MODEL PERAMALAN PASOKAN ENERGI PRIMER DENGAN PENDEKATAN METODE FUZZY LINEAR REGRESSION (FLR)
|
|
|
- Sugiarto Lesmana
- 6 tahun lalu
- Tontonan:
Transkripsi
1 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2012 SIDANG TUGAS AKHIR MODEL PERAMALAN PASOKAN ENERGI PRIMER DENGAN PENDEKATAN METODE FUZZY LINEAR REGRESSION (FLR) Oleh : Hikmayangkara Putri Purwareta Dosen Pembimbing: Dra. Nuri wahyuningsih, M.Kes Drs. IGN Rai Usadha, M.Si
2 LATAR BELAKANG Pasokan Energi Model Peramalan Dataset Kecil Metode Fuzzy Linear Regression (FLR)
3 RUMUSAN MASALAH 1 2 Bagaimana model peramalan pasokan energi primer dengan metode Fuzzy Linear Regression (FLR). Bagaimana ukuran kesalahan dari model peramalan yang didapatkan.
4 BATASAN MASALAH 1 2 Jenis pasokan energi primer adalah Batubara, Minyak Mentah, Gas Bumi, tenaga Air, Panas Bumi, dan Biomassa Variabel tak bebasnya (Y ) adalah total pasokan energi primer dan variabel bebasnya, X 1 adalah Produk Domestik Bruto (PDB) dan X 2 adalah populasi penduduk Total Pasokan Energi Primer menurut jenis dengan satuan Barrel of Oil Equivalent (BOE) Produk Domestik Bruto (PDB) dengan satuan Trilyun Rupiah populasi penduduk dengan satuan ribu Handbook of Energy & Economic Statistics of Indonesia 2011 di website resmi Kementrian Energi dan Sumber Daya Mineral Nilai h yang dipakai adalah bilangan sepersepuluh diantara 0 sampai 0,9 Software yang digunakan adalah LINGO 13.0
5 TUJUAN Tujuan dari Tugas Akhir ini adalah: 1. Mendapatkan model peramalan pasokan energi primer berdasarkan metode Fuzzy Linear Regression (FLR). 2. Mengetahui ukuran kesalahan dari model peramalan yang didapatkan. MANFAAT Manfaat dalam penulisan tugas akhir ini adalah dapat memberikan kontribusi penelitian dalam bidang riset operasi dan pengolahan data yang berhubungan dengan metode regresi fuzzy serta mendapatkan model peramalan pasokan energi primer dan mengetahui ukuran kesalahannya. Selain itu, model peramalan ini memberikan informasi kepada pemerintah sebagai bahan pertimbangan dalam menentukan kebijakan.
6 TINJAUAN PUSTAKA Pasokan Energi Primer Energi Primer adalah energi dalam bentuk aslinya yang diekstrak melalui pertambangan, bendungan, atau pemanfaatan energi terbarukan. Total pasokan energi primer adalah hasil produksi ditambah impor dikurangi ekspor dikurangi bunker dan perubahan stok. BATUBARA MINYAK MENTAH PANAS BUMI GAS BUMI TENAGA AIR BIOMASSA
7 Produk Domestik Bruto (PDB) diartikan sebagai nilai keseluruhan semua barang dan jasa yang diproduksi di dalam wilayah tersebut dalam jangka waktu tertentu (biasanya per tahun). Ada dua tipe PDB, yaitu[6]: 1. PDB dengan harga berlaku atau PDB nominal 2. PDB dengan harga tetap atau PDB riil TINJAUAN PUSTAKA Produk Domestik Bruto (PDB) Definisi Penduduk Penduduk adalah semua orang yang berdomisili di wilayah teritorial Republik Indonesia selama 6 bulan atau lebih dan atau mereka yang berdomisili kurang dari 6 bulan tetapi bertujuan menetap.
8 TINJAUAN PUSTAKA Fuzzy Linear Regression (FLR) Tanaka mengasumsikan fungsi dasar fuzzy linier dengan dua pendekatan yaitu dengan konstanta dan tanpa konstanta seperti persamaan (1) dan (2). Dengan konstanta:... (1) Tanpa konstanta:... (2) Dimana adalah variabel dependen, X variabel independen, adalah koefisien fuzzy yang dilambangkan dengan dimana merupakan nilai tengah dan merupakan nilai sebaran. Sehingga persamaan (1) dan (2) dapat dituliskan kembali dalam persamaan (3) dan (4): Dengan konstanta:... (3)
9 TINJAUAN PUSTAKA Tanpa konstanta:... (4) Untuk nilai dari variabel dependen dapat diestimasi sebagai fuzzy number dimana batas bawah, nilai tengah, dan batas atas dengan konstanta ditunjukkan oleh persamaan (5), (6), dan (7) sedangkan yang tanpa konstanta ditunjukkan oleh persamaan (8), (9), dan (10). Dengan konstanta:... (5)... (6)... (7)
10 TINJAUAN PUSTAKA Tanpa konstanta:... (8)... (9)... (10) Fungsi keanggotaan dengan koefisien fuzzy ke-j ditunjukkan oleh Gambar 1.
11 TINJAUAN PUSTAKA Dalam regresi, koefisien fuzzy didapatkan dengan meminimalisasi sebaran dari output fuzzy dari semua data set. Karena model Tanaka masih memiliki kekurangan dalam meminimalisasi sebaran maka Chang dan Ayyub membuat model atau persamaan yang merupakan perluasan dari model Tanaka. Model Chang dan Ayyub inilah yang dipakai dalam tugas akhir ini. Fungsi objektif dari model Chang dan Ayyub ditunjukkan oleh persamaan (11) dan (12). Dengan konstanta: Tanpa konstanta:... (11)... (12)
12 TINJAUAN PUSTAKA Fungsi objektif dari persamaan (11) dan (12) diminimalisasi terhadap dua batasan yang ditunjukkan oleh persamaan (13) dan (14). Dengan konstanta: Tanpa konstanta:... (13)... (14)
13 TINJAUAN PUSTAKA Mean Absolut Percentage Error (MAPE) Mean Absolut Percentage Error (MAPE) merupakan rata-rata dari keseluruhan persentase kesalahan (selisih) antara data aktual dengan data hasil peramalan. Suatu dikatakan layak jika nilai MAPE berada di bawah 10%, dan cukup layak jika nilai MAPE berada di antara 10% dan 20%. Persamaan MAPE ditunjukkan oleh persamaan (15).... (15) dengan: n : data aktual periode ke-t : data hasil ramalan periode ke-t : banyaknya data yang diramalkan
14 Berikut ini gambar diagram alir penelitian. METODE PENELITIAN Gambar 1. Diagram Alir Penelitian
15 ANALISIS DAN PEMBAHASAN Pada tahap ini dijelaskan tentang pembentukan model pasokan energi primer dengan metode Fuzzy Linear Regression (FLR), hasil ramalannya, dan nilai Mean Absolute Percentage Error (MAPE). Data dari masing-masing pasokan energi primer dapat dilihat pada Tabel 1 sedangkan data Produk Domestik Bruto dan populasi penduduk dapat dilihat pada Tabel 2.
16 ANALISIS DAN PEMBAHASAN
17 ANALISIS DAN PEMBAHASAN Penaksiran Parameter Fuzzy Penaksiran parameter fuzzy dilakukan dengan meminimumkan penyebaran (spread),, dari nilai tengah bilangan fuzzy terhadap fungsi-fungsi batasan (constrain) tertentu. Sehingga terbentuk permasalahan program linier dan perlu dilakukan optimasi. Untuk mendapatkan nilai dan, masukkan data ke dalam persamaan fungsi objektif pada persamaan (11) dan (12) dan batasannya pada persamaan (13) dan (14) yang kemudian diselesaikan menggunakan software solver LINGO 13.0 dengan memasukkan nilai h trial dan error dari 0 sampai 0,9. Nilai h yang diambil adalah bilangan sepersepuluh dari 0 sampai 0.9. Hasil dari perhitungan tersebut dapat dilihat pada Tabel 3.
18 ANALISIS DAN PEMBAHASAN
19 ANALISIS DAN PEMBAHASAN Model Peramalan Setelah mendapatkan nilai taksiran dari parameter fuzzy maka dapat terbentuk model dari masing-masing jenis pasokan energi primer dengan memasukkan hasil tersebut ke dalam persamaan (3) dan (4). Berikut ini adalah model peramalan dari masing-masing jenis pasokan energi primer. 1. Pasokan Energi Batubara a. Dengan Konstanta b. Tanpa Konstanta 2. Pasokan Energi Minyak Mentah a. Dengan Konstanta b. Tanpa Konstanta
20 ANALISIS DAN PEMBAHASAN 3. Pasokan Energi Gas Bumi a. Dengan Konstanta b. Tanpa Konstanta 4. Pasokan Energi Tenaga Air a. Dengan Konstanta b. Tanpa Konstanta 5. Pasokan Energi Panas Bumi a. Dengan Konstanta b. Tanpa Konstanta 6. Pasokan Energi Biomassa a. Dengan Konstanta b. Tanpa Konstanta
21 ANALISIS DAN PEMBAHASAN 7. Total Pasokan Energi Primer a. Dengan Konstanta b. Tanpa Konstanta Nilai Peramalan Nilai peramalan dari tiap-tiap jenis pasokan energi didapat dari persamaan (6) dan (9). Hasil dari nilai peramalan tersebut dapat dilihat pada Tabel 4. Ukuran Kesalahan Model Ukuran kesalahan dari model peramalan dihitung dengan menggunakan persamaan (15). Dari persamaan tersebut ukuran kesalahan dari masingmasing jenis pasokan energi primer yang dapat dilihat pada Tabel 5.
22 ANALISIS DAN PEMBAHASAN
23 ANALISIS DAN PEMBAHASAN
24 ANALISIS DAN PEMBAHASAN Analisis Hasil Setelah mendapatkan nilai peramalan dan ukuran kesalahan dari model peramalan, maka akan dianalisis dan ditentukan model terbaik dari masing-masing jenis pasokan energi primer. 1. Pasokan Energi Batubara Model peramalan terbaiknya adalah model peramalan dengan konstanta yaitu karena ukuran kesalahannya lebih kecil. Dari model tersebut diketahui bahwa jika (PDB) bertambah satu satuan maka nilai Y (ramalan pasokan energi) bertambah sebesar 31242,13 dengan syarat variabel lain ( ) bernilai konstan. Jika (populasi penduduk) bertambah satu satuan maka nilai Y (ramalan pasokan energi) sebesar 429,0794 dengan syarat variabel lain ( ) bernilai konstan. Jika nilai variabel dan konstan maka nilai Y bisa bertambah atau berkurang sebesar
25 ANALISIS DAN PEMBAHASAN 2. Pasokan Energi Minyak Mentah Model peramalan terbaiknya adalah model peramalan tanpa konstanta yaitu karena ukuran kesalahannya lebih kecil. Dari model tersebut diketahui bahwa jika (PDB) bertambah satu satuan maka nilai Y (ramalan pasokan energi primer) tidak bertambah dengan syarat variabel lain ( ) bernilai konstan dan nilai berada pada rentang 0±2012,387. Jika (populasi penduduk) bertambah satu satuan maka nilai Y bertambah sebesar 2185,479 dengan syarat variabel lain ( ) bernilai konstan dan nilai berada pada rentang 2185,479 ± 91, Pasokan Energi Gas Bumi Model peramalan terbaiknya adalah model peramalan dengan konstanta yaitu karena ukuran kesalahannya lebih kecil. Dari model tersebut diketahui bahwa jika (PDB) bertambah satu satuan maka nilai Y (ramalan pasokan energi primer) bertambah sebesar 18540,41 dengan syarat variabel lain ( ) bernilai konstan. Variabel (populasi penduduk) tidak berpengaruh terhadap nilai pasokan energi gas bumi.
26 ANALISIS DAN PEMBAHASAN Jika nilai variabel dan konstan maka nilai Y sebesar dan nilai Y berada pada rentang ± Pasokan Energi Tenaga Air Model peramalan terbaiknya adalah model peramalan dengan konstanta yaitu karena ukuran kesalahannya lebih kecil. Dari model tersebut diketahui bahwa jika ( PDB) bertambah satu satuan maka nilai Y (ramalan pasokan energi primer) bertambah sebesar 2665,543 dengan syarat nilai variabel lain ( ) bernilai konstan. Jika (populasi penduduk) bertambah satu satuan maka nilai Y bertambah sebesar 87,83874 dengan syarat variabel lain ( ) bernilai konstan. Jika nilai variabel dan maka nilai Y bisa bertambah atau berkurang sebesar Pasokan Energi Panas Bumi Model peramalan terbaiknya adalah model peramalan dengan konstanta yaitu karena ukuran kesalahannya lebih kecil. Dari model tersebut diketahui bahwa jika (PDB) bertambah satu satuan maka nilai Y bertambah sebesar 1177,811 dengan syarat variabel lain konstan.
27 ANALISIS DAN PEMBAHASAN Variabel (populasi penduduk) tidak berpengaruh terhadap nilai pasokan energi panas bumi. Jika nilai variabel dan konstan maka nilai Y sebesar dan nilai Y berada pada rentang ± ,8. 6. Pasokan Energi Biomassa Model peramalan terbaiknya adalah model peramalan dengan konstanta yaitu karena ukuran kesalahannya lebih kecil. Dari model tersebut diketahui bahwa jika (PDB) bertambah satu satuan maka nilai Y (ramalan pasokan energi primer) bertambah sebesar 1879,252 dengan syarat variabel lain ( ) bernilai konstan. Jika (populasi penduduk) bertambah satu satuan maka nilai Y bertambah sebesar 314,1597 dengan syarat bernilai konstan. Jika nilai variabel dan konstan maka nilai Y sebesar dan nilai Y berada pada rentang ±
28 ANALISIS DAN PEMBAHASAN 7. Total Pasokan Energi Primer Model peramalan terbaiknya adalah model peramalan dengan konstanta yaitu karena ukuran kesalahannya lebih kecil. Dari model tersebut diketahui bahwa jika (PDB) bertambah satu satuan maka nilai Y (ramalan pasokan energi primer) bertambah sebesar 52780,52 dengan syarat bernilai konstan. Jika (populasi penduduk) bertambah satu satuan maka nilai Y bertambah sebesar 4548,169. Jika nilai variabel dan konstan maka nilai Y bisa bertambah atau berkurang sebesar
29 KESIMPULAN 1. Dengan menggunakan pendekatan metode Fuzzy Linear Regression diperoleh model dari masing-masing jenis pasokan energi primer sebagai berikut: a. Model peramalan pasokan energi batubara adalah ~ Y = +. i ( 0 ; ) + ( 31242,13 ; 0) Xi1 ( 429,0794 ; 0) Xi2 b. Model peramalan pasokan energi minyak mentah adalah ~ Y = +. i ( 0 ; 2012,387) Xi1 ( 2185,479 ; 91,00833) Xi2 c. Model peramalan pasokan energi gas bumi adalah ~ Y = +. i ( ; ) + ( 18540,41 ; 0) Xi1 ( 0 ; 0) Xi2 d. Model peramalan pasokan energi tenaga air adalah ~ Y = +. i ( 0 ; ) + ( 2665,543 ; 0) Xi1 ( 87,83874 ; 0) Xi2 e. Model peramalan pasokan energi panas bumi adalah ~ Y = +. i ( ; ,8) + ( 1177,811 ; 0) Xi1 ( 0 ; 0) Xi2 f. Model peramalan pasokan energi biomassa adalah ~ Y i = ( ; ) + ( 1879,252 ; 0) X i 1 + ( ; 0) 2 314,1597 X i. g. Model peramalan total pasokan energi primer adalah ~ Y = +. i ( 0 ; ) + ( 52780,52 ; 0) Xi1 ( 4548,169 ; 0) Xi2
30 KESIMPULAN 2. Dengan menggunakan perhitungan MAPE maka didapatkan ukuran kesalahan dari masing-masing jenis pasokan energi primer dan total pasokan energi primer sebagai berikut: a. Nilai MAPE pasokan energi batubara adalah 10,76 %. b. Nilai MAPE pasokan energi minyak mentah adalah 4,40 %. c. Nilai MAPE pasokan energi gas bumi adalah 6,77 %. d. Nilai MAPE pasokan energi tenaga air adalah 15,18 %. e. Nilai MAPE pasokan energi panas bumi adalah 3,69 %. f. Nilai MAPE pasokan energi biomassa adalah 0,79 %. g. Nilai MAPE total pasokan energi primer adalah 2,19 %.
31 DAFTAR PUSTAKA Andriyanto, US at al. (1992). Metode dan Aplikasi Peramalan. Jakarta. Erlangga. Astuti, DR. (2009). Peramalan Beban Jangka Pendek untuk Hari-hari Libur Menggunakan Fuzzy Linear Regression (FLR) yang Dioptimasi dengan Artificial Immune System (AIS) (Studi Kasis di Kalimantan Selatan-Tengah). Institut Teknologi Sepuluh Nopember Surabaya,Tugas Akhir S1 Jurusan Elektro. Azadeh, A., Khakestani, M., Saberi, M. (2009). A Flexible Fuzzy Regression Algorithm for Forecasting Oil Consumption Estimation.Journal of Energy Policy 37. Hal Azadeh, A., Saberi, M., Asadzadeh, S.M., Khakestani, M. (2011). A Hybrid Fuzzy Mathematical Programing-Design of Experiment Framework for Improvement of Energy Consumption Estimation With Small Data Sets and Uncertainty: The Case of USA, Canada, Singapore, Pakistan, and Iran. Journal of Energy. Hal (2012, April 4). Biomassa.Available: BPS. (2009). Statistik Indonesia. Jakarta : CV Gita Sarana Elektrindo.
32 DAFTAR PUSTAKA... (2012, February 8). Handbook of Energy & Economic Statistics of Indonesia Available: Kusumadewi, Sri at al. (2010). Aplikasi Logika Fuzzy Untuk Pendukung Keputusan, edisi kedua. Yogyakarta : Graha Ilmu. Kusumadewi, Sri at al. (2010). Fuzzy Multi-Atribute Decision Making (Fuzzy MADM). Yogyakarta : Graha Ilmu.... (2012, February 8). Manual Statistik Energi. Available: (2012, April 4). Panas Bumi. Available: (2012, February 8). Produk Domestik Bruto (PDB).Available: (2012, February 8). Produk Domestik Bruto (PDB). Available:
33 DAFTAR PUSTAKA Raharja, A., Angraeni, W., Vinarti, R.A., (2010). Penerapan Metode Exponential Smoothing Untuk Peramalan Penggunaan Waktu Telepon Di PT. Telkomsel Divre3 Surabaya. Institut Teknologi Sepuluh Nopember Surabaya, Tugas Akhir S1 Jurusan Sistem Informasi. Shapiro, AF. (2005). Fuzzy Regression Models. Article of Penn State University.... (2012, April 4). Tenaga Air. Available:
34 ... TERIMA KASIH...
SEMINAR HASIL TUGAS AKHIR
SEMINAR HASIL TUGAS AKHIR Model Peramalan Konsumsi Energi Final dengan Menggunakan Metode Regresi Fuzzy Untuk Dataset Kecil (Studi Kasus: Indonesia) Oleh: Alfi Lailah (1207 100 065) Dosen Pembimbing: Dra.
PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati ( )
TUGAS AKHIR PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati (1207 100 031) Dosen Pembimbing: Drs. I G Ngurah Rai Usadha, M.Si Dra. Nuri
OPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION
OPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION NILA YUWIDA 1208100015 Dosen Pembimbing : Dra. Nuri Wahyuningsih, M.Kes Drs. Lukman Hanafi,
UJIAN TUGAS AKHIR EKA NOVI NURHIDAYATI. Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember 2012
UJIAN TUGAS AKHIR APLIKASI ALGORITMA NONLINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PARAMETER α DALAM METODE PEMULUSAN EKSPONENSIAL SATU PARAMETER EKA NOVI NURHIDAYATI 1208 100 040 Jurusan Matematika Fakultas
BAB IV ANALISIS HASIL PENGOLAHAN DATA
BAB IV ANALISIS HASIL PENGOLAHAN DATA 4.1 Pola Dasar Permintaan Dari hasil pengumpulan data aktual yang telah dilakukan mengenai pertumbuhan jumlah kartu kredit BCA yang dimiliki oleh cardholder BCA Cabang
PENERAPAN LEAST SQUARE METHOD UNTUK PERAMALAN PENJUALAN DI HIJABSTORY BANDUNG
PENERAPAN LEAST SQUARE METHOD UNTUK PERAMALAN PENJUALAN DI HIJABSTORY BANDUNG Wendi Wirasta, Muhamad Luthfi Ashari 2 Program Studi Teknik Informatika, STMIK & Ilmu Komputer LPKIA Jl. Soekarno Hatta 456,
METODE 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
PENGGUNAAN ALGORITMA NONLINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PARAMETER DALAM METODE PEMULUSAN EKSPONENSIAL SATU PARAMETER
PENGGUNAAN ALGORITMA NONLINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PARAMETER DALAM METODE PEMULUSAN EKSPONENSIAL SATU PARAMETER Nama Mahasiswa : Eka Novi Nurhidayati NRP : 1208 100 040 Jurusan : Matematika
PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) L K Widyapratiwi 1, I P A Mertasana 2, I G D Arjana 2 1 Mahasiswa Teknik Elektro, Fakultas
PENERAPAN 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
ANALISIS 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
BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Sebuah fakta bahwa waktu adalah uang dalam aktivitas penjualan. Pengambilan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sebuah fakta bahwa waktu adalah uang dalam aktivitas penjualan. Pengambilan keputusan merupakan hal yang penting untuk kesuksesan penjualan. Dalam hal ini seseorang
Optimasi Jumlah Pelanggan Perusahaan Daerah Air Minum Surya Sembada Kota Surabaya Berdasarkan Jenis Pelanggan dengan Metode Fuzzy Goal Programming
JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2013) 1-6 1 Optimasi Jumlah Pelanggan Perusahaan Daerah Air Minum Surya Sembada Kota Surabaya Berdasarkan Jenis Pelanggan Metode Fuzzy Goal Programming Rofiqoh
BAB 3 PENGOLAHAN DATA
BAB 3 PENGOLAHAN DATA 3.1 Pengertian Pengolahan Data Pengolahan data dapat diartikan sebagai penjabaran atas pengukuran data kuantitatif menjadi suatu penyajian yang lebih mudah dimengerti dan menguraikan
SIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman 333-342 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian SIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY
BAB 5 KESIMPULAN, KEKURANGAN PENELITIAN DAN SARAN. Dari hasil pengujian peramalan dengan menggunakan metode Fuzzy Mamdani
BAB 5 KESIMPULAN, KEKURANGAN PENELITIAN DAN SARAN 5. 1 Kesimpulan Dari hasil pengujian peramalan dengan menggunakan metode Fuzzy Mamdani dan bantuan software Matlab, dapat diambil beberapa kesimpulan sebagai
Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
BAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1. Peramalan 2.1.1. Pengertian dan Kegunaan Peramalan Peramalan (forecasting) menurut Sofjan Assauri (1984) adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang
METODE PENELITIAN. pelanggan rumah tangga, bisnis, sosial, dan industri pada tahun-tahun yang
III. METODE PENELITIAN 3.1 Pendahuluan Tugas akhir ini merupakan survei yang bertujuan untuk mengetahui pengaruh pendapatan konsumen dan jumlah penduduk terhadap kebutuhan/permintaan energi listrik di
S (t)=ax(t)+(1-a)s t-1 (2) S (t)=asn(t)+(1-a)s t-1 (3) F(t+m)=S(t)+mb(t) (4)
Ju rnal)lm iah. %2O 6ol.,. o. data ini terjadi jika terdapat data yang berfluktuasi di sekitar nilai rata-rata yang konstan. Suatu produk yang penjualannya tidak meningkat atau menurun selama waktu tertentu
PREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) Supriyanto 1, Sudjono 2, Desty Rakhmawati 3 ( 1,2. UNSOED Purwokerto, 3. STMIK
PERAMALAN JUMLAH TAMU HOTEL DI KABUPATEN DEMAK
PERAMALAN JUMLAH TAMU HOTEL DI KABUPATEN DEMAK MENGGUNAKAN METODE SUPPORT VECTOR REGRESSION SKRIPSI Disusun Oleh : DESY TRISHARDIYANTI ADININGTYAS 24010211130047 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
BAB I PENDAHULUAN. pada waktu yang akan datang berdasarkan data empiris. Data empiris(terhitung)
BAB I PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan proses perkiraan tentang sesuatu yang terjadi pada waktu yang akan datang berdasarkan data empiris. Data empiris(terhitung) merupakan data yang
BAB 2 TINJAUAN TEORITIS. Semua barang dan jasa sebagai hasil dari kegiatan-kegiatan ekonomi yang beroperasi
BAB 2 TINJAUAN TEORITIS 2.1 Produk Domestik Regional Bruto (PDRB) Semua barang dan jasa sebagai hasil dari kegiatan-kegiatan ekonomi yang beroperasi diwilayah domestik, tanpa memperhatikan apakah faktor
BAB 2 TINJAUAN TEORITIS. Seperti diketahui PDRB adalah penjumlahan dari seluruh Nilai Tambah Bruto (NTB)
BAB 2 TINJAUAN TEORITIS 2.1 Produk Domestik Regional Bruto (PDRB) Seperti diketahui PDRB adalah penjumlahan dari seluruh Nilai Tambah Bruto (NTB) yang dihasilkan oleh setiap kegiatan/lapangan usaha. Dalam
BAB 2 LANDASAN TEORI. datang dengan waktu yang relatif lama (assaury, 1991). Secara teoritis peramalan
18 BAB 2 LANDASAN TEORI 2.1 Pengertian Ramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama (assaury, 1991). Secara teoritis peramalan
BAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tenaga listrik merupakan kebutuhan yang sangat penting bagi manusia dalam melakukan aktifitasnya sehari-hari. Peralatan rumah tangga maupun industri hampir semuanya
Prediksi Persediaan Ikan Teri Menggunakan Exponential Smoothing Berbasis Ordered Weighted Aggregation
Jurnal Ilmiah NERO Vol. 1 No. 1 2014 Prediksi Persediaan Ikan Teri Menggunakan Exponential Smoothing Berbasis Ordered Weighted Aggregation Bain Khusnul Khotimah 1, Moh. Laili 2, Budi Dwi Satoto 3 1,2)
Peramalan 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
BAB III METODE PENELITIAN. (time series data). Dalam penelitiaan ini digunakan data perkembangan pertumbuhan ekonomi,
BAB III 3.1. Jenis dan Sumber Data METODE PENELITIAN 3.1.1. Jenis Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder yang digunakan adalah data yang dicatat secara
BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan
BAB 2 LANDASAN 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
Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang
APLIKASI PREDIKSI JUMLAH PASIEN RAWAT INAP BERBASIS WEB MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING (DES) DI RSUD SUMBAWA BESAR HALAMAN JUDUL TUGAS AKHIR Diajukan Untuk Memenuhi Persyaratan Guna Meraih
PERBANDINGAN METODE RUNTUN WAKTU FUZZY-CHEN DAN FUZZY- MARKOV CHAIN UNTUK MERAMALKAN DATA INFLASI DI INDONESIA
ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 015, Halaman 917-96 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN METODE RUNTUN WAKTU FUZZY-CHEN DAN FUZZY- MARKOV CHAIN
METODE PEMULUSAN EKSPONENSIAL WINTER UNTUK PERAMALAN ABSTRACT
METODE PEMULUSAN EKSPONENSIAL WINTER UNTUK PERAMALAN Arganata Manurung 1, Bustami 2, M.D.H. Gamal 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan
Prediksi Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Menggunakan Fuzzy Time Series
Prediksi Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Menggunakan Fuzzy Time Series Arfinda Setiyoutami a, Wiwik Anggraeni b, Renny Pradina Kusumawardani c Jurusan Sistem Informasi
IV. GAMBARAN UMUM HARGA MINYAK DUNIA DAN KONDISI PEREKONOMIAN NEGARA-NEGARA ASEAN+3
IV. GAMBARAN UMUM HARGA MINYAK DUNIA DAN KONDISI PEREKONOMIAN NEGARA-NEGARA ASEAN+3 4.1 Perkembangan Harga Minyak Dunia Pada awal tahun 1998 dan pertengahan tahun 1999 produksi OPEC turun sekitar tiga
Dwi Puspitasari 1, Mustika Mentari 2, Wildan Ridho Faldiansyah 3
PENERAPAN METODE SINGLE EXPONENTIAL SMOOTHING MENGGUNAKAN PENDEKATAN ADAPTIF PADA PERAMALAN JUMLAH PELANGGAN DAN KEBUTUHAN AIR PADA PDAM KOTA PROBOLINGGO Dwi Puspitasari 1, Mustika Mentari 2, Wildan Ridho
Institut Teknologi Sepuluh Nopember Surabaya
Aplikasi Sistem Inferensi Fuzzy Metode Sugeno dalam Memperkirakan Produksi Air Mineral dalam Kemasan Oleh Suwandi NRP 1209201724 Dosen Pembimbing 1. Prof. Dr M. Isa Irawan, MT 2. Dr Imam Mukhlash, MT Institut
JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) A-31
JURNAL SAINS DAN SENI ITS Vol 4, No2, (2015) 2337-3520 (2301-928X Print) A-31 Perbandingan Performansi Metode Peramalan Fuzzy Time Series yang Dimodifikasi dan Jaringan Syaraf Tiruan Backpropagation (Studi
Peramalan 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
PERAMALAN (Forecast) (ii)
PERAMALAN (Forecast) (ii) Disajikan oleh: Bernardus Budi Hartono Web : http://pakhartono.wordpress.com E-mail: pakhartono at gmail dot com budihartono at acm dot org Teknik Informatika [Gasal 2009 2010]
BAB II TINJAUAN TEORITIS
BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasting) 2.1.1 Pengertian Peramalan Peramalan dapat diartikan sebagai berikut: a. Perkiraan atau dugaan mengenai terjadinya suatu kejadian atau peristiwa di waktu
Saintia Matematika ISSN: Vol. 2, No. 2 (2014), pp
Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 2 (2014), pp. 115 126. PERENCANAAN JUMLAH PRODUKSI MIE INSTAN DENGAN PENEGASAN (DEFUZZIFIKASI)CENTROID FUZZY MAMDANI (Studi Kasus: Jumlah Produksi Indomie
Peramalan Menggunakan Metode Fuzzy Time Series Cheng. Forecasting Using Fuzzy Time Series Cheng Method
Jurnal EKSPONENSIAL Volume 8, Nomor, Mei 07 ISSN 085-789 Peramalan Menggunakan Metode Fuzzy Time Series Cheng Forecasting Using Fuzzy Time Series Cheng Method Sumartini, Memi Nor Hayati, dan Sri Wahyuningsih
SKRIPSI 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
KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q)
UJIAN TUGAS AKHIR KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q) Disusun oleh : Novan Eko Sudarsono NRP 1206.100.052 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
SIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE. Oleh : DEWI SETYA KUSUMAWARDANI
SIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE Oleh : DEWI SETYA KUSUMAWARDANI 24010210120007 Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana
ANALISIS REGRESI NONPARAMETRIK KERNEL DAN SAMPEL TERHAPUS-2. (Studi Kasus: Pemodelan Tingkat Inflasi Terhadap Nilai Tukar Rupiah di
ANALISIS REGRESI NONPARAMETRIK KERNEL MENGGUNAKAN METODE JACKKNIFE SAMPEL TERHAPUS-1 DAN SAMPEL TERHAPUS-2 (Studi Kasus: Pemodelan Tingkat Inflasi Terhadap Nilai Tukar Rupiah di Indonesia Periode 2004-2016)
JURNAL GAUSSIAN, Volume 2, Nomor 3, Tahun 2013, Halaman Online di:
JURNAL GAUSSIAN, Volume 2, Nomor 3, Tahun 2013, Halaman 197-207 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN ARIMA DENGAN FUZZY AUTOREGRESSIVE (FAR) DALAM PERAMALAN INTERVAL
Sistem 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
BAB 4 IMPLEMENTASI HASIL PENELITIAN
45 BAB 4 IMPLEMENTASI HASIL PENELITIAN 4.1 Spesifikasi Hardware dan Software Rancangan ini dibuat dan dites pada konfigurasi hardware sebagai berikut: Processor : Intel Pentium 4 CPU 1500 MHz. Memory :
BAB 1 PENDAHULUAN. 1.1 Latar Belakang. Pertumbuhan ekonomi berarti perkembangan kegiatan dalam perekonomian yang
11 BAB 1 PENDAHULUAN 1.1 Latar Belakang Pertumbuhan ekonomi berarti perkembangan kegiatan dalam perekonomian yang menyebabkan barang dan jasa yang diproduksi dalam masyarakat bertambah dan kemakmuran masyarakat
PERAMALAN JUMLAH SISWA/I SEKOLAH MENENGAH ATAS SWASTA MENGGUNAKAN ENAM METODE FORECASTING
PERAMALAN JUMLAH SISWA/I SEKOLAH MENENGAH ATAS SWASTA MENGGUNAKAN ENAM METODE FORECASTING Lim Sanny 1, Haryadi Sarjono 1 1 Department of Management, Binus University Jln. KH. Syahdan No. 9, Kemanggisan,
PERAMALAN (FORECASTING)
#3 - Peramalan (Forecasting) #1 1 PERAMALAN (FORECASTING) EMA302 Manajemen Operasional Pengertian (1) 2 Oxford Dictionary, Forecast is a statement about what will happen in the future, based on information
BAB III TINJAUAN PUSTAKA
BAB III TINJAUAN PUSTAKA 3.1 Teori Dunia industri biasanya tak lepas dari suatu peramalan, hal ini disebabkan bahwa peramalan dapat memprediksi kejadian di masa yang akan datang untuk mengambil keputusan
Aplikasi 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
BAB 2 TINJAUAN TEORITIS. yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan terjadi
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan
Bab I. Pendahuluan Latar Belakang Masalah
1.1. Latar Belakang Masalah Bab I Pendahuluan Pertumbuhan ekonomi adalah proses perubahan kondisi perekonomian secara berkesinambungan menuju keadaan yang lebih baik selama periode tertentu. Pertumbuhan
BAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 1.1 Tempat Penelitian Penelitian ini dilakukan di PT. Aetra Air Jakarta, Jl. Jend. Sudirman Ged. Sampoerna Strategic Square. 1.2 Obyek Penelitian Objek penelitian dilakukan
BAB 2 LANDASAN TEORITIS
BAB 2 LANDASAN TEORITIS 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksikan apa yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.
Model Peramalan Jumlah Pernikahan Menggunakan Metode Fuzzy Time Series dengan Algoritma Average Based Length pada KUA
Model Peramalan Jumlah Pernikahan Menggunakan Metode Fuzzy Time Series dengan Algoritma Average Based Length pada KUA Solikhin 1, Martono 2, Puji Nugroho 3) 1,3 Program Studi Sistem Informasi, STMIK Himsya
BAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Emas merupakan logam mulia yang sering dijadikan sebagai alat tukar dalam perdagangan maupun sebagai standar keuangan berbagai negara. Nilai emas yang tidak pernah
BAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Produk Domestik Regional Bruto (PDRB) merupakan salah satu indikator penting untuk mengetahui kondisi ekonomi di suatu daerah dalam suatu periode tertentu, baik atas
Program Studi Matematika, Institut Teknologi Kalimantan, Balikpapan
J. Math. and Its Appl. E-ISSN: 2579-8936 P-ISSN: 1829-605X Vol. 14, No. 2, Desember 2017, 25-37 Perbandingan Metode ARIMA dan Double Exponential Smoothing pada Peramalan Harga Saham LQ45 Tiga Perusahaan
IMPLEMENTASI METODE TRIPLE EXPONENTIAL SMOOTHING DALAM PERAMALAN PENJUALAN PULSA ELEKTRIK
IMPLEMENTASI METODE TRIPLE EXPONENTIAL SMOOTHING DALAM PERAMALAN PENJUALAN PULSA ELEKTRIK Sugiyanto 1, Rinci Kembang Hapsari 2 1,2 Jurusan Teknik Informatika Fakultas Teknologi Informasi Institut Teknologi
PERBANDINGAN METODE RUNTUN WAKTU FUZZY-CHEN DAN DI INDONESIA
PERBANDINGAN METODE RUNTUN WAKTU FUZZY-CHEN DAN FUZZY-MARKOV CHAIN UNTUK MERAMALKAN DATA INFLASI DI INDONESIA SKRIPSI Disusun Oleh : LINTANG AFDIANTI NURKHASANAH NIM. 24010211120004 JURUSAN STATISTIKA
PERAMALAN PENJUALAN AVTUR DENGAN MEMPERTIMBANGKAN SPECIAL EVENT
SIG TUGAS AKHIR PERAMALAN PENJUALAN AVTUR DENGAN MEMPERTIMBANGKAN SPECIAL EVENT Siti Lukmatul Henifa (1210 100 064) Pembimbing: Dra. Nuri Wahyuningsih, M.Kes. Senin, 20 Januari 2014 Matematika - ITS Page
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Sedangkan
KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q)
SIDANG TUGAS AKHIR KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) Disusun oleh : Ratna Evyka E.S.A NRP 1206.100.043 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
BAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pengolahan buah dan sayuran menjadi produk siap saji memiliki nilai tambah tersendiri bagi pasar. Salah satunya adalah pengolahan buah dan sayuran menjadi makanan ringan
BAB 1 PENDAHULUAN. 1.1 Latar Belakang. Perencanaan pembangunan ekonomi daerah memerlukan data agar sasarannya
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perencanaan pembangunan ekonomi daerah memerlukan data agar sasarannya dapat dicapai dengan tepat. Pembangunan ekonomi diharapkan dapat meningkatkan pendapatan masyarakat
BAB 1 PENDAHULUAN. 1.1 Latar Belakang. Pendapatan perkapita merupakan besarnya pendapatan rata-rata penduduk suatu
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Pendapatan perkapita merupakan besarnya pendapatan rata-rata penduduk suatu negara pada suatu periode tertentu, yang biasanya satu tahun. Pendapatan perkapita diperoleh
ANALISIS PERAMALAN PENJUALAN PRODUK KECAP PADA PERUSAHAAN KECAP MANALAGI DENPASAR BALI.
ANALISIS PERAMALAN PENJUALAN PRODUK KECAP PADA PERUSAHAAN KECAP MANALAGI DENPASAR BALI Ni Putu Lisna Padma Yanti 1, I.A Mahatma Tuningrat 2, A.A.P. Agung Suryawan Wiranatha 2 1 Mahasiswa Jurusan Teknologi
Peramalan (Forecasting)
Peramalan (Forecasting) Peramalan (forecasting) merupakan suatu proses perkiraan keadaan pada masa yang akan datang dengan menggunakan data di masa lalu (Adam dan Ebert, 1982). Awat (1990) menjelaskan
Sistem Pengendalian Persediaan Dengan Permintaan Dan Pasokan Tidak Pasti (Studi Kasus Pada PT.XYZ)
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1 Sistem Pengendalian Persediaan Dengan Permintaan Dan Pasokan Tidak Pasti (Studi Kasus Pada PT.XYZ) Ayu Tri Septadianti, Drs. I Gusti Ngurah Rai Usadha,
MODEL DINAMIK PERENCANAAN CADANGAN STRATEGIS BAHAN BAKAR MINYAK JENIS BENSIN (RON 88, RON 92, DAN RON 95) DI INDONESIA
MODEL DINAMIK PERENCANAAN CADANGAN STRATEGIS BAHAN BAKAR MINYAK JENIS BENSIN (RON 88, RON 92, DAN RON 95) DI INDONESIA Ario Wicaksono Santosa, Andy Noorsaman Sommeng, Anondho Wijanarko Departemen Teknik
PERBANDINGAN KEEFEKTIFAN METODE MOVING AVERAGE DAN EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH PENGUNJUNG HOTEL MERPATI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 251 258. PERBANDINGAN KEEFEKTIFAN METODE MOVING AVERAGE DAN EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH PENGUNJUNG HOTEL
ABSTRAK. 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)
PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN
Feng PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK... 211 PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN Tan
Pengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation
Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko Pengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko
Pembahasan Materi #7
1 EMA402 Manajemen Rantai Pasokan Pembahasan 2 Pengertian Moving Average Alasan Tujuan Jenis Validitas Taksonomi Metode Kualitatif Metode Kuantitatif Time Series Metode Peramalan Permintaan Weighted Woving
BAB 1 PENDAHULUAN. energi perlu dilaksanakan secara berdaya guna dan berhasil guna. Disisi lain
BAB 1 PENDAHULUAN 1.1 Latar Belakang Energi mempunyai peranan yang sangat penting dalam kehidupan manusia dan dalam proses pembangunan. Oleh sebab itu peningkatan serta pembangunan dalam sektor energi
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
OPTIMIZATION THE NUMBER OF GENTRY FILLING OIL (BBM) USING A LINEAR PROGRAMMING APPROACH TO FULFILL THE DEMAND (Case Study : PT.
OPTIMASI BANYAKNYA GENTRY PENGISIAN BAHAN BAKAR MINYAK (BBM) DENGAN PENDEKATAN PROGRAM LINIER UNTUK MEMENUHI PERMINTAAN (Studi Kasus : PT.XYZ Surabaya) OPTIMIZATION THE NUMBER OF GENTRY FILLING OIL (BBM)
BAB 1 PENDAHULUAN. Produk Domestik Regional Bruto (PDRB) didefinisikan sebagai jumlah nilai tambah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Produk Domestik Regional Bruto (PDRB) merupakan salah satu indikator penting untuk mengetahui kondisi ekonomi suatu wilayah dalam suatu periode tertentu. Produk Domestik
1. PENDAHULUAN 2. KAJIAN PUSTAKA
1. PENDAHULUAN Perkebunan teh menjadi salah satu sektor potensial pembangunan Jawa Barat, karena telah mampu memberikan andil besar dalam kehidupan perekonomian. Sektor perkebunan teh memiliki fungsi ekonomi
DAFTAR ISI. LEMBAR PENGESAHAN PEMBIMBING... ii. LEMBAR PERNYATAAN KEASLIAN... iii. LEMBAR PENGESAHAN PENGUJI... iv. HALAMAN PERSEMBAHAN...
DAFTAR ISI LEMBAR PENGESAHAN PEMBIMBING... ii LEMBAR PERNYATAAN KEASLIAN... iii LEMBAR PENGESAHAN PENGUJI... iv HALAMAN PERSEMBAHAN... v HALAMAN MOTTO... vi KATA PENGANTAR DAN UCAPAN TERIMA KASIH... vii
METODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN
METODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN Peramalan kuantitatif hanya dapat digunakan apabila terdapat
BAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Bab ini akan membahas tentang latar belakang, rumusan masalah, keaslian penelitian, tujuan penelitian, manfaat penelitian, batasan masalah, dan sistematika penulisan. 1.1 Latar Belakang
ESTIMASI PARAMETER MODEL HYBRIDIZING EXPONENTIAL SMOOTHING DAN NEURAL NETWORK PADA HASIL PENGUKURAN MEAN SEA LEVEL SATELIT ALTIMETRI JASON 2
Vol. 7, No. 2, Desember 2012 ESTIMASI PARAMETER MODEL HYBRIDIZING EXPONENTIAL SMOOTHING DAN NEURAL NETWORK PADA HASIL PENGUKURAN MEAN SEA LEVEL SATELIT ALTIMETRI JASON 2 Novi Mara KODE ARTIKEL : 117-2-12
ANALISIS PERBANDINGAN METODE LOGIKA FUZZY DAN REGRESI LINEAR PADA PERAMALAN KONSUMSI ENERGI LISTRIK DI RAYON SEMARANG BARAT TAHUN
ANALISIS PERBANDINGAN METODE LOGIKA FUZZY DAN REGRESI LINEAR PADA PERAMALAN KONSUMSI ENERGI LISTRIK DI RAYON SEMARANG BARAT TAHUN 2015-2019 Wisnu Prayogo *), Bambang Winardi, and Agung Nugroho Departemen
BAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu ratarata temperatur bumi periode tahun 1880 sampai dengan tahun 2012. 3.2 Jenis dan
T 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX
T 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX Oleh: Intan Widya Kusuma Program Studi Matematika, FMIPA Universitas Negeri yogyakarta
KEANDALAN PERAMALAN. Disajikan oleh: Bernardus Budi Hartono. Teknik Informatika [Gasal ] FTI - Universitas Stikubank Semarang
![KEANDALAN PERAMALAN. Disajikan oleh: Bernardus Budi Hartono. Teknik Informatika [Gasal ] FTI - Universitas Stikubank Semarang](/thumbs/54/34511299.jpg "KEANDALAN PERAMALAN. Disajikan oleh: Bernardus Budi Hartono. Teknik Informatika [Gasal ] FTI - Universitas Stikubank Semarang")
KEANDALAN PERAMALAN Disajikan oleh: Bernardus Budi Hartono Web : http://pakhartono.wordpress.com E-mail: pakhartono at gmail dot com budihartono at acm dot org Teknik Informatika [Gasal 2009 2010] FTI
PERTUMBUHAN EKONOMI BALI TRIWULAN III TAHUN 2010
No. 46/11/51/Th. IV, 5 Nopember PERTUMBUHAN EKONOMI BALI TRIWULAN III TAHUN PDRB Provinsi Bali I meningkat sebesar 2,65 persen dibanding triwulan sebelumnya (q-to-q). Peningkatan terjadi di hampir semua
PENGARUH HARGA BAWANG MERAH IMPOR TERHADAP PERMINTAAN IMPOR BAWANG MERAH DI INDONESIA TAHUN
PENGARUH HARGA BAWANG MERAH IMPOR TERHADAP PERMINTAAN IMPOR BAWANG MERAH DI INDONESIA TAHUN 2002-2012 Julika Rahma Siagian Program Studi Ilmu Ekonomi, Pasca Sarjana, Medan Sumatera Utara Universitas Negeri
JURNAL TEKNIK DINTEK, Vol. 10 No. 02, September 2017 : 21-31
ANALISIS PERBANDINGAN TINGKAT AKURASI METODE AVERAGE BASED FTS MARKOV CHAIN DENGAN AUTOMATIC CLAUSTERING FTS MARKOV CHAIN DALAM PERAMALAN DATA TIMESERIES Junaidi Noh Dosen Program Study Teknik Informatika
PREDIKSI KONSUMSI LISTRIK BANGUNAN MENGGUNAKAN METODE STASTIK
PREDIKSI KONSUMSI LISTRIK BANGUNAN MENGGUNAKAN METODE STASTIK T. Iqbal Faridiansyah Dosen Teknik Elektro Universitas Malikussaleh Abstrak Persoalan untuk memperoleh prediksi yang akurat dari konsumsi listrik
PENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL PERGERAKAN INFLASI KOTA PALU
PENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL PERGERAKAN INFLASI KOTA PALU Romy Biri ), Yohanes A.R. Langi ), Marline S. Paendong ) ) Program Studi Matematika FMIPA Universitas Sam Ratulangi Jl.
PROYEKSI PDRB ATAS DASAR HARGA BERLAKU MENGGUNAKAN METODE TREND LINIER, PARABOLIK DAN EKSPONENSIAL
PROYEKSI PDRB ATAS DASAR ARGA BERLAKU MENGGUNAKAN METODE TREND LINIER, PARABOLIK DAN EKSPONENSIAL Ayub anan Yanottama 1), Wardono 2) 1 Fakultas MIPA, UniversitasMuhammadiyah Semarang email: ayub.hanan@gmail.com