BAB 3 PENGOLAHAN DATA

Save this PDF as:
 WORD  PNG  TXT  JPG

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 3 PENGOLAHAN DATA"

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 ANALISA DATA. produksi kelapa sawit dari tahun 2007 sampai dengan tahun Tabel 3.1 Data Produksi Kelapa Sawit di

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB 2 TINJAUAN TEORITIS. yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan terjadi

BAB 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 terperinci

BAB 2 TINJAUAN TEORITIS

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB 2 LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan

BAB 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 terperinci

BAB 2 LANDASAN TEORI. datang dengan waktu yang relatif lama (assaury, 1991). Secara teoritis peramalan

BAB 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 terperinci

BAB III SEJARAH DAN STRUKTUR BPS

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

BAB 3 BADAN PUSAT STATISTIK (BPS)

BAB 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 terperinci

BAB. 1 PENDAHULUAN Latar Belakang

BAB. 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 terperinci

BAB 2 LANDASAN TEORI. Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit

BAB 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 terperinci

Mengerjakan Latihan dengan Microsoft Office Excel

Mengerjakan 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB 2 LANDASAN TEORITIS

BAB 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 terperinci

BAB 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 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

PERAMALAN NILAI PENJUALAN ENERGI LISTRIK PLN (PERSERO) TANJUNG MORAWAA DENGAN METODE SMOOTHING IRA AYU SOPHYA HUTAPEA

PERAMALAN 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 terperinci

BAB 2 LANDASAN TEORI. sama setiap hrinya. Pada bulan-bulan tertentu curah hujan sangat tinggi dan pada

BAB 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 terperinci

Estimasi, Pemilihan Model dan Peramalan Hubungan Deret Waktu

Estimasi, 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Sebelah Utara dengan Kabupaten Asahan dan Selat Malaka. Sebelah Timur dengan Provinsi Riau. Sebelah Selatan dengan Kabupaten Tapanuli Selatan.

Sebelah 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 terperinci

BAB II TINJAUAN TEORITIS

BAB 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 terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB 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 terperinci

PERAMALAN NILAI PENJUALAN ENERGI LISTRIK DI PT. PLN (PERSERO) CABANG BINJAI UNTUK TAHUN 2008

PERAMALAN 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 terperinci

BAB III METODOLOGI PENELITIAN

BAB 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 terperinci

1. Pendahuluan. 2. Mengaktifkan Microsoft Excell. 3. Mengenal Lingkungan Kerja Microsoft Excell 4. Mengakhiri Microsoft Excell

1. 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 terperinci

Bab 3 Metode dan Perancangan Sistem

Bab 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB III METODOLOGI PENELITIAN

BAB 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 terperinci

BAB II LANDASAN TEORI

BAB 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 terperinci

BAB II TINJAUAN PUSTAKA

BAB 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 terperinci

APLIKASI METODE PEMULUSAN EKSPONENSIAL GANDA BROWN DALAM MERAMALKAN JUMLAH PENDUDUK BERDASARKAN JENIS KELAMIN DI KOTA MEDAN

APLIKASI 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 terperinci

BAB III METODOLOGI PENELITIAN

BAB 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 terperinci

BAB 2 TINJAUAN TEORITIS

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB 1 PENDAHULUAN. bidang produksi, penelitian dan riset, bidang pertahanan dan keamanan, bidang

BAB 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 terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan

BAB 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 terperinci

BAB 2 TINJAUAN TEORITIS. 2.1 Produk Domestik Regional Bruto

BAB 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 terperinci

BAB 1 PENDAHULUAN. barang yang dimaksud terdiri dari barang dari dalam negeri, barang dari luar negeri,

BAB 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 terperinci

BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah

BAB 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 terperinci

BAB I PENDAHULUAN. yang ada pada CV. Agung Jaya Cabang Pabean diperoleh dari supplier atau

BAB 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 terperinci

BAB 1 PENDAHULUAN. energi perlu dilaksanakan secara berdayaguna dan berhasilguna. Dilihat dari

BAB 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 terperinci

Prediksi Harga Saham dengan ARIMA

Prediksi 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 terperinci

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati ( )

PERENCANAAN 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 terperinci

PERAMALAN 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 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 terperinci

PERAMALAN 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 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 terperinci

Jurnal Pustakawan Indonesia Volume 10 No. 1. MANFAAT FITUR PivotTable DARI MICROSOFT OFFICE EXCEL UNTUK PENGOLAHAN DATA STATISTIK PERPUSTAKAAN

Jurnal 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Dwi Puspitasari 1, Mustika Mentari 2, Wildan Ridho Faldiansyah 3

Dwi 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 terperinci

Modul Praktikum 4 Dasar-Dasar Teknologi Informasi dan Komunikasi

Modul 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 terperinci

Materi Power POint Ajib Susanto, S.Kom : 1

Materi 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

BAB 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 terperinci

Key words: Artificial Neural Network, Exponential Smoothing, Prediction, Electrical Energy Need.

Key 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 terperinci

Pengenalan Microsoft Excel 2007

Pengenalan 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 terperinci

Evelina Padang, Gim Tarigan, Ujian Sinulingga

Evelina 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 terperinci

Peramalan (Forecasting)

Peramalan (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 terperinci

BAB 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? 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 terperinci

Memulai Menggunakan Microsoft Excel

Memulai 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 terperinci

BAB IV HASIL DAN PEMBAHASAN. Pada penelitian ini, data yang diperoleh dari 4 tahun terakhir pada toko

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT TELKOMSEL Divre 3 SURABAYA

PENERAPAN 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 terperinci

Membuat Box-Plot dengan Program Minitab dan SPSS

Membuat 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 terperinci

KEANDALAN PERAMALAN. Disajikan oleh: Bernardus Budi Hartono. Teknik Informatika [Gasal ] FTI - Universitas Stikubank Semarang

KEANDALAN 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 terperinci

BAB III PERAMALAN 3.1 Landasan Teori Peramalan

BAB 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 terperinci

Peramalan Jumlah Penumpang Pada Siluet Tour And Travel Kota Malang Menggunakan Metode Triple Exponential Smoothing

Peramalan 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 terperinci

MODUL MICROSOFT OFFICE POWERPOINT 2010 KKL STMIK AMIKOM PURWOKERTO

MODUL 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 terperinci

ANALISIS 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. 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 terperinci

BAB 2 LANDASAN TEORI. untuk pergerakannya, dan digunakan untuk transportasi darat. Umumnya

BAB 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 terperinci

BAB II LANDASAN TEORI. Sistem informasi terdiri dari input, proses, dan output, seperti yang terlihat pada

BAB 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 terperinci

PERAMALAN 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 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 terperinci

VII. MODEL PRAKIRAAN PERMINTAAN

VII. 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 terperinci

Dian Kristanti 1) 1 Prodi Pendidikan Matematika, STKIP Bina Bangsa Meulaboh.

Dian 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 terperinci

BAB II LANDASAN TEORI. saling berhubungan membentuk suatu kesatuan atau organisasi atau suatu jaringan

BAB 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 terperinci

Membuat Grafik dengan Microsoft Excel

Membuat 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 terperinci

OpenOffice.org Writer OpenOffice.org Calc OpenOffice.org Impress OpenOffice.org Draw OpenOffice.org Math OpenOffice.org Base OPEN OFFICE CALC

OpenOffice.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 terperinci

TUGAS AKHIR NOVITA PRASASTI GRACELYA SIANTURI

TUGAS 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 terperinci

c. Maka di layar monitor akan muncul grafik seperti berikut:

c. 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 terperinci

PENGGUNAAN 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 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 terperinci

PERAMALAN 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 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 terperinci

BAB 2 LANDASAN TEORI. Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa. situasi dan kondisi di masa yang akan datang.

BAB 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 terperinci

TINJAUAN PUSTAKA. Prediksi pada dasarnya merupakan dugaan atau prediksi mengenai terjadinya

TINJAUAN 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 terperinci

BAB III LANDASAN TEORI

BAB 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 terperinci

Sainstech. Dalam. Membuat. Tahap 2: Total Siswa. Jul. Mei. Mar. Feb. Apr. Jun PLC. Rata rata

Sainstech. 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 terperinci

BAB 3 PENGOLAHAN DATA

BAB 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 terperinci

IV HASIL DAN PEMBAHASAN

IV 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 terperinci

BAB III TINJAUAN PUSTAKA

BAB 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 terperinci

BAB II LANDASAN TEORI

BAB 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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

DASAR-DASAR POWERPOINT

DASAR-DASAR POWERPOINT DASAR-DASAR POWERPOINT 1. Memulai PowerPoint Untuk memulai menggunakan PowerPoint dapat dilakukan melalui langkahlangkah sebagai berikut: a b Klik tombol Start pada taskbar a. Arahkan kursor pada Program

Lebih terperinci

Regresi dengan Microsoft Office Excel

Regresi dengan Microsoft Office Excel Regresi dengan Microsoft Office Excel Author: Junaidi Junaidi 1. Pengantar Dalam statistik, regresi merupakan salah satu peralatan yang populer digunakan, baik pada ilmu-ilmu sosial maupun ilmu-ilmu eksak.

Lebih terperinci

PERAMALAN JUMLAH PRODUKSI JAHE DI KABUPATEN SIMALUNGUN DENGAN METODE EKSPONENSIAL TAHUN TUGAS AKHIR IMPIANI DESBEL NATAL PURBA

PERAMALAN JUMLAH PRODUKSI JAHE DI KABUPATEN SIMALUNGUN DENGAN METODE EKSPONENSIAL TAHUN TUGAS AKHIR IMPIANI DESBEL NATAL PURBA PERAMALAN JUMLAH PRODUKSI JAHE DI KABUPATEN SIMALUNGUN DENGAN METODE EKSPONENSIAL TAHUN 2016-2020 TUGAS AKHIR IMPIANI DESBEL NATAL PURBA 142407098 PROGRAM STUDI D-3 STATISTIKA DEPARTEMEN MATEMATIKA FAKULTAS

Lebih terperinci

BAB 2 TINJAUAN TEORI. akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan

BAB 2 TINJAUAN TEORI. akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan BAB 2 TINJAUAN TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan

Lebih terperinci

Aplikasi Sistem Informasi Forecasting pada PD. Maha Jaya. Teknik Informatika 1 Teknik Industri 2 Universitas Kristen Petra Surabaya

Aplikasi Sistem Informasi Forecasting pada PD. Maha Jaya. Teknik Informatika 1 Teknik Industri 2 Universitas Kristen Petra Surabaya Aplikasi Sistem Informasi Forecasting pada PD. Maha Jaya Rudy Adipranata 1, Tanti Octavia 2, Andi Irawan 1 Teknik Informatika 1 Teknik Industri 2 Universitas Kristen Petra Surabaya Pendahuluan Pentingnya

Lebih terperinci