Model ARIMAX unuk ahun / / --- Periode Periode Penjualan Toal (uni) Penjualan Toal (uni) 6 4 Monh ear 5 5 Monh ear Plo Hasil Model VARX unuk ahun Penjualan Toal (uni) Monh ear 5 5 Monh ear Oc 9 / --- Periode Periode --- / --- Periode Periode --- Fis B. Aas B. Aas B. Aas Monh ear Penjualan Toal (uni) Penjualan Toal (uni) Monh ear Penjualan oal (uni) 4 Monh ear Monh ear Oc B. Aas 3 B. Aas --- Periode Fis --- Periode --- B. Aas / / --- Periode Periode --- Akual ARIMAX(,,) Penjualan Toal (uni) Fis B. Aas Penjualan Toal (uni) 5 5 Fis B. Aas Penjualan Toal (uni) Fis B. Aas Monh ear 9 Monh ear 9 Monh ear 9

Peramalan Volume Penjualan Total Sepeda Motor di Kabupaten Bojonegoro dan Lamongan dengan Pendekatan Model ARIMAX dan VARX

Peramalan Volume Penjualan Total Sepeda Motor di Kabupaten Bojonegoro dan Lamongan dengan Pendekatan Model ARIMAX dan VARX JURNAL SAINS AN SENI POMITS Vol., No., (0) ISSN: - (0- Prin) -0 Peramalan Volume Penjualan Toal Seeda Moor di Kabuaen Bojonegoro dan Lamongan dengan Pendekaan Model dan VARX ii Maghfiroul Ulyah, esri Susilaningrum,

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print) D-326

JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print) D-326 JURNAL AIN DAN ENI OMIT Vol. 3, No., (4) 337-35 (-98X rin) D-36 eramalan Toal Marke eeda Moor dan Toal enjualan Moor X di roinsi Jawa Timur dengan endekaan ARIMA Box-Jenkins dan Auoregressive Inegraed

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

Peramalan Permintaan Penjualan SepedaMotor di PT. A dengan Menggunakan ARIMAX dan VARX (Studi Kasus dikabupaten Ponorogo)

Peramalan Permintaan Penjualan SepedaMotor di PT. A dengan Menggunakan ARIMAX dan VARX (Studi Kasus dikabupaten Ponorogo) JURNAL AIN DAN ENI POMIT Vol. 3, No.2, (204) 2337-3520 (230-928X Prin) D-28 Peramalan Perminaan Penjualan eedamoor di PT. Menggunakan ARIMAX dan VARX (udi Kasus dikabuaen Ponorogo) Ani aul Ru yai Badriyah

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

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

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER Jurnal Jurnal Muara Sains, Teknologi, Kedokeran, dan Ilmu Kesehaan Vol., No., Okober 07: hlm 97-07 ISSN 579-640 (Versi Ceak) ISSN-L 579-640 (Versi Elekronik) PENENTUAN MODEL INDEKS HARGA SAHAM GAUNGAN

Lebih terperinci

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER Sains, Teknologi, Kedokeran, dan Ilmu Kesehaan Vol., No., Aril 07: hlm 8-8 ISSN 579-640 (Versi Ceak) ISSN-L 579-640 (Versi Elekronik) PENENTUAN MODEL INDEKS HARGA SAHAM GAUNGAN (IHSG) MENGGUNAKAN ANALISIS

Lebih terperinci

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap

Lebih terperinci

Analisis Peramalan Kombinasi Terhadap Jumlah Permintaan Darah di Surabaya (Studi Kasus: UDD PMI Kota Surabaya)

Analisis Peramalan Kombinasi Terhadap Jumlah Permintaan Darah di Surabaya (Studi Kasus: UDD PMI Kota Surabaya) JURNAL STATISTIKA Vol., No., () 5 Analisis Peramalan Kombinasi Terhada Jumlah Perminaan Darah di Surabaya (Sudi Kasus: UDD PMI Koa Surabaya) Winda Eka F., Ir. Dwiamono Agus W.,MIKom Jurusan Saisika, FMIPA,

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 Peramalan Inflasi Menggunakan Pendekaan Gabungan anara Fungsi Transfer dan Inervensi dengan Deeksi Oulier Tahira Ea Adisi, Dr. Suharono, S.Si. M.Sc. Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam,

Lebih terperinci

Peramalan Inflow dan Outflow Uang Kartal Bank Indonesia di Wilayah Jawa Tengah dengan Menggunakan Metode ARIMA, Time Series Regression, dan ARIMAX

Peramalan Inflow dan Outflow Uang Kartal Bank Indonesia di Wilayah Jawa Tengah dengan Menggunakan Metode ARIMA, Time Series Regression, dan ARIMAX JURNA SAINS DAN SENI ITS Vol., No., () - (-X rin) D- eramalan Inflow dan Ouflow Uang Karal Bank Indonesia di Wilayah Jawa Tengah dengan Menggunakan Meode ARIMA, Time Series Regression, dan ARIMAX Noorgam

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

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

Oleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes

Oleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes PERAMALAN INDEKS HARGA SAHAM YANG DIPENGARUHI KURS, PERUBAHAN INFLASI, POSISI JUMLAH DEPOSITO BERJANGKA, SUKU BUNGA SBI DAN DEPOSITO MENGGUNAKAN FUNGSI TRANSFER DAN ARCH-GARCH Oleh: TANTI MEGASARI 6 00

Lebih 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 Jumlah Pengunjung Domestik dan Mancanegara di Maharani Zoo & Goa Menggunakan ARIMA Box - Jenkins

Peramalan Jumlah Pengunjung Domestik dan Mancanegara di Maharani Zoo & Goa Menggunakan ARIMA Box - Jenkins Peramalan Jumlah Pengunjung Domesik dan Mancanegara di Maharani oo & Goa Menggunakan ARIMA Box - Jenkins Vivi Kusuma Sulisyawai (3030085) Dosen Pembimbing Dr. Irhamah, S.Si.,M.Si Laar Belakang Rumusan

Lebih terperinci

BAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun

BAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun BAB III ARFIMA-FIGARCH 3. Time Series Memori Jangka Panjang Proses ARMA sering dinyaakan sebagai proses memori jangka pendek (shor memory) karena fungsi auokorelasi anara dan urun cepa secara eksponensial

Lebih 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

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

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

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

JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ISSN: ( Print) D-212

JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ISSN: ( Print) D-212 JURNAL SAINS DAN SENI POMITS Vol. 3, No., (04) ISSN: 337-3539 (30-97 Prin) D- Peramalan Jumlah Penumang Pesawa Terbang di Pinu Kedaangan Bandar Udara Inernasional Lombok dengan Meode ARIMA Box-Jenkins,

Lebih terperinci

PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL

PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 9 PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL Y.P.Y. Asmara,

Lebih terperinci

Peramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun

Peramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun 1 Peramalan Kebuuhan Premium dengan Meode ARIMAX unuk Oimasi Persediaan di Wilayah TM Madiun Nindia ekar Dini, Haryono, dan uharono Jurusan aisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam, Insiu Teknologi

Lebih terperinci

Peramalan Outflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Autoregressive (GSTAR)

Peramalan Outflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Autoregressive (GSTAR) JURNA SAINS DAN SENI ITS Vol. 5 No. (16) 7-5 (1-98X Prin) D-59 Peramalan Ouflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Auoregressive (GSTAR) Rahmah Safiri, Seiawan, dan Imam Safawi

Lebih terperinci

Peramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Multi Input. : Nesia Brilliana I.P NRP :

Peramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Multi Input. : Nesia Brilliana I.P NRP : Peramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Muli Inpu Nama : Nesia Brilliana I.P NRP : 20800023 Jurusan : Maemaika Dosen Pembimbing : Dra. Nuri Wahyuningsih, M. Kes Pemberian pupuk

Lebih 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

Pemodelan ARIMA Dalam Prediksi Penumpang Pesawat Terbang Pada Bandara Internasional Sam Ratulangi Manado

Pemodelan ARIMA Dalam Prediksi Penumpang Pesawat Terbang Pada Bandara Internasional Sam Ratulangi Manado Pemodelan ARIMA Dalam Prediksi Penumang Pesawa Terbang Pada Bandara Inernasional Sam Raulangi Manado Sinnyo H.A. Salmon, Nelson Nainggolan 2, Djoni Haidja 3 Program Sudi Maemaika, FMIPA, UNSRAT, sinnyosalmon@ymail.com

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

Analisis Pola Hubungan Pemodelan ARIMA Curah Hujan dengan Curah Hujan Maksimum, Lama Waktu Hujan, dan Curah Hujan Rata-Rata

Analisis Pola Hubungan Pemodelan ARIMA Curah Hujan dengan Curah Hujan Maksimum, Lama Waktu Hujan, dan Curah Hujan Rata-Rata Analisis Pola Hubungan Pemodelan ARIMA Curah Hujan dengan Curah Hujan Maksimum, Lama Waku Hujan, dan Curah Hujan Raa-Raa Fahin Fahimah 33 Jurusan Teknik Elekro-FTI, Insiu Teknologi Seuluh Noember Kamus

Lebih terperinci

Peramalan Netflow Uang Kartal dengan Metode ARIMAX dan Radial Basis Function Network (Studi Kasus Di Bank Indonesia)

Peramalan Netflow Uang Kartal dengan Metode ARIMAX dan Radial Basis Function Network (Studi Kasus Di Bank Indonesia) JURNAL SAINS DAN SENI POMITS Vol., No., () - (-X Prin) D- Peramalan Neflow Uang Karal dengan Meode ARIMAX dan Radial Basis Funcion Nework (Sudi Kasus Di Bank Indonesia) Renny Elfira Wulansari dan Suharono

Lebih terperinci

PENGEMBANGAN MODEL REGRESI DERET WAKTU UNTUK DATA YANG MENGANDUNG VARIASI KALENDER

PENGEMBANGAN MODEL REGRESI DERET WAKTU UNTUK DATA YANG MENGANDUNG VARIASI KALENDER Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, November PENGEMBANGAN MODEL REGRESI DERET WAKTU UNTUK DATA YANG MENGANDUNG VARIASI KALENDER Alfonsus. J. Endhara dan Suharono Mahasiswa S Jurusan

Lebih terperinci

PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN

PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN IndoMS Journal on Saisics Vol., No. (04), Page 7-37 PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN Dinda Ariska Wulandari,

Lebih terperinci

ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING

ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING Nama: Zahroh Aiqoh 05 00 0 Dosen Pembimbing: Dra. Nuri Wahyuningsih, MKes Drs. Sulisiyo, MT Jurusan Maemaika

Lebih 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

PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT

PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT Saisika, Vol. 2, No. 2, November 24 PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT Sri Wahyuni, 2 Farikhin, Iswahyudi Joko Suprayino Program Sudi Saisika

Lebih 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

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

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

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

MODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR

MODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR MODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR S - 27 Rukini, Suharono2 2,2 Jurusan Saisika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Teknologi Sepuluh Nopember (ITS) Surabaya

Lebih terperinci

ANALISIS PERAMALAN KOMBINASI TERHADAP JUMLAH PERMINTAAN DARAH DI SURABAYA (STUDI KASUS:

ANALISIS PERAMALAN KOMBINASI TERHADAP JUMLAH PERMINTAAN DARAH DI SURABAYA (STUDI KASUS: ANALISIS PERAMALAN KOMBINASI TERHADAP JUMLAH PERMINTAAN DARAH DI SURABAYA (STUDI KASUS: UDD PMI KOTA SURABAYA) Oleh: Winda Eka Febriana (0500) Pembimbing: Ir. Dwiamono Agus W., MIKom . LATAR BELAKANG DARAH

Lebih terperinci

Peramalan Inflasi Menggunakan Model Fungsi Transfer Multi Input. Forcasting Inflation Using Multiple Input Transfer Function Model

Peramalan Inflasi Menggunakan Model Fungsi Transfer Multi Input. Forcasting Inflation Using Multiple Input Transfer Function Model Peramalan Inflasi Menggunakan Model Fungsi Transfer Muli Inpu Forcasing Inflaion Using Muliple Inpu Transfer Funcion Model Novi Adisia, Sri Wahyuningsih, dan Rio Goeanoro 3 Laboraorium Saisika Terapan

Lebih 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

metodologi penelitian

metodologi penelitian pendahuluan injauan pusaka meodologi peneliian hasil dan pembahasan kesimpulan Pusaka Meodologi Peningkaan Energi lisrik Kebuuhan energi lisrik Pengembangan sisem energi lisrik Peramalan beban lisrik Slide

Lebih terperinci

Perbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X

Perbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa

Lebih terperinci

Dosen Pembimbing Dr. Brodjol Sutijo Suprih Ulama, M.Si.

Dosen Pembimbing Dr. Brodjol Sutijo Suprih Ulama, M.Si. TUGAS AKHIR SS 145561 PERAMALAN NILAI IMPOR NON MIGAS DI JAWA TIMUR DENGAN MENGGUNAKAN METODE ARIMA BOX-JENKINS BOBBY AKBAR NRP 1314 030 002 Dosen Pembimbing Dr Brodjol Suijo Suprih Ulama, MSi DEPARTEMEN

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

PERAMALAN NILAI EKSPOR NON MIGAS SEKTOR PERINDUSTRIAN DI JAWA TIMUR DENGAN MENGGUNAKAN ARIMA BOX-JENKINS

PERAMALAN NILAI EKSPOR NON MIGAS SEKTOR PERINDUSTRIAN DI JAWA TIMUR DENGAN MENGGUNAKAN ARIMA BOX-JENKINS TUGAS AKHIR SS 145561 PERAMALAN NILAI EKSPOR NON MIGAS SEKTOR PERINDUSTRIAN DI JAWA TIMUR DENGAN MENGGUNAKAN ARIMA BOX-JENKINS Mohammad Fariq NRP 1314 030 015 Dosen Pembimbing Dra. Sri Mumpuni Renaningsih,

Lebih terperinci

PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR

PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR TUGAS AKHIR SS 145561 PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR SARIRAZTY DWIJANTARI NRP 1314 030 010 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si., M.Si DEPARTEMEN

Lebih terperinci

PERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN (STUDI KASUS KOTA SALATIGA, BULAN JANUARI 2014 JULI 2016)

PERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN (STUDI KASUS KOTA SALATIGA, BULAN JANUARI 2014 JULI 2016) Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: 978-602-622-20-9 hal 935-950 November 206 hp://jurnal.fkip.uns.ac.id PERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 robabilias 2.1.1 Definisi robabilias adalah kemungkinan yang daa erjadi dalam suau erisiwa erenu. Definisi robabilias daa diliha dari iga macam endekaan, yaiu endekaan klasik,

Lebih terperinci

agenda Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran

agenda Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran seminar ugas akhir Renny Elfira Wulansari 0000 pembimbing Dr. Suharono, S.Si, M.Sc Gedung H Lanai Saisika FMIPA-ITS Surabaya, Juli 04 agenda Pendahuluan Tinjauan Pusaka Meodologi Peneliian Analisis dan

Lebih terperinci

DAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII

DAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII Bulein Ilmiah Mah. Sa. dan Terapannya (Bimaser) Volume 6, No. 3 (27), hal 83 2. MODEL SPACE-TIME DAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII Ella Kurniawai, Naomi Nessyana

Lebih terperinci

PERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH

PERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH Vol.. No., 03 PERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH Ari Pani Desvina, Sari Marlinda, Jurusan Maemaika Fakulas Sains dan Teknologi

Lebih terperinci

PROSEDUR PEMBENTUKAN MODEL VARIASI KALENDER BERDASARKAN MODEL ARIMAX UNTUK PERAMALAN DATA DENGAN EFEK VARIASI KALENDER

PROSEDUR PEMBENTUKAN MODEL VARIASI KALENDER BERDASARKAN MODEL ARIMAX UNTUK PERAMALAN DATA DENGAN EFEK VARIASI KALENDER Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, November PROSEDUR PEMBENTUKAN MODEL VARIASI KALENDER BERDASARKAN MODEL ARIMAX UNTUK PERAMALAN DATA DENGAN EFEK VARIASI KALENDER Suharono dan

Lebih terperinci

PERAMALAN KUNJUNGAN WISATAWAN KE ULUWATU DENGAN MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE

PERAMALAN KUNJUNGAN WISATAWAN KE ULUWATU DENGAN MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE TRI TANAMI SUKRAINI : RAMALAN KUNJUNGAN WISATAWAN 47 PERAMALAN KUNJUNGAN WISATAWAN KE ULUWATU DENGAN MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE Tri Tanami Sukraini Jurusan Adminisrasi Niaga

Lebih terperinci

APLIKASI MODEL GSTAR PADA PERAMALAN JUMLAH KUNJUNGAN WISATAWAN EMPAT LOKASI WISATA DI BATU

APLIKASI MODEL GSTAR PADA PERAMALAN JUMLAH KUNJUNGAN WISATAWAN EMPAT LOKASI WISATA DI BATU APLIKASI MODEL GSTAR PADA PERAMALAN JUMLAH KUNJUNGAN WISATAWAN EMPAT LOKASI WISATA DI BATU Dwi Susani, Susiswo Universias Negeri Malang E-mail: dwisusani39@gmail.com ABSTRAK: Peneliian ini berujuan unuk

Lebih terperinci

PERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS

PERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS TUGAS AKHIR SS 145561 PERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS Puri Handayani NRP 1314 030 112 Dosen Pembimbing Dr. Brodjol Suijo Suprih Ulama, M.Si. Deparemen

Lebih terperinci

PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Studi Kasus Data Saham PT. Gudang Garam Tbk.

PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Studi Kasus Data Saham PT. Gudang Garam Tbk. Bulein Ilmiah Mah. Sa. dan Teraannya (Bimaser) Volume 4, No. 3 (ahun), hal 69 78. PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Sudi Kasus Daa Saham PT.

Lebih terperinci

Contagions Effect Kurs 5 Negara ASEAN (Association of Southeast Asian Nations) Menggunakan Vector Autoregressive (VAR)

Contagions Effect Kurs 5 Negara ASEAN (Association of Southeast Asian Nations) Menggunakan Vector Autoregressive (VAR) JURNAL SAINS DAN SENI POMITS Vol. 2, No., (203) 2337-3520 (230-928X Prin) D-8 Conagions Effec Kurs 5 Negara ASEAN (Associaion of Souheas Asian Naions) Menggunakan Vecor Auoregressive (VAR) Mirna Chairany,

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

PEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA

PEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA PEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA Fadil Rahman Hakim, Dr. Ir. Achmad Mauludiyano, MT. Program Sudi Telekomunikasi Mulimedia Jurusan Teknik Elekro Fakulas Teknologi Indusri

Lebih terperinci

TUGAS AKHIR. untuk Analisis Peramalan Data Ekspor Non Migas Indonesia Di Sektor Pertanian, Sektor Perindustrian dan Sektor

TUGAS AKHIR. untuk Analisis Peramalan Data Ekspor Non Migas Indonesia Di Sektor Pertanian, Sektor Perindustrian dan Sektor TUGAS AKHIR Pendekaan Meode ARIMA Box Jenkins unuk Analisis Peramalan Daa Ekspor Non Migas Indonesia Di Sekor Peranian, Sekor Perindusrian dan Sekor Nurul Laifa Perambangan 307 030 70 Dosen pembimbing

Lebih terperinci

MODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI

MODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI MODEL FUNGSI TRANSFER MULTIVARIAT DAN APLIKASINYA UNTUK MERAMALKAN CURAH HUJAN DI KOTA YOGYAKARTA SKRIPSI Diajukan kepada Fakulas Maemaika dan Ilmu Pengeahuan Alam Universias Negeri Yogyakara unuk memenuhi

Lebih terperinci

ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG

ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG ISSN: 9-54 JURNAL GAUSSIAN, Volume 4, Nomor, Tahun 05, Halaman 6-60 Online di: hp://eournal-s.undip.ac.id/index.php/gaussian ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG

Lebih terperinci

MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BOX-JENKINS. OLEH : SHANTIKA MARTHA, S.Si NIP

MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BOX-JENKINS. OLEH : SHANTIKA MARTHA, S.Si NIP MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BO-JENKINS OLEH : SHANTIKA MARTHA, S.Si NIP. 9840308008003 UNIVERSITAS TANJUNGPURA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM JURUSAN MATEMATIKA

Lebih terperinci

Penentuan Pelebaran Window Time Optimal Pada Data Deret Waktu

Penentuan Pelebaran Window Time Optimal Pada Data Deret Waktu 1 Penenuan Pelebaran Window Time Opimal Pada Daa Dere Waku (1) Nursya`bani Hendro Prabowo dan (2) Raden Mohamad Aok Deparemen Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam, Insiu Teknologi Sepuluh

Lebih terperinci

Peramalan Pengguna Kapal Ferry Ujung-Kamal dengan Metode Intervensi

Peramalan Pengguna Kapal Ferry Ujung-Kamal dengan Metode Intervensi D-480 JURNAL SAINS DAN SENI IS Vol. No. 2 (6) 2337-3 (2-928X Prin) Peramalan Pengguna Kapal Ferry Ujung-Kamal dengan Meode Inervensi Eka Apriliani, dan Irhamah Jurusan Saisika, Fakulas MIPA, Insiu eknologi

Lebih terperinci

Kata Kunci - GSTAR, Inflasi, Invers Jarak, Korelasi Silang, Seragam. I. PENDAHULUAN II. TINJAUAN PUSTAKA

Kata Kunci - GSTAR, Inflasi, Invers Jarak, Korelasi Silang, Seragam. I. PENDAHULUAN II. TINJAUAN PUSTAKA Pemodelan Inflasi di Koa Semarang, Yogyakara, dan Surakara dengan pendekaan GSTAR Laily Awliaul Faizah, Seiawan Jurusan Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Teknologi Sepuluh Nopember

Lebih terperinci

PERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,1,1)(0,1,1) 12 TUGAS AKHIR.

PERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,1,1)(0,1,1) 12 TUGAS AKHIR. PERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,,)(0,,) 2 TUGAS AKHIR Diajukan Sebagai Salah Sau Syara unuk Memperoleh Gelar Sarjana Sains

Lebih terperinci

Peramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun

Peramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun JURNAL AIN DAN ENI IT Vol. 1, No. 1, (ep. 2012 IN: 2301-928X D-230 Peramalan Kebuuhan Premium dengan Meode ARIMAX unuk Opimasi Persediaan di Wilayah TM Madiun Nindia ekar Dini, Haryono, dan uharono Jurusan

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang

Lebih terperinci

PERAMALAN VOLUME PENJUALAN KEDELAI PT. X MENGGUNAKAN METODE ARIMA BOX-JENKINS

PERAMALAN VOLUME PENJUALAN KEDELAI PT. X MENGGUNAKAN METODE ARIMA BOX-JENKINS TUGAS AKHIR SS 145561 PERAMALAN VOLUME PENJUALAN KEDELAI PT. X MENGGUNAKAN METODE ARIMA BOX-JENKINS Affanda Abdul Hakim Aminullah NRP 1314 030 048 Dosen Pembimbing : Dr. Brodjol Suijo S.U., M.Si Deparemen

Lebih terperinci

Analisis Peramalan Jumlah Penumpang Kereta Api Penataran Tujuan Surabaya-Malang

Analisis Peramalan Jumlah Penumpang Kereta Api Penataran Tujuan Surabaya-Malang Analisis Peramalan Jumlah Penumpang Kerea Api Penaaran Tujuan Surabaya-Malang Oleh. Andria Prima Diago 08.00.0 Dosen Pembimbing. r. Dwiamono Agus, M.komp Andria Prima Diago 08.00.0 nsiu Teknologi Sepuluh

Lebih terperinci

Kata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting.

Kata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting. METODE INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) UNTUK MEMODELKAN HARGA GABAH DUNIA (INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY TO CAPTURE

Lebih terperinci

PERAMALAN JUMLAH PENJUALAN KORAN HARIAN BERLANGGANAN DI PT. JAWA POS DENGAN MENGGUNAKAN ARIMA BOX-JENKINS

PERAMALAN JUMLAH PENJUALAN KORAN HARIAN BERLANGGANAN DI PT. JAWA POS DENGAN MENGGUNAKAN ARIMA BOX-JENKINS TUGAS AKHIR SS 145561 PERAMALAN JUMLAH PENJUALAN KORAN HARIAN BERLANGGANAN DI PT. JAWA POS DENGAN MENGGUNAKAN ARIMA BOX-JENKINS TRI EMIRA RISMAYANTI NRP 1314 030 070 Dosen Pembimbing Dr. Brodjol Suijo

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 Harga Saham Jakarta Islamic Index Menggunakan Metode Vector Autoregressive

Peramalan Harga Saham Jakarta Islamic Index Menggunakan Metode Vector Autoregressive D-408 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98 Prin) Peramalan Harga Saham Jakara Islamic Menggunakan Meode Vecor Auoregressive Farida Nur Hayai dan Brodjol Suijo S.U Jurusan Saisika Fakulas

Lebih terperinci

IDENTIFIKASI POLA DATA TIME SERIES

IDENTIFIKASI POLA DATA TIME SERIES IDENTIFIKASI POLA DATA TIME SERIES Daa merupakan bagian pening dalam peramalan. Beriku adalah empa krieria yang dapa digunakan sebagai acuan agar daa dapa digunakan dalam peramalan.. Daa harus dapa dipercaya

Lebih 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

Peramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun

Peramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun Peramalan Kebuuhan Premium dengan Meode ARIMAX unuk Opimasi Persediaan di Wilayah TBBM Madiun Oleh: Nindia Sekar Dini 1308100088 Pembimbing: Drs. Haryono, MSIE Dr. Suharono 1 Ouline Pendahuluan Tinjauan

Lebih terperinci

Peramalan Return Saham Bank Central Asia Menggunakan Self Exciting Threshold Autoregressive Genetic Algorithm

Peramalan Return Saham Bank Central Asia Menggunakan Self Exciting Threshold Autoregressive Genetic Algorithm JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (2016) 2337-3520 (2301-928X Prin) D-71 Peramalan Reurn Saham Bank Cenral Asia Menggunakan Self Exciing Threshold Auoregressive Geneic Algorihm Tesalonika Puri dan

Lebih terperinci

2 efek dari pengaruh kejadian luar (exernal even) pada daa ime series (Wei, 2006). Bila y adalah daa ime series yang mengandung variasi kalender, maka

2 efek dari pengaruh kejadian luar (exernal even) pada daa ime series (Wei, 2006). Bila y adalah daa ime series yang mengandung variasi kalender, maka . PERAMALAN VOLUME KENDARAAN MASUK DI TOL DUPAK-WARU MENGGUNAKAN MODEL VARIASI KALENDER Yosua D. Charismawan (1304 100 024) Pembimbing : Ir. Dwiamono Agus W.,M.Ikom ABSTRAK Tol Surabaya-Gempol merupakan

Lebih terperinci

FORECASTING & ARIMA. Dwi Martani. 1/26/2010 Statistik untuk Bisnis 9 1

FORECASTING & ARIMA. Dwi Martani. 1/26/2010 Statistik untuk Bisnis 9 1 FORECASTING & ARIMA Dwi Marani /26/200 Saisik unuk Bisnis 9 DERET BERKALA (TIME SERIES) Suau dere berkala merupakan suau himpunan observasi dimana variabel yang digunakan diukur dalam uruan periode waku,

Lebih terperinci

KAJIAN PEMODELAN DERET WAKTU NONLINIER THRESHOLD AUTOREGRESSIVE (TAR) Puji Noviandari Universitas Jenderal Soedirman

KAJIAN PEMODELAN DERET WAKTU NONLINIER THRESHOLD AUTOREGRESSIVE (TAR) Puji Noviandari Universitas Jenderal Soedirman JMP : Volume 4 Nomor 1, Juni 01, hal. 13-134 KAJIAN PEMODELAN DERET WAKTU NONLINIER THRESHOLD AUTOREGRESSIVE (TAR) Pui Noviandari Universias Jenderal Soedirman veeyan_love18@yahoo.com Renny Universias

Lebih terperinci

PENDEKATAN PERAMALAN TINGKAT KONSUMSI MINYAK DI INDONESIA DENGAN MENGGUNAKAN METODE BOX-JENKINS

PENDEKATAN PERAMALAN TINGKAT KONSUMSI MINYAK DI INDONESIA DENGAN MENGGUNAKAN METODE BOX-JENKINS PENDEKATAN PERAMALAN TINGKAT KONSUMSI MINYAK DI INDONESIA DENGAN MENGGUNAKAN METODE BOX-JENKINS Ari Pani Desvina, Abdur Rahman Siddiq Jurusan Maemaika Fakulas Sains dan Teknologi UIN Suska Riau E-mail:

Lebih terperinci

PERAMALAN JUMLAH KEBERANGKATAN PENUMPANG PELAYARAN DALAM NEGERI DARI PELABUHAN TANJUNG PERAK MENGGUNAKAN ARIMA-BOX JENKINS

PERAMALAN JUMLAH KEBERANGKATAN PENUMPANG PELAYARAN DALAM NEGERI DARI PELABUHAN TANJUNG PERAK MENGGUNAKAN ARIMA-BOX JENKINS TUGAS AKHIR SS 4556 PERAMALAN JUMLAH KEBERANGKATAN PENUMPANG PELAYARAN DALAM NEGERI DARI PELABUHAN TANJUNG PERAK MENGGUNAKAN ARIMA-BOX JENKINS Nina Fannani NRP 34 030 02 Dosen Pembimbing Dr. Wahyu Wibowo,

Lebih terperinci

PERAMALAN YIELD DAN HARGA OBLIGASI PEMERINTAH DENGAN PENDEKATAN ARIMA DAN BACKPROPAGATION-ANN

PERAMALAN YIELD DAN HARGA OBLIGASI PEMERINTAH DENGAN PENDEKATAN ARIMA DAN BACKPROPAGATION-ANN PERAMALAN YIELD DAN HARGA OBLIGASI PEMERINTAH DENGAN PENDEKATAN ARIMA DAN BACKPROPAGATION-ANN Yuli Wahyuningsih (), Brodjol Suijo S. U (), Suharono () Mahasiswa Jurusan Saisika, FMIPA, Insiu Teknologi

Lebih terperinci

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,

Lebih terperinci

PENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Studi Kasus: PT Tembaga Mulia Semanan)

PENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Studi Kasus: PT Tembaga Mulia Semanan) Prosiding Seminar Nasional Manajemen Teknologi Program Sudi MMT-ITS, Surabaya 1 Agusus 2009 PENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Sudi Kasus: PT

Lebih terperinci

PEMODELAN BOX-JENKINS (ARIMA) UNTUK PERAMALAN INDEKS HARGA SAHAM GABUNGAN

PEMODELAN BOX-JENKINS (ARIMA) UNTUK PERAMALAN INDEKS HARGA SAHAM GABUNGAN PEMODELAN BOX-JENKINS (ARIMA) UNTUK PERAMALAN INDEKS HARGA SAHAM GABUNGAN Vincenius Iwan Primadiya 1 dan Nur Iriawan 2 1) Program Sudi Magiser Manajemen Teknologi, Insiu Teknologi Sepuluh Nopember e-mail:

Lebih terperinci

Penerapan Model ARCH/GARCH untuk Peramalan Nilai Tukar Petani ABSTRAK ABSTRACT. Pendahuluan

Penerapan Model ARCH/GARCH untuk Peramalan Nilai Tukar Petani ABSTRAK ABSTRACT. Pendahuluan Jurnal Sains Maemaika dan Saisika, Vol. 4, No., Januari 8 ISSN 46-454 prin/issn 65-8663 online Penerapan Model ARCH/GARCH unuk Peramalan Nilai Tukar Peani Ari Pani Desvina, Inggrid Ocaviani Meijer, Jurusan

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

PEMODELAN PRODUKSI SEKTOR PERTANIAN

PEMODELAN PRODUKSI SEKTOR PERTANIAN Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 2009 PEMODELAN PRODUKSI SEKTOR PERTANIAN Brodjol Suijo Jurusan Saisika ITS Surabaya ABSTRAK Pada umumnya daa ekonomi bersifa ime

Lebih terperinci

MAKALAH TUGAS AKHIR IDENTIFIKASI MODEL ARIMA BOX-JENKINS

MAKALAH TUGAS AKHIR IDENTIFIKASI MODEL ARIMA BOX-JENKINS 1. Pendahuluan MAKALAH TUGAS AKHIR IDENTIFIKASI MODEL ARIMA BOX-JENKINS CAMPURAN DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA Oleh : Febriana Dwi P. (1306 100 011) Dosen Pembimbing I : Dr. Irhamah, S.Si,

Lebih terperinci

PERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO

PERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO PERBANDINGAN MODEL ARIMA DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN KABUPATEN WONOSOBO SKRIPSI Disusun Oleh : SITI LIS INA ATUL HIDAYAH 24010211120006 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA

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 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