DAFTAR ISI ABSTRAK... KATA PENGANTAR... UCAPAN TERIMA KASIH... DAFTAR ISI... DAFTAR TABEL... DAFTAR GAMBAR... DAFTAR LAMPIRAN...

dokumen-dokumen yang mirip
BAB II TINJAUAN PUSTAKA

METODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015

PETUNJUK PRAKTIKUM MATAKULIAH : METODE RUNTUN WAKTU

BAB I PENDAHULUAN. berasal dari sumber tetap yang terjadinya berdasarkan indeks waktu t secara

BAB III PEMBAHARUAN PERAMALAN. Pada bab ini akan dibahas tentang proses pembaharuan peramalan.

II. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya

PEMODELAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE PADA DATA REDAMAN HUJAN DI SURABAYA. Nur Hukim

TINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang

Metode Deret Berkala Box Jenkins

BAB I PENDAHULUAN. Tidak ada yang dapat memberikan jaminan atau kepastian tentang apa

BAB 2 LANDASAN TEORI

Metode Box - Jenkins (ARIMA)

BAB II LANDASAN TEORI

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI. datang. Kegunaan dari peramalan terlihat pada saat pengambilan keputusan.

PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA

PERBANDINGAN UJI PORTMANTEAU UNTUK KORELASI DIRI SISAAN PADA MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) KURNIA SEKAR NEGARI

BAB 2. Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang

BAB 2 LANDASAN TEORI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. untuk mendapatkan sebuah hasil yang optimal, sementara terdapat selang

FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Model Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan

BAB III MODEL STATE-SPACE. dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan dari

IMPLEMENTASI METODE BOX-JENKINS UNTUK MEMPREDIKSI HARGA MINYAK DUNIA DAN PENGARUHNYA TERHADAP HARGA MINYAK INDONESIA

LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU. Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins

SBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n

BAB II LANDASAN TEORI

BAB IV ANALISIS DAN PEMBAHASAN

PERAMALAN PEMAKAIAN ENERGI LISTRIK DI MEDAN DENGAN METODE ARIMA

Pemodelan ARIMA Non- Musim Musi am

BAB III UJI STATISTIK PORTMANTEAU DALAM VERIFIKASI MODEL RUNTUN WAKTU

HALAMAN PERSETUJUAN PEMBIMBING...iii. HALAMAN PENGESAHAN...iv. HALAMAN PERSEMBAHAN... vi. KATA PENGANTAR... viii. DAFTAR ISI... x. DAFTAR TABEL...

ARIMA and Forecasting

PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP

Peramalam Jumlah Penumpang Yang Berangkat Melalui Bandar Udara Temindung Samarinda Tahun 2012 Dengan Metode ARIMA BOX-JENKINS

BAB I PENDAHULUAN. Aplikasi Arima Dan Arfima Pada Data Kondentrasi Balck Carbon Partikulat Udara Halus PM2,5 Di Daerah Lembang Bandung

PENERAPAN METODE BOX-JENKINS UNTUK PERAMALAN PENCEMARAN UDARA OLEH PARAMETER KARBON MONOKSIDA (CO) DI KOTA PEKANBARU TUGAS AKHIR.

Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia. Oleh : Pomi Kartin Yunus

PERBANDINGAN MODEL ARCH/GARCH MODEL ARIMA DENGAN MODEL FUNGSI TRANSFER

PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS

BAB 3 SMOOTH TRANSITON AUTOREGRESSIVE. waktu nonlinear yang merupakan perluasan dari model Autoregressive (AR).

ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG

BAB 2 LANDASAN TEORI

BAB III METODE PENELITIAN. merupakan suatu proses, mencari kebenaran dan menghasilkan kebenaran.

PERAMALAN HASIL PRODUKSI ALUMINIUM BATANGAN PADA PT INALUM DENGAN METODE ARIMA

PERAMALAN PRODUKSI PADI DI KABUPATEN KAMPAR DENGAN METODE BOX-JENKINS TUGAS AKHIR. Oleh :

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

KOMBINASI PROSEDUR PEMODELAN SUBSET ARIMA DAN DETEKSI OUTLIER UNTUK PREDIKSI DATA RUNTUN WAKTU

ANALISIS POLA HUBUNGAN PEMODELAN ARIMA CURAH HUJAN DENGAN CURAH HUJAN MAKSIMUM, LAMA WAKTU HUJAN, DAN CURAH HUJAN RATA-RATA

PERAMALAN NILAI EKSPOR DI PROPINSI SUMATERA UTARA DENGAN METODE ARIMA BOX-JENKINS

III. METODE PENELITIAN

EFEKTIVITAS METODE BOX-JENKINS DAN EXPONENTIAL SMOOTHING UNTUK MERAMALKAN RETRIBUSI PENGUJIAN KENDARAAN BERMOTOR DISHUB KLATEN

Nomor Kode : MT 524. : Pendidikan Matematika (NONDIK)/S-1. : STATDAS dan STATMAT-I : Dra Entit Puspita, M.Si

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Teknologi informasi telah berkembang dengan relatif pesat. Di era

MATA KULIAH METODE RUNTUN WAKTU. Oleh : Entit Puspita Nip

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

III. METODOLOGI PENELITIAN

Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer

Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah

BAB II LANDASAN TEORI. nonstasioneritas, Autocorrelation Function (ACF) dan Parsial Autocorrelation

Seasonal ARIMA adalah model ARIMA yang mengandung faktor musiman.

PERAMALAN CURAH HUJAN DI KECAMATAN BANGKINANG BARAT KABUPATEN KAMPAR MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR

PREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)

PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH

BAB II LANDASAN TEORI

4 BAB IV HASIL PEMBAHASAN DAN EVALUASI. lebih dikenal dengan metode Box-Jenkins adalah sebagai berikut :

DAFTAR ISI. HALAMAN JUDUL. i. LEMBAR PERSETUJUAN ii LEMBAR PENGESAHAN. iii LEMBAR PERNYATAAN.. iv

PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010

Artikel Ilmiah. Peneliti : Auditya Gianina Bernadine Amaheka ( ) Michael Bezaleel Wenas, S.Kom., M.Cs.

BAB III METODE PENELITIAN

BAB I PENDAHULUAN. Dalam kehidupan sehari-hari, seringkali dijumpai data dari suatu kejadian

BAB II LANDASAN TEORI

PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)

Prediksi Harga Saham dengan ARIMA

ANALISIS DATA TIME SERIES DALAM MERAMALKAN HARGA SAHAM PT INDOFOOD SUKSES MAKMUR TBK DENGAN METODE ARIMA MENGGUNAKAN SOFTWARE EVIEWS

PEMODELAN RETURN SAHAM PERBANKAN MENGGUNAKAN EXPONENTIAL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (EGARCH)

PERAMALAN NILAI TUKAR PETANI PROVINSIJAWA TENGAH DENGAN METODE DERET BERKALA ARIMA BERBANTUANSOFTWARE MINITAB 16

PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR HARGA MINYAK

BAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT

PREDIKSI INDEKS HARGA SAHAM GABUNGAN DENGAN MODEL AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY SKRIPSI. Oleh : INA YULIANA J2A

PERAMALAN VOLATILITAS MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY IN MEAN (GARCH-M)

BAB II KAJIAN PUSTAKA. dicatat, atau diobservasi sepanjang waktu secara berurutan. Periode waktu dapat

BAB III METODE PENELITIAN

ESTIMASI PARAMETER BOOTSTRAP PADA PROSES ARMA DAN APLIKASINYA PADA HARGA SAHAM

Aplikasi Metode Box-Jenkins dalam Memprediksi Pertumbuhan Perdagangan Luar Negeri Provinsi Riau

II. TINJAUAN PUSTAKA. Time series merupakan serangkaian observasi terhadap suatu variabel yang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR

BAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara

MODEL FORECASTING WISATAWAN MANCANEGARA KE PROVINSI RIAU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR. Oleh : SALAM ALI WIRADINATA S

PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR RASIO CADANGAN INTERNASIONAL TERHADAP M2 (UANG BEREDAR)

ANALISIS TIME SERIES PRODUK DOMESTIK REGIONAL BRUTO PROVINSI JAWA TIMUR DENGAN METODE ARIMA BOX-JENKINS DAN INTERVENSI

PEMODELAN ARIMA DAN DETEKSI OUTLIER DATA CURAH HUJAN SEBAGAI EVALUASI SISTEM RADIO GELOMBANG MILIMETER

PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI ABSTRAK

VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE

PEMODELAN ARIMA DAN DETEKSI OUTLIER DATA CURAH HUJAN SEBAGAI EVALUASI SISTEM RADIO GELOMBANG MILIMETER

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA

KETERSEDIAAN JAGUNG BERDASARKAN PERAMALAN PRODUKSI DAN PRODUKTIVITASNYA DI TENGAH PERSAINGAN PENGGUNAAN LAHAN DI INDONESIA

Transkripsi:

DAFTAR ISI Halaman ABSTRAK... KATA PENGANTAR... UCAPAN TERIMA KASIH... DAFTAR ISI... DAFTAR TABEL... DAFTAR GAMBAR... DAFTAR LAMPIRAN... i ii iii v ix x xi BAB I PENDAHULUAN... 1 1.1 Latar Belakang Masalah... 1 1.2 Rumusan Masalah... 4 1.3 Batasan masalah... 5 1.4 Tujuan Penulisan... 5 1.5 Manfaat Penulisan... 6 1.5.1 Manfaat Teoritis... 6 1.5.2 Manfaat Praktis... 6 1.6 Sistematika Penulisan... 6 BAB II LANDASAN TEORI... 8 2.1 Konsep Dasar Runtun Waktu... 8

2.1.1 Runtun Waktu Dan Proses Stokastik... 8 2.1.2 Stasioneritas... 9 2.1.3 Fungsi Autokovariansi... 10 2.1.4 Fungsi Autokorelasi Dan Fungsi Autokorelasi Parsial... 11 2.1.4.1 Fungsi Autokorelasi... 11 2.1.4.2 Fungsi Autokorelasi Parsial... 11 2.1.5 Proses White Noise... 12 2.2 Model-Model Runtun Waktu Box-Jenkins Stasioner... 13 2.2.1 Proses Autoregressive (AR(p))... 13 2.2.2 Proses Moving Average (MA(q))... 14 2.2.3 Proses Autoregressive Moving Average (ARMA(p,q))... 15 2.3 Model-Model Runtun Waktu Box-Jenkins Nonstasioner... 16 2.3.1 Diferensi (Penyelisihan)... 17 2.3.2 Model-Model ARIMA... 17 2.3.2.1 Proses ARI(1,1)... 18 2.3.2.2 Proses IMA(1,1)... 18 2.3.2.3 Proses ARIMA(p,d,q)... 18 2.4 Pembentukan Model Runtun Waktu Box-Jenkins... 19 2.4.1 Identifikasi Model... 19 2.4.2 Estimasi Parameter Dalam Model... 19 2.4.3 Verifikasi Model... 20

BAB III UJI STATISTIK PORTMANTEAU DALAM VERIFIKASI MODEL RUNTUN WAKTU 22 3.1 Uji Portmanteau Ljung-Box (Q LB )... 23 3.2 Uji Portmanteau Monti (Q MT )... 24 3.3 Uji Portmanteau Peña-Rodríguez D m... 24 BAB IV STUDI KASUS... 28 4.1 Penghitungan Tiga Uji Statistik Portmanteau... 28 4.2 Data Bangkitan... 29 4.2.1 Pencocokan Dengan Model MA(1)... 30 4.2.2 Pencocokan Dengan Model AR(1)... 32 4.3 Data Pencampur Produksi Bahan Bakar Minyak Distilasi... 34 4.3.1 Pemeriksaan Kestasioneran Data... 35 4.3.2 Identifikasi Model... 36 4.3.3 Estimasi Parameter... 38 4.3.4 Verifikasi Model... 41 4.3.5 Pencocokan Dengan Model MA(2)... 43 BAB V KESIMPULAN DAN SARAN... 46 5.1 Kesimpulan... 46 5.2 Saran... 47 DAFTAR PUSTAKA... 48

LAMPIRAN-LAMPIRAN... 50 RIWAYAT HIDUP... 91

DAFTAR TABEL Halaman Tabel 4.1 Nilai Autokorelasi Residual Model MA (1)... 30 Tabel 4.2 Nilai Autokorelasi Parsial Residual Model MA (1)... 30 Tabel 4.3 Nilai Q LB, dan D m Untuk Residual Model MA(1)... 31 Tabel 4.4 Nilai P value untuk Q LB, dan D m Pada Residual Model MA(1)... 31 Tabel 4.5 Nilai Autokorelasi Residual Model AR (1)... 32 Tabel 4.6 Nilai Autokorelasi Parsial Residual Model AR(1)... 33 Tabel 4.7 Nilai Q LB, dan D m Untuk Residual Model AR(1)... 33 Tabel 4.8 Nilai P value untuk Q LB, dan D m Pada Residual Model MA(1)... 33 Tabel 4.9 Nilai Q LB, dan D m Untuk Model AR(1)... 41 Tabel 4.10 Nilai P value untuk Q LB, dan D m Pada Model AR(1)... 42 Tabel 4.11 Nilai Autokorelasi Residual Model MA (2)... 43 Tabel 4.12 Nilai Autokorelasi Parsial Residual Model MA (2)... 43 Tabel 4.13 Nilai Q LB, dan D m Untuk Residual Model MA(2)... 44 Tabel 4.14 Nilai P value untuk Q LB, dan D m Pada Residual Model MA(2)... 45

DAFTAR GAMBAR Halaman Gambar 4.1 Plot Data Pencampur Produksi Bahan Bakar Minyak Distilasi... 35 Gambar 4.2 Plot Fungsi Autokorelasi Data Plot Data Pencampur Produksi Bahan Bakar Minyak Distilasi... 36 Gambar 4.3 Plot Fungsi Autokorelasi Parsial Data Pencampur Produksi Bahan Bakar Minyak Distilasi... 37

DAFTAR LAMPIRAN Halaman Lampiran 1 Pembuktian Teorema 3.3.1... 51 Lampiran 2 Teorema Cramer-Wold... 53 Lampiran 3 Data Runtun Waktu Hasil Pembangkitan dengan model AR(2)... 54 Lampiran 4 Data pencampur produksi bahan bakar minyak distilasi periode 4 Juni 2010 sampai dengan 27 April 2012... 56 Lampiran 5 Syntax software R 2.4.0 untuk membangkitkan data runtun waktu terhadap model AR(2) yaitu Z t = 0,285Z t 1 + 0,36Z t 2 + a t... 58 Lampiran 6 Syntax software R 2.4.0 untuk pencocokan dengan model ARMA... 59 Lampiran 7 Syntax software R 2.4.0 untuk menghitung fak dan fakp residual... 60 Lampiran 8 Syntax software R 2.4.0 untuk menghitung fak dan fakp residual yang distandarkan... 61 Lampiran 9 Syntax software R 2.4.0 untuk menghitung uji portmanteau Ljung-Box Q LB... 62 Lampiran 10 Syntax software R 2.4.0 untuk menghitung uji portmanteau Monti Q MT... 63

Lampiran 11 Syntax software R 2.4.0 untuk menghitung uji portmanteau Peña-Rodríguez D m... 64 Lampiran 12 Syntax software R 2.4.0 untuk menghitung peluang distribusi Chi-Kuadrat dari uji portmanteau Ljung-Box Q LB atau uji portmanteau Monti Q MT... 65 Lampiran 13 Syntax software R 2.4.0 untuk menghitung peluang distribusi Gamma dari uji portmanteau Peña-Rodríguez D m... 66 Lampiran 14 Output software R 2.4.0 untuk menghitung fak residual yang dicocokan dengan model MA(1)... 67 Lampiran 15 Output software R 2.4.0 untuk menghitung fakp residual yang dicocokan dengan model MA(1)... 68 Lampiran 16 Output software R 2.4.0 untuk menghitung uji portmanteau Ljung-Box Q LB dari data yang dicocokan dengan model MA(1)... 69 Lampiran 17 Output software R 2.4.0 untuk menghitung uji portmanteau Monti Q MT dari data yang dicocokan dengan model MA(1)... 70 Lampiran 18 Output software R 2.4.0 untuk menghitung uji portmanteau Peña-Rodríguez D m dari data yang dicocokan dengan model MA(1)... 71

Lampiran 19 Output software R 2.4.0 untuk menghitung peluang distribusi Chi-Kuadrat dari uji portmanteau Ljung-Box Q LB dari data yang dicocokan dengan model MA(1)... 72 Lampiran 20 Output software R 2.4.0 untuk menghitung peluang distribusi Chi-Kuadrat dari uji portmanteau Monti Q MT dari data yang dicocokan dengan model MA(1)... 73 Lampiran 21 Output software R 2.4.0 untuk menghitung peluang distribusi Gamma dari uji portmanteau Peña-Rodríguez D m dari data yang dicocokan dengan model MA(1)... 74 Lampiran 22 Output software R 2.4.0 untuk menghitung fak residual yang dicocokan dengan model AR(1)... 75 Lampiran 23 Output software R 2.4.0 untuk menghitung fakp residual yang dicocokan dengan model AR(1)... 76 Lampiran 24 Output software R 2.4.0 untuk menghitung uji portmanteau Ljung-Box Q LB dari data yang dicocokan dengan model AR(1)... 77 Lampiran 25 Output software R 2.4.0 untuk menghitung uji portmanteau Monti Q MT dari data yang dicocokan dengan model AR(1)... 78 Lampiran 26 Output software R 2.4.0 untuk menghitung uji portmanteau Peña-Rodríguez D m dari data yang dicocokan dengan model AR(1)... 79

Lampiran 27 Output software R 2.4.0 untuk menghitung peluang distribusi Chi-Kuadrat dari uji portmanteau Ljung-Box Q LB dari data yang dicocokan dengan model AR(1)... 80 Lampiran 28 Output software R 2.4.0 untuk menghitung peluang distribusi Chi-Kuadrat dari uji portmanteau Monti Q MT dari data yang dicocokan dengan model AR(1)... 81 Lampiran 29 Output software R 2.4.0 untuk menghitung peluang distribusi Gamma dari uji portmanteau Peña-Rodríguez D m dari data yang dicocokan dengan model AR(1)... 82 Lampiran 30 Output software R 2.4.0 untuk menghitung fak residual data pencampur produksi bahan bakar minyak distilasi yang dicocokan dengan model AR(1)... 83 Lampiran 31 Output software R 2.4.0 untuk menghitung fakp residual data pencampur produksi bahan bakar minyak distilasi yang dicocokan dengan model AR(1)... 84 Lampiran 32 Output software R 2.4.0 untuk menghitung uji portmanteau Ljung-Box Q LB data pencampur produksi bahan bakar minyak distilasi yang dicocokan dengan model AR(1)... 85 Lampiran 33 Output software R 2.4.0 untuk menghitung uji portmanteau Monti Q MT data pencampur produksi bahan bakar minyak distilasi yang dicocokan dengan model AR(1)... 86

Lampiran 34 Output software R 2.4.0 untuk menghitung uji portmanteau Peña-Rodríguez D m data pencampur produksi bahan bakar minyak distilasi yang dicocokan dengan model AR(1)... 87 Lampiran 35 Output software R 2.4.0 untuk menghitung peluang distribusi Chi-Kuadrat dari uji portmanteau Ljung-Box Q LB data pencampur produksi bahan bakar minyak distilasi yang dicocokan dengan model AR(1)... 88 Lampiran 36 Output software R 2.4.0 untuk menghitung peluang distribusi Chi-Kuadrat dari uji portmanteau Monti Q MT data pencampur produksi bahan bakar minyak distilasi yang dicocokan dengan model AR(1)... 89 Lampiran 37 Output software R 2.4.0 untuk menghitung peluang distribusi Gamma dari uji portmanteau Peña-Rodríguez D m data pencampur produksi bahan bakar minyak distilasi yang dicocokan dengan model AR(1)... 90