SISTEM PERAMALAN PERSEDIAAN BAHAN MENTAH MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTING DENGAN BOBOT ORDERED WEIGHTED AGGREGATION (OWA)
|
|
- Hartono Setiabudi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 SISTEM PERAMALAN PERSEDIAAN BAHAN MENTAH MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTING DENGAN BOBOT ORDERED WEIGHTED AGGREGATION (OWA) Syahruwandi, Fauzan Jurusan Teknik Informatika STT Nurul Jadid Paiton Bayu Setyawan Jurusan Teknik Informatika Universitas 45 Surabaya ABSTRAK Salah satu komponen penting yang menunjang operasi produksi tahu pada Pabrik Tahu Suryadi adalah kegiatan memprediksi jumlah beberapa bahan mentah yang dibutuhkan pada gudang produksi Tahu. Dengan prediksi yang baik, dapat dibuat rencana kerja perusahaan lebih efektif dan efisien. Oleh karena itu dibutuhkan sistem yang dapat memprediksi jumlah persediaan tiap harinya agar perusahaan mendapatkan keuntungan yang maksimal. Untuk meramalkan persediaan bahan mentah Tahu digunakanlah metode peramalan Double Exponential Smooting (DES). Hasil peramalan menggunakan DES dengan alpha 0,1 sampai 0,9 dihitung nilai Percentage Error (PE) yang terkecil, dari hasil perhitungan diperoleh alpha terkecil terdapat pada alpha 0,2 dengan Percentage Error % dan alpha 0,1 dengan Percentage Error %. Kemudian dua alpha tersebut dijadikan sebagai alpha 1 dan alpha 2 untuk dihitung dengan bobot Ordered Weighted Arregation (OWA) mencari. Dari hasil perhitungan yang dilakukan dapat diambil kesimpulan bahwa alpha yang digunakan untuk meramalkan persediaan barang pada Pabrik Tahu Suryadi periode selanjutnya adalah nilai alpha baru yang diperoleh yaitu 0,101. Kata kunci : Peramalan persediaan bahan mentah, Double Exponential Smooting, Ordered Weighted Argregation (OWA) 43
2 Abstract One of the important components that support the operation of the plant Tofu tofu production is an activity Suryadi predict the amount of some raw materials required in the production warehouse Know. With good prediction, plans can be made more effective and efficient company. Therefore, it needs a system that can predict the amount of inventory every day that companies get the maximum benefit. To forecast the supply of raw material is used to Know Double Exponential Smooting forecasting method (DES). Forecasting results using DES with an alpha of 0.1 to 0.9 calculated value Percentage Error (PE) is the smallest, from the calculation results obtained are the smallest alpha alpha by Percentage Error % and 0.1 alpha by Percentage Error %. Then two alpha is used as alpha 1 and alpha 2 to be calculated by the weight of Ordered Weighted Arregation (OWA) search. From the results of calculations carried out can be concluded that the alpha is used to forecast inventory in the next period Suryadi Tofu Factory is a new alpha value obtained is Keywords: raw material supply forecasting, Double Exponential Smooting, Ordered Weighted Argregation (OWA). I. PENDAHULUAN Persaingan industri saat ini sangat ketat. Setiap perusahaan berusaha ingin mampu bersaing dengan berbagai cara yang dilakukan. Perusahaan tidak hanya dituntut untuk menerapkan strategi agar dapat meningkatkan keunggulan bersaing, tetapi juga melakukan perbaikan dan evaluasi manajemen untuk meningkatkan kualitas. Salah satunya adalah manajemen inventory (persediaan). Pabrik Tahu Suryadi Kebon Agung Kraksaan merupakan perusahaan yang memproduksi Tahu. Produk tersebut dipasarkan ke beberapa daerah di Jawa timur. Dalam konteks produksi persediaan bahan mentah selama ini di Pabrik Tahu Suryadi masih manual. Hal ini masih kurang efisien karena tidak ada sistem yang mengatur persediaan harian. Oleh karena itu dibutuhkan sistem yang dapat memprediksi jumlah bahan mentah untuk diproduksi hariannya agar persediaan lebih teratur dan tidak berlebihan atau kekurangan bahan mentah. Pola data persediaan bahan mentah pada Pabrik Tahu Suryadi merupakan data stasioner yaitu data yang berbentuk naik turun setiap harinya. Metode peramalan banyak digunakan seperti regresi linier, single exponential smooting, double exponential smooting, single moving average, dan masih banyak metode-metode lainnya. Tetapi sesuai dengan bentuk data, maka dalam peramalan persediaan bahan mentah ini digunakan metode double exponential smoohting dengan pembobotan Ordered Weigthed Aggregation (OWA). Yang mana pembobotan ini dipakai untuk mencari alpha baru untuk menghasilkan peramalan terbaik. Dengan prediksi Error yang minimum. Tujuan dari Penelitian ini adalah membuat suatu perangkat lunak sistem pendukung keputusan (SPK) untuk membantu dalam melakukan proses peramalan 44 44
3 persediaan bahan mentah di Pabrik Tahu Suryadi - Kebon Agung Kraksaan dengan menggunakan metode Double Exponential Smoothing dengan Pembobotan Ordered Weighted Aggregation (OWA). II. TINJAUAN PUSTAKA Penelitian-penelitian tentang peramalan yang pernah dilakukan oleh beberapa orang dengan metode dan objek yang berbeda. a. Enni Lindrawati dalam penelitiannya yang berjudul Sistem Informasi Inventory menggunakan Inventory Control dengan Metode Linier Programming. digunakan metode Exponential Smoothing untuk meramalkan permintaan produk dan metode Linier Programming untuk pengendalian persediaan barang pada PT. Madura Guano Industry (LTD) Bangkalan. Hasil penelitian itu menunjukkan bahwa pengendalian persediaan meminimumkan jumlah pembelian bahan mentah sesuai dengan peramalan permintaan. Dalam penelitian Tingkat Error dari hasil peramalan terhadap data actual adalah 2,1 %. (Lindrawati E, 2010:27) b. Fei Hao dan Zheng Pei Dalam penelitiannya yang berjudul A Method Of Determining The Secondari Exponential Smooting Parameter Based On OWA. Dalam penelitian ini menggunakan metode Secondary Exponential Smooting Model (SESM). SESM disini digunakan untuk memprediksi trend untuk menentukan parameter smooting. Dan pembobotan Ordered Weighted Aggregation (OWA) dianggap untuk mendapatkan solusi optimal. Untuk mendapat bobot OWA tingkat Error dan prediksi Error dari SESM didefinisikan. Metode ini diterapkan untuk meramalkan harga obat pada sebuah saham. (Pei Zheng, 2007:5) 2.1 Sistem Pendukung Keputusan (Decision Support System) Sistem berbasis computer yang interaktif, yang membantu pengambil keputusan memanfaatkan data dan model untuk menyeleaikan masalah-masalah yang tak tersetruktur. DSS mendayagunakan resources individu-individu secara intelek dengan kemampuan computer untuk meningkatkan kualitas keputusan. Jadi ini merupakan system pendukung yang berbasis computer untuk manajemen pengambilan keputusan yang berhubunhgan dengan masalah-masalah yang semi terstruktur. Istilah DSS kadang digunakan untuk menggambarkan sembarang system terkomputerisasi. Alasan mengapa menggunakan DSS : a) Perusahaan beroperasi pada ekonomi yang tidak stabil. b) Perusahaan dihadapkan pada kompetisi dalam dan luar negeri yang meningkat. c) Perusahaan menghadapi peningkatan kesulitan dalam hal melacak jumlah operasi-operasi bisnis. d) System computer perusahaan tak mendukung peningkatan tujuan perusahaan dalam hal efisiensi, profitabilitas, dan mencari jalan masuk dipasar yang benerbenar menguntungka. (Subakti I, 2002:213) 45
4 2.2 Pengendalian Persediaan (inventory) Persediaan (inventory), dalam konteks produksi dapat diartikan sebagai sumber daya menganggur (idle resource). daya menganggur ini belum digunakan karena menunggu proses lebih lanjut. Yang dimaksud proses lebih lanjut disini dapat berupa kegiatan produksi, pemasaran ataupun kegiatan konsumsi. Keberadaan persediaan atau sumber daya menganggur ini dalam suatu sistem mepunyai suatu tujuan tertentu. Alasan utamanya adalah karena sumber daya tertentu tidak bisa didatangkan ketika sumber daya tersebut dibutuhkan. Sehingga untuk menjamin tersedianya sumber daya tersebut perlu adanya persediaan yang siap digunakan ketika dibutuhkan. (Ginting R, 2007:56). 2.3 Pengertian Peramalan (Forecasting) Peramalan (Forecasting) merupakan bagian awal dari suatu proses pengambilan suatu keputusan. Sebelum melakukan peramalan harus diketahui terlebih dahulu apa sebenarnya persoalan dalam pengambilan keputusan itu. Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap suatu atau beberapa produk pada periode yang akan dating. Pada hakekatnya peramalan hanya merupakan suatu perkiraan (guess), tetapi dengan menggunakan teknik-teknik tertentu maka peramalan menjadi lebih sekedar perkiraan. Peramalan dapat dikatakan perkiraan yang ilmiah (educated guess). (Ginting R, 2007:89). 2.4 Metode Exponential smoothing Metode peramalan Exponential Smooting (penghalusan exponential) sebenarnya merupakan metode rata-rata bergerak yang memberikan bobot lebih kuat pada data terakhir dari pada data awal. Hal ini menjadi sangat berguna jika perubahan terakhir pada data lebih merupakan akibat dari perubahan actual (seperti pola musiman) dari pada hanya fluktuasi acak saja. (Prayogo BS, 2008:5). Metode Exponential Smooting terdiri atas : 1. Single Exponential Smooting Pengertian dasar dari metode ini adalah : nilai ramalan pada periode t + 1 merupakan nilai actual pada periode t ditambah dengan penyesuaian yang berasal dari kesalahan nilai ramalan yang terjadi pada periode t tersebut. 2. Double Exponential Smooting (DES) Satu parameter (Brown s Linier Method ), merupakan metode yang hampir sama dengan metode linier moving average,disesuaikan dengan menambah satu parameter. (Ginting R, 2007:215). = + ( 1 - ) = + ( 1 - )..2.2 Dimana: = nilai-nilai penghalusan exponential tunggal = nilai-nilai penghalusan exponential ganda 46 46
5 = koefisien pemulusan = data dalam kilogram (persediaan bahan mentah) = + ( ) = = ( ) =. m Dimana: = penyesuaian nilai penghalusan tunggal untuk periode t = komponen kecendrungan = nilai ramalan untuk periode kedepannya 2.5 Ukuran Kesalahan Peramalan 1. Ukuran Statistik Standar Jika merupakan data actual untuk periode i dan merupakan ramalan (atau nilai kecocokan/fitted value) untuk periode yang sama, maka kesalahan didefinisikan sebagai berikut : (Makridakis W, 1999:56) = Jika terdapat nilai pengamatan dan peramalan untun n peride waktu maka akan terdapat n buah galat dan ukuran statistic standar berikut yang dapat didefinisikan : Nilai Tengah Galat (MEAN ERROR) = nilai rata-rata kesalahan ME = Nilai Tengah Galat Kuadrat (MEAN SQUARED ERROR) = nilai rata-rata kesalahan kuadrat MSE = Ukuran-ukuran Relatif Karena keterbatasan MSE sebagai suatu ukuran ketepatan peramalan, maka diusulkan ukuran-ukuran alternative, yang diantaranya menyangkut galat persentase. Dapat didefinisikan : (Makridakis W, 1999:60) Galat Persentase (PERCENTAGE ERROR) = kesalahan presentase pada periode PE = ( ) (100%) Nilai Tengah Galat Persentase Absolut (MEAN ABSOLUTE PERCENTAGE ERROR) = nilai rata-rata kesalahan presentase MAPE = ( ) (100%)
6 2.6 Ordered Weighted Aggregation (OWA) Ordered Weighted Agregation (OWA) diperkenalkan oleh Yager. OWA merupakan operator yang bersifat Komutatif, idempotent, kontinu, monoton, netral, konpenstatif dan stabil pada transformasi linier. Prinsip dari operator OWA ini adalah mengurutkan argument-argument untuk diagregasikan berdasarkan nilai tanggapan yang diberikan. Dalam dunia nyata, operator agregasi digunakan jika beberapa sistem harus membuat penilaian atau mensintesis pengetahuan terkait tertentu. OWA adalah operator Agregasi yang mengumpulkan beberapa informasi dengan bobot dalam urutan tertentu. (Dewi SK, 2006:314). Sebuah pemetaan dari, I (dimana I = [0,1]) disebutut operator OWA jika dikaitkan dengan, adalah vector bobot w = [w1,w2,., ] dan = 1. Dan ( ) = = + +. dimana { (1),. (n)} adalah permutasi dari {1,.n} sedemikian hingga untuk semua i=2 adalah elemen dalam koleksi ( ). Metode ini diambil dari sudut pandang dunia nyata, semakin kecil PE dan HE semakin lebih baik hasil peramalan. Dari seleksi ( ). jika < dan <. Dari hasil penghitungan tingkat kesalahan peramalan diambil nilai tingkat kesalahan terkecil. Maka ditemukan untuk dan. Dalam paper ini untuk ditentukan sebagai berikut : (Pei Zheng. 2007:92) = +, dimana + = Dimana dan diperoleh dari nilai HE dan PE terkecil dari hasil peramalan. Dan dan diperoleh dari rumus : = Q ( ) Q ( ) : I = 1,,n
7 III. METODE PENELITIAN 1. Flowchart Sistem Gambar 3.1 Flowchart Sistem 49
8 2. Flowchart Metode Double Exponential Smoothing Gambar 3.2 Flowchart Metode Double Exponential Smoothing 50 50
9 3. Flowchart Ordered Weighted Aggregation (OWA) Gambar 3.3 Flowchart Ordered Weighted Aggregation (OWA) 51
10 IV. PEMBAHASAN DAN HASIL 4.1 Tampilan Antar Muka Gambar 4.1 Tampilan Halaman Utama Pada gambar diatas admin dapat melakukan beberapa aktifitas yang telah disediakan pada menu persediaan produk, seperti menambah, mengubah, menghapus data persediaan bahan mentah digudang. admin juga dapat melakukan ujicoba sistem. Admin juga dapat melihat laporan dari hasil peramalan persediaan bahan mentah yang akan diproduksi. Sedangkan kepala gudang hanya menerima hasil peramalan dan cetak laporan. 4.2 Perhitungan Peramalan Menggunakan Metode Double Exponential Smoothing (DES) dengan Data latih 30. Perhitungan peramalan menggunakan metode Double Exponential Smoothing (DES) dengan alpha 0.1 sampai 0.9 Menggunakan data sebanyak 30 dari satu jenis bahan mentah kedelai untuk mengetahui tingkat akurasi Error pada peramalan. Satuan yang digunakan dalam jumlah persediaan adalah kilogram. Dari hasil peramalan menggunakan 30 data, tingkat akurasi Error dengan metode yang digunakan Mean Error (ME), Mean Square Error (MSE), Mean 52 52
11 Absolute Error (MAPE) dan Prediction Error (PE). Diperoleh hasil perhitungan kesalahan. Tabel 4.1 Akurasi Error Pada Peramalan DES Alpha ME MSE MAPE PE 0, , , , , , , , , Tabel 4.2 Nilai Alpha terkecil Nilai Alpha Terkecil Alpha 1 Alpha Dari perhitungan menggunakan metode Double Exponential Smoothing (DES) pada data sebanyak 30 jenis bahan mentah Kedelai diatas PE terkecil terdapat pada alpha 0.9 dan 0.8 dengan tingkat Error dan Perhitungan Peramalan Menggunakan Metode Double Exponential Smoothing (DES) dengan Menggunakan Data sebanyak 150. Perhitungan peramalan menggunakan metode Double Exponential Smoothing (DES) dengan alpha 0.1 sampai 0.9 Menggunakan data sebanyak 150 dari satu jenis bahan mentah kedelai untuk mengetahui tingkat akurasi Error pada peramalan. Satuan yang digunakan dalam jumlah persediaan adalah kilogram. Hasil peramalan dapat dilihat pada tabel 4.3. Dari hasil peramalan menggunakan 150 data tingkat akurasi Error dengan metode yang digunakan Mean Error (ME), Mean Square Error (MSE), Mean Absolute Error (MAPE) dan Prediction Error (PE). Diperoleh hasil perhitungan kesalahan. 53
12 Tabel 4.3 Akurasi Error Pada Peramalan DES Alpha ME MSE MAPE PE Tabel 4.4 Nilai Alpha terkecil Nilai Alpha Terkecil Alfa 1 Alfa Dari perhitungan menggunakan metode Double Exponential Smoothing (DES) pada data sebanyak 150 jenis bahan mentah Kedelaidiatas PE terkecil terdapat pada alpha 0.1 dan 0.6 dengan tingkat Error -0,0363 dan -0, Perhitungan Peramalan Menggunakan Metode Double Exponential Smoothing (DES) dengan Menggunakan Data sebanyak 279. Perhitungan peramalan menggunakan metode Double Exponential Smoothing (DES) dengan alpha 0.1 sampai 0.9 Menggunakan data sebanyak 297 dari satu jenis bahan mentah kedelai untuk mengetahui tingkat akurasi Error pada peramalan. Satuan yang digunakan dalam jumlah persediaan adalah kilogram. Hasil peramalan dapat dilihat pada tabel 4.5. Dari hasil peramalan menggunakan 297 data tingkat akurasi Error dengan metode yang digunakan Mean Error (ME), Mean Square Error (MSE), Mean Absolute Error (MAPE) dan Prediction Error (PE). Diperoleh hasil perhitungan kesalahan
13 Tabel 4.5 Akurasi Error Pada Peramalan DES Alfa ME MSE MAPE PE Tabel 4.6 Nilai Alpha terkecil Nilai Alfa Terkecil Alfa 1 Alfa Dari perhitungan menggunakan metode Double Exponential Smoothing (DES) pada data sebanyak 297 jenis bahan mentah Kedelai diatas PE terkecil terdapat pada alpha 0.2 dan 0.1 dengan tingkat Error dan Dari ketiga uji coba diatas dapat disimpulkan semakin besar jumlah data persediaan yang diramalkan, maka semakin kecil tingkat Error yang diperoleh yaitu dan terdapat pada alpha 0,2 dan 0,1 pada uji coba data persediaan sebanyak 297. Jadi alpha yang digunakan untuk menghitung alpha baru dengan bobot Ordered Weighted Aggregation (OWA) adalah alpha 1 = 0,2 dan alpha2 = 0,1. 1. Grafik akurasi Error pada setiap alfa pada jenis bahan mentah kedelai Gambar 4.2 Grafik Akurasi Error 55
14 2. Penghitungan dengan menggunakan bobot OWA 0 sampai 1. Tabel 4.7 penghitungan nilai dengan bobot OWA No W1 W2 Alfa 1 Alfa2 Hasil alfa baru : : : : : : Dari hasil penghitungan di simpulkan : jika alpha 1 lebih besar dari alpha 2 dan nilai bobot w1 lebih kecil dari nilai bobot w2 maka semakin kecil nilai yaitu 0,101. Jika nilai bobot w1=w2 maka nilai dan nilai bobot w1 lebih besar dari nilai bobot w2 maka semakin besar nilai yaitu = 0,199. Jadi, Dari perhitungan menggunakan metode OWA untuk mencari alpha baru diatas nilai alpha baru terkecil terdapat pada bobot owa w1=0,01 dan w2 = 0,99 dengan alpha 1 = 0.2 dan alpha 2 = 0.1 hasil penghitungan alfa baru yaitu diperoleh = Sehingga untuk perhitungan peramalan persediaan pada bahan mentah jenis kedelai dengan metode DES hanya dilakukan pada alpha baru ( 0.101)
15 3. Grafik hasil peramalan dengan alfa baru Gambar 4.3 Grafik Ft 1. Hasil Penghitungan peramalan persediaan bahan mentah kedelay menggunakan metode DES dengan alfa baru Jadi dari hasil perhitungan peramalan persediaan menggunakan metode DES : jenis bahan mentah kedelai dengan alfa baru jumlah persediaan periode berikutnya sebanyak kg. V. KESIMPULAN 5.1 Kesimpulan Setelah menyelesaikan perancangan dan pembuatan aplikasi peramalan pada Penelitian ini, maka diperoleh kesimpulan sebagai berikut: a. Sistem peramalan bahan mentah menggunakan metode Double exponential smoothing dengan pembobotan Ordered Weigted Aggregation (OWA) dapat membantu Pabrik Tahu Suryadi Kraksaan dalam menentukan jumlah bahan mentah produk tahu perharinya. b. Berdasarkan uji coba sistem, dengan peramalan Double exponential smoothing nilai alpha terkecil pada kedelay yaitu alpha 0.2 dengan tingkat akurasi Mean Absolute Percentage Error % dan Percentage Error %. Alpha 0.1 dengan tingkat akurasi Mean Absolute Percentage Error % dan Percentage Error %. Kemudian dijadikan sebagai alpha 1 dan alpha 2 untuk menghitung alpha baru dengan bobot OWA. c. Jika alfa 1 lebih besar dari alfa 2 yaitu 0,2 dan 0,1 dan nilai bobot w1 lebih kecil dari nilai bobot w2 yaitu 0,01 dan 0,99 maka semakin kecil nilai. jika alfa 1 lebih besar dari alfa 2 yaitu 0,2 dan 0,1 dan nilai bobot w1 lebih besar dari nilai 57
16 bobot w2 yaitu 0,99 dan 0,01 maka semakin besar nilai. Jadi nilai yang diambil untuk meramalkan persediaan bahan baku pada periode berikutnya adalah alfa 0,101. Berdasarkan penghitungan dengan alpha 1= 0,2, alpha 2 = 0,1 dan W1 = 0.01, W2 = 0.99 diperoleh alpha baru = Saran Setelah terlaksananya Penelitian ini Diharapkan adanya pengembangan lebih lanjut. Bisa juga menggunakan metode peramalan selain Double Exponential Smooting. Misalkan dengan Regresi Linier, linier programming, Single Exponential smooting, single moving average dengan bobot Ordered Weighted Aggregatin (OWA), dan masih banyak metode lainnya. DAFTAR PUSTAKA Lindrawati, E Sistem Inventory Menggunakan Control Dengan Metode Linear Programming. Penelitian. Bangkalan : Universitas Trunojoyo. Hao, Fei, Pei Zheng A Method Of Determining The Secondari Exponential Smooting Parameter Based On OWA. China : ECTI Transaction On Electrical Eng, Electronics And Communication. Taylor, W, J Multi-item Sales Forecasting With Total And Split Exponential Smooting. Inggris : Journal of the Operational Research Society. Tanuwijaya, H Sistem Informasi Pengendalian Persediaan menggunakan Exponetial Smooting pada. Surabaya : Stikom Jurnal. Ginting, R Sistem Produksi. Yogyakarta : Graha Ilmu. Subakti, I Sistem Pendukung Keputusan (Decesion Support system). Buku Panduan SPK. Surabaya Prayogo, B, S Rancang Bangun Sistem Peramalan Penjualan Dengan Metode Exponential Smooting Dan Single Moving Average. Surabaya : Skripsi Manajemen Informatika & Teknik Komputer Makridakis, W dan McGee Metode dan Aplikasi Peramalan Jakarta: Binarupa aksara. Dewi, S.K Fuzzy Multi Atribute Decision Making (FUZZY MADM). Yogyakarta : Graha Ilmu
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)
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Peramalan (forecasting) 2.1.1. Hubungan Forecast dengan Rencana Forecast adalah peramalan apa yang akan terjadi pada waktu yang akan datang, sedang rencana merupakan penentuan apa
Lebih terperinciBAB 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 terperinciAPLIKASI TRIPLE EXPONENTIAL SMOOTHING UNTUK FORECASTING JUMLAH PENDUDUK MISKIN
APLIKASI TRIPLE EXPONENTIAL SMOOTHING UNTUK FORECASTING JUMLAH PENDUDUK MISKIN Fakultas Keguruan dan Ilmu Pendidikan Universitas PGRI Yogyakarta padrul.jana@upy.ac.id Abstract This study aims to predict
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Konsep Peramalan Peramalan ( forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien khususnya dalam bidang ekonomi. Dalam organisasi modern
Lebih 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 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan sering dipandang sebagai seni dan ilmu dalam memprediksikan kejadian yang mungkin dihadapi pada masa yang akan datang. Secara teoritis peramalan
Lebih 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 TINJAUAN PUSTAKA
BAB III TINJAUAN PUSTAKA 3.1 Teori Dunia industri biasanya tak lepas dari suatu peramalan, hal ini disebabkan bahwa peramalan dapat memprediksi kejadian di masa yang akan datang untuk mengambil keputusan
Lebih terperinciABSTRAK. Kata Kunci: peramalan, single exponential smoothing, single moving average, Economic Order Quantity (EOQ). ABSTRACT
PERANCANGAN SISTEM INFORMASI PERENCANAAN PRODUKSI DAN PERSEDIAAN BAHAN BAKU TINTA MENGGUNAKAN METODE EOQ (ECONOMIC ORDER QUANTITY) (Studi Kasus Di PT Inktech Indahmulya) *M. Arif Rahman, *Yeni Kustiyahningsih,
Lebih terperinciBAB 2 TINJAUAN TEORITIS. yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan terjadi
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan
Lebih terperinciPENGENDALIAN PERSEDIAAN BAHAN BAKU BAJA MS DI DIREKTORAT PRODUKSI ATMI CIKARANG
PENGENDALIAN PERSEDIAAN BAHAN BAKU BAJA MS DI DIREKTORAT PRODUKSI ATMI CIKARANG Siti Rohana Nasution 1, Temotius Agung Lukito 2 1,2) Jurusan Teknik Industri Fakultas Teknik Universitas Pancasila 1) nasutionana@yahoo.co.id,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Produksi Produksi merupakan suatu kegiatan yang dikerjakan untuk menambah nilai guna suatu benda baru sehingga lebih bermanfaat dalam memenuhi kebutuhan. Produksi jahe
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Indonesia saat ini sudah menghadapi pasar bebas. Hal ini membuat persaingan antara produk produk yang ada di Indonesia semakin ketat terutama produk yang sejenis. Dengan semakin ketatnya persaingan
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 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 terperinciBAB 3 LANGKAH PEMECAHAN MASALAH. Kriteria optimasi yang digunakan dalam menganalisis kebutuhan produksi pada
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Kriteria optimasi yang digunakan dalam menganalisis kebutuhan produksi pada PT Dinamika Indonusa Prima terkait dengan jumlah permintaan akan
Lebih terperinciPERAMALAN (FORECASTING)
#3 - Peramalan (Forecasting) #1 1 PERAMALAN (FORECASTING) EMA302 Manajemen Operasional Pengertian (1) 2 Oxford Dictionary, Forecast is a statement about what will happen in the future, based on information
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Sedangkan
Lebih terperinciBAB 2 LANDASAN TEORI
10 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang. Peramalan diperlukan karena adanya kesenjaan waktu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan adalah alat bantu yang penting dalam perencanaan yang efektif dan efisien (Makridakis,1991). Peramalan merupakan studi terhadap data historis untuk menemukan
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:
ISSN: 2339-254 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 205, Halaman 957-966 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian PREDIKSI NILAI KURS DOLLAR AMERIKA MENGGUNAKAN EXPONENTIAL SMOOTHING
Lebih terperinciBAB 2 LANDASAN 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. Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan
BAB 2 LADASA TEORI 2.1 Pengertian Peramalan (Forecasting) Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan terjadi pada masa mendatang. Peramalan penjualan adalah peramalan
Lebih terperinciPENERAPAN METODE DOUBLE EXPONENTIAL SMOOTHING PADA PERAMALAN PRODUKSI TANAMAN PANGAN
Jurnal Informatika Polinema ISSN: 2407-070X PENERAPAN METODE DOUBLE EXPONENTIAL SMOOTHING PADA PERAMALAN PRODUKSI TANAMAN PANGAN Rudy Ariyanto 1, Dwi Puspitasari 2, Fifi Ericawati 3 1,2,3 Program Studi
Lebih terperinciANALISIS 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
Lebih terperinciDwi 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
Lebih terperinciPENERAPAN METODE EXPONENTIAL SMOOTHING PADA PERAMALAN PENJUALAN DALAM PENENTUAN KUANTITAS PRODUKSI ROTI (STUDI KASUS PERUSAHAAN ROTI DHIBA KENDARI)
semantik, Vol.2, No.1, Jan-Jun 2016, pp. 229-236 ISSN : 2502-8928 (Online) 229 PENERAPAN METODE EXPONENTIAL SMOOTHING PADA PERAMALAN PENJUALAN DALAM PENENTUAN KUANTITAS PRODUKSI ROTI (STUDI KASUS PERUSAHAAN
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama (assaury, 1991). Sedangkan ramalan adalah
Lebih 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 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 terperinciABSTRACT. Universitas Kristen Maranatha
ABSTRACT PT. X is a private company engaged in the food production. PT. X produces 3 types of raw crackers such as onion crackers, yellow crackers and tongue crackers. Increase in number of food production
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH
49 BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Standar Optimasi Dasar evaluasi untuk mengoptimalkan supply chain management pada Honda Tebet (PT. Setianita Megah Motor) dari proses bisnis perusahaan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Persediaan 2.1.1 Pengertian Persediaan Keberadaan persediaan dalam suatu unit usaha perlu diatur sedemikian rupa sehingga kelancaran pemenuhan kebutuhan pemakai dapat dijamin
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 terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK PT X merupakan industri makanan di Depok yang memproduksi roti dengan 23 varian roti. Masalah yang dihadapi perusahaan saat ini adalah sering terjadinya over stock dan terkadang lost sales yang
Lebih terperinciABSTRAK. vii. Universitas Kristen Maranatha
ABSTRAK Penjualan merupakan faktor utama dalam menunjang kelangsungan hidup dalam suatu perusahaan. Oleh karena itu perusahaan harus mampu dalam menentukan kebijakan kebijakan yang berhubungan dengan aktivitas
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 terperinciPERAMALAN PENJUALAN MAKANAN RINGAN DENGAN METODE SINGLE EXPONENTIAL SMOOTHING
PERAMALAN PENJUALAN MAKANAN RINGAN DENGAN METODE SINGLE EXPONENTIAL SMOOTHING Mukti Qamal * *Dosen Teknik Informatika Universitas Malikussaleh Email: mukti.qamal@gmail.com Abstract The developments of
Lebih terperinciPENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL PERGERAKAN INFLASI KOTA PALU
PENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL PERGERAKAN INFLASI KOTA PALU Romy Biri ), Yohanes A.R. Langi ), Marline S. Paendong ) ) Program Studi Matematika FMIPA Universitas Sam Ratulangi Jl.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan merupakan usaha yang dilakukan oleh suatu perusahaan untuk melihat dan mengkaji situasi dan kondisi di masa mendatang. Terdapat beberapa faktor yang mempengaruhi
Lebih terperinciPENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT TELKOMSEL Divre 3 SURABAYA
SISTEM PENDUKUNG KEPUTUSAN PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT TELKOMSEL Divre 3 SURABAYA Alda Raharja - 5206 100 008! Wiwik Anggraeni, S.Si, M.Kom! Retno
Lebih terperinciBAB 2 LANDASAN TEORI
20 BAB 2 LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu atau beberapa produk pada periode yang akan datang.
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit
BAB 2 LANDASAN TEORI 2.1 Pengertian Produksi Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit tanaman pada lahan yang telah disediakan, pemupukan dan perawatan sehingga
Lebih terperinciPembahasan Materi #7
1 EMA402 Manajemen Rantai Pasokan Pembahasan 2 Pengertian Moving Average Alasan Tujuan Jenis Validitas Taksonomi Metode Kualitatif Metode Kuantitatif Time Series Metode Peramalan Permintaan Weighted Woving
Lebih terperinciUSULAN PERENCANAAN PRODUKSI DAN PERSEDIAAN TERINTEGRASI PT P&P LEMBAH KARET TUGAS AKHIR. Oleh FERDIAN REFTA AFRA YUDHA
USULAN PERENCANAAN PRODUKSI DAN PERSEDIAAN TERINTEGRASI PT P&P LEMBAH KARET TUGAS AKHIR Oleh FERDIAN REFTA AFRA YUDHA 1110931016 Pembimbing : Ir. JONRINALDI Ph.D, IPM JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK
Lebih terperinciAnalisa Peramalan Permintaan Produk Pipa PVC AW1/2 SC 4M pada PT. WDJ. Demand Forecasting Analysis Products PVC Pipe AW1/2 "SC 4M in PT.
Analisa Peramalan Permintaan Produk Pipa PVC AW1/2 SC 4M pada PT. WDJ Demand Forecasting Analysis Products PVC Pipe AW1/2 "SC 4M in PT. WDJ Miftah Gufron Nur Ihsan, Muhammad Kholil Program Studi Teknik
Lebih terperinciBAB III LANGKAH PEMECAHAN MASALAH
BAB III LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Koperasi Niaga Abadi Ridhotullah (KNAR) adalah badan usaha yang bergerak dalam bidang distributor makanan dan minuman ringan (snack). Koperasi
Lebih terperinciPERAMALAN PERSEDIAAN BARANG MENGGUNAKAN METODE WEIGHTED MOVING AVERAGE DAN METODE DOUBLE EXPONENTIAL SMOOTHING
Jurnal PILAR Nusa Mandiri Vol. 13, No. 2, September 2017 217 PERAMALAN PERSEDIAAN BARANG MENGGUNAKAN METODE WEIGHTED MOVING AVERAGE DAN METODE DOUBLE EXPONENTIAL SMOOTHING Ratih Yulia Hayuningtyas Teknik
Lebih terperinciEMA302 Manajemen Operasional
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 that is available now. (Peramalan
Lebih terperinciAbstract. Keywords : fluctuating demand, aggregate planning, strategy. Universitas Kristen Maranatha
Abstract Setia Bakery Company is a private company engaged in the field of home industry. The type of products manufactured and sales are fresh bread. Increasing number of companies engaged in the food
Lebih terperinciPREDIKSI JUMLAH PENERIMAAN SISWA SMK SWASTA TAHUN AJARAN 2011/2012
PREDIKSI JUMLAH PENERIMAAN SISWA SMK SWASTA TAHUN AJARAN 2011/2012 Haryadi Sarjono Management Department, School of Business and Management, BINUS University Jln. K.H. Syahdan No. 9, Kemanggisan-Palmerah,
Lebih terperinciSISTEM PERAMALAN PERSEDIAAN UNIT MOBIL MITSUBISHI PADA PT. SARDANA INDAH BERLIAN MOTOR DENGAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING
SISTEM PERAMALAN PERSEDIAAN UNIT MOBIL MITSUBISHI PADA PT. SARDANA INDAH BERLIAN MOTOR DENGAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING Afni Sahara (0911011) Mahasiswa Program Studi Teknik Informatika,
Lebih terperinciModel Aplikasi Prediksi Penjualan Sepeda Motor Dengan Metode Single Moving Average
ISSN: 2089-3787 779 Model Aplikasi Prediksi Penjualan Sepeda Motor Dengan Metode Single Moving Average Muhammad Firman Alamsyah, Rintana Arnie Program Studi Sistem Informasi, STMIK Banjarbaru Jl. Ahmad
Lebih terperinciPERAMALAN PENJUALAN OBAT MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING PADA TOKO OBAT BINTANG GEURUGOK
PERAMALAN PENJUALAN OBAT MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING PADA TOKO OBAT BINTANG GEURUGOK Sayed Fachrurrazi, S.Si., M.Kom Program Studi Teknik Informatika, Universitas Malikussaleh Reuleut,
Lebih terperinciBAB 3 METODE PENELITIAN. Dalam skripsi yang penulis lakukan ini menggunakan analisa forecasting dari
BAB 3 METODE PENELITIAN 3.1 Desain Penelitan Dalam skripsi yang penulis lakukan ini menggunakan analisa forecasting dari PT. Honda Dunia Motorindo. Setelah itu dengan analisa tersebut, penulis berusaha
Lebih terperinciMembuat keputusan yang baik
Membuat keputusan yang baik Apakah yang dapat membuat suatu perusahaan sukses? Keputusan yang dibuat baik Bagaimana kita dapat yakin bahwa keputusan yang dibuat baik? Akurasi prediksi masa yang akan datang
Lebih terperinciPERAMALAN PASOKAN BAHAN BAKU DAN PENJUALAN SIR 20 DI PT. PERKEBUNAN NUSANTARA VII UNIT PADANG PELAWI KEC. SUKARAJA KAB. SELUMA
PERAMALAN PASOKAN BAHAN BAKU DAN PENJUALAN SIR 20 DI PT. PERKEBUNAN NUSANTARA VII UNIT PADANG PELAWI KEC. SUKARAJA KAB. SELUMA The Forecasting of Raw Materials Supply and Sales in PT. Perkebunan Nusantara
Lebih terperinciPERAMALAN PRODUKSI SARUNG TENUN DENGAN MENGGUNAKAN METODE PEMULUSAN DATA
PERAMALAN PRODUKSI SARUNG TENUN DENGAN MENGGUNAKAN METODE PEMULUSAN DATA Weny Indah Kusumawati Program Studi Sistem Komputer, Institut Bisnis dan Informatika Stikom Surabaya email: weny@stikom.edu Abstrak
Lebih terperinciBAB 2 LANDASAN TEORI. sama setiap hrinya. Pada bulan-bulan tertentu curah hujan sangat tinggi dan pada
BAB 2 LANDASAN TEORI 2.1 Curah Hujan Hujan sangat diperlukan diberbagai penjuru masyarakat. Curah hujan tidak selalu sama setiap hrinya. Pada bulan-bulan tertentu curah hujan sangat tinggi dan pada bulan-bulan
Lebih terperinciBAB 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
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH. Seiring dengan meningkatknya pangsa pasar, permintaan konsumen juga menjadi
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Seiring dengan meningkatknya pangsa pasar, permintaan konsumen juga menjadi semakin sulit untuk diperkirakan. Selama ini, manajer PT. Focus
Lebih terperinciAplikasi Sistem Informasi Forecasting pada PD. Maha Jaya. Teknik Informatika 1 Teknik Industri 2 Universitas Kristen Petra Surabaya
Aplikasi Sistem Informasi Forecasting pada PD. Maha Jaya Rudy Adipranata 1, Tanti Octavia 2, Andi Irawan 1 Teknik Informatika 1 Teknik Industri 2 Universitas Kristen Petra Surabaya Pendahuluan Pentingnya
Lebih terperinciBAB IV METODE PERAMALAN
Metode Peramalan 15 BAB METODE PERAMALAN 4.1 Model Sederhana Data deret waktu Nilai-nilai yang disusun dari waktu ke waktu tersebut disebut dengan data deret waktu (time series). Di dunia bisnis, data
Lebih terperinciBAB I PENDAHULUAN. yang ada pada CV. Agung Jaya Cabang Pabean diperoleh dari supplier atau
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah CV. Agung Jaya Cabang Pabean adalah cabang perusahaan CV. Agung Jaya Kalang Anyar Sedati. CV. Agung Jaya Cabang Pabean merupakan distributor alat tulis kantor
Lebih terperinciBab 3 Metodologi Penelitian
Bab 3 Metodologi Penelitian 3.1. Flowchart Pemecahan Masalah Flowchart pemecahan masalah merupakan tahapan-tahapan yang dilakukan pada saat melakukan penelitian. Dimulai dari tahap observasi di PT. Agronesia
Lebih terperinciABSTRACT. Keywords: productions, plans, strategy. viii. Universitas Kristen Maranatha
ABSTRACT Aggregate planning is an approach to determine the amount and time of production in the medium term. Therefore, production planning is to look better by the company especially to obtain the most
Lebih terperinciPenerapan Metode Smoothing Untuk Peramalan Penghasilan Retribusi Toko
ISSN: 0216-3284 1133 Penerapan Metode Smoothing Untuk Peramalan Penghasilan Retribusi Toko Muhammad Abduh Jadid, Taufiq, Rustati R. STMIK Banjarbaru Jl. A. Yani Km. 33,3 Banjarbaru jadidmuhammad@gmail.com,
Lebih terperinciBAB 3 PERANCANGAN PROGRAM. 3.1 Alasan digunakan Metode Exponential Smoothing. Banyak metode peramalan yang dapat digunakan dalam memprediksi tingkat
BAB 3 PERANCANGAN PROGRAM 3.1 Alasan digunakan Metode Exponential Smoothing Banyak metode peramalan yang dapat digunakan dalam memprediksi tingkat penjualan untuk beberapa periode ke depan. Biasanya untuk
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan meramalkan atau memprediksi apa yang akan terjadi dimasa yang akan datang dengan waktu tenggang (lead time) yang relative lama,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Produksi Kedelai Dalam ketersediaan kedelai sangat diperlukan diberbagai penjuru masyarakat dimana produksi kedelai merupakan suatu hasil dari bercocok tanam dimana dilakukan dengan
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 terperinciSistem Infornasi Estimasi Penjualan Dengan Menggunakan Metode Exponential. Abstraksi
Sistem Infornasi Estimasi Penjualan Dengan Menggunakan Metode Exponential Smoothing (Studi Kasus : PT. Sumber Bening Lestari) 1)Krisna Setya Wardana2)Antok Supriyanto3)M. Arifin 1)Program Studi Sistem
Lebih terperinciRANCANG BANGUN SISTEM PENJADWALAN PRODUKSI DAN PERSEDIAAN BAHAN BAKU UD.KARYA JATI
RANCANG BANGUN SISTEM PENJADWALAN PRODUKSI DAN PERSEDIAAN BAHAN BAKU UD.KARYA JATI Miqdad Mashabi 1) S1/Jurusan Sistem Informasi, Sekolah Tinggi Manajemen Informatika & Teknik Komputer Surabaya email:
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 terperinci(FORECASTING ANALYSIS):
ANALISIS KUANTITATIF ANALISIS PERAMALAN Hand-out ke-3 ANALISIS PERAMALAN (FORECASTING ANALYSIS): Contoh-contoh sederhana PRODI AGRIBISNIS UNEJ, 2017 PROF DR IR RUDI WIBOWO, MS Contoh aplikasi tehnik peramalan
Lebih terperinciMETODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN
METODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN Peramalan kuantitatif hanya dapat digunakan apabila terdapat
Lebih terperinciHarwein et al., Peramalan Data Times Series Kebutuhan Tepung Terigu Sebagai Bahan Baku Pembuatan Roti...
TEKNOLOGI HASIL PERTANIAN PERAMALAN DATA TIMES SERIES KEBUTUHAN TEPUNG TERIGU SEBAGAI BAHAN BAKU PEMBUATAN ROTI (Studi Kasus di PT. Inti Cakrawala Citra Jember Jawa Timur) FORECASTING OF WHEAT FLOUR AS
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Peramalan adalah upaya untuk memperkirakan apa yang terjadi pada masa mendatang, sedangkan peramalan permintaan adalah proyeksi permintaan untuk produk atau layanan
Lebih terperinciProsiding Manajemen ISSN:
Prosiding Manajemen ISSN: 2460-8383 Analisis Peramalan Penjualan Produk Tahu Putih Menggunakan Metode Adjusted Exponential Smoothing untuk Meminimumkan Kesalahan Peramalan pada Pabrik Tahu Tauhid Bandung
Lebih terperinciSALES FORECASTING UNTUK PENGENDALIAN PERSEDIAAN
BAB IV SALES FORECASTING UNTUK PENGENDALIAN PERSEDIAAN A. Identifikasi Peramalan Penjualan oleh UD. Jaya Abadi Dari hasil wawancara yang menyebutkan bahwa setiap pengambilan keputusan untuk estimasi penjualan
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
13 BAB 1 PENDAHULUAN 1.1 Latar Belakang Era globalisasi saat ini, perkembangan zaman semankin maju dan berkembang pesat, di antaranya banyak pernikahan dini yang menyebabkan salah satu faktor bertambahnya
Lebih terperinciSISTEM INFORMASI PERAMALAN PENJULAN JAMUR MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING BERBASIS WEB PADA PT AGARICUS SIDO MAKMUR SENTOSA
SISTEM INFORMASI PERAMALAN PENJULAN JAMUR MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING BERBASIS WEB PADA PT AGARICUS SIDO MAKMUR SENTOSA Febryan Ezar Pratama 1), Jauharul Maknunah 2), Mohamad As ad
Lebih terperinciSISTEM PERAMALAN PENJUALAN PRODUK USAHA KECIL MENENGAH BERDASARKAN POLA DATA RIWAYAT PENJUALAN
SISTEM PERAMALAN PENJUALAN PRODUK USAHA KECIL MENENGAH BERDASARKAN POLA DATA RIWAYAT PENJUALAN [1] Abdi Pandu Kusuma, [2] Indyah Hartami Santi, dan [3] Dennys Setiawan [1],[2,[3] Universitas Islam Balitar
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 terperinciAPLIKASI INVENTORY CONTROL STOK BARANG BERBASIS WEB MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING PADA SEMBADA KOMPUTER NASKAH PUBLIKASI
APLIKASI INVENTORY CONTROL STOK BARANG BERBASIS WEB MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING PADA SEMBADA KOMPUTER NASKAH PUBLIKASI diajukan oleh Muhammad Husein 11.12.6112 kepada SEKOLAH TINGGI
Lebih terperinciSKRIPSI APLIKASI METODE GOLDEN SECTION UNTUK OPTIMASI PARAMETER PADA METODE EXPONENTIAL SMOOTHING. Disusun oleh: DANI AL MAHKYA
APLIKASI METODE GOLDEN SECTION UNTUK OPTIMASI PARAMETER PADA METODE EXPONENTIAL SMOOTHING SKRIPSI Disusun oleh: DANI AL MAHKYA 24010210141025 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
Lebih 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 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 terperinciPENERAPAN METODE EXPONENTIAL SMOOTHING WINTER DALAM SISTEM INFORMASI PENGENDALIAN PERSEDIAAN PRODUK DAN BAHAN BAKU SEBUAH CAFE
PENERAPAN METODE EXPONENTIAL SMOOTHING WINTER DALAM SISTEM INFORMASI PENGENDALIAN PERSEDIAAN PRODUK DAN BAHAN BAKU SEBUAH CAFE Wahyu Pramita 1), Haryanto Tanuwijaya 2) 1,2) Jurusan Sistem Informasi STIKOM
Lebih terperinciBAB 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
Lebih terperinciABSTRACT. Keywords: forecasting, forecasting method, production planning, and the strategy of production planning. Universitas Kristen Maranatha
ABSTRACT Planning on any type of business is needed. Planning itself can be distinguished based of its duration; there are short term, medium term and long term planning. Planning is prepared for the future
Lebih terperinciPENERAPAN METODE EXPONENTIAL SMOOTHING GANDA UNTUK MEMPREDIKSI NILAI PENJUALAN BARANG BARANG ELEKTRONIK PADA TOKO MITRA ELEKTRONIK
PENERAPAN METODE EXPONENTIAL SMOOTHING GANDA UNTUK MEMPREDIKSI NILAI PENJUALAN BARANG BARANG ELEKTRONIK PADA TOKO MITRA ELEKTRONIK Febriyanti Kasim 1, Moh. Hidayat Koniyo 2, Dian Novian 3 INTISARI Kesulitan
Lebih terperinciPeramalan Persediaan Material Batubara Dengan Metode Single Exponential Smoothing
ISSN: 0216-3284 1577 Persediaan Material Batubara Dengan Metode Single Exponential Smoothing Amallia Rahmi, Taufiq Program Studi Teknik Informatika, STMIK Banjarbaru Jl. A. Yani Km. 33,3 Banjarbaru, Telp
Lebih terperinciPeramalan (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
Lebih terperinciBAB IV METODE PENELITIAN
BAB IV METODE PENELITIAN 4.1. Desain Penelitian Dari uraian latar belakang masalah, penelitian ini dikategorikan ke dalam penelitian kasus dan penelitian lapangan. Menurut Rianse dan Abdi dalam Surip (2012:33)
Lebih terperinciPeramalan Permintaan Produk Perak Menggunakan Metode Simple Moving Average Dan Exponential Smoothing
JURNAL SISTEM DAN INFORMATIKA 97 Peramalan Permintaan Produk Perak Menggunakan Metode Simple Moving Average Dan Exponential Smoothing Ni Luh Ayu Kartika Yuniastari, IGP Wirarama Wedashwara Wirawan STIKOM
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Vanissa Hapsari,2013
BAB I PENDAHULUAN 1.1. Latar Belakang Tingkat pencemaran udara di beberapa kota besar cenderung meningkat dari tahun ke tahun. Hal ini disebabkan oleh beberapa faktor diantaranya jumlah transportasi terus
Lebih terperinciTEKNIK PERAMALAN DENGAN DOUBLE EXPONENTIAL SMOOTHING PADA DISTRIBUTOR GULA
TEKNIK PERAMALAN DENGAN DOUBLE EXPONENTIAL SMOOTHING PADA DISTRIBUTOR GULA Agus Purwanto 1) Shofwan Hanief 2) Program Studi Sistem Informasi 1) Program Studi Sistem Komputer 2) 1) 2) STIKOM Bali dosen.agusp712@gmail.com
Lebih terperinciABSTRAK. Kata Kunci: Proyeksi Permintaan, Optimasi, Integer Linear Programming.
ABSTRAK Saat ini terdapat banyak UMKM yang berkembang di Yogyakarta. Salah satunya adalah usaha Phia Deva yang memproduksi penganan phia dengan berbagai macam varian rasa. Phia Deva adalah industri kecil
Lebih terperinci