ANALISA PERAMALAN TINGKAT PERMINTAAN KONSUMEN DI PERUSAHAAN PENJUAL SPARE PART MOBIL Meigy Fernando 1, Inna Kholidasri 1, Lestari Setiawati 2
|
|
- Hendra Yuwono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 ANALISA PERAMALAN TINGKAT PERMINTAAN KONSUMEN DI PERUSAHAAN PENJUAL SPARE PART MOBIL Meigy Ferado, Ia Kholidasri, Lestari Setiawati 2 Jurusa Tekik Idustri, Fakultas Tekologi Idustri, Uiversitas Bughatta Meigy_ferado@yahoo.com ABSTRACT Forecastig is a attempt to predict the future state based o the iformatio i the past. I a busiess, busiessmat ca be more quickly ad precisely i takig decisios eeded to maitai ad cotiue the busiess. I this study discusses the types of goods such as spare parts. Te types of spare parts are use. The spare parts has the data patter that are differet from other kids of goods, because it is ot always there is a demad i each period (itermittet). Three methods itermittet demad forecastig are used Sigle Expoetial Smoothig (SES), Crosto's ad Sytetos Boyla Approximatio. By applyig the eight methods of forecastig error, forecastig method chose by the criteria of forecastig that has the smallest error. This study aims to determie the appropriate methods for some compoets of cars sold i the Toyota Auto service, aalyze the results forecast i cojuctio with the ivetory cost ad opportuity cost. This study attempts to look at the suitability of the results obtaied from processig the data with the results of research Sytetos ad Boyla (2005). With the limited amout of research i this area, there should be other studies relevat to the topic. Results of this study are expected to cotribute i a real system, especially for owers of Toyota Auto Service, but also to cotribute i the fields of sciece, especially i the research area of busiess forecastig. Keywords: forecastig, itermittet demad, the decisio - makig ivetory.. PENDAHULUAN Persaiga usaha dewasa ii meutut pelaku bisis utuk lebih peka terhadap situasi da kodisi bisis, baik yag terjadi pada saat ii maupu masa yag aka datag. Dega memahami da berpikir kritis terhadap situasi da kodisi yag mempegaruhi bisisya, pelaku bisis dapat lebih cepat da tepat dalam megambil keputusa yag diperluka utuk mempertahaka da melajutka bisis tersebut. Ketepata da kecepata pegambila keputusa sagat berpegaruh dalam kesuksesa suatu usaha, misalya dalam hal memaksimalka keutuga da memiimasi resiko. Salah satu cara utuk medapatka iformasi megeai masa yag aka datag dalam bisis yaitu dega melakuka forecastig yag terjadi dimasa yag aka datag atau dikeal dega busiss forecastig. Busiess Forecastig atau biasa disebut dega forecastig merupaka suatu usaha utuk meramalka keadaa di masa medatag berdasarka iformasi pada masa lalu (Makridakis et al., 998). Berbagai metode forecastig telah bayak
2 dikembagka baik yag bersifat kualitatif maupu kuatitatif. Metode-metode tersebut membutuhka data masa lalu maupu iformasi yag terkii yag releva sebagai upaya dalam pegambila keputusa, pada umumya tujua akhir dari pegguaa metode forecastig adalah utuk memperkiraka tigkat permitaa atau kebutuha barag pada periode yag aka datag. Pegguaa metode forecastig yag sesuai dega pola data permitaa barag sagat medukug keakurata hasil forecastig. Hal ii tetu aka meguragi biaya resiko aka tidak tersediaya barag maupu dalam hal memiimasi ogkos simpa barag (ivetory cost) akibat dari peyedia barag yag berlebiha (Silver et,.al 998). 2. LATAR BELAKANG Pada peelitia ii diperluka adaya suatu usaha utuk memperkiraka jumlah permitaa spare part yag lebih akurat kepada pemasok. Iformasi megeai tigkat permitaa utuk periode medatag dapat dilakuka dega megguaka metode forecastig yag tepat utuk pola data barag sejeis spare part. Dalam hal ii, barag yag aka diteliti berupa spare part mobil yag dijual di perusahaa Toyota Auto Service Barag berupa spare part memiliki pola data yag berbeda dari barag jeis lai, karea tidak selalu terdapat permitaa di tiap periodeya, atau disebut dega pola data itermittet (Sytetos da Boyla, 200, 2005). Barag sejeis spare part memiliki pola data yag lebih rumit dari pada jeis barag lai, karea berpola permitaa yag itermittet. Hal ii disebabka karea barag jeis spare part sagat berkaita dega saat barag tersebut rusak atau perlu digati. Selajutya, dalam peelitia-peelitia di bidag maajeme operasi da sistem produksi, itermittet demad forecastig merupaka salah satu cabag keilmua yag belum bayak diteliti. Salah satu peelitia yag membahas permasalaha peetua metode forecastig yag tepat utuk itermittet demad adalah peelitia yag dilakuka oleh Sytetos da Boyla (2005). Peelitia ii di lakuka di perusahaa Toyota Auto Service. Permasalaha yag dihadapi oleh Perusahaa Toyota Auto Service adalah tidak akuratya cara meetuka jumlah barag yag aka dipesa kepada pemasok barag. Metode forecastig yag diagkat dalam Sytetos da Boyla (2005) adalah metode-metode yag sesuai utuk time series yag berpola itermittet.
3 Dega terbatasya jumlah peelitia di bidag ii, perlu dilakuka peelitiapeelitia lai dega topik yag releva. Oleh karea itu perlu dilakuka peelitia megeai peramala tigkat permitaa barag yag lebih akurat. Karea serig terjadi stock out maupu peumpuka barag di ivetory. Aalisa perlu dilakuka pada metode peramala yag diguaka maupu pada hasil peramala yag dikaitka pada terjadi atau tidak terjadiya ivetory cost maupu opportuity cost. Peelitia di Toyota Auto Service ii dilakuka sebagai upaya utuk meambah khasaah keilmua di bidag itermittet demad forecastig. Dalam aalisaya, peelitia ii mecoba utuk melihat kesesuaia hasil yag didapat dari pegolaha data dega hasil peelitia Sytetos da Boyla (2005). Peelitia ii diharapka memberika kotribusi di sistem yata, khususya bagi pemilik perusahaa Toyota Auto Service, amu juga memberika kotribusi di bidag ilmu pegetahua, khususya di area peelitia busiess forecastig. 3. STUDI LITERATUR Forecastig adalah meramalka, memproyeksika, atau megadaka perkiraaa atau taksira terhadap berbagai kemugkia yag aka terjadi sebelum suatu recaa yag lebih pasti dapat dilakuka (Makridakis et al., 998). Forecastig pada umumya diguaka utuk memprediksika keutuga, pedapata, harga, biaya, tekologi da berbagai variabel laiya. Dalam ligkuga perusahaa, kebayaka forecastig diguaka utuk megestimasi atau memprediksi permitaa pejuala pada masa yag aka datag. Selai itu juga berfugsi utuk meredam ketidakpastia, sehigga diperoleh suatu perkiraa yag medekati keadaa yag sebearya. Dega meguragi ketidakpastia, maka dapat diambil keputusa-keputusa yag tepat megeai jumlah barag yag aka diadaka (dibuat atau dibeli) sehigga kerugia dapat dimiimasi da keutuga dapat dimaksimalka. Utuk pola data dilakuka berdasarka deret waktu setelah data time series didapat. Secara teori, karakteristik pola data dapat dilihat dega rata-rata demad iterval (p). Apabila p <,32 maka pola data adalah itermitte sedagka apabila p,32 pola data adalah fast movig (Sytetos, et al., 2005). Terdapat beberapa jeis pola data dalam forecastig (Makridakis, et al., 998) yaitu : a. Pola tred
4 Merupaka pergeraka data sedikit demi sedikit meigkat atau meuru. Perubaha pedapata, populasi, peyebara umur atau padaga budaya dapat mempegaruhi pergeraka tred. b. Pola data musima Pola data musima merupakapola data yag berulag pada kuru waktu tertetu, seperti hari, miggua, bulaa, atau kuartal. c. Pola data siklus Pola dalam data yag terjadi setiap beberapa tahu. Siklus ii biasaya terkait pada siklus bisis da merupaka satu hal petig dalam aalisis da perecaaa bisis jagka pedek utuk memprediksi siklus bisis. d. Pola data variasi acak Merupaka satu titik khusus dalam data yag disebabka oleh peluag da situasi yag tidak lazim. Variasi acak tidak memiliki pola khusus sehigga tidak dapat di prediksi. Selai itu, Sytetos (200) juga mejelaska tetag pola data fast movig yag merupaka pola data di maa setiap periode peramalaya memiliki data permitaa aktual da pola data slow movig (itermittet) di maa tidak setiap periode terdapat permitaa barag. Secara umum, metoda forecastig membutuhka data masa lalu sebagai pedoma dalam melakuka peramala dapat dikatagorika mejadi metode yag bersifat qualitative seperti metode Delpi, Grass Root Aalysis, Pure Judgemt, Executive Opiio da lai sebagaiya da metode yag bersifat kuatitatif. Utuk metode kuatitatif, dalam peelitia ii, aka difokuska pada metode-metode yag bisa diguaka utuk jeis barag yag memiliki pola permitaa yag itermitte (itermitte forecastig) (Kholidasari, 204). a) Itermitte demad forecastig Proses produksi yag terputus-putus atau disebut itermittet. Dalam pelaksaaa produksi dega megguaka proses produksi semacam ii, aka terdapat beberapa pola atau uruta pelaksaaa produksi dalam perusahaa yag bersagkuta. Perbedaa pokok dari kedua proses produksi tersebut adalah berdasarka pada pajag tidakya waktu persiapa utuk megatur (set-up) peralata produksi yag diguaka utuk memproduksi suatu produks atau beberapa produk tapa megalami perubaha. 3 metode forecastig yag diguaka yaitu:. Sigle Expoetial Smoothig
5 Metode sigle expoetial smoothig merupaka metode forecastig yag dapat diguaka utuk pola permitaa yag itermitte maupu o-itermittet. Metode ii dapat dikataka sebagai titik awal berkembagya metode utuk itermittet demad forecastig. Jika Ft adalah ilai perkiraa pada waktu t, Y t adalah ilai pegamata pada waktu t da α kosta atara 0 da, maka: F ) F t Yt ( Atau dapat megataka bahwa ramala (F t+ ) didasarka pada pembobota pegamata terbaru (Y t ) dega ilai bobot (α) da bobot perkiraa terbaru (F t ) dega berat (-α). Ketika ilai medekati, hasil Forecastig memiliki peyesuaia yag besar utuk kesalaha dalam perkiraa sebelumya. Sebalikya, ketika dekat dega 0, perkiraa baru aka mecakup sagat sedikit peyesuaia. Proses iisialisasi metode ii megguaka ilai yag diamati pertama (Y ) sebagai perkiraa pertama (F = Y ). 2. Crosto s method Metode Crosto adalah model forecastig utuk itermittet demad (Crosto, 972). Permitaa itermittet mucul secara radom, dega beberapa periode waktu meujukka tidak adaya permitaa sama sekali (sytetos da Boyla, 2005). Willemai et al., (994) t mejelaska bagaimaa proses perhituga metode Crosto dimaa metode ii membagi parameter demad mejadi dua bagia yaitu demad size da demad iterval. Expoetial smoothig kemudia diaplikasika utuk kedua parameter ii secara terpisah dimaa data du-update haya pada saat dimaa terjadi. Notasi berikut diguaka dalam perhituga matematis metode Crosto: = = demad utuk suatu item pada saat t = demad size (ukura demad) = biary idicator dari demad pada saat t = Crosto s estimate dari rata-rata demad size = Crosto s estimate dari rata-rata iterval atar demad q = waktu iterval dari demad terakhir = Smoothig parameter Dega megkombiasika estimasi dari demad iterval da demad size maka didapatka rata-rata dead per priode sebagai berikut:
6 3. Sytetos-Boyla Approximatio (SBA) Sytetos da Boyla (200) meemuka kesalaha dalam meuruka rumus matematika pada metode Crosto. Dega dmegguaka otasi yag sama pada metode Crosto, metode SBA dibuat atas dasar perbaika metode Crosto sebagai berikut: ( ) b) Forecastig error Dalam forecastig, forecastig error diguaka utuk memilih metode peramala. Akurasi perkiraa megacu pada seberapa baik model peramala mampu mereproduksi data yag sudah diketahui (Makridakis et al., 998). Maajar melakuka aalisis forecastig error utuk meetuka apakah metode peramala saat ii secara akurat memprediksi kompoe sistematik permitaa. Megukur keakurata suatu hasil forecastig merupaka hal petig dalam forecastig. Keakurata hasil forecastig ii dilakuka dega meghitug forcastig error yag terjadi. Semaki kecil error yag dihasilka maka aka semaki akurat hasil forecastig yag didapat. Terdapat beberapa metode pegukura forecastig error, seperti:. Mea error (ME), ME adalah pejumlaha semua forecastig error dari tiap periode yag dibagi dega jumlah peride yag ada (). ME kemudia didefiisika sebagai: ME e t t 2. Mea absolute error (MAE), MAE merupaka ilai absolut dari ME. MAE memiliki keutuga yaitu lebih mudah dijelaska kepada o-spesialis. Secara matematis, MAE didefiisika sebagai: MAE e t t 3. Mea square error (MSE), MSE dihitug dega membuat setiap error mejadi positif dega megkuadratka masig-masigya da kemudia dirata-rataka. MSE didefiisika sebagai: MSE 2 e t t 4. Root mea square error (RMASE), RMSE adalah prosedur megkuadratka rata-rata dari MSE. Secara matematis, RMSE didefiisika sebagai:
7 RMSE 2 e t t 5. Mea percetage error (MPE), Persamaa ii dapat diguaka utuk meghitug persetase kesalaha utuk setiap periode waktu da kemudia dirata-rataka utuk medapatka MPE tersebut. MPE didefiisika sebagai: MPE t PE t 6. Mea absolute percetage error (MAPE), MAPE didefiisika yag megguaka ilai absolute dari PE. MAPE dapat diguaka utuk semua metoda yag diaplikasika pada suatu time series. Hal ii berarti bahwa MAPE tidak sesuai utuk seri yag berisi periode waktu permitaa ol. Secara matematis, MAPE didefiisika sebagai berikut: MAPE t PE t 7. Symmetric mea absolute percatege error (SMAPE), Pegukura ii memberika solusi dari masalah asimetri. SMAPE memiliki beberapa keuggula. Hal ii meyumbag perubaha dalam pola permitaa yag medasari yag terjadi da SMAPE tidak terlalu terpegaruh oleh outlier. Selai itu, mudah dihitug da ditafsirka da juga releva tidak haya utuk data rasio-skala. SMAPE di defiisika sebagai berikut: SMAPE Y F t e t t / 2 x00 8. Geometric root mea square error (GRMSE) (Kholidasari,204). GRMSE Y t F t t METODOLOGI PENELITIAN Peelitia ii dilakuka di perusahaa peyediaa spare part mobil. Barag berjeis spare part memiliki pola data itermittet. Perusahaa pejual spare part mobil memiliki masalah dalam memperkiraka jumlah barag yag aka dipesa kepada pemasok Peelitia ii bertujua utuk meetuka metode yag tepat utuk pola permitaa itermittet. Data yag diguaka data time series selama 6 periode, periode dihitug selama bula. Sepuluh data time series meggambarka data masa lalu 0 kompoe mobil yag mejadi objek peelitia. Ada tiga metode forecastig yag diguaka dalam peelitia ii
8 (metode Sigle Expoetial Smoothig, Crosto s method da Sytetos Boyla Approximatio (SBA)). Dari ketiga metode forecastig, dipilih salah satu metode forecastig yag terkecil megeai keakurata hasil forecastig. Parameter (α) yag diguaka dalam perhituga utuk medapatka hasil forecastig adalah 0,, 0,2, da 0,5. Pegujia metode merupaka lagkah iisialisasi dari peetua metode forecastig yag sesuai dega pola data. Kriteria pemiliha metode terbaik utuk suatu time series adalah metode yag meghasilka forecastig error terkecil. Diguaka delapa metode utuk meetuka besarya forecastig error atara lai ; Mea error (ME), Mea absolute error (MAE), Mea square error (MSE), Root mea square error (RMSE), Mea percetage error (MPE), Mea absolute percetage error (MAPE), Symmetric mea absolute percetage error (SMAPE), Geometric root mea square error (GRMSE). Setelah didapatka hasil forecastig error yag terkecil, selajutya dilakuka forecastig utuk periode yag aka datag dega megaplikasika metode terpilih. Kemudia, dilajutka dega aalisa mempertimbagka hasil forecastig dega hubuga terjadi/tidakya ivetory cost da opportuity cost. Peetua metode forecastig yag tepat sagat mempegaruhi keberhasila suatu sistem ivetory. 5. HASIL DAN PEMBAHASAN Pada tahapa ii aka dijelaska tahapa megeai pegolaha data secara detail. Pegolaha data dilakuka berupa perhituga yag dilakuka dalam pemiliha metode forecastig dega kriteria forecastig error yag terkecil. a. Aalisa pemiliha metode forecastig Pegolaha data megguaka data permitaa jeis-jeis spare part selama 6 bula yag lalu. Pada awalya data aka diplot utuk melihat pola data permitaa. Selajutya
9 dilakuka proses iisialisasi dilakuka utuk 6 bula pertama. Iisialisasi bertujua utuk perhituga hasil forecastig utuk ketiga metode terpilih (SES, Crosto da SBA). Ada sepuluh jeis spare part mobil yag diambil mejadi objek peelitia dega megguaka α = 0,, α=0,2, da α=0,5 utuk tiap metode. Proses iisialisasi dilakuka utuk medapatka metode yag palig sesuai utuk suatu jeis spare part. Dalam hal ii aka dilakuka proses iisialisasi utuk tiap jeis spare part yag mejadi objek peelitia (0 jeis spare part yag berarti terdapat 0 time series data). Selajutya, dega dapat diketahuiya plot data masig-masig item, maka dapat ditetuka alteratif metode forecastig yag aka diuji pada proses iisialisasi. Hasil forecastig yag dipilih aka diguaka utuk peramala permitaa atau perecaaa permitaa spare part selajutya. Proses forecastig demad melalui tahap-tahap tertetu atiya dapat memberika pedekata terhadap pola demad yag aka datag. Tabel 4, 5, 6 da gambar berikut memperlihatka salah satu cotoh hasil perhituga utuk salah satu spare part (Spart Plug) da pola data. Selajutya, dega cara yag sama, diulakuka juga perhituga forecastig utuk spare part laiya. Gambar Plot Data Spart Plug Selajutya dilakuka aalisa terhadap forecastig error dega megguka delapa metode. Hasil perhituga yag ditampilka pada tabel 7.
10 Berikut merupakaa perhituga forecastig error utuk spare part spart plug. Perhituga yag sama dilakuka dilakuka utuk sembila spare part laiya. Selai perhituga hasil forecast da forecastig error, perlu diaalisa juga megeai karakteristik data permitaa. Pola data diaalisa dega melihat rata-rata demad iterval (p) masig-masig data series. Apabila p <,32 merupaka pola data itermitte da apabila p,32 merupaka pola data fast movig. dapat dilihat pada tabel 8 berikut: pada umumya berpola permitaa yag itermittet. Dari sepuluh data time series yag diaalisa, terdapat tujuh jeis spare part yag memiliki pola permitaa yag itermittet. Selajutya, SBA merupaka metode forecastig yag palig bayak dipilih, dibadigka dega Crosto da SES. Hal ii sesuai dega peelitiapeelitia sebelumya diarea ii yag megataka bahwa SBA merupka metode yag tepat utuk data itermittet. Dari hasil pegolaha data didapatka fast movig dega metode SBA. Karea data ii masih data spare part. Disii data yag diguaka selama eam belas bula, da disetiap periodeya ada. Karakteristik spare part diguaka apa bila terjadiya kerusaka yag harus digati. Selai itu, metode forcastig error yag palig serig meghasilka error terkecil dibadigka dega tujuh metode laiya yaitu metode Mea Average Error (MAE) dega α yag berfariasi utuk tiap spare part. Dapat dilliat pada tabel 8, hasil aalisa diatas meggambarka bahwa pola data fast movig dapat dimiliki oleh data time series spare part walaupu, sesuai dega literatur yag ada, data spare part Terlihat dari hasil aalisis diatas bahwa biaya-biya ivetori, dalam hal ii
11 adalah ivetory cost yag terjadi akibat peumpuka barag, maupu opportuity cost yag terjaadi akibat kehilaga terlihat karea barag tidak tersedia, dapat terjadi akibat adaya forecastig error. Pada tabel 9 dari forecastig error beserta biaya yag diakibatkaya selama 6 periode. Dari sepuluh jeis spare part, spare part berjeis spart plug didapatka sebelas terjadi ivetory cost da lima terjadi opportuity cost. Karea hal ii terjadi di periode (bula) yag berbeda. Sedagka, pada spare part jeis air filter didapatka opportuity cost lebih kecil dibadigka dega opportuity cost. Karea ada periode tertetu yag memiliki data yag pas. Spare part bearig merupka spare part yag serig terjadi ivetory cost da brake fluid merupka spare part yag bayak terjadi opportuity cost. Teryata selama ii pemilik usaha melakuka forecastig serig terjadi kekuraga, sehigga ivetory cost da opportuity cost mejadi besar. Dari sepuluh jeis spare part, fuel pump megahasilka besarya ivetory cost yag didapat. Akibat salah forecast, sehigga meimbulka biaya ivetori sampai Rp Pada opportuity cost karea tidak bisa forecast akhirya kehilaga keutuga sebayak Rp Dari hasil pejumlaha keseluruha perusahaa megeluarka biaya Rp ivetori da Rp opportuity. Dega demikia, sagat jelas terlihat bahwa pemiliha metode forecastig sagat berpera dalam meetapka keputusa-keputusa ivetory (beberapa bayak da kapa barag harus dipesa). Hal ii dikareaka pemiliha metode forecastig yag tepat aka memiimasi kesalaha-kesalaha dalam meramalka jumlah barag yag aka dipesa/diadaka. Sehigga, hasil yag didapat sagat berpegaruh terhadap biaya yag dibutuhka oleh perusahaa dari total biaya keseluruha. 6. KESIMPULAN Dari peelitia yag dilakuka, dapat ditarik kesimpulaya yaitu sebagai berikut:. Peelitia ii merupaka peelitia diarea busiess forecastig yag difokuska pada itermittet demad forecastig. 2. Jeis data permitaa yag berpola itermittet biasaya terdapat pada pola permitaa barag berupa spare part.
12 3. Dalam peelitia ii, diguaka data time series yag merupaka data permitaa sepuluh jeis spare part mobil. Pegambila data diambil dalam satua waktu atau periode 6 bula da megguaka 3 metoda forecastig da 8 metode forecastig error. 4. Bahwa tidak semua spare part memiliki pola data demad yag itermittet. Tetapi kebayaka pola data spare part itu itermittet. 5. Metode yag terpilih utuk fast movig adalah SES da SBA, sedagka utuk itermittet Crosto da SBA. 6. Pemiliha metode sagat mempegaruhi error, salah satu cotoh spare part dega metode SES error yag didapat > dibadigka dega spare part metode SBA. 7. Peetua metode forecastig yag tepat sagat mempegaruhi keberhasila suatu sistem ivetory. 8. Hasil peelitia sytetos da boyla 2005, 2006 haya megguaka satu data demad series dibadigka dega hasil peelitia peeliti megguaka 0 data kompoe spare part. DAFTAR PUSTAKA C. Laufer, Arthur. (979) Maagemet Operatios, hal. 23. Crosto, J. D. (972). Forecastig ad stock cotrol for itermittet demads. Operatioal Research Quarterly, HASAN, I., MARTON, K. Developmet ad Efficiecy of the Bakig Sector i a Trasitioal Ecoomy. Joural of Bakig ad Fiace.2003, vol. 27, No. 2, pp Idrajit, Richardus E., Djokopraoto, Richardus., (2003), Maajeme Persediaa, PT Gramedia Widiasaraa Idoesia, Jakarta. Kholidasari, I. (203). The implicatio of judgemetal itervetio i a ivetory system. Upublished Ph.D thesis. Uiversity of Salford, Machester, UK. Kholidasari, I. (204). Itervesi Pegambil Keputusa pada Sistem Forecastig. Prosidig Semiar tekik Idustri da
13 Bada Kerjasama Peyeleggara Pedidika Tiggi Tekik Idustri Idoesia (BKSTI) 204, hal. II.25-II.220. Makridakis, S., Wheelwright, S. C., da Hydma, R. J. (998). Forecastig Methods ad Applicatios, 3rd Editio, Joh Wiley & Sos Ic, New Jersey. Makridakis, S. et al. (988). Metode da Aplikasi Peramala. Edisi kedua. Jakarta: Erlagga. demad estimates. Iteratioal Joural of Forecastig, 2, Sytetos, A. A., Boyla, J. E., ad Crosto, J. D O the catagorisatio of demad patters. Joural of the Operatioal Reserach Society, 56, Hadoko, T., Hai, (2000), Dasar-dasar Maajeme Produksi da Operasi, BPFE, Yogyakarta. Prawirosetoo, suryadi Maajeme Operasi, Aalisis da Studi Kasus, edisi ketiga, cetaka pertama, Jakarta, Bumi Aksara. Silver, E. A., Pyke, D. F., da Peterso, R., (998). Ivetory maagemet ad productio plaig ad schedulig, 3rd Editio, Joh Wiley & Sos, Ic., New York. Sytetos, A. A. da Boyla, J. E. (200). O the bias of itermittet demad estimates. Iteratioal Joural of Productio Ecoomics, 7, Sytetos, A. A. da Boyla, J. E. (2005). The accuracy of itermittet
BAB 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 terperinciFORECASTING (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 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 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 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 terperinciBAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.
BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder
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 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 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 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 terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa
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 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 terperinciAPLIKASI PERHITUNGAN METODE PERAMALAN PRODUKSI PADA CV. X
APLIKASI PERHITUNGAN METODE PERAMALAN PRODUKSI PADA CV. X Sayuti, M 1* 1 Jurusa Tekik Idustri, Fakultas Tekik, Uiversitas Malikussaleh-NAD *E-mail: Tgk_Sayuti@yahoo.co.uk ABSTRAK CV.X, merupaka perusahaa
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 terperinciUkuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus
-Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.
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 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 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 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 terperinciBAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,
BAB 1 PENDAHULUAN 1.1 Latar Belakag Bagi Negara yag mempuyai wilayah terdiri dari pulau-pulau yag dikeliligi lauta, laut merupaka saraa trasportasi yag dimia, sehigga laut memiliki peraa yag petig bagi
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Subjek Peelitia Peelitia ii dilaksaaka di kawasa huta magrove, yag berada pada muara sugai Opak di Dusu Baros, Kecamata Kretek, Kabupate Batul. Populasi dalam peelitia ii adalah
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 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 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 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 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 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 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 terperinciIII. METODOLOGI PENELITIAN
16 III. METODOLOGI PENELITIAN 3.1. Keragka Pemikira Peelitia Perkembaga zama yag meutut setiap idividu baik dari segi kemampua maupu peampila. Boss Parfum yag bergerak di bidag isi ulag miyak wagi didirika
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 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 terperinciMANAJEMEN RISIKO INVESTASI
MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya
Lebih terperinciPengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)
Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu
Lebih terperinciPERANCANGAN APLIKASI PREDIKSI JUMLAH SISWA BARU PADA YAYASAN CERDAS MURNI MENGGUNAKAN EXPONENTIAL SMOOTHING
PERANCANGAN APLIKASI PREDIKSI JUMLAH SISWA BARU PADA YAYASAN CERDAS MURNI MENGGUNAKAN EXPONENTIAL SMOOTHING Khairu Nisa Ulfa 1, Muhammad Syahrizal 2 Mahasiswa Tekik Iformatika STMIK Budi Darma Meda 1 Dose
Lebih terperinciPERANCANGAN SISTEM INFORMASI PREDIKSI PEMESANAN STOK ALAT- ALAT MUSIK PADA CV GRAHA MUSIC & LIGHTING
PERANCANGAN SISTEM INFORMASI PREDIKSI PEMESANAN STOK ALAT- ALAT MUSIK PADA CV GRAHA MUSIC & LIGHTING Moch Arifi 1, Rizal Cahya Pratama 1 Sekolah Tiggi Maajeme Iformatika Da Tekik Komputer Surabaya Jl.
Lebih terperinciBAB 3 DATA DAN METODOLOGI PENELITIAN
BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
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 terperinciI. DERET TAKHINGGA, DERET PANGKAT
I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da
Lebih terperinciANALISIS PERAMALAN PENJUALAN USAHA ARDYLA BAKERY DI MUARA BULIAN Muryati 1
Jural Ilmiah Uiversitas Bataghari Jambi Vol.17 No.2 Tahu 2017 ANALISIS PERAMALAN PENJUALAN USAHA ARDYLA BAKERY DI MUARA BULIAN Muryati 1 Abstract The role of forecastig was very importat for a compay to
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 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 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 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 terperinciBAB III METODOLOGI PENELITIAN
31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag
Lebih terperinciBAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL
BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,
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 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 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 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 terperinciPENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
Lebih terperinciJURNAL GAUSSIAN, Volume 2, Nomor 2, April 2013, Halaman Online di:
JURNAL GAUSSIAN, Volume 2, Nomor 2, April 203, Halama 37-46 Olie di: http://ejoural-s.udip.ac.id/idex.php/gaussia PERBANDINGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL DAN FUZZY TIME SERIES UNTUK MEMPREDIKSI
Lebih terperinciBAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian
BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Saham Saham adalah surat berharga yag dapat dibeli atau dijual oleh peroraga atau lembaga di pasar tempat surat tersebut diperjualbelika. Sebagai istrumet ivestasi, saham memiliki
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih terperinciBAB I PENDAHULUAN. X Y X Y X Y sampel
BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Aalisis regresi merupaka metode aalisis data yag meggambarka hubuga atara variabel respo dega satu atau beberapa variabel prediktor. Aalisis regresi tersebut
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 III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:
BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di PT. Bak Bukopi, Tbk Cabag Karawag yag berlokasi pada Jala Ahmad Yai No.92 Kabupate Karawag, Jawa Barat da Kabupate Purwakarta
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 terperinciIII. METODELOGI PENELITIAN
III. METODELOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika, meurut Arikuto (998:73)
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya
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 terperinciII. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang
II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori
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
30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.
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 terperinciANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo
ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN 2010 Erie Sadewo Kodisi Makro Ekoomi Kepulaua Riau Pola perekoomia suatu wilayah secara umum dapat diyataka meurut sisi peyediaa (supply), permitaa
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat
BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuha Sistem Sebelum melakuka deteksi da trackig obyek dibutuhka peragkat luak yag dapat meujag peelitia. Peragkat keras da luak yag diguaka dapat dilihat pada Tabel
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5
III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut
Lebih terperinciBAB III METODE PENELITIAN. cuci mobil CV. Sangkara Abadi di Bumiayu. Metode analisis yang dipakai
20 BAB III METODE PENELITIAN 3.1 Jeis Peelitia Peelitia ii merupaka aalisis tetag kelayaka ivestasi usaha cuci mobil CV. Sagkara Abadi di Bumiayu. Metode aalisis yag dipakai adalah metode aalisis kuatitatif
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 terperinciBAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua
BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi
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 terperinciPENGENDALIAN PERSEDIAAN BAHAN BAKU KAIN PADA DEPARTEMEN PRINTING-DYEING PT. KHS DENGAN ALGORITMA WAGNER WHITIN
PENGENDALIAN PERSEDIAAN BAHAN BAKU KAIN PADA DEPARTEMEN PRINTING-DYEING PT. KHS DENGAN ALGORITMA WAGNER WHITIN Ema Yuliastuti 1, Wakhid Ahmad Jauhari 2, Cucuk Nur Rosyidi 3 1,2,3 Jurusa Tekik Idustri,
Lebih terperinciMetode Bootstrap Persentil Pada Sensor Tipe II Berdistribusi Eksponensial
Statistika, Vol. 7 No. 1, 1 6 Mei 007 Metode Bootstrap Persetil Pada Sesor Tipe II Berdistribusi Ekspoesial Jurusa Statistika FMIPA Uiversitas Islam Idoesia Yogyakarta Abstrak Metode bootstrap adalah suatu
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 terperinciAPLIKASI PERAMALAN PENJUALAN MENGGUNAKAN METODE REGRESI LINIER
APLIKASI PERAMALAN PENJUALAN MENGGUNAKAN METODE REGRESI LINIER Rival Zuaidhi, Wahyu S. J. Saputra da Ni Ketut Sari Jurusa Tekik Iformatika, Fakultas Tekologi Iformasi, UPN Vetera Jawa Timur Email: rivalavista@yahoo.com
Lebih terperinciIII. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011
III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega
Lebih terperinciBAB II LANDASAN TEORI. kesalahan ramalan (forecast error) yang berbeda pula. Salah satu seni dalam
BAB II LANDASAN TEORI 2.1 Tekik Peramala Peramala (forecastig) merupaka alat batu yag petig dalam perecaaa yag efektif da efisie. Dalam sistem peramala, pegguaa berbagai model peramala aka memberika ilai
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 terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I
7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3
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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Lokasi da Waktu Pegambila Data Pegambila data poho Pius (Pius merkusii) dilakuka di Huta Pedidika Guug Walat, Kabupate Sukabumi, Jawa Barat pada bula September 2011.
Lebih terperinciPENGEMBANGAN MODEL ANALISIS SENSITIVITAS PETA KENDALI TRIPLE SAMPLING MENGGUNAKAN UTILITY FUNCTION METHOD
Semiar Nasioal Iformatika 5 (semasif 5) ISSN: 979-8 UPN Vetera Yogyakarta, 4 November 5 PENGEMBANGAN MODE ANAISIS SENSITIVITAS PETA KENDAI TRIPE SAMPING MENGGUNAKAN UTIITY FUNCTION METHOD Juwairiah ),
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 V METODOLOGI PENELITIAN
BAB V METODOLOGI PEELITIA 5.1 Racaga Peelitia Peelitia ii merupaka peelitia kualitatif dega metode wawacara medalam (i depth iterview) utuk memperoleh gambara ketidaklegkapa pegisia berkas rekam medis
Lebih terperinciPENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN
PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas
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 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 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 terperinciPendekatan Nilai Logaritma dan Inversnya Secara Manual
Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah
Lebih terperinciBAB 6: ESTIMASI PARAMETER (2)
Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara
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 V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)
BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu
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 terperinci9 Departemen Statistika FMIPA IPB
Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara
Lebih terperinci