PERAMALAN PENJUALAN AVTUR DENGAN MEMPERTIMBANGKAN SPECIAL EVENT
|
|
- Hartanti Agusalim
- 6 tahun lalu
- Tontonan:
Transkripsi
1 SIG TUGAS AKHIR PERAMALAN PENJUALAN AVTUR DENGAN MEMPERTIMBANGKAN SPECIAL EVENT Siti Lukmatul Henifa ( ) Pembimbing: Dra. Nuri Wahyuningsih, M.Kes. Senin, 20 Januari 2014 Matematika - ITS Page 1
2 A. PENDAHULUAN Latar Belakang sebagai pertimbangan perusahaan yang bergerak di bidang pertambangan dan energi dalam perencanaan Rumusan Masalah Batasan Masalah Tujuan Penjualan avtur oleh Pertamina Aviation mengalami peningkatan terutama di event-event tertentu. Penelitian sebelumnya: Anggraheni, (2003) Putra, (2010) Manfaat dengan mempertimbangkan dibandingkan dengan metode yang akurat Page 2
3 A. PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan apa saja yang mempengaruhi tingginya peningkatan penjualan avtur. Bagaimana penerapan peramalan penjualan avtur dengan mempertimbangkan dibandingkan metode dilihat dari akurasinya Metode peramalan apa yang sesuai untuk diterapkan di masing-masing DPPU Manfaat Page 3
4 PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Batasan Masalah Masalah Tujuan Manfaat Produk avtur yang diamati adalah penjualan avtur pada DPPU Juanda, Ngurah Rai, Iswahyudi, Eltari Group, dan Bandara Internasional Lombok (BIL) Group. Data diperoleh dari data sekunder penjualan bulanan yang didokumentasikan perusahaan periode Jan 2009-Jul 2013 yang dimaksud adalah kejadian yang mempengaruhi penjualan secara signifikan. Metode yang digunakan adalah Moving Average Based, Exponential Smoothing Based, dan with Moving Average Ratio. Data diolah dengan menggunakan Microsoft excel 2007 dan Minitab Page 4
5 PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Tujuan Manfaat 1. Dapat mengidentifikasi event yang mempengaruhi tingginya penjualan avtur di masing-masing DPPU. 2. Mengetahui keakuratan peramalan dengan mempertimbangkan event dibandingkan metode with Moving Average Ratio. 3. Mendapatkan metode peramalan yang sesuai untuk masing-masing DPPU. Page 5
6 PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Metode peramalan yang sesuai untuk masingmasing DPPU dijadikan rekomendasi oleh pihak perusahaan. Manfaat Page 6
7 TINJAUAN PUSTAKA adalah prediksi atau estimasi tingkat kejadian yang tidak pasti dimasa yang akan datang Moving Average Exponential Smoothing Based Decomposit ion Kuantitatif Kualitatif Forcast (Sumber: Makridarkis, S., Wheelwright, Steven C., Mc GEE, Victor E. 1999) Page 7
8 TINJAUAN PUSTAKA y y Pola Data waktu a. Pola data horizontal waktu b. Pola data musiman Moving Average Exponential Smoothing y y Based Decomposit ion waktu c. Pola data trend waktu d. Pola data siklis Forcast (Sumber: Makridarkis, S., Wheelwright, Steven C., Mc GEE, Victor E. 1999) Page 8
9 TINJAUAN PUSTAKA pola data dengan analisis autokorelasi Pola Data (1) Moving Average Exponential Smoothing Based Decomposit ion Forcast dengan : koefisien autokorelasi untuk k dari lag : mean dari data aktual : data aktual pada periode t : data aktual k periode waktu sebelumnya atau periode waktu t-k (sumber: Hanke, J.E., Wichern, D.W., 2005) Page 9
10 TINJAUAN PUSTAKA Moving Average (MA) dilakukan dengan meratakan historis masa lalu untuk memperoleh peramalan nilai di waktu yang akan datang. (2) Moving Moving Average Avrage Exponential Smoothing Based Decomposit ion Forcast dengan : peramalan periode selanjutnya : data aktual pada periode t : jumlah data yang dilibatkan pada MA (sumber: Hanke, J.E., Wichern, D.W., 2005) Page 10
11 TINJAUAN PUSTAKA Eksponential Smoothing menunjukkan pembobotan menurun secara eksponensial terhadap nilai observasi yang lebih lama. (3) Moving Average Exponential Smoothing Based Decomposit ion dengan : peramalan periode selanjutnya : data aktual pada periode t : peramalan periode t : konstanta pemulusan ( 0< <1) Forcast (Sumber: Makridarkis, S., Wheelwright, Steven C., Mc GEE, Victor E. 1999) Page 11
12 TINJAUAN PUSTAKA Moving Average Exponential Smoothing Manfaat Based Decomposit ion Forcast Metode peramalan Based adalah metode peramalan penjualan berdasarkan yang terjadi di periode-periode tertentu. Jika peramalannya menggunakan MA dinamakan Moving Average Based (MAEB), jika peramalannya menggunakan ES maka dinamakan Exponential Smoothing Based (ESEB). Indeks Special (4) dengan berdasarkan event : data aktual periode t : Indeks event pada periode t yang terdapat special event : data hasil peramalan dengan : dengan indeks pada periode t +1 : Grup indeks event periode t+1 : sebelum indeks pada periode t +1 (Sumber: Makridarkis, S., Wheelwright, Steven C., Mc GEE, Victor E. 1999) Page 12 (5)
13 TINJAUAN PUSTAKA Moving Average Exponential Smoothing Dari indeks tersebut, disusun berdasarkan event yang sama pada tahun berbeda kemudian dilakukan rata-rata untuk mendapatkan Indeks ( Gt ) yang digunakan untuk peramalan MAEB dan ESEB Subtitusi persamaan 2 ke persamaan 5 menghasilkan model MAEB yaitu, (6) Manfaat Based Decomposit ion subtitusi persamaan 3 ke persamaan 5 menghasilkan model ESEB yaitu, (7) Forcast Page 13
14 TINJAUAN PUSTAKA Moving Average Exponential Smoothing Metode peramalan yang mencoba memisahkan tiga komponen terpisah dari pola dasar yang cenderung mencirikan deret data ekonomi dan bisnis with Moving Average Ratio: dengan (5) : nilai deret berkala (data aktual) pada periode t : komponen musiman (atau indeks) pada periode t : komponen trend pada periode t : komponen siklus pada periode t : komponen galat atau acak pada periode t Manfaat Decomposit ion Forcast (Sumber: Makridarkis, S., Wheelwright, Steven C., Mc GEE, Victor E. 1999) Page 14
15 TINJAUAN PUSTAKA Moving Average Exponential Smoothing Manfaat Decomposit ion Forcast Steps: 1. Mencari indeks musiman Menghitung rasio dari data aktual terhadap rata-rata bergerak. Kemudian rasio disusun menurut bulan untuk mendapatkan ratarata medial. Indeks musiman dihitung dengan mengalikan ratarata medial dengan faktor penyesuaian sehingga nilai rataratanya adalah kisaran nilai rasio 2. Menentukan persamaan trend menggunakan model regresi linier dengan dan 3. menggunakan persamaan berikut (Sumber: Makridarkis, S., Wheelwright, Steven C., Mc GEE, Victor E. 1999) Page 15 (6)
16 TINJAUAN PUSTAKA Moving Average PE (Percentage ) MAPE (Mean Absolute Percentage ) Exponential Smoothing Manfaat Decomposit ion dengan : Nilai data ke- i : Nilai peramalan ke-i n : Banyaknya data. Forcast Forcast (Sumber: Makridarkis, S., Wheelwright, Steven C., Mc GEE, Victor E. 1999) Page 16
17 METODE PENELITIAN Studi Literatur dan pengumpulan data Pengolahan data Analisis dan interpretasi hasil Penarikan kesimpulan dan pemberian saran Page 17
18 Grafik Penjualan Avtur Periode Januari 2009 Juli 2013 dan kolerogram DPPU JUANDA Analisis Pola Special Page 18
19 Grafik Penjualan Avtur Periode Januari 2009 Juli 2013 dan Kolerogram DPPU ISWAHYUDI Analisis Pola Special Page 19
20 Grafik Penjualan Avtur Periode Januari 2009 Juli 2013 dan kolerofram DPPU NGURAH RAI Analisis Pola Special Page 20
21 Grafik Penjualan Avtur Periode Januari 2009 Juli 2013 dan kolerogram DPPU BIL Group Analisis Pola Special Page 21
22 Grafik Penjualan Avtur Periode Januari 2009 Juli 2013 DPPU ELTARI Group Analisis Pola Special Page 22
23 Analisis Kejadian yang diperkirakan mempengaruhi peningkatan penjualan avtur secara signifikan No. Special Waktu 1. Hari raya Idul fitri September Agustus Hari raya Desember Natal 3. Liburan Juli sekolah 4. Haji flight Oktober, November, Desember September, Oktober, November Hari raya Idul adha November Oktober Special Page 23
24 Pemilihan konstanta α (0<α<1) untuk Exponential Smoothing Analisis Special a. DPPU Juanda (α = 0,99) Page 24
25 Pemilihan konstanta α (0<α<1) untuk Exponential Smoothing Analisis Special b. DPPU Iswahyudi (α = 0,3) Page 25
26 Pemilihan konstanta α (0<α<1) untuk Exponential Smoothing Analisis Special c. DPPU Ngurah Rai (α = 0,8) Page 26
27 Pemilihan konstanta α (0<α<1) untuk Exponential Smoothing Analisis Special d. DPPU BIL Group (α = 0,13) Page 27
28 Pemilihan konstanta α (0<α<1) untuk Exponential Smoothing Analisis Special e. DPPU Eltari Group (α = 0,56) Page 28
29 Analisis Pemilihan nilai N (orde) untuk Moving Average N DPPU Juanda DPPU Iswahyudi MAPE (%) DPPU Ngurah Rai DPPU BIL Group DPPU Eltari Group 2 11, ,2263 5, , , , ,3397 5, , , , ,2009 5, , , , ,8741 5, , ,6275 Special Page 29
30 Analisis Special Hasil Indeks MAEB dan ESEB Tabel 1. Rekapitulasi Indeks DPPU Juanda Liburan sekolah Hari raya Idul fitri Haji flight Hari raya Natal Waktu Indeks MAEB Grup Indeks Indeks ESEB Juli ,04 Juli ,00 1,08 Juli ,01 1,01 1,09 Juli ,02 1,00 Juli ,89 0,90 September September , ,05 September , Agustus , Okt, Nov, & Des ,17 Okt, Nov, & Des ,30 1,10 Okt, Nov, & Des ,29 1,28 1,07 Sept, Okt, & Nov ,24 1,08 Desember Desember , ,20 Desember , Desember , MAEB dan ESEB menghasilkan : liburan sekolah, hari raya Idul fitri, dan haji flight Grup Indeks 1,05 1,06 1,11 0,99 Page 30
31 Analisis Special Hasil Indeks MAEB dan ESEB Tabel 2. Rekapitulasi Indeks DPPU BIL Group Liburan sekolah Hari raya Idul fitri Haji flight Hari raya Natal Waktu Indeks event MAEB Indeks event ESEB Juli ,05 1,08 September & Agustus 2012 Okt, Nov, & Des 2009 Okt, Nov, & Des 2010 Okt, Nov, & Des 2011 Sept, Okt, & Nov ,98 0,97 1,38 1,32 Desember ,30 1,26 MAEB & ESEB menghasilkan : liburan sekolah dan haji flight Page 31
32 Analisis Special Hasil Indeks MAEB dan ESEB Tabel 3. Rekapitulasi Indeks DPPU Ngurah Rai Waktu Indeks MAEB Ngurah Rai Indeks ESEB Liburan Sekolah Juli ,11 1,10 Hari raya Idul fitri Hari raya Idul Adha Hari raya Natal September & Agustus 2012 November & Oktober Desember ,06 0,98 1,05 0,99 1,03 1,03 MAEB menghasilkan : liburan sekolah, hari raya Idul fitri, Idul adha, dan hari raya Natal ESEB menghasilkan : liburan sekolah dan hari raya Natal Page 32
33 Analisis Hasil Indeks MAEB dan ESEB Tabel 3. Rekapitulasi Indeks DPPU Eltari Group Waktu Indeks MAEB Eltari Group Indeks ESEB Special Liburan Sekolah Hari raya Idul fitri Hari raya Idul Adha Hari raya Natal Juli ,09 1,11 September & Agustus 2012 November & Oktober Desember ,09 1,11 0,98 1,01 1,06 1,04 MAEB menghasilkan : liburan sekolah, hari raya idul fitri, dan Natal ESEB menghasilkan : liburan sekolah, hari raya Idul fitri, Idul adha, dan Natal Page 33
34 Analisis November & Oktober Desember Special Hasil Indeks MAEB dan ESEB Tabel 4. Rekapitulasi Indeks DPPU Iswahyudi Waktu Indeks MAEB Indeks ESEB Liburan Juli 2009 Sekolah ,26 1,19 Hari raya Idul fitri September & Agustus ,80 0,92 Hari raya Idul Adha Hari raya Natal 0,92 0,97 0,82 1,10 MAEB menghasilkan : liburan sekolah ESEB menghasilkan : liburan sekolah dan hari raya Natal Page 34
35 Analisis Indeks Musiman Tabel 5. Rekapitulasi Indeks Musiman Bulan DPPU Juanda Indeks Musiman DPPU DPPU Ngurah Iswahyudi Rai DPPU Eltari Group DPPU BIL Group Jan Feb Mar Apr Mei Jun Jul Agust Sept Okt Nov Des Special Page 35
36 Analisis Persamaan trend Tabel 6. Persamaan Trend Menggunakan Analisis Regresi Linier No. DPPU Persamaan Trend 1. Juanda y(t) = t 2. Iswahyudi y(t) = Ngurah Rai y(t) = t 4. BIL Group y(t) = ,1t 5. Eltari Group y(t) = ,3t Special Page 36
37 Analisis Tabel 7. Rekapitulasi 5 lokasi Lokasi Pemasaran Metode MAPE DPPU Juanda MAEB 7,53% ESEB 9,52% 5,59% DPPU Iswahyudi MAEB 26,48% ESEB 28,08% 28,11% DPPU Ngurah Rai MAEB 3,37% ESEB 4,56% 3,35% DPPU BIL Group MAEB 7,72% ESEB 9,60% 8,67% DPPU Eltari Group MAEB 9,35% ESEB 8,89% 10,98% Special Page 37
38 Analisis Special Tabel 8. Hasil Special N Indeks special DPPU Special o event 1 Juanda Hari Raya Idul Fitri 1,05 Liburan sekolah 1,01 Haji flight 1,28 2 Ngurah Liburan sekolah 1,11 Rai Hari raya Natal 1,03 Hari raya Idul fitri 1,06 Hari raya Idul adha 1,05 3 BIL Liburan sekolah 1,05 Group Haji flight 1,38 4 Eltari Group Liburan sekolah 1,11 Hari raya Natal 1,10 Hari raya Idul adha 1,04 Hari raya idul fitri 1,01 Metode MAEB MAEB MAEB ESEB Page 38
39 PENUTUP Kesimpulan Saran 1. Special event yang mempengaruhi peningkatan penjualan avtur berbeda untuk masing-masing DPPU antara lain DPPU Juanda dipengaruhi liburan sekolah, hari raya Idul fitri, dan haji flight, DPPU Ngurah Rai dipengaruhi liburan sekolah, hari raya Natal, Idul fitri, dan Idul adha. DPPU BIL dipengaruhi liburan sekolah dan haji flight. DPPU Eltari dipengaruhi liburan sekolah, hari raya Natal, Idul fitri, dan Idul adha. Sedangkan peningkatan penjualan avtur di DPPU Iswahyudi tidak dipengaruhi oleh. 2. dengan mempertimbangkan sesuai diterapkan di DPPU Bandara International Lombok Group yaitu menggunakan metode Moving Average Based dengan nilai MAPE 7,72% dan Eltari Group yaitu menggunakan metode Exponential Smoothing Based dengan nilai MAPE 8,92%. Sedangkan di DPPU Juanda dan Ngurah Rai metode peramalan sesuai untuk diterapkan dengan nilai MAPE berturutturut sebesar 5,59% dan 3,35%. Page 39
40 PENUTUP Kesimpulan Saran 1. penjualan avtur dengan mempertimbangkan dilakukan dengan menggunakan data harian untuk mendapatkan hasil yang lebih akurat. 2. Metode peramalan lain yang sesuai untuk peramalan penjualan avtur dapat diterapkan untuk mendapatkan metode yang paling baik. Page 40
41 DAFTAR PUSTAKA 1. Henifa, S.L. (2013). Aplikasi Multiple channel Model pada analisa jumlah operator Pengisian Pesawat Udara dan Metode Dekomposisi pada Jumlah Penjualan Avtur di Pertamina Aviation Area Jatim & Balinus DPPU Juanda Surabaya. Laporan Penelitian Kerja Praktek, Institut Teknologi Sepuluh Nopember, Surabaya. 2. Anonim.2013.Pertamina Aviation (diakses pukul 09.00, 8 Juli 2013) < URL: pertamina.com/> 3. Anggraheni, W. (2003). Di PT. Coca Cola Distribution Indonesia SIER Surabaya. Laporan Penelitian Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya. 4. Putra, I.N. (2010). Permintaan dan Perencanaan Produksi dengan Mempertimbangkan Special di PT. Coca Cola Bottling Indonesia (PT. CCBI) Plant Pandaan. Laporan Penelitian Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya. 5. Wati, E.E. (2013). Analisa Jumlah Mobil Refueller/Dispenser Di DPPU Juanda Menggunakan Metode Antrian Multiple channel Model dan Penjualan Avtur Di DPPU Juanda Menggunakan Metode Exponential Smoothing Winter. Laporan Penelitian Kerja Praktek, Institut Teknologi Sepuluh Nopember, Surabaya. 6. Makridarkis, S., Wheelwright, Steven C., Mc GEE, Victor E Metode dan Aplikasi. Tangerang: Binarupa Aksara. 7. Zainun, N. Y., dan Majid, M. Z. A., Low Cost House Demand Predictor. Universitas Teknologi Malaysia. 8. Hanke, J.E., Wichern, D.W., Business ing Eight Edition. Prentice Hall, United States of America. 9. Santoso, Singgih Business ing Metode peramalan Bisnis Masa Kini dengan Minitab dan SPSS. Jakarta, PT Elex Media Komputiondo Kelompok Gramedia. 10. Draper, N dan Smith H.(1992). Analisis Regresi Terapan Edisi Kedua. PT Gramedia Pustaka Utama,,Jakarta. Page 41
Peramalan Penjualan Avtur dengan Mempertimbangkan Special Event
Peramalan Penjualan Avtur dengan Mempertimbangkan Special Event Siti Lukmatul Henifa, Dra. Nuri Wahyuningsih, M.Kes. Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam (MIPA), Institut Teknologi
Lebih terperinciMENENTUKAN PENJUALAN PRODUK TERBAIK DI PERUSAHAAN X DENGAN METODE WINTER EKSPONENSIAL SMOOTHING DAN METODE EVENT BASED
J. Math. and Its Appl. E-ISS: 2579-8936 P-ISS: 1829-605X Vol. 14, o. 1, Mei 2017, 25 35 MEETUKA PEJUALA PRODUK TERBAIK DI PERUSAHAA X DEGA METODE WITER EKSPOESIAL SMOOTHIG DA METODE EVET BASED Farida Agustini
Lebih terperinciModel Perencanaan Produksi untuk Memenuhi Permintaan Pasar dan Pengendalian Persediaan Produk Jadi pada Perusahaan Penghasil Minuman Ringan
Model Perencanaan Produksi untuk Memenuhi Permintaan Pasar dan Pengendalian Persediaan Produk Jadi pada Perusahaan Penghasil Minuman Ringan Production Planning Model to Meet Market Demand and Inventory
Lebih terperinciPERBANDINGAN METODE WINTER EKSPONENSIAL SMOOTHING DAN METODE EVENT BASED UNTUK MENENTUKAN PENJUALAN PRODUK TERBAIK DI PERUSAHAAN X
TUGAS AKHIR SM 141501 PERBANDINGAN METODE WINTER EKSPONENSIAL SMOOTHING DAN METODE EVENT BASED UNTUK MENENTUKAN PENJUALAN PRODUK TERBAIK DI PERUSAHAAN X ELISA FANI NRP 1212 100 026 Dosen Pembimbing Dra.
Lebih terperinciPERAMALAN CURAH HUJAN KOTA PONTIANAK DENGAN DEKOMPOSISI SENSUS II
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 05, No. 02(2016), hal 227 234. PERAMALAN CURAH HUJAN KOTA PONTIANAK DENGAN DEKOMPOSISI SENSUS II Eka Rahmilia, Helmi INTISARI Metode Dekomposisi
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 terperinciMETODE PEMULUSAN EKSPONENSIAL WINTER UNTUK PERAMALAN ABSTRACT
METODE PEMULUSAN EKSPONENSIAL WINTER UNTUK PERAMALAN Arganata Manurung 1, Bustami 2, M.D.H. Gamal 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Sejarah Umum Perusahaan Saputra Plastik adalah perusahaan yang bergerak dalam bidang pemasaran berbagai jenis plastik seperti PP, PE, HD, dan Tali Plastik ; didirikan pada
Lebih terperinciMETODE PERAMALAN HOLT-WINTER UNTUK MEMPREDIKSI JUMLAH PENGUNJUNG PERPUSTAKAAN UNIVERSITAS RIAU ABSTRACT
METODE PERAMALAN HOLT-WINTER UNTUK MEMPREDIKSI JUMLAH PENGUNJUNG PERPUSTAKAAN UNIVERSITAS RIAU Encik Rosalina 1, Sigit Sugiarto 2, M.D.H. Gamal 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Pendahuluan Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan
Lebih terperinciPENENTUAN METODE PERAMALAN SEBAGAI DASAR PENENTUAN TINGKAT KEBUTUHAN PERSEDIAAN PENGAMAN PADA PRODUK KARET REMAH SIR 20
PENENTUAN METODE PERAMALAN SEBAGAI DASAR PENENTUAN TINGKAT KEBUTUHAN PERSEDIAAN PENGAMAN PADA PRODUK KARET REMAH SIR 20 Theresia Oshin Rosmaria Pasaribu 1 Rossi Septy Wahyuni 2 Jurusan Teknik Industri,
Lebih terperinciPERAMALAN PENJUALAN GAS LPG PADA TOKO UPAYA TETAP BERKARYA
PERAMALAN PENJUALAN GAS LPG PADA TOKO UPAYA TETAP BERKARYA Nama : Liza Indriani NPM : 14210058 Jurusan : Manajemen Pembimbing : Lies Handrijaningsih, SE,.MM LATAR BELAKANG MASALAH Perkembangan penggunaan
Lebih terperinciBAB 3 PRAKIRAAAN dan PERAMALAN PRODUKSI. Dalam Manajemen Operasional, mengapa perlu ada peramalan produksi?
BAB 3 PRAKIRAAAN dan PERAMALAN PRODUKSI Dalam Manajemen Operasional, mengapa perlu ada peramalan produksi? a. Ada ketidak-pastian aktivitas produksi di masa yag akan datang b. Kemampuan & sumber daya perusahaan
Lebih terperinciBAB V ANALISA DAN PEMBAHASAN
BAB V ANALISA DAN PEMBAHASAN 5.1 Peramalan Kebutuhan Bahan Baku Pada bab ini berisikan tentang analisa hasil dari pengolahan data dalam perhitungan Forecasting dan MRP tepung terigu untuk 12 bulan yang
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Pengumpulan Data Pengumpulan data yang dilakukan dengan cara pengamatan dari dokumen perusahaan. Data yang di perlukan meliputi data penjualan produk Jamur Shiitake,
Lebih terperinciDian Kristanti 1) 1 Prodi Pendidikan Matematika, STKIP Bina Bangsa Meulaboh.
PERAMALAN JUMLAH PENDISTRIBUSIAN BAHAN BAKAR MINYAK DI PT. PERTAMINA (PERSERO) REGION III DEPOT MALANG MENGGUNAKAN METODE WINTER DAN METODE DEKOMPOSISI Dian Kristanti 1) 1 Prodi Pendidikan Matematika,
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 terperinciUJIAN TUGAS AKHIR EKA NOVI NURHIDAYATI. Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember 2012
UJIAN TUGAS AKHIR APLIKASI ALGORITMA NONLINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PARAMETER α DALAM METODE PEMULUSAN EKSPONENSIAL SATU PARAMETER EKA NOVI NURHIDAYATI 1208 100 040 Jurusan Matematika Fakultas
Lebih 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 III HASIL ANALISIS
51 BAB III HASIL ANALISIS 3.1 Pengumpulan Data Pada tahap ini, penulis secara langsung mengambil data dari PT. Coca-Cola Bottling Indonesia Medan pada periode Januari 00 sampai dengan Desember 006. Disamping
Lebih terperinciIII. MATEMATIKA DAN STATISTIKA APLIKASI (S.1) EFEK PERUBAHAN POLA CUACA PADA DEBIT AIR MASUK DI WADUK SAGULING
III. MATEMATIKA DAN STATISTIKA APLIKASI (S.1) EFEK PERUBAHAN POLA CUACA PADA DEBIT AIR MASUK DI WADUK SAGULING Yurian Yudanto (yurian.yudanto@yahoo.com) Jurusan Statistika, Fakultas Matematika dan Ilmu
Lebih terperinciPENGEMBANGAN SISTEM INFORMASI PERAMALAN PENJUALAN GUNA MENENTUKAN KEBUTUHAN BAHAN BAKU PUPUK MENGGUNAKAN METODE TRIPLE EXPONENTIAL SMOOTHING
Jurnal Informatika Polinema ISSN: 2407-070X PENGEMBANGAN SISTEM INFORMASI PERAMALAN PENJUALAN GUNA MENENTUKAN KEBUTUHAN BAHAN BAKU PUPUK MENGGUNAKAN METODE TRIPLE EXPONENTIAL SMOOTHING Ely Setyo Astuti
Lebih terperinciBAB 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 terperinciEvelina Padang, Gim Tarigan, Ujian Sinulingga
Saintia Matematika Vol. 1, No. 2 (2013), pp. 161 174. PERAMALAN JUMLAH PENUMPANG KERETA API MEDAN-RANTAU PRAPAT DENGAN METODE PEMULUSAN EKSPONENSIAL HOLT-WINTERS Evelina Padang, Gim Tarigan, Ujian Sinulingga
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK
BAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK 3.1 Metode Pemulusan Eksponensial Holt-Winter Metode rata-rata bergerak dan pemulusan Eksponensial dapat digunakan untuk
Lebih terperinciPERBANDINGAN KEEFEKTIFAN METODE MOVING AVERAGE DAN EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH PENGUNJUNG HOTEL MERPATI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 251 258. PERBANDINGAN KEEFEKTIFAN METODE MOVING AVERAGE DAN EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH PENGUNJUNG HOTEL
Lebih terperinciAnalisis Metode Peramalan Permintaan Terbaik Produk Oxycan pada PT. Samator Gresik
Analisis Metode Peramalan Permintaan Terbaik Produk Oxycan pada PT. Samator Gresik Eucharistia Yacoba Nugraha* ) dan I Wayan Suletra 2) ) Mahasiswa program Studi Teknik Industri, Fakultas Teknik, Universitas
Lebih 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 terperinciLOGO. Pengembangan Metode Peramalan Permintaan dan Perencanaan Produksi yang Mempertimbangkan Special Event : Studi Kasus di Perusahaan minuman Ringan
Pengembangan Metode Peramalan Permintaan dan Perencanaan Produksi yang Mempertimbangkan Special Event : Studi Kasus di Perusahaan minuman Ringan Peneliti : Rina Yulizar Rahman 2509 100 022 Dosen Pembimbing
Lebih terperinciPERAMALAN PENJUALAN PADA USAHA DEPOT AIR MINUM ISI ULANG AQUA JOSS
PERAMALAN PENJUALAN PADA USAHA DEPOT AIR MINUM ISI ULANG AQUA JOSS Nama : Annis Nur Hayati R. NPM : 10210904 Jurusan : Manajemen Pembimbing : Gatot Subiyakto, SH.,MM. Bab I. Pendahuluan Latar Belakang
Lebih terperinciPeramalan Permintaan dan Perencanaan Produksi dengan Mempertimbangkan Special Event di PT. Coca Cola Bottling Indonesia (PT. CCBI) Plant Pandaan
Peramalan Permintaan dan Perencanaan Produksi dengan Mempertimbangkan Special Event di PT. Coca Cola Bottling Indonesia (PT. CCBI) Plant Pandaan Peneliti : Ilsan Nur Putra 2506.100.128 Dosen Pembimbing
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 terperinciHASIL DAN ANALISIS DATA. Berikut ini adalah data penjualan besi Wiremesh selama 4 tahun berturutturut.
BAB 5 HASIL DAN ANALISIS DATA 5.1 Penyajian Data Penelitian Berikut ini adalah data penjualan besi Wiremesh selama 4 tahun berturutturut. Data berikut merupakan data aktual untuk diramalkan penjualannya
Lebih terperinciEstimasi, Pemilihan Model dan Peramalan Hubungan Deret Waktu
Estimasi, Pemilihan Model dan Peramalan Hubungan Deret Waktu Author: Junaidi Junaidi Terdapat berbagai jenis model/metode peramalan hubungan deret waktu. Diantaranya adalah: 1) Model Linear; 2) Model Quadratic;
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 1.1 Tempat Penelitian Penelitian ini dilakukan di PT. Aetra Air Jakarta, Jl. Jend. Sudirman Ged. Sampoerna Strategic Square. 1.2 Obyek Penelitian Objek penelitian dilakukan
Lebih terperinciLAPORAN PRAKTIKUM MODUL I PERAMALAN
LAPORAN PRAKTIKUM MODUL I PERAMALAN Disusun oleh: Kelompok II 1. Ari Handayani (4409216094) 2. Caecilia Eka A.W.S. (4409216097) 3. Dwi Darmawan Saputra (4409216100) LABORATORIUM SISTEM PRODUKSI FAKULTAS
Lebih terperinciPERAMALAN PENJUALAN TIKET PESAWAT PADA CV. VIDO JAYA TOUR DAN TRAVEL
PERAMALAN PENJUALAN TIKET PESAWAT PADA CV. VIDO JAYA TOUR DAN TRAVEL Nama : Awalludin Ma rifatullah Idhofi NPM : 11212269 Jurusan : Manajemen Pembimbing : Dr. Dra. Peni Sawitri, MM PENDAHULUAN Latar Belakang
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 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
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
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 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 terperinciPeramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Peramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model Ni Kadek Sukerti STMIK STIKOM Bali Jl. Raya Puputan
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Penelitian Pada dasarnya setiap perusahaan memiliki tujuan yang sama yaitu mendapatkan keuntungan untuk kelancaraan kontinuitas usahanya dan mampu bersaing
Lebih terperinciBAB 4 ANALISIS DAN BAHASAN
BAB 4 ANALISIS DAN BAHASAN 4.1 Profil Perusahaan PT. LG Electronics Indonesia adalah perusahaan elektronik asal Korea Selatan yang menjadi salah satu bagian dari LG Group yang didirikan di Korea pada tahun
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 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 terperinciMETODE MOVING AVERAGE DAN METODE WINTER DALAM PERAMALAN ABSTRACT
METODE MOVING AVERAGE DAN METODE WINTER DALAM PERAMALAN Widya Risnawati Siagian 1, Sigit Sugiarto 2, M.D.H. Gamal 2 1 Mahasiswa Program Studi S1 Matematika FMIPA Universitas Riau 2 Dosen Fakultas Matematika
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola data yang sistematis (Makridakis, 1999). Peramalan menggunakan pendekatan
Lebih terperinciPENGGUNAAN ALGORITMA NONLINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PARAMETER DALAM METODE PEMULUSAN EKSPONENSIAL SATU PARAMETER
PENGGUNAAN ALGORITMA NONLINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PARAMETER DALAM METODE PEMULUSAN EKSPONENSIAL SATU PARAMETER Nama Mahasiswa : Eka Novi Nurhidayati NRP : 1208 100 040 Jurusan : Matematika
Lebih terperinciJURNAL MATEMATIKA MANTIK Edisi: Oktober Vol. 02 No. 01 ISSN: E-ISSN:
ISSN: 25273159 EISSN: 25273167 PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH KLAIM DI BPJS KESEHATAN PAMEKASAN Faisol 1, Sitti Aisah 2 Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)
PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) Oleh : Nofinda Lestari 1208 100 039 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
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 terperinciBAB 2 TINJAUAN TEORITIS. 2.1 Produk Domestik Regional Bruto
18 BAB 2 TINJAUAN TEORITIS 2.1 Produk Domestik Regional Bruto Dalam menghitung pendapatan regional, dipakai konsep domestik. Berarti seluruh nilai tambah yang ditimbulkan oleh berbagai sektor atau lapangan
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 terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1. Dekomposisi dan Proyeksi Pendapatan Asli Daerah Untuk mengetahui pola penerimaan pendapatan daerah Kabupaten Pekalongan dilakukan analisis time series dengan model dekomposisi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab ini membahas teori penunjang dan penelitian sebelumnya yang berhubungan dengan penerapan metode Holt-Winters untuk prediksi penjualan barang musiman. 2.1 Teknik Peramalan Peramalan
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 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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Defenisi Peramalan Peramalan adalah suatu kegiatan dalam memperkirakan atau kegiatan yang meliputi pembuatan perencanaan di masa yang akan datang dengan menggunakan data masa lalu
Lebih terperinciSeminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI) 7 ISSN : Pekanbaru, 11 November 2015
Analisa Perbandingan Metode Exponensial Smoothing dan Metode Tredn Analysis Terhadap Parameter Tingkat Error Pada Peramalan Permintaan Produk Ready Mix Concrete (Studi Kasus: Pt. Iga Bina Mix Pekanbaru)
Lebih terperinci1. PENDAHULUAN 2. KAJIAN PUSTAKA
1. PENDAHULUAN Perkebunan teh menjadi salah satu sektor potensial pembangunan Jawa Barat, karena telah mampu memberikan andil besar dalam kehidupan perekonomian. Sektor perkebunan teh memiliki fungsi ekonomi
Lebih 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 terperinciPERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS
Saintia Matematika ISSN: 2337-9197 Vol. 02, No. 03 (2014), pp. 253 266. PERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS
Lebih terperinciEstimasi, Pemilihan Model dan Peramalan Deret Waktu dengan Microsoft Office Excel
Estimasi, Pemilihan Model dan Peramalan Deret Waktu dengan Microsoft Office Excel Author: Junaidi Junaidi Terdapat berbagai pola pergerakan data deret waktu. Diantaranya adalah: 1) Model Linear; 2) Model
Lebih terperinciProsiding Manajemen ISSN:
Prosiding Manajemen ISSN: 2460-6545 Analisis Perbandingan Peramalan Penjualan menggunakan Metode Exponential Smoothing dan Metode Adjusted Exponential Smothing pada Penjualan Modem Andromax pada PT. Smartfren
Lebih terperinciBAB III PERAMALAN. Praktikum Sistem Produksi ATA 2014/2015
BAB III PERAMALAN 3.1 Landasan Teori Peramalan merupakan suatu bentuk usaha untuk meramalkan keadaan di masa mendatang melalui pengujian keadaan di masa lalu. Esensi peramalan adalah perkiraan peristiwa-peristiwa
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 terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1. Metode Time Series 3.1.1. Definisi Peramalan dan Time Series Peramalan (forecasting)adalah kegiatan memperkirakan apa yang terjadi pada masa yang akan datang berdasarkan data
Lebih terperinciPERTUMBUHAN SIMPANAN *) BANK UMUM POSISI NOVEMBER 2011
Nop-06 Feb-07 Mei-07 Agust-07 Nop-07 Feb-08 Mei-08 Agust-08 Nop-08 Feb-09 Mei-09 Agust-09 Nop-09 Feb-10 Mei-10 Agust-10 Nop-10 Feb-11 Mei-11 Agust-11 PERTUMBUHAN SIMPANAN *) BANK UMUM POSISI NOVEMBER 2011
Lebih terperinciMATERI 3 PER E AM A AL A AN
MATERI 3 PERAMALAN APAKAH PERAMALAN ITU? Peramalan (Forecasting) : Seni dan ilmu memprediksi peristiwa- peristiwa masa depan. Peramalan memerlukan pengambilan data historis dan memproyeksikannya ke masa
Lebih terperinciPeramalan Jumlah Penumpang Pada Siluet Tour And Travel Kota Malang Menggunakan Metode Triple Exponential Smoothing
Jurnal Ilmiah Teknologi dan Informasi ASIA (JITIKA) Vol.11, No.1, Februari 2017 ISSN: 0852-730X Peramalan Jumlah Penumpang Pada Siluet Tour And Travel Kota Malang Menggunakan Metode Triple Exponential
Lebih terperinciPERAMALAN PERMINTAAN DAN PERENCANAAN PRODUKSI DENGAN MEMPERTIMBANGKAN SPECIAL EVENT DI PT. COCA-COLA BOTTLING INDONESIA (PT. CCBI) PLANT-PANDAAN
PERAMALAN PERMINTAAN DAN PERENCANAAN PRODUKSI DENGAN MEMPERTIMBANGKAN SPECIAL EVENT DI PT. COCA-COLA BOTTLING INDONESIA (PT. CCBI) PLANT-PANDAAN Ilsan Nur Putra, I Nyoman Pujawan, Niniet Indah Arvitrida
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 terperinciPEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER
PKMT-2-13-1 PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER Umi Rosyiidah, Diah Taukhida K, Dwi Sitharini Jurusan Matematika, Universitas Jember, Jember ABSTRAK
Lebih terperinciBAB 2 LANDASAN TEORI
1 BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan metode ARIMA box jenkins untuk meramalkan kebutuhan bahan baku. 2.1. Peramalan Peramalan
Lebih terperinciBAB II TINJAUAN PUSTAKA
4 BAB II TINJAUAN PUSTAKA 1.1 Landasan Teori 1.1.1 Prediksi Prediksi adalah sama dengan ramalan atau perkiraan. Menurut kamus besar bahasa indonesia, prediksi adalah hasil dari kegiatan memprediksi atau
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 DATA MINING Data Mining adalah analisis otomatis dari data yang berjumlah banyak atau kompleks dengan tujuan untuk menemukan pola atau kecenderungan yang penting yang biasanya
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 terperinciPRESENSI DOSEN DIPEKERJAKAN KOPERTIS WILAYAH V
Pangkat/Gol. : Perguruan Tinggi : Universitas Ahmad Dahlan Jabatan Fungsional : Bulan : Januari 2014 No. HARI TANGGAL DATANG PULANG. DATANG PULANG 1 Rabu 01-Jan-14 Libur Libur Libur 2 Kamis 02-Jan-14 1.
Lebih terperinciEvaluasi Desain Terminal Penumpang Bandara New Yogyakarta International Airport
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) E-53 Evaluasi Desain Terminal Penumpang Bandara New Yogyakarta International Airport Deanty Putri Maritsa dan Ervina Ahyudanari
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciBAB III METODE PENELITIAN. untuk memahami, memecahkan dan mengantisipasi masalah. adalah penelitian secara deskriptif dan komparatif.
BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif dan komparatif. Melalui penelitian, manusia dapat menggunakan hasilnya, secara
Lebih terperinciPERAMALAN PERMINTAAN KOMODITI PAPRIKA (CAPSICUM ANNUM) DI PT BIMANDIRI AGRO SEDAYA, LEMBANG
52 Peramalan Permintaan Komoditi Paprika (Puji RN dan Tania FI) PERAMALAN PERMINTAAN KOMODITI PAPRIKA (CAPSICUM ANNUM) DI PT BIMANDIRI AGRO SEDAYA, LEMBANG Puji Rahmawati Nurcahyani dan Tania Fauzia Iqbal
Lebih terperinciPENENTUAN JUMLAH PERENCANAAN PERMINTAAN CAT UNTUK MENINGKATKAN TINGKAT AKURASI PERAMALAN BERDASARKAN PERAMALAN PERMINTAAN CAT PADA PT.
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.1 April 2017 Page 1067 PENENTUAN JUMLAH PERENCANAAN PERMINTAAN CAT UNTUK MENINGKATKAN TINGKAT AKURASI PERAMALAN BERDASARKAN PERAMALAN PERMINTAAN
Lebih terperinciBAB. 1 PENDAHULUAN Latar Belakang
1 BAB. 1 PENDAHULUAN 1.1. Latar Belakang Kain adalah bahan mentah yang dapat dikelola menjadi suatu pakaian yang mempunyai nilai financial dan konsumtif dalam kehidupan, seperti pembuatan baju. Contohnya
Lebih terperinciBAB 4 HASIL DAN BAHASAN
BAB 4 HASIL DAN BAHASAN 4.1 Hasil dan Bahasan 4.1.1 Penentuan Suku Cadang Prioritas Untuk menentukan suku cadang prioritas pada penulisan tugas akhir ini diperlukan data aktual permintaan filter fleetguard
Lebih terperinciMetode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api
Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api Efek Variasi Kalender dengan Pendekatan Regresi Time Series Nur Ajizah 1, Resa Septiani Pontoh 2, Toni Toharudin 3 Mahasiswa Program
Lebih terperincidari tahun pada stasiun pengamat yang berada di daerah Darmaga, Bogor.
Jika plot peluang dan plot kuantil-kuantil membentuk garis lurus atau linier maka dapat disimpulkan bahwa model telah memenuhi asumsi (Mallor et al. 2009). Tingkat Pengembalian Dalam praktik, besaran atau
Lebih terperinciSILABUS MATAKULIAH PERAMALAN BISNIS
SILABUS MATAKULIAH PERAMALAN BISNIS Matakuliah : Peramalan Bisnis Kode Matakuliah/sks : AGB 201/ 3(2-3) Semester : 4 Prasyarat Deskripsi Singkat : Metode Statistika : Matakuliah ini memberikan pengetahuan,
Lebih terperinciPrediksi Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Menggunakan Fuzzy Time Series
Prediksi Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Menggunakan Fuzzy Time Series Arfinda Setiyoutami a, Wiwik Anggraeni b, Renny Pradina Kusumawardani c Jurusan Sistem Informasi
Lebih 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 terperinciANALISIS DAN PERAMALAN PRODUKSI TANAMAN TEH DENGAN MENGGUNAKAN METODE INDEKS MUSIM
ANALISIS DAN PERAMALAN PRODUKSI TANAMAN TEH DENGAN MENGGUNAKAN METODE INDEKS MUSIM Alfa Kenedi Mainassy ), Sri Yulianto Joko Prasetyo 2), Alz Danny Wowor 3),2,3) Fakultas Teknologi Informasi Universitas
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 Edisi... Volume..., Bulan 20.. ISSN :
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 SISTEM PERAMALAN DAN MONITORING PERSEDIAAN OBAT DI RSPG CISARUA BOGOR DENGAN MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING DAN REORDER POINT Nendang
Lebih terperinciJURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: A-403
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 201-9271 A-0 Implementasi Fuzzy Neural Network untuk Memperkirakan Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Ani Rahmadiani dan Wiwik
Lebih terperinciAnalisis Hubungan Deret Waktu untuk Peramalan
Analisis Hubungan Deret Waktu untuk Peramalan Author: Junaidi Junaidi Ramalan (forecast) merupakan dugaan atau perkiraan mengenai terjadinya suatu kejadian atau peristiwa di waktu yang akan datang. Ramalan
Lebih terperinciPENGGUNAAN METODE EXPONENTIAL SMOOTHING UNTUK MERAMALKAN PERSEDIAAN BERAS PADA BULOG DIVRE ACEH
ISBN: 978-602-71798-1-3 PENGGUNAAN METODE EXPONENTIAL SMOOTHING UNTUK MERAMALKAN PERSEDIAAN BERAS PADA BULOG DIVRE ACEH Nurmaulidar, Asep Rusyana, Rizka Maqfirah 1 Fakultas MIPA, Universitas Syiah Kuala,
Lebih 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 terperinci