BAB I
PENDAHULUAN
1.1.Latar
Belakang
Kegiatan manusia
akan selalu diarahkan kepada kegiatan yang akan datang, yang keberadaannya
tidak dapat diketahui secara pasti. Oleh karena itu perlu melakukan sesuatu
untuk masa yang akan datang serta memperhitungkan kondisi yang akan datang atau
meramalkannya. Kondisi pada waktu yang akan datang tidaklah dapat diperkirakan
secara pasti, namun usaha untuk meminimalkan ketidakpastian itu lazim dilakukan
dengan metode atau teknik peramalan tertentu.
Permalan
merupakan studi terhadap data historis untuk menemukan hubungan, kecendrungan
dan pola data yang sitematis (Makridakis 1999).
Peramalan
menggunakan pendekatan statistik maupun non statistik keduanaya bertujuan untuk
meramalkan yang diharapkan mendekati data yang aktual.
Peramalan yang
dilakukan berdasarkan runtun waktu pada data yang ada sesuai urutan waktu pada
priode tertentu.Dengan metode peramalan ini dapat mempermudah bank sentral
dalam melakukan kebijakan perbankannya pada masa yang akan datang, untuk
mengukur tingkat permintaan kredit sesuai dengan faktor yang mempengaruhinya.
Untuk penggunaaan teknik peramalan diperlukan data yang terdahulu, dengan
asumsi pola data pada waktu yang lalu akan berulang lagi pada waktu yang akan
datang.
Model Autoregressive Integrated Moving Average
(ARIMA), dikembangkan oleh George Box dan Gwilym Jenkins sehingga disebut ARIMA
Box-Jenkins. Metode ini merupakan dari metode penghalusan, metode regresi, dan
metode dekomposisi. Metode ini banyak digunakan untuk peramalan harga saham, permintaan
kredit, tenaga kerja, dan runtun waktu lainya. Dengan menggunakan ARIMA dapat
dilakukan melalui lima tahap, yaitu kestasioneran data, pengidetifikasian
model, pengistimasian parameter model, pengujian model, dan penggunaan model
untuk peramalan. Pada tahap satu, data runtun waktu harus diperiksa
kesastisionerannya (apakah rata rata dan variansnya konstan, homogen dari waktu
kewaktu) karena data yang dianalisis pada ARIMA adalah data yang statisioner.
Pemeriksaan dilakukan dengan metode otokorelasi dan otokorelasi parsial
(dibicarakan kemudian) atas datanya. Pada tahap kedua, data yang telah statisioner
berdasarkan hasil analisis otokorelasi dan otokorelasi parsial atas data yang
ststisioner atau yang telah distasionerkan itu. Dari pengidentifikasian hasil datanya
berupa model AR (autoregresive). I (integrated), MA (moving avarage) atau
kombinasi dari dua (ARI,IMA,ARMA) atau ketiganya (ARIMA) komponen model itu.
Contoh Skripsi Economic Development:Efektivitas Penggunaan Arima Dan Var Dalam Memproyeksi Permintaan Kredit Di Indonesia
Downloads Versi PDF >>>>>>>Klik Disini
Bab I
|
Downloads
| |
Bab II
|
Downloads
| |
Bab III - V
|
Downloads
| |
Daftar Pustaka
|
Downloads
| |
Lampiran
|
Downloads
|
Artikel terkait skripsi diantaranya : contoh proposal penelitian kualitatif, contoh proposal penelitian kuantitatif,contoh judul skripsi, contoh skripsi,contoh proposal,download skripsi, proposal skripsi, Kumpulan Contoh skripsi, contoh artikel, contoh makalah,proposal penelitian, karya tulis, judul seminar akuntansi, proposal tentang, beasiswa disertasi, laporan ta, tugas ta, tesis akuntansi keuangan, tesis kesehatan, proposal tesis akuntansi, contoh-contoh tesis, tesis gratis, tesis contoh, contoh bab 1 tugas akhir, kumpulan tugas akhir akuntansi, proposal pengajuan tugas akhir, contoh laporan tugas akhir akuntansi, judul tugas akhir jurusan akuntansi.