• Tidak ada hasil yang ditemukan

this file 144 645 1 PB

N/A
N/A
Protected

Academic year: 2017

Membagikan "this file 144 645 1 PB"

Copied!
8
0
0

Teks penuh

Gambar

Gambar 2. Plot ACF (Autocorrelation Function) (kiri) dan Plot PACF (Partial Autocorrelation Function) (kanan) data harga cabai
Gambar 3. Plot ACF (Autocorrelation Function) (kiri) dan Plot PACF (Partial Autocorrelation Function)   (kanan) data normalisasi harga cabai
Tabel 2. Forecasting data training masing-masing model
Tabel 4. Forecasting harga cabai dengan data testing

Referensi

Dokumen terkait

Sumber data yang digunakan dalam penelitian ini adalah daftar saham yang termasuk dalam Indeks LQ-45, data harga penutupan ( closing price ) saham tiap bulan dari

Penelitian ini menilai kewajaran harga saham menggunakan analisis fundamental pendekatan Dividend Discount Model (DDM) dan Price Earning Ratio (PER) untuk

Penggunaan Capital Asset Pricing Model (CAPM) dalam penelitian ini dengan alasan bahwa metode CAPM dapat menjelaskan dan memberikan prediksi yang tepat mengenai hubungan

Analisis yang digunakan dalam penelitian ini membandingkan antara nilai intrinsik dengan harga pasar saham untuk pembuatan keputusan investasi menggunakan Model

Fase training digunakan untuk membentuk model hyperplane dari metode SVM berdasarkan citra USG yang sebelumnya telah melalui proses preprocessing dan ekstraksi ciri

Model dan Parameter produk K2 yang paling optimal pada proses training, selanjutnya dilakukan testing dan didapatkan hasil uji coba ( testing ) yaitu hasil MAPE dan RMSE

Dari penelitian yang dilakukan, pada data Binggai metode ARIMA jauh lebih baik karena memliliki MAPE dan MAE yang kecil, namun jika dilihat dengan RMSE metode

Gambar 11 Plot Data Asli, Data Ramalan dan Data Residual Dari tahapan pembentukan model ARIMA harga cabai merah Kota Padang, dapat disimpulkan model ARIMA terbaik yaitu AR1,2 dengan