BAB I PENDAHULUAN. 1.1 Latar Belakang
|
|
- Benny Atmadja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB I PENDAHULUAN 1.1 Latar Belakang Sering terdapat tenggang waktu (time lag) antara kesadaran akan peristiwa atau kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang ini merupakan alasan utama bagi perencanaan dan peramalan. Jika waktu tenggang ini nol atau sangat kecil, maka perencanaan tidak diperlukan. Jika waktu tenggang ini panjang dan hasil peristiwa akhir bergantung pada faktor-faktor yang dapat diketahui, maka perencanaan dapat memegang peranan penting. Dalam situasi seperti itu peramalan diperlukan untuk menetapkan kapan suatu peristiswa akan terjadi atau timbul, sehingga tindakan yang tepat perlu dilakukan (Makridakis, 1999). Kebutuhan akan peramalan semakin meningkat untuk mengatasi ketidakpastian. Menurut Makridakis (1999) bahwa situasi peramalan sangat beragam dalam horison waktu peramalan, faktor yang menentukan hasil sebenarnya, tipe pola data dan berbagai aspek lainnya. Untuk menghadapi permasalahan tersebut dikembangkan sebuah teknik dan teknik tersebut terbagi atas dua kategori utama yaitu metode peramalan kualitatif dan metode peramalan kuantitatif. Metode kualitatif lebih kearah teknologis yang terdiri dari metode eksploratoris dan normatif. Metode kuantitatif diterapkan bila terdapat kondisi: tersedia informasi masa lalu, informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik, dan dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang (asumsi berkesinambungan). Metode peramalan kuantitatif diklasifikasikan menjadi dua jenis model yaitu model kausal dan model runtun waktu. Model kausal berdasarkan hubungan antara variabel yang akan diperkirakan dan variabel bebas. Hubungan linear biasanya digunakan dalam model kausal. Model regresi, ekonometrik, dan model input-output adalah contoh dari beberapa model kausal. Model runtun waktu 1
2 2 menggunakan data historis untuk memperkirakan masa depan yang dapat dikategorikan ke dalam model linear atau nonlinear. Sebagian besar model linear merupakan model statistik seperti exponential smoothing, moving average, dan autoregressive integrated moving average (ARIMA). Sedangkan, model nonlinear terdiri dari model statistik dan model non statistik. Model nonlinear statistik antara lain model bilinear, threshold autoregressive (TAR), dan autoregressive conditional heteroscedastic (ARCH) serta model nonlinear non statistik seperti artificial neural network (ANN) dan support vector regression (SVR) (Alwee, dkk., 2013). Model kausal seperti regresi dan model ekonometrik umum digunakan dalam peramalan. Model kausal dapat menggambarkan hubungan antara variabel prediksi dan variabel penjelasnya. Namun, menurut Alwee (2013), pengembangan model kasual cukup kompleks dan membutuhkan asumsi teoritis tentang hubungan antara variabel penjelas. Oleh karena itu, model runtun waktu telah dianggap sebagai alternatif yang menjanjikan untuk peramalan. Model runtun waktu memiliki dua jenis sifat, yaitu linear dan model nonlinear. Model linear menjelaskan hubungan linear dari data, sedangkan model nonlinear menjelaskan hubungan nonlinear. Dari literatur, tidak ada model tunggal yang dapat memprediksi dengan baik dalam segala kondisi. Oleh karena itu, banyak peneliti telah menggunakan model hybrid dari model linear dengan model nonlinear. Menurut Zhang (2003) bahwa model hybrid tidak hanya mampu memodelkan hubungan linear dan nonlinear, akan tetapi juga lebih kuat dalam perubahan pola runtun waktu. Dalam penelitiannya, Zhang menggunakan model hybrid ANN dengan ARIMA dan menghasilkan nilai akurasi prediksi yang lebih baik dibandingkan dengan model tunggal ARIMA maupun model tunggal ANN. Model nonlinear nonstatistik yang sering digunakan dalam model hybrid adalah ANN dan SVR, sementara ARIMA, SARIMA, AR, exponential smoothing, moving average dan regresi linear berganda biasa digunakan untuk mewakili model linear dalam pemodelan hybrid (Alwee, 2013). Beberapa model hybrid runtun waktu yang telah disusulkan dalam literatur adalah ARIMA dan ANN oleh Zhang (2003), ARIMA dan SVR oleh Pai dan Lin (2005), SARIMA dan SVR oleh Chen dan
3 3 Wang (2007), AR dan ANN oleh Pan, dkk. (2009), ANN dan ARIMA oleh Khashei dan Bijari (2011), serta multiple linear regression dan ANN oleh Khasei dkk. (2012). Model hybrid ARIMA dan ANN secara ekstensif dipelajari oleh para peneliti karena menghasilkan hasil yang cukup menjanjikan. Namun dalam prosesnya memerlukan data yang cukup untuk menghasilkan model yang baik. Model yang baik merupakan model yang memiliki nilai akurasi baik. Menurut Alwee (2013), model ANN memiliki beberapa masalah seperti kebutuhan untuk mengendalikan berbagai parameter, ketidakpastian dalam solusi bobot jaringan, dan sering mengalami over fitting. SVR diusulkan oleh Vapnik untuk mengatasi kelemahan dari ANN. SVR adalah model nonlinear untuk memecahkan masalah regresi dan telah digunakan oleh peneliti sebagai model alternatif dari ANN. Model hybrid ARIMA-SVR telah berhasil diterapkan dalam peramalan harga saham oleh Pain dan Lin (2005) yang menghasilkan nilai RMSE minimal. Secara tradisional, model ARIMA telah menjadi salah satu model linear yang paling banyak digunakan dalam peramalan data runtun waktu. Namun, model ARIMA tidak dapat dengan mudah menangkap pola nonlinear. Pola nonlinear dalam hal ini yaitu data yang bersifat nonlinear dalam mean atau nonlinear dalam variansi. Anggap runtun waktu univariat x t, dengan {x t t = 1,, T}, T merupakan ukuran sampel. Runtun waktu murni stokastik dikatakan linear jika x t = μ + ψ i a t i (1.1) dimana μ konstanta, ψ i merupakan bilangan real dengan ψ 0 = 0, dan {a t } merupakan barisan variabel random yang independen dan identically distribution (IID) dengan fungsi deistribusi terdefinisi dengan baik (well-defined). Proses statistik yang tidak memenuhi kondisi pada persamaan (1.1) dikatakan nonlinear. Diberikan F t 1 merupakan field σ yang dihasilkan oleh informasi yang tersedia pada waktu t 1. Secara khusus, F t 1 menunjukkan koleksi kombinasi linear dari elemen dalam {x t 1, x t 2, } dan {a t 1, a t 2, }. Mean dan variansi bersyarat x t diberikan F t 1 adalah μ t = E(x t F t 1 ) g(f t 1 ) dan σ 2 t = Var(x t F t 1 ) h(f t 1 ) (1.2) i=0
4 4 dengan g( ) dan h( ) merupakan fungsi well-defined dengan h( ) > 0. Sehingga, bentuk umum model nonlinear z t sebagai berikut: z t = g(f) + h(f t 1 )ε t, pengembangan model nonlinear melibatkan pembuatan ekstensi dari dua persamaan pada (1.2). Jika g( ) nonlinear, maka x t dikatakan nonlinear dalam mean. Jika h( ) merupakan time variant, maka x t nonlinear dalam variansi. Dalam penelitian ini nonlinear yang dibahas adalah nonlinear dalam variansi. Model heterokedastisitas seperti ARCH/GARCH merupakan nonlinear dalam variansi 2 karena kondisi variansi σ t berubah setiap waktu. Variansi bersyarat dari suatu data relatif waktu sering disebut volatilitas. Jadi, data yang mungkin sesuai untuk model hybrid ini merupakan data yang mengandung efek heterokedastisitas (ARCH/GARCH). Dalam bidang keuangan, data sering mengandung heterkodastisitas, misalnya harga saham. SVR, teknik neural network yang baru, telah berhasil diterapkan dalam memecahkan masalah estimasi regresi nonlinear karena SVR menggunakan teknik kernel yang mampu mengatasi efek nonlinear. Oleh karena itu, diusulkan metodologi hybrid yang memanfaatkan kekuatan unik dari model ARIMA dan model SVMs dalam meramalkan harga saham (Pain dan Lin, 2005). Menurut Ding (2012), terdapat empat faktor yang berkontribusi terhadap keberhasilan SVR yaitu generalisasi yang baik, solusi optimal global, kemampuan untuk menangani masalah nonlinear dengan trik kernel, dan dapat mengatasi over fitting. Hal ini telah membuat model SVR kokoh untuk bekerja dengan data pelatihan yang kecil, nonlinear dan dimensi tinggi (Ding, 2012). Meskipun memiliki berbagai kelebihan, SVR juga memiliki keterbatasan, salah satunya adalah parameter harus ditentukan dengan benar karena dapat mempengaruhi akurasi dan jangan sampai menyebabkan overfitting atau underfitting. Model hybrid yang digunakan penelitian ini adalah model hybrid ARIMA- SVR. Kombinasi komponen linear dan nonlinear dari model tersebut diharapkan mampu melengkapi agar menghasilkan peramalan dengan akurasi yang baik. Optimasi yang sering digunakan untuk memperkirakan dan menentukan parameter model SVR adalah optimasi grid search. Optimasi grid search merupakan metode
5 5 sederhana untuk mengatasi optimasi hyper-parameter pada model. Oleh karena itu, dalam penelitian ini menggunakan optimasi grid search untuk menentukan parameter terbaik dalam membentuk model SVR. Sedangkan fungsi kernel yang digunakan pada model SVR adalah radial basis function (RBF) atau sering disebut fungsi kernel Gaussian. Fungsi kernel tersebut merupakan fungsi kernel yang sering digunakan dalam metode SVR. Menurut Borovikov (1999) dalam Supriyanto (2013) pengklasifikasian oleh SVM dengan fungsi kernel RBF memberikan akurasi yang paling baik dibandingkan dengan fungsi kernel linier maupun polinomial. Oleh karena itu penelitian ini menggunakan fungsi kernel RBF pada model SVRnya. Studi kasus dalam penelitian ini adalah peramalan harga saham dengan model hybrid ARIMA-SVR. 1.2 Rumusan Masalah Berdasarkan uraian latar belakang diperoleh rumusan masalah sebagai berikut: 1. Bagaimana konsep model hybrid ARIMA-SVR untuk peramalan data runtun waktu? 2. Apakah model hybrid ARIMA-SVR mampu memodelkan data runtun waktu lebih akurat dibandingkan dengan model tunggal ARIMA dan model tunggal SVR? 1.3 Tujuan dan Manfaat Penelitian Berdasarkan latar belakang masalah di atas, tujuan penelitian ini adalah untuk mempelajari konsep model hybrid ARIMA-SVR dalam hal ini menggunakan optimasi grid search untuk memperoleh parameter terbaik SVR. Selain itu juga membuktikan peramalan runtun waktu dengan model hybrid ARIMA-SVR memiliki kinerja yang lebih baik daripada model tunggal ARIMA dan model tunggal SVR.
6 6 Selanjutnya hasil penelitian ini diharapkan menambah wawasan bagi siapa saja, terutama mendalami bidang runtun waktu (time series) sehingga dapat digunakan sebagai batu pijakan untuk penelitian lebih lanjut. 1.4 Batasan Masalah Penelitian ini dibatasai pada penggunaan metode SVR dengan estimasi epsilon SVR (ε-svr). Fungsi kernel yang digunakan adalah RBF/Gaussian. Pemilihan parameter C dan γ menggunakan metode optimasi grid search dengan C = [2 1, 2 7 ] dan γ = [2 4, 2 2 ], sedangkan parameter epsilon (ε) ditentukan sejak awal, yaitu bernilai 0,01; 0,02; 0,03; 0,04; 0,05; 0,06; 0,07; 0,08; 0,09; 0,1. Data masukan (input) untuk metode SVR menggunakan data time lag, sehingga pemetaan fungsi SVR: y t+1 = f(y t, y t 1,, y t p ). Jumlah lag yang digunakan dalam penelitian ini yaitu 6 lag. Jadi, data runtun waktu untuk meramalkan harga saham pada periode selanjutnya menngunakan data-data 6 periode terakhir sebagai prediktornya. 1.5 Tinjauan Pustaka Dalam penelitian ini diperlukan beberapa buku, tugas akhir, dan jurnal sebagai bahan referensi. Jurnal utama dalam tesis ini adalah paper karangan Alwee dkk. (2013) yang berjudul Hybrid Support Vector Regression and Autoregressive Integrated Moving Average Models Improved by Particle Swarm Optimization for Property Crime Rates Forecasting with Economic Indicators sebagai acuan dalam merumuskan dan memahami konsep model hybrid ARIMA-SVR. Pada paper tersebut dipaparkan model SVR, ARIMA dan particle swarm optimization (PSO) sebagai dasar untuk menggambarkan model hybrid SVR-ARIMA. Pada paper tersebut digunakan PSO untuk optimasi parameter pada SVR. Selain itu diberikan pula ktiteria uji akurasi untuk evaluasi model. Sebagai jurnal penunjang jurnal utama yaitu paper karangan Pai dan Lin (2005) yang berjudul A hybrid ARIMA and support vector machines model in stock price forecasting. Pada paper tersebut
7 7 dipaparkan model hybrid ARIMA-SVR serta aplikasinya dalam peramalan harga saham. Selanjutnya, untuk teori tentang SVR diterangkan secara jelas pada paper A Tutorial on Support Vector Rergression oleh Smola & Scholkopf (1998) serta buku yang berjudul Data Mining: Teknik Pemanfaatan Data untuk Keperluan Bisnis, Teori dan Aplikasi karya Santosa (2007). Pemahaman RBF dan SVR digunakan buku karangan Haykin (2009) yang berjudul Neural Networks and Learning Machines. Algoritma membangun model SVR digunakan tugas akhir oleh Lung (2006) yang berjudul Finding kernel function for stock market prediction with support vector regression. Untuk aplikasi SVR beserta optimasi grid search dengan R dijelaskan pada paper Support Vector Machines in R oleh Karatzoglou dkk. (2006) dan Tanagra (2009). Untuk pemahaman mengenai data runtun waktu dan teori ARIMA digunakan buku Makridakis (1999) dan Rosadi (2014). Untuk aplikasi ARIMA dengan software R digunakan buku Rosadi (2011) yang berjudul Analisis ekonometrika dan runtun waktu terapan dengan R. 1.6 Metodologi Penelitian Metode yang digunakan dalam penelitian ini adalah studi literatur, yaitu mempelajari buku-buku dan jurnal-jurnal yang berkaitan dengan model hybrid ARIMA-SVR. 1. Membangun model ARIMA untuk peramalan data runtun waktu, 2. Membangun model SVR untuk peramalan data runtun waktu. Untuk membangun model tersebut, sebelumnya perlu dipelajari konsep-konsep lebih mendasar tentang SVR untuk data kausal dan kemudian diaplikasikan dalam data runtun waktu menggunakan input data yang berbentuk time lag. Komputasi pemrograman dengan menggunakan software R. Dimana estimasi parameter menggunakan trial error dan optimasi grid search untuk memperoleh parameter terbaik. Setelah itu, parameter terbaik yang diperoleh digunakan untuk membentuk model dan kemudian diuji hingga
8 8 memperoleh nilai akurasi minimum. Model terbaik nantinya akan digunakan untuk peramalan. 3. Setelah memahami konsep masing-masing model ARIMA dan SVR, kemudian dibentuk model hybrid ARIMA-SVR. Nilai input untuk untuk model ARIMA adalah data runtun waktu itu sendiri, sedangkan nilai input untuk model SVR adalah residual hasil peramalan dari ARIMA sebelumnya. 4. Menerapkan model hybrid ARIMA-SVR pada studi kasus. Studi kasus pada penelitian ini menggunakan data sekunder yaitu data harga saham yang diperoleh dari yahoo finance (finance.yahoo.com). 1.7 Sistematika Penulisan Tesis ini disusun dengan sistematika penulisan sebagai berikut: BAB I PENDAHULUAN Bab ini memuat Latar Belakang, Rumusan Masalah, Tujuan dan Manfaat Penelitian, Batasan Masalah, Tinjauan Pustaka, Metodologi Penelitian, dan Sistematika Penulisan. BAB II LANDASAN TEORI Bab ini berisi teori model SVR, ARIMA, peramalan data runtun waktu, machine learning, dan hal-hal mendasar yang digunakan lebih lanjut dalam pembahasan penelitian ini. BAB III PEMBAHASAN Bab ini membahas tentang pemodelan hybrid ARIMA-SVR, konsep, dan langkah pemodelan, serta uji akurasi dari model. BAB IV STUDI KASUS Bab ini berisi contoh penerapan model hybrid ARIMA-SVR. BAB V PENUTUP Bab ini berisi tentang kesimpulan yang diperoleh berdasarkan pembahasan, simulasi dan studi kasus yang dilakukan. Selain itu, disampaikan pula saran-saran yang muncul dikarenakan kekurangan dan kendala yang ditemui selama proses pemecahan masalah.
BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Peramalan pada dasarnya merupakan proses menyusun informasi tentang kejadian masa lampau yang berurutan untuk menduga kejadian di masa depan (Frechtling, 2001:
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian di bidang metode peramalan terhadap data runtun waktu keuangan (financial time series forecasting) selalu menjadi bahasan yang menarik. Hal ini disebabkan
Lebih terperinci1. Pendahuluan. 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Persaingan dalam dunia bisnis, terlebih lagi bagi perusahaan besar, tidak lepas dari adanya proses jual beli saham. Saham secara umum merupakan surat berharga yang dapat
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Banyak data runtun waktu yang memiliki pola musiman dan tren. Pola ini sering terjadi pada data bisnis dan ekonomi (Makridakis, 1999). Data-data dalam bidang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Data runtun waktu dari fenomena real seperti data finansial biasanya bersifat nonstasioner. Tipe data runtun waktu finansial biasanya dicirikan oleh pola-pola seperti
Lebih terperinciBAB I PENDAHULUAN. Peramalan merupakan suatu kegiatan memprediksi nilai dari suatu
BAB I PENDAHULUAN A. LATAR BELAKANG Peramalan merupakan suatu kegiatan memprediksi nilai dari suatu variabel berdasarkan nilai yang diketahui dari variabel tersebut pada masa lalu atau variabel yang berhubungan.
Lebih terperinci1. Pendahuluan. 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Pasar valuta asing telah mengalami perkembangan yang tak terduga selama beberapa dekade terakhir, dunia bergerak ke konsep "desa global" dan telah menjadi salah satu pasar
Lebih terperinciANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA
ANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA Nurmahaludin (1) (1) Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Banjarmasin Ringkasan Kebutuhan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Berdasarkan sifatnya peramalan terbagi atas dua yaitu peramalan kualitatif dan peramalan kuantitatif. Metode kuantitatif terbagi atas dua yaitu analisis deret berkala
Lebih terperinci2014 ESTIMASI BEBAN PUNCAK HARIAN BERDASARKAN KLUSTER TIPE HARI BERBASIS ALGORITMA HYBRID SWARM PARTICLE-ARTIFICIAL NEURAL NETWORK
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Di negara yang memiliki jumlah populasi penduduknya besar dan perkembangan industrinya mengalami peningkatan, tentunya memiliki tingkat kebutuhan akan sumber
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN Bab ini akan membahas mengenai latar belakang penelitian, rumusan masalah, tujuan penelitian, batasan masalah, manfaat penelitian dan sistematika penulisan. 1.1. Latar Belakang Kelapa
Lebih terperinciPERAMALAN DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK DAN SUPPORT VECTOR REGRESSION
PERAMALAN DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK DAN SUPPORT VECTOR REGRESSION Budi Santosa, Riza Nugraha Jurusan Teknik Industri Institut Teknologi Sepuluh Nopember (ITS) Surabaya Kampus ITS Sukolilo
Lebih terperinciBAB III MODEL STATE-SPACE. dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan dari
BAB III MODEL STATE-SPACE 3.1 Representasi Model State-Space Representasi state space dari suatu sistem merupakan suatu konsep dasar dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan
Lebih terperinciBAB I PENDAHULUAN. finansial (financial assets) dan investasi pada aset-aset riil (real assets). Investasi pada
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Investasi pada hakikatnya merupakan komitmen terhadap sejumlah sumber daya pada saat ini dengan tujuan untuk mendapatkan keuntungan di masa depan (Abdul halim,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Peramalan Peramalan (forecasting) merupakan upaya memperkirakan apa yang terjadi pada masa yang akan datang. Pada hakekatnya peramalan hanya merupakan suatu perkiraan (guess),
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kemajuan ilmu pengetahuan dan teknologi dewasa ini dapat membantu teknik peramalan suatu kejadian berdasarkan faktor faktor yang sudah diketahui sebelumnya. Hasil peramalan
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam sistem perdagangan internasional, setiap negara mempunyai mata uangnya masing-masing sebagai alat tukar atau alat pembayaran yang sah, dalam melakukan pembayaran
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola data yang sistematis (Makridakis, 1999). Peramalan menggunakan pendekatan
Lebih terperinciBAB III LANDASAN TEORI. Definisi Peramalan adalah memperkiraan atau memproyeksikan sesuatu
BAB III LANDASAN TEORI 3.1 Definisi Peramalan Definisi Peramalan adalah memperkiraan atau memproyeksikan sesuatu yang akan terjadi dimasa sekarang maupun yang akan datang. dikarena masa yang akan datang
Lebih terperinciSVM untuk Regresi. Machine Learning
MMA10991 Topik Khusus - Machine Learning Dr. rer. nat. Hendri Murfi Intelligent Data Analysis (IDA) Group Departemen Matematika, Universitas Indonesia Depok 16424 Telp. +62-21-7862719/7863439, Fax. +62-21-7863439,
Lebih terperinciUnnes Journal of Mathematics
UJM 2 (2) (2013) Unnes Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm PERBANDINGAN PREDIKSI HARGA SAHAM DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN ARIMA Dwi Prisita
Lebih terperinciPERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK
Jurnal POROS TEKNIK, Volume 6, No. 2, Desember 2014 : 55-10 PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK Nurmahaludin (1) (1) Staff Pengajar Jurusan
Lebih terperinciBAB I PENDAHULUAN. Dewasa ini banyak permasalahan yang muncul baik di bidang ekonomi,
BAB I PENDAHULUAN 1.1 Latar Belakang Dewasa ini banyak permasalahan yang muncul baik di bidang ekonomi, manajemen, pendidikan, maupun kesehatan. Pada bidang ekonomi, permasalahan itu kian kompleks seiring
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Bab ini akan membahas tentang latar belakang, rumusan masalah, keaslian penelitian, tujuan penelitian, manfaat penelitian, batasan masalah, dan sistematika penulisan. 1.1 Latar Belakang
Lebih terperinciBAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT
BAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT Model fungsi transfer multivariat merupakan gabungan dari model ARIMA univariat dan analisis regresi berganda, sehingga menjadi suatu model yang mencampurkan pendekatan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Negara memainkan peran penting dalam kehidupan ekonomi. Peran itu diwujudkan dalam dua hal pokok, yaitu kewenangan negara untuk menguasai sumber ekonomi, memperoleh
Lebih terperinciBAB I PENDAHULUAN. pada waktu yang akan datang berdasarkan data empiris. Data empiris(terhitung)
BAB I PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan proses perkiraan tentang sesuatu yang terjadi pada waktu yang akan datang berdasarkan data empiris. Data empiris(terhitung) merupakan data yang
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Iklim Iklim ialah suatu keadaan rata-rata dari cuaca di suatu daerah dalam periode tertentu. Curah hujan ialah suatu jumlah hujan yang jatuh di suatu daerah pada kurun waktu
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan sering dipandang sebagai seni dan ilmu dalam memprediksikan kejadian yang mungkin dihadapi pada masa yang akan datang. Secara teoritis peramalan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Peramalan ialah memperkirakan apa yang akan terjadi masa datang (Armstrong, 2001). Peramalan merupakan alat bantu yang penting dalam suatu perencanaan. Peramalan
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Semua negara mempunyai mata uang sebagai alat tukar. Pertukaran uang dengan barang yang terjadi disetiap negara tidak akan menimbulkan masalah mengingat nilai uang
Lebih terperinciPERAMALAN JUMLAH TAMU HOTEL DI KABUPATEN DEMAK
PERAMALAN JUMLAH TAMU HOTEL DI KABUPATEN DEMAK MENGGUNAKAN METODE SUPPORT VECTOR REGRESSION SKRIPSI Disusun Oleh : DESY TRISHARDIYANTI ADININGTYAS 24010211130047 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciSVM untuk Regresi Ordinal
MMA10991 Topik Khusus - Machine Learning Dr. rer. nat. Hendri Murfi Intelligent Data Analysis (IDA) Group Departemen Matematika, Universitas Indonesia Depok 16424 Telp. +62-21-7862719/7863439, Fax. +62-21-7863439,
Lebih terperinciKAJIAN TEORITIS HYBRIDIZING EXPONENTIAL SMOOTHING DAN NEURAL NETWORK UNTUK PERAMALAN DATA RUNTUN WAKTU
Bimaster Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No.3 (2013), hal 205-210 KAJIAN TEORITIS HYBRIDIZING EXPONENTIAL SMOOTHING DAN NEURAL NETWORK UNTUK PERAMALAN DATA RUNTUN WAKTU Muhlasah
Lebih terperinciESTIMASI PARAMETER MODEL HYBRIDIZING EXPONENTIAL SMOOTHING DAN NEURAL NETWORK PADA HASIL PENGUKURAN MEAN SEA LEVEL SATELIT ALTIMETRI JASON 2
Vol. 7, No. 2, Desember 2012 ESTIMASI PARAMETER MODEL HYBRIDIZING EXPONENTIAL SMOOTHING DAN NEURAL NETWORK PADA HASIL PENGUKURAN MEAN SEA LEVEL SATELIT ALTIMETRI JASON 2 Novi Mara KODE ARTIKEL : 117-2-12
Lebih terperinciBAB I PENDAHULUAN. Peramalan keadaan pada suatu waktu merupakan hal penting. Hal itu
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Peramalan keadaan pada suatu waktu merupakan hal penting. Hal itu dikarenakan peramalan dapat digunakan sebagai rujukan dalam menentukan tindakan yang akan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Saham adalah surat berharga yang menjadi bukti seseorang berinvestasi pada suatu perusahaan. Harga saham selalu mengalami perubahan harga atau biasa disebut
Lebih terperinciPERAMALAN DERET WAKTU MENGGUNAKAN MODEL FUNGSI BASIS RADIAL (RBF) DAN AUTO REGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA)
Jurnal MIPA 35 (2):175-182 (2012) Jurnal MIPA http://journal.unnes.ac.id/sju/index.php/jm PERAMALAN DERET WAKTU MENGGUNAKAN MODEL FUNGSI BASIS RADIAL (RBF) DAN AUTO REGRESSIVE INTEGRATED MOVING AVERAGE
Lebih terperinciBAB I PENDAHULUAN. Peramalan (forecasting) adalah kegiatan untuk meramalkan apa yang akan
BAB I PENDAHULUAN A. Latar Belakang Peramalan (forecasting) adalah kegiatan untuk meramalkan apa yang akan terjadi pada masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang akan
Lebih terperinciBAB I PENDAHULUAN. yang merupakan keuntungan perusahaan yang dibagikan kepada semua pemegang
BAB I PENDAHULUAN 1.1 Latar Belakang Ekspektasi atau motivasi setiap investor adalah mendapatkan keuntungan dari transaksi investasi yang dilakukan. Para investor yang bertransaksi di pasar modal, khususnya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Manfaat Peramalan Pada dasarnya peramalan adalah merupakan suatu dugaan atau perkiraan tentang terjadinya suatu keadaan dimasa depan, tetapi dengan menggunakan metode metode tertentu
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang
Lebih terperinciBAB 2 LANDASAN TEORI. diperkirakan akan terjadi pada masa yang akan datang. Ramalan tersebut dapat
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi dimasa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan
Lebih terperinciPeramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Peramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model Ni Kadek Sukerti STMIK STIKOM Bali Jl. Raya Puputan
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 terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Peramalan (forecasting) merupakan suatu kegiatan untuk mengetahui apa yang akan terjadi di masa mendatang dengan memperhatikan dan mempertimbangkan data-data yang
Lebih terperinciBAB I PENDAHULUAN. penting dalam proses pengambilan keputusan di suatu instansi. Untuk melakukan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pada zaman sekarang, peramalan merupakan salah satu unsur yang sangat penting dalam proses pengambilan keputusan di suatu instansi. Untuk melakukan peramalan
Lebih terperinci2016 OPTIMAL ANOMALOUS SHORT TERM LOAD FORECASTING BERBASIS ALGORITMA FEED FORWARD BACKPROPAGATION
BAB I PENDAHULUAN 1.1. Latar Belakang Penelitian Peramalan beban selalu menjadi instrumen penting dalam operasi sistem tenaga. Berbagai keputusan operasi ditentukan oleh peramalan beban, seperti penjadwalan
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 terperinciBAB I PENDAHULUAN. untuk menjual, menahan, atau membeli saham dengan menggunakan indeks
BAB I PENDAHULUAN A. LATAR BELAKANG MASALAH Pasar modal merupakan pasar abstrak, dimana yang diperjualbelikan adalah dana jangka panjang, yaitu dana yang keterikatannya dalam investasi lebih dari satu
Lebih terperinciBAB II TINJAUAN PUSTAKA. penelitian ini, yaitu ln return, volatilitas, data runtun waktu, kestasioneran, uji
35 BAB II TINJAUAN PUSTAKA Pada Bab II akan dibahas konsep-konsep yang menjadi dasar dalam penelitian ini, yaitu ln return, volatilitas, data runtun waktu, kestasioneran, uji ACF, uji PACF, uji ARCH-LM,
Lebih terperinciPERAMALAN JUMLAH TAMU HOTEL DI KABUPATEN DEMAK MENGGUNAKAN METODE SUPPORT VECTOR REGRESSION
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman 785-794 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN JUMLAH TAMU HOTEL DI KABUPATEN DEMAK MENGGUNAKAN METODE
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Emas dahulu merupakan alat pembayaran transaksi ekonomi yang digunakan di suatu negara dengan negara lainnya. Sebagai alat tukar, emas dahulu memegang pengaruh yang
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Produk Domestik Regional Bruto (PDRB) merupakan salah satu indikator penting untuk mengetahui kondisi ekonomi di suatu daerah dalam suatu periode tertentu, baik atas
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
1 BAB 1 PENDAHULUAN Bab ini membahas tentang latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian, serta sistematika penulisan. 1.1. Latar Belakang
Lebih terperinciBAB 2 LANDASAN TEORITIS
BAB 2 LANDASAN TEORITIS 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksikan apa yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
Lebih terperinciBAB II TINJAUAN PUSTAKA
DAFTAR ISI PERNYATAAN... i ABSTRAK... ii KATA PENGANTAR... iii UCAPAN TERIMA KASIH... iv DAFTAR ISI... v DAFTAR TABEL... ix DAFTAR GAMBAR... x DAFTAR LAMPIRAN... xi BAB I PENDAHULUAN... 1 1.1 Latar Belakang...
Lebih terperinciJurnal String Vol. 2 No. 1 Agustus 2017 p-issn: e-issn:
ANALISIS DAN MODEL PERAMALAN DATAEKSPOR IMPOR DENGAN METODE GABUNGAN ARIMA NEURAL NETWORK Aris Gunaryati Program Studi Teknik Informatika, Universitas Nasional E-Mail : arisgunaryati@yahoo.co.id Abstrak
Lebih terperinciPREDIKSI INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN SUPPORT VECTOR REGRESSION (SVR) DENGAN ALGORITMA GRID SEARCH
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman 315-321 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PREDIKSI INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN SUPPORT VECTOR
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama (assaury, 1991). Sedangkan ramalan adalah
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Pendahuluan Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan
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 terperinciModel Hibrida ARIMA dan Fuzzy Time Series Markov Chain
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Model Hibrida ARIMA dan Fuzzy Time Series Markov Chain Dennis Frisca Ayudya, Dewi Retno Sari Saputro Program Studi Matematika Universitas Sebelas Maret
Lebih terperinciBab V KESIMPULAN DAN MASALAH TERBUKA
Bab V KESIMPULAN DAN MASALAH TERBUKA Kesimpulan dari penelitian ini diperoleh berdasarkan pada pembahasan dalam Bab III dan IV. Kesimpulan ini sebagai jawaban dari permasalahan dan sekaligus hasil yang
Lebih terperinciPenerapan Model Hybrid ARIMA-Neural Network pada Data Saham IHSG
Penerapan Model Hybrid ARIMA-Neural Network pada Data Saham IHSG ¹) Ariane Yustisiani Mutmainah 1, Jadi Suprijadi 2, Zulhanif 3 Mahasiswa Program Studi Magister Statistika Terapan Universitas Padjajaran
Lebih terperinciCombined for Time Series Forecasting
RBF and ARIMA Combined for Time Series Forecasting Dian Tri Wiyanti Teknik Informatika Universitas Semarang Semarang, Indonesia deediy87@gmailcom Reza Pulungan Jurusan Ilmu Komputer dan Elektronika FMIPA
Lebih terperinciBAB I PENDAHULUAN. Kemunculan minimarket yang begitu banyak membuat manajemen
BAB I PENDAHULUAN 1.1. Pendahuluan Kemunculan minimarket yang begitu banyak membuat manajemen perusahaan minimarket harus berfikir kreatif agar dapat bersaing dengan usaha sejenis dalam merebut pangsa
Lebih terperinciBAB 2 LANDASAN TEORI. variabel untuk mengestimasi nilainya di masa yang akan datang. Peramalan Merupakan
BAB 2 LANDASAN TEORI 2.1. Peramalan Peramalan adalah penggunaan data masa lalu dari sebuah variabel atau kumpulan variabel untuk mengestimasi nilainya di masa yang akan datang. Peramalan Merupakan bagian
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Investasi berkaitan dengan penempatan dana ke dalam bentuk aset yang lain selama periode tertentu dengan harapan tertentu. Aset yang menjadi objek investasi seseorang
Lebih terperinciPERAMALAN BEBAN PEMAKAIAN LISTRIK JAWA TENGAH DAN DAERAH ISTIMEWA YOGYAKARTA DENGAN
PERAMALAN BEBAN PEMAKAIAN LISTRIK JAWA TENGAH DAN DAERAH ISTIMEWA YOGYAKARTA DENGAN MENGGUNAKAN HYBRID AUTOREGRESSIVE INTEGRATED MOVING AVERAGE NEURAL NETWORK Disusun oleh : Berta Elvionita Fitriani 24010211120005
Lebih terperinciBAB I PENDAHULUAN. berasal dari sumber tetap yang terjadinya berdasarkan indeks waktu t secara
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Time Series atau runtun waktu adalah serangkaian data pengamatan yang berasal dari sumber tetap yang terjadinya berdasarkan indeks waktu t secara berurutan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Berbicara tentang kegiatan pasar modal saat ini tidak terlepas dari apa yang disebut sebagai indeks harga saham. Untuk mengetahui bagaimana kegiatan ekonomi
Lebih terperinci5. Struktur Penulisan Tesis
Course Outline 1. Pengantar Penelitian 2. Tahapan Penelitian 3. Masalah Penelitian 4. Literature Review 5. Struktur Penulisan Tesis 6. Kesalahan Penulisan Tesis 7. Metode Eksperimen 8. Pengujian Tesis
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 terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
13 BAB 1 PENDAHULUAN 1.1 Latar Belakang Era globalisasi saat ini, perkembangan zaman semankin maju dan berkembang pesat, di antaranya banyak pernikahan dini yang menyebabkan salah satu faktor bertambahnya
Lebih terperinciPENGANTAR ANALISA RUNTUN WAKTU
DIKTAT KULIAH PENGANTAR ANALISA RUNTUN WAKTU Dr.rer.nat. Dedi Rosadi, M.Sc.Eng.Math. Email: dedirosadi@ugm.ac.id http://dedirosadi.staff.ugm.ac.id Program Studi Statistika Fakultas Matematika dan Ilmu
Lebih terperinciESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) Abstract
Estimasi Parameter (Mika Asrini) ESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) Mika Asrini 1, Winita Sulandari 2, Santoso Budi Wiyono 3 1 Mahasiswa
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 terperinciBAB I PENDAHULUAN. yang menyerupai otak manusia yang dikenal dengan jaringan syaraf tiruan.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Teknologi saat ini dapat dimanfaatkan untuk membantu dan menggantikan kelemahan-kelemahan manusia, salah satu bentuk dari kecanggihan teknologi tersebut adalah
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 terperinciBAB I PENDAHULUAN. perdagangan saham secara maksimal (Wang et al, 2009). semakin berkembang. Dengan memanfaatkan model model peramalan dari
BAB I PENDAHULUAN 1.1 Latar Belakang Peramalan indeks harga saham merupakan sebuah peramalan deret waktu yang cukup sulit dilakukan (Kara et al, 2011). Banyak faktor yang mempengaruhi pergerakan harga
Lebih terperinciBAB III PEMBAHASAN. FRBFNN, Arsitektur FRBFNN, aplikasi FRBFNN untuk meramalkan kebutuhan
BAB III PEMBAHASAN Pada bab ini berisi mengenai FRBFNN, prosedur pembentukan model FRBFNN, Arsitektur FRBFNN, aplikasi FRBFNN untuk meramalkan kebutuhan listrik di D.I Yogyakarta. A. Radial Basis Function
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Dalam dunia statistika terdapat serangkaian pengamatan data yang dapat dijadikan sebagai model time series (runtun waktu) untuk meramalkan kejadian pada periode berikutnya.
Lebih terperinciJurnal Dinamika, April 2015, halaman Vol. 06. No. 1 ISSN
Jurnal Dinamika, April 2015, halaman 61-66 Vol. 06. No. 1 ISSN 2087-7889 SIMULASI PERBANDINGAN METODE PERAMALAN MODEL GENERALIZED SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (GSARIMA) DENGAN SEASONAL
Lebih terperinciIII. KERANGKA PEMIKIRAN
III. KERANGKA PEMIKIRAN 3.1. Kerangka Pemikiran Teoritis 3.1.1. Konsep Harga Harga yang terjadi di pasar merupakan nilai yang harus dibayarkan konsumen untuk mendapatkan suatu produk yang diinginkannya.
Lebih terperinciBAB 3 DATA DAN METODOLOGI PENELITIAN
BAB 3 DATA DAN METODOLOGI PENELITIAN 3. Pengantar Penelitian ini bertujuan untuk melihat apakah metode Artificial Neural Network (ANN) dapat lebih akurat memprediksi harga saham di Indonesia dibandingkan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Musim hujan merupakan musim yang mutlak ada di sebagian belahan benua dunia. Dan curah hujan pasti memiliki
BAB I PENDAHULUAN 1.1 Latar Belakang Musim hujan merupakan musim yang mutlak ada di sebagian belahan benua dunia. Dan curah hujan pasti memiliki intensitas yang berbeda. Faktor penyebabnya dapat terjadi
Lebih terperinciPELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE SELEKSI TURNAMEN UNTUK DATA TIME SERIES
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 65-72 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE
Lebih terperinciSNIPTEK 2013 ISBN:
SNIPTEK 01 ISBN: 978-60-7850-4-0 PREDIKSI HARGA SAHAM PERUSAHAAN ICT BERBASIS JARINGAN SYARAF TIRUAN DENGAN PENDEKATAN SVR DAN GMDH POLYNOMIAL Windu Gata Pascasarjana Magister Ilmu Komputer STMIK Nusa
Lebih terperinciSKRIPSI. Disusun Oleh: Aditya Wisnu Broto J2E
vii PERBANDINGAN APLIKASI JARINGAN SYARAF TIRUAN BACKPROPAGATION DENGAN METODE OPTIMAL BRAIN DAMAGE DAN ARCH - GARCH UNTUK MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN (IHSG) SKRIPSI Disusun Oleh: Aditya Wisnu
Lebih terperinci3 Kesimpulan. 4 Daftar Pustaka
Litterman-2. Keuntungan aktual maksimal kedua kinerja Black Litterman ternyata terjadi pada waktu yang sama yaitu tanggal 19 Februari 2013. Secara umum dapat dinyatakan bahwa pembentukan portofolio dengan
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:
ISSN: 2339-24 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 20, Halaman 74-74 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian PERAMALAN BEBAN PEMAKAIAN LISTRIK JAWA TENGAH DAN DAERAH ISTIMEWA YOGYAKARTA
Lebih terperinciBAB 2 LANDASAN TEORI. datang. Kegunaan dari peramalan terlihat pada saat pengambilan keputusan.
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang datang. Kegunaan dari peramalan terlihat pada saat pengambilan keputusan. Keputusan yang
Lebih terperinciBAB I PENDAHULUAN. Pasar modal adalah tempat kegiatan perusahaan untuk mencari dana yang
BAB I PENDAHULUAN 1.1 Latar Belakang Pasar modal adalah tempat kegiatan perusahaan untuk mencari dana yang digunakan untuk membiayai kegiatan usahanya. Selain itu, pasar modal merupakan suatu usaha penghimpunan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Teknologi informasi telah berkembang dengan relatif pesat. Di era
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Teknologi informasi telah berkembang dengan relatif pesat. Di era informasi seperti sekarang ini kebutuhan akan informasi semakin meningkat, terutama dengan
Lebih terperinciPENERAPAN METODE KLASIFIKASI SUPPORT VECTOR MACHINE (SVM) PADA DATA AKREDITASI SEKOLAH DASAR (SD) DI KABUPATEN MAGELANG
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 811-820 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN METODE KLASIFIKASI SUPPORT VECTOR MACHINE (SVM) PADA
Lebih terperinciMetode Kernel. Machine Learning
MMA10991 Topik Khusus Machine Learning Metode Kernel Dr. rer. nat. Hendri Murfi Intelligent Data Analysis (IDA) Group Departemen Matematika, Universitas Indonesia Depok 16424 Telp. +62-21-7862719/7863439,
Lebih terperinciPREDIKSI INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN SUPPORT VECTOR REGRESSION DENGAN ALGORITMA GRID SEARCH
PREDIKSI INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN SUPPORT VECTOR REGRESSION DENGAN ALGORITMA GRID SEARCH SKRIPSI Disusun Oleh : LUTFIA SEPTININGRUM 240 102 111 400 73 JURUSAN STATISTIKA FAKULTAS SAINS DAN
Lebih terperinciANALISIS SUPPORT VECTOR REGRESSION (SVR) DALAM MEMPREDIKSI KURS RUPIAH TERHADAP DOLLAR AMERIKA SERIKAT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 849-857 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS SUPPORT VECTOR REGRESSION (SVR) DALAM MEMPREDIKSI KURS
Lebih terperinci