MODEL BOX- JENKINS DALAM RANGKA PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO PROVINSI BALI
Notice bibliographique
Résumé
Box-Jenkins Models in the Framework to Forecast Bali Province Gross Domestic Product. Gross Domestic Product ( GDP ) is the most widely used indikator of development. In order to make development plan of an area with effective and responsible principal, it required a valid estimate of GDP. The presence of relatifly large gap between targets and achievements of the Bali Provincial economic growth during 2008-2012, and given the importance of GDP as an indikator of regional economic performance, it is necessary to do research on the application of Box-Jenkins models in order to forecast Bali Province GDP. This study aims to create a model of the Bali Provincial GDP estimates using data from the first quarter of GDP in 2000 to fourth quarter of GDP in 2012 with constant prices of 2000, which is sourced from BPS of Bali Province. The analysis technique is applied to the Box- Jenkins models or Autoregresive Integreted Moving Average (ARIMA).The results showed that by using the data of Bali Provincial GDP first quarter of 2000 to the fourth quarter of 2012, concluded that the best model to use as a forecast model is ARIMA (2,1,0). Keywords : GDP , Autoregresive Integreted Moving Average
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».