Peramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun
|
|
- Liani Cahyadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Peramalan Kebuuhan Premium dengan Meode ARIMAX unuk Opimasi Persediaan di Wilayah TBBM Madiun Oleh: Nindia Sekar Dini Pembimbing: Drs. Haryono, MSIE Dr. Suharono 1
2 Ouline Pendahuluan Tinjauan Pusaka Meodologi Peneliian Analisis dan Pembahasan Kesimpulan dan Saran Dafar Pusaka 2
3 Laar Belakang Perumusan Masalah Tujuan & Manfaa Baasan Masalah Pendahuluan PREMIUM Pengguna kendaraan bermoor di Indonesia Kelangkaan bahan bakar 3
4 Laar Belakang Perumusan Masalah Tujuan & Manfaa Baasan Masalah Pendahuluan Tingka Perminaan Kalender Variasi ARIMAX Model (Perdana, 2010) 4
5 Laar Belakang Perumusan Masalah Tujuan & Manfaa Baasan Masalah Pendahuluan Supply Chain Managemen Model Persediaan Probabilisik (Hikmawai, 2000) 5
6 Laar Belakang Perumusan Masalah Tujuan & Manfaa Baasan Masalah Pendahuluan Permasalahan yang akan diselesaikan dalam peneliian ini adalah: Bagaimana model peramalan yang sesuai unuk prediksi kebuuhan bulanan premium yang mengandung pola variasi kalender di wilayah TBBM Madiun? Model persediaan seperi apa yang dapa memaksimalkan efisiensi pemesanan dan penyimpanan premium di wilayah TBBM Madiun? 6
7 Laar Belakang Perumusan Masalah Tujuan & Manfaa Baasan Masalah Pendahuluan Tujuan Menenukan kebuuhan premium di wilayah TBBM Madiun dengan menggunakan meode ARIMAX. Menenukan model persediaan yang dapa memaksimalkan efisiensi pemesanan dan penyimpanan premium di wilayah TBBM Madiun. Manfaa Akurasi prediksi kebuuhan premium Opimasi sisem persediaan Minimalisir biaya Pencegahan kelangkaan premium 7
8 Laar Belakang Perumusan Masalah Tujuan & Manfaa Baasan Masalah Pendahuluan Daa yang digunakan adalah daa produk premium PT. Peramina (Persero) di wilayah TBBM Madiun. BATASAN MASALAH Lead ime (waku unggu selama pemesanan) adalah konsan. Periode perencanaan adalah sau bulan. 8
9 Time Series Peramalan ARIMAX Kebuuhan Tujuan Model Persediaan & Manfaa Baasan Masalah Tinjauan Pusaka Model ARIMA (p, d, q) ( 0 p d B )(1 B) Z q ( B) a Model ARIMA dengan pengaruh seasonal S d S D p ( B) P ( B )(1 B) (1 B ) Z q ( B) Q ( B S ) a 9
10 Time Series Peramalan Kalender Variasi Kebuuhan Tujuan Model Persediaan & Manfaa Baasan Masalah Tinjauan Pusaka Calendar Effec Trading Day Effec Holiday Effec Pengaruh hari libur akiba adanya hari besar keagamaan maupun fesival-fesival radisional Y V 1 1, V 2 2,... pv p, ( B) p ( B) P q ( B S Q )(1 ( B B) S d ) (1 B S ) D a Langkah penyelesaian analisis dengan menggunakan model ARIMAX adalah sebagai beriku (Lee & Suharono, 2010) 1. Penenuan variabel dummy berdasarkan periode kalender variasi 2. Melakukan pemodelan regresi dengan persamaan: Y V1, 2V2, pvp, 3. Memodelkan residual hasil analisis regresi dengan menggunakan model ARIMA 4. Melakukan pemodelan keseluruhan unuk ARIMAX 5. Melakukan pengecekan signifikansi parameer dan es diagnosa sehingga proses sasioner dan error dari model mencapai kondisi whie noise. w 10
11 Time Series Peramalan Kalender Variasi Kebuuhan Tujuan Model Persediaan & Manfaa Baasan Masalah Tinjauan Pusaka Evaluasi Model In sample Ou sample AIC( M) n ln ˆ 2 2M SBC( M) n ln ˆ RMSE in n 1 2 ( Y n M ln n Yˆ p 2 ) RMSE ou n 1 ( Y Yˆ n 2 ) 11
12 Time Series Kalender Peramalan Variasi Kebuuhan Tujuan Model Persediaan & Manfaa Baasan Masalah Tinjauan Pusaka Economic order quaniy (EOQ) suau ukuran pemesanan dengan ujuan meminimumkan biaya persediaan (Tersine, 1994) Q* 2DS H Model Persediaan Probabilisik Suau model persediaan dikaakan sebagai model probabilisik jika ingka perminaan dan aau lead ime (waku unggu selama pemesanan) merupakan suau variabel random (Tersine, 1994) Working sock Safey sock besaran persediaan yang dibuuhkan dalam suau periode perencanaan persediaan pengaman yang dimunculkan unuk mengaasi keidakpasian 12
13 Time Series Kalender Peramalan Variasi Kebuuhan Tujuan Model Persediaan & Manfaa Baasan Masalah Tinjauan Pusaka Q + ss Model probabilisik dengan ingka perminaan sebagai variabel dan lead ime konsan Q ss B LT M = ingka pemesanan = safey sock = reorder poin = lead ime = lead ime demand B B M ss M Z ss P(M>B) 0 LT 13
14 Peramalan Kebuuhan Model Persediaan Tinjauan Pusaka Biaya persediaan Secara umum, oal biaya yang dikeluarkan unuk melakukan persediaan suau barang adalah sebagai beriku: TC = biaya pesan + biaya simpan + biaya pembelian TC D Q Q 2 S AE( M B) H B M PD Keerangan: Biaya pesan merupakan hasil perkalian dari frekuensi pemesanan dan biaya yang dibuuhkan seiap kali pemesanan diambah dengan biaya kekurangan persediaan. Biaya simpan merupakan hasil perkalian dari raa-raa ingka persediaan yang ada dengan biaya penyimpanan per periode Biaya pembelian merupakan perkalian dari harga barang dan ingka perminaan dalam sau periode 14
15 Peramalan Kebuuhan Model Persediaan Tinjauan Pusaka Ukuran pemesanan yang opimal: 2DS AE( M B) Q* Tingka safey sock yang opimal: H ss B M 15
16 Sumber Daa Variabel Peneliian Langkah Peneliian Meodologi Sumber Daa Daa yang digunakan dalam peneliian adalah daa sekunder yang diperoleh dari PT. Peramina (Persero) Region V. Daa ersebu merupakan daa realisasi penjualan premium bulanan dari ahun , daa lead ime demand premium, sera biaya-biaya yang dibuuhkan dalam melakukan persediaan. 16
17 Sumber Daa Variabel Peneliian Langkah Peneliian Meodologi Variabel Peneliian Volume kebuuhan premium bulanan di wilayah TBBM Madiun Efek variasi kalender yang menyaakan Idul Firi Lead ime demand premium di wilayah TBBM Madiun Biaya pemesanan premium dari loading por Boyolali, Rewulu, dan Surabaya ke TBBM Madiun yang dinoasikan sebagai S Biaya penyimpanan premium di TBBM Madiun, dinoasikan sebagai H, ermasuk biaya losses yang erjadi saa penyimpanan. 17
18 Sumber Daa Variabel Peneliian Langkah Peneliian Meodologi Peramalan Kebuuhan Premium Model Persediaan Melakukan pemodelan ARIMA sederhana Membua model ARIMAX dengan pengaruh kalender variasi Melakukan perbandingan kedua model unuk mendapakan model peramalan erbaik Meramalkan kebuuhan premium di wilayah TBBM Madiun unuk periode-periode selanjunya. Melakukan pengujian disribusi variabel lead ime demand unuk produk premium di wilayah TBBM Madiun Menghiung jumlah pesanan opimal, iik reorder poin, dan ekspekasi kekurangan persediaan dengan meode ierasi sehingga mencapai iik konvergen Menghiung besarnya safey sock yang dibuuhkan selama sau periode perencanaan Menghiung oal biaya yang dikeluarkan unuk melakukan persediaan 18
19 Analisis dan Pembahasan Peramalan Kebuuhan Model Persediaan Parial Auocorrelaion Auocorrelaion Model ARIMA Lower C L Upper CL SDev 2400 Esimae Lower CL Upper CL Rounded Value (using 95.0% confidence) Lambda Lag Lag ACF dan PACF daa yang elah didifference Model ARIMA (0,1,1)(1,0,0)12 Limi Lambda Model Parameer Sd. Error -value p-value θ1 = 0,491 0, ,22 <0,0001 ϕ 12 = 0,637 0, ,43 <0, Auocorrelaion (0,1,1)(1,0,0) Lag 19
20 Analisis dan Pembahasan Peramalan Kebuuhan Model Persediaan Penjualan Premium di TBBM Madiun Model ARIMA OCT SEP Keberadaan level shif oulier pada daa ke -37 diaasi dengan melakukan deeksi oulier AUG AUG SEP SEP DEC SEP JUL JUL OCT JUL OCT DEC OCT JUL AUG MAY MAR JUN NOV APR OCTDEC JAN MAY JUNAUG MAY MAR APR DEC NOV Model ARIMA (0,1,1)(1,0,0)12 dengan penambahan oulier Model APR JUL AUG Parameer ϕ 12 = p-value APR FEB Monh Jan Year 2006 ω = DEC NOV MAR JUN SEP FEB JAN JUL SEP Sd. NOVJAN MAY JUN DEC -value APRJUN MAY MAR MARError JAN θ1 = (0,1,1)(1,0,0)12 AUG OCT < NOV JUN APR MAY JAN MAR FEB NOV JAN FEB.1 ( B12 ) 5682 ( 37) y I s, a 12 (1 B) (1 B)( B ) FEB FEB 5.17 Jan < Jan 2008 < Jan 2009 AIC SBC RMSE-in RMSE-ou Jan 1070,73 Jan 1076, , ,
21 Peramalan Kebuuhan Model Persediaan Analisis dan Pembahasan Model ARIMAX dengan Pengaruh Kalender Variasi Variabel dummy Variabel Dummy Nilai Keerangan D 1 D 2 1 Bulan erjadinya lebaran 0 Lainnya 1 0 Bulan-bulan pada ahun Bulan-bulan pada ahun Y = D D 2 + n Parameer Koefisien Sd. Error -value p-value Konsan 17999,8 556,9 32,32 0,000 D ,8 996,9 5,44 0, ,51 23,60 8,58 0,000 D , ,62 0,000 21
22 Peramalan Kebuuhan Model Persediaan Analisis dan Pembahasan Model ARIMAX dengan Pengaruh Kalender Variasi 5000 Y , ,6 D 4968,9 D (1 0,312B)( ,487B 12 ) a Residual Esimasi Sd. Erorr -value p-value Konsan = ,7 23,55 <0,0001 θ 1 = -0,312 0, ,36 0, Index θ 12 = -0,487 0, ,39 0,0013 β 1 = 215,77 30,4355 7,09 <0, β 2 = 4303,6 956,105 4,50 <0,0001 Auocorrelaion Parial Auocorrelaion β 3 = -4968,9 1102,7-4,51 <0,0001 ARIMAX Lag Lag
23 Peramalan Kebuuhan Model Persediaan Analisis dan Pembahasan Model ARIMAX dengan Pengaruh Kalender Variasi Y 18015,9 209, ,3D ,5D 2 (1 0,309B) a 12 (1 0,476B ) Esimasi Sd. Erorr -value p-value Konsan = 18015,9 764,8 23,56 <0,0001 Y 18075,8 216, ,5D ,4 D 2 12 (1 0,491B ) a (1 0,370B) ϕ 12 = 0,476 0, ,52 0,0009 θ 1 = -0,309 0, ,29 0,0259 β 1 = 209,94 29,1347 7,21 <0,0001 β 2 = 4130,3 960,805 4,30 <0,0001 β 3 = -4597,5 990,387-4,64 <0,0001 ARIMAX -2 Esimasi Sd. Erorr -value p-value Konsan = 18075,8 876,7 20,62 <0,0001 θ 12 = -0,491 0, ,52 0,0009 ϕ 1 = 0,370 0, ,84 0,0064 β 1 = 216,45 33,9497 6,38 <0,0001 β 2 = 4120,5 932,767 4,42 <0,0001 β 3 = -5021,4 1198,2-4,19 0,0001 ARIMAX -3 23
24 Peramalan Kebuuhan Model Persediaan Analisis dan Pembahasan Model ARIMAX dengan Pengaruh Kalender Variasi Y 18038,4 209, ,8D ,9D 2 1 (1 0,372B)(1 0,490B 12 a ) Esimasi Sd. Erorr -value p-value Konsan = 18038,4 877,4 20,56 <0,0001 ϕ 1 = 0,372 0, ,84 0,0064 ϕ 12 = 0,490 0, ,65 0,0006 β 1 = 209,97 33,0315 6,36 <0,0001 β 2 = 3939,8 929,922 4,24 <0,0001 β 3 = -4666,9 1108,9-4,21 <0,0001 ARIMAX -4 Pemilihan Model ARIMAX Terbaik Model AIC SBC RMSE in RMSE ou ARIMAX , , , ,132 ARIMAX , , , ,009 ARIMAX , , , ,918 ARIMAX , , , ,228 24
25 Peramalan Kebuuhan Model Persediaan Analisis dan Pembahasan Perbandingan model ARIMA dan ARIMAX Model AIC SBC RMSE in RMSE ou ARIMA 1070, , , ,174 ARIMAX 1074, , , ,228 Hasil peramalan kebuuhan premium Y Januari 2012 Agusus
26 Peramalan Kebuuhan Model Persediaan Analisis dan Pembahasan Analisis Lead Time Demand Percen Mean SDev N 52 KS P-Value >0.150 Mean = 856,9 kl 10 5 S. Deviasi = 168,1 kl Perminaan Selama Lead Time
27 Peramalan Kebuuhan Model Persediaan Analisis dan Pembahasan BIAYA-BIAYA PERSEDIAAN Biaya Pembelian Biaya pembelian produk premium dalam sauan kilo lier adalah sebesar Rp ,00. Nilai ini merupakan selisih dari harga jual premium di pasaran dengan margin penjualan premium, yaiu sebesar Rp180,00 per lier premium. Biaya Pemesanan Biaya yang dibuuhkan unuk melakukan pemesanan premium dari loading por adalah sebesar Rp ,00 Biaya Penyimpanan Perhiungan biaya penyimpanan oleh PT. Peramina didasarkan pada biaya-biaya operasi, mainenance, dan biaya overhead korporasi yang erjadi pada TBBM. Biaya keseluruhan yang dibuuhkan unuk melakukan penyimpanan di TBBM adalah sebesar Rp89.780,00 per kl. Biaya Kekurangan Persediaan Pada peneliian ini, biaya kekurangan persediaan diasumsikan sebesar 1% dari harga produk, aau sebesar Rp43.200,00 27
28 Peramalan Kebuuhan Model Persediaan Analisis dan Pembahasan Bulan Januari 2012 Q* = 4.554,532kL B 898,93kL899kL 4.555kL Bulan Agusus 2012 Q*= 4.981,941kL B 914,09kL914kL 4.982kL ss B M kL ss B M kL D Q * ,87 6 kali pemesanan D Q * ,47 7 kali pemesanan TC D Q S AE( M B) Q H 2 B M PD TC D Q S AE( M B) Q H 2 B M PD Rp ,00 Rp ,00 28
29 Peramalan Kebuuhan Model Persediaan Analisis dan Pembahasan Bulan Januari 2012 Tanggal Penjualan On Hand Pelepasan Pesanan Penerimaan Pesanan Tanggal Penjualan On Hand Pelepasan Pesanan Penerimaan Pesanan 30/ / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / /
30 Peramalan Kebuuhan Model Persediaan Analisis dan Pembahasan Bulan Agusus 2012 Tanggal Penjualan On Hand Pelepasan Pesanan Penerimaan Pesanan Tanggal Penjualan On Hand Pelepasan Pesanan Penerimaan Pesanan 31/ / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / /
31 Kesimpulan dan Saran Kesimpulan Model peramalan yang erbaik unuk prediksi kebuuhan bulanan premium di wilayah TBBM Madiun adalah model ARIMAX- 4 dengan efek kalender variasi. Variabel inpu D 1 unuk menangkap efek bulan-bulan erjadinya lebaran, D 2 unuk menangkap efek perubahan pola daa sejak ahun 2009, dan variabel unuk menangkap rend kenaikan daa. Model ARIMAX ini signifikan dengan nilai RMSE unuk daa ou-sample sebesar 1583,228. Hasil peramalan kebuuhan premium unuk bulan Januari 2012 adalah sebesar kl, semenara unuk bulan Agusus 2012 aau bulan erjadinya lebaran pada ahun 2012 adalah sebesar kl. Tingka pemesanan opimum unuk periode bulan Januari 2012 adalah sebesar kl dengan iik pemesanan kembali sebesar 900 kl. Safey sock yang diperlukan unuk periode ini adalah sebesar 64 kl, dan perlu dilakukan pemesanan sebanyak 6 kali dalam sau periode. Biaya oal unuk periode perencanaan Januari 2012 adalah Rp ,00. Semenara unuk periode erjadinya lebaran pada ahun 2012, yaiu bulan Agusus, ingka pemesanan opimum adalah sebesar 4982 kl dengan iik pemesanan kembali sebesar 914 kl. Safey sock unuk periode Agusus 2012 adalah sebesar 78 kl dengan frekuensi pemesanan sebanyak 7 kali. Biaya oal unuk periode Agusus 2012 adalah sebesar Rp ,00. Saran Hasil pengamaan yang didapakan masih melibakan berbagai asumsi biaya karena keidakersediaan daa. Biayabiaya persediaan yang digunakan unuk pemodelan persediaan probabilisik perlu diamai dengan lebih cerma lagi, agar benar-benar sesuai dengan kondisi perusahaan. 31
32 Dafar Pusaka An, H., Wihelm, W. E., & Searcy, S. W. (2011). Biofuel and Peroleum-based Fuel Supply Chain Research: a Lieraure Review. Biomass and Bioenergy, Bowerman, B. L., & O'Connell, R. T. (1993). Forecasing and Time Series : an Applied Approach, 2 nd Ediion. California: Duxbury Press. Cryer, J. D., & Chan, K.-S. (2008). Time Series Ananlysis Wih Applicaion in R, 2 nd Ediion. New York: Springer. Gujarai, D. N. (2004). Basic Economerics, 4 h Ediion. New York: McGraw-Hill. Heizer, J., & Render, B. (2006). Operaions Managemen, 7 h Ediion. Jakara: Salemba Empa. Lee, H. M., & Suharono. (2010). Calendar Variaion Model Based on ARIMAX for Forecasing Sales Daa wih Ramadhan Effec. Proceedings of he Regional Conference on Saisical Sciences, 5. Mahmudah, A. (2011). Opimasi Persediaan Muli-Iem Fuzzy EOQ dengan Algorima Geneika. Tugas Akhir Program Sudi S1 Jurusan Saisika FMIPA ITS. Mongomery, D. C., & Peck, E. A. (1992). Inroducion o Linear Regression Analysis, 2 nd Ediion. New York: John Wiley & Sons. Perdana, A. (2012). Swasa Terarik Bangun SPBU Khusus BBM Nonsubsidi. Diakses 31 Mei, 2011, dari Perdana, A. S. (2010). Perbandingan Meode Time Series Regression dan ARIMAX pada Pemodelan Daa Penjualan Pakaian di Boyolali. Tugas Akhir Program Sudi S1 Jurusan Saisika FMIPA ITS. Pujawan, I. N., & Mahendrawahi. (2010). Supply Chain Managemen, Edisi Kedua. Surabaya: Guna Widya. Tersine, R. J. (1994). Principles of Invenory and Maerials Managemen, 4 h Ediion. New Jersey: Prenice Hall. Wei, W. W. S. (2006). Time Series Analysis: Univariae and Mulivariae Mehods, 2 nd Ediion. New York: 32 Pearson.
33 TERIMA KASIH 33
ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER. Muflih Rori Putra Harahap
ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER Muflih Rori Pura Harahap 30 00 052 Pembimbing : Dr. Drs. Agus Suharsono, M.S. LATAR BELAKANG PENDAHULUAN
Lebih terperinciPeramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun
JURNAL AIN DAN ENI IT Vol. 1, No. 1, (ep. 2012 IN: 2301-928X D-230 Peramalan Kebuuhan Premium dengan Meode ARIMAX unuk Opimasi Persediaan di Wilayah TM Madiun Nindia ekar Dini, Haryono, dan uharono Jurusan
Lebih terperinciPeramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk
Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk Oleh : Dwi Hapsari K (1306 100 015) Dosen Pembimbing : Dra. Karika Firiasari, M.Si 1 Pendahuluan Laar Belakang, Perumusan Masalah, Tujuan
Lebih terperinciPERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS
PERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS Joko Ariyadi (308 030 060) Pembimbing : Drs. Brodjol Suijo Suprih Ulama, M.Si Laar Belakang 2 Laar
Lebih terperinciANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA
ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA Oleh : Liviani Nursia 307030040 Dosen Pembimbing: Dr. Brodjol Suijo S.U, MSi Laar Belakang
Lebih terperinciPeramalan Jumlah Pengunjung Domestik dan Mancanegara di Maharani Zoo & Goa Menggunakan ARIMA Box - Jenkins
Peramalan Jumlah Pengunjung Domesik dan Mancanegara di Maharani oo & Goa Menggunakan ARIMA Box - Jenkins Vivi Kusuma Sulisyawai (3030085) Dosen Pembimbing Dr. Irhamah, S.Si.,M.Si Laar Belakang Rumusan
Lebih terperinciAnalisis Peramalan Jumlah Permintaan Kerudung di Industri Kecil Kerudung Arin di Surabaya dengan Metode Variasi Kalender
Analisis Peramalan Jumlah Perminaan Kerudung di Indusri Kecil Kerudung Arin di Surabaya dengan Meode Variasi Kalender Disusun oleh : Sely Enggar Rusiano 307 030 030 Dosen Pembimbing : Dr. Irhamah, M.Si
Lebih terperinciPrediksi Penjualan Sepeda Motor Honda di Kabupaten dan Kotamadya Malang dengan Metode Peramalan Hierarki. Oleh : Rika Susanti
Prediksi Penjualan Sepeda Moor Honda di Kabupaen dan Koamadya Malang dengan Meode Peramalan Hierarki Oleh : Rika Susani 1310100066 Dosen Pembimbing Co. Pembimbing : Dra. Desri Susilaningrum, M.Si. : Dr.
Lebih terperinciOleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes
PERAMALAN INDEKS HARGA SAHAM YANG DIPENGARUHI KURS, PERUBAHAN INFLASI, POSISI JUMLAH DEPOSITO BERJANGKA, SUKU BUNGA SBI DAN DEPOSITO MENGGUNAKAN FUNGSI TRANSFER DAN ARCH-GARCH Oleh: TANTI MEGASARI 6 00
Lebih terperinciAnalisis Peramalan Jumlah Penumpang Kereta Api Penataran Tujuan Surabaya-Malang
Analisis Peramalan Jumlah Penumpang Kerea Api Penaaran Tujuan Surabaya-Malang Oleh. Andria Prima Diago 08.00.0 Dosen Pembimbing. r. Dwiamono Agus, M.komp Andria Prima Diago 08.00.0 nsiu Teknologi Sepuluh
Lebih terperinciKAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN
JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina
Lebih terperinciPEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 9 PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL Y.P.Y. Asmara,
Lebih terperinciPeramalan Kebutuhan Bahan Bakar Premium di Depot Ampenan dengan Metode Hibrida Arima- Neural Network untuk Optimasi Persediaan
JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 202) ISSN: 230-928X D-94 Peramalan Kebuuhan Bahan Bakar Premium di Depo Ampenan dengan Meode Hibrida Arima- Neural Nework unuk Opimasi Persediaan Okivianis Kusumaningrum,
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian yang dilakukan mengenai analisis perencanaan pengadaan una berdasarkan ramalan ime series volume ekspor una loin beku di PT Tridaya Eramina
Lebih terperincimetodologi penelitian
pendahuluan injauan pusaka meodologi peneliian hasil dan pembahasan kesimpulan Pusaka Meodologi Peningkaan Energi lisrik Kebuuhan energi lisrik Pengembangan sisem energi lisrik Peramalan beban lisrik Slide
Lebih terperinciSISTEM PERSEDIAAN KOMPONEN PADA MESIN CETAK BERDASARKAN LAJU KERUSAKAN DI PT KARYA KITA
Reka Inegra ISSN: 2338-5081 Jurusan Teknik Indusri Ienas No.03 Vol.03 Jurnal Online Insiu Teknologi Nasional Juli 2015 SISTEM PERSEDIAAN KOMPONEN PADA MESIN CETAK BERDASARKAN LAJU KERUSAKAN DI PT KARYA
Lebih terperinciPROSEDUR PEMBENTUKAN MODEL VARIASI KALENDER BERDASARKAN MODEL ARIMAX UNTUK PERAMALAN DATA DENGAN EFEK VARIASI KALENDER
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, November PROSEDUR PEMBENTUKAN MODEL VARIASI KALENDER BERDASARKAN MODEL ARIMAX UNTUK PERAMALAN DATA DENGAN EFEK VARIASI KALENDER Suharono dan
Lebih terperinciPemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network
D-378 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (26) 2337-3520 (23-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi pada Plaform MK di PT X Menggunakan Meode ARIMA, Neural Nework, dan Hibrida ARIMA-Neural
Lebih terperinciPemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline ABSTRAK
Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Meode Inervensi dan Regresi Spline Rina Andriani, Dr. Suharono, M.Sc 2 Mahasiswa Jurusan Saisika FMIPA-ITS, 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih terperinciagenda Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran
seminar ugas akhir Renny Elfira Wulansari 0000 pembimbing Dr. Suharono, S.Si, M.Sc Gedung H Lanai Saisika FMIPA-ITS Surabaya, Juli 04 agenda Pendahuluan Tinjauan Pusaka Meodologi Peneliian Analisis dan
Lebih terperinciAbstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.
1 Peramalan Volume Produksi Air Bersih di PDAM Kabupaen Bojonegoro berdasarkan Jumlah Pelanggan dan Volume Konsumsi Air Fasha Aulia Pradhani dan Adaul Mukarromah Jurusan Saisika, FMIPA, ITS Jl. Arief Rahman
Lebih terperinciANALISIS PERAMALAN KOMBINASI TERHADAP JUMLAH PERMINTAAN DARAH DI SURABAYA (STUDI KASUS:
ANALISIS PERAMALAN KOMBINASI TERHADAP JUMLAH PERMINTAAN DARAH DI SURABAYA (STUDI KASUS: UDD PMI KOTA SURABAYA) Oleh: Winda Eka Febriana (0500) Pembimbing: Ir. Dwiamono Agus W., MIKom . LATAR BELAKANG DARAH
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
11 BAB I PENDAHULUAN 1.1 Laar Belakang Salah sau masalah analisis persediaan adalah kesulian dalam menenukan reorder poin (iik pemesanan kembali). Reorder poin diperlukan unuk mencegah erjadinya kehabisan
Lebih terperinciPeramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Multi Input. : Nesia Brilliana I.P NRP :
Peramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Muli Inpu Nama : Nesia Brilliana I.P NRP : 20800023 Jurusan : Maemaika Dosen Pembimbing : Dra. Nuri Wahyuningsih, M. Kes Pemberian pupuk
Lebih terperinciANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 009 XV-1 ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Muhammad Sjahid Akbar, Jerry Dwi Trijoyo
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan
Lebih terperinciMinggu 4 RATA-RATA BERGERAK DAN EXPONENTIAL SMOOTHING. Peramalan Data Time Series
Minggu 4 RATA-RATA BERGERAK DAN EXPONENTIAL SMOOTHING Bab ini memperkenalkan model berlaku unuk daa ime series dengan musiman, ren, aau keduana komponen musiman dan ren dan daa sasioner. Meode peramalan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah persediaan merupakan masalah yang sanga pening dalam perusahaan. Persediaan mempunyai pengaruh besar erhadap kegiaan produksi. Masalah persediaan dapa diaasi
Lebih terperinciPENGEMBANGAN MODEL REGRESI DERET WAKTU UNTUK DATA YANG MENGANDUNG VARIASI KALENDER
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, November PENGEMBANGAN MODEL REGRESI DERET WAKTU UNTUK DATA YANG MENGANDUNG VARIASI KALENDER Alfonsus. J. Endhara dan Suharono Mahasiswa S Jurusan
Lebih terperinciPeramalan Inflasi Nasional Berdasarkan Faktor Ekonomi Makro Menggunakan Pendekatan Time Series Klasik dan ANFIS
JURNAL SAINS DAN SENI IS Vol. 4, No., () 2337-3 (2-928X Prin) D-67 Peramalan Inflasi Nasional Berdasarkan Fakor Ekonomi Makro Menggunakan Pendekaan ime Series Klasik dan ANFIS Clara Agusin Sephani, Agus
Lebih terperinciPeramalan Total Market Sepeda Motor Dan Total Penjualan Motor X Di Propinsi Jawa Timur Dengan Pendekatan ARIMA Box-Jenkins Dan ARIMAX
Peramalan Toal Marke epeda Moor Dan Toal Penjualan Moor X Di Propinsi Jawa Timur Dengan Pendekaan ARIMA Box-Jenkins Dan ARIMAX Oleh: Novia Dwi R. (300027) Dosen Pembimbing: Dr. eiawan, M.i 2 AGENDA PENDAHULUAN
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang
BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang
Lebih terperinciESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING
ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING Nama: Zahroh Aiqoh 05 00 0 Dosen Pembimbing: Dra. Nuri Wahyuningsih, MKes Drs. Sulisiyo, MT Jurusan Maemaika
Lebih terperinciTUGAS AKHIR. untuk Analisis Peramalan Data Ekspor Non Migas Indonesia Di Sektor Pertanian, Sektor Perindustrian dan Sektor
TUGAS AKHIR Pendekaan Meode ARIMA Box Jenkins unuk Analisis Peramalan Daa Ekspor Non Migas Indonesia Di Sekor Peranian, Sekor Perindusrian dan Sekor Nurul Laifa Perambangan 307 030 70 Dosen pembimbing
Lebih terperinciBAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF
BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap
Lebih terperinciBAB II LANDASAN TEORI. Persediaan dapat diartikan sebagai barang-barang yang disimpan untuk digunakan atau
BAB II LANDASAN TEORI 2.1 Pengerian Persediaan Persediaan dapa diarikan sebagai barang-barang yang disimpan unuk digunakan aau dijual pada masa aau periode yang akan daang. Persediaan erdiri dari bahan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan
Lebih terperinciModel ARIMAX Dan Deteksi GARCH Untuk Peramalan Inflasi Kota Denpasar Tahun 2014
JEKT Model ARIMAX Dan Deeksi GARCH Unuk Peramalan Inflasi Koa Denpasar Tahun 2014 Rukini *) Badan Pusa Saisik Provinsi Bali ABSTRAK pemerinah dalam mengambil kebijakan unuk menjaga sabilias moneer di masa
Lebih terperinciPERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR
TUGAS AKHIR SS 145561 PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR SARIRAZTY DWIJANTARI NRP 1314 030 010 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si., M.Si DEPARTEMEN
Lebih terperinciPemodelan Volatilitas Saham Menggunakan Jaringan Syaraf Tiruan dan Algoritma Genetika
Pemodelan Volailias Saham Menggunakan Jaringan Syaraf Tiruan dan Algorima Geneika Hasbi Yasin 1 1 Jurusan Saisika Undip, hasbiyasin@undip.ac.id Absrak. Flukuasi yang besar dan idak pasi dalam peramalan
Lebih terperinciS 9 Peramalan Volume Penjualan Calana Panjang di Boyolali dengan Menggunakan Model Variasi Kalender
9 Peramalan Volume Penjualan Calana Panjang di Boyolali dengan Menggunakan Model Variasi Kalender Wahyuni uryaningyas Dosen FKIP Universias Muhammadiyah urabaya e-mail: ma_ums @yahoo.com ABTRAK Bisnis
Lebih terperinciPengantar Teknik Industri
Sisem Produksi/Operasi Penganar Teknik Indusri Perencanaan & Peengendalian Produksi/Operasi Sisem produksi/operasi adalah suau akivias unuk mengolah aau mengaur penggunaan sumber daya yang ada dalam proses
Lebih terperinciPemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun
Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro
Lebih terperinci2 efek dari pengaruh kejadian luar (exernal even) pada daa ime series (Wei, 2006). Bila y adalah daa ime series yang mengandung variasi kalender, maka
. PERAMALAN VOLUME KENDARAAN MASUK DI TOL DUPAK-WARU MENGGUNAKAN MODEL VARIASI KALENDER Yosua D. Charismawan (1304 100 024) Pembimbing : Ir. Dwiamono Agus W.,M.Ikom ABSTRAK Tol Surabaya-Gempol merupakan
Lebih terperinciANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG
ISSN: 9-54 JURNAL GAUSSIAN, Volume 4, Nomor, Tahun 05, Halaman 6-60 Online di: hp://eournal-s.undip.ac.id/index.php/gaussian ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG
Lebih terperinciPeramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun
1 Peramalan Kebuuhan Premium dengan Meode ARIMAX unuk Oimasi Persediaan di Wilayah TM Madiun Nindia ekar Dini, Haryono, dan uharono Jurusan aisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam, Insiu Teknologi
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun
43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C
Lebih terperinci*Corresponding Author:
Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion
Lebih terperinciBAB 4 METODOLOGI PENELITIAN
BAB 4 METODOLOGI PENELITIAN 4.1. Model Rumusan Masalah dan Pengambilan Kepuusan Model rumusan masalah dan pengambilan kepuusan yang digunakan dalam menyelesaikan skripsi ini dimulai dari observasi lapangan
Lebih terperinciUSULAN UKURAN PEMESANAN OPTIMAL SUKU CADANGMESIN GRINDING BERDASARKAN LAJU KERUSAKAN MENGGUNAKAN METODE Q (di Bengkel Pembuatan dan Service Turbin)
ISSN: 2338-5081 Jurusan Teknik Indusri Ienas No.01 Vol.04 Jurnal Online Insiu Teknologi Nasional Januari 2016 USULAN UKURAN PEMESANAN OPTIMAL SUKU CADANGMESIN GRINDING BERDASARKAN LAJU KERUSAKAN MENGGUNAKAN
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN. Disini tujuan akhir yang ingin dicapai penulis adalah pembuatan suatu aplikasi
BAB 5 HASIL DAN PEMBAHASAN Disini ujuan akhir yang ingin dicapai penulis adalah pembuaan suau aplikasi program yang digunakan unuk membanu perusahaan dalam menenukan jumlah produksi demand. Disini ada
Lebih terperinciPeramalan Pengguna Kapal Ferry Ujung-Kamal dengan Metode Intervensi
D-480 JURNAL SAINS DAN SENI IS Vol. No. 2 (6) 2337-3 (2-928X Prin) Peramalan Pengguna Kapal Ferry Ujung-Kamal dengan Meode Inervensi Eka Apriliani, dan Irhamah Jurusan Saisika, Fakulas MIPA, Insiu eknologi
Lebih terperinciBAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai
BAB 1 PENDAHULUAN 1.1 Laar Belakang Propinsi Sumaera Uara merupakan salah sau propinsi yang mempunyai perkembangan yang pesa di bidang ransporasi, khususnya perkembangan kendaraan bermoor. Hal ini dapa
Lebih terperinciPeramalan Beban Listrik di Jawa Timur Menggunakan Metode ARIMA dan Adaptive Neuro Fuzzy Inference System (ANFIS)
JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) -50 (0-9X Prin) D-9 Peramalan Beban Lisrik di Jawa Timur Menggunakan Meode ARIMA dan Adapive Neuro Fuzzy Inference Sysem () Indana La Zulfa dan Suharono Jurusan
Lebih terperinciDAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Studi Aplikasi Model Intervensi dengan Step Function)
DAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Sudi Aplikasi Model Inervensi dengan Sep Funcion) S-3 Kismianini dan Dhoriva Urwaul Wusqa Jurusan Pendidikan Maemaika
Lebih terperinciPerbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X
JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju perumbuhan
Lebih terperinciPeramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis
JURNAL SAINS DAN NI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Prin) D-224 Peramalan Penjualan Sepeda Moor di Jawa Timur dengan Menggunakan Model Dinamis Desy Musika dan Seiawan Jurusan Saisika,
Lebih terperinciPrediksi Permintaan BBM di PT. Pertamina Region V dengan Metode Peramalan Data Time Series Hirarki
Prediksi Perminaan BBM di PT. Peramina Region V dengan Meode Peramalan Daa Time Series Hirarki Prania Dian Uari dan 2 Suharono Mahasiswa Jurusan Saisika FMIPA-ITS (38 57) 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih terperinciPEMODELAN PRODUKSI SEKTOR PERTANIAN
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 2009 PEMODELAN PRODUKSI SEKTOR PERTANIAN Brodjol Suijo Jurusan Saisika ITS Surabaya ABSTRAK Pada umumnya daa ekonomi bersifa ime
Lebih terperinciMODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR
MODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR S - 27 Rukini, Suharono2 2,2 Jurusan Saisika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Defenisi Persediaan Persediaan adalah barang yang disimpan unuk pemakaian lebih lanju aau dijual. Persediaan dapa berupa bahan baku, barang seengah jadi aau barang jadi maupun
Lebih terperinciPERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT
Saisika, Vol. 2, No. 2, November 24 PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT Sri Wahyuni, 2 Farikhin, Iswahyudi Joko Suprayino Program Sudi Saisika
Lebih terperinciBAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun
BAB III ARFIMA-FIGARCH 3. Time Series Memori Jangka Panjang Proses ARMA sering dinyaakan sebagai proses memori jangka pendek (shor memory) karena fungsi auokorelasi anara dan urun cepa secara eksponensial
Lebih terperinciMetode Regresi Linier
Modul 1 Meode Regresi Linier Prof. DR. Maman Djauhari A PENDAHULUAN nalisis regresi linier, baik yang sederhana maupun yang ganda, elah Anda pelajari dalam maa kuliah Meode Saisika II. Dengan demikian
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan
Lebih terperinciProsiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PERAMALAN VOLUME PENGGUNAAN AIR BERSIH DENGAN METODE WINTERS EPONENTIAL SMOOTHING UNTUK MENENTUKAN VOLUME
Lebih terperinciPERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS
TUGAS AKHIR SS 145561 PERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS Puri Handayani NRP 1314 030 112 Dosen Pembimbing Dr. Brodjol Suijo Suprih Ulama, M.Si. Deparemen
Lebih terperinciMODEL OPTIMASI PENGGANTIAN MESIN PEMECAH KULIT BERAS MENGGUNAKAN PEMROGRAMAN DINAMIS (PABRIK BERAS DO A SEPUH)
Journal Indusrial Servicess Vol. No. Okober 0 MODEL OPTIMASI PENGGANTIAN MESIN PEMECAH KULIT BERAS MENGGUNAKAN PEMROGRAMAN DINAMIS (PABRIK BERAS DO A SEPUH) Abdul Gopar ) Program Sudi Teknik Indusri Universias
Lebih terperinciBAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat
BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber
Lebih terperinciPERAMALAN JUMAH MOBIL PRIBADI YANG BERADA DI KOTA SURABAYA
TUGAS AKHIR SS 145561 PERAMALAN JUMAH MOBIL PRIBADI YANG BERADA DI KOTA SURABAYA RIZKI FEBRIASTO NRP 1314 030 102 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si., M.Si DEPARTEMEN STATISTIKA BISNIS Fakulas Vokasi
Lebih terperinciPenentuan Pelebaran Window Time Optimal Pada Data Deret Waktu
1 Penenuan Pelebaran Window Time Opimal Pada Daa Dere Waku (1) Nursya`bani Hendro Prabowo dan (2) Raden Mohamad Aok Deparemen Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam, Insiu Teknologi Sepuluh
Lebih terperinciANALISIS CRITICAL ROOT VALUE PADA DATA NONSTATIONER
ANALISIS CRITICAL ROOT VALUE PADA DATA NONSTATIONER Abdul Aziz Dosen Jurusan Maemaika Fakulas Sains Teknologi Universias Islam Negeri (UIN) Maulana Malik Ibrahim Malang e-mail : abdulaziz_uinmlg@yahoo.com
Lebih terperinciBAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan
BAB I PENDAHULUAN 1.1 Laar Belakang Dalam perencanaan pembangunan, daa kependudukan memegang peran yang pening. Makin lengkap dan akura daa kependudukan yang esedia makin mudah dan epa rencana pembangunan
Lebih terperinciMODEL HIBRIDA EXPONENTIAL SMOOTHING PENDEKATAN STATE SPACE DENGAN METODE VARIASI KALENDER UNTUK PERAMALAN INFLOW DAN OUTFLOW UANG KARTAL DI JAWA TIMUR
TUGAS AKHIR SS 450 MODEL HIBRIDA EXPONENTIAL SMOOTHING PENDEKATAN STATE SPACE DENGAN METODE VARIASI KALENDER UNTUK PERAMALAN INFLOW DAN OUTFLOW UANG KARTAL DI JAWA TIMUR ANA SUSANTI NRP 32 00 033 Dosen
Lebih terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH
BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Tahapan Pemecahan Masalah Tahapan pemecahan masalah berfungsi unuk memudahkan dalam mencari jawaban dalam proses peneliian yang dilakukan agar sesuai dengan arah
Lebih terperinciPERAMALAN JUMLAH KEBERANGKATAN PENUMPANG PELAYARAN DALAM NEGERI DARI PELABUHAN TANJUNG PERAK MENGGUNAKAN ARIMA-BOX JENKINS
TUGAS AKHIR SS 4556 PERAMALAN JUMLAH KEBERANGKATAN PENUMPANG PELAYARAN DALAM NEGERI DARI PELABUHAN TANJUNG PERAK MENGGUNAKAN ARIMA-BOX JENKINS Nina Fannani NRP 34 030 02 Dosen Pembimbing Dr. Wahyu Wibowo,
Lebih terperinciKARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP
Karakerisik Umur Produk (Sudarno) KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL Sudarno Saf Pengajar Program Sudi Saisika FMIPA UNDIP Absrac Long life of produc can reflec is qualiy. Generally, good producs
Lebih terperinciBAB III METODE PENELITIAN
3. METODE PENELITIAN 3.1. Kerangka Pikir BAB III METODE PENELITIAN Peneliian ini diujukan unuk membukikan adanya hubungan dan pengaruh dari nilai ukar Rupiah erhadap Dollar Amerika Serika (exchange rae),
Lebih terperinciPeramalan Outflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Autoregressive (GSTAR)
JURNA SAINS DAN SENI ITS Vol. 5 No. (16) 7-5 (1-98X Prin) D-59 Peramalan Ouflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Auoregressive (GSTAR) Rahmah Safiri, Seiawan, dan Imam Safawi
Lebih terperinciBAB 1 PENDAHULUAN. Dalam pelaksanaan pembangunan saat ini, ilmu statistik memegang peranan penting
BAB 1 PENDAHULUAN 1.1. Laar Belakang Dalam pelaksanaan pembangunan saa ini, ilmu saisik memegang peranan pening baik iu di dalam pekerjaan maupun pada kehidupan sehari-hari. Ilmu saisik sekarang elah melaju
Lebih terperinciGenteng. = 0,435 Barisan dari [Exp(-7, ,121*X3] Binomial Thinning Operator. Jika Yt-1sukses maka peluang kejadian = 0,435
. Pemodelan Regresi INAR dengan Variabel Predikor Signifikan Geneng = 0,435 Y 0,435oY 1 Z Barisan dari [Exp(-7,988 + 0,1*X3] Binomial Thinning Operaor 35 30 Variable Y_2 PFIT2 25 Jika Y-1sukses maka peluang
Lebih terperinciBab 5 Penaksiran Fungsi Permintaan. Ekonomi Manajerial Manajemen
Bab 5 Penaksiran Fungsi Perminaan 1 Ekonomi Manajerial Manajemen Peranyaan Umum Tenang Perminaan Seberapa besar penerimaan perusahaan akan berubah seelah adanya peningkaan harga? Berapa banyak produk yang
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Air merupakan kebuuhan pokok bagi seiap makhluk hidup di dunia ini ermasuk manusia. Air juga merupakan komponen lingkungan hidup yang pening bagi kelangsungan hidup
Lebih terperinciBAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan
BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,
Lebih terperinciPENGGUNAAN DISTRIBUSI PELUANG JOHNSON SB UNTUK OPTIMASI PEMELIHARAAN MESIN
M-6 PENGGUNAAN DISTRIBUSI PELUANG JOHNSON SB UNTUK OPTIMASI PEMELIHARAAN MESIN Enny Suparini 1) Soemarini 2) 1) & 2) Deparemen Saisika FMIPA UNPAD arhinii@yahoo.com 1) ine_soemarini@yahoo.com 2) Absrak
Lebih terperinciSISTEM PREDIKSI PENJUALAN GAMIS TOKO QITAZ MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING. Oleh: Salman Alfarisi
S. Alfarisi / Journal of Applied Business and Economics Vol. 4 No. 1 (Sep 2017) 80-95 SISTEM PREDIKSI PENJUALAN GAMIS TOKO QITAZ MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING Oleh: Salman Alfarisi Program
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 91-100 Online di: hp://ejournal-s1.undip.ac.id/index.php/gaussian IDENTIFIKASI BREAKPOINT DAN PEMODELAN AUTOREGRESSIVE STRUCTURAL
Lebih terperinciPENERAPAN METODE BOX-JENKINS UNTUK MEMPREDIKSI JUMLAH MAHASISWA UNIVERSITAS ISLAM NEGERI SUSKA RIAU
Jurnal Sains, Teknologi dan Indusri, Vol., No., Desember 4, pp. 8 89 ISSN 693-39 prin/issn 47-939 online PENERAPAN METODE BOX-JENKINS UNTUK MEMPREDIKSI JUMLAH MAHASISWA UNIVERSITAS ISLAM NEGERI SUSKA RIAU
Lebih terperinciIMPLEMENTASI METODE TRIPLE EXPONENTIAL SMOOTHING ADDITIVE UNTUK PREDIKSI PENJUALAN ALAT TULIS KANTOR (ATK) PADA X STATIONERY
IMPLEMENTASI METODE TRIPLE EXPONENTIAL SMOOTHING ADDITIVE UNTUK PREDIKSI PENJUALAN ALAT TULIS KANTOR (ATK) PADA X STATIONERY Ruli Uami 1, Suryo Amojo 2 1, Universias Wijaya Pura 2 e-mail: ruli.uami@ias.ac.id,
Lebih terperinciDosen Pembimbing Dr. Brodjol Sutijo Suprih Ulama, M.Si.
TUGAS AKHIR SS 145561 PERAMALAN NILAI IMPOR NON MIGAS DI JAWA TIMUR DENGAN MENGGUNAKAN METODE ARIMA BOX-JENKINS BOBBY AKBAR NRP 1314 030 002 Dosen Pembimbing Dr Brodjol Suijo Suprih Ulama, MSi DEPARTEMEN
Lebih terperinciFORECASTING & ARIMA. Dwi Martani. 1/26/2010 Statistik untuk Bisnis 9 1
FORECASTING & ARIMA Dwi Marani /26/200 Saisik unuk Bisnis 9 DERET BERKALA (TIME SERIES) Suau dere berkala merupakan suau himpunan observasi dimana variabel yang digunakan diukur dalam uruan periode waku,
Lebih terperinciAPLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND
APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND Noeryani 1, Ely Okafiani 2, Fera Andriyani 3 1,2,3) Jurusan maemaika, Fakulas Sains Terapan, Insiu Sains & Teknologi
Lebih terperinciPeramalan Inflasi Menggunakan Model Fungsi Transfer Multi Input. Forcasting Inflation Using Multiple Input Transfer Function Model
Peramalan Inflasi Menggunakan Model Fungsi Transfer Muli Inpu Forcasing Inflaion Using Muliple Inpu Transfer Funcion Model Novi Adisia, Sri Wahyuningsih, dan Rio Goeanoro 3 Laboraorium Saisika Terapan
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan
BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi
Lebih terperinciPEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA
PEMODELAN TRAFIK GSM DI AREA SURABAYA MENGGUNAKAN METODE ARIMA Fadil Rahman Hakim, Dr. Ir. Achmad Mauludiyano, MT. Program Sudi Telekomunikasi Mulimedia Jurusan Teknik Elekro Fakulas Teknologi Indusri
Lebih terperinciMAKALAH TUGAS AKHIR IDENTIFIKASI MODEL ARIMA BOX-JENKINS
1. Pendahuluan MAKALAH TUGAS AKHIR IDENTIFIKASI MODEL ARIMA BOX-JENKINS CAMPURAN DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA Oleh : Febriana Dwi P. (1306 100 011) Dosen Pembimbing I : Dr. Irhamah, S.Si,
Lebih terperinciKOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES. Abstrak
KOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES Universias Muhammadiyah Purwokero malim.muhammad@gmail.com Absrak Pada persamaan regresi linier sederhana dimana variabel dependen dan variabel independen
Lebih terperinciPERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,1,1)(0,1,1) 12 TUGAS AKHIR.
PERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,,)(0,,) 2 TUGAS AKHIR Diajukan Sebagai Salah Sau Syara unuk Memperoleh Gelar Sarjana Sains
Lebih terperinci