Sabrina Hudani Dosen Pembimbing: Prof. Dr. Ir. Suparno, MSIE. Your Ihr Logo
|
|
- Sukarno Kusnadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Optimasi Pengadaan Beras dengan Menggunakan Linear Programming dan Mempertimbangkan Hasil Panen (Studi Kasus: Perum BULOG Sub Divisi Regional I Surabaya Utara) Sabrina Hudani Dosen Pembimbing: Prof. Dr. Ir. Suparno, MSIE. Your Ihr Logo 1
2 Content Pendahuluan Tinjauan Pustaka Metodologi Penelitian Pengolahan Data Kesimpulan Your Logo 2
3 Manfaat Penelitian Latar Belakang Pendahulua n Tempat Penelitian Ruang Lingkup Tujuan Penelitian Perumusan Masalah Your Logo 3
4 Latar Belakang Ketahanan pangan baik Individu, rumah tangga, dan komunitas merupakan hak azasi manusia Pemerintah menginginkan tercapainya ketahanan pangan Ketersediaan beras erat kaitannya dengan produksi padi para petani Menangani masalah ketahan pangan Beras Miskin (RASKIN) Cadangan Beras Pemerintah (CBP) OPTIMAL Linear Programming Your Logo Operasi Pasar Murni (OPM) 4
5 Tempat Penelitian Divisi Regional Jawa Timur Your Logo Sub Divisi Regional I Surabaya Utara 5
6 Perumusan Masalah Perum BULOG harus menyediakan beras sesuai dengan kebutuhan masyarakat sehingga diperlukan suatu metode untuk mengetahui persediaan optimal beras agar perusahaan dapat mengantisipasi stock out. Dengan menggunakan metode linear programming, maka diharapkan perusahaan dapat memenuhi kebutuhan beras untuk RASKIN, CBP dan OPM, serta dapat meminimumkan biaya distribusi. Your Logo 6
7 Tujuan Penelitian Mengetahui sistem eksisting perusahaan dalam pengadaan beras Meramalkan jumlah produksi padi di wilayah Surabaya, Gresik, dan Sidoarjo selama tahun 2011 Mengaplikasikan metode Linear programming untuk pengadaan beras yang optimal di wilayah Surabaya, Gresik, dan Sidoarjo Memperoleh alternatif kebijakan pengadaan beras yang dapat meminimumkan biaya distribusi untuk perusahaan amatan Your Logo 7
8 Ruang Lingkup Batasan Asumsi Penelitian hanya dilakukan di Perum BULOG Sub Divisi Regional I Surabaya Utara Objek yang diteliti hanya beras RASKIN, CBP, dan OPM Wilayah yang diteliti hanya daerah Surabaya, Gresik, dan Sidoarjo Data yang digunakan dalam penelitian adalah data produksi padi tahun 2005 sampai 2009 untuk wilayah Gresik dan Sidoarjo dan data produksi padi tahun 2006 sampai 2010 untuk wilayah Surabaya. Beras petani yang memenuhi kualitas beras BULOG sebesar 40% dari hasil panen atau produksi padi di masingmasing wilayah Perhitungan jarak yang digunakan dalam penentuan biaya distribusi adalah jarak total jarak dari titik asal ke titik tujuan Your Logo 8
9 Manfaat Penelitian 1 Dapat mengoptimalkan persediaan beras dengan mempertimbangkan peramalan produksi padi dan kebutuhan beras di masa mendatang 2 Memberikan alternatif kebijakan pengadaan beras untuk perusahaan dalam mengoptimalkan persediaan beras lokal Your Logo 9
10 Tinjauan Pustaka LINEAR PROGRAMMING (LP) Suatu masalah optimasi yang berkaitan dengan meminimumkan atau memaksimalkan suatu fungsi linier yang dibatasi oleh konstrainkonstrain atau kendala-kendala yang berbentuk baik persamaan ataupun ketidaksamaan (Bazaraa et al, 2005). Minimize: Z = c 1 X 1 + c 2 X c n X n Dengan batasan: m i = 1,2,3,... j = 1,2,3,... n Your Logo 10
11 Tinjauan Pustaka TRANSPORTATION PROBLEM Total Supply = Total Demand Minimize c 11 x c 1n x 1n + c 21 x c 2n x 2n + + c m1 x m1 + + c mn x mn Subject to x x 1n = s 1 x x 2n = s 2 x m1 + + x mn = s m x 11 + x x m1 = d 1 x 1n + x 2n +. + x mn = d n x 11, x 1n, x 21, x 2n, x m1, x mn, 0 Your Logo 11
12 Tinjauan Pustaka PERSEDIAAN (INVENTORY) Material yang ditahan dalam suatu keadaan idle atau keadaan tidak sempurna menunggu penggunaan di masa mendatang (Tersine,1994). PERAMALAN (FORECASTING) Prediksi, proyeksi, atau estimasi dari kejadian yang tidak tentu di masa mendatang dari suatu kegiatan (Tersine, 1994) Peramalan hasil panen atau produksi padi di wilayah Surabaya, Gresik, dan Sidoarjo, serta harga beras. Your Logo 12
13 Metodologi Penelitian Tahap Persiapan Identifikasi Awal dan Perumusan Masalah Penetapan Tujuan Tahap Pengumpulan Data Studi Pustaka Studi Lapangan Pengumpulan Data Your Logo 13
14 Metodologi Penelitian Peramalan Produksi Padi di Wilayah Surabaya, Gresik, dan Sidoarjo Tahap Pengolahan Data Peramalan Harga Beras Pemodelan Matematis (Linear Programming) Pengujian Model Linear Programming dengan LINGO Tahap Analisis dan Kesimpulan Analisis dan Interpretasi Hasil Kesimpulan dan Saran Your Logo 14
15 Peramalan Produksi Padi Luas Panen dan Produksi Padi Surabaya Your Logo 15
16 Peramalan Produksi Padi Luas Panen dan Produksi Padi Surabaya Your Logo Here comes your footer Page 16 16
17 Peramalan Produksi Padi di Surabaya Regression Analysis: Y(t) versus X(t-12) The regression equation is Y(t) = ,30 X(t-12) Peramalan Produksi Padi 48 cases used, 12 cases contain missing values Predictor Coef SE Coef T P Constant 606,6 198,3 3,06 0,004 X(t-12) 2,3004 0,8971 2,56 0,014 S = 1054,94 R-Sq = 12,5% R-Sq(adj) = 10,6% Analysis of Variance Source DF SS MS F P Regression ,57 0,014 Residual Error Total Here comes your footer Page Your 17Logo 17
18 Peramalan Produksi Padi Peramalan Luas Panen di Surabaya Output Model AR(1) 12 Probability Plot of RESI17 Normal Final Estimates of Parameters Type Coef SE Coef T P SAR 12 0,5153 0,1414 3,64 0,001 Constant 75,55 22,20 3,40 0,001 Mean 155,86 45,81 Number of observations: 60 Residuals: SS = (backforecasts excluded) MS = DF = 58 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Percent 99, , RESI Mean -42,94 StDev 77,57 N 60 KS 0,106 P-Value 0,090 Lag Chi-Square 9,2 25,7 50,7 66,8 DF P-Value 0,511 0,264 0,033 0,024 Your Logo 18
19 Peramalan Produksi Padi Your Logo Here comes your footer Page 19 19
20 Peramalan Produksi Padi Luas Panen dan Produksi Padi Gresik Here comes your footer Page Your 20Logo 20
21 Peramalan Produksi Padi Luas Panen dan Produksi Padi Gresik Here comes your footer Page Your 21Logo 21
22 Peramalan Produksi Padi di Gresik Regression Analysis: Y(t) versus X(t-12) The regression equation is Y(t) = ,96 X(t-12) 3 Peramalan Produksi Padi 48 cases used, 24 cases contain missing values Predictor Coef SE Coef T P Constant ,10 0,041 X(t-12) 3,9638 0,6245 6,35 0,000 S = 23173,1 R-Sq = 46,7% R-Sq(adj) = 45,5% Analysis of Variance Source DF SS MS F P Regression ,28 0,000 Residual Error Here comes your footer Page Your 22Logo Total
23 Peramalan Produksi Padi Peramalan Luas Panen di Gresik Output Model MA(2) 12 Final Estimates of Parameters Type Coef SE Coef T P SMA 12-1,0137 0,1901-5,33 0,000 SMA 24-0,6044 0,2084-2,90 0,005 Number of observations: 60 Residuals: SS = (backforecasts excluded) MS = DF = 58 Percent Probability Plot of RESI27 Normal RESI Mean StDev 8165 N 48 KS 0,120 P-Value 0,082 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square 13,2 24,2 33,5 46,5 DF P-Value 0,215 0,334 0,494 Here comes 0,450 your footer Page Your 23Logo 23
24 Peramalan Produksi Padi Here comes your footer Page Your 24Logo 24
25 v Peramalan Produksi Padi Luas Panen dan Produksi Padi Sidoarjo Here comes your footer Page Your 25Logo 25
26 v Peramalan Produksi Padi Luas Panen dan Produksi Padi Sidoarjo Here comes your footer Page Your 26Logo 26
27 Peramalan Produksi Padi di Sidoarjo Regression Analysis: Y(t) versus X(t) The regression equation is Y(t) = ,69 X(t) Peramalan Produksi Padi Predictor Coef SE Coef T P Constant 149,1 286,8 0,52 0,005 X(t) 5, , ,22 0,000 S = 1529,28 R-Sq = 98,9% R-Sq(adj) = 98,9% Analysis of Variance Source DF SS MS F P Regression ,97 0,000 Residual Error Total Here comes your footer Page Your 27Logo 27
28 Peramalan Produksi Padi Peramalan Luas Panen di Sidoarjo Output Model ARMA(1,1) 12 Probability Plot of RESI14 Normal Final Estimates of Parameters Type Coef SE Coef T P SAR 12 0,9990 0, ,18 0,000 SMA 12 0,7587 0,1407 5,39 0,000 Percent 99, Mean -41,09 StDev 68,94 N 60 KS 0,107 P-Value 0,086 Number of observations: 60 Residuals: SS = (backforecasts excluded) MS = DF = , RESI Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square 20,0 23,4 34,4 71,1 DF Here comes your footer Page Your 28Logo P-Value 0,029 0,381 0,449 0,010 28
29 Peramalan Produksi Padi Here comes your footer Page Your 29Logo 29
30 Kebutuhan Alokasi Beras RASKIN CBP Here comes your footer Page Your 30Logo 30
31 Kebutuhan Alokasi Beras Output Model AR(1) Final Estimates of Parameters OPM Type Coef SE Coef T P AR 1 0,9995 0, ,96 0,000 Number of observations: 28 Residuals: SS = (backforecasts excluded) MS = DF = 27 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square 10,6 22,1 * * DF * * P-Value 0,479 0,512 * * Here comes your footer Page Your 31Logo 31
32 Perhitungan Supply Beras Here comes your footer Page Your 32Logo 32
33 i j k RASKIN untuk Surabaya (1) Formulasi Model Matematis Beras Petani Surabaya (1) Beras Petani Gresik (2) Gudang BULOG I (1) RASKIN untuk Gresik (2) RASKIN untuk Sidoarjo (3) CBP untuk Surabaya (4) Beras Petani Sidoarjo (3) Beras Movement (4) Sisa Beras Tahun Lalu (5) Gudang BULOG II (2) Gudang BULOG III (3) CBP untuk Gresik (5) CBP untuk Sidoarjo (6) OPM untuk Surabaya (7) OPM untuk Gresik (8) OPM untuk Sidoarjo Here comes your footer Page Your 33Logo (9) 33
34 Formulasi Model Matematis Here comes your footer Page Your 34Logo 34
35 Formulasi Model Matematis Minimasi Total Biaya Distribusi Jumlah beras i yang dikirim ke gudang BULOG j <= jumlah supply beras i Jumlah beras dari supply beras i yang masuk gudang BULOG j <= kapasitas gudang BULOG j Jumlah beras yang dikirim dari gudang BULOG j ke titik tujuan k <= jumlah beras yang masuk dari supply i ke gudang BULOG j Jumlah pengiriman beras dari gudang BULOG j ke titik tujuan k = Jumlah demand k Here comes your footer Page Your 35Logo 35
36 Hasil Running LINGO Jumlah supply beras pada gudang BULOG Jumlah pengiriman beras dari gudang BULOG ke titik tujuan (demand) Here comes your footer Page Your 36Logo 36
37 KESIMPULAN 1. Dalam penyaluran beras, perusahaan amatan tidak terlalu mempertimbangkan jarak antara letak supplier dengan gudang BULOG maupun jarak antara gudang BULOG dengan titik tujuan (demand). 2. Produksi padi di masing-masing wilayah dapat diramalkan dengan metode regresi, dengan luas panen sebagai independent variable dan produksi padi sebagai dependent variable. Luas panen sendiri dapat diramalkan dengan metode ARIMA, dengan model yang sesuai dengan ketentuan ARIMA. Jumlah produksi padi di masing-masing wilayah pada tahun 2011 adalah sebagai berikut. Jumlah produksi padi di wilayah Surabaya sebesar kg Jumlah produksi padi di wilayah Gresik sebesar kg. Jumlah produksi padi di wilayah Sidoarjo sebesar kg. Here comes your footer Page Your 37Logo 37
38 KESIMPULAN 3. Dari hasil running LINGO, tidak ada beras yang masuk ke gudang BULOG I, jumlah supply beras yang masuk ke gudang BULOG II sebesar 9.678,61 ton dari beras petani Surabaya, ton dari beras movement, dan 9.936,929 ton dari sisa beras tahun lalu, sedangkan jumlah supply beras yang masuk ke gudang BULOG III sebesar ,78 ton dari beras petani Sidoarjo. Gudang BULOG II memenuhi kebutuhan RASKIN Surabaya dan RASKIN Gresik, sedangkan gudang BULOG III memenuhi kebutuhan RASKIN Sidoarjo dan kebutuhan beras OPM di Surabaya, Gresik, dan Sidoarjo. 4. Pemodelan LP menghasilkan total biaya distribusi sebesar Rp ,00. Nilai ini lebih rendah jika dibandingkan dengan total biaya distribusi berdasarkan pragnosa yang dilakukan perusahaan amatan, yaitu sebesar Rp ,00. Dengan pemodelan LP, kebutuhan beras dapat dipenuhi. Namun, di sisi lain utilitas gudang BULOG tidak maksimum. Here comes your footer Page Your 38Logo 38
39 Daftar Pustaka Amalia, Rizka Optimasi Komposisi Kuantum Produksi dengan Menggunakan Metode Linear Programming (Studi Kasus: PT. Petrokimia Gresik). Surabaya: Tugas Akhir Teknik Industri ITS, Institut Teknologi Sepuluh Nopember. Ballou, R. H Business Logistic Management. Prentice hall, Inc. USA. Bhattacharya, U. K A Chance Constraints Goal programming Model for The Advertising Planning Problem. European Journal of Operational Research vol. 192 pp Chafid, M., dkk Pemodelan Stok Gabah/Beras di Kabupaten Subang. Jurusan Statistik Institut Pertanian Bogor. Bogor. Divisi Gasar Perum BULOG Statistik Operasional dan Pendukung Operasional. Jakarta: Perum BULOG. Hiller, F. S. and Lieberman, G. J Introductions to Operations Research. McGraw-Hill, Inc. USA. Liu, Shiang-Tai The Total Cost Bounds of The Transportation Problem with Varying Demand and Supply. Omega vol. 31 pp Your Logo 39
40 Pujawan, I N. dan Mahendrawathi, ER Supply Chain Management edisi Kedua. Surabaya: Guna Widya. Santosa, Budi dan Paul Willy Metoda Metaheuristik Konsep dan Implementasi. Surabaya: Guna Widya. Sawit, M. H., Djanuardi, B., dan Pertini, K BULOG Baru Menyelaraskan Kegiatan dan Memantapkan Tugas Nasional. Jakarta: Perum BULOG. Tersine, R. J Principles of Inventory and Materials Management. New Jersey: Prentice Hall, Inc. Walpole, R. E. and Myers, R. H Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuwan. Bandung: ITB. diakses tanggal 23 Mei diakses tanggal 15 Mei Daftar Pustaka Yun, J. I Predicting Regional Rice Production in South Korea Using Spatial Data and Crop-growth Modeling. Agricultural System vol. 77 pp Your Logo 40
41 Your Logo Here comes your footer Page 41 41
Abstrak. Kata Kunci: Optimasi, Pengadaan, Linear Programming, Time Series ARIMA, Regresi. ABSTRACT
OPTIMASI PENGADAAN DAN PENDISTRIBUSIAN BERAS DENGAN MENGGUNAKAN LINEAR PROGRAMMING DAN MEMPERTIMBANGKAN HASIL PANEN (STUDI KASUS: PERUM BULOG SUB DIVRE I SURABAYA UTARA) Sabrina Hudani dan Suparno Jurusan
Lebih terperinciPEMODELAN DAN PERAMALAN DATA PEMBUKAAN IHSG MENGGUNAKAN MODEL ARIMA
PEMODELAN DAN PERAMALAN DATA PEMBUKAAN IHSG MENGGUNAKAN MODEL ARIMA OLEH : 1. Triyono ( M0107086 ) 2. Nariswari S ( M0108022 ) 3. Ayunita C ( M0180034 ) 4. Ibnuhardi F.Ihsan ( M0108045 ) 5. Marvina P (
Lebih terperinciLAMPIRAN. Langkah-Langkah Penggunaan Program Minitab: nama kolom tepat diantara C1 dan angka penjualan pertama Jakarta Muscat
L1 LAMPIRAN Langkah-Langkah Penggunaan Program Minitab: 1. Aktifakan program minitab kemudian copy yang diinginkan pada kolom C1. Beri nama kolom tepat diantara C1 dan angka penjualan pertama Jakarta Muscat
Lebih terperinciiii Universitas Sumatera Utara
no bulan tahun suhu 1 JAN 2002 26.3 2 FEB 2002 26.7 3 MAR 2002 27.4 4 APR 2002 26.6 5 MEI 2002 27.6 6 JUN 2002 26.7 7 JUL 2002 27.4 8 AGTS 2002 27.6 9 SEP 2002 25.7 10 OKT 2002 26.4 11 NOV 2002 25.8 12
Lebih terperinciBAB III PERBANDINGAN MODEL ARIMA DAN MODEL VAR PADA PERAMALAN VOLUME PENJUALAN DAN HARGA INTI SAWIT
BAB III PERBANDINGAN MODEL ARIMA DAN MODEL VAR PADA PERAMALAN VOLUME PENJUALAN DAN HARGA INTI SAWIT Pada bab ini, penulis akan membandingkan hasil peramalan menggunakan model ARIMA dan model VAR yang telah
Lebih terperinciPERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS
PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS Oleh : Agustini Tripena ABSTRACT In this paper, forecasting the consumer price index data and inflation. The method
Lebih terperinciData Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun Tahun Bulan Wisman
Lampiran 1. Data Tingkat Hunian Hotel di Propinsi DIY Tahun 1991-2003 48 49 Lampiran 1 Data Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun 1991-2003, Tahun Bulan Wisman 1991 1 27,00 1991 2 30,60
Lebih terperinciPenerapan Model ARIMA
Penerapan Model ARIMA (Bagian II) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016 1 a. Lakukan proses pembedaan (differencing) sebanyak dua kali pada data asal. b. Lakukan pendugaan parameter pada
Lebih terperinciANALISIS POLA HUBUNGAN PEMODELAN ARIMA CURAH HUJAN DENGAN CURAH HUJAN MAKSIMUM, LAMA WAKTU HUJAN, DAN CURAH HUJAN RATA-RATA
ANALISIS POLA HUBUNGAN PEMODELAN ARIMA CURAH HUJAN DENGAN CURAH HUJAN MAKSIMUM, LAMA WAKTU HUJAN, DAN CURAH HUJAN RATA-RATA FATHIN FAHIMAH 226133 DOSEN PEMBIMBING Prof. Ir. Gamantyo Hendrantoro, M.Eng.
Lebih terperinciDiagnostik Model. Uji Ljung-Box-Pierce (modified Box-Pierce)
Diagnostik Model Analisis Sisaan Sisaan = Nilai Aktual Nilai Prediksi Apabila model ARIMA(p, d, q) benar dan dugaan parameter sangat dekat ke nilai yang sebenarnya maka sisaan akan memiliki sifat seperti
Lebih terperinci4 BAB IV HASIL PEMBAHASAN DAN EVALUASI. lebih dikenal dengan metode Box-Jenkins adalah sebagai berikut :
4 BAB IV HASIL PEMBAHASAN DAN EVALUASI Pada bab ini, akan dilakukan analisis dan pembahasan terhadap data runtut waktu. Data yang digunakan dalam penelitian ini merupakan data sekunder, yaitu data harga
Lebih terperinciLampiran 1. Struktur Organisasi PTP Nusantara VIII Kebun Cianten
LAMPIRAN 71 Lampiran 1. Struktur Organisasi PTP Nusantara VIII Kebun Cianten 72 Lampiran 2. Spesifikasi persyaratan mutu teh hitam (SNI 01-1902-1995) No. Jenis Uji Satuan Spesifikasi 1 Kadar air % b/b
Lebih terperinciREGRESI BEDA DAN REGRESI RIDGE Ria Dhea Layla N.K 1, Febti Eka P. 2 1)
REGRESI BEDA DAN REGRESI RIDGE Ria Dhea Layla N.K 1, Febti Eka P. 2 1) 1311105003 2) 1311106009 email: 1) riadhea0863@yahoo.co.id 2) febti08.10@gmail.com ABSTRAK Analisis regresi dalam statistika adalah
Lebih terperinciREGRESI LINEAR SEDERHANA
REGRESI LINEAR SEDERHANA y (x 3,y 3 ) d 3 (x 5,y 5 ) d 5 d 2 (x 2,y 2 ) d (x 1 1,y 1 ) d 4 (x 4,y 4 ) x Definisi: Dari semua kurva pendekatan terhadap satu set data, kurva yang memenuhi sifat bahwa nilai
Lebih terperinciPrediksi Laju Inflasi di Kota Ambon Menggunakan Metode ARIMA Box Jenkins
Statistika, Vol. 16 No. 2, 95 102 November 2016 Prediksi Laju Inflasi di Kota Ambon Menggunakan Metode ARIMA Box Jenkins FERRY KONDO LEMBANG Jurusan Matematika Fakultas MIPA Universitas Pattimura Ambon
Lebih terperinciOleh : Fuji Rahayu W ( )
Oleh : Fuji Rahayu W (1208 100 043) JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2012 Indonesia sebagai negara maritim Penduduk Indonesia
Lebih terperinciPERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI ABSTRAK
PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI Trio Yonathan Teja Kusuma 1, Sandra Praharani Nur Asmoro 2 1,2)
Lebih terperinciPENGEMBANGAN MODEL OPTIMASI UNTUK TWO-STAGE SUPPLY CHAIN DENGAN MEMPERTIMBANGKAN BIAYA TETAP (FIXED CHARGE) Studi kasus: Perum Bulog
PENGEMBANGAN MODEL OPTIMASI UNTUK TWO-STAGE SUPPLY CHAIN DENGAN MEMPERTIMBANGKAN BIAYA TETAP (FIXED CHARGE) Studi kasus: Perum Bulog Soesilowati 1), Suparno 2), dan Erwin Widodo 3) 1) Program Studi Magister,
Lebih terperinciPEMODELAN STOK GABAH/BERAS DI KABUPATEN SUBANG MOHAMAD CHAFID
PEMODELAN STOK GABAH/BERAS DI KABUPATEN SUBANG MOHAMAD CHAFID SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2006 SURAT PERNYATAAN Dengan ini saya menyatakan bahwa tesis yang berjudul : PEMODELAN STOK GABAH/BERAS
Lebih terperinciOPTIMASI PERENCANAAN DAN PENGENDALIAN BAHAN BAKU DI PT. SIANTAR TOP TBK ABSTRAK
OPTIMASI PERENCANAAN DAN PENGENDALIAN BAHAN BAKU DI PT. SIANTAR TOP TBK Robby Hidayat, Moses L.Singih, Mahasiswa MMT ITS Manajemen Industri Email : Robbie_First@Yahoo.Com ABSTRAK PT. Siantar Top Tbk adalah
Lebih terperinciPengaruh Suku Bunga, Inflasi dan Kurs terhadap Perkembangan Harga Saham PT. Telkom Tbk Menggunakan Analisis Regresi
Pengaruh Suku Bunga, Inflasi dan Kurs terhadap Perkembangan Harga Saham PT. Telkom Tbk Menggunakan Analisis Regresi Novita Homer 1, Jantje D. Prang 2, Nelson Nainggolan 3 1 Program Studi Matematika, FMIPA,
Lebih terperinciPemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah
Vol. 9, No., 9-5, Januari 013 Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Fitriani, Erna Tri Herdiani, M. Saleh AF 1 Abstrak Dalam analisis deret waktu
Lebih terperinciPENELITIAN TUGAS AKHIR OPTIMASI KONFIGURASI JARINGAN SUPPLY CHAIN HULU GAS LPG 3 KG DI INDONESIA
PENELITIAN TUGAS AKHIR OPTIMASI KONFIGURASI JARINGAN SUPPLY CHAIN HULU GAS LPG 3 KG DI INDONESIA Dystian Anggraini 2507.100.022 Dosen Pembimbing : Prof. Ir. I Nyoman Pujawan, M.Eng., Ph.D Dosen Ko-Pembimbing
Lebih terperinciPenerapan Model ARIMA
Penerapan Model ARIMA (Bagian I) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 016 1 Ada tiga tahapan iterasi dalam pemodelan data deret waktu, yaitu: 1. Penentuan model tentatif (spesifikasi model)
Lebih terperinciPEMODELAN ARIMA UNTUK PREDIKSI KENAIKAN MUKA AIR LAUT DAN DAMPAKNYA TERHADAP LUAS SEBARAN ROB DI KOTA AMBON
PEMODELAN ARIMA UNTUK PREDIKSI KENAIKAN MUKA AIR LAUT DAN DAMPAKNYA TERHADAP LUAS SEBARAN ROB DI KOTA AMBON (MODELS OF ARIMA TO PREDICT RISING SEA AND ITS IMPACT FOR THE WIDESPREAD DISTRIBUTION OF ROB
Lebih terperinciPEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER
PKMT-2-13-1 PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER Umi Rosyiidah, Diah Taukhida K, Dwi Sitharini Jurusan Matematika, Universitas Jember, Jember ABSTRAK
Lebih terperinciOPTIMASI PENGADAAN BAHAN BAKU SEGAR DI PT. X DENGAN METODE LINEAR PROGRAMMING
OPTIMASI PENGADAAN BAHAN BAKU SEGAR DI PT. X DENGAN METODE LINEAR PROGRAMMING Fransiscus Xaverius Aucky Wibisono dan Abdullah Shahab Program Studi Magister Manajemen Teknologi Institut Teknologi Sepuluh
Lebih terperinciMetode Statistika Pertemuan XII. Analisis Korelasi dan Regresi
Metode Statistika Pertemuan XII Analisis Korelasi dan Regresi Analisis Hubungan Jenis/tipe hubungan Ukuran Keterkaitan Skala pengukuran variabel Pemodelan Keterkaitan Relationship vs Causal Relationship
Lebih terperinciBAB IV ANALISA DAN PEMBAHASAN
BAB IV ANALISA DAN PEMBAHASAN Bab ini akan menguraikan proses, hasil serta pembahasan dari pengolahan data yang telah dilakukan. Analisis pengolahan data dilakukan dengan mengggunakan software Minitab
Lebih terperinciPENERAPAN METODE FIXED ORDER INTERVAL ATAU FIXED ORDER QUANTITY DALAM PENGENDALIAN PERSEDIAAN
PENERAPAN METODE FIXED ORDER INTERVAL ATAU FIXED ORDER QUANTITY DALAM PENGENDALIAN PERSEDIAAN Nisa Masruroh Jurusan Teknik Industri Fakultas Teknologi Industri UPN Veteran Jawa Timur ABSTRAK Persediaan
Lebih terperinciPERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO
Perbandingan Model ARIMA... (Alia Lestari) PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Alia Lestari Fakultas Teknik Universitas
Lebih terperinciPEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI PADI DI JAWA TIMUR TAHUN 2012 DENGAN KASUS PENCILAN DAN AUTOKORELASI ERROR
L/O/G/O SEMINAR HASIL TUGAS AKHIR PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI PADI DI JAWA TIMUR TAHUN 2012 DENGAN KASUS PENCILAN DAN AUTOKORELASI ERROR Oleh: Ria Dosen Pembimbing: Dra. Wiwiek Setya
Lebih terperinciEstimasi, Pemilihan Model dan Peramalan Deret Waktu dengan Microsoft Office Excel
Estimasi, Pemilihan Model dan Peramalan Deret Waktu dengan Microsoft Office Excel Author: Junaidi Junaidi Terdapat berbagai pola pergerakan data deret waktu. Diantaranya adalah: 1) Model Linear; 2) Model
Lebih terperinciProgram Magister Manajemen dan Bisnis Institut Pertanian Bogor 2014
TUGAS Metode Kuantitatif Manajemen Analisis Regresi pada Data Penjualan Tahunan Lezat Fried Chicken (LFC) Disusun sebagai Tugas Akhir Triwulan I Mata Kuliah Metode Kuantitatif Manajemen Disusun Oleh :
Lebih terperinciSTUDI PENGGUNAAN PACKING PLANT PADA DISTRIBUSI SEMEN DI KALIMANTAN MENGGUNAKAN METODE TRANSSHIPMENT: STUDI KASUS PT. SEMEN GRESIK
STUDI PENGGUNAAN PACKING PLANT PADA DISTRIBUSI SEMEN DI KALIMANTAN MENGGUNAKAN METODE TRANSSHIPMENT: STUDI KASUS PT SEMEN GRESIK Ikhyandini GA dan Nadjadji Anwar Bidang Keahlian Manajemen Proyek Program
Lebih terperinciLampiran 1 Deskripsi Statistik Variabel Fungsi Permintaan TMR Tahun 2011
LAMPIRAN 08 Lampiran Deskripsi Statistik Variabel Fungsi Permintaan TMR Tahun 20 Variabel N Rata-rata Minimum Maksimum Standar Deviasi Y 00 3,0 60 6,996 TC 00 54005 5000 400000 74965,665 I 00 25338000
Lebih terperinciPenjadwalan Pemesanan Bahan Baku untuk meminimasi Ruang Penyimpanan di Raw Material Warehouse Lamp Factory PT. Philips Indonesia
Penjadwalan Pemesanan Bahan Baku untuk meminimasi Ruang Penyimpanan di Raw Material Warehouse Lamp Factory PT. Philips Indonesia DISUSUN OLEH: NISMAH MAULIDA2506100178 PEMBIMBING: Prof. Ir. I Nyoman Pujawan,
Lebih terperinciLAPORAN PRAKTIKUM. Mata Kuliah : Penerapan Komputer Tanggal : 21 Desember Nama : Desi Aryanti Dosen : Ir. Rini Herlina M.S
LAPORAN PRAKTIKUM Mata Kuliah : Penerapan Komputer Tanggal : 21 Desember 2009 Nama : Desi Aryanti Dosen : Ir. Rini Herlina M.S NRP : D14070066 Asisten Dosen : 1. Revan M. 2. Ratu Fika Hertaviani KORELASI
Lebih terperinciANALISA BOX JENKINS PADA PEMBENTUKAN MODEL PRODUKSI PREMI ASURANSI KENDARAAN BERMOTOR RODA EMPAT
ANALISA BOX JENKINS PADA PEMBENTUKAN MODEL PRODUKSI PREMI ASURANSI KENDARAAN BERMOTOR RODA EMPAT Mei Taripar Pardamean S.,SKom Jl. Makmur No.1 Ciracas Jakarta Timur mtp95@yahoo.com ABSTRAK Tujuan dari
Lebih terperinciAnalisis Regresi 2. Multikolinier & penanganannya
Analisis Regresi 2 Pokok Bahasan : Multikolinier & penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasiswa dapat menjelaskan adanya multikolinieritas pada regresi linier berganda serta prosedur penanganannya
Lebih terperinciPERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010
Statistika, Vol., No., Mei PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI Reksa Nila Anityaloka, Atika Nurani Ambarwati Program Studi S Statistika Universitas Muhammadiyah
Lebih terperinciLAMPIRAN. Lampiran 1. Kuesioner untuk Pengunjung
LAMPIRAN Lampiran 1. Kuesioner untuk Pengunjung Kuesioner penelitian: Penilaian Ekonomi dan Prospek Pengembangan Wisata TWA Gunung Pancar. Oleh: Devina Marcia Rumanthy Sihombing (H44070045). Departemen
Lebih terperinciLAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU. Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins
LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU Kelas A Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins No Nama Praktikan Nomor Mahasiswa Tanggal Pengumpulan 1 29 Desember 2010 Tanda Tangan Praktikan
Lebih terperinciAnalisis Korelasi dan Regresi. Dr. Kusman Sadik, M.Si Dept. Statistika IPB
Analisis Korelasi dan Regresi Dr. Kusman Sadik, M.Si Dept. Statistika IPB - 015 1 Hubungan Dua Peubah atau Lebih PEUBAH KASUS PENGUMPULAN DATA JENIS HUBUNGANNYA 1.Dosis pupuk.banyaknya padi yg dihasilkan
Lebih terperinciOptimasi Jumlah Pelanggan Perusahaan Daerah Air Minum Surya Sembada Kota Surabaya Berdasarkan Jenis Pelanggan dengan Metode Fuzzy Goal Programming
JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2013) 1-6 1 Optimasi Jumlah Pelanggan Perusahaan Daerah Air Minum Surya Sembada Kota Surabaya Berdasarkan Jenis Pelanggan Metode Fuzzy Goal Programming Rofiqoh
Lebih terperinciLampiran 1. Harga Beberapa Komoditas Pertanian Jawa Barat Per tanggal 31 Juli 2009
Lampiran 1. Harga Beberapa Komoditas Pertanian Jawa Barat Per tanggal 31 Juli 2009 No Komoditas Harga Per Kg 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Bawang Daun Brokoli Bawang Merah Bawang Putih Buncis
Lebih terperinciOptimasi Tata Letak Semi Dinamis Raw Material Fast Moving Pada Gudang Dengan Pendekatan Matematis
JURNAL TEKNIK (2014) - 1 Optimasi Tata Letak Semi Dinamis Raw Material Fast Moving Pada Gudang Dengan Pendekatan Matematis Abdan Sakur Ad hani, Budi Santosa Jurusan Teknik Industri, Fakultas Teknologi
Lebih terperinciOleh: VINAYANTI EKA RAHMAWATI ( )
Pendekatan Goal Programming untuk Penentuan Rute Kendaraan pada Kegiatan Distribusi (A Goal Programming Approach to Vehicle Routing Problems of Distribution) Oleh: VINAYANTI EKA RAHMAWATI (1207 100 020)
Lebih terperinciAPLIKASI METODE TRANSPORTASI DALAM OPTIMASI BIAYA DISTRIBUSI BERAS MISKIN (RASKIN) PADA PERUM BULOG SUB DIVRE MEDAN SKRIPSI
APLIKASI METODE TRANSPORTASI DALAM OPTIMASI BIAYA DISTRIBUSI BERAS MISKIN (RASKIN) PADA PERUM BULOG SUB DIVRE MEDAN SKRIPSI LOLYTA DAMORA SIMBOLON 090803069 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN
Lebih terperinciPEMODELAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE PADA DATA REDAMAN HUJAN DI SURABAYA. Nur Hukim
TE 091399 TUGAS AKHIR- 4 SKS PEMODELAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE PADA DATA REDAMAN HUJAN DI SURABAYA Oleh Nur Hukim Dosen Pembimbing Prof. Ir. Gamantyo Hendrantoro, M.Eng. Ph.D Ir. Achmad
Lebih terperinciANALISIS PENJUALAN BAHAN BAKAR MINYAK (BBM) dari PT. PERTAMINA (PERSERO) UPms V SURABAYA dengan METODE ARIMA BOX JENKINS
ANALISIS PENJUALAN BAHAN BAKAR MINYAK (BBM) dari PT. PERTAMINA (PERSERO) UPms V SURABAYA dengan METODE ARIMA BOX JENKINS Oleh: Rizky Amlia Rachmawati (1306.030.046) Dosen Pembimbing: Dra. Madu Ratna, M.Si
Lebih terperinciOPTIMASI DIAMETER TEBAR DAN DETONASI CONE EXPLOSIVE DENGAN METODA DUAL RESPONSE SURFACE
OPTIMASI DIAMETER TEBAR DAN DETONASI CONE EXPLOSIVE DENGAN METODA DUAL RESPONSE SURFACE Siswo Hadi Sumantri, Abdullah Shahab Program Studi Magister Manajemen Teknologi Institut Teknologi Sepuluh Nopember
Lebih terperinciPERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113
PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113 Exponential Smoothing w/ Trend and Seasonality Pemulusan level/keseluruhan Pemulusan Trend Pemulusan Seasonal Peramalan periode t : Contoh: Data kuartal untuk
Lebih terperinci(Halaman ini sengaja dikosongkan)
DAFTAR PUSTAKA Christensen, R., 1991. Linier Models for Multivariate, Time Series, and Spatial Data. Springer Verlag, New York Draper, N. Dan Smith, H., 1992. Analisis Regresi Terapan, edisi kedua. Diterjemahkan
Lebih terperinciPERANCANGAN SISTEM ALOKASI DAN PERENCANAAN PRODUKSI KEMAS BOTOL GELAS DENGAN MENGGUNAKAN METODE LINIER PROGRAMMING
PERANCANGAN SISTEM ALOKASI DAN PERENCANAAN PRODUKSI KEMAS BOTOL GELAS DENGAN MENGGUNAKAN METODE LINIER PROGRAMMING Basuki Hermanto Program Bidang Studi Magister Manaemen Teknologi Bidang Keahlian Manaemen
Lebih terperinciBAB I PENDAHULUAN. akan diterapkan atau dengan memperbaiki sistem transportasi yang sudah
BAB I PENDAHULUAN 1.1 Latar Belakang Upaya meningkatkan pelayanan kepada konsumen dalam sebuah industri adalah dengan memperhatikan / memperhitungkan sistem transportasi yang akan diterapkan atau dengan
Lebih terperinciHASIL DAN PEMBAHASAN Kondisi Produksi Proses Produksi
HASIL DAN PEMBAHASAN Kondisi Produksi Proses Produksi Proses produksi adalah suatu rangkaian operasi yang dilalui bahan baku baik secara fisik maupun kimia untuk meningkatkan nilai tambah dan nilai jualnya.
Lebih terperinciTabel Perhitungan Waktu Standar
waktu baku = = waktu 3,39 normal 100 % 100 % 17 % 100 % 100 % % allowance = 4,08 menit /container. Tabel Perhitungan Waktu Standar No 1 2 3 Proses Kerja Memindakan container dari tanah ke truk (L1) Memindakan
Lebih terperinciOPTIMASI KEUNTUNGAN PEMBELIAN MANIK-MANIK DI C.V BURHANI SURABAYA DENGAN MENGGUNAKAN PEMOGRAMAN LINIER
OPTIMASI KEUNTUNGAN PEMBELIAN MANIK-MANIK DI C.V BURHANI SURABAYA DENGAN MENGGUNAKAN PEMOGRAMAN LINIER Ammar Nuruddin* dan Bobby O.P. Soepangkat** Program Pascasarjana Magister Manajemen Teknologi ITS
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi komputer dan internet dewasa ini berkembang pesat dan telah mendorong pertumbuhan diberbagai bidang teknologi informasi. Dengan teknologi tersebut
Lebih terperinciOPTIMASI PENUGASAN GURU PADA KEGIATAN PEMBELAJARAN DI SMKN 2 SURABAYA DENGAN MENGGUNAKAN INTEGER PROGRAMMING
OPTIMASI PENUGASAN GURU PADA KEGIATAN PEMBELAJARAN DI SMKN SURABAYA DENGAN MENGGUNAKAN INTEGER PROGRAMMING Anik Perwita Sari dan Abdullah Shahab Program Studi MagisterManajemen Teknologi Institut Teknologi
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah BULOG adalah perusahaan umum milik negara yang bergerak di bidang logistik pangan. Ruang lingkup bisnis perusahaan meliputi usaha logistik/pergudangan, survei
Lebih terperinciMODEL AUTOREGRESSIVE (AR) ATAU MODEL UNIVARIATE
MODEL AUTOREGRESSIVE (AR) ATAU MODEL UNIVARIATE Data yang digunakan adalah data M2Trend.wf1 (buku rujukan pertama, bab-8). Model analisisnya adalah Xt = M2 diregresikan dengan t = waktu. Model yang akan
Lebih terperinciPERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN
Feng PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK... 211 PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN Tan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Beras adalah bahan pangan pokok yang sangat diperlukan oleh setiap manusia dalam setiap harinya. Beras merupakan hasil pengolahan dari padi yang memiliki sumber
Lebih terperinciKata kunci: Analisis Pengendalian Persediaan, Metode Peramalan.
PENGENDALIAN PERSEDIAAN BAHAN BAKU PADA PT. X Indra Dwiharto, Moses L. Singgih Magister Manajemen Teknologi Institut Teknologi Sepuluh November Surabaya ABSTRAK PT. X merupakan perusahaan yang bergerak
Lebih terperinciPERAMALAN (FORECASTING) #2
PERAMALAN (FORECASTING) #2 Materi #4 EMA302 Manajemen Operasional Model Simple Linear Regression (1) 2 Model simple linear regression berusaha untuk menyesuaikan garis melalui berbagai data dari waktu
Lebih terperinciJumlah tanggungan (org) Lama bekerja di kawasan TWA (thn)
LAMPIRAN 88 Lampiran 1. Data Responden Masyarakat Desa Karang Tengah 11 No Jenis pekerjaan Jenis kelamin (L=1 ; P=) Umur (thn) Lama pendidikan (thn) Jumlah tanggungan (org) Lama bekerja di kawasan TWA
Lebih terperinciAPLIKASI METODE TRANSPORTASI DALAM OPTIMASI BIAYA DISTRIBUSI BERAS SEJAHTERA PADA PERUM BULOG SUB-DIVRE SIDOARJO
--------------Jurnal Ilmiah : SOULMATH, Vol 6 (1), Maret 2018, Halaman 15-23-------------- APLIKASI METODE TRANSPORTASI DALAM OPTIMASI BIAYA DISTRIBUSI BERAS SEJAHTERA PADA PERUM BULOG SUB-DIVRE SIDOARJO
Lebih terperinciANALISIS REGRESI Oleh : Andi Rusdi
ANALISIS REGRESI Oleh : Andi Rusdi A. Sekilas Mengenai Regresi Regresi diperkenalkan oleh Francis Galton dalam makalah (Family in Stature, Processing of Royal Society, London, vol.4, 1886), yang mengemukakan
Lebih terperinciBAB I PENDAHULUAN I - 1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Jaringan pendistribusian merupakan salah satu kunci terpenting dalam sistem rantai pasok suatu perusahaan. Masalah yang sering dihadapi oleh perusahaan dengan
Lebih terperinciBAB I PENDAHULUAN. Komoditas pangan masyarakat Indonesia yang dominan adalah beras yang
BAB I PENDAHULUAN 1.1 Latar Belakang Komoditas pangan masyarakat Indonesia yang dominan adalah beras yang berfungsi sebagai makanan pokok sumber karbohidrat. Beras merupakan komoditi pangan yang memiliki
Lebih terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 8 Outline: Simple Linear Regression and Correlation Multiple Linear Regression and Correlation Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and
Lebih terperinciBAB II TINJAUAN PUSTAKA. autokovarians (ACVF) dan fungsi autokorelasi (ACF), fungsi autokorelasi parsial
BAB II TINJAUAN PUSTAKA Berikut teori-teori yang mendukung penelitian ini, yaitu konsep dasar peramalan, konsep dasar deret waktu, proses stokastik, proses stasioner, fungsi autokovarians (ACVF) dan fungsi
Lebih terperinciPeramalan Permintaan Pengujian Sampel Di Laboratorium Kimia Dan Fisika. Baristand Industri Surabaya)
Peramalan Permintaan Pengujian di Lab. Kimia dan Fisika (Aneke Rintiasti, Erna Hartati, Nunun Hilyatul M.) Peramalan Permintaan Pengujian Sampel Di Laboratorium Kimia Dan Fisika Baristand Industri Surabaya
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
C BAB IV ANALISIS DAN PEMBAHASAN Penelitian ini mencoba meramalkan jumlah penumpang kereta api untuk masa yang akan datang berdasarkan data volume penumpang kereta api periode Januari 994-Februari 203
Lebih terperinciPemodelan dan Linier Programming (LP)
Pemodelan dan Linier Programming (LP) Entin Martiana, S.Kom, M.Kom Pemodelan dalam mss Model statistik (analisis regresi) digunakan untuk mencari relasi diantara variabel. Model ini merupakan preprogram
Lebih terperinciPENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA
KEMENTERIAN PEKERJAAN UMUM BADAN PENELITIAN DAN PENGEMBANGAN PUSAT PENELITIAN DAN PENGEMBANGAN SUMBER DAYA AIR PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA PENDAHULUAN Prediksi data runtut waktu.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 11 Latar Belakang Pendistribusian barang atau jasa merupakan salah satu bagian penting dari kegiatan sebuah instansi pemerintah ataupun perusahaan tertentu Masalah transportasi merupakan
Lebih terperinciBAB I PENDAHULUAN. Jumlah Produksi Beras Indonesia
BAB I PENDAHULUAN I.1 Latar Belakang Indonesia adalah salah satu negara yang memproduksi beras terbanyak di dunia dan menggunakannya sebagai bahan makanan pokok utamanya. Beras yang dikonsumsi oleh setiap
Lebih terperinciEVALUASI LOKASI GUDANG PENYANGGA DISTRIBUSI SEMEN JALUR DARAT PT. SEMEN PADANG TUGAS AKHIR
EVALUASI LOKASI GUDANG PENYANGGA DISTRIBUSI SEMEN JALUR DARAT PT. SEMEN PADANG TUGAS AKHIR Oleh: RAHMI SYUKRIA 07173063 JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS ANDALAS PADANG 2011 ABSTRAK Semen
Lebih terperinciPengendalian Persediaan Bahan Kimia di UBOH PLTU Banten 1 Suralaya PT. Indonesia Power
Pengendalian Persediaan Bahan Kimia di UBOH PLTU Banten 1 Suralaya PT. Indonesia Power Dyah L.Trenggonowati Teknik Industri Fakultas Teknik, Universitas Sultan Ageng Tirtayasa, Cilegon, Indonesia Email:
Lebih terperinciSTATISTIKA I. Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta. Kode Matakuliah: PAI111, 2sks Tujuan Instruksional Umum:
STATISTIKA I Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta Kode Matakuliah: PAI111, 2sks Tujuan Instruksional Umum: Setelah mengikuti mata kuliah ini selama satu semester, mahasiswa akan dapat
Lebih terperinciANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA)
ANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) Oleh: Dian Mareta Windayani 16 100 055 Dosen pembimbing: Dra. Laksmi Prita, M.Si Latar belakang PENDAHULUA N
Lebih terperinciOPTIMASI PERENCANAAN PENGENDALIAN PERSEDIAAN DENGAN MEMPERTIMBANGKAN KLASIFIKASI INGREDIENT PADA RESTORAN X
Program Studi MMT-ITS, Surabaya Februari 20 OPTIMASI PERENCANAAN PENGENDALIAN PERSEDIAAN DENGAN MEMPERTIMBANGKAN KLASIFIKASI INGREDIENT PADA RESTORAN X Afina Kibtiyah Hidayati ) dan Suparno 2) ) Program
Lebih terperinciPENGENDALIAN PERSEDIAAN KOMPONEN CIRCUIT BREAKER DENGAN KEBIJAKAN CAN- ORDER (STUDI KASUS : PT. E-T-A INDONESIA)
PENGENDALIAN PERSEDIAAN KOMPONEN CIRCUIT BREAKER DENGAN KEBIJAKAN CAN- ORDER (STUDI KASUS : PT. E-T-A INDONESIA) Linda Fransiska 2507.100.022 Prof. Ir. I Nyoman Pujawan, M.Eng., Ph.D Latar Belakang (1)
Lebih terperinciPemodelan Angka Putus Sekolah Usia SMA di Jawa Timur dengan Pendekatan Regresi Spline Multivariabel
Seminar Hasil Tugas Akhir Pemodelan Angka Putus Sekolah Usia SMA di Jawa Timur dengan Pendekatan Regresi Spline Multivariabel Mega Pradipta 1309100038 Pembimbing I : Dra. Madu Ratna, M.Si Pembimbing II
Lebih terperinciPENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR
PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR Neser Ike Cahyaningrum 1307100012 Dosen Pembimbing Dr. Dra. Ismaini Zain, M.Si AGENDA
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 4 Sebaran Penarikan Contoh
STK511 Analisis Statistika Pertemuan 4 Sebaran Penarikan Contoh Konsep Dasar Suatu statistik, misalnya, adalah fungsi dari peubah acak sering kita tulis. Idea dasaranya : Karena adalah peubah acak, maka
Lebih terperinciAPLIKASI PROGRAM DINAMIK UNTUK MENGOPTIMALKAN BIAYA TOTAL PADA PENGENDALIAN PRODUKSI MINYAK SAWIT DAN INTI SAWIT
Saintia Matematika Vol. 1, No. 5 (2013), pp. 419 433. APLIKASI PROGRAM DINAMIK UNTUK MENGOPTIMALKAN BIAYA TOTAL PADA PENGENDALIAN PRODUKSI MINYAK SAWIT DAN INTI SAWIT (STUDI KASUS: PTPN IV (PERSERO) PKS
Lebih terperinciDAFTAR ISI. Halaman. KATA PENGANTAR... i DAFTAR ISI... iii DAFTAR TABEL... vi DAFTAR GAMBAR... viii
DAFTAR ISI KATA PENGANTAR..... i DAFTAR ISI... iii DAFTAR TABEL... vi DAFTAR GAMBAR... viii I. PENDAHULUAN... 1 1.1 Latar Belakang... 1 1.2 Perumusan Masalah... 8 1.3 Tujuan Penelitian... 9 1.4 Manfaat
Lebih terperinciOleh : Edi Sugiarto, S.Kom, M.Kom
Oleh : Edi Sugiarto, S.Kom, M.Kom Perancangan jaringan supply chain merupakan kegiatan strategis yang perlu dilakukan. Tujuanya untuk memenuhi kebutuhan pelanggan yang permintaanya berubah secara dinamis
Lebih terperinciOptimasi Persediaan Multi-item Fuzzy EOQ Di PT UWBM dengan Algoritma Genetika
Optimasi Persediaan Multi-item Fuzzy EOQ Di PT UWBM dengan Algoritma Genetika Disusun Oleh : Ainy Mahmudah 1307 100 002 Pembimbing I Pembimbing II : Dr. Irhamah, S.Si., M.Si : Dra. Sri Mumpuni R, M.Si
Lebih terperinciOPTIMASI PERENCANAAN PRODUKSI PRODUK PETROLEUM DAN CHEMICAL DENGAN METODE GOAL PROGRAMMING
OPTIMASI PERENCANAAN PRODUKSI PRODUK PETROLEUM DAN CHEMICAL DENGAN METODE GOAL PROGRAMMING Dimas Ismunandar dan Suparno Program Studi Magister Manajemen Teknologi ITS Bidang Keahlian Manajemen Industri
Lebih terperinciPenelitian TUGAS AKHIR
LOGO Penelitian TUGAS AKHIR PENGENDALIAN PERSEDIAAN SPARE PART DENGAN MENGGUNAKAN CAN-ORDERING POLICY STUDI KASUS : PT. PJB UNIT PEMBANGKITAN GRESIK Irfan Ardiana Putra 2506100055 Dosen Pembimbing : Prof.
Lebih terperinciLampiran 1. No. Alat dan Bahan Spesifikasi Unit/Satuan Pemeliharaan dan Percobaan Pengambilan dan Pembuatan Preparat Pengukuran Parameter
LAMPIRAN 4 Lampiran. Alat dan Bahan yang Digunakan pada Penelitian No. Alat dan Bahan Spesifikasi Unit/Satuan Pemeliharaan dan Percobaan. Akuarium pemeliharaan 00 x 4 x 4 cm 2/- 2. Akuarium pemeliharaan
Lebih terperinciOPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION
OPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION NILA YUWIDA 1208100015 Dosen Pembimbing : Dra. Nuri Wahyuningsih, M.Kes Drs. Lukman Hanafi,
Lebih terperinciMINIMASI BIAYA PRODUKSI TEGEL MENGGUNAKAN PENDEKATAN LINIER PROGRAMMING DI PERUSAHAAN TEGEL CV. PENATARAN BLITAR
B-4-1 MINIMASI BIAYA PRODUKSI TEGEL MENGGUNAKAN PENDEKATAN LINIER PROGRAMMING DI PERUSAHAAN TEGEL CV PENATARAN BLITAR * Carolina Endah Wahyuni, ** Moses L Singgih * carolina_endah@yahoocom, ** moses@mitranetid
Lebih terperinciPENERAPAN METODE GOAL PROGRAMMING UNTUK MEMAKSIMALKAN PERSEDIAAN DAN MEMINIMUMKAN BIAYA PENDISTRIBUSIAN BERAS DI PERUM BULOG DIVRE PALU
JIMT Vol. 11 No. 1 Juni 2014 (Hal. 13 26) Jurnal Ilmiah Matematika dan Terapan ISSN : 2450 766X PENERAPAN METODE GOAL PROGRAMMING UNTUK MEMAKSIMALKAN PERSEDIAAN DAN MEMINIMUMKAN BIAYA PENDISTRIBUSIAN BERAS
Lebih terperinciSistem Pengendalian Persediaan Dengan Permintaan Dan Pasokan Tidak Pasti (Studi Kasus Pada PT.XYZ)
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1 Sistem Pengendalian Persediaan Dengan Permintaan Dan Pasokan Tidak Pasti (Studi Kasus Pada PT.XYZ) Ayu Tri Septadianti, Drs. I Gusti Ngurah Rai Usadha,
Lebih terperinci