ANALISIS DATA RUNTUN WAKTUYANG MEMILIKI KECENDERUNGAN POLA MUSIMAN PADAPT PERKEBUNAN NUSANTARA VIII UNIT BISNIS WILAYAH III BANDUNG

• Main Author: Emi Jamilah, - (Author)
• Format: Book
• Published: 2008-08-15.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Link Metadata
• Notes: http://repository.upi.edu/99592/4/s_mat_044511_table_of_content.pdf; http://repository.upi.edu/99592/3/s_mat_044511_chapter1.pdf; http://repository.upi.edu/99592/2/s_mat_044511_chapter2.pdf; http://repository.upi.edu/99592/3/s_mat_044511_chapter3.pdf; http://repository.upi.edu/99592/1/s_mat_044511_chapter4.pdf; http://repository.upi.edu/99592/6/s_mat_044511_chapter5.pdf; http://repository.upi.edu/99592/5/s_mat_044511_bibliography.pdf
• Keywords: L Education (General); QA Mathematics

Peramalan merupakan salah satu unsur yang paling penting dalam pengambilan keputusan. Runtun waktu (time series) adalah salah satu metode peramalan dengan menggunakan data yang dikumpulkan dari waktu ke waktu. Data volume produksi teh kebun Sedep PT. Perkebunan Nusantara VIII Unit Bisnis Wilayah III Bandung merupakan contoh kasus data runtun waktu yang stasioner dan memiliki kecenderungan pola musiman. Untuk runtun waktu tidak musiman Box-Jenkins memberikan kriteria-kriteria yang jelas, demikian juga untuk runtun waktu musiman. Ada kalanya suatu runtun waktu mengikuti pola tidak musiman, tetapi memiliki kecenderungan pola musiman pada 2SE (2 standard error) dari fungsi autokorelasi dan fungsi autokorelasi parsial-nya, sehingga diperlukan penyelidikan model metode mana yang harus digunakan agar memberikan model terbaik.Dari data volume produksi teh kebun Sedep PT. Perkebunan Nusantara VIII Unit Bisnis Wilayah III Bandung diperoleh model runtun waktu tidak musiman yang sesuai adalah model MA(1), sedangkan model runtun waktu musiman yang sesuai adalah model ARIMA . Berdasarkan hasil analisis dapat ditunjukkan bahwa pemodelan dengan runtun waktu musiman memberikan hasil yang lebih baik.