PERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN FUZZY TIME SERIES TERBOBOT. 1. Pendahuluan
|
|
- Hendra Pranata
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN FUZZY TIME SERIES TERBOBOT Dennis Frisca Ayudya, Dewi Retno Sari Saputro, Santoso Budi Wiyono Program Studi Matematika FMIPA UNS Abstrak. Indeks harga saham gabungan (IHSG) merupakan indikator yang mencerminkan pergerakan harga saham. Peramalan IHSG digunakan oleh para investor untuk mengambil keputusan investasi yang tepat. Metode fuzzy time series (FTS) dapat digunakan untuk peramalan data time series berpola nonlinear tanpa harus memenuhi asumsi stasioneritas. Metode FTS terbobot merupakan perluasan dari metode FTS dengan mempertimbangkan adanya pembobotan. Dalam penelitian ini metode FTS terbobot orde satu, dua, tiga, dan empat digunakan untuk meramalkan IHSG. Hasil dan pembahasan menunjukkan bahwa pada data pengujian metode FTS orde tiga menghasilkan akurasi yang lebih baik dibandingkan orde empat dengan parameter pembobot sebesar 0.95, nilai root mean square error (RMSE) sebesar dengan nilai peramalan bulan November 2017 adalah Kata kunci: IHSG, metode FTS terbobot, model adaptive expectation 1. Pendahuluan Investasi merupakan komitmen atas sejumlah dana atau sumber daya lainnya yang dilakukan dengan tujuan memperoleh keuntungan di masa mendatang (Tandelilin[9]). Dunia pasar modal yang menjanjikan membuat banyak investor mulai berinvestasi di pasar modal. Tujuan investor menanamkan dananya di pasar modal adalah untuk mendapatkan keuntungan return seoptimalnya dengan resiko seminimal mungkin. Dalam pasar modal, salah satu instrumen yang diperdagangkan adalah saham. Indeks harga saham merupakan indikator yang mencerminkan pergerakan harga saham. Saat ini, Bursa Efek Indonesia (BEI) memiliki 11 jenis indeks harga saham, salah satunya indeks harga saham gabungan (IHSG). Menurut Ang [1], IHSG adalah suatu nilai yang digunakan untuk mengukur seluruh saham perusahaan yang tercatat di BEI. Perkembangan IHSG cenderung mengalami trend naik meskipun pada setiap periode waktunya mengalami fluktuasi. Fluktuasi IHSG digunakan sebagai acuan oleh para investor untuk menjual, menahan atau membeli sahamnya. Oleh sebab itu, peramalan IHSG perlu dilakukan sehingga para investor dapat mengambil keputusan investasi yang tepat dan mempunyai pandangan tentang keadaan IHSG di masa mendatang. Metode fuzzy time series (FTS) dapat digunakan untuk peramalan data time series berpola nonlinear. Dalam metode FTS data tidak harus memenuhi asumsi stasioneritas. Perhitungan metode FTS menggunakan teori himpunan fuzzy dan konsep variabel linguistik. 1
2 Data historis dibentuk dalam nilai-nilai linguistik sedangkan hasilnya berupa bilangan riil. Cheng et al. [3] mengembangkan metode FTS dengan mempertimbangkan pembobotan berdasarkan arah trend dan menggunakan model adaptive expectation. Model adaptive expectation adalah model yang mengasumsikan kejadian di masa mendatang dipengaruhi oleh trend dan eror di masa lalu. Pada tahun 2015, Putro [6] menerapkan metode FTS orde satu terbobot untuk meramalkan jumlah uang yang beredar di Indonesia dengan pola data musiman. Selanjunya, Fauziah dkk. [4] menerapkan metode FTS orde satu tanpa mempertimbangkan adanya pembobotan untuk meramalkan curah hujan di kota Samarinda. Dalam penelitian ini diterapkan data IHSG menggunakan FTS terbobot orde satu, dua, tiga, dan empat yang dikembangkan oleh Cheng et al. [3]. 2. Metode FTS Berikut definisi tentang konsep-konsep fuzzy yang digunakan dalam metode FTS menurut Song dan Chissom [7, 8]. Definisi 2.1. Misalkan himpunan semesta Z(t)(t =..., 0, 1, 2,..., n,...) adalah subset dari R yang telah didefinisikan oleh himpunan fuzzy F (t). Jika F (t) terdiri atas A i (t)(i = 1, 2,..., n), maka F (t) disebut fuzzy time series pada Z(t)(t =..., 0, 1, 2,..., n,...). Definisi 2.2. Misalkan F (t) disebabkan oleh F (t 1). Relasi dari orde pertama F (t) dapat ditulis sebagai F (t) = F (t 1) R(t, t 1), dengan R(t, t 1) adalah matriks relasi untuk menggambarkan hubungan fuzzy antara F (t 1) dan F (t), dan merupakan operator komposisi maksimum-minimum. Hubungan F (t) dengan F (t 1) dapat ditulis F (t 1) F (t). Definisi 2.3. Misalkan F (t) = A j disebabkan oleh F (t r) = A i. Relasi logika fuzzy (RLF) orde satu ke-r didefinisikan sebagai A i A j, dengan A i dan A j dinamakan sisi kiri atau left-hand side (LHS) dan sisi kanan atau right-hand side (RHS). Berikut definisi metode FTS orde-p menurut Chen [2]. Definisi 2.4. Misalkan F (t) adalah fuzzy time series. Jika F (t) disebabkan oleh F (t 1), F (t 2),..., F (t p). RLF dapat dituliskan sebagai F (t p),..., F (t 2), F (t 1) F (t)
3 3. Metode FTS Terbobot Metode FTS terbobot merupakan perluasan dari metode FTS dengan mempertimbangkan adanya pembobotan. Berikut langkah-langkah peramalan menggunakan metode FTS terbobot oleh Cheng et al. [3]. (1) Menentukan himpunan semesta U = [D min D 1, D maks + D 2 ] dan interval data dengan D min dan D maks secara berturut-turut adalah data terkecil dan data terbesar dari himpunan semesta sedangkan D 1 dan D 2 adalah bilangan random yang bernilai nonnegatif. (2) Mendefinisikan himpunan fuzzy A i dari himpunan semesta U berdasarkan interval partisi yang telah ditentukan. (3) Melakukan fuzzifikasi data. Fuzzifikasi data adalah proses pembentukan data numerik ke dalam data linguistik. (4) Membentuk RLF dan grup relasi logika fuzzy (GRLF). (5) Memberikan pembobot. Matriks pembobot standar orde-p (W p(t)) dituliskan dengan rumus sebagai w 1 W p(t) = (w 1, w 2,..., w k) = ( k h=1 w, h w 2 k h=1 w,..., h w k k h=1 w h ). (6) Menghitung nilai peramalan defuzzifikasi orde-p dengan rumus sebagai D p (t) = L p (t) (W p(t)) T dengan L p (t) adalah matriks defuzzifikasi orde-p berukuran 1 k dan W p(t)) T adalah transpose matriks pembobot standar orde-p berukuran k 1 pada waktu t. Defuzzifikasi adalah proses pembentukan data linguistik ke dalam data numerik. (7) Menghitung nilai peramalan menggunakan model adaptive expectation (Ŷp(t)) yang dituliskan sebagai Ŷ p (t) = Y (t 1) + (β p [D p (t) Y (t 1)]) dengan Y (t 1) adalah pengamatan pada waktu t 1 dan β p adalah parameter pembobot orde-p berkisar dari nilai
4 4. Metode Berbasis Rata-Rata Menurut Xihao dan Yimin [10] metode berbasis rata-rata dapat digunakan untuk menentukan panjang interval. Dalam menentukan panjang interval dengan menghitung nilai n 1 t=1 dengan aturan dasar pembulatan. Y (t+1) Y (t). Kemudian, hasil perhitungan dibulatkan sesuai 2(n 1) 5. Pengujian Asumsi Model Pengujian asumsi model digunakan untuk mengetahui apakah model baik digunakan atau tidak (Hanke dan Wichern[5]) Uji asumsi normalitas. Untuk menentukan apakah eror memenuhi asumsi normalitas dapat dengan melihat plot antara nilai eror dan normal-scoresnya. Selain itu, dapat juga dengan uji Kolmogorov Smirnov dengan uji hipotesis H 0 : eror berdistribusi normal dan H 1 : eror tidak berdistribusi normal. Statistik uji dinyatakan sebagai D = Sup[ F n (t) F 0 (t) ] dan DK = {D D 1 α,n }. H 0 ditolak jika D DK Uji asumsi autokorelasi. Untuk menentukan apakah eror memenuhi asumsi autokorelasi dapat dengan melihat plot autocorrelation function (ACF) erornya. Selain itu, dapat juga dengan uji Durbin Watson dengan uji hipotesis H 0 : Tidak terdapat autokorelasi pada eror dan H 1 : Terdapat autokorelasi pada eror. Statistik uji n t=2 dinyatakan sebagai d hitung = (et e t 1) 2 n dan daerah kritis DK = {d hitung d hitung < t=1 (et)2 d l atau 4 d hitung < d u }. H 0 ditolak jika d hitung atau 4 d hitung DK. 6. Perhitungan Eror Menurut Hanke dan Wichern [5], salah satu cara yang dapat digunakan untuk menghitung eror dengan root mean squared error (RMSE). Nilai RMSE dihitung dengan rumus yang dituliskan sebagai RMSE = n t=1 (Y (t) Ŷ (t))2 n dengan Y (t) adalah nilai aktual pada waktu ke-t, Ŷ (t) adalah nilai peramalan pada waktu ke-t, dan n banyaknya data yang diramalkan. 7. Metode Penelitian 7.1. Data Penelitian. Data yang digunakan adalah data bulanan yang diperoleh dari finance.yahoo.com. Data diambil dari bulan Januari 2012 sampai Oktober
5 Data dibagi menjadi data pelatihan (untuk pembentukan model) yang diambil dari bulan Januari 2012 sampai bulan Agustus 2016 sebanyak 56 observasi dan data pengujian (untuk menentukan hasil peramalan) yang diambil dari bulan September 2016 sampai oktober 2017 sebanyak 14 observasi Langkah Penelitian. Langkah-langkah yang dilakukan dalam penelitian ini adalah menentukan himpunan semesta U untuk data IHSG. Himpunan semesta U dipartisi menjadi beberapa interval menggunakan metode berbasis rata-rata. Berdasarkan interval partisi yang telah diperoleh, didefinisikan himpunan fuzzy A i dan dilakukan fuzzifikasi data IHSG. Berdasarkan hasil fuzzifikasi dibentuk RLF dan GRLF masing-masing orde. Selanjutnya, diberikan pembobot dan dilakukan defuzzifikasi. Berdasarkan hasil defuzzifikasi dihitung nilai peramalan masing-masing orde menggunakan model adaptive expectation. Akurasi peramalan dihitung berdasarkan model yang memenuhi asumsi menggunakan RMSE. Model yang memiliki RMSE terkecil digunakan untuk menentukan nilai peramalan IHSG satu periode ke depan yaitu bulan November Hasil dan Pembahasan 8.1. Peramalan IHSG Menggunakan Metode FTS Terbobot. Langkah pertama untuk meramalkan IHSG menggunakan metode FTS terbobot adalah menentukan himpunan semesta U data pelatihan IHSG. Data terkecil (D min ) dan data terbesar (D maks ) yaitu 3832,82 dan Kemudian dipilih D 1 dan D 2 bilangan random yang bernilai nonnegatif yaitu 22,82 dan 41,33 sehingga diperoleh himpunan semesta U = [3810, 5560]. Langkah kedua, mempartisi himpunan semesta U menjadi beberapa interval dengan panjang interval yang sama menggunakan metode berbasis rata-rata. Berdasarkan metode berbasis rata-rata diperoleh panjang interval yaitu 70. Dari panjang interval diperoleh partisi interval sebanyak 25 interval dengan u 1 = [3810, 3880), u 2 = [3880, 3950),..., u 25 = [5490, 5560]. Langkah ketiga, mendefinisikan himpunan fuzzy A i dari himpunan semesta U berdasarkan interval partisi yang telah ditentukan. Misal A 1, A 2,..., A i adalah himpunan fuzzy yang mempunyai nilai linguistik dari suatu variabel linguistik. Untuk setiap u j ϵa i dinyatakan nilai real pada range [0, 1], i = 1, 2,..., 25, dan
6 j = 1, 2,..., 25. Setelah didefinisikan himpunan fuzzy, selanjutnya fuzzifikasi data IHSG dengan hasil fuzzifikasi dari bulan Januari 2012 sampai Agustus 2016 secara berturut-turut adalah A 2, A 3, A 5,..., A 23. Langkah keempat, membentuk RLF berdasarkan hasil fuzzifikasi. Kemudian dari RLF dibentuk GRLF. GRLF orde satu sebanyak 23 grup, GRLF orde dua sebanyak 48 grup, GRLF orde tiga sebanyak 51 grup, dan GRLF orde empat sebanyak 52 grup. Berikut contoh GRLF orde tiga berdasarkan grup 35. A 19, A 19, A 19 A 19, A 20. Langkah kelima, menentukan pembobot berdasarkan urutan dan perulangan yang sama pada GRLF. Bobot yang diperoleh pada GRLF dimasukkan ke dalam bentuk matriks pembobot standar (W (t)). Bobot orde tiga berdasarkan grup 42 ( ) pada bulan oktober 2014 (t = 34) adalah W 3(34) =. Langkah keenam, menentukan nilai defuzzifikasi berdasarkan bobot yang diperoleh. Nilai defuzzifikasi orde tiga pada bulan oktober 2014 (t = 34) adalah ( ) D 3 (34) = = Langkah ketujuh, menentukan parameter pembobot model adaptive expectation dari masing-masing orde berdasarkan model yang memenuhi asumsi. parameter pembobot dinyatakan pada Tabel 1. Tabel 1. Penentuan parameter pembobot Orde Parameter pembobot Asumsi Normalitas Autokorelasi Satu β 1 = 1 Tidak terpenuhi Terpenuhi Dua β 2 = 1 Tidak terpenuhi Terpenuhi Tiga β 3 = 0.95 Terpenuhi Terpenuhi Empat β 4 = 0.93 Terpenuhi Terpenuhi Penentuan Berdasarkan Tabel 1 diperoleh metode FTS terbobot orde tiga dan empat memenuhi asumsi dengan parameter pembobot model adaptive expectation masingmasing adalah 0.95 dan 0.93 sehingga metode FTS terbobot orde tiga dan empat dapat digunakan untuk menghitung nilai peramalan data pengujian IHSG periode September 2016 sampai dengan Oktober Berikut hasil peramalan data pengu
7 jian IHSG dari bulan September 2016 sampai dengan Oktober 2017 ditunjukkan pada Tabel 2. Tabel 2. Nilai peramalan data pengujian IHSG t Y Nilai peramalan Orde tiga Orde empat Penentuan Akurasi Peramalan. Untuk menentukan akurasi peramalan dengan melihat nilai RMSE. Model yang memiliki nilai RMSE lebih kecil digunakan untuk meramalkan IHSG satu periode ke depan yaitu bulan November Berikut nilai RMSE metode FTS terbobot orde tiga dan empat dinyatakan dalam Tabel 3. Tabel 3. Perbandingan nilai RMSE Orde Nilai RMSE Data pelatihan Data pengujian Tiga Empat Tabel 3 menunjukkan bahwa pada periode September 2016 sampai dengan Oktober 2017 metode FTS terbobot orde tiga menghasilkan nilai RMSE lebih kecil dibandingkan metode FTS terbobot orde empat. Dengan demikian pada kasus ini metode FTS terbobot orde tiga lebih tepat untuk meramalkan IHSG bulan November Nilai peramalan bulan November 2017 dengan metode FTS terbobot orde tiga yaitu dengan nilai RMSE Nilai RMSE tersebut termasuk kecil karena data yang digunakan mencapai ribuan. Plot nilai aktual dengan nilai peramalan data pengujian IHSG dinyatakan pada Gambar
8 Gambar 1. Plot nilai aktual dengan nilai peramalan 9. Kesimpulan Berdasarkan hasil dan pembahasan dapat disimpulkan bahwa peramalan IHSG pada data pelatihan menggunakan metode FTS terbobot orde tiga dan empat memenuhi pengujian asumsi model dengan parameter pembobot masing-masing adalah 0.95 dan 0.93 sedangkan pada data pengujian metode FTS terbobot orde tiga menghasilkan nilai RMSE yang lebih kecil dibandingkan orde empat sehingga dapat digunakan untuk meramalkan IHSG bulan November Hasil peramalan bulan November 2017 menggunakan metode FTS terbobot orde tiga adalah dengan nilai RMSE yaitu Daftar Pustaka [1] Ang, R., Buku Pintar: Pasar Modal Indonesia, Mediasoft Indonesia, [2] Chen, S. M., Forecasting Enrollment Based on High-Order Fuzzy Time Series. Cybernetics and systems, An International Jounal (2002), vol.33, pp [3] Cheng, C. H., T. L. Chen, and C. H. Chiang, Trend-Weighted Fuzzy Time-Series Model for TAIEX Forecasting. Neural Information Forecasting (2006), vol.4234, pp [4] Fauziah, N., S. Wahyuningsih, dan Y. N. Nasution, Peramalan Menggunakan Fuzzy Time Series Chen (Studi Kasus: Curah Hujan Kota Samarinda. Jurnal Statistika (2016), vol.4, no.2, pp [5] Hanke, J. E. and D.W. Wichern, Business Forecasting, Pretice Hall, New Jersey, [6] Putro A. W., Model Runtun Waktu Fuzzy Terbobot untuk Peramalan Jumlah Uang yang Beredar di Indonesia. Skripsi, Universitas Sebelas Maret, Surakarta, [7] Song, Q. and B. S. Chissom, Forecasting Enrollment With Fuzzy Time Series-Part I. Fuzzy sets and systems (1993a), vol.54, pp 1-9. [8] Song, Q. and B. S. Chissom, Forecasting Enrollment With Fuzzy Time Series-Part II. Fuzzy sets and systems (1994), vol.62, pp 1-8. [9] Tandelilin, E., Portofolio dan Investasi: Teori dan Aplikasi. Edisi Pertama, Kanisius, [10] Xihao, S. and L. Yimin, Averaged Based Fuzzy Time Series Models for Forecasting Shanghai Compound Index. Word Journal of Modelling and Simulation, vol.4, pp
PERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN RUNTUN WAKTU FUZZY DENGAN PARTISI INTERVAL BERDASARKAN FREKUENSI DENSITAS
PERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN RUNTUN WAKTU FUZZY DENGAN PARTISI INTERVAL BERDASARKAN FREKUENSI DENSITAS Sylvia Swidaning Putri, Winita Sulandari dan Muslich Program Studi Matematika
Lebih terperinciBab II LANDASAN TEORI
Bab II LANDASAN TEORI Bab ini terdiri dari 3 bagian. Pada bagian pertama berisi tinjauan pustaka dari penelitian-penelitian sebelumnya. Pada bagian kedua diberikan teori penunjang untuk mencapai tujuan
Lebih terperinciPENGGUNAAN METODE FUZZY TIME SERIES UNTUK MERAMALKAN HASIL PRODUKSI PADI KABUPATEN MAJALENGKA
PENGGUNAAN METODE FUZZY TIME SERIES UNTUK MERAMALKAN HASIL PRODUKSI PADI KABUPATEN MAJALENGKA Khanty Intan Lestari 1, Tine Soemartini 2, Resa Septiani Pontoh 3. Mahasiswa Program Studi Statistika Universitas
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 terperinciPERAMALAN MENGUNAKAN FUZZY TIME SERIES CHEN (STUDI KASUS: CURAH HUJAN KOTA SAMARINDA)
PERAMALAN MENGUNAKAN FUZZY TIME SERIES CHEN (STUDI KASUS: CURAH HUJAN KOTA SAMARINDA) 1 Normalita Fauziah, 2 Sri Wahyuningsih, 3 Yuki Novia Nasution 2 1,2 Program Studi Statistika, Fakultas Matematika
Lebih terperinciABSTRAK. Kata kunci: IHSG, runtun waktu fuzzy, partisi interval berdasarkan frekuensi densitas. iii
ABSTRAK Sylvia Swidaning Putri. 2016. PERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN RUNTUN WAKTU FUZZY DENGAN PARTISI INTERVAL BERDASARKAN FREKUENSI DENSITAS. Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciBAB 3 METODE FUZZY TIME SERIES DENGAN FAKTOR PENDUKUNG UNTUK MERAMALKAN DATA SAHAM
BAB 3 METODE FUZZY TIME SERIES DENGAN FAKTOR PENDUKUNG UNTUK MERAMALKAN DATA SAHAM 3.1 Pengertian Dasar Peramalan Peramalan (forecasting) adalah suatu kegiatan yang memperkirakan apa yang akan terjadi
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN Deskripsi Data
BAB IV HASIL DAN PEMBAHASAN 4.. Deskripsi Data Pada penelitian ini data yang digunakan adalah data bulanan banyaknya wisatawan yang datang di kota Surakarta dari Januari 200 sampai Desember 204. Data banyaknya
Lebih terperinciPeramalan Menggunakan Metode Fuzzy Time Series Cheng. Forecasting Using Fuzzy Time Series Cheng Method
Jurnal EKSPONENSIAL Volume 8, Nomor, Mei 07 ISSN 085-789 Peramalan Menggunakan Metode Fuzzy Time Series Cheng Forecasting Using Fuzzy Time Series Cheng Method Sumartini, Memi Nor Hayati, dan Sri Wahyuningsih
Lebih terperinciPeramalan Time Invariant Fuzzy Time Series Mahasiswa FT dan FKIP UMP
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Peramalan Time Invariant Fuzzy Time Series Mahasiswa FT dan FKIP UMP Harjono 1, Malim Muhammad 2, Lukmanul Akhsani 3 Universitas Muhammadiyah Purwokerto
Lebih terperinciMODEL HIBRIDA RUNTUN WAKTU FUZZY TERBOBOT-DERET FOURIER UNTUK PERAMALAN CURAH HUJAN DI DAERAH ALIRAN SUNGAI BENGAWAN SOLO
MODEL HIBRIDA RUNTUN WAKTU FUZZY TERBOBOT-DERET FOURIER UNTUK PERAMALAN CURAH HUJAN DI DAERAH ALIRAN SUNGAI BENGAWAN SOLO oleh INDIAWATI AYIK IMAYA M0111045 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciModel Peramalan Jumlah Pernikahan Menggunakan Metode Fuzzy Time Series dengan Algoritma Average Based Length pada KUA
Model Peramalan Jumlah Pernikahan Menggunakan Metode Fuzzy Time Series dengan Algoritma Average Based Length pada KUA Solikhin 1, Martono 2, Puji Nugroho 3) 1,3 Program Studi Sistem Informasi, STMIK Himsya
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) A-31
JURNAL SAINS DAN SENI ITS Vol 4, No2, (2015) 2337-3520 (2301-928X Print) A-31 Perbandingan Performansi Metode Peramalan Fuzzy Time Series yang Dimodifikasi dan Jaringan Syaraf Tiruan Backpropagation (Studi
Lebih terperinciPERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN RUNTUN WAKTU FUZZY DENGAN PARTISI INTERVAL BERDASARKAN FREKUENSI DENSITAS
PERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN RUNTUN WAKTU FUZZY DENGAN PARTISI INTERVAL BERDASARKAN FREKUENSI DENSITAS Oleh SYLVIA SWIDANING PUTRI M0111079 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciPERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN MODEL RUNTUN WAKTU FUZZY TIGA FAKTOR
PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN MODEL RUNTUN WAKTU FUZZY TIGA FAKTOR oleh MAULIDA DWI RAHMITANINGRUM M0111054 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
Lebih terperinciOleh : Rahanimi Pembimbing : Dr. M Isa Irawan, M.T
PERAMALAN JUMLAH MAHASISWA PENDAFTAR PMDK JURUSAN MATEMATIKA MENGGUNAKAN METODE AUTOMATIC CLUSTERING DAN RELASI LOGIKA FUZZY (STUDI KASUS di INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA) Oleh : Rahanimi
Lebih terperinciPERAMALAN JUMLAH PENDAFTAR CALON MAHASISWA STMIK DUTA BANGSA MENGGUNAKAN METODE TIME INVARIANT FUZZY TIME SERIES
PERAMALAN JUMLAH PENDAFTAR CALON MAHASISWA STMIK DUTA BANGSA MENGGUNAKAN METODE TIME INVARIANT FUZZY TIME SERIES Nurmalitasari STMIK Duta Bangsa Surakarta nurmal_ita@yahoo.com ABSTRAK Penelitian ini bertujuan
Lebih terperinciPerbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG
JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Print) A-34 Perbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG Mey Lista Tauryawati
Lebih terperinciPERAMALAN NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA MENGGUNAKAN MODEL RUNTUN WAKTU FUZZY -RANTAI MARKOV
PERAMALAN NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA MENGGUNAKAN MODEL RUNTUN WAKTU FUZZY -RANTAI MARKOV oleh ERIKHA AJENG CHISWARI NIM. M0111028 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciBAB 3 METODE PENELITIAN
10 BAB 3 METODE PENELITIAN 3.1 Metode Fuzzy Time Series yang dikembangkan oleh Song dan Chissom Song dan Chissom merupakan orang yang pertama kali memperkenalkan teori fuzzy time series yaitu dalam peramalan
Lebih terperinciBAB 3 METODE FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS PADA METODE CHEN DENGAN PENENTUAN INTERVAL BERBASIS RATA-RATA
BAB 3 METODE FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS PADA METODE CHEN DENGAN PENENTUAN INTERVAL BERBASIS RATA-RATA 3.1 Konsep Dasar Peramalan Peramalan merupakan bagian awal dari suatu proses
Lebih terperinciPERBANDINGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL DAN FUZZY TIME SERIES UNTUK MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN
PERBANDINGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL DAN FUZZY TIME SERIES UNTUK MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN SKRIPSI Oleh : TAUFAN FAHMI J2E008056 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciJARINGAN FUNGSI BASIS RADIAL UNTUK MENENTUKAN RELASI FUZZY PADA PERAMALAN RUNTUN WAKTU FUZZY ORDE TINGGI
JARINGAN FUNGSI BASIS RADIAL UNTUK MENENTUKAN RELASI FUZZY PADA PERAMALAN RUNTUN WAKTU FUZZY ORDE TINGGI Winita Sulandari 1, Titin Sri Martini 1, Nughthoh Arfawi Kurdhi 1, Hartatik 2, Yudho Yudhanto 2
Lebih terperinciPeramalan Inflasi dengan Metode Weighted Fuzzy Time Series
Peramalan Inflasi dengan Metode Weighted Fuzzy Time Series Oleh: Dwi Ayu Lusia (1307 100 013) Pembimbing: Dr. Suhartono, M.Sc 1 seminar hasil Tugas Akhir S1 Statistika 24 Juni 2011 Latar belakang masalah
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 III METODE TIME-INVARIANT FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS
BAB III METODE TIME-INVARIANT FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS 3.1 Model Peramalan Peramalan adalah penggunaan data masa lalu dari sebuah variabel atau kumpulan variabel untuk mengestimasi
Lebih terperinciImplementasi Algoritme Average Time Based Fuzzy Time Series Untuk Peramalan Tingkat Inflasi Berdasarkan Kelompok Pengeluaran
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 10, Oktober 2018, hlm. 3533-3537 http://j-ptiik.ub.ac.id Implementasi Algoritme Average Time Based Fuzzy Time Series
Lebih terperinciJURNAL TEKNIK DINTEK, Vol. 10 No. 02, September 2017 : 21-31
ANALISIS PERBANDINGAN TINGKAT AKURASI METODE AVERAGE BASED FTS MARKOV CHAIN DENGAN AUTOMATIC CLAUSTERING FTS MARKOV CHAIN DALAM PERAMALAN DATA TIMESERIES Junaidi Noh Dosen Program Study Teknik Informatika
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab ini membahas teori penunjang yang berhubungan dengan penerapan metode average-based fuzzy time series pada sistem peramalan jumlah penjualan distributor telur. 2.1 Peramalan Peramalan
Lebih terperinciPERAMALAN INFLASI DENGAN METODE WEIGHTED FUZZY TIME SERIES
PERAMALAN INFLASI DENGAN METODE WEIGHTED FUZZY TIME SERIES Dwi Ayu Lusia 1, Suhartono 2 1 Mahasiswa Program Sarjana, Jurusan Statistika FMIPA-ITS (1307 100 013), 2 Dosen Pembimbing, Jurusan Statistika
Lebih terperinciPERAMALAN CADANGAN DEVISA INDONESIA MENGGUNAKAN METODE GRUP VARIASI FUZZY
PERAMALAN CADANGAN DEVISA INDONESIA MENGGUNAKAN METODE GRUP VARIASI FUZZY oleh MARISA RAMDHAYANTI M0110054 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains
Lebih terperinciANALISIS METODE FIRST ORDER AND TIME INVARIANT MODEL UNTUK PERAMALAN HARGA SAHAM
ANALISIS METODE FIRST ORDER AND TIME INVARIANT MODEL UNTUK PERAMALAN HARGA SAHAM Reny Fitri Yani 1, Luh Kesuma Wardhani 2, Febi Yanto 3 Jurusan Teknik Informatika, Fakultas Sains dan Teknologi Universitas
Lebih terperinciPERBANDINGAN METODE RUNTUN WAKTU FUZZY-CHEN DAN DI INDONESIA
PERBANDINGAN METODE RUNTUN WAKTU FUZZY-CHEN DAN FUZZY-MARKOV CHAIN UNTUK MERAMALKAN DATA INFLASI DI INDONESIA SKRIPSI Disusun Oleh : LINTANG AFDIANTI NURKHASANAH NIM. 24010211120004 JURUSAN STATISTIKA
Lebih terperinciABSTRACT. Keywords : rainfall, forecasting, fuzzy time series seasonal method
ABSTRAK Risqa Fitrianti Khoiriyah. 2016. PERAMALAN CURAH HUJAN DI STASIUN PABELAN SUKOHARJO DENGAN METODE RUNTUN WAKTU FUZZY MUSIMAN. Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Sebelas
Lebih terperinciPengujian Metode Fuzzy Time Series Chen dan Hsu Untuk Meramalkan Nilai Indeks Bursa Saham Syariahh Di Jakarta J Islamic Index (JII)
Pengujian Metode Fuzzy Time Series Chen dan Hsu Untuk Meramalkan Nilai Indeks Bursa Saham Syariahh Di Jakarta J Islamic Index (JII) Rizkaa Zulfikar, Prihatini Ade`Mayvita 1,2) Universitas Islam Kalimantan
Lebih terperinciKata Kunci: Peramalan; metode Automatic Clustering And Fuzzy Logic Relationship Markov Chain;MAPE. 1. PENDAHULUAN
ISSN: 2528-463 PERAMALAN JUMLAH PENDAFTAR MAHASISWA BARU STMIK DUTA BANGSA SURAKARTA MENGGUNAKAN METODE AUTOMATIC CLUSTERING AND FUZZY LOGIC RELATIONSHIP MARKOV CHAIN Nurmalitasari¹ ), Sri Sumarlinda²
Lebih terperincioleh LILIS SETYORINI NIM. M SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
PERAMALAN JUMLAH PEMINAT PROGRAM STUDI MATEMATIKA FMIPA UNS MENGGUNAKAN RUNTUN WAKTU FUZZY PADA PENENTUAN INTERVAL DENGAN METODE BERBASIS RATA-RATA DAN PENGELOMPOKAN OTOMATIS oleh LILIS SETYORINI NIM.
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 terperinciPERBANDINGAN MODEL CHEN DAN MODEL CHENG PADA ALGORITMA FUZZY TIME SERIES UNTUK PREDIKSI HARGA BAHAN POKOK
PERBANDINGAN MODEL CHEN DAN MODEL CHENG PADA ALGORITMA FUZZY TIME SERIES UNTUK PREDIKSI HARGA BAHAN POKOK Arif Fadhillah Mahasiswa Jurusan Teknik Informatika, Fakultas Teknik, Universitas Maritim Raja
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 terperinciPENERAPAN MODEL WINTER RUNTUN WAKTU FUZZY TERBOBOT UNTUK MERAMALKAN BANYAKNYA PENUMPANG DI BANDARA INTERNASIONAL JUANDA SURABAYA
PENERAPAN MODEL WINTER RUNTUN WAKTU FUZZY TERBOBOT UNTUK MERAMALKAN BANYAKNYA PENUMPANG DI BANDARA INTERNASIONAL JUANDA SURABAYA oleh ANWAR SETYO UTOMO M0109012 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciPENERAPAN MODEL WINTER RUNTUN WAKTU FUZZY TERBOBOT UNTUK MERAMALKAN BANYAKNYA PENUMPANG DI BANDARA INTERNASIONAL JUANDA SURABAYA
PENERAPAN MODEL WINTER RUNTUN WAKTU FUZZY TERBOBOT UNTUK MERAMALKAN BANYAKNYA PENUMPANG DI BANDARA INTERNASIONAL JUANDA SURABAYA oleh ANWAR SETYO UTOMO M0109012 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciImplementasi Metode Fuzzy Time Series Cheng untuk prediksi Kosentrasi Gas NO2 Di Udara
Jurnal Sistem Informasi Bisnis 07(2017) On-line : http://ejournal.undip.ac.id/index.php/jsinbis 17 Implementasi Metode Fuzzy Time Series Cheng untuk prediksi Kosentrasi Gas NO2 Di Udara M Yoka Fathoni
Lebih terperinciLEMBAR PENGESAHAN PERNYATAAN ABSTRAK...
DAFTAR ISI LEMBAR PENGESAHAN PERNYATAAN ABSTRAK... i KATA PENGANTAR... ii UCAPAN TERIMA KASIH... iv DAFTAR ISI... vi DAFTAR TABEL... viii DAFTAR GAMBAR... ix DAFTAR SIMBOL... x BAB I PENDAHULUAN... 1 1.1
Lebih terperinciKOMPARASI KINERJA FUZZY TIME SERIES DENGAN MODEL RANTAI MARKOV DALAM MERAMALKAN PRODUK DOMESTIK REGIONAL BRUTO BALI
E-Jurnal Matematika Vol 3 (3), Agustus 04, pp. - ISSN: 303-75 KOMPARASI KINERJA FUZZY TIME SERIES DENGAN MODEL RANTAI MARKOV DALAM MERAMALKAN PRODUK DOMESTIK REGIONAL BRUTO BALI I Made Arya Antara, I Putu
Lebih terperinciPresentasi Sidand Tesis
HASIL DAN PEMBAHASAN 26 SISTEM DINAMIK (1) (2) T(t) = Populasi sel kanker pada saat t N(t) = Populasi sel normal pada saat t I(t) = Populasi sel kekebalan tubuh pada saat t Dengan Kondisi Awal T(0)=T0;
Lebih terperinciPREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)
PREDIKSI HARGA SAHAM PT. BRI, MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average) Greis S. Lilipaly ), Djoni Hatidja ), John S. Kekenusa ) ) Program Studi Matematika FMIPA UNSRAT Manado
Lebih terperinciPrediksi Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Menggunakan Fuzzy Time Series
Prediksi Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Menggunakan Fuzzy Time Series Arfinda Setiyoutami a, Wiwik Anggraeni b, Renny Pradina Kusumawardani c Jurusan Sistem Informasi
Lebih terperinciHASIL DAN ANALISIS DATA. Berikut ini adalah data penjualan besi Wiremesh selama 4 tahun berturutturut.
BAB 5 HASIL DAN ANALISIS DATA 5.1 Penyajian Data Penelitian Berikut ini adalah data penjualan besi Wiremesh selama 4 tahun berturutturut. Data berikut merupakan data aktual untuk diramalkan penjualannya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Metode Peramalan Peramalan (forecasting) adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah situasi atau kondisi yang
Lebih terperinciPERAMALAN PERSENTASE PERUBAHAN DATA INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN FUZZY TIME SERIES
PERAMALAN PERSENTASE PERUBAHAN DATA INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN FUZZY TIME SERIES Endah Puspitasari 1, Lilik Linawati 2, Hanna Arini Parhusip 3 1,2,3 Progam Studi Matematika Fakultas Sains
Lebih terperinciFUZZY TIME SERIES MARKOV CHAIN DALAM MERAMALKAN HARGA SAHAM
FUZZY TIME SERIES MARKOV CHAIN DALAM MERAMALKAN HARGA SAHAM Nurmalia Rukhansah 1, Much Aziz Muslim 2, Riza Arifudin 3 1 Jurusan Matematika, FMIPA, Universitas Negeri Semarang 2,3 Jurusan Ilmu Komputer,
Lebih terperinciJURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: A-403
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 201-9271 A-0 Implementasi Fuzzy Neural Network untuk Memperkirakan Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Ani Rahmadiani dan Wiwik
Lebih terperinciBAB III PEMBAHASAN. harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017.
BAB III PEMBAHASAN Data yang digunakan dalam bab ini diasumsikan sebagai data perkiraan harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017. Dengan demikian dapat disusun model Fuzzy
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Relasi antara himpunan barisan dari data lalu diukur berdasarkan waktu untuk meramal nilai masa depan, di investigasi dengan peramalan time series, banyak alat statistika
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Dalam pembahasan ini dikaji mengenai nilai ekspektasi saham pada jatuh tempo, persamaan nilai portofolio, penentuan model Black-Scholes harga opsi beli tipe Eropa,
Lebih terperinciMETODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN
METODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN Peramalan kuantitatif hanya dapat digunakan apabila terdapat
Lebih terperinciPERAMALAN KONSUMSI GAS INDONESIA MENGGUNAKAN ALGORITMA FUZZY TIME SERIES STEVENSON PORTER Muh. Hasbiollah 1, RB. Fajriya Hakim 2
PERAMALAN KONSUMSI GAS INDONESIA MENGGUNAKAN ALGORITMA FUZZY TIME SERIES STEVENSON PORTER Muh. Hasbiollah 1, RB. Fajriya Hakim 2 1 Mahasiswa Jurusan Statistika Fakultas MIPA Universitas Islam Indonesia
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 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 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 terperinciPEMODELAN DATA TIME SERIES DENGAN METODE BOX-JENKINS
PEMODELAN DATA TIME SERIES DENGAN METODE BOX-JENKINS Rais 1 1 Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Tadulako, email: rais76_untad@yahoo.co.id Abstrak Metode Box-Jenkins
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 terperinciPERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 110 117 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
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 terperinciKata kunci: perubahan harga bahan bakar minyak, IHSG, fuzzy time series, soft computing, MAPE
IMPLEMENTASI METODE FUZZY TIME SERIES TERHADAP DAMPAK PERUBAHAN HARGA BAHAN BAKAR MINYAK (BBM) PADA INVESTASI SAHAM (STUDI PERISTIWA: SAHAM PADA IHSG DI BURSA EFEK INDONESIA) Budi Karyo Utomo Sistem Informasi,
Lebih terperinciJurnal MIPA 38 (2) (2015): Jurnal MIPA.
Jurnal MIPA 38 (2) (2015): 186-196 Jurnal MIPA http://journal.unnes.ac.id/nju/index.php/jm PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN METODE FUZZY TIME SERIES MARKOV CHAIN Y Aristyani 1 E Sugiharti
Lebih terperinciPREDIKSI INDEKS HARGA SAHAM MENGGUNAKAN KOMBINASI ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) DAN TIME VARIANT FUZZY TIME SERIES (TVFTS)
ISSN : 255-965 e-proceeding of Engineering : Vol.2, No.2 Agustus 205 Page 684 PREDIKSI INDEKS HARGA SAHAM MENGGUNAKAN KOMBINASI ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) DAN TIME VARIANT FUZZY TIME SERIES
Lebih terperinciAnalisis dan Peramalan Kepadatan Jalan Raya Kodya Malang dengan FTS Average Based
14 Analisis dan Peramalan Kepadatan Jalan Raya Kodya Malang dengan FTS Average Based Anggri Sartika Wiguna Abstrak -Kemacetan saat ini menjadi persoalan serius di Kodya Malang. Berbagai penelitian yang
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 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 terperinciPERAMALAN DATA PRODUK DOMESTIK BRUTO DENGAN FUZZY TIME SERIES MARKOV CHAIN
PERAMALAN DATA PRODUK DOMESTIK BRUTO DENGAN FUZZY TIME SERIES MARKOV CHAIN Maria Titah Jatipaningrum Jurusan Statistika, Fakultas Sains Terapan Institut Sains & Teknologi AKPRIND Yogyakarta titahjp@akprind.ac.id
Lebih terperinciFebriyanto, S.E., M.M.
METODE PERAMALAN PERMINTAAN Metode bebas (freehand method) Metode setengah ratarata (semi average method) Metode ratarata bergerak (moving average method) Metode kwadrat terkecil (least quares method)
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 III METODE PENELITIAN
BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian dilakukan di Bursa Efek Indonesia untuk periode tahun 2010 sampai dengan tahun 2012, waktu penelitian ini direncanakan mulai bulan Februari
Lebih terperinciAplikasi Metode Fuzzy pada Peramalan Jumlah Wisatawan Australia ke Bali
Aplikasi Metode Fuzzy pada Peramalan Jumlah Wisatawan Australia ke Bali I Putu Eka Nila Kencana 1, IBK. Puja Arimbawa K. 2 1 Laboratorium Fuzzy Jurusan Matematika FMIPA UNUD, i.putu.enk@gmail.com 2 Program
Lebih terperinciBAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan
BAB II LANDASAN TEORI 2.. Logika Fuzzy Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh, 965 orang Iran yang menjadi guru besar di University of California at Berkeley dalam papernya yang monumental
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan (Forecasting) Peramalan merupakan suatu usaha untuk meramalkan keadaan di masa mendatang melalui pengujian keadaan masa lalu. Esensi peramalan adalah perkiraan peristiwa-peristiwa
Lebih terperinciPEMODELAN DAN PERAMALAN INDEKS HARGA SAHAM VECTOR AUTOREGRESSIVE EXOGENOUS (VARX)
PEMODELAN DAN PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG), JAKARTA ISLAMIC INDEX (JII), DAN HARGA MINYAK DUNIA BRENT CRUDE OIL MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE EXOGENOUS (VARX) SKRIPSI Disusun
Lebih terperinciPERAMALAN KURS RUPIAH TERHADAP DOLAR DENGAN METODE BERBASIS RATA-RATA FUZZY TIME SERIES MARKOV CHAIN FUJI KURNIA NINGSIH
PERAMALAN KURS RUPIAH TERHADAP DOLAR DENGAN METODE BERBASIS RATA-RATA FUZZY TIME SERIES MARKOV CHAIN FUJI KURNIA NINGSIH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciAnis Nur Aini, Sugiyanto, dan Siswanto Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret Surakarta
MENDETEKSI KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR SIMPANAN BANK, NILAI TUKAR RIIL, DAN NILAI TUKAR PERDAGANGAN Anis Nur Aini, Sugiyanto,
Lebih terperinciOptimasi Fuzzy Time Series Menggunakan Algoritme Particle Swarm Optimization untuk Peramalan Nilai Pembayaran Penjaminan Kredit Macet
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 6, Juni 2018, hlm. 2364-2373 http://j-ptiik.ub.ac.id Optimasi Fuzzy Time Series Menggunakan Algoritme Particle Swarm
Lebih terperinciDAFTAR ISI. ABSTRAK...ii. KATA PENGANTAR...iv. DAFTAR TABEL...xi. DAFTAR GAMBAR...xiii BAB I PENDAHULUAN Latar Belakang...
DAFTAR ISI ABSTRAK...ii KATA PENGANTAR...iv DAFTAR TABEL...xi DAFTAR GAMBAR...xiii BAB I PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...4 1.3 Batasan Masalah...5 1.4 Tujuan Penelitian...6
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 terperinciSKRIPSI. Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer ( S.Kom ) Pada Program Studi Teknik Informatika
PERBANDINGAN METODE DOUBLE EXPONENTIAL SMOOTHING DAN FUZZY TIME SERIES PADA PERAMALAN PENJUALAN SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer ( S.Kom ) Pada Program
Lebih terperinciBAB 1 PENDAHULUAN. Sebagai pembuka dari penulisan skripsi, pada bab ini berisikan hal-hal yang
BAB 1 PENDAHULUAN Sebagai pembuka dari penulisan skripsi, pada bab ini berisikan hal-hal yang langsung berkaitan dengan penelitian meliputi latar belakang masalah, rumusan masalah, pembatasan masalah,
Lebih terperinciBAB III METODE PENELITIAN. buku-buku, internet serta laporan yang tercatat melalui website
53 BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilakukan dengan mencari dan mengumpukan data yang berhubungan dengan masalah penelitian ini baik dari sumber dokumen atau buku-buku,
Lebih terperinciPENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. APPLICATION OF ARIMA TO FORECASTING STOCK PRICE OF PT. TELOKM Tbk.
PENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. Djoni Hatidja ) ) Program Studi Matematika FMIPA Universitas Sam Ratulangi, Manado 955 email: dhatidja@yahoo.com ABSTRAK Penelitian ini
Lebih terperinciModel Average Based FTS Markov Chain untuk Peramalan Penggunaan Bandwidth Jaringan Komputer
31 Model Average Based FTS Markov Chain untuk Peramalan Penggunaan Bandwidth Jaringan Komputer Junaidi Noh, Wijono, dan Erni Yudaningtyas Abstract This paper discusses the problem of modeling the computer
Lebih terperinciFUZZY TIME SERIES CHEN ORDE TINGGI UNTUK MERAMALKAN JUMLAH PENUMPANG DAN KENDARAAN KAPAL (Studi Kasus: PT ASDP Indonesia Ferry (Persero) Cabang Merak)
FUZZY TIME SERIES CHEN ORDE TINGGI UNTUK MERAMALKAN JUMLAH PENUMPANG DAN KENDARAAN KAPAL (Studi Kasus: PT ASDP Indonesia Ferry (Persero) Cabang Merak) TUGAS AKHIR =-0 Ella Tasia Febriana 14 611 019 PROGRAM
Lebih terperinciPRINCIPAL COVARIATE REGRESSION PADA DATA RUNTUN WAKTU
PRINCIPAL COVARIATE REGRESSION PADA DATA RUNTUN WAKTU Nuruma Nurul Malik 1, Fevi Novkaniza 2 Departemen Matematika FMIPA UI, Depok Email korespondensi : fevi.novkaniza@sci.ui.ac.id Abstrak Pada suatu data
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 terperinciPERBANDINGAN TINGKAT AKURASI METODE AUTOMATIC CLUSTERING, AVERAGE BASED, DAN MARKOV CHAIN FUZZY TIME SERIES PADA NILAI TUKAR (KURS) RUPIAH
PERBANDINGAN TINGKAT AKURASI METODE AUTOMATIC CLUSTERING, AVERAGE BASED, DAN MARKOV CHAIN FUZZY TIME SERIES PADA NILAI TUKAR (KURS) RUPIAH Skripsi disusun sebagai salah satu syarat untuk memperoleh gelar
Lebih terperinciPEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU SULAWESI TENGAH
JIMT Vol. 12 No. 2 Desember 2016 (Hal 149-159) ISSN : 2450 766X PEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU SULAWESI TENGAH 1 Y. Wigati, 2 Rais, 3 I.T.
Lebih terperinciPREDIKSI TINGKAT SUKU BUNGA BANK INDONESIA (BI RATE) BERDASARKAN DATA FUZZY TIME SERIES
PREDIKSI TINGKAT SUKU BUNGA BANK INDONESIA (BI RATE) BERDASARKAN DATA FUZZY TIME SERIES PREDIKSI TINGKAT SUKU BUNGA BANK INDONESIA (BI RATE) BERDASARKAN DATA FUZZY TIME SERIES ABSTRAK Oleh : Wulan Anggraeni
Lebih terperinciPrediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA
Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA Jeine Tando 1, Hanny Komalig 2, Nelson Nainggolan 3* 1,2,3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)
PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR) SKRIPSI Oleh : PRISKA RIALITA HARDANI 24010211120020 DEPARTEMEN STATISTIKA FAKULTAS
Lebih terperinciPERBANDINGAN METODE RUNTUN WAKTU FUZZY-CHEN DAN FUZZY- MARKOV CHAIN UNTUK MERAMALKAN DATA INFLASI DI INDONESIA
ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 015, Halaman 917-96 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN METODE RUNTUN WAKTU FUZZY-CHEN DAN FUZZY- MARKOV CHAIN
Lebih terperinciPENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT TELKOMSEL Divre 3 SURABAYA
SISTEM PENDUKUNG KEPUTUSAN PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT TELKOMSEL Divre 3 SURABAYA Alda Raharja - 5206 100 008! Wiwik Anggraeni, S.Si, M.Kom! Retno
Lebih terperinci