PREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED
|
|
- Devi Tanudjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED Wahyuda 1, Budi Sanosa 2, Nani Kurniai 3 1 Teknik Indusri Universias Mulawarman-Samarinda 2,3 Pascasarjana Teknik Indusri- ITS, Kampus ITS 1 Wahyuda@gmail.com, 2 budi_s@ie.is.ac.id, 3 nanikur@ie.is.ac.id ABSTRAK Penyediaan beban lisrik yang cepa dan epa menjadi masalah yang pening. Beban lisrik yang sudah diproduksi dan idak erpakai akan erbuang karena idak bisa disimpan (erjadi Dump Power), Sedangkan bila energy yang disediakan berada di bawah beban yang dimina akiba peramalan yang idak akura maka akan erjadi pemadaman bergilir ( Energy No Served). Unuk memenuhi kebuuhan lisrik pada periode selanjunya harus sudah disediakan dari sekarang, maka dari iu dibuuhkan peramalan. Salah sau meode peramalan yang erkenal di daa mining adalah Suppor Vecor Regression (SVR), eapi unuk kasus ini dimana daanya berukuran besar, SVR erbuki membuuhkan waku proses yang lama dan membuuhkan memori yang besar unuk menghasilkan mariks kernelnya. Oleh karena iu kemudian digunakan Meode Kernel Ridge Regression, dimana dihasilkan pembelajaran yang lebih cepa dan hasil yang juga akura. Pada kasus Prediksi Beban Lisrik ini dilakukan selama 48 periode ke depan aau selama 2 hari, hasilnya menunjukkan bahwa Peramalan dengan ARIMA akan menghasilkan MSE erkecil akan eapi bila menggunakan perimbangan Dump Power dan juga Energy No Served, maka akan lebih bermanfaa bila menggunakan Kernel Ridge Regression Kaa kunci : Kernel Ridge Regression, Peramalan, Daamining, Arima, Time Series, Beban Lisrik PENDAHULUAN Beban Lisrik yang harus disediakan selalu berubah-ubah. Perbedaan hari, perbedaan jam, libur hari raya, cui bersama merupakan sediki dianara banyak fakor yang bisa saja mempengaruhi pola konsumsi. Pemenuhan perminaan bisa berlangsung lancar dengan keenuan bahwa jumlah energi yang ersedia aau disebu dengan beban lisrik lebih besar dari keseluruhan kebuuhan yang harus disalurkan. Kebuuhan lisrik pelanggan yang berflukuasi seiap waku menyebabkan beban lisrik yang erdisribusikan ke pelanggan juga berubahubah. Unuk memenuhi seluruh kebuuhan lisrik pada periode selanjunya, uni pembangki harus sudah menyiapkan energi dari sekarang, jadi dalam hal ini harus dilakukan peramalan unuk memprediksi berapa beban yang harus disediakan oleh pembangki pada sau periode selanjunya. Bila nilai peramalan unuk beban lisrik ernyaa jauh di aas dari kebuuhan maka beban yang idak erserap akan erbuang karena lisrik yang sudah diproduksi idak bisa disimpan hal ini disebu dengan DUMP POWER, sedangkan bila nilai peramalan jauh di bawah kebuuhan yang sebenarnya maka enu saja PLN idak akan mampu memenuhi kebuuhan lisrik pelanggannya sehingga akan mengakibakan berbagai dampak seperi pemadaman bergilir,
2 berheninya proses produksi, erganggunya pelayanan publik dan masih banyak lagi, ini disebu ENERGY NOT SERVED. Kedua dampak ersebu harus diperimbangkan sebagai sau kesauan bila diinginkan efisiensi biaya dan sekaligus kepuasan pelanggan. Salah sau meode peramalan adalah ARIMA Box-Jenkins. Meode ini digunakan oleh Chen, Wang dan Huang (1995) unuk meramalkan beban lisrik jangka pendek berjangka waku harian.meode Fuzzy juga digunakan sebagai peramalan kebuuhan lisrik jangka menengah (bulanan) di Iran (Azad eh dkk, 2008). Meode lain adalah meode kecerdasan buaan, dianaranya adalah Arificial Neural Nework yang pernah digunakan oleh Hsu dan Chen (2003) unuk meramalkan beban lisrik regional di Taiwan. Vapnik (1995) memperkenalkan meode baru yaiu Suppo r Vecor Machine (SVM) yang berkembang menjadi Suppor Vecor Regression (SVR). Wei Chiang Hong (2008) menggunakan model Suppor Vecor unuk memodelkan peramalan beban lisrik unuk jangka panjang (ahunan). Meode lain yang bisa digunakan adalah Kernel Ridge Regression (Chrisianini,2005), yang merupakan pengembangan dari Ridge Regression unuk kasus linear. Meode ini sanga sederhana dengan waku kompuasi yang cepa dan memori yang dibuuhkan idak sebesar pada SVR. Sebagai sudi kasus akan digunakan daa beban energi pada sisem Jawa Timur. METODOLOGI Gambar 1 Langkah-Langkah dalam Melakukan Peneliian Yang menjadi variable peneliian adalah jumlah beban lisirk yang disediakan oleh PLN seiap jamnya, dengan sample adalah daa realisasi beban lisrik wilayah Jawa Timur periode 1 Mei 2008 pukul WIB s/d 31 Desember 2008 pukul.00 WIB. Sebagai daa raining adalah daa realisasi beban lisrik Jawa Timur periode 1 Mei 2008 sampai dengan 30 November Sedangkan daa esing adalah realisasi beban lisrik Jawa Timur periode Desember KRR menggunakan dua parameer yang belum dikeahui nilainya dan diambah lagi pada kasus ini melibakan ribuan daa. Dengan dua macam kondisi ersebu arinya erdapa ribuan kombinasi yang mungkin. Daa raining dan esing naninya akan dikelompokkan ke dalam beberapa macam noasi yang disesuaikan dengan kondisi peramalan. Noasi ersebu adalah sebagai beriku : KRR A : ime series selama jam dari anggal 1 Mei s/d 30 November 2008 dan peramalannya menggunakan pembanding anggal 1 s/d 2 Desember A-18-2
3 KRR B : sama dengan KRR A, hanya perbedaannya adalah KRR B merupakan hasil peramalan dengan KRR yang idak erpilih sebagai meode erbaik diliha dari MSE, MAD dan MAPE akan eapi pola hasil peramalannya lebih mengikui kondisi sebenarnya dibanding pola daa yang dihasilkan oleh KRR A KRR C : wakunya dari pukul s/d WIB KRR D : wakunya dari pukul s/d.00 WIB ARIMA : Peramalan dengan periode waku jam dalam sehari ARIMA 1 : Hasil Peramalan dengan ARIMA dari pukul s/d WIB ARIMA 2 : Hasil Peramalan ARIMA dari pukul s/d.00 WIB HASIL DAN PEMBAHASAN Pada peneliian ini dilakukan peramalan dengan menggunakan empa jenis lambda yaiu 0.1, 0.5, 1 dan 5, dengan parameer kernelnya masing-masing. Disini dilakukan cara coba-coba unuk mendapakan kombinasi lamda dan parameer kernel yang paling mendekai kondisi nyaanya. Sebagai indikasi bahwa model elah sesuai adalah dengan ukuran MSE erkecil. Hasil dari kesemua proses unuk ini dapa diliha pada abel beriku : Tabel 1 : MSE berbagai kombinasi Lamda Par Bias MSE 4, ,040 3, ,970 2, ,470 1, , Realisasi KRR Gambar 2: Plo hasil peramalan 48 periode KRR Polinomial (0.5, 1) dengan MSE erkecil Kombinasi erbaik adalah keika menggunakan lamda 0.5 dan parameer kernel polinomial 1 (disebu sebagai KRR A), dengan MSE sebesar didapakan plo peramalan unuk 48 periode seperi pada gambar 2. ARIMA Seelah melakukan ahapan proses Box-Jenkins, maka akhirnya didapa bahwa model peramalan beban lisrik yang erbenuk adalah ARIMA (0,1,1),(0,1,1). Model regresi dengan ARIMA unuk beban lisrik adalah moving average dan juga mengandung musiman. Kalau model yang didapa adalah ARIMA (0,1,1)(0,1,1) berari model shif mundurnya adalah (1 B )(1 B ) X (1 1B)(1 1B ) e (1) (1-B) merupakan pembedaan perama yang idak musiman (nonseasonal) (1-B ) Pembedaan perama yang musiman (seasonal) ( 1 1B) merupakan Moving Average (MA 1) yang idak musiman (1 B 1 ) merupakan Moving Average (MA 1) yang musiman A-18-3
4 Dalam kasus beban lisrik ini, yang erliba ada dua macam model, yaiu moving average yang idak mengandung unsur musiman (nonseasonal moving average) dan moving average yang mengandung unsur musiman (seasonal moving average), oleh karenanya pembenukan model peramalannya juga melibakan dua hal ersebu seperi rumus (1). Unuk dapa menggunakannya dalam peramalan maka rumus diaas harus diubah ke dalam angka dan konsana yang ada, sehingga seperi beriku : (1 B )(1 B ) X (1 B)(1 B ) 1 1 e 25 (1 B B B ) X (1 B B B ) e X B B B (1 B B B ) e X X X X e e e e Jadi, persamaan modelnya adalah : X X X X e.2751 e e (0.37) 1e 25 Peramalan Menggunakan KRR dengan Pengelompokan Daa Karena realisasi beban lisrik pagi, siang sore dan malam hari menunjukkan pola yang berbeda, maka akan dicoba diliha dampak pembagian waku ini erhadap pola peramalan. Daa akan dibagi dua, yaiu beban lisrik pagi (KRR C) dan beban sore (KRR B), seelah melakukan uji coba dengan berbagai lamda dan parameer kernel maka didapa hasil sebagai beriku : Tabel 2 : Performansi unuk KRR A, C dan D KRR A KRR C KRR D Lamda Parameer Bias MSE MAD MAPE , , , Disini jelas erliha dengan hanya membagi daa beban lisrik menjadi dua, kinerja peramalan menjadi meningka sekiar 9 s/d 12 persen. Dan hasil ramalan juga lebih menggambarkan kondisi yang sebenarnya. KRR dibandingkan dengan ARIMA Bila oupu KRR A dibandingkan dengan KRR B menggunakan parameer pembanding MSE, MAD dan MAPE erkecil maka anara ARIMA, KRR B dan KRR A dapa dibandingkan seperi beriku : KRR A ARIMA Realisasi KRR B Gambar 3: Plo daa peramalan selama 48 periode anara Realisasi, ARIMA, KRR A dan KRR B A-18-4
5 Plo-plo peramalan di aas dilakukan dengan daa raining secara keseluruhan dengan daa yang masih sanga berflukuasi, eruama anara iik erendah di pagi hari dan iik eringgi di malam hari. Oleh karena iu bila kemudian daa diperkecil deviasinya dengan membagi daa padi dan malam, daa peramalan akan menunjukkan kinerja yang lebih baik. Dalam hal perbandingan lebih rinci anara oupu ARIMA (ARIMA 1) dan oupu ramalan KRR C maka akan didapa perbandingan sebagai beriku : Gambar 4 : Plo daa peramalan beban lisrik pagi hari anara Realisasi, ARIMA1 dan KRR C Kemudian bila perbandingan dilanjukan dengan oupu unuk ARIMA2 dan oupu KRR D maka akan didapa perbandingan sebagai beriku : KRR C ARIMA 1 Realisasi Pagi KRR D ARIMA 2 Realisasi Gambar 5: Plo daa peramalan beban lisrik malam hari anara Realisasi, ARIMA2 dan KRR C Analisa Dump Power dan Energy No Served Dump Power maksudnya adalah Energy lisrik aau dalam hal ini beban lisrik yang erbuang. Terbuang karena energy lisrik idak bisa disimpan. Dump Power erjadi keika Nilai peramalan lebih besar dari Realisasi sebenarnya. Energy No Served adalah kebalikan dari Dump Power, dimana nilai peramalan lebih kecil dari realisasi beban lisrik, sehingga kebuuhan lisrik idak bisa dipenuhi oleh PLN, yang berakiba pada pemadaman bergilir. Kedua hal ersebu sama-sama idak diinginkan oleh PLN, karena baik Dump Power maupun Energy No Served sama-sama merugikan. Peneliian ini idak mendapakan daa mengenai besarnya kerugian bila erjadi kedua kasus ersebu, dan unuk kepeningan peneliian seiap keidak sesuaian akan diberi biaya Selanjunya unuk keperluan analisa disini adalah bahwa akan diberikan konsana erhadap biaya yang erjadi. Bila erjadi Dump Power maka akan diberi sau sauan biaya, sedangkan bila erjadi energy no served maka akan dibobo dua kali Dump Power. Dengan asumsi ersebu maka diadakan analisis erhadap meode peramalan A-18-5
6 yang dihasilkan. Karena parameer MSE, MAD dan juga MAPE idak menggambarkan kondisi yang sebenarnya. Konsekuensi Biaya Bila yang Digunakan adalah KRR A, KRR B dan ARIMA Bila menggunakan hasil peramalan dengan meode ini, plonya akan erliha seperi pada gambar Perhiungan lengkapnya dapa diliha pada lampiran 20, dengan resume hasil sebagai beriku : Tabel 3. Toal cos unuk peramalan KRR A ARIMA KRR B Bobo Biaya Toal Cos Hasil yang diunjukkan abel 4.15 memperlihakan bahwa meode peramalan yang erbaik berdasarkan MSE belum enu baik juga bila digunakan parameer yang lainnya. Terganung ujuan dan kepeningan digunakannya meode peramalan ersebu. Peramalan KRR yang mempunyai MSE jauh lebih besar dari ARIMA jusru memiliki nilai yang erbaik bila diinjau dari kemungkinan erjadinya Dump Power aaupun Energy Nor Served. Hasil peramalan dengan KRR hanya menimbulkan konsekuensi biaya sebesar 74 sauan biaya bila dibandingkan dengan KRR diolak dan juga ARIMA yang masing-masing menyebabkan konsekuensi biaya sebesar 91 dan 92. KRR akan mengakibakan erjadi 22 kali Dump Power dan kali Energy No Served. Konsekuensi Biaya Bila Menggunakan Pengelompokan Daa Disini daa dibagi menjadi dua, sehingga ramalan juga dibagi menjadi dua, yaiu hasil peramalan menggunakan KRR C dan ARIMA1. Rincian biaya hasil peramalan KRR C diunjukkan pada lampiran 21, sedangkan resumenya dapa diliha sebagai beriku : Tabel 4. Toal Cos unuk Peramalan Beban Lisrik Pagi KRR C ARIMA1 Bobo Biaya Toal Cos Hasil peramalan beban lisrik dengan KRR C diplo pada gambar 4.34, sedangkan perhiungan konsekuensi biayanya erdapa pada lampiran 22. Sama dengan hasil peramalan dengan KRR A, B dan ARIMA, maka pada kasus pengelompokan daa juga dihasilkan peramalan dengan konsekuensi biaya yang lebih kecil dibandingkan dengan ARIMA1, walau awalnya dengan ukuran MSE idak akan dierima. Sedangkan unuk hasil ramalan malam hari dapa diunjukkan pada lampiran, resumenya adalah sebagai beriku : Tabel 5. Toal Cos unuk Peramalan Beban Lisrik Malam KRR D ARIMA 2 Bobo biaya Toal Cos Hasil peramalan Beban Lisrik di malam hari juga menunjukkan bahwa KRR eap lebih baik dari ARIMA. KESIMPULAN 1. Simulasi yang dilakukan erhadap Kernel Ridge Regression berujuan unuk mencari hasil peramalan dengan Mean Square Error erkecil. Dan hasilnya menyaakan bahwa KRR erbaik keika menggunakan Lamda 0.5 dan Parameer Kernel 1 A-18-6
7 Lamda Parameer Bias MSE MAD MAPE , , , , Hasil KRR dengan daa yang dibagi menunjukkan bahwa ukuran MSE bisa diperkecil, hasilnya sebagai beriku : KRR A KRR C KRR D Lamda Parameer Bias MSE MAD MAPE , , , Model ARIMA yang sesuai unuk beban lisrik Jawa Timur adalah ARIMA (0,1,1)(0,1,1). Dengan model peramalan yang elah diuraikan sebagai beriku : X X 1 X X 25 e e e (0.37) 1e Peramalan beban lisrik yang dihasilkan unuk periode waku 2x jam membukikan bahwa ARIMA meode yang lebih baik dari Kernel Ridge Regression dengan perimbangan Mean Square Error, Mean Absolue Deviaion dan Mean Absolue Percenage Error. 5. Bila yang menjadi pengukur adalah resiko biaya erjadinya Dump Power dan Energy No Served, dimana diasumsikan bahwa Energy No Served akan dibobo dua kali bobo Dump Power, maka hasil peramalan yang erbaik adalah keika menggunakan Kernel Ridge Regression. Seperi erliha pada abel beriku : KRR A ARIMA KRR B KRR C ARIMA1 KRR D ARIMA2 Bobo Biaya Toal Cos Peramalan dengan Meode Kernel Ridge Regression bisa diingkakan kinerjanya berdasarkan MSE dengan memperimbangkan pola daa yang erjadi. 7. Peramalan Beban Lisrik unuk PLN bisa diingkakan keakuraannya dengan membua peramalan berdasarkan pembagian jam, hari dan sebagainya. DAFTAR PUSTAKA Andrias, (2005)., Usulan Penggunaan meode Fuzzy Arificial Neural Nework unuk peramalan kebuuhan lisrik, Tesis Teknik Indusri ITS, Surabaya Azadeh, A., Saberi, M.,. Ghaderi, S.F., Giiforouz, A., and Ebrahimipour, V., (2008), Improved esimaion of elecriciy demand funcion by inegraion of fuzzy sysem and daa mining approach, journal of Energy Conversion and Managemen 49 : Bowerman, B.L., O Connel, R.T., and Koehler, A.B., (2005), Forecasing,Time Series, and Regression fourh ediion, Thompson, America Chen JF, Wang WM, Huang CM.,(1995), Analysis of an adapive ime-series auoregressive moving-average (ARMA) model for shor-erm load forecasing. Elecric Pow Sys Res ;34(3): Hsu CC, Chen CY., (2003). Regional load forecasing in Taiwan: applicaions of arificial neural neworks. Energy Convers Manage ;44(12): Gunn, S,. (1998),. Suppor Vecor Mahine for Clasificaion and Regression, ISIS Technical Repor, Universiy of Souhampon A-18-7
8 Makridakis, S., Wheelwrigh, S.C., McGee, V.E., (1999), Meode dan Aplikasi Peramalan, Binarupa Aksara, Jakara. Mulyono, S., (2000), Peramalan Bisnis dan Ekonomerika, BPFE, Yogyakara Sanosa, B., (2007), Daamining Teknik Pemanfaaan Daa Unuk Keperluan Bisnis Teori dan Aplikasi, Graha Ilmu, Yogyakara. Shawe-Taylor, J. and N. Crisianini (2004). Kernel Mehods for Paern Analysis. New York, Cambridge Universiy Press. Wei-Chiang Hong, (2008), Elecric load forecasing by suppor vecor model, Journal of Applied Mahemaical Modelling A-18-8
BAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun
43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang
BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang
Lebih terperinciBAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan
BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan
Lebih terperinci*Corresponding Author:
Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion
Lebih terperinciBAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan
BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan
Lebih terperinciBAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu
BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan
BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi
Lebih terperinciProsiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PERAMALAN VOLUME PENGGUNAAN AIR BERSIH DENGAN METODE WINTERS EPONENTIAL SMOOTHING UNTUK MENENTUKAN VOLUME
Lebih terperinciBAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena
Lebih terperinciAPLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND
APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND Noeryani 1, Ely Okafiani 2, Fera Andriyani 3 1,2,3) Jurusan maemaika, Fakulas Sains Terapan, Insiu Sains & Teknologi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
11 BAB I PENDAHULUAN 1.1 Laar Belakang Salah sau masalah analisis persediaan adalah kesulian dalam menenukan reorder poin (iik pemesanan kembali). Reorder poin diperlukan unuk mencegah erjadinya kehabisan
Lebih terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH
BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Tahapan Pemecahan Masalah Tahapan pemecahan masalah berfungsi unuk memudahkan dalam mencari jawaban dalam proses peneliian yang dilakukan agar sesuai dengan arah
Lebih terperinciPerbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X
JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa
Lebih terperinciBAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel
BAB III ANALISIS INTERVENSI 3.1. Pendahuluan Analisis inervensi dimaksudkan unuk penenuan jenis respons variabel ak bebas yang akan muncul akiba perubahan pada variabel bebas. Box dan Tiao (1975) elah
Lebih terperinciJurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK
PERBANDINGAN METODE DES (DOUBLE EXPONENTIAL SMOOTHING) DENGAN TES (TRIPLE EXPONENTIAL SMOOTHING) PADA PERAMALAN PENJUALAN ROKOK (STUDI KASUS TOKO UTAMA LUMAJANG) 1 Fajar Riska Perdana (1110651142) 2 Daryano,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiaan memperkirakan apa yang akan erjadi pada masa yang akan daang. Ramalan adalah sesuau kegiaan siuasi aau kondisi yang diperkirakan akan erjadi
Lebih terperinciBAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF
BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap
Lebih terperinciBAB 2 LANDASAN TEORI. Pengangguran atau tuna karya merupakan istilah untuk orang yang tidak mau bekerja
BAB 2 LANDASAN TEORI 2.1 Pengerian Pengangguran Pengangguran aau una karya merupakan isilah unuk orang yang idak mau bekerja sama sekali, sedang mencari kerja, bekerja kurang dari dua hari selama seminggu,
Lebih terperinciBAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat
BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber
Lebih terperinci(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF
Seminar Nasional Saisika 12 November 2011 Vol 2, November 2011 (T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Gumgum Darmawan, Sri Mulyani S Saf Pengajar Jurusan Saisika FMIPA UNPAD
Lebih terperinciPENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK.
PENERAPAN METODE TRIPLE EXPONENTIAL MOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUAHAAN MEBEL INAR JEPARA TANJUNGANOM NGANJUK. ii Rukayah*), Achmad yaichu**) ABTRAK Peneliian ini berujuan unuk
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu
BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang
Lebih terperinciAPLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN. Disini tujuan akhir yang ingin dicapai penulis adalah pembuatan suatu aplikasi
BAB 5 HASIL DAN PEMBAHASAN Disini ujuan akhir yang ingin dicapai penulis adalah pembuaan suau aplikasi program yang digunakan unuk membanu perusahaan dalam menenukan jumlah produksi demand. Disini ada
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian yang dilakukan mengenai analisis perencanaan pengadaan una berdasarkan ramalan ime series volume ekspor una loin beku di PT Tridaya Eramina
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah persediaan merupakan masalah yang sanga pening dalam perusahaan. Persediaan mempunyai pengaruh besar erhadap kegiaan produksi. Masalah persediaan dapa diaasi
Lebih terperinciBAB 4 METODOLOGI PENELITIAN
BAB 4 METODOLOGI PENELITIAN 4.1. Model Rumusan Masalah dan Pengambilan Kepuusan Model rumusan masalah dan pengambilan kepuusan yang digunakan dalam menyelesaikan skripsi ini dimulai dari observasi lapangan
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 LANDASAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengerian Supply Chain Managemen Supply chain managemen merupakan pendekaan aau meode dalam memanajemen hubungan perusahaan dengan supplier dan konsumen yang erjadi pada pengendalian
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Air merupakan kebuuhan pokok bagi seiap makhluk hidup di dunia ini ermasuk manusia. Air juga merupakan komponen lingkungan hidup yang pening bagi kelangsungan hidup
Lebih terperinciPeramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk
Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk Oleh : Dwi Hapsari K (1306 100 015) Dosen Pembimbing : Dra. Karika Firiasari, M.Si 1 Pendahuluan Laar Belakang, Perumusan Masalah, Tujuan
Lebih terperinciKOMPARASI METODE PERAMALAN AUTOMATIC CLUSTERING TECHNIQUE AND FUZZY LOGICAL RELATIONSHIPS DENGAN SINGLE EXPONENTIAL SMOOTHING
Komparasi Meode Peramalan (Beik E.) KOMPARASI METODE PERAMALAN AUTOMATIC CLUSTERING TECHNIQUE AND FUZZY LOGICAL RELATIONSHIPS DENGAN SINGLE EXPONENTIAL SMOOTHING Beik Endaryai 1, Rober Kurniawan 2 1,2
Lebih terperinciPemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline ABSTRAK
Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Meode Inervensi dan Regresi Spline Rina Andriani, Dr. Suharono, M.Sc 2 Mahasiswa Jurusan Saisika FMIPA-ITS, 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih terperinciSekilas Pandang. Modul 1 PENDAHULUAN
Modul 1 Sekilas Pandang Drs. Irlan Soelaeman, M.Ed. S PENDAHULUAN uau hari, saya dan keluarga berencana membawa mobil pergi ke Surabaya unuk mengunjungi salah seorang saudara. Sau hari sebelum keberangkaan,
Lebih terperinciSISTEM PREDIKSI PENJUALAN GAMIS TOKO QITAZ MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING. Oleh: Salman Alfarisi
S. Alfarisi / Journal of Applied Business and Economics Vol. 4 No. 1 (Sep 2017) 80-95 SISTEM PREDIKSI PENJUALAN GAMIS TOKO QITAZ MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING Oleh: Salman Alfarisi Program
Lebih terperinciPemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun
Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di
Lebih terperinciPENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Studi Kasus: PT Tembaga Mulia Semanan)
Prosiding Seminar Nasional Manajemen Teknologi Program Sudi MMT-ITS, Surabaya 1 Agusus 2009 PENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Sudi Kasus: PT
Lebih terperinciFORECASTING & ARIMA. Dwi Martani. 1/26/2010 Statistik untuk Bisnis 9 1
FORECASTING & ARIMA Dwi Marani /26/200 Saisik unuk Bisnis 9 DERET BERKALA (TIME SERIES) Suau dere berkala merupakan suau himpunan observasi dimana variabel yang digunakan diukur dalam uruan periode waku,
Lebih terperinciVARIABEL-VARIABEL YANG MEMPENGARUHI ACTUAL SYSTEM USAGE (ASU) PADA PEMANFAATAN STUDENTSITE
VARIABEL-VARIABEL YANG MEMPENGARUHI ACTUAL SYSTEM USAGE (ASU) PADA PEMANFAATAN STUDENTSITE Indra Nurhadi Program Sudi Manajemen Ekonomi, Fakulas Ekonomi, Universias Gunadarma Jl. Akses Kelapa Dua Cimanggis,
Lebih terperinciBAB 2 TINJAUAN TEORI
7 BAB 2 TINJAUAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciUSULAN PENERAPAN METODE KOEFISIEN MANAJEMEN (BOWMAN S) SEBAGAI ALTERNATIF MODEL PERENCANAAN PRODUKSI PRINTER TIPE LX400 PADA PT X
USULAN ENERAAN METODE KOEISIEN MANAJEMEN (BOMAN S) SEBAGAI ALTERNATI MODEL ERENCANAAN RODUKSI RINTER TIE LX400 ADA T X Hendi Dwi Hardiman Jurusan Teknik Manajemen Indusri - Sekolah Tinggi Manajemen Indusri
Lebih terperinciKAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN
JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju
Lebih terperinciPENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC TMP C CILACAP
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC
Lebih terperinciPemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network
D-378 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (26) 2337-3520 (23-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi pada Plaform MK di PT X Menggunakan Meode ARIMA, Neural Nework, dan Hibrida ARIMA-Neural
Lebih terperinciPerancangan Sistem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Metode Triple Exponential Smoothing
Jurnal Ilmiah Teknologi dan Informaika ASIA (JITIKA) Vol.10, No.2, Agusus 2016 ISSN: 0852-730X Perancangan Sisem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Meode Triple Exponenial Smoohing Tria
Lebih terperinciBAB 1 PENDAHULUAN. tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami
11 BAB 1 PENDAHULUAN 1.1. Laar Belakang Keahanan pangan (food securiy) di negara kia ampaknya cukup rapuh. Sejak awal ahun 1990-an, jumlah produksi pangan eruama beras, cenderung mengalami penurunan sehingga
Lebih terperinciPERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR
TUGAS AKHIR SS 145561 PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR SARIRAZTY DWIJANTARI NRP 1314 030 010 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si., M.Si DEPARTEMEN
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN
PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan
Lebih terperinciJURNAL TEKNIK POMITS Vol. 2, No. 2, (2013) ISSN: ( Print) D-108
JURNAL TEKNIK POMITS Vol., No., (013) ISSN: 337-3539 (301-971 Prin) D-108 Simulasi Peredaman Gearan Mesin Roasi Menggunakan Dynamic Vibraion Absorber () Yudhkarisma Firi, dan Yerri Susaio Jurusan Teknik
Lebih terperinciANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional.
JURNAL ILMIAH RANGGAGADING Volume 7 No. 1, April 7 : 3-9 ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Sudi kasus pada CV Cia Nasional. Oleh Emmy Supariyani* dan M. Adi Nugroho *Dosen
Lebih terperinciPERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,1,1)(0,1,1) 12 TUGAS AKHIR.
PERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,,)(0,,) 2 TUGAS AKHIR Diajukan Sebagai Salah Sau Syara unuk Memperoleh Gelar Sarjana Sains
Lebih terperinciJurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN
Peramalan Dengan Meode Smoohing dan Verifikasi Meode Peramalan Dengan Grafik Pengendali Moving Range () (Sudi Kasus: Produksi Air Bersih di PDAM Tira Kencana Samarinda) Forecasing wih Smoohing and Verificaion
Lebih terperinciPENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI
PENGGUNAAN ONSEP FUNGSI CONVEX UNU MENENUAN SENSIIVIAS HARGA OBLIGASI 1 Zelmi Widyanuara, 2 Ei urniai, Dra., M.Si., 3 Icih Sukarsih, S.Si., M.Si. Maemaika, Universias Islam Bandung, Jl. amansari No.1 Bandung
Lebih terperinciPeramalan Inflasi Nasional Berdasarkan Faktor Ekonomi Makro Menggunakan Pendekatan Time Series Klasik dan ANFIS
JURNAL SAINS DAN SENI IS Vol. 4, No., () 2337-3 (2-928X Prin) D-67 Peramalan Inflasi Nasional Berdasarkan Fakor Ekonomi Makro Menggunakan Pendekaan ime Series Klasik dan ANFIS Clara Agusin Sephani, Agus
Lebih terperinciSISTEM INFORMASI PERAMALAN STOK BARANG DI CV. ANNORA ASIA MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING
Jurnal Informaika Polinema ISSN: 2407-070X SISTEM INFORMASI PERAMALAN STOK BARANG DI CV. ANNORA ASIA MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING Mansyur, Erfan Rohadi Program Sudi Teknik Informaika,
Lebih terperincix 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr.
Pekan #1: Kinemaika Sau Dimensi 1 Posisi, perpindahan, jarak Tinjau suau benda yang bergerak lurus pada suau arah erenu. Misalnya, ada sebuah mobil yang dapa bergerak maju aau mundur pada suau jalan lurus.
Lebih terperinciPenentuan Pelebaran Window Time Optimal Pada Data Deret Waktu
1 Penenuan Pelebaran Window Time Opimal Pada Daa Dere Waku (1) Nursya`bani Hendro Prabowo dan (2) Raden Mohamad Aok Deparemen Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam, Insiu Teknologi Sepuluh
Lebih terperinciHUMAN CAPITAL. Minggu 16
HUMAN CAPITAL Minggu 16 Pendahuluan Invesasi berujuan unuk meningkakan pendapaan di masa yang akan daang. Keika sebuah perusahaan melakukan invesasi barang-barang modal, perusahaan ini akan mengeluarkan
Lebih terperinciPERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT
Saisika, Vol. 2, No. 2, November 24 PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT Sri Wahyuni, 2 Farikhin, Iswahyudi Joko Suprayino Program Sudi Saisika
Lebih terperinciPeramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis
JURNAL SAINS DAN NI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Prin) D-224 Peramalan Penjualan Sepeda Moor di Jawa Timur dengan Menggunakan Model Dinamis Desy Musika dan Seiawan Jurusan Saisika,
Lebih terperinciAbstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.
1 Peramalan Volume Produksi Air Bersih di PDAM Kabupaen Bojonegoro berdasarkan Jumlah Pelanggan dan Volume Konsumsi Air Fasha Aulia Pradhani dan Adaul Mukarromah Jurusan Saisika, FMIPA, ITS Jl. Arief Rahman
Lebih terperinciKombinasi Fitting Sinusoids dan Metode Dekomposisi dalam Memprediksi Besar Permintaan Kredit
Kombinasi Fiing Sinusoids dan Meode Dekomposisi dalam Memprediksi Besar Perminaan Kredi (Sudi Kasus: Koperasi Simpan Pinjam X Salaiga, Jawa Tengah) Rahayu Prihanini Fakulas Teknologi Informasi Universias
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu
BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Defenisi Persediaan Persediaan adalah barang yang disimpan unuk pemakaian lebih lanju aau dijual. Persediaan dapa berupa bahan baku, barang seengah jadi aau barang jadi maupun
Lebih terperinciANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 009 XV-1 ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Muhammad Sjahid Akbar, Jerry Dwi Trijoyo
Lebih terperinciBAB II LANDASAN TEORI. bahasa Yunani Sustema yang berarti satu kesatuan yang atas komponen atau
BAB II LANDASAN TEORI 2.1 Sisem Aplikasi Menuru Jogiano (2004), sisem berasal dari bahasa lain Sysema dan bahasa Yunani Susema yang berari sau kesauan yang aas komponen aau elemen-elemen yang dihubungkan
Lebih terperinciLANDASAN TEORI. Untuk membantu tercapainya suatu keputusan yang efisien, diperlukan adanya
BAB 3 LANDASAN TEORI 3.1 Pengerian Peramalan Unuk membanu ercapainya suau kepuusan yang efisien, diperlukan adanya suau cara yang epa, sisemais dan dapa diperanggungjawabkan. Salah sau ala yang diperlukan
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa
BAB 2 TINJAUAN TEORITI 2.1. Pengerian-pengerian Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. edangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciKOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES. Abstrak
KOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES Universias Muhammadiyah Purwokero malim.muhammad@gmail.com Absrak Pada persamaan regresi linier sederhana dimana variabel dependen dan variabel independen
Lebih terperinciBAB II TINJAUAN PUSTAKA. mempunyai efek menekan atau menghentikan suatu proses biokimia di dalam
BAB II TINJAUAN PUSTAKA 2.1 Anibioik 2.1.1 Defenisi Anibioik adalah segolongan senyawa, baik alami maupun sineik, yang mempunyai efek menekan aau menghenikan suau proses biokimia di dalam organisme, khususnya
Lebih terperinciBab 2 Landasan Teori
Bab 2 Landasan Teori 2.1 Keseimbangan Lini 2.1.1 Definisi Keseimbangan Lini Penjadwalan dari pekerjaan lini produksi yang menyeimbangkan kerja yang dilakukan pada seiap sasiun kerja. Keseimbangan lini
Lebih terperinciBAB 2 LANDASAN TEORI
35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),
Lebih terperinciBAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan
BAB I PENDAHULUAN 1.1 Laar Belakang Dalam perencanaan pembangunan, daa kependudukan memegang peran yang pening. Makin lengkap dan akura daa kependudukan yang esedia makin mudah dan epa rencana pembangunan
Lebih terperinciPERAMALAN PENJUALAN LISTRIK DI PT. PEMBANGKITAN JAWA BALI (PT. PJB) KANTOR PUSAT SURABAYA
TUGAS AKHIR SS 145561 PERAMALAN PENJUALAN LISTRIK DI PT PEMBANGKITAN JAWA BALI (PT PJB) KANTOR PUSAT SURABAYA DIA LINA WARDATI NRP 1314 030 08 Dosen Pembimbing Dr Wahyu Wibowo SSi, MSi DEPARTEMEN STATISTIKA
Lebih terperinciDAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII
Bulein Ilmiah Mah. Sa. dan Terapannya (Bimaser) Volume 6, No. 3 (27), hal 83 2. MODEL SPACE-TIME DAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII Ella Kurniawai, Naomi Nessyana
Lebih terperinciPeramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Multi Input. : Nesia Brilliana I.P NRP :
Peramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Muli Inpu Nama : Nesia Brilliana I.P NRP : 20800023 Jurusan : Maemaika Dosen Pembimbing : Dra. Nuri Wahyuningsih, M. Kes Pemberian pupuk
Lebih terperinciMetode Regresi Linier
Modul 1 Meode Regresi Linier Prof. DR. Maman Djauhari A PENDAHULUAN nalisis regresi linier, baik yang sederhana maupun yang ganda, elah Anda pelajari dalam maa kuliah Meode Saisika II. Dengan demikian
Lebih terperinciBab II Dasar Teori Kelayakan Investasi
Bab II Dasar Teori Kelayakan Invesasi 2.1 Prinsip Analisis Biaya dan Manfaa (os and Benefi Analysis) Invesasi adalah penanaman modal yang digunakan dalam proses produksi unuk keunungan suau perusahaan.
Lebih terperinciGenteng. = 0,435 Barisan dari [Exp(-7, ,121*X3] Binomial Thinning Operator. Jika Yt-1sukses maka peluang kejadian = 0,435
. Pemodelan Regresi INAR dengan Variabel Predikor Signifikan Geneng = 0,435 Y 0,435oY 1 Z Barisan dari [Exp(-7,988 + 0,1*X3] Binomial Thinning Operaor 35 30 Variable Y_2 PFIT2 25 Jika Y-1sukses maka peluang
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju perumbuhan
Lebih terperinciBAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun
BAB III ARFIMA-FIGARCH 3. Time Series Memori Jangka Panjang Proses ARMA sering dinyaakan sebagai proses memori jangka pendek (shor memory) karena fungsi auokorelasi anara dan urun cepa secara eksponensial
Lebih terperinciRANCANG BANGUN APLIKASI SISTEM PERAMALAN HARGA EMAS DENGAN METODE PEMULUSAN EKSPONENSIAL WINTER
RANCANG BANGUN APLIKASI SISTEM PERAMALAN HARGA EMAS DENGAN METODE PEMULUSAN EKSPONENSIAL WINTER Moh Afwan 1) S1 / Jurusan Sisem Informasi, Sekolah Tinggi Manajemen Kompuer & Teknik Kompuer Surabaya, email
Lebih terperincimetodologi penelitian
pendahuluan injauan pusaka meodologi peneliian hasil dan pembahasan kesimpulan Pusaka Meodologi Peningkaan Energi lisrik Kebuuhan energi lisrik Pengembangan sisem energi lisrik Peramalan beban lisrik Slide
Lebih terperinciANALISIS PERAMALAN BEBAN LISTRIK JANGKA PENDEK WILAYAH SUMBAR RIAU DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE (AR)
Vol. 9. No. 1, 011 ANALISIS PERAMALAN BEBAN LISTRIK JANGKA PENDEK WILAYAH SUMBAR RIAU DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE (AR) Zulfari Aini Jurusan Teknik Elekro, Fakulas Sains dan Teknologi UIN Suska
Lebih terperinciPEMODELAN PRODUKSI SEKTOR PERTANIAN
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 2009 PEMODELAN PRODUKSI SEKTOR PERTANIAN Brodjol Suijo Jurusan Saisika ITS Surabaya ABSTRAK Pada umumnya daa ekonomi bersifa ime
Lebih terperinciPERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH
Vol.. No., 03 PERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH Ari Pani Desvina, Sari Marlinda, Jurusan Maemaika Fakulas Sains dan Teknologi
Lebih terperinciBab IV Pengembangan Model
Bab IV engembangan Model IV. Sisem Obyek Kajian IV.. Komodias Obyek Kajian Komodias dalam peneliian ini adalah gula pasir yang siap konsumsi dan merupakan salah sau kebuuhan pokok masyaraka. Komodias ini
Lebih terperinciOleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes
PERAMALAN INDEKS HARGA SAHAM YANG DIPENGARUHI KURS, PERUBAHAN INFLASI, POSISI JUMLAH DEPOSITO BERJANGKA, SUKU BUNGA SBI DAN DEPOSITO MENGGUNAKAN FUNGSI TRANSFER DAN ARCH-GARCH Oleh: TANTI MEGASARI 6 00
Lebih terperinciBAB III HASIL DAN PEMBAHASAN. A. Permasalahan Nyata Penyebaran Penyakit Tuberculosis
BAB III HASIL DAN PEMBAHASAN A. Permasalahan Nyaa Penyebaran Penyaki Tuberculosis Tuberculosis merupakan salah sau penyaki menular yang disebabkan oleh bakeri Mycobacerium Tuberculosis. Penularan penyaki
Lebih terperinciAPLIKASI METODE JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI DATA INDEKS HARGA SAHAM GABUNGAN DI INDONESIA
APLIKASI METODE JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI DATA INDEKS HARGA SAHAM GABUNGAN DI INDONESIA 1 Arani Indraseianigsih, 2 Ika Damayani 1,2 Program Sudi Saisika, Fakulas Maemaika dan Ilmu Pengeahuan
Lebih terperinci1.4 Persamaan Schrodinger Bergantung Waktu
.4 Persamaan Schrodinger Berganung Waku Mekanika klasik aau mekanika Newon sanga sukses dalam mendeskripsi gerak makroskopis, eapi gagal dalam mendeskripsi gerak mikroskopis. Gerak mikroskopis membuuhkan
Lebih terperinciRANCANG BANGUN SISTEM INFORMASI INVENTORY DAN PREDIKSI JUMLAH PENJUALAN BARANG (STUDI KASUS KOPEGTEL MOJOKERTO)
RANCANG BANGUN SISTEM INFORMASI INVENTORY DAN PREDIKSI JUMLAH PENJUALAN BARANG (STUDI KASUS KOPEGTEL MOJOKERTO) Arseo Pramono 1) 1) S1/Jurusan Sisem Informasi, STIKOM Surabaya, email: oejayaraya@gmail.com
Lebih terperinciPERAMALAN CURAH HUJAN DENGAN WAVELET
PERAMALAN CURAH HUJAN DENGAN WAVELET Garini Widosari 1 T-7 1 Polieknik Negeri Samarinda 1 garini_72@yahoo.com Absrak Peramalan adalah salah sau unsur yang sanga pening dalam pengambilan kepuusan. Peranan
Lebih terperinciPrediksi Permintaan BBM di PT. Pertamina Region V dengan Metode Peramalan Data Time Series Hirarki
Prediksi Perminaan BBM di PT. Peramina Region V dengan Meode Peramalan Daa Time Series Hirarki Prania Dian Uari dan 2 Suharono Mahasiswa Jurusan Saisika FMIPA-ITS (38 57) 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih terperinci