Meytaliana F Dosen Pembimbing: Prof. Dr. Basuki Widodo, M.Sc. Dra. Nuri Wahyuningsih, M.Kes.
|
|
- Yohanes Sudjarwadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 ESTIMASI PARAMETER AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) (STUDI KASUS PERAMALAN CURAH HUJAN DAS BRANGKAL MOJOKERTO) Meytaliana F Dosen Pembimbing: Prof. Dr. Basuki Widodo, M.Sc. Dra. Nuri Wahyuningsih, M.Kes. JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2014
2 ABSTRAK
3 PENDAHULUAN LATAR BELAKANG Sungai Brantas Fluktuasi Debit Air Curah Hujan PSO (Particle Swarm Optimization) Membutuhkan peninjauan terhadap kondisi kapasitas, operasional, dan keamanan sungai ARIMA (Autoregressive Integrated Moving Average) Pengamatan, Perkiraan, Peramalan
4
5 PENDAHULUAN RUMUSAN MASALAH 1. Bagaimana merumuskan model peramalan curah hujan di DAS Brangkal, Mojokerto, menggunakan model ARIMA? 2. Bagaimana mengestimasi parameter ARIMA menggunakan algoritma PSO?
6 PENDAHULUAN BATASAN MASALAH 1. Data yang digunakan dalam penelitian ini adalah data sekunder yang bersumber dari BBWS Brantas. Data yang diambil merupakan data curah hujan DAS Brangkal, Mojokerto, antara lain ARR Jati Dukuh, ARR Gumeng, dan ARR Pacet Selatan dengan periode Januari 2011 sampai dengan Januari Setiap ARR di DAS Brangkal Mojokerto diasumsikan tidak saling mempengaruhi. 3. Software yang digunakan dalam penelitian ini adalah Minitab dan Matlab.
7 PENDAHULUAN TUJUAN 1. Memperoleh model peramalan curah DAS Brangkal, Mojokerto, menggunakan model ARIMA. 2. Mengestimasi parameter ARIMA menggunakan algoritma PSO.
8 PENDAHULUAN MANFAAT 1. Memperoleh model peramalan curah hujan DAS Brangkal, Mojokerto, untuk memperkirakan besarnya curah hujan sebagai tindak lanjut dari peninjauan kondisi kapasitas, operasional, dan keamanan sungai Brantas. 2. Memberikan kontribusi dalam menerapkan algoritma PSO sebagai metode baru untuk mengestimasi parameter model ARIMA.
9 TINJAUAN PUSTAKA Analisis Deret Berkala Stasioneritas (Stasioner dalam ratarata dan varians) Fungsi Autokorelasi (ACF) Fungsi Autokorelasi Parsial (PACF)
10 , TINJAUAN PUSTAKA Model ARIMA (Autoregressive Integrated Moving Average) 1. Model ARIMA dinotasikan dengan ARIMA(p,d,q) 2. Model ARIMA(p,d,q) dengan:
11 TINJAUAN PUSTAKA Langkah-langkah merumuskan model ARIMA Identifikasi Model Estimasi Parameter Pemeriksaan Diagnostik
12 TINJAUAN PUSTAKA Particle Swarm Optimization (PSO) 1. Algoritma PSO merupakan teknik optimasi berbasis stokastik yang diinspirasi oleh tingkah laku sosial sekawanan burung 2. Sekelompok burung berjumlah m secara random mencari makanan di suatu area berdimensi n. 3. Hanya terdapat sepotong makanan sebagai target, dimana semua burung tidak mengetahui posisinya. Tetapi, mereka mengetahui jarak dirinya dengan makanan tersebut di setiap iterasi. 4. Salah satu strategi efektif untuk menemukan makanan tersebut adalah dengan mengikuti burung yang lebih dekat dengan posisi makanan.
13 TINJAUAN PUSTAKA Particle Swarm Optimization (lanjutan) 6. Posisi burung ke-i dan kecepatannya dinyatakan dengan 7. Kecepatan burung dan posisi barunya dapat ditentukan dari persamaan 1 2
14 Algoritma PSO TINJAUAN PUSTAKA
15 TINJAUAN PUSTAKA Algoritma PSO untuk Mengestimasi Parameter Model ARIMA 1. Pada permasalahan model ARIMA(p,d,q) terdapat parameter p+q, yaitu, sehingga dimensi ruang pencariannya adalah p+q. 2. Apabila parameter dan dinotasikan dengan dan yang mempunyai p dan q komponen, maka suatu partikel dinotasikan dengan yaitu 3. Fungsi objektif dari permasalahan ini adalah
16 METODE PENELITIAN
17 PEMBAHASAN DAN ANALISIS DATA ARR JATI DUKUH 300 Time Series Plot of ARR Jati Dukuh 250 ARR Jati Dukuh Index
18 PEMBAHASAN DAN ANALISIS DATA ARR JATI DUKUH Box-Cox Plot of ARR Jati Dukuh 2.0 Lower CL Upper CL Lambda (using 95.0% confidence) Estimate Lower CL 0.16 Upper CL 0.37 Rounded Value 0.26 StDev Lambda 2 3 Limit
19 PEMBAHASAN DAN ANALISIS DATA ARR JATI DUKUH Box-Cox Plot of ARR Jati Dukuh Lower CL Upper CL Lambda 1.0 (using 95.0% confidence) Estimate Lower CL 0.58 Upper CL 1.35 Rounded Value 1.00 StDev Limit Lambda
20 PEMBAHASAN DAN ANALISIS DATA ARR JATI DUKUH 1.1 Time Series Plot of ARR Jati Dukuh ARR Jati Dukuh Index
21 PEMBAHASAN DAN ANALISIS DATA ARR JATI DUKUH Time Series Plot of ARR Jati Dukuh ARR Jati Dukuh Index
22 PEMBAHASAN DAN ANALISIS DATA ARR JATI DUKUH Autocorrelation Function for ARR Jati Dukuh (with 5% significance limits for the autocorrelations) Autocorrelation Lag
23 PEMBAHASAN DAN ANALISIS DATA ARR JATI DUKUH Partial Autocorrelation Function for ARR Jati Dukuh (with 5% significance limits for the partial autocorrelations) Partial Autocorrelation Lag
24 : PEMBAHASAN DAN ANALISIS DATA ARR JATI DUKUH UJI SIGNIFIKANSI PARAMETER ARIMA(1,1,0) Hipotesa: H0: H1: Statistik Uji: Karena maka H0 ditolak, artinya parameter signifikan
25 : PEMBAHASAN DAN ANALISIS DATA ARR JATI DUKUH UJI LJUNG BOX ARIMA(1,1,0) Hipotesa: H0: H1: minimal terdapat yang tidak sama dengan nol Statistik Uji: Karena maka H0 diterima, artinya residual white noise
26 : PEMBAHASAN DAN ANALISIS DATA ARR JATI DUKUH Lanjutan UJI LJUNG BOX ARIMA(1,1,0)
27 : PEMBAHASAN DAN ANALISIS DATA ARR JATI DUKUH UJI KOLMORGOROV SMIRNOV ARIMA(1,1,0) Hipotesa: H0:, untuk semua (berdistribusi normal) H1:, untuk beberapa (tidak berdistribusi normal) Statistik Uji: Karena berdistribusi normal. maka H0 ditolak, artinya residual tidak
28 : PEMBAHASAN DAN ANALISIS DATA ARR JATI DUKUH OVERFITTING DAN MODEL TERBAIK
29 PEMBAHASAN DAN ANALISIS DATA ARR GUMENG 400 Time Series Plot of ARR Gumeng 300 ARR Gumeng Index
30 PEMBAHASAN DAN ANALISIS DATA ARR GUMENG Box-Cox Plot of ARR Gumeng 0.35 Lower CL Upper CL Lambda (using 95.0% confidence) Estimate 0.11 Lower CL 0.03 Upper CL 0.21 Rounded Value 0.11 StDev Limit Lambda
31 PEMBAHASAN DAN ANALISIS DATA ARR GUMENG Box-Cox Plot of ARR Gumeng 0.14 Lower CL Upper CL Lambda (using 95.0% confidence) 0.13 Estimate Lower CL 0.18 Upper CL 1.85 Rounded Value 1.00 StDev Limit Lambda
32 PEMBAHASAN DAN ANALISIS DATA ARR GUMENG 1.0 Time Series Plot of ARR Gumeng 0.9 ARR Gumeng Index
33 PEMBAHASAN DAN ANALISIS DATA ARR GUMENG 0.5 Time Series Plot of ARR Gumeng ARR Gumeng Index
34 PEMBAHASAN DAN ANALISIS DATA ARR GUMENG Autocorrelation Function for ARR Gumeng (with 5% significance limits for the autocorrelations) Autocorrelation Lag
35 PEMBAHASAN DAN ANALISIS DATA ARR GUMENG Partial Autocorrelation Function for ARR Gumeng (with 5% significance limits for the partial autocorrelations) Partial Autocorrelation Lag
36 : PEMBAHASAN DAN ANALISIS DATA ARR GUMENG UJI SIGNIFIKANSI PARAMETER ARIMA(0,1,1) Hipotesa: H0: H1: Statistik Uji: Karena signifikan maka H0 ditolak, artinya parameter
37 : PEMBAHASAN DAN ANALISIS DATA ARR GUMENG UJI LJUNG BOX ARIMA(0,1,1) Hipotesa: H0: H1: minimal terdapat yang tidak sama dengan nol Statistik Uji: Karena maka H0 diterima, artinya residual white noise
38 : PEMBAHASAN DAN ANALISIS DATA ARR GUMENG Lanjutan UJI LJUNG BOX ARIMA(0,1,1)
39 : PEMBAHASAN DAN ANALISIS DATA ARR GUMENG UJI KOLMORGOROV SMIRNOV ARIMA(0,1,1) Hipotesa: H0:, untuk semua (berdistribusi normal) H1:, untuk beberapa (tidak berdistribusi normal) Statistik Uji: Karena maka H0 diterima, artinya residual berdistribusi normal. Jadi ARIMA(0,1,1) merupakan model yang baik
40 : PEMBAHASAN DAN ANALISIS DATA ARR GUMENG OVERFITTING DAN MODEL TERBAIK
41 PEMBAHASAN DAN ANALISIS DATA ARR PACET SELATAN 300 Time Series Plot of ARR Pacet Selatan 250 ARR Pacet Selatan Index
42 PEMBAHASAN DAN ANALISIS DATA ARR PACET SELATAN Box-Cox Plot of ARR Pacet Selatan Lower CL Upper CL Lambda (using 95.0% confidence) Estimate Lower CL Upper CL 0.08 StDev Rounded Value Limit Lambda
43 PEMBAHASAN DAN ANALISIS DATA ARR PACET SELATAN Box-Cox Plot of ARR Pacet Selatan 6 Lower CL Upper CL Lambda (using 95.0% confidence) 5 Estimate 0.66 Lower CL 0.41 Upper CL Rounded Value 0.50 StDev Limit Lambda 3 4 5
44 PEMBAHASAN DAN ANALISIS DATA ARR PACET SELATAN Box-Cox Plot of ARR Pacet Selatan 2.0 Lower CL Upper CL Lambda (using 95.0% confidence) Estimate Lower CL 0.80 Upper CL 1.82 Rounded Value 1.00 StDev Limit Lambda
45 PEMBAHASAN DAN ANALISIS DATA ARR PACET SELATAN 2.5 Time Series Plot of ARR Pacet Selatan ARR Pacet Selatan Index
46 PEMBAHASAN DAN ANALISIS DATA ARR PACET SELATAN 1.5 Time Series Plot of ARR Pacet Selatan 1.0 ARR Pacet Selatan Index
47 PEMBAHASAN DAN ANALISIS DATA ARR PACET SELATAN Autocorrelation Function for ARR Pacet Selatan (with 5% significance limits for the autocorrelations) Autocorrelation Lag
48 PEMBAHASAN DAN ANALISIS DATA ARR PACET SELATAN Partial Autocorrelation Function for ARR Pacet Selatan (with 5% significance limits for the partial autocorrelations) Partial Autocorrelation Lag
49 : PEMBAHASAN DAN ANALISIS DATA ARR PACET SELATAN UJI SIGNIFIKANSI PARAMETER ARIMA(1,1,0) Hipotesa: H0: H1: Statistik Uji: Karena maka H0 ditolak, artinya parameter signifikan
50 : PEMBAHASAN DAN ANALISIS DATA ARR PACET SELATAN UJI LJUNG BOX ARIMA(1,1,0) Hipotesa: H0: H1: minimal terdapat yang tidak sama dengan nol Statistik Uji: Karena maka H0 diterima, artinya residual white noise
51 : PEMBAHASAN DAN ANALISIS DATA ARR PACET SELATAN Lanjutan UJI LJUNG BOX ARIMA(1,1,0)
52 : PEMBAHASAN DAN ANALISIS DATA ARR PACET SELATAN UJI KOLMORGOROV SMIRNOV ARIMA(1,1,0) Hipotesa: H0:, untuk semua (berdistribusi normal) H1:, untuk beberapa (tidak berdistribusi normal) Statistik Uji: Karena maka H0 diterima, artinya residual berdistribusi normal. Jadi ARIMA(1,1,0) merupakan model yang baik.
53 : PEMBAHASAN DAN ANALISIS DATA ARR PACET SELATAN OVERFITTING DAN MODEL TERBAIK
54 : PEMBAHASAN DAN ANALISIS DATA Penerapan Algoritma PSO untuk Estimasi Parameter ARIMA 1. Prinsip dasar yang digunakan adalah, mencari suatu nilai secara iteratif dengan mempertimbangkan posisi terbaik pada iterasi sebelumnya sampai memperoleh nilai yang optimum. 2. Data yang digunakan untuk estimasi parameter menggunakan Algoritma PSO adalah data yang stasioner dalam varian. 3. Estimasi dilakukan pada model yang sudah dijamin baik, yaitu model dengan parameter yang signifikan dan memenuhi dua asumsi residual
55 : PEMBAHASAN DAN ANALISIS DATA Penerapan Algoritma PSO untuk Estimasi Parameter ARIMA
56 : KESIMPULAN
57 : SARAN Dengan melihat hasil yang diperoleh dari penelitian ini, terdapat saran untuk pengembangan penelitian selanjutnya, yaitu penerapan algoritma PSO untuk mengestimasi parameter dari percabangan model ARIMA lain, seperti model SARIMA.
58 : PEMBAHASAN DAN ANALISIS DATA [1] Kementrian Pekerjaan Umum Direktorat Jendral Sumber Daya Air Balai Besar Wilayah Sungai Brantas. (2010). Sistem Manajemen Mutu Unit Hidrologi Balai Besar Wilayah Sungai Brantas. Diakses pada tanggal 7 Maret 2014 pukul WIB. [2] Kuntjoro. (2011). Kali Brantas Hilir dalam Tinjauan Data Debit Dekade Terakhir. Seminar Nasional Aplikasi Terapan teknologi Prasarana Wilayah. Diakses pada tanggal pukul WIB. [3] Paimin, Sukresno, dan Purwanto. (2006). Sidik Cepat Degradasi Sub DAS. Pusat Penelitian dan Pengembangan Hutan dan Konservasi Alam. Bogor. [4] Makridakis, S, Wheelwright, S.C., McGee, V.E (1992). Metode Peramalan dan Aplikasi Peramalan. Erlangga. Jilid 1. Jakarta. [5] Momani, P.E. Naill M. (2009). Time Series Analysis Model for Rainfall Data in Jordan: Case Study for Using Time Series Analysis. American Journal of Environmental Sciences 5 (5) hal [6] Wang H, Zhao W..(2009). ARIMA Model Estimated by Particle Swarm Optimization Algorithm for Consumer Price Index Forcasting. H. Deng et al. (Eds.): AICI 2009, LNAI 5855, pp. hal [7] Wei, William W.S. (2006). Time Series Analysis: Univariate and Multivariate Methods. Pearson Education, Inc. Second Edition. United States of America. [8] Iriawan, N., Astuti, S.P. (2006). Mengolah Data Statistik dengan Mudah Menggunakan Minitab 14. Andi. Yogyakarta. [9] Izza, N.I. (2014). Penerapan Metode VaR (Value at Risk) dengan Pendekatan Model GARCH-M pada Analisis Resiko Investasi Saham di Sektor Industri Otomotif. Tugas Akhir-Institut Teknologi Sepuluh Nopember Surabaya. [10] Zerda, E.R. (2009). Analisis dan Penerapan Algoritma Particle Swarm Optimization (PSO) pada Optimasi Penjadwalan Sumber Daya Proyek. Tugas Akhir- Institut Teknologi Telkom Bandung. [11] Faradisa, R. (2007). Perbandingan Hasil Optimasi Particle Swarm Optimization (PSO) dan Genetic Algoritmh (GA) pada Fungsi Rosenbrock (Banana Function). Tugas Akhir-Institut Teknologi Sepuluh Nopember. [13] Santosa, B. Tutorial Particle Swarm Optimization. Institut Teknologi Sepuluh Nopember Surabaya. [14] Junaidi. (2012). Jenis-jenis Transformasi untuk Menormalkan Distribusi Data. -data/. Diakses pada tanggal Pukul WIB.
Peramalan merupakan alat bantu yang penting dalam penyusunan rencana yang efektif dan efisien. Pada
Estimasi Parameter Autoregressive Integrated Moving Average (ARIMA) Menggunakan Algoritma Particle Swarm Optimization (PSO) (Studi Kasus: Peramalan Curah Hujan DAS Brangkal, Mojokerto) Meytaliana Factmawati,
Lebih terperinciPERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)
PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) Oleh : Nofinda Lestari 1208 100 039 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciKAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q)
SIDANG TUGAS AKHIR KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) Disusun oleh : Ratna Evyka E.S.A NRP 1206.100.043 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
Lebih terperinciPERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS
PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS Oleh : Agustini Tripena ABSTRACT In this paper, forecasting the consumer price index data and inflation. The method
Lebih terperinciModel Penjualan Plywood PT. Linggarjati Mahardika Mulia
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami) Vol., No., Juli 7, Hal. 52-57 p-issn: 25-4596; e-issn: 25-4X Halaman 52 Model Penjualan Plywood PT. Linggarjati Mahardika Mulia
Lebih terperinciESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING
ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING Nama : Zahroh Atiqoh NRP : 1205 100 021 Dosen Pembimbing : 1. Dra. Nuri Wahyuningsih, MKes 2. Drs. Sulistiyo,
Lebih terperinciPERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA
Seminar Hasil Tugas Akhir Jurusan Statistika Institut Teknologi Sepuluh Nopember Surabaya 2013 LOGO PERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA
Lebih terperinciLULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI
LULIK PRESDITA W 1207 100 002 APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI 1 Pembimbing : Dra. Nuri Wahyuningsih, M.Kes BAB I PENDAHULUAN 2 LATAR BELAKANG 1. Stabilitas ekonomi dapat dilihat
Lebih terperinciPENGGUNAAN METODE VaR(Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT.TELKOM DENGAN PENDEKATAN MODEL GARCH-M
PENGGUNAAN METODE VaR(Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT.TELKOM DENGAN PENDEKATAN MODEL GARCH-M Oleh: NURKHOIRIYAH 1205100050 Dosen Pembimbing: Dra. Nuri Wahyuningsih, M.Kes. 1 Latar
Lebih terperinciOUTLINE. Pendahuluan. Tinjauan Pustaka. Metodologi Penelitian. Analisis dan Pembahasan. Kesimpulan dan Saran
OUTLINE Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran LATAR BELAKANG Listrik elemen terpenting dalam kehidupan manusia Penelitian Sebelumnya Masyarakat
Lebih terperinciModel Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer
Model Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer OLEH : DWI LISTYA NURINI 1311 105 021 DOSEN PEMBIMBING : DR. BRODJOL SUTIJO SU, M.SI Bursa saham atau Pasar
Lebih terperinci99.9. Percent maka H 0 diterima, berarti residual normal
Uji residual white noise 2 Lag Q P value 6 3.5 9.49 0.5330 2 6.6 8.3 0.803 8 9.8 26.30 0.9059 24 9.3 33.92 0.6374 K p q Uji residual berdistribusi normal Percent 99.9 99 95 90 80 70 60 50 40 30 20 0 5
Lebih terperinciOleh : Dwi Listya Nurina Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si
Oleh : Dwi Listya Nurina 1311105022 Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si Air Bersih BUMN Penyediaan air bersih untuk masyarakat mempunyai peranan yang sangat penting dalam meningkatkan kesehatan
Lebih terperinciAnalisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan
SEMINAR PROPOSAL TUGAS AKHIR Analisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan OLEH: NAMA : MULAZIMATUS SYAFA AH NRP : 13.11.030.021 DOSEN PEmbimbing: Dr.
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
C BAB IV ANALISIS DAN PEMBAHASAN Penelitian ini mencoba meramalkan jumlah penumpang kereta api untuk masa yang akan datang berdasarkan data volume penumpang kereta api periode Januari 994-Februari 203
Lebih terperinciMETODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015
III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciPemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input
Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input Oleh : Defi Rachmawati 1311 105 007 Dosen Pembimbing :
Lebih terperinciPemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer
TUGAS AKHIR Pemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer Oleh : Fani Felani Farid (1306 100 047) Pembimbing : Drs. Kresnayana Yahya M.Sc Latar Belakang
Lebih terperinciPerencanaan Pengendalian Persediaan Bahan Baku Pupuk NPK dengan Menggunakan Model Economic Order Quantity (Studi kasus: PT. Petrokimia Gresik)
JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (4) ISSN: 2337-39 (230-927 Print) A-3 Perencanaan Pengendalian Persediaan Bahan Baku Pupuk NPK dengan Menggunakan Model Economic Order Quantity (Studi kasus:
Lebih terperinciPENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Seminar Nasional Matematika dan Aplikasinya, 21 Oktober 27 PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Lebih terperinciSedangkan model fungsi transfer bentuk kedua adalah sebagai berikut :
1 Metode Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 255 dengan Pendekatan Fungsi Transfer Dwi Listya Nurini, Brodjol Sutijo SU Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciPERAMALAN CURAH HUJAN MENGGUNAKAN METODE ANALISIS SPEKTRAL
E-Jurnal Matematika Vol. 5 (4), November 2016, pp. 183-193 ISSN: 2303-1751 PERAMALAN CURAH HUJAN MENGGUNAKAN METODE ANALISIS SPEKTRAL Ni Putu Mirah Sri Wahyuni 1, I Wayan Sumarjaya 2, I Gusti Ayu Made
Lebih terperinci(S.4) PENDEKATAN METODE ALGORITMA GENETIK UNTUK IDENTIFIKASI MODEL ARIMA
(S.4) PENDEKATAN METODE ALGORITMA GENETIK UNTUK IDENTIFIKASI MODEL ARIMA Jimmy Ludin Mahasiswa Program Magister Jurusan Statistika Fakultas Matematika Dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh
Lebih terperinciPeramalam Jumlah Penumpang Yang Berangkat Melalui Bandar Udara Temindung Samarinda Tahun 2012 Dengan Metode ARIMA BOX-JENKINS
Jurnal EKSPONENSIAL Volume 3, Nomor, Mei 2 ISSN 8-7829 Peramalam Jumlah Penumpang Yang Berangkat Melalui Bandar Udara Temindung Samarinda Tahun 2 Dengan Metode ARIMA BOX-JENKINS Forecasting The Number
Lebih terperinciAnalisis Peramalan Banyaknya Permintaan Darah di Surabaya Menggunakan Metode
Analisis Peramalan Banyaknya Permintaan Darah di Surabaya Menggunakan Metode ARIMA Box Jenkins Oleh : Winda Eka Febriana 1307 030 002 Pembimbing : Dra. Wiwiek Setya Winahju, MS Latar Belakang PMI Merupakan
Lebih terperinciPERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL. Oleh: Niswatul Maghfiroh NRP.
PERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL Oleh: Niswatul Maghfiroh NRP. 1208100065 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciPENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus : KA Argo Muria)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 131-140 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN
Lebih terperinciPERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010
Statistika, Vol., No., Mei PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI Reksa Nila Anityaloka, Atika Nurani Ambarwati Program Studi S Statistika Universitas Muhammadiyah
Lebih terperinciPENDEKATAN MODEL EKONOMETRIKA UNTUK MEMPREDIKSI INDEKS SAHAM SYARIAH INDONESIA
PENDEKATAN MODEL EKONOMETRIKA UNTUK MEMPREDIKSI INDEKS SAHAM SYARIAH INDONESIA Nuri Wahyuningsih 1), Daryono Budi U. 2), R.A. Diva Zatadini 3) 1)2))3) Departemen Matematika FMIPA ITS Kampus ITS Keputih,
Lebih terperinciPERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI ABSTRAK
PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI Trio Yonathan Teja Kusuma 1, Sandra Praharani Nur Asmoro 2 1,2)
Lebih terperinciPeramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun
Peramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun NAMA : RITA RAHMADHANI NRP : 1306 030 008 PEMBIMBING: DR. BRODJOL SUTIJO
Lebih terperinciPENGGUNAAN METODE VaR (Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT. TELKOM DENGAN PENDEKATAN MODEL GARCH-M
PENGGUNAAN METODE VaR (Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT. TELKOM DENGAN PENDEKATAN MODEL GARCH-M Oleh: Nurkhoiriyah 1205100050 Dosen pembimbing: Dra. Nuri Wahyuningsih, M. Kes. Jurusan
Lebih terperinciFORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA
FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA 1) Nurul Latifa Hadi 2) Artanti Indrasetianingsih 1) S1 Program Statistika, FMIPA, Universitas PGRI Adi Buana Surabaya 2)
Lebih terperinciABSTRAK. Kata kunci : Data Runtun Waktu, Indeks Harga Konsumen, ARIMA, Analisis Intervensi, Fungsi Step, Peramalan. I Pendahuluan
Analisis Model Intervensi Fungsi Step Terhadap Indeks Harga Konsumen (IHK) Zuhairini Azzahra A 1, Suyono 2, Ria Arafiyah 3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lebih terperinciPERAMALAN INDEKS HARGA SAHAM MENGGUNAKAN METODE INTERVENSI. Oleh: IRLIZANTY YULYANTIKA RAHADI
PERAMALAN INDEKS HARGA SAHAM MENGGUNAKAN METODE INTERVENSI Oleh: IRLIZANTY YULYANTIKA RAHADI 6 4 Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes Abstrak Indeks harga saham merupakan suatu indikator yang
Lebih terperinciANALISIS 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 FATHIN FAHIMAH 226133 DOSEN PEMBIMBING Prof. Ir. Gamantyo Hendrantoro, M.Eng.
Lebih terperinciPeramalan Volume Distribusi Air di PDAM Kabupaten Bojonegoro dengan Metode ARIMA Box- Jenkins
Peramalan Volume Distribusi Air di PDAM Kabupaten Bojonegoro dengan Metode ARIMA Box- Jenkins Fastha Aulia P / 1309030018 Pembimbing: Ir.Dwiatmono Agus M.Ikomp Latar Belakang Air sebagai sumber kehidupan
Lebih terperinciPeramalan Penjualan Pipa di PT X
Elviani, et al. / Peramalan Penjualan Pipa di PT X / Jurnal Titra, Vol.. 2, No. 2, Juni 2014, pp. 55-60 Peramalan Penjualan Pipa di PT X Cicely Elviani 1, Siana Halim 1 Abstract: In this thesis we modeled
Lebih terperinciPEMODELAN JUMLAH PENDERITA HIV/AIDS TERKAIT KUNJUNGAN WISATAWAN DI KABUPATEN BADUNG DAN KOTA MADYA DENPASAR DENGAN METODE TRANSFER FUNCTION
PEMODELAN JUMLAH PENDERITA HIV/AIDS TERKAIT KUNJUNGAN WISATAWAN DI KABUPATEN BADUNG DAN KOTA MADYA DENPASAR DENGAN METODE TRANSFER FUNCTION Oleh NYOMAN PANDU WIRADARMA (1308 100 052) Dosen Pembimbing 1
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 737-745 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN DAYA LISTRIK BERDASARKAN JUMLAH PELANGGAN PLN MENGGUNAKAN
Lebih terperinciPENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA
KEMENTERIAN PEKERJAAN UMUM BADAN PENELITIAN DAN PENGEMBANGAN PUSAT PENELITIAN DAN PENGEMBANGAN SUMBER DAYA AIR PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA PENDAHULUAN Prediksi data runtut waktu.
Lebih terperinciProgram Studi Matematika, Institut Teknologi Kalimantan, Balikpapan
J. Math. and Its Appl. E-ISSN: 2579-8936 P-ISSN: 1829-605X Vol. 14, No. 2, Desember 2017, 25-37 Perbandingan Metode ARIMA dan Double Exponential Smoothing pada Peramalan Harga Saham LQ45 Tiga Perusahaan
Lebih terperinciOPTIMASI PRODUKSI UNTUK PRODUK PESANAN PADA PERUSAHAAN PESTISIDA MENGGUNAKAN METODE GOAL PROGRAMMING. Oleh: Rossy Susanti ( )
OPTIMASI PRODUKSI UNTUK PRODUK PESANAN PADA PERUSAHAAN PESTISIDA MENGGUNAKAN METODE GOAL PROGRAMMING Oleh: Rossy Susanti (1207 100 007) Dosen Pembimbing: Drs. Suharmadi S., DiplSc.,MPhil JURUSAN MATEMATIKA
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi
Lebih terperinciPEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER
PKMT-2-13-1 PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER Umi Rosyiidah, Diah Taukhida K, Dwi Sitharini Jurusan Matematika, Universitas Jember, Jember ABSTRAK
Lebih terperinciPemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah
Vol. 9, No., 9-5, Januari 013 Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Fitriani, Erna Tri Herdiani, M. Saleh AF 1 Abstrak Dalam analisis deret waktu
Lebih terperinciTINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang
II.. TINJAUAN PUSTAKA Indeks Harga Konsumen (IHK Menurut Monga (977 indeks harga konsumen adalah ukuran statistika dari perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang didapatkan.
Lebih terperinciPERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO
Perbandingan Model ARIMA... (Alia Lestari) PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Alia Lestari Fakultas Teknik Universitas
Lebih terperinciPeramalan Harga Minyak Mentah Standar West Texas Intermediate dengan Pendekatan Metode ARIMA
Seminar Nasional Pendidikan, Sains dan Teknologi ISBN : 9786026159960 Peramalan Harga Minyak Mentah Standar West Texas Intermediate dengan Pendekatan Metode ARIMA Syahril Faozi 1), Wellie Sulistijanti
Lebih terperinciKAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q)
UJIAN TUGAS AKHIR KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q) Disusun oleh : Novan Eko Sudarsono NRP 1206.100.052 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
Lebih terperinciPemodelan Vector Autoregresive (VAR) pada Komoditas Harga Cabai di Jawa Tengah
Pemodelan Vector Autoregresive (VAR) pada Komoditas Harga Cabai di Jawa Tengah Memi Nor Hayati 1, Alan Prahutama 2,*, Hasbi Yasin 2, Tiani Wahyu Utami 3 1 Program Studi Statistika, Universitas Mulawarman
Lebih terperinciPERAMALAN PEMAKAIAN ENERGI LISTRIK DI MEDAN DENGAN METODE ARIMA
Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 1 (2014), pp. 55 69. PERAMALAN PEMAKAIAN ENERGI LISTRIK DI MEDAN DENGAN METODE ARIMA John Putra S Tampubolon, Normalina Napitupulu, Asima Manurung Abstrak.
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-249
JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) 2337-3520 (2301-928X Print) D-249 Analisis Fungsi Transfer pada Harga Cabai Merah yang Dipengaruhi oleh Curah Hujan Di Surabaya Putri Rintan Aryasita,
Lebih terperinciPERAMALAN HASIL PRODUKSI ALUMINIUM BATANGAN PADA PT INALUM DENGAN METODE ARIMA
Saintia Matematika Vol. 1, No. 1 (2013), pp. 1 10. PERAMALAN HASIL PRODUKSI ALUMINIUM BATANGAN PADA PT INALUM DENGAN METODE ARIMA Lukas Panjaitan, Gim Tarigan, Pengarapen Bangun Abstrak. Dalama makalah
Lebih terperinciPeramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer
Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer 1 Faridah Yuliani dan 2 Dr. rer pol Heri Kuswanto 1,2 Jurusan Statistika
Lebih terperinciPemodelan ARIMA Non- Musim Musi am
Pemodelan ARIMA Non- Musimam ARIMA ARIMA(Auto Regresif Integrated Moving Average) merupakan suatu metode analisis runtun waktu(time series) ARIMA(p,d,q) Dengan AR : p =orde dari proses autoreggresif I
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 33-42 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS INTERVENSI KENAIKAN HARGA BBM TERHADAP PERMINTAAN BBM
Lebih terperinciPERAMALAN JUMLAH TAMU HOTEL MEGA BINTANG SWEET KABUPATEN BLORA DENGAN PENDEKATAN ARIMA
THE TH URECOL PROCEEDING 8 February 7 UD, Yogyakarta PERMLN JUMLH TMU HOTEL MEG BINTNG SWEET KBUPTEN BLOR DENGN PENDEKTN RIM Irfana Maulana Ismail ), Wellie Sulistijanti 2) Statistika, kademi Statistika
Lebih terperinciPENGENDALIAN KUALITAS DENGAN MENGGUNAKAN DIAGRAM KONTROL EWMA RESIDUAL (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK)
PENGENDALIAN KUALITAS DENGAN MENGGUNAKAN DIAGRAM KONTROL EWMA RESIDUAL (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK) FITROH AMALIA (1306100073) Dosen Pembimbing: Drs. Haryono, MSIE PENGENDALIAN KUALITAS
Lebih terperinciPERAMALAN NILAI EKSPOR DAN NILAI IMPOR INDONESIA KE JEPANG MENGGUNAKAN MODEL VARIMA
PERAMALAN NILAI EKSPOR DAN NILAI IMPOR INDONESIA KE JEPANG MENGGUNAKAN MODEL VARIMA, Universitas Negeri Malang E-mail: desyulvia@gmail.com Abstrak: Penulisan skripsi ini bertujuan untuk mempelajari Model
Lebih terperinciMetode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api
Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api Efek Variasi Kalender dengan Pendekatan Regresi Time Series Nur Ajizah 1, Resa Septiani Pontoh 2, Toni Toharudin 3 Mahasiswa Program
Lebih terperinciJurnal EKSPONENSIAL Volume 8, Nomor 1, Mei 2017 ISSN
Jurnal EKSPONENSIAL Volume 8, Nomor, Mei 07 ISSN 085-789 Peramalan dengan Metode Seasonal Autoregressive Integrated Moving Average (SARIMA) di Bidang Ekonomi (Studi Kasus: Inflasi Indonesia) Forecasting
Lebih terperinciPENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI)
PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) Liana Kusuma Ningrum dan Winita Sulandari, M.Si. Jurusan Matematika,
Lebih terperinciPEMODELAN DAN PERAMALAN JUMLAH PENUMPANG DAN PESAWAT DI TERMINAL KEDATANGAN INTERNASIONAL BANDARA JUANDA SURABAYA DENGAN METODE VARIANSI KALENDER
PEMODELAN DAN PERAMALAN JUMLAH PENUMPANG DAN PESAWAT DI TERMINAL KEDATANGAN INTERNASIONAL BANDARA JUANDA SURABAYA DENGAN METODE VARIANSI KALENDER M. Insanil Kamil 0 0 0 m.insanil_kml@yahoo.com Dosen pembimbing:
Lebih terperinciHALAMAN PERSETUJUAN PEMBIMBING...iii. HALAMAN PENGESAHAN...iv. HALAMAN PERSEMBAHAN... vi. KATA PENGANTAR... viii. DAFTAR ISI... x. DAFTAR TABEL...
HALAMAN PERSETUJUAN PEMBIMBING...iii HALAMAN PENGESAHAN...iv MOTTO... v HALAMAN PERSEMBAHAN... vi KATA PENGANTAR... viii DAFTAR ISI... x DAFTAR TABEL... xi DAFTAR GAMBAR... xii DAFTAR LAMPIRAN... xiv PERNYATAAN...
Lebih terperinciPeramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series
JURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (2017) ISSN: 2337-3520 (2301-928X Print) D-157 Peramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series Moh Ali Asfihani dan Irhamah
Lebih terperinciPemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 Pemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA 1 Harnum Annisa Prafitia dan 2 Irhamah
Lebih terperinciPeramalan Permintaan Pengujian Sampel Di Laboratorium Kimia Dan Fisika. Baristand Industri Surabaya)
Peramalan Permintaan Pengujian di Lab. Kimia dan Fisika (Aneke Rintiasti, Erna Hartati, Nunun Hilyatul M.) Peramalan Permintaan Pengujian Sampel Di Laboratorium Kimia Dan Fisika Baristand Industri Surabaya
Lebih terperinciPENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI
TUGAS AKHIR - ST 1325 PENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI I G B ADI SUDIARSANA NRP 1303100058 Dosen Pembimbing Ir. Dwiatmono Agus Widodo,
Lebih terperinciPERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT
PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT Novian Endi Gunawan 1, I Wayan Sumarjaya 2, I G.A.M. Srinadi 3 1 Program Studi Matematika,
Lebih terperinciPenerapan Model ARIMA
Penerapan Model ARIMA (Bagian II) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016 1 a. Lakukan proses pembedaan (differencing) sebanyak dua kali pada data asal. b. Lakukan pendugaan parameter pada
Lebih terperinciPEMODELAN ARIMA INTENSITAS HUJAN TROPIS DARI DATA PENGUKURAN RAINGAUGE DAN DISDROMETER
1 PEMODELAN ARIMA INTENSITAS HUJAN TROPIS DARI DATA PENGUKURAN RAINGAUGE DAN DISDROMETER Muhammad Zainuddin Fanani, Achmad Mauludiyanto Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember (ITS)
Lebih terperinciPERAMALAN TRAFIK SMS AREA JABOTABEK DENGAN METODE ARIMA
JURNAL TEKNIK POMITS Vol. 1, No. 1, (212) 1-6 1 PERAMALAN TRAFIK SMS AREA JABOTABEK DENGAN METODE ARIMA Lusi Alvina Tofani, Achmad Mauludiyanto Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember
Lebih terperinciPENDEKATAN RANTAI MARKOV WAKTU DISKRIT DALAM PERENCANAAN KEBUTUHAN TEMPAT TIDUR RUMAH SAKIT
PENDEKATAN RANTAI MARKOV WAKTU DISKRIT DALAM PERENCANAAN KEBUTUHAN TEMPAT TIDUR RUMAH SAKIT Nama Mahasiswa : Enjela Puspadewi NRP : 1207 100 026 Jurusan : Matematika FMIPA Dosen Pembimbing : Dra. Laksmi
Lebih terperinciPrediksi Laju Inflasi di Kota Ambon Menggunakan Metode ARIMA Box Jenkins
Statistika, Vol. 16 No. 2, 95 102 November 2016 Prediksi Laju Inflasi di Kota Ambon Menggunakan Metode ARIMA Box Jenkins FERRY KONDO LEMBANG Jurusan Matematika Fakultas MIPA Universitas Pattimura Ambon
Lebih terperinciPERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH)
Jurnal Matematika UNAND Vol. 5 No. 4 Hal. 80 88 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan digunakanan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalis kendala atau memaksimalkan pengembangan baik
Lebih terperinciPemodelan ARIMA Jumlah Pencapaian Peserta KB Baru IUD
Pemodelan ARIMA Jumlah Pencapaian Peserta KB Baru IUD Charisma Arianti, Arief Wibowo Departemen Biostatistika dan Kependudukan Fakultas Kesehatan Masyarakat Universitas Airlangga Surabaya Alamat Korespondensi:
Lebih terperinciRusdiana Setyaningtyas Pembimbing Dr. Ir. Nieke Karnaningroem, M.Sc
Rusdiana Setyaningtyas 3308 201 004 Pembimbing Dr. Ir. Nieke Karnaningroem, M.Sc LatarBelakang BelakangdanPermasalahan BPSAWS Bondoyudo-Mayang kualitas air sungai di stasiun KBe1 Sungai Bedadung th 2009
Lebih terperinciII. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya
II. TINJAUAN PUSTAKA 2.1 Stasioner Analisis ARIMA Autoregressive Integrated Moving Average umumnya mengasumsikan bahwa proses umum dari time series adalah stasioner. Tujuan proses stasioner adalah rata-rata,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Variabel ARIMA menggunakan variabel dependen harga saham LQ45 dan variabel independen harga saham LQ45 periode sebelumnya, sedangkan ARCH/GARCH menggunakan variabel dependen
Lebih terperinciAnalisis Peramalan Data Produk Domestik Regional Bruto (PDRB) Sebagai Tolak Ukur Kinerja Perekonomian Provinsi Kepulauan Bangka Belitung
Analisis Peramalan Data Produk Domestik Regional Bruto (PDRB) Sebagai Tolak Ukur Kinerja Perekonomian Provinsi Kepulauan Bangka Belitung Desy Yuliana Dalimunthe Jurusan Ilmu Ekonomi, Fakultas Ekonomi,
Lebih terperinciPERAMALAN PRODUKSI TEH HIJAU DENGAN PENDEKATAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE
PERAMALAN PRODUKSI TEH HIJAU DENGAN PENDEKATAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE Satrio Wijaksono 1, Wellie Sulistijanti 2 Akademi Statistika Muhammadiyah Semarang Satriowijaksono15@gmail.com Abstract
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di Indonesia sejak tahun enam puluhan telah diterapkan Badan Meteorologi, Klimatologi, dan Geofisika di Jakarta menjadi suatu direktorat perhubungan udara. Direktorat
Lebih terperinciSTUDI PERAMALAN (FORECASTING) KURVA BEBAN HARIAN LISTRIK JANGKA PENDEK MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE(ARIMA)
Vol: 2 No.1 Maret 213 ISSN : 232-2949 STUDI PERAMALAN (FORECASTING) KURVA BEBAN HARIAN LISTRIK JANGKA PENDEK MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE(ARIMA) Syafii, dan Edyan Noveri
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini, dibahas mengenai model Vector Error Correction (VEC),
BAB III PEMBAHASAN Pada bab ini, dibahas mengenai model Vector Error Correction (VEC), prosedur pembentukan model Vector Error Correction (VEC), dan aplikasi model Vector Error Correction (VEC) pada penutupan
Lebih terperinciModel Vector Autoregressive (VAR) untuk Analisis Indeks Harga Konsumen Kota Samarinda dan Kota Sampit
Jurnal EKSPONENSIAL Volume, Nomor 1, Mei 13 ISSN 5-79 Model Vector Autoregressive (VAR) untuk Analisis Indeks Harga Konsumen Kota Samarinda dan Kota Sampit Vector Autoregressive Models (VAR) for the Analysis
Lebih terperinciLAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU. Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins
LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU Kelas A Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins No Nama Praktikan Nomor Mahasiswa Tanggal Pengumpulan 1 29 Desember 2010 Tanda Tangan Praktikan
Lebih terperinciSBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n
SBAB III MODEL VARMAX 3.1. Metode Analisis VARMAX Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n dengan variabel random Z n yang dapat dipandang sebagai variabel random berdistribusi
Lebih terperinciPemodelan Data Curah Hujan Di Kabupaten Banyuwangi dengan Metode ARIMA dan Radial Basis Function Neural Network
JURNAL SAINS DAN SENI ITS Vol. 5 No. (6) 337-35 (3-98X Print) D-339 Pemodelan Data Curah Hujan Di Kabupaten Banyuwangi dengan Metode ARIMA dan Radial Basis Function Neural Network Novelina Purba dan Brodjol
Lebih terperinciPrediksi Wisatawan Mancanegara Ke Jawa Barat Melalui Pintu Masuk Bandara Husein Sastranegara dan Pelabuhan Muarajati Menggunakan Metode SARIMA
Politeknik Negeri Bandung July 26-27, Prediksi Wisatawan Mancanegara Ke Jawa Barat Melalui Pintu Masuk Bandara Husein Sastranegara dan Pelabuhan Muarajati Menggunakan Metode SARIMA Agus Supriatna 1, Betty
Lebih terperinciPENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH
PENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH Tri Mulyaningsih ), Budi Nurani R ), Soemartini 3) ) Mahasiswa Program Magister Statistika Terapan Universitas Padjadjaran
Lebih terperinciBAB 2 LANDASAN TEORI
1 BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan metode ARIMA box jenkins untuk meramalkan kebutuhan bahan baku. 2.1. Peramalan Peramalan
Lebih terperinciPEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA
Jurnal Matematika UNAND Vol. 3 No. 3 Hal. 59 67 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA ANNISA UL UKHRA Program Studi Matematika,
Lebih terperinciPEMODELAN ARIMA DAN DETEKSI OUTLIER DATA CURAH HUJAN SEBAGAI EVALUASI SISTEM RADIO GELOMBANG MILIMETER
Mauludiyanto, Pemodelan ARIMA dan Deteksi Outlier Data Curah Hujan Sebagai Evaluasi Sistem Radio Gelombang Milimeter PEMODELAN ARIMA DAN DETEKSI OUTLIER DATA CURAH HUJAN SEBAGAI EVALUASI SISTEM RADIO GELOMBANG
Lebih terperinciPEMODELAN ARIMA DAN DETEKSI OUTLIER DATA CURAH HUJAN SEBAGAI EVALUASI SISTEM RADIO GELOMBANG MILIMETER
Mauludiyanto, Pemodelan ARIMA dan Deteksi Outlier Data Curah Hujan Sebagai Evaluasi Sistem Radio Gelombang Milimeter PEMODELAN ARIMA DAN DETEKSI OUTLIER DATA CURAH HUJAN SEBAGAI EVALUASI SISTEM RADIO GELOMBANG
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 6, Nomor 3, Tahun 2017, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 3, Tahun 2017, Halaman 323-332 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN FUNGSI TRANSFER DENGAN DETEKSI OUTLIER UNTUK MEMPREDIKSI
Lebih terperinciPERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP
PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP SKRIPSI Disusun oleh : DITA RULIANA SARI NIM. 24010211140084 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Lebih terperinciGoal Programming untuk PeRencanaan Produksi Agregat dengan kendala sumber daya
Goal Programming untuk PeRencanaan Produksi Agregat dengan kendala sumber daya Oleh : Kartika Megasari 1206 100 044 Dosen Pembimbing: Drs.Sulistiyo,MT Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperincimodel Seasonal ARIMA
Jurnal Sains Matematika dan Statistika, Vol. No. i ISSN - Peramalan Wisatawan Mancanegara Ke Provinsi Riau Melalui Kota Pekanbaru Menggunakan Metode Seasonal ARIMA Ropita Munawaroh dan M. M. Nizam, Jurusan
Lebih terperinci