Garuda - Garba Rujukan Digital

Forecasting Rice Procurement in Regional Divisions of East Java Using Vector Autoregressive(Var) and Var-Nn Method Eva Laylatus; Suhartono Suhartono
Jurnal Sains dan Seni ITS Vol 2, No 2 (2013)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

VAR is multivariate time series method that can be used to analyzethe dynamic effects of disturbance factors contained in the system. VAR is amethod that used linear pattern in modeling. Sometimes if the data wassupposedly not linear, the linear method such as VAR will not suffice. Anotherapproach that suffice nonlinierity is neural network (NN). Feed forward neuralnetwork (NN) is the most commonly used archi-tecture in NN. In this paper,there are two methods conducted. They are VAR and the combination of VAR andNN, called VAR-NN. There are three variables involved in this study. They arerice production, rice procurement, and rice price. The comparison result byusing the rice procurement shows that VAR-NN yields better forecast than VAR.But, The comparison result by using the rice price data and rice procurementdata show that VAR-NN yields worse forecast than VAR. Since this study focusedon predicting rice procurement, so the best model achieved in this researchcomes from the class of VAR.

Peramalan Pendapatan Operasional Bank Menggunakan Metode Fungsi Transfer dan Neural Network Nayla Nayla Ma’rufah Ma’rufah; Santi Santi Puteri Rahayu Rahayu; Suhartono Suhartono Suhartono
Jurnal Sains dan Seni ITS Vol 2, No 2 (2013)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Abstrak— Pendapatan operasional suatu bank terdiriatas dua jenis yaitu pendapatan bunga dan pendapatan non bunga. BerdasarkanStatistik Perbankan Indonesia (SPI) pada November 2012, pendapatan bunga bankumum mencapai Rp 355.961 miliar sedangkan pendapatan non bunga mencapai Rp112.791 miliar. Dengan demikian, sebanyak 76% pendapatan operasional bank umumdiperoleh dari pendapatan bunga. Peramalan pendapatan operasional bankkhususnya pendapatan bunga, dilakukan untuk memberikan informasi yangbermanfaat tentang pendapatan operasional. Dalam penelitian ini, variabel yangdigunakan adalah biaya dana dan LDR sebagai variabel bebas serta pendapatanbunga bank sebagai variabel tak bebas. Penelitian ini menggunakan pendekatan metodefungsi transfer dan neural network untuk meramalkan pendapatan bunga bank.Hasil yang diperoleh menunjukkan dengan menggunakan pendekatan fungsi transferkedua variabel bebas berkaitan secara signifikan dengan pendapatan bunga BRIsedangkan untuk BCA hanya variabel biaya dana yang berkaitan secara signifikanterhadap pendapatan bunga. Selain itu, berdasarkan ketepatan peramalan metodefungsi transfer merupakan metode yang paling sesuai untuk meramalkan pendapatanbunga BRI sedangkan metode neural network merupakan metode yang sesuai untukmeramalkan pendapatan bunga BCA.

Deteksi Outlier Pada Model ARIMA Musiman Ganda Untuk Peramalan Beban Listrik Jangka Pendek di Jawa Timur Indah Kurnia Putri; Suhartono Suhartono
Jurnal Sains dan Seni ITS Vol 4, No 1 (2015)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Perencanaan yang baik akan memberikan kontri-busi besar terhadap pengembangan sistem distribusi karena merupakan ujung tombak dari pelayanan energi listrik yang langsung berhubungan dengan konsumen. Namun karena banyaknya data dalam peramalan beban listrik jangka pendek, membuat peramalan yang dilakukan tidak memenuhi asumsi distribusi normal. Hal ini dikarenakan outlier yang banyak dalam data. Penelitian ini fokus untuk mendeteksi outlier yang terjadi supaya asumsi distribusi normal terpenuhi. Apalagi belum ada software yang mampu mendeteksi outlier pada musiman ganda karena banyaknya outlier. Metode yang digunakan prosedur iteratif dengan pembagian data sebagai pengembangannya. Sebagai pengembangan metode maka diperlukan pemvalidasian metode yang dilakukan dari simulasi AR (1) dengan outlier. Hasil yang didapatkan yaitu metode pendeteksian outlier dari simulasi mampu mengatasi outllier lalu diterapkan terhadap data beban listrik jangka pendek sehingga menghasilkan model ARIMA yang memenuhi asumsi distribusi normal. Pada data I diperoleh outlier pada periode ke 1698 dan ke 1790 dengan efek 20 data setelahnya, jadi ada 22 outlier. Adanya outlier pada data I ini bertepatan dengan pemilu Legislatif tanggal 9 April 2014. Kemudian untuk data II diperoleh outlier sebanyak 177 dimana pada data II bertepatan dengan pemilu presiden tanggal 9 Juli 2014 dan hari Raya Idul Fitri tanggal 28 Juli 2014.

Pendekatan Percentile Error Bootstrap pada Model Double Seasonal Holt-Winters, Double Seasonal ARIMA, dan Naïve untuk Peramalan Beban Listrik Jangka Pendek Area Jawa Timur-Bali Hidayatul Khusna; Suhartono Suhartono
Jurnal Sains dan Seni ITS Vol 4, No 1 (2015)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Interval prediksi pada model double seasonal Holt-Winters (DSHW) tidak dapat dikonstruksi dengan cara analitis. Jika digunakan untuk meramal jauh ke depan, model double seasonal ARIMA memiliki varians error yang semakin besar sehingga interval prediksi menjadi semakin lebar. Sementara model Naïve untuk data musiman memiliki varians error yang semakin besar setiap kelipatan periode musiman. Penelitian ini bertujuan untuk meramalkan beban listrik area Jawa Timur-Bali menggunakan pendekatan percentile error bootstrap (PEB) pada model DSHW, DSARIMA, dan Naïve. Data yang digunakan adalah beban listrik per setengah jam dalam satuan Mega Watt (MW) dari periode 1 Januari 2013 hingga 30 September 2014. Hasil penelitian menunjukkan bahwa model DSARIMA merupakan model terbaik berdasarkan kriteria out-sample sMAPE, kriteria in-sample AIC-SBC, serta kriteria out-sample rata-rata lebar interval prediksi. Dengan demikian, dapat disimpulkan bahwa model terbaik untuk peramalan beban listrik jangka pendek area Jawa Timur-Bali adalah model DSARIMA dengan interval prediksi yang dikonstruksi menggunakan pendekatan percentile error bootstrap.

Peramalan Inflasi Nasional Berdasarkan Faktor Ekonomi Makro Menggunakan Pendekatan Time Series Klasik dan ANFIS Clara Agustin Stephani; Agus Suharsono; Suhartono Suhartono
Jurnal Sains dan Seni ITS Vol 4, No 1 (2015)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Tujuan dari penelitian ini adalah mengembangkan model peramalan yang sesuai untuk memodelkan inflasi nasional yaitu inflasi umum dan tujuh kelompok pengeluaran. Untuk menentukan pola dan model dari inflasi tersebut, maka pendekatan yang digunakan menggunakan model ARIMA, fungsi transfer, variasi kalender, intervensi, ARIMAX (gabungan dari model fungsi transfer dengan dummy variabel intervensi dan variasi kalender) sebagai metode peramalan klasik, serta ANFIS sebagai metode peramalan modern. Berdasarkan hasil penelitian yang diperoleh, dengan menggunakan data inflasi umum dan inflasi tujuh kelompok pengeluaran periode 2001-2014, menunjukkan bahwa model ARIMAX dan ANFIS tidak selalu menjadi model terbaik. Pemodelan terbaik tergantung dari keterkaitan antara deret input jumlah uang beredar dan tingkat suku bunga, serta faktor-faktor variasi kalender dan intervensi yang digunakan terhadap tingkat inflasi di masing-masing kelompok.

Peramalan Beban Listrik di Jawa Timur Menggunakan Metode ARIMA dan Adaptive Neuro Fuzzy Inference System (ANFIS) Indana La Zulfa; Suhartono Suhartono
Jurnal Sains dan Seni ITS Vol 4, No 1 (2015)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Listrik merupakan salah satu sumber energi utama yang digunakan hampir pada seluruh aspek kehidupan. Faktanya, kebutuhan listrik semakin meningkat seiring dengan adanya kemajuan pembangunan di bidang teknologi, industri, dan informasi. Perkembangan dalam berbagai bidang tersebut dapat menimbulkan permasalahan terhadap kualitas dan kuantitas daya listrik yang dihantarkan, sehingga distribusi tenaga listrik terhadap konsumen harus dilakukan secara optimal dan sesuai dengan kebutuhan. Tujuannya adalah agar dapat melakukan tindakan yang tepat seiring dengan pertumbuhan kebutuhan tenaga listrik, mempertahankan tingkat keandalan, dan meningkatkan kualitas pelayanan kepada konsumen. Oleh karena itu, ramalan konsumsi listrik untuk beberapa waktu ke depan berdasarkan data konsumsi listrik pada waktu sebelumnya diperlukan sebagai bahan perencanaan pendistribusian listrik yang lebih efisien. Tujuan dari penelitian ini yaitu untuk meramalkan konsumsi beabn listrik di Jawa Timur dengan metode ARIMA dan ANFIS. Kriteria pemilihan model terbaik berdasarkan pada nilai RMSE, SMAPE, dan MAPE pada data out sample. Hasil dari analisis menunjukkan bahwa metode ARIMA memberikan tingkat keakuratan yang lebih baik untuk meramalkan konsumsi listrik di Jawa Timur daripada ANFIS.

Peramalan Penerimaan Pajak Kendaraan Bermotor di Dinas Pendapatan Provinsi Jawa Timur Retno Dyah Handini; Agus Suharsono; Suhartono Suhartono
Jurnal Sains dan Seni ITS Vol 5, No 1 (2016)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Pajak adalah sumber penerimaan dalam negeri yang potensial untuk terus digali dan dikembangkan. Salah satu pajak daerah yang memberikan kontribusi terbesar pada penerimaan pajak daerah di Provinsi Jawa Timur adalah Pajak Kendaraan Bermotor (PKB). Penelitian ini bertujuan untuk meramalkan jumlah penerimaan PKB di 38 Unit Pelaksana Teknis Dinas (UPTD) dibawah Dinas Pendapatan (Dipenda) Provinsi Jawa Timur menggunakan regresi nonlinier. Data yang digunakan pada penelitian ini merupakan data sekunder dari Dipenda Jawa Timur, dengan variabel yang digunakan adalah penerimaan PKB sebagai variabel dependen serta kendaraan bermotor sebagai variabel independen. Penelitian ini menghasilkan model regresi nonlinier dengan fungsi concave sebagai model yang sesuai untuk meramalkan penerimaan PKB. Sedangkan kendaraan bermotor diramalkan dengan model tren linier dan model eksponensial sebagai input untuk peramalan PKB. Hasil peramalan penerimaan PKB di Provinsi Jawa Timur dengan model eksponensial menunjukkan hasil yang lebih baik karena model mampu mengikuti pola data aktual, yaitu sebesar 14,13% pada tahun 2015 dan 13,26% pada tahun 2016. Sehingga hasil peramalan dengan model eksponensial dianggap lebih baik daripada hasil peramalan dengan model tren linier.

PERAMALAN INFLOW DAN OUTFLOW UANG KARTAL BANK INDONESIA DI WILAYAH JAWA TENGAH DENGAN MENGGUNAKAN METODE ARIMA, TIME SERIES REGRESSION, DAN ARIMAX Noorgam Ika Rachmawati; Setiawan Setiawan; Suhartono Suhartono
Jurnal Sains dan Seni ITS Vol 4, No 2 (2015)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Banyaknya uang yang beredar di masyarakat akan berpengaruh pada kondisi perekonomian suatu negara, sehingga Bank Indonesia (BI) menyusun perencanaan kebutuhan uang rupiah. Penelitian ini bertujuan untuk meramalkan inflow dan outflow uang kartal di setiap KPw BI BI wilayah Jawa Tengah berdasarkan model terbaik. Hasil analisis menunjukan bahwa karakteristik inflow dan outflow uang kartal dipengaruhi oleh efek variasi kalender, yaitu adanya hari raya Idul Fitri serta pola musiman. Selain itu periode minggu tertentu saat kejadian hari raya juga berpengaruh terhadap peningkatan jumlah inflow dan outflow uang kartal. Hasil peramalan menghasilkan model terbaik yang berbeda-beda untuk setiap KPw BI BI di wilayah Jawa Tengah. Berdasarkan nilai Root Mean Square Error (RMSE) terkecil, model terbaik untuk meramalkan data inflow baik di KPw BI BI Semarang, KPw BI BI Solo, KPw BI BI Purwokerto dan KPw BI BI Tegal adalah model ARIMA. Sedangkan model terbaik untuk meramalkan data outflow di KPw BI BI Purwokerto adalah model Time Series Regression. Selain itu model terbaik untuk meramalkan data outflow di KPw BI BI Semarang, KPw BI BI Solo dan KPw BI BI Tegal yaitu model ARIMAX ataupun Time Series Regression, karena keduanya memiliki model yang sama. Hasil ramalan periode 2015 menunjukan bahwa kenaikan inflow uang kartal terjadi pada bulan Agustus, sedangkan kenaikan outflow uang kartal terjadi pada bulan Juli.

Pengembangan Jaringan Distribusi Uang dan Layanan Kas untuk Menentukan Lokasi Baru Kantor Perwakilan Dalam Negeri (KPwDN) Bank Indonesia di Pulau Sulawesi Menggunakan Analisis Faktor Fakhrul Azizi Indillah; Santi Puteri Rahayu; Suhartono Suhartono
Jurnal Sains dan Seni ITS Vol 5, No 1 (2016)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Tugas Bank Indonesia terutama dalam pengelolaan uang rupiah, khususnya pendistribusiannya ke seluruh daerah, menghadapi tantangan yang tidak mudah. Salah satu tantangan terbesar dalam pengedaran uang rupiah adalah ketersediaan moda dan jalur transportasi reguler yang terbatas, serta kondisi geografis maupun alam Indonesia, termasuk di dalamnya kondisi iklim dan cuaca yang sering mengalami perubahan. Dalam kasus ini akan dilakukan analisis menggunakan analisis faktor yang selanjutnya dibuat skor faktor untuk membuat pengelompokan daerah mana yang perlu dibangun KPwDN Bank Indonesia baru. Setelah dilakukan analisis didapatkan hasil pada provinsi Gorontalo, Kabupaten Pohuwato perlu dibangun KPwDN Bank Indonesia. Pada provinsi Sulawesi Selatan, Kota Makassar perlu diabangun KPwDN Bank Indonesia. Pada provinsi Sulawesi Utara, Bitung perlu dibangun KPwDN Bank Indonesia. Pada provinsi Sulawesi Tengah, Kabupaten Banggai perlu dibangun KPwDN Bank Indonesia. Pada provinsi Sulawesi Tenggara, Kabupaten Kolaka perlu dibangun KPwDN Bank Indonesia. Pada provinsi Sulawesi Barat, Kabupaten Mamuju perlu dibangun KPwDN Bank Indonesia.

Simulation Study of Parameter Estimation Two-Level GSTARX-GLS Model Andria Prima Ditago; Suhartono Suhartono
IPTEK Journal of Proceedings Series No 1 (2015): 1st International Seminar on Science and Technology (ISST) 2015
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23546026.y2015i1.1167

GSTAR is a special form of the VAR model and is one of the commonly used models for modeling and forecasting time series data and location. At GSTAR modeling, estimation method used is OLS, the method is considered to have a weakness, which will result in an inefficient estimator. Thus, one appropriate method is GLS. In this study, conducted modeling GSTARX two levels by adding a predictor of calendar variation model. Parameter estimation of the first level models made of predictors with a linear regression model, while the second level models using error models which is done on first level with GSTAR model. Calendar variation model discussed is the impact of Ramadhan effect. Results of the simulation study showed that GSTAR-GLS models produces a more efficient estimator than GSTAR-OLS, seen from the obtained standard error smaller.

Title

Found 12 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 12 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 12 Documents
Search