Hasil Pencarian  ::  Simpan CSV :: Kembali

"Harga saham selalu berfluktuasi setiap waktu. Hal ini merupakan salah satu bentuk ketidakpastian yang terjadi di pasar saham. Risiko akibat dari ketidakpastian ini dapat diminimalisir dengan peramalan harga saham yang dibentuk dengan model linier. Salah satu model linier yang dapat digunakan dalam peramalan harga saham adalah model hybrid ARFIMA-GARCH. Model ini merupakan gabungan dari model ARFIMA dan model GARCH yang sudah pernah digunakan oleh penelitian sebelumnya dan disinyalir memiliki kekurangan dan kelebihan masing-masing. Model ARFIMA baik digunakan untuk peramalan jangka panjang, namun memiliki kendala, yakni adanya volatilitas yang terjadi dalam jangka panjang. Hal ini dapat diatasi oleh model GARCH yang baik digunakan dalam volatilitas pada harga saham dalam jangka panjang. Model GARCH merupakan pengembangan dari model Autoregressive Conditional Heterocedastic (ARCH), di mana model ini menggunakan volatilitas pada data sebelumnya. Berikutnya, model ARFIMA dan GARCH yang digabungkan menjadi model hybrid ARFIMA-GARCH akan digunakan pada penelitian ini untuk peramalan harga saham LQ45. Pada penelitian ini, hanya dua saham dari indeks saham LQ45 yang akan diprediksi harga sahamnya, yakni saham dengan volatilitas harga terkecil dan terbesar. Data harga saham yang digunakan adalah harga penutupan harian saham BBCA (PT Bank Central Asia Tbk.) dan TKIM (PT Tjiwi Kimia Paper Factory Tbk.) pada periode tahun 2017-2021. Hasil peramalan dengan model ARFIMA-GARCH akan dievaluasi nilai erornya menggunakan Root Mean Square Error dan Mean Absolute Percentage Error. Berikutnya, nilai akurasi ini akan dibandingkan dengan nilai akurasi peramalan menggunakan model ARFIMA. Pada akhirnya, diperoleh hasil bahwa peramalan harga saham dengan model ARFIMA-GARCH lebih baik dibandingkan dengan model ARFIMA.

---

Stock price always fluctuate all the time. This is one form of buffer that occurs in the stock market. The risk resulting from this buffer can be minimized by forecasting stock prices using linear model. One of the linear model that can be used in stock price forecasting is the hybrid ARFIMA-GARCH model. This model is a combination of the ARFIMA model and GARCH model which have been used in previous studies and allegedly each models have advantages and disadvantages. ARFIMA model is good for long-term forecasting, but has a problem, which is the volatility that occurs in the long term. This can be resolved by GARCH model which is good for volatility in stock prices, even for a long term data. GARCH model is a development of Autoregressive Conditional Heterocedastic (ARCH) model, where this model uses volatility in previous data. Furthermore, the ARFIMA and GARCH models are combined into the hybrid ARFIMA-GARCH model which will be used in this study for forecasting LQ45 stock prices. In this study, only two stock prices from LQ45 stock index that will be forecast, stocks which have the smallest and largest price volatility. The price data used is the daily closing price of BBCA (PT Bank Central Asia Tbk.) and TKIM (PT Tjiwi Kimia Paper Factory Tbk.) in 2017- 2021. The ARFIMA-GARCH model forecasting results will be evaluated by using the Root Mean Square Error and Mean Absolute Percentage Error. Next, this error accuracy value will be compared with the forecasting accuracy value using ARFIMA model. In the end, our hypothesis is that the stock price forecasting with ARFIMA-GARCH model is better than ARFIMA model."

"PERTAMINA telah ditunjuk oleh Pemerintah sebagai satu-satunya badan usaha yang melaksanakan produksi pelumas guna memenuhi kebutuhan pelumas nasional melalui Keppres No. 18 tahun 1988. Untuk itu PERTAMINA telah membangun tiga Lube Oil Blending Plant di Jakarta, Cilacap dan Surabaya. Berbeda dengan tugas PERTAMINA untuk menyelenggarakan pelayanan bahan bakar minyak (BBM), yang bersifat nir laba, pelayanan pelumas bersifat menguntungkan.Sejalan dengan era persaingan bebas, monopoli tersebut akan segera berakhir dan PERTAMINA harus siap bersaing dengan pasar global. Oleh karenanya Manajemen telah memberikan perhatian kepada bisnis pelumas agar lebih profesional dan efisien.Sumber ketidakefisienan bisnis pelumas PERTAMINA salah satunya bersumber pada pengelolaan persediaan yang belum profesional. Hal ini tampak pada tingginya frekuensi stockout dan overstock persediaan yang berakibat tingginya biaya pengelolaan persediaan. Untuk mencari solusi ketidakefisienan, diperlukan evaluasi pada sistem perencanaan dan pengendalian material produksi. Sebagai obyek penelitian dipilih LOBP Cilacap.Perusahaan manufaktur saat ini menerapkan sistem Manufacturing Resource Planning (MRP II) sebagai alat dalam mengelola persediaan material produksi. Berkaitan dengan permasalahan yang terjadi di LOBP Cilacap, akan dicoba diterapkan secara teoritis MRP II tersebut di LOBP serta dievaluasi pengaruhnya terhadap biaya pengelolaan persediaan pada periode waktu produksi yang sama.

---

PERTAMINA is the only company, which is assigned by the government to produce lube oil to fulfill national necessity of lube oil. The assignment is expressed by Keppres no. 18 / 1988. For that reason PERTAMINA built three Lube Oil Blending Plant in Jakarta, Cilacap and Surabaya. This assignment is different to the assignment in national fuel oil services, where in the fuel oil services PERTAMINA gets no profit, but lube oil business is profitable.Together with free market era, the protection for PERTAMINA will be ended soonest and PERTAMINA must be ready to compete with the global market. Facing this competition, PERTAMINA management has been giving more attention to this business to improve its professionalism and efficiency.One of this business inefficiency comes from the less of professionalism in managing the inventory. This is shown in the inaccurate of inventory, where the frequency of shortage and overstock is too high. This will be increasing the inventory cost or production cost at the end. To solve this problem, it is needed to evaluate the existing inventory planning and controlling system and comparing to the appropriate theory. Cilacap tube oil blending plant is chose as the object of this research.At this recent time, manufacturing company applies Manufacturing Resource Planning (MRP II) as tool of inventory management Related with the problem facing in Cilacap blending plant, it will be tried to implement MRP Il theoretically. As the goals of this research, the implementation of MRP II will be compared to the existing inventory management and will be evaluated its influence."

"ABSTRAKPeningkatan jumlah kendaraan di Indonesia terbilang cukup tinggi dari tahun ke tahun memiliki dampak pada berbagai aspek seperti kemacetan, polusi udara, kecelakaan lalu lintas dll. Penelitian ini bertujuan untuk mendapatkan model terbaik dan hasil peramalan untuk pertumbuhan kendaraan bermotor berupa mobil dan motor dalam 11 tahun ke depan. Data yang digunakan dalam penelitian ini adalah datajumlah mobil dan jumlah motor dari tahun 2005 sampai 2019. Metode yang digunakan adalah metode Multi Linear Regression dan ARIMA. Variabel yang digunakan dalam metode Multi Linear Regression adalah jumlah mobil, jumlah motor, harga premium, harga solar, jumlah rumah tangga, indeks harga konsumen, produk domestik bruto, jumlah penduduk, pertumbuhan jalan, jumlah pekerja dan pendapatan perkapita Dengan menggunakan Multi Linear Regression didapatkannilai MAPE yang lebih kecil dibandingkan dengan nilai MAPE ARIMA.

---

ABSTRACTThe number of vehicles in Indonesia has increased quite high from year to year having an impact on various aspects such as traffic jams, air pollution, traffic accidents etc. The purpose of this study is to obtain the best model and the results of forecasting an increase in the number of cars and the number of motorcycles in the next 11 years. The data used in this study are data on the number of cars and the number of motorcycles from 2005 to 2019. The method used is the Multi LinearRegression and ARIMA methods. The variables used in the Multi Linear Regression method are the number of cars, number of motorcycles, premium prices, diesel prices, number of households, consumer price index, gross domestic product, population, road growth, number of workers and per capita income. By using Multi Linear Regression obtained MAPE value is smaller than the MAPE ARIMA value."