Peramalan Jumlah Stok Alat Tulis Kantor Di UD ACHMAD JAYA Menggunakan Metode Double Exponential Smoothing

Ukuran: px
Mulai penontonan dengan halaman:

Download "Peramalan Jumlah Stok Alat Tulis Kantor Di UD ACHMAD JAYA Menggunakan Metode Double Exponential Smoothing"

Transkripsi

1 Jural Ilmiah Tekologi da Iformasia ASIA (JITIKA) Vol.10, No.1, Februari 2016 ISSN: X Peramala Jumlah Stok Alat Tulis Kator Di UD ACHMAD JAYA Megguaka Metode Double Expoetial Smoothig Titaia Dwi Adii 1, Probo Auristadi 2 STMIK ASIA Malag 1 titaia@asia.ac.id, 2 probo1593@gmail.com ABSTRAK. Peramala jumlah stok alat tulis kator (ATK) adalah salah satu cara utuk meetuka pembelia alat tulis kator (ATK) ke produse. Selai itu tujua dari peramala stok agar tidak terjadi peumpuka stok di gudag UD ACHMAD JAYA. Karea jika terjadi peumpuka stok aka mempegaruhi jumlah pemebelia atau reorder di bula berikutya.dalam peelitia ii permala jumlah stok alat tulis kator (ATK) di UD ACHMAD JAYA megguaka metode peramala double expoetial smoothig. Data historis yag dihitug megguaka metode double expoetial smoothig adalah jumlah data pejuala alat tulis kator (ATK) di tahu 2014 pada bula jauari sampai desember. Sesuai dega yag diteliti data pejuala di UD ACHMAD JAYA mempuyai plot data tred aik da turu, setelah melalui proses peramala maka aka dilakuk pegujia kesalaha dalam peramala. Utuk melakuka pegujia peramala maka dilakuka dega cara perhituga percetage error da mea absolut percetage error. MAPE dega alpha 0.7 berilai 12,36 da peramala 408,63 pack. MAPE terkecil atara alpha 0.1 samapai 0.9 maka aka diguaka sebagai peramala. Kata kuci: Peramala, Stok Alat Tulis Kator, Double Expoetial Smoothig 1. PENDAHULUAN Alat tulis kator (ATK) adalah perlegkapa kator yag sagat petig, tapa alat tersebut pekerjaa kita aka terbegkalai da bahka tidak aka terselesaika. Alat tulis kator (ATK) dalam bidag pedidika diguaka siswa utuk megerjaka ujia asioal. Siswa megguaka salah satu jeis alat tulis kator yaitu pesil 2B. Alat tulis kator (ATK) serig kali mejadi kebutuha yag tidak terduga utuk dibeli. Alat tulis kator (ATK) serig dijumpai di tempat foto copy, di tempat foto copy terdapat jeis-jeis alat tulis kator (ATK) seperti pesil, bolpoi tipe-x, peggaris da sebagaiya. UD ACHMAD JAYA adalah salah satu distributor alat tulis kator yag mejual alat tulis di berbagai toko da tempat foto copy. Ada bayak jeis da merek alat tulis kator (ATK) yag ada di UD ACHMAD JAYA diataraya pesil 2B Faber Castell, bolpi pilot, stadart AE-7, stabilo boos da sebagaiya. UD ACHMAD JAYA melakuka pegambila (reorder) alat tulis kator (ATK) ke produse, utuk proses pegambila (reorder) pemilik UD harus memprediksi terlebih dahulu berapakah yag harus diambil utuk dijadika stok di gudag UD ACHMAD JAYA. Utuk memprediksika stok pemilik UD ACHMAD JAYA tidak megguaka metode peramala seperti metode double expoetial smoothig. Sehigga pemilik UD ACHMAD JAYA megalami kesusaha dalam memprediksika stok dibula berikutya. Efek egatif kedepaya jika salah memprediksika stok aka megalami peumpuka stok yag berlebiha. Adapu metode yag dapat memberi solusi dari permasalaha yag diuraika diatas, seperti metode peramala double expoetial smoothig, megapa megguaka metode double expoetial smoothig karea pola data pejuala alat tulis kator (ATK) berusur tred. Dega adaya metode double expoetial smoothig diharapka dapat membatu UD ACHMAD JAYA dalam meetuka stok di bula berikutya. 2. LANDASAN TEORI 2.1 Peramala Peramala berasal dari kata ramala yag artiya adalah suatu situasi atau kodisi yag diperkiraka aka terjadi pada masa yag aka datag. Sedagka peramala adalah betuk kegiataya. Ramala tersebut dapat didasarka atas bermacam-macam cara yaitu metode sigle expoetial smoothig, metode double expoetial smoothig, da metode triple expoetial smoothig. Semua itu dikeal dega metode peramala. Peramala adalah memperkiraka keadaa dimasa yag aka datag melalui pegujia keadaa dimasa lalu. Dalam kehidupa sosial segala sesuatu itu serba tidak pasti da sukar diperkiraka secara tepat, sehigga diperluka peramala. Peramala yag dibuat selalu diupayaka agar dapat memiimumka pegaruh ketiadakpastia ii terhadap sebuah masalah. Dega kata lai peramala bertujua medapatka peramala yag bisa memiimumka kesalaha meramal (forecast error) yag biasaya diukur dega mea square error, mea absoulute errror, da sebagaiya. (Makridakis, 1999) 1

2 Metode peramala adalah cara utuk memperkiraka secara kuatitatif apa yag aka terjadi pada masa yag aka datag dega dasar data yag releva pada masa lalu. Dega kata lai metode peramala bersifat objektif. Di sampig itu metode peramala memberika uruta pegerjaa da pemecaha atas pedekata suatu masalah dalam peramala, sehigga bila diguaka pedekata yag sama dalam suatu permasalaha dalam suatu kegiata peramala, aka dapat dasar pemikira da pemecaha yag sama. Baik tidakya suatu peramala yag disusu selai ditetuka oleh metode yag diguaka, juga ditetuka oleh baik tidakya iformasi yag diguaka. Selama iformasi yag diguaka tidak dapat meyakika utuk medapat hasil yag bagus, hasil peramala yag disusu juga aka sukar dipercaya ketepataya. Keberhasila dari suatu peramala sagat ditetuka oleh: a. Pegetahua tekik tetag pegumpula iformasi (data) masa lalu, dapat ataupu iformasi tersebut bersifat kuatitatif b. Tekik da metode yag tepat da sesuai dega pola data yag dikumpulka. Gambara perkembaga pada masa lalu yag aka datag diperoleh dari hasil aalisa data yag didapat dari peelitia yag dilakuka. Perkembaga pada masa depa merupaka perkiraa apa yag aka terjadi, sehigga dapat dikata bahwa peramala selalu diperluka dalam peelitia. Ketepata peelitia merupaka hal yag petig, walaupu demikia perlu diketahui bahwa sesuatu ramala selalu ada usur kesalahaya, sehigga yag perlu diperhatika adalah usaha utuk memperkecil kesalaha dari ramala tersebut. Keguaa peramala terlihat pada saat pegambila keputusa. Keputusa. Keputusa yag baik adalah keputusa yag didasarka atas pertimbaga-pertimbaga yag aka terjadi pada waktu keputusa itu dilaksaaka. Jagka waktu ke depa (time horizo) merupaka faktor yag palig petig yag harus diperhatika dalam pemiliha tekik peramala. Utuk peramala jagka pedek da jagka meegah, beberapa tekik tersebut yag kurag tepat utuk diterapka Peetua Pola Data Ada beberapa bola data yag harus diperhatika utuk peramala, yaitu: a. Pola Data Horizotal Pola ii terjadi jika terdapat data yag berfluktuasi disekitar ilai rata-rata yag kosta. (Makridakis, 1999) Suatu produk yag suatu produk yag pejualaya tidak meigkat atau meuru selama waktu tertetu termasuk jeis pola ii. Pola khas dari data horizotal atau stasioer, seperti pada Gambar 1: Gambar 1. Pola Data Horizotal b. Pola Data Musima Pola data ii terjadi jika terdapat suatu deret data yag dipegaruhi oleh faktor musima (misalya kuartal tahu tertetu, bulaa, atau hari-hari pada migu tertetu). Pejuala dari produk seperti miuma riga, es krim, da baha bakar pemaas ruag semuaya meujuka mjeis pola ii. Terlihat pada Gambar 2: Gambar 2. Pola Data Musima 2

3 c. Pola Data Sklis Pola data ii terjadi jika terdapat data yag dipegaruhi oleh fluktuasi ekoomi jagka pajag seperti yag berhubuga dega siklus bisis. Cotoh : pejuala produk seperti mobil, baja, da peralata utama laiya. Jeis pola ii dapat dilihat pada Gambar 3: Gambar 3. Pola Data Sklis d. Pola Data Tred Pola data tred terjadi jika terdapat keaika atau peurua sekuler jagka pajag dalam data. Cotoh : pejuala bayak perusahaa, GNP da berbagai idikator bisis atau ekoomi laiya. Jeis pola ii dapat dilihat pada Gambar 4: Gambar 4. Pola Data Tred 2.2 Metode Expoetial Smoothig Smoothig adalah megambil rata-rata dari ilai pada beberapa periode utuk meaksir ilai pada suatu periode, expoetial smoothig adalah suatu peramala rata-rata bergerak yag melakuka pembobota meuru secara expoetial terhadap ilai-ilai observasi yag lebih tua (Makridakis, 1993:79). Metode expoetial smoothig merupaka pegembaga dari metode movig average. Dalam metode ii peramala dilakuka dega megulag perhituga secara terus merus dega megguaka data baru Metode Sigle Expoetial Smoothig Metode sigle expoetial smoothig merupaka perkembaga dari metode movig average sederhaa, yag mula-mula dega rumus sebagai berikut: S t+1 = X 1+X t X t +1 S t = X t 1+X t X t Dega melihat hubuga diatas bila S t diketahui maka ilai S t+1 dapat dicari berdasarka S t. S t+1 = X t + S t - X t Bila X t digati dega ilai peramala pada t yaitu S t maka persamaa mejadi S t+1 = 1 X t + (1-1 ) S t 1 = α Sehigga persamaa mejadi S t+1 = αx t + (1- α)s t+1 (2.1) Metode Double Expoetial Smoothig Metode ii merupaka model liier yag dikemuka oleh Brow. Dalam metode double expoetial smoothig dilakuka proses smoothig dua kali, yaitu: S t = αx t + (1 - α)s t 1 (2.2) S t = αs t + (1 - α)s t 1 (2.3) Persamaa berbeda dega sigle expotial smoothig, X t dapat dipakai utuk mecari S t peramala dilakuka dega persamaa 3

4 S 1+m = α t + b t m m = jagkau waktu perecaaa kedepa α t = 2S t + S t (2.4) b t = α (S 1 α t - S t ) (2.5) F 1+m = α t + b t m (2.6) Metode double expoetial smoothig biasaya diguaka utuk meramalaka data yag mempuyai tred. Keteraga: X t = Data aktual dari periode ke-t. S t = Nilai pemulusa tuggal. S t = Nilai pemulasa gada. a t = Nilai kostata a. b t = Nilai kostata b. F 1+m = Mecari peramala di periode berikutya. α = ilai alpha Metode Triple Expoetial Smoothig Metode ii lebih cocok diguaka utuk membuat forecast hal yag berfluktuasi atau megalami gelombag pasag surut maksudya keaika atau peurua jumlah data tersebut biasaya terjadi secara tibatiba da sukar diprediksika. Di dalam metode triple expoetial smoothig dilakuka smoothig 3 kali, yaitu: S t = αx t (1-α) S t 1 (2.7) S t = αs t (1-α) S t 1 (2.8) S t = αs t (1-α) S t 1 (2.9) α t = 3S t - 3S t + S t 1 (2.10) α 2 b t = (6 5α) S (1 α) 2 t (10-8α) S t + (4-3α) S t (2.11) α 2 c t = (S (1 α) 2 t 2S t + S t ) (2.12) Sehigga dapat diramalka dega rumus sebagai berikut: F t+m = α t + b t m + 1 c 2 tm (2.13) m adalah jagka waktu ke depa yaitu utuk beberapa periode yag aka data forecast dilakuka. 2.3 Ketepata Metode Ketepata ramala adalah suatu hal yag medasar dalam peramala, yaitu bagaimaa megukur kesesuai suatu metode peramala tertetu utuk kumpula data yag diberika. Ketepata dipadag sebagai kriteria peolaka utuk memilih suatu metode peramala. (Kusuma, 2000) Adapu cara yag serig diguaka utuk megukur ketepata metode peramala. Cara yag cukup serig diguaka dalam megevaluasi hasil peramala yaitu dega megguaka metode mea absolute percetage error. Metode ii melakuka perhituga perbedaa atara data asli da data hasil peramala. Perbedaa tersebut diabsoluteka, kemudia dihitug ke dalam betuk persetase terhadap data asli. Hasil persetase tersebut kemudia didapatka ilai mea-ya. Suatu model mempuyai kierja sagat bagus jika ilai MAPE berada di bawah 10% da mempuyai kierja bagus jika ilai MAPE berada di atra 10% da 20% (Zaiu da Majid, 2003) Tiga ukura berikut serig diguaka: a. PE (Pecetage Error) atau Galat Persetase Perhituga yag dilakuka utuk meetuka jumlah persetasi galat pada peramala PE = ( Xt Ft )x 100 Xt b. MPE (Mea Percetage Error) atau Rata-rata Galat Persetase. Utuk medapatka ilai MPE yaitu dega mejumlah ilai PE dari awal periode sampai akhir, kemudia dibagi dega pajag periode. MPE = PE t=1 c. MAPE (Mea Absoulute Percetage Error) Merupaka rata-rata dari keseluruha persetase kesalaha (selisih) atara data aktual dega data hasil peramala. Ukura akurasi dicocoka dega data time series, da ditujuka dalam persetase. MAPE = PEt t=1 Keteraga : Xi = data sebearya pada periode ke-i Fi = ilai ramala pada periode ke-i = bayakya periode waktu 4

5 jauari februari maret april mei jui juli agustus septemb oktober opember desember JITIKA ISSN: X 3. ANALISA DAN PERANCANGAN SISTEM 3.1 Aalisa Masalah UD ACHMAD JAYA adalah salah satu distributor alat tulis kator yag mejual alat tulis di berbagai toko da tempat foto copy. UD ACHMAD JAYA berdiri pada 23 November 1996 higga saat ii, UD ACHMAD JAYA melakuka pemesaa alat tulis kator ke produse dega cara megguaka data pejuala di bula sebelumya atau dega megguaka istig pemilik, tidak dega metode peramala seperti metode double expoetial smoothig. Dalam melakuka pemesaa (reorder) serig terjadi kesalaha, terkadag terlalu bayak melakuka pemesaa terkadag kurag dalam melakuka pemesaa. Dega diracagya sistem peramala megguaka metode double expoetial smoothig dapat membatu dalam memprediksi jumlah stok alat tulis kator (ATK). Berikut adalah salah satu item alat tulis kator (ATK) yag ada di UD ACHMAD JAYA. Ada bayak item alat tulis kator (ATK) di UD ACHMAD JAYA, tapi disii diambil salah satu yaitu bolpoi stadart AE 7. Dapat dilihat pada Tabel 1 stok bolpoi stadart AE-7 satu tahu terakhir di tahu 2014: Tabel 1. Stok Bolpoi stadart AE 7 Bula Jumlah Jauari 500 Februari 604 Maret 498 April 523 Mei 699 Jui 789 Juli 898 Agustus 907 September 800 Oktober 723 November 678 Desember 509 Dari data diatas aka di jadika plot grafik supaya dapat diaalisa, plot data apa yag terjadi plot data tred, musima, horizotal, siklis, atau stasioer. Plot data tre ada dua yaitu tred aik atau tred turu. Tred turu data perperiode selalu megalami peurua, sebalikya dega tred aik yag tiap periodeya megalami keaika. Gambar 5 merupaka plot data dari stok bolpoi stadart AE-7: Bolpoi Stadart AE 7 Gambar 5. Plot Data Bolpoi Stadart AE-7 Dari pola yag ada diatas dapat dilihat data terus megalami keaika pada bula maret higga juli da megalami peurua pada bula agustus higga desember. Utuk di bula jauari higga februari megalami aik turu. Sehigga pola data seperti itu bisa dikataka pola data tred turu da pola data tred aik. Pola data tred bisa diramalka dega memilih metode double expoetial smoothig. Data yag aka diramalka 5

6 adalah data pada bula jauari tahu Utuk mecari peramalaya maka aka dihitug mulai bula februari, yag di dapat dari data historis bula jauari sampai bula terakhir. Tapa data historis sebelumya peramala tidak bisa dilakuka, karea peramala haya bisa dilakuka jika memgambil data sebelumya utuk dijadika perhituga di bula kedepa. Peramala juga ada pegujia trial da errorya dega cara meberi alpha di setiap perhitugaya. Fugsi dari diberika pegujia trial da error adalah utuk mebuktika seberapa keakurata metode yag diguaka utuk meramalka pola data yag tertera diatas Pegertia Metode Double Expoetial Smoothig Metode double expoetial smoothig adalah metode peramala satu liier yag dikemuka oleh Brow, peramala ii melakuka pemulusa tuggal kemudia dilakuka lagi dega pemulusa gada. Metode double expoetial smoothig biasa diguka utuk meramalka pola data yag berusur tred. Utuk lebih jelasya dapat dilihat pada Gambar 6 di bawah ii: Mulai t = 2 Masuka ilai data pejuala perbula(xt) Meghitug pemulusa tuggal (S t) S t =α. Xt + (1-α )S t-1 Meghitug pemulusa gada (S t) S t =α. S t-1 + (1-α )S t-1 Meghitug kostata at da bt at = 2S t - S t bt = α/1-α(s t - S t) Meghitug ilai peramala (Ft) Ft = at + bt (m) t = t + 1 T t = 12 PE (Percetage Error) Hasil peramala dega error terkecil Selesai Gambar 6. Flowchart Metode Double Expoetial Smoothig Flowchart di atas mejelaska proses peramala dega metode double expoetial smoothig. Berikut di bawah ii pejelasaya: a. Pada tahap pertama ialah meetapka ilai t = 2 atau dimulai pada periode bula februari karea ilai S 1 (smoothig pertama utuk periode pertama) belum tersedia. b. Masuka data aktual Xt pada periode kedua atau bula februari. c. Meghitug pemulusa tuggal dega memasuka ilai alpha dikali dega data aktual ditambah dega 1-alpha dikali dega S t yag sebelumya. d. Meghitug pemulusa gada dega memasuka ilai alpha dikali dega hasil S t ditambah dega 1-alpha dikali dega S t yag sebelumya. e. Meghitug costata at da bt, ilai at didapat dari perhituga dua dikali dega hasil S t dikuragi dega S t. Da bt di dapat dari alpaha dibagi dega 1-alpha dikalika dega hasil peguraga S t da S t. f. Mejumlah ilai at da bt utuk medapatka hasil peramala (Ft). g. Meampilka ilai S t, S t, at, bt, Ft. Setelah ditampilka aka dibadigka apakah t=12 jika ya, maka perhituga selesai da aka diproses ke ilai prosetase errorya. Jika tidak maka aka kembali ke awal higga t= Presetase Kesalaha Suatu metode peramala dikataka bagus jika metode tersebut berhasil meramalka sesuatu dega tepat. Utuk megukur error atau kesalaha dalam peramala ialah megguaka percetage error (PE) da mea absolut percetage error(mape). Gambar 7 merupaka flowchart pegukura kesalaha suatu metode peramala. 6

7 Mulai t =3 Masuka data aktual (Xt) masuka Hasil peramala (Ft) PE = ((Xt - Ft)/Xt)100 Nilai PE Selesai Gambar 7. Flowchart Percetage Error Berikut pejelasa dari alur flowchart percetage error dimulai dega: a. Meetuka ramala pada periode ke 3 atau bula maret. Karea pada bula maret atau periode 3 baru medapatka hasil peramalaya. b. Masuka ilai data asli pada periode bula maret dikuragi dega data ramala dibagi dega data asli da dikali dega seratus. c. Setelah dihitug aka medapat ilai PE. d. Nilai PE aka di absolutka gua utuk meghitug ilai MAPE. Mulai t =3 Nilai PE APE = abs(pe) t = 11 T t = t + 1 Y MAPE = abs(pe) / 11 Nilai MAPE Selesai Gambar 8. Flowchart Mea Absolut Percetage Error Berikut pejelasa dari alur flowchart mea absolut percetage error dimulai dega: a. Masuka ilai PE yag sudah dihitug di flowchart sebelumya. b. Kemudia Megabsolutka ilai PE keseluruha dari periaode awal higga akhir utuk meghilagka ilai mius. c. Setelah diabsolutka jumlah ila PE absolut dibagi dega pajagya periode. d. Kemudia medapat ilai MAPE yag atiya aka dibadigka dega setiap alpha 0,1 0,9. Berikut aka dijelaska proses perhituga maual utuk meghitug ilai kesalaha peramala: a. Percetage Error (PE) Peramala di bula maret dikuragi jumlah aka mejadi pegurag data asli bula maret dibagi data asli bula maret da dikali seratus, dega alpha 0,1. PE = , x (100) = -4,58 b. Mea Absolut Percetage Error Utuk medapatka ilai MAPE maka dega cara mejumlah seluruh ilai absolut PE dari periode awal higga akhir da dibagi dega jumlah data yag ada. 7

8 MAPE = 209,08 12 = 17,42 3. Peerepa Metode Double Expoetial Smoothig Proses peramala dega metode double expoetial smoothig. Peramala dimulai pada bula ke-2 atau bula februari dega alpha 0.7. Utuk meetuka ilai smoothig (S t) pertama dapat diketahui dega megguaka rumus persamaa (2.2) pada bab kajia teori. S 2 = (1-) 500 = 572,88 S 3 = (1-) 572,88 = 520,44 S 4 = (1-) 520,44 = 522,23 S 5 = (1-) 522,23 = 645,97 S 6 = (1-) 645,97 = 746,09 S 7 = (1-) 746,09 = 852,43 S 8 = (1-) 852,43 = 890,63 S 9 = (1-) 890,63 = 827,19 S 10 = (1-) 827,19 = 754,26 S 11 = (1-) 754,26 = 700,88 S 12 = (1-) 700,88 = Utuk meetuka ilai smoothig (S t) kedua dapat diketahui dega megguaka rumus persamaa (2.3) pada bab ladasa teori. S" 2 =. 572,88 + (1-) 500 = 550,96 S" 3 =. 520,44 + (1-) 550,96 = 529,60 S" 4 =. 523,30 + (1-) 529,60 = 524,44 S" 5 =. 628,72 + (1-) 524,44 = 609,51 S" 6 =. 724,89 + (1-) 609,51 = 705,12 S" 7 =. 828,76 + (1-) 705,12 = 808,23 S" 8 =. 875,70 + (1-) 808,23 = 865,91 S" 9 =. 830,28 + (1-) 865,91 = 838,80 S" 10 =. 765,91 + (1-) 838,80 = 779,62 S" 11 =. 713,16 + (1-) 779,62 = 724,50 S" 12 =. 590,67 + (1-) 724,50 = 613,34 Utuk meetuka ilai kostata (at) dapat diketahui dega megguaka rumus persamaa (2.4) pada bab ladasa teori. a 2 = 2(572,88) - 550,96 = 594,64 a 3 = 2(520,44) - 529,60 = 511,28 a 4 = 2(523,30) - 524,44 = 520,02 a 5 = 2(628,72) - 609,51 = 682,43 a 6 =2(724,89) - 705,12 = 787,06 a 7 =2(828,76) - 808,23 = 896,62 a 8 =2(875,70) - 865,91 = 915,35 a 9 =2(830,28) - 838,80 = 815,57 a 10 =2(765,91) - 779,62 = 728,89 a 11 =2(713,16) 724,50 = 677,25 a 12 =2(590,67) 613,34 = 519,18 Utuk meetuka ilai kostata (bt) dapat diketahui dega megguaka rumus persamaa (2.5) pada bab ladasa teori. b 2 = 572,88-550,96 = 50,96 8 b 3 = 520,44-529,60 = -21,36 b 4 = 523,30-524,44 = -5,15 b 5 = 628,72-609,51 = 85,07 b 6 = b 7 = b 8 = b 9 = 724,89-705,12 = 95,51 828,76-808,23 = 103,12 875,70-865,91 = 57,68 830,28-838,80 = -27,11

9 b 10 = b 11 = 765,91-779,62 = -59,18 713,16 724,50 = -55,12 b 12 = 590,67 613,34 = -110,56 Utuk mecari ilai peramala (Ft) dapat megguaka persamaa (2.6) pada bab ladasa teori. F = 519,18 + ( 110,56) F13 = 408,63 Jadi peramala stok 1 item alat tulis kator atk bolpoi stadart AE-7 di bula jauari tahu 2015 dega alpha adalah 408,63 ditujukka pada Tabel 2. Tabel 2. Tabel Keselura dega alpa Tabel 3. Tabel Nilai MAPE Alpha Peramala APE MAPE 0,1 712,46 209,1 17,4 0,2 696,12 219,3 18,3 0,3 615,88 211,2 17,6 0,4 536,61 191,6 16 0,5 477,08 172,7 14,4 0,6 436,69 157,2 13,1 408,63 148,3 12,4 0,8 385, ,6 0,9 363,78 161,1 13,4 Dapat disimpulka dalam peramala ii MAPE yag terkecil terdapat pada alpha dega ilai MAPE 12,36, da hasil peramala jumlah stok bolpoi stadart AE 7 sebayak 408,63 pak. Maka jumlah ii aka dijadika reorder ke produse. 4. Pegujia Pegujia ii dilakuka dega cara meghitug ilai kesalaha dalam peramala (percetage error) dega data aktual di tahu Nilai kesalaha (percetage error) dari bula Jauari higga bula Desember mempuyai ilai rata-rata presetase kesalaha dibawah 20%. Sehigga metode double expoetial smoothig cukup tepat utuk memprediksika suatu data yag mempuyai pola tred (terdapat keaika atau peurua sekuler jagka pajag dalam data). HAsil pegujia bias dilihat pada Tabel 4. 9

10 Tabel 4. Hasil Pegujia Data Peramala Dega Data Pejuala Aktual Tahu 2015 Periode Hasil Peramala Tahu 2015 Data Pejuala Aktual Tahu 2015 PE APE Jauari 408, ,09 16,09 Februari 407, ,49 23,49 Maret 510, ,08 24,08 April 727, ,52 5,52 Mei 742, ,73 6,73 Jui 867, ,97 2,97 Juli 980, ,61 17,61 Agustus 864, ,90 13,90 September 734, ,25 2,25 Oktober 723, ,06 4,06 Nopember 740, ,61 18,61 Desember 566, ,20 10,20 Nilai kesalaha dalam peramala disetiap bulaya rata-rata dibawah 20% didapat dari perhituga data aktual pejuala dikuragi hasil peramala dibagi dega data aktual pejuala dikalika dega seratus maka meghasilka suatu ilai PE (percetage error). 5. PENUTUP a. Berdasarka perhituga peramala di bab III dega berbagai ilai alpha meujuka bahwa peramala di bula jauari 2015 dega alpha memiliki ilai MAPE terkecil yaitu 12,36. b. Perbadiga hasil peramala dega data aktual pejuala di tahu 2015 pada pegujia mempuyai ilai presetase kesalaha (percetage error) dibawah 20% disetiap bulaya. Dikareaka hasil peramala megguaka metode double expoetial smoothig medekati data aktual pejuala di tahu c. Berdasarka aalisa data aktual pejuala ATK tahu 2015 mempuyai pola data yag berusur tred, maka metode yag cocok utuk meramalka pola data yag berusur tred adalah metode double expoetial smoothig. DAFTAR PUSTAKA [1] Kusuma, J, M.A Statistik Teori da Aplikasi Edisi 6Jilid 1. Erlagga: Jakarta [2] Makridakis, Sypros Metode da Aplikasi Peramala Edisi ke-2.bia Aksara: Jakarta [3] Zaiu, Majid Low Cost House Demad Predictor. Uiversitas Tekologi Malaysia 10

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula

Lebih terperinci

kesimpulan yang didapat.

kesimpulan yang didapat. Bab ii merupaka bab peutup yag merupaka hasil da kesimpula dari pembahasa serta sara peulis berdasarka kesimpula yag didapat. BAB LANDASAN TEORI. Kosep Dasar Peramala Peramala adalah kegiata utuk memperkiraka

Lebih terperinci

PERAMALAN KURSIDRTERHADAP USDMENGGUNAKAN DOUBLE MOVING AVERAGES DAN DOUBLEEXPONENTIAL SMOOTHING.

PERAMALAN KURSIDRTERHADAP USDMENGGUNAKAN DOUBLE MOVING AVERAGES DAN DOUBLEEXPONENTIAL SMOOTHING. PERAMALAN KURSIDRERHADAP USDMENGGUNAKAN DOUBLE MOVING AVERAGES DAN DOUBLEEXPONENIAL SMOOHING. Padrul Jaa 1), Rokhimi 2), Ismi Ratri Prihatiigsih 3) 1,2,3 PedidikaMatematika, Uiversitas PGRI Yogyakarta

Lebih terperinci

BAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,

BAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan, BAB 1 PENDAHULUAN 1.1 Latar Belakag Bagi Negara yag mempuyai wilayah terdiri dari pulau-pulau yag dikeliligi lauta, laut merupaka saraa trasportasi yag dimia, sehigga laut memiliki peraa yag petig bagi

Lebih terperinci

PERANCANGAN APLIKASI PREDIKSI JUMLAH SISWA BARU PADA YAYASAN CERDAS MURNI MENGGUNAKAN EXPONENTIAL SMOOTHING

PERANCANGAN APLIKASI PREDIKSI JUMLAH SISWA BARU PADA YAYASAN CERDAS MURNI MENGGUNAKAN EXPONENTIAL SMOOTHING PERANCANGAN APLIKASI PREDIKSI JUMLAH SISWA BARU PADA YAYASAN CERDAS MURNI MENGGUNAKAN EXPONENTIAL SMOOTHING Khairu Nisa Ulfa 1, Muhammad Syahrizal 2 Mahasiswa Tekik Iformatika STMIK Budi Darma Meda 1 Dose

Lebih terperinci

BAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis

BAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis BAB 3 METODE PENELITIAN 3.1 Peetapa Kriteria Optimasi Disii peerapa kriteria optimasi yag diguaka utuk megaalisis kebutuha pokok pada PT. Kusuma Kecaa Khatulistiwa yaitu : 1. Aalisis forecastig (peramala

Lebih terperinci

FORECASTING (Peramalan)

FORECASTING (Peramalan) FORECASTING (Peramala) PENDAHULUAN Forecastig adalah ramala tetag apa yag aka terjadi dimasa yag aka datag. Forecast Demad atau peramala permitaa mejadi dasar yag sagat petig dalam perecaaa suatu keputusa

Lebih terperinci

BAB IV PEMECAHAN MASALAH

BAB IV PEMECAHAN MASALAH BAB IV PEMECAHAN MASALAH 4.1 Metodologi Pemecaha Masalah Dalam ragka peigkata keakurata rekomedasi yag aka diberika kepada ivestor, maka dicoba diguaka Movig Average Mometum Oscillator (MAMO). MAMO ii

Lebih terperinci

BAB 2 LANDASAN TEORI. mendapatkan perhatian dan dipelajari oleh ilmuan dari hampir semua ilmu bidang

BAB 2 LANDASAN TEORI. mendapatkan perhatian dan dipelajari oleh ilmuan dari hampir semua ilmu bidang 8 BAB 2 LANDASAN TEORI 2.1 Pegertia Peramala Statistik merupaka salah satu cabag ilmu pegetahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hampir semua ilmu bidag pegetahua, terutama

Lebih terperinci

Prosiding Manajemen ISSN:

Prosiding Manajemen ISSN: Prosidig Maajeme ISSN: 2460-7187 Aalisis Peramala Pejuala dega Megguaka Metode Sigle Movig Average, Weighted Movig Average da Expoetial Smoothig Sebagai Dasar Perecaaa Produksi Polo Shirt Pria (Studi Kasus

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pegertia Peramala Statistik merupaka salah satu cabag ilmu pegetahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hampir semua ilmu bidag pegetahua, terutama

Lebih terperinci

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah

Lebih terperinci

LAPORAN RESMI MODUL VII TIME SERIES FORECASTING

LAPORAN RESMI MODUL VII TIME SERIES FORECASTING LAPORAN RESMI MODUL VII TIME SERIES FORECASTING I. Pedahulua A. Latar Belakag (Mi. 4 Paragraf) B. Rumusa Masalah C. Tujua Praktikum (Mi. 3) D. Mafaat Praktikum (Mi. 3) E. Batasa Masalah II. Tijaua Pustaka

Lebih terperinci

ANALISIS RUNTUT WAKTU DAN PERAMALAN (Time Series and Forecasting) Analisis Tren

ANALISIS RUNTUT WAKTU DAN PERAMALAN (Time Series and Forecasting) Analisis Tren ANALISIS RUNTUT WAKTU DAN PERAMALAN (Time Series ad Forecastig) Aalisis Tre P.E.N.D.A.H.U.L.U.A.N Rutut waktu merupaka kumpula data yag tercatat sepajag periode waktu tertetu (cotohya: miggua, bulaa, atau

Lebih terperinci

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya. BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI PT.Bak Permata merupaka salah satu bak asioal terbesar di Idoesia da dikeal sebagai bak pelayaa terbaik. Bak Permata dibetuk sebagai hasil merger dari 5 bak di bawah Bada Peyehata

Lebih terperinci

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu

Lebih terperinci

APLIKASI PERHITUNGAN METODE PERAMALAN PRODUKSI PADA CV. X

APLIKASI PERHITUNGAN METODE PERAMALAN PRODUKSI PADA CV. X APLIKASI PERHITUNGAN METODE PERAMALAN PRODUKSI PADA CV. X Sayuti, M 1* 1 Jurusa Tekik Idustri, Fakultas Tekik, Uiversitas Malikussaleh-NAD *E-mail: Tgk_Sayuti@yahoo.co.uk ABSTRAK CV.X, merupaka perusahaa

Lebih terperinci

JURNAL GAUSSIAN, Volume 2, Nomor 2, April 2013, Halaman Online di:

JURNAL GAUSSIAN, Volume 2, Nomor 2, April 2013, Halaman Online di: JURNAL GAUSSIAN, Volume 2, Nomor 2, April 203, Halama 37-46 Olie di: http://ejoural-s.udip.ac.id/idex.php/gaussia PERBANDINGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL DAN FUZZY TIME SERIES UNTUK MEMPREDIKSI

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.

Lebih terperinci

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag

Lebih terperinci

Bab III Metoda Taguchi

Bab III Metoda Taguchi Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.

Lebih terperinci

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

Kata Kunci : Forecasting, Program Perhitungan, Simple Moving Averages, Weighted Moving Averages, Mean Absolute Deviation, Mean Square Error

Kata Kunci : Forecasting, Program Perhitungan, Simple Moving Averages, Weighted Moving Averages, Mean Absolute Deviation, Mean Square Error PREDIKSI PEMINATAN PROGRAM KEAHLIAN CALON SISWA BARU DENGAN METODE SIMPLE MOVING AVERAGES DAN WEIGHTED MOVING AVERAGES (Studi Kasus : SMK TEXMACO SEMARANG) Isa Raa Machilikha Putera Sistem Iformasi, Fakultas

Lebih terperinci

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014. BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Lokasi da objek peelitia Lokasi peelitia dalam skripsi ii adalah area Kecamata Pademaga, alasa dalam pemiliha lokasi ii karea peulis bertempat tiggal di lokasi tersebut sehigga

Lebih terperinci

Definisi Integral Tentu

Definisi Integral Tentu Defiisi Itegral Tetu Bila kita megedarai kedaraa bermotor (sepeda motor atau mobil) selama 4 jam dega kecepata 50 km / jam, berapa jarak yag ditempuh? Tetu saja jawabya sagat mudah yaitu 50 x 4 = 200 km.

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.

Lebih terperinci

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi

Lebih terperinci

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian 19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag

Lebih terperinci

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

PETA KONSEP RETURN dan RISIKO PORTOFOLIO PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI

Lebih terperinci

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi 6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0

Lebih terperinci

BAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat

BAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat BAB III METODOLOGI PENELITIAN 3.1. Jeis da Sumber Data Jeis peelitia yag aka diguaka oleh peeliti adalah jeis peelitia Deskriptif. Dimaa jeis peelitia deskriptif adalah metode yag diguaka utuk memperoleh

Lebih terperinci

BAB II TINJAUAN LITERATUR. Pengendalian persediaan dapat dilakukan dalam berbagai cara, antara lain dengan

BAB II TINJAUAN LITERATUR. Pengendalian persediaan dapat dilakukan dalam berbagai cara, antara lain dengan BAB II TINJAUAN LITERATUR 2.1. Klasifikasi ABC Dalam Persediaa Pegedalia persediaa dapat dilakuka dalam berbagai cara, atara lai dega megguaka aalisis ilai persediaa. Dalam aalisis ii, persediaa dibedajka

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan penelitian tindakan kelas yang dilaksanakan pada siswa

III. METODE PENELITIAN. Penelitian ini merupakan penelitian tindakan kelas yang dilaksanakan pada siswa III. METODE PENELITIAN A. Settig Peelitia Peelitia ii merupaka peelitia tidaka kelas yag dilaksaaka pada siswa kelas VIIIB SMP Muhammadiyah 1 Sidomulyo Kabupate Lampug Selata semester geap tahu pelajara

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28 5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.

Lebih terperinci

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD) Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu

Lebih terperinci

Model Trend untuk Peramalan Jumlah Penduduk Studi kasus pada Pertumbuhan Penduduk Kabupaten Gowa

Model Trend untuk Peramalan Jumlah Penduduk Studi kasus pada Pertumbuhan Penduduk Kabupaten Gowa JTRISTE, Vol., No., Oktober 015, pp. 46~5 ISSN: 355-3677 Model Tred utuk Peramala Jumlah Peduduk Studi kasus pada Pertumbuha Peduduk Kabupate Gowa Sistem Iformasi, STMIK Kharisma Makassar rahmawati@kharisma.ac.id

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag

Lebih terperinci

PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI

PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Halama Tulisa Jural (Judul da Abstraksi) Jural Paradigma Ekoomika Vol.1, No.5 April 2012 PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Oleh : Imelia.,SE.MSi Dose Jurusa Ilmu Ekoomi da Studi Pembagua,

Lebih terperinci

MODUL 3 PERAMALAN. Halaman 3

MODUL 3 PERAMALAN. Halaman 3 MODUL 3 PERAMALAN 1. Deskripsi Peramala merupaka tahapa awal dari keseluruha perecaaa produksi. Adaya ketidak pastia dari permitaa kosume di masa yag aka datag meyebabka aktivitas peramala ii sagat dibutuhka

Lebih terperinci

PERANCANGAN DAN PEMBUATAN APLIKASI DECISION SUPPORT SYSTEM (DSS) UNTUK PREDIKSI PERMINTAAN KEBUTUHAN BERAS SECARA MULTIUSER

PERANCANGAN DAN PEMBUATAN APLIKASI DECISION SUPPORT SYSTEM (DSS) UNTUK PREDIKSI PERMINTAAN KEBUTUHAN BERAS SECARA MULTIUSER ISSN : 2338-4018 PERANCANGAN DAN PEMBUATAN APLIKASI DECISION SUPPORT SYSTEM (DSS) UNTUK PREDIKSI PERMINTAAN KEBUTUHAN BERAS SECARA MULTIUSER Agik Damai Istato (agik_damai@yahoo.co.id) Muhammad Hasbi (mhasbi@sius.ac.id)

Lebih terperinci

Inflasi dan Indeks Harga I

Inflasi dan Indeks Harga I PERTEMUAN 1 Iflasi da Ideks Harga I 1 1 TEORI RINGKAS A Pegertia Agka Ideks Agka ideks merupaka suatu kosep yag dapat memberika gambara tetag perubaha-perubaha variabel dari suatu priode ke periode berikutya

Lebih terperinci

BAB IV ANALISIS DATA PENELITIAN. Data yang digunakan untuk mengevaluasi Gardu Induk Bandar Sribhawono

BAB IV ANALISIS DATA PENELITIAN. Data yang digunakan untuk mengevaluasi Gardu Induk Bandar Sribhawono 38 BAB IV ANALISIS DATA PENELITIAN.1 Data Peelitia Data yag diguaka utuk megevaluasi Gardu Iduk Badar Sribhawoo 8 tahu medatag adalah data pemakaia eergi listrik tahu 2013 sampai 2016 pada trasformator

Lebih terperinci

BAB II MAKALAH. : Seminar Nasional Sains dan Pendidikan Sains VIII UKSW. : Prosiding Seminar Nasional Matematika VIII UKSW 15 Juni

BAB II MAKALAH. : Seminar Nasional Sains dan Pendidikan Sains VIII UKSW. : Prosiding Seminar Nasional Matematika VIII UKSW 15 Juni BAB II MAKALAH Makalah I. Judul Dipresetasika : Liear Goal Programmig utuk Optimasi Perecaaa si : Semiar Nasioal Sais da Pedidika Sais VIII UKSW 201 yag diseleggaraka oleh Fakultas Sais da Matematika UKSW

Lebih terperinci

METODE PENELITIAN. Ajaran dengan jumlah siswa 40 orang yang terdiri dari 19 siswa lakilaki

METODE PENELITIAN. Ajaran dengan jumlah siswa 40 orang yang terdiri dari 19 siswa lakilaki 18 III. METODE PENELITIAN A. Subyek da Tempat Peelitia Subjek peelitia adalah siswa kelas X2 SMA Budaya Badar Lampug Tahu Ajara 2010-2011 dega jumlah siswa 40 orag yag terdiri dari 19 siswa lakilaki da

Lebih terperinci

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika Prosidig Semirata FMIPA Uiversitas Lampug, 0 Model Pertumbuha BeefitAsurasi Jiwa Berjagka Megguaka Deret Matematika Edag Sri Kresawati Jurusa Matematika FMIPA Uiversitas Sriwijaya edagsrikresawati@yahoocoid

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa 54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah

Lebih terperinci

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus -Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.

Lebih terperinci

PERANCANGAN APLIKASI PERAMALAN PERMINTAAN KEBUTUHAN TENAGA KERJA PADA PERUSAHAAN OUTSOURCING MENGGUNAKAN ALGORITMA SIMPLE MOVING AVERAGE

PERANCANGAN APLIKASI PERAMALAN PERMINTAAN KEBUTUHAN TENAGA KERJA PADA PERUSAHAAN OUTSOURCING MENGGUNAKAN ALGORITMA SIMPLE MOVING AVERAGE Jural TIMES, Vol. V No : 1-5, 016 ISSN : 337 3601 PERANCANGAN APLIKASI PERAMALAN PERMINTAAN KEBUTUHAN TENAGA KERJA PADA PERUSAHAAN OUTSOURCING MENGGUNAKAN ALGORITMA SIMPLE MOVING AVERAGE Hari Utari 1,

Lebih terperinci

BAB II TINJAUAN TEORITIS

BAB II TINJAUAN TEORITIS BAB II TINJAUAN TEORITIS.1 Pegertia-pegertia Lapaga pekerjaa adalah bidag kegiata dari pekerjaa/usaha/ perusahaa/kator dimaa seseorag bekerja. Pekerjaa utama adalah jika seseorag haya mempuyai satu pekerjaa

Lebih terperinci

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu

Lebih terperinci

III METODE PENELITIAN

III METODE PENELITIAN 28 III METODE PENELITIAN 3.1 Tempat da Waktu Peelitia Peelitia ii dilaksaaka di Giat, Botai Square, Bogor, Jawa Barat. Peelitia dilaksaaka pada bula Februari higga bula Maret tahu 2010. 3.2 Pegumpula Data

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Perecaaa Produksi 2.1.1 Pegertia Perecaaa Produksi Perecaaa produksi dapat diartika sebagai proses peetua sumber-sumber yag diperluka utuk melaksaaka operasi maufaktur da megalokasikaya

Lebih terperinci

MATEMATIKA BISNIS. OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM

MATEMATIKA BISNIS. OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM MATEMATIKA BISNIS OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM BAB BARISAN DAN DERET A. BARISAN Barisa bilaga adalah susua bilaga yag diurutka meurut atura tertetu.betuk umum barisa bilaga a,

Lebih terperinci

BAB 2 LANDASAN TEORI. Statistika merupakan salah satu cabang penegtahuan yang paling banyak mendapatkan

BAB 2 LANDASAN TEORI. Statistika merupakan salah satu cabang penegtahuan yang paling banyak mendapatkan BAB LANDASAN TEORI. Pegertia Regresi Statistika merupaka salah satu cabag peegtahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hamper semua bidag ilmu peegtahua, terutama para peeliti

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah: BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para

Lebih terperinci

APLIKASI PERAMALAN PENJUALAN MENGGUNAKAN METODE REGRESI LINIER

APLIKASI PERAMALAN PENJUALAN MENGGUNAKAN METODE REGRESI LINIER APLIKASI PERAMALAN PENJUALAN MENGGUNAKAN METODE REGRESI LINIER Rival Zuaidhi, Wahyu S. J. Saputra da Ni Ketut Sari Jurusa Tekik Iformatika, Fakultas Tekologi Iformasi, UPN Vetera Jawa Timur Email: rivalavista@yahoo.com

Lebih terperinci

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011 III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur 0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Saham Saham adalah surat berharga yag dapat dibeli atau dijual oleh peroraga atau lembaga di pasar tempat surat tersebut diperjualbelika. Sebagai istrumet ivestasi, saham memiliki

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3.1 Disai Peelitia Tujua Jeis Peelitia Uit Aalisis Time Horiso T-1 Assosiatif survey Orgaisasi Logitudial T-2 Assosiatif survey Orgaisasi Logitudial T-3 Assosiatif survey Orgaisasi

Lebih terperinci

Penggunaan Metode Deseasonalized untuk Meramalkan Jumlah Pengunjung Objek Wisata Danau Ranau, Sumatera Selatan

Penggunaan Metode Deseasonalized untuk Meramalkan Jumlah Pengunjung Objek Wisata Danau Ranau, Sumatera Selatan Jural Peelitia Sais Volume 16 Nomor 3 Oktober 013 Pegguaa Metode Deseasoalized utuk Meramalka Jumlah Pegujug Objek Wisata Daau Raau, Sumatera Selata Robiso Sitepu, Putra B.J. Bagu, da M. Haris Suryasah

Lebih terperinci

ANALISIS PERAMALAN PENJUALAN USAHA ARDYLA BAKERY DI MUARA BULIAN Muryati 1

ANALISIS PERAMALAN PENJUALAN USAHA ARDYLA BAKERY DI MUARA BULIAN Muryati 1 Jural Ilmiah Uiversitas Bataghari Jambi Vol.17 No.2 Tahu 2017 ANALISIS PERAMALAN PENJUALAN USAHA ARDYLA BAKERY DI MUARA BULIAN Muryati 1 Abstract The role of forecastig was very importat for a compay to

Lebih terperinci

BAB II LANDASAN TEORI. kesalahan ramalan (forecast error) yang berbeda pula. Salah satu seni dalam

BAB II LANDASAN TEORI. kesalahan ramalan (forecast error) yang berbeda pula. Salah satu seni dalam BAB II LANDASAN TEORI 2.1 Tekik Peramala Peramala (forecastig) merupaka alat batu yag petig dalam perecaaa yag efektif da efisie. Dalam sistem peramala, pegguaa berbagai model peramala aka memberika ilai

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi

Lebih 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 Adi Suwadi 1, Aisa 2, Adi Kresa Jaya 3 JurusaMatematika FMIPA UiversitasHasauddi Makassar 90245 ABSTRAK Dalam time series

Lebih terperinci

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas.

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas. 4 D E R E T Kosep deret merupaka kosep matematika yag cukup populer da aplikatif khusuya dalam kasus-kasus yag meyagkut perkembaga da pertumbuha suatu gejala tertetu. Apabila perkembaga atau pertumbuha

Lebih terperinci

APLIKASI PERAMALAN PENJUALAN OBAT MENGGUNAKAN METODE PEMULUSAN (STUDI KASUS: INSTALASI FARMASI RSUD DR MURJANI)

APLIKASI PERAMALAN PENJUALAN OBAT MENGGUNAKAN METODE PEMULUSAN (STUDI KASUS: INSTALASI FARMASI RSUD DR MURJANI) APLIKASI PERAMALAN PENJUALAN OBAT MENGGUNAKAN METODE PEMULUSAN (STUDI KASUS: INSTALASI FARMASI RSUD DR MURJANI) Slamet Riyadi Fakultas Ilmu Komputer Uiversitas Darwa Ali Jl Batu Berlia No. 0 Sampit, Kalimata

Lebih terperinci

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da

Lebih terperinci

BAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian

BAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian BAB II METODOLOGI PEELITIA 2.1. Betuk Peelitia Betuk peelitia dapat megacu pada peelitia kuatitatif atau kualitatif. Keragka acua dalam peelitia ii adalah metode peelitia kuatitatif yag aka megguaka baik

Lebih terperinci

METODE PENELITIAN. Subyek dalam penelitian ini adalah siswa kelas XI IPA 1 SMA Wijaya Bandar

METODE PENELITIAN. Subyek dalam penelitian ini adalah siswa kelas XI IPA 1 SMA Wijaya Bandar III. METODE PENELITIAN A. Settig Peelitia Subyek dalam peelitia ii adalah siswa kelas XI IPA 1 SMA Wijaya Badar Lampug, semester gajil Tahu Pelajara 2009-2010, yag berjumlah 19 orag terdiri dari 10 siswa

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1.Tempat da Waktu Peelitia ii dilakuka di ligkuga Kampus Aggrek da Kampus Syahda Uiversitas Bia Nusatara Program Strata Satu Reguler. Da peelitia dilaksaaka pada semester

Lebih terperinci

MATERI 13 ANALISIS TEKNIKAL ANALISIS TEKNIKAL

MATERI 13 ANALISIS TEKNIKAL ANALISIS TEKNIKAL MATERI 13 ANALISIS TEKNIKAL ASUMSI-ASUMSI DASAR ANALISIS TEKNIKAL KEUNTUNGAN DAN KRITIK TERHADAP ANALISIS TEKNIKAL TEKNIK-TEKNIK DALAM ANALISIS TEKNIKAL - The Dow Theory - Chart Pola Pergeraka Harga Saham

Lebih terperinci

III. METODELOGI PENELITIAN

III. METODELOGI PENELITIAN III. METODELOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika, meurut Arikuto (998:73)

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH 89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN 16 III. METODOLOGI PENELITIAN 3.1. Keragka Pemikira Peelitia Perkembaga zama yag meutut setiap idividu baik dari segi kemampua maupu peampila. Boss Parfum yag bergerak di bidag isi ulag miyak wagi didirika

Lebih terperinci

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Data permitaa Dalam meramalka permitaa produk lever cable utuk kebutuha PT. Kyoda Mas Mulia sediri. data yag diambil utuk perhituga peramala permitaa yaitu dega

Lebih terperinci

IV METODE PENELITIAN

IV METODE PENELITIAN IV METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di PT. Bak Bukopi, Tbk Cabag Karawag yag berlokasi pada Jala Ahmad Yai No.92 Kabupate Karawag, Jawa Barat da Kabupate Purwakarta

Lebih terperinci

III BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25

III BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25 18 III BAHAN DAN METODE PENELITIAN 3.1 Baha Peelitia 3.1.1 Objek Peelitia Terak yag diguaka dalam peelitia ii adalah kuda berjumlah 25 ekor terdiri dari 5 jata da 20 betia dega umur berkisar atara 10 15

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Kegiata peelitia ii dilaksaaka pada bula Mei 2011 bertempat di Dusu Nusa Bakti, Kecamata Serawai da Dusu Natai Buga, Kecamata Melawi yag merupaka

Lebih terperinci

PERANCANGAN SISTEM INFORMASI PREDIKSI PEMESANAN STOK ALAT- ALAT MUSIK PADA CV GRAHA MUSIC & LIGHTING

PERANCANGAN SISTEM INFORMASI PREDIKSI PEMESANAN STOK ALAT- ALAT MUSIK PADA CV GRAHA MUSIC & LIGHTING PERANCANGAN SISTEM INFORMASI PREDIKSI PEMESANAN STOK ALAT- ALAT MUSIK PADA CV GRAHA MUSIC & LIGHTING Moch Arifi 1, Rizal Cahya Pratama 1 Sekolah Tiggi Maajeme Iformatika Da Tekik Komputer Surabaya Jl.

Lebih terperinci

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah. BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder

Lebih terperinci

Makalah ANALISIS REGRESI DAN REGRESI GANDA

Makalah ANALISIS REGRESI DAN REGRESI GANDA 1 Makalah ANALISIS REGRESI DAN REGRESI GANDA Disusu oleh : 1. Rudii mulya ( 41610010035 ). Falle jatu awar try ( 41610010036 ) 3. Novia ( 41610010034 ) Tekik Idustri Uiversitas Mercu Buaa Jakarta 010 Rudii

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara

Lebih terperinci

Bab 3 Metode Interpolasi

Bab 3 Metode Interpolasi Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui

Lebih terperinci

PENENTUAN JUMLAH PERENCANAAN PERMINTAAN PELUMAS UNTUK MEMINIMASI TINGKAT KESALAHAN PERAMALAN BERDASARKAN PERAMALAN PERMINTAAN PELUMAS PADA PT.

PENENTUAN JUMLAH PERENCANAAN PERMINTAAN PELUMAS UNTUK MEMINIMASI TINGKAT KESALAHAN PERAMALAN BERDASARKAN PERAMALAN PERMINTAAN PELUMAS PADA PT. PENENTUAN JUMLAH PERENCANAAN PERMINTAAN PELUMAS UNTUK MEMINIMASI TINGKAT KESALAHAN PERAMALAN BERDASARKAN PERAMALAN PERMINTAAN PELUMAS PADA PT. NYZ DETERMINATION OF THE AMOUNT OF LUBRICANT DEMAND PLANNING

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Subjek Peelitia Peelitia ii dilaksaaka di kawasa huta magrove, yag berada pada muara sugai Opak di Dusu Baros, Kecamata Kretek, Kabupate Batul. Populasi dalam peelitia ii adalah

Lebih terperinci

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,

Lebih terperinci

PEMILIHAN TEKNIK PERAMALAN DAN PENENTUAN KESALAHAN PERAMALAN

PEMILIHAN TEKNIK PERAMALAN DAN PENENTUAN KESALAHAN PERAMALAN PEMILIHAN TEKNIK PERAMALAN DAN PENENTUAN KESALAHAN PERAMALAN A. Tekik-tekik Peramala Faktor utama yag mempegaruhi pemiliha tekik peramala adalah idetifikasi da megetahui pola dari data. Beberapa tekik

Lebih terperinci