BAB 3 PENGOLAHAN DATA
|
|
- Ivan Kusuma
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 suatu masalah secara keseluruhan. Data yang diolah penulis adalah data per tahun dari banyaknya energi listrik yang disalurkan PT. PLN (Persero) Cabang Medan yang dimulai dari tahun 2005 sampai Metode yang digunakan untuk mengolah data adalah metode peramalan smoothing eksponensial ganda yaitu metode linier satu parameter dari Brown. 3.2 Pengolahan Data dengan Metode Smoothing Eksponensial Ganda: Metode Linier Satu Parameter dari Brown Tabel 3.1 Data Energi Listrik yang Disalurkan PT. PLN Cabang Medan Tahun 2005 sampai 2015 Periode Tahun Energi yang Disalurkan (kwh)
2 13 Grafik Energi Listrik yang Disalurkan PT. PLN Cabang Medan Tahun 2005 sampai 2015 sebagai berikut: Grafik Energi Listrik yang Disalurkan PT. PLN Cabang Medan Tahun Tahun Energi yang Disalurkan Gambar 3.1 Tampilan Grafik Energi Listrik yang Disalurkan PT. PLN Cabang Medan Tahun 2005 sampai 2015 Langkah-langkah untuk menentukan bentuk persamaan peramalan dengan menggunakan metode pemulusan eksponensial ganda: metode linier satu parameter dari Brown adalah: 1. Menentukan harga parameter smoothing eksponensial ganda yang besarnya 0 < α < Menghitung harga smoothing eksponensial tunggal menggunakan Persamaan (2.2): S t = dst. (Untuk sampai pada α = 0,1 dapat dilihat pada Tabel 3.2)
3 14 dst. (Untuk sampai pada α = 0,2 dapat dilihat pada Tabel 3.3) dst. (Untuk sampai pada α = 0,3 dapat dilihat pada Tabel 3.4) 3. Menghitung harga smoothing eksponensial ganda menggunakan Persamaan (2.3): dst. (Untuk sampai pada α = 0,1 dapat dilihat pada Tabel 3.2) dst. (Untuk sampai pada α = 0,2 dapat dilihat pada Tabel 3.3)
4 15 α = 0,3 = dst. (Untuk sampai pada α = 0,3 dapat dilihat pada Tabel 3.4) 4. Menghitung koefisien a t dan b t Persamaan (2.5): menggunakan Persamaan (2.4) dan a = S ( S S ) 2S S t t t t t t b t = ( S t S t ) 1 nilai konstanta pada periode pertama dikosongkan karena nilai eksponensial tunggal dan eksponensial ganda pada periode pertama mempunyai nilai yang sama. = dst. (Untuk sampai pada α = 0,1 dapat dilihat pada Tabel 3.2) nilai konstanta pada periode pertama dikosongkan karena nilai eksponensial tunggal dan eksponensial ganda pada periode pertama mempunyai nilai yang sama. dst. (Untuk sampai pada α = 0,1 dapat dilihat pada Tabel 3.2)
5 16 nilai konstanta pada periode pertama dikosongkan karena nilai eksponensial tunggal dan eksponensial ganda pada periode pertama mempunyai nilai yang sama. dst. (Untuk sampai pada α = 0,2 dapat dilihat pada Tabel 3.3) nilai konstanta pada periode pertama dikosongkan karena nilai eksponensial tunggal dan eksponensial ganda pada periode pertama mempunyai nilai yang sama. dst. (Untuk sampai pada α = 0,2 dapat dilihat pada Tabel 3.3) nilai konstanta pada periode pertama dikosongkan karena nilai eksponensial tunggal dan eksponensial ganda pada periode pertama mempunyai nilai yang sama. dst. (Untuk sampai pada α = 0,3 dapat dilihat pada Tabel 3.4) nilai konstanta pada periode pertama dikosongkan karena nilai eksponensial tunggal dan eksponensial ganda pada periode pertama mempunyai nilai yang sama.
6 17 dst. (Untuk sampai pada α = 0,3 dapat dilihat pada Tabel 3.4) 5. Menghitung trend peramalan Ft mmenggunakan Persamaan (2.6): F = at btm t m nilai ramalan pertama dikosongkan karena nilai konstanta smoothing sebelum periode pertama tidak ada. nilai ramalan kedua dikosongkan karena nilai konstanta smoothing periode pertama tidak ada. dst. (Untuk sampai pada α = 0,1 dapat dilihat pada Tabel 3.2) nilai ramalan pertama dikosongkan karena nilai konstanta smoothing sebelum periode pertama tidak ada. nilai ramalan kedua dikosongkan karena nilai konstanta smoothing periode pertama tidak ada. dst. (Untuk sampai pada α = 0,2 dapat dilihat pada Tabel 3.3) nilai ramalan pertama dikosongkan karena nilai konstanta smoothing sebelum periode pertama tidak ada. nilai ramalan kedua dikosongkan karena nilai konstanta smoothing periode pertama tidak ada. dst. (Untuk sampai pada α = 0,3 dapat dilihat pada Tabel 3.4) 6. Menghitung nilai kesalahan (error) menggunakan Persamaan (2.7).
7 18 α = 0,1 nilai error periode pertama dikosongkan karena ramalan pada periode pertama tidak ada. nilai error periode kedua dikosongkan karena ramalan pada periode kedua tidak ada = = dst. (Untuk sampai pada α = 0,1 dapat dilihat pada Tabel 3.2) α = 0,2 nilai error periode pertama dikosongkan karena ramalan pada periode pertama tidak ada. nilai error periode kedua dikosongkan karena ramalan pada periode kedua tidak ada. e 3 = = e 4 = = dst. (Untuk sampai pada α = 0,2 dapat dilihat pada Tabel 3.3) α = 0,3 nilai error periode pertama dikosongkan karena ramalan pada periode pertama tidak ada. nilai error periode kedua dikosongkan karena ramalan pada periode kedua tidak ada. dst. (Untuk sampai pada α = 0,3 dapat dilihat pada Tabel 3.4) 8. Menghitung nilai kuadrat kesalahan (error). = 0,1 = nilai kuadrat error periode pertama dikosongkan karena ramalan pada periode pertama tidak ada = nilai kuadrat error periode kedua dikosongkan karena ramalan pada periode kedua tidak ada. = ( ) 2 =
8 19 = ( ) 2 = dst. (Untuk sampai pada α = 0,1 dapat dilihat pada Tabel 3.2) α = 0,2 = nilai kuadrat error periode pertama dikosongkan karena nilai error pada periode pertama tidak ada. nilai kuadrat error periode kedua dikosongkan karena nilai error pada periode kedua tidak ada. = ( ) 2 = = ( ) 2 = dst. (Untuk sampai pada α = 0,2 dapat dilihat pada Tabel 3.3) α = 0,3 = nilai kuadrat error periode pertama dikosongkan karena nilai error pada periode pertama tidak ada. nilai kuadrat error periode kedua dikosongkan karena nilai error pada periode kedua tidak ada. = ( ) 2 = = ( ) 2 = dst. (Untuk sampai pada α = 0,3 dapat dilihat pada Tabel 3.4) Dengan perhitungan yang sama, untuk α = 0,4 sampai dengan α = 0,9 hasilnya ditampilkan pada Tabel 3.5 sampai Tabel Penaksiran Model Peramalan Dalam mengolah data pada Tabel 3.1, penulis menggunakan metode peramalan yaitu dengan metode smoothing eksponensial satu parameter dari Brown. Untuk memenuhi perhitungan smoothing eksponensial tunggal, ganda dan ramalan yang akan datang, maka kita harus menentukan parameter dari nilai α terlebih dahulu yang biasa digunakan dengan cara trial and error atau coba dan salah. Nilai α yang dipilih dari 0 < α < 1, dihitung Mean Square Error (MSE) yang merupakan suatu ukuran ketepatan perhitungan dengan mengkuadratkan nilai error masingmasing elemen dalam sebuah susunan data dan kemudian dicoba dengan nilai α yang lain.
9 20 Untuk menghitung nilai MSE yaitu terlebih dahulu mencari error yang merupakan hasil dari data asli dikurang hasil ramalan. Lalu tiap error dikuadratkan dan dibagi dengan banyaknya error.
10 Tabel 3.2 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0, Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,1 dan N = 11 MSE =
11 Tabel 3.3 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0, Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,2 dan N = 11 MSE =
12 Tabel 3.4 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0, Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,3 dan N = 11 MSE =
13 Tabel 3.5 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0, Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,4 dan N = 11 MSE =
14 Tabel 3.6 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0, Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,5 dan N = 11 MSE =
15 Tabel 3.7 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0, Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,6 dan N = 11 MSE =
16 Tabel 3.8 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0, Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,7 dan N = 11 MSE =
17 Tabel 3.9 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0, Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,8 dan N = 11 MSE =
18 Tabel 3.10 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0, Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,9 dan N = 11 MSE =
19 30 Kemudian nilai-nilai MSE yang telah diperoleh dapat dilihat pada nilai α yang memberikan nilai MSE yang paling kecil. Perbandingan ukuran ketepatan metode peramalan nilai penjualan energi listrik di PT. PLN (Persero) Cabang Medan dengan melihat MSE adalah sebagai berikut: Tabel 3.11 Perbandingan Ukuran Ketepatan Metode Peramalan α MSE 0, , , , , , , , , Dari Tabel 3.11, MSE yang paling kecil terdapat pada α = 0,7 yaitu dengan MSE = Penentuan Bentuk Persamaan Peramalan Melalui cara trial and error dengan 0 < α < 1, telah diperoleh perhitungan peramalan pemulusan eksponensial linier satu parameter dari Brown dengan α = 0,7, sehingga dapat ditentukan bentuk persamaan peramalan untuk periode berikutnya. Berdasarkan perhitungan pada α = 0,7, dapat diperoleh persamaan peramalan untuk periode berikutnya yaitu dengan menggunakan persamaan (2.6) sebagai berikut:
20 Peramalan Banyaknya Energi Listrik yang Disalurkan Tahun 2016, 2017 dan 2018 Setelah diperoleh persamaan peramalan banyaknya energi listrik yang disalurkan, maka dapat dihitung banyaknya energi listrik yang disalurkan untuk tiga periode berikutnya, yaitu untuk tahun 2016, 2017 dan 2018 : a. Untuk periode ke-12 (tahun 2016) b. Untuk periode ke-13 (tahun 2017) c. Untuk periode ke-14 (tahun 2018) Tabel 3.12 Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan Tahun 2016 sampai 2018 Tahun Periode Peramalan Banyaknya Energi Listrik yang Disalurkan Nilai-nilai kesalahan yang diperoleh dari perincian data ramalan banyaknya energi listrik yang disalurkan adalah: 1. Nilai Tengah Kesalahan (Mean Error) adalah: N et ME N t1
21 32 = 2. Nilai Tengah Kesalahan Kuadrat (Mean Squared Error) adalah: MSE = N t1 N e 2 t = Nilai Tengah Kesalahan Absolut (Mean Absolute Error) adalah: MAE = N t1 N e t Nilai Tengah Kesalahan Persentase Absolut (Mean Absolute Percentage Error) adalah: MAPE N t1 PE N t = = 3,64 5. Nilai Tengah Kesalahan Persentase (Mean Persentase Error) adalah: MPE N t1 PE N t = = 0,91
22 33 6. Jumlah Kuadrat Kesalahan (Sum Square Error) adalah: SSE N 2 e t t
23 BAB 4 IMPLEMENTASI SISTEM 4.1 Pengertian Implementasi Sistem Dalam hal pengolahan data, komputer mempunyai kelebihan dari manusia yaitu kecepatan, ketepatan dan keandalan. Terutama dalam pengolahan data yang jumlahnya sangat besar dan rumit dikerjakan secara manual tentunya sangat membutuhkan komputer untuk mengolah data. Di samping dapat dikerjakan dengan cepat dan tepat, juga dapat mengurangi kesalahan perhitungan. Jadi, implementasi sistem merupakan penerapan hasil desain tertulis ke dalam sebuah tulisan yang mana penulis menggunakan Microsoft Excel 2007 untuk menganalisis data banyaknya energi listrik yang disalurkan. 4.2 Pengenalan Microsoft Excel Microsoft Excel adalah program lembar kerja atau spreadsheet. Program Microsoft Excel merupakan salah satu program aplikasi Microsoft Office untuk mengolah data perhitungan. Microsoft Excel dapat melakukan pengolahan data secara cepat pada bidang matematika, akuntansi, statistik dan pada bidang lain yang memerlukan perhitungan dengan cepat dan teliti. Selain Microsoft Excel, dapat juga mengolah data statistik dengan software lainnya seperti SPSS dan MINITAB. Hasil pengolahan data statistik menggunakan Microsoft Excel mempunyai keakuratan dan ketelitian yang sama dengan program yang secara khusus melakukan pengolahan data statistik. Sheet atau lembar kerja Microsoft Excel terdiri dari kolom dan baris. Kolom diberi nama dengan huruf dari A, B, C sampai dengan Z, lalu dilanjutkan dengan AA, AB, AC sampai kolom XFD. Sedangkan baris ditandai dengan angka mulai dari 1,2,3 sampai dengan Microsoft Excel 2007 hadir dengan tampilan yang lebih praktis dan mudah digunakan, juga berintegrasi dengan berbagai software lain seperti Microsoft Word, Microsoft Accses, dan Microsoft Powerpoint.
24 Langkah-langkah Pengolahan Data Cara memulai pengolahan data pada Microsoft Excel yaitu: 1. Klik Start pada sudut kiri bawah layar desktop. Gambar 4.1 Cara Mengaktifkan Microsoft Excel 2. Klik All Program kemudian klik Microsoft Office dan pilih Microsoft Excel Maka akan muncul seperti Gambar 4.2. Gambar 4.2 Tampilan Lembar Kerja Microsoft Excel
25 36 3. Masukkan (entry) data yang akan diolah seperti pada Gambar 4.3. Gambar 4.3 Tampilan Pemasukan Data 4. Olah data dengan memasukkan rumus. Persamaan (2.2) untuk nilai α = 0,1 yaitu dengan memasukkan rumus =0,1*B3+(1-0,1)*C2, kemudian melanjutkan rumus untuk baris selanjutnya seperti pada Gambar 4.4. Gambar 4.4 Tampilan Hasil Olah Data untuk Persamaan (2.2) Persamaan (2.3) untuk nilai α = 0,1 yaitu dengan memasukkan rumus =0,1*C3+(1-0,1)*D2, kemudian melanjutkan rumus untuk baris selanjutnya seperti pada Gambar 4.5
26 37 Gambar 4.5 Tampilan Hasil Olah Data untuk Persamaan (2.3) Persamaan (2.4) untuk nilai α = 0,1 yaitu dengan memasukkan rumus =2*C3- D3, kemudian melanjutkan rumus untuk baris selanjutnya seperti pada Gambar 4.6. Gambar 4.6 Tampilan Hasil Olah Data untuk Persamaan (2.4) Persamaan (2.5) untuk nilai α = 0,1 yaitu dengan memasukkan rumus =0,1/(1-0,1)*(C3-D3) kemudian melanjutkan rumus untuk baris selanjutnya seperti pada Gambar 4.7.
27 38 Gambar 4.7 Tampilan Hasil Olah Data untuk Persamaan (2.5) Persamaan (2.6) untuk nilai α = 0,1 yaitu dengan memasukkan rumus =E3+F3, kemudian melanjutkan rumus untuk baris selanjutnya seperti pada Gambar 4.8. Gambar 4.8 Tampilan Hasil Olah Data untuk Persamaan (2.6) Persamaan (2.7) untuk nilai α = 0,1 yaitu dengan memasukkan rumus =B4- G4, kemudian melanjutkan rumus untuk baris selanjutnya seperti pada Gambar 4.9.
28 39 Gambar 4.9 Tampilan Hasil Olah Data untuk Persamaan (2.7) Kuadratkan nilai e t dengan rumus =H4^2 untuk baris dilanjutkan dengan rumus seperti pada Gambar Gambar 4.10 Tampilan Hasil Kuadrat Persamaan (2.7) 4.4 Pembuatan Grafik Microsoft Excel menyediakan fasilitas untuk membuat aneka bentuk grafik. Langkah-langkah membuat grafik pada Microsoft Excel sebagai berikut: 1. Blok seluruh tabel yang akan dijadikan grafik, yaitu tahun dan data aktual energi listrik yang disalurkan (kwh). 2. Pilih menu Insert, kemudian pilih line pada charts.
29 40 3. Lalu pilih jenis chart yang diinginkan, yaitu line with markers. 4. Klik Design pada Chart Layouts pilih layout Pada Chart Title ubah menjadi Grafik Energi Listrik yang Disalurkan PT. PLN Cabang Medan Tahun Klik kanan pada grafik yang telah muncul, pilih select data. 7. Kemudian akan muncul kotak dialog select data source. 8. Pada Horizontal (Category) Axis Labels diubah menjadi tahun 2005, 2006, 2007, 2008, 2009, 2010, 2011, 2012, 2013, 2014, Kemudian klik OK, maka akan muncul grafik seperti Gambar 4.11 berikut: Gambar 4.11 Tampilan Output dari Tabel yang Dijadikan Grafik Energi Listrik yang Disalurkan PT. PLN Cabang Medan Tahun 2005 sampai 2015
30 BAB 5 KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan hasil pengolahan data pada Bab 3, maka penulis mengambil kesimpulan sebagai berikut: a. Dari hasil pengolahan data dalam meramalkan banyaknya energi listrik yang disalurkan, maka penyaluran energi listrik PT. PLN (Persero) Cabang Medan terus meningkat dari tahun ke tahun. b. Dari hasil pengolahan data tahun 2005 sampai 2015 untuk banyaknya energi listrik yang disalurkan oleh PT. PLN (Persero) Cabang Medan dalam satuan kwh dengan menggunakan metode smoothing eksponensial ganda dengan metode linier satu parameter dari Brown, diperoleh nilai MSE terkecil yaitu dengan α = 0,7. c. Bentuk persamaan peramalan banyaknya energi listrik yang disalurkan PT. PLN (Persero) Cabang Medan dan hasil peramalan untuk 3 periode ke depan berdasarkan data tahun 2005 sampai 2015 adalah: Peramalan banyaknya energi listrik yang disalurkan PT. PLN (Persero) Cabang Medan untuk tahun 2018 yakni periode ke-14 adalah sebesar kwh. 5.2 Saran Karena semakin bertambahnya penduduk, semakin banyak lapangan pekerjaan, dan semakin berkembanya zaman, sehingga besar kemungkinan membutuhkan energi listrik dalam kapasitas yang semakin besar dan berdasarkan hasil peramalan energi listrik yang terus meningkat maka bagi pihak PT. PLN (Persero) Cabang Medan supaya mempersiapkan dan menyediakan kapasitas energi listrik bagi para pelanggan atau pengguna listrik untuk masa yang akan datang.
BAB 3 PENGOLAHAN DATA
18 BAB 3 PENGOLAHAN DATA 3.1. Pengumpulan Data Data yang akan diolah dalam penelitian ini adalah data sekunder yang diperoleh dari Badan Pusat Statistik Provinsi Sumatera Utara di Jln. Asrama No. 179 Medan
Lebih terperinciBAB 3 ANALISA DATA. produksi kelapa sawit dari tahun 2007 sampai dengan tahun Tabel 3.1 Data Produksi Kelapa Sawit di
BAB 3 ANALISA DATA 3.1 Pengumpulan Data Data yang digunakan untuk penganalisaan tugas akhir ini adalah data jumlah hasil produksi kelapa sawit dari tahun 2007 sampai dengan tahun 2014 Tabel 3.1 Data Produksi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama (assaury, 1991). Sedangkan ramalan adalah
Lebih 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 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 terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan sering dipandang sebagai seni dan ilmu dalam memprediksikan kejadian yang mungkin dihadapi pada masa yang akan datang. Secara teoritis peramalan
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan
BAB 2 LADASA TEORI 2.1 Pengertian Peramalan (Forecasting) Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan terjadi pada masa mendatang. Peramalan penjualan adalah peramalan
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Pengertian Pengolahan Data
16 BAB 3 PEMBAHASAN 3.1 Pengertian Pengolahan Data Pengolahan data diartikan sebagai penjabaran atas pengukuran data kuantitatif menjadi suatu penyajian yang lebih mudah ditafsirkan dan menguraikan masalah
Lebih terperinciBAB 2 LANDASAN TEORI. datang dengan waktu yang relatif lama (assaury, 1991). Secara teoritis peramalan
18 BAB 2 LANDASAN TEORI 2.1 Pengertian Ramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama (assaury, 1991). Secara teoritis peramalan
Lebih terperinciBAB III SEJARAH DAN STRUKTUR BPS
BAB III SEJARAH DA STRUKTUR BPS 3.1 Sejarah Badan Pusat Statistik (BPS) Badan Pusat Statistik (BPS) adalah Lembaga egara on Departemen. Badan Pusat Statistik melakukan kegiatan yang ditugaskan oleh pemerintah
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 Pengertian Produksi Produksi merupakan suatu kegiatan yang dikerjakan untuk menambah nilai guna suatu benda baru sehingga lebih bermanfaat dalam memenuhi kebutuhan. Produksi jahe
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Peramalan (forecasting) 2.1.1. Hubungan Forecast dengan Rencana Forecast adalah peramalan apa yang akan terjadi pada waktu yang akan datang, sedang rencana merupakan penentuan apa
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan adalah alat bantu yang penting dalam perencanaan yang efektif dan efisien (Makridakis,1991). Peramalan merupakan studi terhadap data historis untuk menemukan
Lebih terperinciBAB 3 BADAN PUSAT STATISTIK (BPS)
20 BAB 3 BADAN PUSAT STATISTIK (BPS) 3.1 Sejarah Badan Pusat Statistik (BPS) Seiring dengan adanya perkembangan jaman, khususnya pada pemerintahan Orde Baru, untuk memenuhi kebutuhan dalam perencanaan
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 2 LANDASAN TEORI. Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit
BAB 2 LANDASAN TEORI 2.1 Pengertian Produksi Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit tanaman pada lahan yang telah disediakan, pemupukan dan perawatan sehingga
Lebih terperinciMengerjakan Latihan dengan Microsoft Office Excel
P10 Mengerjakan Latihan dengan Microsoft Office Excel 10.1 TUJUAN Mahasiswa memahami dan terampil mengerjakan beberapa latihan menggunakan Microsoft Excel. 10.2 PEMBAHASAN Membuat ranking pada table Mengurutkan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Produksi Kedelai Dalam ketersediaan kedelai sangat diperlukan diberbagai penjuru masyarakat dimana produksi kedelai merupakan suatu hasil dari bercocok tanam dimana dilakukan dengan
Lebih terperinciBAB 2 LANDASAN TEORITIS
BAB 2 LANDASAN TEORITIS 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksikan apa yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.
Lebih terperinciBAB 3 PERANCANGAN PROGRAM. 3.1 Alasan digunakan Metode Exponential Smoothing. Banyak metode peramalan yang dapat digunakan dalam memprediksi tingkat
BAB 3 PERANCANGAN PROGRAM 3.1 Alasan digunakan Metode Exponential Smoothing Banyak metode peramalan yang dapat digunakan dalam memprediksi tingkat penjualan untuk beberapa periode ke depan. Biasanya untuk
Lebih terperinciBAB 2 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 terperinciPERAMALAN NILAI PENJUALAN ENERGI LISTRIK PLN (PERSERO) TANJUNG MORAWAA DENGAN METODE SMOOTHING IRA AYU SOPHYA HUTAPEA
PERAMALAN NILAI PENJUALAN ENERGI LISTRIK DI PT PLN (PERSERO) TANJUNG MORAWAA DENGAN METODE SMOOTHING IRA AYU SOPHYA HUTAPEA 132407004 PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA
Lebih terperinciBAB 2 LANDASAN TEORI. sama setiap hrinya. Pada bulan-bulan tertentu curah hujan sangat tinggi dan pada
BAB 2 LANDASAN TEORI 2.1 Curah Hujan Hujan sangat diperlukan diberbagai penjuru masyarakat. Curah hujan tidak selalu sama setiap hrinya. Pada bulan-bulan tertentu curah hujan sangat tinggi dan pada bulan-bulan
Lebih 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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian terhadap populasi yang sangat besar, kita perlu melakukan suatu penarikan sampel. Hal ini dikarenakan tidak selamanya kita dapat
Lebih terperinciSebelah Utara dengan Kabupaten Asahan dan Selat Malaka. Sebelah Timur dengan Provinsi Riau. Sebelah Selatan dengan Kabupaten Tapanuli Selatan.
20 BAB 2 LANDASAN TEORI 2.1 Demografi Penduduk Demografi adalah uraian tentang penduduk, terutama tentang kelahiran, perkawinan, kematian dan migrasi. Demografi meliputi studi ilmiah tentang jumlah penduduk,
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasting) 2.1.1 Pengertian Peramalan Peramalan dapat diartikan sebagai berikut: a. Perkiraan atau dugaan mengenai terjadinya suatu kejadian atau peristiwa di waktu
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Matematika memegang peranan penting dalam kehidupan. Selain sebagai salah satu kajian ilmu utama dalam pendidikan, matematika juga berperan untuk menunjang ilmu-ilmu
Lebih terperinciPERAMALAN NILAI PENJUALAN ENERGI LISTRIK DI PT. PLN (PERSERO) CABANG BINJAI UNTUK TAHUN 2008
PERAMALA ILAI PEJUALA EERGI LISTRIK DI PT. PL (PERSERO) CABAG BIJAI UTUK TAHU 2008 TUGAS AKHIR MAGDALEA LUMBATOBIG 052407060 DEPARTEME MATEMATIKA FAKULTAS MATEMATIKA DA ILMU PEGETAHUA ALAM UIVERSITAS SUMATERA
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Untuk menunjang kegiatan penelitian, dalam bab ini akan dijabarkan desain penelitian, alat dan bahan, dan bahan penelitian. 3.1 Desain Penelitian Desain penelitian yang digunakan
Lebih terperinci1. Pendahuluan. 2. Mengaktifkan Microsoft Excell. 3. Mengenal Lingkungan Kerja Microsoft Excell 4. Mengakhiri Microsoft Excell
By F. Denie Wahana 1. Pendahuluan 2. Mengaktifkan Microsoft Excell 3. Mengenal Lingkungan Kerja Microsoft Excell 4. Mengakhiri Microsoft Excell Program aplikasi pengolah angka Microsoft Excel disebut
Lebih terperinciBab 3 Metode dan Perancangan Sistem
Bab 3 Metode dan Perancangan Sistem Pada Bab ini dibahas mengenai metode perancangan yang dipergunakan dalam membuat aplikasi Integrasi Peramalan Pola Iklim Menggunakan Metode Pemulusan Eksponensial Ganda
Lebih terperinciBAB 2 LANDASAN TEORI
10 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang. Peramalan diperlukan karena adanya kesenjaan waktu
Lebih terperinciBAB 2 LANDASAN TEORI
20 BAB 2 LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu atau beberapa produk pada periode yang akan datang.
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Untuk menunjang kegiatan penelitian dalam bab ini akan dijabarkan desain penelitian, alat dan bahan, dan bahan penelitian. 3.1 Desain Penelitian Desain Penelitian merupakan
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 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 terperinciAPLIKASI METODE PEMULUSAN EKSPONENSIAL GANDA BROWN DALAM MERAMALKAN JUMLAH PENDUDUK BERDASARKAN JENIS KELAMIN DI KOTA MEDAN
Saintia Matematika Vol. 1, No. 1 (2013), pp. 11 18. APLIKASI METODE PEMULUSAN EKSPONENSIAL GANDA BROWN DALAM MERAMALKAN JUMLAH PENDUDUK BERDASARKAN JENIS KELAMIN DI KOTA MEDAN Hotlim P. Sirait, Ujian Sinulingga,
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 terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan meramalkan atau memprediksi apa yang akan terjadi dimasa yang akan datang dengan waktu tenggang (lead time) yang relative lama,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan digunakanan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalis kendala atau memaksimalkan pengembangan baik
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. PengertianPeramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Dalam usaha mengetahui atau melihat perkembangan di masa depan,
Lebih terperinciBAB 1 PENDAHULUAN. bidang produksi, penelitian dan riset, bidang pertahanan dan keamanan, bidang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Energi listrik memiliki peranan yang sangat penting bagi masyarakat, industri dan pemerintah. Fungsi listrik juga sangat berperan dalam pembangunan seperti pada bidang
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama ( assaury, 1991). Sedangkan ramalan
Lebih terperinciPERAMALAN JUMLAH PRODUKSI PADI DI SUMATERA UTARA UNTUK TAHUN 2008 TUGAS AKHIR EFRINA SINAGA
1 PERAMALAN JUMLAH PRODUKSI PADI DI SUMATERA UTARA UNTUK TAHUN 2008 TUGAS AKHIR EFRINA SINAGA 052407041 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1 Peramalan Dalam melakukan analisa ekonomi atau analisa kegiatan perusahaan, haruslah diperkirakan apa yang akan terjadi dalam bidang ekonomi atau dunia usaha pada masa yang
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 1 PENDAHULUAN. barang yang dimaksud terdiri dari barang dari dalam negeri, barang dari luar negeri,
BAB 1 PENDAHULUAN 1.1 Latar Belakang Ekspor adalah kegiatan mengeluarkan barang dari dalam negeri ke luar negeri, dimana barang yang dimaksud terdiri dari barang dari dalam negeri, barang dari luar negeri,
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Kemajuan ilmu pengetahuan telah meningkatkan pengertian mengenai berbagai aspek lingkungan dan akibatnya banyak peristiwa yang dapat diramalkan. Peramalan
Lebih terperinciBAB I PENDAHULUAN. yang ada pada CV. Agung Jaya Cabang Pabean diperoleh dari supplier atau
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah CV. Agung Jaya Cabang Pabean adalah cabang perusahaan CV. Agung Jaya Kalang Anyar Sedati. CV. Agung Jaya Cabang Pabean merupakan distributor alat tulis kantor
Lebih terperinciBAB 1 PENDAHULUAN. energi perlu dilaksanakan secara berdayaguna dan berhasilguna. Dilihat dari
BAB 1 PENDAHULUAN 1.1. Latar Belakang Energi mempunyai peranan yang sangat penting dalam kehidupan manusia dan dalam proses pembangunan. Oleh karena itu peningkatan serta pembangunan dalam sektor energi
Lebih terperinciPrediksi Harga Saham dengan ARIMA
Prediksi Harga Saham dengan ARIMA Peramalan harga saham merupakan sesuatu yang ditunggu-tunggu oleh para investor. Munculnya model prediksi yang baru yang bisa meramalkan harga saham secara tepat merupakan
Lebih terperinciPERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati ( )
TUGAS AKHIR PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati (1207 100 031) Dosen Pembimbing: Drs. I G Ngurah Rai Usadha, M.Si Dra. Nuri
Lebih terperinciPERAMALAN JUMLAH PENDISTRIBUSIAN BAHAN BAKAR MINYAK DI KOTA PEMATANG SIANTAR TAHUN DENGAN METODE EKSPONENSIAL SMOOTHING TUGAS AKHIR
PERAMALAN JUMLAH PENDISTRIBUSIAN BAHAN BAKAR MINYAK DI KOTA PEMATANG SIANTAR TAHUN 2015-2017 DENGAN METODE EKSPONENSIAL SMOOTHING TUGAS AKHIR FAZZAR ADE MASSAYU NASUTION 132407109 PROGRAM STUDI D3 STATISTIKA
Lebih terperinciPERAMALAN JUMLAH ANGGARAN BELANJA DAERAH PEMERINTAH KOTA MEDAN PADA TAHUN TUGAS AKHIR ANTONIUS PANTUN A. MANURUNG
PERAMALAN JUMLAH ANGGARAN BELANJA DAERAH PEMERINTAH KOTA MEDAN PADA TAHUN 2015-2016 TUGAS AKHIR ANTONIUS PANTUN A. MANURUNG 132407120 PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA
Lebih terperinciJurnal Pustakawan Indonesia Volume 10 No. 1. MANFAAT FITUR PivotTable DARI MICROSOFT OFFICE EXCEL UNTUK PENGOLAHAN DATA STATISTIK PERPUSTAKAAN
MANFAAT FITUR PivotTable DARI MICROSOFT OFFICE EXCEL UNTUK PENGOLAHAN DATA STATISTIK PERPUSTAKAAN Subagyo Kepala Seksi Sirkulasi, Perpustakaan IPB, email: ir.su45@ipb.ac.id Abstrak Microsoft Office Excel
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 terperinciDwi Puspitasari 1, Mustika Mentari 2, Wildan Ridho Faldiansyah 3
PENERAPAN METODE SINGLE EXPONENTIAL SMOOTHING MENGGUNAKAN PENDEKATAN ADAPTIF PADA PERAMALAN JUMLAH PELANGGAN DAN KEBUTUHAN AIR PADA PDAM KOTA PROBOLINGGO Dwi Puspitasari 1, Mustika Mentari 2, Wildan Ridho
Lebih terperinciModul Praktikum 4 Dasar-Dasar Teknologi Informasi dan Komunikasi
Modul Microsoft Word 2003 (3) Bekerja dengan Tabel dan Grafik (Chart) A. Bekerja Dengan Tabel Dalam suatu dokumen kadang digunakan tabel untuk menampilkan data ataupun hasil analisis yang telah kita buat.
Lebih terperinciMateri Power POint Ajib Susanto, S.Kom : 1
I. PENDAHULUAN Microsoft Power Point merupakan salah satu aplikasi milik Microsoft, disamping Microsoft Word dan Microsoft Excel yang telah kita kenal. Ketiga aplikasi ini lazim disebut Microsoft Office.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan salah satu hasil bercocok tanam yang dilakukan dengan penanaman bibit padi dan perawatan serta pemupukan secara teratur sehingga menghasilkan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perusahaan Sumber Tirta merupakan perusahaan distributor yang bergerak dalam penjualan air minum kemasan merk aqua. Barang yang dijual pada distributor ini
Lebih terperinciKey words: Artificial Neural Network, Exponential Smoothing, Prediction, Electrical Energy Need.
PREDIKSI KEBUTUHAN ENERGI LISTRIK SULAWESI UTARA MENGGUNAKAN ARTIFICIAL NEURAL NETWORK DAN METODE EXPONENTIAL SMOOTHING Febry Hontong 1), Tritiya Arungpadang 2), Johan Neyland 3) Jurusan Teknik Mesin Universitas
Lebih terperinciPengenalan Microsoft Excel 2007
Pengenalan Microsoft Excel 2007 Microsoft Excel merupakan perangkat lunak untuk mengolah data secara otomatis meliputi perhitungan dasar, penggunaan fungsi-fungsi, pembuatan grafik dan manajemen data.
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 terperinciPeramalan (Forecasting)
Peramalan (Forecasting) Peramalan (forecasting) merupakan suatu proses perkiraan keadaan pada masa yang akan datang dengan menggunakan data di masa lalu (Adam dan Ebert, 1982). Awat (1990) menjelaskan
Lebih terperinciBAB 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 terperinciMemulai Menggunakan Microsoft Excel
1 Memulai Menggunakan Microsoft Excel Microsoft Excel atau sering disebut sebagai Ms. Excel merupakan program aplikasi lembar kerja elektronik (spreadsheet), yang dapat dipakai untuk mengelola teks, angka,
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Pada penelitian ini, data yang diperoleh dari 4 tahun terakhir pada toko
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil 4.1.1 Persiapan Penelitian Pada penelitian ini, data yang diperoleh dari 4 tahun terakhir pada toko mitra elektronik yaitu dari tahun 2010 2013 untuk memprediksi penjualan
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1. Produksi Produksi air bersih adalah pengolahan air sungai menjadi air bersih yang dapat digunakan dalam kebutuhan rumah tanggga, seperti air minum, mencuci, mandi dan kebutuhan
Lebih terperinciMembuat Box-Plot dengan Program Minitab dan SPSS
Membuat Box-Plot dengan Program Minitab dan SPSS Author: Junaidi Junaidi 1. Pengantar Terdapat beberapa teknik untuk mempelajari karakteristik dan distribusi data. Salah satu diantaranya adalah box plot.
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 terperinciKEANDALAN PERAMALAN. Disajikan oleh: Bernardus Budi Hartono. Teknik Informatika [Gasal ] FTI - Universitas Stikubank Semarang
KEANDALAN PERAMALAN Disajikan oleh: Bernardus Budi Hartono Web : http://pakhartono.wordpress.com E-mail: pakhartono at gmail dot com budihartono at acm dot org Teknik Informatika [Gasal 2009 2010] FTI
Lebih terperinciBAB III PERAMALAN 3.1 Landasan Teori Peramalan
BAB III PERAMALAN 3.1 Landasan Teori Peramalan Menurut Gaspersz (2004), aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha memperkirakan permintaan dan penggunaan produk sehingga produk-produk
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 terperinciMODUL MICROSOFT OFFICE POWERPOINT 2010 KKL STMIK AMIKOM PURWOKERTO
MODUL MICROSOFT OFFICE POWERPOINT 2010 KKL STMIK AMIKOM PURWOKERTO Mari mengenal Power Point. Apa itu Powerpoint? Ms Powerpoint adalah salah satu program aplikasi microsoft office yang berguna untuk membuat
Lebih terperinciANALISIS JUMLAH CALON MAHASISWA BARU TAHUN 2010 DI FAKULTAS EKONOMI UNIVERSITAS MUHAMMADIYAH SUMATERA UTARA.
ANALISIS JUMLAH CALON MAHASISWA BARU TAHUN 2010 DI FAKULTAS EKONOMI UNIVERSITAS MUHAMMADIYAH SUMATERA UTARA. TUGAS AKHIR Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya AULIA
Lebih terperinciSISTEM PERAMALAN PENJUALAN PRODUK USAHA KECIL MENENGAH BERDASARKAN POLA DATA RIWAYAT PENJUALAN
SISTEM PERAMALAN PENJUALAN PRODUK USAHA KECIL MENENGAH BERDASARKAN POLA DATA RIWAYAT PENJUALAN [1] Abdi Pandu Kusuma, [2] Indyah Hartami Santi, dan [3] Dennys Setiawan [1],[2,[3] Universitas Islam Balitar
Lebih terperinciBAB 2 LANDASAN TEORI. untuk pergerakannya, dan digunakan untuk transportasi darat. Umumnya
BAB 2 LANDASAN TEORI 2.1 Kendaraan Bermotor Kendaraan bermotor adalah kendaraan yang digerakkan oleh peralatan teknik untuk pergerakannya, dan digunakan untuk transportasi darat. Umumnya kendaraan bermotor
Lebih terperinciBAB II LANDASAN TEORI. Sistem informasi terdiri dari input, proses, dan output, seperti yang terlihat pada
BAB II LANDASAN TEORI 2.1 Konsep Sistem Informasi Sebelum merancang sistem perlu dikaji konsep dan definisi dari sistem.. Sistem informasi terdiri dari input, proses, dan output, seperti yang terlihat
Lebih terperinciPERAMALAN PENERIMAAN PAJAK BUMI DAN BANGUNAN (PBB) PADA TAHUN 2011 DI KABUPATEN DELI SERDANG BERDASARKAN DATA TAHUN TUGAS AKHIR
PERAMALAN PENERIMAAN PAJAK BUMI DAN BANGUNAN (PBB) PADA TAHUN 2011 DI KABUPATEN DELI SERDANG BERDASARKAN DATA TAHUN 2005-2009 TUGAS AKHIR SAHAT MANIK 082407116 PROGRAM STUDI DIPLOMA III STATISTIKA DEPARTEMEN
Lebih terperinciVII. MODEL PRAKIRAAN PERMINTAAN
VII. MODEL PRAKIRAAN PERMINTAAN A. Peramalan (Forecasting) Peramalan merupakan dugaan atau perkiraan mengenai terjadinya suatu peristiwa atau kejadian pada waktu yang akan datang, yang dapat bersifat kualitatif
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 terperinciBAB II LANDASAN TEORI. saling berhubungan membentuk suatu kesatuan atau organisasi atau suatu jaringan
BAB II LANDASAN TEORI 2.1 Pengertian Sistem Menurut Amsyah (2005), definisi sistem adalah elemen-elemen yang saling berhubungan membentuk suatu kesatuan atau organisasi atau suatu jaringan kerja dari prosedur
Lebih terperinciMembuat Grafik dengan Microsoft Excel
Pelajaran 7 Membuat Grafik dengan Microsoft Excel Tabel dan grafik merupakan dua bagian yang tidak dapat dipisahkan dalam mengolah data. Dengan adanya grafik menunjukkan bahwa data yang disajikan lebih
Lebih terperinciOpenOffice.org Writer OpenOffice.org Calc OpenOffice.org Impress OpenOffice.org Draw OpenOffice.org Math OpenOffice.org Base OPEN OFFICE CALC
OpenOffice.org adalah seperangkat lunak perkantoran yang didalamnya terdapat fungsi pengolah kata (word processing), pengolah lembar (spreadsheet), pembuatan gambar (drawing), pembuatan presentasi (presentation),
Lebih terperinciTUGAS AKHIR NOVITA PRASASTI GRACELYA SIANTURI
PERAMALAN JUMLAH AIR MINUM YANG DISALURKAN PDAM TIRTA WAMPU KABUPATEN LANGKAT TAHUN 2008-2010 DENGAN METODE PEMULUSAN (SMOOTHING) EKSPONENSIAL GANDA TUGAS AKHIR NOVITA PRASASTI GRACELYA SIANTURI 062407132
Lebih terperincic. Maka di layar monitor akan muncul grafik seperti berikut:
GRAFIK (CHART) Grafik (chart) dapat dibuat dari tabel data yang sudah dibuat sebelumnya sebagai sumber data. Grafik digunakan untuk menampilkan data dalam bentuk chart. 1. Membuat Grafik Siapkan terlebih
Lebih terperinciPERAMALAN BANYAKNYA JUMLAH SURAT KILAT YANG DIKIRIM DAN DITERIMA KANTOR POS MEDAN DAN BELAWAN TAHUN 2011 TUGAS AKHIR
PERAMALAN BANYAKNYA JUMLAH SURAT KILAT YANG DIKIRIM DAN DITERIMA KANTOR POS MEDAN DAN BELAWAN TAHUN 2011 TUGAS AKHIR Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya FRISKA
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 terperinciBAB 2 LANDASAN TEORI. Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa. situasi dan kondisi di masa yang akan datang.
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Sedangkan ramalan
Lebih terperinciTINJAUAN PUSTAKA. Prediksi pada dasarnya merupakan dugaan atau prediksi mengenai terjadinya
II. TINJAUAN PUSTAKA 2.1 Prediksi Prediksi pada dasarnya merupakan dugaan atau prediksi mengenai terjadinya suatu kejadian atau peristiwa di waktu yang akan datang. Prediksi bisa bersifat kualitatif (tidak
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI Pada bab ini akan memaparkan berbagai teori yang melandasi penulis dalam membangun aplikasi yang nantinya akan dibuat. 3.1 Customer Relationship Management (CRM) Menurut Buttle (2004,
Lebih terperinciSainstech. Dalam. Membuat. Tahap 2: Total Siswa. Jul. Mei. Mar. Feb. Apr. Jun PLC. Rata rata
Sainstech Unisma Bekasi Pertemuan 8 (Grafik 2 y axis dan link antar sheet) Bagian 1 : Membuat Grafik dengan 2 y axis Penjelasan singkat : Dalam latihan ini akan dilakukan pembuatan grafik yang menampilkan
Lebih terperinciBAB 3 PENGOLAHAN DATA
BAB 3 PENGOLAHAN DATA 3.1 Menentukan Model Persamaan Regresi Linier Berganda Data yang dikumpulkan dalam penelitian ini adalah jumlah kecelakaan lalu lintas dan faktor-faktor yang mempengaruhinya yaitu
Lebih terperinciBAB III TINJAUAN PUSTAKA
BAB III TINJAUAN PUSTAKA 3.1 Teori Dunia industri biasanya tak lepas dari suatu peramalan, hal ini disebabkan bahwa peramalan dapat memprediksi kejadian di masa yang akan datang untuk mengambil keputusan
Lebih terperinciIV HASIL DAN PEMBAHASAN
tersembunyi berkisar dari sampai dengan 4 neuron. 5. Pemilihan laju pembelajaran dan momentum Pemilihan laju pembelajaran dan momentum mempunyai peranan yang penting untuk struktur jaringan yang akan dibangun.
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Informasi Sistem adalah himpunan dari bagian-bagian yang saling berhubungan yang secara bersama mencapai tujuan tujuan yang sama. Sebuah sistem harus mempunyai organisasi,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di Era globalisasi, banyak sekali kartu kredit yang dikeluarkan oleh bank sebagai salah satu alternatif pengganti transaksi dengan uang tunai. Sesuai dengan perkembangan
Lebih terperinci