Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tulisan ini membahas metode peramalan dengan pendekatan model runtun waktu Box-Jenkins yang merupakan proses pengembangan dari kombinasi proses Autofegresive (AR) dan proses Moving Average (MA) untuk runtun waktu tidak stasioner menjadi proses Autoregresive Integrated Moving Average (ARIMA). Pembahasan dimulai dengan unsur-unsur yang merupakan konsep analisa runtun waktu Box-Jenkins yaitu : Analisa runtun waktu stasioner dan tidak stasioner, Fungsi Autokovariansi, Fungsi Autokorelasi, Fungsi Autokorelasi parsial, Operator Back—Shift, dan Operator Diferensi. Dilanjutkan dengan menerangkan langkah-langkah penentuan model peramalan dengan metode runtun waktu Box-Jenkins yaitu : Identifikasi model, Estimasi parameter, dan Verifikasi."

"Tugas akhir ini membahas metode runtun waktu Box-Jenkins untuk data musiman. Metode ini merupakan salah satu metode peramalaan di mana variabel bebas dan variabel tak bebasnya hanya berdasarkan waktu dan tidak tergantung pada variabel lain yang mempengaruhinya. Dengan metode ini, secara iterasi akan dicari model peramalan terbaik dan suatu data yang tersedia melalui tahap identifikasi, estimasi dan diagnostic cheking. Dari model terbaik, dapat diramalkan keadaan data untuk beberapa waktu mendatang."

"ABSTRAKKondisi ekonomi yang fluktuatif dan kompleksitas dari aktivitas industri perbankan menyebabkan ketatnya kondisi likuiditas pada industri tersebut tahun 2013. Hal tersebut menyebabkan Bank X Syariah harus menerapkan manajeman likuiditas yang optimal untuk menjaga kondisi likuiditasnya. Tesis ini menganalisis demand dan supply likuiditas di Bank X Syariah. Tujuan dari penelitian ini adalah untuk melihat upaya yang dilakukan oleh Bank X Syariah dalam mengelola supply likuiditas untuk memenuhi demand likuiditas selama periode penelitian (2010-2014) dan melihat kemampuan supply likuiditas memenuhi demand likuiditas dua tahun kedepan (2015-2016). Metode Box- Jenkins dengan model ARIMA digunakan untuk menganalisis kemampuan supply memenuhi demand likuiditas tahun 2015-2016. Hasil penelitian menunjukkan bahwa Bank X Syariah mampu memenuhi seluruh demand likuditas melalui upaya borrowing di Pasar Uang Antar Bank Syariah (PUAS) dengan menggunakan instrumen Sertifikat Mudharabah Antarbank (SIMA) untuk memenuhi demand likuiditas pada saat kondisi likuiditas sedang ketat. Supply likuiditas yang dimiliki oleh Bank X Syariah dua tahun kedepan (2015-2016) dinilai telah mampu untuk memenuhi seluruh demand likuiditas.

---

ABSTRACTThe fluctuation in economic condition and the complexity of banking industry activities has led to tigh liquidity conditions in the year 2013. In order to meet the liquidity needs, Bank X Syariah should apply optimal liquidity management to maintain sustainable liquidity condition. This thesis analyzes the demand and supply of liquidity at Bank X Syariah. The purpose of this study is to observe the efforts made by Bank X Syariah in managing the supply of liquidity to meet liquidity demand during the research period (2010-2014) and to observe the ability of liquidity supply to meets the demand liquidity for the next two years (2015-2016). Box-Jenkins method with ARIMA model was used to analyze the ability of the supply to meets the demand in 2015-2016. The results showed that the Bank X Syariah used borrowing through Sharia Interbank Money Market (PUAS) using Mudharabah Interbank Certificate instrument (SIMA) to meet the demand of liquidity when the liquidity conditions were tight. Based on the assessment done, Bank X Syariah has adequate liquidity to meet the liquidity supply and demand for the next two years (2015-2016)."

"Peramalan produksi di masa mendatang sangat penting di dalam proses evaluasi pada industri minyak dan gas bumi. ARPS Decline Curve adalah metode ini mudah untuk digunakan tetapi ketidak pastian parameternya sulit untuk diprediksi..."

"This article attempts to socialize Box-Jenkins method (ARIMA model) for forecasting. Steps in using the method are model identification, estimation, diagnostic checking (testing) and forecasting. It also introduces variation of the method such as ARIMA which consider seasonal factor (SARIMA model) and combination between regression and ARIMA model (MARMA model). In the last part, It shows how to forecast composite stock price index in Jakarta Stock Exchange and nominal exchange rate of Rupiah per US dollar using the method."