BAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel

dokumen-dokumen yang mirip
BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

BAB 2 LANDASAN TEORI

BAB II TINJAUAN TEORITIS

DAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Studi Aplikasi Model Intervensi dengan Step Function)

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

BAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

BAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan

Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline ABSTRAK

Analisis Model dan Contoh Numerik

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

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

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan

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

ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI

Sekilas Pandang. Modul 1 PENDAHULUAN

BAB 2 LANDASAN TEORI

KAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN

B a b 1 I s y a r a t

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa

Relasi LOGIK FUNGSI AND, FUNGSI OR, DAN FUNGSI NOT

ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG

Penentuan Pelebaran Window Time Optimal Pada Data Deret Waktu

III. METODE PENELITIAN

Analisis Rangkaian Listrik Di Kawasan s

RANK DARI MATRIKS ATAS RING

x 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr.

BAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan

BAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*

BAB 2 TINJAUAN TEORI

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

Abstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN

Bab IV Pengembangan Model

Faradina GERAK LURUS BERATURAN

PREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED

PENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI

1.4 Persamaan Schrodinger Bergantung Waktu

IDENTIFIKASI POLA DATA TIME SERIES

Fungsi Bernilai Vektor

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB 3 METODOLOGI PEMECAHAN MASALAH

BAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu

Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk

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

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

BAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai

PERHITUNGAN PARAMETER DYNAMIC ABSORBER

PERSAMAAN GERAK VEKTOR SATUAN. / i / = / j / = / k / = 1

BAB 3 LANDASAN TEORI

DAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Studi Aplikasi Model Intervensi dengan Step Function) 1

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

Integral dan Persamaan Diferensial

BAB II TINJAUAN PUSTAKA. mempunyai efek menekan atau menghentikan suatu proses biokimia di dalam

HIDDEN MARKOV MODEL. Proses Stokastik dapat dipandang sebagai suatu barisan peubah acak dengan T adalah parameter indeks dan X

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

*Corresponding Author:

BAB 4 METODOLOGI PENELITIAN

I. PENDAHULUAN II. LANDASAN TEORI

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

PERTEMUAN 2 KINEMATIKA SATU DIMENSI

Minggu 4 RATA-RATA BERGERAK DAN EXPONENTIAL SMOOTHING. Peramalan Data Time Series

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 2 LANDASAN TEORI

Model ARIMAX Dan Deteksi GARCH Untuk Peramalan Inflasi Kota Denpasar Tahun 2014

Pemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network

Bab II Dasar Teori Kelayakan Investasi

BAB II PERTIDAKSAMAAN CHERNOFF

Bab 2 Landasan Teori

III KERANGKA PEMIKIRAN

PENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK.

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

(T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES

I PENDAHULUAN II LANDASAN TEORI

Darpublic Nopember 2013

BAB II LANDASAN TEORI. Pada bab ini akan dibahas dasar-dasar teori yang akan digunakan

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih populasi.

BAB II TEORI DASAR ANTENA

BAB 2 LANDASAN TEORI. Pengangguran atau tuna karya merupakan istilah untuk orang yang tidak mau bekerja

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

ESTIMASI MODEL UNTUK DATA DEPENDEN DENGAN METODE CROSS VALIDATION. Oleh: Tarno Program Studi Statistika FMIPA UNDIP Semarang

Analisis Rangkaian Listrik Di Kawasan Waktu

FISIKA. Kelas X GLB DAN GLBB K13 A. GERAK LURUS BERATURAN (GLB)

PENGEMBANGAN MODEL PREDIKSI OLR-MJO BERBASIS HASIL ANALISIS MODEL STATISTIK BOX-JENKINS (ARIMA)

PENGARUH PANJANG DAN LEBAR DATA DEBIT HISTORIS PADA KINERJA MODEL PEMBANGKITAN DATA DEBIT SUNGAI BRANTAS DENGAN METODE ARIMA

BAB 5 HASIL DAN PEMBAHASAN. Disini tujuan akhir yang ingin dicapai penulis adalah pembuatan suatu aplikasi

IV METODE PENELITIAN

Metode Regresi Linier

BAB 3 LANDASAN TEORI. peramalan, jenis-jenis peramalan, langkah-langkah peramalan, pemilihan teknik dan

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

BAB II TINJAUAN PUSTAKA

Bab 8 Fisika Inti dan Radioaktivitas

Bab 5 Penaksiran Fungsi Permintaan. Ekonomi Manajerial Manajemen

BAB 4 ANALISIS DAN PEMBAHASAN

Transkripsi:

BAB III ANALISIS INTERVENSI 3.1. Pendahuluan Analisis inervensi dimaksudkan unuk penenuan jenis respons variabel ak bebas yang akan muncul akiba perubahan pada variabel bebas. Box dan Tiao (1975) elah menunjukkan respons impuls pada variabel ak bebas unuk berbagai ipe perubahan. Variabel inervensi sering disebu variabel eksernal (kejadian eksernal), dan ujuan uama dari analisis inervensi adalah unuk mengukur pengaruh dari inervensi (Box dan Tiao, 1975). Misalkan daa..., Z 1, Z, Z+ 1,... adalah daa dere waku yang diperoleh pada seiap inerval waku yang sama, dan dapa dibenuk model umum : z = f ( κ, ξ, ) + N (3.1) z = F( Z ) (3.2) dengan: z = ransformasi Z seperi log Z,( ) 1 2 Z aau Z iu sendiri f ( κ, ξ, ) = pengaruh dari waku, pengaruh dari variable eksernal ξ, aau dapa juga disebu inervensi N = komponen noise κ = himpunan parameer yang erdiri dari ω dan δ dengan ω, δ adalah komponen dari model dinamik

27 Pada Analisis Inervensi erdapa dua ahap, yaiu: ahap pembenukan model noise dan ahap pembenukan model dinamik. Jika model noise sudah erbenuk maka dapa dibenuk model dinamik. 3.2. Model Noise Sebelum pembahasan model inervensi, erlebih dahulu akan dienukan model unuk daa sebelum erjadinya inervensi yang disebu dengan model noise. Dimisalkan bahwa model noise N = z f ( κ, ξ, ) dimodelkan berdasarkan proses Auoregressive Moving Average aau meode Box-Jenkins seperi pada bagian 2.6. 3.3. Model Dinamik Model dinamik pengaruh dari variabel eksernal ξ dibenuk melalui formula sebagai beriku: k k j { j j } ij (3.3) f ( ω, δ, ξ, ) = Z = ω ( B) / δ ( B) ξ j= 1 j= 1 s dengan ω j ( B) = ω0 ω1b L ωsb dan δ j ( B) = δ0 δ1b L δ rb Variabel yang menjadi inervensi bernilai 0 sebagai noasi dari waku yang idak mengandung inervensi aau bernilai 1 sebagai noasi dari waku yang mengandung inervensi. Secara umum erdapa dua macam variabel inervensi, yaiu sep funcion dan pulse funcion. Sep funcion adalah suau benuk inervensi yang erjadinya dalam kurun waku yang panjang. Benuk inervensi sep funcion dalam sebuah r

28 conoh kasus dianaranya adalah mulai kebijakan baru dieapkan sampai kebijakan ersebu idak berlaku lagi. Secara maemaik, benuk inervensi sep funcion ini biasanya dinoasikan sebagai beriku: S 0, 1, < T T (3.4) dimana T adalah waku mulainya erjadi inervensi. Sedangkan pulse funcion adalah suau benuk inervensi yang erjadinya hanya dalam suau waku erenu. Secara maemaik, benuk inervensi pulse funcion ini biasanya dinoasikan sebagai beriku: 0, P 1, T = T (3.5) dimana T adalah waku erjadi inervensi. Respons yang mungkin muncul pada jenis inervensi sep dan pulse, dianaranya: 1. Pengaruh (impac) inervensi yang idak dikeahui b periode seelah inervensi. Pengaruh ini berganung pada jenis inervensinya yaiu: B S b ω (3.6) aau B P b ω (3.7) 2. Pengaruh (impac) inervensi yang dirasakan b periode seelah inervensi, namun responsnya berahap. Pengaruh ini berganung pada jenis inervensinya yaiu:

29 ωb b ( 1 δ B) S (3.8) aau ωb b ( 1 δ B) P (3.9) Keempa persamaan di aas yaiu persamaan (3.6), (3.7), (3.8), (3.9) dapa dikombinasikan sesuai dengan karaerisik inervensi pada daa (Wei, 2006). Unuk lebih jelasnya prosedur dalam analisis inervensi sebagai beriku: Daa Idenifikasi Srukur Daa Pembenukan Model Noise Pembenukan Model Dinamik: Sep Funcion Pulse Funcion Kombinasi Peramalan Gambar 3.1 Diagram Prosedur dalam Analisis Inervensi

30 Jika waku dan penyebab inervensi idak dikeahui, maka ermasuk kedalam Time Series Ouliers. Orang perama yang mempelajari Time Series Ouliers adalah Fox (1972). Terdapa dua jenis Time Series Ouliers yaiu Addiive Ouliers dan Innovaional Ouliers. Model Addiive Ouliers (AO) didefinisikan sebagai beriku: Z X, T X + ω, = T (3.10) = X + ωi (3.11) = a + ω I (3.12) dengan X = a dan I 1, 0, = T T Model Innovaional Ouliers (IO) didefinisikan sebagai beriku: Z = X + ωi (3.13) = ( a + ω I ) (3.14)