PENENTUAN JUMLAH PERENCANAAN PERMINTAAN PELUMAS UNTUK MEMINIMASI TINGKAT KESALAHAN PERAMALAN BERDASARKAN PERAMALAN PERMINTAAN PELUMAS PADA PT.
|
|
- Hadian Atmadjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENENTUAN JUMLAH PERENCANAAN PERMINTAAN PELUMAS UNTUK MEMINIMASI TINGKAT KESALAHAN PERAMALAN BERDASARKAN PERAMALAN PERMINTAAN PELUMAS PADA PT. NYZ DETERMINATION OF THE AMOUNT OF LUBRICANT DEMAND PLANNING TO MINIMIZE THE LEVEL OF FORECASTING ERROR BASED ON LUBRICANT DEMAND FORECAST AT PT NYZ Nisa Noviai Sudarma 1, Luciaa Adrawia 2, Rio Aurachma 3 1,3 Program Studi S1 Tekik Idustri, Fakultas Rekayasa Idustri, Uiversitas Telkom 1 isasudarma@gmail.com, 2 luciaawia@gmail.com, 3 rio_aurachma@yahoo.com Abstrak PT NYZ merupaka perusahaa divisi pelumas dari perusahaa miyak asioal PT ABC (Persero) yag berbetuk perseroa terbatas (PT). PT NYZ ii mempuyai akurasi peramala yag redah sehigga meyebabka terjadiya overstock. Hal ii terjadi diakibatka karea PT NYZ tidak melakuka peramala permitaa berdasarka kriteria yag dimiliki oleh PT NYZ, perusahaa haya melihat berdasarka data historis. Oleh karea itu, utuk megatasi permasalaha tersebut maka perlu adaya peramala permitaa dega metode yag sesuai. Dalam peelitia ii, metode yag diguaka adalah metode aïve approach, movig average, expoetial smoothig, regresi liear, da kosta dikareaka pola data permitaa yag terbetuk memiliki pola tred, musima, da siklis. Berdasarka hasil perhituga peramala permitaa yag dilakuka, metode yag terpilih adalah metode regresi liear utuk 46 jeis pelumas da metode kosta utuk 3 jeis pelumas laiya. Metode ii terpilih karea memliki ilai kesalaha peramala teredah. Nilai kesalaha peramala diolah dega melakuka perhituga mea square error (MSE). Dega terpilihya kedua metode tersebut maka kesalaha peramala yag terjadi mejadi turu sebesar atau sama dega 84.92% dari kesalaha peramala kodisi awal da overstock yag terjadi dapat meuru sebesar 88.34%. Dari hasil tersebut maka diperluka peerapa peramala permitaa pelumas di PT NYZ dega metode yag sudah terpilih da megaplikasikaya dalam sebuah aplikasi yag medukug. Kata Kuci : Peramala, Overstock, Regresi Liear, Kosta, Mea Square Error (MSE) Abstract PT NYZ is a lubricat divisio of the PT ABC atioal oil compay. PT NYZ has a low forecastig accuracy that caused overstock because PT NYZ was ot doig forecast based o criteria but used historical data oly. Therefore, to solve that problem, the compay eeds to do forecastig usig appropriate methods. I this research, the methods that used are Naïve Approach, Movig Average, Sigle Expoetial Smoothig, Costat, ad Liear Regressio because the patter of data demad are tredig, seasoal, ad cyclic patter. Based o data processig, it ca be cocluded that the method that has smallest error rate is liear regressio for 46 types of lubricats ad costat method for the other 3 types of lubricats. The error rate is calculated usig mea square error (MSE). Usig both of those methods, the error rate of forecastig proposed ca be decreased or 84.92% from a existig coditio ad overstock ca be decreased 83.34%. PT NYZ should implemet the forecastig method that has bee selected ad applied it o supportig applicatios. Keywords: Forecastig, Overstock, Liear Regressio, Costat, Mea Square Error (MSE).
2 Ja-14 Mar-14 May-14 Jul-14 Sep-14 Nov-14 Ja-15 Mar-15 May-15 Jul-15 Sep-15 Nov Pedahulua PT NYZ merupaka perusahaa divisi pelumas dari perusahaa miyak asioal PT ABC (Persero) yag berbetuk perseroa terbatas (PT) da dicetuska pada bula November PT NYZ mejalaka bisis dalam produksi distribusi da pemasara utuk pelumas da grease produk. PT NYZ ii meyediaka produk pelumas utuk beberapa age yag terdapat disekitar wilayah Badug, yaitu PT. Limas Raga, PT. Sumber KR, PT. Laggeg KC, PT. Ma some, PT. Nia Helia Utama da laiya. Akurasi peramala yag dimiliki oleh PT NYZ harus tiggi, karea PT NYZ merupaka peyedia pelumas bagi ageya. Salah satu kriteria yag petig dalam membuat peramala yag baik adalah ilai akurasi peramala [1]. Akurasi peramala yag dimiliki oleh PT NYZ setiap bulaya berfluktuasi bahka rata-rata akurasi peramala yag dimilikiya sagat redah yaitu sebesar 39,49%. Akurasi peramala yag dimiliki oleh PT NYZ utuk tahu 2015 sebesar 37,88% da meuru sebesar 3,22% dibadigka dega tahu 2014 yaitu sebesar 41,10%. Tigkat akurasi peramala yag redah stock yag tersedia berdasarka hasil peramala mejadi tidak sesuai dega permitaa, sehigga dega adaya gap atara stock dega permitaa pelumas, dapat meyebabka terjadiya overstock (kelebiha pasoka) yag megakibatka perusahaa mejadi rugi atas meumpukya pelumas yag tidak terjual di gudag. Kebijaka dari perusahaa meyataka bahwa overstock terjadi jika terdapat 25% pelumas yag megedap di gudag, hal ii bisa dilihat berdasarka grafik perbadiga ivetori da ivetori maksimal di PT NYZ pada Gambar Ivetori Ivetori Maksimal Gambar 1 Perbadiga Ivetori da Ivetori Maksimal Oleh karea itu, diperluka adaya peelitia megeai peramala permitaa, gua utuk memiimasi tigkat kesalaha akurasi peramala yag terjadi di PT NYZ. Dega adaya peelitia ii diharapka aka membatu PT NYZ utuk meigkatka akurasi peramala permitaa di PT NYZ. 2. Dasar Teori da Peracaga 2.1 Model Koseptual Permitaa Pelumas Plot Data Uji Distribusi Uji Autokorelasi TIDAK Peramala Pejuala Ekspoetial Smoothig, Movig Average, Naive, Regreri Liear da Kosta Kesalaha Hasil Peramala Pemiliha Metode dega Nilai Kesalaha Terkecil Mea Absolute Deviatio (MAD), Mea Squed Error (MSE), Mea Absolute Percetage Error (MAPE) Verifikasi Peramala Movig Rage Chart (MRC) Validasi Peramala Usula Perecaaa Permitaa Pelumas utuk PT NYZ Gambar 2 Model Koseptual
3 Seperti yag sudah dijelaska sebelumya, bahwa permasalaha yag ada di perusahaa PT NYZ adalah akurasi peramala yag dimiliki PT NYZ pada tahu 2015 meuru sebesar 3,22% jika dibadigka dega tahu 2014, hal ii meyebabka stock yag tersedia berdasarka hasil peramala mejadi tidak sesuai dega permitaa. Gap atara stock dega permitaa pelumas meyebabka adaya overstock (kelebiha pasoka) sehigga perusahaa mejadi rugi karea meumpukya pelumas yag tidak terjual digudag. Berdasarka Gambar 2 data permitaa pelumas merupaka data utama yag medukug utuk pembuata peetua perecaaa permitaa pelumas di PT NYZ. Sedagka utuk data stock pelumas merupaka data iput utuk megetahui tigkat akurasi peramala yag dimiliki oleh PT NYZ. Output yag dihasilka dari peelitia ii adalah melakuka peramala permitaa dega megguaka metode yag mampu meigkatka tigkat akurasi peramala. 2.2 Peramala Peramala dapat dilakuka dega melibatka pegambila data masa lalu da meempatkaya ke masa medatag dega suatu betuk model matematik atau prediksi ituisi bersifat subyektif, atau megguaka kombiasi model matematik yag disesuaka dega pertimbaga yag baik dari seorag maajer [3]. Peramala bertujua medapatka ramala yag dapat memiimumka kesalaha meramal (forecast error) yag biasaya diukur dega meghitug mea square error, mea absolute error, da yag laiya. Esesi peramala adalah perkiraa peristiwa-peristiwa di waktu yag aka datag atas dasar pola-pola di waktu yag lalu, da pegguaa kebijaka terhadap proyeksi-proyeksi dega pola-pola di waktu yag lalu [6]. 2.3 Klasifikasi Peramala Berdasarka tekikya, metode peramala dapat dikategorika ke dalam metode kualitatif da metode kuatitatif Peramala Kualitatif Peramala kualitatif (qualitative forecast) disebut juga peramala subjektif, yaitu peramala yag meggabugka faktor seperti ituisi, emosi, pegalama pribadi da sistem ilai pegambila keputusa utuk meramal. Hasil dari peramala kualitatif sagat tergatug pada orag yag membuatya [4] Peramala Kuatitatif Peramala kuatitatif (quatitative forecast) merupaka metode peramala yag megguaka agka-agka dalam melakuka kegiata peramala. Agka-agka tersebut biasaya merupaka kejadia di masa lalu, misalya hasil permitaa tahu yag lalu, survei pasar, atau hasil peelitia laiya [5]. 2.4 Metode Time Series Metode peramala yag didasarka atas aalisa pola data hubuga atar variabel da aka diramalka dega varibel waktu. Metode ii disebut metode deret waktu (time series). Metode time series membuat prediksi dega asumsi bahwa masa depa merupaka fugsi dari masa lalu [3]. Metode-metode yag terdapat di dalam Time Series adalah : Regresi Data yag dibutuhka utuk metode ii adalah tahua, miimal lima tahu. Namu, semaki bayak data yag dimiliki semaki baik hasil yag diperoleh. Utuk peramala jagka pedek da pajag, ketepata peramala dega metode ii sagat baik. a. Kosta Fugsi peramala (Y t ) : Y t = a (1) a = Y t N......(2) Keteraga : Y t = Nilai tambah Y t = Hasil peramala = Jumlah periode b. Liear a = Y t t2 t txy t....(3) t 2 ( t) 2 b = x t x Y t t Y t (4) t 2 ( t) 2 Y t = a + bt (5)
4 2.4.2 Smoothig a. Movig Average Rata-rata bergerak ii bermafaat jika megasumsika bahwa permitaa pasar tetap stabil sepajag waktu. Metode rata-rata bergerak dibagi mejadi tiga metode yaitu: 1. Sigle Movig Average Metode ii diguaka utuk melakuka peramala hal-hal yag bersifat radom, artiya tidak ada gejala tred aik maupu turu, musima da sebagaiya, melaika sulit diketahui polaya. Secara matematis movig average: permitaa data periode sbelumya movig average =...(6) Keteraga : = jumlah dalam rata-rata bergerak 2. Double Movig Average Apabila ada tre atau pola terdeteksi, bobot dapat diguaka utuk meempatka peekaa yag lebih pada ilai terkii. Rata-rata bergerak dega pembobota dapat digambarka secara matematis sebagai : WMA = (bobot pada periode )(permitaa pd periode ) bobot...(7) Pemiliha bobot merupaka hal yag tidak pasti karea tidak ada rumus utuk meetapka mereka. Oleh karea itu, pemutusa bobot yag maa yag diguaka, membutuhka pegalama. b. Expoetial Smoothig Peghalusa ekspoetial adalah tekik peramala rata-rata bergerak dega pembobota dimaa data diberi bobot oleh sebuah fugsi ekspoetial. Peghalusa ekspoetial merupaka metode peramala rata-rata bergerak dega pembobota yag caggih, amu masih mudah diguaka. Metode ii megguaka sagat sedikit pecatata data masa lalu. 1. Sigle Expoetial Smoothig Sigle Expoetial Smoothig atau biasa disebut sebagai Simple Expoetial Smoothig, metode ii diguaka utuk peramala jagka pedek. Kostata smoothig mugki berkisar dari 0 ke 1. Nilai yag dekat dega 1 memberika peekaa terbesar pada ilai saat ii sedagka ilai yag dekat dega 0 memberi peekaa pada titik data sebelumya. Rumus utuk Simple expoetial smoothig adalah sebagai berikut: S t = α x X t + (1 α)xs t 1...(8) Keteraga : St = peramala utuk periode t Xt + (1-α) = Nilai aktual time series Ft-1 = Peramala pada waktu t-1 (waktu sebelumya) α = Kostata perataa atara ) da 1 2. Double Expoetial Smoothig Metode ii diguaka ketika data meujukka adaya tred. Expoetial smoothig dega adaya tred seperti pemulusa sederhaa kecuali bahwa dua kompoe harus diupdate setiap periode level da tredya. Rumus double expoetial smoothig adalah: S t = α x Y t + (1 α)x(s t 1 + b t 1 )...(9) b t = Y x (S t S t 1 ) + (1 Y) x b t 1...(10) Keteraga : St = Peramala utuk periode t Yt + (1- α) = Nilai Aktual utuk time series bt = tred pada periode t α = Parameter pertama perataa atara 0 da Naïve Approach Merupaka metode yag palig sederhaa utuk melakuka peramala. Dapat dilakuka dega berasumsi bahwa permitaa di periode medatag aka sama dega permitaa pada periode terakhir. Pedekata aif (aive approach) merupaka model peramala yag palig objektif da efisie dari segi biaya. Metode ii dapat memberika titik awal utuk perbadiga dega metode atau model lai yag lebih caggih. Metode aïve approach cocok diguaka utuk pola data stasioer, tre, da musima [2]. 2.5 Pola Data Terdapat empat jeis pola data time series, yaitu horizotal, tre, musima, da siklis [4]. Jeis-jeis pola data dalam time series diklasifikasika sebagai berikut :
5 a) Horizotal (statioer), merupaka pola data dimaa ilai data berfluktuasi di sekitar ilai rata-rata (mea). b) Tre (tred), merupaka pola data dimaa data memiliki kecederuga utuk meigkat atau meuru terus-meerus. c) Musima (seasoal), merupaka pola data dimaa pola permitaa berulag setiap periode. Pola ii sagat dipegaruhi oleh faktor musima, seperti cuaca, libur, atau kecederuga perdagaga. d) Siklis merupaka pola data dimaa data memiliki siklus yag berulag secara periodik. Pola ii dipegaruhi pola pergeraka aktivitas ekoomi. 2.6 Perhituga Kesalaha Peramala Ada beberapa perhituga yag biasa diguaka utuk meghitug kesalaha peramala (forecast error) total. Perhituga ii dapat diguaka utuk membadigka model peramala yag berbeda, juga utuk megawasi peramala, utuk memastika peramala berjala dega baik. Cara utuk megevaluasi tekik peramala meurut Reder da Heizer (2009) terdapat tiga, yaitu : 1. Deviasi rata-rata absolute atau Mea Absolute Deviatio (MAD) MAD ii adalah megukur kesalaha peramala keseluruha utuk sebuah model. Nilai MAD dihitug dega megambil jumlah ilai absolute dari tiap kesalaha peramala dibagi dega jumlah periode data (): MAD = A t F t...(11) Keteraga : A t = ilai aktual F t = ilai peramala = jumlah periode data 2. Kesalaha rata-rata kuadrat atau Mea Squared Error (MSE) MSE adalah rata-rata selisih kuadrat atara ilai yag diramalka da yag diamati. Rumusya adalah: MSE = (A t F t ) 2...(12) 3. Kesalaha perse rata-rata absolute atau Mea Absolute Percet Error (MAPE) MAPE merupaka rata-rata diferesiasi absolut atara ilai peramala da aktual, yag diyataka sebagai presetase ilai aktual. MAPE dihitug sebagai: MAPE = 100 A i F i i=1 At...(13) 2.7 Verifikasi Peramala Proses verifikasi dilakuka dega megguaka Movig Rage Chart (MRC). Jika sebara berada di luar kotrol, maka fugsi / metode peramala tersebut tidak sesuai, artiya pola peramala terhadap data tersebut tidak represetative [1]. Harga MR diperoleh dari : MR = N 1 t=2 MRt...(14) N 1 Dimaa : MRt = (d t d t) (d t 1 d t 1 )...(15) Kodisi out of cotrol dapat diperiksa dega megguaka empat atura berikut [1] : 1. Atura satu titik Bila ada titik sebara (d-d ) berada di luar UCL da LCL. Walaupu jika semua titik sebara berada dalam batas kotrol, belum tetu fugsi/metode represetatif. Utuk itu pegaalisaa perlu dilajutka dega membagi MRC dalam tiga daerah, yaitu: A, B, da C. 2. Atura tiga titik Bila ada tiga buah titik secara beruruta berada pada salah satu sisi, yag maa dua diataraya jatuh pada daerah A. 3. Atura lima titik Bila ada lima buah titik secara beruruta berada pada salah satu sisi, yag maa empat diataraya jatuh pada daerah B 4. Atura delapa titik Bila ada delapa buah titik secara beruruta berada pada salah satu sisi, pada daerah C. Bila kodisi data out of cotrol, maka yag harus kita lakuka adalah memperbaiki dataya utuk memasukka data baru da sistem peyebab yag baru, serta meuggu fakta-fakta atau keteraga berikutya.
6 3. Pembahasa 3.1 Plot Data Setelah dilakuka pegeplota data, pola yag terbetuk adalah usur musima karea dipergaruhi oleh adaya usur hari libur, usur siklis dipegaruhi oleh adaya pergeraka aktivitas ekoomi, da usur tred meuru disebabka setelah melakuka uji regresi terbetuk persamaa periode dari persamaa ilai egative tersebut maka meyataka bahwa terdapat usur tred meuru. 3.2 Perbadiga MSE Perbadiga MSE ii dilakuka apabila telah melakuka perhituga peramala dega seluruh metode peramala yag terpilih. Setelah melakuka perhituga peramala dega kelima metode, maka dilakuka perbadiga MSE utuk meetuka metode yag tepat. Berikut merupaka tabel perbadiga MSE Tabel 1 Perbadiga MSE METODE MAD MSE MAPE METODE NAÏVE % METODE SINGLE EKSPONENTIAL % METODE MOVING AVERGE % METODE KONSTAN % METODE REGRESI LINEAR % 3.3 Aalisis Pemiliha Metode Terbaik Berdasarka hasil peerapa metode peramala kuatitatif, peramala yag terbaik meujuka bahwa metode regresi liier merupaka metode terbaik utuk 46 jeis pelumas da metode kosta merupaka metode terbaik utuk 3 jeis pelumas. Hal ii dikareaka ilai MSE merupaka pedekata yag megatur kesalaha peramala yag besar karea kesalaha-kesalaha itu dikuadratka sehigga semaki kecil ilai MSE suatu peramala maka semaki medekati ilai aktualya. 3.4 Verifikasi Proses verifikasi ii dilakuka utuk melihat apakah metode peramala yag diperoleh represetative terhadap data atau tidak. Proses verifikasi ii dilakuka dega megguaka metode movig rage chart (MRC). Gambar 2 merupaka hasil verifikasi utuk pelumas A Y'- Y A -A B -B LCL UCL Gambar 3 Hasil Verifikasi Berdasarka keempat atura yag terpeuhi semua, maka data termasuk i cotrol yag meyataka bahwa metode peramala yag diperoleh represetatif terhadap data. Bila terdapat satu atura yag tidak terpeuhi, maka data termasuk kedalam outcorol sehigga metode yag terpilih harus digati dega metode yag laiya sampai memeuhi ke empat atura. 3.5 Validasi Pair 1 PermitaaA Peramala A Mea Std. Deviatio Paired Samples Test Paired Differeces Std. Error Mea Gambar 4 Hasil Validasi 95% Cofidece Iterval of the Differece Lower Upper t df 2 3 Sig. (2- tailed ) 0.991
7 Berdasarka Gambar 3 meujukka bahwa Sig (2-tailed) memiliki ilai Sig.(p) 0,05 yag memiliki arti bahwa H0 diterima sehigga dapat disimpulka bahwa tidak terdapat perbedaa atara hasil peramala permitaa dega permitaa aktual. 3.6 Aalisis Perbadiga MSE Kodisi Awal da Usula Perbadiga dari kodisi awal dega usula membuat adaya selisih MSE sebesar , hal ii dikareaka pada kodisi awal perusahaa melakuka peramala haya berdasarka data realisasi permitaa tahu sebelumya tapa melakuka peramala yag disesuaika dega kodisi perusahaa. Dega meuruya ilai MSE usula dibadigka dega kodisi awal, maka usula ii dapat diterima. 3.7 Aalisis Hasil Peramala Setelah melakuka verifikasi dari metode yag terpilih, kemudia dilakuka peramala permitaa pelumas utuk periode Jauari sampai dega Desember Metode regresi liier mejadi acua dalam meramalka permitaa pelumas A karea metode tersebut merupaka metode yag memiliki ilai MSE. Hasil peramala utuk 12 bula medatag megguaka metode regresi liear ditampilka pada Tabel 2. Tabel 2 Hasil Peramala Permitaa Periode t A b Ŷ (Y) December Jauari Februari Maret April Mei Jue July August September October November December Kesimpula Berdasarka hasil pegolaha data, utuk memiimasi terjadiya kesalaha peramala pada PT. NYZ, lagkah yag dilakuka adalah dega cara melakuka peramala dega beberapa metode peramala piliha da meghitug masig-masig kesalaha dari setiap metode utuk masig-masig jeis produk pelumas. Setelah meghitug kesalaha peramala utuk masig-masig pelumas, lagkah selajutya adalah memilih kesalaha terkecil utuk masig-masig pelumas. Kemudia, setelah terpilih metode terbaik yag memiliki kesalaha terkecil melakuka verifikasi. Dari hasil verifikasi, diperoleh bahwa semua metode yag terpilih utuk masigmasig pelumas adalah represetatif da berdasarka hasil validasi diperoleh bahwa tidak terdapat perbedaa atara hasil peramala permitaa dega permitaa aktual sehigga metode yag terpilih dapat mejadi acua perusahaa dalam melakuka peramala permitaa utuk meetuka perecaaa permitaa pelumas selama satu tahu kedepa. Metode terbaik yag terpilih adalah metode regresi liear utuk 46 jeis pelumas da metode kosta utuk 3 produk pelumas. Pemiliha metode ii memberika peurua MSE sebesar 84.92% da overstock berkurag sebesar 88.34%. Daftar Pustaka : [1] Gitig, R. (2007). Sistem Produksi. Yogyakarta: Erlagga. [2] Hake, J. E., & Wicher, W. D. (2001). Busiess Forecastig. Lodo: Pearso Pretice Hall. [3] Heizer, J., & Reder, B. (2009). Maajeme Operasi. Jakarta: Salemba Empat. [4] Ishak, A. (2010). Maajeme Operasi. Yogyakarta: Graha Ilmu. [5] Kosasih, S. (2009). Maajeme Operasi. Jakarta: Mitra Wacaa Media. [6] Prasetya, H., & Lukiastuti, F. (2009). Maajeme Operasi. Yogyakarta: Media Pressido.
FORECASTING (Peramalan)
FORECASTING (Peramala) PENDAHULUAN Forecastig adalah ramala tetag apa yag aka terjadi dimasa yag aka datag. Forecast Demad atau peramala permitaa mejadi dasar yag sagat petig dalam perecaaa suatu keputusa
Lebih terperinciPENENTUAN JUMLAH PERENCANAAN PERMINTAAN PELUMAS UNTUK MEMINIMASI TINGKAT KESALAHAN PERAMALAN BERDASARKAN PERAMALAN PERMINTAAN PELUMAS PADA PT.
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 3022 PENENTUAN JUMLAH PERENCANAAN PERMINTAAN PELUMAS UNTUK MEMINIMASI TINGKAT KESALAHAN PERAMALAN BERDASARKAN PERAMALAN PERMINTAAN
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula
Lebih terperinciBAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis
BAB 3 METODE PENELITIAN 3.1 Peetapa Kriteria Optimasi Disii peerapa kriteria optimasi yag diguaka utuk megaalisis kebutuha pokok pada PT. Kusuma Kecaa Khatulistiwa yaitu : 1. Aalisis forecastig (peramala
Lebih terperinciProsiding Manajemen ISSN:
Prosidig Maajeme ISSN: 2460-7187 Aalisis Peramala Pejuala dega Megguaka Metode Sigle Movig Average, Weighted Movig Average da Expoetial Smoothig Sebagai Dasar Perecaaa Produksi Polo Shirt Pria (Studi Kasus
Lebih terperincikesimpulan yang didapat.
Bab ii merupaka bab peutup yag merupaka hasil da kesimpula dari pembahasa serta sara peulis berdasarka kesimpula yag didapat. BAB LANDASAN TEORI. Kosep Dasar Peramala Peramala adalah kegiata utuk memperkiraka
Lebih terperinciLAPORAN RESMI MODUL VII TIME SERIES FORECASTING
LAPORAN RESMI MODUL VII TIME SERIES FORECASTING I. Pedahulua A. Latar Belakag (Mi. 4 Paragraf) B. Rumusa Masalah C. Tujua Praktikum (Mi. 3) D. Mafaat Praktikum (Mi. 3) E. Batasa Masalah II. Tijaua Pustaka
Lebih terperinciPERAMALAN KURSIDRTERHADAP USDMENGGUNAKAN DOUBLE MOVING AVERAGES DAN DOUBLEEXPONENTIAL SMOOTHING.
PERAMALAN KURSIDRERHADAP USDMENGGUNAKAN DOUBLE MOVING AVERAGES DAN DOUBLEEXPONENIAL SMOOHING. Padrul Jaa 1), Rokhimi 2), Ismi Ratri Prihatiigsih 3) 1,2,3 PedidikaMatematika, Uiversitas PGRI Yogyakarta
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Data permitaa Dalam meramalka permitaa produk lever cable utuk kebutuha PT. Kyoda Mas Mulia sediri. data yag diambil utuk perhituga peramala permitaa yaitu dega
Lebih terperinciPENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA
PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis
Lebih terperinciBAB II TINJAUAN LITERATUR. Pengendalian persediaan dapat dilakukan dalam berbagai cara, antara lain dengan
BAB II TINJAUAN LITERATUR 2.1. Klasifikasi ABC Dalam Persediaa Pegedalia persediaa dapat dilakuka dalam berbagai cara, atara lai dega megguaka aalisis ilai persediaa. Dalam aalisis ii, persediaa dibedajka
Lebih terperinciKata Kunci : Forecasting, Program Perhitungan, Simple Moving Averages, Weighted Moving Averages, Mean Absolute Deviation, Mean Square Error
PREDIKSI PEMINATAN PROGRAM KEAHLIAN CALON SISWA BARU DENGAN METODE SIMPLE MOVING AVERAGES DAN WEIGHTED MOVING AVERAGES (Studi Kasus : SMK TEXMACO SEMARANG) Isa Raa Machilikha Putera Sistem Iformasi, Fakultas
Lebih terperinciBAB IV PEMECAHAN MASALAH
BAB IV PEMECAHAN MASALAH 4.1 Metodologi Pemecaha Masalah Dalam ragka peigkata keakurata rekomedasi yag aka diberika kepada ivestor, maka dicoba diguaka Movig Average Mometum Oscillator (MAMO). MAMO ii
Lebih terperinciPeramalan Jumlah Stok Alat Tulis Kantor Di UD ACHMAD JAYA Menggunakan Metode Double Exponential Smoothing
Jural Ilmiah Tekologi da Iformasia ASIA (JITIKA) Vol.10, No.1, Februari 2016 ISSN: 0852-730X Peramala Jumlah Stok Alat Tulis Kator Di UD ACHMAD JAYA Megguaka Metode Double Expoetial Smoothig Titaia Dwi
Lebih terperinciPERANCANGAN APLIKASI PREDIKSI JUMLAH SISWA BARU PADA YAYASAN CERDAS MURNI MENGGUNAKAN EXPONENTIAL SMOOTHING
PERANCANGAN APLIKASI PREDIKSI JUMLAH SISWA BARU PADA YAYASAN CERDAS MURNI MENGGUNAKAN EXPONENTIAL SMOOTHING Khairu Nisa Ulfa 1, Muhammad Syahrizal 2 Mahasiswa Tekik Iformatika STMIK Budi Darma Meda 1 Dose
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinciModel Trend untuk Peramalan Jumlah Penduduk Studi kasus pada Pertumbuhan Penduduk Kabupaten Gowa
JTRISTE, Vol., No., Oktober 015, pp. 46~5 ISSN: 355-3677 Model Tred utuk Peramala Jumlah Peduduk Studi kasus pada Pertumbuha Peduduk Kabupate Gowa Sistem Iformasi, STMIK Kharisma Makassar rahmawati@kharisma.ac.id
Lebih terperinciBAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,
BAB 1 PENDAHULUAN 1.1 Latar Belakag Bagi Negara yag mempuyai wilayah terdiri dari pulau-pulau yag dikeliligi lauta, laut merupaka saraa trasportasi yag dimia, sehigga laut memiliki peraa yag petig bagi
Lebih terperinciANALISIS PERAMALAN PENJUALAN USAHA ARDYLA BAKERY DI MUARA BULIAN Muryati 1
Jural Ilmiah Uiversitas Bataghari Jambi Vol.17 No.2 Tahu 2017 ANALISIS PERAMALAN PENJUALAN USAHA ARDYLA BAKERY DI MUARA BULIAN Muryati 1 Abstract The role of forecastig was very importat for a compay to
Lebih terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperinciPengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)
Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu
Lebih terperinciMODUL 3 PERAMALAN. Halaman 3
MODUL 3 PERAMALAN 1. Deskripsi Peramala merupaka tahapa awal dari keseluruha perecaaa produksi. Adaya ketidak pastia dari permitaa kosume di masa yag aka datag meyebabka aktivitas peramala ii sagat dibutuhka
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Perecaaa Produksi 2.1.1 Pegertia Perecaaa Produksi Perecaaa produksi dapat diartika sebagai proses peetua sumber-sumber yag diperluka utuk melaksaaka operasi maufaktur da megalokasikaya
Lebih terperinciREGRESI DAN KORELASI
REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas
Lebih terperinciMANAJEMEN RISIKO INVESTASI
MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pegertia Peramala Statistik merupaka salah satu cabag ilmu pegetahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hampir semua ilmu bidag pegetahua, terutama
Lebih terperinciANALISIS RUNTUT WAKTU DAN PERAMALAN (Time Series and Forecasting) Analisis Tren
ANALISIS RUNTUT WAKTU DAN PERAMALAN (Time Series ad Forecastig) Aalisis Tre P.E.N.D.A.H.U.L.U.A.N Rutut waktu merupaka kumpula data yag tercatat sepajag periode waktu tertetu (cotohya: miggua, bulaa, atau
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di PT. Bak Bukopi, Tbk Cabag Karawag yag berlokasi pada Jala Ahmad Yai No.92 Kabupate Karawag, Jawa Barat da Kabupate Purwakarta
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Metode Pegolaha Data Lagkah Lagkah Dalam Pegolaha Data Dalam melakuka pegolaha data yag diperoleh, maka diguaka alat batu statistik yag terdapat pada Statistical
Lebih terperinciBAB 2 LANDASAN TEORI. mendapatkan perhatian dan dipelajari oleh ilmuan dari hampir semua ilmu bidang
8 BAB 2 LANDASAN TEORI 2.1 Pegertia Peramala Statistik merupaka salah satu cabag ilmu pegetahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hampir semua ilmu bidag pegetahua, terutama
Lebih terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinciIV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang
IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah
Lebih terperinciBAB IV ANALISIS DATA PENELITIAN. Data yang digunakan untuk mengevaluasi Gardu Induk Bandar Sribhawono
38 BAB IV ANALISIS DATA PENELITIAN.1 Data Peelitia Data yag diguaka utuk megevaluasi Gardu Iduk Badar Sribhawoo 8 tahu medatag adalah data pemakaia eergi listrik tahu 2013 sampai 2016 pada trasformator
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I
7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3
Lebih terperinciAPLIKASI PERHITUNGAN METODE PERAMALAN PRODUKSI PADA CV. X
APLIKASI PERHITUNGAN METODE PERAMALAN PRODUKSI PADA CV. X Sayuti, M 1* 1 Jurusa Tekik Idustri, Fakultas Tekik, Uiversitas Malikussaleh-NAD *E-mail: Tgk_Sayuti@yahoo.co.uk ABSTRAK CV.X, merupaka perusahaa
Lebih terperinciMATERI 13 ANALISIS TEKNIKAL ANALISIS TEKNIKAL
MATERI 13 ANALISIS TEKNIKAL ASUMSI-ASUMSI DASAR ANALISIS TEKNIKAL KEUNTUNGAN DAN KRITIK TERHADAP ANALISIS TEKNIKAL TEKNIK-TEKNIK DALAM ANALISIS TEKNIKAL - The Dow Theory - Chart Pola Pergeraka Harga Saham
Lebih terperinciBAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.
BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.
9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciAPLIKASI PERAMALAN PENJUALAN OBAT MENGGUNAKAN METODE PEMULUSAN (STUDI KASUS: INSTALASI FARMASI RSUD DR MURJANI)
APLIKASI PERAMALAN PENJUALAN OBAT MENGGUNAKAN METODE PEMULUSAN (STUDI KASUS: INSTALASI FARMASI RSUD DR MURJANI) Slamet Riyadi Fakultas Ilmu Komputer Uiversitas Darwa Ali Jl Batu Berlia No. 0 Sampit, Kalimata
Lebih terperinciPETA KONSEP RETURN dan RISIKO PORTOFOLIO
PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.
Lebih terperinciAPLIKASI PERAMALAN PENJUALAN MENGGUNAKAN METODE REGRESI LINIER
APLIKASI PERAMALAN PENJUALAN MENGGUNAKAN METODE REGRESI LINIER Rival Zuaidhi, Wahyu S. J. Saputra da Ni Ketut Sari Jurusa Tekik Iformatika, Fakultas Tekologi Iformasi, UPN Vetera Jawa Timur Email: rivalavista@yahoo.com
Lebih terperinciPENENTUAN JUMLAH PERENCANAAN PERMINTAAN CAT UNTUK MENINGKATKAN TINGKAT AKURASI PERAMALAN BERDASARKAN PERAMALAN PERMINTAAN CAT PADA PT.
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.1 April 2017 Page 1067 PENENTUAN JUMLAH PERENCANAAN PERMINTAAN CAT UNTUK MENINGKATKAN TINGKAT AKURASI PERAMALAN BERDASARKAN PERAMALAN PERMINTAAN
Lebih terperinciPEMILIHAN TEKNIK PERAMALAN DAN PENENTUAN KESALAHAN PERAMALAN
PEMILIHAN TEKNIK PERAMALAN DAN PENENTUAN KESALAHAN PERAMALAN A. Tekik-tekik Peramala Faktor utama yag mempegaruhi pemiliha tekik peramala adalah idetifikasi da megetahui pola dari data. Beberapa tekik
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
Lebih terperinciPROSIDING ISBN:
S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas
Lebih terperinciBAB IV PEMBAHASAN DAN ANALISIS
BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk
Lebih terperinciPedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai
PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,
Lebih terperinciBAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON
BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika
Lebih terperinciMETODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.
METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai
Lebih terperinciBAB III METODE PENELITIAN
22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka
Lebih terperinciPEMODELAN MINIMIZE TOTAL BIAYA PENGENDALIAN KUALITAS TERHADAP PROSES MANUFAKTURING PRODUK FURNITURE
PEMODELAN MINIMIZE TOTAL BIAYA PENGENDALIAN KUALITAS TERHADAP PROSES MANUFAKTURING PRODUK FURNITURE Sutriso B., Abd. Haris, Romadho Jurusa Maajeme - Fakultas Ekoomi, Uiversitas Widya Dharma Klate Jl. Ki
Lebih terperinciBAB II MAKALAH. : Seminar Nasional Sains dan Pendidikan Sains VIII UKSW. : Prosiding Seminar Nasional Matematika VIII UKSW 15 Juni
BAB II MAKALAH Makalah I. Judul Dipresetasika : Liear Goal Programmig utuk Optimasi Perecaaa si : Semiar Nasioal Sais da Pedidika Sais VIII UKSW 201 yag diseleggaraka oleh Fakultas Sais da Matematika UKSW
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI PT.Bak Permata merupaka salah satu bak asioal terbesar di Idoesia da dikeal sebagai bak pelayaa terbaik. Bak Permata dibetuk sebagai hasil merger dari 5 bak di bawah Bada Peyehata
Lebih terperinciIV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag
Lebih terperinciBAB III METODE PENELITIAN
36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Saham Saham adalah surat berharga yag dapat dibeli atau dijual oleh peroraga atau lembaga di pasar tempat surat tersebut diperjualbelika. Sebagai istrumet ivestasi, saham memiliki
Lebih terperinciBAB 3 DATA DAN METODOLOGI PENELITIAN
BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai
Lebih terperinciBAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28
5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.
Lebih terperinciPENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI
Halama Tulisa Jural (Judul da Abstraksi) Jural Paradigma Ekoomika Vol.1, No.5 April 2012 PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Oleh : Imelia.,SE.MSi Dose Jurusa Ilmu Ekoomi da Studi Pembagua,
Lebih terperinciPERAMALAN PERENCANAAN PRODUKSI SEMEN DENGAN METODE EXPONENTIAL SMOOTHING PADA PT. SEMEN INDONESIA
PERAMALAN PERENCANAAN PRODUKSI SEMEN DENGAN METODE EXPONENTIAL SMOOTHING PADA PT. SEMEN INDONESIA Agil Saputro, Bambag Purwaggoo *) Program Studi Tekik Idustri, Fakultas Tekik, Uiversitas Dipoegoro, Jl.
Lebih terperinciIII METODE PENELITIAN
28 III METODE PENELITIAN 3.1 Tempat da Waktu Peelitia Peelitia ii dilaksaaka di Giat, Botai Square, Bogor, Jawa Barat. Peelitia dilaksaaka pada bula Februari higga bula Maret tahu 2010. 3.2 Pegumpula Data
Lebih terperinciBAB I PENDAHULUAN. X Y X Y X Y sampel
BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Aalisis regresi merupaka metode aalisis data yag meggambarka hubuga atara variabel respo dega satu atau beberapa variabel prediktor. Aalisis regresi tersebut
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih terperinciMATERI 10 ANALISIS EKONOMI
MATERI 10 ANALISIS EKONOMI TOP-DOWN APPROACH KONDISI EKONOMI DAN PASAR MODAL VARIABEL EKONOMI MAKRO MERAMAL PERUBAHAN PASAR MODAL 10-1 TOP-DOWN APPROACH Dalam melakuka aalisis peilaia saham, ivestor bisa
Lebih terperinciBAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat
BAB III METODOLOGI PENELITIAN 3.1. Jeis da Sumber Data Jeis peelitia yag aka diguaka oleh peeliti adalah jeis peelitia Deskriptif. Dimaa jeis peelitia deskriptif adalah metode yag diguaka utuk memperoleh
Lebih terperinciPenyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered.
2. Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a) Hitug Sum of Square for Regressio (X) b) Hitug Sum of Square for Residual c) Hitug Meas Sum of Square for Regressio (X) d) Hitug
Lebih terperinciTEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran
Bab 8 TEORI PENAKSIRAN Kompetesi Mampu mejelaska da megaalisis teori peaksira Idikator 1. Mejelaska da megaalisis data dega megguaka peaksira titik 2. Mejelaska da megaalisis data dega megguaka peaksira
Lebih terperinciBAB III METODOLOGI PENELITIAN
31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag
Lebih terperinciPENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
Lebih terperinciImplementasi Linear Programming Untuk Memaksimalkan Keuntungan
Serag, 25 November 2017 Implemetasi Liear Programmig Utuk Memaksimalka Keutuga Supriyadi 1, Ade Muslimat 2, Realdy Pratama 2, Gia Ramayati 3 1,34) Jurusa Tekik Idustri, Fakultas Tekik,Uiversitas Serag
Lebih terperinciBAB III METODE PENELITIAN. pre test post test with control group. Penelitian ini berupaya untuk
BAB III METODE PENELITIAN A. Desai Peelitia Peelitia ii megguaka desai Eksperimet dega pedekata pre test post test with cotrol group. Peelitia ii berupaya utuk megugkapka hubuga sebab-akibat dega cara
Lebih terperinciIII. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung
42 III. METODE PENELITIAN 3.. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di Provisi Sumatera Barat yag terhitug mulai miggu ketiga bula April 202 higga miggu pertama bula Mei 202. Provisi Sumatera
Lebih terperinciIII. METODOLOGI PENELITIAN
16 III. METODOLOGI PENELITIAN 3.1. Keragka Pemikira Peelitia Perkembaga zama yag meutut setiap idividu baik dari segi kemampua maupu peampila. Boss Parfum yag bergerak di bidag isi ulag miyak wagi didirika
Lebih terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 86-88 Latiha 2 Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b.
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperinciBAB 2 LANDASAN TEORI. Statistika merupakan salah satu cabang penegtahuan yang paling banyak mendapatkan
BAB LANDASAN TEORI. Pegertia Regresi Statistika merupaka salah satu cabag peegtahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hamper semua bidag ilmu peegtahua, terutama para peeliti
Lebih terperinciPENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN
PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas
Lebih terperinciREGRESI DAN KORELASI SEDERHANA
REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai
Lebih terperinciJURNAL GAUSSIAN, Volume 2, Nomor 2, April 2013, Halaman Online di:
JURNAL GAUSSIAN, Volume 2, Nomor 2, April 203, Halama 37-46 Olie di: http://ejoural-s.udip.ac.id/idex.php/gaussia PERBANDINGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL DAN FUZZY TIME SERIES UNTUK MEMPREDIKSI
Lebih terperinciBAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit
BAB III METODE PENELITIAN 3.1 Objek Peelitia Objek peelitia merupaka sasara utuk medapatka suatu data. Jadi, objek peelitia yag peulis lakuka adalah Beba Operasioal susu da Profit Margi (margi laba usaha).
Lebih terperinciBAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:
BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat
BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuha Sistem Sebelum melakuka deteksi da trackig obyek dibutuhka peragkat luak yag dapat meujag peelitia. Peragkat keras da luak yag diguaka dapat dilihat pada Tabel
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1.Tempat da Waktu Peelitia ii dilakuka di ligkuga Kampus Aggrek da Kampus Syahda Uiversitas Bia Nusatara Program Strata Satu Reguler. Da peelitia dilaksaaka pada semester
Lebih terperinciPERANCANGAN SISTEM INFORMASI PREDIKSI PEMESANAN STOK ALAT- ALAT MUSIK PADA CV GRAHA MUSIC & LIGHTING
PERANCANGAN SISTEM INFORMASI PREDIKSI PEMESANAN STOK ALAT- ALAT MUSIK PADA CV GRAHA MUSIC & LIGHTING Moch Arifi 1, Rizal Cahya Pratama 1 Sekolah Tiggi Maajeme Iformatika Da Tekik Komputer Surabaya Jl.
Lebih terperinciRizka Fernanda Rumai Damayanti Alumni Program Manajemen S1 Sekolah Tinggi Ilmu Ekonomi Bisnis Indonesia, Jakarta. Dan
PERAMALAN PENJUALAN AIR MINUM ISI ULANG 19 LITER PADA USAHA DEPOT TIRTA ASRI UNTUK MENINGKATKAN VOLUME PENJUALAN TAHUN 2016 DI DAERAH TAJUR HALANG BOGOR DENGAN METODE FORECASTING Rizka Ferada Rumai Damayati
Lebih terperinciPERAMALAN DATA TIME SERIES DENGAN METODE PENGHALUSAN EKSPONENSIAL HOLT - WINTER
PERAMALAN DATA TIME SERIES DENGAN METODE PENGHALUSAN EKSPONENSIAL HOLT - WINTER Adi Suwadi 1, Aisa 2, Adi Kresa Jaya 3 JurusaMatematika FMIPA UiversitasHasauddi Makassar 90245 ABSTRAK Dalam time series
Lebih terperinciBAB III METODOLOGI PENELITIAN
22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,
Lebih terperinciPenggunaan Metode Deseasonalized untuk Meramalkan Jumlah Pengunjung Objek Wisata Danau Ranau, Sumatera Selatan
Jural Peelitia Sais Volume 16 Nomor 3 Oktober 013 Pegguaa Metode Deseasoalized utuk Meramalka Jumlah Pegujug Objek Wisata Daau Raau, Sumatera Selata Robiso Sitepu, Putra B.J. Bagu, da M. Haris Suryasah
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Disai Peelitia Tujua Jeis Peelitia Uit Aalisis Time Horiso T-1 Assosiatif survey Orgaisasi Logitudial T-2 Assosiatif survey Orgaisasi Logitudial T-3 Assosiatif survey Orgaisasi
Lebih terperinciBAB 2 TINJAUAN TEORI
BAB 2 TINJAUAN TEORI 2.1 ISTILAH KEENDUDUKAN 2.1.1 eduduk eduduk ialah orag atatu idividu yag tiggal atau meetap pada suatu daerah tertetu dalam jagka waktu yag lama. 2.1.2 ertumbuha eduduk ertumbuha peduduk
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih terperinci