Prediksi Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Menggunakan Fuzzy Time Series
|
|
- Yanti Sasmita
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember Kampus ITS, Jl Raya ITS, Sukolilo, Surabaya 60111, Indonesia Telp , Fax a horikitazzz@gmail.com, b wiwik@its-sby.edu, c renny.pradina@gmail.com Abstrak Prediksi jumlah kunjungan pasien poli bedah menjadi bagian yang penting dalam penentuan keputusan strategis oleh pihak manajerial Rumah Sakit Onkologi Surabaya, dikarenakan poli bedah yang merupakan inti pelayanan serta tempat dilakukannya proses bisnis utama. Selama ini metode yang digunakan untuk meramalkan jumlah kunjungan pasien adalah dengan memperkirakan jumlah kunjungan pasien yang akan datang berdasarkan proyeksi dari jumlah kunjungan pasien pada tahun sebelumnya yang dilakukan dengan menggunakan Microsoft Excel. Dalam penelitian ini, metode fuzzy time series dipilih untuk melakukan peramalan jumlah kunjungan pasien poli bedah. Kelebihan fuzzy time series dibandingkan dengan metode time series tradisional adalah metode time series tradisional membutuhkan lebih banyak data historikal dan data harus mematuhi distribusi normal. Berdasarkan penelitian sebelumnya, metode ini dapat dikembangkan untuk digunakan dalam meramalkan jumlah kunjungan pasien rawat jalan. Hasil dari penelitian ini adalah prediksi jumlah kunjungan pasien poli bedah yang memiliki akurasi yang baik. Penggunaan metode dalam penelitian ini diharapkan lebih tepat dibandingkan dengan metode yang sebelumnya digunakan pada Rumah Sakit Onkologi Surabaya dalam menghasilkan prediksi jumlah kunjungan pasien poli bedah sehingga dapat membantu pihak manajemen dalam membuat perencanaan serta keputusan strategis seperti penambahan jumlah dokter, tenaga perawat, karyawan ataupun perluasan lahan rumah sakit. Kata Kunci: fuzzy time series, logika fuzzy, himpunan fuzzy, peramalan, jumlah kunjungan pasien rawat jalan 1. Pendahuluan Departemen rawat jalan pada rumah sakit yang menyediakan diagnosa, perawatan, serta perlindungan kesehatan bagi pasien merupakan bagian penting dari organisasi. Meramalkan kunjungan pasien rawat jalan penting untuk mengelola rumah sakit, mengatur sumber daya manusia dan keuangan, serta untuk mendistribusikan sumber daya material dengan benar. Apabila kunjungan pasien rawat jalan dapat diramalkan secara akurat, hal tersebut dapat menjadi dasar untuk memutuskan perencanaan serta pembuatan keputusan bagi pengelola rumah sakit (Cheng, Wang, & Li, 2008). Song & Chissom (199) menampilkan sebuah proses dinamis dengan mengamati nilai-nilai linguistik yang disebut dengan fuzzy time series. Karena nilai-nilai linguistik dapat didefinisikan secara mudah kedalam himpunan fuzzy (Song & Chissom, 199), teori himpunan fuzzy dipertimbangkan untuk menghadapi situasi dimana data yang diamati merupakan data linguistik. Kelebihan fuzzy time series dibandingkan dengan metode time series tradisional adalah metode time series tradisional membutuhkan lebih banyak data historikal dan data harus mematuhi distribusi normal (Cheng, Wang, & Li, 2008). Pada penelitian yang lain Hwang, Chen, & Lee (1998) mengajukan metode baru dalam peramalan jumlah pendaftar pada Universitas Alabama dengan menggunakan fuzzy time series. Perbedaan yang sangat terlihat pada metode tersebut dibandingkan dengan metode fuzzy time series sebelumnya adalah prediksi jumlah pendaftar didapatkan dengan mempertimbangkan nilai variansi pada tiap data historikal dari tahun ke tahun. Selain itu, Chen & Hsu (200) juga mengajukan metode baru dalam prediksi hal yang sama. Salah satu perbedaan dibandingkan dengan metode sebelumnya adalah pembagian interval dari semesta pembicaraan yang lebih baik. Karena perbedaan interval dapat mengakibatkan perbedaan hasil peramalan (Huarng, 2001), maka penentuan interval yang lebih tepat akan meningkatkan akurasi dari hasil peramalan. Cheng, Wang, & Li (2008) melakukan penelitian tentang peramalan jumlah kunjungan pasien rawat jalan menggunakan fuzzy time series baru berdasarkan matriks weighted-transitional. Pada penelitian tersebut, terdapat dua model yang diusulkan yaitu metode expectation serta metode gradeselection yang menghasilkan akurasi peramalan yang lebih baik dibandingkan dengan beberapa metode lain. Dari penelitian tersebut dapat diketahui bahwa metode fuzzy time series dapat digunakan untuk memprediksi jumlah kunjungan pasien rawat jalan. Pada penelitian ini, penulis mengimplementasikan beberapa metode peramalan fuzzy time series untuk memprediksi jumlah kunjungan pasien poli bedah di Rumah Sakit
2 th 2006 th 2007 th 2008 th 2009 th 2010
3
4
5
6 6.1.1 Ekstensi Data Menggunakan Exponential Smoothing Metode exponential smoothing dipilih dalam melakukan ekstensi data adalah double exponential smoothing, Hal itu disebabkan karena untuk melakukan peramalan data yang bersifat time series dengan tipe data yang stasioner bisa digunakan metode DoubleExponential Smoothing yang memliki hasil yang cukup baik (Raharja, Anggraeni, & Vinarti, 2010). Tool yang digunakan untuk melakukan ekstensi data dengan metode ini adalah Microsoft Excel. Setelah dilakukan uji coba dengan nilai α mulai dari 0,1 hingga 0,9, serta nilai β mulai dari 0,01 hingga 0,1 yang terdapat pada tabel 1, nilai MAPE terkecil adalah saat α bernilai 0, dan β bernilai 0,07. Maka dari itu, nilai tersebut digunakan dalam ekstensi data menggunakan exponential smoothing. Tabel 1 Hasil Uji Coba Nilai β β MAPE 0,01 10, ,02 10, ,0 10, ,0 10, ,05 10, ,06 10, ,07 10, ,08 10, ,09 10, ,1 10, Ekstensi Data Berdasarkan Rata-Rata Data Tiap Sesuai dengan karakteristik pola data yang cenderung stasioner, ekstensi data juga dapat dilakukan berdasarkan rata-rata data tiap periode. Hal ini dilakukan dengan cara menghitung rata-rata jumlah kunjungan tiap periodenya. Sehingga dihasilkan data sejumlah periode yang ada. Ekstensi data berdasarkan metode ini dapat menghasilkan data dengan jangkauan yang sama dengan data aktual, sehingga nilai peramalan yang dihasilkan dengan ekstensi data ini tidak jauh berbeda dengan nilai aktual. 6.2 Hasil Uji Coba Peramalan Uji coba dilakukan berdasarkan beberapa skenario yang diterapkan untuk melakukan prediksi berdasarkan data historikal jumlah kunjungan pasien poli bedah di Rumah Sakit Onkologi Surabaya. Uji coba tersebut dilakukan untuk peramalan sepanjang 12 periode. Dalam skenario uji coba digunakan parameter yang dibagi menjadi dua, yaitu parameter umum dan parameter khusus. Parameter umum yang diterapkan pada ketiga model peramalan adalah perubahan panjang interval. Sedangkan parameter khusus berupa perubahan nilai pembagi interval yang disesuaikan dengan langkah-langkah peramalan yang terdapat pada masing-masing model. Uraian skenario uji coba tersebut dijelaskan pada tabel 2. Parameter panjang interval sebesar 100 ditentukan dari batas atas serta batas bawah interval yang merupakan kelipatan dari 100. Hal tersebut disesuaikan dengan data yang ada. Agar panjang interval bervariasi dan dapat diketahui dampak perubahannya terhadap akurasi peramalan, penulis menambahkan nilai lain yang dapat membagi habis bilangan kelipatan 100 sebagai parameter uji coba peramalan. Nilai tersebut adalah 50 dan 25. Model Peramalan Hwang, Chen, & Lee (1998) Chen & Hsu (200) Gabungan Tabel 2 Uraian Skenario Uji Coba Parameter Umum sebesar 100 sebesar 50 sebesar 25 sebesar 100 sebesar 50 sebesar 25 sebesar 100 sebesar 50 sebesar 25 Parameter Khusus Pembagi Interval Satu skenario uji coba pada tabel 2 tersebut dilakukan sebanyak jumlah ekstensi data. Dalam hal ini, ekstensi data yang ada adalah menggunakan exponential smoothing serta berdasarkan rata-rata data tiap periode. Tiap peramalan dengan skenario uji coba tersebut menghasilkan dua hasil yang berbeda dan nantinya akan dianalisis perbedaannya. Selain pada hasil uji coba ekstensi data, perubahan interval, ataupun pembagi interval pada satu model, analisis juga dilakukan pada perbandingan hasil uji coba tiap model. Sehingga model yang paling tepat untuk digunakan sebagai model peramalan jumlah kunjungan pasien poli bedah di Rumah Sakit Onkologi Surabaya dapat diketahui. Evaluasi hasil peramalan berdasarkan seluruh uji coba telah ditentukan sebelumnya ditampilkan pada tabel. Hal tersebut diperjelas dengan ilustrasi dalam bentuk diagram batang yang dibedakan berdasarkan model peramalannya pada gambar, gambar, dan gambar 5. Diagram batang pada tiap model tersebut ditampilkan dengan urutan sesuai dengan yang terdapat pada tabel. Kolom ataupun bagian pada diagram batang yang diberi shading berwarna merah muda merupakan MAPE dari skenario yang menghasilkan MAPE paling kecil pada tiap modelnya.
7 Model Peramalan Ekstensi Data Panjang Interval Skenario Pembagi Interval MAPE (%) Hwang, Chen, & Lee (1998) Chen & Hsu (200) Gabungan Exp Smoothing Rata-Rata Data Tiap Exp Smoothing Rata-Rata Data Tiap Exp Smoothing Rata-Rata Data Tiap , , , , , , ,997 10, , , , , , , ,121 11, , , , , ,107 12, , , ,5 11, , , ,57 12, ,5 1 12, , ,
8 Data Ekstensi Peramalan Aktual Data Jan Feb Mar Apr Jun Jul Agu Sep Okt Nov Des Jan Feb Mar Apr Jun Jul Agu Sep Okt Nov Des Error MAPE (%) Jan , Feb , Mar , Apr , , Jun-10-6, Jul , Agu , Sep ,2891 Okt , Nov , Des , Pada gambar 6 dapat diketahui bahwa beberapa titik pada data hasil peramalan terlihat sangat mendekati titik pada data aktual yang dapat menunjukkan bahwa nilai error yang dihasilkan kecil. Error paling kecil adalah pada periode bulan Agustus yang juga dapat dilihat pada tabel 5 yaitu sebanyak 8. Sedangkan yang terlihat memiliki perbedaan yang cukup jauh adalah perbandingan data aktual dengan hasil peramalan pada periode bulan dan Desember. Namun secara keseluruhan, peramalan tersebut memiliki akurasi yang baik karena nilai MAPE-nya terdapat diantara 10-20%. Jumlah Kunjungan Pasien Gambar 6 Grafik Perbandingan Hasil Peramalan dengan Data Aktual Berdasarkan Model Chen & Hsu (200) dengan Ekstensi Data Menggunakan Exponential Smoothing dengan Panjang Interval Sebesar 25 dan Pembagi Interval 7. Kesimpulan Jan-10 Feb-10 Data Aktual Peramalan Mar-10 Apr Jun-10 Jul-10 Agust-10 Sep-10 Okt-10 Nov-10 Des-10 Kesimpulan didapatkan berdasarkan implementasi serta uji coba model peramalan yang telah dicantumkan pada bab sebelumnya dan sesuai dengan karakteristik data jumlah kunjungan pasien poli bedah di Rumah Sakit Onkologi Surabaya. Kesimpulan tersebut berdasarkan hasil uji coba ketiga model peramalan saat menggunakan ekstensi data exponential smoothing dan rata-rata data tiap periode. Parameter umum yang digunakan dalam uji coba terhadap ketiga model tersebut adalah panjang interval 100, 50, dan 25. Sedangkan parameter khusus yang digunakan dalam uji coba terhadap model Chen & Hsu (200) serta model gabungan adalah nilai pembagi interval dan. Kesimpulan yang dapat diambil adalah sebagai berikut: Untuk peramalan berdasarkan model Hwang, Chen, & Lee (1998), semakin kecil panjang interval, semakin tinggi akurasinya. Metode ekstensi data yang lebih baik digunakan pada peramalan dengan model ini adalah menggunakan exponential smoothing. Hasil peramalan menggunakan model ini memiliki akurasi paling baik saat menggunakan ekstensi data exponential smoothing dan panjang interval 25. Untuk peramalan berdasarkan model Chen & Hsu (200), terdapat kondisi dimana semakin kecil panjang interval menghasilkan hasil peramalan dengan akurasi yang semakin tinggi. Hal tersebut terjadi saat menggunakan ekstensi data exponential smoothing, serta saat menggunakan ekstensi data berdasarkan ratarata data tiap periode dengan nilai pembagi interval. Namun saat kondisi yang lain, hal tersebut tidak berlaku. Hasil peramalan menggunakan model ini memiliki akurasi paling baik saat menggunakan ekstensi data exponential smoothing, panjang interval 25, serta nilai pembagi interval.
9 Untuk peramalan berdasarkan model gabungan, terdapat kondisi dimana semakin kecil panjang interval menghasilkan hasil peramalan dengan akurasi yang semakin tinggi. Hal tersebut terjadi saat menggunakan ekstensi data exponential smoothing. Sedangkan hal sebaliknya terjadi saat menggunakan ekstensi data berdasarkan rata-rata data tiap periode dimana semakin kecil panjang interval menghasilkan hasil peramalan dengan akurasi yang semakin rendah. Untuk parameter yang lain, semakin kecil nilai pembagi interval menghasilkan hasil peramalan dengan akurasi yang semakin tinggi ketika menggunakan ekstensi data exponential smoothing. Hal sebaliknya terjadi ketika menggunakan ekstensi data berdasarkan rata-rata data tiap periode. Hasil peramalan menggunakan model ini memiliki akurasi paling baik saat menggunakan ekstensi data berdasarkan rata-rata data tiap periode, panjang interval 100, serta nilai pembagi interval. Model yang paling tepat digunakan untuk peramalan jumlah kunjungan pasien poli bedah pada Rumah Sakit Onkologi Surabaya adalah model Chen & Hsu (200) yang menggunakan ekstensi data exponential smoothing dengan parameter berupa panjang interval sebesar 25, dan nilai pembagi interval sebesar. Hasil peramalan dengan parameter tersebut memiliki MAPE yang medekati 10% yaitu sebesar 10,66% yang masih dikatakan memiliki kinerja yang bagus. Daftar Pustaka [1] Anggono, N. (2011). Analisis Data Runtut Waktu Multi-Variabel Menggunakan Model Vector Autoregression (VAR) untuk Peramalan Permintaan Kamar Hotel. Surabaya: Tugas Akhir Jurusan Sistem Informasi FTIf ITS Surabaya. [2] Chen, S. M., & Hsu, C. C. (200). "A New Method to Forecast Enrollments". International Journal of Applied Science and Engineering, 2-2. [] Cheng, C. H., Wang, J. W., & Li, C. H. (2008). "Forecasting the number of outpatient visits using a new fuzzy time series based on weighted-transitional matrix". Expert Systems with Applications, [] Huarng, K. (2001). "Effective lengths of intervals to improve forecasting in fuzzy time series". Fuzzy Sets and Systems 12, [5] Hwang, J. R., Chen, S. M., & Lee, C. H. (1998). "Handling forecasting problems using fuzzy time series". Fuzzy Sets and Systems 100, [6] Lai, K. K., Yu, L., Wang, S., & Huang, W. (2006). "Hybridizing Exponential Smoothing and Neural Network". International Conference on Computational Science - ICCS, [7] Makridakis, S., Wheelwright, S. C., & Hyndman, R. J. (1998). Forecasting : Methods and Application. Hoboken: John Willey & Sons, Inc. [8] Ozcan, Y. A. (2009). Quantitative Methods in Health Care Management : Techniques and Applications. San Fransisco: Jossey-Bass. [9] Raharja, A., Anggraeni, W., & Vinarti, R. A. (2010). "Penerapan Metode Exponential Smoothing untuk Peramalan Penggunaan Waktu Telepon di PT.Telkomsel Divre Surabaya". SISFO-Jurnal Sistem Informasi. [10] Song, Q., & Chissom, B. S. (199). "Forecasting enrollments with fuzzy time series - part I". Fuzzy Sets and Systems 5, 1-9. [11] Song, Q., & Chissom, B. S. (199). "Forecasting enrollments with fuzzy time series - part II". Fuzzy Sets and Systems 62, 1-8. [12] Song, Q., & Chissom, B. S. (199). "Fuzzy time series and its models". Fuzzy Sets and Systems 5, [1] Vernon, J. (200). Fuzzy Logic Systems. <URL = [1] Wikipedia. (2011). Exponential smoothing - Wikipedia, the free encyclopedia. <URL = Exponential_smoothing> [15] Zadeh, L. A. (1965). "Fuzzy Sets". Information and Control, 8-5. [16] Zainun, N. Y., Rahman, I. A., & Eftekhari, M. (2010). "Forecasting Low-Cost Housing Demand in Johor Bahru, Malaysia Using Artificial Neural Networks (ANN)". Journal of Mathematics Research.
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: A-403
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 201-9271 A-0 Implementasi Fuzzy Neural Network untuk Memperkirakan Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Ani Rahmadiani dan Wiwik
Lebih terperinciOleh : Rahanimi Pembimbing : Dr. M Isa Irawan, M.T
PERAMALAN JUMLAH MAHASISWA PENDAFTAR PMDK JURUSAN MATEMATIKA MENGGUNAKAN METODE AUTOMATIC CLUSTERING DAN RELASI LOGIKA FUZZY (STUDI KASUS di INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA) Oleh : Rahanimi
Lebih terperinciJARINGAN FUNGSI BASIS RADIAL UNTUK MENENTUKAN RELASI FUZZY PADA PERAMALAN RUNTUN WAKTU FUZZY ORDE TINGGI
JARINGAN FUNGSI BASIS RADIAL UNTUK MENENTUKAN RELASI FUZZY PADA PERAMALAN RUNTUN WAKTU FUZZY ORDE TINGGI Winita Sulandari 1, Titin Sri Martini 1, Nughthoh Arfawi Kurdhi 1, Hartatik 2, Yudho Yudhanto 2
Lebih terperinciModel 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
Lebih terperinciPengujian Metode Fuzzy Time Series Chen dan Hsu Untuk Meramalkan Nilai Indeks Bursa Saham Syariahh Di Jakarta J Islamic Index (JII)
Pengujian Metode Fuzzy Time Series Chen dan Hsu Untuk Meramalkan Nilai Indeks Bursa Saham Syariahh Di Jakarta J Islamic Index (JII) Rizkaa Zulfikar, Prihatini Ade`Mayvita 1,2) Universitas Islam Kalimantan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kemajuan ilmu pengetahuan dan teknologi dewasa ini dapat membantu teknik peramalan suatu kejadian berdasarkan faktor faktor yang sudah diketahui sebelumnya. Hasil peramalan
Lebih terperinciPERBANDINGAN 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
Lebih terperinciPERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN RUNTUN WAKTU FUZZY DENGAN PARTISI INTERVAL BERDASARKAN FREKUENSI DENSITAS
PERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN RUNTUN WAKTU FUZZY DENGAN PARTISI INTERVAL BERDASARKAN FREKUENSI DENSITAS Sylvia Swidaning Putri, Winita Sulandari dan Muslich Program Studi Matematika
Lebih terperinciPeramalan Inflasi dengan Metode Weighted Fuzzy Time Series
Peramalan Inflasi dengan Metode Weighted Fuzzy Time Series Oleh: Dwi Ayu Lusia (1307 100 013) Pembimbing: Dr. Suhartono, M.Sc 1 seminar hasil Tugas Akhir S1 Statistika 24 Juni 2011 Latar belakang masalah
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 terperinciKata Kunci: Peramalan; metode Automatic Clustering And Fuzzy Logic Relationship Markov Chain;MAPE. 1. PENDAHULUAN
ISSN: 2528-463 PERAMALAN JUMLAH PENDAFTAR MAHASISWA BARU STMIK DUTA BANGSA SURAKARTA MENGGUNAKAN METODE AUTOMATIC CLUSTERING AND FUZZY LOGIC RELATIONSHIP MARKOV CHAIN Nurmalitasari¹ ), Sri Sumarlinda²
Lebih terperinciUJIAN 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
Lebih terperinciPERBANDINGAN MODEL CHEN DAN MODEL CHENG PADA ALGORITMA FUZZY TIME SERIES UNTUK PREDIKSI HARGA BAHAN POKOK
PERBANDINGAN MODEL CHEN DAN MODEL CHENG PADA ALGORITMA FUZZY TIME SERIES UNTUK PREDIKSI HARGA BAHAN POKOK Arif Fadhillah Mahasiswa Jurusan Teknik Informatika, Fakultas Teknik, Universitas Maritim Raja
Lebih terperinciPENGGUNAAN METODE REGRESI BERGANDA UNTUK MERAMALKAN PERMINTAAN MOBIL DENGAN N VARIABEL INDEPENDEN ADAPTIF
PRESENTASI TUGAS AKHIR KS091336 PENGGUNAAN METODE REGRESI BERGANDA UNTUK MERAMALKAN PERMINTAAN MOBIL DENGAN N VARIABEL INDEPENDEN ADAPTIF Penyusun Tugas Akhir : Fitri Linawati (NRP : 5207.100.114) Dosen
Lebih terperinciPrediksi Jumlah Kunjungan Pasien Rawat Jalan Menggunakan Metode Genetic Fuzzy Systems Studi Kasus: Rumah Sakit Usada Sidoarjo
JURNAL TEKNIK ITS Vol. 1, No. 1(Sept. 2012) ISSN: 2301-9271 A-482 Prediksi Jumlah Kunjungan Pasien Rawat Jalan Menggunakan Metode Genetic Fuzzy Systems Studi Kasus: Rumah Sakit Usada Sidoarjo Lia Farihul
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 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 terperinciPENGGUNAAN METODE FUZZY TIME SERIES UNTUK MERAMALKAN HASIL PRODUKSI PADI KABUPATEN MAJALENGKA
PENGGUNAAN METODE FUZZY TIME SERIES UNTUK MERAMALKAN HASIL PRODUKSI PADI KABUPATEN MAJALENGKA Khanty Intan Lestari 1, Tine Soemartini 2, Resa Septiani Pontoh 3. Mahasiswa Program Studi Statistika Universitas
Lebih terperinciPENGGUNAAN 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
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1 PEMBUATAN APLIKASI PERAMALAN JUMLAH PERMINTAAN PRODUK DENGAN METODE TIME SERIES EXPONENTIAL SMOOTHING HOLTS WINTER DI PT. TELEKOMUNIKASI INDONESIA Tbk.
Lebih terperinciJURNAL 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
Lebih terperinciPeramalan Time Invariant Fuzzy Time Series Mahasiswa FT dan FKIP UMP
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Peramalan Time Invariant Fuzzy Time Series Mahasiswa FT dan FKIP UMP Harjono 1, Malim Muhammad 2, Lukmanul Akhsani 3 Universitas Muhammadiyah Purwokerto
Lebih terperinciModel Hibrida ARIMA dan Fuzzy Time Series Markov Chain
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Model Hibrida ARIMA dan Fuzzy Time Series Markov Chain Dennis Frisca Ayudya, Dewi Retno Sari Saputro Program Studi Matematika Universitas Sebelas Maret
Lebih terperinciPERBANDINGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL DAN FUZZY TIME SERIES UNTUK MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN
PERBANDINGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL DAN FUZZY TIME SERIES UNTUK MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN SKRIPSI Oleh : TAUFAN FAHMI J2E008056 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciPERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN FUZZY TIME SERIES TERBOBOT. 1. Pendahuluan
PERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN FUZZY TIME SERIES TERBOBOT Dennis Frisca Ayudya, Dewi Retno Sari Saputro, Santoso Budi Wiyono Program Studi Matematika FMIPA UNS Abstrak. Indeks harga
Lebih terperinciBAB V ANALISA DAN PEMBAHASAN
BAB V ANALISA DAN PEMBAHASAN 5.1 Peramalan Kebutuhan Bahan Baku Pada bab ini berisikan tentang analisa hasil dari pengolahan data dalam perhitungan Forecasting dan MRP tepung terigu untuk 12 bulan yang
Lebih terperinciJURNAL 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
Lebih terperinciPENGEMBANGAN SI STOK BARANG DENGAN PERAMALAN MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING (STUDI KASUS : PT. TOMAH JAYA ELEKTRIKAL)
PENGEMBANGAN SI STOK BARANG DENGAN PERAMALAN MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING (STUDI KASUS : PT. TOMAH JAYA ELEKTRIKAL) Cahyarizki Adi Utama, Yan Watequlis S. Teknologi Informasi, Teknik
Lebih terperinciPERBANDINGAN METODE FUZZY TIME SERIES DAN HOLT DOUBLE EXPONENTIAL SMOOTHING PADA PERAMALAN JUMLAH MAHASISWA BARU INSTITUT PERTANIAN BOGOR STEVEN
PERBANDINGAN METODE FUZZY TIME SERIES DAN HOLT DOUBLE EXPONENTIAL SMOOTHING PADA PERAMALAN JUMLAH MAHASISWA BARU INSTITUT PERTANIAN BOGOR STEVEN DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciBAB 1 PENDAHULUAN. Sebagai pembuka dari penulisan skripsi, pada bab ini berisikan hal-hal yang
BAB 1 PENDAHULUAN Sebagai pembuka dari penulisan skripsi, pada bab ini berisikan hal-hal yang langsung berkaitan dengan penelitian meliputi latar belakang masalah, rumusan masalah, pembatasan masalah,
Lebih terperinciPREDIKSI TINGKAT SUKU BUNGA BANK INDONESIA (BI RATE) BERDASARKAN DATA FUZZY TIME SERIES
PREDIKSI TINGKAT SUKU BUNGA BANK INDONESIA (BI RATE) BERDASARKAN DATA FUZZY TIME SERIES PREDIKSI TINGKAT SUKU BUNGA BANK INDONESIA (BI RATE) BERDASARKAN DATA FUZZY TIME SERIES ABSTRAK Oleh : Wulan Anggraeni
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) I. PENDAHULUAN II. METODOLOGI
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1 Implementasi Metode Time Series Arima Berbasis Java Desktop Application untuk Memperkirakan Jumlah Permintaan Busana Muslim Anak di Perusahaan Habibah Busana
Lebih terperinciPERAMALAN CADANGAN DEVISA INDONESIA MENGGUNAKAN METODE GRUP VARIASI FUZZY
PERAMALAN CADANGAN DEVISA INDONESIA MENGGUNAKAN METODE GRUP VARIASI FUZZY oleh MARISA RAMDHAYANTI M0110054 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains
Lebih terperinciBAB 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
Lebih terperinciPERAMALAN PERSENTASE PERUBAHAN DATA INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN FUZZY TIME SERIES
PERAMALAN PERSENTASE PERUBAHAN DATA INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN FUZZY TIME SERIES Endah Puspitasari 1, Lilik Linawati 2, Hanna Arini Parhusip 3 1,2,3 Progam Studi Matematika Fakultas Sains
Lebih terperinciPENERAPAN 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,
Lebih terperinciPREDIKSI TINGKAT SUKU BUNGA BANK INDONESIA (BI RATE) BERDASARKAN DATA FUZZY TIME SERIES
PREDIKSI TINGKAT SUKU BUNGA BANK INDONESIA (BI RATE) BERDASARKAN DATA FUZZY TIME SERIES Oleh : Wulan Anggraeni Pendidikan Matematika, Wulangussetiyo@gmail.com ABSTRAK Tujuan dari penelitian ini adalah
Lebih terperinciFUZZY TIME SERIES MARKOV CHAIN DALAM MERAMALKAN HARGA SAHAM
FUZZY TIME SERIES MARKOV CHAIN DALAM MERAMALKAN HARGA SAHAM Nurmalia Rukhansah 1, Much Aziz Muslim 2, Riza Arifudin 3 1 Jurusan Matematika, FMIPA, Universitas Negeri Semarang 2,3 Jurusan Ilmu Komputer,
Lebih terperinciPERAMALAN 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
Lebih terperinciPeramalan 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
Lebih terperinciPERAMALAN KONSUMSI GAS INDONESIA MENGGUNAKAN ALGORITMA FUZZY TIME SERIES STEVENSON PORTER Muh. Hasbiollah 1, RB. Fajriya Hakim 2
PERAMALAN KONSUMSI GAS INDONESIA MENGGUNAKAN ALGORITMA FUZZY TIME SERIES STEVENSON PORTER Muh. Hasbiollah 1, RB. Fajriya Hakim 2 1 Mahasiswa Jurusan Statistika Fakultas MIPA Universitas Islam Indonesia
Lebih terperinciJurnal MIPA 38 (2) (2015): Jurnal MIPA.
Jurnal MIPA 38 (2) (2015): 186-196 Jurnal MIPA http://journal.unnes.ac.id/nju/index.php/jm PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN METODE FUZZY TIME SERIES MARKOV CHAIN Y Aristyani 1 E Sugiharti
Lebih terperinciMetode Automatic Clustering - Fuzzy logic relationships untuk Peramalan Data Univariate
Metode Automatic Clustering - Fuzzy logic relationships untuk Peramalan Data Univariate Oleh. ROBERT KURNIAWAN Pembimbing: Drs. Slamet Mulyono, M.Sc., P.hD Co. Pembimbing: Dr. Irhamah, M.Si Latar Belakang
Lebih terperinciPrediksi Nilai Indeks Harga Konsumen (IHK) Kota Jambi Menggunakan Radial Basis Function Neural Network (RBFNN) dengan Metode Fuzzy C-Means Clustering
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 T - 12 Prediksi Nilai Indeks Harga Konsumen (IHK) Kota Jambi Menggunakan Radial Basis Function Neural Network (RBFNN) dengan Metode Fuzzy C-Means Clustering
Lebih terperinciOPTIMASI 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,
Lebih terperinciPREDIKSI 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
Lebih terperinciPERAMALAN INFLASI DENGAN METODE WEIGHTED FUZZY TIME SERIES
PERAMALAN INFLASI DENGAN METODE WEIGHTED FUZZY TIME SERIES Dwi Ayu Lusia 1, Suhartono 2 1 Mahasiswa Program Sarjana, Jurusan Statistika FMIPA-ITS (1307 100 013), 2 Dosen Pembimbing, Jurusan Statistika
Lebih terperinciBAB 4 HASIL DAN BAHASAN
BAB 4 HASIL DAN BAHASAN 4.1 Hasil dan Bahasan 4.1.1 Penentuan Suku Cadang Prioritas Untuk menentukan suku cadang prioritas pada penulisan tugas akhir ini diperlukan data aktual permintaan filter fleetguard
Lebih terperinciSidang Akhir Tugas Akhir PERAMALAN KETERSEDIAAN BATUBARA MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE MOVING AVERAGE (VARMA) PADA PT.
Sidang Akhir Tugas Akhir PERAMALAN KETERSEDIAAN BATUBARA MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE MOVING AVERAGE (VARMA) PADA PT.XYZ Immash Kusuma Pratiwi 5208100123 PENDAHULUAN Latar Belakang, Perumusan
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 terperinciMETODE MOVING AVERAGE DAN METODE WINTER DALAM PERAMALAN ABSTRACT
METODE MOVING AVERAGE DAN METODE WINTER DALAM PERAMALAN Widya Risnawati Siagian 1, Sigit Sugiarto 2, M.D.H. Gamal 2 1 Mahasiswa Program Studi S1 Matematika FMIPA Universitas Riau 2 Dosen Fakultas Matematika
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 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 terperinciPERAMALAN MENGUNAKAN FUZZY TIME SERIES CHEN (STUDI KASUS: CURAH HUJAN KOTA SAMARINDA)
PERAMALAN MENGUNAKAN FUZZY TIME SERIES CHEN (STUDI KASUS: CURAH HUJAN KOTA SAMARINDA) 1 Normalita Fauziah, 2 Sri Wahyuningsih, 3 Yuki Novia Nasution 2 1,2 Program Studi Statistika, Fakultas Matematika
Lebih terperinciESTIMASI 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
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan (Forecasting) Peramalan merupakan suatu usaha untuk meramalkan keadaan di masa mendatang melalui pengujian keadaan masa lalu. Esensi peramalan adalah perkiraan peristiwa-peristiwa
Lebih terperinciPeramalan Penjualan Avtur dengan Mempertimbangkan Special Event
Peramalan Penjualan Avtur dengan Mempertimbangkan Special Event Siti Lukmatul Henifa, Dra. Nuri Wahyuningsih, M.Kes. Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam (MIPA), Institut Teknologi
Lebih terperinciBAB 3 METODE PENELITIAN
10 BAB 3 METODE PENELITIAN 3.1 Metode Fuzzy Time Series yang dikembangkan oleh Song dan Chissom Song dan Chissom merupakan orang yang pertama kali memperkenalkan teori fuzzy time series yaitu dalam peramalan
Lebih terperinciPENGEMBANGAN SISTEM INFORMASI PERAMALAN PENJUALAN GUNA MENENTUKAN KEBUTUHAN BAHAN BAKU PUPUK MENGGUNAKAN METODE TRIPLE EXPONENTIAL SMOOTHING
Jurnal Informatika Polinema ISSN: 2407-070X PENGEMBANGAN SISTEM INFORMASI PERAMALAN PENJUALAN GUNA MENENTUKAN KEBUTUHAN BAHAN BAKU PUPUK MENGGUNAKAN METODE TRIPLE EXPONENTIAL SMOOTHING Ely Setyo Astuti
Lebih terperinciBAB I PENDAHULUAN. menggunakan nota atau catatan yang kurang efisien. depan. Penggunaan sistem manual dalam melakukan penjualan spare part truk
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi yang semakin maju, mendorong masyarakat untuk dapat mengikuti perkembangannya. Khususnya dalam dunia bisnis dan perdagangan, teknologi memberi
Lebih terperinciPERENCANAAN SISTEM MANAJEMEN PERSEDIAAN INGREDIENT DARI MARGARIN DAN SHORTENING DENGAN MENGGUNAKAN METODE PERAMALAN DAN EOQ DI PT SMART TBK.
PERENCANAAN SISTEM MANAJEMEN PERSEDIAAN INGREDIENT DARI MARGARIN DAN SHORTENING DENGAN MENGGUNAKAN METODE PERAMALAN DAN EOQ DI PT SMART TBK. Hartono Santoso 1, Bobby Oedy P. Soepangkat 2, dan Sony Sunaryo
Lebih terperinciPERAMALAN DATA PRODUK DOMESTIK BRUTO DENGAN FUZZY TIME SERIES MARKOV CHAIN
PERAMALAN DATA PRODUK DOMESTIK BRUTO DENGAN FUZZY TIME SERIES MARKOV CHAIN Maria Titah Jatipaningrum Jurusan Statistika, Fakultas Sains Terapan Institut Sains & Teknologi AKPRIND Yogyakarta titahjp@akprind.ac.id
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 terperinciFITTING MODEL PADA DATA JUMLAH MAHASISWA BARU INSTITUT PERTANIAN BOGOR MENGGUNAKAN METODE FUZZY TIME SERIES CHEN DAN HSU DIAN PERMANA
FITTING MODEL PADA DATA JUMLAH MAHASISWA BARU INSTITUT PERTANIAN BOGOR MENGGUNAKAN METODE FUZZY TIME SERIES CHEN DAN HSU DIAN PERMANA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciMETODE 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
Lebih terperinciPerkembangan Jasa Akomodasi Provinsi Kalimantan Tengah
Perkembangan Jasa Akomodasi Provinsi Kalimantan Tengah No. 10/10/62/Th. XI, 2 Oktober 2017 BADAN PUSAT STATISTIK PROVINSI KALIMANTAN TENGAH Perkembangan Jasa Akomodasi Provinsi Kalimantan Tengah Selama
Lebih terperinciPERBANDINGAN 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
Lebih terperinciS (t)=ax(t)+(1-a)s t-1 (2) S (t)=asn(t)+(1-a)s t-1 (3) F(t+m)=S(t)+mb(t) (4)
Ju rnal)lm iah. %2O 6ol.,. o. data ini terjadi jika terdapat data yang berfluktuasi di sekitar nilai rata-rata yang konstan. Suatu produk yang penjualannya tidak meningkat atau menurun selama waktu tertentu
Lebih terperinciAnalisis dan Peramalan Kepadatan Jalan Raya Kodya Malang dengan FTS Average Based
14 Analisis dan Peramalan Kepadatan Jalan Raya Kodya Malang dengan FTS Average Based Anggri Sartika Wiguna Abstrak -Kemacetan saat ini menjadi persoalan serius di Kodya Malang. Berbagai penelitian yang
Lebih terperinciPENERAPAN METODE AUTOMATIC CLUSTERING DAN HIGH ORDER FUZZY TIME SERIES PADA PERAMALAN CURAH HUJAN. Muhammad Irsyad 1, Sonya Metarice 2
PENERAPAN METODE AUTOMATIC CLUSTERING DAN HIGH ORDER FUZZY TIME SERIES PADA PERAMALAN CURAH HUJAN Muhammad Irsyad 1, Sonya Metarice 2 Jurusan Teknik Informatika, Universitas Islam Negeri Sultan Syarif
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Relasi antara himpunan barisan dari data lalu diukur berdasarkan waktu untuk meramal nilai masa depan, di investigasi dengan peramalan time series, banyak alat statistika
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1. Pengumpulan Data 4.1.1. Sejarah Perusahaan CV. Mitra Abadi Teknik merupakan sebuah perusahaan yang bergerak dalam bidang perancangan dan manufaktur untuk peralatan
Lebih terperinciProsiding Manajemen ISSN:
Prosiding Manajemen ISSN: 2460-6545 Analisis Perbandingan Peramalan Penjualan menggunakan Metode Exponential Smoothing dan Metode Adjusted Exponential Smothing pada Penjualan Modem Andromax pada PT. Smartfren
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Pengumpulan Data 4.1.1 Sejarah Perusahaan CV. Kurnia Teknik adalah sebuah CV spesialis moulding dan juga menerima jasa CNC, EDM, INJECT, dan DIGIT. CV. Kurnia
Lebih terperinciPERKEMBANGAN PARIWISATA KALIMANTAN BARAT AGUSTUS 2010
BPS PROVINSI KALIMANTAN BARAT PERKEMBANGAN PARIWISATA KALIMANTAN BARAT AGUSTUS No. 47/10/61/Th. XIII, 1 Oktober Jumlah wisatawan mancanegara (Wisman) yang berkunjung ke Kalimantan Barat melalui pintu masuk
Lebih terperinciPERBANDINGAN 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
Lebih terperinciBAB III PEMBAHASAN. FRBFNN, Arsitektur FRBFNN, aplikasi FRBFNN untuk meramalkan kebutuhan
BAB III PEMBAHASAN Pada bab ini berisi mengenai FRBFNN, prosedur pembentukan model FRBFNN, Arsitektur FRBFNN, aplikasi FRBFNN untuk meramalkan kebutuhan listrik di D.I Yogyakarta. A. Radial Basis Function
Lebih terperinciBAB III METODE PENELITIAN. untuk memahami, memecahkan dan mengantisipasi masalah. adalah penelitian secara deskriptif dan komparatif.
BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif dan komparatif. Melalui penelitian, manusia dapat menggunakan hasilnya, secara
Lebih terperinciBAB I PENDAHULUAN. Kemunculan minimarket yang begitu banyak membuat manajemen
BAB I PENDAHULUAN 1.1. Pendahuluan Kemunculan minimarket yang begitu banyak membuat manajemen perusahaan minimarket harus berfikir kreatif agar dapat bersaing dengan usaha sejenis dalam merebut pangsa
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 terperinciANALISIS METODE FIRST ORDER AND TIME INVARIANT MODEL UNTUK PERAMALAN HARGA SAHAM
ANALISIS METODE FIRST ORDER AND TIME INVARIANT MODEL UNTUK PERAMALAN HARGA SAHAM Reny Fitri Yani 1, Luh Kesuma Wardhani 2, Febi Yanto 3 Jurusan Teknik Informatika, Fakultas Sains dan Teknologi Universitas
Lebih terperinciABSTRAK. Kata kunci: IHSG, runtun waktu fuzzy, partisi interval berdasarkan frekuensi densitas. iii
ABSTRAK Sylvia Swidaning Putri. 2016. PERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN RUNTUN WAKTU FUZZY DENGAN PARTISI INTERVAL BERDASARKAN FREKUENSI DENSITAS. Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPenerapan Logika Samar dalam Peramalan Data Runtun Waktu
Penerapan Logika Samar dalam Peramalan Data Runtun Waktu Seng Hansun Program Studi Teknik Informatika, Universitas Multimedia Nusantara, Tangerang, Indonesia hansun@umn.ac.id Abstract Recently, there are
Lebih terperinciPERAMALAN JUMLAH PENDAFTAR CALON MAHASISWA STMIK DUTA BANGSA MENGGUNAKAN METODE TIME INVARIANT FUZZY TIME SERIES
PERAMALAN JUMLAH PENDAFTAR CALON MAHASISWA STMIK DUTA BANGSA MENGGUNAKAN METODE TIME INVARIANT FUZZY TIME SERIES Nurmalitasari STMIK Duta Bangsa Surakarta nurmal_ita@yahoo.com ABSTRAK Penelitian ini bertujuan
Lebih terperinciANALISIS PERAMALAN SUKU CADANG HYDRAULIC OIL FILTER KOMATSU DI PT KOMATSU MARKETING AND SUPPORT INDONESIA
ANALISIS PERAMALAN SUKU CADANG HYDRAULIC OIL FILTER KOMATSU DI PT KOMATSU MARKETING AND SUPPORT INDONESIA NAMA MAHASISWA : Galih Trisno Saputra Instansi : -- Alamat : -- Telp : -- Email Penulis : galihtrisno@ymail.com
Lebih terperinciBAB I PENDAHULUAN. menjaga tenggat waktu, dan meminimalkan biaya persediaan. yang harus ditempuh menghadapi suatu kondisi tertentu (Rangkuti, 2004).
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Dunia usaha yang terus berubah dengan cepat, mengharuskan perusahaan agar mampu menganalisis lingkungan usaha dan memprediksi berbagai kemungkinan yang terjadi
Lebih terperinciBPS PROVINSI KALIMANTAN TENGAH
CQWWka BPS PROVINSI KALIMANTAN TENGAH No. 10/07/62/Th. X, 1 Juli PERKEMBANGAN TINGKAT PENGGUNAAN SARANA AKOMODASI Selama, TPK Hotel Berbintang Sebesar 56,39 Persen. Tingkat Penghunian Kamar (TPK) hotel
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 terperinciBAB 3 METODE FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS PADA METODE CHEN DENGAN PENENTUAN INTERVAL BERBASIS RATA-RATA
BAB 3 METODE FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS PADA METODE CHEN DENGAN PENENTUAN INTERVAL BERBASIS RATA-RATA 3.1 Konsep Dasar Peramalan Peramalan merupakan bagian awal dari suatu proses
Lebih terperinciPerkembangan Jasa Akomodasi Provinsi Kalimantan Tengah
No. 10/11/62/Th. XI, 1 November 2017 BADAN PUSAT STATISTIK PROVINSI KALIMANTAN TENGAH Perkembangan Jasa Akomodasi Provinsi Kalimantan Tengah Selama September 2017, TPK Hotel Berbintang Sebesar 58,44 persen
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Permintaan (Forecast Demand) Peramalan permintaan atau forecast demand (FD) adalah peramalan kuantitas permintaan sesuatu (barang atau jasa) dimasa yang akan
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 terperinciAnalisis Metode Peramalan Permintaan Terbaik Produk Oxycan pada PT. Samator Gresik
Analisis Metode Peramalan Permintaan Terbaik Produk Oxycan pada PT. Samator Gresik Eucharistia Yacoba Nugraha* ) dan I Wayan Suletra 2) ) Mahasiswa program Studi Teknik Industri, Fakultas Teknik, Universitas
Lebih terperinciPERTUMBUHAN SIMPANAN *) BANK UMUM POSISI APRIL 2012
I. TOTAL SIMPANAN NASABAH PERTUMBUHAN SIMPANAN *) BANK UMUM POSISI APRIL 2012 Total pada bulan April 2012 mengalami kenaikan sebesar Rp14,48 Triliun dibandingkan dengan total pada bulan Maret 2012 sehingga
Lebih terperinciPeramalan Beban Listrik Jangka Pendek pada Sistem Kelistrikan Jawa Timur dan Bali Menggunakan Fuzzy Time Series
Peramalan Beban Listrik Jangka Pendek pada Sistem Kelistrikan Jawa Timur dan Bali Menggunakan Fuzzy Time Series BAGUS HANDOKO 2206 100 125 Jurusan Teknik Elektro, Fakultas Teknologi Industri, ITS Surabaya
Lebih terperinciBAB 3 METODE FUZZY TIME SERIES DENGAN FAKTOR PENDUKUNG UNTUK MERAMALKAN DATA SAHAM
BAB 3 METODE FUZZY TIME SERIES DENGAN FAKTOR PENDUKUNG UNTUK MERAMALKAN DATA SAHAM 3.1 Pengertian Dasar Peramalan Peramalan (forecasting) adalah suatu kegiatan yang memperkirakan apa yang akan terjadi
Lebih terperinciIMPLEMENTASI 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
Lebih terperinciPEMBUATAN PERANGKAT LUNAK PERAMALAN MENGGUNAKAN METODE ANN DENGAN MEMANFAATKAN LIBRARY ENCOG JAVA
PEMBUATAN PERANGKAT LUNAK PERAMALAN MENGGUNAKAN METODE ANN DENGAN MEMANFAATKAN LIBRARY ENCOG JAVA Nama : Resa Alfarisi NRP : 5207100100 Jurusan : Sistem informasi FTIF ITS Dosen Pembimbing 1 : Wiwik Anggraeni
Lebih terperinciPerbandingan Hasil Peramalan dengan Metode Double Exponential Smoothing Holt dan Metode Jaringan Syaraf Tiruan
Perbandingan Hasil Peramalan dengan Metode Double Exponential Smoothing Holt dan Metode Jaringan Syaraf Tiruan Oki Dwi Hartanti Departemen Biostatistika dan Kependudukan Fakultas Kesehatan Masyarakat Universitas
Lebih terperinciPrediksi 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)
Lebih terperinci