Jurnal Rekursif, Vol. 3 No. 1 Maret 2015, ISSN

Ukuran: px
Mulai penontonan dengan halaman:

Download "Jurnal Rekursif, Vol. 3 No. 1 Maret 2015, ISSN"

Transkripsi

1 Jural Rekursif, Vol 3 No Mare 05, ISSN PERBANDINGAN KEAKURATAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DAN EPONENTIAL SMOOTHING PADA PERAMALAN PENJUALAN SEMEN DI PT SINAR ABADI Riza Rahmadayai, Boko Susilo, Diyah Puspiaigrum 3,,3 Program Sudi Tekik Ifomaika, Fakulas Tekik, Uiversias Begkulu Jl WR Suprama Kadag Limu Begkulu 3837A INDONESIA (elp: ; fax: ) ryzha9@gmailcom, bksusilo@gmailcom, 3 diyahpuspiaigrum@gmailcom Absrak: Peeliia ii berujua uuk membagu aplikasi yag membadigka keakuraa aara meode ARIMA da Expoeial Smoohig peramala pejuala seme sehigga perusahaa dapa melakuka prediksi uuk produksi periode selajuya dega megguaka meode yag lebih akura diaar kedua meode ersebu Pada peeliia ii keakuraa meode yag diguaka didasarka pada ilai MSE yag dimiliki oleh masig-masig meode, Aplikasi ii dibagu dega megguaka bahasa pemrograma Visual Basic 60 Proses peeliia ii adalah melakuka peramala pada beberapa periode medaag dega megguaka 4 daa bulaa yag ada, sehigga dihasilka jumlah peramala uuk periode ke 5 uuk Seme Wara SA Grou Blue megguaka meode Expoeial Smoohig yaiu 487 dega MSE 0037,7 sedagka meode ARIMA yaiu 470 dega MSE 59,59 Uuk Seme Wara SA Grou Gree dega meode Expoeial Smoohig yaiu 569 dega MSE 0067, 5 sedagka meode ARIMA yaiu 470 dega MSE 9595,5 Uuk Seme Wara SA Grou Ivory dega meode Expoeial Smoohig yaiu 495 dega MSE 0497,54 sedagka meode ARIMA yaiu 493 dega MSE 8073,8 Uuk Seme Wara SA Grou Whie dega meode Expoeial Smoohig yaiu 343 dega MSE 8044,63 sedagka meode ARIMA yaiu 38 dega MSE 973,4 Da uuk Seme Wara SA Grou Pik dega meode Expoeial Smoohig yaiu 470 dega MSE 0753,6 sedagka meode ARIMA yaiu 46 dega MSE 0736,8 Dari hasil perhiuga dapa disimpulka bahwa meode ARIMA lebih akura karea memiliki ilai MSE lebih kecil dari meode Expoeial Smoohig Kaa kuci: Peramala, ARIMA, Expoeial Smoohig, MSE, Visual Basic 60 3 ejouraluibacid

2 Jural Rekursif, Vol 3 No Mare 05, ISSN Absrac: This sudy aims o build applicaios ha compare he accuracy bewee ARIMA ad expoeial smoohig mehod for forecasig sales of ceme so ha he compay ca make predicios for he producio of he ex period by usig a more accurae mehod delivered boh mehods I his sudy he accuracy of he mehod used is based o he MSE values held by each mehod, his applicaio was buil usig Visual Basic 60 Resuls of his sudy was o perform forecasig a some fuure period by use of 4 exisig acual daa, so ha he resulig umber of forecasig for he period o 5 for SA Ceme Grou Color Blue usig expoeial smoohig mehod ha is 487 by MSE while he ARIMA mehod ha is 470 wih MSE 5959 For SA Ceme Grou Color Gree wih expoeial smoohig mehod ha is 569 by MSE 0067, 5 whereas he ARIMA mehod ha is 470 by MSE For SA Ceme Grou Color Ivory wih expoeial smoohig mehod ha is 495 by MSE while he ARIMA mehod ha is 493 by MSE For Whie Ceme Grou Color SA wih expoeial smoohig mehod ha is 343 by MSE while he ARIMA mehod ha is 38 by MSE 9734 Ad for SA Ceme Grou Color Pik wih expoeial smoohig mehod ha is 470 by MSE while he ARIMA mehod ha is 46 by MSE From he calculaio i ca be cocluded ha he ARIMA mehod is more accurae because i has a smaller MSE ha expoeial smoohig mehod Keywords: Forecasig, ARIMA, Expoeial Smoohig, MSE, Visual Basic 60 I PENDAHULUAN Seme merupaka baha baku uama dalam pembagua Sampai saa ii belum ada yag meggaika fugsi seme iu sediri Apalagi dega berkembagya ekologi yag semaki maju mejadika pembagua aka saraa mejadi berambah Hal ii membua permiaa erhadap seme juga semaki meigka Semaki meigkaya kebuuha masyaraka erhadap seme, maka semaki marak pula muculya perusahaa-perusahaa yag bergerak dalam memproduksi seme Dewasa ii persaiga dalam duia bisis saga pesa sehigga perusahaa harus mempuyai sraegi masigmasig dalam memperahaka kelagsuga da kejayaa perusahaaya Salah sau perusahaa di Begkulu yag memproduksi seme adalah PT Siar Abadi PT Siar Abadi merupaka salah sau perusahaa yag memproduksi seme wara dega berbagai jeis Perusahaa ii melakuka kegiaa pedisribusia produk semeya ke disribuor yag ersebar di Begkulu Dari hasil observasi lapaga di PT Siar Abadi, dikeahui bahwa selama ii proses pegolaha daa elah erkompuerisasi PT Siar Abadi elah megguaka kompuer sebagai ala bau uuk megolah daa yag berhubuga dega produk yag ada di PT Siar Abadi Namu masih kesulia dalam memperkiraka/memprediksi pejuala yag aka daag gua meigkaka laba perusahaa Apabila maajeme salah dalam megambil idaka dalam meramalka pejuala, maka kemugkia besar perusahaa aka megalami kerugia Karea jika maajeme meeuka peramala pejuala erlalu iggi, perusahaa bisa megalami kerugia dikareaka bayakya ejouraluibacid 4

3 Jural Rekursif, Vol 3 No Mare 05, ISSN ogkos produksi yag dikeluarka Sebalikya, jika maajeme meeuka peramala pejuala yag erlalu redah, perusahaa juga bisa megalami kerugia dikareaka perusahaa megalami kehabisa persediaa (sock ou) sehigga idak erpeuhiya permiaa kosume Uuk iu saga peig bagi perusahaa melakuka peramala erhadap pejuala pada selajuya dega megguaka meode-meode ereu Meode saisika yag diguaka uuk peramala pejuala saga bayak Aka eapi dari kesekia bayak meode aiya aka dicari meode yag palig sesuai dega membadigka iap meode Hal ii disebabka masig-masig meode memberika hasil peramala da ilai peyimpaga yag berbeda-beda Beberapa meode yag aka dibadigka akurasi peralama pejualaya dalam peeliia ii yaiu meode Auoregressive Iegraed Movig Average (ARIMA) da meode Expoeial Smoohig, karea kedua meode ii memiliki kemampua uuk megaalisis daa masa lalu yag bersifa sasioer, musima, maupu siklus Dari uraia yag elah dijelaska di aas, peeliia ii berujua uuk membua suau sisem yag dapa membau permasalaha yag ada pada perusahaa Peeliia yag berkaia dega permasalah ii dijadika sebagai ugas akhir dega judul Perbadiga keakuraa meode Auoregressive Iegraed Movig Average (ARIMA) da Expoeial Smoohig pada peramala pejuala seme di PTSiar Abadi II LANDASAN TEORI A Peramala (Forecasig) Peramala disebu juga perkiraa aau forecasig, adalah suau cara uuk megukur aau meaksir kodisi bisis di masa medaag Peramala pejuala merupaka perkiraa pejuala pada suau waku yag aka daag dalam keadaa ereu da dibua berdasarka daa-daa yag perah erjadi da mugki aka erjadi Hasil dari suau forecasig lebih merupaka peilaia erhadap kodisi masa depa megeai pejuala sebagai proyeksi ekis permiaa kosume poesial [] Sejala dega perkembaga yag semaki caggih yag diirigi oleh perkembaga pegguaa kompuer, peramala semaki memperoleh perhaia beberapa ahu erakhir ii Para maajer elah mampu uuk megguaka ekik aalisis daa yag caggih uuk ujua peramala, da pemahama aka ekik ersebu merupaka suau keharusa bagi para maajer Semua ramala memerluka asumsi (beberapa asumsi berhubuga dega fakor ieral perusahaa, idusri, aau perilaku lembagalembaga ekseral seperi pemeriah) Asumsiasumsi ersebu didasarka pada keyakia da pegeahua dari peramal da maajeme Memerluka perimbaga yag cerma dalam memilih meode peramala agar memperoleh hasil yag dapa diguaka uuk membau proses pembuaa kepuusa oleh para maajer dari suau orgaisasi Oleh karea iu persyaraa yag erpeig buka erleak pada meode peramala yag megguaka proses maemais yag caggih aau suau meode yag palig muakhir Teapi meode yag dipilih harus meghasilka suau ramala yag akura, epa waku, da dapa dimegeri oleh maajeme sehigga ramala ersebu dapa membau dalam meghasilka ramala yag lebih baik Isilah "Iformasi Geografis" megadug pegeria iformasi megeai keeraga- 5 ejouraluibacid

4 Jural Rekursif, Vol 3 No Mare 05, ISSN keeraga (aribu) yag erdapa di permukaa bumi yag posisiya diberika aau dikeahui B Keguaa Peramala Dalam perecaaa di orgaisasi aau perusahaa peramala merupaka kebuuha yag saga peig, baik burukya peramala dapa mempegaruhi seluruh bagia orgaisasi karea waku eggag uuk pegambila kepuusa dapa berkisar dari beberapa ahu Peramala merupaka ala bau yag peig dalam perecaaa yag efekif da efisie Di dalam bagia orgaisasi erdapa beberapa keguaa peramala, yaiu: Bergua uuk pejadwala sumber daya yag ersedia Pegguaa sumber daya yag efisie memerluka pejadwala produksi, rasporasi kas, persoalia da sebagaiya Ipu yag peig uuk pejadwala seperi iu adalah ramala igka permiaa kosume aau pelagga Bergua dalam peyediaa sumber daya ambaha waku eggag (Lead ime) uuk memperoleh baha baku, meerima pekerja baru aau membeli mesi da peralaa 3 Bergua uuk meeuka sumber daya yag diigika Seiap orgaisasi harus meeuka sumber daya yag dimiliki dalam jagka pajag Kepuusa semacam iu bergaug pada fakor-fakor ligkuga, mausia da pegembaga sumber daya keuaga Semua peeua ii memerluka ramala yag baik da maager yag dapa meafsirka pedugaa sera membua kepuusa yag baik Dari uraia yag dijelaska diaas, dapa dikaaka meode peramala saga bergua karea aka membau dalam megadaka aalisis erhadap daa dari masa lalu, sehigga dapa memberika cara pemikira, pegerjaa yag eraur da erarah, perecaaa yag sisemais sera memberika keepaa hasil peramala yag dibua C Tekik Peramala Tekik peramala pejuala dapa dilakuka dega cara, yaiu: Secara kualiaif (o saisical mehhod) adalah cara peaksira yag meiikberaka pada pedapa seseorag (judgeme) Hal ii peig karea hasil peramala ersebu dieuka berdasarka pemikira yag bersifa iuisi, pedapa da pegeahua dari orag yag meyusuya, Ada beberapa sumber pedapa yag dipakai sebagai dasar melakuka peramala pejuala, aara lai pedapa salesma, pedapa maajer pejuala, pedapa para ahli, da survei kosume Secara kuaiaif (saisical mehod) adalah cara peaksira yag meiikberaka pada perhiuga-perhiuga agka dega megguaka berbagai meode saisik Hasil peramala yag dibua saga bergaug pada meode yag diperguaka dalam peramala ersebu Peramala kuaiaif dapa diguaka bila erdapa 3 kodisi, yaiu () adaya iformasi eag masa lalu, () iformasi ersebu dapa dikuaiaifka dalam beuk daa, da (3) iformasi ersebu dapa diasumsika bahwa beberapa aspek pola masa lalu aka erus berlaju dimasa yag aka daag Kodisi yag erakhir ii dibua sebagai asumsi yag berkesiambuga, asumsi ii merupaka modal yag medasari semua meode peramala kuaiaif da juga meode ejouraluibacid 6

5 Jural Rekursif, Vol 3 No Mare 05, ISSN peramala kualiaif, erlepas dari bagaimaa caggihya meode ersebu Meode peramala kuaiaif erdapa jeis peramala yaiu: a Model dere waku (ime series), pada meode ii pedugaa masa depa dilakuka berdasarka ilai masa lalu dari suau variabel b Model kausal, ujua dari meode ii adalah meemuka beuk hubuga ersebu da megguaka uuk meramalka ilai yag aka medaag dari variabel ersebu Cooh dari model kausal adalah regresi D Aalisis Dere Waku (Time Series Aalysis) Daa dere waku (ime series) adalah daa yag dikumpulka dari waku ke waku uuk memberika gambara eag perkembaga suau kegiaa dari waku ke waku Aalisis dere waku memugkika uuk megeahui perkembaga suau aau beberapa kejadia sera hubuga dega kejadia laiya Meode dere waku (ime series) merupaka peramala kuaiaif yag didasarka aas pegguaa aalisa pola hubuga aara variabel yag aka dicari (depede) dega variabel yag mempegaruhiya (idepede), yag dikaika dega waku seperi miggua, bula, riwula, caur wula, semeser aau ahu Tujua meode ii adalah meemuka pola dere hisoris da megeksrapolasika pola ersebu ke masa depa sehigga hasilya dapa dijadika acua uuk peramala ilai di masa yag aka daag Cooh dari model dere berkala adalah: Meode smoohig, meode ARIMA, meode proyeksi red da lai-lai a Meode Expoeial Smoohig, merupaka jeis peramala jagka pedek seperi perecaaa persediaa, perecaaa keuaga Tujua pegguaa meode ii adalah uuk meguragi keidakeraura daa masa lampau seperi musima b Meode ARIMA, merupaka dere waku dega megguaka model maemais da diguaka uuk peramala jagka pedek E Meode Auoregressive Iegraed Movig Average (ARIMA) ARIMA (Auoregressive Iegreaed Movig Average) perama kali dikembagka olehgeorge Box da Gwilym Jekis uuk pemodelaaalisis dere waku ARIMA mewakili igapemodela yaiu dari auoregressive model (AR), movig average (MA), sera auoregressive damovig average model (ARMA) Beberapa ahapa yag harus dilakuka sebelum melakuka peramala dega megguaka meode ARIMA yaiu ideifikasi daa (Uji Sasioer Daa), Auocorrelaio Fucio (ACF) da Parial Auocorrelaio Fucio (PACF), esimasi model,da peramala[] ) Ideifikasi Daa (Uji Sasioer Daa) Sasioer berari keadaa daa ime series relaif idak erjadi keaika aaupu peurua ilai secara ajam Dega kaa lai flukuasi daa berada pada sekiar ilai raa-raa yag kosa Pegujia ii dilakuka sebagai lagkah uuk megeahui apakah daa yag diproses adlaah daa yag bersifa sasioer aau idak Daa dikeahui sasioer apabila daa sasioer dalam varia da sasioer dalam mea a Sasioer dalam Varia Syara perama yag harus dipeuhi uuk peramala ARIMA adalah sasioer dalam varia Uuk medeeksi kesasioera daa dalam varia dapa diguaka meode korelasi Spearma Formulasi yag diguaka adalah sebagai beriku: 7 ejouraluibacid

6 Jural Rekursif, Vol 3 No Mare 05, ISSN d i i () rs 6 ( ) Keeraga: rs d idepede - = korelasi spearma = perbedaa rak residual dega rak = bayakya daa Model regresi sederhaa yag diguak adalah sebagai beriku: Keeraga: () 0 = differece operaor 0 = Daa ime series pada periode = parameer ke-0 dari model regresi = parameer Lagkah-lagkah yag harus dilakuka adalah sebagai beriku : Melakuka regresi sederhaa da kemudia didapaka residualya Mecari ilai absolue residual da kemudia diragkig dari ilai yag palig besar aaupu palig kecil Lakuka hal yag sama uuk variabel idepede - Seelah iu mecari ilai d yag merupaka ilai mulak perbedaa rak residual dega rak idepede - Seelah ilai d dikeahui, dilajuka dega mecari ilai r s 3 Mecari ilai saisik hiug, ilai hiug dapa dicari dega megguaka rumus sebagai beriku: r s (3) s r Dega df (disribusi frekuesi) sebesar - 4 Jika ilai hiug lebih besar dari ilai kriis maka dapa disimpulka bahwa regresi megadug heeroskedasisias (belum sasioer dalam varia) da jika sebalikya maka idak ada heeroskedasisias (sasioer dalam varia) jika daa dikeahui idak sasioer dalam varia maka dapa dilakuka rasformasi daa dega megguaka persamaa sebagai beriku: Keeraga: Z Z=l() (4) = rasformasi uuk pesasioera daa = Daa ime series pada periode b Sasioer dalam mea Seelah syara sasioer dalam varia dipeuhi maka syara kedua adalah sasioer dalam mea uuk meguji kesasioera dalam mea dapa diguaka meode Dickey Fuller Meode Dickey Fuller megguaka model regresi sebagai beriku: Keeraga: (5) 0 0 = parameer ke-0 dari model regresi Dickey Fuller = parameer Daa sasioer jika ilai mulak hiug < able Sebalikya daa dikaaka idak sasioer jika ilai mulak hiug > able Uuk mecari hiug sebagai beriku: hiug Keeraga: S /( ) ) = raa-raa daa / (6) Dimaa uuk mecari koefisie sebagai beriku: ejouraluibacid 8

7 Jural Rekursif, Vol 3 No Mare 05, ISSN S ) x ( S (7) Keeraga: S = selisih Sedagka uuk 0 dapa dicari dega formula sebagai beriku: S 0 (8) Seelah 0 da dikeahui dapa dilakuka perhiuga kesalaha baku esimasi Uuk mecari kesalaha baku esimasi dapa diguaka formula beriku: S Keeraga: S S 0 ( ) S = kesalaha baku esimasi k = deraja bebas S (9) Jika daa dikeahui idak sasioer dalam mea maka dilakuka differecig dega rumus sebagai beriku: Z = - (0) Proses differecig megguaka daa akual, api jika daa elah megalami rasformasi maka daa yag diguaka uuk differecig adalah daa hasil rasformasi Proses differecig dilakuka berulag-ulag maksimal kali higga daa mejadi sasioer Uuk differecig yag kedua kali, daa yag diguaka adalah daa hasil differecig perama Auocorrelaio Fucio (ACF) da Parial Auocorrelaio Fucio (PACF) Sebelum meeuka model ARIMA yag aka diguaka, lagkah awal yag harus dilakuka adalah dega meghiug Auocorrelaio Fucio (ACF) da fugsi Parial Auocorrelaio Fucio (PACF) Uuk mecari ilai auokorelasi idak memerluka ilai auokorelasi uuk semua k, melaika haya kira-kira uuk k /4 sajauuk meghiug ilai ACF pada lag ke-k diguaka persamaa beriku : k ( )( ) k k () ( ) Keeraga: k = ilai ACF pada lag ke-k = raa-raa daa = daa ime series pada periode k = ime lag dimaa: () Nilai ACF diaggap sigifika jika ilaiya diluar baas garis, persamaaya adalah: / ( k S k (3) Keeraga: k = ilai ACF pada lag ke-k S k = ilai sigifika ACF pada lag ke-k Uuk meghiug ilai PACF pada lag kek megguaka persamaa sebagai beriku: k k j j kj k j k (4), k k kj j 9 ejouraluibacid

8 Jural Rekursif, Vol 3 No Mare 05, ISSN dimaa j=,,,k k, j kj Keeraga : k, k k, k j k = ilai PACF pada lag ke-k k = ilai ACF pada lag ke-k k = ime lag Nilai PACF diaggap sigifika bila ilaya diluar baas adalah: garis, persamaaya S kk (5) Keeraga: S kk = Baas sigifika PACF uuk lag ke k Esimasi Parameer Peeapa esimasi meode ARIMA dapa dieuka dega cara meliha perilaku dari plo Auocorrelaio Fucio (ACF) da Parial Auocorrelaio Fucio (PACF) Pada prakekya ilai AR(p), MA() aaupu ARMA(p,) jarag sekali mempuyai ilai lebih dari, sehigga ilai (p,) uuk esimasi yag diguaka pada peeliia ii yaiu da Seelah medapaka ilai p da maka bisa melakuka perhiuga peramala dega meode ARIMA Meode ARIMA dibagi kedalam 3 kelompok, yaiu: Auoregressive(AR), Movig Average (MA) da Auoregressive Movig Average (ARMA) yag mempuyai karakerisik dari kedua model a Auoregressive (AR) Tujua pegguaa Parial Auocorrelaio Fucio (PACF) dalam aalisis daa dere waku adalah uuk membau peeapa meode ARIMA yag epa uuk peramala, khususya uuk meeuka orde p dari model AR(p) Beriku ii rumus yag diguaka uuk AR : [3] Keeraga : p p (6) = daa ke- µ = ilai suau kosaa j = parameer auoregressive ke-j Pedugaa parameer auoregressive dapa dilakuka dega megguakaa meode perkalia mariks (meode cramer) Beriku rumus dari meode cramer: Ke: ˆ ( Z' Z) ( Z' Y ) (7) p p Z p( p) p( p) p Y p p, p p ˆ p ˆ = pedugaa persamaa parameer p = daa ke-p ejouraluibacid 30

9 Jural Rekursif, Vol 3 No Mare 05, ISSN ejouraluibacid = bayakya periode pegamaa b Movig Average (MA) Auocorrelaio Fucio bergua uuk mecari korelasi aar daa da bergua uuk meeuka orde pada MA() Beriku rumus uuk MA : e e e (8) Keeraga: j = parameer movig average ke j e = ilai error pada saa ke Pedugaa parameer MA dapa dieuka dega meode perkalia mariks beriku : ) ' ( ) ' ( ˆ Y Z Z Z Z Y p ˆ c Auoregressive Movig Average (ARMA) Pada meode ARMA (p,) orde p da adalah gabuga aara model Auoregressive dega model Movig Average Beriku ii merupaka rumus dari ARMA: p p e e e (9) 3 Peramala Seelah model erbaik diperoleh, selajuya peramala dapa dilakuka Dalam berbagai kasus, peramala dega meode ii lebih dipercaya daripada peramala yag dilakuka dega model ekoomeri radisioal Namu, hal ii eu saja perlu dipelajari lebih laju oleh para peelii yag erarik megguaka meode serupa Berdasarka ciri yag dimilikiya, model ruu waku seperi ii lebih cocok uuk peramala dega jagkaua saga pedek, semeara model srukural lebih cocok uuk peramala dega jagkaua pajag F Meode Expoeial Smohig Meode Expoeial Smoohig adalah meode peramala yag didasarka pada perhiuga raaraa (pemulusa) daa-daa masa lalu secara ekspoesial dega megulag perhiuga secara erus meerus megguaka daa erbaru Seiap daa aka diberi bobo, dimaa daa yag lebih baru diberi bobo yag lebih besar Meode Expoeial Smoohig sebearya merupaka meode raa-raa bergerak yag meberika bobo lebih kua pada daa erakhir dari pada daa awalhal ii mejadi saga bergua jika perubaha erakhir pada daa lebih merupaka akiba dari perubaha akual (seperi pola musima) dari pada haya flukuasi acak saja (dimaa dega sau ramala raa-raa bergerak saja sudah cukup) Dalam Expoeial Smoohig, erdapa sau aau lebih parameer pemulusa yag dieuka secara eksplisi, da hasil piliha ii

10 Jural Rekursif, Vol 3 No Mare 05, ISSN meeuka bobo yag dikeaka pada ilai observasi Expoeial Smoohigaka selalu megikui seiap red dalam daa yag sebearya, karea yag dapa dilakukaya idak lebih dari megaur ramala medaag dega suau persease dari kesalaha yag erakhir Kesalaha ramala masa lalu dipakai uuk megoreksi ramala medaag pada arah yag berlawaa dega kesalaha ersebu Peyesuaia ersebu eap berlagsug sampai kesalahaya dikoreksi Prisip ii, yag ampakya sederhaa, memaika peraa yag saga peig dalam peramala Jika diguaka secara epa prisip ii dapa diguaka uuk megembagka suau proses megaur diri sediri (self adjusig process) yag dapa megoreksi kesalah peramala secara oomais Meode Expoeial Smoohig dapa diliha pada persamaa beriku, dimaa F = [4] F + = α + ( - α ) F (0) Keeraga: F + = Peramala uuk periode + α = Kosaa peghalusa uuk daa α = [0,] F = Daa yag sebearya pada periode = daa peramala pada periode G Ukura keepaa peramala dega Mea Suared Error (MSE) Hasil ramala idak selalu akura aau serig berbeda dega keadaa sesugguhya (daa akual) Perbedaa aara ramala dega keadaa sesugguhya disebu dega kesalaha ramala (forecas error) Meilai keepaa suau meode peramala dapa dilakuka dega cara mecari selisih besara (ukura kesalaha peramala) daa peramala erhadap daa akual Dega membadigka ukura kesalaha erkecil, sehigga ilai peramala dapa diguaka sebagai acua dalam meeuka kebuuha-kebuuha di masa yag aka daag Dalam saisik uuk meguji ukura kesalaha peramala bisa megguaka beberapa meode Salah sau cara yag diguaka yaiu MSE (Mea Suared Error) MSE (Mea Suared Error) merupaka suau perhiuga jumlah dari selisih daa peramala dega daa yag sebearyapada umumya, semaki kecil ilai MSE maka ramala semaki akuraberiku ii merupaka rumus MSE: MSE ( F ) Keeraga: MSE = Mea Suared Error = Bayakya daa F = Nilai Akual pada periode = Nilai peramala pada periode III METODE PENELITIAN () Adapu meode peeliia yag diguaka dalam peulisa ugas akhir ii adalah sebagai beriku: A Tekik Pegumpula Daa Tekik pegumpula daa pada peeliia ii adalah: ) Sudi Lapaga (Dokumeasi): Sudi lapaga aau dokumeasi dilakuka dega cara meelii di PTSiar Abadi secara lagsug Hal ii dilakuka uuk medapaka daa-daa yag berhubuga dega masalah yag sedag dieliidaa-daa yag dikumpulka berupa daa pejuala seme wara dari bula Jauari 0 sampai bula Desember 03 di PTSiar AbadiPegguaa daa selama ahu (4 bula) pada peeliia ii dikareaka sudah cukup akura uuk melakuka peramala pejuala uuk periode selajuya ejouraluibacid 3

11 Jural Rekursif, Vol 3 No Mare 05, ISSN ) Wawacara: Wawacara dilakuka dega cara mewawacarai orag-orag yag berkaia lagsug dega objek peulisa, baik iu dilakuka secara formal maupu oformal gua medapa daa yag bergua dalam peulisa da pembuaa sisem B Meode Aalisis Daa Aalisis daa yag diguaka dalam peeliia ii dilakuka secara kuaiaifaalisis kuaiaif diguaka uuk aalisis peramala pejuala produk uuk periode selajuya megguaka beberapa meode peramala ime series yaiu meode Expoeial Smoohig da meodearima Hasil peramala ersebu diguaka uuk meeapka argepejuala produk pada PT Siar Abadi da dapa dijadika acuaperusahaa uuk meyususu perecaaa produksi erbaik di masa medaag IV ANALISIS DAN PERANCANGAN A Aalisis da Defiisi Kebuuha Sisem ) Aalisis Sisem Sebelumya: PT Siar Abadi merupaka salah sau disribuor ala-ala sera baha bagua di Begkulu, selai iu PT Siar Abadi juga mejadi produse beberapa ala da baha bagua, diaaraya yaiu mejadi produse seme wara di Begkulu Seme wara yag diproduksi oleh PT Siar Abadi yaiu Seme Wara SA Grou Blue, SA Grou Gree, SA Grou Ivory, SA Grou Pik, da SA Grou Whie Produk seme wara ii di disribusika ke disribuor sera oko-oko bagua laiya yag ersebar di Provisi Begkulu seperi daerah Begkulu Uara, Begkulu Selaa higga mecapai Muko-Muko Uuk masalah pegolaha daa, PT Siar abadi elah megguaka sisem yag erkompuerisasi amu uuk masalah produksi barag, perusahaa ii masih kesulia uuk meeuka berapa bayak jumlah seme yag epa uuk diproduksi agar memeuhi permiaa kosume da juga meghidari erjadiya kerugia Karea apabila jumlah seme yag diproduksi erlampau bayak, bisa megakibaka peumpuka barag di gudag da juga bayakya biaya produksi yag dikeluarka Namu jika kekuraga jumlah produksi juga bisa meimbulka kerugia dikareaka bayakya permiaa kosume yag idak erpeuhi ) Aalisis Permasalaha: Dalam proses produksi barag ii erdapa permasalaha yag harus di aasi Permasalaha ii bisa megakibaka kerugia yag faal bagi perusahaa Permasalah ersebu adalah suliya maager dalam meramalka jumlah seme yag harus diproduksi uuk produksi selajuya Masalah ii di ideifikasika karea perusahaa masih melakuka peramala berdasarka pedapa da pemikira maager, belum adaya sisem peramala yag diguaka di perusahaa ersebu Hal ii meyebabka produksi seme serigkali idak efekif dikareaka peramalaya masih dilakuka secara maual, yaiu masih berdasarka pedapa da perkiraa berdasarka pegalama Berdasarka peyebab masalah ersebu, dapa disimpulka bahwa kepuusa uuk peyelesaia masalah yag ada yaiu dega dibuaya sebuah sisem peramala pejuala yag dilakuka secara erkompuerisasi sehigga meghasilka peramala pejuala yag lebih akura B Peracaga Sisem ) Peracaga UML (Uified Modellig Laguage) a Use Case Diagram Use case diagram meggambarka kegiaa yag dilakuka pada akor pada sisem 33 ejouraluibacid

12 Jural Rekursif, Vol 3 No Mare 05, ISSN yag aka dibagu sehigga use casediagram dari sisem yag dibagu dapa diliha pada Gambar beriku ii ambah ubah daa peggua hapus <<iclude>> ambah daa pejuala <<iclude>> ubah hapus masuk <<iclude>> proses peramala proses <<iclude>> liha grafik peggua <<iclude>> hasil ramala <<iclude>> Dari Gambar 6 dapa diliha bahwa apabila peggua meeka ombol ambah maka sisem secara oomais aka memuculka ID pejuala, lalu peggua dapa megisi periode yaiu bula da ahu pejuala, da pejuala uuk jumlah pejuala selama sau periode Kemudia daa pejuala yag baru aka disimpa dega meeka ombol simpa Selai iu peggua juga dapa megubah daa pejuala dega meeka ombol ubah ) Tampila Halama Peramala Pejuaa dafar pejuala baua Gambar Use Case Diagram Sisem Berdasarka Gambar di aas erliha bahwa ada sau akor yag erliba dalam sisem yaki peggua (user) Peggua memiliki beberapa kegiaa megolah daa yaiu dapa meambahka daa, meghapus daa, megubah daa pada daa peggua da daa pejuala Selai iu pada peramala pejuala, peggua dapa melakuka proses peramala pejuala sera meliha grafik dari hasil peramala yag elah diproses, peggua juga dapa meliha hasil peramala, dafar pejuala da juga baua V PEMBAHASAN A Hasil Implemeasi Aplikasi ) Tampila Halama Daa Pejuala Gambar 7 Tampila Halama Peramala Pejuala Dari Gambar 7 dapa diliha bahwa yag aka diramalka adalah jeis Seme Wara SA Grou Blue dega megguaka bayak daa 4 periode da yag aka diramalka adalah 5 periode medaag Seelah iu peggua dapa meeka ombol proses uuk meliha hasil peramalaya 3) Tampila Hasil Grafik Perbadiga MSE Gambar 6 Halama Daa Pejuala Gambar 8 Halama Daa Pejuala ejouraluibacid 34

13 Jural Rekursif, Vol 3 No Mare 05, ISSN Pada Gambar 8 meujukka grafik perbadiga hasil MSE dari masig-masig meode dimaa hasil MSE meode Expoeial Smoohig diujukka oleh garis wara biru da hasil MSE meode ARIMA diujukka oleh garis wara merah Nilai MSE dari meode Expoeial Smoohig yaiu 0037,7 ; 07,47 ; 906,5 ; 3009,5; 4,6 Sedagka ilai MSE uuk meode ARIMA yaiu 59,59 ; 076,4 ; 6347,3 ; 5055,9 ; 475,5 Dari perbadiga hasil MSE ersebu dapa diliha bahwa pergeraka hasil MSE meode ARIMA selama peramala 5 peiode medaag berada dibawah meode Expoeial Smoohig, sehigga dapa disimpulka bahwa meode ARIMA merupaka meode yag lebih baik uuk diguaka meramal pejuala seme ersebu dibadigka dega meode Expoeial Smoohig VI KESIMPULAN Adapu kesimpula dari peeliia ii adalah sebagai beriku: Peeliia ii berhasil membagu sebuah aplikasi yag membadigka keakuraa aara meode AuoregressiveIegraed Movig Average (ARIMA) dega meode Expoeial Smoohig uuk peramala pejuala seme di PT Siar Abadi sehigga dapa membau perusahaa uuk melakuka permala uuk pejuala seme periode medaag Berdasarka hasil perhiuga ilai MSE, meode ARIMA secara sigifika selalu lebih redah dari pada ilai MSE meode Expoeial Smoohig sehigga dapa disimpulka bahwa meode ARIMA merupaka meode yag lebih baik uuk diguaka dalam meramalka pejuala seme uuk periode medaag 3 Nilai MSE meode ARIMA meigka seirig dega bayakya daa bulaa yag dilibaka sebagai daa pelaiha sehigga dapa dikaaka meode ARIMA saga sesiive dalam meagkap perubaha pada pola daa baru 4 Nilai MSE meode Expoeial Smoohig meuru seirig dega bayakya daa bulaa yag dilibaka sebagai daa pelaiha, aka eapi memiliki sar ilai MSE yag cukup iggi (aara 66% - 93%) uuk daa pelaiha selama ierval 6 bula VII SARAN Berdasarka hasil peeliia, pegujia sera pembahasa maka uuk pegembaga peeliia yag aka daag disaraka: Meode Expoeial Smoohig idak disaraka uuk memprediksi jagka pedek, uuk memprediksi dalam jagka pedek sebaikya diguaka meode ARIMA Selai membadigka meode Auoregressive Iegraed Movig Average (ARIMA) da meode Expoeial Smoohig, dapa juga diambahka dega membadigka meode-meode yag laiya seperi meode Naïve, Growh Curve, dll 3 Sisem ii dapa dikembagka lebih jauh dega meambahka meode yag berkaia dega ilmu Arificial Ielligece (AI) seperi meode Jariga Syaraf Tirua, sehigga dapa diliha perbadiga keakuraa aara meode saisika da meode AI yag diguaka 35 ejouraluibacid

14 Jural Rekursif, Vol 3 No Mare 05, ISSN REFERENSI [] Daag, Suyoo 0 Budgeig Perusahaa Jakara: CAPS (Ceer For Academic Publishig Service) [] Gururai 006 Model Peramala Arima Box-jekis uuk Pejuala Produk Terseleksi pada Apoik Farmaco [Olie] Tersedia: hp://digilibsikomedu/deilphp?id=9&=arima [3] Alexader, Adi da Suiso Aplikasi Peramala Pejuala Kosmeik Dega Meode ARIMA [Olie] Tersedia: hp://reposioryperaacid/id/epri/6004 [5 November 03] [4] Nawag Sari, Arum Perbadiga Sisem Peramala Pejuala dega Meode Expoeial Smoohig da Sigle Movig Average megguaka Uji Saisik [Olie] Tersedia: hp://digilibsikomedu/deilphp/id/meodeexpoeialsm oohig [3 Agusus 03] ejouraluibacid 36

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 EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa

Lebih terperinci

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala Meode peramala merupaka bagia dari ilmu Saisika. Salah sau meode peramala adalah dere waku. Meode ii disebu sebagai meode peramala dere waku karea memiliki kareserisik

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara Uiversias Sumaera Uara BAB 2 LANDASAN TEORI Ladasa eori ii merupaka hasil dari ijaua lieraur-lieraur yag ada kaiaya dega meode-meode peramala maupu dega koeks laiya dalam peulisa Tugas Akhir ii. Adapu

Lebih terperinci

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Widya Tekika Vol.18 No.2; Okober 2010 ISSN 1411 0660: 1-6 Absrak STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Arie Resu Wardhai 1), Salvador Mauel Pereira 2) Perusahaa sepau da sadal House of Mr.

Lebih terperinci

BAB III TINJAUAN PUSTAKA

BAB III TINJAUAN PUSTAKA BAB III TINJAUAN PUSTAKA 3.1. Defiisi Peramala Peramala adalah proses uuk memperkiraka berapa bayak kebuuha dimasa medaag yag melipui kebuuha dalam ukura kuaias, kualias, waku da lokasi yag dibuuhka dalam

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 18 BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala ( Forecasig ) Peramala ( forecasig ) adalah kegiaa megisemasi apa yag aka erjadi pada masa yag aka daag. Peramala diperluka karea adaya perbedaa kesejaga waku

Lebih terperinci

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data III. METODE KAJIAN 1. Lokasi da Waku Lokasi kajia berempa uuk kelompok dilaksaaka di kelompok peeraka sapi di Bagka Tegah, Provisi Bagka Beliug, da Kelompok Peeraka Sapi di Cisarua, Bogor, Provisi Jawa

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB TINJAUAN PUSTAKA Tijaua Pusaka Pegguaa meode peramala Forecasig elah dilakuka oleh berbagai macam peeliia dalam berbagai bidag eruama diguaka dalam memprediksi pejuala pada perusahaa Beriku dibawah

Lebih terperinci

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi. . Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis

Lebih terperinci

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne

Lebih terperinci

BAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang

BAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang BAB II LANDASAN TEORI Dalam peulisa ugas akhir ii diperluka eori-eori yag medukug yag didapa dari maa kuliah yag perah dierima, da referesi-referesi sebagai baha pedukug. Uuk mecapai ujua dari peulisa

Lebih terperinci

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN 085-789 Peramala Jumlah Peduduk Koa Samarida Dega Megguaka Meode Pemulusa Ekspoesial Gada da Tripel Dari Brow Forecasig he Populaio of he Ciy of Samarida

Lebih terperinci

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Prosidig SPMIPA. pp. 57-6. 6 ISBN : 979.74.47. PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Sri Rahayu, Taro Jurusa Maemaika FMIPA UNDIP Semarag Jl. Prof. Soedaro, Kampus UNDIP Tembalag,

Lebih terperinci

BAB METODOLOGI. Bab 2 Metodologi berisikan :

BAB METODOLOGI. Bab 2 Metodologi berisikan : BAB METODOLOGI Bab Meodologi berisika :.. Pegambila Sampel.. Peramala Nilai Iflasi melalui Ideks Harga Kosume Megguaka Meode ARIMA.3. Akumulasi Prese Value melalui Buga Sederhaa dalam Perhiuga Harga Barag

Lebih terperinci

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN PERENCNN JUMLH PRODUK MENGGUNKN METODE FUZZY MMDNI BERDSRKN PREDIKSI PERMINTN Nama Mahasiswa : Norma Edah Haryai NRP : 1207 100 031 Jurusa : Maemaika FMIP-ITS Dose Pembimbig : Drs. I G N Rai Usadha, M.Si

Lebih terperinci

PENERAPAN METODE EXPONENTIAL SMOOTHING DALAM MEMPREDIKSI JUMLAH SISWA BARU (STUDI KASUS: SMK PEMDA LUBUK PAKAM)

PENERAPAN METODE EXPONENTIAL SMOOTHING DALAM MEMPREDIKSI JUMLAH SISWA BARU (STUDI KASUS: SMK PEMDA LUBUK PAKAM) Jural Pelia Iformaika, Volume 16, Nomor 3, Juli 2017 IN 2301-9425 (Media Ceak) PENERAPAN METODE EXPONENTIAL MOOTHING DALAM MEMPREDIKI JUMLAH IWA BARU (TUDI KAU: MK PEMDA LUBUK PAKAM) Kuriagara Mahasiswa

Lebih terperinci

MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012

MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012 MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012 Julia Nahar 1 1 Uiversias Padjadjara, Jala Raya Badug-Sumedag km 21,Jaiagor

Lebih terperinci

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di 8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,

Lebih terperinci

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan 30 B A B III METODE PENELITIAN 3. Peeapa Lokai da Waku Peeliia Objek peeliia dalam peeliia ii adalah megaalii perbadiga harga jual produk melalui pedekaa arge pricig dega co-plu pricig pada oko kue yag

Lebih terperinci

BAB V METODE PENELITIAN

BAB V METODE PENELITIAN 31 BAB V METODE PENELITIAN 5.1 Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Sukaagara, Kabupae Ciajur. Pemiliha lokasi peeliia dilakuka secara segaja (purposive samplig) dega memperimbagka aspek

Lebih terperinci

TUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI

TUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI MODEL TIME SERIES UNTUK PERAMALAN TINGKAT PENJUALAN JENIS BAHAN BAKAR MINYAK (BBM) DI STASIUN PENGISIAN BAHAN BAKAR UNTUK UMUM (SPBU) ARIFIN ACHMAD-PEKANBARU TUGAS AKHIR Diajuka sebagai Salah Sau Syara

Lebih terperinci

Prediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki

Prediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki JURNAL SAINS DAN SENI POMITS Vol. 3, No., (4) 337-35 (3-98X Pri) D-34 Sepeda Moor Merek X Di Kabupae Da Koamadya Malag Dega Meode Peramala Hierarki Rika Susai, Desri Susilaigrum, da Suharoo Jurusa Saisika,

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara 50.7 4.3770 6.7547 6.7547 4.4 48.6965 R4.7 36.3 N8 TOL 0..70 35.9497 36.3.99 50.7 94.338 6.89 3.5 6.75 7.567 36.0 6.4837 57.396 8.783 66.0384 5.337 37.006 3.568 PISAU POTONG AISI D SEPUH No Qy NAME MATERIAL

Lebih terperinci

Rumus-rumus yang Digunakan

Rumus-rumus yang Digunakan Saisika Uipa Surabaya 4. Sampel Tuggal = Rumus-rumus yag Diguaka s..... Sampel berkorelasi D D N N N...... 3. Sampel Bebas a. Uuk varias sama... 3 aau x x s g... 4 b. Sampel Heeroge Guaka Uji Corha - Cox

Lebih terperinci

MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR

MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais Pada Jurusa Maemaika Oleh :

Lebih terperinci

TINGKAT PENJUALAN SEPEDA MOTOR SUZUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES

TINGKAT PENJUALAN SEPEDA MOTOR SUZUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES FORECASTING TINGKAT PENJUALAN SEPEDA MOTOR SUUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES AUTOREGRESSIVE TUGAS AKHIR Diajuka sebagai Salah Sau Syara uuk Memperoleh

Lebih terperinci

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Bulei Ilmiah Ma.Sa. da Terapaya (Bimaser) Volume 06, No. (07), hal -0. MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Ermawai, Helmi, Frasiskus

Lebih terperinci

PENERAPAN UKURAN KETEPATAN NILAI RAMALAN DATA DERET WAKTU DALAM SELEKSI MODEL PERAMALAN VOLUME PENJUALAN PT SATRIAMANDIRI CITRAMULIA

PENERAPAN UKURAN KETEPATAN NILAI RAMALAN DATA DERET WAKTU DALAM SELEKSI MODEL PERAMALAN VOLUME PENJUALAN PT SATRIAMANDIRI CITRAMULIA PENERAPAN UKURAN KETEPATAN NILAI RAMALAN DATA DERET WAKTU DALAM SELEKSI MODEL PERAMALAN VOLUME PENJUALAN PT SATRIAMANDIRI CITRAMULIA Iwa Sugkawa; Ries Tri Megasari Mahemaics & Saisics Deparme, School of

Lebih terperinci

PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR. Oleh:

PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR. Oleh: PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR Diajuka sebagai Salah Sau Syara uuk Memperoleh Gelar Sarjaa Sais pada Jurusa Maemaika

Lebih terperinci

ANALISIS KELAYAKAN INVESTASI PENAMBAHAN ARMADA TRANSPORTASI DAN PERBAIKAN SISTEM PERSEDIAAN PERGUDANGAN (STUDY KASUS PT

ANALISIS KELAYAKAN INVESTASI PENAMBAHAN ARMADA TRANSPORTASI DAN PERBAIKAN SISTEM PERSEDIAAN PERGUDANGAN (STUDY KASUS PT ANALISIS KELAYAKAN INVESTASI PENAMBAHAN ARMADA TRANSPORTASI DAN PERBAIKAN SISTEM PERSEDIAAN PERGUDANGAN (STUDY KASUS PT. LEMINDO ABADI JAYA AREA DISTRIBUSI RIAU DARATAN) Peir Papilo 1, Ramadhail 2 Jurusa

Lebih terperinci

BAB IV METODOLOGI PENELITIAN

BAB IV METODOLOGI PENELITIAN 30 BAB IV METODOLOGI PENELITIAN 4.1 Beuk da Meode Peeliia Peeliia Opimalisasi da Sraegi Pemafaaa Souher Bluefi Tua di Samudera Hidia Selaa Idoesia diarahka pada upaya uuk megugkapa suau masalah aau keadaa

Lebih terperinci

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA Laar Belakag Masalah Semaki berambah pesaya pembagua dibidag kosruksi maka meyebabka meigka pula kebuuha aka meerial-maerial

Lebih terperinci

PENGGUNAAN METODE PERAMALAN DALAM PRODUKSI KAYU UNTUK PENENTUAN TOTAL PERMINTAAN (KONSUMEN)

PENGGUNAAN METODE PERAMALAN DALAM PRODUKSI KAYU UNTUK PENENTUAN TOTAL PERMINTAAN (KONSUMEN) Widiyarii, Pegguaa Meode Peramala dalam. PENGGUNAAN METODE PERAMALAN DALAM PRODUKSI KAYU UNTUK PENENTUAN TOTAL PERMINTAAN (KONSUMEN) Widiyarii Program Sudi Tekik Idusri Fakulas Tekik da MIPA, Uiversias

Lebih terperinci

Penerapan Metode Optimasi Exponential Smoothing Untuk Peramalan Debit

Penerapan Metode Optimasi Exponential Smoothing Untuk Peramalan Debit Peerapa Meode Opimasi Expoeial moohig Uuk Peramala Debi Oleh: Budi aosa, uharyao 2, Djoko Legoo 3. DT, Program Pascasarjaa Udip, Jl. Hayam Wuruk No. 5-7 emarag, (Depareme Tekik ipil Uiversias Guadarma,

Lebih terperinci

BAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang.

BAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang. BAB 3 LANDASAN TEORI 3. Peramala 3.. Defiisi Peramala Peramala adalah perkiraa probabilisik aau peggambara dari ilai aau kodisi di masa depa. Asumsi yag umum dipakai dalam peramala adalah pola masa lampau

Lebih terperinci

PERAMALAN HARGA SAHAM SYARI AH RUPIAH EQUITY FUND PT. PRUDENTIAL LIFE INSURANCE PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR.

PERAMALAN HARGA SAHAM SYARI AH RUPIAH EQUITY FUND PT. PRUDENTIAL LIFE INSURANCE PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR. PERAMALAN HARGA SAHAM SYARI AH RUPIAH EQUITY FUND PT. PRUDENTIAL LIFE INSURANCE PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais pada

Lebih terperinci

V. PENGUJIAN HIPOTESIS

V. PENGUJIAN HIPOTESIS V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska

Lebih terperinci

PERAMALAN PERMINTAAN EKSPOR INDUSTRI MEBEL DI PT.SPU JEPARA

PERAMALAN PERMINTAAN EKSPOR INDUSTRI MEBEL DI PT.SPU JEPARA PERAMALAN PERMINTAAN EKSPOR INDUSTRI MEBEL DI PT.SPU JEPARA DISUSUN OLEH : NAMA : AZIS WIDODO NIM : 41605110061 JURUSAN : TEKNIK INDUSTRI PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS

Lebih terperinci

MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dadan Kusnandar, Naomi Nessyana Debataraja

MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dadan Kusnandar, Naomi Nessyana Debataraja Bulei Ilmiah Mah. Sa. da Terapaya (Bimaser) Volume 07, No. (018), hal 77 84. MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dada Kusadar, Naomi Nessyaa

Lebih terperinci

BAB II TINJAUAN PUSTAKA. pengantar metode ARIMA Box Jenkins dan analisis spektral.

BAB II TINJAUAN PUSTAKA. pengantar metode ARIMA Box Jenkins dan analisis spektral. BAB II TINJAUAN PUSTAKA. Pedahulua Pada Bab II aka dijelaska pegeria pegeria da eori dasar yag diguaka sebagai ladasa pembahasa pada bab selajuya. Teori yag aka dibahas pada Bab II ii secara garis besar

Lebih terperinci

MODEL ARIMA(0,1,1) UNTUK PERAMALAN JUMLAH NASABAH PADA PT. PRUDENTIAL LIFE INSURANCE KOTA PEKANBARU TUGAS AKHIR

MODEL ARIMA(0,1,1) UNTUK PERAMALAN JUMLAH NASABAH PADA PT. PRUDENTIAL LIFE INSURANCE KOTA PEKANBARU TUGAS AKHIR MODEL ARIMA(0,,) UNTUK PERAMALAN JUMLAH NASABAH PADA PT. PRUDENTIAL LIFE INSURANCE KOTA PEKANBARU TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais pada Jurusa Maemaika Oleh:

Lebih terperinci

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER STATISTIK CUKUP Oleh: Ramayai Rizka M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula

Lebih terperinci

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS Modul ke: 06Fakulas EKONOMI DAN BISNIS EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI Program Sudi Akuasi Idik Sodiki,SE,MBA,MM Krieria Kepuusa Ivesasi aau Pegaggara Modal o Beberapa krieria yag aka diperguaka

Lebih terperinci

IV. METODE PENELITIAN

IV. 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 terperinci

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB 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 terperinci

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) .   Definisi L.2 (Kejadian lepas ) 33 LAMPIRAN 34 35 Beberapa Defiisi Ruag Cooh Kejadia da Peluag Suau percobaa yag dapa diulag dalam kodisi yag sama, yag hasilya idak dapa diprediksi dega epa eapi kia bisa megeahui semua kemugkia hasil

Lebih terperinci

PERAMALAN ORDER INTAKE DI PT.KSB INDONESIA

PERAMALAN ORDER INTAKE DI PT.KSB INDONESIA PERAMALAN ORDER INTAKE DI PT.KSB INDONESIA DISUSUN OLEH : NAMA : BUDIYANTO NIM : 4160511005 JURUSAN : TEKNIK INDUSTRI PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS MERCU BUANA JAKARTA

Lebih terperinci

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI Bulei Ilmiah Ma. Sa. da erapaya (Bimaser) Volume 4, No. (5), hal 7 6. PNYLSAIAN PRSAMAAN DIFRNSIAL PARSIAL LINAR DNGAN MNGGUNAKAN MOD RANSFORMASI LZAKI Noa Miari, Mariaul Kifiah, Helmi INISARI Persamaa

Lebih terperinci

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN Nomi Kelari *, Hasriai 2, Musraii 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua

Lebih terperinci

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan

Lebih terperinci

BAB II TINJAUAN TEORITIS

BAB II TINJAUAN TEORITIS BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan

Lebih terperinci

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o ANALII BEDA Fx. ugiyao da Agus usworo Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg Meguji apakah erdapa perbedaa yg sigifika

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN 29 IV. METODE PENELITIAN 4.1. Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Pamijaha, Kabupae Bogor, Provisi Jawa Bara. Pemiliha lokasi peeliia dilakuka secara segaja (purposive) dega perimbaga

Lebih terperinci

BAB III LANDASAN TEORI

BAB III LANDASAN TEORI BAB III LANDASAN TEORI 3.1. Kosep Supply Chai Supply chai adalah jariga isasi-isasi yag secara bersama-sama bekerja uuk mecipaka da meghaarka suau produk ke aga pemakai akhir (ed user). Isasi-isasi ersebu

Lebih terperinci

BAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis

BAB 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 terperinci

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2. Sisem Produksi Proses maufakur dapa digambarka seperi erliha dalam Gambar.., berupa keragka masuka-keluara, dimaa masukaya berupa baha baku, selajuya baha baku dikoversi (dega

Lebih terperinci

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2 METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA Roki Nuari *, Aziskha, Edag Lily Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii merupaka peeliia kuaiaif dega megguaka meode eksperime. Desai peeliia ii megguaka ru experime desig beuk desai poses oly corol desig yaki meempaka

Lebih terperinci

BAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode 20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena

Lebih terperinci

*Corresponding Author:

*Corresponding Author: Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion

Lebih terperinci

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro ANALII BEA Agus usworo wi Marhaedro Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg sigifika di aara kelompok-kelompok Tekik

Lebih terperinci

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap

Lebih terperinci

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro

Lebih terperinci

Pemodelan Indeks Harga Saham Gabungan (IHSG), Kurs, dan Harga Minyak Dunia dengan Pendekatan Vector Autoregressive

Pemodelan Indeks Harga Saham Gabungan (IHSG), Kurs, dan Harga Minyak Dunia dengan Pendekatan Vector Autoregressive JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 0) ISSN: 30-98X D-87 Pemodela Ideks Harga Saham Gabuga (IHSG), Kurs, da Harga Miyak Duia dega Pedekaa Vecor Auoregressive Dimas Okky.S da Seiawa Jurusa Saisika,

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 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 terperinci

III. METODOLOGI PENELITIAN

III. 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 terperinci

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 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 terperinci

PENGUJIAN HIPOTESIS DUA RATA-RATA

PENGUJIAN HIPOTESIS DUA RATA-RATA PENGUJIN HIPOTEI DU RT-RT Pegujia hipoesis dua raa-raa diguaka uuk membadigka dua keadaa aau epaya dua populasi. Misalya kia mempuyai dua populasi ormal masig-masig dega raa-raa µ da µ sedagka simpaga

Lebih terperinci

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

STATISTICS. 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 terperinci

Peramalan Temperatur Udara di Kota Surabaya dengan Menggunakan ARIMA dan Artificial Neural Network

Peramalan Temperatur Udara di Kota Surabaya dengan Menggunakan ARIMA dan Artificial Neural Network JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 202) ISSN: 230-928X D-8 Peramala Temperaur Udara di Koa Surabaya dega Megguaka ARIMA da Arificial Neural Nework Ali Machmudi da Brodol S. S. Ulama Jurusa Saisika,

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1. Peramala.1.1. Kosep Dasar Peramala Peramala merupaka bagia dari suau proses pegambila suau kepuusa. Sebelum melakuka peramala harus dikeahui erlebih dahulu apa sebearya persoala

Lebih terperinci

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov BAB II TEORI DASAR. Proses Sokasik Raai Markov Proses sokasik merupaka suau cara uuk mempelajari hubuga yag diamis dari suau ruua perisiwa aau proses yag kejadiaya bersifa idak pasi. Dalam memodelka perubaha

Lebih terperinci

kesimpulan yang didapat.

kesimpulan 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 terperinci

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak BAB II TINJAUAN PUSTAKA. Peeliia Terdahulu Black da Scholes (973) meyaaka bahwa ilai ase megikui Gerak Brow Geomeri, dega drif μ (ekpekasi dari reur) da volailias σ (deviasi sadar dari reur). Berawal dari

Lebih terperinci

Jurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN

Jurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN Peramalan Dengan Meode Smoohing dan Verifikasi Meode Peramalan Dengan Grafik Pengendali Moving Range () (Sudi Kasus: Produksi Air Bersih di PDAM Tira Kencana Samarinda) Forecasing wih Smoohing and Verificaion

Lebih terperinci

BAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,

BAB 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 terperinci

Pemodelan Pencemaran Udara Menggunakan Metode Vector Autoregressive (Var) di Provinsi Riau

Pemodelan Pencemaran Udara Menggunakan Metode Vector Autoregressive (Var) di Provinsi Riau Pemodela Pecemara Udara Megguaka Meode Vecor Auoregressive (Var) di Provisi Riau Ari Pai Desvia 1, Maryam Julliaa D 2 Jurusa Maemaika, Fakulas Sais da Tekologi, UIN Sula Syarif Kasim Riau Jl. HR. Soebraas

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEORI. Tijaua Pusaka Bidag percaaa da pegawasa produksi da persediaa dalam orgaisasi-orgaisasi maufacurig da jasa berkaia dega peramala permiaa, perecaaa kapasias keseluruha orgaisasi, peeua

Lebih terperinci

Perancangan Sistem Informasi Perbankan di PT. Bank Pembangunan Kalteng Palangkaraya Menggunakan Skema Galaksi

Perancangan Sistem Informasi Perbankan di PT. Bank Pembangunan Kalteng Palangkaraya Menggunakan Skema Galaksi Peracaga Sisem Iformasi Perbaka di PT. Bak Pembagua Kaleg Palagkaraya Megguaka Skema Galaksi ) Melia Pujiai, ) Krisoko Dwi Haromo, 3) Ahoy Y. M. Tumimomor Fakulas Tekologi Iformasi Uiversias Krise Saya

Lebih terperinci

METODOLOGI. Waktu dan Tempat. Alat dan Bahan

METODOLOGI. Waktu dan Tempat. Alat dan Bahan METODOLOGI Waku da Tempa Peeliia merupaka desk sudy dega megguaka daa sekuder da pegolaha daa dilakuka di Laboraorium Klimaologi Depareme Geofisika da Meeorologi, Fakulas Maemaika da Ilmu Pegeahua Alam,

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii ergolog peeliia komparasioal, yaiu peeliia yag dilaksaaka uuk megeahui ada idakya perbedaa aar variabel yag sedag dielii. Jika perbedaa iu memag

Lebih terperinci

ALGORITMA DATA MINING

ALGORITMA DATA MINING ALGORITMA DATA MINING A. DECISION TREE. Kosep Decisio Tree Megubah daa mejadi poho kepuusa (decisio ree) da aura-aura kepuusa (rule). Sebagai cooh misalya igi membua aura yag dapa diguaka uuk meeuka apakah

Lebih terperinci

BAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat

BAB 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 terperinci

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosidig Semiar Nasioal Sais da Pedidika Sais IX, Fakulas Sais da Maemaika, UKSW Salaiga, Jui 4, Vol 5, No, ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Pada penelitian ini, peneliti menetapkan objek pada anak kelompok B TK Damhil

BAB III METODOLOGI PENELITIAN. Pada penelitian ini, peneliti menetapkan objek pada anak kelompok B TK Damhil BAB III METODOLOGI PENELITIAN 3.1 Tempa da Waku Peeliia 3.1.1 Tempa Peeliia Pada peeliia ii, peelii meeapka objek pada aak kelompok B TK Damhil Kecamaa Koa elaa Koa Goroalo. Peeapa lokasi ersebu berdasarka

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:

BAB 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 terperinci

BAB 2 LANDASAN TEORI 2.1 Teknik Industri Peramalan

BAB 2 LANDASAN TEORI 2.1 Teknik Industri Peramalan BAB 2 LANDASAN TEORI Pada bab ii aka dijelaska eori-eori yag medukug meode peeliia pada peulisa skripsi ii yag disebu sebagai ladasa eori. Teori yag aka dijelaska aka mecakup meode dari subjek ekik idusri

Lebih terperinci

PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ

PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Bulei Ilmiah Ma. Sa. da Terapaya (Bimaser) Volume 05, No. 2 (206), hal 79-86 PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Sii Faimah, Neva Sayahadewi, Shaika Marha INTISARI

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV 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 terperinci

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun 43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C

Lebih terperinci

B. DESKRIPSI SINGKAT MATA KULIAH

B. DESKRIPSI SINGKAT MATA KULIAH A. IDENTITAS MATA KULIAH Nama Maa Kuliah : Kalkulus 1 Kode Maa Kuliah : MUG1A4 SKS : 4 (empa) Jeis : Maa kuliah wajib Jam pelaksaaa : Taap muka di kelas = 4 jam per peka Tuorial/ resposi Semeser / Tigka

Lebih terperinci

Kata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting.

Kata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting. METODE INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) UNTUK MEMODELKAN HARGA GABAH DUNIA (INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY TO CAPTURE

Lebih terperinci

FORECASTING (Peramalan)

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 terperinci