Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini membahas secara rinci mengenai alternatif penerapan Model auto regressive integrated moving average (ARIMA) dalam melakukan forecasting terhadap trafik. Model ARIMA dapat digunakan dalam rangka mengurangi deviasi yang sangat besar antara anggaran dan realisasi. Model penganggaran yang digunakan saat ini adalah menggunakan metode judgmental yang mengandalkan keahlian manajer atau Top Management dalam menentukan target RKAP. Terbatasnya keahlian manajer dalam menentukan target anggaran tesebut mengakibatkan deviasi yang besar antara target dan anggaran. Penelitian ini menyarankan kepada Manajemen untuk mengimplementasikan penggunaan model ARIMA dalam melakukan forecasting terhadap trafik maupun variabel lain dalam RKAP.

---

This study discusses in detail the alternative application of the auto regressive integrated moving average (ARIMA) Model in the conduct of the traffic forecasting. ARIMA model can be used in order to reduce the very large deviations between budget and actual. Budgeting models in use today are using judgmental methods that rely on managers or top management expertise in determining the target (RKAP). Limited expertise of managers in determining proficiency level budget targets resulted in a large deviation between the target and budget. This study suggests the management to implement the use of ARIMA models in the conduct of the traffic forecasting and other variables in the RKAP."

"

Seiring dengan meningkatnya taraf hidup dan konsumsi masyarakat di Indonesia, permintaan produk Fast Moving Consumer Goods (FMCG) pun mengalami peningkatan khususnya produk FMCG pada kategori Nutrisi. Hal ini tentunya menjadi potensi keuntungan bagi perusahaan jika bisa memanfaatkan kondisi dengan baik. Untuk mengoptimalkan potensi yang ada, perusahaan perlu memastikan bahwa produknya bisa menjangkau masyarakat luas dengan tepat waktu, hal ini perlu didukung oleh rencana produksi yang baik. Hal utama yang menjadi acuan perusahaan memproduksi sebuah produk adalah peramalan permintaan di waktu yang akan datang. Peramalan akan menjadi acuan perusahaan untuk menentukan seberapa banyak produk yang harus diproduksi dalam kurun waktu tertentu. Peramalan yang baik akan membantu perusahaan untuk meningkatkan keuntungan dan meminimalisasi kerugian yang timbul akibat kesalahan dalam perhitungan produksi. Selain peramalan, perusahaan pun perlu menentukan jumlah safety stock dan reorder point untuk membantu perusahaan dalam memastikan bahwa stok yang dimiliki bisa terus memenuhi permintaan pasar.

---

Along with the increasing standard of living and public consumption in Indonesia, the demand for Fast Moving Consumer Goods (FMCG) products has also increased, especially for FMCG products in the Nutrition category. This is a great potential profit for the company if it can take the advantages of the conditions properly. To optimize the potential that exists, companies need to ensure that their products can reach the wider community at the right time, this needs to be supported by a good production plan. The main thing that becomes a reference for producing a product is forecasting demand in the future. Forecasting will be a reference for the company to determine how many products must be produced within a certain time. Good forecasting will help companies to increase profits and minimize losses arising from errors in production calculations. In addition to forecasting, companies also need to determine the amount of safety stock and reorder points to help companies ensure that their stock can continue to meet market demand.

"

"ABSTRAKPada dasarnya terdapat dua macam faktor yang dapat mempengaruhi kinerja dan pasarmodal yaitu faktor ekonomi dan faktor politik. Walaupun tidak memiliki hubungan secaraIangsung, faktor politik juga mempunyai peranan yang cukup signifikan dalam menentukankinerja dan pasar modal. Penelitian yang dilakukan kali ini berbentuk event study, dimana peristiwa yang dipilihadalah peristiwa pencabutan fasilitas mobnas oleh pemerintah pada tanggal 15 Januari 1998dimana segala hak ekslusif yang dimiliki PT. Timor Putra Nasional dalam hal pembebasanpajak bea cukai. Strategi umum yang digunakan dalam event study adalah mengihitungabnormal return yang dihasilkan selama periode peristiwa, dan abnormal return yangdihasilkan akan diuji apakah memang memiliki pengaruh yang cukup signifikan. Periode penelitian yang digunakan terdiri dari 2 periode waktu, yaitu periode estimasidan periode peristiwa. Periode estimasi adalah periode selama 261 hari bursa sebelum periodeperistiwa. Sedangkan untuk periode peristiwa adalah mulai tanggal 1 Januari 1998 sampaidengan tanggal 29 Januari 1998 (21 hari bursa). Periode peristiwa terdiri dari 10 hari bursasebelum peristiwa (pre event) yaitu mulai tanggal 1 Januari 1998 sampai dengan 14 Januari1998, dan 10 hari bursa setelah peristiwa (post event) yaitu dan tanggal 16 Januari 1998sampai dengan tanggal 29 Januari 1998. Pemilihan sampel yang dilakukan oleh peneliti adalahmelihat saham-saham yang tergabung dalam industri otomotif dan komponennya yang terdiridari 11 saham yang diperdagangkan pada saat itu. Untuk penelitian tahap awal dilakukan pencarian bentuk stasioner masing-masingsaham, kemudian dari hasil ini dilakukan penelitian dengan mencari model regresi masingmasing saham dengan menggunakan 2 permodelan yaitu dengan menggunakan model ARIMAdan model ARCH/GARCH. Hasil akhir yang didapat dari permodelan tersebut menghasilkan4 saham model regresi yang signifikan (dapat memenuhi a=5%) yaitu saham ADMG. sahamGJTL, saham LPIN dan saham SMSM. Dari hasil masing-masing permodelan regresi tersebut dilakukan forecast sehingga darihasil forecast tersebut didapat saham proyeksi. Selisih saham proyeksi dari saham aktualdinamakan abnormal return. Penelitian dilanjutkan dengan melakukan pengolahan data secara matematis terhadaphasil masing-masing hasil forecast dan kedua permodelan tersebut, dimana kita mencaribentuk Cummulative Abnormal Return dan Standardized Abnormal Return, dari hasil CARmasing-masing saham diplot ke dalam gambar untuk mengetahui pergerakan CAR masingmasing saham tersebut selama periode event. Hasil dari plot kedua permodelan tersebut diketahui bahwa rata-rata saham tersebutmengalami kebocoran informasi sebelum tanggal event, dimana CAR tertihat bergerak ke sisinegatif yang berarti reaksi pasar negatif terhadap kebijakan pencabutan mobnas olehpemerintah. Untuk analisa individu masing-masing saham diketahui saham ADMG mulaimelakukan pergerakan pada tn, dimana pergerakan CAR saham ini berbentuk seperti anaktangga yang mengalami pergerakan ke sisi negatif yang lebih besar. Saham GJTL mengalami pergerakan CAR pada t9 dirnana saham ini bereaksi negatifterhadap kebijakan pencabutan fasilitas mobnas baik sebelum maupun sesudahnya. Untuk saham LPIN megalami pergerakan negatif pada t9 hingga pada 1 hari sebelumtanggal event, dimana pada t0 saham mengalami kenaikan hingga CAR mencapai positif.tetapi pada t+4 mengalami penurunan yang besar sehingga CAR mencapai titik negatifkembali. Saharn SMSM memiliki kecenderungan berada di sisi negatif baik sebelumpengumuman maupun setelah pengumuman dimana tampak saham ini mengalami beberapakali rebound walaupun pada akhir periode even tampak tidak dapat mencapai titik ekuilibriumkembali. Hasil penelitian yang dilakukan terhadap kedua hasil permodelan tersebut dapat diketahui dengan mempergunakan perhitungan equality of Mean dari masing-masing permodelan, didapat bahwa probabilitas yang dihasilkan diatas 5% yang berarti menerima hipotesis nol (H0) mengenai adanya kualitas data yang dimiliki antara permodelan ARIMA dengan permodelan ARCH/GARCH adalah sama."

"ABSTRAKSuhu permukaan, merupakan salah satu unsur meteorologi dan klimatologi yang memegang peranan penting. Informasi temperatur yang disampaikan haruslah akurat. Informasi suhu secara realtime dapat digunakan untuk sistem monitoring lingkunga, penelitian di bidang meteorologi dan klimatologi, dan pekerjaan teknis seperti perencanaan dan produksi terkait energi surya. Untuk dapat memberikan informasi suhu spasial secara realtime, perlu dilakukan analisa kinerja terhadap model yang digunakan.Analisa kinerja model dilakukan terhadap metode pengisian data kosong, model prediksi time-series dan model interpolasi spasial terhadap suhu maksimum harian di Pulau Jawa. Perbandingan pengisian data kosong dilakukan antara metode nilai rata-rata dengan metode spasial co-Kriging. Perbandingan model timeseries untuk prediksi suhu maksimum untuk satu hari kedepan dengan metode ANFIS, Wavelet ANFIS dan ARIMA. Sedangkan interpolasi spasial membandingkan metoda Ordinary Kriging dengan Ordinary Co-Kriging dengan DEM sebagai data sekunder. Kinerja diukur dengan membandingkan nilai error, yaitu RMSE dan ME yang membandingkan antara hasil prediksi dengan nilai observasinya.Hasil pengisian data kosong, metode nilai rata-rata lebih baik dari interpolasi spasial. Hasil prediksi stime-series metode Wavelet ANFIS memiliki kinerja terbaik, selanjutnya ANFIS dan terakhir Arima. Sedangkan secara spasial hasil interpolasi ANFIS terhadap observasi antara metode Kriging dan CoKriging, didapatkan bahwa kedua metode secara general mengandung error di lokasi yang sama.

---

ABSTRACTTemperature is one of important meteorogy and climatology parameter. Accurate information about the future temperature for all region in Indonesia is essential. Real-time information on temperature is useful for environmental monitoring system and researches in meteorology and climatology as well as engineering works such as planning for solar energy production. For these purposes accurate information on the future temperature for all region in Indonesia is essential. However, spatial real-time prediction for temperature in all Indonesia region is not available. Analysis of performance of temperature prediction models therefore is required.This study aims to compare method for imputation missing value, model prediction and spatial analysis. Average value method and Co-Kriging was compare in imputation missing value. ANFIS, Wavelet ANFIS and ARIMA are compare to predict daily maximum temperature in Java. The best model is selected based on its RMSE and ME values. For spatial analysis, this model prediction result is interpolated using Kriging and CoKriging.The results show that the performance of average value is better than CoKriging, Wavelet ANFIS-based model is better than the two other models whereas both Kriging and CoKriging interpolation methods show identical spatial error."

"This paper compares three models of econometric analysis on economy, in this case the Indonesian economy. The regression models are the two stage least squares (2SLS) which has a strong support from the economic theory of aggregate expenditure, the Vector Error Correction (VEC) and Autoregressive Integrated Moving Average (ARIMA) which both comes from the time series analysis, that do not have to be economic time series. The study tries to find out which are most suitable in analyzing the time series of Indonesian economy. After all the estimation and comparison process, we finally agree that the use of those different methods must be sinchronized with the purpose of the user's study of the economic time series."

"Pada 2014, Presiden Jokowi menargetkan swasembada kedelai akan terjadi pada tahun2018 sebagai upaya untuk mengurangi ketidakpastian dan kerentanan pada pasar kedelai. Melalui metode 2SLS dan ARIMA, studi ini ingin melihat pencapaian pemenuhan swasembada kedelai domestik pada 2018 beserta mengetahi faktor-faktor yang mempengaruhi produksi dan konsumsi keselai dalam negeri. Haasilnya menunjukkan bahwa juatru produksi kedelai di Indonesia cenderung menurun sebesar 9% pada 2017 dan 4% pada 2018. Dengan peramalan jumlah konsumsi yang stagnan, maka rasio swasembada menurun menjadi 30% saja pada tahun 2018. Oleh karena target swasembada yang diprediksi tidak akan tercapai, peneliti ini juga menyuguhkan alternatif kebijakan seperti peningkatan luas area panen, meningkatkan harga impor kedelai, dan peningkatan harga produksi kedelai. Alternatif ini menghasilkan nilai prediksi yang positif untuk dapat menggenjot peningkatan jumlah produksi secara signifikan. Penelitian ini juga bersaha untuk mengkaji lagi program swasembada yang sebenarnya sudah pernah dicanangkan oleh pemerintah sebelumnya dan tidak pernah tercapai. Apabila Indonesia masih memaksa untuk dapt mencapai swasembada kedelai pada 2018 maka luas panen ataupun produktivitas harus ditingkatkan hingga dua kali lipat.

---

This undergraduate thesis focuses on predict the achievement of soybean self sufficiency program in Indonesia at 2018. By the combined method, 2SLS and ARIMA, this study wants to look the achievement of the self sufficiency in Indonesia by counting the mass of domestic production and consumption. As the result shown, the mass of soybean domestic production decreased by 9 in 2017 and 4 in 2018 along with the decline in soybean price import. With the consumption result predictions that tends to shown stagnancy value, then the self sufficiency ratio decreases to only 0.3 in 2018. If Indonesia still wants to achieve this program, the writer suggest that the harvest area or the productivity should be doubled."

"Peramalan permintaan LPG untuk rumah tangga di Indonesia dimana masyarakatnya menggunakan sumber energi tersebut sebagai komoditi utama dalam aktifitas memasak merupakan salah satu bagian terpenting yang digunakan oleh para pengambil keputusan dalam merencanakan sebuah kebijakan. Dalam studi awal rantai pasokan selalu mengedepankan sisi permintaan dalam menentukan langkah perencanaan selanjutnya, termasuk dalam perencanaan pengelolaan LPG di Indonesia. Kodisi saat ini dimana dengan semakin meningkatnya konsumsi LPG ditengah dominasi impor dan tantangan geografis dalam distribusi, seringkali terjadi deviasi antara perencanaan dan realisasi. Hal tersebut berdampak pada aspek biaya dan operasional dilapangan. PT Pertamina (Persero) sebagai perusahaan yang diberi penugasan, dituntut untuk dapat menjalankan bisnis secara effektif dan efisien. Dimana salah satu untuk mencapai tujuan tersebut adalah dengan melakukan estimasi yang lebih akurat mengenai permintaan LPG kedepan supaya dapat dijadikan referensi untuk perencanaan pengelolaan LPG. Tujuan penelitian ini adalah melakukan analisis konsumsi LPG untuk memperoleh model peramalan yang lebih baik dan akurat guna memproyeksikan kebutuhan LPG bulanan di Indonesia. Oleh karena itu, dilakukan analisis data realisasi konsumsi bulanan LPG sektor rumah tangga nasional mulai tahun 2015-2020 dengan menggunakan salah satu metode time series forcasting yaitu Autoregressive Integrated Moving Average (ARIMA). Hasilnya penelitian menunjukkan model yang diperoleh yaitu Sessional ARIMA (1,1,1)(1,1,1)12 mempunyai tingkat keakurasian yang sangat signifikan dengan nilai parameter akurasi MAPE (mean absolute percentage error) yang dihasilkan 1.7% dan MSE (mean square error) yang rendah sehingga termasuk dalam kriteria model yang mempunyai kemampuan peramalan yang sangat baik.

---

Forecasting LPG demand for households in Indonesia, where people use this energy source as the primary commodity in cooking activities, is one of the most important parts of planning a policy. In the initial study, the supply chain always prioritizes the demand side in determining the next planning step, including planning for LPG management in Indonesia. However, the current condition is that with the increasing consumption of LPG amid the dominance of imports and geographical challenges in distribution, there is often a deviation between planning and realization. The impact of this situation is cost and operational aspects in the field. Therefore, PT Pertamina (Persero), as the company assigned the task, is required to be able to run the business effectively and efficiently. One way to achieve this goal is to make a more accurate estimate of future LPG demand so that it can be used as a reference for LPG management planning. Therefore, this study analyzes LPG consumption to obtain a better and more accurate forecasting model to project monthly LPG demand in Indonesia. Thus, analyzing the monthly LPG consumption realization data for the national household sector from 2015-2020 was carried out using one of the time series forecasting methods, namely the Autoregressive Integrated Moving Average (ARIMA). The results showed that the model obtained is Sessional ARIMA (1,1,1)(1,1,1)12 had a very significant level of accuracy with the MAPE accuracy parameter value (mean absolute percentage error) the resulting 1.7% and MSE (mean square error) is low, so it is included in the criteria of a model that has excellent forecasting ability."

"This paper is the result of the rain attenuation research, especially the results of ARIMA modeling of tropical rain attenuation in thr design of 28 GHZ millimeter wave communication system. Data acquasition is done on the link distance of 56.4 meters on Electrical campus ITS Surabaya. Data acquisition was recorded using the device every 1 second. The data obtained are processed using an ARIMA (p,d,q) model. The process aims to obtain a time series model. Validation process in done by comparing the ARIMA model result with measurements and attenuation model of ITU - R P.838-3. From 6 events that obtained in February 2009 concluded that all events can be approached by ARIMA (0,1,1) model. ARIMA (0,1,1) model can be used to generate rain attenuation data."

"Setiap perusahaan yang menggunakan valuta asing dalam kegiatan operasionalnya akan terkena dampak foreign exchange exposure. Resiko ini dapat dikelola dengan menggunakan lindung nilai (hedging). Namun dalam melakukan hedging, tidak selamanya perusahaan dapat meminimalkan kerugian atau memaksimalkan keuntungan. Disinilah teknik peramalan berperan agar perusahaan dapat mengambil keputusan kapan harus melakukan hedging. Teknik yang dimaksud adalah autoregressive integrated moving average (ARIMA). Peramalan menggunakan jumlah sampel data kecil menghasilkan mean forecast error terendah dibandingkan jumlah sampel data besar. Perbandingan kebijakan hedging menggunakan forward contract menunjukkan bahwa hasil peramalan ARIMA dapat dijadikan dasar pengambilan keputusan dalam memaksimalkan cash flows perusahaan.

---

Each company that uses foreign currency in operational activities could be affected by foreign exchange exposure. They can manage these risks by using hedging. However, there's no guarantee the company will always reduce its loss or increase its profit. Sometimes, what happened is the opposite one. This is where the forecasting technique needed so the company may know when to do hedging. The technique is autoregressive integrated moving average (ARIMA). Smaller sample data amount will generate lower mean forecast error compare to use bigger sample data. Hedging policy comparison using forward contract shows that ARIMA forecast results could be used for decision making to maximize company's cash flows."