SEMINAR HASIL TUGAS AKHIR
|
|
- Veronika Indradjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 SEMINAR HASIL TUGAS AKHIR Model Peramalan Konsumsi Energi Final dengan Menggunakan Metode Regresi Fuzzy Untuk Dataset Kecil (Studi Kasus: Indonesia) Oleh: Alfi Lailah ( ) Dosen Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Drs. IGN. Rai Usadha, M.Si Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam InstitutTeknologi Sepuluh Nopember Surabaya
2 Meningkatnya pembangunan terutama pembangunan di sektor Industri Pertumbuhan Ekonomi Pertumbuhan Penduduk Meningkatnya Konsumsi Energi 2
3 Meningkatnya konsumsi Energi Keterbatasan sumber daya energi Permasalahan : Perlunya meramalkan konsumsi energi untuk merencanakan pemenuhan kebutuhan energi di masa mendatang dan bermanfaat bagi manajemen produksi energi. Regresi Fuzzy Data historis terbatas untuk Dataset kecil Kendala: *harus memperhatikan data historis yang digunakan 3
4 Model Peramalan Konsumsi Energi Final Dengan Menggunakan Metode Regresi Fuzzy Untuk Dataset Kecil 4
5 Bagaimana model peramalan yang sesuai dari konsumsi energi final dengan variabel bebas jumlah penduduk dan Produk Domestik Bruto (PDB) untuk kasus dataset kecil menggunakan metode regresi fuzzy serta ukuran kesalahan dari model yang telah diperoleh. 5
6 1. Data yang digunakan merupakan data tahunan sekunder berupa data konsumsi energi final per sektor di Indonesia, Produk Domestik Bruto (PDB) Indonesia, dan jumlah penduduk Indonesia dari tahun yang diperoleh dari Handbook of Energy & Economic Statistics of Indonesia Konsumsi energi yang dibahas dalam tugas akhir ini merupakan konsumsi energi final tahunan tanpa biomassa menurut sektor yaitu sektor industri, rumah tangga, transportasi, komersial, dan sektor lainnya. 6
7 3. Variabel yang digunakan pada penelitian Tugas Akhir ini yaitu Variabel tak bebas (Y) konsumsi energi final dan variabel bebas, X 1 adalah jumlah penduduk dan X 2 adalah Produk Domestik Bruto (PDB). 4. Satuan konsumsi energi final adalah BOE (Barrel of Oil equivalent), satuan jumlah penduduk adalah ribuan orang, dan satuan PDB adalah trilyun rupiah. 5. Nilai keanggotaan (h) yang digunakan adalah sepersepuluhan anatara 0 sampai 1. 7
8 Mendapatkan model peramalan yang sesuai untuk konsumsi energi final di Indonesia dengan variabel bebas PDB dan jumlah penduduk serta mengetahui ukuran kesalahan dari model yang telah diperoleh. 8
9 1 Dapat memberikan sumbangan pemikiran dalam rangka memperdalam dan memperkaya wawasan mengenai model peramalan untuk kasus dataset kecil dengan regresi fuzzy. 2 Dapat dijadikan sebagai salah satu masukan pemerintah dalam mengambil kebijakan untuk pemenuhan permintaan energi. Selain itu memberikan hasil model peramalan konsumsi energi yang sesuai untuk diterapkan di Indonesia. 9
10 Konsumsi Energi Final Jumlah Penduduk Produk Domestik Bruto (PDB) Regresi Fuzzy 10
11 Konsumsi energi final adalah semua energi yang dipakai oleh konsumen akhir menurut sektor dan tidak termasuk transformasi atau pemakaian-pemakaian di industri penghasil energi. Konsumsi energi Final Sektor Industri Sektor Rumah tangga Sektor Transportasi Sektor Komersial Sektor Lainnya 11
12 Jumlah penduduk adalah jumlah manusia yang bertempat tinggal atau berdomisili pada suatu wilayah atau daerah dan memiliki mata pencaharian tetap di daerah itu serta tercatat secara sah berdasarkan peraturan yang berlaku di daerah tersebut PDB adalah Nilai keseluruhan semua barang dan jasa yang diproduksi didalam wilayah tersebut dalam jangka waktu tertentu (biasanya per tahun). 12
13 Regresi Fuzzy dapat digunakan untuk menangani masalah regresi dengan jumlah data yang kurang. Model ini menggunakan teknik linear programming untuk membuat suatu model yang mirip regresi linier dengan parameter-parameter fuzzy segitiga simetris. Regresi fuzzy mengestimasi batasan yang mungkin, dikenal sebagai fungsi keanggotaan (membership function). Fungsi keanggotaan juga didefinisikan untuk koefisien dari variabel bebas. 13
14 Regresi fuzzy dari Tanaka direpresentasikan dengan variabel tak bebas sebagai berikut: Dengan: adalah output fuzzy adalah variabel independen Untuk koefisien-koefisien regresi Koefisien adalah sebuah fungsi yang mempunyai 2 parameter yaitu dan. Parameter merupakan nilai tengah (middle value) dan parameter merupakan sebaran (spread). Koefisien fuzzy dapat ditulis dalam bentuk dengan dan. 14
15 Sehingga persamaan (1) tersebut dapat ditulis kembali menjadi persamaan (2): Batas bawah, nilai tengah, dan batas atas ditunjukkan dalam persamaan (3), (4), dan (5): Untuk data nonfuzzy, objektif dari model regresi digunakan untuk mendapatkan parameter sedemikian sehingga output fuzzy diasosiasikan dengan nilai keanggotaan lebih besar dari h. 15
16 . Fungsi keanggotaan dengan koefisien fuzzy ke-i ditunjukkan oleh Gambar 2. Gambar 2. Fungsi keanggotaan dengan faktor Dalam regresi fuzzy, koefisien fuzzy didapatkan dengan meminimasi spread dari output fuzzy untuk semua dataset. persamaan (6) yang dikembangkan oleh Chang dan Ayyub menunjukkan fungsi objektif yang akan digunakan 16
17 . Fungsi objektif sesuai Persamaan (6) diminimasi terhadap 2(dua) batasan. Batasan-batasan tersebut ditunjukkan pada Persamaan (7) dan (8). 17
18 Mulai A Studi Literatur Pengambilan Data Menghitung nilai interval peramalan (batas atas & batas bawah) Menentukan nilai h dimana h ϵ [0,1] Mendapatkan nilai parameter fuzzy p i dan c i dari LINGO Apakah sudah ditentukan nilai h=0-0.9? Tidak A B Ya 18
19 B Menentukan interval terkecil Apakah diperoleh interval terkecil dan data aktual berada pada interval? Tidak Ya Menentukan model peramalan dengan dua pendekatan Pembahasan dan penarikan kesimpulan Menentukan model terbaik dari MAPE terkecil Menghitung nilai MAPE masingmasing model Menghitung nilai peramalan Menghitung nilai peramalan Selesai 19
20 1
21 Data konsumsi energi masing-masing sektor, jumlah penduduk, dan PDB tahun ditunjukkan pada Tabel 1. Tabel 1. Data konsumsi energi jumlah penduduk, dan PDB di Indonesia Tahun Sektor Industri (BOE) Sektor Rumah Tangga (BOE) Sektor Komersial (BOE) Sektor Transportasi (BOE) Sektor Lainnya (BOE) Total (BOE) Jumlah Penduduk (Ribuan) PDB (Trilyun Rupiah)
22 Hasil penaksiran parameter c 0, c 1, c 2, p 0, p 1, dan p 2 serta nilai h yang diperoleh dari LINGO dengan dua pendekatan ditunjukkan pada Tabel 2. Sektor Dengan Konstanta Tabel 2. Koefisien regresi Tanpa Konstanta h (p0, c0) (p1, c1) (p2, c2) h (p1, c1) (p2, c2) Industri 0.1 (0, ) ( , 0) ( , 0) 0.1 ( , ) ( , ) Rumah Tangga 0 ( , ) (0, 0) (0, 0) 0 ( , 0) (0, ) Komersial 0 (0, ) ( , 0) Transportasi 0.1 ( , 0) ( , 0) ( , 0) ( , 0) 0 ( , ) ( , 0) 0.1 ( , ) ( , ) Lainnya 0 ( , ) (0, 0) (0, 0) 0.1 ( , ) (0, ) Total 0 ( , 0) ( , 0) (8519, 0) 0.1 ( , ) ( , 0) 3
23 Taksiran Parameter fuzzy yaitu c 0, c 1, c 2, p 0, p 1, dan p 2 pada masing-masing sektor dan total yang diperoleh dari LINGO digunakan sebagai koefisen pada model peramalan regresi fuzzy. Adapun model peramalan pada masing-masing sektor dan total dengan dua pendekatan yaitu: Sektor Industri Model I : Model II : Sektor Rumah Tangga Model I : Model II : Sektor Komersial Model I : Model II : 4
24 Sektor Transportasi Model I : Model II : Sektor Lainnya Model I : Model II : Konsumsi Energi Final Model I : Model II : 5
25 Hasil peramalan I merupakan hasil peramalan dengan pendekatan model menggunakan konstanta. Sedangkan hasil peramalan II merupakan hasil peramalan dengan pendekatan model tanpa konstanta. Hasil peramalan I dan II masing sektor dan total dihitung dengan menggunakan persamaan (4) dan hasilnya ditunjukkan pada Tabel 3. Tabel 3. Hasil peramalan konsumsi energi final Sektor Peramalan I Peramalan II Sektor Industri Sektor Rumah Tangga Sektor Komersial Sektor Transportasi Sektor Lainnya Total
26 Suatu model dikatakan layak jika nilai MAPE berada di bawah 10%, dan cukup layak jika nilai MAPE berada di antara 10% dan 20%. Hasil ukuran kesalahan masing-masing sektor ditunjukkan pada Tabel 4. Tabel 4. Nilai MAPE masing-masing sektor Sektor MAPE Peramalan I (%) MAPE Peramalan II (%) Sektor Industri * Sektor Rumah Tangga * Sektor Komersial * Sektor Transportasi * Sektor Lainnya * Total * * Nilai MAPE terkecil masing-masing sektor 7
27 Analisis hasil untuk masing-masing sektor adalah sebagai berikut: 1. Sektor Rumah Tangga: Dari model tersebut dapat dinyatakan bahwa konsumsi energi bernilai konstan sebesar BOE pada tahun dan kenaikan berada pada rentang sampai dengan satuan. 2. Sektor Komersial : Dari model tersebut dapat dinyatakan bahwa setiap kenaikan satu satuan jumlah penduduk, maka konsumsi energi akan naik sebesar 84,76542 satuan Y dengan asumsi PDB konstan. Setiap kenaikan satu satuan PDB, maka konsumsi energi akan naik sebesar 1563,438 satuan Y dengan asumsi jumlah penduduk konstan dan konsumsi energi akan naik atau berkurang sebesar satuan Y dengan asumsi jumlah penduduk dan PDB konstan. 8
28 3. Sektor Lainnya: Dari model tersebut dapat dinyatakan bahwa konsumsi energi mengalami kenaikan secara konstan sebesar satuan Y dan konsumsi energi akan naik atau turun sebesar sampai dengan satuan. 4. Sektor Industri: Dari model tersebut dapat dinyatakan bahwa setiap kenaikan satu satuan jumlah penduduk, maka konsumsi energi akan naik sebesar 903,4214 satuan Y dengan asumsi PDB konstan dan kenaikan jumlah penduduk berada pada rentang sampai dengan satuan serta setiap kenaikan satu satuan PDB, maka konsumsi energi akan naik sebesar 5974,603 satuan Y dengan asumsi jumlah penduduk konstan dan kenaikan PDB berada pada rentang sampai dengan satuan. 9
29 5. Sektor Transportasi: Dari model tersebut dapat dinyatakan bahwa setiap kenaikan satu satuan jumlah penduduk, maka konsumsi energi akan naik sebesar 645,193 satuan Y dengan asumsi PDB konstan dan kenaikan jumlah penduduk berada pada rentang sampai dengan satuan. Setiap kenaikan satu satuan PDB, maka konsumsi energi akan naik sebesar 9121,77 satuan Y dengan asumsi jumlah penduduk konstan dan kenaikan PDB berada pada rentang sampai dengan satuan. 6. Konsumsi Energi Final : Dari model tersebut dapat dinyatakan bahwa setiap kenaikan satu satuan jumlah penduduk, maka konsumsi energi akan naik sebesar 2257,609 satuan Y dengan asumsi PDB konstan dan kenaikan jumlah penduduk berada pada rentang sampai dengan satuan. Setiap kenaikan satu satuan PDB, maka konsumsi energi akan naik sebesar 8730,479 satuan Y dengan asumsi jumlah penduduk konstan. 10
30 Interval peramalan masing-masing sektor yang digunakan ditunjukkan pada Tabel 5 dan Tabel 6: Tabel 5 Batas Atas Peramalan Sektor Batas Bawah Sektor Industri Sektor Rumah Tangga Sektor Komersial Sektor Transportasi Sektor Lainnya Total Tabel 6 Batas Atas Peramalan Sektor Batas Atas Sektor Industri Sektor Rumah Tangga Sektor Komersial Sektor Transportasi Sektor Lainnya Total
31 1. Model terbaik untuk pendekatan model menggunakan konstanta yaitu: a. Sektor Rumah Tangga: b. Sektor Komersial : c. Sektor Lainnya: Sedangkan untuk pendekatan tanpa konstanta yaitu: a. Sektor Industri: b. Sektor Transportasi: c. Konsumsi Energi Final : 12
32 2. persentase kesalahan (error) model pada masing-masing sektor yaitu: a. Sektor industri sebesar 4.84% pada pendekatan model regresi fuzzy tanpa konstanta b. Sektor rumah tangga sebesar 2.89% pada pendekatan model regresi fuzzy menggunakan konstanta c. Sektor komersial sebesar 2.77% pada model regresi fuzzy menggunakan konstanta d. Sektor transportasi sebesar 5.58% pada pendekatan model regresi fuzzy tanpa konstanta e. Sektor lainnya sebesar 9.31% pada pendekatan model regresi fuzzy menggunakan konstanta f. Konsumsi energi final total sebesar 2.75% pada pendekatan model regresi fuzzy tanpa konstanta. 13
33 Astuti, D.R. (2010). Peramalan Beban Jangka Pendek Untuk Hari-hari Libur Menggunakan Fuzzy Linear regression (FLR) yang Dioptimasi dengan Artificial Immune System (AIS).Tugas akhir-its. Azadeh A., Saberi M., Asadzadeh S.M., & Khakestani M. (2011). A Hybrid Fuzzy Mathematical Programming-Design of Experiment Framework for Improvement of Energy Consumption Estimation with Small Data Sets and Uncertainty: The Cases of USA, Canada, Singapore, Pakistan and Iran. Journal of the Energy, Doi: /j.energy , Azadeh A., dkk. (2010). An Integrated Fuzzy Regression Algorithm for Energy Consumption Estimation with Non-stationary Data: A Case Study of Iran. Journal of the Energy, Doi: /j.energy , BPS Statistik Indonesia. Jakarta: CV Gita Sarana Elektrindo. BPS Data Strategis BPS. Jakarta: CV Nasional Indonesia. 14
34 IEA. Energy Statistics Manual. (2005). [diakses pada tanggal 22 Februari 2012]. Available: Handbook of Energy & Economic statistic of Indonesia. (2011). [Diakses tanggal 24 Januari 2012]. Available: html. Makridakis S., Wheeleright S.C., & McGee V.E. (1993). Metode dan Aplikasi Peramalan. Jakarta: Penerbit Erlangga. 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 F.A. (2005). Fuzzy Regression Models.Article of Penn State University. Tanaka H., Uejima S., & Asia K. (1982). Linear regression analysis with fuzzy model. IEEETransactions on Systems, Man, and Cybernetics 1982;12(6):903e7. 15
35 16
MODEL PERAMALAN PASOKAN ENERGI PRIMER DENGAN PENDEKATAN METODE FUZZY LINEAR REGRESSION (FLR)
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
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 terperinciOptimasi 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
Lebih terperinciPERENCANAAN 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
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 terperinciKAJIAN 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
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 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 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 terperinciBENTUK FUNGSI KEANGGOTAAN PADA MODEL REGRESI DENGAN VARIABEL DEPENDEN FUZZY SIMETRIS
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 BENTUK FUNGSI KEANGGOTAAN PADA MODEL REGRESI DENGAN VARIABEL DEPENDEN FUZZY SIMETRIS Iqbal Kharisudin Jurusan Matematika
Lebih terperinciBAB 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
Lebih terperinciBAB 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
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 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
Lebih terperinciBab 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
Lebih terperinciKAJIAN 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
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 terperinciPENERAPAN METODE EXPONENTIALLY WEIGHTED QUANTILE REGRESSION UNTUK PERAMALAN PENJUALAN MOBIL
PENERAPAN METODE EXPONENTIALLY WEIGHTED QUANTILE REGRESSION UNTUK PERAMALAN PENJUALAN MOBIL Wiwik Anggraeni 1, Indah Sri Wahyuni 2 Jurusan Sistem Informasi, Fakultas Teknologi Informasi, ITS Jl. Raya ITS
Lebih terperinciMETODE 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
Lebih terperinciPrediksi 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
Lebih terperinciModel Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Model Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur M.Fariz Fadillah Mardianto,
Lebih terperinciMETODE REGRESI DATA PANEL UNTUK PERAMALAN KONSUMSI ENERGI DI INDONESIA
METODE REGRESI DATA PANEL UNTUK PERAMALAN KONSUMSI ENERGI DI INDONESIA SKRIPSI Oleh: MARISKA SRIHARDIANTI 24010212130036 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1 Variabel Berikut merupakan variabel yang digunakan dalam pemecahan masalah pada penelitian ini yaitu sebagai berikut : Data historis penjualan yang akan digunakan untuk
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang. Kebijakan pemerintah dapat diambil secara tepat apabila berdasar pada informasi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Kebijakan pemerintah dapat diambil secara tepat apabila berdasar pada informasi statistik yang akurat dan tepat waktu. Informasi tersebut selain menunjukkan perkembangan
Lebih terperinci1. 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
Lebih terperinciBAB III METODOLOGI PENELITIAN
22 BAB III METODOLOGI PENELITIAN 3.1. KERANGKA PIKIR Metode yang dipakai dalam penelitian ini adalah metode uji statistika. Dalam mengaplikasikan statistika terhadap suatu permasalahan pertama-tama dimulai
Lebih terperinciKOEFISIEN DETERMINASI REGRESI FUZZY SIMETRIS UNTUK PEMILIHAN MODEL TERBAIK. Iqbal Kharisudin. Jurusan Matematika FMIPA Universitas Negeri Semarang
KOEFISIEN DETERMINASI REGRESI FUZZY SIMETRIS UNTUK PEMILIHAN MODEL TERBAIK S-33 Iqbal Kharisudin Jurusan Matematika FMIPA Universitas Negeri Semarang Email: iqbal_kh@staff.unnes.ac.id Abstrak: Dalam analisis
Lebih terperinciIstilah-istilah yang digunakan dalam penerapan logika fuzzy adalah sebagai berikut (Ayuningtiyas et al, 2007):
Logika fuzzy adalah suatu sistem logis pada suatu informasi logis yang bertujuan pada suatu formalisasi dari taksiran pemikiran. Tidak seperti logika klasik (boolean), logika fuzzy memiliki nilai yang
Lebih terperinciBAB I PENDAHULUAN. apa yang dibutuhkan untuk mendapatkan produk yang telah ditetapkan.
BAB I PENDAHULUAN 1.1. Latar Belakang Perencanaan produksi adalah suatu kegiatan yang berkenaan dengan penentuan apa yang harus diproduksi, berapa banyak diproduksi dan sumber daya apa yang dibutuhkan
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 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 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
Lebih terperinciInstitut 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
Lebih terperinciJURNAL 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 terperinciLULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI
LULIK PRESDITA W 1207 100 002 APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI 1 Pembimbing : Dra. Nuri Wahyuningsih, M.Kes BAB I PENDAHULUAN 2 LATAR BELAKANG 1. Stabilitas ekonomi dapat dilihat
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 terperinciBAB 1 PENDAHULUAN. energi perlu dilaksanakan secara berdayaguna dan berhasilguna. Dilihat dari
BAB 1 PENDAHULUAN 1.1. Latar Belakang Energi mempunyai peranan yang sangat penting dalam kehidupan manusia dan dalam proses pembangunan. Oleh karena itu peningkatan serta pembangunan dalam sektor energi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang. Produk Domestik Regional Bruto (PDRB) merupakan salah satu indikator penting
1 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
Lebih terperinciKata kunci: beban GI, perkiraan, regresi linier berganda
STUDI PERKIRAAN BEBAN PADA GARDU INDUK MANISREJO TAHUN 2014-2025 Wisnu Adi Suryo¹, Hadi Suyono, ST., MT., Ph.D ², Teguh Utomo, Ir., MT ³ ¹Mahasiswa Teknik Elektro, ² ³Dosen Teknik Elektro, Universitas
Lebih terperinciPENGGUNAAN METODE EXPONENTIAL SMOOTHING UNTUK MERAMALKAN PERSEDIAAN BERAS PADA BULOG DIVRE ACEH
ISBN: 978-602-71798-1-3 PENGGUNAAN METODE EXPONENTIAL SMOOTHING UNTUK MERAMALKAN PERSEDIAAN BERAS PADA BULOG DIVRE ACEH Nurmaulidar, Asep Rusyana, Rizka Maqfirah 1 Fakultas MIPA, Universitas Syiah Kuala,
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 terperinci99.9. Percent maka H 0 diterima, berarti residual normal
Uji residual white noise 2 Lag Q P value 6 3.5 9.49 0.5330 2 6.6 8.3 0.803 8 9.8 26.30 0.9059 24 9.3 33.92 0.6374 K p q Uji residual berdistribusi normal Percent 99.9 99 95 90 80 70 60 50 40 30 20 0 5
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 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 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 terperinciANALISIS 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
Lebih terperinciPRISMA FISIKA, Vol. III, No. 3 (2015), Hal ISSN :
PRISMA FISIKA, Vol. III, No. (05), Hal. 79-86 ISSN : 7-80 Pemodelan Kebutuhan Daya Listrik Di Pt. PLN (Persero) Area Pontianak dengan Menggunakan Metode Gauss-Newton Mei Sari Soleha ), Joko Sampurno *),
Lebih terperinciBAB 1 PENDAHULUAN. banyak diterapkan pada berbagai bidang sebagai dasar bagi pengambilan
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Dalam masyarakat modern seperti sekarang ini, metode statistika telah banyak diterapkan pada berbagai bidang sebagai dasar bagi pengambilan keputusan / kebijakan.
Lebih terperinciPERAMALAN 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
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 terperinciBAB 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
Lebih terperinciAnalisis Ekonometrika Model Pendapatan Nasional Indonesia dengan Pendekatan Persamaan Sistem Simultan
Analisis Ekonometrika Model Pendapatan Nasional Indonesia dengan Pendekatan Persamaan Sistem Simultan Oleh: Ainul Fatwa Khoiruroh (1310100096) Pembimbing: Dr. Setiawan, M.S. JURUSAN STATISTIKA FAKULTAS
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 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 terperinciPertemuan 8 STATISTIKA INDUSTRI 2 08/11/2013. Introduction to Linier Regression. Introduction to Linier Regression. Introduction to Linier Regression
Pertemuan 8 STATISTIKA INDUSTRI 2 TIN 4004 Outline: Regresi Linier Sederhana dan Korelasi (Simple Linier Regression and Correlation) Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and Probability
Lebih terperinciMeytaliana F Dosen Pembimbing: Prof. Dr. Basuki Widodo, M.Sc. Dra. Nuri Wahyuningsih, M.Kes.
ESTIMASI PARAMETER AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) (STUDI KASUS PERAMALAN CURAH HUJAN DAS BRANGKAL MOJOKERTO) Meytaliana F. 1210100014
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 terperinciSIMULASI 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
Lebih terperinciBAB 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
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 terperinciANALISIS PETA KENDALI-p MENGGUNAKAN KUALITAS FUZZY PADA PERGESERAN NILAI RATA-RATA DAN VARIANSI DARI SUATU PROSES ROLLITA PUTRI KARENI ( )
SEMINAR TUGAS AKHIR ANALISIS PETA KENDALI-p MENGGUNAKAN KUALITAS FUZZY PADA PERGESERAN NILAI RATA-RATA DAN VARIANSI DARI SUATU PROSES ROLLITA PUTRI KARENI (1207 100 067) Dosen Pembimbing Dra. Laksmi Prita
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 terperinciPERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS
PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS Oleh : Agustini Tripena ABSTRACT In this paper, forecasting the consumer price index data and inflation. The method
Lebih terperinciBAB I PENDAHULUAN. Dewasa ini banyak permasalahan yang muncul baik di bidang ekonomi,
BAB I PENDAHULUAN 1.1 Latar Belakang Dewasa ini banyak permasalahan yang muncul baik di bidang ekonomi, manajemen, pendidikan, maupun kesehatan. Pada bidang ekonomi, permasalahan itu kian kompleks seiring
Lebih terperinciBAB I PENDAHULUAN. 1 Universitas Indonesia. Faktor-faktor yang..., Iva Prasetyo Kusumaning Ayu, FE UI, 2010.
BAB I PENDAHULUAN 1.1. Latar Belakang Seiring dengan berlangsungnya pelaksanaan pembangunan ekonomi nasional, maka transformasi struktural dalam perekonomian merupakan suatu proses yang tidak terhindarkan.
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 terperinciSifat Baik Solusi Kuadrat Terkecil Regresi Fuzzy Dengan Variabel Dependen Fuzzy Tak Simetris
Sifat Baik Solusi Kuadrat Terkecil Regresi Fuzzy Dengan Variabel Dependen Fuzzy Tak Simetris Iqbal Kharisudin Jurusan Matematika FMIPA Universitas Negeri Semarang Email: iqbal_kh@staff.unnes.ac.id Abstrak:
Lebih terperinciProgram 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
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 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 terperinciEvelina Padang, Gim Tarigan, Ujian Sinulingga
Saintia Matematika Vol. 1, No. 2 (2013), pp. 161 174. PERAMALAN JUMLAH PENUMPANG KERETA API MEDAN-RANTAU PRAPAT DENGAN METODE PEMULUSAN EKSPONENSIAL HOLT-WINTERS Evelina Padang, Gim Tarigan, Ujian Sinulingga
Lebih terperinciBAB III METODE PENELITIAN. tercatat secara sistematis dalam bentuk data runtut waktu (time series data). Data
24 BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data 3.1.1 Jenis Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder atau kuatitatif. Data kuantitatif ialah data yang diukur dalam
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. independen dari listrik adalah satuan kilowatt (kwh), untuk minyak adalah
36 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1. Hasil Pengolahan Data Data yang diambil untuk varibel dependen adalah produk domestic bruto di Jakarta period 1995 2005 dalam satuan rupiah. Sedangkan variabel
Lebih terperinciBAB 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
Lebih terperinciBAB 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
Lebih terperinciBAB 4 INDIKATOR EKONOMI ENERGI
BAB 4 INDIKATOR EKONOMI ENERGI Indikator yang lazim digunakan untuk mendapatkan gambaran kondisi pemakaian energi suatu negara adalah intensitas energi terhadap penduduk (intensitas energi per kapita)
Lebih terperinciSistem 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,
Lebih terperinciBAB III METODE PENELITIAN. kabupaten induknya yaitu Kabupaten Bandung Barat dan Kota Cimahi ke
BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder periode tahun 2001-2008 yang mencakup wilayah kabupaten dan kota di Provinsi Jawa Barat.
Lebih terperinciANALISIS FAKTOR FAKTOR YANG MEMPENGARUHI PENGELUARAN KONSUMSI MASYARAKAT DI INDONESIA PERIODE TAHUN
ANALISIS FAKTOR FAKTOR YANG MEMPENGARUHI PENGELUARAN KONSUMSI MASYARAKAT DI INDONESIA PERIODE TAHUN 1979-2007 SKRIPSI Diajukan Untuk Memenuhi Tugas dan Syarat syarat Guna Memperoleh Gelar Sarjana Ekonomi
Lebih terperinciBAB 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
Lebih terperinciBAB 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
Lebih terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH
126 BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Flow Diagram Pemecahan Masalah Gambar 3.1 Flow Diagram Pemecahan Masalah 127 1 PENGUMPULAN DATA - Data spesifikasi produk - Data bahan baku - Data jumlah mesin
Lebih terperinciBAB III LANGKAH PEMECAHAN MASALAH
BAB III LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Kriteria optimasi yang digunakan untuk menganalisis faktor-faktor kendala pada PT. Primajaya Pantes Garment dengan tujuan untuk memaksimalkan
Lebih terperinciBAB 1 PENDAHULUAN dan luas perairannya Indonesia adalah Negara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Indonesia merupakan Negara maritim yang mempunyai belasan ribu pulau dengan teritori laut yang sangat luas. Wilayah Indonesia terbentang sepanjang 3.977 mil diantara
Lebih terperinciBAB 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
Lebih terperinciIV. 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
Lebih terperinciPEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA DI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION
PEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA DI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION SKRIPSI Disusun Oleh : DEPY VERONICA 24010212140035 DEPARTEMEN STATISTIKA
Lebih terperinciVol.17 No.2. Agustus 2015 Jurnal Momentum ISSN : X
PREDIKSI PERKEMBANGAN BEBAN LISTRIK SEKTOR RUMAH TANGGA DI KABUPATEN SIJUNJUNG TAHUN 2013-2022 DENGAN SIMULASI SPSS Erhaneli *, Oki Irawan ** *) Dosen Jurusan Teknik Elektro **) Mahasiswa Jurusan Teknik
Lebih terperinciOPTIMIZATION 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)
Lebih terperinciBAB 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
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 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
Lebih terperinciBab 1 PENDAHULUAN. 1.1 Latar Belakang
Bab 1 PENDAHULUAN 1.1 Latar Belakang Teori himpunan fuzzy banyak diterapkan dalam berbagai disiplin ilmu seperti teori kontrol dan manajemen sains, pemodelan matematika dan berbagai aplikasi dalam bidang
Lebih terperinciFORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA
FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA 1) Nurul Latifa Hadi 2) Artanti Indrasetianingsih 1) S1 Program Statistika, FMIPA, Universitas PGRI Adi Buana Surabaya 2)
Lebih terperinciBAB 4 ANALISIS DAN BAHASAN. Pada bab ini, akan disajikan penjelasan mengenai analisis data dan
BAB 4 ANALISIS DAN BAHASAN Pada bab ini, akan disajikan penjelasan mengenai analisis data dan pembahasan. Sub bab akan menjelaskan tentang bagaimana cara mengolah data dan akan dilanjutkan dengan interpretasi
Lebih terperinciBAB 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
Lebih terperinciBAB 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
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PERTUMBUHAN EKONOMI DI KABUPATEN WONOGIRI
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PERTUMBUHAN EKONOMI DI KABUPATEN WONOGIRI NASKAH PUBLIKASI Diajukan Untuk Memenuhi Tugas dan Syarat-Syarat Guna Memperoleh Gelar Sarjana Ekonomi Program Studi Ekonomi
Lebih terperinciRegresi Linier Berganda dan Korelasi Parsial
Regresi Linier Berganda dan Korelasi Parsial Atina Ahdika, S.Si, M.Si Universitas Islam Indonesia 2015 Regresi Linier Berganda Korelasi Regresi Linier Sederhana Variabel X dan Variabel Y Contoh: X: pendapatan
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data sekunder deret waktu
III. METODE PENELITIAN A. Jenis dan Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder deret waktu (time-series data) bulanan dari periode 2004:01 2011:12 yang diperoleh dari PT.
Lebih terperinci