1. Pendahuluan. 2. Kajian Pustaka
|
|
- Yenny Rachman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 . Pendahuluan Sampai saat ini Organisme Pengganggu Tanaman masih menjadi kendala serius bagi para pengelola pertanian komoditas padi. OPT adalah salah satu cekaman biotik yang menyebabkan kesenjangan antara potensi hasil dan hasil aktual, dan juga menyebabkan produksi tidak stabil. Hama atau OPT tanaman padi sangat beragam, antara lain adalah penggerek batang padi, wereng batang coklat dan ganjur. Serangan wereng batang coklat telah meyerang di 28 Kabupaten atau kota di provinsi Jawa Tengah. Pada tahun 200, serangan wereng coklat telah menyerang lebih dari 32 ribu hektar di Jawa Tengah. Menurut data yang diperoleh, untuk tahun 20 hingga bulan Maret, wereng coklat telah menyerang lebih dari 7 ribu hektar. []. Peningkatan populasi OPT dipengaruhi oleh beberapa faktor, diantaranya adalah faktor iklim/cuaca dan musuh alami. Musuh alami telah diketahui sangat berguna dalam menekan populasi OPT padi, salah satu musuh alami tersebut adalah predator hama padi. Predator dapat mengendalikan kepadatan populasi OPT dengan baik karena mereka memburu, memakan atau menghisap cairan tubuh OPT sehingga menyebabkan kematian. Untuk mengetahui potensi predator sebagai musuh alami OPT tanaman padi, maka dibutuhkan sebuah sistem yang dapat memberikan gambaran serangan organisme pengganggu tanaman padi, serta gambaran potensi predator terhadap OPT tanaman padi dalam bentuk besaran kejadian dan dalam peta prediksi kejadian serangan. Oleh karena itu dalam penelitian ini akan dikembangkan sistem pemetaan dan prediksi dalam Sistem Informasi Geografis (SIG) berbasis web. Sistem informasi geografis yang dirancang akan dapat memberikan informasi tentang OPT padi dan predator beserta prediksi di wilayah Jawa Tengah menggunakan metode runtun waktu yaitu triple exponential smoothing. 2. Kajian Pustaka Prediksi merupakan kegiatan untuk memperkirakan nilai-nilai sebuah dari variabel yang akan datang berdasarkan nilai yang diketahui dari variabel tersebut atau variabel yang berhubungan. Teknik peramalan dibagi menjadi dua bagian, yaitu metode peramalan subjektif dan metode peramalan objektif. Metode peramalan subjektif mempunyai model kualitatif sedangkan metode peramalan objektif mempunyai dua model, yaitu model kausal dan model time series. Model kualitatif tidak menggunakan pendekatan matematis atau hanya menggunakan intuisi saja, model ini akan sangat bermanfaat jika data kuantitatif yang akurat sulit diperoleh. Model kausal mempertimbangkan nilai sebuah variabel sebagai pengaruh dari banyak variabel yang lain. Sedangkan model time series hanya meninjau nilai sebuah variabel sebagai fungsi waktu. Model time series digunakan untuk memprediksi masa depan dengan menggunakan data historis. Dengan kata lain, model time series mencoba menggunakan data masa lalu untuk melihat apa yang terjadi pada masa mendatang dalam suatu kurun waktu tertentu. Contoh dari model time series ini antara lain Moving average, Exponential Smoothing dan proyeksi trend. [2]. 2
2 Langkah penting dalam memilih metode peramalan adalah dengan mengidentifikasi jenis pola data. Pola data yang mungkin terjadi ketika suatu data akan dianalisis ada tiga jenis yaitu, pola data stasioner, pola data trend dan pola data musiman yang ditunjukkan pada Gambar. [3]. Pola data stasioner merupakan pola data yang terjadi jika terdapat data yang berfluktuasi disekitar nilai rata-rata (mean) dan varians yang konstan dari waktu ke waktu. Pola data trend merupakan kondisi dimana terdapat flutuasi data yang cenderung naik atau turun. Pola data ini terjadi jika terdapat kenaikan atau penurunan sekuler jangka panjang dalam data. Pola data musiman dapat dilhat jika terdapat suatu deret data yang dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu). Musiman didefinisikan sebagai kecenderungan data time series untuk menunjukkan perilaku yang berulang setiap periode tertentu. [4]. Panjang periode musiman dapat dilihat dari jarak periode antar puncak pada plot time series. (a) (b) (c) Gambar Jenis-jenis Pola Data, (a) Pola Data Stationer / Horizontal, (b) Pola Data Trend, (c) Pola Data Musiman Metode triple exponential smoothing disebut juga metode Holt-Winters sesuai dengan nama penemunya. Model Holt-Winters digunakan untuk memodelkan data dengan pola musiman, baik mengandung trend maupun tidak. Winter s Method memberikan tiga pembobotan dalam prediksinya, yaitu α, β, dan γ yang bernilai antara 0 dan. Pembobotan α memberikan pembobotan pada nilai ramalan, β memberikan pembobotan pada slope, dan γ memberikan pembobotan pada efek musiman. Winter s Method mempunyai dua bentuk model. Bila besarnya efek musiman konstan dari waktu ke waktu, maka bentuk model yang dipakai adalah Additive Seasonality. Sedangkan bila besarnya efek musiman berubah dari waktu ke waktu, maka bentuk model yang dipakai adalah Multiplicative Seasonality. [5]. Dalam penelitian ini akan digunakan model Holt- Winters Multiplicative. 3
3 Model Holt-Winters Additive. Model ini digunakan apabila data time series mempunyai pola musiman dengan variasi musiman konstan. Level : L t = α (Y t S t-s ) + ( - α) (L t- + T t- ) Trend : T t = β (L t - L t- ) + ( - β)t t- Musiman : S t = γ (Y t - L t ) + ( - γ)s t-s Ramalan : Y t+m = L + T t m + S t-s+m Model Holt-Winters Multiplicative. Model ini digunakan apabila data time series mempunyai pola musiman dengan variasi musiman tidak konstan. Keterangan : Y t = data pada periode waktu t L t = level factor periode waktu t T t = trend factor periode waktu t S t = seasonal index periode waktu t Y t+m = hasil peramalan periode waktu m Sebuah data musim lengkap terdiri dari periode musiman "m". Untuk itu perlu memperkirakan trend factor dari satu periode ke periode berikutnya. Untuk mencapai hal ini, disarankan untuk menggunakan dua musim lengkap, yaitu periode 2m. [6]. Rumus untuk mencari initial trend adalah : Besarnya populasi OPT di dalam tanaman padi sangat dipengaruhi oleh beberapa faktor, beberapa diantaranya adalah faktor cuaca, musuh alami yang salah satu jenisnya adalah predator. Predator merupakan organisme hidup yang paling penting dalam mengendalikan OPT pada tanaman padi secara alami, karena selain jenisnya yang beragam, jumlahnya juga sangat melimpah di alam [7]. Predator dapat menyerang serangga mangsa dari mulai fase immature (pra dewasa) sampai dengan fase dewasa. Dan untuk mencapai fase dewasa, predator membutuhkan lebih dari satu individu inang. 4
4 OPT dan predator yang akan diprediksi dalam penelitian ini adalah serangga yang tertangkap lampu perangkap. Tangkapan tersebut terdiri dari 0 jenis data OPT, 7 jenis data predator. Nama nama OPT dan predator ditunjukkan pada tabel berikut. Tabel Daftar Jenis jenis Serangga Jenis OPT Predator Nama Serangga Penggerek Batang Wereng Batang Coklat Wereng Daun Ganjur Kepinding Tanah Walang Sangit Anjing Tanah Kepik Hijau Belalang Daun Serangga Penggangu Lainnya Kumbang Coccinelid Capung Paederus Sp Cyrtorhinus Parasit Kumbang Air Musuh Alami Lainnya Iklim atau cuaca merupakan faktor yang sangat berpengaruh pada perkembangan OPT serta predator [8]. Di dalam kondisi cuaca normal, organisme pengganggu tanaman hampir tidak pernah menjadi masalah serius kecuali organisme pengganggu tanaman yang bisa berkembang dan berkonsolidasi di luar ekosistem tanaman pangan seperti tikus, belalang, burung, dan lain lain [9]. Ukuran kesalahan yang termasuk ukuran standar statistik adalah nilai ratarata kesalahan (mean error), nilai rata-rata kesalahan absolut (mean absolute error), dan nilai rata-rata kesalahan kuadrat (mean squared error). Ukuran kesalahan yang termasuk ukuran relatif adalah nilai rata-rata kesalahan persentase (mean percentage error) dan nilai rata-rata kesalahan persentase absolut (mean absolute percentage error). Cara yang cukup sering digunakan dalam mengevaluasi hasil peramalan yaitu dengan menggunakan metode Mean Squared Error (MSE). Dengan menggunakan MSE, error yang ada menunjukkan seberapa besar perbedaan hasil estimasi dengan hasil yang akan diestimasi. 5
5 Dimana: MSE = Mean Square Error N = Jumlah Sampel t y = Nilai Aktual Indeks t yˆ = Nilai Prediksi Indeks 3. Metode Penelitian Dalam pengembangan aplikasi, metode yang digunakan pada penelitian ini adalah metode prototyping model yang dimulai dengan pengumpulan bahan dan data yang berhubungan dengan organisme pengganggu tanaman dan predator, kemudian dilanjutkan dengan perancangan aplikasi, dan evaluasi prototipe sebagai langkah akhir dari metode ini. Sebelum melakukan peramalan atau implementasi peramalan, langkah pertama yang harus dilakukan adalah mengidentifikasi pola data dengan melihat pada plot data. Data yang digunakan untuk peramalan adalah data tangkapan lampu perangkap selama 4 tahun yaitu tahun dari Balai Pengamatan OPT (BPOPT) provinsi Jawa Tengah. Data total OPT yang telah dirata-rata diplot dengan menggunakan aplikasi excel. Salah satu data yang sudah diplot adalah data total OPT kabupaten Pemalang tahun Gambar 2 Grafik Total OPT Kabupaten Pemalang Setelah mendapatkan plot data tersebut kemudian dianalisis jenis pola datanya untuk menentukan metode peramalan yang sesuai. Dari pola data tersebut dapat dilihat data tidak stationer dan dipengaruhi oleh faktor musiman dengan variasi musiman tidak konstan, karena pada hampir setiap akhir tahun terjadi kenaikan jumlah populasi OPT. Maka metode peramalan yang akan digunakan adalah metode triple exponential smoothing multiplicative. 6
6 Setelah menentukan metode peramalan, maka akan dilakukan uji coba peramalan dengan perhitungan manual. Dengan menggunakan program bantu excel akan dicari nilai α, β dan γ untuk menentukan nilai Mean Squared Error (MSE) terkecil. Berikut ini adalah perbandingan dari nilai MSE. Tabel 2 Perbandingan MSE MSE α β γ Tabel 2 menunjukkan nilai MSE terkecil adalah dengan perhitungan optimal prediksi menggunakan α = 0.00, β = 0.00, γ = 0.6. Dengan mendapatkan nilai parameter yang optimal maka error yang didapatkan dari hasil peramalan semakin kecil dan hasil peramalan mendekati data yang riil. Aplikasi Sistem Informasi Geografis berbasis web ini dibangun dengan menggunakan bahasa pemrograman PHP. Berikut ini adalah spesifikasi dari pembuatan SIG, yakni : Sistem Operasi Windows 7 Ultimate 32-bit, PHP version 5.3.0, MapServer dan MySQL Sistem ini dibuat untuk dua pemakai dengan hak akses yang berbeda-beda yakni user dan admin. Pemakai pertama adalah admin yang mempunyai hak penuh atas sistem yang dibuat. Pemakai kedua adalah user yang mempunyai hak akses untuk melihat data historis dan melakukan prediksi. Hak akses dan hubungan dari pengguna dan sistem akan ditunjukkan dalam use case diagram pada Gambar 3. 7
7 <<extend>> Melihat halaman utama melihat info dan peta jawa tengah melihat data dan peta OPT <<extend>> <<extend>> <<extend>> melihat data dan peta per tahun user melihat data dan peta predator <<extend>> <<extend>> melihat data dan peta curah hujan <<extend>> melihat data dan peta per kabupaten mengakses halaman prediksi melihat peta dan hasil prediksi melihat halaman about admin mengupload data <<include>> mengubah data Gambar 3 Use Case Diagram Sistem Class diagram merupakan diagram yang digunakan untuk menampilkan beberapa kelas serta paket-paket yang ada di dalam sistem yang akan dikembangkan. Class diagram pada sistem ini akan ditunjukkan pada Gambar 4 seperti berikut. user lihatdata jenisdata tanggal bulan tahun selectdata() viewdata() predator jenispredator namapredator jumlahpredator tanggal bulan tahun kode_kab admin username password login() uploaddata() kabupaten kode_kab nama_kab curahhujan jenisch namach jumalhch tanggal bulan tahun kode_kab uploaddata jenisdata tahundata ubahdata() tambahdata() prediksi jenisprediksi tahunprediksi hitungprediksi() savedataprediksi() showdataprediksi() OPT jenisopt namaopt jumlahopt tanggal bulan tahun kode_kab jenisdata idjenis namajenis Gambar 4 Class Diagram 8
8 4. Implementasi dan Pengujian Sistem Dari penelitian ini dihasilkan sebuah sistem informasi geografis berbasis web pemetaan dan prediksi serangan OPT dan potensi predator. Secara garis besar sistem ini terbagi menjadi dua bagian utama, yaitu bagian pemetaan dan bagian prediksi. Gambar 5 menunjukkan tampilan halaman utama dari aplikasi. Halaman utama dalam sistem ini berisikan tampilan selamat datang dan peta wilayah Jawa Tengah beserta menu dan submenu untuk mengakses halaman lainnya. Gambar 5 Halaman Utama Bagian pemetaan merupakan bagian yang berisikan semua informasi dan data historis dari seluruh jenis indikator-indikator. Informasi dan data historis tersebut disajikan dalam bentuk map, tabel, grafik serta informasi dari masingmasing jenis indikator. Setiap jenis dari masing-masing indikator ditampilkan dalam halaman sendiri-sendiri. Gambar 6 Halaman OPT Wereng Daun Untuk data geografis data disajikan dalam bentuk peta Jawa Tengah disertai dengan parameter tinggi rendahnya nilai. Penyajian data untuk memberikan perbandingan tinggi rendahnya data di tiap kabupaten akan disajikan dalam bentuk grafik. Gambar 7 merupakan tampilan grafik total OPT kabupaten Pemalang pada tahun
9 Gambar 7 Grafik Total OPT kabupaten Pemalang tahun 2008 Pada sistem ini fokus penelitian akan menggunakan prediksi dengan metode triple exponential smoothing atau holt winters untuk menghasilkan output berupa nilai prediksi dimasa yang akan datang. Data yang akan diprediksi adalah variabel organisme pengganggu tanaman pada tahun digunakan untuk memprediksi nilai tahun Variabel yang akan diprediksi bukan hanya OPT, namun juga variabel predator dan iklim yaitu curah hujan dan juga hujan harian. Untuk melakukan prediksi user harus membuka halaman prediksi yang terdiri dari halaman prediksi OPT, halaman prediksi predator dan halaman prediksi curah hujan. Tampilan halaman prediksi ditunjukkan pada Gambar 8. Pada tampilan awal user akan memasukan input pilihan jenis variabel yang akan diprediksi dan juga tahun prediksi. Gambar 8 Halaman Prediksi OPT Pilihan jenis variabel disesuaikan dengan pilihan halaman prediksi pada menu. Sedangkan pilihan tahun berisikan tahun prediksi yaitu tahun Data historis dari tiap kabupaten diprediksi menggunakan metode holt winters. Setelah mendapatkan hasil prediksi, sistem akan menyimpannya pada database. Kemudian data-data tersebut akan ditampilkan dalam bentuk peta, tabel dan grafik. 0
10 Validasi merupakan perbandingan antara data riil dengan data hasil prediksi. Setelah sistem melakukan proses prediksi dari data historis, maka akan dihasilkan nilai prediksi dari data historis tersebut. Sistem akan menampilkan perbandingan kedua data tersebut dalam grafik validasi. Grafik validasi pada sistem dapat dilihat melalui pilihan kabupaten pada tab grafik. Gambar 9 Grafik Validasi Curah Hujan Kabupaten Pemalang Tahun 20 Gambar 9 menunjukkan grafik validasi dari prediksi curah hujan kabupaten Pemalang pada tahun 20. Grafik data historis ditunjukkan dengan garis berwarna oranye, sedangkan grafik data prediksi ditunjukkan dengan garis berwarna biru. Dalam melakukan pengujian peramalan pada sistem ini, akan dilakukan validasi prediksi WBC tahun 20 dari 5 kabupaten lalu akan dihitung nilai MSE dari setiap kabupaten tersebut. Tabel 3 Hasil MSE Peramalan Kabupaten MSE Rembang 9.08 Kudus 2.28 Pati.29 Batang Banjarnegara 0.38 Tabel 3 menampilkan nilai MSE dari prediksi di 5 kabupaten. Hasil dari tabel tersebut menunjukkan nilai error pada peramalan menggunakan metode triple exponential smoothing pada sistem ini sangat kecil dengan nilai rata-rata MSE 0.74 dan nilai MSE terbesar adalah pada kabupaten Pemalang, hal tersebut menunjukkan hasil prediksi mendekati nilai riil. Nilai MSE yang tinggi diduga karena adanya fluktuasi pola serangan OPT selama pembentukan model
11 dengan validasi model. Semakin banyak data time series maka hasil prediksi dan nilai MSE akan lebih baik, karena data time series semakin dimuluskan. Pada penelitian ini analisis akan difokuskan pada analisis hubungan antara jumlah OPT dan predator. Sebagai variabel tambahan akan dianalisis hubungan kedua indikator tersebut dengan data curah hujan. Analisis data historis dilakukan untuk menganalisa data pada masa lampau, sedangkan untuk analisis data prediksi dilakukan untuk menganalisa kapan keadaan atau kondisi seperti pada analisis data historis akan terulang kembali. Untuk data historis data yang dianalisa adalah data dari jenis-jenis serangga pada tahun Langkah pertama yaitu mencari data historis dari salah satu jenis OPT dengan nilai tertinggi atau terendah pada tahun dan kabupaten tertentu. Gambar 0 Peta Wereng Batang Coklat tahun 2009 Pada Gambar 0 menunjukkan peta historis populasi wereng batang coklat (WBC) pada tahun Dalam peta tersebut diketahui bahwa kabupaten Pemalang mempunyai jumlah populasi wereng batang coklat tinggi pada tahun Setelah mengetahui data peta tersebut, pengguna akan melihat grafik wereng batang coklat pada kabupaten Pemalang tersebut. Setelah melihat grafik data OPT tersebut, pengguna membandingkannya dengan data historis musuh alami dari jenis OPT tersebut pada tahun dan kabupaten yang sama. Salah satu musuh alami dari WBC adalah Kumbang Coccinelid. Karena kedua indikator (OPT dan predator) tersebut tidak lepas dari pengaruh iklim, maka akan dilakukan perbadingan antara dua data tersebut dengan data curah hujan pada kabupaten dan tahun yang sama. Ketiga grafik tersebut akan ditunjukkan pada Gambar. 2
12 (a) (b) (c) Gambar Grafik Analisis Kabupaten Pemalang tahun 2009, (a) Grafik WBC, (b) Grafik Kumbang Coccinelid, (c) Grafik Curah Hujan Setelah mendapatkan ketiga grafik tersebut, maka dapat dianalisis hubungan dari ketiga jenis data tersebut. Dari ketiga grafik tersebut bisa dilihat bahwa pada saat jumlah WBC mencapai nilai tertinggi yaitu pada bulan Agustus, nilai predator berada pada nilai rendah. Sedangkan pada bulan Oktober saat jumlah predator mencapai nilai tertinggi, jumlah WBC berada pada nilai rendah. Keadaan tersebut menunjukkan ada hubungan antara WBC dengan musuh alaminya bahwa keberadaan musuh alami WBC yaitu kumbang Coccinelid dapat menekan populasi WBC dengan baik. Selain itu pada saat nilai curah tinggi yaitu pada bulan Januari sampai bulan April nilai data WBC dan predator berada pada nilai rendah. Hal ini menunjukkan bahwa populasi OPT dan predator juga dipengaruhi oleh iklim. 3
13 Selanjutnya adalah analisis data prediksi. Langkah pada analisis data prediksi sebenarnya hampir sama dengan analisis data historis, perbedaannya dalah untuk mengetahui kapan keadaan seperti pada analisis historis terulang kembali. Pada penelitian ini akan dianalisis data WBC tahun 202. Gambar 2 Peta Prediksi Wereng Batang Coklat tahun 202 Pada Gambar 2 menunjukkan peta prediksi populasi wereng batang coklat (WBC) pada tahun 202. Dalam peta tersebut diketahui bahwa kabupaten Pemalang mempunyai jumlah populasi wereng batang coklat dengan nilai tinggi pada tahun 202. Setelah mengetahui data peta tersebut, akan dilihat grafik wereng batang coklat pada kabupaten Pemalang tersebut. Setelah melihat grafik data OPT tersebut, akan dibandingkan dengan data prediksi kumbang Coccinelid pada tahun dan kabupaten yang sama. Kemudian setelah mendapatkan kedua grafik prediksi tersebut, akan dilakukan perbadingan antara dua data tersebut dengan data curah hujan pada kabupaten dan tahun yang sama. Ketiga grafik prediksi tersebut akan ditunjukkan pada Gambar 3. (a) 4
14 (b) (c) Gambar 3 Grafik Analisis Prediksi Kabupaten Pemalang tahun 202, (a) Grafik Prediksi WBC, (b) Grafik Prediksi Kumbang Coccinelid, (c) Grafik Prediksi Curah Hujan Setelah mendapatkan ketiga grafik tersebut, maka akan dianalisis hubungan dari ketiga jenis data tersebut. Data prediksi ditunjukkan dengan warna biru. Dari ketiga grafik tersebut bisa dilihat bahwa populasi WBC akan mencapai nilai tinggi pada bulan Agustus dan pada waktu tersebut diprediksi jumlah kumbang Coccinelid akan berada pada jumlah rendah. Selain itu populasi WBC dan musuh alaminya pada tahun 202 diprediksi berada pada nilai rendah saat nilai curah tinggi yaitu pada bulan Januari sampai bulan April nilai. Pada penelitian ini pengujian sistem dilakukan dengan menggunakan metode black box dan kuesioner. Pengujian dengan metode black box merupakan metode pengujian sistem untuk mengetahui apakah sistem telah berfungsi dengan benar dan sesuai dengan spesifikasi sistem yang dibuat. Pengujian pada user dilakukan untuk melihat bagaimana kinerja sistem ketika user menggunakan fungsi-fungsi yang ada di dalamnya, seperti fungsi menampilkan data historis, memprediksi OPT, predator serta curah hujan semua sudah berjalan dengan baik. Sedangkan kuesioner dilakukan untuk menguji sistem kepada responden. Sistem ini telah diujikan kepada 5 orang yang terdiri dari 0 orang Penyuluh Pertanian Lapangan (PPL) Kabupaten Banyumas dan 5 orang mahasiswa dari Fakultas Teknologi Informasi (FTI). Peneliti melakukan demonstrasi program dan menjelaskan cara kerja sistem kepada responden, 5
15 kemudian responden menguji coba program dan mengisi kuesioner. Kuesioner terdiri dari 4 pernyataan terkait kualitas sistem, mulai dari user interface, kinerja sistem dan kemampuan prediksi. Hasil dari kuesioner yang telah diisi menunjukkan bahwa sistem Pemetaan dan Prediksi serangan OPT dan potensi Predator ini dapat berfungsi dengan baik dan dapat membantu PPL dalam menganalisa data serta memprediksi serangan OPT. Pada Gambar 4 akan ditunjukkan grafik dari respon pernyataan nomor 4 mengenai kepuasan terhadap sistem st Qtr Sangat Setuju Setuju Ragu-ragu Tidak Setuju Sangat Tidak Setuju Gambar 4 Grafik Kepuasan Responden Dari 5 responden, 8 orang memilih sangat setuju bahwa mereka puas dengan sistem ini, 7 orang memilih setuju dan tidak ada yang memilih ragu-ragu, tidak setuju atau sangat tidak setuju. 5. Simpulan Prediksi dengan metode triple exponential smoothing baik diterapkan untuk memprediksi data dengan pola musiman seperti data OPT, predator dan Curah Hujan. Dengan menganalisis nilai data historis OPT dan musuh alaminya/predator dari grafik yang ditampilkan sistem dapat diketahui bahwa jumlah predator mempengaruhi jumlah populasi dari OPT. Sedangkan dengan menganalisis data curah hujan akan diketahui bahwa jumlah OPT dan predator juga dipengaruhi oleh intensitas curah hujan seperti terlihat pada grafik analisis kabupaten Pemalang tahun 2009 yang telah dilakukan dalam penelitian ini.. Analisis data prediksi digunakan untuk mengetahui kapan populasi OPT akan mencapai nilai tinggi karena sedikitnya jumlah predator pada waktu tersebut. 6
16 6. Daftar Pustaka [] BB Padi. 20. Upaya Antisipasi Ancaman Gagal Panen Karena Hama Wereng Coklat. (diakses tanggal 9 Juni 202) [2] Makridakis, Spyros dan Wheelwright, Steven C Metode dan Aplikasi Peramalan.Jakarta : Binarupa Aksara. [3] Raharja, Alda, Wiwik Angraeni, dan Retno Aulia Vinarti Penerapan Metode Exponential Smoothing Untuk Peramalan Penggunaan Waktu Telepon Di PT.Telkomsel DIVRE3 Surabaya. [4] Kalekar, Prajakta S Time series Forecasting using Holt-Winters Exponential Smoothing. Kanwal Rekhi School of Information Technology [5] Prasetyo, Dedy Dwi Peramalan Menggunakan Metode Pemulusan (Smoothing). Analisis Time Series. [6] NIST/SEMATECH NIST/SEMATECH e-handbook of Statistical Methods. pmc/section4/pmc43.htm (diakses tanggal 25 Juni 202). [7] Natanegara, Firdaus Peran Parasitoid Dan Predator Dalam Pengendalian Hayati. [8] Hendartoro 202. Prediksi Wilayah Endemis Serangan Hama Wereng Batang Coklat (WBC) Berdasarkan Indikator Curah Hujan Menggunakan Metode Single Exponential Smoothing Berbasis Spasial Temporal. Salatiga : Universitas Kristen Satya Wacana. [9] Supriyono, S.W., 2006, Keterkaitan Antara Penyimpangan Cuaca Pertanian dengan Organisme. 7
PENERAPAN ALGORITMA FORECASTING UNTUK PREDIKSI PENDERITA DEMAM BERDARAH DENGUE DI KABUPATEN SRAGEN
PENERAPAN ALGORITMA FORECASTING UNTUK PREDIKSI PENDERITA DEMAM BERDARAH DENGUE DI KABUPATEN SRAGEN Ryan Putranda Kristianto 1), Ema Utami 2), Emha Taufiq Lutfi 3) 1, 2,3) Magister Teknik informatika STMIK
Lebih terperinciPENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT TELKOMSEL Divre 3 SURABAYA
SISTEM PENDUKUNG KEPUTUSAN PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT TELKOMSEL Divre 3 SURABAYA Alda Raharja - 5206 100 008! Wiwik Anggraeni, S.Si, M.Kom! Retno
Lebih terperinciMETODE PERAMALAN HOLT-WINTER UNTUK MEMPREDIKSI JUMLAH PENGUNJUNG PERPUSTAKAAN UNIVERSITAS RIAU ABSTRACT
METODE PERAMALAN HOLT-WINTER UNTUK MEMPREDIKSI JUMLAH PENGUNJUNG PERPUSTAKAAN UNIVERSITAS RIAU Encik Rosalina 1, Sigit Sugiarto 2, M.D.H. Gamal 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1. Peramalan 2.1.1. Pengertian dan Kegunaan Peramalan Peramalan (forecasting) menurut Sofjan Assauri (1984) adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang
Lebih terperinciS (t)=ax(t)+(1-a)s t-1 (2) S (t)=asn(t)+(1-a)s t-1 (3) F(t+m)=S(t)+mb(t) (4)
Ju rnal)lm iah. %2O 6ol.,. o. data ini terjadi jika terdapat data yang berfluktuasi di sekitar nilai rata-rata yang konstan. Suatu produk yang penjualannya tidak meningkat atau menurun selama waktu tertentu
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan sering dipandang sebagai seni dan ilmu dalam memprediksikan kejadian yang mungkin dihadapi pada masa yang akan datang. Secara teoritis peramalan
Lebih terperinciBAB 2 TINJAUAN TEORITIS. yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan terjadi
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Peramalan Peramalan (forecasting) merupakan upaya memperkirakan apa yang terjadi pada masa yang akan datang. Pada hakekatnya peramalan hanya merupakan suatu perkiraan (guess),
Lebih terperinciAplikasi Sistem Informasi Forecasting pada PD. Maha Jaya. Teknik Informatika 1 Teknik Industri 2 Universitas Kristen Petra Surabaya
Aplikasi Sistem Informasi Forecasting pada PD. Maha Jaya Rudy Adipranata 1, Tanti Octavia 2, Andi Irawan 1 Teknik Informatika 1 Teknik Industri 2 Universitas Kristen Petra Surabaya Pendahuluan Pentingnya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama (assaury, 1991). Sedangkan ramalan adalah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Sedangkan
Lebih terperinciBab Implementasi Sistem
37 Bab 4 Hasil dan Pembahasan 4.1 Implementasi Sistem Basis Data Implementasi model sistem basis data merupakan implementasi dari perancangan basis data yang telah dibuat pada bab sebelumnya. Berdasarkan
Lebih terperinciPENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT.TELKOMSEL DIVRE3 SURABAYA
PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT.TELKOMSEL DIVRE3 SURABAYA Alda Raharja, Wiwik Angraeni, S.Si, M.Kom, Retno Aulia Vinarti, S.Kom Sistem Informasi, Fakultas
Lebih terperinciEvelina Padang, Gim Tarigan, Ujian Sinulingga
Saintia Matematika Vol. 1, No. 2 (2013), pp. 161 174. PERAMALAN JUMLAH PENUMPANG KERETA API MEDAN-RANTAU PRAPAT DENGAN METODE PEMULUSAN EKSPONENSIAL HOLT-WINTERS Evelina Padang, Gim Tarigan, Ujian Sinulingga
Lebih terperinciPENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT.TELKOMSEL DIVRE3 SURABAYA
PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT.TELKOMSEL DIVRE3 SURABAYA PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT.TELKOMSEL
Lebih terperinciBAB IV METODE PERAMALAN
Metode Peramalan 15 BAB METODE PERAMALAN 4.1 Model Sederhana Data deret waktu Nilai-nilai yang disusun dari waktu ke waktu tersebut disebut dengan data deret waktu (time series). Di dunia bisnis, data
Lebih terperinciBAB III TINJAUAN PUSTAKA
BAB III TINJAUAN PUSTAKA 3.1 Teori Dunia industri biasanya tak lepas dari suatu peramalan, hal ini disebabkan bahwa peramalan dapat memprediksi kejadian di masa yang akan datang untuk mengambil keputusan
Lebih terperinciPrediksi Persediaan Ikan Teri Menggunakan Exponential Smoothing Berbasis Ordered Weighted Aggregation
Jurnal Ilmiah NERO Vol. 1 No. 1 2014 Prediksi Persediaan Ikan Teri Menggunakan Exponential Smoothing Berbasis Ordered Weighted Aggregation Bain Khusnul Khotimah 1, Moh. Laili 2, Budi Dwi Satoto 3 1,2)
Lebih terperinciBAB 2 LANDASAN TEORITIS
BAB 2 LANDASAN TEORITIS 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksikan apa yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.
Lebih terperinciMETODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN
METODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN Peramalan kuantitatif hanya dapat digunakan apabila terdapat
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Emas merupakan logam mulia yang sering dijadikan sebagai alat tukar dalam perdagangan maupun sebagai standar keuangan berbagai negara. Nilai emas yang tidak pernah
Lebih terperinciIII. MATEMATIKA DAN STATISTIKA APLIKASI (S.1) EFEK PERUBAHAN POLA CUACA PADA DEBIT AIR MASUK DI WADUK SAGULING
III. MATEMATIKA DAN STATISTIKA APLIKASI (S.1) EFEK PERUBAHAN POLA CUACA PADA DEBIT AIR MASUK DI WADUK SAGULING Yurian Yudanto (yurian.yudanto@yahoo.com) Jurusan Statistika, Fakultas Matematika dan Ilmu
Lebih terperinciBAB 1 PENDAHULUAN. Pasar global dewasa ini tanpa disadari telah membuat kompetisi di dalam dunia
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Pasar global dewasa ini tanpa disadari telah membuat kompetisi di dalam dunia perindustrian menjadi hal yang lebih penting. Pasar yang dulunya pada masa Perang
Lebih terperinciBAB 2 LANDASAN TEORI
10 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang. Peramalan diperlukan karena adanya kesenjaan waktu
Lebih terperinciDwi Puspitasari 1, Mustika Mentari 2, Wildan Ridho Faldiansyah 3
PENERAPAN METODE SINGLE EXPONENTIAL SMOOTHING MENGGUNAKAN PENDEKATAN ADAPTIF PADA PERAMALAN JUMLAH PELANGGAN DAN KEBUTUHAN AIR PADA PDAM KOTA PROBOLINGGO Dwi Puspitasari 1, Mustika Mentari 2, Wildan Ridho
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Pendahuluan Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Konsep Peramalan Peramalan ( forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien khususnya dalam bidang ekonomi. Dalam organisasi modern
Lebih terperinciBAB 2 TINJAUAN TEORITIS. 2.1 Produk Domestik Regional Bruto
18 BAB 2 TINJAUAN TEORITIS 2.1 Produk Domestik Regional Bruto Dalam menghitung pendapatan regional, dipakai konsep domestik. Berarti seluruh nilai tambah yang ditimbulkan oleh berbagai sektor atau lapangan
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan meramalkan atau memprediksi apa yang akan terjadi dimasa yang akan datang dengan waktu tenggang (lead time) yang relative lama,
Lebih terperinciBAB II LANDASAN TEORI. saling berhubungan membentuk suatu kesatuan atau organisasi atau suatu jaringan
BAB II LANDASAN TEORI 2.1 Pengertian Sistem Menurut Amsyah (2005), definisi sistem adalah elemen-elemen yang saling berhubungan membentuk suatu kesatuan atau organisasi atau suatu jaringan kerja dari prosedur
Lebih terperinciPENERAPAN METODE DOUBLE EXPONENTIAL SMOOTHING PADA PERAMALAN PRODUKSI TANAMAN PANGAN
Jurnal Informatika Polinema ISSN: 2407-070X PENERAPAN METODE DOUBLE EXPONENTIAL SMOOTHING PADA PERAMALAN PRODUKSI TANAMAN PANGAN Rudy Ariyanto 1, Dwi Puspitasari 2, Fifi Ericawati 3 1,2,3 Program Studi
Lebih terperinciPENGGUNAAN METODE EXPONENTIAL SMOOTHING UNTUK MERAMALKAN PERSEDIAAN BERAS PADA BULOG DIVRE ACEH
ISBN: 978-602-71798-1-3 PENGGUNAAN METODE EXPONENTIAL SMOOTHING UNTUK MERAMALKAN PERSEDIAAN BERAS PADA BULOG DIVRE ACEH Nurmaulidar, Asep Rusyana, Rizka Maqfirah 1 Fakultas MIPA, Universitas Syiah Kuala,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Peramalan (forecasting) 2.1.1. Hubungan Forecast dengan Rencana Forecast adalah peramalan apa yang akan terjadi pada waktu yang akan datang, sedang rencana merupakan penentuan apa
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi
Lebih terperinciBAB I PENDAHULUAN. Peramalan merupakan suatu kegiatan memprediksi nilai dari suatu
BAB I PENDAHULUAN A. LATAR BELAKANG Peramalan merupakan suatu kegiatan memprediksi nilai dari suatu variabel berdasarkan nilai yang diketahui dari variabel tersebut pada masa lalu atau variabel yang berhubungan.
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa. situasi dan kondisi di masa yang akan datang.
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Sedangkan ramalan
Lebih terperinciBAB 2 LANDASAN TEORI
1 BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan metode ARIMA box jenkins untuk meramalkan kebutuhan bahan baku. 2.1. Peramalan Peramalan
Lebih terperinciPERAMALAN DATA TIME SERIES DENGAN METODE PENGHALUSAN EKSPONENSIAL HOLT - WINTER
PERAMALAN DATA TIME SERIES DENGAN METODE PENGHALUSAN EKSPONENSIAL HOLT - WINTER PERAMALAN DATA TIME SERIES DENGAN METODE PENGHALUSAN EKSPONENSIAL HOLT WINTER Adi Suwandi 1, Annisa 2, Andi Kresna Jaya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan merupakan usaha yang dilakukan oleh suatu perusahaan untuk melihat dan mengkaji situasi dan kondisi di masa mendatang. Terdapat beberapa faktor yang mempengaruhi
Lebih terperinciBAB III PERAMALAN 3.1 Landasan Teori Peramalan
BAB III PERAMALAN 3.1 Landasan Teori Peramalan Menurut Gaspersz (2004), aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha memperkirakan permintaan dan penggunaan produk sehingga produk-produk
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Iklim Iklim ialah suatu keadaan rata-rata dari cuaca di suatu daerah dalam periode tertentu. Curah hujan ialah suatu jumlah hujan yang jatuh di suatu daerah pada kurun waktu
Lebih terperinciBAB I PENDAHULUAN. konstan, namun ada beberapa periode yang memperlihatkan keadaan yang ekstrim.
1 BAB I PENDAHULUAN 1.1. Latar Belakang Variasi dan keadaan curah hujan yang terjadi, tidaklah selalu tetap dan konstan, namun ada beberapa periode yang memperlihatkan keadaan yang ekstrim. Pada umumnya,
Lebih terperinciBAB II TINJAUAN PUSTAKA
4 BAB II TINJAUAN PUSTAKA 1.1 Landasan Teori 1.1.1 Prediksi Prediksi adalah sama dengan ramalan atau perkiraan. Menurut kamus besar bahasa indonesia, prediksi adalah hasil dari kegiatan memprediksi atau
Lebih terperinciBab III PERANCANGAN PROGRAM APLIKASI
35 Bab III PERANCANGAN PROGRAM APLIKASI 3.1 Spesifikasi Rumusan Rancangan Perancangan program aplikasi ini terbagi menjadi dua bagian yaitu proses, yaitu : proses input dan hasil keluaran atau output Proses
Lebih terperinciSISTEM PERAMALAN STOK OBAT MENGGUNAKAN METODE EXPONENTIAL SMOOTHING
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 SISTEM PERAMALAN STOK OBAT MENGGUNAKAN METODE EXPONENTIAL SMOOTHING Eka Mala Sari R 1), Yeni Kustiyahningsih 2), Rizki
Lebih terperinciPREDIKSI HARGA DAGING SAPI DI PEKANBARU DENGAN METODE PEMULUSAN EKSPONENSIAL TRIPEL WINTER
PREDIKSI HARGA DAGING SAPI DI PEKANBARU DENGAN METODE PEMULUSAN EKSPONENSIAL TRIPEL WINTER Rahmadeni 1, Evi Febriantikasari 2 Jurusan Matematika, Fakultas Sains dan Teknologi,UIN Sultan Syarif Kasim Riau
Lebih terperinciBAB 3 FORECASTING DAN PENGAMATAN TRAFIK DATA
BAB 3 FORECASTING DAN PENGAMATAN TRAFIK DATA Forecasting adalah suatu peramalan nilai sebuah atau sekumpulan variabel pada satu titik waktu di masa depan. Dalam melakukan perhitungan peramalan pertumbuhan
Lebih terperinciPENERAPAN LEAST SQUARE METHOD UNTUK PERAMALAN PENJUALAN DI HIJABSTORY BANDUNG
PENERAPAN LEAST SQUARE METHOD UNTUK PERAMALAN PENJUALAN DI HIJABSTORY BANDUNG Wendi Wirasta, Muhamad Luthfi Ashari 2 Program Studi Teknik Informatika, STMIK & Ilmu Komputer LPKIA Jl. Soekarno Hatta 456,
Lebih terperinciBAB 3 PERANCANGAN PROGRAM. 3.1 Alasan digunakan Metode Exponential Smoothing. Banyak metode peramalan yang dapat digunakan dalam memprediksi tingkat
BAB 3 PERANCANGAN PROGRAM 3.1 Alasan digunakan Metode Exponential Smoothing Banyak metode peramalan yang dapat digunakan dalam memprediksi tingkat penjualan untuk beberapa periode ke depan. Biasanya untuk
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Peramalan pada dasarnya merupakan proses menyusun informasi tentang kejadian masa lampau yang berurutan untuk menduga kejadian di masa depan (Frechtling, 2001:
Lebih terperinciBAB. 1 PENDAHULUAN Latar Belakang
1 BAB. 1 PENDAHULUAN 1.1. Latar Belakang Kain adalah bahan mentah yang dapat dikelola menjadi suatu pakaian yang mempunyai nilai financial dan konsumtif dalam kehidupan, seperti pembuatan baju. Contohnya
Lebih terperinciIMPLEMENTASI METODE TRIPLE EXPONENTIAL SMOOTHING DALAM PERAMALAN PENJUALAN PULSA ELEKTRIK
IMPLEMENTASI METODE TRIPLE EXPONENTIAL SMOOTHING DALAM PERAMALAN PENJUALAN PULSA ELEKTRIK Sugiyanto 1, Rinci Kembang Hapsari 2 1,2 Jurusan Teknik Informatika Fakultas Teknologi Informasi Institut Teknologi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab ini membahas teori penunjang dan penelitian sebelumnya yang berhubungan dengan penerapan metode Holt-Winters untuk prediksi penjualan barang musiman. 2.1 Teknik Peramalan Peramalan
Lebih terperinciBAB 2 LANDASAN TEORI. sama setiap hrinya. Pada bulan-bulan tertentu curah hujan sangat tinggi dan pada
BAB 2 LANDASAN TEORI 2.1 Curah Hujan Hujan sangat diperlukan diberbagai penjuru masyarakat. Curah hujan tidak selalu sama setiap hrinya. Pada bulan-bulan tertentu curah hujan sangat tinggi dan pada bulan-bulan
Lebih terperinciBAB 2 LANDASAN TEORI
20 BAB 2 LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu atau beberapa produk pada periode yang akan datang.
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Pada penelitian ini, data yang diperoleh dari 4 tahun terakhir pada toko
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil 4.1.1 Persiapan Penelitian Pada penelitian ini, data yang diperoleh dari 4 tahun terakhir pada toko mitra elektronik yaitu dari tahun 2010 2013 untuk memprediksi penjualan
Lebih terperinciPERBANDINGAN KEEFEKTIFAN METODE MOVING AVERAGE DAN EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH PENGUNJUNG HOTEL MERPATI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 251 258. PERBANDINGAN KEEFEKTIFAN METODE MOVING AVERAGE DAN EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH PENGUNJUNG HOTEL
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Manfaat Peramalan Pada dasarnya peramalan adalah merupakan suatu dugaan atau perkiraan tentang terjadinya suatu keadaan dimasa depan, tetapi dengan menggunakan metode metode tertentu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola data yang sistematis (Makridakis, 1999). Peramalan menggunakan pendekatan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sumber data utama yang digunakan dalam penelitian ini berasal dari data
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Penelitian dan Pengumpulan Data Sumber data utama yang digunakan dalam penelitian ini berasal dari data penjualan motor merek Yamaha tahun 2011 sampai
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Defenisi Peramalan Peramalan adalah suatu kegiatan dalam memperkirakan atau kegiatan yang meliputi pembuatan perencanaan di masa yang akan datang dengan menggunakan data masa lalu
Lebih terperinciBAB III PERAMALAN. Praktikum Sistem Produksi ATA 2014/2015
BAB III PERAMALAN 3.1 Landasan Teori Peramalan merupakan suatu bentuk usaha untuk meramalkan keadaan di masa mendatang melalui pengujian keadaan di masa lalu. Esensi peramalan adalah perkiraan peristiwa-peristiwa
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. PengertianPeramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Dalam usaha mengetahui atau melihat perkembangan di masa depan,
Lebih terperinciPERANCANGAN APLIKASI PERAMALAN JUMLAH CALON MAHASISWA BARU YANG MENDAFTAR MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOTHING
PERANCANGAN APLIKASI PERAMALAN JUMLAH CALON MAHASISWA BARU YANG MENDAFTAR MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOTHING (Studi Kasus : Fakultas Agama Islam UISU) Agustinawati Purba Mahasiswa Teknik Informatika
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK
BAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK 3.1 Metode Pemulusan Eksponensial Holt-Winter Metode rata-rata bergerak dan pemulusan Eksponensial dapat digunakan untuk
Lebih terperinciMenurut Arsyad (2001: 7), peramalan menunjukkan perkiraan yang. akan terjadi pada suatu keadaan tertentu. Ramalan menjadi input bagi proses
2. BAB II LANDASAN TEORI Dalam merancang dan membangun aplikasi, sangatlah penting untuk mengetahui terlebih dahulu dasar-dasar teori yang digunakan. Dasar-dasar teori tersebut digunakan sebagai landasan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian terhadap populasi yang sangat besar, kita perlu melakukan suatu penarikan sampel. Hal ini dikarenakan tidak selamanya kita dapat
Lebih terperinciPERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati ( )
TUGAS AKHIR PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati (1207 100 031) Dosen Pembimbing: Drs. I G Ngurah Rai Usadha, M.Si Dra. Nuri
Lebih terperinciSKRIPSI APLIKASI METODE GOLDEN SECTION UNTUK OPTIMASI PARAMETER PADA METODE EXPONENTIAL SMOOTHING. Disusun oleh: DANI AL MAHKYA
APLIKASI METODE GOLDEN SECTION UNTUK OPTIMASI PARAMETER PADA METODE EXPONENTIAL SMOOTHING SKRIPSI Disusun oleh: DANI AL MAHKYA 24010210141025 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
Lebih terperincimilik UKDW BAB 1 PENDAHULUAN
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan perekonomian yang cukup tinggi salah satunya dipelopori oleh bisnis dalam bidang manufaktur. Perusahaan-perusahaan dalam bidang manufaktur ini
Lebih terperinciKAJIAN TEORITIS HYBRIDIZING EXPONENTIAL SMOOTHING DAN NEURAL NETWORK UNTUK PERAMALAN DATA RUNTUN WAKTU
Bimaster Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No.3 (2013), hal 205-210 KAJIAN TEORITIS HYBRIDIZING EXPONENTIAL SMOOTHING DAN NEURAL NETWORK UNTUK PERAMALAN DATA RUNTUN WAKTU Muhlasah
Lebih terperinciSistem Peramalan Serangan Organisme Pengganggu Tanaman Menggunakan Metode Double Exponential Smoothing Berbasis Google Map
e-issn : 2598-9421 Sistem Peramalan Serangan Organisme Pengganggu Tanaman Menggunakan Metode Double Exponential Smoothing Berbasis Google Map Christiana Ari Setyaningrum 1), Sri Yulianto Joko Prasetyo*
Lebih terperinciVI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER
VI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER 6.1. Analisis Pola Data Penjualan Ayam Broiler Data penjualan ayam broiler adalah data bulanan yang diperoleh dari bulan Januari 2006
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit
BAB 2 LANDASAN TEORI 2.1 Pengertian Produksi Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit tanaman pada lahan yang telah disediakan, pemupukan dan perawatan sehingga
Lebih terperinciBAB IV METODE PENELITIAN
BAB IV METODE PENELITIAN 4.1. Desain Penelitian Dari uraian latar belakang masalah, penelitian ini dikategorikan ke dalam penelitian kasus dan penelitian lapangan. Menurut Rianse dan Abdi dalam Surip (2012:33)
Lebih terperinciPeramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Peramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model Ni Kadek Sukerti STMIK STIKOM Bali Jl. Raya Puputan
Lebih terperinciSISTEM PERAMALAN PERSEDIAAN UNIT MOBIL MITSUBISHI PADA PT. SARDANA INDAH BERLIAN MOTOR DENGAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING
SISTEM PERAMALAN PERSEDIAAN UNIT MOBIL MITSUBISHI PADA PT. SARDANA INDAH BERLIAN MOTOR DENGAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING Afni Sahara (0911011) Mahasiswa Program Studi Teknik Informatika,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan digunakanan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalis kendala atau memaksimalkan pengembangan baik
Lebih terperinciPENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL PERGERAKAN INFLASI KOTA PALU
PENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL PERGERAKAN INFLASI KOTA PALU Romy Biri ), Yohanes A.R. Langi ), Marline S. Paendong ) ) Program Studi Matematika FMIPA Universitas Sam Ratulangi Jl.
Lebih terperinciPERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS
Saintia Matematika ISSN: 2337-9197 Vol. 02, No. 03 (2014), pp. 253 266. PERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS
Lebih terperinciBAB I PENDAHULUAN. Sejak kondisi ekonomi dan bisnis selalu berubah setiap waktu, maka para
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sejak kondisi ekonomi dan bisnis selalu berubah setiap waktu, maka para pimpinan suatu perusahaan atau para pelaku bisnis harus menemukan cara untuk terus
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan
BAB 2 LADASA TEORI 2.1 Pengertian Peramalan (Forecasting) Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan terjadi pada masa mendatang. Peramalan penjualan adalah peramalan
Lebih terperinciBAB 2 TINJAUAN TEORI. akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan
BAB 2 TINJAUAN TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan
Lebih terperinciPeramalan Jumlah Penumpang Pada Siluet Tour And Travel Kota Malang Menggunakan Metode Triple Exponential Smoothing
Jurnal Ilmiah Teknologi dan Informasi ASIA (JITIKA) Vol.11, No.1, Februari 2017 ISSN: 0852-730X Peramalan Jumlah Penumpang Pada Siluet Tour And Travel Kota Malang Menggunakan Metode Triple Exponential
Lebih terperinciPERAMALAN OPT PERKEBUNAN DENGAN MENGGUNAKAN SPSS Oleh : Arif Ashari, S.Si (Statistisi Ahli Pertama - BBPPTP Surabaya)
PERAMALAN OPT PERKEBUNAN DENGAN MENGGUNAKAN SPSS Oleh : Arif Ashari, S.Si (Statistisi Ahli Pertama - BBPPTP Surabaya) I. PENDAHULUAN Pengolahan dan analisis data serangan Organisme Pengganggu Tumbuhan
Lebih terperinciMETODE PEMULUSAN EKSPONENSIAL WINTER UNTUK PERAMALAN ABSTRACT
METODE PEMULUSAN EKSPONENSIAL WINTER UNTUK PERAMALAN Arganata Manurung 1, Bustami 2, M.D.H. Gamal 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPembahasan Materi #7
1 EMA402 Manajemen Rantai Pasokan Pembahasan 2 Pengertian Moving Average Alasan Tujuan Jenis Validitas Taksonomi Metode Kualitatif Metode Kuantitatif Time Series Metode Peramalan Permintaan Weighted Woving
Lebih terperinciBAB II LANDASAN TEORI. Sistem informasi terdiri dari input, proses, dan output, seperti yang terlihat pada
BAB II LANDASAN TEORI 2.1 Konsep Sistem Informasi Sebelum merancang sistem perlu dikaji konsep dan definisi dari sistem.. Sistem informasi terdiri dari input, proses, dan output, seperti yang terlihat
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1. Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan
Lebih terperinciSALES FORECASTING UNTUK PENGENDALIAN PERSEDIAAN
BAB IV SALES FORECASTING UNTUK PENGENDALIAN PERSEDIAAN A. Identifikasi Peramalan Penjualan oleh UD. Jaya Abadi Dari hasil wawancara yang menyebutkan bahwa setiap pengambilan keputusan untuk estimasi penjualan
Lebih terperinciU K D W BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam pengelolaan suatu minimarket tidak pernah lepas dari yang namanya persediaan barang. Persediaan barang menjadi bagian yang sangat vital dalam tumbuh kembangnya
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Persediaan dan Pengendalian Persediaan Menurut (Herjanto, 2008), persediaan adalah bahan baku atau barang yang disimpan yang akan digunakan untuk proses memenuhi tujuan tertentu,
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI 3.1 KONSEP DASAR PERAMALAN Definisi forecasting sendiri sebenarnya beragam, berikut beberapa difinisi tentang forecasting: 1. Perkiraan munculnya sebuah kejadian di masa depan, berdasarkan
Lebih terperinciPROGRAM STUDI SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI INSTITUT TEKNOLOGI SEPULUH NOPEMBER
PROGRAM STUDI SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI INSTITUT TEKNOLOGI SEPULUH NOPEMBER PEMBUATAN APLIKASI PERAMALAN JUMLAH PERMINTAAN PRODUK DENGAN METODE TIME SERIES EXPONENTIAL SMOOTHING HOLTS
Lebih terperinciPenggunaan Polinomial Newton dan Advance Exponential Smoothing Untuk Peramalan Serangan Wereng Batang Coklat Pada Komoditas Padi Di Kabupaten Boyolali
Penggunaan Polinomial Newton dan Advance Exponential Smoothing Untuk Peramalan Serangan Wereng Batang Coklat Pada Komoditas Padi Di Kabupaten Boyolali Artikel Ilmiah Peneliti : Steven Erytherina Javanica
Lebih terperinciPREDIKSI INTENSITAS TRAFFIC MENGGUNAKAN DYNAMIC FORECASTING
PREDIKSI INTENSITAS TRAFFIC MENGGUNAKAN DYNAMIC FORECASTING Nora Puspita Syari, Mike Yuliana, ST.MT, Ronny Susetyoko, SSi, MSi Jurusan Teknik Telekomunkasi - Politeknik Elektronika Negeri Surabaya Institut
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan salah satu hasil bercocok tanam yang dilakukan dengan penanaman bibit padi dan perawatan serta pemupukan secara teratur sehingga menghasilkan
Lebih terperinciGambar 1. Bentuk Pola Data
1. Pendahuluan Padi (Oryza sativa sp.) adalah tanaman yang berasal dari Bangladesh. Dari tanaman padi dihasilkan beras, yang merupakan bahan makanan pokok sebagian besar rakyat Indonesia. Padi dapat tumbuh
Lebih terperinci