METODE PEMULUSAN EKSPONENSIAL WINTER UNTUK PERAMALAN ABSTRACT

Save this PDF as:
 WORD  PNG  TXT  JPG

Ukuran: px
Mulai penontonan dengan halaman:

Download "METODE PEMULUSAN EKSPONENSIAL WINTER UNTUK PERAMALAN ABSTRACT"

Transkripsi

1 METODE PEMULUSAN EKSPONENSIAL WINTER UNTUK PERAMALAN Arganata Manurung 1, Bustami 2, M.D.H. Gamal 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau Kampus Bina Widya, Pekanbaru ABSTRACT This paper studies the forecasting method namely method of Winter s exponential smoothing. This forecasting method is used to forecast the number of departure and arrival of domestic passengers at Sultan Syarif Kasim II Airport Pekanbaru in 2015 by considering the seasonal factor from time series data used. Then the evaluation of forecasting error is carried out by using the mean absolute percentage error (MAPE) to obtain good forecast results. Keywords: Time series, Winter s exponential smoothing, mean absolute percentage error ABSTRAK Artikel ini membahas metode peramalan yaitu metode pemulusan eksponensial Winter. Metode peramalan ini digunakan untuk meramal jumlah kedatangan dan keberangkatan penumpang domestik di Bandar Udara Sultan Syarif Kasim II Pekanbaru di tahun 2015 dengan mempertimbangkan faktor musiman dari data runtun waktu yang digunakan. Kemudian dilakukan pengukuran kesalahan peramalan dengan menggunakan mean absolute percentage error terkecil untuk memperoleh hasil ramalan yang baik. Kata kunci: Runtun waktu, metode pemulusan eksponensial Winter, mean absolute percentage error 1. PENDAHULUAN Transportasi atau pengangkutan merupakan bidang kegiatan yang sangat penting untuk memperlancar roda pembangunan, perekonomian serta kehidupan masyarakat di seluruh dunia termasuk di negara Indonesia. Pentingnya transportasi bagi masyarakat Indonesia disebabkan oleh beberapa faktor antara lain, keadaan geografis Indonesia yang terdiri dari ribuan pulau kecil Repository FMIPA 1

2 dan besar, perairan yang terdiri dari sebagian besar laut, sungai dan danau yang memungkinkan pengangkutan dilakukan melalui darat, perairan dan udara guna menjangkau seluruh wilayah Indonesia [1, h. 7]. Sekarang ini transportasi udara adalah salah satu moda transportasi yang diminati oleh banyak orang, karena waktu yang digunakan lebih cepat dibandingkan dengan transportasi lainnya. Jumlah penumpang pesawat terbang biasanya mengalami peningkatan pada bulan-bulan tertentu seperti libur sekolah, Tahun Baru, hari raya Idul Fitri dan Natal. Jumlah penumpang pesawat terbang yang tiap bulannya berbeda-beda tentu membuat perusahaan membuat perencanaan yang efektif dan efisien untuk memberikan dan meningkatkan kualitas pelayanan bagi pengguna jasa pesawat terbang. Untuk membuat perencanaan tersebut, diperlukan peramalan (forecasting). Peramalan tentang jumlah penumpang pesawat terbang menjadi hal yang sangat penting bagi perusahaan karena dengan mengetahui prediksi jumlah penumpang di masa yang akan datang perusahaan dapat mempersiapkan fasilitas-fasilitas untuk mengantisipasi kenaikan jumlah penumpang, seperti menyiapkan penerbangan ekstra, ruang tunggu yang nyaman dan tempat parkir yang lebih luas. Peramalan diperlukan untuk menetapkan kapan suatu peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat dilakukan. Model peramalan jumlah penumpang telah banyak diteliti oleh beberapa peneliti. Yuniarti [8] menggunakan metode Arima Box-Jenkins untuk meramal jumlah penumpang yang berangkat melalui Bandar Udara Temindung Samarinda. Iqballah dan Winahju [5] meramal jumlah penumpang pesawat terbang di pintu kedatangan Bandar Udara Internasional Lombok dengan menggunakan metode Arima Box-Jenkins, Arimax dan regresi time series. Bermudez et al.[3] menggunakan metode Holt-Winter untuk meramal jumlah penumpang Bandar Udara. Padang et al.[6] meramal jumlah penumpang kereta api menggunakan metode pemulusan eksponensial Holt-Winters. Artikel ini membahas peramalan jumlah kedatangan dan keberangkatan penumpang domestik di Bandar Udara Sultan Syarif Kasim II Pekanbaru dengan menggunakan metode pemulusan eksponensial Winter (Winter s exponential smoothing). Untuk itu pada bagian dua menjelaskan teori dan metode peramalan runtun waktu. Pada bagian tiga menjelaskan inti permasalahan yaitu meramalkan jumlah kedatangan dan keberangkatan penumpang domestik menggunakan metode pemulusan eksponensial Winter, sedangkan kesimpulan tentang pembahasan artikel ini terdapat pada bagian empat. 2. TEORI PERAMALAN RUNTUN WAKTU Runtun waktu adalah data yang direkam di dalam interval waktu yang sama di dalam jangka waktu yang relatif panjang [2, h. 1]. Metode runtun waktu adalah metode peramalan dengan menggunakan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu. Langkah penting dalam memilih suatu metode yang tepat adalah dengan mempertimbangkan jenis pola data Repository FMIPA 2

3 runtun waktu. Pola data dapat dibedakan menjadi empat jenis yaitu pola horizontal, trend, musiman dan siklis. Model Regresi Linier Sederhana Persamaan regresi linier sederhana merupakan model hubungan antara variabel tidak bebas y dan variabel bebas x, dengan bentuk umum persamaan regresi liniernya adalah [7, h. 315] y = β 0 + β 1 x + e, dengan β 0 adalah nilai rata-rata, β 1 adalah koefisien regresi yang menunjukkan besarnya perubahan unit akibat adanya perubahan tiap satu unit x dan e adalah nilai kesalahan (error). Nilai β 0 dan β 1 diperoleh dengan menggunakan persamaan berikut β 1 = ( n i=1 y i)( n i=1 x2 i ) ( n i=1 x i)( n i=1 x iy i ) n n i=1 x2 i ( n i=1 x, i) 2 β 0 = n n i=1 x iy i ( n i=1 x i)( n i=1 y i) n n i=1 x i 2 ( n i=1 x. i) 2 dengan x i adalah variabel bebas pada periode ke-i, y i adalah variabel tidak bebas pada periode ke-i dan n adalah banyaknya data. Metode Pemulusan Eksponensial Winter Metode ini digunakan ketika data runtun waktu mempunyai pola trend dan musiman. Metode ini didasarkan pada tiga persamaan pemulusan yaitu persamaan keseluruhan, pemulusan trend dan persamaan musiman. Metode ini terbagi menjadi dua bagian yaitu[4, h. 366] 1. Metode pemulusan eksponensial Winter dengan metode penambahan musiman (additive seasonal method) yang digunakan untuk variasi musiman yang bersifat konstan. Metode ini mempunyai persamaan pemulusan sebagai berikut: (a) Pemulusan Keseluruhan L t = α(x t 1 S t c ) + (1 α)(l t 1 + T t 1 ), (1) dengan L t adalah nilai pemulusan keseluruhan pada periode ke-t, α adalah konstanta pemulusan keseluruhan, x t 1 adalah data runtun waktu yang diobservasi pada periode ke-(t 1), L t 1 adalah nilai pemulusan keseluruhan pada periode ke-(t 1) dan T t 1 adalah nilai pemulusan trend pada periode ke-(t 1). (b) Pemulusan Trend T t = β(l t 1 L t ) + (1 β)t t 1, (2) Repository FMIPA 3

4 dengan T t adalah nilai pemulusan trend pada periode ke-t, β adalah konstanta pemulusan trend dan T t 1 adalah nilai pemulusan trend pada periode ke-(t 1). (c) Pemulusan Musiman S t = γ(x t L t ) + (1 α)s t c, (3) dengan S t adalah nilai pemulusan musiman pada periode ke-t, γ adalah konstanta pemulusan musiman, x t adalah data runtun waktu yang diobservasi pada periode ke-t dan S t c adalah nilai pemulusan musiman pada periode ke-(t c). Nilai ramalan untuk periode ke-(t + k) adalah F t+k = L t + kt t + S t+k c. (4) dengan F t+k adalah nilai ramalan pada peride ke-(t+k), k adalah periode dan S t+k c adalah nilai pemulusan musiman pada periode-(t + k c). 2. Metode pemulusan eksponensial Winter dengan metode perkalian musiman (multiplicative seasonal method) yang digunakan untuk variasi data musiman yang mengalami peningkatan atau penurunan (fluktuasi). Metode ini mempunyai persamaan pemulusan sebagai berikut: (a) Pemulusan Keseluruhan (b) Pemulusan Trend (c) Pemulusan Musiman L t = α x t S t c + (1 α)(l t 1 + T t 1 ), T t = β(l t L t 1 ) + (1 β)t t 1, S t = γ x t L t + (1 γ)s t c Nilai ramalan untuk periode ke-(t + k) adalah F t+k = L t + kt t + S t+k c. Dalam metode pemulusan eksponensial Winter, diperlukan nilai awal untuk pemulusan keseluruhan, trend dan musiman. Nilai awal untuk pemulusan keseluruhan diberikan persamaan L 0 = 1 c (x 1 + x x c ) (5) Repository FMIPA 4

5 dengan L 0 adalah nilai awal pemulusan keseluruhan, c adalah panjang musiman dan x 1, x 2,, x c data runtun waktu. Nilai awal untuk pemulusan trend diberikan persamaan T 0 = 1 c (x c+1 x 1 c + (x c+2 x 2 c + + x c+k x k ) (6) c dengan T 0 adalah pemulusan keseluruhan, x 1, x 2,, x c+k data runtun waktu dan k = 1, 2,, c. Jika menggunakan metode Winter additive, maka nilai awal untuk pemulusan musiman diberikan persamaan S k = x k L 0 (7) dengan x k adalah data runtun waktu pada periode ke k dan S k adalah nilai awal pemulusan musiman pada periode ke-k. Sedangkan jika menggunakan metode Winter multiplicative, maka nilai awal untuk pemulusan musiman diberikan persamaan S k = x k L 0. Ketepatan Metode Peramalan Peramalan yang baik adalah peramalan yang menyertakan estimasi kesalahan. Kesalahan adalah nilai beda antara nilai data yang diamati dengan data hasil ramalan. Adapun alat ukur yang digunakan untuk menghitung kesalahan peramalan pada penelitian ini adalah MAPE. Sesuai dengan namanya maka MAPE mempunyai satuan ukuran dalam persen. Misalkan F menyatakan nilai peramalan, maka MAPE dari peramalan F diberikan pada persamaan (2) MAP E(F ) = 1 n n ( ) xt F t (100) (8) t=1 dengan n menyatakan banyak data peramalan, x t menyatakan data runtun waktu yang diobservasi pada waktu ke-t, F t adalah ramalan untuk waktu ke-t dan 100 menyatakan 100%. Nilai MAPE dari metode peramalan yang digunakan diharapkan sangat kecil, agar hasil peramalan yang didapat baik. x t 3. PERAMALAN RUNTUN WAKTU Data yang digunakan pada peramalan ini adalah data jumlah kedatangan dan keberangkatan penumpang domestik di Bandar Udara Sultan Syarif Kasim II Pekanbaru tahun 2009 sampai Data ini menunjukkan adanya trend dan musiman. Repository FMIPA 5

6 Kedatangan Penumpang Domestik Untuk melihat pola trend jumlah kedatangan penumpang domestik, data di-plot seperti tampak pada Gambar 1. Dari Gambar 1 dapat dilihat bahwa trend data jumlah kedatangan penumpang domestik adalah trend linier yang positif. Gambar 1: Trend Jumlah Kedatangan Penumpang Domestik Untuk melihat pola data musiman dapat dilihat pada Gambar 2. Gambar 2: Pola Musiman Jumlah Kedatangan Penumpang Dari Gambar 2 dapat dilihat bahwa jumlah kedatangan penumpang domestik mengalami kenaikan setiap bulan Desember. Hal ini disebabkan karena pada di bulan Desember merupakan hari Natal dan liburan akhir tahun. Dari Gambar 2 juga dapat dilihat pada bulan September tahun 2009 dan 2010, bulan Agustus tahun 2011, 2012 dan 2013 dan bulan Juli 2014, jumlah kedatangan penumpang domestik juga mengalami kenaikan yang disebabkan karena pada di bulan Repository FMIPA 6

7 tersebut merupakan hari Idul Fitri. Pada tahun 2014 bulan Februari dan Maret, jumlah kedatangan penumpang domestik mengalami penurunan. Hal ini disebabkan pada bulan tersebut kabut asap melanda Pekanbaru. Pada bulan September tahun 2012, jumlah kedatangan penumpang domestik mengalami kenaikan juga disebabkan oleh pada bulan tersebut Pekan Olahraga Nasional XVIII dilaksanakan di Provinsi Riau. Karena variasi data cenderung konstan, maka metode pemulusan eksponensial Winter yang akan digunakan adalah model additive. Hal yang terlebih dahulu dilakukan dalam metode ini adalah mengambil nilai awal. Nilai awal diperoleh dengan menggunakan persamaan (5), (6) dan (7). Kemudian dengan mengambil sebarang nilai parameter yaitu α = β = γ = 0, 1, diperoleh nilai ramalan, pemulusan keseluruhan, pemulusan trend dan pemulusan musiman dengan menggunakan persamaan (4), (1), (2) dan (3). Selanjutnya dengan menggunakan persamaan (8) diperoleh nilai MAPE = 9,34%. Untuk memperoleh hasil ramalan yang lebih baik dapat dilakukan dengan meminimumkan nilai MAPE. Nilai MAPE diminimumkan dengan menggunakan solver pada software Microsoft Excel. Dengan menggunakan solver pada software Microsoft Excel diperoleh nilai MAPE yang minimum adalah = 8,09% dengan konstanta pemulusan keseluruhan α = 0, 2, konstanta pemulusan trend β = 0 dan konstanta pemulusan musiman γ = 1. Untuk meramal jumlah kedatangan penumpang domestik pada periode ke-(t + k), digunakan persamaan berikut: F t+k = (L t + kt t )s t+k 12 dengan nilai pemulusan keseluruhan, pemulusan trend dan pemulusan musiman menggunakan persamaan berikut: x t L t = 0, 2 + (0, 8)(L t 1 + T t 1 ), S t 12 T t = T t 1, S t = x t L t. Hasil peramalan jumlah kedatangan penumpang domestik dengan metode pemulusan eksponensial Winter dapat Tabel 1. Tabel 1: Hasil Peramalan Jumlah Kedatangan Penumpang Domestik Bulan Jumlah Jan F eb Mar Apr Mei Mei Repository FMIPA 7

8 Bulan Jumlah Jun Jul Agust Sept Okt Nov Des Dari Tabel 1 dapat dilihat bahwa jumlah kedatangan penumpang domestik mengalami kenaikan pada bulan Agustus dan Desember. Sedangkan pada bulan Maret dan April, jumlah kedatangan penumpang domestik mengalami penurunan. Keberangkatan Penumpang Domestik Pola trend jumlah keberangkatan penumpang domestik dapat dilihat pada Gambar 3. Gambar 3 memperlihatkan bahwa pola trend yang terjadi adalah trend Gambar 3: Trend Jumlah Keberangkatan Penumpang Domestik linier yang positif. Pola data musiman dapat dilihat pada Gambar 4. Dari Gambar 4 dapat dilihat bahwa jumlah keberangkatan penumpang domestik mengalami kenaikan pada hari besar keagamaan seperti hari Natal dan Idul Fitri. Sedangkan jumlah keberangkatan penumpang domestik mengalami penurunan pada bulan Februari dan Maret 2014 karena kabut asap yang terjadi di Pekanbaru. Dari Gambar 4 juga dapat dilihat bahwa variasi musiman dari data jumlah keberangkatan penumpang domestik cenderung konstan. Metode pemulusan eksponensial Winter yang digunakan adalah model additive Repository FMIPA 8

9 Gambar 4: Pola Musiman Jumlah Keberangkatan Penumpang karena variasi musiman data jumlah keberangkatan penumpang domestik cenderung konstan. Dengan menggunakan persamaan (5), (6) dan (7) diperoleh nilai awal. Selanjutnya dengan mengambil sebarang nilai parameter yaitu α = β = γ = 0, 1, diperoleh nilai ramalan, pemulusan keseluruhan, pemulusan trend dan pemulusan musiman dengan menggunakan persamaan (4), (1), (2) dan (3). Kemudian diperoleh nilai MAPE = 10,44% dengan menggunakan persamaan (8). Selanjutnya nilai MAPE diminimumkan untuk memperoleh hasil ramalan yang lebih baik dengan menggunakan solver pada software Microsoft Excel. Nilai MAPE yang minimum adalah = 8,84% dengan konstanta pemulusan keseluruhan α = 0, 18, konstanta pemulusan trend β = 0 dan konstanta pemulusan musiman γ = 0, 87. Untuk meramal jumlah keberangkatan penumpang domestik pada periode ke-(t + k), digunakan persamaan berikut: F t+k = (L t + kt t )S t+k 12 dengan nilai pemulusan keseluruhan, pemulusan trend dan pemulusan musiman menggunakan persamaan berikut: x t L t = 0, 18 + (0, 82)(L t 1 + T t 1 ), S t 12 T t = T t 1, S t = 0, 87(x t L t ) + (0, 13)S t c. Hasil peramalan jumlah keberangkatan penumpang domestik dapat dilihat pada Tabel 2. Tabel 2 menunjukkan bahwa jumlah keberangkatan penumpang domestik mengalami kenaikan pada bulan Agustus dan Desember. Sedangkan jumlah keberangkatan penumpang domestik mengalami penurunan pada bulan Maret dan April. Jadi sangat disarankan agar pada bulan-bulan yang jumah penumpang Repository FMIPA 9

10 Tabel 2: Hasil Peramalan Jumlah Keberangkatan Penumpang Domestik Bulan Jumlah Jan F eb Mar Apr Mei Jun Jul Agust Sept Okt Nov Des mengalami kenaikan seperti bulan Agustus dan Desember, pimpinan Bandar Udara Sultan Syarif Kasim II Pekanbaru mempersiapkan fasilitas-fasilitas untuk mengantisipasi kenaikan penumpang, seperti menyiapkan penerbangan ekstra, ruang tunggu yang nyaman, dan tempat parkir yang lebih luas. 4. KESIMPULAN Metode pemulusan eksponensial Winter yang digunakan untuk meramal jumlah kedatangan dan keberangkatan penumpang domestik adalah metode pemulusan eksponensial Winter dengan metode penambahan musiman (additive seasonal method). Metode ini digunakan karena variasi musiman kedatangan dan keberangkatan penumpang domestik cenderung konstan. Dengan menggunakan metode ini, diperoleh kesalahan peramalan jumlah kedatangan penumpang domestik adalah 8, 09% sedangkan kesalahan peramalan jumlah keberangkatan penumpang domestik adalah 8, 84%. DAFTAR PUSTAKA [1] Abdulkadir, M Hukum Pengangkutan Niaga. Citra Aditya Bakti. Bandung. [2] Arga, W Analisa Runtun Waktu Teori dan Aplikasi. BPFE. Yogyakarta. [3] Bermudez, J. D., J. V, Segura & E. Vercher Holt-Winters Forecasting: An Alternative Formulation Applied to UK Air Passenger Data. Journal of Applied Statistics, 34(9): Repository FMIPA 10

11 [4] Bowerman, B. L., R. T. O connell & A. B. Koehler Forecasting, Time Series and Regression: An Applied Approach. Thomson Brook/Cole, Belmont. [5] Iqbalullah, J & W. S. Winahju Peramalan Jumlah Penumpang Pesawat Terbang di Pintu Kedatangan Bandar Udara Internasional dengan Metode Arima Box-Jenkis, ARIMAX dan Regresi Time Series. Jurnal Sains dan Seni Pomits, 3(1): [6] Padang, E., G. Tarigan & U. Sinulingga Peramalan Jumlah Penumpang Kereta Api Medan-Rantau Prapat dengan Metode Pemulusan Eksponensial Holt-Winters. Saintia Matematika, 1(2): [7] Sudjana Metode Statistika. Tarsito, Jakarta. [8] Yuniarti, D Peramalan Jumlah Penumpang yang Berangkat Melalui Bandar Udara Temindung Samarinda Tahun 2012 dengan Metode Arima Box- Jenkins. Jurnal Eksponensial, 3(1): Repository FMIPA 11

METODE MOVING AVERAGE DAN METODE WINTER DALAM PERAMALAN ABSTRACT

METODE MOVING AVERAGE DAN METODE WINTER DALAM PERAMALAN ABSTRACT METODE MOVING AVERAGE DAN METODE WINTER DALAM PERAMALAN Widya Risnawati Siagian 1, Sigit Sugiarto 2, M.D.H. Gamal 2 1 Mahasiswa Program Studi S1 Matematika FMIPA Universitas Riau 2 Dosen Fakultas Matematika

Lebih terperinci

METODE PERAMALAN HOLT-WINTER UNTUK MEMPREDIKSI JUMLAH PENGUNJUNG PERPUSTAKAAN UNIVERSITAS RIAU ABSTRACT

METODE PERAMALAN HOLT-WINTER UNTUK MEMPREDIKSI JUMLAH PENGUNJUNG PERPUSTAKAAN UNIVERSITAS RIAU ABSTRACT METODE PERAMALAN HOLT-WINTER UNTUK MEMPREDIKSI JUMLAH PENGUNJUNG PERPUSTAKAAN UNIVERSITAS RIAU Encik Rosalina 1, Sigit Sugiarto 2, M.D.H. Gamal 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan

Lebih 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

PREDIKSI HARGA DAGING SAPI DI PEKANBARU DENGAN METODE PEMULUSAN EKSPONENSIAL TRIPEL WINTER

PREDIKSI HARGA DAGING SAPI DI PEKANBARU DENGAN METODE PEMULUSAN EKSPONENSIAL TRIPEL WINTER PREDIKSI HARGA DAGING SAPI DI PEKANBARU DENGAN METODE PEMULUSAN EKSPONENSIAL TRIPEL WINTER Rahmadeni 1, Evi Febriantikasari 2 Jurusan Matematika, Fakultas Sains dan Teknologi,UIN Sultan Syarif Kasim Riau

Lebih terperinci

ANALISIS PERAMALAN DENGAN MENGGUNAKAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL ABSTRACT

ANALISIS PERAMALAN DENGAN MENGGUNAKAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL ABSTRACT AALISIS PERAMALA DEGA MEGGUAKA METODE PEMULUSA EKSPOESIAL TUGGAL Annisa Rahmattia 1, Bustami 2, MDH.Gamal 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan Matematika Fakultas Matematika dan Ilmu

Lebih terperinci

2015 RANCANG BANGUN SISTEM APLIKASI PERAMALAN JUMLAH MUATAN KAPAL RO-RO DENGAN METODE WINTER S TIGA PARAMETER

2015 RANCANG BANGUN SISTEM APLIKASI PERAMALAN JUMLAH MUATAN KAPAL RO-RO DENGAN METODE WINTER S TIGA PARAMETER BAB I PENDAHULUAN Dalam bab ini akan dibahas latar belakang dilakukannya penelitian, rumusan masalah, batasan masalah, manfaat penelitian, metodologi penelitian, serta sistematika penulisan. 1.1. Latar

Lebih terperinci

PERBANDINGAN MODEL PEMULUSAN WINTER DENGAN ARM A(p, q) UNTUK PERAMALAN STOK BERAS BULOG PEKANBARU ABSTRACT

PERBANDINGAN MODEL PEMULUSAN WINTER DENGAN ARM A(p, q) UNTUK PERAMALAN STOK BERAS BULOG PEKANBARU ABSTRACT PERBANDINGAN MODEL PEMULUSAN WINTER DENGAN ARM A(p, q) UNTUK PERAMALAN STOK BERAS BULOG PEKANBARU Arif Sanjaya 1, M.D.H Gamal 2, Sigit Sugiarto 2 1 Mahasiswa Program Studi S1 Matematika FMIPA Universitas

Lebih terperinci

III. MATEMATIKA DAN STATISTIKA APLIKASI (S.1) EFEK PERUBAHAN POLA CUACA PADA DEBIT AIR MASUK DI WADUK SAGULING

III. MATEMATIKA DAN STATISTIKA APLIKASI (S.1) EFEK PERUBAHAN POLA CUACA PADA DEBIT AIR MASUK DI WADUK SAGULING III. MATEMATIKA DAN STATISTIKA APLIKASI (S.1) EFEK PERUBAHAN POLA CUACA PADA DEBIT AIR MASUK DI WADUK SAGULING Yurian Yudanto (yurian.yudanto@yahoo.com) Jurusan Statistika, Fakultas Matematika dan Ilmu

Lebih terperinci

Peramalan Penjualan Avtur dengan Mempertimbangkan Special Event

Peramalan Penjualan Avtur dengan Mempertimbangkan Special Event Peramalan Penjualan Avtur dengan Mempertimbangkan Special Event Siti Lukmatul Henifa, Dra. Nuri Wahyuningsih, M.Kes. Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam (MIPA), Institut Teknologi

Lebih terperinci

SKRIPSI APLIKASI METODE GOLDEN SECTION UNTUK OPTIMASI PARAMETER PADA METODE EXPONENTIAL SMOOTHING. Disusun oleh: DANI AL MAHKYA

SKRIPSI APLIKASI METODE GOLDEN SECTION UNTUK OPTIMASI PARAMETER PADA METODE EXPONENTIAL SMOOTHING. Disusun oleh: DANI AL MAHKYA APLIKASI METODE GOLDEN SECTION UNTUK OPTIMASI PARAMETER PADA METODE EXPONENTIAL SMOOTHING SKRIPSI Disusun oleh: DANI AL MAHKYA 24010210141025 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS

Lebih terperinci

MATHunesa Jurnal Ilmiah Matematika Volume 3 No.6 Tahun 2017 ISSN

MATHunesa Jurnal Ilmiah Matematika Volume 3 No.6 Tahun 2017 ISSN MATHunesa Jurnal Ilmiah Matematika Volume 3 No.6 Tahun 2017 ISSN 2301-9115 FORECASTING FITNESS GYM MEMBERSHIP PADA PUSAT KEBUGARAN THE BODY ART FITNESS, AEROBIC & POOL MENGGUNAKAN METODE EXPONENTIAL SMOOTHING

Lebih terperinci

BAB I PENDAHULUAN. Sejak kondisi ekonomi dan bisnis selalu berubah setiap waktu, maka para

BAB I PENDAHULUAN. Sejak kondisi ekonomi dan bisnis selalu berubah setiap waktu, maka para 1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sejak kondisi ekonomi dan bisnis selalu berubah setiap waktu, maka para pimpinan suatu perusahaan atau para pelaku bisnis harus menemukan cara untuk terus

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

PERAMALAN PENJUALAN AVTUR DENGAN MEMPERTIMBANGKAN SPECIAL EVENT

PERAMALAN PENJUALAN AVTUR DENGAN MEMPERTIMBANGKAN SPECIAL EVENT SIG TUGAS AKHIR PERAMALAN PENJUALAN AVTUR DENGAN MEMPERTIMBANGKAN SPECIAL EVENT Siti Lukmatul Henifa (1210 100 064) Pembimbing: Dra. Nuri Wahyuningsih, M.Kes. Senin, 20 Januari 2014 Matematika - ITS Page

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara 1 BAB 1 PENDAHULUAN 1.1. Latar Belakang Kerata api mempunyai peran penting dalam mobilitas penduduk. Dari grafik jumlah penumpang dan barang yang diangkut oleh kereta api, minat masyarakat terhadap jasa

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

PERAMALAN DATA TIME SERIES DENGAN METODE PENGHALUSAN EKSPONENSIAL HOLT - WINTER

PERAMALAN DATA TIME SERIES DENGAN METODE PENGHALUSAN EKSPONENSIAL HOLT - WINTER PERAMALAN DATA TIME SERIES DENGAN METODE PENGHALUSAN EKSPONENSIAL HOLT - WINTER PERAMALAN DATA TIME SERIES DENGAN METODE PENGHALUSAN EKSPONENSIAL HOLT WINTER Adi Suwandi 1, Annisa 2, Andi Kresna Jaya

Lebih terperinci

Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api

Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api Efek Variasi Kalender dengan Pendekatan Regresi Time Series Nur Ajizah 1, Resa Septiani Pontoh 2, Toni Toharudin 3 Mahasiswa Program

Lebih terperinci

ANALISIS DERET WAKTU

ANALISIS DERET WAKTU ANALISIS DERET WAKTU JENIS DATA Cross section Beberapa pengamatan diamati bersama-sama pada periode waktu tertentu Harga saham semua perusahaan yang tercatat di BEJ pada hari Rabu 27 Februari 2008 Time

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

BAB I PENDAHULUAN. Peramalan merupakan suatu kegiatan memprediksi nilai dari suatu

BAB I PENDAHULUAN. Peramalan merupakan suatu kegiatan memprediksi nilai dari suatu BAB I PENDAHULUAN A. LATAR BELAKANG Peramalan merupakan suatu kegiatan memprediksi nilai dari suatu variabel berdasarkan nilai yang diketahui dari variabel tersebut pada masa lalu atau variabel yang berhubungan.

Lebih terperinci

PERENCANAAN PRODUKSI

PERENCANAAN PRODUKSI PERENCANAAN PRODUKSI Membuat keputusan yang baik Apakah yang dapat membuat suatu perusahaan sukses? Keputusan yang dibuat baik Bagaimana kita dapat yakin bahwa keputusan yang dibuat baik? Akurasi prediksi

Lebih terperinci

PENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL PERGERAKAN INFLASI KOTA PALU

PENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL PERGERAKAN INFLASI KOTA PALU PENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL PERGERAKAN INFLASI KOTA PALU Romy Biri ), Yohanes A.R. Langi ), Marline S. Paendong ) ) Program Studi Matematika FMIPA Universitas Sam Ratulangi Jl.

Lebih terperinci

PENGGUNAAN METODE EXPONENTIAL SMOOTHING UNTUK MERAMALKAN PERSEDIAAN BERAS PADA BULOG DIVRE ACEH

PENGGUNAAN METODE EXPONENTIAL SMOOTHING UNTUK MERAMALKAN PERSEDIAAN BERAS PADA BULOG DIVRE ACEH ISBN: 978-602-71798-1-3 PENGGUNAAN METODE EXPONENTIAL SMOOTHING UNTUK MERAMALKAN PERSEDIAAN BERAS PADA BULOG DIVRE ACEH Nurmaulidar, Asep Rusyana, Rizka Maqfirah 1 Fakultas MIPA, Universitas Syiah Kuala,

Lebih terperinci

BAB I PENDAHULUAN I.1

BAB I PENDAHULUAN I.1 BAB I PENDAHULUAN I.1 Latar Belakang Pengguna jasa transportasi (penumpang) menginginkan pelayanan yang prima, baik dalam hal keselamatan, kenyamanan, maupun harga yang ditawarkan. Saat ini penumpang memiliki

Lebih terperinci

BAB 1 PENDAHULUAN dan luas perairannya Indonesia adalah Negara

BAB 1 PENDAHULUAN dan luas perairannya Indonesia adalah Negara BAB 1 PENDAHULUAN 1.1 Latar Belakang Indonesia merupakan Negara maritim yang mempunyai belasan ribu pulau dengan teritori laut yang sangat luas. Wilayah Indonesia terbentang sepanjang 3.977 mil diantara

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 I PENDAHULUAN. konstan, namun ada beberapa periode yang memperlihatkan keadaan yang ekstrim.

BAB I PENDAHULUAN. konstan, namun ada beberapa periode yang memperlihatkan keadaan yang ekstrim. 1 BAB I PENDAHULUAN 1.1. Latar Belakang Variasi dan keadaan curah hujan yang terjadi, tidaklah selalu tetap dan konstan, namun ada beberapa periode yang memperlihatkan keadaan yang ekstrim. Pada umumnya,

Lebih terperinci

PENERAPAN METODE DESEASONALIZED PADA PERAMALAN BANYAK PENUMPANG KERETA API DI PULAU JAWA. Abstract

PENERAPAN METODE DESEASONALIZED PADA PERAMALAN BANYAK PENUMPANG KERETA API DI PULAU JAWA. Abstract PENERAPAN METODE DESEASONALIZED PADA PERAMALAN BANYAK PENUMPANG KERETA API DI PULAU JAWA Guntur Prabowo 1, Supriyono 2, Muhammad Kharis 3 Jurusan Matematika, FMIPA, Universitas Negeri Semarang Gedung D7

Lebih terperinci

MENENTUKAN PENJUALAN PRODUK TERBAIK DI PERUSAHAAN X DENGAN METODE WINTER EKSPONENSIAL SMOOTHING DAN METODE EVENT BASED

MENENTUKAN PENJUALAN PRODUK TERBAIK DI PERUSAHAAN X DENGAN METODE WINTER EKSPONENSIAL SMOOTHING DAN METODE EVENT BASED J. Math. and Its Appl. E-ISS: 2579-8936 P-ISS: 1829-605X Vol. 14, o. 1, Mei 2017, 25 35 MEETUKA PEJUALA PRODUK TERBAIK DI PERUSAHAA X DEGA METODE WITER EKSPOESIAL SMOOTHIG DA METODE EVET BASED Farida Agustini

Lebih terperinci

Analisis Deret Waktu

Analisis Deret Waktu Analisis Deret Waktu Jenis Data Cross section Beberapa pengamatan diamati bersama-sama pada periode waktu tertentu Harga saham semua perusahaan yang tercatat di BEJ pada hari Rabu 27 Februari 2008 Time

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

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

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

PENERAPAN LOGIKA FUZZY DALAM MEMPERKIRAKAN JUMLAH PRODUKSI TELUR TERHADAP PERMINTAAN PASAR

PENERAPAN LOGIKA FUZZY DALAM MEMPERKIRAKAN JUMLAH PRODUKSI TELUR TERHADAP PERMINTAAN PASAR J. Math. and Its Appl. E-ISSN: 2579-8936 P-ISSN: 1829-605X Vol. 14, No. 2, Desember 2017, 81-105 PENERAPAN LOGIKA FUZZY DALAM MEMPERKIRAKAN JUMLAH PRODUKSI TELUR TERHADAP PERMINTAAN PASAR Anindita Nurizza

Lebih terperinci

Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI) 7 ISSN : Pekanbaru, 11 November 2015

Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI) 7 ISSN : Pekanbaru, 11 November 2015 Analisa Perbandingan Metode Exponensial Smoothing dan Metode Tredn Analysis Terhadap Parameter Tingkat Error Pada Peramalan Permintaan Produk Ready Mix Concrete (Studi Kasus: Pt. Iga Bina Mix Pekanbaru)

Lebih 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 TINJAUAN TEORITIS. Seperti diketahui PDRB adalah penjumlahan dari seluruh Nilai Tambah Bruto (NTB)

BAB 2 TINJAUAN TEORITIS. Seperti diketahui PDRB adalah penjumlahan dari seluruh Nilai Tambah Bruto (NTB) BAB 2 TINJAUAN TEORITIS 2.1 Produk Domestik Regional Bruto (PDRB) Seperti diketahui PDRB adalah penjumlahan dari seluruh Nilai Tambah Bruto (NTB) yang dihasilkan oleh setiap kegiatan/lapangan usaha. Dalam

Lebih terperinci

Peramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model

Peramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Peramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model Ni Kadek Sukerti STMIK STIKOM Bali Jl. Raya Puputan

Lebih terperinci

BAB I PENDAHULUAN. Dugaan atau perkiraan mengenai kejadian atau peristiwa pada waktu yang

BAB I PENDAHULUAN. Dugaan atau perkiraan mengenai kejadian atau peristiwa pada waktu yang BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dugaan atau perkiraan mengenai kejadian atau peristiwa pada waktu yang akan datang disebut ramalan dan tindakan dalam membuat dugaan atau perkiraan tersebut

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

Membuat keputusan yang baik

Membuat keputusan yang baik Membuat keputusan yang baik Apakah yang dapat membuat suatu perusahaan sukses? Keputusan yang dibuat baik Bagaimana kita dapat yakin bahwa keputusan yang dibuat baik? Akurasi prediksi masa yang akan datang

Lebih terperinci

PENENTUAN JUMLAH PERENCANAAN PERMINTAAN CAT UNTUK MENINGKATKAN TINGKAT AKURASI PERAMALAN BERDASARKAN PERAMALAN PERMINTAAN CAT PADA PT.

PENENTUAN JUMLAH PERENCANAAN PERMINTAAN CAT UNTUK MENINGKATKAN TINGKAT AKURASI PERAMALAN BERDASARKAN PERAMALAN PERMINTAAN CAT PADA PT. ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.1 April 2017 Page 1067 PENENTUAN JUMLAH PERENCANAAN PERMINTAAN CAT UNTUK MENINGKATKAN TINGKAT AKURASI PERAMALAN BERDASARKAN PERAMALAN PERMINTAAN

Lebih 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

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

PERBANDINGAN METODE PEMULUSAN (SMOOTHING) EKSPONENSIAL GANDA DUA PARAMETER DARI HOLT DAN METODE BOX-JENKINS

PERBANDINGAN METODE PEMULUSAN (SMOOTHING) EKSPONENSIAL GANDA DUA PARAMETER DARI HOLT DAN METODE BOX-JENKINS PERBANDINGAN METODE PEMULUSAN (SMOOTHING) EKSPONENSIAL GANDA DUA PARAMETER DARI HOLT DAN METODE BOX-JENKINS DALAM MERAMALKAN HASIL PRODUKSI KERNEL KELAPA SAWIT PT. EKA DURA INDONESIA SKRIPSI EKA ARYANI

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

PERBANDINGAN PERAMALAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING HOLT-WINTERS DAN ARIMA

PERBANDINGAN PERAMALAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING HOLT-WINTERS DAN ARIMA UJM 6 (1) (2017) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm PERBANDINGAN PERAMALAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING HOLT-WINTERS DAN ARIMA Tias Safitri, Nurkaromah

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola data yang sistematis (Makridakis, 1999). Peramalan menggunakan pendekatan

Lebih terperinci

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Pengumpulan Data Pengumpulan data yang dilakukan dengan cara pengamatan dari dokumen perusahaan. Data yang di perlukan meliputi data penjualan produk Jamur Shiitake,

Lebih 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

PENERAPAN ALGORITMA FORECASTING UNTUK PREDIKSI PENDERITA DEMAM BERDARAH DENGUE DI KABUPATEN SRAGEN

PENERAPAN ALGORITMA FORECASTING UNTUK PREDIKSI PENDERITA DEMAM BERDARAH DENGUE DI KABUPATEN SRAGEN PENERAPAN ALGORITMA FORECASTING UNTUK PREDIKSI PENDERITA DEMAM BERDARAH DENGUE DI KABUPATEN SRAGEN Ryan Putranda Kristianto 1), Ema Utami 2), Emha Taufiq Lutfi 3) 1, 2,3) Magister Teknik informatika STMIK

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 1 BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan metode ARIMA box jenkins untuk meramalkan kebutuhan bahan baku. 2.1. Peramalan Peramalan

Lebih terperinci

Data Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun Tahun Bulan Wisman

Data Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun Tahun Bulan Wisman Lampiran 1. Data Tingkat Hunian Hotel di Propinsi DIY Tahun 1991-2003 48 49 Lampiran 1 Data Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun 1991-2003, Tahun Bulan Wisman 1991 1 27,00 1991 2 30,60

Lebih terperinci

BAB II TINJAUAN PUSTAKA. masa yang akan datang. Sedangkan ramalan adalah suatu situasi yang diperkirakan

BAB II TINJAUAN PUSTAKA. masa yang akan datang. Sedangkan ramalan adalah suatu situasi yang diperkirakan BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori. 2.1.1 Pengertian Peramalan. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah suatu situasi

Lebih terperinci

ANALISA PREDIKSI PENYEWAAN ALAT TRANSPORTASI MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING (STUDI KASUS : PT SEDONA HOLIDAYS MEDAN)

ANALISA PREDIKSI PENYEWAAN ALAT TRANSPORTASI MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING (STUDI KASUS : PT SEDONA HOLIDAYS MEDAN) ANALISA PREDIKSI PENYEWAAN ALAT TRANSPORTASI MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING (STUDI KASUS : PT SEDONA HOLIDAYS MEDAN) Dewi Ika Yanti Situmorang Mahasiswa Program Studi Teknik Informatika

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara BAB 1 PENDAHULUAN 1.1 Pendahuluan Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan

Lebih terperinci

model Seasonal ARIMA

model Seasonal ARIMA Jurnal Sains Matematika dan Statistika, Vol. No. i ISSN - Peramalan Wisatawan Mancanegara Ke Provinsi Riau Melalui Kota Pekanbaru Menggunakan Metode Seasonal ARIMA Ropita Munawaroh dan M. M. Nizam, Jurusan

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

BAB I PENDAHULUAN 1.1. Latar Belakang Vanissa Hapsari,2013

BAB I PENDAHULUAN 1.1. Latar Belakang Vanissa Hapsari,2013 BAB I PENDAHULUAN 1.1. Latar Belakang Tingkat pencemaran udara di beberapa kota besar cenderung meningkat dari tahun ke tahun. Hal ini disebabkan oleh beberapa faktor diantaranya jumlah transportasi terus

Lebih terperinci

BAB I PENDAHULUAN. untuk membuat prediksi tersebut disebut peramalan (Bowerman, 1993).

BAB I PENDAHULUAN. untuk membuat prediksi tersebut disebut peramalan (Bowerman, 1993). BAB I PENDAHULUAN 1.1 Latar Belakang Prediksi terhadap kejadian di masa depan disebut ramalan, dan tindakan untuk membuat prediksi tersebut disebut peramalan (Bowerman, 1993). Peramalan diperlukan untuk

Lebih terperinci

Peramalan Gabungan Rantai Markov dan Model Deret Waktu Pada Kasus Peramalan Kurs Nilai Mata Uang

Peramalan Gabungan Rantai Markov dan Model Deret Waktu Pada Kasus Peramalan Kurs Nilai Mata Uang [Type Artikel here] ini telah dipresentasikan dalam Innovative and Creative Information Technology Conference (ICITech) dengan tema E-Transaction and Power Play yang diselenggarakan oleh Program Studi

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

VI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER

VI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER VI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER 6.1. Analisis Pola Data Penjualan Ayam Broiler Data penjualan ayam broiler adalah data bulanan yang diperoleh dari bulan Januari 2006

Lebih terperinci

BAB I PENDAHULUAN. barang dan penumpang dari suatu tempat ke tempat lainnya. Jenis

BAB I PENDAHULUAN. barang dan penumpang dari suatu tempat ke tempat lainnya. Jenis 1 BAB I PENDAHULUAN 1. Latar Belakang Transportasi merupakan kegiatan mengangkut atau membawa barang dan penumpang dari suatu tempat ke tempat lainnya. Jenis transportasi yang digunakan, yaitu transportasi

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

PERBANDINGAN METODE PEMULUSAN (SMOOTHING) EKSPONENSIAL DAN ARIMA (BOX-JENKINS) SEBAGAI METODE PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) SKRIPSI

PERBANDINGAN METODE PEMULUSAN (SMOOTHING) EKSPONENSIAL DAN ARIMA (BOX-JENKINS) SEBAGAI METODE PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) SKRIPSI PERBANDINGAN METODE PEMULUSAN (SMOOTHING) EKSPONENSIAL DAN ARIMA (BOX-JENKINS) SEBAGAI METODE PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) SKRIPSI WARSINI 070803042 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA

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

PENERAPAN MODEL WINTER RUNTUN WAKTU FUZZY TERBOBOT UNTUK MERAMALKAN BANYAKNYA PENUMPANG DI BANDARA INTERNASIONAL JUANDA SURABAYA

PENERAPAN MODEL WINTER RUNTUN WAKTU FUZZY TERBOBOT UNTUK MERAMALKAN BANYAKNYA PENUMPANG DI BANDARA INTERNASIONAL JUANDA SURABAYA PENERAPAN MODEL WINTER RUNTUN WAKTU FUZZY TERBOBOT UNTUK MERAMALKAN BANYAKNYA PENUMPANG DI BANDARA INTERNASIONAL JUANDA SURABAYA oleh ANWAR SETYO UTOMO M0109012 SKRIPSI ditulis dan diajukan untuk memenuhi

Lebih terperinci

DAFTAR ISI. BAB I PENDAHULUAN Latar Belakang Masalah Rumusan Masalah Batasan Masalah Tujuan Penelitian...

DAFTAR ISI. BAB I PENDAHULUAN Latar Belakang Masalah Rumusan Masalah Batasan Masalah Tujuan Penelitian... DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii HALAMAN PERNYATAAN... iii NASKAH SOAL TUGAS AKHIR... iv HALAMAN PERSEMBAHAN... v INTISARI... vi KATA PENGANTAR... vii UCAPAN TERIMA KASIH... viii

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

BAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK

BAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK BAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK 3.1 Metode Pemulusan Eksponensial Holt-Winter Metode rata-rata bergerak dan pemulusan Eksponensial dapat digunakan untuk

Lebih terperinci

Exponential Smoothing with Damped Trend Arum H. Primandari

Exponential Smoothing with Damped Trend Arum H. Primandari ALLPPT.com _ Free PowerPoint Templates, Diagrams and Charts Exponential Smoothing with Damped Trend Arum H. Primandari Rob J. Hyndman https://robjhyndman.com/ Pendahuluan Klasifikasi Pegels yang terdiri

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

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

PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus: KA Argo Muria)

PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus: KA Argo Muria) PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus: KA Argo Muria) SKRIPSI Disusun oleh : TITIS NUR UTAMI 24010212140052 DEPARTEMEN

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi

Lebih terperinci

PEMBANDINGAN METODE PENGHALUSAN EKSPONENSIAL GANDA DUA PARAMETER HOLT

PEMBANDINGAN METODE PENGHALUSAN EKSPONENSIAL GANDA DUA PARAMETER HOLT PEMBANDINGAN METODE PENGHALUSAN EKSPONENSIAL GANDA DUA PARAMETER HOLT DAN METODE BOX-JENKINS PADA PERAMALAN DATA DERET WAKTU TREND (Studi Kasus Data Penumpang Bandara Juanda 2008-2016) (Skripsi) Oleh RASYD

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

APLIKASI METODE GOLDEN SECTION UNTUK OPTIMASI PARAMETER PADA METODE EXPONENTIAL SMOOTHING ABSTRACT

APLIKASI METODE GOLDEN SECTION UNTUK OPTIMASI PARAMETER PADA METODE EXPONENTIAL SMOOTHING ABSTRACT ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 605-614 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian APLIKASI METODE GOLDEN SECTION UNTUK OPTIMASI PARAMETER PADA

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 I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Peramalan pada dasarnya merupakan proses menyusun informasi tentang kejadian masa lampau yang berurutan untuk menduga kejadian di masa depan (Frechtling, 2001:

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan memperkirakan atau memprediksikan apa yang akan

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan memperkirakan atau memprediksikan apa yang akan BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan memperkirakan atau memprediksikan apa yang akan terjadi di masa yang akan datang dalam waktu yang relatif lama, peramalan tidak

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Di dalam aspek kehidupan ini, banyak ditemui permasalahan yang berkaitan dengan prediksi masa depan yang tidak pasti. Peramalan adalah suatu usaha untuk memperkirakan

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara 13 BAB 1 PENDAHULUAN 1.1 Latar Belakang Era globalisasi saat ini, perkembangan zaman semankin maju dan berkembang pesat, di antaranya banyak pernikahan dini yang menyebabkan salah satu faktor bertambahnya

Lebih terperinci

PERBANDINGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL DAN FUZZY TIME SERIES UNTUK MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN

PERBANDINGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL DAN FUZZY TIME SERIES UNTUK MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN PERBANDINGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL DAN FUZZY TIME SERIES UNTUK MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN SKRIPSI Oleh : TAUFAN FAHMI J2E008056 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA

Lebih terperinci

1. PENDAHULUAN 2. KAJIAN PUSTAKA

1. PENDAHULUAN 2. KAJIAN PUSTAKA 1. PENDAHULUAN Perkebunan teh menjadi salah satu sektor potensial pembangunan Jawa Barat, karena telah mampu memberikan andil besar dalam kehidupan perekonomian. Sektor perkebunan teh memiliki fungsi ekonomi

Lebih terperinci

LAPORAN PRAKTIKUM MODUL I PERAMALAN

LAPORAN PRAKTIKUM MODUL I PERAMALAN LAPORAN PRAKTIKUM MODUL I PERAMALAN Disusun oleh: Kelompok II 1. Ari Handayani (4409216094) 2. Caecilia Eka A.W.S. (4409216097) 3. Dwi Darmawan Saputra (4409216100) LABORATORIUM SISTEM PRODUKSI FAKULTAS

Lebih terperinci

KAJIAN TEORITIS HYBRIDIZING EXPONENTIAL SMOOTHING DAN NEURAL NETWORK UNTUK PERAMALAN DATA RUNTUN WAKTU

KAJIAN TEORITIS HYBRIDIZING EXPONENTIAL SMOOTHING DAN NEURAL NETWORK UNTUK PERAMALAN DATA RUNTUN WAKTU Bimaster Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No.3 (2013), hal 205-210 KAJIAN TEORITIS HYBRIDIZING EXPONENTIAL SMOOTHING DAN NEURAL NETWORK UNTUK PERAMALAN DATA RUNTUN WAKTU Muhlasah

Lebih terperinci

PEMODELAN PERAMALAN PENJUALAN PAKAN UDANG PADA PT CENTRAL PROTEINA PRIMA, TBK DENGAN METODE PEMULUSAN EKSPONENSIAL (EXPONENTIAL SMOOTHING) SKRIPSI

PEMODELAN PERAMALAN PENJUALAN PAKAN UDANG PADA PT CENTRAL PROTEINA PRIMA, TBK DENGAN METODE PEMULUSAN EKSPONENSIAL (EXPONENTIAL SMOOTHING) SKRIPSI PEMODELAN PERAMALAN PENJUALAN PAKAN UDANG PADA PT CENTRAL PROTEINA PRIMA, TBK DENGAN METODE PEMULUSAN EKSPONENSIAL (EXPONENTIAL SMOOTHING) SKRIPSI HERRIJUNIANTO PURBA 130823002 DEPARTEMEN MATEMATIKA FAKULTAS

Lebih terperinci

Prosiding Seminar Nasional MIPA 2016

Prosiding Seminar Nasional MIPA 2016 Peramalan Jumlah Penumpang Kereta Api Lodaya Jurusan Bandung-Solo Menggunakan Model Reg-ARIMA Dengan Variasi Kalender (Studi Kasus: PT. Kereta Api Indonesia) Dyah Puspita Sari*, Gumgum Darmawan, Soemartini

Lebih terperinci

Evaluasi Desain Terminal Penumpang Bandara New Yogyakarta International Airport

Evaluasi Desain Terminal Penumpang Bandara New Yogyakarta International Airport E46 Evaluasi Desain Terminal Penumpang Bandara New Yogyakarta International Airport Deanty Putri Maritsa dan Ervina Ahyudanari Departemen Teknik Sipil, Fakultas Teknik Sipil dan Perencanaan, Institut Teknologi

Lebih terperinci

Prediksi Persediaan Ikan Teri Menggunakan Exponential Smoothing Berbasis Ordered Weighted Aggregation

Prediksi Persediaan Ikan Teri Menggunakan Exponential Smoothing Berbasis Ordered Weighted Aggregation Jurnal Ilmiah NERO Vol. 1 No. 1 2014 Prediksi Persediaan Ikan Teri Menggunakan Exponential Smoothing Berbasis Ordered Weighted Aggregation Bain Khusnul Khotimah 1, Moh. Laili 2, Budi Dwi Satoto 3 1,2)

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

JURNAL MATEMATIKA MANTIK Edisi: Oktober Vol. 02 No. 01 ISSN: E-ISSN:

JURNAL MATEMATIKA MANTIK Edisi: Oktober Vol. 02 No. 01 ISSN: E-ISSN: ISSN: 25273159 EISSN: 25273167 PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH KLAIM DI BPJS KESEHATAN PAMEKASAN Faisol 1, Sitti Aisah 2 Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan

Lebih terperinci

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis

Lebih terperinci

PERAMALAN TINGKAT KEMATIAN BALITA PADA DINAS KESEHATAN KABUPATEN TAPANULI UTARA DENGAN MODEL ARIMA BOX-JENKINS SKRIPSI

PERAMALAN TINGKAT KEMATIAN BALITA PADA DINAS KESEHATAN KABUPATEN TAPANULI UTARA DENGAN MODEL ARIMA BOX-JENKINS SKRIPSI PERAMALAN TINGKAT KEMATIAN BALITA PADA DINAS KESEHATAN KABUPATEN TAPANULI UTARA DENGAN MODEL ARIMA BOX-JENKINS SKRIPSI SASTRO HAMDANI SIALLAGAN 060803047 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU

Lebih terperinci

BAB I PENDAHULUAN. yang akan terjadi di masa yang akan datang menggunakan dan. mempertimbangkan data dari masa lampau. Ketepatan secara mutlak dalam

BAB I PENDAHULUAN. yang akan terjadi di masa yang akan datang menggunakan dan. mempertimbangkan data dari masa lampau. Ketepatan secara mutlak dalam BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Peramalan (forecasting) merupakan suatu kegiatan untuk mengetahui apa yang akan terjadi di masa yang akan datang menggunakan dan mempertimbangkan data dari

Lebih terperinci

DAFTAR ISI. ABSTRAK... i ABSTRACT... KATA PENGANTAR... UCAPAN TERIMA KASIH... DAFTAR ISI... DAFTAR TABEL... viii DAFTAR GAMBAR...

DAFTAR ISI. ABSTRAK... i ABSTRACT... KATA PENGANTAR... UCAPAN TERIMA KASIH... DAFTAR ISI... DAFTAR TABEL... viii DAFTAR GAMBAR... DAFTAR ISI ABSTRAK... i ABSTRACT... KATA PENGANTAR... UCAPAN TERIMA KASIH... DAFTAR ISI... ii iii iv vi DAFTAR TABEL... viii DAFTAR GAMBAR... ix BAB I PENDAHULUAN... 1 1.1 Latar Belakang... 1 1.2 Rumusan

Lebih terperinci

Pemodelan Beban Sistem Listrik Jawa-Bali dengan Menggunakan Pendekatan Flexible Seasonality Forecasting

Pemodelan Beban Sistem Listrik Jawa-Bali dengan Menggunakan Pendekatan Flexible Seasonality Forecasting Prosiding Seminar Nasional Matematika, Universitas Jember, 19 November 2014 121 Pemodelan Beban Sistem Listrik Jawa-Bali dengan Menggunakan Pendekatan Flexible Seasonality Forecasting (Electricity Demand

Lebih terperinci