This is a widely used forecasting technique. be especially accurate, www,clt,astate,edu/crbrown/smoothing07,ppt
|
|
- Irwan Setiawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Proses Pemulusan usa Data
2
3 Exponential smoothing This is a widely used forecasting technique in retailing, even though it has not proven to be especially accurate, www,clt,astate,edu/crbrown/smoothing07,ppt
4 Exponential Smoothing n Period Moving Average menggunakan hanya n periode data untuk melakukan peramalan the rest of the data is ignored, Exponential Smoothing menggunakan semua data series untuk melakukan peramalan dengan bobot lebih kecil untuk data yang lebih lama,
5 Penulisan Lambang Peramalan Data Deret waktu y t, t=1,2,3,... T Data peramalan ŷy tt ( τ ) τ forecast lead time /delay yˆ = yˆ ( ) ( ) Jika meramalkan data pada t=12 berdasarkan data t=10
6 Proses Konstan (Pemulusan Eksponensial Sederhana α) Proses: X t = β+ε t Permasalahannya: β sebenarnya mengalami perubahan secara lambat menurut waktu sehingga nilai i β tidak unik.
7 Single Exponential Smoothing (SES) Mtd Metode Moving Average mengakomodir pengaruh data beberapa periode sebelumnya melalui pemberian bobot yang sama dalam proses merata rata, Hal ini berarti bobot pengaruh sekian periode data tersebut dianggap sama, Dalam kenyataannya, bobot pengaruh data yang lbihb lebih baru mestinya lbihb lebih besar, Adanya perbedaan bobot pengaruh ini diakomodir metode SES dengan menetapkan bobot secara eksponensial,
8 First Order Exponential Smoothing Pemulus yang cepat bereaksi terhadap perubahan Berikan bobot yang menurun secara geometrik discount factor θ Note: l θ I < 1.
9 Permasalahan total bobot tidak sama dengan 1 Bobot T 1 t= 0 t 0 1 T 1 θ = θ + θ + K + θ Total Deret Geometri S n ( ) 0 ( ) n T a r 1 θ θ 1 T θ 1 = = = 1 r 1 θ 1 θ 1
10 Total dari bobot: Sesuaikan pemulus pada Eq. (4.3) mengalikannya dengan (1 θ)/(1 θ T ). Untuk T yang besar θ T mendekati nol. Sehingga rata T 1 t rata terboboti eksponensial menjadi:( θ) ) θ 1 = 1 t= 0
11 Alternate expression in a recursive form for simple exponential smoothing is given by Thesimple exponential smoother is often represented in a different form by setting λ =1- θ yˆ = % ˆt y t 1
12 Nilai inisiasi ; y% y0 T gets large and hence (I λ) T gets small, the contribution of y0 to Yt becomes negligible. Thus for large data sets, the estimation of y0 has little relevance.
13 Nilai y 0 yang paling sering digunakan: 1. Set y% 0 = y1. If the changes in the process are expected to occur early and fast.this choice for the starting value for y t is reasonable. 2. Take the average of the available data or a subset of the available data, y. and set y%. If the process is at least at the = 0 y beginning locally constant, this starting value may be preferred.
14 Ragam
15 Bobot Pemulusan MA vs SES Perbandingan Bobot Penghalusan Moving Average Dengan Single Exponential Smoothing Bob bot dalam pe enghalusan SES(0.7) MA(3) MA(6) Periode sebelumnya
16 Ilustrasi SES dengan α = 0,2 =(0,2*5)+(0,8*5,5) Periode (t) Data (X t ) Smoothing (S t ) Forecasting (F t ) 1 5 5, , , , , , , , , , , , , , , , , , , , , ,63543 Rataan 6 data pertama =S1
17 Seberapa Mulus data yang dihasilkan? Actual Data
18 Bagaimana jika digunakan α yang lebih besar? Semakin kecil nilai α, semakin smooth data deret waktu yang dihasilkan,
19 Review Exponential smoothing merupakan suatu cara untuk menghilangkan ga efek e acak dari deret et waktu dengan menggunakan semua data deret waktu hingga periode sekarang. Nilai Pemulusan (Level) pada periode ke t: α(data aktual sekarang) + (1 α)( )(data pemulusan sebelumnya) bl Peramalan periode t+1= Data pemulusan periode t Inisialisasi: Nilai Pemulusan pertama = Rataan 6 data pertama Semakin kecil nilai α, semakin sedikit pergerakan data deret waktu
20 Pemilihan Model Bb Beberapa model dl dapat diterapkan untuk data yang sama (MA dengan m = 3 atau m = 6, SES dengan α = 0,3 atau α = 0,4) mana yang dipilih?? Membagi data menjadi dua bagian, training dan testing Training: bagian data yang digunakan untuk smoothing atau modeling Testing: bagian data yang digunakan untuk verifikasi
21 Sebagai ilustrasi, misalkan data time series yang ada berupa data bulanan dari Januari 2005 hingga Oktober 2007, Katakanlah data 3 bulan terakhir disisihkan untuk verifikasi, Dengan demikian, data Januari 2005 hingga Juli 2007 sebagai data training dan digunakan untuk penerapan metode metode analisis time series; sementara data Agustus 2007 hingga Oktober 2007 sebagai data testing,
22 Pemilihan Model (lanjutan) Semula MA(m=3) MA(m=6) SES(0.3) SES(0.4) Waktu
23 Berapa nilai α yang harus digunakan? Tergantung pada peneliti/pembuat i/ model dl Jika peneliti mempertimbangkan beberapa nilai α menghitung ramalan menggunakan masing2 nilai HANYA gunakan α yang memberikan hasil yang bermanfaat (misal, bukan α = 0) Nilai performa ramalan(mse, MAD, MAPE, LAD) yang terkecil, dapat digunakan unuk menentukan α.
24 Accuracy Measures Beberapa ukuran yang dapat dipakai untuk penilaian seberapa baik metode mengepas data: Mean Absolute Deviation (MAD) n 1 MAD = X ˆ t X t n = t 1 Mean Squared Deviation (MSD) n 1 MSD = ( X Xˆ ) n t = 1 t t Mean Absolute Percentage Error (MAPE) n 1 X ˆ t Xt MAPE = 100% n X t= 1 t 2
25 NEXT...
26 First order exponential smoothing hanya sesuai untuk data deret waktu yang stasioner. Apabila data deret waktu tidak stasioner(mengandung trend) dapat menggunakan second order exponential smoothing.
27 Pemulusan Eksponensial untuk proses tren linear X t = β 0 + β 1 t+ε t E(ε t )=0 dan V(ε t )=σ 2 ε Permasalahannya: β 0 dan β 1 berubah secara lambat menurut waktu, sehingga penduga bagi β 0 dan β 1 tidak unik. E(X t )=β 0 + β 1 t
28 Double Exponential Smoothing (DES) Digunakan untuk data yang memiliki pola tren Semacam SES, hanya saja dl dilakukan k dua kali kl Pertama untuk tahapan level Kedua untuk tahapan tren
29
30
31 A more rigorous approach would involve fitting a linear regression model in time to the available data that gives
32 Minitab Approach "Double Exponential Smoothing" option available in Minitab is a slightly different approach based on Holt's method (Holt [ 1957]). This method divides the time series data into two components: the level, L1, and the trend, T1
33 Minitab Approach (lanjutan) The sum of the level and trend components at time-t can be used as the one-step-ahead (t + I) forecast
34 Ilustrasi DES dengan α = 0,2 dan γ = 0,3 (output minitab) t X t L t T t S t F t 1 12,50 11,9676 0, , , ,80 12,3913 0, , , ,85 12,9049 0, , , ,95 13,5324 0, , , , ,9295 0, , , ,95 14,3394 0, , , ,00 14,8539 0, , , ,20 15,5143 0, , , ,10 16,0638 0, , , , , ,6932
35 ILUSTRASI
36 Data Penjualan Thermostat ponential%20smoothing%20methods.ppt Slide 36
37 Tidak ada pola musiman Metode pemulusan eksponensial dapat diterapkan Eksplorasi: Secara umum terdapat tren naik Tingkat pertumbuhannya berubah ubah selama periode 52 minggu Slide 37
38 Tahapan Pemulusan Exponensial Langkah 1: Inisiasi dugaan l 0 dan t 0 dengan melakukan regresi untuk t dan Yt dengan metode OLS y intercept = l 0 ; slope = t 0 Slide 38
39 teladan Lakukan regresi antara t dan Yt (observasi) Trend line yˆ = 166, ,325t t l 0 = 166,3966; t 0 = 2,325 Slide 39
40 Exponential Smoothing (lanjutan) Langkah 2: hitung nilai y 1 dari t=0 Contoh: yˆ T+ h( T) = lt + htt T = 0, h= 1 yˆ (0) = l + t = 166, ,325 = 168, Slide 40
41 Exponential Smoothing (lanjutan) Langkah 3: perbaiki dugaan l T dan t T (using some predetermined values of smoothing constants) Misal: t α = 0.2 dan γ = 0.1 l = α x + (1 α)( l + t ) = 0.2(206) + 0.8(166, ,325) = 176,376 t = γ ( l l ) + (1 γ ) t = 0.1(176, ,396) + 0.9(2,325) = 3,09027 yˆ (1) = l + t = 176, ,09 = 179, Slide 41
42 Output Minitab Xt t SMOO FITS , , , , , , , , , , , , , , , , , , , , ,87 311, , ,827 Slide 42
43 LATIHAN
44 Eercise Exercise 4.1 buku montgomery Exercise 4.8 buku montgomery
45 Tugas Kelompok Gunakan data yang anda kumpulkan pada pertemuan pertama Lakukan pemulusan dengan metode yang paling sesuai Berikan komentar anda terhadap hasil pemulusan yang diperoleh
ANALISIS DERET WAKTU
ANALISIS DERET WAKTU JENIS DATA Cross section Beberapa pengamatan diamati bersama-sama pada periode waktu tertentu Harga saham semua perusahaan yang tercatat di BEJ pada hari Rabu 27 Februari 2008 Time
Lebih terperinciAnalisis Deret Waktu
Analisis Deret Waktu Jenis Data Cross section Beberapa pengamatan diamati bersama-sama pada periode waktu tertentu Harga saham semua perusahaan yang tercatat di BEJ pada hari Rabu 27 Februari 2008 Time
Lebih terperinciExponential smoothing
Exponenial smoohing This is a widely used forecasing echnique in reailing, even hough i has no proven o be especially accurae, www,cl,asae,edu/crbrown/smoohing07,pp 1 Exponenial Smoohing n Period Moving
Lebih terperinciMetode Pemulusan Eksponensial Sederhana
Metode Pemulusan Eksponensial Sederhana (Single Exponential Smoothing) KULIAH 3 METODE PERAMALAN DERET WAKTU rahmaanisa@apps.ipb.ac.id Review Untuk apa metode pemulusan (smoothing) dilakukan terhadap data
Lebih terperinciHasil Peramalan dengan Menggunakan Software Minitab
71 Lampiran 1. Hasil Peramalan dengan Menggunakan Software Minitab Moving Average Data C1 Length 12 NMissing 0 Moving Average Length 4 Accuracy Measures MAPE 25 MAD 54372 MSD 4819232571 Time C1 MA Predict
Lebih terperinciAnalisis Deret Waktu
Analisis Deret Waktu Pertemuan 2 Cross section Jenis Data Beberapa pengamatan diamati bersama sama pada periode waktu tertentu Harga saham semua perusahaan yang tercatat di BEJ pada hari Rabu 27 Februari
Lebih terperinciPERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) TERTINGGI BULAN DESEMBER disusun untuk memenuhi Tugas Lapangan Mata Kuliah Metode Peramalan
PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) TERTINGGI BULAN DESEMBER 3 disusun untuk memenuhi Tugas Lapangan Mata Kuliah Metode Peramalan Disusun Oleh :. Ilani Agustina M00037 2. Intan Purnomosari M00042
Lebih terperinciPeramalan Memprediksi peristiwa masa depan Biasanya memerlukan kebiasaan selama jangka waktu tertentu metode kualitatif
Bab 3-4 Peramalan Peramalan Memprediksi peristiwa masa depan Biasanya memerlukan kebiasaan selama jangka waktu tertentu metode kualitatif Berdasarkan metode yang subjektif Metode kuantitatif Berdasarkan
Lebih terperinciTeknik Peramalan Melalui Pemulusan Data (Bagian II) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017/2018
Teknik Peramalan Melalui Pemulusan Data (Bagian II) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017/2018 The most crucial issue in simple moving averages is the choice of the span, N. A simple moving
Lebih terperinciEstimasi, Pemilihan Model dan Peramalan Hubungan Deret Waktu
Estimasi, Pemilihan Model dan Peramalan Hubungan Deret Waktu Author: Junaidi Junaidi Terdapat berbagai jenis model/metode peramalan hubungan deret waktu. Diantaranya adalah: 1) Model Linear; 2) Model Quadratic;
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1. Peramalan 2.1.1. Pengertian dan Kegunaan Peramalan Peramalan (forecasting) menurut Sofjan Assauri (1984) adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Konsep Peramalan Peramalan ( forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien khususnya dalam bidang ekonomi. Dalam organisasi modern
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Sedangkan
Lebih terperinciPERAMALAN (FORECASTING) #2
#4 - Peramalan (Forecasting) #2 1 PERAMALAN (FORECASTING) #2 EMA302 Manajemen Operasional Model Trend Linear Multiplicative 2 Kecenderungan (trend). Komponen musiman (seasonal): rasio untuk model trend.
Lebih terperinciBAB III TINJAUAN PUSTAKA
BAB III TINJAUAN PUSTAKA 3.1 Teori Dunia industri biasanya tak lepas dari suatu peramalan, hal ini disebabkan bahwa peramalan dapat memprediksi kejadian di masa yang akan datang untuk mengambil keputusan
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:
ISSN: 2339-254 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 205, Halaman 957-966 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian PREDIKSI NILAI KURS DOLLAR AMERIKA MENGGUNAKAN EXPONENTIAL SMOOTHING
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit
BAB 2 LANDASAN TEORI 2.1 Pengertian Produksi Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit tanaman pada lahan yang telah disediakan, pemupukan dan perawatan sehingga
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Peramalan (forecasting) 2.1.1. Hubungan Forecast dengan Rencana Forecast adalah peramalan apa yang akan terjadi pada waktu yang akan datang, sedang rencana merupakan penentuan apa
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH
49 BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Standar Optimasi Dasar evaluasi untuk mengoptimalkan supply chain management pada Honda Tebet (PT. Setianita Megah Motor) dari proses bisnis perusahaan
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan sering dipandang sebagai seni dan ilmu dalam memprediksikan kejadian yang mungkin dihadapi pada masa yang akan datang. Secara teoritis peramalan
Lebih terperinciKuliah 2 Metode Peramalan Deret Waktu
Kuliah 2 Metode Peramalan Deret Waktu rahmaanisa@apps.ipb.ac.id REVIEW Tentukan pola dari data deret waktu berikut: Gambar (1) Gambar (2) Gambar (3) Gambar (4) 2 Kriteria kebaikan peramalan data deret
Lebih terperinciDr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016
1 Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016 This part presents some basic statistical methods essential to modeling, analyzing, and forecasting time series data. Both graphical displays and
Lebih terperinciMODUL MINITAB UNTUK PERAMALAN DENGAN METODE ARIMA DAN DOUBLE EXPONENTIAL
MODUL MINITAB UNTUK PERAMALAN DENGAN METODE ARIMA DAN DOUBLE EXPONENTIAL Minitab adalah program statistik yang setiap versinya terus dikembangkan. Gambar 1 memperlihatkan kepada anda aspek-aspek utama
Lebih terperinciBAB III METODOLOGI. Jenis data Data Cara pengumpulan Sumber data 1. Jenis dan jumlah produk yang dihasilkan
BAB III METODOLOGI 3.1 Waktu dan Lokasi Penelitian Kegiatan penelitian ini dilaksanakan pada Bulan April 2011 sampai Mei 2011 di PT. Pindo Deli Pulp and Paper di bagian Paper machine 12. Lokasi Industri
Lebih terperinciPendahuluan. Metode Peramalan:
MOVING AVERAGES Pendahuluan Metode Peramalan: Metode Perataan: Equally weighted observations Metode pemulusan eksponensial (exponential smoothing) Pembobotan yang tidak sama pada data historis, dimana
Lebih terperinciPENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT TELKOMSEL Divre 3 SURABAYA
SISTEM PENDUKUNG KEPUTUSAN PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT TELKOMSEL Divre 3 SURABAYA Alda Raharja - 5206 100 008! Wiwik Anggraeni, S.Si, M.Kom! Retno
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama (assaury, 1991). Sedangkan ramalan adalah
Lebih terperinciMetode Peramalan Deret Waktu. Pika Silvianti, M.Si Akbar Rizki, M.Si
Metode Peramalan Deret Waktu Pika Silvianti, M.Si Akbar Rizki, M.Si Toleransi 15 menit Absen Pakaian Sopan dan Rapi Pengguna kaos pendek/tanpa lengan dan ketat dilarang mengikuti perkuliahan Pengguna sandal
Lebih terperinci(FORECASTING ANALYSIS):
ANALISIS KUANTITATIF ANALISIS PERAMALAN Hand-out ke-3 ANALISIS PERAMALAN (FORECASTING ANALYSIS): Contoh-contoh sederhana PRODI AGRIBISNIS UNEJ, 2017 PROF DR IR RUDI WIBOWO, MS Contoh aplikasi tehnik peramalan
Lebih terperinciBAB IV METODE PENELITIAN
BAB IV METODE PENELITIAN 4.1. Desain Penelitian Dari uraian latar belakang masalah, penelitian ini dikategorikan ke dalam penelitian kasus dan penelitian lapangan. Menurut Rianse dan Abdi dalam Surip (2012:33)
Lebih terperinciSKRIPSI APLIKASI METODE GOLDEN SECTION UNTUK OPTIMASI PARAMETER PADA METODE EXPONENTIAL SMOOTHING. Disusun oleh: DANI AL MAHKYA
APLIKASI METODE GOLDEN SECTION UNTUK OPTIMASI PARAMETER PADA METODE EXPONENTIAL SMOOTHING SKRIPSI Disusun oleh: DANI AL MAHKYA 24010210141025 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Vanissa Hapsari,2013
BAB I PENDAHULUAN 1.1. Latar Belakang Tingkat pencemaran udara di beberapa kota besar cenderung meningkat dari tahun ke tahun. Hal ini disebabkan oleh beberapa faktor diantaranya jumlah transportasi terus
Lebih terperinciPERAMALAN PRODUKSI SARUNG TENUN DENGAN MENGGUNAKAN METODE PEMULUSAN DATA
PERAMALAN PRODUKSI SARUNG TENUN DENGAN MENGGUNAKAN METODE PEMULUSAN DATA Weny Indah Kusumawati Program Studi Sistem Komputer, Institut Bisnis dan Informatika Stikom Surabaya email: weny@stikom.edu Abstrak
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK
BAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK 3.1 Metode Pemulusan Eksponensial Holt-Winter Metode rata-rata bergerak dan pemulusan Eksponensial dapat digunakan untuk
Lebih terperinciMETODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN
METODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN Peramalan kuantitatif hanya dapat digunakan apabila terdapat
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan
BAB 2 LADASA TEORI 2.1 Pengertian Peramalan (Forecasting) Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan terjadi pada masa mendatang. Peramalan penjualan adalah peramalan
Lebih terperinciJURNAL MATEMATIKA MANTIK Edisi: Oktober Vol. 02 No. 01 ISSN: E-ISSN:
ISSN: 25273159 EISSN: 25273167 PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH KLAIM DI BPJS KESEHATAN PAMEKASAN Faisol 1, Sitti Aisah 2 Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL PERGERAKAN INFLASI KOTA PALU
PENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL PERGERAKAN INFLASI KOTA PALU Romy Biri ), Yohanes A.R. Langi ), Marline S. Paendong ) ) Program Studi Matematika FMIPA Universitas Sam Ratulangi Jl.
Lebih terperinciBAB IV METODE PERAMALAN
Metode Peramalan 15 BAB METODE PERAMALAN 4.1 Model Sederhana Data deret waktu Nilai-nilai yang disusun dari waktu ke waktu tersebut disebut dengan data deret waktu (time series). Di dunia bisnis, data
Lebih terperinciBAB III PERAMALAN. Praktikum Sistem Produksi ATA 2014/2015
BAB III PERAMALAN 3.1 Landasan Teori Peramalan merupakan suatu bentuk usaha untuk meramalkan keadaan di masa mendatang melalui pengujian keadaan di masa lalu. Esensi peramalan adalah perkiraan peristiwa-peristiwa
Lebih terperinciBAB 2 TINJAUAN TEORITIS. yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan terjadi
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan
Lebih terperinciBAB I PENDAHULUAN. Sejak kondisi ekonomi dan bisnis selalu berubah setiap waktu, maka para
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sejak kondisi ekonomi dan bisnis selalu berubah setiap waktu, maka para pimpinan suatu perusahaan atau para pelaku bisnis harus menemukan cara untuk terus
Lebih terperinciPembahasan Materi #7
1 EMA402 Manajemen Rantai Pasokan Pembahasan 2 Pengertian Moving Average Alasan Tujuan Jenis Validitas Taksonomi Metode Kualitatif Metode Kuantitatif Time Series Metode Peramalan Permintaan Weighted Woving
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN. dari UD. Wingko Babat Pak Moel sebagai berikut: a. Data permintaan wingko pada tahun 2016.
BAB IV ANALISIS DAN PEMBAHASAN 4.1 Pengumpulan dan Pengolahan Data Untuk menganalisi permasalahan pengoptimalan produksi, diperlukan data dari UD. Wingko Babat Pak Moel sebagai berikut: a. Data permintaan
Lebih terperinciBAB 3 FORECASTING DAN PENGAMATAN TRAFIK DATA
BAB 3 FORECASTING DAN PENGAMATAN TRAFIK DATA Forecasting adalah suatu peramalan nilai sebuah atau sekumpulan variabel pada satu titik waktu di masa depan. Dalam melakukan perhitungan peramalan pertumbuhan
Lebih terperinciPERAMALAN PENJUALAN MAKANAN RINGAN DENGAN METODE SINGLE EXPONENTIAL SMOOTHING
PERAMALAN PENJUALAN MAKANAN RINGAN DENGAN METODE SINGLE EXPONENTIAL SMOOTHING Mukti Qamal * *Dosen Teknik Informatika Universitas Malikussaleh Email: mukti.qamal@gmail.com Abstract The developments of
Lebih terperinciPendahuluan. Metode Peramalan:
MOVING AVERAGES Pendahuluan Metode Peramalan: Metode Perataan: Equally weighted observations Metode pemulusan eksponensial (exponential smoothing) Pembobotan yang tidak sama pada data historis, dimana
Lebih terperinciPERAMALAN PERSEDIAAN BARANG MENGGUNAKAN METODE WEIGHTED MOVING AVERAGE DAN METODE DOUBLE EXPONENTIAL SMOOTHING
Jurnal PILAR Nusa Mandiri Vol. 13, No. 2, September 2017 217 PERAMALAN PERSEDIAAN BARANG MENGGUNAKAN METODE WEIGHTED MOVING AVERAGE DAN METODE DOUBLE EXPONENTIAL SMOOTHING Ratih Yulia Hayuningtyas Teknik
Lebih terperinciANALISIS PERAMALAN PENJUALAN DAN KAITANNYA DALAM PERAMALAN LABA PADA PD. RAMATEX. Nama : Desty Trisnayannis NPM :
ANALISIS PERAMALAN PENJUALAN DAN KAITANNYA DALAM PERAMALAN LABA PADA PD. RAMATEX Nama : Desty Trisnayannis NPM : 21210860 Latar Belakang Dalam dunia usaha, perusahaan harus memperkirakan hal-hal yang terjadi
Lebih terperinciIII. LANDASAN TEORI A. TEKNIK HEURISTIK
III. LANDASAN TEORI A. TEKNIK HEURISTIK Teknik heuristik adalah suatu cara mendekati permasalahan yang kompleks ke dalam komponen-komponen yang lebih sederhana untuk mendapatkan hubungan-hubungan dalam
Lebih terperinciPERAMALAN (FORECASTING)
#3 - Peramalan (Forecasting) #1 1 PERAMALAN (FORECASTING) EMA302 Manajemen Operasional Pengertian (1) 2 Oxford Dictionary, Forecast is a statement about what will happen in the future, based on information
Lebih terperinciSistem Peramalan Harga Emas Antam Menggunakan Double Exponential Smoothing
Sistem Peramalan Harga Emas Antam Menggunakan Double Exponential Smoothing Teguh Andriyanto Sistem Informasi Universitas Nusantara PGRI Kediri Kediri, Indonesia E-mail: teguh@ unpkediri.ac.id Abstrak Emas
Lebih terperinciBAB 2 LANDASAN TEORITIS
BAB 2 LANDASAN TEORITIS 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksikan apa yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.
Lebih terperinciBAB V ANALISA HASIL. Pada bab sebelumnya telah dilakukan pengolahan data-data yang
BAB V ANALISA HASIL Pada bab sebelumnya telah dilakukan pengolahan data-data yang dikumpulkan untuk pembuatan perencanaan kebutuhan material (MRP). Kemudian dalam bab ini berisikan analisa berdasarkan
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Sejarah Umum Perusahaan Saputra Plastik adalah perusahaan yang bergerak dalam bidang pemasaran berbagai jenis plastik seperti PP, PE, HD, dan Tali Plastik ; didirikan pada
Lebih terperinciBAB III PERAMALAN 3.1 Landasan Teori Peramalan
BAB III PERAMALAN 3.1 Landasan Teori Peramalan Menurut Gaspersz (2004), aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha memperkirakan permintaan dan penggunaan produk sehingga produk-produk
Lebih terperinciVI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER
VI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER 6.1. Analisis Pola Data Penjualan Ayam Broiler Data penjualan ayam broiler adalah data bulanan yang diperoleh dari bulan Januari 2006
Lebih terperinciData Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun Tahun Bulan Wisman
Lampiran 1. Data Tingkat Hunian Hotel di Propinsi DIY Tahun 1991-2003 48 49 Lampiran 1 Data Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun 1991-2003, Tahun Bulan Wisman 1991 1 27,00 1991 2 30,60
Lebih terperinciPENGENDALIAN PERSEDIAAN BAHAN BAKU BAJA MS DI DIREKTORAT PRODUKSI ATMI CIKARANG
PENGENDALIAN PERSEDIAAN BAHAN BAKU BAJA MS DI DIREKTORAT PRODUKSI ATMI CIKARANG Siti Rohana Nasution 1, Temotius Agung Lukito 2 1,2) Jurusan Teknik Industri Fakultas Teknik Universitas Pancasila 1) nasutionana@yahoo.co.id,
Lebih terperinciIntroduction to Time Series Analysis
Introduction to Time Series Analysis Kegiatan peramalan merupakan bagian integral dari pengambilan keputusan manajemen. Peramalan mengurangi ketergantungan pada hal-hal yang belum pasti (intuitif). Dalam
Lebih terperinciBAB IV ANALISA DAN PEMBAHASAN. 4.1 Indentifikasi Pola Permintaan Data Historis 2011 dan Perhitungan Model
BAB IV ANALISA DAN PEMBAHASAN 4.1 Indentifikasi Pola Permintaan Data Historis 2011 dan Perhitungan Model Peramalan Data yang diambil untuk penelitian adalah data permintaan produk MCSet AD1 12.5kV pada
Lebih terperinciANALISIS PERAMALAN DENGAN MENGGUNAKAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL ABSTRACT
AALISIS PERAMALA DEGA MEGGUAKA METODE PEMULUSA EKSPOESIAL TUGGAL Annisa Rahmattia 1, Bustami 2, MDH.Gamal 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan Matematika Fakultas Matematika dan Ilmu
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH. Seiring dengan meningkatknya pangsa pasar, permintaan konsumen juga menjadi
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Seiring dengan meningkatknya pangsa pasar, permintaan konsumen juga menjadi semakin sulit untuk diperkirakan. Selama ini, manajer PT. Focus
Lebih terperinciBAB 3 PRAKIRAAAN dan PERAMALAN PRODUKSI. Dalam Manajemen Operasional, mengapa perlu ada peramalan produksi?
BAB 3 PRAKIRAAAN dan PERAMALAN PRODUKSI Dalam Manajemen Operasional, mengapa perlu ada peramalan produksi? a. Ada ketidak-pastian aktivitas produksi di masa yag akan datang b. Kemampuan & sumber daya perusahaan
Lebih terperinciUniversitas Gunadarma PERAMALAN
PERAMALAN PERAMALAN Kebutuhan Peramalan dalam Manajemen Produksi dan Operasi Manajemen Operasi/produksi menggunakan hasil-hasil peramalan dalam pembuatan keputusan-keputusan yang menyangkut pemilihan proses,
Lebih terperinciPERBANDINGAN METODE PEMULUSAN (SMOOTHING) EKSPONENSIAL DAN ARIMA (BOX-JENKINS) SEBAGAI METODE PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) SKRIPSI
PERBANDINGAN METODE PEMULUSAN (SMOOTHING) EKSPONENSIAL DAN ARIMA (BOX-JENKINS) SEBAGAI METODE PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) SKRIPSI WARSINI 070803042 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA
Lebih terperinciBAB III LANGKAH PEMECAHAN MASALAH. Kriteria optimasi yang digunakan dalam menganalisis kebutuhan produksi
BAB III LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Kriteria optimasi yang digunakan dalam menganalisis kebutuhan produksi pada PT. Sebastian Citra Indonesia terkait dengan jumlah penjualan
Lebih terperinciAplikasi Sistem Informasi Forecasting pada PD. Maha Jaya. Teknik Informatika 1 Teknik Industri 2 Universitas Kristen Petra Surabaya
Aplikasi Sistem Informasi Forecasting pada PD. Maha Jaya Rudy Adipranata 1, Tanti Octavia 2, Andi Irawan 1 Teknik Informatika 1 Teknik Industri 2 Universitas Kristen Petra Surabaya Pendahuluan Pentingnya
Lebih terperinciBAB 2 LANDASAN TEORI
20 BAB 2 LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu atau beberapa produk pada periode yang akan datang.
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan meramalkan atau memprediksi apa yang akan terjadi dimasa yang akan datang dengan waktu tenggang (lead time) yang relative lama,
Lebih terperinciSISTEM PERAMALAN PERSEDIAAN UNIT MOBIL MITSUBISHI PADA PT. SARDANA INDAH BERLIAN MOTOR DENGAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING
SISTEM PERAMALAN PERSEDIAAN UNIT MOBIL MITSUBISHI PADA PT. SARDANA INDAH BERLIAN MOTOR DENGAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING Afni Sahara (0911011) Mahasiswa Program Studi Teknik Informatika,
Lebih terperinciLAPORAN PRAKTIKUM MODUL I PERAMALAN
LAPORAN PRAKTIKUM MODUL I PERAMALAN Disusun oleh: Kelompok II 1. Ari Handayani (4409216094) 2. Caecilia Eka A.W.S. (4409216097) 3. Dwi Darmawan Saputra (4409216100) LABORATORIUM SISTEM PRODUKSI FAKULTAS
Lebih terperinciMETODE PERAMALAN HOLT-WINTER UNTUK MEMPREDIKSI JUMLAH PENGUNJUNG PERPUSTAKAAN UNIVERSITAS RIAU ABSTRACT
METODE PERAMALAN HOLT-WINTER UNTUK MEMPREDIKSI JUMLAH PENGUNJUNG PERPUSTAKAAN UNIVERSITAS RIAU Encik Rosalina 1, Sigit Sugiarto 2, M.D.H. Gamal 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 TINJAUAN TEORITIS 2.1. Pengertian pengertian Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang
Lebih terperinciPREDIKSI JUMLAH PENERIMAAN SISWA SMK SWASTA TAHUN AJARAN 2011/2012
PREDIKSI JUMLAH PENERIMAAN SISWA SMK SWASTA TAHUN AJARAN 2011/2012 Haryadi Sarjono Management Department, School of Business and Management, BINUS University Jln. K.H. Syahdan No. 9, Kemanggisan-Palmerah,
Lebih terperinciEstimasi, Pemilihan Model dan Peramalan Deret Waktu dengan Microsoft Office Excel
Estimasi, Pemilihan Model dan Peramalan Deret Waktu dengan Microsoft Office Excel Author: Junaidi Junaidi Terdapat berbagai pola pergerakan data deret waktu. Diantaranya adalah: 1) Model Linear; 2) Model
Lebih terperinciEFEKTIVITAS METODE BOX-JENKINS DAN EXPONENTIAL SMOOTHING UNTUK MERAMALKAN RETRIBUSI PENGUJIAN KENDARAAN BERMOTOR DISHUB KLATEN
EFEKTIVITAS METODE BOX-JENKINS DAN EXPONENTIAL SMOOTHING UNTUK MERAMALKAN RETRIBUSI PENGUJIAN KENDARAAN BERMOTOR DISHUB KLATEN Puji Rahayu 1), Rohmah Nur Istiqomah 2), Eminugroho Ratna Sari 3) 1)2)3) Matematika
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa. situasi dan kondisi di masa yang akan datang.
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Sedangkan ramalan
Lebih terperinciTEKNIK PERAMALAN KUANTITATIF (TEKNIK STATISTIK) Astrid Lestari Tungadi, S.Kom., M.TI.
TEKNIK PERAMALAN KUANTITATIF (TEKNIK STATISTIK) Astrid Lestari Tungadi, S.Kom., M.TI. PENERAPAN TEKNIK Keakuratan data yang dimiliki Asumsi yang disepakati bersama Kondisi perusahaan yang terdiri dari
Lebih 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 terperinciPeramalan Jumlah Penumpang Pada Siluet Tour And Travel Kota Malang Menggunakan Metode Triple Exponential Smoothing
Jurnal Ilmiah Teknologi dan Informasi ASIA (JITIKA) Vol.11, No.1, Februari 2017 ISSN: 0852-730X Peramalan Jumlah Penumpang Pada Siluet Tour And Travel Kota Malang Menggunakan Metode Triple Exponential
Lebih terperinciSISTEM PERAMALAN STOK OBAT MENGGUNAKAN METODE EXPONENTIAL SMOOTHING
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 SISTEM PERAMALAN STOK OBAT MENGGUNAKAN METODE EXPONENTIAL SMOOTHING Eka Mala Sari R 1), Yeni Kustiyahningsih 2), Rizki
Lebih terperinciBAB II LANDASAN TEORI. Suatu sistem adalah suatu jaringan kerja dari prosedur-prosedur yang
7 BAB II LANDASAN TEORI 2.1 Sistem Informasi 2.1.1 Sistem Suatu sistem adalah suatu jaringan kerja dari prosedur-prosedur yang saling berhubungan, berkumpul bersama-sama untuk melakukan suatu kegiatan
Lebih terperinciIII. MATEMATIKA DAN STATISTIKA APLIKASI (S.1) EFEK PERUBAHAN POLA CUACA PADA DEBIT AIR MASUK DI WADUK SAGULING
III. MATEMATIKA DAN STATISTIKA APLIKASI (S.1) EFEK PERUBAHAN POLA CUACA PADA DEBIT AIR MASUK DI WADUK SAGULING Yurian Yudanto (yurian.yudanto@yahoo.com) Jurusan Statistika, Fakultas Matematika dan Ilmu
Lebih terperinciABSTRAK. Kata Kunci :Single Exponential Smoothing,Double Exponential Smoothing,Mean Absolute Percentage Error.
PERBANDINGAN TINGKAT AKURASI METODE SES (SINGLE EXPONENTIAL SMOOTHING) DAN DES (DOUBLE EXPONENTIAL SMOOTHING) DENGAN STUDY KASUS PERAMALAN PEMINJAMAN BUKU DI PERPUSTAKAAN DAERAH JEMBER Yuldania (1110651134)
Lebih terperinciBAB II KAJIAN TEORITIS
BAB II KAJIAN TEORITIS 2.1 Deskripsi Teori 2.1.1 Pengertian Peramalan ( forecasting ) Salah satu keputusan penting dalam perusahaan adalah kecilnya resiko kesalahan nilai produksi dan nilai penjualan.
Lebih terperinciREGRESI LINEAR SEDERHANA
REGRESI LINEAR SEDERHANA y (x 3,y 3 ) d 3 (x 5,y 5 ) d 5 d 2 (x 2,y 2 ) d (x 1 1,y 1 ) d 4 (x 4,y 4 ) x Definisi: Dari semua kurva pendekatan terhadap satu set data, kurva yang memenuhi sifat bahwa nilai
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Peramalan Peramalan (forecasting) merupakan upaya memperkirakan apa yang terjadi pada masa yang akan datang. Pada hakekatnya peramalan hanya merupakan suatu perkiraan (guess),
Lebih terperinciMembuat keputusan yang baik
Membuat keputusan yang baik Apakah yang dapat membuat suatu perusahaan sukses? Keputusan yang dibuat baik Bagaimana kita dapat yakin bahwa keputusan yang dibuat baik? Akurasi prediksi masa yang akan datang
Lebih terperinciPERAMALAN DATA TIME SERIES DENGAN METODE PENGHALUSAN EKSPONENSIAL HOLT - WINTER
PERAMALAN DATA TIME SERIES DENGAN METODE PENGHALUSAN EKSPONENSIAL HOLT - WINTER PERAMALAN DATA TIME SERIES DENGAN METODE PENGHALUSAN EKSPONENSIAL HOLT WINTER Adi Suwandi 1, Annisa 2, Andi Kresna Jaya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Produksi Produksi merupakan suatu kegiatan yang dikerjakan untuk menambah nilai guna suatu benda baru sehingga lebih bermanfaat dalam memenuhi kebutuhan. Produksi jahe
Lebih terperinciPeramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Peramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model Ni Kadek Sukerti STMIK STIKOM Bali Jl. Raya Puputan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi
Lebih terperinciHarwein et al., Peramalan Data Times Series Kebutuhan Tepung Terigu Sebagai Bahan Baku Pembuatan Roti...
TEKNOLOGI HASIL PERTANIAN PERAMALAN DATA TIMES SERIES KEBUTUHAN TEPUNG TERIGU SEBAGAI BAHAN BAKU PEMBUATAN ROTI (Studi Kasus di PT. Inti Cakrawala Citra Jember Jawa Timur) FORECASTING OF WHEAT FLOUR AS
Lebih terperinciBAB 2 TINJAUAN TEORITIS. 2.1 Produk Domestik Regional Bruto
18 BAB 2 TINJAUAN TEORITIS 2.1 Produk Domestik Regional Bruto Dalam menghitung pendapatan regional, dipakai konsep domestik. Berarti seluruh nilai tambah yang ditimbulkan oleh berbagai sektor atau lapangan
Lebih terperinciMATHunesa Jurnal Ilmiah Matematika Volume 3 No.6 Tahun 2017 ISSN
MATHunesa Jurnal Ilmiah Matematika Volume 3 No.6 Tahun 2017 ISSN 2301-9115 FORECASTING FITNESS GYM MEMBERSHIP PADA PUSAT KEBUGARAN THE BODY ART FITNESS, AEROBIC & POOL MENGGUNAKAN METODE EXPONENTIAL SMOOTHING
Lebih terperinciBAB 2 LANDASAN TEORI
1 BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan metode ARIMA box jenkins untuk meramalkan kebutuhan bahan baku. 2.1. Peramalan Peramalan
Lebih terperinciBAB 3 METODE PENELITIAN. Dalam skripsi yang penulis lakukan ini menggunakan analisa forecasting dari
BAB 3 METODE PENELITIAN 3.1 Desain Penelitan Dalam skripsi yang penulis lakukan ini menggunakan analisa forecasting dari PT. Honda Dunia Motorindo. Setelah itu dengan analisa tersebut, penulis berusaha
Lebih terperinci