Analisis Deret Waktu (Time Series Analysis) 3 sesi. Disusun oleh : Sigit Nugroho Sigma Mu Rho
|
|
|
- Djaja Halim
- 9 tahun lalu
- Tontonan:
Transkripsi
1 Analisis Deret Waktu (Time Series Analysis) 3 sesi Disusun oleh : Sigit Nugroho Sigma Mu Rho
2 Konsep Dasar Tersedianya data satu peubah (variabel) berdasarkan waktu Perilaku informasi spt: permintaan, penawaran, harga, dlsb. Pengetahuan dan pengalaman tentang tingkah laku dari peubah yang diamati Prediksi atau peramalan beberapa periode kedepan Sigit Nugroho 125
3 Komponen ADW Secular or Long-term Trend Cyclical Movement Seasonal Variation Irregular Component Bgmn memisahkan masing-masing komponen bebas dari Irregular Component Setiap fluktuasi deret waktu merupakan gabungan dari beberapa atau semua komponen tersebut diatas Sigit Nugroho 126
4 Deret Waktu Sederetan nilai suatu peubah (variabel) yang dicatat berdasarkan waktu secara terus menerus Deret waktu dianalisa untuk mendapatkan ukuran yang dapat digunakan untuk membuat keputusan masa kini, untuk peramalan, dan perencanaan operasional di masa yang akan datang Sigit Nugroho 127
5 Long-term Trend suatu garis atau kurva yang menunjukkan kecenderungan secara umum Penjualan Toaster per Triwulan Waktu Sigit Nugroho 128 Volume Penjualan
6 Cyclical Movement pergerakan naik turun disekitar trend Penjualan Toaster per Triwulan Peak Contraction Trough Waktu Peak Expansion Sigit Nugroho 129 Volume Penjualan
7 Seasonal Variation pola berulang jangka pendek Th 1973 Th 1974 Th 1975 Th 1976 Th 1977 Th 1978 Th 1979 Th 1980 Th 1981 Triwulan Sigit Nugroho 130
8 Irregular Component keragaman acak (tak dapat diprediksi) dalam deret waktu Sigit Nugroho 131
9 Pengkodean Tahun mempermudah penghitungan trend Jumlah Tahun Ganjil Jumlah Tahun Genap Tahun (t) Kode (x) Tahun (t) Kode (x) , , , , , , , ,5 Sigit Nugroho 132
10 Persamaan Trend Linier y t = α + β( t t ) Diperlukan pasangan data dalam bentuk (t, y t ), dimana y t merupakan nilai trend, dan t adalah tahun Untuk suatu garis, α dan β merupakan bilangan tertentu. Nilai α merupakan tinggi dari garis trend pada titik ratarata waktu; dan β merupakan slope atau konstanta perubahan vertikal dari trend. Sigit Nugroho 133
11 Trend Sekuler Linier Metode Setengah Rata-rata (Semi Average Method) Periode Tot Pembelian Rata-rata Trend Beta 1479,59 Alpha 11062,14 Sigit Nugroho 134
12 Trend Linier Sigit Nugroho 135
13 Trend Linier Metode Jumlah Kuadrat Galat Minimum Toaster Tahun Kode Terjual t x y xy x α = β y n xy = 2 x Jumlah Y t = 1287,7 + 97,1(t-1977) Sigit Nugroho 136
14 Sigit Nugroho 137 Persamaan Trend Kuadratik 2 ) ( ) ( t t t t y t + + = γ β α Diperlukan pasangan data dalam bentuk (t, y t ), dimana y t merupakan nilai trend, dan t adalah tahun ( )( ) ( )( ) ( ) ( ) = x x n x y x x y α ( ) ( )( ) ( ) ( ) = x x n y x y x n γ = 2 x xy β
15 Analisis Deret Waktu Persamaan Trend Kuadratik Tahun Kode Ton-mil (jt) t x y xy x 2 x 2 y x alpha 87,1375 beta -0,2545 gamma 0,2681 Sigit Nugroho 138
16 Menentukan Seasonal Index Metode Rata-rata Bergerak ( T S C I) n T Periode ybar x x ybar x2 T S SI Januari 1,352 1,470 1,654 1,737 2,206 1, , ,000 1,684 92,67 Februari 1,290 1,490 1,727 1,838 2,196 1, , ,025 1,683 92,61 Maret 1,557 1,728 2,187 2,365 2,781 2, , ,051 2, ,07 April 1,510 1,747 2,058 2,177 2,507 2, , ,076 1, ,86 Mei 1,522 1,696 2,032 2,108 2,585 1, , ,102 1, ,84 Juni 1,485 1,693 2,115 2,182 2,749 2, , ,127 1, ,53 Juli 1,472 1,683 1,972 2,032 2,416 1, , ,153 1,762 96,98 Agustus 1,467 1,574 1,850 2,038 2,568 1, , ,178 1,721 94,72 September 1,292 1,604 1,792 1,965 2,354 1, , ,204 1,597 87,92 Oktober 1,557 1,828 1,928 2,107 2,575 1, , ,229 1,770 97,39 Nopember 1,556 1,682 1,986 2,253 2,751 2, , ,255 1,791 98,56 Desember 1,577 1,963 2,219 2,483 3,139 2, , ,280 1, ,84 Jumlah 23,485 7, ,803 beta 0,025 1,817 Sigit Nugroho 139
17 Menentukan Seasonal Index Metode Trend Rasio Periode Januari Februari Maret April Mei Juni Juli Agustus September Oktober Nopember Desember ( T S C I) T : n Sigit Nugroho 140
18 Menentukan Seasonal Index Metode Trend Rasio Nilai trend a 39,1667 b 0,2585 Periode Januari 23,91 30,12 36,32 42,53 48,73 Februari 24,43 30,63 36,84 43,04 49,25 Maret 24,95 31,15 37,36 43,56 49,77 April 25,46 31,67 37,87 44,08 50,28 Mei 25,98 32,19 38,39 44,60 50,80 Juni 26,50 32,70 38,91 45,11 51,32 Juli 27,02 33,22 39,43 45,63 51,84 Agustus 27,53 33,74 39,94 46,15 52,35 September 28,05 34,25 40,46 46,66 52,87 Oktober 28,57 34,77 40,98 47,18 53,39 Nopember 29,08 35,29 41,49 47,70 53,90 Desember 29,60 35,81 42,01 48,22 54,42 ( T S C I) T : n Sigit Nugroho 141
19 Menentukan Seasonal Index Metode Trend Rasio ( T S C I) T Periode SV SI Januari 79,46 89,65 79,84 77,60 73,87 80,08 80,15 Februari 81,87 84,87 76,00 74,34 69,04 77,22 77,29 Maret 80,17 96,30 99,04 94,12 86,40 91,21 91,29 April 86,40 94,73 102,97 99,82 93,47 95,48 95,56 Mei 103,92 108,74 104,19 112,12 96,45 105,09 105,18 Juni 101,89 97,85 89,96 115,27 99,38 100,87 100,96 Juli 88,84 78,27 83,70 96,43 77,17 84,88 84,95 Agustus 108,96 88,92 87,63 97,51 82,14 93,03 93,11 September 114,08 102,18 98,86 113,58 92,68 104,28 104,37 Oktober 126,02 112,16 119,58 133,53 106,77 119,61 119,72 Nopember 127,22 107,68 110,86 113,21 102,03 112,20 112,30 Desember 141,89 131,26 133,30 147,25 121,28 135,00 135,12 : n Sigit Nugroho 142
20 Menentukan Cyclical Movement Trend Ind Mu Normal Periode 1951 T S TS CI RtB 3 Bl C Januari 19 23,91 0,802 19,17 99,13 Februari 20 24,43 0,773 18,88 105,92 398,79 99,70 Maret 20 24,95 0,913 22,77 87,82 371,97 92,99 April 22 25,46 0,956 24,33 90,41 367,45 91,86 Mei 27 25,98 1,052 27,33 98,81 388,95 97,24 Juni 27 26,50 1,010 26,75 100,93 405,23 101,31 Juli 24 27,02 0,850 22,95 104,57 427,09 106,77 Agustus 30 27,53 0,931 25,64 117,02 447,93 111,98 September 32 28,05 1,044 29,27 109,31 440,91 110,23 Oktober 36 28,57 1,197 34,20 105,27 433,13 108,28 Nopember 37 29,08 1,123 32,66 113,29 436,85 109,21 Desember 42 29,60 1,351 39,99 105,01 Sigit Nugroho 143
21 Pengukuran Sikli data Tahunan Tahun x Ts T TS-T Ts/T*100 %dev(ts-t) %devrelsik ,5 34,4 35,6-1,2 96,61-3,51-3, ,5 36,0 34,5 1,5 104,34 4,16 4, ,5 39,1 33,4 5,7 117,07 14,58 17, ,5 37,5 32,3 5,2 116,12 13,88 16, ,5 33,7 31,2 2,5 108,05 7,45 8, ,5 33,5 30,1 3,4 111,35 10,19 11, ,5 27,3 29,0-1,7 94,20-6,15-5, ,5 23,7 27,9-4,2 85,02-17,62-14, ,5 24,8 26,8-2,0 92,64-7,95-7, ,5 27,3 25,7 1,6 106,37 5,98 6, ,5 16,0 24,6-8,6 65,14-53,51-34, ,5 16,0 23,5-7,5 68,21-46,60-31, ,5 19,0 22,4-3,4 85,00-17,64-15, ,5 17,2 21,2-4,0 80,95-23,53-19, ,5 21,6 20,1 1,5 107,23 6,75 7, ,5 17,4 19,0-1,6 91,40-9,41-8, ,5 18,1 17,9 0,2 100,93 0,92 0, ,5 17,6 16,8 0,8 104,58 4,38 4, ,5 18,9 15,7 3,2 120,20 16,80 20, ,5 15,4 14,6 0,8 105,34 5,07 5, ,5 15,2 13,5 1,7 112,47 11,09 12, ,5 18,5 12,4 6,1 149,07 32,92 49,07 intersep 24,00909 slope -1,10469 Sigit Nugroho 144
22 Menentukan Irregular Variation Periode CI C (CxI)/C %Δ Januari 99,13 Februari 105,92 99,70 106,24 6,24 Maret 87,82 92,99 94,44-5,56 April 90,41 91,86 98,42-1,58 Mei 98,81 97,24 101,61 1,61 Juni 100,93 101,31 99,62-0,38 Juli 104,57 106,77 97,94-2,06 Agustus 117,02 111,98 104,50 4,50 September 109,31 110,23 99,17-0,83 Oktober 105,27 108,28 97,22-2,78 Nopember 113,29 109,21 103,73 3,73 Desember 105,01 Sigit Nugroho 145
Trend Sekuler Linier. Analisis Runtut Waktu (Time Series) adalah analisis pergerakan atau perubahan variabel bisnis/ekonomi dari waktu ke waktu.
Trend Sekuler Linier 1. Pendahuluan Analisis Runtut Waktu (Time Series) adalah analisis pergerakan atau perubahan variabel bisnis/ekonomi dari waktu ke waktu. Pola dasar pergerakan runtut waktu : 1) Trend
TIME SERIES. Deret berkala dan Peramalan
TIME SERIES Deret berkala dan Peramalan Pendahuluan Deret berkala Time series Sekumpulan data yang dicatat dalam satu periode waktu Digunakan untuk meramalkan kondisi masa mendatang Dalam jangka pendek
CROSS SECTION. Data yang tidak berdasar waktu DATA STATISTIK BERDASARKAN PERSPEKTIF WAKTU TIME SERIES. Berbasis Waktu
1 CROSS SECTION DATA STATISTIK BERDASARKAN PERSPEKTIF WAKTU Data yang tidak berdasar waktu TIME SERIES Berbasis Waktu 2 DERET BERKALA (TIME SERIES) Suatu deret berkala merupakan suatu himpunan observasi
CROSS SECTION. Data yang tidak berdasar waktu DATA STATISTIK BERDASARKAN PERSPEKTIF WAKTU TIME SERIES. Berbasis Waktu
1 CROSS SECTION DATA STATISTIK BERDASARKAN PERSPEKTIF WAKTU Data yang tidak berdasar waktu TIME SERIES Berbasis Waktu 2 DERET BERKALA (TIME SERIES) Suatu deret berkala merupakan suatu himpunan observasi
Peramalan (Forecasting)
Peramalan (Forecasting) Peramalan (forecasting) merupakan suatu proses perkiraan keadaan pada masa yang akan datang dengan menggunakan data di masa lalu (Adam dan Ebert, 1982). Awat (1990) menjelaskan
BAB I PENDAHULUAN Latar Belakang Metode statistik merupakan bidang pengetahuan yang mengalami pertumbuhan
BAB I PENDAHULUAN 1.1. Latar Belakang Metode statistik merupakan bidang pengetahuan yang mengalami pertumbuhan pesat. Metosdenya berkembang sejajar dengan penemuan-penemuan penting oleh para ahli matematis
Deret Berkala dan Peramalan
Deret Berkala dan Peramalan Times Series & Forecasting Oleh : Riandy Syarif Definisi Deret berkala adalah sekumpulan data yg dicatat dalam satu periode waktu. Contoh data penjualan motor yamaha 2000-2010.
BAB III METODE DEKOMPOSISI. 3.1 Arti dan Pentingnya Analisis Deret Waktu. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu
BAB III METODE DEKOMPOSISI 3.1 Arti dan Pentingnya Analisis Deret Waktu Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu kegiatan (perkembangan produksi,
BAB IV METODE PERAMALAN
Metode Peramalan 15 BAB METODE PERAMALAN 4.1 Model Sederhana Data deret waktu Nilai-nilai yang disusun dari waktu ke waktu tersebut disebut dengan data deret waktu (time series). Di dunia bisnis, data
Waktu (Tahun)
ANALISIS DATA BERKALA. Pengertian Data Berkala Data berkala merupakan data dari suatu kejadian menurut waktu yang lazim dikenal dengan data time series yaitu merupakan historical data (data sebenarnya).
ANALISIS DERET BERKALA
ANALISIS DERET BERKALA PENDAHULUAN Analisis deret berkala merupakan prosedur analisis yang dapat digunakan untuk mengetahui gerak perubahan nilai suatu variabel sebagai akibat dari perubahan waktu. Dalam
* Menetapkan model peramalan dimasa yang akan datang, baik ramal-an jangka pendek maupun jangka panjang.
TIME SERIES Data Deret Waktu Materi dalam bab ini adalah suatu pendekatan Statistika dalam memecahkan persoalan perubahan/pertumbuhan variabel atau faktor tertentu. Seperti diketahui Statistika membantu
Febriyanto, S.E., M.M.
METODE PERAMALAN PERMINTAAN Metode bebas (freehand method) Metode setengah ratarata (semi average method) Metode ratarata bergerak (moving average method) Metode kwadrat terkecil (least quares method)
BAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK
BAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK 3.1 Metode Pemulusan Eksponensial Holt-Winter Metode rata-rata bergerak dan pemulusan Eksponensial dapat digunakan untuk
OUTLINE. BAGIAN I Statistik Deskriptif. Pengertian Statistika. Penyajian Data. Ukuran Pemusatan. Ukuran Penyebaran. Angka Indeks
BAB 6 DERET BERKALA DAN PERAMALAN 1 OUTLINE BAGIAN I Statistik Deskriptif Pengertian Statistika Penyajian Data Ukuran Pemusatan Ukuran Penyebaran Angka Indeks Deret Berkala dan Peramalan Analisis Trend
BAB II TINJAUAN PUSTAKA. estimasi data yang akan datang. Peramalan atau Forecasting merupakan bagian
BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Peramalan Peramalan adalah data di masa lalu yang digunakan untuk keperluan estimasi data yang akan datang. Peramalan atau Forecasting merupakan bagian
BAB 2 LANDASAN TEORI
10 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang. Peramalan diperlukan karena adanya kesenjaan waktu
DERET BERKALA DAN PERAMALAN
DERET BERKALA DAN PERAMALAN 1 OUTLINE BAGIAN I Statistik Deskriptif Pengertian Statistika Penyajian Data Ukuran Pemusatan Ukuran Penyebaran Angka Indeks Deret Berkala dan Peramalan Analisis Trend (Linear,
BAB 3 PRAKIRAAAN dan PERAMALAN PRODUKSI. Dalam Manajemen Operasional, mengapa perlu ada peramalan produksi?
BAB 3 PRAKIRAAAN dan PERAMALAN PRODUKSI Dalam Manajemen Operasional, mengapa perlu ada peramalan produksi? a. Ada ketidak-pastian aktivitas produksi di masa yag akan datang b. Kemampuan & sumber daya perusahaan
Hasil Peramalan dengan Menggunakan Software Minitab
71 Lampiran 1. Hasil Peramalan dengan Menggunakan Software Minitab Moving Average Data C1 Length 12 NMissing 0 Moving Average Length 4 Accuracy Measures MAPE 25 MAD 54372 MSD 4819232571 Time C1 MA Predict
BAB III PERAMALAN DENGAN METODE DEKOMPOSISI. (memecah) data deret berkala menjadi beberapa pola dan mengidentifikasi masingmasing
BAB III PERAMALAN DENGAN METODE DEKOMPOSISI 3.1 Metode Dekomposisi Prinsip dasar dari metode dekomposisi deret berkala adalah mendekomposisi (memecah) data deret berkala menjadi beberapa pola dan mengidentifikasi
PERBANDINGAN KEEFEKTIFAN METODE MOVING AVERAGE DAN EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH PENGUNJUNG HOTEL MERPATI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 251 258. PERBANDINGAN KEEFEKTIFAN METODE MOVING AVERAGE DAN EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH PENGUNJUNG HOTEL
PENAKSIRAN FUNGSI PERMINTAAN ESTIMASI PERMINTAAN PASAR
PENAKSIRAN FUNGSI PERMINTAAN ESTIMASI PERMINTAAN PASAR ESTIMASI PERMINTAAN PASAR Bagi para manajer produksi, estimasi atau perkiraan secara kuantitatif permintaan terhadap suatu produk penting untuk diketahui
ANALISIS DATA BERKALA (TIME SERIES)
ANALISIS DATA BERKALA (TIME SERIES) CONTOH DATA BERKALA Pertumbuhan ekonomi pertahun dari tahun 1995 sampai tahun 000 Nilai ekspor tekstil per tahun dari tahun 1990 sampai tahun 000 Jumlah produksi minyak
BAB III METODE PERAMALAN DENGAN METODE DEKOMPOSISI. Metode peramalan yang biasanya dilakukan didasarkan atas konsep
BAB III METODE PERAMALAN DENGAN METODE DEKOMPOSISI Metode peramalan yang biasanya dilakukan didasarkan atas konsep bahwa apabila terdapat pola yang mendasari suatu deret data, maka pola tersebut dapat
METODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN
METODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN Peramalan kuantitatif hanya dapat digunakan apabila terdapat
UNIVERSITAS WINAYA MUKTI TEKNIK PROYEKSI BISNIS DODI TISNA AMIJAYA SE.,MM METODA METODA -- METODA PERAMALAN METODA PERAMALAN
UNIVERSITAS WINAYA MUKTI TEKNIK PROYEKSI BISNIS DODI TISNA AMIJAYA SE.,MM METODA - METODA PERAMALAN PADA DASARNYA METODA PERAMALAN DAPAT DIKELOMPOKKAN KE DALAM 3 KELOMPOK YAITU : 1. METODA KUALITATIF YANG
BAB 1 PENDAHULUAN. Universitas Sumatera Utara
13 BAB 1 PENDAHULUAN 1.1 Latar Belakang Era globalisasi saat ini, perkembangan zaman semankin maju dan berkembang pesat, di antaranya banyak pernikahan dini yang menyebabkan salah satu faktor bertambahnya
BAB 2 LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegitan yang memperkirakan apa yang akan
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (Forecasting) adalah suatu kegitan yang memperkirakan apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Kegunaan peramalan
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan (Forecasting) Peramalan pada dasarnya merupakan proses menyusun informasi tentang kejadian masa lampau yang berurutan untuk menduga kejadian di masa depan. Peramalan
BAB III PERAMALAN. Praktikum Sistem Produksi ATA 2014/2015
BAB III PERAMALAN 3.1 Landasan Teori Peramalan merupakan suatu bentuk usaha untuk meramalkan keadaan di masa mendatang melalui pengujian keadaan di masa lalu. Esensi peramalan adalah perkiraan peristiwa-peristiwa
BAB III HASIL ANALISIS
51 BAB III HASIL ANALISIS 3.1 Pengumpulan Data Pada tahap ini, penulis secara langsung mengambil data dari PT. Coca-Cola Bottling Indonesia Medan pada periode Januari 00 sampai dengan Desember 006. Disamping
Volume 9 Nomor 1 Maret 2015
Volume Nomor Maret 2 Jurnal Ilmu Matematika dan Terapan Maret 2 Volume Nomor Hal. 4 - PERAMALAN JUMLAH PENGUNJUNG PERPUSTAKAAN UNIVERSITAS PATTIMURA AMBON MENGGUNAKAN METODE DEKOMPOSISI S. Yuni, Mozart
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Data Berdasarkan sumbernya, data dan informasi yang dikumpulkan dapat dibedakan menjadi dua yaitu primer dan sekunder. Data primer adalah yang diperoleh langsung dari sumbernya
Kabupaten Sukoharjo berupa laporan akhir dan realisasi pendapatan daerah. Data target dan realisasi pendapatan daerah kabupaten sukoharjo ini
BABV ANALISIS DAN PEMBAHASAN 5.1. Data Dan Deskripsi Data Data yang diperoleh adalah data sekunder yang diperoleh dari BPKD Kabupaten Sukoharjo berupa laporan akhir dan realisasi pendapatan daerah. Penjelasan
BAB 2 LANDASAN TEORI. 2.1 Pengertian Angkatan Kerja Banyak hal mengenai kehidupan sosial di suatu negara/masyarakat dapat di
BAB 2 LANDASAN TEORI 2.1 Pengertian Angkatan Kerja Banyak hal mengenai kehidupan sosial di suatu negara/masyarakat dapat di jabarkan jika diketahui mengenai komposisi lapangan pekerjaan dari angkatan kerjanya,
ANALISIS RANGKAIAN WAKTU (TIME SERIES ANALYSIS)
BAB 5 ANALISIS RANGKAIAN WAKTU (TIME SERIES ANALYSIS) Kompetensi Menjelaskan konsep dasar time series. Indikator 1. Menjelaskan konsep dasar time series analysis: trend linear.. Menjelaskan konsep dasar
TEKNIK PERAMALAN KUANTITATIF (TEKNIK STATISTIK) Astrid Lestari Tungadi, S.Kom., M.TI.
TEKNIK PERAMALAN KUANTITATIF (TEKNIK STATISTIK) Astrid Lestari Tungadi, S.Kom., M.TI. PENERAPAN TEKNIK Keakuratan data yang dimiliki Asumsi yang disepakati bersama Kondisi perusahaan yang terdiri dari
BAB IV METODE PENELITIAN
BAB IV METODE PENELITIAN 4.1. Desain Penelitian Dari uraian latar belakang masalah, penelitian ini dikategorikan ke dalam penelitian kasus dan penelitian lapangan. Menurut Rianse dan Abdi dalam Surip (2012:33)
PERAMALAN CURAH HUJAN KOTA PONTIANAK DENGAN DEKOMPOSISI SENSUS II
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 05, No. 02(2016), hal 227 234. PERAMALAN CURAH HUJAN KOTA PONTIANAK DENGAN DEKOMPOSISI SENSUS II Eka Rahmilia, Helmi INTISARI Metode Dekomposisi
ANGKA INDEKS. Disiapkan oleh: Bambang Sutrisno, S.E., M.S.M.
ANGKA INDEKS Disiapkan oleh: Bambang Sutrisno, S.E., M.S.M. A. PENGERTIAN Angka indeks adalah angka yang digunakan sebagai perbandingan dua atau lebih kegiatan yang sama untuk kurun waktu yang berbeda.
ANALISIS PERBANDINGAN METODE PERAMALAN
ANALISIS PERBANDINGAN Pangsa pasar perusahaan ini tidak hanya di kota Surabaya melainkan banyak di kota-kota besar METODE PERAMALAN bahkan di luar Pulau Jawa seperi wilayah Ambon, PENJUALAN JENIS KAYU
BAB V PENUTUP. 1. Peramalan kas dengan metode analisis data time series dapat
109 BAB V PENUTUP 5.1. Kesimpulan Hasil analisis dan pembahasan pada Bab IV dapat disimpulkan bahwa: 1. Peramalan kas dengan metode analisis data time series dapat menghasilkan proyeksi penerimaan dan
BAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.. Pengertian Manajemen Produksi dan Operasi Sebelum kita membahas lebih lanjut mengenai manajemen produksi dan operasi sebaiknya kita mengetahui terlebih dahulu pengertian dari
Prediksi Jumlah Pengunjung Perpustakaan Universitas Sam Ratulangi Manado Menggunakan Metode Dekomposisi
Prediksi Jumlah Pengunjung Perpustakaan Universitas Sam Ratulangi Manado Menggunakan Metode Dekomposisi 1 Olvi J. Kendek, 2 Jantje D. Prang, 3 Marline Paendong 1 Program Studi Matematika, FMIPA, UNSRAT,
BAB 2 TINJAUAN TEORI. akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan
BAB 2 TINJAUAN TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan
BAB 2 TINJAUAN TEORITIS. masa lalu maupun saat ini baik secara matematik maupun statistik.
BAB 2 TINJAUAN TEORITIS Metode Peramalan Metode peramalan merupakan suatu teknik untuk memprediksi atau memperkirakan suatu nilai pada masa yang akan datang dengan memperhatikan data atau informasi masa
Minggu-3. Metode Penaksiran Kuantitatif. Penganggaran Perusahaan. By : Ai Lili Yuliati, Dra, MM
Penganggaran Perusahaan Minggu-3 Metode Penaksiran Kuantitatif By : Ai Lili Yuliati, Dra, MM Further Information : Mobile: 08122035131 Email: ailili1955@gmail.com 1 Pokok Bahasan Cara penaksiran (forecasting)
SALES FORECASTING UNTUK PENGENDALIAN PERSEDIAAN
BAB IV SALES FORECASTING UNTUK PENGENDALIAN PERSEDIAAN A. Identifikasi Peramalan Penjualan oleh UD. Jaya Abadi Dari hasil wawancara yang menyebutkan bahwa setiap pengambilan keputusan untuk estimasi penjualan
BAB II TINJAUAN PUATAKA. Penelitian yang dilakukan oleh Ivarani Mega Safitri (2012), dengan
9 BAB II TINJAUAN PUATAKA A. Landasan Penelitian Terdahulu Penelitian yang dilakukan oleh Ivarani Mega Safitri (2012), dengan objek penelitian yaitu Perusahaan Pelayanan Jasa Tiket Pada Terminal Tiket
BAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan meramalkan atau memprediksi apa yang akan terjadi dimasa yang akan datang dengan waktu tenggang (lead time) yang relative lama,
BAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan sering dipandang sebagai seni dan ilmu dalam memprediksikan kejadian yang mungkin dihadapi pada masa yang akan datang. Secara teoritis peramalan
MODEL AUTOREGRESSIVE (AR) ATAU MODEL UNIVARIATE
MODEL AUTOREGRESSIVE (AR) ATAU MODEL UNIVARIATE Data yang digunakan adalah data M2Trend.wf1 (buku rujukan pertama, bab-8). Model analisisnya adalah Xt = M2 diregresikan dengan t = waktu. Model yang akan
BAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Pendahuluan Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan
BAB 2 TINJAUAN TEORITIS. Adanya waktu tenggang (lead time) merupakan alasan utama bagi perencanaan dan
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Adanya waktu tenggang (lead time) merupakan alasan utama bagi perencanaan dan peramalan. Jika waktu tenggang ini nol atau sangat kecil, maka perencanaan
BAB III PERAMALAN 3.1 Landasan Teori Peramalan
BAB III PERAMALAN 3.1 Landasan Teori Peramalan Menurut Gaspersz (2004), aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha memperkirakan permintaan dan penggunaan produk sehingga produk-produk
Return Investasi DPLK BNI PT. Bank Negara Indonesia (Persero) Tbk. Data Posisi Per Oktober 2016
Return Investasi DPLK BNI PT. Bank Negara Indonesia (Persero) Tbk Data Posisi Per Oktober 2016 Kinerja Investasi per Instrumen (Tahun 2016) Januari 9.00 7.25 13.18 8.37 8.91 8.24 5.79 (4.62) Februari 8.98
BAB 2 TINJAUAN TEORITIS. 2.1 Produk Domestik Regional Bruto
18 BAB 2 TINJAUAN TEORITIS 2.1 Produk Domestik Regional Bruto Dalam menghitung pendapatan regional, dipakai konsep domestik. Berarti seluruh nilai tambah yang ditimbulkan oleh berbagai sektor atau lapangan
BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 TINJAUAN TEORITIS 2.1. Pengertian pengertian Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang
DAFTAR REKAPITULASI JUMLAH PENDUDUK KOTA BANDUNG BERDASARKAN JUMLAH : RT, RW DAN MENURUT GOLONGAN AGAMA : JANUARI 2012 : BANDUNG WETAN
: JANUARI 2012 PENDUDUK - 1 TAMANSARI 115 20 4.988 403 0 5.391 11.713 11.837 23.550 19.168 2.807 1.562 6 7 0 2 CIHAPIT 46 8 702 318 3 1.023 3.086 3.305 6.391 3.390 1.510 1.505 56 30 0 3 CITARUM 36 8 443
PERAMALAN NILAI INFLASI KESEHATAN DI KABUPATEN SEMARANG DENGAN METODE KUADRATIK
PERAMALAN NILAI INFLASI KESEHATAN DI KABUPATEN SEMARANG DENGAN METODE KUADRATIK Adib Khoiruddin Fahmi 1, Much Aziz Muslim 2 1 Jurusan Matematika, FMIPA, Universitas Negeri Semarang 2 Jurusan Ilmu Komputer,
MODEL VARIASI HARIAN KOMPONEN H JANGKA PENDEK BERDASARKAN DAMPAK GANGGUAN REGULER
MODEL VARIASI HARIAN KOMPONEN H JANGKA PENDEK BERDASARKAN DAMPAK GANGGUAN REGULER Habirun Pusat Pemanfaatan Sains Antariksa Lembaga Penerbangan dan Antariksa Nasional (LAPAN) email: h a b i r u n @ b d
BAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Pengertian Kependudukan Setiap daerah memiliki penduduk dimana penduduk tersebut memiliki karakteristik yang berbeda-beda. Dalam cakupannya penduduk tersebut saling berhubungan
JURNAL PREDIKSI PRODUKSI SAMBAL PECEL MENGGUNAKAN METODE TIME SERIES FORECASTING PREDICTION OF PRODUCTION PECEL SAUCE USING TIME SERIES FORECASTING
JURNAL PREDIKSI PRODUKSI SAMBAL PECEL MENGGUNAKAN METODE TIME SERIES FORECASTING PREDICTION OF PRODUCTION PECEL SAUCE USING TIME SERIES FORECASTING Oleh: JOHAN TRIWAHYUDI 12.1.03.02.0039 Dibimbing oleh
BAB 1 PENDAHULUAN. Pasar global dewasa ini tanpa disadari telah membuat kompetisi di dalam dunia
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Pasar global dewasa ini tanpa disadari telah membuat kompetisi di dalam dunia perindustrian menjadi hal yang lebih penting. Pasar yang dulunya pada masa Perang
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Sedangkan
Pembahasan Materi #7
1 EMA402 Manajemen Rantai Pasokan Pembahasan 2 Pengertian Moving Average Alasan Tujuan Jenis Validitas Taksonomi Metode Kualitatif Metode Kuantitatif Time Series Metode Peramalan Permintaan Weighted Woving
BAB IV ANALISIS DAN PEMBAHASAN. dari UD. Wingko Babat Pak Moel sebagai berikut: a. Data permintaan wingko pada tahun 2016.
BAB IV ANALISIS DAN PEMBAHASAN 4.1 Pengumpulan dan Pengolahan Data Untuk menganalisi permasalahan pengoptimalan produksi, diperlukan data dari UD. Wingko Babat Pak Moel sebagai berikut: a. Data permintaan
STATISTIKA DESKRIPTIF Dosen:
LEMBAR TUGAS MAHASISWA (LTM) Mata Kuliah: STATISTIKA DESKRIPTIF Dosen: Nama NIM Kelas Jurusan Akademi : : : : : AKADEMI - AKADEMI BINA SARANA INFORMATIKA J A K A R T A C.2009 1 BAB I PENDAHULUAN Pertemuan
STATISTIKA-1 TREND SEKULER. <Handout-12> JURUSAN/KELAS: PEMASARAN / A & B MINGGU/PERTEMUAN KE-10 TANGGAL DISUSUN OLEH:
STATISTIKA- TREND SEKULER JURUSAN/KELAS: PEMASARAN / A & B MINGGU/PERTEMUAN KE-0 TANGGAL 8--00 DISUSUN OLEH: CAHYAT ROHYANA, SE., MM. POLITEKNIK POS INDONESIA JL. SARIASIH No.54 BANDUNG 405
ABSTRAK. Kata Kunci : Sparepart, Peramalan, Trend Moment
PERAMALAN PENJUALAN SPAREPART MOTOR HONDA MENGGUNAKAN METODE TRENDMOMENT (Studi Kasus : AHASS MOTOR PARE) Yusuf Engga Dikdawan 1, Hendra Pradibta 2, Mungki Astiningrum 3 Jurusan Teknologi Informasi, Program
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
Aplikasi Sistem Informasi Forecasting pada PD. Maha Jaya. Teknik Informatika 1 Teknik Industri 2 Universitas Kristen Petra Surabaya
Aplikasi Sistem Informasi Forecasting pada PD. Maha Jaya Rudy Adipranata 1, Tanti Octavia 2, Andi Irawan 1 Teknik Informatika 1 Teknik Industri 2 Universitas Kristen Petra Surabaya Pendahuluan Pentingnya
PERAMALAN (FORECASTING)
PERAMALAN (FORECASTING) Jenis Peramalan Peramalan (forecasting) : Adalah seni dan ilmu memprediksi peristiwa-peristiwa yang akan terjadi, dengan menggunakan data historis dan memproyeksikannya ke masa
PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA
Jurnal Matematika UNAND Vol. 3 No. 3 Hal. 59 67 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA ANNISA UL UKHRA Program Studi Matematika,
III. METODE PENELITIAN
15 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penelitian Perkembangan ekonomi dan bisnis dewasa ini semakin cepat dan pesat. Bisnis dan usaha yang semakin berkembang ini ditandai dengan semakin banyaknya
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. PengertianPeramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Dalam usaha mengetahui atau melihat perkembangan di masa depan,
BAB IV STUDI KASUS. Data yang digunakan adalah data jumlah pengunjung objek wisata Kebun
BAB IV STUDI KASUS 4.1 Plot Data Data yang digunakan adalah data jumlah pengunjung objek wisata Kebun Raya Cibodas dari bulan Januari 2005 hingga Desember 2009. Data selengkapnya dapat dilihat pada Tabel
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Angkatan Kerja Tenaga kerja adalah penduduk yang siap melakukan pekerjaan, penduduk yang telah memasuki usia kerja (working age population). Menurut UU No. 13 tahun
BAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1. Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan
BAB II TINJAUAN PUSTAKA
4 BAB II TINJAUAN PUSTAKA 1.1 Landasan Teori 1.1.1 Prediksi Prediksi adalah sama dengan ramalan atau perkiraan. Menurut kamus besar bahasa indonesia, prediksi adalah hasil dari kegiatan memprediksi atau
BAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi
TINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan
II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan fungsional antara variabel respon dengan satu atau beberapa variabel prediktor.
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang. Peramalan diperlukan karena adanya kesenjangan waktu
BAB 2 LANDASAN TEORI. Metode peramalan adalah suatu cara memperkirakan atau memprediksikan apa yang
BAB 2 LANDASAN TEORI 2.1 Pengertian Metode Peramalan Metode peramalan adalah suatu cara memperkirakan atau memprediksikan apa yang akan terjadi pada masa depan berdasarkan data yang relevan pada masa lampau.
PENENTUAN POLA HARI TENANG UNTUK MENDAPATKAN TINGKAT GANGGUAN GEOMAGNET DI TANGERANG
PENENTUAN POLA HARI TENANG UNTUK MENDAPATKAN TINGKAT GANGGUAN GEOMAGNET DI TANGERANG Hablrun, Sity Rachyany, Anwar Santoso, Visca Wellyanita Peneliti Pusat Pemanfaatan Sains Antariksa, LAPAN ABSTRACT Geomagnetic
Pemodelan Peramalan Dalam Penentuan Persediaan Jenis Spare Part Mesin Kendaraan
Pemodelan Peramalan Dalam Penentuan Persediaan Jenis Spare Part Mesin Kendaraan Yasir Amani Dosen Teknik Mesin Universitas Malikussaleh Lhokseumawe Jl. Cot Tgk Nie-Reulet, Aceh Utara, 141 Indonesia email
BAB IV ANALISA DAN PEMBAHASAN
BAB IV ANALISA DAN PEMBAHASAN 4.1. ANALISA PERGERAKAN PESAWAT 4.1.1. Data pergerakan pesawat Data yang digunakan dalam menganalisa kebutuhan apron adalah data pergerakan pesawat dimana idealnya disesuaikan
BAB III METODE DEKOMPOSISI X-12ARIMA. Analisis runtun waktu merupakan salah satu analisis statistik yang
BAB III METODE DEKOMPOSISI X-12ARIMA 3.1 Pendahuluan Analisis runtun waktu merupakan salah satu analisis statistik yang digunakan untuk mempelajari data dalam satu periode tertentu. Secara umum analisis
PERENCANAAN JUMLAH PRODUKSI MEJA ALUMUNIUM UNTUK MEMINIMALKAN BIAYA PRODUKSI DENGAN METODE FUZZY MAMDANI Di UD. Meubel Alumunium, Mojokerto
PERENCANAAN JUMLAH PRODUKSI MEJA ALUMUNIUM UNTUK MEMINIMALKAN BIAYA PRODUKSI DENGAN METODE FUZZY MAMDANI Di UD. Meubel Alumunium, Mojokerto SKRIPSI Oleh : MUISA OCTAVIA NPM : 0632010185 JURUSAN TEKNIK
Teknik Proyeksi Bisnis (Forecasting)
Halaman Judul MODUL PERKULIAHAN Teknik Proyeksi Bisnis (Forecasting) Oleh: Andi Ratna Sari Dewi Ratna_fe@unhas.ac.id a.ratnasaridewi@gmail.com DEPARTEMEN MANAJEMEN FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS
LECTURE 12 Analisis Dekomposisi dan Model Runtut Waktu
LECTURE 12 Analisis Dekomposisi dan Model Runtut Waktu DR. MUDRAJAD KUNCORO, M.Soc.Sc Fakultas Ekonomi & Pascasarjana UGM Outline: Akar Unit Exponential Smoothing Moving Average Trend Proyeksi Apa Arti
PENERAPAN METODE DESEASONALIZED PADA PERAMALAN BANYAK PENUMPANG KERETA API DI PULAU JAWA. Abstract
PENERAPAN METODE DESEASONALIZED PADA PERAMALAN BANYAK PENUMPANG KERETA API DI PULAU JAWA Guntur Prabowo 1, Supriyono 2, Muhammad Kharis 3 Jurusan Matematika, FMIPA, Universitas Negeri Semarang Gedung D7
HASIL DAN ANALISIS DATA. Berikut ini adalah data penjualan besi Wiremesh selama 4 tahun berturutturut.
BAB 5 HASIL DAN ANALISIS DATA 5.1 Penyajian Data Penelitian Berikut ini adalah data penjualan besi Wiremesh selama 4 tahun berturutturut. Data berikut merupakan data aktual untuk diramalkan penjualannya
TINJAUAN PUSTAKA, LANDASAN TEORI, KERANGKA PEMIKIRAN, DAN HIPOTESIS PENELITIAN
TINJAUAN PUSTAKA, LANDASAN TEORI, KERANGKA PEMIKIRAN, DAN HIPOTESIS PENELITIAN Tinjauan Pustaka Gula terdiri dari beberapa jenis dilihat dari keputihannya melalui standar ICUMSA (International Commision
PERBANDINGAN METODE SETENGAH RATA-RATA DAN METODE KUADRAT TERKECIL UNTUK PERAMALAN PENDAPATAN PERUSAHAAN DI BLU UPTD TERMINAL MANGKANG SEMARANG
Techno.COM, Vol. 15, No. 2, Mei 2016: 132-139 PERBANDINGAN METODE SETENGAH RATA-RATA DAN METODE KUADRAT TERKECIL UNTUK PERAMALAN PENDAPATAN PERUSAHAAN DI BLU UPTD TERMINAL MANGKANG SEMARANG Rachmad Budi
PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) TERTINGGI BULAN DESEMBER disusun untuk memenuhi Tugas Lapangan Mata Kuliah Metode Peramalan
PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) TERTINGGI BULAN DESEMBER 3 disusun untuk memenuhi Tugas Lapangan Mata Kuliah Metode Peramalan Disusun Oleh :. Ilani Agustina M00037 2. Intan Purnomosari M00042
OLEH : RYAN NANDA UTAMA DOSEN PENGUJI I : RIANI LUBIS, S.T., M.T. DOSEN PENGUJI II : TATI HARIHAYATI M., S.T.,M.T DOSEN PENGUJI III :
PEMBANGUNAN SISTEM INFORMASI PENGENDALIAN DAN PERENCANAAN PERSEDIAAN OBAT DI PUSKESMAS YANG ADA PADA LINGKUNGAN DINAS KESEHATAN BANDUNG (STUDI KASUS PUSKESMAS SUKAJADI) OLEH : RYAN NANDA UTAMA 10108666
Model Empiris Variasi Harian Komponen H Pola Hari Tenang. Habirun. Pusat Pemanfaatan Sains Antariksa, LAPAN Jl. Dr. Junjunan No.
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA Fakultas MIPA, Universitas Negeri Yogyakarta, 16 Mei 29 Model Empiris Variasi Harian Komponen H Pola Hari Tenang Habirun Pusat Pemanfaatan