Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

Save this PDF as:
 WORD  PNG  TXT  JPG

Ukuran: px
Mulai penontonan dengan halaman:

Download "Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN"

Transkripsi

1 BAB I PENDAHULUAN Peramalan adalah tentang apa yang akan terjadi di masa yang akan datang. Peramalan bertujuan untuk memprediksikan kemungkinan pasar bagi produk yang dihasilkan perusahaan. Terdapat dua macam metode yaitu metode kualitatif dan metode kuantitatif. Metode kualitatif dalam melakukan permalan berdasarkan pada keputusan, pendapat, pengalaman atau perkiraan sederhana, sedangkan metode kuantitatif berdasarkan pada metode matematis atau dalam bentuk statistik. Metode kuantitatif mempunyai dua metode yaitu metode runtun waktu (time series) dan metode kausal. Metode time series mempunyai beberapa metode antara lain naive models, moving average, exponential smoothing. Makalah ini akan dibahas mengenai naive models, simple average, moving average dan double moving average. Metode naive digunakan untuk menghasilkan bahwa model sederhana yang mengasumsikan bahwa data yang baru saja (paling update) memberikan prediksi yang paling baik di masa yang akan datang. Metode naive merupakan metode yang paling sederhana, menganggap bahwa peramalan periode berikutnya sama dengan nilai aktual periode sebelunya. Dengan demikian data aktual periode waktu yang baru saja berlalu merupakan alat permalan yang terbaik untuk meramalkan keadaan di masa yang akan datang (lebih menekankan pada penggunaan data-data masa lalu untuk menentukan atau meramalkan kondisi masa depan). Metode peramalan berdasarkan pada rata-rata adalah metode peramalan yang menggunakan rata-rata suatu data untuk meramalkan periode selanjutnya. Metode rata-rata bergerak banyak digunakan untuk menentukan peramalan suatu deret waktu. Dengan menggunakan metode rata-rata bergerak ini, deret berkala dari data asli diubah menjadi deret rata-rata bergerak yang lebih mulus. Metode ini digunakan untuk data yang perubahannya tidak cepat dan tidak mempunyai karakteristik musiman atau seasonal. Model rata-rata bergerak mengestimasi permintaan periode berikutnya sebagai rata-rata dari permintaan aktual dari n periode terakhir. Meskipun model moving lebih baik daripada metode simple average, metode moving average menangani trend atau musiman dengan sangat baik dan lebih cocok untuk data yang berpola stasioner sehingga untuk menangani data yang berpola trend linear maka digunakan Double Moving Average yang merupakan kembangan atau modifikasi dari metode Moving Average.

2 BAB II PEMBAHASAN NAIVE MODELS Para pebisnis muda sering kali menghadapi suatu pilihan yang rumit ketika mencoba meramalkan dengan data yang berukuran sangat kecil. Situasi ini menciptakan sebuah masalah nyata k arena banyak teknik peramalan memerlukan data yang besar. Peramalan dengan Naïve merupakan penyelesaian yang mungkin jika semata-mata didasarkan pada informasi yang tersedia sekarang. Peramalan dengan Naïve diasumsikan bahwa periode sekarang adalah prediksi terbaik untuk masa depan. Bentuk model Naïve adalah = (.1) Di mana ramalan yang dibuat pada waktu untuk waktu +1. Peramalan dengan metode Naïve untuk masing-masing periode mendekati obsevasi yang terdahulu. Ramalan dengan model Naive adalah ramalan yang kadang disebut dengan ramalan tanpa perubahan. Karena ramalannya untuk setiap periode mendekati observasi yang terdahulu. Karena ramalan Naive membuang semua observasi yang lain, skema berubah dengan cepat. Permasalahan yang berkaitan dengan pendekatan tersebut adalah menyebabka plot berubah naik turun sesuai dasar perubahan. Contoh.1 Gambar - menunjukkan secara kuartal pejualan gergaji pada perusahaan Acme Tool. Dengan teknik peramalan Naïve menunjukkan bahwa penjualan pada kuartal berkutya akan sama dengan kuatal sebelumnya. Table -1 menunjukkan data dari 1996 sampai 00. Jika data dari 1996 sampai 00 digunakan sebagai bagian awal dan 00 sebagai baian yang diuji, peramalan untuk kuartal pertama dari 00 adalah = =650 Kesalahan peramalan dihitung dengan menggunakan persamaan.6. Kesalahan untuk periode 5 adalah = = =00 Dengan cara yang sama peramalan untuk periode 6 adalah 850, sedangkan erornya -50.

3 Gambar. menunjukkan bahwa data-datanya mempunyai trend naik dan menunjukkan pola musiman (urutan pertama dan keempat relatif tinggi). Jadi kesimpulannya dibuat dengan memodifikasi mode Naive. 900 penjualan gergaji pada perusahaan Acme Tool penjualan tahun Table -1. Penjualan Gergaji untuk Perusahaan Acme Tool, Tahun Quartal T Penjualan

4 Pemeriksaan data pada contoh.1 merupakan petunjuk untuk menyimpulkan bahwa nilai-nilai tersebut meningkat setiap waktu. Saat nilai data meningkat setiap waktu disebut tidak stasioner atau mengandung trend. Jika persamaan.1 digunakan, proyeksinya tetap rendah. Teknik yang dapat dipakai untuk mengambil pertimbangan trend dengan menambah selisih antara periode sakarang dan periode terakhir. Persamaan peramalannya adalah = +( ) (.) Persamaan. memuat perubahan antara kuartal-kuartal. Contoh. Dengan menggunakan persamaan., persamaan untuk kuartal pertama dari 00 adalah = +( ) = +( ) =650+(650 00) =650+50=900 Kesalahan peramalan dari model ini adalah = = = 50 Untuk beberapa tujuan, perbandingan perubahan akan lebih tepat daripada jumlah perubahan. Jika demikian, masuk akal untuk menghasilkan peramalan berdasarkan = (.) Dari data dalam tabel -1 terlihat bahwa ada variansi musiman. Penjualan pada kuartal pertama dan keempat lebih besar dari kuartal-kuartal yang lain. Jika pola musiman kuat, persamaan peralaman data seara kuartal yang mungkin adalah = (.) Pola umum untuk peramalan data musiman yaitu = dengan s adalah periode musiman. Persamaan. menunjukkan bahwa kuartal berikutnya akan bernilai sama dengan kuartal yang berhubungan pada satu tahun yang lalu.

5 Kelemahan utama dari pendekatan ini adalah mengabaikan segala sesuatu yang telah terjadi selama setahun yang lalu dan juga terdapat trend. Terdapat beberapa cara untuk memperkenalkan informasi terbaru. Sebagai cotoh, suatu analisa dapat gabungan musima dan trend yang diestimasi dan peramalan kuartal berikutnya menggunakan = + ( ) ( ) = + ( ) (.5) Dimana menunjukkan peramalan berpola musiman, dan yang lain menunjukkan ratarata nilai perubahan untuk empat kuartal terkhir dan memberikan perkiraan trend. Pola umum untuk pola data yang merupakan penggabungan trend dan musiman adalah = + ( )+ +( ) Peramalan dengan model Naïve dengan persamaan. dan.5 diberikan utuk data secara kuartal. Penyesuaian dapat dilakukan untuk kumpulan data dengan perbedaan waktu. Untuk data bulanan, sebagai contoh, periode musimannya adalah 1, bukan, dan peramalan untuk periode (bulan) berikutnya menggunakan persamaan. yaitu = Hal tersebut menunjukkan bahwa kerumitan yang mungkin pada model Naïve dapat diminimalisir dengan kepintaran penganalisis, tetapi penggunaaan teknik tersebut seharusnya dikendalikan dengan pertimbangan. Metode Naïve juga digunakan sebagai dasar untuk membuat terhadap metode lain yang dinggap lebih rumit. Contoh.1 (lanjutan) Peramalan untuk kuartal pertama dari 00 menggunakan persamaan.,., dan.5 = = =650 =1056 (.) = = = =750 (.) = + ( )+ +( ) = + =750+ = + ( ) =76.5 (.5)

6 METODE PERAMALAN BERDASARKAN PADA RATA-RATA Suatu manajemen sering kali menghadapi situasi dimana peramalan perlu dilakukan secara harian, mingguan, atau bulanan untuk mengetahui ratusan atau ribuan barang yang perlu disediakan, namun hal ini sering kali tidak mungkin dilakukan. Oeh karena itu untuk mengembangkan teknik-teknik peramalan yang canggih untuk setiap barang perlu disediakan. Beberapa alat peramalan yang cepat, murah, sangat sederhana dibutuhkan untuk menyelesaikan tugas ini. Seorang manager yang menghadapi situasi ini cenderung menggunakan teknik ratarata atau smooting. Jenis-jenis teknik ini menggunakan bentuk rata-rata tertimbang dari pengamatan-pengamatan yang lalu untuk memuluskan fluktuasi jangka pendek. Asumsi yang mendasari teknik ini adalah bahwa fluktuasi mewakili permulaan secara random nilainilai masa lalu dari beberapa struktur yang mendasarinya. Pertama struktur yang mendasarinya. Pertama struktur ini didefinisikan dari hasil ini dapat diproyeksikan ke dalam masa depan untuk menghasilkan sebuah ramalan. Simple Averages (Rata-rata sederhana) Suatu data masa lampau dapat dimuluskan dengan beberapa cara. Tujuan dari data dimuluskan adalah untuk dapat menggunakan data masa lampau untuk meramalkan periode-periode berikutnya. Pada bab ini metode yang digunakan untuk meramalkan periode selanjutnya adalah metode simple average. Seperti pada metode NAIVE, keputusan dibuat untuk menggunakan nilai-nilai data pertama sebagai bagian perlambangan dan data lampau sebagai bagian pengaujian. Selanjutnya, persamaan.6 digunakan untuk meratarata (menghitung mean) data bagian perlambangan untuk peramalan periode selajutnya. = Ketika sebuah observasi baru menjadi tersedia, peramalan untuk periode selanjutnya,adalah rata-rata atau mean, dihitung dengan persamaan.6 dan observasi yang baru tersebut. Ketika meramal sebuah seri gabungan dengan jumlah yang besar, data penyimpanan mungkin sebuah isu. Persamaan.7 potensial untuk menyelesaikan permasalahan ini. Hanya peramalan dan observasi paling terkini dibutuhkan menyimpan waktu yang akan datang. =...7 Metode simple average adalah salah satu teknik yang tepat ketika kemampuan runtun untuk menjadi ramalan sudah menjadi stabil, dan lingkungan di dalam runtun pada umumnya tidak berubah. Contoh untuk jenis ini dalam suatu runtun antara lain kuantitas

7 hasil penjualan dari suatu level yang konsisten dalam usaha sales perorangan (penjualan barang), kuantitas dalam suatu produk dalam tahap pendewasaan di dalam lika-liku kehidupan, dan jumlah jabatan per minggu yang dibutuhkan dari kalangan dokter gigi,dokter umum atau pengacara yang memiliki pasien atau berdasarkan client adalah agak konstan. Simple average menggunakan rata-rata (mean) dari semua observasi-observasi pada periode-periode sebelumnya yang relevan sebagai ramalan pada periode berikutnya. Contoh. The Spokane Transit Authority (STA), beroperasi pada suatu armada pengangkutan kedua, karena selain lumpuh (tidak bisa digunakan) dan sudah tua. Catatan dari penggunaan bensin untuk armada pengangkutan ini dapat dilihat pada tabel., jumlah yang sebenarnya tentang konsumsi atau penggunaan bensin pada armada pengangkutan setiap hari ditentukan secara random dari adanya panggilan maupun tujuannya. Pengujian dari penggunaan bensin digambarkan pada gambar., dari gambar tersebut dapat dilihat bahwa data sangat stabil. Sehingga data terlihat stasioner. Metode dari simple average digunakan untuk minggu 1 sampai 8 untuk meramalkan penggunaan untuk minggu 9 dan 0. Tabel. Penggunaan Bensin untuk STA Week Gallons Week Gallons Week Gallons t T t

8 Peramalan untuk minggu 9 adalah = 1 8 = 7,87 8 =81, Kesalahan peramalan adalah = =0 81,=0,8 Peramalan untuk minggu 0 memasukkan lebih dari satu nilai data (0) ditambahkan pada periode awal. Paramalan dengan persamaan.7 adalah = = Kesalahan peramalan adalah = 8(81,)+0 9 =81,9 = =85 81,9=,1 Menggunakan metode simple average, peramalan penggunaan bensin untuk minggu 1 adalah = 1 0 = 8,61 0 =8

9 Moving Averages Metode simple averages menggunakan rata-rata dari semua data peramalan. Bagaimana jika analisis lebih peduli dengan observasi baru-baru ini? Jumlah konstan titik data dapat ditetapkan pada awal dan dihitung rata-rata untuk observasi terbaru. Istilah Moving Average digunakan untuk menggambarkan pendekatan ini. Setiap observasi baru menjadi tersedia, sebuah rata-rata baru dihitung dengan menjumlahkan nilai paling baru dan mengeluarkan yang paling tua. Moving average ini lebih digunakan untuk meramalkan periode selanjutnya. Persamaan.8 menunjukkan peramalan simple moving average. Sebuah moving average dari urutan ke k, MA (k) dihitung dengan Persamaan.8 Moving Average dengan order ke-k Dimana, = = = nilai peramalan untuk periode selanjutnya = nilai sebenarnya pada periode t = jumlah perlakuan dalam moing average Moving average untuk periode waktu t adalah mean aritmetik dari k observasi terbaru. Dalam moving average, beban yang diberikan sama untuk setiap observasi. Setiap data baru dimasukkan dalam rata-rata yang tersedia, dan data paling awal dibuang. Kecepatan respon terhadap perubahan dalam pola data dasar tergantung pada jumlah periode k, termasuk dalam moving average. Perhatiakan bahwa teknik moving average hanya berkaitan dengan periode k terbaru dari data diketahui. Jumlah titik data dalam setiap rata-rata tidak berubah saat waktu kemajuan. Model moving averagetidak menangani trend atau musiman dengan sangat baik, walaupun itu lebih baik daripada metode simple average. Analisis harus memilih jumlah periode, k, dalam moving average. Moving average orde 1, MA(1) akan menggunakan observasi saat ini, Y t, untuk meramalkan, untuk meramalkan Y untuk periode selanjutnya. Ini hanyalah pendekatan peramalan nave dari persamaan. Suatu Moving average order ke k adalah harga rata-rata dari k observasi yang berurutan. Harga moving average terbaru memberikan peramalan untuk periode selanjutnya.

10 Tabel - Pembelian Gasoline untuk Sponake Transit Authority t Gallons Y e t Contoh. Tabel - mendemonstrasikan teknik peramalan moving average dengan data Sponake Transit Authority (STA) menggunakan moving average lima mingguan. Peramalan moving average untuk minggu ke-9 adalah

11 = = = = =61.6 Saat nilai yang sebenarnya untuk minggu ke-9 diketahui, eror peramalan dihitung Peramalan untuk minggu ke-1 adalah = =0 61.6=0. = = = = =77 Gambar -5 memperlihatkan fungsi autokorelasi untuk residual dan metode moving average lima minggu. Terlihat bahwa batas eror untuk autokorelsi individu berpusat pada 0, dan statistik Q Ljung-Box, mengindikasikan bahwa ada signifikan residual autokorelasi, yang berarti residual tidak random. Gambar - Aplikasi Moving Average untuk Pembelian Gasoline per Minggu untuk Spokane Transit Authority Moving Average Plot for Gallons 1 Actual 0 9 Predicted Actual Predicted gallons Moving Average Length: 5 5 MAPE: MAD: MSD: 7,50 0,58 6, Time 0 0

12 Gambar -5 Fungsi Autokorelasi untuk Residual Ketika Metode Moving Average Lima Mingguan Digunakan dengan Data Spokane Transit Authority Analis harus menggunakan penilaian ketika menentukan berapa banyak hari, minggu, bulan, atau kuartal yang akan menjadi dasar moving average. Jumlah yang lebih kecil, yang lebih berat diberikan kepada beberapa periode terakhir. Sebaliknya, semakin besar nomor, semakin berat diberikan untuk periode yang lebih baru. Sejumlah kecil adalah yang paling diinginkan bila ada perubahan mendadak di tingkat seri. Sejumlah kecil tempat beban berat sebelumnya, yang memungkinkan perkiraan untuk mengejar lebih cepat ketingkat saat ini. Sejumlah besar yang diinginkan ketika ada lebar, jarang terjadi fluktuasi dalam seri. Moving average sering digunakan dengan data kuartalan, atau bulanan untuk membantu kelancaraan kompenen dalam deret waktu, seperti yang ditunjukkan dalam Bab 5. Untuk data kuartalan, moving average empat kuartalan, MA(), menghasilkan rata-rata dari emapt penjuru dan untuk data bulanan, moving average 1 bulanan, MA(1), menghilangkan atau rata-rata keluar efek musiman. Urutan terbesar moving average lebih besar dari efek smooting. Dalam contoh., teknik moving average yang digunakan dengan data stasioner. Pada contoh., kami tunjukkan apa yang terjadi bila metode moving average digunakan untuk data trend. Teknik double moving average, yang dirancang untuk menangani data trend diperkenalkan berikutnya.

13 Double Moving Averages Salah satu cara untuk mramalkan data time series yang memiliki trend linear adalah dengan menggunakan double moving average. Metode ini secra tidak langsung dinamakan set pertama dihitung moving averagenya dan set kedua dihitung sebagai moving average dari set pertama. T Tabel - Persewaan mingguan untuk took video film pada contoh. Persewaan mingguan per unit( ) Moving Average Tiga Mingguan Peramalan Moving Average , , , , , , , , , , , , , MSE=1 Tabel - menunjukkan data sewa mingguan untuk took video film bersama dengan hasilnya menggunakan moving average tiga mingguan untuk meramalkan penjualan di masa mendatang.pemeriksaan kolom kesalahan (error) pada tabel - menunjukkan bahwa setiap entry adalah positif, hal ini menandakan bahwa peramalan tidak membentuk trend.moving

14 average tiga mingguan dan double moving average untuk data ini ditunjukkan pada gambar -6.Perhatikan bagaimana lag dari moving average tiga mingguan berada jauh dari nilai yang sebenarnya untuk dibandingkan periode yang menggambarkan kejadian saat teknik moving average digunakan sebagai data trend.perhatikan juga bahwa lag dari teknik double moving averages berada jauh dari set pertama seperti halnya set yang pertama berada jauh dari nilai yang sebenarnya.perbedaan antara kedua set pada moving average tiga mingguan adalah untuk meramalkan nilai yang sebenarnya. Persamaan.9 meringkas dari persamaan.1 menjadi kontruksi double moving average.pertama,persamaan.8 digunakan untuk menghitung moving average dari order ke-k. = = Kemudian persamaan.9 digunakan untuk menghitung moving average kedua = (.9) Persamaan.10 digunakan untuk menghitung peramalan dengan menambahkan selisih antara moving average pertama dan moving average kedua dengan moving average pertama. = +( )= (.10) Gambar.6.1 Single Moving average tiga mingguan untuk data Toko Video Film Moving Average Plot for persewaan mingguan per unit persewaan mingguan per unit Variable Actual Fits Moving Average Length Accuracy Measures MAPE 1,0 MAD 9,806 MSD 1, Index

15 Gambar.6. Double Moving average tiga mingguan untuk data Toko Video Film AVER Moving Average Plot for AVER1 Variable Actual Fits Moving Average Length Accuracy Measures MAPE 1,001 MAD 9,0000 MSD 91, Index Persamaan.11 adalah faktor penyesuaian tambahan yang mirip dengan kemiringan ukuran yang dapat berubah selama runtun waktu tersebut. = ( ) (.11) Akhirnya.1 persamaan ini digunakan untuk membuat ramalan p periode di masa depan. = + (.1) Dengan: Contoh. k = jumlah periode dalam moving average p= jumlah periode peramalan untuk masa mendatang Toko Video Film mengoprasikan beberapa rekaman video sewa outlet di Denver, Colorado. Perusahaan sedang berkembang dan memperluas inventaris untuk mengakomodasi meningkatnya permintaan pelayanan.presiden menetapkan perusahaan Jill Ottenbreit memperkirakan harga sewa untuk bulan berikutnya.data persewaan untuk 15 minggu terakhir yang tersedia disajikan dalam tabel -5.Pada awalnya,jill berusaha untuk mengembangkan sebuah ramalan menggunakan three weeks moving average (tiga minggu rata-rata bergerak).mse untuk model ini adalah 1.Karena data jelas tren, dia menemukan bahwa prakiraan secara konsisten mengabaikan penyewaan sebenarnya.karenanya,dia memutuskan untuk mencoba rata-rata bergerak ganda.hasilnya disajikan dalam tabel -

16 5.Untuk memahami ramalan minggu 16,perhitungan yang disajikan berikutnya.persamaan.8 digunakan untuk menghitung moving average tiga mingguan (kolom ). = + + = = =717 Tabel -5 Peramalan Double Moving Average terhadap Movie Video Store untuk Contoh. (1) Time T () Penjualan per minggu () Moving Average tiga mingguan () Double Moving Average (5) Nilai a (6) Nilai b (7) Peramalan a+bp (p=1) MSE=6.7 (8)

17 Kemudian gunakan persamaan.9 untuk menghitung moving average ganda (kolom ) = + + = =71 Gunakan persamaan.10 untuk menghitung perbedaan kedua moving average(kolom 5) = =(17) 71=7 Persamaan.11 mengatur kemiringan (kolom 6) = 1 ( )= (717 71)=5 Gunakan persamaan.1 untuk membuat ramalan satu period eke depan (kolom 7) = + =7+5(1)=77 Peramalan empat minggu mendatang adalah = + =7+5()=7 Catatan bahwa MSE tidak berkurang dari 1 menjadi 6.7 Ini terlihat beralasan bahwa beberapa observasi yang baru mungkin berisi informasi yang lebih penting.caranya diperkenalkan pada sesi berikutnya diman lebih menekankan pada observasi terbaru

18 BAB III PENUTUP Dari pembahasan diatas dapat ditarik kesimpulan: 1. Pada Metode Naive mempunyai beberapa model antara lain a. Untuk data stasioner = b. Untuk data tidak stasioner atau mengandung trend = +( ) c. Untuk perbandingan perubahan antar periode = d. Jika pola musiman kuat = e. Jika pola data merupakan penggabungan trend dan musiman = + ( )+ +( ). Peramalan dengan berdasarkan pada nilai rata-rata yaitu Simple Moving Average,Moving Average,Double Moving Average.. Metode simple average adalah salah satu teknik yang tepat dan sangat sederhana untuk melakukan peramalan dengan data yang pada umumnya tidak berubah atau data stasioner. Untuk merata-rata (menghitung mean) data untuk peramalan satu periode selanjutnya. = 1 Ketika suatu data pada umumnya telah berubah atau data sudah bersifat stasioner, kita juga dapat melakukan peramalan untuk dua periode selanjutnya dengan persamaan sebagai berikut. = Moving Average lebih cocok digunakan untuk meramalkan data yang berpola Stasioner

19 5. Double Moving Average digunakan untuk meramalkan data yang cenderung berpola Trend linier.

METODE NAIVE DAN MOVING AVERAGE

METODE NAIVE DAN MOVING AVERAGE A. Metode Naive METODE NAIVE DAN MOVING AVERAGE Para pebisnis muda sering kali menghadapi suatu pilihan yang rumit ketika mencoba meramalkan dengan data yang berukuran sangat kecil. Situasi ini menciptakan

Lebih terperinci

(FORECASTING ANALYSIS):

(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 terperinci

METODE 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 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 terperinci

PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) TERTINGGI BULAN DESEMBER disusun untuk memenuhi Tugas Lapangan Mata Kuliah Metode Peramalan

PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) TERTINGGI BULAN DESEMBER disusun untuk memenuhi Tugas Lapangan Mata Kuliah Metode Peramalan PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) TERTINGGI BULAN DESEMBER 3 disusun untuk memenuhi Tugas Lapangan Mata Kuliah Metode Peramalan Disusun Oleh :. Ilani Agustina M00037 2. Intan Purnomosari M00042

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB 2. Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang

BAB 2. Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah sesuatu kegiatan situasi atau kondisi yang diperkirakan akan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB II LANDASAN TEORI

BAB 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 terperinci

BAB 2 TINJAUAN TEORITIS

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP

Team 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 terperinci

Pembahasan Materi #7

Pembahasan 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 terperinci

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN BAB I PENDAHULUAN Pada bab-bab yang telah dijelaskan sebelumnya pengamatan terhadap variabel Y yang tersedia dari waktu ke waktu disebut data time series. Pengamatan-pengamatan tersebut seringkali dicatat

Lebih terperinci

BAB II LANDASAN TEORI

BAB 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 terperinci

BAB 2 TINJAUAN TEORITIS

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Pendahuluan. Metode Peramalan:

Pendahuluan. Metode Peramalan: MOVING AVERAGES Pendahuluan Metode Peramalan: Metode Perataan: Equally weighted observations Metode pemulusan eksponensial (exponential smoothing) Pembobotan yang tidak sama pada data historis, dimana

Lebih terperinci

PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA

PENDUGAAN 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang Vanissa Hapsari,2013

BAB I PENDAHULUAN 1.1. Latar Belakang Vanissa Hapsari,2013 BAB I PENDAHULUAN 1.1. Latar Belakang Tingkat pencemaran udara di beberapa kota besar cenderung meningkat dari tahun ke tahun. Hal ini disebabkan oleh beberapa faktor diantaranya jumlah transportasi terus

Lebih terperinci

BAB 2 LANDASAN TEORI. datang. Kegunaan dari peramalan terlihat pada saat pengambilan keputusan.

BAB 2 LANDASAN TEORI. datang. Kegunaan dari peramalan terlihat pada saat pengambilan keputusan. BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang datang. Kegunaan dari peramalan terlihat pada saat pengambilan keputusan. Keputusan yang

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB I PENDAHULUAN. Dugaan atau perkiraan mengenai kejadian atau peristiwa pada waktu yang

BAB I PENDAHULUAN. Dugaan atau perkiraan mengenai kejadian atau peristiwa pada waktu yang BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dugaan atau perkiraan mengenai kejadian atau peristiwa pada waktu yang akan datang disebut ramalan dan tindakan dalam membuat dugaan atau perkiraan tersebut

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara

BAB 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 terperinci

BAB 2 TINJAUAN TEORITIS. 2.1 Produk Domestik Regional Bruto

BAB 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 terperinci

PERAMALAN (FORECASTING)

PERAMALAN (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 terperinci

BAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

PERAMALAN PRODUKSI SARUNG TENUN DENGAN MENGGUNAKAN METODE PEMULUSAN DATA

PERAMALAN 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

III KERANGKA PEMIKIRAN

III KERANGKA PEMIKIRAN 3.1. Kerangka Pemikiran Teoritis 3.1.1. Konsep Permintaan III KERANGKA PEMIKIRAN Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Pendahuluan. Metode Peramalan:

Pendahuluan. Metode Peramalan: MOVING AVERAGES Pendahuluan Metode Peramalan: Metode Perataan: Equally weighted observations Metode pemulusan eksponensial (exponential smoothing) Pembobotan yang tidak sama pada data historis, dimana

Lebih terperinci

BAB 2 LANDASAN TEORI. diperkirakan akan terjadi pada masa yang akan datang. Ramalan tersebut dapat

BAB 2 LANDASAN TEORI. diperkirakan akan terjadi pada masa yang akan datang. Ramalan tersebut dapat BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi dimasa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan

Lebih terperinci

BAB 2 LANDASAN TEORI. Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit

BAB 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 terperinci

BAB 2 TINJAUAN TEORITIS. yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan terjadi

BAB 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

Analisis Deret Waktu

Analisis 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 terperinci

BAB 3 Metode Penelitian

BAB 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 terperinci

BAB 2 LANDASAN TEORITIS

BAB 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 terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

ANALISIS DERET WAKTU

ANALISIS 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 terperinci

VI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER

VI 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 terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 DATA MINING Data Mining adalah analisis otomatis dari data yang berjumlah banyak atau kompleks dengan tujuan untuk menemukan pola atau kecenderungan yang penting yang biasanya

Lebih terperinci

PERAMALAN (FORECASTING) #2

PERAMALAN (FORECASTING) #2 #4 - Peramalan (Forecasting) #2 1 PERAMALAN (FORECASTING) #2 EMA302 Manajemen Operasional Model Trend Linear Multiplicative 2 Kecenderungan (trend). Komponen musiman (seasonal): rasio untuk model trend.

Lebih terperinci

BAB III TINJAUAN PUSTAKA

BAB 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 terperinci

Data Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun Tahun Bulan Wisman

Data 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 terperinci

BAB 2 LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Peramalan (Forecasting)

Peramalan (Forecasting) Peramalan (Forecasting) Peramalan (forecasting) merupakan suatu proses perkiraan keadaan pada masa yang akan datang dengan menggunakan data di masa lalu (Adam dan Ebert, 1982). Awat (1990) menjelaskan

Lebih terperinci

PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010

PERAMALAN 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 terperinci

Peramalan Memprediksi peristiwa masa depan Biasanya memerlukan kebiasaan selama jangka waktu tertentu metode kualitatif

Peramalan Memprediksi peristiwa masa depan Biasanya memerlukan kebiasaan selama jangka waktu tertentu metode kualitatif Bab 3-4 Peramalan Peramalan Memprediksi peristiwa masa depan Biasanya memerlukan kebiasaan selama jangka waktu tertentu metode kualitatif Berdasarkan metode yang subjektif Metode kuantitatif Berdasarkan

Lebih terperinci

Matakuliah : Ekonomi Produksi Peternakan Tahun : Oleh. Suhardi, S.Pt.,MP

Matakuliah : 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 terperinci

BAB 3 METODE PENELITIAN. Dalam skripsi yang penulis lakukan ini menggunakan analisa forecasting dari

BAB 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 terperinci

Manajemen Operasional. PERAMALAN (Forecasting)

Manajemen 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 terperinci

SISTEM 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 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 terperinci

Estimasi, Pemilihan Model dan Peramalan Hubungan Deret Waktu

Estimasi, Pemilihan Model dan Peramalan Hubungan Deret Waktu Estimasi, Pemilihan Model dan Peramalan Hubungan Deret Waktu Author: Junaidi Junaidi Terdapat berbagai jenis model/metode peramalan hubungan deret waktu. Diantaranya adalah: 1) Model Linear; 2) Model Quadratic;

Lebih terperinci

III. KERANGKA PEMIKIRAN

III. KERANGKA PEMIKIRAN III. KERANGKA PEMIKIRAN 3.1. Kerangka Pemikiran Teoritis 3.1.1. Konsep Harga Harga yang terjadi di pasar merupakan nilai yang harus dibayarkan konsumen untuk mendapatkan suatu produk yang diinginkannya.

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB 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 terperinci

DAFTAR ISI. BAB I PENDAHULUAN Latar Belakang Masalah Rumusan Masalah Batasan Masalah Tujuan Penelitian...

DAFTAR ISI. BAB I PENDAHULUAN Latar Belakang Masalah Rumusan Masalah Batasan Masalah Tujuan Penelitian... DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii HALAMAN PERNYATAAN... iii NASKAH SOAL TUGAS AKHIR... iv HALAMAN PERSEMBAHAN... v INTISARI... vi KATA PENGANTAR... vii UCAPAN TERIMA KASIH... viii

Lebih terperinci

BAB III PERAMALAN. Praktikum Sistem Produksi ATA 2014/2015

BAB 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 terperinci

S (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)

S (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 terperinci

BAB 3 LANGKAH PEMECAHAN MASALAH

BAB 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 terperinci

BAB 3 PRAKIRAAAN dan PERAMALAN PRODUKSI. Dalam Manajemen Operasional, mengapa perlu ada peramalan produksi?

BAB 3 PRAKIRAAAN dan PERAMALAN PRODUKSI. Dalam Manajemen Operasional, mengapa perlu ada peramalan produksi? BAB 3 PRAKIRAAAN dan PERAMALAN PRODUKSI Dalam Manajemen Operasional, mengapa perlu ada peramalan produksi? a. Ada ketidak-pastian aktivitas produksi di masa yag akan datang b. Kemampuan & sumber daya perusahaan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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

REGRESI LINEAR SEDERHANA

REGRESI 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 terperinci

Analisis Deret Waktu

Analisis Deret Waktu Analisis Deret Waktu Pertemuan 2 Cross section Jenis Data Beberapa pengamatan diamati bersama sama pada periode waktu tertentu Harga saham semua perusahaan yang tercatat di BEJ pada hari Rabu 27 Februari

Lebih terperinci

BAB II LANDASAN TEORI. Peramalan adalah proses perkiraan (pengukuran) besarnya atau jumlah

BAB II LANDASAN TEORI. Peramalan adalah proses perkiraan (pengukuran) besarnya atau jumlah BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Definisi dan Tujuan Peramalan Peramalan adalah proses perkiraan (pengukuran) besarnya atau jumlah sesuatu pada waktu yang akan datang berdasarkan data pada masa

Lebih terperinci

BAB IV METODE PENELITIAN

BAB 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 terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 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 terperinci

EMA302 Manajemen Operasional

EMA302 Manajemen Operasional 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 that is available now. (Peramalan

Lebih terperinci

BAB II LANDASAN TEORI. Suatu sistem adalah suatu jaringan kerja dari prosedur-prosedur yang

BAB 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 terperinci

BAB II LANDASAN TEORI. saling berhubungan membentuk suatu kesatuan atau organisasi atau suatu jaringan

BAB 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 terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA digilib.uns.ac.id BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Executive Information System (EIS) Executive Information System (EIS) adalah sebuah sistem penunjang keputusan yang dibangun secara khusus

Lebih terperinci

BAB 3 LANGKAH PEMECAHAN MASALAH. Seiring dengan meningkatknya pangsa pasar, permintaan konsumen juga menjadi

BAB 3 LANGKAH PEMECAHAN MASALAH. Seiring dengan meningkatknya pangsa pasar, permintaan konsumen juga menjadi BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Seiring dengan meningkatknya pangsa pasar, permintaan konsumen juga menjadi semakin sulit untuk diperkirakan. Selama ini, manajer PT. Focus

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian dan Peranan Peramalan Aktivitas manajerial khususnya dalam proses perencanaan, seringkali membutuhkan pengetahuan tentang kondisi yang akan datang. Pengetahuan

Lebih terperinci

PENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL PERGERAKAN INFLASI KOTA PALU

PENGGUNAAN 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 terperinci

PERENCANAAN PRODUKSI

PERENCANAAN PRODUKSI PERENCANAAN PRODUKSI Membuat keputusan yang baik Apakah yang dapat membuat suatu perusahaan sukses? Keputusan yang dibuat baik Bagaimana kita dapat yakin bahwa keputusan yang dibuat baik? Akurasi prediksi

Lebih terperinci

Membuat keputusan yang baik

Membuat keputusan yang baik Membuat keputusan yang baik Apakah yang dapat membuat suatu perusahaan sukses? Keputusan yang dibuat baik Bagaimana kita dapat yakin bahwa keputusan yang dibuat baik? Akurasi prediksi masa yang akan datang

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Bisnis pada berbagai kegiatannya selalu melakukan suatu perencanaan untuk kedepannya. Untuk melakukan perencanaan suatu kegiatan yang akan disusun dan dilakukan

Lebih terperinci

BAB I PENDAHULUAN. Sejak kondisi ekonomi dan bisnis selalu berubah setiap waktu, maka para

BAB 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 terperinci

TINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang

TINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang II.. TINJAUAN PUSTAKA Indeks Harga Konsumen (IHK Menurut Monga (977 indeks harga konsumen adalah ukuran statistika dari perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang didapatkan.

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini, akan dilakukan analisis dan pembahasan terhadap data runtun waktu. Adapun data yang digunakan dalam penelitian ini merupakan data sekunder, yaitu data

Lebih terperinci

BAB 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 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 terperinci

BAB 2 TINJAUAN TEORITIS. Adanya waktu tenggang (lead time) merupakan alasan utama bagi perencanaan dan

BAB 2 TINJAUAN TEORITIS. Adanya waktu tenggang (lead time) merupakan alasan utama bagi perencanaan dan BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Adanya waktu tenggang (lead time) merupakan alasan utama bagi perencanaan dan peramalan. Jika waktu tenggang ini nol atau sangat kecil, maka perencanaan

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Seperti diketahui PDRB adalah penjumlahan dari seluruh Nilai Tambah Bruto (NTB)

BAB 2 TINJAUAN TEORITIS. Seperti diketahui PDRB adalah penjumlahan dari seluruh Nilai Tambah Bruto (NTB) BAB 2 TINJAUAN TEORITIS 2.1 Produk Domestik Regional Bruto (PDRB) Seperti diketahui PDRB adalah penjumlahan dari seluruh Nilai Tambah Bruto (NTB) yang dihasilkan oleh setiap kegiatan/lapangan usaha. Dalam

Lebih terperinci

EFEKTIVITAS METODE BOX-JENKINS DAN EXPONENTIAL SMOOTHING UNTUK MERAMALKAN RETRIBUSI PENGUJIAN KENDARAAN BERMOTOR DISHUB KLATEN

EFEKTIVITAS METODE BOX-JENKINS DAN EXPONENTIAL SMOOTHING UNTUK MERAMALKAN RETRIBUSI PENGUJIAN KENDARAAN BERMOTOR DISHUB KLATEN EFEKTIVITAS METODE BOX-JENKINS DAN EXPONENTIAL SMOOTHING UNTUK MERAMALKAN RETRIBUSI PENGUJIAN KENDARAAN BERMOTOR DISHUB KLATEN Puji Rahayu 1), Rohmah Nur Istiqomah 2), Eminugroho Ratna Sari 3) 1)2)3) Matematika

Lebih terperinci

SALES FORECASTING UNTUK PENGENDALIAN PERSEDIAAN

SALES 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 terperinci

Bab IV. Pembahasan dan Hasil Penelitian

Bab IV. Pembahasan dan Hasil Penelitian Bab IV Pembahasan dan Hasil Penelitian IV.1 Statistika Deskriptif Pada bab ini akan dibahas mengenai statistik deskriptif dari variabel yang digunakan yaitu IHSG di BEI selama periode 1 April 2011 sampai

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan (Assauri, Sofyan. 1991) adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah

Lebih terperinci

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

BAB 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 terperinci

BAB I PENDAHULUAN. pada waktu yang akan datang berdasarkan data empiris. Data empiris(terhitung)

BAB I PENDAHULUAN. pada waktu yang akan datang berdasarkan data empiris. Data empiris(terhitung) BAB I PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan proses perkiraan tentang sesuatu yang terjadi pada waktu yang akan datang berdasarkan data empiris. Data empiris(terhitung) merupakan data yang

Lebih terperinci

Data Time Series. Time series merupakan data yang diperoleh dan disusun berdasarkan urutan waktu atau

Data Time Series. Time series merupakan data yang diperoleh dan disusun berdasarkan urutan waktu atau Peramalan Data Time Series Data Time Series Time series merupakan data yang diperoleh dan disusun berdasarkan urutan waktu atau data yang dikumpulkan dari waktu ke waktu. Waktu yang digunakan dapat berupa

Lebih terperinci

Dian Kristanti 1) 1 Prodi Pendidikan Matematika, STKIP Bina Bangsa Meulaboh.

Dian Kristanti 1) 1 Prodi Pendidikan Matematika, STKIP Bina Bangsa Meulaboh. PERAMALAN JUMLAH PENDISTRIBUSIAN BAHAN BAKAR MINYAK DI PT. PERTAMINA (PERSERO) REGION III DEPOT MALANG MENGGUNAKAN METODE WINTER DAN METODE DEKOMPOSISI Dian Kristanti 1) 1 Prodi Pendidikan Matematika,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Di Indonesia sejak tahun enam puluhan telah diterapkan Badan Meteorologi, Klimatologi, dan Geofisika di Jakarta menjadi suatu direktorat perhubungan udara. Direktorat

Lebih terperinci

BAB II KAJIAN PUSTAKA Definisi dan Tujuan Forecasting. yang belum terjadi (Pangestu S, 1986:1). Forecasting atau peramalan

BAB 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 terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 15 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penelitian Perkembangan ekonomi dan bisnis dewasa ini semakin cepat dan pesat. Bisnis dan usaha yang semakin berkembang ini ditandai dengan semakin banyaknya

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci