PEMILIHAN TEKNIK PERAMALAN DAN PENENTUAN KESALAHAN PERAMALAN
|
|
- Ade Indradjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PEMILIHAN TEKNIK PERAMALAN DAN PENENTUAN KESALAHAN PERAMALAN A. Tekik-tekik Peramala Faktor utama yag mempegaruhi pemiliha tekik peramala adalah idetifikasi da megetahui pola dari data. Beberapa tekik peramala yag dapat diguaka 1. Tekik peramala utuk data stasioer Data stasioer dapat didefiisika data yag ilai rata-rataya tidak berubah dari waktu ke waktu atau dapat dikataka data bersifat stabil. Seperti situasi yag berkembag ketika ada peigkata pola data yag mempegaruhiya maka tekik ii aka relatif stabil. Tekik peramala stasioer diguaka jika data stabil, ligkuga yg berpegaruh relatif tetap Misalya agka kerusaka permiggu pada pemasaga bagia-bagia perakita mesi memiliki rata-rata produksi yag sama, kumpula pejuala produk atau layaa dalam perkembaga proses kehidupa da jumlah hasil pejuala dari tigkat usaha yag kosta. butuh model yag sagat sederhaa karea keterbatasa data, atau memudahka dalam pejelasa da pelaksaaa Cotoh: ketika bisis atau orgaisasi itu baru da haya sedikit data historis yag tersedia adaya asumsi tertetu sehigga data mejadi lebih stabil Cotoh: meggati pedapata ke pedapata perkapita atau meggati pejuala dolar ke jumlah dolar kosta. adaya trasformasi data sehigga mejadi stabil Cotoh: metrasformasi ragkaia dega megguaka logaritma, akar kuadrat atau pembedaa. Kelompok 2 1 Metode Peramala 2011
2 data adalah himpua eror dari tekik peramala yag diaggap cukup baik (memadai). Tekik yag bisa diguaka Naïve Simple averagig Movig average Autoregressive movig average (ARMA) 2. Tekik peramala utuk data tred Ragkaia Tred ditadai dega adaya kecederuga arah data bergerak aik (growth) atau turu (declie) pada jagka pajag. Dega kata lai rutu waktu dikataka mempuyai Tred jika ilai rata-rataya berubah sewaktuwaktu sehigga diharapka utuk meambah atau meguragi selama periode utuk ramala yag maa yag diigika. Tekik peramala utuk data tred diguaka jika daya produksi yag meigkat atau kemajua tekologi yag medorog perubaha gaya hidup (misal: permitaa barag elektroik) Cotoh: permitaa kompoe elektroik, yag meigkat dega adaya komputer da pemakaia jala kereta api yag meuru karea adaya pesawat terbag. pertambaha jumlah peduduk yag medorog pada permitaa barag da jasa. Cotoh: pajak pejuala barag-barag kosumsi, permitaa kosumsi eergi, da pegguaa baha metah. daya beli dolar yag mempegaruhi perekoomia( iflasi ) Cotoh: gaji,biaya produksi da harga peerimaa pasar meigkat. Cotoh: periode pertumbuha dalam putara produk baru. Tekik yag bisa diguaka Movig average Kelompok 2 2 Metode Peramala 2011
3 Holt liear expoetial smoothig Simple regressio Growth curve Expoetial Autoregressive itegrated movig average 3. Tekik peramala utuk data musima Ragkaia musima didefiisika sebelumya sebagai rutu waktu dega pola pergatia yag berulag dari tahu ke tahu. Satu cara utuk megembagka peramala musima melibatka pemiliha metode dekomposisi perkalia atau pembagia da kemudia megestimasi ideks musima dari sejarah / histori ragkaia. Ideks ii kemudia diguaka utuk memasukka musima pada ramala atau meghilagka efek dari ilai yag diobservasi. Proses terakhir diarahka sebagai pegatura data musima. Tekik peramala utuk data musima diguaka jika musim mempegaruhi variabel miat Cotoh: kosumsi yag berhubuga dega listrik, kegiata musim paas da musim digi (seperti olaharaga: ski), pakaia, musim taam. kaleder tahua (hari libur, hari besar) mempegaruhi variabel miat Cotoh: pejuala tiket masuk obyek wisata dipegaruhi musim libur, 3 hari libura, da kaleder sekolah. Tekik yag bisa diguaka Clasical decompositio Cesus X-12 Witer s expoetial smoothig Multiple regressio Autoregressive itegrated movig average 4. Tekik peramala utuk data siklis Efek siklis didefiisika sebelumya sebagai fluktuasi bergelombag disekitar Tred. Pola siklis sulit utuk dimodelka karea pola mereka secara tipikal tidak stabil/ tetap. Fluktuasi seperti gelombag yag aik turu disekitar Kelompok 2 3 Metode Peramala 2011
4 Tred jarag terulag di iterval waktu yag tetap da besarya fluktuasi cederug bervariasi. Metode dekomposisi dapat diperluas utuk megaalisis data siklis. Aka tetapi, karea sifat yag tidak teratur dari siklus,pegaalisaa kompoe siklis dari ragkaia serig memerluka peemua kejadia yag kebetula atau kepemimpia idikator ekoomi. Tekik peramala utuk data siklis diguaka jika putara bisis mempegaruhi variabel miat Cotoh : ekoomi, pasar da faktor persaiga. adaya pergatia selera,mode, dll Cotoh : fashio,musik,makaa,dll. terjadiya perubaha dalam peduduk. Cotoh : perag, kelapara, wabah peyakit da becaa alam adaya pergatia siklus produk Cotoh : pegeala, pertumbuha, kemataga da kejeuha pasar, da peurua. Tekik yag bisa diguaka Clasical decompotitio Ecoomic idicator Ecoometrics model Multiple regressio ARIMA Pegkategoria pemiliha tekik peramala utuk suatu data tertetu dapat dilihat pada Tabel 1. Kelompok 2 4 Metode Peramala 2011
5 Tabel 1. Pemiliha tekik peramala Method Patter of data Time horizo Type of model Miimal data requiremets Noseasoal Seasoal Naïve ST.T.S S TS 1 Simple averages ST S TS 30 Movig averages ST S TS 4-20 Expoetial smoothig ST S TS 2 Liear expoetial smoothig T S TS 3 Quadratic expoetial T S TS 4 smoothig Seasoal expoetial S S TS 2 x s smoothig Adaptive filterig S S TS 5 x s Simple regressio T I C 10 Multiple regressio C,S I C 10 x V Classical decompositio S S TS 5 x s Expoetial tred model T I,L TS 10 S-curve fittig T I.L TS 10 Gompertz model T I.L TS 10 Growth curves T I,L TS 10 Cesus X-12 S S TS 6 x s Box-Jekis ST,T,C,S S TS 24 3 x s Leadig idicators C S C 24 Ecoometric models C S C 30 Time series multiple regressio T,S I,L C 6 x s Keteraga: Pola data : ST = Stasioer ; T = Tred ; S=Musima ; C=Siklis. Jagka waktu : S = sigkat (kurag dari 3 bula) ; I= meegah ; L= pajag. Tipe model : TS = rutu waktu ; C = casual ( lepas ) Musima : s = pajag musima Variabel : V, jumlah variabel B. PENGUKURAN KESALAHAN PERAMALAN Sebuah otasi matematika dikembagka utuk meujukka periode waktu yag lebih spesifik karea metode kuatitatif peramala serig kali memperlihatka data rutu waktu. Huruf Y aka diguaka utuk meotasika sebuah variabel rutu Kelompok 2 5 Metode Peramala 2011
6 waktu meskipu ada lebih dari satu variabel yag ditujukka. Periode waktu bergabug dega observasi yag ditujukka sebagai tada. Oleh karea itu, Y t meujukka ilai dari rutu waktu pada periode waktu t. Notasi matematika juga harus dikembagka utuk membedaka atara sebuah ilai yata dari rutu waktu da ilai ramala. A aka diletakka di atas sebuah ilai utuk megidikasi bahwa hal tersebut sedag diramal. Nilai ramala utuk Y t adalah Ŷ t. Ketepata dari tekik peramala serig kali diilai dega membadigka deret asli Y 1, Y 2, dega deret ilai ramala Ŷ 1,Ŷ 2, NOTASI DASAR PERAMALAN Notasi peramala dapat dirigkas sebagai berikut: Y t Ŷ t : ilai data time series pada periode t : ilai ramala dari Y t e t = Y t Y t : sisa atau kesalaha ramala. Beberapa metode lebih ditetuka utuk merigkas kesalaha (error) yag dihasilka oleh fakta (keteraga) pada tekik peramala. Sebagia besar dari pegukura ii melibatka rata-rata beberapa fugsi dari perbedaa atara ilai aktual da ilai peramalaya. Perbedaa atara ilai observasi da ilai ramala ii serig dimaksud sebagai residual. Persamaa di bawah ii diguaka utuk meghitug error atau sisa utuk tiap periode peramala. e t = Y t Y t Dimaa : e t : error ramala pada periode waktu t. Y t : ilai aktual pada periode waktu t. Ŷ t : ilai ramala utuk periode waktu t. Satu metode utuk megevaluasi metode peramala megguaka jumlah dari kesalaha-kesalaha yag absolut. The Mea Absolute Deviatio (MAD) megukur ketepata ramala dega merata-rata kesalaha dugaa (ilai absolut Kelompok 2 6 Metode Peramala 2011
7 masig-masig kesalaha). MAD palig bergua ketika orag yag megaalisa igi megukur kesalaha ramala dalam uit yag sama sebagai deret asli. MAD = 1 Y t Y t The Mea Squared Error (MSE) adalah metode lai utuk megevaluasi metode peramala. Masig-masig kesalaha atau sisa dikuadratka. Kemudia dijumlahka da dibagi dega jumlah observasi. Pedekata ii megatur kesalaha peramala yag besar karea kesalaha-kesalaha itu dikuadratka. Suatu tekik yag meghasilka kesalaha moderat mugki lebih baik utuk salah satu yag memiliki kesalaha kecil tapi kadag-kadag meghasilka sesuatu yag sagat besar. Berikut ii rumus utuk meghitug MSE : MSE = 1 (Y t Y t ) 2 Ada kalaya persamaa ii sagat bergua utuk meghitug kesalahakesalaha peramala dalam betuk presetase daripada jumlah. The Mea Absolute Percetage Error (MAPE) dihitug dega megguaka kesalaha absolut pada tiap periode dibagi dega ilai observasi yag yata utuk periode itu. Kemudia, meratarata kesalaha persetase absolut tersebut. Pedekata ii bergua ketika ukura atau besar variabel ramala itu petig dalam megevaluasi ketepata ramala. MAPE megidikasi seberapa besar kesalaha dalam meramal yag dibadigka dega ilai yata pada deret. Metode MAPE diguaka jika ilai Y t besar. MAPE juga dapat diguaka utuk membadigka ketepata dari tekik yag sama atau berbeda dalam dua deret yag sagat berbeda da megukur ketepata ilai dugaa model yag diyataka dalam betuk rata-rata persetase absolut kesalaha. MAPE dapat dihitug dega rumus sebagai berikut: MAPE = 1 Y t Y t Y t Kelompok 2 7 Metode Peramala 2011
8 Ada kalaya perlu utuk meetuka apakah suatu metode peramala bias (peramala tiggi atau redah secara kosiste). The Mea Percetage Error (MPE) diguaka dalam kasus ii. MPE dihitug dega mecari kesalaha pada tiap periode dibagi dega ilai yata utuk periode itu. Kemudia, merata-rata kesalaha persetase ii. Jika pedekata peramala tak bias, MPE aka meghasilka agka yag medekati ol. Jika hasilya mempuyai presetase egatif yag besar, metode peramalaya dapat dihitug. Jika hasilya mempuyai persetase positif yag besar, metode peramala tidak dapat dihitug. MPE dapat dihitug dega rumus sebagai berikut: MPE = 1 (Y t Y t ) Y t Bagia dari keputusa utuk megguaka tekik peramala tertetu melibatka peetua apakah tekik ii aka meghasilka kesalaha peramala yag diilai cukup kecil. Metode khusus yag diguaka dalam peramala meliputi perbadiga metode maa yag aka meghasilka kesalaha-kesalaha ramala yag cukup kecil. Metode ii baik utuk memprediksi metode peramala sehigga meghasilka kesalaha ramala yag relatif kecil dalam dasar kosiste. Fugsi keempat ukura ketepata peramala adalah sebagai berikut: a) Membadigka ketepata dua atau lebih metode yag berbeda. b) Sebagai alat ukur apakah tekik yag diambil dapat dipercaya atau tidak. c) Membatu mecari sebuah metode yag optimal Berikut ii cotoh yag meggambarka bagaimaa cara meghitug ukura kesalaha. Tabel 2 meujukka data jumlah pelagga haria yag mesyaratka perbaika kerja,y t, da sebuah ramala data tersebut, Ŷ t, utuk Cary s Chevro statio. Metode peramala yag diguaka pada sejumlah pelagga yag dilayai Kelompok 2 8 Metode Peramala 2011
9 pada periode sebelumya sebagai peramala utuk periode saat ii. Perhituga berikut diguaka utuk megevaluasi model ii dega megguaka MAD, MSE, MAPE, da MPE. Tabel 2. Perhituga utuk metode evaluasi peramala Time t Customer Y t Forecast Ŷ t error e t e t e t 2 e t / Y t e t / Y t l Total MAD = 1 Y t Y t = 34 8 = 4.3 MSE = 1 Y t Y t 2 = = 23.5 MAPE = 1 Y t Y t Y t = = % MPE = 1 (Y t Y t ) Y t = = (2.03%) MAD megidikasika bahwa masig-masig ramala disimpagka oleh rata-rata 4.3 pelagga. MSE = 23.5 da MAPE = 6.95% aka dibadigka dega MSE da MAPE utuk metode lai yag diguaka utuk meramalka data ii. MPE kecil yaitu 2.03% megidikasika bahwa tekik ii tidak bias. Karea hasilya medekati ol, tekik ii tidak selamaya kosiste atau megabaika jumlah pelagga yag dilayai tiap hariya. Kelompok 2 9 Metode Peramala 2011
10 C. PENENTUAN KECUKUPAN TEKNIK PERAMALAN Sebelum meramal dega suatu tekik tertetu kecukupaya perlu dievaluasi. Peramal harus mejawab pertayaa berikut ii 1. apakah koefisie korelasi dari residual idikatif dari deret radom? Pertayaa ii dapat dijawab dega memeriksa fugsi autokorelasi utuk residual. 2. apakah residual medekati distribusi ormal? Pertayaa ii dapat dijawab dega megaalisa histogram dari residual atau plot ormal. 3. apakah semua estimasi parameter mempuyai rasio t yag sigifika? 4. apakah tekik mudah diguaka da mudah dipahami utuk membuat kesimpula? Persyarata dasar pola residual adalah radom diverifikasi dega memeriksa koefisie korelasi residual. Yag di saa tidak ada koefisie autokorelasi yag sigifika. Cotoh : Maggie Trymae, seorag aalisis di Sears, ditugaska utuk melakuka operasi peramala utuk Dia megambil data dari tahu yag ditujukka pada Tabel 3. Pertama,Maggie mecoba meramal data megguaka five-moth movig average. Residual, selisih atara data aktual dega data ramala dihitug da disimpa. Koefisie korelasi utuk residual ii disajika pada Gambar 1. Suatu pemeriksaa dari koefisie autokorelasi megidikasika keduaya tidak sama dega ol, r 1 = 0.77 da r 2 = Koefisie autokorelasi yag sigifika megidikasika beberapa pola pada residual. Selajutya, fugsi autokorelasi sediri mempuyai pola meuru. Dega memeriksa 10 autokorelasi sebagai suatu kelompok, statistik Q utuk 10 lag pertama adalah 72.26, jauh lebih besar di atas variabel chi-square dega derajat bebas 10 da α=0.05 yaitu Hipotesis bahwa 10 autokorelasi pertama kosiste utuk deret radom jelas ditolak pada taraf 5%. Karea salah satu persyarata dasar utuk suatu tekik peramala adalah memberika residual atau eror yag radom. Maggie mejudge bahwa five-moth movig average tidak cukup. Kelompok 2 10 Metode Peramala 2011
11 Autocorrelatio Tabel 3. Data Maggie Tahu Y t Tahu Y t Tahu Y t Tahu Y t Fugsi autokorelasi utuk MA residual Lag Gambar 1. Fugsi autokorelasi utuk five-moth movig average Kelompok 2 11 Metode Peramala 2011
12 Autocorrelatio Fugsi autokorelasi utuk Holt residual Lag Gambar 2. Fugsi autokorelasi utuk Holt residual Sekarag Maggie mecoba megguaka Holt s liear expoetial smoothig. Fugsi autokorelasi utuk deret residual yag dilakuka dega tekik ii ditujukka pada Gambar 2. Pemeriksaa koefisie autokorelasi megidikasika bahwa haya lag 3 yag mempuyai koefisie korelasi 0.34 tidak sama dega ol ( pada taraf 5% ). Statistik Q utuk 10 waktu lag juga diperiksa. Nilai LBQ = 7.63 pada output miitab kurag dari ilai chi-square dega derajat bebas 8 da α= 5% yaitu 15.5 (pada kasus ii derajat bebas sama dega jumlah lag yag diuji dikuragi jumlah parameter pada model liear expoetial smoothig yag telah disesuaika dega data). Meskipu residual autokorelasi pada lag 3 bisa dikataka besar, sebagai suatu kelompok 10 lag pertama residual autokorelasi tidak seperti itu utuk suatu deret radom yag legkap. Maggie memutuska utuk megguaka Holt s liear expoetial smoothig sebagai model yag mugki utuk meramalka pedapata operasi pada tahu 2001 utuk Sears. D. Kesimpula 1. Beberapa tekik yag dapat diguaka a) tekik yag dapat diguaka utuk data stasioer adalah Naïve, Simple averagig,movig average, Autoregressive movig average (ARMA). Kelompok 2 12 Metode Peramala 2011
13 b) tekik yag dapat diguaka utuk data tred adalah Movig average, Holt liear expoetial smoothig, Simple regressio, Growth curve, Expoetial, Autoregressive itegrated movig average. c) tekik yag dapat diguaka utuk data musima adalah Clasical decompositio, Cesus X-12, Witer s expoetial smoothig, Multiple regressio, Autoregressive itegrated movig average. d) tekik yag dapat diguaka utuk data siklis adalah Clasical decompotitio, Ecoomic idicator, Ecoometrics model, Multiple regressio, ARIMA. 2. Ada empat ukura peramala sebagai berikut a) Mea Absolute Deviatio (MAD) MAD diguaka utuk megukur ketepata ilai dugaa model yag diyataka dalam betuk rata-rata absolute kesalaha. b) Mea Squared Error (MSE) MSE diguaka utuk megukur ketepata ilai dugaa model yag diyataka dalam rata-rata kuadrat dari kesalaha c) Mea Absolute Percetage Error (MAPE) MAPE diguaka utuk megukur ketepata ilai dugaa model yag diyataka dalam betuk rata-rata persetase absolute kesalaha d) Mea Percetage Error MPE diguaka utuk meetuka metode peramala maa yag bias (peramala tiggi atau redah). Jika peramala medekati tak bias, MPE aka meghasilka agka yag medekati ol. 3. Semaki kecil ilai-ilai MAPE, MAD, MSE, MPE maka semaki kecil ilai kesalahaya. Oleh karea itu, dalam meetapka model yag aka diguaka dalam peramala, pilihlah model dega ilai MAPE, MAD, MSE, MPE yag palig kecil. 4. Fugsi MAD, MSE, MAPE, MPE adalah sebagai berikut: a) Membadigka ketepata dari dua atau lebih metode yag berbeda. b) Sebagai alat ukur apakah tekik yag diambil dapat dipercaya atau tidak. c) Membatu mecari sebuah model optimal. Kelompok 2 13 Metode Peramala 2011
14 DAFTAR PUSTAKA Hake, Joh E Busiess Forecastig.Edisi ke-8. New Jersey: Pearso Educatio Iteratioal. Satoso, Siggih.2009.Busiess Forecastig Metode Peramala Bisis Masa Kii dega Miitab da SPSS, PT Elex Media Komputido, Jakarta. Kelompok 2 14 Metode Peramala 2011
FORECASTING (Peramalan)
FORECASTING (Peramala) PENDAHULUAN Forecastig adalah ramala tetag apa yag aka terjadi dimasa yag aka datag. Forecast Demad atau peramala permitaa mejadi dasar yag sagat petig dalam perecaaa suatu keputusa
Lebih terperinciPERAMALAN KURSIDRTERHADAP USDMENGGUNAKAN DOUBLE MOVING AVERAGES DAN DOUBLEEXPONENTIAL SMOOTHING.
PERAMALAN KURSIDRERHADAP USDMENGGUNAKAN DOUBLE MOVING AVERAGES DAN DOUBLEEXPONENIAL SMOOHING. Padrul Jaa 1), Rokhimi 2), Ismi Ratri Prihatiigsih 3) 1,2,3 PedidikaMatematika, Uiversitas PGRI Yogyakarta
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula
Lebih terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperinciBAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis
BAB 3 METODE PENELITIAN 3.1 Peetapa Kriteria Optimasi Disii peerapa kriteria optimasi yag diguaka utuk megaalisis kebutuha pokok pada PT. Kusuma Kecaa Khatulistiwa yaitu : 1. Aalisis forecastig (peramala
Lebih terperinciIV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang
IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah
Lebih terperinciLAPORAN RESMI MODUL VII TIME SERIES FORECASTING
LAPORAN RESMI MODUL VII TIME SERIES FORECASTING I. Pedahulua A. Latar Belakag (Mi. 4 Paragraf) B. Rumusa Masalah C. Tujua Praktikum (Mi. 3) D. Mafaat Praktikum (Mi. 3) E. Batasa Masalah II. Tijaua Pustaka
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinciREGRESI DAN KORELASI
REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas
Lebih terperinciPENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA
PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis
Lebih terperinciPedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai
PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,
Lebih terperinciBAB II TINJAUAN LITERATUR. Pengendalian persediaan dapat dilakukan dalam berbagai cara, antara lain dengan
BAB II TINJAUAN LITERATUR 2.1. Klasifikasi ABC Dalam Persediaa Pegedalia persediaa dapat dilakuka dalam berbagai cara, atara lai dega megguaka aalisis ilai persediaa. Dalam aalisis ii, persediaa dibedajka
Lebih terperinciANALISIS RUNTUT WAKTU DAN PERAMALAN (Time Series and Forecasting) Analisis Tren
ANALISIS RUNTUT WAKTU DAN PERAMALAN (Time Series ad Forecastig) Aalisis Tre P.E.N.D.A.H.U.L.U.A.N Rutut waktu merupaka kumpula data yag tercatat sepajag periode waktu tertetu (cotohya: miggua, bulaa, atau
Lebih terperinciModul Kuliah statistika
Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata
Lebih terperincii adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas.
4 D E R E T Kosep deret merupaka kosep matematika yag cukup populer da aplikatif khusuya dalam kasus-kasus yag meyagkut perkembaga da pertumbuha suatu gejala tertetu. Apabila perkembaga atau pertumbuha
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperincikesimpulan yang didapat.
Bab ii merupaka bab peutup yag merupaka hasil da kesimpula dari pembahasa serta sara peulis berdasarka kesimpula yag didapat. BAB LANDASAN TEORI. Kosep Dasar Peramala Peramala adalah kegiata utuk memperkiraka
Lebih terperinciPendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X
Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..
Lebih terperinciProsiding Manajemen ISSN:
Prosidig Maajeme ISSN: 2460-7187 Aalisis Peramala Pejuala dega Megguaka Metode Sigle Movig Average, Weighted Movig Average da Expoetial Smoothig Sebagai Dasar Perecaaa Produksi Polo Shirt Pria (Studi Kasus
Lebih terperinciREGRESI LINIER GANDA
REGRESI LINIER GANDA Secara umum, data hasil pegamata Y bisa terjadi karea akibat variabelvariabel bebas,,, k. Aka ditetuka hubuga atara Y da,,, k sehigga didapat regresi Y atas,,, k amu masih meujukka
Lebih terperinciBAB 2 LANDASAN TEORI. Statistika merupakan salah satu cabang penegtahuan yang paling banyak mendapatkan
BAB LANDASAN TEORI. Pegertia Regresi Statistika merupaka salah satu cabag peegtahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hamper semua bidag ilmu peegtahua, terutama para peeliti
Lebih terperinciBAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28
5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciPENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI
Halama Tulisa Jural (Judul da Abstraksi) Jural Paradigma Ekoomika Vol.1, No.5 April 2012 PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Oleh : Imelia.,SE.MSi Dose Jurusa Ilmu Ekoomi da Studi Pembagua,
Lebih terperinciMATERI 13 ANALISIS TEKNIKAL ANALISIS TEKNIKAL
MATERI 13 ANALISIS TEKNIKAL ASUMSI-ASUMSI DASAR ANALISIS TEKNIKAL KEUNTUNGAN DAN KRITIK TERHADAP ANALISIS TEKNIKAL TEKNIK-TEKNIK DALAM ANALISIS TEKNIKAL - The Dow Theory - Chart Pola Pergeraka Harga Saham
Lebih terperinciBAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON
BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika
Lebih terperinciPertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd
Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag
Lebih terperinciModel Trend untuk Peramalan Jumlah Penduduk Studi kasus pada Pertumbuhan Penduduk Kabupaten Gowa
JTRISTE, Vol., No., Oktober 015, pp. 46~5 ISSN: 355-3677 Model Tred utuk Peramala Jumlah Peduduk Studi kasus pada Pertumbuha Peduduk Kabupate Gowa Sistem Iformasi, STMIK Kharisma Makassar rahmawati@kharisma.ac.id
Lebih terperinciPETA KONSEP RETURN dan RISIKO PORTOFOLIO
PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI
Lebih terperinciMATERI 10 ANALISIS EKONOMI
MATERI 10 ANALISIS EKONOMI TOP-DOWN APPROACH KONDISI EKONOMI DAN PASAR MODAL VARIABEL EKONOMI MAKRO MERAMAL PERUBAHAN PASAR MODAL 10-1 TOP-DOWN APPROACH Dalam melakuka aalisis peilaia saham, ivestor bisa
Lebih terperinciIV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag
Lebih terperinciBAB 2 LANDASAN TEORI. mendapatkan perhatian dan dipelajari oleh ilmuan dari hampir semua ilmu bidang
8 BAB 2 LANDASAN TEORI 2.1 Pegertia Peramala Statistik merupaka salah satu cabag ilmu pegetahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hampir semua ilmu bidag pegetahua, terutama
Lebih terperinciInflasi dan Indeks Harga I
PERTEMUAN 1 Iflasi da Ideks Harga I 1 1 TEORI RINGKAS A Pegertia Agka Ideks Agka ideks merupaka suatu kosep yag dapat memberika gambara tetag perubaha-perubaha variabel dari suatu priode ke periode berikutya
Lebih terperinciB a b 1 I s y a r a t
34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat
Lebih terperinciPenyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered.
2. Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a) Hitug Sum of Square for Regressio (X) b) Hitug Sum of Square for Residual c) Hitug Meas Sum of Square for Regressio (X) d) Hitug
Lebih terperinciKata Kunci : Forecasting, Program Perhitungan, Simple Moving Averages, Weighted Moving Averages, Mean Absolute Deviation, Mean Square Error
PREDIKSI PEMINATAN PROGRAM KEAHLIAN CALON SISWA BARU DENGAN METODE SIMPLE MOVING AVERAGES DAN WEIGHTED MOVING AVERAGES (Studi Kasus : SMK TEXMACO SEMARANG) Isa Raa Machilikha Putera Sistem Iformasi, Fakultas
Lebih terperinciTEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran
Bab 8 TEORI PENAKSIRAN Kompetesi Mampu mejelaska da megaalisis teori peaksira Idikator 1. Mejelaska da megaalisis data dega megguaka peaksira titik 2. Mejelaska da megaalisis data dega megguaka peaksira
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Data permitaa Dalam meramalka permitaa produk lever cable utuk kebutuha PT. Kyoda Mas Mulia sediri. data yag diambil utuk perhituga peramala permitaa yaitu dega
Lebih terperinci4/15/2009. Arti investasi : a. Hasil penjualan. b. Biaya c. Ekspektasi dan kepercayaan.
Arti ivestasi : a. Hasil pejuala. b. Biaya c. Ekspektasi da kepercayaa. Ivestasi : peigkata barag modal berujud Kekuata Ekoomi Utama; Hasil pegembalia ivestasi yag dipegaruhi oleh struktur ekoomi, biaya
Lebih terperinciBAB IV PEMECAHAN MASALAH
BAB IV PEMECAHAN MASALAH 4.1 Metodologi Pemecaha Masalah Dalam ragka peigkata keakurata rekomedasi yag aka diberika kepada ivestor, maka dicoba diguaka Movig Average Mometum Oscillator (MAMO). MAMO ii
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperinciUji apakah ada perbedaan signifikan antara mean masing-masing laboratorium. Gunakan α=0.05.
MA 8 STATISTIKA DASAR SEMESTER I /3 KK STATISTIKA, FMIPA ITB UJIAN AKHIR SEMESTER (UAS) Sei, Desember, 9.3.3 WIB ( MENIT) Kelas. Pegajar: Utriwei Mukhaiyar, Kelas. Pegajar: Sumato Wiotoharjo Jawablah pertayaa
Lebih terperinciJENIS PENDUGAAN STATISTIK
ENDUGAAN STATISTIK ENDAHULUAN Kosep pedugaa statistik diperluka utuk membuat dugaa dari gambara populasi. ada pedugaa statistik dibutuhka pegambila sampel utuk diaalisis (statistik sampel) yag ati diguaka
Lebih terperinciPENDAHULUAN. Statistika penyajian DATA untuk memperoleh INFORMASI penafsiran DATA. Data (bentuk tunggal : Datum ) : ukuran suatu nilai
1. Pegertia Statistika PENDAHULUAN Statistika berhubuga dega peyajia da peafsira kejadia yag bersifat peluag dalam suatu peyelidika terecaa atau peelitia ilmiah. Statistika peyajia DATA utuk memperoleh
Lebih terperinciBAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:
4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap
Lebih terperinciBAB III METODE PENELITIAN
36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pegertia Peramala Statistik merupaka salah satu cabag ilmu pegetahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hampir semua ilmu bidag pegetahua, terutama
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Disai Peelitia Tujua Jeis Peelitia Uit Aalisis Time Horiso T-1 Assosiatif survey Orgaisasi Logitudial T-2 Assosiatif survey Orgaisasi Logitudial T-3 Assosiatif survey Orgaisasi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 86-88 Latiha 2 Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b.
Lebih terperinciREGRESI DAN KORELASI SEDERHANA
REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.
9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara
Lebih terperinciMATEMATIKA EKONOMI 1 Deret. DOSEN Fitri Yulianti, SP, MSi.
MATEMATIKA EKONOMI 1 Deret DOSEN Fitri Yuliati, SP, MSi. Deret Deret ialah ragkaia bilaga yag tersusu secara teratur da memeuhi kaidah-kaidah tertetu. Bilaga-bilaga yag merupaka usur da pembetuk sebuah
Lebih terperinciIII. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung
42 III. METODE PENELITIAN 3.. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di Provisi Sumatera Barat yag terhitug mulai miggu ketiga bula April 202 higga miggu pertama bula Mei 202. Provisi Sumatera
Lebih terperinciMETODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa
19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh
Lebih terperinciREGRESI LINIER SEDERHANA
REGRESI LINIER SEDERHANA REGRESI, KAUSALITAS DAN KORELASI DALAM EKONOMETRIKA Regresi adalah salah satu metode aalisis statistik yag diguaka utuk melihat pegaruh atara dua atau lebih variabel Kausalitas
Lebih terperinciUniversitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan REGRESI DAN KORELASI. Statistika dan Probabilitas
Uiversitas Gadjah Mada Fakultas Tekik Departeme Tekik Sipil da Ligkuga REGRESI DAN KORELASI Statistika da Probabilitas Kurva Regresi Mecari garis/kurva yag mewakili seragkaia titik data Ada dua cara utuk
Lebih terperinciBAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat
BAB III METODOLOGI PENELITIAN 3.1. Jeis da Sumber Data Jeis peelitia yag aka diguaka oleh peeliti adalah jeis peelitia Deskriptif. Dimaa jeis peelitia deskriptif adalah metode yag diguaka utuk memperoleh
Lebih terperinciA. Pengertian Hipotesis
PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Objek Peelitia Dalam peelitia ii, pegambila da peroleha data dilakuka di UKM. Bakso Solo, Bakauhei, Lampug Selata. Utuk pegukura kualitas pelayaa, objek yag diteliti adalah
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih terperinciMODUL 3 PERAMALAN. Halaman 3
MODUL 3 PERAMALAN 1. Deskripsi Peramala merupaka tahapa awal dari keseluruha perecaaa produksi. Adaya ketidak pastia dari permitaa kosume di masa yag aka datag meyebabka aktivitas peramala ii sagat dibutuhka
Lebih terperinciIII. METODE PENELITIAN. Variabel X merupakan variabel bebas adalah kepemimpinan dan motivasi,
7 III. METODE PENELITIAN 3.1 Idetifikasi Masalah Variabel yag diguaka dalam peelitia ii adalah variabel X da variabel Y. Variabel X merupaka variabel bebas adalah kepemimpia da motivasi, variabel Y merupaka
Lebih terperinciBAB IV PEMBAHASAN DAN ANALISIS
BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk
Lebih terperinciBAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian
BAB II METODOLOGI PEELITIA 2.1. Betuk Peelitia Betuk peelitia dapat megacu pada peelitia kuatitatif atau kualitatif. Keragka acua dalam peelitia ii adalah metode peelitia kuatitatif yag aka megguaka baik
Lebih terperinciL A T I H A N S O A L A N R E G 1 Muhamad Ferdiansyah, S. Stat.
L A T I H A N S O A L A N R E G Muhamad Ferdiasyah, S. Stat. *Saya saraka utuk mecoba sediri baru lihat jawabaya **Jawaba saya BELUM TENTU BENAR karea saya mausia biasa. Silaka dikosultasika jika ada jawaba
Lebih terperinciLOGO MATEMATIKA BISNIS (Deret)
LOGO MATEMATIKA BISNIS (Deret) DOSEN FEBRIYANTO, SE., MM. www.febriyato79.wordpress.com 1 MATEMATIKA BISNIS Matematika Bisis memberika pemahama ilmu megeai kosep matematika dalam bidag bisis. Sehigga suatu
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4
Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika
Lebih terperinciMakalah ANALISIS REGRESI DAN REGRESI GANDA
1 Makalah ANALISIS REGRESI DAN REGRESI GANDA Disusu oleh : 1. Rudii mulya ( 41610010035 ). Falle jatu awar try ( 41610010036 ) 3. Novia ( 41610010034 ) Tekik Idustri Uiversitas Mercu Buaa Jakarta 010 Rudii
Lebih terperinciESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika
Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu
Lebih terperinciPeramalan Jumlah Stok Alat Tulis Kantor Di UD ACHMAD JAYA Menggunakan Metode Double Exponential Smoothing
Jural Ilmiah Tekologi da Iformasia ASIA (JITIKA) Vol.10, No.1, Februari 2016 ISSN: 0852-730X Peramala Jumlah Stok Alat Tulis Kator Di UD ACHMAD JAYA Megguaka Metode Double Expoetial Smoothig Titaia Dwi
Lebih terperinci= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik
Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1.Tempat da Waktu Peelitia ii dilakuka di ligkuga Kampus Aggrek da Kampus Syahda Uiversitas Bia Nusatara Program Strata Satu Reguler. Da peelitia dilaksaaka pada semester
Lebih terperinciBAB III METODE PENELITIAN
6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag
Lebih terperinci3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian
19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.
Lebih terperinciPERAMALAN DATA TIME SERIES DENGAN METODE PENGHALUSAN EKSPONENSIAL HOLT - WINTER
PERAMALAN DATA TIME SERIES DENGAN METODE PENGHALUSAN EKSPONENSIAL HOLT - WINTER Adi Suwadi 1, Aisa 2, Adi Kresa Jaya 3 JurusaMatematika FMIPA UiversitasHasauddi Makassar 90245 ABSTRAK Dalam time series
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Perecaaa Produksi 2.1.1 Pegertia Perecaaa Produksi Perecaaa produksi dapat diartika sebagai proses peetua sumber-sumber yag diperluka utuk melaksaaka operasi maufaktur da megalokasikaya
Lebih terperinciUKURAN PEMUSATAN DATA
Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN
Lebih terperinciBAB III METODE PENELITIAN. penelitian yang tepat dalam sebuah penelitian ditentukan guna menjawab
BAB III METODE PENELITIAN Metode peelitia merupaka suatu cara atau prosedur utuk megetahui da medapatka data dega tujua tertetu yag megguaka teori da kosep yag bersifat empiris, rasioal da sistematis.
Lebih terperinciBAB III METODE PENELITIAN
22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka
Lebih terperinciPengenalan Pola. Regresi Linier
Pegeala Pola Regresi Liier PTIIK - 014 Course Cotets 1 Defiisi Regresi Liier Model Regresi Liear 3 Estimasi Regresi Liear 4 Studi Kasus da Latiha Defiisi Regresi Liier Regresi adalah membagu model utuk
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 85-88 Latiha 1 Pelajari data dibawah ii, tetuka depede da idepedet variabel serta a. Hitug Sum of for Regressio (X) b. Hitug
Lebih terperinciPenggunaan Metode Deseasonalized untuk Meramalkan Jumlah Pengunjung Objek Wisata Danau Ranau, Sumatera Selatan
Jural Peelitia Sais Volume 16 Nomor 3 Oktober 013 Pegguaa Metode Deseasoalized utuk Meramalka Jumlah Pegujug Objek Wisata Daau Raau, Sumatera Selata Robiso Sitepu, Putra B.J. Bagu, da M. Haris Suryasah
Lebih terperinciPerbandingan Beberapa Metode Pendugaan Parameter AR(1)
Jural Vokasi 0, Vol.7. No. 5-3 Perbadiga Beberapa Metode Pedugaa Parameter AR() MUHLASAH NOVITASARI M, NANI SETIANINGSIH & DADAN K Program Studi Matematika Fakultas MIPA Uiversitas Tajugpura Jl. Ahmad
Lebih terperinciIII. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain
III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)
Lebih terperinciUKURAN PEMUSATAN UKURAN PENYEBARAN
UKURAN PEMUSATAN DATA TUNGGAL DATA KELOMPOK. MEAN / RATA-RATA. MODUS 3. MEDIAN 4. KUARTIL. MEAN / RATA-RATA. MODUS 3. MEDIAN 4. KUARTIL UKURAN PENYEBARAN JANGKAUAN HAMPARAN RAGAM / VARIANS SIMPANGAN BAKU
Lebih terperinciIV. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan pada bulan September sampai Desember
IV. METODOLOGI PENELITIAN 4.1. Metode Peelitia 4.1.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka pada bula September sampai Desember 2009, bertempat di Laboratorium Terpadu IPB yag beralamat di Kampus
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jeis peelitia Peelitia ii merupaka jeis peelitia eksperime. Karea adaya pemberia perlakua pada sampel (siswa yag memiliki self efficacy redah da sagat redah) yaitu berupa layaa
Lebih terperinciTUGAS ANALISIS REGRESI (HALAMAN
TUGAS ANALISIS REGRESI (HALAMAN 85-88) 1. Tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b. Hitug Sum of Square for Residual c. Hitug Mea Sum of Square for Regresssio
Lebih terperinciDistribusi Pendekatan (Limiting Distributions)
Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Lokasi da objek peelitia Lokasi peelitia dalam skripsi ii adalah area Kecamata Pademaga, alasa dalam pemiliha lokasi ii karea peulis bertempat tiggal di lokasi tersebut sehigga
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.
Lebih terperinciBab 3 Metode Interpolasi
Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI PT.Bak Permata merupaka salah satu bak asioal terbesar di Idoesia da dikeal sebagai bak pelayaa terbaik. Bak Permata dibetuk sebagai hasil merger dari 5 bak di bawah Bada Peyehata
Lebih terperinci