SISTEM PERAMALAN PERSEDIAAN UNIT MOBIL MITSUBISHI PADA PT. SARDANA INDAH BERLIAN MOTOR DENGAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING
|
|
- Hamdani Tedjo
- 8 tahun lalu
- Tontonan:
Transkripsi
1 SISTEM PERAMALAN PERSEDIAAN UNIT MOBIL MITSUBISHI PADA PT. SARDANA INDAH BERLIAN MOTOR DENGAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING Afni Sahara ( ) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja No.338 Simpang Limun Medan // sahara.afni@yahoo.co.id ABSTRAK Peramalan (forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien khususnya dalam bidang ekonomi. Dalam organisasi modern mengetahui keadaan yang akan datang tidak saja penting untuk melihat yang baik atau buruk tetapi juga bertujuan untuk melakukan persiapan peramalan. Langkah penting setelah peramalan dilakukan adalah verifikasi peramalan sedemikian rupa sehingga mencerminkan data masa lalu dan sistem penyebab yang mendasari permintaan tersebut. Sepanjang representasi peramalan tersebut dapat dipercaya, hasil peramalan dapat terus digunakan. Persediaan timbul disebabkan oleh tidak singkronnya permintaan dengan penyediaan dan waktu. Untuk menjaga keseimbangan permintaan dengan penyediaan diperlukan persediaan. Sistem peramalan yang dibangun dapat membantu dan mempermudah dalam menentukan berapa banyak unit mobil yang harus disediakan untuk memenuhi permintaan konsumen. Sistem yang dibangun dapat meningkatkan efektifitas pengolahan data penjualan kendaraan, data pemesanan kendaraan. Kata Kunci : Peramalan, Persediaan, Single Exponential Smoothing 1. Pendahuluan 1.1 Latar Belakang PT. Sardana Indah Berlian Motor merupakan salah satu instansi swasta yang bergerak dalam penjualan mobil. PT. Sardana Indah Berlian Motor merupakan salah satu dealer resmi kendaraan Mitsubishi yang terletak di Jl. Jend. Gatot Subroto No.437 Medan 20119,Sumut - Indonesia. Sebagai suatu perusahaan, PT. Sardana Indah Berlian Motor perlu mengetahui jumlah penjualan mobil Mitsubishi untuk periode berikutnya dengan cara meramalkan jumlah penjualannya berdasarkan data - data yang dimiliki dari periode - periode sebelumnya. Peramalan penjualan dibutuhkan oleh perusahaan sebagai dasar pengambilan keputusan untuk merencanakan langkah selanjutnya dalam rangka untuk meningkatkan kuantitas penjualannya. Berdasarkan hasil penelitian di PT. Sardana Indah Berlian Motor diketahui bahwa persediaan mobil di PT. Sardana Indah Berlian Motor terkadang mengalami kekurangan. Permintaan yang banyak dari pelanggan menyebabkan persediaan mobil di PT. Sardana Indah Berlian Motor mengalami kekurangan, Hal ini mengakibatkan hilangnya peluang untuk mendapatkan keuntungan karena bisa saja konsumen membeli di dealer lain. Masalah tersebut terjadi dikarenakan sistem persediaan barang yang kurang baik akibat dari kurang akuratnya penentuan persediaan terhadap mobil karena sulit untuk menentukan berapa banyak unit mobil yang harus disiapkan untuk memenuhi penentuan persediaan kendaraan ke depan sering kali tidak objektif karena hanya berdasarkan intuisi manajemen saja. Selain itu, pengolahan data penjualan dan data pemesanan kendaraan masih menggunakan sistem manual. Hal ini mengakibatkan kurang efektif dalam pengolahan data tersebut. Metode exponential smoothing merupakan pengembangan dari metode moving averages. Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan data terbaru. Setiap data diberi bobot, data yang lebih baru diberi bobot yang lebih besar. Metode moving average memang mudah menghitungnya akan tetapi metode ini memberikan bobot yang sama pada setiap data. 1.2 Perumusan Masalah Berdasarkan uraian latar belakang masalah diatas dapat diidentifikasikan masalah yaitu : 1. Bagaimana menentukan berapa banyak unit mobil yang harus disediakan untuk memenuhi permintaan konsumen? 2. Bagaimana merancang sebuah sistem (forecasting) untuk meramalkan persediaan mobil agar lebih objektif dengan memperhatikan kondisi masa lalu dan prediksi kondisi di masa mendatang? 1.3 Batasan Masalah Karena masalah yang harus dibahas luas, maka batasan-batasan dalam penelitian ini permintaan konsumen. Dimana selama ini dalam adalah sebagai berikut: 1
2 1. Pengambilan data yang akan digunakan pada penelitian ini adalah data yang bersumber dari istansi terkait, yaitu PT. Sardana Indah Berlian Motor. 2. Data yang akan diolah dalam sistem yang dibangun ini adalah sebagai berikut : data user, data pelanggan, data penjualan kendaraan, data pemesanan kendaraan, data jenis kendaraan, data tipe kendaraan, dan data warna kendaraan. 2. Landasan Teori 2.1 Peramalan Peramalan (forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien khususnya dalam bidang ekonomi. Dalam organisasi moderen mengetahui keadaan yang akan datang tidak saja penting untuk melihat yang baik atau buruk tetapi juga bertujuan untuk melakukan persiapan peramalan(yamit, Zulian, 2003).Peramalan adalah prediksi, proyeksi atau estimasi tingkat kejadian yang tidak pasti dimasa yang akan datang. Ketepatan secara mutlak dalam memprediksi peristiwa dan tingkat kegiatan yang akan datang adalah tidak mungkin dicapai, oleh karena itu ketika perusahaan tidak dapat melihat kejadian yang akan datang secara pasti, diperlukan waktu dan tenaga yang besar agar mereka dapat memiliki kekuatan untuk menarik kesimpulan terhadap kejadian yang akan datang. 2.2 Metode Peramalan Banyak jenis metode peramalan yang tersedia untuk manajemen. Namun yang lebih penting bagi praktisi adalah bagaimana memahami karakteristik suatu metode peramalan agar cocok bagi situasi pengambilan keputusan tertentu. Dalam Gambar 1 berikut ini memperlihatkan empat dasar metode peramalan, yaitu analisis runtun waktu (time series), indikator ekonomi, model ekonometri, dan pengumpulan pendapat. a. Deret berkala atau runtun waktu (time series) b. Indikator ekonomi c. Model ekonometri Metode ini sangat beragam dan setiap teknik memiliki sifat, ketepatan dan biaya yang harus dipertimbangkan dalam memilih metode tertentu. Metode kuantitatif didasarkan atas prinsip prinsip statistik yang memiliki tingkat ketepatan tinggi atau dapat meminimumkan kesalahan (error), lebih sistematis, dan lebih popular dalam penggunaannya. Untuk menggunakan metode kuantitatif terdapat tiga kondisi yang harus dipenuhi (Yamit, Zulian, 2003): a. Tersedia informasi tentang masa lalu b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik. c. Diasumsikan bahwa beberapa pola masa lalu akan terus berlanjut. 2. Metode Kualitatif Metode Kualitatif dapat berupa pengumpulan pendapat yang dapat dibagi menjadi: a. Pengumpulan pendapat para ahli b. mengelompokan dalam metode eksploratoris dan normatif. 2.3 Exponential Smoothig Metode exponential smoothing merupakan pengembangan dari metode moving averages. Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan data terbaru. Setiap data diberi bobot, data yang lebih baru diberi bobot yang lebih besar. Dua metode dalam exponential smoothing diantaranya single exponential smoothing dan double exponential smoothing(supriana, Uci, 2010) 1. Single Exponential Smoothing Metode ini adalah pengembangan dari metode moving average (MA) menggunakan rumus sebagai berikut: Ft+1 = X1 + X2+...+XT T Keterangan : Ft+1 : Ramalan untuk periode ke t + 1 XT : Nilai riil periode ke t T : Jangka waktu rata rata bergerak Gambar 1 : Klasifikasi Metode Peramalan Secara umum metode peramalan dapat diklasifikasikan dalam dua kategori utama, yaitu : 1. Metode Kuantitatif Metode kuantitatif dapat dibagi ke dalam: Metode moving average memang mudah menghitungnya akan tetapi metode ini memberikan bobot yang sama pada setiap data. Untuk mengatasi hal ini maka digunakan metode single exponential smoothing. Pada metode single exponential smoothing bobot yang diberikan pada data yang ada adalah sebesar α untuk data yang 2
3 terbaru, α(1-α) untuk data yang lama, α(1-α) 2 untuk data yang lebih lama, dan seterusnya. Besarnya α adalah antara 0 dan 1. Semakin mendekati 1 berarti data terbaru lebih diperhatikan. Secara matematis besarnya Peramalan adalah: Ft+1 = α Xt + (1 α) Ft Ft+1 : Ramalan untuk periode ke t+1 Xt : Nilai riil periode ke t Ft : Ramalan untuk periode ke t Dengan demikian dapat dikatakan bahwa peramalan pada periode yang akan datang adalah ramalan sebelumnya ditambah α (alpha) dikalikan dengan kesalahan ramalan periode sebelumnya. Dalam melakukan peramalan dengan menggunakan metode single exponential smoothing (SES), besarnya α (alpha) ditentukan secara trial dan error sampai ditemukan α (alpha) yang menghasilkan forecast error terkecil. Metode ini lebih cocok digunakan untuk meramal data-data yang fluktuatif secara random (tidak teratur)(supriana, Uci, 2010) 2. Double Exponential Smoothing Pada metode ini proses penentuan b. Menentukan ramalan dimulai dengan menentukan besarnya alpha secara trial dan error. Sedangkan tahap-tahap dalam menentukan ramalan adalah sebagai berikut. a. Menentukan Smoothing pertama (S t) S t = α Xt + (1- α) S t-1, Smoothing kedua (S t) S t = α S t + (1- α) S t-1, c. Menentukan besarnya konstanta (αt) αt = S t + (S t S t) d. Menentukan besarnya slope (bt) Bt = α (S t S t)1 - α e. Menentukan besarnya forecast (Ft+m) Ft+m = αt + btm, pemulusan (smoothing) diantaranya Moving Average atau Exponential Smoothing. Metode exponential smoothing merupakan pengembangan dari metode moving averages. Pada kedua metode ini peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan data terbaru, dimana setiap data diberi bobot. Akan tetapi kekurangan pada metode Moving Average adalah bobot diberikan sama pada setiap datanya, sedangkan kelebihan pada metode Exponential Smoothing adalah data yang lebih baru diberi bobot yang lebih besar, sehingga data terbaru lebih diperhatikan nilainya. Bobot yang terdapat pada metode Single Exponential Smoothing adalah nilai bobot (α) alpha. Bobot ini berfungsi untuk melakukan penghalusan terhadap nilai peramalan. Besaran α (alpha) ditentukan secara acak (trial and error) sampai ditemukan α (alpha) yang menghasilkan forecast error terkecil. Besarnya α adalah antara 0 dan 1. Metode MSE (Mean Square Error) digunakan sebagai metode untuk mengukur kesalahan peramalan (forecast error). Mean Squared Error (MSE) adalah metode alternatif untuk mengevaluasi teknik peramalan masingmasing kesalahan. Metode MSE merupakan indikator yang berguna dan memberikan nilai absolut sabagai kebalikan dari informasi relatif dalam metode MAPE. Data yang akan dianalisis hanya diambil beberapa tipe mobil sebagai sample untuk penerapan metode Forecasting Single Exponential Smoothing. Tabel 1 : Sampel Data Dimana m adalah jumlah periode kemuka yang diramalkan. Metode double exponential smoothing ini biasanya lebih tepat untuk meramalkan data yang mengalami trend kenaikan(supriana, Uci, 2010) 3. Pembahasan 3.1 Analisa Metode Peramalan Langkah pertama dan penting dalam memilih metode suatu deret berkala yang tepat yaitu dengan mempertimbangkan jenis pola data, sehingga metode yang paling tepat dengan pola tersebut dapat diuji. Metode yang akan digunakan dalam meramalkan persediaan unit mobil Mitsubishi di PT. Sardana Indah Berlian Motor adalah metode peramalan kuantitatif yaitu Metode Forecasting Single Exponential Smoothing. 3.2 Analisis Metode Forecasting Single Exponential Smoothing Metode Single Exponential Smoothing ini akan diterapkan pada perhitungan dalam menentukan persediaan unit mobil untuk periode bulanan kedepan. Berikut rumus untuk Metode Forecasting Single Exponential Smoothing : Ft+1 = α Xt + (1 α) Ft Ft+1 : Ramalan untuk periode ke t+1 Ada dua klasifikasi metode dalam metode 3
4 Xt : Nilai riil periode ke t Ft : Ramalan untuk periode ke t α : bobot yang menunjukan konstanta penghalus Dalam peramalan ini, alpha (α) yang akan dicoba (trial) secara acak sebagai nilai bobot dan contoh perhitungan adalah (α = 0.1), (α = 0.3), (α = 0.5), (α = 0.7), dan (α = 0.9). = ( 0.9 * 38 ) + ( 0.1 * 50 ) = 39.2 Tabel 3 : Hasil peramalan mobil Mitsubishi Tipe T 120 PU dengan alpha = 0.1 Tabel 2 : Data permintaan konsumen terhadap mobil Mitsubishi Tipe T 120 PU Tabel 4 : Hasil peramalan mobil Mitsubishi Tipe T 120 PU dengan alpha = 0.3 a. Berikut contoh perhitungan untuk konstanta alpha (α = 0.1) = ( 0.1 * 50 ) + ( 0.9 * 50 ) = ( 0.1 * 38 ) + ( 0.9 * 50 ) = 48.8 b. Berikut contoh perhitungan untuk konstanta alpha (α = 0.3) = ( 0.3 * 50 ) + ( 0.7 * 50 ) = ( 0.3 * 38 ) + ( 0.7 * 50 ) = 46.4 c. Berikut contoh perhitungan untuk konstanta alpha (α = 0.5) = ( 0.5 * 50 ) + ( 0.5 * 50 ) = ( 0.5 * 38 ) + ( 0.5 * 50 ) = 44 d. Berikut contoh perhitungan untuk konstanta alpha (α = 0.7) = ( 0.7 * 50 ) + ( 0.3 * 50 ) = ( 0.7 * 38 ) + ( 0.3 * 50 ) = 41.6 e. Berikut contoh perhitungan untuk konstanta alpha (α = 0.9) = ( 0.9 * 50 ) + ( 0.1 * 50 ) Tabel 5 : Hasil peramalan mobil Mitsubishi Tipe T 120 PU dengan alpha = 0.5 Tabel 6 : Hasil peramalan mobil Mitsubishi Tipe T 120 PU dengan alpha = 0.7 F3 = α X2 + (1 α) F2 4
5 Tabel 7 : Hasil peramalan mobil Mitsubishi Tipe T 120 PU dengan alpha = 0.9 Menghitung kesalahan / error dengan mengunakan metode MSE (Mean Square Error). a. Perhitungan metode MSE pada forecast dengan alpha = 0.1 = / 12 = Dari perhitungan diatas dapat dilihat bahwa Mean Square Error (MSE) terkecil diperoleh dengan alpha 0.5, yaitu Hal ini menunjukkan bahwa forecast terbaik untuk meramalkan volume permintaan konsumen terhadap Mitsubishi tipe T 120 PU adalah dengan menggunakan alpha 0.5. Jadi, nilai ramalan mobil Mitsubishi tipe T 120 PU untuk bulan Maret 2013 dengan periode ramalan selama 12 bulan (1 tahun) dengan alpha = 0.5 adalah sebesar atau sekitar 56 unit mobil. 2. Perhitungan data volume penjualan mobil Mitsubishi Tipe L 300 PU Dalam tahap perhitungan data volume permintaan konsumen terhadap mobil Mitsubishi Tipe L 300 PU ini akan dijelaskan mengenai perhitungan peramalan dengan menggunakan metode Single Exponential Smoothing. Berikut telah diketahui data volume permintaan konsumen terhadap mobil Mitsubishi tipe L 300 PU dari bulan Maret 2012 hingga bulan Febuari Maka berikut ini akan dijelaskan mengenai langkah-langkah perhitungan peramalan untuk mengetahui permintaan terhadap mobil Mitsubishi tipe L 300 PU pada bulan Maret 2013 dengan periode peramalan selama 12 bulan (1 tahun). Tabel 8 : Data volume permintaan konsumen terhadap mobil Mitsubishi Tipe L300PU = / 12 = b. Perhitungan metode MSE pada forecast dengan alpha = 0.3 = / 12 = c. Perhitungan metode MSE pada forecast dengan alpha = 0.5 = / 12 = d. Perhitungan metode MSE pada forecast dengan alpha = 0.7 = / 12 = e. Perhitungan metode MSE pada forecast dengan alpha = 0.9 a. Berikut contoh perhitungan untuk konstanta alpha (α = 0.1) = ( 0.1 * 19 ) + ( 0.9 * 19 ) = ( 0.1 * 30 ) + ( 0.9 * 19 ) = 20.1 b. Berikut contoh perhitungan untuk konstanta alpha (α = 0.3) 5
6 = ( 0.3 * 19 ) + ( 0.7 * 19 ) = ( 0.3 * 30 ) + ( 0.7 * 19 ) = 22.3 c. Berikut contoh perhitungan untuk konstanta alpha (α = 0.5) = ( 0.5 * 19 ) + ( 0.5 * 19 ) = ( 0.5 * 30 ) + ( 0.5 * 19 ) = 24.5 d. Berikut contoh perhitungan untuk konstanta alpha (α = 0.7) = ( 0.7 * 19 ) + ( 0.3 * 19 ) = ( 0.7 * 30 ) + ( 0.3 * 19 ) = 26.7 e. Berikut contoh perhitungan untuk konstanta alpha (α = 0.9) = ( 0.9 * 19 ) + ( 0.1 * 19 ) = ( 0.9 * 30 ) + ( 0.1 * 19 ) = 28.9 Tabel 9 : Hasil peramalan mobil Mitsubishi Tipe L 300 PU dengan alpha = 0.1 Tipe L 300 PU dengan alpha = 0.5 Tabel 12 : Hasil peramalan mobil Mitsubishi Tipe L 300 PU dengan alpha = 0.7 Tabel 13 : Hasil peramalan mobil Mitsubishi Tipe L300 PU dengan alpha = 0.9 Tabel 10 : Hasil peramalan mobil Mitsubishi Tipe L 300 PU dengan alpha = 0.3 Menghitung kesalahan / error dengan mengunakan metode MSE (Mean Square Error). a. Perhitungan metode MSE pada forecast dengan alpha = 0.1 = / 12 = b. Perhitungan metode MSE pada forecast dengan alpha = 0.3 Tabel 11 : Hasil peramalan mobil Mitsubishi = / 12 6
7 = c. Perhitungan metode MSE pada forecast dengan alpha = 0.5 Tabel 15 : Hasil perhitungan peramalan untuk persediaan bulan Maret 2013 = / 12 = d. Perhitungan metode MSE pada forecast dengan alpha = 0.7 = / e. Perhitungan metode MSE pada forecast dengan alpha = 0.9 = / 12 = Dari perhitungan diatas dapat dilihat bahwa Mean Square Error (MSE) terkecil diperoleh dengan alpha 0.1, yaitu Hal ini menunjukkan bahwa forecast terbaik untuk meramalkan volume permintaan konsumen terhadap Mitsubishi tipe L 300 PU adalah dengan menggunakan alpha 0.1. Jadi, nilai ramalan mobil Mitsubishi tipe L 300 PU untuk bulan Maret 2013 dengan periode ramalan selama 12 bulan (1 tahun) dengan alpha = 0.1 adalah sebesar atau sekitar 21 unit mobil. 3.3 Kesimpulan Hasil Peramalan Dengan Metode Forecasting Single Exponential Smoothing Berdasarkan hasil perhitungan dengan kasus uji sample diatas dapat diketahui bahwa Metode Forecasting Single Exponential Smoothing ini perlu dilakukan perbandingan dalam mementukan nilai alpha, dengan mencari nilai alpha tersebut secara trial/acak sampai menemukan alpha yang memiliki nilai error yang minimum. Maka hasil peramalan yang memiliki alpha dengan nilai error paling minimum lah yang paling baik. Berikut akan ditampilkan hasil perhitungan kesalahan / error dengan mengunakan metode MSE (Mean Square Error) dari metode yang telah dianalisis serta hasil peramalan persediaan kendaraan untuk bulan Maret 2013 selama periode peramalan 12 bulan (1 tahun). Dalam analisis metode peramalan yang telah dilakukan, dapat disimpulkan yaitu bahwa jika alpha (α) mempunyai nilai mendekati 1, maka ramalan yang baru akan mencakup penyesuaian yang besar pada ramalan sebelumnya. Sebaliknya, jika alpha (α) mendekati 0, maka ramalan yang baru akan mencakup penyesuaian yang sangat kecil. Jadi, pengaruh besar kecilnya alpha (α) terhadap kecilnya nilai 4. Kesimpulan Kesimpulan yang dapat diperoleh setelah melakukan analisis dan pengujian terhadap sistem yang dibangun adalah : 1. Sistem peramalan yang dibangun dapat membantu dan mempermudah dalam menentukan berapa banyak unit mobil yang harus disediakan untuk memenuhi permintaan konsumen. 2. Sistem yang dibangun dapat meningkatkan efektifitas pengolahan data penjualan kendaraan, data pemesanan kendaraan. Daftar Pustaka [1]. Makridakis,S dan Wheelwright,S.C;2003 [2]. Sumber:( doc,17 Juni 2013 [3]. Sumber:( ownloads/files/13075/flowchart.doc, diakses 17 Juni 2013). Tabel 14 : Hasil perhitungan kesalahan / error dengan mengunakan metode MSE 7
IMPLEMENTASI FORECAST (PERAMALAN) PENJUALAN PAKAN SAPI DENGAN SINGLE EXPONENTIAL SMOOTHING ( STUDI KASUS : UD. JAMAL JAYA )
Artikel Skripsi IMPLEMENTASI FORECAST (PERAMALAN) PENJUALAN PAKAN SAPI DENGAN SINGLE EXPONENTIAL SMOOTHING ( STUDI KASUS : UD. JAMAL JAYA ) SKRIPSI Diajukan Untuk Memenuhi Sebagai Syarat Guna Memperoleh
Lebih terperinciAPLIKASI PERAMALAN PENGADAAN BARANG DENGAN METODE TREND PROJECTION DAN METODE SINGLE EXPONENTIAL SMOOTHING (STUDI KASUS DI TOKO PIONIR JAYA)
APLIKASI PERAMALAN PENGADAAN BARANG DENGAN METODE TREND PROJECTION DAN METODE SINGLE EXPONENTIAL SMOOTHING (STUDI KASUS DI TOKO PIONIR JAYA) Evi Dewi Sri Mulyani 1, Egi Badar Sambani 2, Rian Cahyana 3
Lebih terperinciFebriyanto, S.E., M.M.
METODE PERAMALAN PERMINTAAN Metode bebas (freehand method) Metode setengah ratarata (semi average method) Metode ratarata bergerak (moving average method) Metode kwadrat terkecil (least quares method)
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 terperinciPERAMALAN PENJUALAN OBAT MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING PADA TOKO OBAT BINTANG GEURUGOK
PERAMALAN PENJUALAN OBAT MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING PADA TOKO OBAT BINTANG GEURUGOK Sayed Fachrurrazi, S.Si., M.Kom Program Studi Teknik Informatika, Universitas Malikussaleh Reuleut,
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 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 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 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 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 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 3 LANGKAH PEMECAHAN MASALAH
49 BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Standar Optimasi Dasar evaluasi untuk mengoptimalkan supply chain management pada Honda Tebet (PT. Setianita Megah Motor) dari proses bisnis perusahaan
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 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 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 terperinciANALISA PREDIKSI PENYEWAAN ALAT TRANSPORTASI MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING (STUDI KASUS : PT SEDONA HOLIDAYS MEDAN)
ANALISA PREDIKSI PENYEWAAN ALAT TRANSPORTASI MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING (STUDI KASUS : PT SEDONA HOLIDAYS MEDAN) Dewi Ika Yanti Situmorang Mahasiswa Program Studi Teknik Informatika
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 terperinciJURNAL ANALISIS METODE SINGLE MOVING AVERAGE DAN EXPONENTIAL SMOOTHING DALAM PERAMALAN PERMINTAAN SENAPAN ANGIN (STUDI KASUS : UD.
JURNAL ANALISIS METODE SINGLE MOVING AVERAGE DAN EXPONENTIAL SMOOTHING DALAM PERAMALAN PERMINTAAN SENAPAN ANGIN (STUDI KASUS : UD. HAFARA) ANALYSIS METHODS OF SINGLE MOVING AVERAGE AND EXPONENTIAL SMOOTHING
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 TINJAUAN TEORITIS 2.1. Pengertian pengertian Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang
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 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 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1 Peramalan Dalam melakukan analisa ekonomi atau analisa kegiatan perusahaan, haruslah diperkirakan apa yang akan terjadi dalam bidang ekonomi atau dunia usaha pada masa yang
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 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 terperinciPerkapalan Negeri Surabaya, Surabaya Program Studi Teknik Otomasi, Jurusan Teknik Kelistrikan Kapal, Politeknik Perkapalan Negeri
Perbandingan Metode Autoregressive Integrated Moving Average (ARIMA) dan Exponential Smoothing pada Peramalan Penjualan Klip (Studi Kasus PT. Indoprima Gemilang Engineering) Aditia Rizki Sudrajat 1, Renanda
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 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 terperinci(FORECASTING ANALYSIS):
ANALISIS KUANTITATIF ANALISIS PERAMALAN Hand-out ke-3 ANALISIS PERAMALAN (FORECASTING ANALYSIS): Contoh-contoh sederhana PRODI AGRIBISNIS UNEJ, 2017 PROF DR IR RUDI WIBOWO, MS Contoh aplikasi tehnik peramalan
Lebih terperinciBAB 3 METODE PENELITIAN. Dalam skripsi yang penulis lakukan ini menggunakan analisa forecasting dari
BAB 3 METODE PENELITIAN 3.1 Desain Penelitan Dalam skripsi yang penulis lakukan ini menggunakan analisa forecasting dari PT. Honda Dunia Motorindo. Setelah itu dengan analisa tersebut, penulis berusaha
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 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 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 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 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 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 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. 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 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 3 METODOLOGI PEMECAHAN MASALAH
BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Flow Process Metodologi Penelitian IDENTIFIKASI DAN PERUMUSAN MASALAH Mencari teknik peramalan yang tepat terhadap volume produksi yang ada STUDI PUSTAKA Mencari
Lebih terperinciAnalisis Deret Waktu
Analisis Deret Waktu Jenis Data Cross section Beberapa pengamatan diamati bersama-sama pada periode waktu tertentu Harga saham semua perusahaan yang tercatat di BEJ pada hari Rabu 27 Februari 2008 Time
Lebih terperinciBAB II KAJIAN PUSTAKA Definisi dan Tujuan Forecasting. yang belum terjadi (Pangestu S, 1986:1). Forecasting atau peramalan
BAB II KAJIAN PUSTAKA 2.1 Forecasting 2.1.1 Definisi dan Tujuan Forecasting Forecasting adalah peramalan (perkiraan) mengenai sesuatu yang belum terjadi (Pangestu S, 1986:1). Forecasting atau peramalan
Lebih terperinciANALISIS DERET WAKTU
ANALISIS DERET WAKTU JENIS DATA Cross section Beberapa pengamatan diamati bersama-sama pada periode waktu tertentu Harga saham semua perusahaan yang tercatat di BEJ pada hari Rabu 27 Februari 2008 Time
Lebih terperinciBAB II LANDASAN TEORI. Suatu sistem adalah suatu jaringan kerja dari prosedur-prosedur yang
7 BAB II LANDASAN TEORI 2.1 Sistem Informasi 2.1.1 Sistem Suatu sistem adalah suatu jaringan kerja dari prosedur-prosedur yang saling berhubungan, berkumpul bersama-sama untuk melakukan suatu kegiatan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Produksi Kedelai Dalam ketersediaan kedelai sangat diperlukan diberbagai penjuru masyarakat dimana produksi kedelai merupakan suatu hasil dari bercocok tanam dimana dilakukan dengan
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 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 II TINJAUAN PUSTAKA. masa yang akan datang. Sedangkan ramalan adalah suatu situasi yang diperkirakan
BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori. 2.1.1 Pengertian Peramalan. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah suatu situasi
Lebih terperinciPENGENDALIAN PERSEDIAAN BAHAN BAKU BAJA MS DI DIREKTORAT PRODUKSI ATMI CIKARANG
PENGENDALIAN PERSEDIAAN BAHAN BAKU BAJA MS DI DIREKTORAT PRODUKSI ATMI CIKARANG Siti Rohana Nasution 1, Temotius Agung Lukito 2 1,2) Jurusan Teknik Industri Fakultas Teknik Universitas Pancasila 1) nasutionana@yahoo.co.id,
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 terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI 3.1 Definisi Peramalan Peramalan adalah suatu proses dalam menggunakan data historis yang telah dimiliki untuk diproyeksikan ke dalam suatu model peramalan. Dengan model peramalan
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 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 terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Sebuah perusahaan baik pada bidang barang atau jasa, selalu melakukan perencanaan kedepannya. Dalam perencanan suatu kegiatan yang akan disusun dan dilakukan
Lebih terperinciBAB III METODE PENELITIAN. untuk memahami, memecahkan dan mengantisipasi masalah. adalah penelitian secara deskriptif dan komparatif.
BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif dan komparatif. Melalui penelitian, manusia dapat menggunakan hasilnya, secara
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 terperinciPERAMALAN PRODUKSI SARUNG TENUN DENGAN MENGGUNAKAN METODE PEMULUSAN DATA
PERAMALAN PRODUKSI SARUNG TENUN DENGAN MENGGUNAKAN METODE PEMULUSAN DATA Weny Indah Kusumawati Program Studi Sistem Komputer, Institut Bisnis dan Informatika Stikom Surabaya email: weny@stikom.edu Abstrak
Lebih terperinciPERBANDINGAN METODE WEIGHTED MOVING AVERAGE DAN TREND SEMI AVERAGE (STUDI KASUS PENJUALAN KAYU SUMBER ALAM SAWMILL)
PERBANDINGAN METODE WEIGHTED MOVING AVERAGE DAN TREND SEMI AVERAGE (STUDI KASUS PENJUALAN KAYU SUMBER ALAM SAWMILL) SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH. Kriteria optimasi yang digunakan dalam menganalisis kebutuhan produksi pada
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Kriteria optimasi yang digunakan dalam menganalisis kebutuhan produksi pada PT Dinamika Indonusa Prima terkait dengan jumlah permintaan akan
Lebih terperinciPERAMALAN (FORECASTING)
#3 - Peramalan (Forecasting) #1 1 PERAMALAN (FORECASTING) EMA302 Manajemen Operasional Pengertian (1) 2 Oxford Dictionary, Forecast is a statement about what will happen in the future, based on information
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
19 3.1 Diagram Alir Penelitian BAB 3 METODOLOGI PENELITIAN MULAI Pengajuan Surat Survei PT. Bangkit Sukses Mandiri (BSM) Diterima? Tidak Ya Observasi Perusahaan Wawancara dengan Direktur PT. BSM Pengamatan
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 terperinciLABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI MODUL VIII ( TIME SERIES FORECASTING
FAKULTAS TEKNOLOGI INDUSTRI PROGRAM STUDI TEKNIK INDUSTRI UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR LAPORAN RESMI MODUL VIII TIME SERIES FORECASTING I. Pendahuluan A. LatarBelakang (Min. 1 halaman)
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan adalah alat bantu yang penting dalam perencanaan yang efektif dan efisien (Makridakis,1991). Peramalan merupakan studi terhadap data historis untuk menemukan
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
13 BAB 1 PENDAHULUAN 1.1 Latar Belakang Era globalisasi saat ini, perkembangan zaman semankin maju dan berkembang pesat, di antaranya banyak pernikahan dini yang menyebabkan salah satu faktor bertambahnya
Lebih terperinciBAB I PENDAHULUAN. sektor perindustrian semakin ketat.perusahaan-perusahaan beroperasi dan
BAB I PENDAHULUAN A. Latar Belakang Pada jaman globalisasi yang semakin maju ini, persaingan usaha dalam sektor perindustrian semakin ketat.perusahaan-perusahaan beroperasi dan saling berlomba untuk dapat
Lebih terperinciANALISIS PERAMALAN PENJUALAN DAN KAITANNYA DALAM PERAMALAN LABA PADA PD. RAMATEX. Nama : Desty Trisnayannis NPM :
ANALISIS PERAMALAN PENJUALAN DAN KAITANNYA DALAM PERAMALAN LABA PADA PD. RAMATEX Nama : Desty Trisnayannis NPM : 21210860 Latar Belakang Dalam dunia usaha, perusahaan harus memperkirakan hal-hal yang terjadi
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
BAB 2 LANDASAN TEORI 2.1 Pengertian Produksi Produksi merupakan suatu kegiatan yang dikerjakan untuk menambah nilai guna suatu benda baru sehingga lebih bermanfaat dalam memenuhi kebutuhan. Produksi jahe
Lebih terperinciBAB 2 LANDASAN TEORI. untuk pergerakannya, dan digunakan untuk transportasi darat. Umumnya
BAB 2 LANDASAN TEORI 2.1 Kendaraan Bermotor Kendaraan bermotor adalah kendaraan yang digerakkan oleh peralatan teknik untuk pergerakannya, dan digunakan untuk transportasi darat. Umumnya kendaraan bermotor
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 terperinciPeramalan Permintaan Produk Perak Menggunakan Metode Simple Moving Average Dan Exponential Smoothing
JURNAL SISTEM DAN INFORMATIKA 97 Peramalan Permintaan Produk Perak Menggunakan Metode Simple Moving Average Dan Exponential Smoothing Ni Luh Ayu Kartika Yuniastari, IGP Wirarama Wedashwara Wirawan STIKOM
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 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 terperinciANALISIS PERAMALAN PENJUALAN KANTOR PERCETAKAN DAN PERDAGANGAN UMUM CV AGUNG BEKASI TIMUR
ANALISIS PERAMALAN PENJUALAN KANTOR PERCETAKAN DAN PERDAGANGAN UMUM CV AGUNG BEKASI TIMUR NAMA : GALANG INDRAS SUWANTO NPM : 12210908 JURUSAN : MANAJEMEN PEMBIMBING : SUPRIYO HARTADI, W. SE. MM LATAR BELAKANG
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 terperinciMatakuliah : Ekonomi Produksi Peternakan Tahun : Oleh. Suhardi, S.Pt.,MP
Matakuliah : Ekonomi Produksi Peternakan Tahun : 2014 Oleh. Suhardi, S.Pt.,MP 1 Pada akhir pertemuan ini, diharapkan mahasiswa akan mampu : Menunjukkan jenis Peramalan Menggunakan Metode Peramalan Kuantitatif
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 1.1 Tempat Penelitian Penelitian ini dilakukan di PT. Aetra Air Jakarta, Jl. Jend. Sudirman Ged. Sampoerna Strategic Square. 1.2 Obyek Penelitian Objek penelitian dilakukan
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang
Lebih terperinciPERAMALAN (Forecast) (ii)
PERAMALAN (Forecast) (ii) Disajikan oleh: Bernardus Budi Hartono Web : http://pakhartono.wordpress.com E-mail: pakhartono at gmail dot com budihartono at acm dot org Teknik Informatika [Gasal 2009 2010]
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 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Manajemen Operasional Menurut Jay Heizer dan Barry Render (2010 : 4), manajemen operasi adalah serangkaian aktivitas yang menghasilkan nilai dalam bentuk barang dan
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan memperkirakan atau memprediksikan apa yang akan
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan memperkirakan atau memprediksikan apa yang akan terjadi di masa yang akan datang dalam waktu yang relatif lama, peramalan tidak
Lebih terperinciBAB II LANDASAN TEORI. dan bekerja sama untuk memproses masukan atau input yang ditunjukkan kepada
BAB II LANDASAN TEORI 2.1 Konsep Dasar Sistem Informasi Menurut Kristanto (2003:2), sistem adalah kumpulan elemen elemen dan bekerja sama untuk memproses masukan atau input yang ditunjukkan kepada sistem
Lebih terperinciABSTRAK. Kata Kunci :Single Exponential Smoothing,Double Exponential Smoothing,Mean Absolute Percentage Error.
PERBANDINGAN TINGKAT AKURASI METODE SES (SINGLE EXPONENTIAL SMOOTHING) DAN DES (DOUBLE EXPONENTIAL SMOOTHING) DENGAN STUDY KASUS PERAMALAN PEMINJAMAN BUKU DI PERPUSTAKAAN DAERAH JEMBER Yuldania (1110651134)
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Matematika memegang peranan penting dalam kehidupan. Selain sebagai salah satu kajian ilmu utama dalam pendidikan, matematika juga berperan untuk menunjang ilmu-ilmu
Lebih terperinciManajemen Operasional. PERAMALAN (Forecasting)
Manajemen Operasional PERAMALAN (Forecasting) Putri Irene Kanny Putri_irene@staff.gunadarma.ac.id Sub Pokok bahasan pertemuan ke-3 Prediksi dan Peramalan Jenis-jenis Metode Peramalan Metode deret berkala
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 I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Di Era globalisasi saat ini, kartu kredit digunakan sebagai salah satu alternatif pengganti transaksi dengan uang tunai. Seiring dengan perkembangan zaman, pola prilaku
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 terperinciPERAMALAN PERSEDIAAN BARANG MENGGUNAKAN METODE WEIGHTED MOVING AVERAGE DAN METODE DOUBLE EXPONENTIAL SMOOTHING
Jurnal PILAR Nusa Mandiri Vol. 13, No. 2, September 2017 217 PERAMALAN PERSEDIAAN BARANG MENGGUNAKAN METODE WEIGHTED MOVING AVERAGE DAN METODE DOUBLE EXPONENTIAL SMOOTHING Ratih Yulia Hayuningtyas Teknik
Lebih terperinciBAB 3 Metode Penelitian
BAB 3 Metode Penelitian 3.1 Penetapan Kriteria Optimasi Kriteria optimasi yang digunakan dalam menganalisis kebutuhan konsumen pada PT. Aneka Indofoil terkait dengan jumlah persediaan adalah sebagai berikut:
Lebih terperinciPENERAPAN 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 terperinciPrediksi Daya Tersambung Dengan Metode Double Exponential Smoothing
ISSN: 2089-3787 1151 Prediksi Daya Tersambung Dengan Metode Double Exponential Smoothing Surya Agus Yasinta 1, Yulia Yudihartanti 2 Jurusan Teknik Informatika, STMIK Banjarbaru Jl. A. Yani Km. 33,3 Banjarbaru
Lebih terperinciAPLIKASI TRIPLE EXPONENTIAL SMOOTHING UNTUK FORECASTING JUMLAH PENDUDUK MISKIN
APLIKASI TRIPLE EXPONENTIAL SMOOTHING UNTUK FORECASTING JUMLAH PENDUDUK MISKIN Fakultas Keguruan dan Ilmu Pendidikan Universitas PGRI Yogyakarta padrul.jana@upy.ac.id Abstract This study aims to predict
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 IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Pengumpulan Data Pengumpulan data yang dilakukan dengan cara pengamatan dari dokumen perusahaan. Data yang di perlukan meliputi data penjualan produk Jamur Shiitake,
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 terperinciTEKNIK PERAMALAN KUANTITATIF (TEKNIK STATISTIK) Astrid Lestari Tungadi, S.Kom., M.TI.
TEKNIK PERAMALAN KUANTITATIF (TEKNIK STATISTIK) Astrid Lestari Tungadi, S.Kom., M.TI. PENERAPAN TEKNIK Keakuratan data yang dimiliki Asumsi yang disepakati bersama Kondisi perusahaan yang terdiri dari
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 terperinciPENERAPAN METODE PERAMALAN (FORECASTING) DALAM PENENTUAN PERMINTAAN BARANG
PENERAPAN METODE PERAMALAN (FORECASTING) DALAM PENENTUAN PERMINTAAN BARANG Delta Nancy Alinti 1, Manda Rohandi 2, Lillyan Hadjaratie 3 1 Mahasiswa Fakultas Teknik, Universitas Negeri Gorontalo Email: delta.nancy.alinti@gmail.com
Lebih terperinci